Data analysis in cyber-physical systemsModule description #50020 / Version 2
- 6 CP
- Portfolio examination
- Graded
- Winter and summer semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v8)
| Module / Version | #50020 / #2 |
|---|---|
| Validity | SS 2015 – WS 2017/18 |
| Available language(s) | German |
| Credit points | 6 |
| Person responsible for the module | Jochem, Roland |
| Grading | Graded |
| Exam format | Portfolio examination |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät V |
|---|---|
| Institute | Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) |
| Academic chair | 35361300 FG Qualitätswissenschaft |
Contact
| Office | PTZ 3 |
|---|---|
| Contact person | Andrushchenko, Elena |
| E-mail address | e.andrushchenko@tu-berlin.de |
| Website | https://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen/dcps-applied-data-science-for-cyber-physical-systems-1 |
Learning outcomes
Die Teilnehmer des Moduls werden befähigt, in der zunehmenden Informatisierung der klassischen Industrie (bekannt unter dem Stichwort Industrie 4.0) qualitätsrelevante Datenerhebungen und -auswertung zielgerichtet durchzuführen. Dabei bildet die technische Grundlage der Verbund informatischer, softwaretechnischer Komponenten mit mechanischen und elektronischen Teilen, die über eine Dateninfrastruktur, wie z. B. das Internet, kommunizieren, was unter dem Begriff der cyber-physischen Systeme zusammengefasst wird. In diesem Modul lernen die Teilnehmer unter Beachtung statistischer sowie stochastischer Verfahren das qualitätsrelevante Verhalten der CPS prognostizieren zu können. Dazu wird ein kompletter Datenanalysezyklus durchlaufen, der sowohl technische als auch analytische Aspekte fokussiert.
Content
Teil 1: Vorbereitung auf die Projektdurchführung durch Methodenvertiefung:
-Grundlagen zur technischen Datenerhebung
-Grundlagen zur IT-Infrastruktur für die Speicherung sowie Auswertung großer Datenmengen
(Datenbanksysteme im Umfeld von Big Data)
-Grundlagen zur Verwendung der Statistiksoftware R im CPS Umfeld
-Grundlagen von Machine Learning Methoden und Techniken
Teil 2: Durchführung eines Projektes an einem realen CPS zur Vorhersage des qualitätsrelevanten Verhaltens:
-Technische Planung, Durchführung sowie Erhebung von Daten am CPS
-Technische sowie logische Speicherung der Daten
-Analyse der Daten
-Erstellung von Prognosemodellen zur Entscheidungsfindung bezüglich des qualitätsrelevanten
Verhaltens des CPS
-Grundlagen zur technischen Datenerhebung
-Grundlagen zur IT-Infrastruktur für die Speicherung sowie Auswertung großer Datenmengen
(Datenbanksysteme im Umfeld von Big Data)
-Grundlagen zur Verwendung der Statistiksoftware R im CPS Umfeld
-Grundlagen von Machine Learning Methoden und Techniken
Teil 2: Durchführung eines Projektes an einem realen CPS zur Vorhersage des qualitätsrelevanten Verhaltens:
-Technische Planung, Durchführung sowie Erhebung von Daten am CPS
-Technische sowie logische Speicherung der Daten
-Analyse der Daten
-Erstellung von Prognosemodellen zur Entscheidungsfindung bezüglich des qualitätsrelevanten
Verhaltens des CPS
Module components
Compulsory area
The following courses are mandatory for this module:
| Courses | Type | Number | Frequency | Language | Hours per week | Course catalog |
|---|---|---|---|---|---|---|
| Datenanalyse bei cyber-physischen Systemen | Project | 0536 L 316 | Winter and summer semester | [en, de] | 4 | ISIS |
Workload and credit points
Datenanalyse bei cyber-physischen Systemen (Project)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Eigenstudium Methodenvertiefung | 1 | 40 h | 40 h |
| Eigenstudium Präsentationsvorbereitung sowie Präsentation | 1 | 10 h | 10 h |
| Projektdurchführung: Abschlusspräsentation, Plakates und Projektdokumentation | 1 | 30 h | 30 h |
| Projektdurchführung: Projektbearbeitung in der Gruppe | 1 | 100 h | 100 h |
| 180 h | |||
The workload of the module adds up to 180 hours. The module therefore comprises 6 credit points.
Description of teaching and learning methods
Es kommen Gruppenarbeit und Expertenpuzzle im Rahmen einer Projektdurchführung zum Einsatz.
Teil 1:
Gruppenarbeit:
Die Grundlagen zur Durchführung des Projektes werden in themenspezifischen Gruppen erarbeitet. Die Ergebnisse werden vor den Teilnehmern der Lehrveranstaltung präsentiert.
