The lecture “project management” aims at characterizingtypical phases of projects. Important contents are: possible tasks,organization, techniques and tools for initiation, definition, planning,management and finalization of projects. This will also be deepened byexercises within the framework of the event.
The following topics will be covered in the lecture:
SMART, Work Breakdown Structure, Operationalization, Goals relation matrix
Metra-Potential Method (MPM), Critical-Path Method (CPM), Program evaluation and review technique (PERT)
Milestone Analysis, Earned Value Analyis (EVA)
Progress reporting, Tracing of project goals, deadlines and costs, Project Management Control Loop, Maturity Level Assurance (MLA)
Risk Management, Failure Mode and Effects Analysis (FMEA), Risk Matrix
Leistungsnachweis:
lv709 - Project Management (Lecture)<ul><li>885 - Project Management: Klausur schriftlich</li></ul><br>m1683-2021 - Project and Negotiation Management<ul><li>p1631-2021 - Project and Negotiation Management: Subject theoretical and practical work</li></ul>
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Maritime Logistik (W-12)
In Stud.IP angemeldete Teilnehmer: 395
Anzahl der Postings im Stud.IP-Forum: 10
Anzahl der Dokumente im Stud.IP-Downloadbereich: 14
Betreute Abschlussarbeiten
laufende
beendete
2021
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.