Γεωργίου Ανδρέας
  • 2310 891.569
  • acg uom.edu.gr
  • Γραφείο: ΗΘ3, 305
  • 2310 891.544

    Γεωργίου Ανδρέας

    Καθηγητής
    Τμήμα Οργάνωσης & Διοίκησης Επιχειρήσεων

    Καθηγητής, Διδακτικό Προσωπικό (Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα - MIS)
    Καθηγητής, Διδακτικό Προσωπικό (Διοίκηση Επιχειρήσεων (MBA))
    Καθηγητής, Διευθυντής (Π.Μ.Σ. στην Αναλυτική των Επιχειρήσεων και Επιστήμη των Δεδομένων)
    Καθηγητής, Διδακτικό Προσωπικό (Π.Μ.Σ. στην Αναλυτική των Επιχειρήσεων και Επιστήμη των Δεδομένων)
    Καθηγητής, Διευθυντής (Διοίκηση Επιχειρήσεων (MBA))


    Γνωστικό Αντικείμενο

    "Επιχειρησιακή Έρευνα"

    Βιογραφικό
    Ακαδημαϊκοί Τίτλοι
    • Πτυχίο τμήματος Μαθηματικών, Α.Π.Θ., (1984).
    • Διδακτορικό Δίπλωμα στην Επιχειρησιακή Έρευνα, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, (1989)
    Ερευνητικά Ενδιαφέροντα
    • Quantitative Methods in Business Analytics
    • Markov chains and stochastic modeling
    • Machine Learning and Prescriptive analytics in Operations MKT and Healthcare
    • Simulation
    • Multiple Criteria Optimization
    • AHP
    • DEA
    • Efficiency evaluation

    Διδασκόμενα Μαθήματα


    • ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
      (ΑΕ204)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    MBADS

    Τμήμα
    Π.Μ.Σ. ΣΤΗΝ ΑΝΑΛΥΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ ΚΑΙ ΕΠΙΣΤΗΜΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ

    Περιγραφή

    Ανάλυση Αποφάσεων και Βελτιστοποίηση (Decision Analysis and Optimization) 

    Κωδικός μαθήματος:

    1022-ΑΕ204

    Εξάμηνο:

    B’

    Είδος:

    Επιλογής

    Θεωρία – Πρακτική (ποσοστά):

    50 – 50

    Γλώσσα διδασκαλίας:

    Ελληνικά – Αγγλική ορολογία και βιβλιογραφία

    Ώρες διδασκαλίας:

     

    ECTS:

     

    Σελίδα μαθήματος

    Σελίδα διδάσκοντα και Compus

     

    Τμήμα, Τομέας, Υπεύθυνος 

    Τμήμα:

    Οργάνωσης και Διοίκησης Επιχειρήσεων

    Τομέας:

    Ποσοτικές Μέθοδοι – Λήψη Αποφάσεων

    Υπεύθυνος (συνδιδασκαλία):

    Ανδρέας Γεωργίου (Καθηγητής)

    Email:

    acg@uom.edu.gr

    Web:

    users.uom.gr/~acg

    Τηλ:

    2310-891569

    Γραφείο

    305, Κτήριο Θ

    Ώρες Γραφείου

    Ανακοινώνονται στην ιστοσελίδα

     

    Υπεύθυνος (συνδιδασκαλία):

    Κωνσταντίνος Καπάρης (Επίκουρος Καθηγητής)

    Email:

    k.kaparis@uom.edu.gr

    Web:

    https://kaparis.uom.gr/wp/

    Τηλ:

    2310-891573

    Γραφείο

    205, Κτήριο Θ

    Ώρες Γραφείου

    Ανακοινώνονται στην ιστοσελίδα

     

    Βιβλιογραφία 

    H.P. Williams (2013). “Model Building in Mathematical Programing - 5th edition”,  John Wiley & Sons Ltd, UK.

