Kursplan - Statistisk analys i industriella system
Omfattning
2.5 hp
Kurskod
DVA477
Giltig från
Hösttermin 2020
Utbildningsnivå
Avancerad nivå
Successiv fördjupning
A1N (Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav).
Huvudområde(n)
Datavetenskap
Akademi
Akademin för innovation, design och teknik
Fastställd
2019-01-24
Reviderad
2020-01-24
Litteraturlistor
Kurslitteraturen är preliminär till 8 veckor innan kursstart. Kurslitteratur kan vara giltig över flera terminer.
-
Övrigt
Kursen har ingen obligatorisk litteratur
Syfte
I moderna industrier och anläggningar mäts och lagras all relevant produktionsdata. Utöver observation kan data också erhållas genom experiment. Kursen tillhandahåller fundamentala delar inom tillämpad statistisk analys för att analysera och modellera data från industriella anläggningar. Delar inom sannolikhetsteori som ligger till grund för statistiska resonemang presenteras också, då djupare matematisk förståelse erfordras. Vidare ges en introduktion till användbara datalagrings- och datahanteringstekniker.
Lärandemål
Efter avslutad kurs ska studenten ha:
1. förståelse för den övergripande strukturen för industriella informationssystem
2. överblick av och förståelse för relations-databassystem samt förmågan att nyttja SQL för dataextraktion
3. överblick av statistiska verktyg samt förmågan att utföra relevant datahantering och -visualisering för utredande dataanalys
4. matematisk förståelse av de viktigaste koncepten inom statistik och sannolikhetsteori
5. användbara kunskaper av variansanalys (ANOVA) och modellering av regressionsanalys samt kunna tillämpa statistiska tester av dataunderlaget
6. kunskap om korrekt tolkning av resultatet av den statistiska analysen
Innehåll
* Distribuerade kontrollsystem och funktionsnivåer hos industriella kontrollsystem
* Nivå-2 mjukvaruarkitektur hos kontrollsystem
* Datalagringstekniker och översikt över relationsdatabaser
* SQL-satser, syntax och översikt av relationsdatabaser
* Översikt av statistiska verktyg
* Introduktion till R-mjukvarumiljön, dataanpassning och -visualisering
* Grunderna i sannolikhetsteorin, matematisk statistik och deras tillämpningar på komplexa industriella system
* Regressionsanalys och variansanalys (ANOVA) av industridata
* Regressionsanalys och statistiska tester (deltagarna kan analysera eget data eller ta exempel från litteraturen)
Särskild behörighet
90 hp varav 60 hp inom naturvetenskap eller teknik, inklusive 7,5 hp i programmering och 7,5 hp Envariabelkalkyl. Matematiken ska innehålla kunskap om grundläggande kalkyl: integraler, derivator, serier och summeringar. Dessutom krävs Svenska B/Svenska 3 samt Engelska A/Engelska 6. I de fall kursen ges på engelska görs undantag från kravet på Svenska B/Svenska 3.
Examination
Hemtentamen (HEM1), 0,5 hp, examinerar lärandemål 1- 3, betyg Underkänd (U), 3, 4 eller 5.
Hemtentamen (HEM2), 1 hp, examinerar lärandemål 4 och 5, betyg Underkänd (U), 3, 4 eller 5.
Projekt (PRO1), 1 hp, projektuppgift som redovisas med en skriftlig rapport, examinerar lärandemål 2, 3, 5, och 6, betyg Underkänd (U) eller Godkänd (G).
En student som har ett intyg från MDU avseende sin funktionsnedsättning har möjlighet att anmäla önskemål om anpassning vid salstentamina eller annan examinationsform i enlighet med Regler och anvisningar för examination på grundnivå och avancerad nivå vid Mälardalens högskola (2020/1655). Det är examinator som, utifrån det intyg som utfärdats, beslutar om eventuell anpassning och i så fall vilken anpassning som ska gälla.
Misstankar om vilseledande vid examination (fusk) anmäls, enligt högskoleförordningen, till universitetets rektor och prövas av universitetets disciplinnämnd. Om disciplinnämnden anser att en student gjort sig skyldig till en disciplinförseelse fattar nämnden beslut om en disciplinär åtgärd, vilket är varning eller avstängning.
Betyg
Med beröm godkänd, icke utan beröm godkänd, godkänd, underkänd