Fuzzy model rozhodování investora do fotovoltaických technologií v předprojekční fázi

Abstract
Práce pojednává o fuzzy znalostní bázi podporující rozhodování investora při investici do fotovoltaických technologií ještě v předprojekční fázi, tedy v době kdy nejsou známé podrobnosti o inženýrském řešení. Pravděpodobně většina investorů má určitou představu o nákladech a rizicích spojených s investicemi do fotovoltaických technologií. Avšak tyto znalosti jsou omezené jen na některé oblasti investorova působení. V okamžiku, kdy investor plánuje investice do nákladných fotovoltaických technologií při komplexních a vágních informací o podmínkách a rizicích investice, kde prostředí je neustále proměnlivé a multidimenzionální, lze tuto komplexní problematiku řešit pomocí fuzzy logiky. Tato práce se zabývá sestavením fuzzy znalostní báze vybraných projektů v Evropě od roku 2008 a její použití s expertním systémem. Dále se zabývá popisem proměnných, které vstupují do souboru znalostí a ovlivňují rozhodování investora. Celý soubor je posléze odlaďován a testován. Poslední část práce sestává z dialogu mezi investorem a expertním systémem využívající fuzzy znalostní báze na pěti projektech s různou velikostí. Fuzzy znalostní báze obsahuje celkem 24 proměnných a 187 prohlášení.
Dissertation deals with fuzzy knowledge base supporting investor’s investment decision into the photovoltaic technologies during pre-design phase, when the engineering solution is not known yet. Probably, majority of investors have particular image about the cost and risk coming from investment into the photovoltaic technologies. However, this image is limited to the restricted knowledge areas of each investor. During the period, when the investor is planning investment into the costly photovoltaic technologies at complex, vague and heavily qualified information about the conditions and risks of investment in the specific region, where the environment is constantly inconsistent and multidimensional, it is possible to solve this complex situation with fuzzy logic. This dissertation is focusing on creation of fuzzy knowledge base with selected installed projects in Europe since 2008 and its use with expert system. Furthermore, is covering the definition and description of the variables, which are included in the investor decision making process. The complete designed architecture of the fuzzy knowledge base is tuned and five projects with different size are tested. The fuzzy knowledge base consists of overall 24 variables and 187 statements.
Description
Citation
PAVLÍČEK, M. Fuzzy model rozhodování investora do fotovoltaických technologií v předprojekční fázi [online]. Brno: Vysoké učení technické v Brně. Fakulta podnikatelská. 2016.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Řízení a ekonomika podniku
Comittee
prof. Ing. Alena Kocmanová, Ph.D. (předseda) doc. RNDr. Helena Brožová, CSc. (člen) prof. Ing. Jan Čapek, CSc. (člen) prof. Ing. Marie Jurová, CSc. (člen) prof. Ing. Vojtěch Koráb, Dr., MBA (člen) doc. Ing. Eva Lajtkepová, Ph.D. (člen) doc. RNDr. Bedřich Půža, CSc. (člen)
Date of acceptance
2016-04-08
Defence
Doktorand uspokojivě odpověděl na položené otázky oponentů viz oponentní posudky: - Zajímalo by mne, proč proměnné modelu – lingvistické proměnné netvoří škálu nebo se škále neblíží? - Myslím, že by bylo vhodné uvést celý postup odhadu a výpočtu těchto vah. - Asi velmi důležitý předpoklad celého systému je, že si investor může vybrat, ve kterém státě chce investovat. Jaký to má praktický význam? - Str. 41-42 V obrázku (11) je zobrazen standardní kompromis při optimalizaci podle dvou kritérií., kdežto nadpis obrázku hovoří o prostředí kompromisu programování. Proč? V textu je bod I označen jako ideální bod v obrázku jako optimální bod (což zřejmě nebude pravda). Co znamená bod L? - Str. 47 Uvádíte FV měnič a FV panel Jaký je rozdíl? Dále uvádíte „Většina inovovaných modelů FV měničů…“ jaký model máte na mysli? - Str. 54 Tabulka 6. Jak jste přišel na to, že Neuronová síť a Neuro-fuzzy síť jsou časově nenáročné, kdežto ostatní metody jsou časově náročné? Proč si myslíte, že Neuronová síť a Neuro-fuzzy síť jsou nedostupné? - Str. 55 Z kolika expertních systémů jste vybíral? Dále není logická posloupnost nejprve analýza proměnných a pak sestavení proměnných experty. (Experti nemají vliv na výběr proměnných? Co je to za systém?) - Str. 58 Na jakých pracovních pozicích pracovali respondenti z 24 spolupracujících firem? - Str. 59 Tabulka 4. Proč používáte různé měnové jednotky (EUR, USD) v jedné tabulce? - Str. 77 Tabulka 7 Výrobci čeho? - Charakterizujte důvody požití fuzzy expertního systému ve zkoumané oblasti. - Jaká byla struktura otázek pro řízené rozhovory? Jak bylo vybíráno 24 podniků? Jaká je distribuce podniků podle jednotlivých kategorií (výrobců, investorů dodavatelů technologií, instalačních podniků a distributorů)? - Jak byly stanoveny skupiny jednotlivých proměnných v tab. 9? Dle jakých kritérií byly vybrány proměnné uvedené v této tabulce? - Podle jaké metriky byla posuzována kvalita odpovědí expertního systému? Teze disertační práce budou publikovány v souladu se směrnicí rektora (Studijní a zkušební řád VUT v Brně, čl. 43 odst. 3).
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO