| Akademický rok 1999/2000 |
| Garant: | doc. RNDr. Jindřich Klapka, CSc. | |||
| Garantující pracoviště: | ÚAI | |||
| Jazyk výuky: | čeština | |||
| Cíle předmětu: | ||||
| Seznámit posluchače s přístupy k tvorbě a s aplikacemi matematických metod pro optimální řízení procesů technologických i ekonomických, uplatnitelných například v automatizaci strojírenství, v ekonomickém řízení strojírenské výroby, v projektovém řízení a v optimalizaci infor- mačních systémů při využívání soudobých prostředků informatiky, a seznámit se s podílem informatiky na zdokonalování těchto metod a přístupů. |
||||
| Výstupy studia a kompetence: | ||||
| <B>Znalosti:</B> Znát základní principy a algoritmy metod, použitelných k optimalizaci deterministických a stochastických i fuzzy procesů diskrétních i spojitých. Znát základní principy a algoritmy metod, které jsou podstatou systémů na podporu rozhodování o projektech z hlediska jejich identifikace, výběru, průběhu a realizace. <B>Dovednosti:</B> Umět tyto metody používat k řešení praktických problémů z oblasti ekonomického rozhodování, ve zvyšování spolehlivosti technických zařízení, v automatisovaném řízení technologických procesů a v projektovém řízení s využitím soudobých prostředků informatiky, umět pracovat s moderními systémy na podporu rozhodování. |
||||
| Prerekvizity: | ||||
|   | ||||
| Obsah předmětu (anotace): | ||||
| Základy matematické teorie procesů. Optimální regulace. Bellmanův principjako nástroj optimalizace víceetapových procesů s obecně nelineárníkriteriální funkcí. Strategie optimálního rozhodování. Dynamicképrogramování jako nástroj tvorby metod k řešení deterministickýchi stochastických rozhodovacích optimalizačních problémů v diskrétními spojitém oboru a jeho výpočetní aspekty. Pontrjaginův princip maxima.Fuzzy regulace. Aplikace metod v řešení praktických problémů z oblastiekonomického rozhodování a v řízení technologických procesů. Optimalizaceprocesů projektového řízení v etapách vícekriteriálního výběru projektů doportfolia při omezených zdrojích, tvorby časových rozvrhů projektův deterministickém, stochastickém i fuzzy případě, nákladové analysy projektů a sledování odchylek mezi reálným a rozvrhovaným průběhem projektů. | ||||
| Metody vyučování: | ||||
|   | ||||
| Způsob a kritéria hodnocení: | ||||
| <B>Požadavky pro zápočet:</B> Zpracování zápočtového příkladu, aktivní účast na cvičeních <B>Požadavky pro zkoušku:</B> Ústní zkouška |
||||
| Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky: | ||||
|   | ||||
| Typ (způsob) výuky: | ||||
| Přednáška | 14 × 4 hod. | nepovinná | ||
| Cvičení odborného základu | 7 × 2 hod. | povinná | ||
| Cvičení na počítači | 7 × 2 hod. | povinná | ||
| Osnova: | ||||
| Přednáška | 1.Základy matematické teorie procesů. Bellmanův princip optimality a dynamické programování. 2.Optimalizace spojitého rozhodovacího procesu. 3.Pontrjaginův princip maxima. 4.Deterministické aplikace dynamického programování. 5.Optimální fuzzy regulace technologických procesů. 6.Stochastické aplikace dynamického programování. 7.Zvyšování spolehlivosti technických zařízení. 8 Základní pojmy metod síťové analýzy. 9 Výpočet časového rozvrhu projektu metodou CPM. 10 Výpočet při stochastickém ohodnocení činností (metoda PERT). Srovnání výsledků metody PERT a metod simulačních. 11.Nákladová analýza projektů včetně využití fuzzy lineárního programování. Heuristické metody pro tvorbu časových rozvrhů při omezených zdrojích. 12 Vícekriteriální výběr projektů. Synergické efekty a hierarchická struktura vzájemné závislosti projektů. 13.Sledování odchylek mezi rozvrhem a realitou. Systém SSD-graf. Microsoft Project 98. 14.Bilancování strojírenského výrobního pásu a montážní linky. |
|||
| Cvičení odborného základu | 1.Příklady interpretací základních pojmů z teorie procesů. 2.Příklady optimalizace spojitých procesů z oblasti řízení a regulace. 3.Příklady optimalizace procesů metodami postupných aproximací. 4.Příklady nalezení optimálního průchodu sítí a optimálního rozdělení zdrojů. 5.Příklad optimální fuzzy regulace technologického procesu. 6.Příklad optimalizace skladu náhradních dílů. 7.Příklad optimálního těžebního plánu. Příklad optimalizace spolehlivosti sériově zapojeného systému umělé družice. 8.Praktické příklady grafů a sítí. 9.Příklady výpočtů kritické cesty metodou CPM. 10.Numerické aplikace metody PERT. 11.Příklad tvorby rozvrhu projektu fuzzy lineárním programováním. Příklady heuristické tvorby rozvrhu při omezených zdrojích. 12.Využívání systému pro výběr projektů do portfolia. 13.Procvičování obsluhy systému 'SSD graf'. Práce s MS project 98. 14.Číselné příklady bilancování strojírenského výrobního pásu a montážní linky. Poznámka: Část výuky bude na počítačích. |
|||
| Cvičení na počítači |   | |||
| Literatura - základní: | ||||
| 1. Bertsekas, D. P.: Dynamic Programming and Optimal Control: Vol. I. Athena Scientific, Nashua. 2017. | ||||
| 2. Puterman, M. L.: Markov Decision Processes: Discrete Stochastic Dynamic Programming. Wiley-Interscience, New Jersey, 2005. | ||||
| Literatura - doporučená: | ||||
| 4. Klapka, J.; Dvořák, J.; Popela, P.: Metody operačního výzkumu. VUTIUM, Brno, 2001. | ||||
| Zařazení předmětu ve studijních programech: | |||||||||
| Program | Forma | Obor | Spec. | Typ ukončení | Kredity | Povinnost | St. | Roč. | Semestr |
| M2301-5 | prezenční studium | Inženýrská informatika a automatizace | 02 Inženýrská informatika a automatizace automatizace | zá,zk | 6 | Povinný | 2 | 1 | L |
| M2301-5 | prezenční studium | Inženýrská informatika a automatizace | 01 Inženýrská informatika a automatizace informatika | zá,zk | 6 | Povinný | 2 | 1 | L |
Vysoké učení technické v Brně
Fakulta strojního inženýrství
Technická 2896/2,
616 69 Brno
IČ 00216305
DIČ CZ00216305
+420 541 141 111
+420 726 811 111 – GSM O2
+420 604 071 111 – GSM T-mobile