<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=88599"><dc:title>Učinkovitost algoritmov umetne inteligence pri mikroplaniranju proizvodnje</dc:title><dc:creator>Radisavljević,	Vukašin	(Avtor)
	</dc:creator><dc:creator>Roblek,	Matjaž	(Mentor)
	</dc:creator><dc:creator>Brezavšček,	Alenka	(Komentor)
	</dc:creator><dc:subject>umetna inteligenca</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>mikroplaniranje proizvodnje</dc:subject><dc:subject>sistem za napredno planiranje in razporejanje proizvodnje</dc:subject><dc:subject>merjenje učinka</dc:subject><dc:description>Diplomsko delo se osredotoča na analizo podatkov v kontekstu uporabe umetne inteligence pri mikroplaniranju proizvodnje. Na podlagi analize pridobljenih podatkov smo identificirali zakonitosti in trende, ki se nanašajo na učinkovitost sistema za napredno planiranje in razporejanje proizvodnje z umetno inteligenco Qlector LEAP. Opažamo korelacije med relativno napako planiranja s Qlector LEAP-om in številom poskusov planiranja, pri čemer opažamo določene trende za določene izdelke. Primerjamo učinek planiranja Qlector LEAP-a tudi z učinkom planiranja po normativih. Razprava se osredotoča tudi na tehnološke, kadrovske in organizacijske dejavnike ter priporoča organizacijske ukrepe za izboljšanje učinkovitosti planiranja z LEAP-om. Kljub izzivom pri dokazovanju hipotez je razprava pokazala možnosti za nadaljnje raziskave, ki vključujejo kvantifikacijo zanesljivosti planiranja z LEAP-om in preučevanje drugih modulov Qlector LEAP-a. Skupaj s postavljenimi organizacijskimi ukrepi diplomsko delo zagotavlja osnovo za nadaljnje raziskave na tem področju.</dc:description><dc:date>2024</dc:date><dc:date>2024-05-15 14:18:58</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>88599</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>