TY - JOUR A1 - Schildgen, Johannes T1 - Individuelle Data-Warehousing-Projekte anstelle einer Abschlussklausur JF - Datenbank-Spektrum N2 - Dieser Artikel berichtet über die Erfahrungen aus zwei Semestern, in denen Studierende der Data-Warehousing-Vorlesung individuelle Einzelprojekte bearbeitet haben. Das Projekt besteht aus fünf Challenges: die Vorstellung der Projektidee, ein Peer-Review anderer Ideen, Datenmodellierung, ETL und analytische Queries, sowie die Erstellung eines Power BI-Dashboards. KW - Data Analytics KW - Data Engineering KW - Data Mining KW - Experiential Education KW - Methodology of Data Collection and Processing KW - Project Management Y1 - 2025 U6 - https://doi.org/10.1007/s13222-025-00502-y SN - 1618-2162 PB - Springer ER - TY - BOOK A1 - Scheid, Sandro A1 - Vogl, Stefanie T1 - Data Science: Grundlagen, Methode und Modelle der Statistik KW - Big Data KW - Data Mining KW - Data Science Y1 - 2021 SN - 978-3-446-46663-0 SN - 978-3-446-47001-9 U6 - https://doi.org/10.3139/9783446470019 PB - Hanser ER - TY - BOOK A1 - Purr, Stephan T1 - Datenerfassung für die Anwendung lernender Algorithmen bei der Herstellung von Blechformteilen N2 - Der industrielle Fertigungsprozess von Blechformteilen unterliegt dem Einfluss einer Vielzahl von Parameterschwankungen, die das Umformergebnis signifikant mitbestimmen. Daher treten Qualitätsprobleme scheinbar zufällig auf und verursachen Ausschuss und einen Verlust an Produktivität. Ein vielversprechendes Mittel zur Verbesserung derartiger Prozesse ist der Einsatz von Datenanalysen und lernenden Algorithmen, die jedoch eine große Datenmenge voraussetzten. Bisher fehlten die Datenbasis und geeignete Möglichkeiten zur Datenerfassung für den Einsatz dieser Methoden. In dieser Arbeit wurde eine allgemeingültige und übertragbare Methode zur Erfassung und Speicherung relevanter Einfluss- und Ergebnisgrößen des Herstellprozesses von Blechformteilen entwickelt. Die Methode und die resultierenden Daten sind die Grundlage für die Analyse von Zusammenhängen im Prozess, die Vorhersage der Qualität durch maschinelles Lernen und die Berechnung geeigneter Maschineneinstellungen. Diese Anwendungen wurden in der Arbeit erprobt und die Ergebnisse bewertet. Dadurch konnten die Funktionalität der Datenerfassung und die erwarteten Potentiale bestätigt werden. N2 - The process of industrially producing shaped sheet metal parts is influenced by a large number of fluctuating factors. Therefore, quality problems appear to occur randomly and cause defective parts and a loss of productivity. A suitable way to improve these processes is the application of data analysis and statistical methods like machine learning, which require a large amount of data. So far, the data base and suitable methods for data acquisition are lacking for the use of these methods. Therefore, in this work, a generally valid and transferable method for recording and saving relevant influencing and resultant variables during the series production of sheet metal parts has been developed. This method and the resulting data are the basis for the analysis of correlations in the process, the prediction of quality by learning algorithms and the calculation of suitable press settings. These use cases were tested in the work and the results were evaluated. Thus, the functionality of the data acquisition and the expected potentials could be confirmed. KW - Digitalisierung KW - Umformen KW - Qualitätsmanagement KW - Maschinelles Lernen KW - Data Mining KW - Datenerfassung KW - Ingenieurwissenschaften KW - Maschinenbau KW - Produktionstechnik KW - Blechumformung KW - Tiefziehen KW - Umformtechnik KW - künstliche Intelligenz KW - lernende Algorithmen Y1 - 2020 U6 - https://doi.org/10.25593/978-3-96147-282-6 N1 - Zugl.: Diss., FAU Erlangen-Nürnberg, 2020 PB - FAU University Press ER -