Beruflich Dokumente
Kultur Dokumente
Masterprüfung (online)
B7 Digitalisierung Industrieller Prozesse
ss 2021
Prüfi.ngs-
Semester: MIEM1 10.07.2020, 11 :30 Uhr
termin:
· ' 87 Digitalisierung Zugelassene
Prüfu~sfach: alle
Industrieller Prozesse Hilfsmittel:
Erreichbare
Dauer: 90min 90 Punkte
Punkte:
Anzahl der Aufgabenblätter. 13 Seiten incl. Deckblatt
Aufgabe 1 2 3 L Note
mögl.
15 P 30 P 45 P 90 P
Punkte
erreichte
Punkte
Erst-
korrektor
Zweit-
korrektor
1 -..on 13
.K.1a_us_u_r .s1__
oi„91t.a.1is. ie_ru_n_g _1n_d_us.tn.·e.11e_r_P_roz
_ es
_ s ....
e(D„1G„IP""")_-_s_s_2_02
_ 1_ _ _ _ _ _ _ _ _ _ _ · •
2 von 13
Klausur 8 7 Digitalisierung Industrieller Prozesse (DIGIP) - SS 2021
- - - - - - - - - - - - ~, .....,__________ II 1
Ausgangssituation
Das Unternetvnen BioEdel produziert verschiedene
hochwerte Bio-Milchprodukte (z. B. ~oghurt) mit ~iner
relativ kurzen Mindesthaltbarkeit. Mit den Produkten
werden direkt Bio-Supermärkte in der Region beliefert.
Problemstellung
Aufgn.nd der kurzfristigen täglichen Abrufe der
Supermärkte kann es vorkommen, dass entweder zu
wenig Produkte vorrätig sind und Umsatzvertuste
resutieren oder dass Produkte nicht vor dem
Halbbarkeitsdatum abgenommen werden und \ entsorgt
werden müssen.
Zielsetzung
Vermeidung von Über-/Unterproduktion
Praxisbeispiel 2: Servicetechniker
Ausgangssituation
Das Unternehmen CleanoMatic bietet für seine
Produkte (Waschmaschinen, · Geschirrspüler) Repa-
raturservices an. Die Servicetechniker werden auf
Basis der Fehlert>eschreibung der Kunden · mit
Ersatzteilen versorgt und fahren vor Ort zu Reparatur.
Problemstellung
Der Servicetechniker hat nicht die richtigen Ersatzteile
dabei und kann die Reparatur erst bei einem zweiten
Besuch beheben.
Ziel
Erhöhung der Ersterfüllungsquote (d.h. Vollständige
Reparatur beim 1. Besuch) und weniger Retouren von
nicht benötigter Ersatzteile im Lager.
3 \On 13
.K1.aus
. u.r ,_
B7..;;D~igi;ta;;,;,
;;lisi;,;;,
eru ;;.;n&.
g ,;;,;,;
lnd;;;;us;,;;,;
tri~ell;,;,
er..;.
P.;.;;
roz;;,;,
es;;,
s~e (,;;,;
Dl,;,; P) - .;,
Gl;..:, SS.;.;2„o2_1_ _ _ _ _ _ _ _ . ,
9
Hypo-
we,.. ,, w 'r (µ -; JJ k,,,. l.,,V cl '{,,j /4 'j C a½ g.: #u; ,,k
c~ -d.t'e_ "'t:v-
these
~1.<{viw'h~ ~~d4-, wc(
,
,~. Joi~reJ ~1- f;.~ 62.,~
·
/ 'J''
, ""'· J~ 1 o 1t
n"'
"'{
0~ (q,.,,,.,,
r
/?_.,_,~_
/
11
l/4· nk,,, 'Wi;·· ~"JU-L f,,.o°"~'o'1. Qt'f .
Da~n ° ProJc.,tk,I\J'-
< , t4wt~ 4j~~.., .){bu,ll,t,,. : :..::: We f/w
.. 1/_,·e/4."1~
,Antl/iJ ~-1-- ~'" 0
toy rerkltr-
4 von 13
Klausur B7 Digitalisierung Industrieller Prozesse (DIGIP) - ss 2021
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 1
nutzungsbasierte
Nachfrage basierte angebotsbasierte
Digitale Preis- Preisgestaltung
Preisgestaltung
Preisgestaltung
1estaltun1
5 1.0n 13
Klausur B7 Digitalisierung Industrieller Prozesse (DIGIP) - SS 202 1
Digitales
Erlebnis
Digitale J, /, . 1
fkr,c U44., lv,·,. 'k,ov,~
Plattform n rv:; nr l-1<7~ vt-:1'1 vr;,,,•--,
~v--hd'c>'"''7///4~
14,~ .kv-"'-•1t1h-, 'c.-6 f?01Jb,
4 d,.,, v- v4 t:/, 'L
*
l( <1.d k,;, .. ,, c,,,,
P,,.o/4,k/vev-le-/j~ v , , 1 ~ ht,/2..e_,
7 / ( ?h .-i-,'evt,/2 ki1v tAr .1
2.2 Welche Vorteile könnte SeNoCompact durch das digitale Geschäftsmodell für sich und
seine Kunden/Partner realisieren? Nennen Sie je drei Vorteile. (6P)
2.3 Für die Umsetzung Digitaler Geschäftsmodelle werden IT-Plattformen (Cloud, loT)
benötigt. Beschreiben Sie vier Aufgaben/Funktionen die diese Systeme im neuen
Digitalen Geschäftsmodell von SeNoCompact übernehmen? (4P)
Aufgaben/Funktion von Cloud/loT Plattformen
7~n 13
Klausur 87 Digitalisierung industrieller Prozesse (DIGIP) - SS 2021 •
~~~~~..;..;.;;;;;;,;~.;;.......~----- 1
Im Folgenden ist Ihnen ein kurzer Auszug sowie die summary statistics des Datensatzes
dargestellt.
