Cilji in kompetence
Cilji predmeta so:
• osvojiti in razumeti pojme in znanja s področja kvantitativnih metod in modelov logističnih sistemov (LS),
• pravilno identificirati probleme s tega področja in pridobiti znanja za konstrukcijo modelov in uporabo kvantitativnih metod v LS,
• razumeti mehanizme delovanja kvantitativnih metod in modelov LS, ter jih znati pravilno uporabiti za reševanje problemov,
• pridobiti znanja pravilne klasifikacije različnih problemov in zmožnosti uporabe pravilnih in ustreznih postopkov kvantitativnih metod in modelov LS za dani problem,
• pridobiti razumevanje teoretičnih ozadij, nujno potrebnih za pravilno interpretacijo dobljenih rezultatov kvantitativnih metod in modelov LS in ocenitev njihove kakovosti,
• pridobiti razumevanje fizikalnih in matematičnih mehanizmov v ozadju obravnavanih problemov in procesov v okviru logističnih sistemov,
• se naučiti pravilno ovrednotiti ustreznost in kvaliteto načrtanih kvantitativnih metod in modelov LS, ter znati pravilno uporabiti ustrezne metrike za testiranje njihove veljavnosti,
• se naučiti pravilno interpretirati rezultate razvitih kvantitativnih metod in modelov LS ter pravilno podati sklepe na njihovi osnovi.
Kompetence, ki jih pridobijo študenti:
• osvojijo teoretično znanje na področju kvantitativnih metod in modelov LS
• poglobljeno razumejo kvantitativne metode in modele LS,
• spoznajo in razumejo metrike pri kvantitativnih metodah in modelih LS,
• razumejo fizikalne in matematične mehanizme v ozadju kvantitativnih metod in modelov LS,
• rešujejo kompleksne probleme v logističnih sistemih s pomočjo kvantitativnih metod in modelov LS,
• razumejo delovanje kvantitativnih metod in modelov LS, koristno tako v okviru tega, kot tudi drugih sorodnih predmetov.
Vsebina
1. Modeliranje stohastičnih procesov in čakalnih vrst: Izbrana poglavja iz teorije verjetnosti, Markovske verige, Markovski, Poissonovi, rojstno-smrtni procesi, Enokanalni in večkanalni sistemi množične strežbe tipa M/M/r.
2. Teorija grafov in mrežna optimizacija: osnovne definicije, Eulerjevi in Hamiltonovi grafi, drevesa, različni algoritmi in metode za tipične probleme (kitajski poštar, trgovski potnik, minimalno vpeto drevo, maksimalen pretok, najkrajša pot, lokacijski problemi).
3. Matematično programiranje in nelinearna optimizacija: optimizacijski modeli, nelinearno programiranje, osnovne nelinearne direktne in gradientne metode brez omejitev (Hooke-Jeeves, Nelder-Mead simplex, Najstrmejši spust, Newton), geometrijsko programiranje.
4. Multivariantna statistika in modeliranje strukturnih enačb: lastnosti multivariantnih podatkov, PCA analiza glavnih komponent, faktorska analiza, strukturno modeliranje (structural equation modeling).
5. Osnovni principi metod za večkriterijsko odločanje: analitični hierarhični procesi (AHP), mehki AHP modeli, TOPSIS modeli, DEX modeli, skupinsko odločanje, drugi modeli.
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 bo ob zaključku predmeta zmožen:
• obvladati raziskovalne metode, postopke in procese na področju kvantitativnih metod in modelov LS,
• samostojno znanstveno raziskovati na področju kvantitativnih metod in modelov LS,
• razumeti uporabo kvantitativnih metod in modelov LS,
• poglobljeno analizirati probleme s pomočjo sistemskega razmišljanja na tem področju,
• integrirati različne koncepte kvantitativnih metod in modelov LS, ki vodijo k inovativnim rešitvam obravnavanih problemov,
• kritično analizirati kompleksna znanja, koncepte, in pristope k uporabi kvantitativnih metod in načrtovanju kvantitativnih modelov, ter oblikovanju ustreznih strategij,
• sintetizirati informacije s področja kvantitativnih metod in modelov LS, 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
DRAGAN, Dejan: Upravljanje logističnih sistemov : visokošolski učbenik. Celje: Fakulteta za logistiko, 2009
DRAGAN, Dejan: Predstavitev optimalnih strategij za upravljanje zalog pri stohastičnem povpraševanju : interno dodatno gradivo, 2009.
Box G., Jenkins, G.M,: Time Series Analysis: Forecasting and Control, Wiley, 4th ed., 2008.
Winston W.L.: Operations Research: Applications and Algorithms, Cengage Learning, 4th ed., 2004.
Bowerman B.L.: Forecasting, Time Series, and Regression, Cengage Learning, 4th edition, 2004.
Balakrishnan, V.K.: Schaum's Outline of Graph Theory, McGraw-Hill,1st edition, 1997.
Korte, B., Vygen, J.: Combinatorial optimization, Theory and Algorithms, 4th ed., Springer, 2008.
Wilson, R.J.,WatkinsJ.J.: Uvod v teorijo grafov, Društvo matematikov, fizikov in astronomov Slovenije, Ljubljana, 1997.
DRAGAN, Dejan. Stohastični procesi v logistiki : visokošolski učbenik. Celje: Fakulteta za logistiko, 2013. 570 str., graf. prikazi. https://fl.um.si/knjiznica/digitalna-knjiznica/e-knjige/.
DRAGAN, Dejan. Optimizacija logističnih procesov : visokošolski učbenik. Celje: Fakulteta za logistiko, 2010. 429 str., graf. prikazi. https://fl.um.si/knjiznica/digitalna-knjiznica/e-knjige/.
DRAGAN, Dejan. Principi modeliranja v logistiki : visokošolski učbenik. Celje: Fakulteta za logistiko, 2010. 194 str., graf. prikazi. https://fl.um.si/knjiznica/digitalna-knjiznica/e-knjige/.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Ni pogojev.
Podrobnosti o izvedbi in ocenjevanju 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%
