Code Competition für Dezember 2019: Big Data Predictions
Die nächste Code Competition kommt von ZF Friedrichshafen. Scheint ziemlich anspruchsvoll zu sein. Wer macht noch mit?
https://www.it-talents.de/foerderung/code-competition/zf-code-competition-11-2019
{ABOUT}
Industrie 4.0 ist in aller Munde. Hier kannst Du Deine Fähigkeiten direkt an einem realitätsnahen Case austesten - und eine Menge dabei lernen!
Ausgangssituation:
ZF stellt mit großen Werkzeugmaschinen Bauteile und Maschinen für andere Unternehmen her. Neben Werkzeugmaschinen kommen hierbei Gießereien mit einer begrenzten Anzahl an Gußformen und Öfen zum Einsatz. Werkzeugmaschinen und Gußformen sind also eine begrenzte, aber zur Herstellung notwendige Ressource. Zudem ist der Betrieb der großen Werkzeugmaschinen und Gießereien teuer, sodass eine optimale Auslastung für einen effizienten Betrieb unabdingbar ist.
Die Standzeiten der Werkzeugmaschinen werden heutzutage noch von verschiedenen Lieferanten übermittelt und in eine Excel-Tabelle eingepflegt. Auch die Logistikbteilung übermittelt auf Tagesbasis Abrufzahlen für jede Variante der Rohteilebene (hergestellte Erzeugnisse), welche daraufhin ebenfalls in Exceltabellen eingepflegt werden. Alle Varianten werden auf Grundlage der erfassten Daten in Charts abgebildet und monatlich innerhalb einer abteilungsübergreifenden Planungsrunde diskutiert.
Dieser komplexe Prozess ist für die Mitarbeiter enorm (zeit-)aufwendig und birgt viel Raum für Fehler.
Jetzt kommst DU ins Spiel:
Lass uns diesen Prozess möglichst realitätsnah digitalisieren. Keine mühsame Pflege in einem Excel-File mehr, sondern Dateneingabe über eine zentrale Eingabemaske.
Für die optimale Auslastung von Maschinen können die vorhandenen Daten ausgewertet werden und anhand der Daten Aussagen über Optimierungspotential gegeben werden.
Für die Realisierung einer Lösung bietet sich besonders eine Webanwendung oder ein Server-Client Modell an, sodass eine Art "Cloudlösung" erreicht wird.
{INPUT}
Ziel Deiner Lösung ist es deshalb, ein modernes Planungstool zu entwerfen, dass die Eingabe der entsprechenden Daten ermöglicht, diese aufbereitet und im letzten Schritt sogar Vorhersagen treffen kann.
Optional: Mithilfe von KI-Technologie könnten netzwerkübergreifende Dateninputs auf Echtzeitbasis verarbeitet und Werkzeugdaten managementgerecht dargestellt werden. Zudem könnten Planungsprozesse durch das Tool selbstständig kalkuliert und dadurch verlässliche Prognosewerte ermittelt werden.
Aufgabenstellung: Entwickle eine Lösung, die die relevanten Daten der Maschinen sammelt. Anhand der Daten könnten optimalerweise (mittels Machine-Learnig-Ansätzen) Vorhersagen oder Tipps gegeben werden.
Folgende Features sind optimalerweise enthalten:
Eingabemaske: Eingabe der relevanten Daten
Optional: Import von Daten
Aufbereitung und Analyse der Daten
Vorhersagen zu Optimierungsmöglichkeiten
Selbstverständlich kannst Du weitere Zusatzfeatures implementieren
Datensatz
Um Deine Lösung zu entwerfen und einen Machine-Learning-Ansatz zu trainieren, stellen wir Dir einen Datensatz zur Verfügung.
{REVIEW}
Funtionalität: Funktioniert Deine Lösung?
Dokumentation: Ist der Code sinnvoll dokumentiert und kommentiert?
Code-Qualität: Ist der Code sinnvoll strukturiert?
Ausführbarkeit (Kompilierte Fassung)
Wie bewerten wir?
{POST}
Deine Abgabe soll:
Den vollständigen lesbaren Sourcecode enthalten
Eine Anleitung enthalten zum Bauen und Starten des Programms, z.B. als README
Kompiliertes/Ausführbares Programm