1. Optimizacija proizvodnega procesa tesnilnega panelaNikola Đorđević, 2025, magistrsko delo Opis: Proizvodna podjetja si prizadevajo za čim bolj ekonomično rabo materiala in optimizacijo proizvodnih procesov, saj to neposredno vpliva na stroške in konkurenčnost. V magistrskem delu je obravnavana optimizacija postopka varjenja cevi z uporabo matematičnega modela, katerega cilj je minimizacija porabe materiala in izboljšanje pretočnega časa. Model omogoča analitično oceno ključnih parametrov varjenja ter njihovo prilagoditev za doseganje učinkovitejšega proizvodnega procesa.
Po izvedbi izračunov je bil pripravljen praktični prikaz postopka, ki služi kot validacija teoretičnih ugotovitev in ocena uporabnosti modela v realnem proizvodnem okolju. Dodatno je v delu obravnavan koncept vitke proizvodnje, s posebnim poudarkom na metodi Poka-Yoke, ki prispeva k zmanjšanju napak in izboljšanju stabilnosti proizvodnega procesa.
Kot rezultat raziskave so podani predlogi izboljšav, ki poudarjajo ekonomske koristi optimizacije in njeno potencialno implementacijo v proizvodnji. Ključne besede: optimizacija procesov, proizvodna učinkovitost, industrijska avtomatizacija, izboljšanje delovnih tokov, analiza procesov, stroškovna optimizacija, tehnična učinkovitost, upravljanje virov, zniževanje napak, standardizacija delovnih postopkov, digitalizacija proizvodnje, kakovostna kontrola, merjenje uspešnosti, vitka proizvodnja, časovna učinkovitost, proizvodna analiza, tehnično izboljševanje, vzdrževanje strojev, nadzor nad procesi, učinkovitost sistema, tehnično svetovanje, inženirske rešitve, mehanski sklopi, varjenje, varilni postopki, integracija tehnologije, strojna obdelava, industrija 4.0, CAD/CAM sistemi, prilagajanje proizvodnih postopkov, digitalna transformacija, proizvodno načrtovanje, inovacije v proizvodnji, avtomatizirani sistemi, CNC tehnologija, upravljanje kakovosti, tehnična dokumentacija, razvoj procesov, tehnična optimizacija, racionalizacija virov, zmogljivost strojev, procesna analiza, operativna učinkovitost. Objavljeno v DKUM: 12.06.2025; Ogledov: 0; Prenosov: 2
Celotno besedilo (1,46 MB) |
2. Model za ocenjevanje vrednosti projektov razvoja spletnih programskih rešitevNina Milinković, 2024, magistrsko delo Opis: V nalogi predstavljamo zasnovo in implementacijo modela multiple linearne regresije v »Podjetju X«, ki se ukvarja z razvojem spletnih programskih rešitev. Model je bil zasnovan za izboljšanje natančnosti pri napovedovanju presežka ur v projektih, kar omogoča boljše planiranje in oceno projektov. S sistematično analizo podatkov iz preteklih projektov in oblikovanjem vprašalnika, ki upošteva ključna področja, kot so «inovativne rešitve in razvoj«, «upravljanje in vodenje«, »infrastruktura in procesi« ter »ocenjevanje in odnosi s strankami«, in pripadajoče parametre smo razvili model, ki omogoča natančnejše planiranje in ocenjevanje prihodnjih projektov. Model multiple linearne regresije smo razvili v skladu s smernicami za razvoj linearnih regresijskih modelov, ki vključujejo preverjanje sedmih ključnih predpostavk ustreznosti modela, ki smo jih v nalogi potrdili. Za validacijo modela smo uporabili metodo validacije s pomočjo prilagojenega koeficienta determinacije in validacijo ponovnega vzorčenja z zamenjavo –, model pa smo testirali na dejanskem primeru projekta v »Podjetju X«. Rezultati validacije s statističnimi metodami kažejo na statistično značilne korelacije v obeh vzorcih, kar potrjuje, da so napovedi modela tesno usklajene z dejanskimi podatki. Validacija na konkretnem primeru pa je pokazala, da uvedba modela multiple linearne regresije uspešno napoveduje presežek ur že pred začetkom projekta. Z napovedjo, ki od dejanskega stanja glede presežka ur odstopa za le 3 odstotke, model zmanjšuje izgube zaradi neoptimalnega napovedovanja ur pri projektih in podjetju potencialno omogoča ustvarjanje dodatnega zaslužka – če seveda podjetje dodatne ure proda. Ključne besede: Planiranje in ocenjevanje vrednosti projekta, model multiple linearne regresije, projektni vodja, spletne programske rešitve. Objavljeno v DKUM: 05.06.2025; Ogledov: 0; Prenosov: 3
