Modulhandbuch. Masterstudiengang Simulation und Test. Fakultät Angewandte Naturwissenschaften. Stand: Änderungen vorbehalten

Transkript

1 Fakultät Angewandte Naturwissenschaften Masterstudiengang Simulation und Test Modulhandbuch Stand: Änderungen vorbehalten

2 Modulplan 1 2 Modellbildung und Simulation 1 4 SWS Modellbildung und Simulation 2 4 SWS Innovationsmanagement 4 SWS Fortgeschrittene Simulationsverfahren 4 SWS Test- und Validierungsverfahren 4 SWS Design of Experiments 4 SWS Versuchs- und Prüfstands-technik 4 SWS Wahlpflicht- Modulgruppe Computer Based Measurement Technology 1) 4 SWS 12 ECTS 8 SWS 3 Computational Physics 1) 4 SWS Masterarbeit 24 ECTS 1) Das Modul kann in englischer Sprache gelehrt und geprüft werden. Abkürzungen: ECTS = Credit Points nach dem European Credit Transfer and Accumulation System P = Praktikum SS = Sommersemester SU = Seminaristischer Unterricht SWS = Semesterwochenstunde Ü = Übung WS = Wintersemester

3 Modul Modellbildung und Simulation 1 Studiengang Master Simulation und Test Modulbezeichnung Modellbildung und Simulation 1 Ggf. Kürzel Ggf. Untertitel Ggf. Lehrveranstaltungen Fachsemester 1 Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Nutzung in anderen Studiengängen Lehrform / SWS Arbeitsaufwand Kreditpunkte Voraussetzungen Qualifikationsziele Inhalt MuS1 Modellierung diskreter Systeme mit gewöhnlichen DGLs Modellbildung und Simulation SU Modellbildung und Simulation Ü Prof. Dr. Wolfram Haupt Prof. Dr. Wolfram Haupt Deutsch Pflichtfach 2 SWS Seminaristischer Unterricht 2 SWS Übung am PC 60 Präsenzstunden und 120 Stunden Eigenarbeit Höhere Mathematik (DGLs), Grundkenntnisse Programmierung Überblick über den Prozess der Modellbildung, umfassendes Verständnis von diskreten Systemen (gewöhnliche DGLs) und numerischer Lösungsverfahren derselben, Erlernen von Simulationstools zur effizienten Lösung von Problemstellungen mit gewöhnlichen DGLs (z.b. Matlab, Simulink, Simscape), Beurteilung der Sinnhaftigkeit von numerischen Lösungen Motivation Warum überhaupt Simulation? Modellbildung (Physikalisch, mathematisch, numerisch), Validierung von Modellen durch Vergleich mit Experimenten Diskrete Systeme (gewöhnliche DGLs), Anfangswertprobleme (Euler-Verfahren (explizit, implizit), Runge-Kutta-Verfahren), Stabilität, Konsistenz, Konvergenz,

4 Rand- und Eigenwertprobleme (Schießverfahren, Differenzenverfahren, FEM) Studien- / Prüfungsleistungen Medienformen Literatur und Software Evtl. Praktikumsversuch zum Vergleich mit Simulationsergebnissen Schriftliche Prüfung Tafel, Beamer (Visualizer), PC Literatur: C.-D. Munz, T. Westermann: Numerische Behandlung gewöhnlicher und partieller Differenzialgleichungen, Springer (2012), ISBN: W. D. Pietruszka: Matlab Und Simulink In Der Ingenieurpraxis: Modellbildung, Berechnung und Simulation, Vieweg+Teubner (2012), ISBN: Software: Matlab, Simulink, Simscape (kommerziell) Python, Modelica (Open Source)

5 Modul Modellbildung und Simulation 2 Studiengang Master Simulation und Test Modulbezeichnung Modellbildung und Simulation 2 Ggf. Kürzel Ggf. Untertitel Ggf. Lehrveranstaltungen Fachsemester 2 Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Nutzung in anderen Studiengängen Lehrform / SWS Arbeitsaufwand Kreditpunkte Voraussetzungen Qualifikationsziele Inhalt MuS2 Modellierung kontinuierlicher Systeme mit partiellen DGLs Simulationswerkzeuge SU Simulationswerkzeuge Ü Prof. Dr. Conrad Wolf Prof. Dr. Conrad Wolf Deutsch Pflichtfach 2 SWS Seminaristischer Unterricht 2 SWS Übung am PC 60 Präsenzstunden und 120 Stunden Eigenarbeit Höhere Mathematik (Grundkenntnisse partielle DGLs), Grundkenntnisse Programmierung, Modul MuS1 Umfassendes Verständnis von kontinuierlichen Systemen (partielle DGLs) und numerischer Lösungsverfahren derselben, Erlernen von Simulationstools zur effizienten Lösung von Problemstellungen mit partiellen DGLs (z.b. Matlab, COMSOL), Beurteilung der Sinnhaftigkeit von Simulationsergebnissen Kontinuierliche vs. diskrete Systeme, Partielle DGLs, Klassifizierung (Ordnung, elliptische, parabolische, hyperbolische pdgls), Diskretisierung und Gittererzeugung, Anfangs- und Randbedingungen, Finite-Differenzen-Verfahren, FEM, Finite-Volumen-Verfahren

