|
|
Hodnocení úrovně procesního řízení v produkčních systémech
Juřica, Pavel ; Dupal, Andrej (oponent) ; Lenort, Radim (oponent) ; Urbánek, Jiří (oponent) ; Jurová, Marie (vedoucí práce)
Oblast procesního řízení zastává stále zvyšující se význam ve fungování organizací a má pozitivní vliv na jejich úspěšnost. S ohledem na dynamicky se rozvíjející tržní prostředí je jeho neodmyslitelný význam také součástí strategického rozvoje podniků. Pokud se organizace rozhodne zavádět procesní řízení a své aktivity řídit, měla by být také schopna své procesy měřit a vyhodnocovat. To ji dává možnost účelně a efektivně řídit procesy a odhalovat nedostatky pro tvorbu strategie postavení podniku na konkurenčním trhu. Disertační práce přichází s novým modelem hodnocení procesního řízení v produkčních systémech, který podniky mohou využít jako vodítko pro svůj další rozvoj. V práci uvedené poznatky a skutečnosti přinášejí zcela nový pohled na oblast procesního řízení a jeho hodnocení u produkčních systémů. Hlavním cílem této disertační práce je navrhnout hodnocení úrovně procesního řízení v produkčních systémech na základě teoretického výzkumu a praktických zkušeností podniků z řešené oblasti. Navržené řešení pak bylo ověřeno terénním výzkumem ve vybraných podnicích.
|
|
|
Expertní systém pro rozhodování na akciových trzích s využitím sentimentu investorů
Janková, Zuzana ; Lenort, Radim (oponent) ; Zinecker, Marek (oponent) ; Chramcov, Bronislav (oponent) ; Dostál, Petr (vedoucí práce)
Předložená disertační práce zkoumá potenciál využití skóre sentimentu extrahovaného z textových dat společně s historickými daty o akciovém indexu ke zlepšení výkonnosti predikce na akciovém trhu prostřednictvím vytvořeného modelu expertního systému. Vzhledem k tomu, že velké množství textových dokumentů souvisejících s financemi, které zveřejňují jak profesionální, tak amatérští investoři, nejen na online sociálních sítích, by mohly mít dopad na vývoj akciových trhů, je zásadním úkolem analyzovat finanční texty zveřejněné různými uživateli a zejména z nich extrahovat sentiment. V této práci je sentiment investorů získán z online finančních zpráv a příspěvků zveřejněných na finanční sociální platformě StockTwits. Skóre sentimentu je stanoveno pomocí hybridního přístupu kombinující modely strojového učení s učitelem a neuronových sítí, přičemž ke klasifikaci polarity sentimentu je využito vícero lexikonů pozitivních a negativních slov. Je analyzován vliv skóre sentimentu na akciový trh prostřednictvím kauzality, kointegrace a koherence. V disertační práci je navržen model expertního systému založený na metodách fuzzy logiky. Fuzzy logika poskytuje pozoruhodné vlastnosti při práci s vágními, nepřesnými či nejasnými údaji a je schopna se lépe vypořádat s chaotickým prostředím na akciových trzích. V nedávných vědeckých studiích na popularitě získává vyšší úroveň fuzzy logiky, která je označována jako type-2 fuzzy logika. Oproti klasické type-1 fuzzy logice, je tento vyšší typ schopen mezi zdvojené funkce členství integrovat určitou úroveň nejistoty. Tento typ expertního systému je ovšem v předmětné problematice predikce akciového trhu s využitím extrahovaného sentimentu investorů značně opomíjen. Z toho důvodu je v disertační práci zkoumán potenciál využít a výkonnost type-2 fuzzy logiky. Konkrétně je vytvořeno několik type-2 fuzzy modelů, které jsou trénovány na historických datech akciového indexu a skóre sentimentu investorů za období 2018-2020. Vytvořené modely jsou posouzeny k měření výkonu predikce bez sentimentu i s integrací sentimentu investorů. Následně je na základě vytvořeného expertního modelu stanovena investiční strategie a sledována jeho ziskovost. Výkonnost predikce fuzzy modelů je komparována s výkonností několika srovnávacích modelů, včetně SVM, k-NN, naivního Bayes a dalších. Z experimentů vyplynulo, že modely fuzzy logiky jsou schopny vhodným nastavením funkcí členství a nejistoty v nich obsažených vylepšit predikci a jsou schopny konkurovat klasickým modelům predikce, které jsou standardně využívané ve výzkumných studiích. Vytvořený model by měl také sloužit jako nástroj pro podporu investičního rozhodování individuálním investorům.
