htw saar
Zurück zur Hauptseite

Version des Moduls auswählen:

Digitaler Zwilling

Modulbezeichnung: Digitaler Zwilling
Studiengang: Engineering und Management, Master, ASPO 01.10.2019
Code: MAM_19_V_3.09.DZW
SWS/Lehrform: 2SU+1P+1PA (4 Semesterwochenstunden)
ECTS-Punkte: 5
Studiensemester: 3
Pflichtfach: ja
Arbeitssprache:
Deutsch
Prüfungsart:
Praktische Prüfung mit Ausarbeitung
Zuordnung zum Curriculum:
MAM_19_V_3.09.DZW Engineering und Management, Master, ASPO 01.10.2019, 3. Semester, Pflichtfach, Vertiefungsrichtung Verfahrenstechnik
Arbeitsaufwand:
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 5 Creditpoints 150 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 105 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr.-Ing. Michael Sauer, M.Sc.
Dozent:
Prof. Dr.-Ing. Michael Sauer, M.Sc.


[letzte Änderung 07.05.2019]
Lernziele:
Die Studierenden sollen die Möglichkeiten und Techniken beim Einsatz von digitalen Zwillingen für die die Prozessentwicklung und –Optimierung verstehen und selbst anwenden können.
Die Studierenden verstehen das Internet der Dinge und Big Data als fachübergreifende Themen des Maschinenbaus und der Elektrotechnik. Sie sind in der Lage ausgewählte technische Lösungen zu erläutern, zu simulieren und zu analysieren.


[letzte Änderung 30.04.2019]
Inhalt:
Am Beispiel einfacher technischer Systeme werden deren virtuellen Zwillinge entwickelt und Simulationen durchgeführt, Daten erzeugt und vergleichend dargestellt. Bei im Voraus klar definierten Zielen kann durch das Auslesen der einzelnen Daten und durch den Prozess der Erstellung eines visuellen Abbildes sich das allgemeine Verständnis für das entwickelte System erhöhen. Optimierungen lassen sich so schon in der Entwicklungsphase durchführen.
Die Studierenden bekommen einen vertieften Einblick in das IoT  (Internet of Things), netzwerkfähige Sensoren werden vorgestellt und mit ihnen selbst gearbeitet. Die automatisierte Auswertung von Sensordaten und der Umgang mit großen Datenmengen wird geübt. Mit der beispielhaften Erzeugung neuronale Netzwerke werden Techniken erlernt, mit der ein Modellabbild basierend auf gemessenen Daten erzeugt werden kann.


[letzte Änderung 30.04.2019]
Lehrmethoden/Medien:
Seminaristischer Unterricht. Vorlesungsanteile komprimiert zu Beginn. Studierende erarbeiten über wissenschaftliche Artikel und (Labview-/ AMESim-)Vorlagen Simulationsmodelle mit Datenmodellierung und Analyse von z.B. Strömungssystemen, Photovoltaikanlagen, Energiespeicher, Blockheizkraftwerke und Netze.

[letzte Änderung 30.04.2019]
Literatur:


[noch nicht erfasst]
[Mon Jun  1 00:21:01 CEST 2020, CKEY=mdz, BKEY=mm2, CID=MAM_19_V_3.09.DZW, LANGUAGE=de, DATE=01.06.2020]