Posts by Xergie

Forum und Filebase sind jetzt angelegt.

Für mich hat sie sehr gut gereicht. In der Klausur (Nebenfach), die ich geschrieben hatte, wurden auch nur grundlegende Fachbegriffe wie z.B. "Kriteriumsdefizienz", "Kriteriumsrelevanz" und "Kriteriumskontamination" abgefragt.

Bei meiner Zusammenfassung hatte ich soweit ich mich erinnere nur ab und zu Studien raus gelassen. Ansonsten sollte alles enthalten sein. Ich habe trotzdem mal eine .zip mit der Word-Datei an diesen Beitrag angehangen. Dann hat jeder die Möglichkeit noch selbst zu ergänzen.

Potential Federkraft F_D

Π_FD = 0.5 * C_D * φ²

Potential Federkraft F_C1

Π_FC1 = 0.5 * C₁ * Δx² = 0.5 * C₁ * (m * g * sin(φ))² / C₁² = 0.5 * (m * g * sin(φ))² / C₁

Der Weg Δx = m * g * sin(φ) / C₁ ergibt sich über das Kräftegleichgewicht der Feder und Masse (siehe entsprechendes Bild). Die Federkraft ergibt sich zu F_C1 = C₁ * Δx und der x-Anteil der Gewichtskraft zu F_g,x = m * g * sin(φ). Damit kürzt sich C₁ am Ende einmal raus und bleibt im Nenner stehen.

Potential Federkraft F_C2

Π_FC2 = 0.5 * C₂ * Δx² = 0.5 * C₂ * (3 * a * sin(φ))²

Der Weg Δx ergibt sich einfach aus der Trigonometrie (siehe entsprechendes Bild).

Potential Gewichtskraft F_g

Π_FG = m * g * Δz = m * g * (a + m * g * sin(φ) / C₁) * sin(φ)

Dabei ergibt sich Δz auch über Trigonometrie (siehe entsprechendes Bild). Zuerst wird der Zusammenhang Δz = (l(φ) - a) * sin(φ) aufgestellt. Anschließend kann l(φ) = l(0) + Δl(φ) = 2a + Δx = 2a + m * g * sin(φ) / C₁ ersetzt werden. Das führt auf Δz = (2a + m * g * sin(φ) / C₁ - a) * sin(φ) = (a + m * g * sin(φ) / C₁) * sin(φ)

Gesamtpotential

Das Gesamtpotential ergibt sich dann über Addition der einzelnen Potentiale, wobei die Gewichtskraft als Potential negativ eingeht, da diese das System aus dem Gleichgewicht bringt (bzw. ein Moment in die entgegengesetzte Richtung zu den Federn erzeugt).

Logischer Entwurf kann ich thematisch sehr empfehlen, wenn man sich für Rechenoperationen und Schaltungen auf Bit-Ebene interessiert. Als "sehr schwer" würde ich das auf keinen Fall bezeichnen! Wie im Namen schon enthalten, ist das alles sehr logisch und gut nachvollziehbar - ich persönlich fand das Fach sogar recht einfach und konnte mit geringem Aufwand eine sehr gute Note erzielen. Dadurch, dass es auch einen maximalen Notenbonus von 1,0 (abhängig von den in den Übungen erreichten Punkten!) gibt, kann man seine Note nochmal deutlich aufwerten.

Der schlechte Schnitt bzw. die Wahrnehmung als schweres Fach kommt wohl eher dadurch, dass das ein Pflichtfach für Erstsemester Elektrotechnik ist. Wenn man neu im Studium ist und noch nicht an das eigenständige Lernen, den Klausurenstress oder Formalia gewöhnt ist, wirkt denke ich jedes Fach erstmal etwas schwerer. Den Notenspiegel aus dem WiSe 20/21 habe ich mal unten angehangen.

Trotzdem gibt es mit Mensch-Maschine-Schnittstelle (Notenspiegel angehangen), Werkstofftechnologie und Anwendung, 3D-Druck und Additive Fertigung (Notenspiegel angehangen) oder Druck- und Medientechnik deutlich einfachere Fächer, die mit sehr viel geringerem Aufwand zu einer sehr guten Note führen können. Dazu wurden in einem anderen Forenbeitrag schon Meinungen geteilt.

Hallo zusammen,

Da die Veranstaltung dieses Semester das erste Mal gehalten wurde, möchte ich hiermit einen kurzen Überblick geben.

