Search the digital library catalog

Abstract: In this work, Laser Powder Bed Fusion (LPBF), an additive manufacturing (AM) process, was optimised to produce pure magnesium components. The focus of the presented work is on the prediction of the relative product density using the machine learning model XGBoost to improve the production process and thus the usability of the material for practical use. Experimental tests with different parameters, laser power, scanning speed and layer thickness, and fixed parameters, track overlapping and hatching distance, were analysed and resulted in relative material densities between 89.29% and 99.975%. The XGBoost model showed high predictive power, achieving an R2 test result of 0.835, a mean absolute error (MAE) of 0.728 and a root mean square error (RMSE) of 0.982. Feature importance analysis showed that the interaction of laser power and scanning speed had the largest influence on the predictions at 35.9%, followed by laser power × layer thickness at 29.0%. The individual contributions were laser power (11.8%), scanning speed (10.7%), scanning speed × layer thickness (9.0%) and layer thickness (3.6%). These results provide a data-based method for LPBF parameter settings that improve manufacturing efficiency and component performance in the aerospace, automotive and biomedical industries and identify optimal parameter regions for a high density, serving as a pre-optimisation stage.
Keywords: additive manufacturing, machine learning, XG Boost, magnesium, relative density
Published in DKUM: 03.11.2025; Views: 0; Downloads: 2
Full text (1,60 MB)
This document has many files! More...

Abstract: Magistrsko delo obravnava vpliv umetne inteligence (AI) na računovodske procese v mikro računovodskem podjetju iz Koroške. Raziskava je izpostavila, da AI že omogoča avtomatizacijo rutinskih nalog, kot je optično prepoznavanje podatkov na dokumentaciji (OCR), kar delno pospeši obdelavo dokumentacije. Kljub temu je tehnologija še nezanesljiva in zahteva dodatno človeško kontrolo, zato se čas dela ne skrajša bistveno. Namen magistrskega dela je bil raziskati vpliv AI na računovodske procese v mikro računovodskem podjetju ter ugotoviti, kako zaposleni različnih profilov zaznavajo uvedbo AI v vsakodnevno delo. Delo se osredotoča na vse bolj aktualno področje digitalizacije računovodstva, pri čemer AI postaja pomembno orodje za avtomatizacijo rutinskih nalog, izboljšanje natančnosti podatkov ter povečanje učinkovitosti. Naprednejše funkcionalnosti, kot so napovedovanje trendov in odkrivanje nepravilnosti, v podjetju še niso uporabljene. Ugotovljeno je bilo, da generacijske razlike pomembno vplivajo na dojemanje AI, saj so mlajši zaposleni tehnologiji bolj naklonjeni, starejši pa so previdnejši s tehnologijo in AI, saj je v večini še tudi ne znajo uporabljati. V drugem poglavju smo predstavili osnovne značilnosti AI, vključno s tehnologijami, kot so strojno učenje, obdelava naravnega jezika, računalniški vid in robotizacija procesov. Ugotovili smo, da AI ponuja velik potencial za avtomatizacijo in zmanjšanje stroškov. Tretje poglavje se je osredotočilo na uporabo AI v računovodstvu. Obravnavali smo primere, kot so OCR branje, avtomatsko knjiženje, zaznavanje napak in napovedovanje denarnih tokov. Poudarjeni so bili tudi izzivi, povezani z varnostjo in znanjem uporabnikov. V četrtem poglavju smo analizirali uporabo AI v izbranem mikro podjetju, kjer se uporablja predvsem OCR funkcionalnost znotraj programa E-računi. Kljub poenostavitvi vnosa dokumentov se pojavljajo napake, zato je potreben človeški nadzor. V petem poglavju smo predstavili možnosti za širšo uporabo AI v prihodnosti, kot so napredno knjiženje, poročanje in analitika, ter izpostavili potrebo po dodatnem znanju, zaupanju v tehnologijo in postopni uvedbi rešitev. Vse intervjuvane osebe v raziskavi se strinjajo, da AI ne bo nadomestila računovodij, temveč jim bo v pomoč pri rutinskih opravilih, s čimer bodo imele več časa za zahtevnejše strokovno delo. Ključna ovira za širšo uporabo ostajajo stroški, pomanjkanje znanja in vprašanja o varnosti osebnih podatkov. V zvezi s hipotezami smo ugotovili, da je večina potrjena ali delno potrjena. AI izboljšuje učinkovitost pri obdelavi dokumentov, a še ne zanesljivo. Računovodje se srečujejo s tehnološkimi izzivi in pomanjkanjem znanja, percepcija zaposlenih pa pomembno vpliva na uspešno uvedbo AI. Naprednejše funkcionalnosti še niso v uporabi, zato nekatere podhipoteze ostajajo nepotrjene. Kot nadaljnja področja raziskovanja se ponujajo primerjave med različnimi podjetji, analiza naprednejših funkcij AI in proučevanje vpliva AI na kompetence prihodnjih računovodij.
Keywords: Umetna inteligenca, računovodstvo, računovodsko podjetje, računovodski servis, avtomatizacija procesov, implementacija UI.
Published in DKUM: 03.11.2025; Views: 0; Downloads: 6
Full text (39,37 MB)