> head(data_seats)
Rework Budget Production.Time Pressure
1 No No 729.5265 4.4361625
2 No Yes 817.1804 1.2106135
3 No No 1073.5492 3.1767139
4 No No 529.2506 3.5704494
5 No No 785.6559 3.8463496
6 No Yes 919.5885 0.7491559
8 von 13
Klausur B7 Digita lisierung industrieller Prozesse (DIGIP) - SS 2021
- - - - - - - - - - - - - - - - - - - - -
n 1
Lösung: (1 P)
( ) Regressionsproblem
( ) Dimensionsreduktionsproblem
(>() Klassifikationsproblem
( ) Optimierungsproblem
Begründung: (2P)
9\0n 13
.;.;
~.laus
.· ,;,;
ur.;;B;.;,.7,.;,
Di~ ·gi;,;,;;
ta;;; lis;,;,;;
ie;,;,;;
ru;;,,;,;
ng~ lnd;,;;u,;;,;
st;.;,;;
ri e;,;;;
lle;;;.r.;.
P.;.;:
ro;;,;
zes
;,;,s
; .;e;..l,(D
; .;l,;;
Gl~P): ..-- S
; .;S;..;2;;,;0,..
21;..._ _ _ _ _ _ _ _ ß,
3.3 Benemen Sie den Datentypen der ~er Variablen und beschrei ben Sie kurz zwe i
mögliche Ansätze zur Behandlung fehlender Werte für jeden Datentyp. Nutzen Sie
hierzu die nformationen der oben genannten summarystatistics. (8 Punkte)
a) Nemen Sie jeweils zwei Vor- und Nachteile von Entscheidungsbäumen (4P).
Vorteile voo Entscheidun sbäumen Nachteile von Entscheid sbäumen
Q.$,,~1/"'t-- ./4rt J t- z. 0 1 )-
Observed Class
Yt =1 Yt=O
309 sor
5', = 1
Predicted Class
a) Ir'<'- Po1, 'I,'v<.,,, b) --:f_t1( fo, ,~;.A
24 9112
Yt=O
c) ::/-.. LJ.< Al~li""-. d) 1,-tAl /4vaL/J/
,
Yt = O und Yt = 1. fi 1;Z:
..,_ · , }1617--- 7112:::.fO.r
b) Tragen Sie in die vier Felder der Konfusionsmatrix (a - d) die Bezeichnungen der
Prognoseergebnisse ein und interpretieren Sie die Ergebnisse jevveils kurz. (4P)
O,'(_,. &,,ß/6 , , ,-.-./. ,1 .
,,.,, "''II-C. l".(-c nv
'1l-.1 c,,~ j
f-._ t,.,,11-c
c) Berechnen Sie die ,/=eh/errate" (Error Rate) und die „Genauigkeit" (Accuracy) anhand
der obigen Konfusionsmatrix (4P) ·
-2.2;.t 9
1:,, -::
Jo 'J --t { or
-f Zl(-t' j 1-12
- {!}1 °JJ __,, _{. I
p
11 \Qn 13
1
_K_
1aus
_ ur_ s_1_0„ig,..
ita_1is
_ i_
eru
_ng
__1nc1
_ us_tn_·
e_11e_r _P_
roz_es
_ s_e11111(D
_ 1_G1_P..,
) __ss_ 202
_ 1- - - - - - - - - • •
3.6 Der oben skizzierte Datensatz 'ist stark unausgeglichen, d.h. es gibt deutlich mehr „O"
als „1". Welche Probleme können sich hierdurch bei der Berechnung bzw. der
Interpretation der ,,Error Rate" und ,Accuracy" ergeben und wie können Sie damit
umgehen? (4 Punkte) ·
t ,., , ,.. .. lc, V-"l.J /4lv.-.vv,, / "r~ / '"'' µ ßße er~
,c
1 'I'</- 'f~t:A'f " -e/.e,. I:,~;
·vw~4·( . .
,u,, Cf.J-t.J 5t.lt4e+, J.. e,, / -
J.,1--, ol,·c. -Z,,-c{ C/91 .,.,"4 6~ ~t!lir ,,n, 4,/,(J :ft'f tlc.(ee., I .(lc,/:v-v, ti,~ ~(,/(___
"vt I\ v'W' 4r-k,J {,,,. .'1 6,,, / p
-:f:.pt{ ,., 'J.-
1
. 0 · I, ~"'~ ( (J-e /Vl,;7//.'1
(~ c/ie/&-1
y,, ,t <" ? c././ 1',V\
1/'o v' f / : t"C4 . /kt Q ({. fl' ,, 1-4-o-o~
-- ·-
3.7 Im Anschluss. an den Entscheidungsbaum entscheiden Sie sich dazu einen Random
Forest G,RFj zu modellieren und möchten die Ergebnisse mit denen eines künstlichen
neuronalen Netzes GJ<NN') vergleichen. Dazu seien Ihnen die folgenden Informationen
gegeben. (7 Punkte) · · : · ' - ·
a) Berechnen Sie den Anteil der korrekten Vorhersagen bzw. _die „Accuracy" für beiden
Modelle. (4P) /f- /fl.J -r 4 J? [) ,1
ACC_KNN =
12 von 13
Klausur B7 Digitalisierung Industrieller Prozesse (DIGIP) - SS 2021
- ~ - - - - - - - - - - - - -
n J
b) Erläutern Sie welches Modell Sie für den praktischen Einsatz in dem vorliegenden
Anwendungsfall bevorzugen würden und begründen Sie Ihre Antwort? (3P)
d.aJ
13 IA:)n 13