20.500.12556/RUL-180736 Vpeljava mehanizma avtomatskega razporejanja nalog v spletni storitvi MF.MKN Introduction of Automatic Task Scheduling Mechanism in MF.MKN Web Service V sodobnih organizacijskih okoljih predstavlja problem optimalnega razporejanja nalog terenskim delavcem pomemben operativni izziv. Odsotnost ustreznega sistema za razporejanje praviloma pomeni, da se proces razporejanja izvaja ročno, kar povečuje časovno in organizacijsko obremenitev ter zmanjšuje učinkovitost izrabe virov. Zaradi navedenega smo se odločili razviti sistem za avtomatsko razporejanje nalog med delavce. V diplomski nalogi predstavljamo sistem za avtomatsko razporejanje nalog med delavce v okolju MightyFields Merilno Krmilne Naprave. Razviti sistem uporablja metode strojnega učenja za optimizacijo razporejanja nalog na podlagi geografskih koordinat, razpoložljivosti delavcev in drugih parametrov. Implementacija spletne storitve uporablja algoritme za razvrščanje v skupine (angl. clustering) in optimizacijo poti z uporabo eksternih spletnih API-jev. Razviti sistem omogoča masovno razporejanje nalog za celotno podjetje ali posamezne organizacijske enote. Rezultati razporejanja so shranjeni v bazo podatkov, hkrati pa tudi prikazani v uporabniškem vmesniku z vizualizacijo na zemljevidu. Povratne informacije uporabnikov v okviru pilotnega testiranja kažejo na zadovoljstvo z rešitvijo, predvsem zaradi zmanjšanja ročnega dela, večje preglednosti ter hitrejše priprave razporeditev. Na podlagi testov ugotavljamo, da razvita aplikacija izpolnjuje ključne funkcionalne zahteve ter omogoča učinkovitejše razporejanje nalog. In modern organizational settings, the problem of optimally assigning tasks to field workers represents a significant operational challenge. In the absence of an appropriate scheduling system, task allocation is typically performed manually, which increases time and organizational workload and reduces the efficiency of resource utilization. For this reason, we decided to develop a system for automatic task scheduling. In this thesis, I will develop a system for automatic task scheduling among workers in the MightyFields Measurement Control Device environment. The system will use machine learning methods to optimize task scheduling based on geographic coordinates, worker availability, and other parameters. The web service implementation will use clustering algorithms and route optimization using external web APIs. The system will enable mass task scheduling for the entire company or individual organizational units. Results will be stored in a database and displayed in the user interface with map visualization. User feedback from the pilot testing indicates satisfaction with the solution, primarily due to reduced manual effort, improved transparency, and faster preparation of schedules. Based on tests we conclude, the developed application meets the key functional requirements and enables more efficient task scheduling. avtomatsko razporejanje nalog optimizacija poti strojno učenje gručenje problem usmerjanja vozil automatic task scheduling route optimization machine learning clustering vehicle routing problem true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-03-16 09:15:28 2026-03-16 09:15:34 2026-04-16 07:20:19 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 37974 275369475 Manfreda_Aljosa_-_Vpeljava_mehanizma_avtomatskega_razporejanja_nalog_v_spletni_storitvi_MF.MKN.pdf Manfreda_Aljosa_-_Vpeljava_mehanizma_avtomatskega_razporejanja_nalog_v_spletni_storitvi_MF.MKN.pdf 1 673190ABE22D8B698A5FE2D8A01E1653 d05dc6dc115b0df499757cac0a7e01fadb85b1d0b33905b48e472915ab9939eb 41a98789-2110-11f1-b0ab-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=230502 Fakulteta za računalništvo in informatiko 0 0 0