|
Vyučující
|
-
Neupauer Yevgeniy, doc. Ing. Ph.D.
-
Mareček Pavel, Ing. Ph.D.
|
|
Obsah předmětu
|
Přednášky budou zaměřeny na možné způsoby hodnocení průmyslových procesů. V průběhu cvičení budou navíc zpracována a vyhodnocena data týkající se environmentálních aspektů. Studenti si tak osvojí praktické znalosti práce s daty i z oblasti životního prostředí. 1. Seznámení, podmínky absolvování, co to jsou podnikové informační systémy. 2. Business Intelligence. Podstata Business Intelligence, komponenty a nástroje pro tvorbu řešení. 3. Získávání a sběr výrobních dat. Principy a zaznamenávání dokumentace a výrobních dat v průmyslovém podniku. 4. Analýza a vyhodnocení výrobních dat. Hodnocení a závěry z dokumentace a výrobních dat v průmyslovém podniku. 5. GDPR ve výrobních datech. Sdílení a publikování dat v průmyslovém podniku. 6. Prezentace a vizualizace dat. Nástroje pro vizualizaci, reportování a předávání informací. 7. Vizualizace výstupů z výroby. Práce s prezentovanými daty a příklady z praxe. 8. Kroky analýzy průmyslových procesů. Základní kritéria a metriky při analýze průmyslových procesů. 9. Efektivita průmyslových procesů a efektivita výroby ve vazbě na udržitelnost. Základní způsoby, kterými lze hodnotit efektivitu průmyslových procesů a výroby (KPI, efektivita výroby, kvalita, plýtvání atd.), účinnost a energetická účinnost. 10. Přednáška odborníka z praxe - využití BI s ohledem na udržitelnost. 11. Trendy v Průmyslu 4.0 a v datech. 12. Příklady a ukázky trendů z průmyslu 4.0. 13. Diskuze, konzultace.
|
|
Studijní aktivity a metody výuky
|
Přednáška s praktickými aplikacemi, E-learning, Individuální konzultace, Seminární výuka, Samostatná práce studentů
- E-learning [dáno e-learningovým kurzem]
- 26 hodin za semestr
- Projekt individuální [40]
- 23 hodin za semestr
- Příprava na zkoušku [10-60]
- 26 hodin za semestr
- Kontaktní výuka
- 52 hodin za semestr
- Příprava prezentace (referátu) [3-8]
- 3 hodiny za semestr
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| Předmět nepředpokládá žádné speciální vstupní znalosti. |
| Odborné dovednosti |
|---|
| Schopnost prezentovat samostatnou práci. |
| Schopnost pracovat v týmu. |
| Schopnost porozumět datům. |
| Obecné způsobilosti |
|---|
| bc. studium: efektivně využívá různé strategie učení k získání a zpracování poznatků a informací, hledá a rozvíjí účinné postupy ve svém učení, |
| bc. studium: kriticky přistupuje ke zdrojům informací, informace tvořivě zpracovává a využívá při svém studiu a praxi, |
| bc. studium: rozpozná problém, objasní jeho podstatu, rozčlení ho na části, |
| bc. studium: uplatňuje při řešení problémů vhodné metody a dříve získané vědomosti a dovednosti, kromě analytického a kritického myšlení využívá i myšlení tvořivé s použitím představivosti a intuice, |
| bc. studium: je otevřený k využití různých postupů při řešení problémů, nahlíží problém z různých stran, |
| bc. studium: efektivně využívá moderní informační technologie, |
| Výsledky učení |
|---|
| Odborné znalosti |
|---|
| získat povědomí o prostředí a funkcích Power BI pro analýzu a vizualizaci dat |
| schopnost importovat, transformovat a připravit různé typy dat pro analýzu v Power BI |
| použít základní funkce Power BI pomocí jazyku DAX |
| porozumět základním statistickým principům a jejich aplikaci v podnikových datech |
| Odborné dovednosti |
|---|
| efektivně pracovat s daty v Power BI při importu, transformaci a vizualizaci |
| tvořit interaktivních vizualizací v Power BI |
| Obecné způsobilosti |
|---|
| bc. studium: používají své odborné znalosti, odborné dovednosti a obecné způsobilosti alespoň v jednom cizím jazyce, |
| bc. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru, |
| bc. studium: efektivně a kriticky využít nástrojů umělé inteligence a nést konečnou odpovědnost za výsledek své práce, |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| E-learning, |
| Přednáška založená na výkladu, |
| Přednáška s diskusí, |
| Cvičení (praktické činnosti), |
| Výuka podporovaná multimédii, |
| Samostudium, |
| Prezentace práce studentů, |
| Odborné dovednosti |
|---|
| Přednáška založená na výkladu, |
| Přednáška s diskusí, |
| Cvičení (praktické činnosti), |
| Prezentace práce studentů, |
| Obecné způsobilosti |
|---|
| Přednáška založená na výkladu, |
| Přednáška s diskusí, |
| Cvičení (praktické činnosti), |
| Prezentace práce studentů, |
| Hodnotící metody |
|---|
| Odborné znalosti |
|---|
| Písemná zkouška, |
| Test, |
| Seminární práce, |
| Odborné dovednosti |
|---|
| Písemná zkouška, |
| Test, |
| Seminární práce, |
| Obecné způsobilosti |
|---|
| Písemná zkouška, |
| Test, |
| Seminární práce, |
|
Doporučená literatura
|
-
Deckler, Greg. Learn power BI: a comprehensive, step-by-step guide for beginners to learn real-world business intelligence. Nakladatelství Packt, 2022. ISBN 978-1801811958.
-
Chmelár, Michal. Reporting v Power BI, PowerPivot a jazyk Dax. Smart People, 2018. ISBN 9788097307806.
-
Mičudová, Kateřina; Gangur, Mikuláš; Svoboda, Milan; Říhová, Pavla. Základy statistiky a pravděpodobnosti. Západočeská univerzita v Plzni, 2016. ISBN 978-80-2610-660-9.
-
Pour, Jan; Maryčka, Miloš; Stanovská, Iva; Šedivá, Zuzana. Self Service Business Intelligence: Jak si vytvořit vlastní analytické, plánovací a reportingové aplikace. Grada Publishing, 2018. ISBN 978-80-271-0616-5.
-
Svoboda, Milan; Gangur, Mikuláš; Mičudová, Kateřina. Statistické zpracování dat. Západočeská univerzita v Plzni. 2019.
|