Abstract: Diplomsko delo »Vzporednost in prepletanje tradicionalnih ter agilnih metod projektnega managementa« raziskuje možnosti kombiniranja tradicionalnih in agilnih metod vodenja projektov za prilagajanje in optimizacijo dinamičnega poslovnega okolja. Kot zaokrožena celota, zagotavlja poglobljen pregled tradicionalnih metodologij, kot sta na primer Waterfall in Critical path method (CPM) ter agilnih metodologije, kot primer Scrum in Kanban. Diplomsko delo tako poudarja koncept hibridnega vodenja projektov, ki skuša izkoristiti prednosti tako tradicionalnih kot agilnih pristopov. Razpravlja o prednostih fleksibilnosti, prilagodljivosti in optimizaciji rezultatov projekta, ki jih je mogoče doseči s to vrsto integracije. Ob priznavanju izzivov, kot sta kulturni odpor in dodeljevanje virov, diplomsko delo ponuja aktualne strategije za premagovanje teh ovir. Pri tem pa raziskuje tudi nastajajoče trende pri vodenju projektov, kot na primer integracija umetne inteligence ter analitika velike količine podatkov.
Keywords: Projekt, projektizacija, agilne metode, tradicionalne metode, vodenje, management.
Published in DKUM: 27.10.2025; Views: 0; Downloads: 4
Full text (882,49 KB)

Abstract: V diplomskem delu so bili raziskani psihološki dejavniki, ki vplivajo na odločitev storilcev kaznivih dejanj, da po umoru poskušajo prikriti svoje dejanje. Analizirani so bili vplivi čustev, kot so strah, stres in panika, ter osebnostnih značilnosti, kot sta psihopatija in impulzivnost. Poseben poudarek je bil namenjen vlogi forenzične psihologije in njenemu pomenu pri razumevanju motivov in vedenja storilcev po storjenem kaznivem dejanju. Obravnavane so bile najpogostejše metode prikrivanja, vključno s premestitvijo trupla, uporabo ognja, mutilacijo in prirejanjem kraja zločina. Posebej je bilo izpostavljeno, da način prikrivanja pogosto odraža osebnostne in psihološke značilnosti storilca ter stopnjo njegove forenzične ozaveščenosti. Ugotovljeno je bilo, da učinkovito kazensko preiskovanje zahteva poglobljeno razumevanje teh vedenjskih vzorcev. V nalogi je bila uporabljena opisna metoda z analizo znanstvene literature, študij primerov in forenzičnih pristopov. Rezultati so pokazali, da psihološki dejavniki pomembno vplivajo na izbiro metode prikrivanja in so ključnega pomena pri profiliranju storilcev ter izboljšanju učinkovitosti preiskav.
Keywords: prikrivanje umora, psihološko profiliranje, osebnostne motnje, diplomske naloge
Published in DKUM: 21.10.2025; Views: 0; Downloads: 13
Full text (429,93 KB)

Abstract: Migration flows along the Balkan Route since 2015 have revealed structural weaknesses in the European Union’s migration governance and highlighted the need for new, evidence-based approaches. This paper presents the MIG@B project, which develops an integrated simulation model of migration by combining agent-based modelling (ABM), system dynamics (SD), and discrete-event simulation (DES), supported by Bayesian methods for managing uncertainty. The model addresses both micro-level decision-making among migrants and macro-level feedback loops between policies and public opinion, as well as operational challenges related to border flows and asylum capacities. The approach contributes to the design of coordinated and sustainable EU and Slovenian migration policies, aligning with the New Pact on Migration and Asylum [1] and Slovenia’s Migration Strategy 2023–2030 [2]. The expected contribution is threefold: scientific innovation through methodological integration, political usability by providing scenario-based testing of policy measures, and normative relevance through alignment with European solidarity and human rights values. The MIG@B framework exemplifies how simulation modelling can serve as a laboratory for migration policy, enabling transparent, robust, and data-driven decision-making.
Keywords: migration, simulation models, Balkan route, European Union, policy design
Published in DKUM: 13.10.2025; Views: 0; Downloads: 4
Full text (920,21 KB)