Celotno besedilo (3,95 MB) |
3. Uporaba umetne inteligence in strojnega učenja v preprečevanju bančnih goljufijKlavdija Klinc, 2025, magistrsko delo Opis: V času vsesplošne digitalizacije in povečevanju uporabe spletnih plačil se banke in različne finančne institucije po svetu srečujejo s povečanim številom bančnih goljufij in s tem tudi goljufij, povezanih s kartičnimi plačili njihovih komitentov in strank. Tako imenovane bančne goljufije pa ne vplivajo zgolj na finančne izgube bank in njihovih komitentov, ampak tudi na zaupanje in ugled posameznih institucij. Raznorazni prevaranti ter tovrstne organizacije se nenehno izobražujejo, iščejo, in tudi najdejo, nove in nove načine za uspešne prevare. Tako so banke potisnjene v nujo iskanja najnovejših načinov in tehnologij za preprečevanje teh neljubih dogodkov. V tej magistrski nalogi se osredotočamo na možne programske rešitve, ki vključujejo najsodobnejše algoritme umetne inteligence in strojnega učenja za čimprejšnjo zaznavo in preprečevanje tovrstnih dogodkov, obravnavamo različne oblike bančnih goljufij, iščemo temeljne prednosti in lastnosti posameznih rešitev in se ukvarjamo s primeroma implementacije možne programske rešitve z umetno inteligenco v banko. Večji poudarek dajemo najbolj znanim rešitvam, ki slonijo na najbolj znanih algoritmih. V nalogi se nadalje tako dotikamo tem, ki niso izrazito eknomske in gredo bolj v smer poznavanja osnov informatike. Brez rahlo poglobljene teme bi težko razumeli kompleksnost in celoto naše teme. Prav tako se ob samem raziskovanju in pisanju teme ne moreš izogniti osnovam, ki gradijo in tvorijo tako imenovano umetno inteligenco. V zadnji nekaj letih je sam pojem in uporaba umetne inteligence postal že realnost slehernika in celotnega razvitega sveta. Zdi se nam smiselno, da bi ob tem dejstvu vsi skupaj poznali tudi same osnove in gradnike umetne inteligence in jo tako lažje in kvalitetneje vključevali tudi v svoja vsakodnevna opravila, delo in zaščito. Dejstvo je, da bančni goljufi najsodobnejšo tehnologijo že s pridom uporabljajo in verjetno bo v bojevanju proti tovrstnemu kriminalu potrebno umetno inteligenco približati ne samo strokovnjakom, ampak tudi navadnim ljudem, to je, končnim strankam in uporabnikom. Mislimo, da je večino strahu glede pojma umetne inteligence možno odpraviti z raziskovanjem, učenjem in znanjem o tej temi. Umetna inteligenca je kompleksen in zapleten pojem, še vedno pa nam že samo ime » umetna« da jasno vedeti, da jo sestavljajo drugačne vrste komponente kot živost življenja. Z določenim znanjem in pravilno uporabo pa nam to orodje lahko olajša marsikatero opravilo v našem živem življenju. Ključne besede: Umetna inteligenca, bančna goljufija, programske rešitve, strojno učenje, banke, komitenti. Objavljeno v DKUM: 05.06.2025; Ogledov: 0; Prenosov: 4
Celotno besedilo (1,98 MB) |
4. KRITIČNI DEJAVNIKI USPEHA UVEDBE REŠITVE HRM NA PRIMERU REŠITVE INTRIX HRMPatricija Gavez, Simona Sternad Zabukovšek, 2025, magistrsko delo Opis: Management človeških virov je področje vodenja in upravljanja z ljudmi v organizaciji.