    D. Bertsimas & J.N. Tsitsiklis (1997). “Introduction to Linear Optimization”, Athena Scientific, Massachusetts, USA.

    G.L. Nemhauser & L.A. Wolsey (1988). “Integer and Combinatorial Optimization”, John Wiley & Sons Ltd, USA.

    Anderson D. R., D. J. Sweeney and T. A. Williams, An introduction to Management Science: Quantitative Approaches to Decision Making, ≥13th ed, Thomson.

     

    Λογισμικό

    POM/QM, IBM ILOG CPLEX 12.8 – Python API

     

    Συνοπτική Περιγραφή και Μαθησιακοί Στόχοι 

    Η Βελτιστοποίηση (Optimization) υπήρξε εξ’ αρχής ένας από τους ακρογωνιαίους λίθους του επιστημονικού πεδίου της Επιχειρησιακής Έρευνας/Διοικητικής Επιστήμης (Operational Research/Management Science), προγόνου θα έλεγε κανείς του πεδίου που σήμερα ονομάζουμε Αναλυτική των Επιχειρήσεων (Business Analytics) και ειδικότερα του Prescriptive Analytics. Πλέον, στην εποχή των μεγάλων δεδομένων η βελτιστοποίηση αποτελεί την “ατμομηχανή” των ραγδαίων εξελίξεων στον τομέα της αναλυτικής, καθώς η ανάπτυξη αλγοριθμικών μεθοδολογιών ικανών να ανταποκριθούν στις ανάγκες του κλάδου, ανατροφοδοτεί σε μεγάλο βαθμό την περαιτέρω εξέλιξη του. Το συγκεκριμένο μάθημα αποτελεί συνέχεια του εισαγωγικού μαθήματος “Η Διοικητική Επιστήμη στην Επιχειρησιακή Αναλυτική”, ωστόσο έμφαση δίνεται σε δύο άξονες με αναλογία 2 προς 1: (α) στον άξονα που αναδεικνύει τις αλγοριθμικές μεθοδολογίες επίλυσης προβλημάτων μαθηματικού προγραμματισμού και (β) στον άξονα της συνοπτικής εισαγωγής στη θεωρία αποφάσεων, ένα αντικείμενο που καταδεικνύει την αξία της υποκειμενικότητας στη λήψη αποφάσεων. Στην εισαγωγική διάλεξη του πρώτου άξονα πραγματοποιείται συνοπτική επανάληψη εννοιών και μεθοδολογιών του υποχρεωτικού μαθήματος ΟR/MS καθώς οι έννοιες αυτές αποτελούν κλειδιά για τις επόμενες ενότητες. Για την πρακτική επίλυση των προβλημάτων στον συγκεκριμένο άξονα θα χρησιμοποιηθεί το Python API της IBM ILOG CPLEX 12.8.  Το παραπάνω περιβάλλον αποτελεί έναν από τους κυρίαρχους και πιο ισχυρούς λύτες κυρτών (convex) και ακέραιων (integer) προγραμμάτων. Η εξοικείωση με native Python και την βιβλιοθήκη numpy θεωρείται δεδομένη από το προπαιτούμενο μάθημα «Εργαλεία Λογισμικού». Στο υπο-τμήμα του γραμμικού προγραμματισμού θα καλυφθεί η μορφή του αλγορίθμου simplex που χρησιμοποιείται στην πράξη (revised simplex) καθώς και η δυϊκή του μορφή (dual simplex) που είναι αναπόσπαστο κομμάτι κάθε σύγχρονου λύτη γραμμικών προβλημάτων. Στο υπο-τμήμα του ακέραιου γραμμικού προγραμματισμού, θα συζητηθούν προχωρημένες τεχνικές μοντελοποίησης με την χρήση δυαδικών μεταβλητών καθώς και τους δύο κυριότερους αλγόριθμους επίλυσης τέτοιων προγραμμάτων (branch and bound, Gomory’s cutting plane method). Στη συνέχεια θα συζητηθούν ορισμένα κλασικά προβλήματα συνδυαστικής βελτιστοποίησης (combinatorial optimization) τα οποία παρουσιάζουν εξαιρετικό πρακτικό αλλά και θεωρητικό ενδιαφέρον. Τέλος θα παρουσιαστούν δύο αλγορίθμοι διάσπασης (decomposition) προβλημάτων σε επιμέρους “όμοια” προβλήματα, διαδικασία που  επιτρέπει την επίλυση προβλημάτων μεγάλης κλίμακας (large scale optimization). Σημειώνεται, ότι ένα τμήμα του μαθήματος (1/3) θα αφιερωθεί σε μία στοιχειώδη εισαγωγή σε μεθόδους προγραμματισμού πολλαπλών στόχων και πολυκριτήριας λήψης αποφάσεων. Στο πλαίσιο αυτό θα παρουσιαστούν κλασικές μέθοδοι του προγραμματισμού πολλαπλών στόχων (goal programming) και άλλων μη παραμετρικών προσεγγίσεων όπως η μέθοδος AHP και η μέθοδος DEA.

