Cilji in kompetence
• dati študentom poglobljena znanja o ključnih fazah v diskretnih simulacijskih in optimizacijskih projektih (s teoretičnega in praktičnega vidika),
• zagotoviti študentom praktične veščine in izkušnje, potrebne pri obravnavi realnih proizvodnih razmer.
• Potrebno znanje in veščine za izvajanje učinkovitih simulacijskih in optimizacijskih projektov.
Vsebina
• Simulacije kot metoda optimiranja proizvodnje.
• Tradicionalni postopki diskretne optimizacije.
• Metahevristični postopki diskretne optimizacije.
• Logika modeliranja in razvoj izbranih algoritmov, verifikacija in validacija.
• Načrtovanje preizkusov.
• Večkriterijska optimizacija, uporaba AHP metode.
• Sodobna simulacijska programska orodja (splošna in namenska).
• Optimizacijske metode (pri terminiranju, zalogah, razmeščanju delovnih mest ipd.).
• Zahtevni primeri, raziskovalne študije.
Metode poučevanja in učenja
• predavanja,
• konzultacije,
• laboratorijske vaje,
• individualni študij,
• izdelava seminarske naloge.
Predvideni študijski rezultati - znanje in razumevanje
• pridobiti poglobljeno znanje za razvoj ustreznih veljavnih konceptualnih modelov, izvajanje simulacijskih preizkusov in snovanje zaključkov v zvezi z optimizacijo,
• imeti sposobnost analize, sinteze in vrednotenja na vrhunskem nivoju pri izvedbi ekspertnih znanstvenih simulacijskih in optimizacijskih študij,
• uporabljati simulacijska programska orodja na ekspertnem nivoju.
Temeljni literatura in viri
• B. Buchmeister: Modelling and simulation of production systems, DAAAM Int. Publishing, Vienna, 2020, https://plus.cobiss.net/cobiss/si/sl/bib/98453249.
• M. A. Law: Simulation Modeling and Analysis, McGraw-Hill, New York, 2024, https://plus.cobiss.net/cobiss/si/sl/bib/206203907.
• S. Bangsow: Manufacturing Simulation with Plant Simulation and SimTalk, Springer, Berlin, 2010, https://plus.cobiss.net/cobiss/si/sl/bib/14701334.
• M. C. Fu (ed.): Handbook of Simulation Optimization, Springer, New York, 2015, https://plus.cobiss.net/cobiss/si/sl/bib/3710000000280933.
• M. Tomczak: Deep Generative Modeling, Springer, Cham, 2022, https://plus.cobiss.net/cobiss/si/sl/bib/200055043
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Predhodno znanje s področja menedžmenta proizvodnje ali industrijskega inženiringa ali operacijskih raziskav ter modeliranja na študijskih programih 1. ali 2. stopnje.
Podrobnosti o izvedbi in ocenjevanju • seminarska naloga (projekt) 50%,
• ustni izpit 50%.