|
|
|
Využití metod soft computingu jako podpory pro rozhodování při řízení podniku
Pekárek, Jan ; Jašek, Roman (oponent) ; Lenort, Radim (oponent) ; Zinecker, Marek (oponent) ; Dostál, Petr (vedoucí práce)
Předložená disertační práce se zabývá problémem rozmístění nabíjecí infrastruktury pro elektromobily na území České republiky. Jádrem práce je matematický optimalizační model, který je implementován v jazyce výpočetního software MATLAB. Model je tvořen několika dílčími celky představující samostatné modely zkoumaných veličin. Jednotlivé kapitoly práce postupně popisují tyto dílčí modely. Dílčí modely jsou: model poptávky po nabíjecí službě, model nabídky nabíjecí služby, simulátor nabíjení, optimalizační model a metoda řešení modelu. Optimalizační model je zrychlen paralelizací na grafické kartě. Optimalizační metoda je navržena jako zvláštní implementace genetických algoritmů na populaci stromově strukturovaných jedinců. Závěrečná kapitola pojednává o ekonomických aspektech zkoumaného problému, o důsledcích zjištění a o roli, kterou optimalizační model v uvažovaném kontextu hraje. Hlavní přínos práce spočívá ve formulaci zkoumaného problému do podoby matematického modelu, doprovodných analýzách a zdůvodněních. Libovolný uživatel disponující aktuálními reálnými daty pak může tuto práci spolu s přiloženými skripty použít a pomocí nich nalézt odpovědi na otázky týkající se vztahu elektromobility a nabíjecí infrastruktury.
|
|
|
Využití strojového učení pro predikci odchodu zákazníka
Fridrich, Martin ; Chramcov, Bronislav (oponent) ; Lenort, Radim (oponent) ; Šimberová, Iveta (oponent) ; Dostál, Petr (vedoucí práce)
Disertační práce se zaměřuje na predikci odchodu zákazníků v prostředí elektronického maloobchodu. Text představuje současný stav vědeckého bádání, analyzuje klíčové trendy a identifikuje příležitosti pro další výzkum. Literární rešerše je dílem realizována prostřednictvím metod pro zpracování přirozeného jazyka. Cílem práce je navrhnout, implementovat a zhodnotit systém strojového učení pro predikci odchodu zákazníků v elektronickém maloobchodě, který reflektuje perspektivy ekonomického dopadu navazujících retenčních aktivit a umožňuje bližší porozumění modelovanému jevu. Vlastní řešení je strukturováno do částí vymezení problému, porozumění a zpracování dat, modelování, vyhodnocení, interpretace a produkční nasazení systému. Nad rámec klasického pojetí odchodu zákazníka, jako absence transakce v budoucím období, je představeno nové pojetí inkrementálního ekonomického dopadu retenční kampaně. Přístupy jsou ověřeny na dvou datových souborech. V rámci modelování je uvažováno o GLM, SVM, ANN, rozhodovacích stromech a meta-algoritmech. Vnější parametry vlastního zpracování dat a konstrukce modelu jsou odhadnuty s pomocí Bayesovské optimalizace. Porozumění modelovaným jevům je podpořeno s pomocí SHAP nástrojů, které jsou rozšířeny v oblastech odhadu a vizuální prezentace. Z pohledu přirozených ukazatelů prediktivních schopností vyčnívají řešení využívající náhodné lesy nebo gradient boosting, v klasickém pojetí vynikají i ANN. Z hlediska ekonomického výsledku retenční aktivity vyčnívá nové pojetí úlohy, pozoruhodné jsou především systémy postavené na rozhodovacích stromech nebo meta-algoritmech. Jako klíčové nezávislé proměnné se podařilo identifikovat reprezentace stáří a frekvenci interakcí a transakcí, v novém pojetí vyčnívá i hodnota zákazníka. Určení a porozumění zákaznickým shlukům, na které je vhodné cílit, pak přímo podporuje související retenční aktivity. Disertační práce tak představuje ucelený přehled nových přístupů a nástrojů pro predikci odchodu zákazníka, využitelných jak pro další výzkum, tak v podnikové nebo pedagogické praxi.
