Newseinträge
Die Winterchallenge geht in die zweite Runde!

Teil 1 verpasst? Klicke hier für alles, was du wissen musst!

Die Winterchallenge geht in die zweite Runde: Ausreißer im Bestellverhalten

In der Planung ist es oft hilfreich zu wissen, was die kleinste Verpackung ist, in der ein Produkt verkauft wird. Man kann davon ausgehen, dass Eier immer in einer Stückzahl verkauft werden, die ein Vielfaches von 6 ist, da es Eier in 6er Kartons zu kaufen gibt. Schauen wir uns die tatsächlichen Verkaufszahlen an, sehen wir aber, dass diese Annahme nicht stimmt. Das liegt daran, dass Eier auch in 10er Kartons verkauft werden. Solche Phänomene sollen in dieser Aufgabe aufgespürt werden.

Auch in der Industrie gibt es solche Zusatzinformationen. Leider sind diese oftmals nicht ganz zuverlässig. In der folgenden Aufgabe geht es darum zu erkennen, ob die angegebene Verpackungsgröße eine zuverlässige Kennzahl ist.

Wir haben hierzu ein paar Zeitreihen vorbereitet. Du findest sie hier. An ihrem Dateinamen erkennst du, wie groß die Verpackung ist (z.B. beinhaltet die Datei file_2_quantity_86.csv eine Zeitreihe mit einer Verpackungsgröße von 86. file_2 bedeutet einfach nur, dass es die zweite Zeitreihe ist). Für diese Aufgabe nehmen wir an, dass es nur genau eine Verpackungsgröße pro Zeitreihe gibt. Dein Code soll eine Datei einlesen und identifizieren, ob folgende Regeln eingehalten werden:

  1. Maximal 7 Werte sind KEIN Vielfaches der angegeben Verpackungsgröße
  2. Es sind nie mehr als 3 aufeinanderfolgende Werte KEIN Vielfaches der Verpackungsgröße

Schreibe hierzu eine Funktion check_quantity_validity(filepath) in Python oder R, die den Dateinamen als Input erhält und das Ergebnis in einem JSON ausgibt in folgendem Format:

{"is_valid": "True"}

oder

{"is_valid": "False"}

Falls du uns zusätzliche Ergebnisse präsentieren willst, lege sie einfach als weiteres Feld in dem JSON-Objekt ab. Zeig uns in einem Jupyter Notebook, wie man deine Funktion aufruft. Wir freuen uns, deine Lösung mit weiteren Beispielen zu testen! Schick uns deine Einreichung an winter@challenge.prognostica.de. Wir freuen uns schon.

Vorheriger Eintrag: Lust auf was Neues? Mach mit bei der Winterchallenge!
Nächster Eintrag: Webinar über Generative AI

Kontakt

prognostica GmbH
Prymstr. 3
D-97070 Würzburg
P: +49 931 497 386 0

Ihr Partner für Predictive Analytics und Data Science.

Weitere Angaben, u. a. zum Datenschutz, finden Sie in unserem Impressum und unserer Datenschutzerklärung.

Folgen Sie uns!

© 2024 prognostica GmbH

Kontakt