Cilji in kompetence
Cilji predmeta so:
• osvojiti in razumeti pojme in znanja s področja optimizacije in načrtovanja modelov pametnih logističnih sistemov (PLS),
• pravilno identificirati probleme s tega področja in pridobiti znanja za konstrukcijo modelov in uporabo optimizacijskih metod in algoritmov,
• razumeti mehanizme delovanja optimizacijskih metod in načrtovanih modelov in jih znati pravilno uporabiti za reševanje problemov,
• pridobiti znanja pravilne klasifikacije različnih problemov in zmožnosti uporabe pravilnih in ustreznih postopkov optimizacije in pristopov k načrtovanju modelov za dani problem,
• pridobiti razumevanje teoretičnih ozadij, nujno potrebnih za pravilno interpretacijo dobljenih rezultatov optimizacije in načrtovanih modelov in ocenitev kakovosti razvitih metod in modelov,
• pridobiti razumevanje fizikalnih in matematičnih mehanizmov v ozadju obravnavanih problemov in procesov v okviru PLS,
• se naučiti pravilno ovrednotiti ustreznost in kvaliteto načrtanih modelov in metod, ter znati pravilno uporabiti ustrezne metrike za testiranje veljavnosti modelov in metod,
• se naučiti pravilno interpretirati rezultate razvitih modelov in metod ter pravilno podati sklepe na osnovi načrtanih modelov in metod.
Kompetence, ki jih pridobijo študenti:
• osvojijo teoretično znanje na področju optimizacije in načrtovanja modelov PLS,
• poglobljeno razumejo področje optimizacije in načrtovanja modelov PLS,
• spoznajo in razumejo metrike pri optimizaciji in načrtovanju modelov PLS,
• razumejo fizikalne in matematične mehanizme v ozadju postopkov optimizacije in načrtovanja modelov PLS,
• rešujejo kompleksne probleme v logističnih sistemih s pomočjo optimizacije in načrtovanja modelov PLS,
• razumejo delovanje optimizacijskih metod in načrtanih modelov PLS, koristno tako v okviru tega, kot tudi drugih sorodnih predmetov.
Vsebina
1. Optimizacija pametnih logističnih sistemov in optimizacijski modeli (zvezna in diskretna, projektne spremenljivke, eno-in več-objektna funkcijska optimizacija, omejitve, modeliranje optimizacijskih problemov in optimizacijski modeli, numerična orodja).
2. Klasične in moderne optimizacijske metode in algoritmi (eksaktne metode, aproksimacijske metode, hevristični algoritmi, problemsko specifične hevristike, meta-hevristike, genetski algoritmi, kolonija mravelj, simulirano ohlajanje).
3. Statistični regresijski modeli in napovedovanje časovnih vrst v pametnih logističnih sistemih (regresijski modeli, modeli linearnih in nelinearnih časovnih vrst, hibridni modeli, problematika izbire optimalnih modelov, uporaba ustreznih numeričnih orodij, napovedovanje v pametnih sistemih).
4. Matematično modeliranje prometnih tokov v pametnih logističnih sistemih (makroskopski “stream” modeli, modeli stacionarnega toka, makroskopski zvezni modeli prometa, modeliranje zastojev in ozkih grl, množična strežba in čakalne vrste pri modeliranju prometa).
Metode poučevanja in učenja
Predmet vključuje različne metode poučevanja in učenja, kot so: predavanja v klasični obliki, predavanja preko video predstavitev, filmov in webinarjev, predstavitve študentov in samostojni študij študentov.
Predavanja: pri predavanjih študent spozna teoretične vsebine predmeta. Del predavanj se izvaja na klasični način v predavalnici, del pa v obliki e-predavanj (e-predavanja se lahko izvajajo na videokonferenčni način ali s pomočjo posebej v ta namen didaktično pripravljenih e-gradiv v virtualnem elektronskem učnem okolju).
Vaje: pri vajah študent utrdi teoretično znanje in spozna aplikativne možnosti. Del vaj se izvaja na klasični način v predavalnici, del pa v obliki e-vaj (e-vaje se lahko izvajajo na videokonferenčni način ali s pomočjo posebej v ta namen didaktično pripravljenih e-gradiv v virtualnem elektronskem učnem okolju).
Predvideni študijski rezultati - znanje in razumevanje
Znanje in razumevanje:
Študent/študentka bo ob zaključku predmeta zmožen:
• obvladati raziskovalne metode, postopke in procese na področju optimizacije in načrtovanja modelov PLS,
• samostojno znanstveno raziskovati na področju optimizacije in načrtovanja modelov PLS,
• razumeti uporabo optimizacije in načrtovanja modelov PLS in poglobljeno analizirati probleme s pomočjo sistemskega razmišljanja na tem področju,
• ustvarjalno sodelovati in reševati probleme v pametnih logističnih okoljih.
• pridobiti splošna in specifična znanja na področju optimizacije in načrtovanja modelov PLS,
• integrirati različne koncepte na področju optimizacije in načrtovanja modelov PLS, ki vodijo k inovativnim rešitvam obravnavanih problemov,
• kritično analizirati kompleksna znanja, koncepte, pristope in strategije k optimizaciji in načrtovanju modelov,
• sintetizirati informacije s področja optimizacije in načrtovanja modelov PLS, ter prepoznati vrednosti znanja ali procesov z vidika predmeta in prakse.
Študijski rezultati se bodo preverjali (in merili) na različne načine, kot je to definirano v deležih (v %) pri načinih ocenjevanja.
Temeljni literatura in viri
E-gradivo predmeta.
Arora, R. K. Optimization: Algorithms and Applications; CRC Press, 2015.
Box, G. E. P., Jenkins, G. M., Reinsel, G. C., et al. 2015. Time Series Analysis: Forecasting and Control: John Wiley & Sons.
DRAGAN, Dejan. Optimizacija logističnih procesov : visokošolski učbenik. Celje: Fakulteta za logistiko, 2010. 1 optični disk (CD-ROM), barve. ISBN 978-961-6562-40-9 . [COBISS.SI-ID 252279808].
DRAGAN, Dejan. Upravljanje logističnih sistemov : visokošolski učbenik. Celje: Fakulteta za logistiko, 2009. 434 str., ilustr. ISBN 978-961-6562-31-7 . [COBISS.SI-ID 246006272].
DRAGAN, Dejan. Modern optimization methods, models, metaheuristics, and their role in logistics and supply chains : material of the subject Modeling principles in logistics : graduate study. 1. izd. Celje: Fakulteta za logistiko, 2020. [115] str., ilustr. http://estudij.um.si/. [COBISS.SI-ID 513119037].
DRAGAN, Dejan. Principi modeliranja v logistiki : visokošolski učbenik. Celje: Fakulteta za logistiko, 2010. 1 CD-ROM. [COBISS.SI-ID 512264509].
DRAGAN, Dejan. Statistika in uvod v regresijske modele v Matlabu pri optimizaciji logističnih procesov : visokošolski učbenik. 1. izd. Celje: Fakulteta za logistiko, 2014. 801 str. http://blend.fl.uni-mb.si/. [COBISS.SI-ID 80939521].
Leutzbach, W. 2012. Introduction to the Theory of Traffic Flow: Springer Science & Business Media.
Talbi, E.-G. Metaheuristics: From Design to Implementation; John Wiley & Sons, 2009.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Ni pogojev.
Opombe
Opravljene obveznosti e-predavanj in e-vaj so pogoj za pristop k izpitu.
• Pisni izpit 30%
• Ustni izpit 30%
• Naloge pri e-predavanjih in e-vajah 10%
• Raziskovalna naloga 30%