Organisation

Das Modul gibt 4 CP und ist ein Pflichtfach für den Schwerpunkt Digitale Produktion und Robotik. Da die Vorlesung von PtU und PTW zusammen organisiert wird, sind die Themen zwischen Prof. Groche und Prof. Weigold aufgeteilt. Zusätzlich zu den wöchentlichen Vorlesungen gab es einen Sondertermin. Neben der Vorlesung wurde eine Übung angeboten, durch welche man einen Notenbonus von 0,3 erwerben konnte. Die Übung vor Ort dauerte unter 2 Stunden exklusive der Vor- und Nachbereitung zuhause und es konnte zwischen zwei Terminen gewählt werden (einer vom PtU und einer vom PTW), wobei es inhaltlich (zumindest beim PTW) um die Nachgiebigkeit einer Maschine ging.

Inhalt

Die Vorlesung behandelt grob die konstruktiven Teile von Maschinen, sowie deren Regelung und Digitalisierung. Die Themen waren:

1. Grundaufbau Werkzeugmaschinen

2. Gestell (Gestellformen, Gestaltung, statische und dynamische Steifigkeit, thermische Belastung, Werkstoffe, FEM)

3. Antriebe (Elektromotoren, hydraulische Wandler, mechanische Getriebe)

4. Führungen und Lager (Wälzlager, hydrostatische und hydrodynamische Lager, Aerostatische Lager, Elektromagnetische Lager)

5. Steuerung und Regelung (PID-Regler, Vorsteuerung und Schleppfehler, Kaskadierte Regelung, Sollbahngenerierung, Regelgüte)

6. Automatisierung von Werkzeugmaschinen (Automatiserungsstufen, Spannsysteme und automatisches Werkzeugwechseln, Möglichkeiten & Grenzen)

7. Messtechnik (Definitionen, systematische und zufällige Fehler, Maschinen- und Prozessfähigkeit, Werkstückvermessung)

8. Sicherheitstechnik (CE-Zeichen, Maschinenrichtlinie, Risikobeurteilung), Industrievortrag

Prüfung (Wählbar aus vorgegebenen Terminen von Juli bis Dezember)

Die Prüfung findet in 3er Gruppen statt und beginnt mit einem 30 minütigen schriftlichen Teil, für welchen keine Punkteverteilung angegeben ist. Anschließen mussten wir kurz warten, während der schriftliche Teil korrigiert wurde. Danach kam der mündliche Teil (ca. 20 Minuten?), in welchem detaillierter auf die Fragen des schriftlichen Teils eingegangen wurde. Teilweise wurden wir auch nach unseren Antworten gefragt und mussten diese näher erläutern. Prüfungen finden je nach Termin entweder bei Prof. Groche oder Prof. Weigold statt. Am Ende wird einem direkt die Note mit geteilt. Ein Gedächtnisprotokoll meiner Prüfung liegt in der Filebase, den Notenspiegel hänge ich an, sobald die Noten in Tucan eingetragen sind.

Persönliche Meinung

Für einen ersten Durchlauf fand ich das Modul ganz gut gelungen. Gerade die Übung hat mir sehr gut gefallen! Dadurch bekommt man neben dem Notenbonus auch ein bisschen Praxis mit und ich würde auch jedem empfehlen die zu besuchen. Inhaltlich ist das Meiste leider bereits aus anderen Vorlesungen bekannt, in welchen der Stoff auch weit tiefer vermittelt wird. Effektiv viel neues, bekommt man also nicht zu hören. An manchen Stellen hat es für mich auch so gewirkt, als würde einfach nur eine möglichst große Bandbreite an Themen angeschnitten, ohne wirklich zu wissen, welche Aussage bzw. welches Lernziel damit konkret vermittelt werden soll. Bei der Prüfung ist es deswegen auch ein bisschen schade, dass anders als in der Vorlesung praktisch keine Bandbreite abgedeckt wird, sondern lediglich drei vier Aspekte im Detail besprochen werden. Den Inhalt der Prüfung konnte man letztendlich sicherlich auf unter 20 Folien reduzieren, die man dafür perfekt auswendig können muss. Dennoch empfand ich die Prüfung und Bewertung als fair!

Quote from AnBa89

Zusammenschluss von Studenten via WhatsApp bzw. Discord

Es gab im letzten Semester einen Discord-Server (Einladungslink: https://discord.gg/smaRe55zwm), der aber ausschließlich für die Klausurvorbereitung (im WiSe 21/22 und SoSe 22) genutzt wurde. Da sind neben Fragen/Antworten auch u.a. zwei Formelsammlungen und die Lösungen von Kommilitonen für das Übungsbuch.

