-----~~~=~~~----

Klausur 87 Digitalisierung Industrieller Prozesse (DIGIP) ss 2021

1

Masterprüfung (online)
B7 Digitalisierung Industrieller Prozesse
ss 2021

Studiengang: Maschinenbau Prüfer. Prof. Dr. Gölzer

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

Name: Matrikel-Nr.: ... 7.f./. ..P..1.1 ..

Vorname: .........T,.~~········· Unterschrift: ....~ { ~ · · · ·

Wichtige Hinweise zur Bearbeitung der folgenden Aufgaben:

• Keinen Rotstift verwenden!
• Jede Aufgabe direkt im Freiraum unter der jeweiligen Aufgabenstellung bearbeiten.
• Sollte Ihnen der vorgegebene Platz nicht ausreichen, fahren Sie auf der Rückseite fort.
• Tragen Sie Ihre Ergebnisse unbedingt in die dafür vorgesehenen Kästen ein!

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_ _ _ _ _ _ _ _ _ _ _ · •

1 Aufgabe: Anwendungsfallidentlfikation (15 Punkte)

Entwickeln Sie für eines der beiden Praxisbei~P.\ele einen potenziellen Anwendungsfall für
datengetriebene Entscheidungsprozesse. Orientieren Sie sich an den Leitfragen und tragen
Sie die Ergebnisse .für Entscheidung, Hypothese, beteiligte Entitäten und deren relevante
Daten in die Tabelle ein.

Leitfragen zu Identifikation potenzieller Anwendungsfälle:

• Welche Entitäten (z. B., Kunden, Maschinen, Fahrzeuge, SoftwaresxS!~me, Mi~ rbeiter, _
... ) sind Teil de~We~chöpfi.llgsk~tte und haben durch ihr Verhalten oder ihre Leistung
Einfluss auf •die Zielsetzung?
' . .
• Welche
.
Entscheidungen
·•'!( .. -
entlang der Wertschöpfungskette haben einen großen
Stellhebel llld Einfluss'alit die Zielsetzung?
• Formulierung wn Hypothesen mit denen die Entscheidungen positiv (im Sinne der
Zielsetzu,g) beeinfluss 'werde~ könnten.. ,,'Nenn wir wüssten ob, wann, was, wo ...
könnten wir dies, das, jenes, ... •be~ser machen!"
• Welche Datender _Entitäten sind notwendig oder wrhanden und könnten genutzt
werden, um die formuliert~ Hypothese zu falsifizieren?

Hinweise zur Bearbeitung:

• \rv1t11e~ \ ie e~fi-der beiden Praxisbeispiele aus · '
• Folg~t ~i~ ~eitfragen _
ld~nti~~~tion pot: ~ell~r ~nwendungsfälle
• Tragen \Sie nur eitle-Hypothese und ,eine Entsche1~unq ein
• Es müssen nicht alle Entitäten und deren Daten ausgefüllt werden

2 von 13
Klausur 8 7 Digitalisierung Industrieller Prozesse (DIGIP) - SS 2021
- - - - - - - - - - - - ~, .....,__________ II 1

Praxlsbelsplel 1: Joghurtproduzent \ ',

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

Anwendungsfall für Praxisbeispiel _ _./....1.-_

( _ _ _ __
Pr-?kkh~,.
Entschei-
dung rt,,.,·/,. 4 ~~{vw4l~ 4
~,,.b, ~'Jv' -9'11c4r.:?'", j 1 ~ . ''

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 .

