SylabUZ
| Course name | Optymalizacja w zarządzaniu produkcją |
| Course ID | 06.1-WM-MiBM-AiOPP-D-13_22 |
| Faculty | Faculty of Mechanical Engineering |
| Field of study | Mechanical Engineering |
| Education profile | academic |
| Level of studies | Second-cycle studies leading to MSc degree |
| Beginning semester | winter term 2023/2024 |
| Semester | 2 |
| ECTS credits to win | 4 |
| Available in specialities | Automation and Organization of Production Processes |
| Course type | obligatory |
| Teaching language | polish |
| Author of syllabus |
|
| The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
| Lecture | 15 | 1 | 9 | 0,6 | Credit with grade |
| Project | 30 | 2 | 18 | 1,2 | Credit with grade |
Zapoznanie studentów z podstawowymi terminami i definicjami z zakresu optymalizacji, istota optymalizacji, podstawy matematyczne optymalizacji. Przedstawienie metod i narzędzi rozwiązywania zagadnień optymalizacji, ze szczególnym uwzględnieniem zastosowań w planowaniu i realizacji procesów produkcyjnych.
Analiza matematyczna z elementami ruchu prawdopodobieństwa, umiejętności posługiwania się narzędziami informatycznymi: arkusze kalkulacyjne, Matlab/Scilab.
| Lp. | Treści programowe - WYKŁAD | l. godz. st. stacj. |
l. godz. st. niestacj. |
|||
| W1 | Definicje optymalizacji, istota optymalizacji w działalności inżynierskiej. Typy zadań optymalizacji, przykłady, odniesienie do natury. | 1 | 0,6 | |||
| W2 | Właściwości ekstremów funkcji wielu zmiennych. Ekstrema funkcji przy braku warunków ograniczających. Ekstrema funkcji przy warunkach ograniczających równościowych. Ekstrema funkcji przy warunkach ograniczających nierównościowych. | 1 | 0,6 | |||
| W3 | Metoda mnożników Lagrange’a. | 1 | 0,6 | |||
| W4 | Graficzne metody optymalizacji funkcji dwóch zmiennych. | 2 | 1 | |||
| W5 | Funkcje liniowe z liniowymi warunkami ograniczającymi. Formułowanie zadań programowania liniowego, postać standardowa i kanoniczna ZPL. | 2 | 1 | |||
| W6 | Zapis zadań optymalizacji w programach komputerowych. Zastosowanie narzędzi SOLVER do rozwiązywania zadań optymalizacyjnych. | 2 | 1 | |||
| W7 | Metoda symplex - algorytm, tabele symplexowe w rozwiązywaniu zadań programowania liniowego. | 2 | 1 | |||
| W8 | Algorytmy gradientowe wyznaczania minimum funkcji bez ograniczeń. Metody znajdowania punktu minimum przy warunkach ograniczających (algorytmy funkcji kary). Elementy programowania nieliniowego. | 2 | 1,2 | |||
| W9 | Kolokwium zaliczeniowe | 2 | 2 | |||
| Suma: | 15 | 9 | ||||
| Lp. | Treści programowe - PROJEKT | l. godz. st. stacj. |
l. godz. st. niestacj. |
|||
| P1 | Indywidualna realizacja zadań projektowych z wykorzystaniem różnych metod optymalizacji. | |||||
| P2 | Rozwiązywanie „prostych” zadań optymalizacji o dwóch zmiennych decyzyjnych metodą graficzną oraz metodą mnożników Lagrange’a. – optymalizacja dyskretna. | 8 | 4,8 | |||
| P3 | Wykorzystanie narzędzi typu SOLVER do rozwiązywania ZPL. | 10 | 6 | |||
| P4 | Formułowanie opisu matematycznego ZPL – postać kanoniczna. Rozwiązywanie ZPL metodą SYMPLEX – wypełnianie tablic sympleksowych, zastosowanie gotowych programów. | 10 | 6 | |||
| P5 | Optymalizacja nieliniowa – przykładowe aplikacje, porównywanie efektywności różnych metod optymalizacji nieliniowej. | 2 | 1,2 | |||
| Suma: | 30 | 18 | ||||
Wykłady konwencjonalne, oraz z wykorzystaniem technik multimedialnych. Praca indywidualna nad zadaniem projektowym. Prezentacja rozwiązań, analiza i dyskusja nad uzyskanymi wynikami.
| Outcome description | Outcome symbols | Methods of verification | The class form |
Warunkiem zaliczenia przedmiotu jest zaliczenie wszystkich jego form. Ocena końcowa na zaliczenie przedmiotu jest średnią arytmetyczną z ocen za poszczególne formy zajęć.
Modified by dr inż. Edward Tertel (last modification: 21-04-2023 08:44)