Hallo zusammen,

Da die Veranstaltung in ihrer jetzigen Form dieses Semester das erste Mal gehalten wurde, möchte ich einen kurzen Überblick geben. Weil das Modul aus dem Fachbereich Informatik stammt, kann man sich als Maschinenbauer nicht direkt dafür anmelden, sondern muss den Weg über das MechCenter gehen, falls man sich das Modul im WP III anrechnen lassen möchte.

Organisation

Das Modul gibt 6 CP; Vorlesungs- und Prüfungssprache ist Englisch. Die Vorlesung bestand aus 9 Terminen (Abends von 18 bis 21 Uhr), in denen jeweils ein komplettes Kapitel von den betreuenden Doktoranden vorgetragen wurde. Alle Vorlesungen wurden aufgezeichnet und hochgeladen. Zusätzlich gab es vertiefende Literatur (nicht klausurrelevant) und YouTube Videos. Die Prüfungsleistung bestand aus zwei Assignements, die während des Semesters abgegeben wurden und einer Klausur am Ende des Semesters.

Voraussetzungen

Laut Modulbeschreibung wird das Modul "Statistical Machine Learning" empfohlen. Ich habe dieses nicht besucht und kann dazu nichts sagen. Da keine wirklichen mathematischen Inhalte vom maschinellen Lernen bzw. bestimmten Algorithmen abgefragt werden, schätze ich das nicht als zwingend notwendig ein. Vielmehr ist ein allgemeines Verständnis von Machine und insb. Deep Learning notwendig. Gerade zu Neuronalen Netzen (Aufbau, Training, Mathematik, Programmierung in Python mittels torch oder tf) sollte definitiv Erfahrung vorhanden sein.

Inhalt

Die Vorlesung behandelt im ersten Teil Klassisches Reinforcement Learning und im zweiten Teil tiefe Ansätze durch z.B. neuronale Netze

1. Introduction to Reinforcement Learning (What is RL?, Flavors and Components of RL Problems)

2. Markov Decision Process (Markov Reward Process, Finite Markov Decision Process, Policies and Value Functions)

3. Dynamic Programmig (Monte-Carlo Algorithms, Temporal-Difference Learning)

4. Tabular Reinforcement Learning (On-Policy Monte-Carlo and TD Learning, Off-Policy Learning)

5. Function Approximation (Continuous Enviroments, On- and Off-Policy methods)

6. Policy Search (Policy Gradient, Natural Gradient, Policy Gradient Theorem)

7. Deep Reinforcement Learning (Scaling RL to high-dimensions, Deep Q-Learning, DQN enhancements)

8. Deep Actor-Critic (Entropy, Deep Actor-Critic On- and Off-Policy methods)

9. Frontiers in Reinforcement Learning (Partial Observability, Hierachical Control, MDPs without reward)

Wer an den Inhalten genauer interessiert ist, kann sich die Zusammenfassung eines Informatik-Studenten unter Reinforcement Learning by Fabian Damken (english) | Fabian Damken anschauen.

Prüfung (16.09.2022)

Die Prüfungsleistung setzt sich aus zwei Assignements mit je 20% Gewichtung und einer Klausur mit 60% Gewichtung zusammen. Die Klausur ist schriftlich und dauert 90 Minuten. Inhaltlich wurden Fragen zu Basic Theory (Was ist eine Value function?), reasoning questions (Wann sollte man welchen Ansatz warum nutzen), Pseudocode der Algorithmen (Wie funktioniert Algorithmus XY) und Rechenaufgaben mit der Anwendung von Formeln (compute TD error and apply update, proof the policy gradient theorem). Es war keine Formelsammlung erlaubt - alle Formeln und update Funktionen mussten auswendig gelernt werden! Die Assignements waren Programmieraufgaben, in welchen man jeweils fehlende Code-Blöcke in Jupyter Notebooks ergänzen oder Hyperparameter tunen sollte. Den Notenspiegel der Gesamtnote ist diesem Beitrag angehangen.

