Přístupnostní navigace
E-přihláška
Vyhledávání Vyhledat Zavřít
Detail předmětu
FSI-KRRAk. rok: 2026/2027
Předmět simuluje řešení reálného technického projektu z oblasti procesního inženýrství. Studenti pracují v týmech na úlohách vycházejících z praxe Ústavu procesního inženýrství a procházejí kompletním projektovým cyklem – od vágního zadání a komunikace se zadavatelem, přes návrh etap a rozpočtu, realizaci a průběžné prezentace, až po závěrečnou dokumentaci a obhajobu.
Výuka kombinuje teoretické vstupy (statistika, operační výzkum, datová analýza), demonstrační ukázky v Pythonu a systematickou týmovou práci na projektu. Probíhá blokově a propojuje rozvoj metodického základu s praktickým řešením projektu, pravidelnými konzultacemi se „zadavateli“ a průběžnými oponenturami.
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Předpokládají se znalosti z předchozích předmětů zaměřených na statistickou analýzu dat, vizualizaci, bilancování a programování v Pythonu. Dalším předpokladem je základní znalost technické dokumentace a týmové spolupráce.
Pravidla hodnocení a ukončení předmětu
Předmět je ukončen klasifikovaným zápočtem. Podmínkou je:
Hodnocení je dáno váženým průměrem:
Známkování A–F dle bodové škály stanovené garantem.
Učební cíle
Cílem předmětu je rozvíjet projektové, analytické a prezentační dovednosti při řešení komplexní inženýrské úlohy.
Studijní opory
Základní literatura
Doporučená literatura
Zařazení předmětu ve studijních plánech
Cvičení s počítačovou podporou
Vyučující / Lektor
Osnova
Přednášky a praktické bloky – 78 hod. (13 × 6 h týdně); kombinace teorie, workshopů a týmové práce.
Týden 1 – Úvod a definice projektu
Studenti se seznámí s organizací předmětu, příklady projektů a základy práce s daty a Pythonem. Týmy si zvolí projekt, provedou první brainstorming a připraví návrh zadání a nabídky.
Týden 2 – Nabídka projektu a datová příprava
Týmy sestaví strukturu své projektové nabídky a ověří ji se zadavatelem. Současně se naučí základní techniky čištění dat a přípravy souboru dat pro další analýzy.
Týden 3 – Shluková analýza a stratifikace
Studenti získají přehled o shlukování a jeho použití při segmentaci dat. Metody si prakticky vyzkouší v Pythonu a aplikují je na data svého projektu.
Týden 4 – Časové řady a prognózy
Týmy se naučí pracovat s časovými řadami, detekovat trendy a odchylky a tvořit predikce. Postupy následně využijí na vlastní projektová data.
Týden 5 – Lokační a alokační úlohy
Studenti pochopí základy optimalizačních modelů a jejich omezení. Vyzkouší si transportní úlohu v Excelu i Pythonu a vytvoří první verzi vlastního modelu.
Týden 6 – Vícekriteriální a scénářová optimalizace
Studenti se seznámí s přístupy ke scénářování, vícekriteriální optimalizací a pracovat s rizikem. Týmy vytvoří a otestují varianty modelu podle různých vstupních scénářů.
Týden 7 – Opakování a prohloubení modelování
Studuje se síťová optimalizace, kapacitní omezení a další praktické prvky modelování. Týmy posílí své modely v projektu na základě zpětné vazby a pokračují v jejich ladění.
Týden 8 – Routing a scheduling
Studenti se naučí principy plánování tras a tvorby harmonogramů. Prakticky si vyzkouší řešení TSP a VRP pomocí OR-Tools a aplikují je na svůj projekt.
Týden 9 – První prezentace projektu
Týmy představí první verzi řešení a získají detailní zpětnou vazbu. Na základě připomínek upraví technickou zprávu i vizualizace.
Týden 10 – Pokročilé téma dle výběru I
Probírá se téma vybrané studenty podle potřeb jednotlivých projektů. Následuje aplikace na vlastní projekt a individuální konzultace.
Týden 11 – Druhá prezentace projektu
Proběhne prezentace rozpracovaného řešení před zadavatelem. Studenti obdrží konkrétní doporučení pro finalizaci technické zprávy.
Týden 12 – Pokročilé téma dle výběru II
Doplňují se pokročilé metody potřebné pro dokončení projektu. Týmy finalizují analýzy, modely i interpretace výsledků.
Týden 13 – Závěrečná obhajoba projektu
Proběhne finální prezentace projektu před komisí a odevzdání kompletní dokumentace. Projekty jsou hodnoceny z hlediska technické kvality, prezentace i doporučení pro praxi