(J~r ; : ' a.,..,c,Jt

Entitäten

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

2 Aufgabe: Digitale Gesphä~mof:lelle (30 Punkte)

• 1 ,.. ... .. _,

Die Finna SeNoCompactstellt hochgY.f18mische 1Servoantriebe· mit integriertem Servoregler

für industriette- Anweridu~ in der·Produktion her, z. ~ lf für Werkzeugmaschinen. oder
--------- . '
Textilma~ nen. D1e Finna ye~pricht, ihr~n. Ktn:t~n Wettl:fewerb: vo~ eile 1 d.urchi höherE: ,·
. --
Procuktivität der Maschine und · gleichz~itig höhere Prazision':1"pas bisherige Geschäfts-
modell der Firma ServoCOVJPactsieht bLsher auss~ließlich den,Ve~auf:,~er'Servorfiotoren
vor. Als Afters~les-Services werder r ~~ich Technische~ ~~rvi~, lnstanähaltung und
Ersatzteile angeboten. Im ~e der D1gitaJisierun.9 r 'möchte sich das Unternehmen 1

strategi~ch neu positionieren,' tlm-

sicli' voM' der Kon~urrenz abzusetzen. Die Servomotoren
liefern bereits heut~ vielfältigeT~~~~9a!_~n,"'a iif hepte jedoch nur von den ,Kunden selbst
genutzt werden. , · , 1

Servoantriebe der Firma ServoCompact

Aufgabe: 1, ,
'" l ' ,.,
2.1 Entwerfen Sie ein Digitales GeschäftsmodelPfür die Firma ServoCompact. Nutzen Sie
dazu das Framewor1< von BÖck und Wiener 2017. Wählen Sie für jede Dimension eine
Ausprägung und er1äutem Sie die konkrete Ausgestaltung für ServoCompact. (Sollte
eine Dimension nicht rele~nt sein, bitte,Begründung eintragen) (20P)
,
\
\ Ausprägungen \ 1
Dimension 1 Physische Produkte
Analoge Services Physisch~ Produkte
Digitale Produkte Digitale Services
Dlcftales Ancebot und komplemen- mit integrierter
und komplemen-
täre~igitale täre digitale digitaler
Technologie
Services Services

Einbindung Schaffen einer Community

Personalisienmg
Dlcitales
Erlebnis
Kundenintegration Kundenintegration
Integration von Integration von
Digitale Interne Integration (inbound) (outbound)
Zulieferern Partnern
Plattform
(frei verfügbare) externe Daten
Prozess- und Produktdaten K,undendaten
Datenanalyse

nutzungsbasierte
Nachfrage basierte angebotsbasierte
Digitale Preis- Preisgestaltung
Preisgestaltung
Preisgestaltung
1estaltun1

Frameoork für Digitale Geschäftsmode/Je von Bock und lMener 2017

5 1.0n 13
Klausur B7 Digitalisierung Industrieller Prozesse (DIGIP) - SS 202 1

Dimension Gewählte Ausprägung Erläuterung der Ausprägung für ServoCompact

n.
Digitales
A~ebot
A~Y'?~___ ,_.,,.~. }'f'
':j_ fh.rJ1~k._ ,~ Servo~ h--,'):(, .
'< .,..J. /tGo,... f <-<, k, "t., ,z.,, J ;;/2_ ü, 4

~•'j•~ ' f~v. f 'lj

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,,,,

. j .f--1 ./~ <.fti9! (?;,.~ / -c-

,/, 1/ tU-- ~,!,~_///.
Daten- ·
,analyse _4 fJ-.1 IJ ,/4;,,. ~<- f,,.,<7 4/~

P,,.o/4,k/vev-le-/j~ v , , 1 ~ ht,/2..e_,
7 / ( ?h .-i-,'evt,/2 ki1v tAr .1

:> 7 IG,,"' /4.,, Ir, ~J.e, -J (/a1, ,,-, /{,441)

r~
hf
Digitale
Preis- hu /-t.v1"'Pi.,.1,'e,,.k- Jl -tJ /4. ~.--,4
gestaltung
f/VJd-(,; 1" ({füy 4, 0-1 lt11"' l-c,.v/ce ~/2~/
6-z.-v ckr, t:J,,, &'I (' .r~ i/lt,C,_. ¼~
1
~
-' ' \/
~ . .h•7r,
.,// • · U,.-4~!,/ ferv,:? "1.VJJ
'}~,l(. . t ~/4 ,r1'/