     

    Περιεχόμενο – Σχέδιο διαλέξεων 

    1. From Operational Research  to Business Analytics; an “optimized” evolution. Revision of key notions (OR/MS compulsory course), Linear Programing (LP).
    2. Introduction to the Python API of IBM ILOG CPLEX. Linear programming applications.
    3. Optimizing linear programs in practice: The revised simplex algorithm, dual linear programming  and the dual simplex algorithm.
    4. Integer Programing (IP)  and the expressive modeling capacity of the integrality condition. 
    5. On the optimization of Integer Linear Programs (ILP). The branch and bound algorithm, and Gomory’s cutting plane algorithm. 
    6. Special cases of ILPs: Traveling salesman, knapsack, set covering, set packing, vehicle routing and other combinatorial optimization problems.
    7. Large scale optimization : The Dantzig-Wolfe decomposition algorithm and
    8. Large scale optimization ΙΙ: The Bender’s decomposition algorithm
    9. Introduction to Multiobjective optimization – basic concepts
    10. Goal Programming
    11. Linear models of efficiency – DEA
    12. AHP and extensions
    13. Final Exam.

    Αξιολόγηση Επίδοσης 

    [1] Γραπτές Εξετάσεις 70%

    [2] Ενεργός συμμετοχή 10%

    [3] Ασκήσεις 30% (bonus 10%)

    • ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ
      (ΟΙ0525)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    ECO

    Τμήμα
    ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

    Περιγραφή

    Β' ΚΥΚΛΟΣ ΣΠΟΥΔΩΝ

    ΜΑΘΗΜΑ ΧΕΙΜΕΡΙΝΟΥ ΕΞΑΜΗΝΟΥ (Ε΄ & Ζ΄ εξάμηνα) - ΟΜΑΔΑ Γ΄

    ΟΙ0525 - ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΩΝ ΣΠΟΥΔΩΝ

    ΤΜΗΜΑ

    ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΙ0525

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    E’ & Z’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

    ΔΙΔΑΣΚΩΝ

    ΑΝΔΡΕΑΣ ΓΕΩΡΓΙΟΥ (ΜΕΛΟΣ ΔΕΠ ΟΔΕ)

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

    Διαλέξεις 

    5

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    ΕΠΙΛΟΓΗΣ – ΑΝΑΠΤΥΞΗΣ ΔΕΞΙΟΤΗΤΩΝ

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ

    ΟΧΙ

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ

    ΕΛΛΗΝΙΚΗ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ/ΤΡΙΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    eclass

     

    ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Η Επιχειρησιακή Έρευνα (Operational ή Operations Research, Management Science, Quantitative Analysis for Business Decisions, Prescriptive Analytics) προσφέρει μια σειρά από εργαλεία που αφορούν την ανάπτυξη μαθηματικών μοντέλων που στόχο έχουν τη λήψη βέλτιστων αποφάσεων σε συστήματα υψηλής πολυπλοκότητας στα οποία αλληλεπιδρούν οι οντότητες (το ανθρώπινο δυναμικό, οι πόροι όπως π.χ. πρώτες ύλες, κεφάλαια, οι μεθοδολογίες) έχοντας κάποιο στόχο (π.χ. την παροχή μιας υπηρεσίας ή την παραγωγή ενός αγαθού). Αποτελεί το κυρίαρχο γνωστικό αντικείμενο της συστημικής ανάλυσης για τη λήψη (βέλτιστων) αποφάσεων και είναι ένας από τους βασικούς πυλώνες της Αναλυτικής των Επιχειρήσεων (Business Analytics). Tα τελευταία (10) χρόνια, η Επιχειρησιακή Έρευνα έχει μετεξελιχθεί σε έναν από τα βασικά μέρη του αντικειμένου που έγινε ευρύτερα γνωστό ως Business Analytics & Data Science μαζί με τις τεχνικές της Στατιστικής Ανάλυσης και με τη στήριξη της Πληροφορικής Τεχνολογίας και της διαχείρισης Πληροφοριακών Συστημάτων. Στο πλαίσιο του Business Analytics & Data Science αποτελεί την ενότητα που συνδέει την Περιγραφική και Προβλεπτική Αναλυτική (Descriptive and Predictive Avalytics) με την λήψη Αποφάσεων (Prescriptive Analytics). Το πακέτο αυτό των μεθοδολογιών εδράζεται πάνω στην υπολογιστική ισχύ που μας προσφέρει η Πληροφορική και προσφέρει απίστευτες δυνατότητες ς για την ανάλυση δεδομένων μικρού ή μεγάλου όγκου (Big Data Analysis) στο πλαίσιο της τεχνητής νοημοσύνης (ΑΙ) και των ευφυών συστημάτων (ES).

    Η Επιχειρησιακή Έρευνα βρίσκεται ΚΥΡΙΟΛΕΚΤΙΚΑ παντού γύρω μας (ακόμη κι ανδεν το βλέπετε ή δεν το γνωρίζετε) αφού κάθε δραστηριότητά μας εμπεριέχει την ανάγκη εντοπισμού της βέλτιστης προσέγγισης υλοποίησής της. Έτσι βλέπουμε εφαρμογές της σε όλους τους κλάδους επιχειρησιακής δραστηριότητας (δημόσιο τομέα, άμυνα, παροχή υπηρεσιών υγείας, κατασκευές, βιομηχανική παραγωγή, μηχανολογικές εφαρμογές, παροχή υπηρεσιών, χρηματοοικονομική διοίκηση, μάρκετινγκ, κ.λπ.). Η Επιχειρησιακή Έρευνα ως αυτοτελές γνωστικό αντικείμενο πρωτοεμφανίστηκε μέσα από την αναγκαιότητα αντιμετώπισης επιχειρησιακών (operations) προβλημάτων στο τομέα της άμυνας που διερευνήθηκαν (research) κυρίως από τις συμμαχικές δυνάμεις κατά το 2ο Παγκόσμιο Πόλεμο. Δηλαδή, σε ένα περιβάλλον με έντονη αβεβαιότητα (στοχαστικότητα), ανταγωνισμό (σύρραξη) έλλειψη πόρων και ρίσκο. Καθόλου τυχαία, ιστορικά το πρώτο πρόβλημα Επιχειρησιακής Έρευνας που αντιμετώπισε η Βρετανική Στρατιωτική Διοίκηση εκείνη την περίοδο θεωρείται το πρόβλημα της χωροθέτησης (επιλογή τόπου εγκατάστασης) το οποίο είναι συνυφασμένο με την ανάπτυξη ενός συστήματος εντοπισμού και αναχαίτησης (radar της εποχής εκείνης).

