Metodi e Modelli per il Supporto alle Decisioni 1
|
|
|
- Giustina Repetto
- 8 anni fa
- Просмотров:
Транскрипт
1 Metodi e Modelli per il Supporto alle Decisioni 1 Massimo Paolucci ([email protected]) DIST Università di Genova Obiettivi del corso 2 Fornire capacità analitiche per affrontare problemi decisionali di natura gestionale Studiare il problema del supporto decisionale attraverso lo studio di Modelli decisionali Metodi che utilizzano tali modelli Esempi e casi applicativi I modelli considerati sono di tipo quantitativo L oggetto generale del corso è quindi il processo di Decision Making e l obiettivo è fornire strumenti formali con cui supportalo 1
2 Argomenti 3 Programma del corso Ottimizzazione lineare continua: dualità e analisi di post-ottimalità, metodi ed interpretazione economica Modelli di Mixed Integer Programming (pianificazione, location, scheduling) Modelli per la logistica: Vehicle Routing Problem (VRP) Metodi metaeuristici per la soluzione di problemi combinatorici Teoria delle Decisioni (Modelli stocastici) Project Management (PERT-CPM) Cenni a Modelli Multicriterio (Multicriteria Decision Making) (se resterà tempo) Altre informazioni 4 Prerequisiti Concetti base del corsi di informatica e ricerca operativa Modalità d esame Sviluppo di un progetto Prova orale Materiale didattico Lucidi del corso (PDF) disponibili sul sito 2
3 Altre informazioni 5 Riferimenti bibliografici C. Vercellis: Modelli e decisioni, Progetto Leonardo, F. S. Hillier, G. J. Lieberman, Ricerca Operativa, McGraw-Hill, 8 edizione, G. Ghiani, R. Musmanno, Modelli e metodi per l'organizzazione dei sistemi logistici, Pitagora Edistrice Bologna,2000. C.H. Papadimitrou, K. Steiglitz, Combinatorial Optimization, Dover Publ., P. Serafini, Ottimizzazione, Zanichelli, R.C. Walker, Introduction to Mathematical programming, Prentice Hall., G.M. Marakas, Decision Support Systems in the 21st century, Prentice Hall., Elementi del processo decisionale 6 Decisione = Scelta tra soluzioni alternative ad un problema Mondo simbolico Modello Analista Analisi Risultati Astrazione Decision Maker Interpretazione Mondo reale Situazione Decisionale Intuizione Decisione 3
4 Elementi del processo decisionale Modello un astrazione del problema reale sufficiente a fornire indicazioni circa le reali soluzioni (decisioni) adottabili e le loro conseguenze Analista responsabile della definizione del modello e del suo utilizzo (applicazione di metodi) provvede a preparare i risultati in una forma facilmente interpretabile da parte del DM DM responsabile della decisione supervisiona fornendo requisiti e giudizi il processo di modeling e di analisi dei risultati interpreta i risultati Analista e DM sono generalmente ruoli distinti 7 Perchè usare un modello 8 Vantaggi dell utilizzo di modelli nel decision making Stimolano i DM a rendere espliciti i loro obiettivi Forzano a identificare i tipi di decisioni che influenzano gli obiettivi Obbligano a valutare le variabili in gioco ed a quantificarle Forzano a identificare le informazioni necessarie alla quantificazione delle variabili ed alle loro interazioni Richiedono la valutazione dei vincoli che limitano i valori assumibili dalle variabili Permettono l analisi di scenari alternativi (What-If) Permettono una comunicazione e comprensione più semplice delle idee e facilitano il lavoro di gruppo 4