6 Studien- / Prüfungsleistungen Medienformen Literatur und Software Evtl. Praktikumsversuch zum Vergleich mit Simulationsergebnissen Schriftliche Prüfung Tafel, Beamer (Visualizer), PC Literatur C.-D. Munz, T. Westermann: Numerische Behandlung gewöhnlicher und partieller Differenzialgleichungen, Springer (2012), ISBN: T. Westermann: Modellbildung und Simulation: Mit Einer Einführung in ANSYS, Springer (2010), ISBN: Software: Matlab (kommerziell), COMSOL oder ANSYS (kommerziell), Python (Open Source), OpenFOAM (Open Source)

7 Modul Computational Physics Studiengang Modulbezeichnung Ggf. Kürzel Ggf. Untertitel Ggf. Lehrveranstaltungen Master Simulation und Test Computational Physics CP Computational Physics SU Fachsemester 3 Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Nutzung in anderen Studiengängen Lehrform / SWS Arbeitsaufwand Kreditpunkte Voraussetzungen Qualifikationsziele Inhalt Computational Physics Ü Prof. Dr. Wolfram Haupt Prof. Dr. Wolfram Haupt Deutsch Pflichtfach 2 SWS Seminaristischer Unterricht 2 SWS Übung am PC 60 Präsenzstunden und 120 Stunden Eigenarbeit Vorlesung Simulationswerkzeuge (pdgls, COMSOL oder ANSYS) Überblick über die Simulation physikalischer Phänomene aus verschiedenen Bereichen, Kopplung von Simulationen aus verschiedenen Bereichen, Fähigkeit zur eigenständigen Modellierung und Simulation einer physikalischen Fragestellung Modellierung physikalischer Gesetze (Mechanik, Elektromagnetismus, Thermodynamik, Fluidmechanik, Optik) Physikalische Grundgleichungen, Implementierung in der Software (z.b. COMSOL), Kopplung verschiedener Phänomene, Starke und schwache Kopplung High Performance Computing, Computerexperimente, z.b. Supraleitung, Ferromagnetismus Projekt

8 Studien- / Prüfungsleistungen Medienformen Literatur und Software Schriftliche Prüfung Tafel, Beamer (Visualizer), PC Software: COMSOL oder ANSYS (kommerziell) OpenFOAM (Open Source)

9 Modul Fortgeschrittene Simulationsverfahren Studiengang Modulbezeichnung ggf. Kürzel Ggf. Untertitel Ggf. Lehrveranstaltungen Fachsemester 2 Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Nutzung in anderen Studiengängen Lehrform / SWS Arbeitsaufwand Kreditpunkte Voraussetzungen Qualifikationsziele Master Simulation und Test Fortgeschrittene Simulationsverfahren FSV Neuronale Netze und Monte-Carlo-Techniken Fortgeschrittene Simulationsverfahren SU Fortgeschrittene Simulationsverfahren Ü Prof. Dr. Michael Geisler Prof. Dr. Michael Geisler Deutsch Pflichtfach Ggf. Master Maschinenbau und Elektrotechnik 3 SWS Seminaristischer Unterricht 1 SWS Übung (auch am PC) 60 Präsenzstunden und 120 Stunden Eigenarbeit Grundlagen der Linearen Algebra, Analysis inkl. Vektoranalysis und Stochastik Fachkompetenz: Denkweisen, Begriffe und Techniken zur Simulation komplexer Systeme beherrschen, Implementierung mit Standardsoftware wie MatLab erlernen Methodenkompetenz: Modellierung komplexer Systeme als Neuronales Netz, Grundlagen des Netzdesigns, Grundlagen der Software-Tools, Beherrschung hochdimensionaler Integrationen Inhalt Biologische Grundlagen Neuronaler Netze; Perzeptron, Lernalgorithmen, Fähigkeitsanalyse; Lernen in Mehrschichtsysteme, Backpropagation, Konvergenzverhalten; Hopfieldnetze, assoziative Speicher; Kohonennetze; Integration mit stochastischen Methoden; Erzeugung von Zufallszahlen mit bestimmten Verteilungseigenschaften, Rejection, Transformation, Normalverteilung;

