Consulta de Guías Docentes



Academic Year/course: 2023/24

532 - Master's in Industrial Engineering

60794 - Data and Models for Engineering


Syllabus Information

Academic year:
2023/24
Subject:
60794 - Data and Models for Engineering
Faculty / School:
110 - Escuela de Ingeniería y Arquitectura
Degree:
532 - Master's in Industrial Engineering
ECTS:
6.0
Year:
2
Semester:
First semester
Subject type:
Optional
Module:
---

1. General information

The purpose of this subject is for the future engineer to be able to identify, understand and implement the fundamental statistical techniques in the continuous improvement of products and industrial processes. These techniques are introduced using the steps of the Six Sigma methodology, define, measure, analyse, improve and control, and with the help of statistical software.

The subject offers a transversal training in the master's program and is important for all its specialties, providing modelling and data processing tools. They enable the student to perform controlled trials and explain the variability that occurs in them. They are also instructed in the methods necessary for analysis in observational studies.

and more specifically in Goal 9: Industry, innovation and infrastructure.(https://www.un.org/sustainabledevelopment/es/)The approach and objectives of the subject are aligned with the Sustainable Development Goals, SDGs, of the 2030 Agenda

2. Learning results

1. To identify the appropriate technique to model relationships among several variables, use software to fit the proposed model, and implement the model to predict the value of a variable of interest.

2. To know the techniques of multivariate statistical control of processes as well as the techniques to treat data in the absence of normality or that present time dependence.

3. To know the basis to assess and predict the reliability of a system.

4. To know how to reduce experimentation through the use of fractional factorial experiments. 5. To identify appropriate experimental designs to fit response surfaces.

3. Syllabus

MODULE 1: DEFINE AND MEASURE.

1. Introduction to Six Sigma.

2. Exploratory data analysis and multivariate data summary.

3. Failure time models and system reliability.

4. Accelerated life testing.

MODULE 2: ANALYZE.

1. Simple and multiple regression models.

2. Logistic regression model.

MODULE 3: IMPROVEMENT.

1. Design of experiments in the improvement of the quality and robustness of industrial products and processes.

2. Basic principles of the design of experiments.

3. Factorial designs.

MODULE 4: CONTROL.

1. Production inspection and sampling plans.

2. Process capability analysis.

3. Advanced methods of quality control.

4. Academic activities

Master classes:30 classroom hours.

Presentation of statistical techniques.

Computer laboratory practice:30 classroom hours

Case studies using statistical software.

The theory and practical sessions will be held in a computer laboratory.

Teaching assignments with data and personal study:70 non face-to-face hours for the completion of the assignments of each of the 4 modules and preparation of the public presentation of one of them.

Assessment:6 hours.

Follow-up of the works and public presentation of one of them.

 

5. Assessment system

At the end of each of the four modules, the student, individually or in groups, will carry out a tutored practical work. Each work involves the application of statistical techniques corresponding to each module.

The first one included the reliability analysis of components and systems corresponding to learning result 3. The second module focuses on regression models and the third on design and analysis of experiments, addressing learning result 4. Finally, the last module on statistical quality control of processes and products is associated with learning result 2. Each work must include a report and will account for 20% of the final grade.

Each student will publicly present one of the papers, chosen by the faculty, on the date established in advance. The defence of the work, evaluated by the four teachers, will account for 20% of the final grade.

Students who have not completed the tutored practical work or have not passed the final grade of 5 may take the global evaluation test on the date established by the Centre. This test consists of a data analysis exercise.


Curso Académico: 2023/24

532 - Máster Universitario en Ingeniería Industrial

60794 - Datos y modelos en ingeniería


Información del Plan Docente

Año académico:
2023/24
Asignatura:
60794 - Datos y modelos en ingeniería
Centro académico:
110 - Escuela de Ingeniería y Arquitectura
Titulación:
532 - Máster Universitario en Ingeniería Industrial
Créditos:
6.0
Curso:
2
Periodo de impartición:
Primer semestre
Clase de asignatura:
Optativa
Materia:
---

1. Información básica de la asignatura

Esta asignatura obedece al propósito de que el/la futuro/a ingeniero/a sea capaz de identificar, comprender e implementar las técnicas estadísticas fundamentales en la mejora continua de productos, y procesos industriales. Tales técnicas se introducen teniendo como hilo conductor las etapas de la metodología Seis Sigma, definir, medir, analizar, mejorar y controlar, y con la ayuda de un software estadístico.

