Řízení a modelování degradačního procesu

1. Obsah předmětu: Počítačová podpora řízení Řízení a modelování degradačního procesu Předmět : Počítačová podpora řízení K126 POPR Obor : E ZS, 2013, K126 EKO Přednášky/cvičení : Doc. Ing. P. Dlask, Ph.D.

2. Rekapitulace • Teorie pro modelování procesu • Cíl úlohy • Příprava dat modelu • Sestavení modelu • Zkouškové otázky • References Obsah

3. Rekapitulace • Úlohy v jediném XLS(X)(M) • Odstranit vazbu na data97.xls • Vysokoškolská úroveň zpracování • Aplikace nových znalostí při zpracování • …ovládací prvky, procedury, makra, odkazy, pojmenovávání buněk, navigace úlohy… • Hodnocení úloh • Zkouškový benefit • Rozmanitá aplikace • …průtok vody, výkon elektrárny, výkony sportovců, vývoj cen… • Chybí nákladová funkce (složka)

4. Rekapitulace • Pojmenovávání souborů (Liska01.xlsx, Liska01a.xlsx,…) • Formátovat s ohledem na rozlišení monitoru • Navigace v souboru (posuny na grafy, které jsou mimo desktop) • Názvy buněk používat ve vzorcích • Prázdné buňky nekreslit v grafech • Čeština (spelling)! • Více textů do text. pole (NE do buněk) • Obsah buňky lze vypsat do textového pole

5. Dovednosti ze cvičení 1/2 Editace parametrů zobrazené řady Legenda grafických průběhů Dodatečný popis zobrazených dat Vložit spojnici trendu Kompletovat popis grafů Barevné záložky pro sešit První záložka krycí jako list Vložit kartu „Vývojář“ Dolarová konvence $C$8 vs. C8 Vložit ovládací prvek Zápis funkce KDYŽ(…;…;…) Rozhodovací schéma funkce KDYŽ Desetinné číslo z ovládacího prvku

6. Dovednosti ze cvičení 2/2 Rozmyslet nákladovou funkci Skládání textu do vzorců Kompletovat popis grafů Navigace v krycím listu – Hypertextové odkazy Ovládací prvky - Vývojář Rozhodovací schéma funkce KDYŽ Prázdné hodnoty v grafu nekreslit

7. Rekapitulace Zkouškový benefit – průběžné vystoupení v semestru pro zájemce • 5-ti minutová rekapitulace • … • Obsah • Příprava • Popis řešení • Co se podařilo? • Co se nepodařilo? • Kde byl problém? • Co řešil? • ??? • ??? • Závěr

8. Degradace stavebního prvku Členění technicko-ekonomických procesů kde PProcesy– souhrnné označení množiny všech procesů, P– množina elementárních procesů (např. výčet materiálových skupin ve skladu, evidence pracovníků, evidence odpracovaných hodin), N– množina reálných návazných procesů (např. činnosti prováděné v harmonogramu prací s definovanými vzájemnými vazbami), S– množina plánových procesů (např. sled činností prováděných na pracovní lince s prováděním rozhodování o kontrole kvality). Řídicí procesy slouží pro tvorbu řídicích zásahů realizovaných managementem. Zpracovávají se na základě řídicích modelů odvozených z popisů reálné skutečnosti . Píšeme O jaký proces se bude jednat? • Rekapitulace • Teorie pro modelování procesu • Cíl úlohy • Příprava dat modelu • Sestavení modelu • Zkouškové otázky

9. Model stárnutí konstr. prvku • Sběr dat pro sestavení modelu • Sestavení modelu procesu • Navržení požadavků na chování procesu • Navržení řídicích opatření • Aplikace řízení • Ověření a ladění řídicích opatření • Rekapitulace • Teorie pro modelování procesu • Cíl úlohy • Příprava dat modelu • Sestavení modelu • Zkouškové otázky