Temeljni cilj managementa človeških virov je zagotoviti, da so zaposleni ustrezno
usposobljeni, motivirani in produktivni, kar zagotavlja konkurenčno prednost
organizacije in pripomore k doseganju njenih ciljev. V obdobju nizke brezposelnosti se
organizacije vedno bolj zavedajo pomembnosti dobrega ravnanja s svojimi zaposlenimi.
Management človeških virov tako postaja zelo pomembna strateška funkcija vsake
organizacije.
Digitalizacija kadrovskih procesov je proces preoblikovanja tradicionalnih postopkov
zaposlovanja in upravljanja s kadri v digitalno obliko. Slednje je pripeljalo do razvoja
rešitev HRM, ki so namenjene optimizaciji dela in avtomatizaciji kadrovskih procesov.
Za uspešno uvedbo rešitve HRM v organizacijo je treba upoštevati kritične dejavnike
uspeha uvedbe. Gre za koncept, s katerim opredeljujemo različne dejavnike, ki vplivajo
na to, da je proces uvedbe učinkovit in uspešen. Pri opredelitvi dejavnikov v magistrskem
delu bomo izhajali iz analize literature, ki jo je naredila dr. Simona Sternad Zabukovšek v
Primerjalni analizi kritičnih dejavnikov uspeha uvajanja celovitih informacijskih rešitev z
vidika faz in z vidika metod uvajanja. Najpomembnejših 14 kritičnih dejavnikov, ki jih je
opredelila v svojem delu, bomo prenesli na področje uvedbe rešitve HRM, kjer jih bomo
opredelili na primerih uvedbe rešitve Intrix HRM.
V prvem delu magistrskega dela bomo podrobneje predstavili področje managementa
človeških virov. Opredelili bomo razvoj rešitev HRM in interpretirali nekaj trendov, za
katere se predpostavlja, da bodo v prihodnosti aktualni na področju kadrovanja in na
področju rešitev HRM. V drugem delu se bomo osredotočili na rešitev Intrix HRM. Gre za
produkt slovenskega podjetja Intera, namenjen upravljanju s kadri. Podrobneje bomo
predstavili module in funkcionalnosti, ki sestavljajo rešitev. Opisali bomo proces uvedbe
rešitve HRM. Nadaljevali bomo z opredelitvijo kritičnih dejavnikov uspeha uvedbe rešitve
HRM na primerih uvedbe Intrix HRM. Ključne besede: Management človeških virov, HRM, uvedba rešitve HRM, kritični
dejavniki uspeha, Intrix HRM Objavljeno v DKUM: 27.05.2025; Ogledov: 0; Prenosov: 15
Celotno besedilo (4,19 MB) |
5. Zanesljivost orodij umetne inteligence na področju ergonomije pri reševalcihSimon Čeh, 2025, diplomsko delo Opis: Delovne naloge reševalcev pomembno vplivajo na pojav mišično-skeletnih obolenj. Uvedba ergonomskih rešitev je ključnega pomena za njihovo zmanjševanje in preprečevanje. Namen diplomskega dela je bil na podlagi pregleda literature raziskati ergonomske ovire, s katerimi se soočajo reševalci, in primerjati te ugotovitve z rešitvami, ki jih ponujajo orodja umetne inteligence. Izveden je bil pregled znanstvene literature s področja ergonomije pri delu reševalcev. Rezultate, pridobljene iz podatkovnih baz, smo primerjali z rešitvami, ki jih ponudita AI-orodji Gemini in ChatGPT. Ugotovljeno je bilo, da se vsi reševalci v svoji karieri soočajo z bolečinami, ki so posledica mišično-skeletnih obolenj. Najpogosteje se pojavlja bolečina v križu, ki izhaja iz dvigovanja in prenašanja težjih bremen. Orodji AI, Gemini in ChatGPT, sta ponudili zanesljive in celovite odgovore na vprašanja o dejavnikih za pojav, vrstah in pogostosti mišično-skeletnih obolenj pri reševalcih ter o ergonomskih rešitvah za njihovo preprečevanje. Ključne besede: nujna medicinska pomoč, mišično-skeletna obolenja, bolečina v križu, ergonomske rešitve Objavljeno v DKUM: 22.05.2025; Ogledov: 0; Prenosov: 37