10 Studien- / Prüfungsleistungen Medienformen Literatur und Software Metropolis-Algorithmus, Beispiele Schriftliche Prüfung Tafel, Beamer (Visualizer), PC Dan W. Patterson Künstliche neuronale Netze Raul Rojas Theorie der neuronalen Netze Adolf Grauel Neuronale Netze. Grundlagen und mathematische Modellierung. Domschke/Drexl "Operations Research" Thomas Müller-Gronbach et al. Monte Carlo- Algorithmen Monte-Carlo-Methoden. Eine Einführung von Rudolf Frühwirth und Meinhard Regler Software: Matlab,

11 Modul Test- und Validierungsverfahren Studiengang Modulbezeichnung ggf. Kürzel Ggf. Untertitel Ggf. Lehrveranstaltungen Fachsemester 1 Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Nutzung in anderen Studiengängen Lehrform / SWS Arbeitsaufwand Kreditpunkte Voraussetzungen Qualifikationsziele Inhalt Master Simulation und Test Test- und Validierungsverfahren TuV Statistische Methoden und Analysen in der Simulation Test und Validierung SU Test und Validierung Ü Prof. Dr. Ulrich Sax Prof. Dr. Ulrich Sax Deutsch Pflichtfach Entwicklung und Management im Maschinenund Automobilbau (Master) 3 SWS Seminaristischer Unterricht 1 SWS Übung am PC 60 Präsenzstunden und 120 Stunden Eigenarbeit Lineare Algebra, Differential- und Integralrechnung sowie elementare Grundlagen der Stochastik Fachkompetenz: Denkweisen, Begriffe und Techniken der statistischen Testverfahren sowie deren Anwendungsvoraussetzungen und Analysepotenzial zu beherrschen Methodenkompetenz: Fähigkeit, statistische Tests und deren Auswertungen an typischen Beispielen mittels Software-Tools durchführen und die Ergebnisse bewerten sowie überprüfen zu können - Deskriptive Grundlagen (Häufigkeitsverteilungen, Kreuztabellen, Kenngrößen, Korrelationen) - Grundlagen der Wahrscheinlichkeitstheorie (Zufallsvariable, Rechnen mit Wahrscheinlichkeiten, bedingte Wahrscheinlichkeiten und Bayes-Theorem, mathematisch-statistische Verteilungen und ihre

12 Momente, u.a. Binomialverteilung, Poisson- Verteilung, geometrische Verteilung, hypergeometrische Verteilung, Exponentialverteilung, Normalverteilung, Weibull-Veteilung, Chiquadrat-Verteilung, t- Verteilung, F-Verteilung) - Punkt- und Intervallschätzung (Eigenschaften von Schätzfunktionen, Maximum-Likelihood Prinzip) - Testtheoretische Grundlagen (Hypothesentest, Fehler 1. und 2. Art, Gütefunktion, Operationscharakteristik, OC-Quantile) - Parametrische Tests (t-tests, F-Test, Chiquadrattest, Neyman-Pearson-Tests, LQ- Test, sequentieller LQ-Test) - Nichtparametrische Tests (Chiquadrat- Unabhängigkeitstest, Wilcoxon-Tests, Mann- Whitney-U-Test, Kruskal-Wallis-Test) - Verteilungsanpassungstests (Kolmogorow- Smirnow-Test, Chiquadrat-Anpassungstest, Shapiro-Wilk-Test, Anderson-Darling-Test, Cramér von Mises-Test) Studien- / Prüfungsleistungen Medienformen Literatur und Software Schriftliche Prüfung Tafel, Beamer (Visualizer), PC Vorlesungsskript Lehn/Wegemann: Einführung in die Statistik Hartung: Statistik Rinne: Taschenbuch der Statistik u.a. Software: R, Matlab, STATISTICA...

