Applied Supply Chain Analytics – From Data to Decisions
Allgemeine Informationen
Die Vorlesung „Applied Supply Chain Analytics – From data to decisions“ gibt einen Überblick über moderne Methoden zur Datenverarbeitung in Supply Chains in seiner Gänze, d.h. von der Gewinnung von Rohdaten, über deren Integration und Analyse bis hin zur automatisierten Entscheidungsfindung. Ziel der Veranstaltung ist es, die grundlegenden Ideen wichtiger Methoden zu vermitteln, sowie den Studierenden in praktischen Einheiten den Zugang zu wichtigen IT-Werkzeugen zu erleichtern.
Die vorlesungsbegleitende Übung wird fallstudienartig in Form von „Supply Chain Analytics Challenges“ in die Vorlesung integriert. Anhand von Anwendungsbeispielen mit Realdaten aus der Praxis werden Methoden vertieft. Die Aufgaben werden in Gruppenarbeit implementiert, Ergebnisse interpretiert und präsentiert.
| Turnus: | Sommersemester |
| Starttermin: | 04.04.2023 |
| Modul: | MB-296 (5 ECTS) |
| Veranstaltungssprache: | englisch |
| Vorlesungstermin: | dienstags, 8:30-10:00 Uhr – LFO Lab |
| Übungstermin: | dienstags, 10:15-11:45 Uhr – LFO Lab |
| Dozent*in: | Univ.-Prof. Dr.-Ing. Anne Meyer |
| Betreuer*innen: | Hadi Kutabi, Alexandru Rinciog, Daniel Scholtyssek |
| Einschreibung: | Über den Moodle-Raum |
| Teilnahme: | Die Veranstaltung ist auf 20 Personen teilnehmerbeschränkt (siehe „Teilnahmevoraussetzungen“). |
| Studienleistung: | Die Details werden durch die jeweiligen Dozent*innen zu Beginn der Veranstaltung bekannt gemacht. |
| Prüfungsleistung: | wird durch eine mündliche Prüfung bzw. schrftliche Prüfung erbracht. Als Zulassungsvorraussetzung ist eine Studienleistungen erbringen. |
Weitere Informationen zur Veranstaltung
Lehrinhalte & Veranstaltungsstruktur
Die folgende Inhalte werden an Beispielen aus dem Supply Chain Management adressiert:
-
Einführung in die Grundlagen der Programmierung von Python (Pyhton Crashcourse) sowie begleitend zur Vorlesung die Einführung wichtiger Python Bibliotheken aus dem Bereich Data Analytics (z.B. Pandas, requests, seaborn, folium, scikit-learn)
-
Erster Überblick über Methoden und Technologien zur Datengewinnung, Datenintegration und Datenhaltung sowie über typische Datenquellen, Datentypen und Datenformate in der Logistik
-
Einführung von Möglichkeiten zur explorativen Analyse und Visualisierung von Supply Chain Daten
-
Einführung grundlegender Konzepte für ausgewählte Methoden zur Datenanalyse (descriptive / predictive analytics) aus den Bereichen Statistik und maschinellem Lernen anhand typischer Fragestellungen aus Supply Chain Management und Logistik
Teilnahmevoraussetzungen
Diese Veranstaltung findet als teilnehmerbeschränkte (max. 20 Studierende) Veranstaltung jeweils im Sommersemester statt. Bei diesen Terminen ist eine ständige Teilnahme sehr empfehlenswert. Für die Teilnahme an der Veranstaltung werden Vorkenntnisse im Bereich Statistik empfohlen.
Interessierte Bachelor-Studierende melden sich im Moodle-Raum Applied Supply Chain Analyticsmelden sich
bis zum 11. April 2023. Übersteigt die Anzahl der Anmeldungen die verfügbaren Plätze findet auf Grundlage der „Ordnung für die Zulassung zu Lehrveranstaltungen mit begrenzter Teilnehmerzahl“ eine Auslosung statt. Studierende, die wegen besonderer Kriterien gesondert zu berücksichtigen sind (§4 der Ordnung), werden aufgefordert, dies bis zum Ablauf der Abmeldefrist nachzuweisen. Eine E-Mail an den Veranstaltungsbetreuer, in der die Erfüllung besonderer Kriterien bewiesen wird, ist hier erforderlich. Nach Abschluss des Losverfahrens werden die ausgewählten Studierenden über ihre Teilnahme informiert und die restlichen Studierenden aus dem Moodle-Raum entfernt.
Hinweis: Entsprechend des Beschlusses des Prüfungsausschusses vom 04.02.2016 ist die Annahme eines Platzes in einer teilnehmerbeschränkten Veranstaltung verbindlich und gleichzeitig Prüfungsanmeldung. Die Einschreibung im Moodle-Raum gilt als verbindliche Erklärung einer Teilnahme. Einen verbindlich angenommenen Platz dann nicht wahrzunehmen, ist ein Fehlversuch. Abmeldefrist ist der 11. April 2023.
Moodle: https://moodle.tu-dortmund.de/course/view.php?id=39147
Einschreibeschlüssel: asca23
Deadline für Anmeldung: Zweite Vorlesungswoche (11.04.2023)
Prüfung
Die Prüfungsleistung wird durch eine mündliche Prüfung bzw. eine schriftliche Prüfung erbracht. Die Prüfungsform wird zu Beginn der Lehrveranstaltung festgelegt. Darüber hinaus ist semesterbegleitend eine Studienleistung zu absolvieren. Das Bestehen der Studienleistung ist Voraussetzung zur Teilnahme an der Klausur. Die Studienleistung wird in Form zweier „Analytics Challenges“ als Gruppenarbeit durchgeführt. Der Inhalt und Umfang der Studienleistung werden zu Beginn der Veranstaltung erläutert.