Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Applied Data Science for Cyber-Physical SystemsModulbeschreibung #50020 / Version 4

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v8)
Modul / Version#50020 / #4
GültigkeitSS 2018 – WiSe 2024/25
Verfügbare Sprache(n)Deutsch
Leistungspunkte6
Modulverantwortliche*rJochem, Roland
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Deutsch

Zugehörigkeit

FakultätFakultät V
InstitutInstitut für Werkzeugmaschinen und Fabrikbetrieb (IWF)
Fachgebiet35361300 FG Qualitätswissenschaft

Kontakt

SekretariatPTZ 3
Ansprechpartner*inAndrushchenko, Elena
E-Mail-Adressee.andrushchenko@tu-berlin.de
Webseitehttps://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen/dcps-applied-data-science-for-cyber-physical-systems-1

Lernergebnisse

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.

Lehrinhalte

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

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Applied Data Science for Cyber-Physical SystemsProjekt0536 L 316 Winter- und Sommersemester[en, de]4 ISIS

Arbeitsaufwand und Leistungspunkte

Applied Data Science for Cyber-Physical Systems (Projekt)

AufwandbeschreibungMultiplikatorStundenGesamt
Eigenstudium Methodenvertiefung140 h40 h
Eigenstudium Präsentationsvorbereitung sowie Präsentation110 h10 h
Projektdurchführung: Abschlusspräsentation, Plakat und Projektdokumentation130 h30 h
Projektdurchführung: Projektbearbeitung in der Gruppe1100 h100 h
180 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

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.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

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.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheDeutsch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
Praktische Arbeit15flexibel
Präsentation 1 (15 Min)10mündlich
Präsentation 2 (30 Min)25mündlich
Projektdokumentation50schriftlich

Prüfungsbeschreibung (Abschluss des Moduls)

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%

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 15.

Anmeldeformalitäten

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

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Maschinenbau
StuPO 2017
WiSe 2023/24Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
SoSe 2024Wahlpflichtmodule › Kernmodule › Werkzeugmaschinen und Anlagentechnik
WiSe 2024/25Wahlpflichtmodule › Kernmodule › Werkzeugmaschinen und Anlagentechnik
Wirtschaftsingenieurwesen
StuPO 2015
SoSe 2020Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology
WiSe 2020/21Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology
SoSe 2021Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology
WiSe 2021/22Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology
SoSe 2022Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology
WiSe 2022/23Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology
SoSe 2023Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology
WiSe 2023/24Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology
SoSe 2024Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology
WiSe 2024/25Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology

Sonstiges

Keine Angabe