|
|
|
Návrh metody měření úrovně štíhlosti výrobních procesů
Medonos, Michal ; Blecha, Petr (oponent) ; Čambál, Miloš (oponent) ; Lenort, Radim (oponent) ; Jurová, Marie (vedoucí práce)
Dizertační práce se zabývá hledáním vhodné metody pro měření štíhlosti výrobního procesu. V rámci literární rešerše je nastíněna historie vývoje přístupů k optimalizaci výrobních systémů. Dále je popsána metoda štíhlé výroby, je definován pojem štíhlost výrobního procesu a také shrnuty současné přístupy a metody měření štíhlosti výrobního procesu. V další části je představen vyvinutý ukazatel Lead Time Leanness Indicator jako návrh vhodného způsobu měření štíhlosti výrobního procesu. V rámci primárního výzkumu jsou pomocí dotazníkového šetření získány potřebné podklady a data od výrobních podniků pro otestování využitelnosti tohoto ukazatele v praxi. Na základě vyhodnocení výsledků tohoto šetření jsou všechny stanovené hypotézy potvrzeny, a tudíž lze prohlásit, že definovaný ukazatel a jeho metoda jsou vhodným nástrojem pro měření štíhlosti výrobní procesu. Dále je potvrzeno, že tento ukazatel lze využít pro stanovení cílů implementace metody štíhlé výroby a také pro vzájemné hodnocení a porovnávání efektivity výrobních procesů různých podniků mezi sebou. Další přínosem získaným z dotazníkového šetření je zmapovaní aktuálního stavu úrovně štíhlosti výrobních procesů a intenzity využívání nástrojů štíhlé výroby ve výrobních podnicích nejen v České republice, ale také v zahraničí. V závěru práce je představena případová studie, která demonstruje využití tohoto ukazatele pro zjištění aktuálního stavu štíhlosti výrobního procesu a definování potenciálů ke zlepšení na konkrétním výrobním podniku.
|
|
|
Využití konvolučních neuronových sítí pro predikci finančního selhání podniků
Šebestová, Monika ; Chramcov, Bronislav (oponent) ; Lenort, Radim (oponent) ; Režňáková, Mária (oponent) ; Dostál, Petr (vedoucí práce)
Dizertační práce se zabývá využitím konvolučních neuronových sítí pro predikci finančního selhání podniků. Při zpracování literární rešerše byla použita bibliometrická analýza, která umožnila lepší orientaci ve vědeckých pracích zaměřených na metody a přístupy využívané v minulosti pro predikci finančního selhání podniků. Na základě získaných poznatků byl navržen model hlubokého učení s architekturou GoogLeNet, jehož vstupy tvoří finanční a makroekonomické ukazatele podniků. Modelování bylo založeno na metodě transfer learning (přenosové učení), při které je možné doladit parametry předem vytvořených sítí a urychlit tak proces učení konvoluční neuronové sítě. Výchozí soubor finančních a makroekonomických ukazatelů byl sestaven z proměnných, které byly ve vědeckých pracích nejčastěji používány v modelech predikce selhání podniků. Pro konkrétní výběr ukazatelů, z nichž je model sestaven, byly použity vhodné statistické metody. Vzhledem k tomu, že konvoluční neuronové sítě pracují nejlépe se zpracováním obrazu, byly kvantitativní hodnoty vstupní ukazatelů graficky interpretovány a zkoumáno, který typ grafického zpracování je nejvhodnější pro predikci selhání firem. Z důvodu existence nevyváženého datového souboru byl v práci analyzován vliv metody SMOTE na přesnost predikce modelu. Metoda byla použita pro navýšení počtu vzorků minoritní třídy podniků. Při modelování predikce finančního selhání bylo navrženo a testováno několik variant modelů, které se lišily podobou vstupních dat. Bylo testováno, jakým způsobem ovlivní přesnost predikce odstranění odlehlých hodnot z datového souboru, časový okamžik, ze kterého data pocházejí nebo metoda výběru prediktorů. Na výsledném modelu byly dále doladěny parametry tak, aby byl schopen klasifikovat podniky z nových reálných dat. Z provedeného výzkumu vyplynulo, že s použitím správného typu grafického zpracování vstupních dat, techniky SMOTE a vhodným nastavením parametrů, dokáží konvoluční neuronové sítě s vysokou přesností předpovídat finanční selhání podniků.