Persönliche Meinung

Die Organisation war in meinen Augen schlecht. Bis zur Klausur war deren Dauer nicht bekannt, die Anforderungen für die Klausur und Assignements waren nie klar formuliert und es mussten des öfteren andere/zusätzliche Sachen gemacht werden als eigentlich angegeben. Vor der Klausur wurde z.B. gesagt der Pseudocode von Algorithmen müsse nicht auswendig gelernt werden, obwohl am Ende ca. 30% der Klausur aus reiner Reproduktion von Pseudocode bestanden. Nicht einmal die Berechnung der Note konnte der Doktorand in der Vorbesprechung der Klausur richtig wiedergeben und musste per Moodle berichtigt werden. Bei den Assignements lief das Ganze nicht wirklich besser. Bei der Installation der packages hatten viele Probleme und fast das gesamt Moodle-Forum besteht nur aus Fragen zu Errors bei der Installation. Auf Hilfe von den Tutoren konnte man dabei nicht wirklich hoffen. Mehr als "deinstallieren und installieren" oder "schau mal unter dem Link" kam da nicht (Ich hatte glücklicherweise keine Probleme bei der Installation). Die Laufzeiten der Skripte waren auch durchaus viel zu hoch. Gerade beim zweiten Assignement hätte mein PC mehrere Tage durchgängig unter Volllast laufen müssen (von dem Institut wurde dann eine Google Collab Umgebung bereit gestellt, die ich genutzt habe). Abgesehen davon hat die Bearbeitung der Assignements während des Semesters jedoch wirklich Spaß gemacht und deutlich mehr vermittelt, als die Klausur.

Ich würde das Modul nicht empfehlen - aber auch nicht davon abraten. Gerade wenn die Veranstaltung auf dem Feedback überarbeitet wird und im nächsten SoSe besser läuft, kann das Modul für Personen interessant sein, die sich tiefer mit RL (z.B. als Vorbereitung für die Masterthesis) beschäftigen wollen. Die Doktoranden haben sich zumindest Mühe gegeben und bei den Assignements wurden bereits Änderungen für den nächsten Durchlauf angekündigt.

Abschließend noch ein paar Zitate aus der Vorlesung:

"If you don't know the formula, you don't know reinforcement learning" ~ Davide Tateo

"Infection by Snickers has not been scientificly proven yet" ~ Jan Peter

Anbei der Notenspiegel.

Gerade für die Konstruktionsphase im PDP sollten m.M.n. Kentnisse in MM2 vorhanden sein. In der Konstruktionsphase muss jeder ein mit dem Betreuer abgestimmtes Bauteil rechnerisch auslegen und zeichnen - das Bauteil ist jeweils eine Einzelleistung, die auch individuell bewertet wird. Solange du Bauteile auslegen und zeichnen kannst, ist es denke ich sekundär ob MM2 bestanden ist oder nicht.

Aus MM1 sind nur die Simulink Übungen für die Simulationsphase relevant. Da ist es hilfreich, wenn man mit MATLAB/Simulink umgehen kann, aber ich würde MM1 allgemein nicht als Voraussetzung für das PDP bezeichnen. Wichtiger wäre da ein allgemeines technisches Verständnis.

Die Prüfung vom 10.10.2022 wurde wegen Krankheit des Professors leider auf den 23. November verschoben... ich hatte vor, danach ein Gedächtnisprotokoll anzufertigen und einen Erfahrungsbericht zu schreiben. Bis dahin, kann ich leider genau so wenig zur Prüfung sagen, wie vor zwei Wochen.

Während meiner Vorbereitung hatte ich angefangen, die Themen nur mit den Folien auf Verständnis zu lernen (z. B. unter welchen Umständen welche Bauart eines Antriebs sinnvoll ist und nicht nur stumpf, welche es generell gibt). Von dem was ich noch mitbekommen habe, wurde wohl vor allem Verständnis und Zusammenhänge abgefragt - dafür gebe ich aber keine Garantie!

Im Prinzip stellst du die Potentiale in Relation zum Drehpunkt (= Mittelpunkt der Drehscheibe) auf und bildest daraus das Gleichgewicht.

Potential der Gewichtskraft F_g

F_g = G * Δz = m *g * Δz = m *g * 2 * s * cos(φ)

Die vertikale Verschiebung wird relativ zum Mittelpunkt der Drehscheibe betrachtet (vgl. Grafik). Daraus ergeben sich zwei Dreiecke mit jeweils einer vertikalen Länge von z_Dreieck = s * cos(φ). Demnach ergibt sich die Gesamtverschiebung zu Δz = 2 * z_Dreieck = 2 * s * cos(φ).

Potential der Federkraft F_c

F_c = 1/2 * c * Δx² = 1/2 * c * ( x_aktuell - x_ruhe)² = 1/2 * c * (s * sin(φ) - s * sin(pi/6))²

Der aktuelle Angreifpunkt der Feder relativ zum Mittelpunkt der Drehscheibe ergibt sich über Trigonometrie zu x_aktuell = s * sin(φ). Die Feder ist für x_ruhe = s * sin(pi/6) entspannt. Der Weg, welcher Arbeit verrichtet ist die Differenz zwischen Ausgangslage und aktueller Position des Angreifpunktes (vgl. Grafik). Damit ergibt sich Δx = x_aktuell - x_ruhe = s * sin(φ) - s * sin(pi/6).

