01.03.05«Статистика»

01.03.05_02 «Статистический инжиниринг»

Русский

Цель обучения — формирование профессиональных компетенций в сфере:

• статистической обработки, квантификации и интерпретации инженерных данных для разработки и оптимизации конструкторских и технологических решений;
• построения и верификации статистических моделей для обеспечения точности, надёжности и безопасности продукции и производственных процессов;
• организации, сопровождения и автоматизации систем контроля качества, управления производственными рисками и производительностью на основе технологий Big Data;
• интеграции статистического инструментария в CAD/CAM и цифровое производство для повышения эффективности и экономичности промышленных предприятий.

Ключевые особенности:

  • Подготовка инженеров-аналитиков, способных превращать массивы производственных Big Data в обоснованные конструкторские и технологические решения для промышленности.

  • Сбалансированный учебный план, объединяющий курсы по механике, материаловедению и метрологии с дисциплинами по статистике, машинному обучению и цифровым технологиям производства.

  • Проектно-ориентированное обучение на реальных кейсах партнёрских предприятий.

  • Акцент на свободном и отечественном программном обеспечении (Python, R, российские CAD/CAM-системы), обеспечивающий технологическую независимость и снижение затрат при внедрении.

  • Компетенции выстроены в соответствии с актуальными профессиональными стандартами («Специалист по большим данным», «Специалист по проектированию технологических комплексов», «Специалист по метрологии» и др.), что облегчает трудоустройство выпускников.

  • Единственная в Санкт-Петербурге бакалаврская программа, сочетающая статистический анализ данных и инженерную подготовку, формируя кадровый резерв цифровой промышленности региона.

Варианты обучения:

Очное

бюджет, контракт

Очно-заочное

контракт

  • Алгоритмизация и программирование
  • Детали машин
  • Инженерная графика
  • Квантификация инженерной информации
  • Компьютерное проектирование в производстве
  • Машинное обучение
  • Метрология
  • Основы механизации технологических процессов и производств
  • Сопротивление материалов
  • Средства автоматизации технологических процессов
  • Устройство и принципы работы оборудования с программным управлением
  • Теория машин и механизмов
  • Теоретическая механика
  • Инженер-аналитик (Statistical Data Engineer)
  • Аналитик-конструктор
  • Специалист по большим данным (Big Data Specialist)
  • Специалист по анализу и диагностике технологических комплексов
  • Аналитик-технолог
  • Статистическая оптимизация геометрии опорных элементов (support structures) для уменьшения расхода материала и времени печати.
  • Прогнозирование появления дефектов при 3D-печати на основе мониторинга технологических датчиков и методов машинного обучения.
  • Сравнительный анализ прочности деталей, изготовленных методами FDM и SLA, с использованием дисперсионного анализа (ANOVA).
  • Разработка системы статистического контроля качества изделий, напечатанных методом селективного лазерного спекания (SLS), в условиях серийного производства.
  • Оптимизация параметров 3D-печати пластиковых деталей (температура, скорость, высота слоя) методами статистического планирования эксперимента.
  • Построение прогнозной модели технического обслуживания станков с ЧПУ на основе виброакустических данных и методов машинного обучения.
  • Статистическое управление качеством при высокоскоростном фрезеровании: разработка карт контроля и анализ вариаций процесса.
  • Создание цифрового двойника сборочной линии для оценки производительности и оптимизации тактового времени с использованием метода Монте-Карло.
  • Статистический анализ рисков и затрат при модернизации механосборочного производства: интеграция сценарного моделирования в ERP-систему предприятия.
  • Cтатистическое планирование эксперимента и оптимизация режимов FDM-печати пластиковых изделий с использованием методов дизайна эксперимента и анализа поверхностного отклика.
  • Система мониторинга качества селективного лазерного спекания на базе машинного обучения и анализа изображений для раннего выявления дефектов слоёв.
  • Оптимизация траекторий обработки на станках с ЧПУ методами статистического контроля процессов (SPC) и анализа производственных Big Data.
  • Разработка открытой библиотеки Python для интеграции методов инженерной статистики в отечественные CAD/CAM-системы и цифровое производство.
  • Научно-исследовательская лаборатория "Политех-Инвест"
  • Крыжко Дарья Александровна
    Крыжко Дарья Александровна
    Руководитель программы