13 Modul Design of Experiments Studiengang Modulbezeichnung ggf. Kürzel Ggf. Untertitel Ggf. Lehrveranstaltungen Fachsemester 2 Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Nutzung in anderen Studiengängen Lehrform / SWS Arbeitsaufwand Kreditpunkte Voraussetzungen Qualifikationsziele Inhalt Master Simulation und Test Design of Experiments DoE Statistische Versuchsplanung und Auswertung Design of Experiments SU Design of Experiments Ü Prof. Dr. Ulrich Sax Prof. Dr. Ulrich Sax ggf. NN Deutsch Pflichtfach ggf. Entwicklung und Management im Maschinen- und Automobilbau 2 SWS Seminaristischer Unterricht 2 SWS Übung am PC 60 Präsenzstunden und 120 Stunden Eigenarbeit Lineare Algebra, Differential- und Integralrechnung sowie elementare Grundlagen der Statistik Fachkompetenz: Denkweisen, Begriffe und Techniken der statistischen Versuchsplanung gemäß state of the art zu beherrschen Methodenkompetenz: Fähigkeit, Versuchspläne und ihre Auswertungen an typischen Beispielen mittels Software-Tools durchführen zu können - statistische Grundlagen - Begriffe und Strategien in der Versuchsplanung (Systemanalyse, Versuchsstrategien, Versuchsdurchführung, Versuchsauswertung) - Versuchsplantypen (konventionelle Methoden; vollfaktorielle, teilfaktorielle und zentralzusammengesetzte Pläne; Plackett- Burman Pläne; Box-Behnken Pläne, D-optimale Pläne; Mischungspläne; diverse Plantypen) - Robustheitsanalyse (Regressionsanalyse, Varianzanalyse, Methoden von Taguchi und

14 Shainin) Studien- / Prüfungsleistungen Medienformen Literatur und Software Schriftliche Prüfung Tafel, Beamer (Visualizer), PC Vorlesungsskript Bandemer/Bellmann: Statistische Versuchsplanung Kleppmann: Versuchsplanung, Produkte und Prozesse optimieren Siebertz et.al.: Statistische Versuchsplanung - DoE Klein: Versuchsplanung DoE. Einführung in die Taguchi/Shainin-Methodik Montgomery: Design and Analysis of Experiments u.a. Software: Cornerstone, Minitab, Design-Expert, JMP, STATISTICA...

15 Modul Versuchs- und Prüfstandstechnik Studiengang Modulbezeichnung Ggf. Kürzel Ggf. Untertitel Ggf. Lehrveranstaltungen Fachsemester 1 Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Nutzung in anderen Studiengängen Lehrform / SWS Arbeitsaufwand Kreditpunkte Voraussetzungen Qualifikationsziele Inhalt Master Simulation und Test Versuchs- und Prüfstandstechnik VPt Versuchs- und Prüfstandstechnik SU Versuchs- und Prüfstandstechnik P Christoph Maag Christoph Maag, etc. Deutsch Pflichtfach 2 SWS Seminaristischer Unterricht 2 SWS Praktikum 60 Präsenzstunden und 120 Stunden Eigenarbeit Einführung: Methodische Grundlagen (Produktentstehungsprozess, Anforderungsmanagement, Realisierungs-/Beschaffungsprozess, Gesetze und Normen, Softwaretestverfahren); Grundgebiete Prüfstands-Design (Begriffe und Definitionen, Hardware-Konzepte, Workshop Objektive Geräuschanalyse, Elektrische Anlagensicherheit, Software- Architektur, Entwicklungsumgebungen, Feldbussysteme, Workshop: Skalierbare Testapplikationen, Kalibration); Testautomatisierung in der Praxis (Rapid-Prototyping und Qualität, Software Verifikation, Umwelttests, Performance, Screening Methoden, Massenfertigung)

16 Studien- / Prüfungsleistungen Medienformen Literatur und Software Methodenkompetenz (FMEA, Design for Testability, Robustness Testing, Test Cover Methods, Kennzahl orientierte Testoptimierung, Traceability, Limits, Trendanalyse am Beispiel Part Average Analysis ) Schriftliche Prüfung Tafel, Beamer (Visualizer), PC

