Walzwerktechnik und Data-Mining/ Rolling mill technology and data mining

Credits Workload Kontaktzeit Selbststudium Dauer
8 CP240 h 8 SWS (120 h)120 h

Teilnahmevoraussetzungen

Empfohlene Voraussetzungen Walzwerktechnik:

  • Werkstoffverarbeitung Umformen aus Bachelor oder gleichwertige Veranstaltung
  • Grundlagen der technischen Mechanik

Empfohlene Voraussetzungen Datamining:

  • Grundlagen der Mathematik und Statistik
  • Grundlagen der Informatik Grundlagen der Datenbanktechniken

Lehrveranstaltungen

Veranstaltung/ Lehrform CP SWS Häufigkeit
Vorlesung - Walzwerktechnik 8 CP 1 SWS WS, jährlich
Vorlesung - Data Mining im Umfeld technischer Prozesse   1 SWS WS, jährlich
Übung - Data Mining im Umfeld technischer Prozesse   1 SWS WS, jährlich
Exkursion - Walzwerktechnik   5 SWS WS, jährlich

Prüfungsleistung

Klausur schriftlich oder mündliche Prüfung (120min). Die Prüfungsform wird zu Beginn der Veranstaltung durch die Dozierenden bekanntgegeben. Die Prüfung wird 2-mal jährlich angeboten

Note

Die Note ist die Note der Modulklausur.

Lernergebnisse / Kompetenzen

Walzwerkstechnik:

    Wissen / Verstehen
  • Die Studierenden kenen und verstehen die fachspezifischen Bedingungen im Anlagenbau und Betrieb sowohl von Einzelkomponenten als auch der Einbindung dieser in Anlagensysteme sowie die Interaktion zwischen Walzgut und Walzgerüst.
    Anwenden / Analyse
  • Studierende können durch die vermittelten Zusammenhänge die einzelnen Komponenten im Walzwerk analysieren und gegebenenfalls optimieren.
    Synthese / Beurteilen
  • Die Studierenden können auftretende Probleme beurteilen und zur Vermeidung die relevanten Walzprozessparameter anpassen.

Datamining:

    Wissen / Verstehen
  • Die Studierenden kennen und verstehen Gegenstand und Anwendungsfelder des Data Mining im Umfeld technischer Prozesse.
  • Sie kennen die Schritte des Data Mining und deren Bedeutung und können gegebene Problemstellungen der Automatisierungstechnik in eine Data Mining Aufgabenstellung umsetzen.
    Anwenden / Analyse
  • Den Studierenden sind Grundlagen und wesentliche Eigenschaften ausgewählter Methoden der grafischen Datenanalyse, der Datenvorverarbeitung, der Abhängigkeitsanalyse und der datenbasierten Modellbildung bekannt und sie sind fähig, diese Methoden zu erklären.
  • Die Studierenden können die obigen Methoden auf gegebene Aufgabenstellungen anwenden.
    Synthese / Beurteilen
  • Sie sind in der Lage die Ergebnisse der Anwendung einzelner Verfahren zu bewerten sowie die Ergebnisse unterschiedlicher Verfahren zu vergleichen. Hieraus können sie Konsequenzen für eine verbesserte Vorgehensweise ableiten.
  • Die Studierenden können die Erfolgsaussichten des Einsatzes von Methoden des Data Mining für eine gegebene Aufgabenstellung beurteilen und entscheiden, ob notwendiger Aufwand und zu erwartender Nutzen in Relation stehen.

Inhalte

Walzwerktechnik:

  • 1)Überblick: Einordnung des Flachwalzens in Prozessketten, Gerüsttypen, Anlagentypen, Gerüstaufbau (Beispiel Warmwalzgerüst)
  • 2)Mechanik: Mechanische Walzspaltgrößen, Streifentheorie, Parameterstudie Kraft-, Arbeitsbedarf, Voreilung, Erweiterungen der Streifentheorie, Horizontale Reaktionskräfte im Walzensatz, Horizontale Stabilität der Arbeitswalze, Auslegung Arbeitswalzendurchmesser
  • 3)Medien (Kühlen, Schmieren, Reinigen): Wärmequelle Walzspalt, Band-/Walzenkühlung, Walzspalttribologie, Band-/Walzenoberfläche, Medientechnik
  • 4)Anlagenkonzepte: Auslegung, Stichpläne, Produktivität
  • 5)Banddicke, Anstellung: Anstellsysteme, Gerüstauffederung, Dickenfehler, Inhomogenitäten, Zusammenhang Anstellung – Dicke, Regelung
  • 6)Bandplanheit: Profil und Planheit, Mathematische Beschreibung, Aktuatoren, Messung und Regelung

Datamining:


 
Seitenanfang