Studije slučaja

Ocenjen kao jedan od najefektivnijih načina savremenog učenja i profesionalnog razvoja, metod studije slučaja primenjuje se kako bi znanje učesnika diskusije stavio u praktičnu primenu i istovremeno unapredio njihovo kritičko i analitičko razmišljanje; sposobnost rešavanja problema i donošenja odluka, kao i snalaženje u kriznim situacijama.

Ovaj metod koristimo u nastavi od osnivanja FEFA najpre jer želimo da naši diplomci budu proaktivni, timski orijentisani, odgovorni i spremni za preuzimanje rizika, a sve sa ciljem što kompletnije pripremljenosti za njihove buduće poslovne izazove.

Vođeni mišlju da u modernom svetu punom nepoznanica najčešće ne postoji jednoznačan odgovor, uz pomoć ove metode poseban akcenat stavljamo na razvoj adaptibilnosti, kognitivnih i interpersonalnih veština naših studenata.

Analizom različitih realnih slučaja, oni se stavljaju u okruženje koje zahteva prepoznavanje i razumevanje celokupnog konteksta situacije – izazove, šanse i probleme koji se moraju rešiti kroz zajedničku diskusiju. Osim spomenutih veština, imaju mogućnost da dodatno unaprede i primene teorijske koncepte, ali i druga stečena znanja.

U nastavku vam predstavljamo neke od studija slučaja koje su, zahvaljujućim velikom broju uspešno rešenih primera na nastavi, naši studenti samostalno osmislili, uz asistenciju profesora.

U kapitalno intenzivnoj industriji poput građevinske, vreme igra značajnu ulogu, kada je reč o obimu ukupnih troškova projekata. Svaki dan kašnjenja u odnosu na predviđene rokove, može doneti milionske troškove. Kvarovi građevinskih mašina neretko dovode do zastoja u realizaciji čitavog projekta. Ipak, uz upotrebu savremenih digitalnih tehnologija, možda je zastojima usled kvarova mašina, došao kraj! Naime, čuveni proizvođač građevinskih mašina, Caterpillar i startap iz oblasti analitike, Uptake, razvili su sistem, sposoban da predvidi kvar mašina. Naime, posebni senzori, koji se ugrađuju u različite delove mašina imaju ulogu praćenja njihovih performansi i registrovanja potencijalnih problema. Svaka pojedinačna mašina i njeni senzori, povezani su sa matičnom mrežom, koja prima podatke o performansama mašina, skuplja ih u baze podataka i potom upozorava o potencijalnom kvaru, kao i o vremenskom periodu u kom će se dogoditi. S tim u vezi, ekipa tehničara može istog trenutka da krene na teren da predupredi kvar i time izbegne ogromne troškove zastoja radova.