|
|
|
Expertní systém pro rozhodování na akciových trzích s využitím sentimentu investorů
Janková, Zuzana ; Lenort, Radim (oponent) ; Zinecker, Marek (oponent) ; Chramcov, Bronislav (oponent) ; Dostál, Petr (vedoucí práce)
Předložená disertační práce zkoumá potenciál využití skóre sentimentu extrahovaného z textových dat společně s historickými daty o akciovém indexu ke zlepšení výkonnosti predikce na akciovém trhu prostřednictvím vytvořeného modelu expertního systému. Vzhledem k tomu, že velké množství textových dokumentů souvisejících s financemi, které zveřejňují jak profesionální, tak amatérští investoři, nejen na online sociálních sítích, by mohly mít dopad na vývoj akciových trhů, je zásadním úkolem analyzovat finanční texty zveřejněné různými uživateli a zejména z nich extrahovat sentiment. V této práci je sentiment investorů získán z online finančních zpráv a příspěvků zveřejněných na finanční sociální platformě StockTwits. Skóre sentimentu je stanoveno pomocí hybridního přístupu kombinující modely strojového učení s učitelem a neuronových sítí, přičemž ke klasifikaci polarity sentimentu je využito vícero lexikonů pozitivních a negativních slov. Je analyzován vliv skóre sentimentu na akciový trh prostřednictvím kauzality, kointegrace a koherence. V disertační práci je navržen model expertního systému založený na metodách fuzzy logiky. Fuzzy logika poskytuje pozoruhodné vlastnosti při práci s vágními, nepřesnými či nejasnými údaji a je schopna se lépe vypořádat s chaotickým prostředím na akciových trzích. V nedávných vědeckých studiích na popularitě získává vyšší úroveň fuzzy logiky, která je označována jako type-2 fuzzy logika. Oproti klasické type-1 fuzzy logice, je tento vyšší typ schopen mezi zdvojené funkce členství integrovat určitou úroveň nejistoty. Tento typ expertního systému je ovšem v předmětné problematice predikce akciového trhu s využitím extrahovaného sentimentu investorů značně opomíjen. Z toho důvodu je v disertační práci zkoumán potenciál využít a výkonnost type-2 fuzzy logiky. Konkrétně je vytvořeno několik type-2 fuzzy modelů, které jsou trénovány na historických datech akciového indexu a skóre sentimentu investorů za období 2018-2020. Vytvořené modely jsou posouzeny k měření výkonu predikce bez sentimentu i s integrací sentimentu investorů. Následně je na základě vytvořeného expertního modelu stanovena investiční strategie a sledována jeho ziskovost. Výkonnost predikce fuzzy modelů je komparována s výkonností několika srovnávacích modelů, včetně SVM, k-NN, naivního Bayes a dalších. Z experimentů vyplynulo, že modely fuzzy logiky jsou schopny vhodným nastavením funkcí členství a nejistoty v nich obsažených vylepšit predikci a jsou schopny konkurovat klasickým modelům predikce, které jsou standardně využívané ve výzkumných studiích. Vytvořený model by měl také sloužit jako nástroj pro podporu investičního rozhodování individuálním investorům.
|
|
|
Využití metod soft computingu jako podpory pro rozhodování při řízení podniku
Pekárek, Jan ; Jašek, Roman (oponent) ; Lenort, Radim (oponent) ; Zinecker, Marek (oponent) ; Dostál, Petr (vedoucí práce)
Předložená disertační práce se zabývá problémem rozmístění nabíjecí infrastruktury pro elektromobily na území České republiky. Jádrem práce je matematický optimalizační model, který je implementován v jazyce výpočetního software MATLAB. Model je tvořen několika dílčími celky představující samostatné modely zkoumaných veličin. Jednotlivé kapitoly práce postupně popisují tyto dílčí modely. Dílčí modely jsou: model poptávky po nabíjecí službě, model nabídky nabíjecí služby, simulátor nabíjení, optimalizační model a metoda řešení modelu. Optimalizační model je zrychlen paralelizací na grafické kartě. Optimalizační metoda je navržena jako zvláštní implementace genetických algoritmů na populaci stromově strukturovaných jedinců. Závěrečná kapitola pojednává o ekonomických aspektech zkoumaného problému, o důsledcích zjištění a o roli, kterou optimalizační model v uvažovaném kontextu hraje. Hlavní přínos práce spočívá ve formulaci zkoumaného problému do podoby matematického modelu, doprovodných analýzách a zdůvodněních. Libovolný uživatel disponující aktuálními reálnými daty pak může tuto práci spolu s přiloženými skripty použít a pomocí nich nalézt odpovědi na otázky týkající se vztahu elektromobility a nabíjecí infrastruktury.
|
|
|
Hodnocení úrovně procesního řízení v produkčních systémech
Juřica, Pavel ; Dupal, Andrej (oponent) ; Lenort, Radim (oponent) ; Urbánek, Jiří (oponent) ; Jurová, Marie (vedoucí práce)
Oblast procesního řízení zastává stále zvyšující se význam ve fungování organizací a má pozitivní vliv na jejich úspěšnost. S ohledem na dynamicky se rozvíjející tržní prostředí je jeho neodmyslitelný význam také součástí strategického rozvoje podniků. Pokud se organizace rozhodne zavádět procesní řízení a své aktivity řídit, měla by být také schopna své procesy měřit a vyhodnocovat. To ji dává možnost účelně a efektivně řídit procesy a odhalovat nedostatky pro tvorbu strategie postavení podniku na konkurenčním trhu. Disertační práce přichází s novým modelem hodnocení procesního řízení v produkčních systémech, který podniky mohou využít jako vodítko pro svůj další rozvoj. V práci uvedené poznatky a skutečnosti přinášejí zcela nový pohled na oblast procesního řízení a jeho hodnocení u produkčních systémů. Hlavním cílem této disertační práce je navrhnout hodnocení úrovně procesního řízení v produkčních systémech na základě teoretického výzkumu a praktických zkušeností podniků z řešené oblasti. Navržené řešení pak bylo ověřeno terénním výzkumem ve vybraných podnicích.
|
host ::
RSS.