La asignatura ofrece una formación transversal en el Máster y resulta de interés en todas sus especialidades del mismo, al proporcionar herramientas de modelado y tratamiento de datos. Con ellas se capacita al estudiante para realizar ensayos controlados y explicar la variabilidad que se produce en ellos. Asimismo se le instruye en los métodos necesarios para el análisis en estudios observacionales.

El planteamiento y objetivos de la asignatura se alinean con los Objetivos de Desarrollo Sostenible, ODS, de la Agenda 2030 (https://www.un.org/sustainabledevelopment/es/) y más concretamente en el Objetivo 9: Industria, innovación e infraestructuras.

2. Resultados de aprendizaje

1. Identificar la técnica adecuada para modelar relaciones entre varias variables, utilizar software para ajustar el modelo propuesto e implementar dicho modelo a fin de predecir el valor de una variable de interés.

2. Conocer las técnicas de control estadístico multivariante de procesos así como las técnicas para tratar datos en ausencia de normalidad o que presentan dependencia temporal.

3. Conocer las bases para evaluar y predecir la fiabilidad de un sistema.

4. Conocer cómo reducir la experimentación mediante el uso de experimentos  factoriales fraccionados. Identificar los diseños experimentales adecuados para ajustar superficies de respuesta.

 

3. Programa de la asignatura

MÓDULO 1: DEFINIR Y MEDIR.

1. Introducción a Seis Sigma.

2. Análisis exploratorio de datos y resumen de datos multivariantes.

3. Modelos de tiempos de fallo y fiabilidad de sistemas.

4. Pruebas de vida aceleradas.

MÓDULO 2: ANALIZAR.

1. Modelos de regresión simple y múltiple.

2. Modelo de regresión logística.

MÓDULO 3: MEJORAR.

1. Diseño de experimentos en la mejora de la calidad y la robustez de los productos y procesos industriales.

2. Principios básicos del diseño de experimentos.

3. Diseños factoriales.

MÓDULO 4: CONTROLAR.

1. Inspección de la producción y planes de muestreo.

2. Análisis de la capacidad de procesos.

3. Métodos avanzados del control de calidad.

4. Actividades académicas

Clases magistrales: 30 horas presenciales.

Presentación de las técnicas estadísticas.

Practicas de laboratorio informático: 30 horas presenciales

Estudio de casos haciendo uso de software estadístico.

Las sesiones de teoría y prácticas se desarrollarán en laboratorio informático.

Trabajos docentes con datos y estudio personal: 70 horas no presenciales para la realización de los trabajos de cada uno de los 4 módulos y preparación de la exposición pública de uno de ellos.

Evaluación: 6 horas.

Seguimiento de los trabajos y exposición pública de un trabajo.

5. Sistema de evaluación

Al finalizar cada uno de los cuatro módulos, el estudiante de forma individual o en grupo realizará un trabajo práctico tutorado. Cada trabajo implica la aplicación de las técnicas estadísticas correspondientes a cada módulo.

El primero incorpora el análisis de la fiabilidad de componentes y sistemas correspondientes al resultado de aprendizaje 3. El segundo módulo se centra en los modelos de regresión y el tercero en el diseño y análisis de experimentos, abordando el  resultado de aprendizaje 4. Finalmente, el último módulo sobre control estadístico de calidad de procesos y productos, se asocia al resultado de aprendizaje 2. Cada trabajo debe ir acompañado de un informe y su peso en la calificación final es del 20%.

Cada estudiante expondrá de forma pública uno de los trabajos, elegido por el profesorado, en la fecha establecida con antelación. La defensa del trabajo, evaluada por los cuatro profesores, tiene un peso del 20%.

Los estudiantes que no hayan realizado los trabajos prácticos tutorados o no hayan superado la calificación final de 5 podrán realizar la prueba de evaluación global en la fecha establecida por el Centro. Dicha prueba consiste en un ejercicio de análisis de datos.