10. Rekapitulace • Teorie pro modelování procesu • Cíl úlohy • Příprava dat modelu • Sestavení modelu • Zkouškové otázky

11. 4 kindsofmodels • ConceptualModel • In Vivo Model • In Vitro Model • In Silico Model Perhaps the simplest type of model to start with is the conceptual model. Theyare so simple and commonplace that I have already used them while writing this article. In turn, readers like yourself use conceptual models to understand what you read.Conceptual models basically convey meaning and can be pieced together to make senseof a bigger, trickier thing. Accordingly, every single word refers to a thing or an ideaand words are joined into clauses to deliver a message. Electronic diagrams are alsoconceptual models, summarizing how current flows around the various bits of circuitryrepresented by standard symbols. Beyond conceptual models there are in vivo models, from the Latin for 'live'. Theseare actual live organisms either in the fieldor in the laboratory sufficientlysimilar toreal phenomena to be able to give clear results. Examples include the use of live miceto reflectaspects of the human immune system or to test the effectsof nutrients ordrugs. Despite their utility, in vivo models do have their drawbacks. Concern over theiruse, for instance regarding animal rights, means great care is now taken to ensure research is ethical. Modeling generally simplies the research process, but researchers using in vivo models take on a large burden of administration, monetary cost, care fororganisms and, in some cases, risking their own safety at the hands of activists. Thankfully other types of model are available, so these difficultiescan often be overcome. A third type of model is an in vitro model. In vitro is also from Latin, meaning 'inthe glass', a phrase made popular by In-Vitro Fertilisation (IVF), where eggs are fertilisedoutside the body. In vitro models offerconditions outside of those of direct interest, but they are sufficientlysimilar that comparable processes will occur. An exampleof this kind of model would be a bionic eye that performs the same basic functions asa real eye, but is built from differentmaterials. Another example would be any chemical reaction involving an isolated enzyme in a way that is far simpler than studying theentire biochemistry of a cell. Both in vivo and in vitro models are limited by the materials that are readily available for research and resources and labour to use them appropriately. Often it is not possible to conduct experiments in as many different systemsas one would like and, even if these models are used, they can leave difficult questionsunanswered.

12. 4 kindsofmodels This brings us to the fourth and finalkind of model. It is perhaps the hardest tocomprehend, but has great power and versatility. In silico models refer to simulations using mathematical models in computers, thus relying on silicon chips. In silicomodels analyse and solve mathematical equations to give results under certain circumstances. These equations summarise relationships between things scientists study. Touse these models, it is firstnecessary to describe the phenomena in question using numbers. Then quantitative relationships can be included in the equation and where these relationships are complex, a computer is necessary to solve them. These often involvesome kind of mechanism that changes over time, like mimicking the changing price ofa Mars bar from the 1970s to the present day. For this economic model many thingsneed to be speciffiedlike in nation, supply and demand of sugar and coca etc. The results from this model may not be bang on the actual price of a Mars bar, but the modelis useful in revealing what we do know (where the model works and the price is right)and what we don't (where the model fails and the price is wrong). In the same way, allmodels can fall down on some points, but these revelations are very useful in helping toadvance scientific knowledge. • ConceptualModel • In Vivo Model • In Vitro Model • In Silico Model

13. 4 kindsofmodels - examples • 1. Conceptual Model • (scheme, chart, electronic diagrams, flow chart) • 2. In Vivo Model • (the human immune systém, test the effects of nutrients or drugs, cell experiments) • 3. In Vitro Model • (bionic eye, chemical reaction, enzyme isolation, endoprosthetic, hip replacement) • 4. In Silico Model • (price model, prediction models, simulation model, transport model, population)

14. What do we need? In Silico Model: - describe the phenomena in question using numbers, - describe quantitation relationships can be included in the equation, - these relationships are complex, - computer to solve them, - software to solve them, - mimicking the degradation process. …revelations are very useful in helping to advance scientific knowledge. • Rekapitulace • Teorie pro modelování procesu • Cíl úlohy • Příprava dat modelu • Sestavení modelu • Zkouškové otázky

15. XLSX model.

16. Model stárnutí konstr. prvku I. Bez údržby Bez obnovy Rozpad na 0% • Parametry výpočtu • Popis prvku • Technické parametry • Pořizovací náklady • Doba životnosti • Model stárnutí 8000000 Kč 0 Kč Roky 0 6 8 10 12 Viz XLS

17. Model stárnutí konstr. prvku II. Bez údržby Bez obnovy Rozpad na 25% 8000000 Kč 2000000 Kč 0 Kč Roky 0 8 10 12

18. Model stárnutí konstr. prvku III. Bez údržby Obnova na max. Rozpad na 25% 8000000 Kč Náklady 2000000 Kč 0 Kč Roky 0 8 10 12

19. Model stárnutí konstr. prvku IV. Súdržbou Bez obnovy Rozpad na 25% 8000000 Kč Suma nákladů Pravidelná údržba 4000000 Kč 2000000 Kč 0 Kč Roky 0 10

20. Model stárnutí konstr. prvku V. Súdržbou S obnovou Rozpad na 25% 8000000 Kč Pravidelná údržba 4000000 Kč 2000000 Kč 0 Kč Roky 0 10

21. Finanční bilance údržby/obnovy Súdržbou S obnovou Rozpad na 25% 8000000 Kč Pravidelná údržba 4000000 Kč 2000000 Kč 0 Kč Roky 0

22. Literatura Beran, V., Dlask, P. Management udržitelného rozvoje regionů, sídel a obcí. Praha : Academia, 2005, s. 256. Beran, V. a kol. Dynamický harmonogram. Praha : Academia, 2002, s. 172. Dlask, P., Modelování při řízení. Praha : WoltersKluwer, 2011, s. 175. Griffiths, E., What is a model?, 2009. Kersten, G.,Decision Support Systemsfor Sustainable Development, A ResourceBookofMethods and Applications, Kluwer Academic Edition, 2002. Griffths, E., Whatisa model?, e.griffiths@shef.ac.uk

23. Závěr Závěr Řízení a modelování degradačního proceu Doc. Ing. P. Dlask, Ph.D.