Emnekode studium: 40TE71G
Emnekode modul: 40TE74A

Teknologisk utvikling fører til at data blir stadig mer tilgjengelig for dagens virksomheter. Disse dataene representerer en stor en verdi dersom de blir håndtert og tolket riktig. Forståelse av data og statistikk brukes for å ta beslutninger i en verden som er full av tilfeldigheter, variasjon og uforutsigbarhet.

I dette emnet lærer studentene om hvordan håndtere data som støtte og underlag i beslutningsprosesser. Studentene får økt innsikt, ferdigheter og forståelse i å hente, lese, forstå, analysere og kommunisere data.

Dataanalyse inneholder følgende tema:

Grunnleggende statistikk

• Forståelse for variasjon i data.
• Usikkerhet forbundet med utvalg og prøvetaking.
• Beskrivelse av datasett (median, gjennomsnitt, standardavvik mm).
• Normalfordeling.
• Korrelasjon og regresjon.

Datainnsamling

• Ulike metoder og medier for lagring av data.
• Innhenting av data fra ulike filformater.
• Metoder for innhenting og organisering av data.

Dataanalyse

• Vurdering av datakvalitet.
• Rensing av data og håndtering av avvik.
• Analyse av tidsserier.
• Introduksjon til bruk av stordata og kunstig intelligens i datanalyse.
• Indentifisere mønster og avvik i datamateriale.

Bruk av data

• Bruk av data i prosesser for beslutningsstøtte.
• Datadrevet forbedringsmetodikk og produktutvikling.
• Analyse av feilhendelser og identifisering av forbedringsområder.
• Tekniker og verktøy for visualisering og presentering av data.
• Prosess- og produksjonsoppfølging ved hjelp av statistisk prosess kontroll.
• Testing av hypoteser og antagelser.

Verktøy:

• Excel brukes hovedsakelig i emnet til analyse og visualisering, men vi vil også kunne komme innom andre relevante verktøy.

Studenten

• har kunnskap om ulike databaser og databehandling.
• har kunnskap om viktigheten av kvalitet av produksjonsdata.
• har innsikt i viktigheten av datasikkerhet.
• har innsikt i bruk produksjonsdata i prosesser for beslutningstaking.
• har innsikt i muligheter som ligger i ulike verktøy for visualisering av produksjonsdata.
• har forståelse for ulike verktøy og programmer brukt i automatisert produksjon.

Studenten

• kan anvende kunnskap om data som underlag for beslutningstaking i eget arbeid.
• kan anvende kunnskap til å gjennomføre dataanalyser.
• kan anvende kunnskap til å vurdere kvaliteten av produksjonsdata og målinger.
• kan anvende kunnskap til å identifisere avvik i produksjonsdata.

Studenten

• har forståelse for betydningen av datainnhenting og bruk av data i virksomheten.
• har forståelse for eget arbeid og hvordan dette inngår i den totale produksjonsprosessen.
• kan formidle problemstillinger og forslag til forbedringer på tvers av fagfelt og verdikjede ved bruk av data.

• Forventet arbeidsinnsats er 81 timer (27 timer pr. studiepoeng).
• Det skal gjennomføres obligatoriske arbeidskrav og studiekrav. Utdypende informasjon om innhold, form og vurderingskriterier beskrives i skolens digitale læringsplattform.

• Studiekrav gir grunnlag for emnekarakter og vil være i en av formene som er beskrevet i studieplan i kapittel Avsluttende vurdering. Vurderes med karakter A-F.
• Alle arbeidskrav må være gjennomført/levert innen tidsfrist og bestått for å få emnekarakter/avsluttende vurdering.
• Studiekrav må være gjennomført/levert innen tidsfrist for å få emnekarakter.
• Ved to studiekrav som underlag for sluttvurdering, vil det fremkomme av emnets framdriftsplan hvordan studiekravene vektes. Hvis et av studiekravene vurderes til karakteren F, vil hele emnet vurderes til karakteren F.

• Delta i undervisning i nettsamlinger eller se opptak fra nettsamlingene
• Gruppearbeid i løpet av nettsamlinger
• Løse oppgaver indivituelt og i læringsgrupper
• Gjennomgå fagstoff på It´s Learning og i pensumlitteratur
• Delta på samlinger som tilbys
• Relevant informasjonsinnhenting på internett
• Øving individuelt og i grupper
• Selvstudium