Celotno besedilo (699,40 KB) |
6. Implementacija materialnega poslovanja v rešitvi Pro-Bit PRO.4Jakob Tič, 2024, magistrsko delo Opis: Magistrsko delo se na začetku osredotoča na splošno predstavljanje rešitev ERP, kjer so opisane osnovne značilnosti teh sistemov in njihov vpliv na sodobna podjetja. V tem delu so izpostavljene glavne prednosti rešitev ERP, kot so izboljšanje učinkovitosti poslovnih procesov, avtomatizacija nalog in boljše obvladovanje virov, kar podjetjem omogoča optimizacijo nalog in boljše sprejemanje odločitev. Nato se raziskava poglobi v materialno poslovanje znotraj rešitev ERP, kjer so podrobneje obravnavani ključni procesi, kot so upravljanje zalog, nabava, proizvodnja in prodaja. Tu se analizira, kako integracija teh funkcij v rešitve ERP pripomore k večji natančnosti, hitrejšemu obvladovanju zalog in boljšemu usklajevanju poslovnih procesov, kar podjetjem pomaga pri večji produktivnosti in zmanjšanju napak. V zadnjem delu se delo osredotoči na rešitev ERP podjetja Pro-Bit, kjer so opisani postopki implementacije te rešitve v podjetje. Raziskava analizira, kako se sistem prilagaja specifičnim potrebam podjetja, vključuje različne poslovne funkcije ter se povezuje z materialnim poslovanjem. Pomemben poudarek je na izzivih, s katerimi so se srečevali pri implementaciji, ter kako so jih uspešno rešili, kar vključuje usklajevanje med oddelki, izobraževanje zaposlenih in zagotavljanje podpore skozi celoten proces uvajanja. Na koncu raziskava potrjuje, da je uspešna implementacija rešitve ERP ključna za izboljšanje učinkovitosti podjetja, zmanjšanje stroškov ter povečanje produktivnosti, kar podjetju omogoča dosego konkurenčne prednosti. Ob tem pa se izpostavi tudi pomen skrbnega načrtovanja in doslednega spremljanja procesa uvedbe, saj lahko majhne napake vplivajo na dolgoročne rezultate. Raziskava pokaže, da so prilagoditve sistema specifičnim potrebam podjetja ključnega pomena za uspešno implementacijo. Celoten proces pa dokazuje, kako pomembno je vključevanje vseh zaposlenih v postopek ter zagotavljanje ustrezne podpore na vseh ravneh podjetja. Ključne besede: rešitve ERP, materialno poslovanje, implementacija, prilagoditev poslovnim potrebam, Pro-Bit Objavljeno v DKUM: 09.04.2025; Ogledov: 0; Prenosov: 19
Celotno besedilo (4,13 MB) |
7. Primerjalna analiza uporabniške izkušnje crm rešitev salesforce in hubspotTjaša Vuk, 2024, magistrsko delo Opis: V sodobnem digitalnem poslovnem okolju so pričakovanja strank in uporabnikov različnih izdelkov in storitev vse bolj kompleksna, konkurenca pa vse bolj obsežna. Zato postajajo rešitve CRM z naprednimi zmogljivostmi ključni dejavniki konkurenčne prednosti podjetij vseh velikosti in panog. Le-te omogočajo sistematično zbiranje, upravljanje in analiziranje podatkov o strankah, izboljšajo odnose s strankami in izkušnjo strank, optimizirajo poslovne procese ter znatno povečajo produktivnost in učinkovitost zaposlenih, ki pri svojem delu uporabljajo rešitve CRM.
Med vodilnimi rešitvami CRM na trgu se v magistrskem delu osredotočamo na primerjavo uporabniške izkušnje Salesforce rešitve CRM kot pionirja na področju CRM s široko paleto naprednih funkcij, prilagojenih podjetjem različnih velikosti in panog, ter HubSpot rešitve CRM kot pionirja za vhodni marketing, ki je s svojo ponudbo, brezplačnimi orodji in prijaznim uporabniškim vmesnikom posebej priljubljen med majhnimi in srednje velikimi podjetji. Kljub mnogim podobnostim med rešitvama, kot so storitve v oblaku, orodja umetne inteligence, prilagodljivost, širok cenovni razpon, pa obstaja veliko ključnih razlik, ki vplivajo na njuno izbiro in uporabniško izkušnjo. Pri tem uporabniška izkušnja rešitev CRM postaja ključen dejavnik uspešnosti rešitev CRM.
V magistrskem delu se osredotočamo na vprašanje, katera od omenjenih rešitev CRM ponuja boljšo splošno uporabniško izkušnjo, katerim uporabnikom in zakaj. Pri tem analiziramo mnenja in ocene dejanskih uporabnikov Salesforce in HubSpot rešitev CRM iz različnih spletnih virov, vključimo pa tudi lastna opažanja (s pomočjo brezplačne preizkusne različice ter platform za izobraževanje Salesforce Trailhead in HubSpot Academy) glede ključnih vidikov rešitev CRM, kot so cene, funkcionalnosti, uporabniški vmesnik, možnosti prilagoditev idr. Za lažje razumevanje obravnavanega področja pa najprej podrobneje razložimo še rešitve CRM in njihove značilnosti, uporabniško izkušnjo in njeno povezanost z uporabniškim vmesnikom, umetno inteligenco in CRM. Predstavimo tudi podjetji Salesforce in HubSpot ter storitve, podporo uporabnikom in možnost izobraževanj obeh omenjenih ponudnikov.
Z analizo uporabniške izkušnje Salesforce in HubSpot rešitev CRM želimo prispevati k boljšemu razumevanju prednosti in slabosti obeh rešitev CRM ter z dragocenim vpogledom z vidika uporabniške izkušnje zagotoviti ključne informacije podjetjem, povezane z izbiro in uporabo CRM sistema. Ključne besede: upravljanje odnosov s strankami, rešitve CRM, uporabniška izkušnja, umetna inteligenca, Salesforce, HubSpot. Objavljeno v DKUM: 17.02.2025; Ogledov: 0; Prenosov: 60
Celotno besedilo (2,37 MB) |
8. Vključevanje orodij umetne inteligence v celovite informacijske rešitve: primer napovedovanja prodaje in zalogGarvin Gajšek, 2024, magistrsko delo Opis: Izziv dela predstavlja integracijo celovitih informacijskih rešitev s tehnologijami umetne inteligence za napovedovanje prodaje in upravljanje zalog v podjetjih, s posebnim poudarkom na platformi Microsoft Dynamics 365 Business Central. V sodobnem poslovnem okolju predstavlja napovedovanje prodaje in zalog enega izmed ključnih elementov za ohranjanje konkurenčne prednosti podjetij. Zaradi naraščajočega pomena teh dejavnikov se vse pogosteje poslužujemo orodij umetne inteligence in strojnega učenja, ki omogočajo bolj natančne in pravočasne napovedi ter optimizacijo zalog. Ena izmed glavnih prednosti strojnega učenja je sposobnost obravnave kompleksnih podatkovnih nizov, ki vključujejo več dejavnikov ali značilk. S tem lahko izboljšamo model in natančnost napovedi, saj lahko algoritmi strojnega učenja učinkoviteje izkoristijo informacije, ki jih vsebujejo podatki. Ta pristop nam daje pomembno prednost nad konkurenco in nam omogoča, da ostajamo korak pred njo v dinamičnem poslovnem okolju. Seveda pa je ključnega pomena pravilna izbira dejavnikov, ustrezna obdelava podatkov ter izbira ustrezne metode strojnega učenja, da lahko dosežemo najboljše rezultate pri napovedovanju. Velik izziv na področju na tem področju je zato vprašanje, katere podatke in zgodovino podatkov umetna inteligenca uporablja in potrebuje za izvajanje kvalitetnih napovedi.