5 Classi di modelli 9 Classi di modelli Deterministici vs Stocastici Lineari vs Non lineari Singolo criterio o Multicriterio Variabili Esogene Decisioni Parametri Modello Prestazioni Conseguenze Variabili Endogene Modello: astrazione della realtà Metodi: algoritmi e strategie per scegliere quali valori imporre alle variabili decisionali in modo da ottenere prestazioni accettabili (ottime) Classi di decisioni Classi di decisioni in funzione del loro scope temporale (esempi nel settore della logistica) Decisioni strategiche Lungo periodo (pluriennale), relative alla definizione del sistema (azienda) e all acquisizione di risorse che richiedono grandi investimenti (es. localizzazione di centri logistici, acquisizione di nuovi veicoli, definizione della rete di distribuzione) Decisioni tattiche Medio periodo (annuali, stagionali, mensili), uso delle risorse disponibili (es. allocazione della domanda e/o veicoli a nodi logistici, gestione delle scorte) Decisioni operative Breve periodo, definizioni dei piani di lavoro settimanali o quotidiani (es. approvvigionamento, scheduling attività, scheduling delle consegne) 10 5
6 I Decision Support System (DSS) Possibile definizione 11 Un DSS è un sistema che opera sotto il controllo di uno o più decisori assistendoli nella loro attività decisionale, fornendo un insieme organizzato di strumenti con cui è possibile definire un modello (struttura) ad una parte del problema decisionale, permettendo di migliorare l efficacia complessiva della decisione. Applicazioni nei settori più diversi Industria, servizi, finanza, ambiente, trasporti,... Strumenti specifici (riferiti ad un particolare contesto, di difficile generalizzazione) 6
Lezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova [email protected] http://www.dattero.dist.unige.it Anno accademico
Lezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova [email protected] Anno accademico 2000/2001 La Ricerca Operativa (Operation
Struttura del Corso. Durata
Manuel Iori Dipartimento di Scienze e Metodi dell Ingegneria (DISMI) Università degli studi di Modena e Reggio Emilia Via Amendola 2, Pad. Buccola, 42122 Reggio Emilia web: www.or.unimore.it/iori/iori.htm
Lezioni di Ricerca Operativa
Lezioni di Ricerca Operativa R.Cerulli M.Gentili - F. Carrabs Dipartimento di Matematica (DM) Università di Salerno LA RICERCA OPERATIVA Si occupa dello sviluppo e dell applicazione di metodi matematici
Corso di Modelli e Algoritmi della Logistica
Corso di Modelli e Algoritmi della Logistica - Aree di Intervento della Logistica Prof. Antonio Sassano Dipartimento di Informatica e Sistemistica Universita di Roma La Sapienza Roma Ottobre - Introduzione
Laboratorio di Sistemi Informativi Aziendali a.a
Laboratorio di Sistemi Informativi Aziendali a.a. 2006-2007 2007 Docente: Mario Guarracino [email protected] tel. 081 6139519 http://www.na.icar.cnr.it/~mariog Informazioni logistiche Orario
Corso di Applicazioni di Intelligenza Artificiale LS. Prof. Paola Mello Anno accademico 2008/2009
Università degli Studi di Bologna Facoltà di Ingegneria Corso di Applicazioni di Intelligenza Artificiale LS Corso di Laurea in Ingegneria Informatica Prof. Paola Mello Anno accademico 2008/2009 CONTENUTI
Programma di CONVERGENZA INTERNAZIONALE E CRESCITA ECONOMICA ANNO ACCADEMICO Prof. CAPOLUPO ROSA
Programma di CONVERGENZA INTERNAZIONALE E CRESCITA ECONOMICA ANNO ACCADEMICO 2013-2014 Prof. CAPOLUPO ROSA Pre-requisiti Sono richieste le conoscenze di base della macroeconomia e per quel che riguarda
FACOLTA DI ECONOMIA. CORSO DI LAUREA MAGISTRALE IN SCIENZE ECONOMICHE Classe LM-56 Insegnamento di Marketing SSD SECS-P/08 9 CFU A.A.
