342-3362/01 – Počítačová simulace logistických procesů I (PSLP I)
| Garantující katedra | Institut dopravy | Kredity | 4 |
| Garant předmětu | doc. Ing. Michal Dorda, Ph.D. | Garant verze předmětu | doc. Ing. Michal Dorda, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
| Ročník | 3 | Semestr | zimní |
| | Jazyk výuky | čeština |
| Rok zavedení | 2021/2022 | Rok zrušení | |
| Určeno pro fakulty | FS | Určeno pro typy studia | bakalářské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Předmět si klade za cíl seznámit studenty s metodami diskrétní simulace, které je možno použít pro řešení reálných problémů z oblasti logistiky a plánování logistických systémů. Student je seznámen se základními teoretickými principy diskrétní simulace včetně základních metod statistického zpracování dat pro simulaci. Student dále získává praktické zkušenosti s prací se simulačním software Witness. Po absolvování tohoto předmětu by měl být student schopen aplikovat tyto přístupy pro řešení jednoduchých reálných problémů z oblasti logistiky.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Anotace
Diskrétní simulace je robustní nástroj umožňující řešit řadu problémů v technické praxi, kdy selhávají klasické analytické metody. Náplň předmětu je zaměřena jak na získání teoretického základu problematiky diskrétní simulace, tak i na získání praktických zkušeností při tvorbě diskrétních simulačních modelů vybraných problémů z logistiky s využitím software Witness.
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Klasifikovaný zápočet - zpracování dvou semestrálních projektů a zápočtový test.
E-learning
lms.vsb.cz
Další požadavky na studenta
Další požadavky na studenta nejsou definovány.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1) Úvod do modelování a simulace.
2) Simulační software Witness – základní prvky, vstupní a výstupní pravidla.
3) Simulační software Witness – základní funkce, pravděpodobnostní rozdělení ve Witness.
4) Úvod do problematiky diskrétní simulace.
5) Algoritmy orientované na události.
6) Algoritmy orientované na aktivity.
7) Metody generování pseudonáhodných čísel.
8) Metody transformace pseudonáhodných čísel.
9) Exploratorní analýza dat – číselné charakteristiky náhodného výběru.
10) Exploratorní analýza dat – zpracování rozsáhlého náhodného výběru, grafické znázornění náhodného výběru.
11) Bodové odhady parametrů pravděpodobnostních rozdělení.
12) Intervalový odhad střední hodnoty.
13) Testování normality - Pearsonův χ2 test dobré shody.
14) Rezerva.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.