K <,('1k -u~ f...,~ 6(.//r',,i,,_,.,14.

f-Jv/ ~"':;
6 von 13
~K:la~us:,:;:,
ur:.:B~7.,:;D~ig~ita:;li:,:;
sie:r;u~ng
~ ln:,::;
dus ;;.:.:,;
tri;;,:
el:;
ler~ P
~ r,;;;
oz;; es;,;;s;;. . .:)- -...s;.;s.,.
e~(D~IG;;,;IP -2.02_1_ _ _ _ _ _ _ _ _ _ · •

2.2 Welche Vorteile könnte SeNoCompact durch das digitale Geschäftsmodell für sich und
seine Kunden/Partner realisieren? Nennen Sie je drei Vorteile. (6P)

Vorteile SeNOCompad Vorteile Kunden/Partner

--{II,· ~,'-u,,i1~'~~r - i~;~ -,~"~'

o~ //ljr L. f,,,ofll,,t,., 4.. ""'~g(_ l ~/
'
'ck ~ - n~

JLy- ,"' ,. ,/t/ UI

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

Jo? c:'.)6 ~ -.,v l,;l/ w /../1(-ö14

"11 -
ü t i r '1 V\(,,~ de f4M,.,, u 11/luhbY/
1/on 1/.Jhv,,Q,1 t.{ ,,4 ~ tMJ1',_.,
!ol- f~/f,,Nfw, ;;tu~~~ rl/'c
140 f'C--.,, Ir -?'1
"üA/1'11.,~ 1-ul ,.,e 4,.,,4-n { Oe,~ l«/~,t4 . {/II,, /4--{/f? &.,,,_,.~{ IJ
{ ~.(,/ : -1kl{ /. d -e 7„ lr.:t J lrtA lcAt "' .,( .,.,J.. 0,'u--1L
w (lt>~ ),dA. <-(~ ,,t,. b „1 //-f ./1.,-,,c /4.1
/./ 'I .J,,,,,. yt I' 1 ,,,,_ ~-- j 1~1/' ? {'1JM/~t )- /4-,-
0..,{/'d,
tl /( i ,,r k,.;.,.~
"'~ ~•Är6?t/.ev Lje:,;l,
{,V, q 1,( r .:;,/i'·~ "',,N~ di'f-cv, /4(.,~