Teil 2:
Expertenpuzzle zur Projektdurchführung:
Aus den jeweiligen themenspezifischen Gruppen, werden im Rahmen eines Expertenpuzzles, neue Gruppen zur Projektdurchführung gebildet. Diese sollen selbstständig an einem realen CPS im Quality Science Lab Prognosemodelle für Ausprägungen von verschiedenen Qualitäts- oder Zuverlässigkeitsmerkmalen entwickeln. Die Ergebnisse müssen vor den Teilnehmern der Lehrveranstaltung präsentiert und durch ein Poster visualisiert werden. Zudem ist eine Projektdokumentation abzugeben, die einerseits das Vorgehen und die Ergebnisse der Projektdurchführung und andererseits die technische Umsetzung dokumentiert.
Teil 1:
Gruppenarbeit:
Die Grundlagen zur Durchführung des Projektes werden in themenspezifischen Gruppen erarbeitet. Die Ergebnisse werden vor den Teilnehmern der Lehrveranstaltung präsentiert.
Teil 2:
Expertenpuzzle zur Projektdurchführung:
Aus den jeweiligen themenspezifischen Gruppen, werden im Rahmen eines Expertenpuzzles, neue Gruppen zur Projektdurchführung gebildet. Diese sollen selbstständig an einem realen CPS im Quality Science Lab Prognosemodelle für Ausprägungen von verschiedenen Qualitäts- oder Zuverlässigkeitsmerkmalen entwickeln. Die Ergebnisse müssen vor den Teilnehmern der Lehrveranstaltung präsentiert und durch ein Poster visualisiert werden. Zudem ist eine Projektdokumentation abzugeben, die einerseits das Vorgehen und die Ergebnisse der Projektdurchführung und andererseits die technische Umsetzung dokumentiert.
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
Grundlegende Programmierkenntnisse werden vorausgesetzt (Selbstständige Aneignung kann über das kostenlose Kursmaterial des Kurses Intro to Computer Science der Online Akademie Udacity erfolgen). Von Vorteil sind Kenntnisse in der Regelungstechnik, Sensorik, Mikrocontrollerprogrammierung, Datenbanksystemen, Statistik sowie Machine Learning Methoden (Selbstständige Aneignung der Grundlagen kann ebenfalls über das kostenlose Kursmaterial der entsprechenden Kurse der Online Akademie Udacity erfolgen).
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Portfolio examination |
| Language | German |
Test elements
| Name | Points/Weight | Category | Duration/Extent |
|---|---|---|---|
| Plakat | 60 | ||
| Präsentation 1 (15 Min) | 60 | ||
| Präsentation 2 (30 Min) | 160 | ||
| Projektdokumentation | 120 |
Exam description
Zwei Präsentationen, Plakat und Projektdokumentation
Es wird folgender Notenschlüssel verwendet:
Punkte von Punkte bis Note
360 400,0 1,0
340 359,9 1,3
320 339,9 1,7
300 319,9 2,0
280 299,9 2,3
264 279,9 2,7
248 263,9 3,0
232 247,9 3,3
216 231,9 3,7
200 215,9 4,0
0 199,9 5,0
Es wird folgender Notenschlüssel verwendet:
Punkte von Punkte bis Note
360 400,0 1,0
340 359,9 1,3
320 339,9 1,7
300 319,9 2,0
280 299,9 2,3
264 279,9 2,7
248 263,9 3,0
232 247,9 3,3
216 231,9 3,7
200 215,9 4,0
0 199,9 5,0
Duration of the module
The following number of semesters is estimated for taking and completing the module: 1 semester(s).
This module can be started in the following semesters: Winter and summer semester.
Maximum number of participants
The maximum capacity of participants is 15.
Registration procedures
Bewerbung für die Teilnahme an der Lehrveranstaltung:
-Schriftliche Bewerbung bis eine Woche vor Vorlesungsbeginn
Anmeldung zur Lehrveranstaltung:
- In der ersten Vorlesungswoche
Einteilung in Gruppen für die Methodenvertiefung:
- In der ersten Wochen nach Semesterbeginn
Anmeldung zur Prüfung:
- Online (QISPOS)
- Die jeweiligen Anmeldefristen sind der Studienordnung zu entnehmen
-Schriftliche Bewerbung bis eine Woche vor Vorlesungsbeginn
Anmeldung zur Lehrveranstaltung:
- In der ersten Vorlesungswoche
Einteilung in Gruppen für die Methodenvertiefung:
- In der ersten Wochen nach Semesterbeginn
Anmeldung zur Prüfung:
- Online (QISPOS)
- Die jeweiligen Anmeldefristen sind der Studienordnung zu entnehmen
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
unavailable
Recommended literature
No recommended literature given
Assigned programs
This module is not used in any program.
Miscellaneous
Literatur/Online Kurse zur Vorbereitung:
Kursmaterial der Udacity-Kurse:
-Intro to Computer Science
-Intro to Statistics
-Intro to Data Science
-Intro to Hadoop and MapReduce
-Exploratory Data Analysis
-Data Wrangling with MongoDB
-Machine Learning 1 bis 3
Kursmaterial der Udacity-Kurse:
-Intro to Computer Science
-Intro to Statistics
-Intro to Data Science
-Intro to Hadoop and MapReduce
-Exploratory Data Analysis
-Data Wrangling with MongoDB
-Machine Learning 1 bis 3