Masterarbeit Datenbasierte Analyse produktivitätsrelevanter Varianztreiber zur Entscheidungsunterstützung in der automobilen Endmontage
Masterarbeit Datenbasierte Analyse produktivitätsrelevanter Varianztreiber zur Entscheidungsunterstützung in der automobilen Endmontage
Masterarbeit Datenbasierte Analyse produktivitätsrelevanter Varianztreiber zur Entscheidungsunterstützung in der automobilen Endmontage
Masterarbeit Datenbasierte Analyse produktivitätsrelevanter Varianztreiber zur Entscheidungsunterstützung in der automobilen Endmontage
Dr. Ing. h.c. F. Porsche AG
Automobile und Zweiräder
Stuttgart
- Art der Beschäftigung: Studierende
- Vor Ort
- Zu den Ersten gehören
Masterarbeit Datenbasierte Analyse produktivitätsrelevanter Varianztreiber zur Entscheidungsunterstützung in der automobilen Endmontage
Über diesen Job
Aufgaben Aufgaben
- Zusammenführen und Aufbereiten von Varianten-, Prozess- und Qualitätsdaten
- Durchführung von Datenbereinigungen sowie Plausibilitäts- und Konsistenzchecks
- Analyse von Taktzeiten, Nacharbeitsvorgängen und Störungen zur Identifikation von Variantentreibern
- Vergleich unterschiedlicher Varianten und Ausstattungen im Hinblick auf Produktivitätsauswirkungen
- Segmentierung und Mustererkennung in Variantenkombinationen mittels analytischer Methoden
- Erstellung von KPI-Übersichten, Dashboards und Varianten-Rankings zur Entscheidungsunterstützung
- Dokumentation der Datenstruktur sowie Ableitung von Optimierungspotenzialen für die Endmontage
Anforderungen Anforderungen
Studiengänge:
- Wirtschaftsingenieurwesen
- Maschinenbau / Produktionstechnik
- Data Science / Data Analytics
- Informatik / Angewandte Informatik
- Wirtschaftsinformatik
- Automotive Engineering
- Industrial Engineering & Management
Studienschwerpunkte:
- Produktions- und Montagetechnik
- Prozessoptimierung / Lean Production
- Statistik & Datenanalyse
- Machine Learning / Predictive Analytics
- Qualitätsmanagement
- Operations Research
- Business Intelligence & Reporting
Fachkenntnisse:
- Produktions- und Endmontageprozesse (Automotive)
- Taktzeit- und Störungsanalyse
- Varianten- und Ausstattungslogiken
- Lean-Methoden (z. B. Wertstromanalyse, 5 Why, Pareto)
- KPI-Systeme in der Produktion
- Grundlagen der Datenmodellierung
- Qualitätsmanagement-Grundlagen (z. B. Fehlerklassifikation)
IT-Kenntnisse:
- Python (Pandas, NumPy, Matplotlib, Scikit‑Learn)
- SQL (Datenbankabfragen, Data Engineering Basics)
- Power BI oder KNIME (Dashboarding, KPI-Visualisierung)
- Excel (PowerQuery, Pivot, Formeln)
- ETL-Kenntnisse (z. B. Data Cleaning Pipelines)
- Grundkenntnisse in Statistiksoftware (R, SPSS)
- Erfahrung mit Versionierung (Git)
Sprachkenntnisse:
- Deutsch & Englisch
Soft Skills:
- Analytisches Denken & strukturiertes Vorgehen
- Affinität zu Daten und Zahlen
- Problemlösungsorientierung
- Selbstständiges Arbeiten
- Kommunikations- und Präsentationsfähigkeit
- Teamfähigkeit (Zusammenarbeit mit Produktion, Qualität, Planung)
- Sorgfalt & Genauigkeit
- Fähigkeit, komplexe Daten verständlich zu visualisieren