FACOLTA DI ECONOMIA CORSO DI LAUREA MAGISTRALE IN SCIENZE ECONOMICHE Classe LM-56 Insegnamento di Marketing SSD SECS-P/08 9 CFU A.A. 2015-2016 Docente: Prof. Mario Risso E-mail: [email protected]
Domenico Talia. Corso di Laurea in Ingegneria Informatica. Facoltà di Ingegneria A.A UNICAL. D. Talia SISTEMI DISTRIBUITI - UNICAL 1
Corso di Laurea in Ingegneria Informatica SISTEMI DISTRIBUITI Domenico Talia Facoltà di Ingegneria UNICAL A.A. 2006-2007 D. Talia SISTEMI DISTRIBUITI - UNICAL 1 Sistemi Distribuiti - Obiettivi Gli obiettivi
FONDAMENTI DI INTELLIGENZA ARTIFICIALE-M
FONDAMENTI DI INTELLIGENZA ARTIFICIALE-M A.A. 2016/2017 Docente: Prof. Paola Mello e-mail: [email protected] Tel: 051 2093818 Server web: http://www.lia.deis.unibo.it/courses/ai/fundamentalsai2016-17/
Sistemi e modelli. Sistemi
Sistemi e modelli Obbiettivo: sviluppare metodologie e strumenti di analisi quantitativa della QoS di sistemi costruzione e soluzione di modelli per la valutazione di prestazioni e affidabilità di sistemi
I 120 CFU della Laurea magistrale in Matematica sono suddivisi secondo lo schema seguente:
Scienze Laurea magistrale in Matematica 67 CORSO DI LAUREA MAGISTRALE IN MATEMATICA PIANO DI STUDIO I 120 CFU della Laurea magistrale in Matematica sono suddivisi secondo lo schema seguente: INSEGNAMENTI/
CORSO DI INTELLIGENZA ARTIFICIALE. Docente: Prof. Paola Mello
CORSO DI INTELLIGENZA ARTIFICIALE Docente: Prof. Paola Mello Server Bologna: http://www.lia.deis.unibo.it/courses/ai/2001-02/ Anno Accademico 2001/2002 Intelligenza Artificiale Presentazione Corso 1 Corso
Modelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) [email protected] Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.1)
Docente: Marco Gaviano (e-mail:[email protected]) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 2013-14, lez.1) 1 Matematica Computazionale,
UNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Sistemi di Controllo di Gestione. Introduzione al Corso per Ingegneri Gestionali SCG-L00-A
UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso di prof. Lucio Cassia - dott.ssa Luisa Gamba ing. Paolo Malighetti 16 Settembre 2009 Introduzione al Corso per Ingegneri Gestionali SCG-L00-A Obiettivi della presente
COMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria dell Automazione, Informatica, Matematica e Telecomunicazioni COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano [email protected] Sito web: http://home.dei.polimi.it/amaldi/cro-09.shtml
algoritmi e strutture di dati
algoritmi e strutture di dati introduzione al corso maurizio patrignani roberto de virgilio algoritmi e strutture di dati nuovo ordinamento (d.m. 509/99) laurea in ingegneria informatica 2 anno 5 crediti
Modelli matematici e Data Mining
Modelli matematici e Data Mining Introduzione I modelli matematici giocano un ruolo critico negli ambienti di business intelligence e sistemi di supporto alle decisioni. Essi rappresentano un astrazione
Indice. Prefazione alla seconda edizione Autori Ringraziamenti dell Editore In questo volume... XV XXI XXIII XXV
Indice Prefazione alla seconda edizione Autori Ringraziamenti dell Editore In questo volume... XV XXI XXIII XXV Introduzione Origini ed evoluzione del controllo direzionale nella letteratura italiana e
LOGISTIC MANAGER IN AMBITO PORTUALE
LOGISTIC MANAGER IN AMBITO PORTUALE identificativo scheda: 30-003 stato scheda: Validata sintetica Figura manageriale dotata di ampie competenze in logistica e gestione d impresa, ottimizza l operatività
Ricerca Operativa A.A. 2007/ Introduzione
Ricerca Operativa A.A. 2007/2008 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: [email protected] www.math.unipd.it/~luigi
ENTERPRISE RISK MANAGEMENT: LA VIA DEL FUTURO CONSAPEVOLE
ENTERPRISE RISK MANAGEMENT: LA VIA DEL FUTURO CONSAPEVOLE GESTIRE IL RISCHIO... CREARE FUTURO L Enterprise Risk Management Nel corso della propria attività, ogni impresa è soggetta a minacce, interne ed
PROGRAMMA DEL CORSO DI ECONOMIA E GESTIONE DELLE IMPRESE SPORTIVE
PROGRAMMA DEL CORSO DI ECONOMIA E GESTIONE DELLE IMPRESE SPORTIVE INSEGNAMENTO Economia e gestione delle imprese sportive CORSO DI LAUREA Laurea Triennale in Scienze Motorie L-22 SETTORE SCIENTIFICO SECS-P/08