7~n 13
Klausur 87 Digitalisierung industrieller Prozesse (DIGIP) - SS 2021 •
~~~~~..;..;.;;;;;;,;~.;;.......~----- 1

3 Aufgabe: Data Science (45 Punkte)

Die Finna ErgoSeattertigt Sitze und~Sitzgruppen für verschiedene Automobilhersteller. Am
Ende des Fertigungsprozesses findet eine teilautomatisierte Qualitätsprüfung stl;ltt. Sitze die
diese Prüfung nicht best~hen müssen . nachgearbeitet werden.Jn diesem Anwendungsfall
soll untersucht werden, welche Faktoren·zu einer höheren Nacharbeitsquote führen damit
der Fertiglllgsprozess optimiert werden kann. ' i '·
Dazu steht Ihnen ein historischer Datensatz (,pata_ seats") mit vier Variablen zur Verfügung.
• DieZielvariable J~eoork" gibt an ob jeweilige Sitz nachgearbeitet werden musste
(,, Yes" bzw. ,,1") oder ni (,No" bzw. ,,
• Die Variable ,,Budget" d l'-,i~-N~~~ zu ei •1J-~L1.U;:m~d.l · en Preisklasse
zählt (,,Yes" bzw. ,,1') oder ins Premiumsegments fäll
• Die Variable ,Production.Time"misst die Zeit, die für die ~::&iQIURei-1'fl:~ Jeweiligen Sitzes
benötigt wurde (in Minuten) und gibt Ihnen dementsprechend Aufschluss darüber wie
viele Fertigungsschritte benötigt wurden.
• Die Variable ,Pressure" gibt den Dampfdruck in bar an, mit welchem die Sitzbezüge
gebügelt und verklebt wurden.

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

> summary(data seats)

Rework Budget Production.Time Pressure
No :9617 No :7023 Min. 0.0 Min. :0.0772
Yes : 333 Yes :2927 1st Qu.: 485.4 1st Qu.:2.1338
NA's: 50 NA ' s: 50 Media n: 826.5 Median :3.4559
Mean : 837 .5 Mean :3.3519
3rd Qu . : 1167 . 0 3rd Qu.:4.3809
Max. :2654.3 Max. : 7 . 3554

8 von 13
Klausur B7 Digita lisierung industrieller Prozesse (DIGIP) - SS 2021
- - - - - - - - - - - - - - - - - - - - -
n 1

3.2 Um welches Machine Leaming Problem handelt es sich im vorliegenden

Anwendungsfall mit den gegebenen Daten? Kreuzen Sie die richtige Lösung an und
begründen Sie Ihre Antwort. (3 Punkte)

Lösung: (1 P)
( ) Regressionsproblem
( ) Dimensionsreduktionsproblem
(>() Klassifikationsproblem
( ) Optimierungsproblem

Begründung: (2P)

ll~J1l/.,/C4./,·vV\,J fr "i~ /4 d ·-c --z,, ·t'{ v~,,,.,1o{c

/L.,, k,,Jt:7 ; /~ {

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)

Datentyp Ansatz zur Behandlunq fehlender Werte

Variable
Rewo r k .o<I' ~11<J.;~J " ~ Ja {'V <6u' (i
~ ~ or /4i l -1JJ OtJO P~J~-~ ;i / tt/, ~4.l.t,/4,
Bu dg e t P.k....1;,~c e"Jt t..u,, fo6 -6~·
10 . ()t?/) /:ek 1,:,lt -u./., lt,jt/
Production.time
P~/, ~~ JV'-ffi..,f?i- /;P"1 >""' ;'j.
;UM~Jt0
.,AA.,'fk, (~ t -?-v ./-,: -•« ,
r:,
V

Pressure A,,,,{/,lp~ J l"?f}L< /4 h<.7 VI

3.4 Als Vorhersagemodell wurde zunächst ein Entscheidungsbaum modelliert (7 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 )-

Je /2 f"' fle_l/2 VV7 ?

 - - -- - - --~
,;,;K;,;;;
laus r B;,;7..;D
;;,;u;_; ~·ig:;,;
it;,;
ali;,;;
si;;eru
.;;ng
,;:.;;ln„d;;
us.tn,.
·e.ne..,
r .;.
P_ro.z es
...,s. e,_(..,
Dl111111 _-_s_s20_2_1- - - - - - - - - - ·
G_IP..,
) •
3.5 Der oben genarrte Entscheidl.llQsbaum hat auf den Trainingsdaten die folgenden
Ergebnsse erzielt (10 Pl.llkte)

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/
,

a) Angenommen Sie haben in der Datenvorverarbeitung alle fehlenden Werte der

Einfachheit halber gelöscht, ermitteln Sie die Anzahl der Fehlklassifikationen für das
Feld b) in dem gilt: (2P)

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

Are - 1- [,,,.,,. - 0 H7 ;! 1t.r 1 /"Q

1

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) · · : · ' - ·

Tabelle 1 - Evaluation des RF Tabelle 2 - Evaluation KNN

Zielvariable Vorhersage Anzahl Zielvariable Vorhersage Anzahl
0 0 9599 0 0 8271
1 · O 123 1 0 12
0 1 18 0 1 1346
1 1 210 1 1 321

a) Berechnen Sie den Anteil der korrekten Vorhersagen bzw. _die „Accuracy" für beiden
Modelle. (4P) /f- /fl.J -r 4 J? [) ,1

12'h1f-t1J1 f t2(P O 1'rut ~Lll Avjoh'-'(_

ACC_RF = 0/tfl. = 'ffrt,J?

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