V magistrskem delu predstavimo osnovne paradigme strojnega učenja (angl. machine learning, v nadaljevanju ML), ki so uporabljene v našem eksperimentu napovedovanja prodaje iz zalog. Opisani so elementi poteka dela ML, okvir regresijsko temelječih metod ML in ocenjevalne matrike ML. Pomemben del naloge je posvečen analizi in opisu programske kode jezika R, s katero poglobimo razumevanje delovanja modela strojnega učenja v okolju Azure Machine Learning (v nadaljevanju AML) Studio. Model strojnega učenja v AML Studio je nato objavljen kot spletna storitev, do katere dostopamo preko REST (prenos predstavitvenega stanja, angl. REpresentational State Transfer, v nadaljevanju REST) API (aplikacijski programski vmesnik, angl. Application Programming Interface, v nadaljevanju API) protokola.
V nadaljevanju je opisan razvoj razširitve Business Centrala, ki predstavlja jedro izvedbe napovedovanja in integracije vtičnika strojenega učenja. Razširitev služi kot neposredni komunikator med uporabnikom in modelom strojnega učenja. Končnemu uporabniku Business centrala omogoča izvajanje funkcij učenja, ocenjevanja in napovedovanja.
Magistrsko delo zaključimo z interpretacijo kvantitativnih rezultatov napovedi. Kvantitativna primerjava rezultatov različnih modelov strojenega učenja nam pokaže, da eksperiment strojnega učenja sicer izpolnjuje osnovne pogoje in procese napovedovanja, a se sooča z določenimi pomanjkljivostmi. Ključne besede: umetna inteligenca, strojno učenje, celovite informacijske rešitve, napovedovanje prodaje in zalog, nadzorovano učenje. Objavljeno v DKUM: 07.01.2025; Ogledov: 0; Prenosov: 44
Celotno besedilo (2,64 MB) |
9. Analiza metod in programskih rešitev za razporejanje kadrovBlagica Janeva, 2024, magistrsko delo Opis: V magistrskem delu smo s pregledom literature raziskali pogosto uporabljene metode, algoritme in modele, ki se uporabljajo na področju razporejanja kadrov. Pregledali in primerjali smo obstoječe programske rešitve, ki se uporabljajo za reševanje problemov razporejanja kadrov. V praktičnem delu smo izvedli anketo, namenjeno slovenskim podjetjem, s katero smo raziskovali seznanjenost podjetij s programskimi rešitvami za razporejanje kadrov in v kolikšni meri uporabljajo takšne oziroma druge sorodne rešitve. Rezultati so pokazali, da so namenske rešitve za razporejanje kadrov sicer prisotne, vendar se uporabljajo v omejenem obsegu, pri čemer je veliko prostora za izboljšave, zlasti pri uvedbi naprednejših funkcionalnosti v obstoječe rešitve na slovenskem trgu. Ključne besede: razporejanje kadrov, metode, programske rešitve, delovni plani Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 28
Celotno besedilo (5,65 MB) |
10. Integracija velikih jezikovnih modelov v mobilne rešitveDavid Balažic, 2024, diplomsko delo Opis: Diplomsko delo se osredotoča na analizo in implementacijo velikih jezikovnih modelov v mobilne rešitve z namenom raziskave njihovega delovanja, integracije in vpliva na uporabniško izkušnjo. V prvem delu je predstavljen teoretični del delovanja velikih jezikovnih delov. V praktičnem delu je ponazorjeno implementiranje teh modelov v mobilne rešitve in predstavljanje pristopa delovanja preko programskega vmesnika ter neposredno na napravi. Rezultati raziskave kažejo, da je pristop s programskim vmesnikom primernejši ob uporabi kompleksnejših modelov, vendar se pristop neposredno na napravi izkaže za koristnega ob uporabi manjših modelov. Ključne besede: veliki jezikovni modeli, umetna inteligenca, mobilne rešitve, model Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 48
Celotno besedilo (1,58 MB) |