Applied Data Science for Cyber-Physical SystemsModule description #50020 / Version 4
- 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 / #4 |
|---|---|
| Validity | SS 2018 – Winter semester 2024/25 |
| 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
-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
-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 |
|---|---|---|---|---|---|---|
| Applied Data Science for Cyber-Physical Systems | Project | 0536 L 316 | Winter and summer semester | [en, de] | 4 | ISIS |
Workload and credit points
Applied Data Science for Cyber-Physical Systems (Project)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Eigenstudium Methodenvertiefung | 1 | 40 h | 40 h |
| Eigenstudium Präsentationsvorbereitung sowie Präsentation | 1 | 10 h | 10 h |
| Projektdurchführung: Abschlusspräsentation, Plakat 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 in Vortägen visualisiert und präsentiert 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 in Vortägen visualisiert und präsentiert 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, Kenntnisse in CAD oder Projektmanagement sind hilfeich (Hinweise zur selbständigen Einarbeitung werden zu Beginn der Lehrveranstaltung gegeben). Von Vorteil sind Kenntnisse in der Regelungstechnik, Sensorik, Mikrocontrollerprogrammierung, Datenbanksystemen, Statistik sowie Machine Learning Methoden.
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Portfolio examination |
| Type of portfolio examination | 100 points in total |
| Language | German |
Test elements
| Name | Points/Weight | Category | Duration/Extent |
|---|---|---|---|
| Praktische Arbeit | 15 | flexibel | |
| Präsentation 1 (15 Min) | 10 | oral | |
| Präsentation 2 (30 Min) | 25 | oral | |
| Projektdokumentation | 50 | written |
Exam description
Zwei Präsentationen, Praktische Arbeit und Projektdokumentation
Es wird folgender Notenschlüssel verwendet:
Note Ab Prozent
5,0 0,00%
4,0 50,00%
3,7 55,00%
3,3 60,00%
3,0 65,00%
2,7 70,00%
2,3 75,00%
2,0 80,00%
1,7 85,00%
1,3 90,00%
1,0 95,00%
Es wird folgender Notenschlüssel verwendet:
Note Ab Prozent
5,0 0,00%
4,0 50,00%
3,7 55,00%
3,3 60,00%
3,0 65,00%
2,7 70,00%
2,3 75,00%
2,0 80,00%
1,7 85,00%
1,3 90,00%
1,0 95,00%
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) oder mit gelbem Zettel
- 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) oder mit gelbem Zettel
- 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 version is used in the following programs:
| Program / program version | Semester(s) | Curriculum component |
|---|---|---|
| Industrial Engineering and Management Industrial Engineering and Management (M. Sc.) - StuPO 2015 | SS 2020 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology |
| WS 2020/21 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology | |
| SS 2021 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology | |
| WS 2021/22 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology | |
| SS 2022 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology | |
| WS 2022/23 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology | |
| SS 2023 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology | |
| WS 2023/24 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology | |
| SS 2024 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology | |
| WS 2024/25 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology | |
| Mechanical Engineering StuPO 2017 | WS 2023/24 | Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung |
| SS 2024 | Wahlpflichtmodule › Kernmodule › Werkzeugmaschinen und Anlagentechnik | |
| WS 2024/25 | Wahlpflichtmodule › Kernmodule › Werkzeugmaschinen und Anlagentechnik |
Miscellaneous
Not specified