Gesamtpotential

Π(φ) = F_g + F_c = m *g * 2 * s * cos(φ) + 1/2 * c * (s * sin(φ) - s * sin(pi/6))²

Filebase für Politikwissenschaften ist angelegt. Ich habe zudem teils vorhandene Kategorien umbenannt, um diese weiträumiger zu nutzen. Damit gibt es jetzt analog zum Forum je eine Filebase für Soziologie, Sportwissenschaften, Geschichte und Psychologie. Zusätzlich habe ich eine Kategorie Sonstiges angelegt, die als Sammelforum im Bereich Studium Generale für z. B. Philosophie, Sprach- und Literaturwissenschaft oder Pädagogik dienen soll/kann. Wer also noch Lehrmaterialien, Zusammenfassungen oder sonst was dazu hat: rein da!

Vielleicht fällt mir auch noch eine elegante Lösung für die WIMBler ein. Deren Module sind aktuell über Studium Generale und den separaten Bereich für Wirtschaftswissenschaften gestreut.

1. In my understanding, the activity itself must be related to Aerospace. Accordingly the industry segment of the company ist secondary. A classic administrative activity would probably not be recognized, even if it's completed in an AE company. Aerodynamic simulations on the other hand, have a clear reference to the study. I would base my internship search on the module contents. As long as you have points of contact there, the recognition should be no problem. In any case the training objectives on the recognition form must be fulfilled. If you are too unsure about the content, i would recommend to contact the MechCenter - they'll help you with specific questions, since I can only tell my personal opinion.
2. The Fsmb maintains an list in which various companies are listed, where internships have been completed. I did an internship in the chemical industry an had successfully recognized it as an External Projectwork. Since the EPW ist nearly equivalent to a normal 3-month internship and many companies don't know about the EPW, I applied as a "normal" intern and would recommend this to others too.

Ich habe meine Prüfung erst beim nächsten Prüfungstermin am 10.ten Oktober. Dementsprechend kann ich leider selbst nicht einschätzen, was einen in der Prüfung erwartet.

Sam123 (und @jederAndereDerDiePrüfungHatte) hattest du inzwischen die Prüfung und kannst etwas bzgl. Prüfungsinhalt, -ablauf und -atmosphäre erzählen? Inwiefern wurden Formeln im schriftlichen Teil abgefragt? Zielen die Fragen auf reine Reproduktion oder eher das Verständnis und Transfer ab?

Die Ergebnisse wurden gerade veröffentlicht.

Anbei der Notenspiegel, für alle, die überlegen das Modul im nächsten Semester zu belegen:

EDIT: Anbei auch noch von jemd. anderem der Notenspiegel aus der Hauptklausur im WiSe 2021/2022:

Forum und Filebase sind sowohl für den Bachelor als auch den Master an die neue Prüfungsordnung angepasst und auch die gewünschte Kategorie für Tutorien in der Filebase ist angelegt. Weitere Foren- /Filebasewünsche oder Korrekturen können gerne hier gepostet oder per PN geschrieben werden!

Die Forennamen sollten nun auch (fast immer) dem offiziellen Modulnamen entsprechen. In der Forenbeschreibung ist der Modulname in der jeweils gegensätzlichen Sprache (Deutsch <--> Englisch) angegeben, sodass man ggf. mit Strg + F nach einem Modulnamen in beiden Sprachen suchen kann.

Noch ein Hinweis für die Masterstudierenden nach PO2014: In der PO2021 wurde dem MHB zufolge HMD in Mehrkörperdynamik überführt (vgl. angehängte Auszüge aus dem MHB). Die alten Foren und Dateien sind ab jetzt jeweils im Forum bzw. der Filebase für Mehrkörperdynamik im WP II (WiSe) zu finden.

Quote from Hasses

Ich kann mir aber nicht erklären, warum nur so wenige Ergebnisse (39) vorliegen. Im Klausurraum saßen an die 80 bis 90 Leute

Das kann daran liegen, dass der Notenspiegel den du geschickt hast nur die Personen im 1. Versuch berücksichtigt (aus deinem Bild: Schriftzug "1. Versuch" unter der Modulnummer). Im Notenschnitt unter Modulabschlussleistungen sind dann soweit ich weiß alle Prüfungsteilnehmer enthalten. Wobei ich stark bezweifle, dass da 40 Personen im Zweit- oder Drittversuch waren - aber vielleicht hilft das ja trotzdem

Die Ergebnisse wurden gerade erst veröffentlicht. Anbei der Notenspiegel: