Iskanje po katalogu digitalne knjižnice

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)

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)

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)

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)

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)