Statistica Aziendale Avanzata
PROGRAMMA del corso, informazioni e fonti bibliografiche Statistica Aziendale Avanzata Modulo A / Modulo B Organizzazione del corso Anno Accademico 2016/17 Codice 91019 Docente responsabile prof.ssa Silvia
Corso di Economia e Gestione delle Imprese e Marketing a.a. 2011-2012 Prof. Elena Cedrola
Corso di Economia e Gestione delle Imprese e Marketing a.a. 2011-2012 Prof. Elena Cedrola [email protected] http://docenti.unimc.it/docenti/elena-cedrola 1 Contenuti del corso Il corso, dopo aver
Università degli Studi di Pisa Corso di laurea in Ingegneria Gestionale Specifica dell insegnamento di ISTITUZIONI DI ECONOMIA
Docenza Università degli Studi di Pisa Corso di laurea in Ingegneria Gestionale Specifica dell insegnamento di ISTITUZIONI DI ECONOMIA Docente: prof. Andrea Bonaccorsi Scuola Superiore Sant Anna Tel.:
ECONOMIA APPLICATA ALL'INGEGNERIA J - Pr
DIPARTIMENTO DI INGEGNERIA ELETTRICA ELETTRONICA E INFORMATICA Corso di laurea in Ingegneria elettronica Anno accademico 2019/2020-1 anno ECONOMIA APPLICATA ALL'INGEGNERIA J - Pr ING-IND/35-6 CFU - 1 semestre
FACOLTA : Ingegneria. CORSO DI LAUREA: Ingegneria Civile. INSEGNAMENTO: Analisi Matematica. NOME DOCENTE: Alessia Berti
FACOLTA : Ingegneria CORSO DI LAUREA: Ingegneria Civile INSEGNAMENTO: Analisi Matematica NOME DOCENTE: Alessia Berti indirizzo e-mail: [email protected] orario ricevimento via e-mail: giovedì
Prof. Giorgio Poletti
7 Informatica Laurea Triennale in Economia Anno Accademico 2017-2018 Prof. Giorgio Poletti [email protected] «Dietro ogni impresa di successo c è qualcuno che ha preso una decisione coraggiosa»
Programma del corso di ECONOMIA E GESTIONE DELLE IMPRESE
Programma del corso di ECONOMIA E GESTIONE DELLE IMPRESE Insegnamento Corso di laurea Settore Scientifico ECONOMIA E GESTIONE DELLE IMPRESE L18 - GESTIONE DI IMPRESA SECSP08 CFU 8 Modalità di raccordo
126 APPROFONDIMENTI SUI PARAMETRI. SCRIPT IN AMPL
126 APPROFONDIMENTI SUI PARAMETRI. SCRIPT IN AMPL Esempio 8.3.2 Una fabbrica produce divani in tessuto acquistando da un magazzino all ingrosso i quantitativi di tessuto che gli occorrono settimanalmente.
Modulo Simulazione Parte 1. Simulazione ad Eventi Discreti: Concetti Base. Organizzazione del modulo
Modulo Simulazione Parte 1 Simulazione ad Eventi Discreti: Concetti Base Ing. R.G. Garroppo Organizzazione del modulo Simulazione ad eventi discreti: concetti base Testo: J. Banks, J.S. Carson, B.L. Nelson
Percorso professionalizzante Risk management in banca
www.abiformazione.it Percorso professionalizzante Risk management in banca Risk management / Corsi Professionalizzanti La capacità di individuare, valutare e gestire i rischi sottesi al business bancario
FONDAMENTI DI INTELLIGENZA ARTIFICIALE-M
FONDAMENTI DI INTELLIGENZA ARTIFICIALE-M A.A. 2010/2011 Docente: Prof. Paola Mello e-mail: [email protected] Tel: 051 2093818 Server web del modulo: http://www.lia.deis.unibo.it/courses/ai/fundamentalsai2010-11/
TESI DI LAUREA "Scheduling dei processi: tecniche reticolari e nuovi approcci"
DIPARTIMENTO DI ECONOMIA E MENAGEMENT Corso di Laurea Magistrale in Finanza Aziendale e Mercati Finanziari TESI DI LAUREA "Scheduling dei processi: tecniche reticolari e nuovi approcci" Relatore Prof.
ISTITUTO TECNICO COMMERCIALE E PER GEOMETRI CRESCENZI-PACINOTTI - BOLOGNA
ISTITUTO TECNICO COMMERCIALE E PER GEOMETRI CRESCENZI-PACINOTTI - BOLOGNA PIANO DI LAVORO A.S. 2016-2017 PROF. GIUSEPPE FALANGA MATERIA: MATEMATICA CLASSE 5 A indirizzi AFM-SIA DATA DI PRESENTAZIONE: 5
Introduzione alla Ricerca Operativa
Introduzione alla Ricerca Operativa Daniele Vigo D.E.I.S. - Università di Bologna [email protected] rev. 3.0 - settembre 2003 Ricerca Operativa? applicazione di metodi scientifici a problemi decisionali
Corso di Valutazione Economica dei Progetti e dei Piani
Corso di Valutazione Economica dei Progetti e dei Piani AA. 2006-2007 2 Informazioni generali sul Corso 3 Rilevanza della Valutazione La valutazione ha un ruolo crescente nei processi di decisione e nelle