17 Modul Computer-Based Measurement Technology Studiengang Modulbezeichnung Ggf. Kürzel Ggf. Untertitel Ggf. Lehrveranstaltungen Fachsemester 2 Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Nutzung in anderen Studiengängen Lehrform / SWS Arbeitsaufwand Kreditpunkte Voraussetzungen Qualifikationsziele Inhalt Master Simulation und Test Computer-Based Measurement Technology CBMT CBMT SU CBMT Ü Prof. Dr. Conrad Wolf Prof. Dr. Conrad Wolf Englisch Pflichtfach AIMS 2 SWS Seminaristischer Unterricht 2 SWS Übung am PC 60 Präsenzstunden und 120 Stunden Eigenarbeit Grundkenntnisse elektrische Messtechnik, Grundkenntnisse Programmierung Überblick über Theorie und Hardware der Computer-gestützten Messtechnik, Erlernen der grafischen Programmiersprache LabVIEW, Fähigkeit zur selbstständigen Lösung von Messaufgaben (Auswahl der geeigneten Hardware, Programmierung der Messsoftware, Analyse der Messdaten) Vorlesung: Einführung (Grundlagen der Messtechnik, Elektronische Messung, Computergestützte Messtechnik) Messdatenerfassung (Computerzahlen, DAC, ADC, Sample & Hold, Abtasttheorem) Messgeräte (Messkette, DAQ Board, DVM, Oszilloskop, Soundkarte) Schnittstellen & Protokolle (Lokal (RS-232, USB, GPIB, PCI, VXI), Netzwerk (OSI- Schichtenmodell, Ethernet, TCP/IP, LXI),

18 Wireless (Bluetooth, ZigBee)) Messdatenverarbeitung (DFT, Spektrum, Digitale Filter, Lock-In Technik) Studien- / Prüfungsleistungen Medienformen Literatur und Software LabVIEW-Kurs: Einführung (LabVIEW, mydaq, VIs, GUI) Kontrollstrukturen (IF, FOR, WHILE, Sequenz) Datentypen (Arrays, Cluster, Strings) Strukturierung mit Sub-VIs Error Handling Versuche mit Messtechnik-Hardware (DMM via RS-232, DSO via GBIP, Aufzeichnung Bodediagramm, DAQ-Board und Abtasttheorem) Schriftliche Prüfung Tafel, Beamer (Visualizer), PC Literatur: R. Lerch: Elektrische Messtechnik: Analoge, digitale und computergestützte Verfahren, Springer (2010), ISBN: E. Metin, W. Georgi: Einführung in LabVIEW, Carl Hanser Verlag (2012), ISBN: Software: LabVIEW

19 Modul Innovationsmanagement Studiengang Modulbezeichnung ggf. Kürzel Ggf. Untertitel Ggf. Lehrveranstaltungen Fachsemester 1 Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Nutzung in anderen Studiengängen Lehrform / SWS Arbeitsaufwand Kreditpunkte Voraussetzungen Qualifikationsziele Inhalt Master Simulation und Test Innovationsmanagement Imm Innovationsmanagement SU Innovationsmanagement Ü Dr. Denise Müller-Friedrich Dr. Denise Müller-Friedrich Deutsch Pflichtfach 2 SWS Seminaristischer Unterricht 2 SWS Übung 60 Präsenzstunden und 120 Stunden Eigenarbeit Kennenlernen von Konzepten und Methoden des Innovationsmanagement als systematische Planung, Steuerung und Kontrolle von Produktinnovationen in Unternehmen zur Entwicklung von Ideen und deren Umsetzung in wirtschaftlich erfolgreiche Produkte. Einführung - Innovationsnotwendigkeit und Innovationsmanagement Innovationsstrategien Innovationsprozess- Phasen; Ideenmanagement,- sicherung, -förderung Planungs- und Analysemethoden Markteinführungsstrategien Globale Trends Fallstudien, Übungen, Praxisbeispiele Studien- / Prüfungsleistungen Schriftliche Prüfung

20 Medienformen Literatur und Software Tafel, Beamer (Visualizer), PC Literatur: Praxiswissen Innovationsmanagement. Von der Idee zum Markterfolg. Hanser 2008 K. Engel, M. Nippa: Innovationsmanagement. Von der Idee zum erfolgreichen Produkt. Physica Verlag, Heidelberg 2006

21 Wahlpflichtmodule Vorläufige Liste (Stand: ): # Modul SWS Semester Sprache 1 Sensor Simulation 2 WS E 2 Microacoustic Sensors 2 WS E 3 Chemical Sensors 2 WS E 4 Risk of Investment into Emerging Technologies 2 WS E 5 Flow Measurement 2 WS E 6 Scientific Reporting and Documentation 2 WS E 7 Dynamische Systeme (linear, nicht-linear) 2 D 8 Gebäudesimulation D 9 Schaltungssimulation D 10 Akustische Messungen und Tests 2 D 11 FEM in der Festkörpermechanik 2 SS D 12 Optiksimulation 2 D 13 Data mining 14 Virtuelle Produktentwicklung 2 WS D * Nicht jedes Wahlpflichtmodul wird auch in jedem Semester angeboten.