Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Optymalizacja procesów produkcyjnych

Informacje ogólne

Kod przedmiotu: 0800-OPTYPROD
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Optymalizacja procesów produkcyjnych
Jednostka: Wydział Fizyki, Astronomii i Informatyki Stosowanej
Grupy:
Strona przedmiotu: http://fizyka.umk.pl/~osokolov/OPP/
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Wymagania wstępne:

Znajomość wybranych działów analizy matematycznej, teorii sterowania, z pracy w środowisku MatLab i Simulink

Całkowity nakład pracy studenta:

Godziny realizowane z udziałem nauczycieli ( godz.):

- udział w wykładach - 30

Czas poświęcony na pracę indywidualną studenta ( godz.):

- przygotowanie do wykładu-10

- czytanie literatury- 10

- przygotowanie do zaliczenia na ocenę- 10

Łącznie: 60 godz. ( 2 ECTS)


Efekty uczenia się - wiedza:

W01: posiada szczegółową wiedzę w zastosowaniu metod matematycznej analizy zadań optymalizacji statycznej- K_W01

W02: ma pogłębioną wiedzę z metod formalizacji i modelowania matematycznego nowoczesnych procesów produkcyjnych- K_W04






Efekty uczenia się - umiejętności:

U01: potrafi pozyskiwać informacje z literatury w zagadnieniach formalizacji oraz modelowaniu procesów produkcyjnych - K_U01

U02: potrafi stosować podstawowe oraz specjalistyczne pakiety oprogramowania do rozwiązań zagadnień optymalizacji i symulację w środowisku MatLab/Simulink-K_U02


Efekty uczenia się - kompetencje społeczne:

K01: zna ograniczenia własnej wiedzy w zagadnieniach analizy procesów produkcyjnych i rozumie potrzebę dalszego kształcenia- K_K01



Metody dydaktyczne:

Metoda dydaktyczna podająca:

- wykład informacyjny (konwencjonalny)

Wykład, forma bezpośrednia: prezentacja i dyskusja

Metoda dydaktyczna poszukująca:

forma bezpośrednia: zadania w trakcie zajęć


Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące:

- klasyczna metoda problemowa

Skrócony opis:

Przedmiot omawia szereg zagadnień dotyczących różnych sposobów optymalizowania procesów produkcyjnych.

Prezentowane są także zagadnienia związane ze realizacją metod optymalizacji w środowisku MatLab/Simulink.

Pełny opis:

Przykłady zadań optymalizacji procesów produkcyjnych;

Klasyfikacje zadań optymalizacji

Metody rozwiązywania zadań optymalizacji statycznej

Podstawy matematycznej analizy nieliniowych zadań optymalizacji statycznej

Podstawy metod optymalizacji bez ograniczeń

Gradientowe algorytmy rozwiązywania zadań optymalizacji bez ograniczeń

Metody i algorytmy rozwiązywania zadań optymalizacji z ograniczeniami Elementy programowania wielokryterialnego

Podstawowe własności zadania programowania liniowego; metoda SIMPLEX

Narzędzia programistyczne do zagadnień optymalizacji. Matlab/Optimization toolbox

Algorytmy genetyczne optymalizacji stadycznej

Optymalizacja na grafach

Literatura:

Literatura podstawowa:

1. Anna Danielewska-Tułecka, Jan Kusiak, Piotr Oprocha. Optymalizacja.

2. Wybrane metody z przykładami zastosowań. Warszawa, 1, 2009, Wydawnictwo Naukowe PWN

3. Holland J. H. Adaptation in Natural and Artificial Systems: An Introductory Analysis With Applications to Biology, Control, and Artificial Intelligence / J. H. Holland. – The MIT Press, Cambridge, 1992.

Literatura uzupełniająca:

1. Mitchell M. An Introduction to Genetic Algorithms / M. Mitchell. – Cambridge: MIT Press, 1999 –158 pp.

2. O. Sokolov, Prezentacje wykładu w postaci elektronicznej

Metody i kryteria oceniania:

Metody oceniania:

zaliczenie na ocenę - W01,W02,U01,U02,K01

Kryteria oceniania:

Wykład: zaliczenie na ocenę w formie testu (pytania otwarte)

ndst -30 pkt (30%)

dst- 50 pkt (50%)

dst plus- 75 pkt (75%)

db- 90 pkt (90%)

db plus- 95 pkt (95%)

bdb- 100 pkt (100%)

Praktyki zawodowe:

nie dotyczy

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności USOSweb 7.0.2.0-1 (2024-03-12)