    Τα παραπάνω χαρακτηριστικά, όμως, τα συναντάμε σε κάθε περιβάλλον επιχειρησιακής (αλλά και προσωπικής) δραστηριότητας και γενικότερα κάθε οργανισμού (συστήματος) και η διαπίστωση αυτή οδήγησε, από τη δεκαετία του 50 και μετά, σε περαιτέρω ανάπτυξη και εφαρμογή των μεθόδων αυτών σε κάθε περιοχή όπου πολύπλοκα προβλήματα κάτω από συνθήκες αβεβαιότητας, ρίσκου, περιορισμένων πόρων και ανταγωνισμού έπρεπε να επιλυθούν. Στις διαλέξεις του μαθήματος ο στόχος μας είναι μια συνοπτική γνωριμία με τα βασικά εργαλεία της Επιχειρησιακής Έρευνας και κυρίως με τον γραμμικό προγραμματισμό και τη θεωρία δικτύων. Αρχικά γίνεται μία σύντομη ανασκόπηση της συστημικής προσέγγισης στην επίλυση επιχειρησιακών προβλημάτων και στην ανάπτυξη ποσοτικών μοντέλων (quantitative models) στο πλαίσιο της Καθοδηγητικής Αναλυτικής (Prescriptive Analytics). Στη συνέχεια παρουσιάζεται η μεθοδολογία του γραμμικού προγραμματισμού. Ειδικότερα, αναλύεται η γραφική αναπαράσταση των γραμμικών μοντέλων και η σχέση τους με τη μικροοικονομική ανάλυση, στοιχεία της μεθόδου simplex που είναι ένας από τους σημαντικότερους αλγορίθμους του 20ου αιώνα του οποίου η εφαρμογή σε χιλιάδες προβλήματα της καθημερινότητας κυριολεκτικά άλλαξε τον τρόπο ζωής μας προς το καλύτερο (ένας αλγόριθμος μπορεί να κάνει κάτι τέτοιο;). H δυϊκή θεωρία και η σχέση της με την μικροοκονομική θεωρία και η ανάλυση ευαισθησίας των βασικών παραμέτρων των μοντέλων. Ιδιαίτερη έμφαση αποδίδεται στην καλλιέργεια της ικανότητας ανάπτυξης στοιχειωδών γραμμικών μοντέλων και ερμηνείας των αποτελεσμάτων για τη λήψη διοικητικών αποφάσεων. Ακολούθως αναλύονται ειδικές περιπτώσεις γραμμικών προβλημάτων που μας οδηγούν φυσιολογικά στη θεωρία δικτύων, όπως είναι το πρόβλημα μεταφοράς και το πρόβλημα της εκχώρησης. Τέλος, αναλύονται τα προβλήματα της βέλτιστης διαδρομής, του άριστου δέντρου ζεύξης και της μέγιστης ροής.

    Με την ολοκλήρωση της διδασκαλίας οι φοιτητές και οι φοιτήτριες αναμένεται να έχουν καλλιεργήσει πρωτίστως την κοινή λογική και τη δημιουργικότητα στοιχεία που εδράζονται στις βάσεις της μεταδιδόμενης γνώσης, την ικανότητα μετάβασης από ένα εννοιολογικό σχήμα σε ένα μαθηματικό ισοδύναμο, την ικανότητα ανάπτυξης και εφαρμογής βασικών μοντέλων λήψης αποφάσεων, θα γνωρίζουν στοιχειώδεις διαδικασίες επίλυσης και ερμηνείας μαθηματικών μοντέλων σε διοικητικά προβλήματα, θα μπορούν να πειραματίζονται και να εκτελούν ανάλυση ευαισθησίας και να συνδέουν το υλικό με έννοιες από άλλα μαθήματα (μικροικονομική, διοίκηση παραγωγής, διοίκηση ανθρωπίνων πόρων, στρατηγική κλπ).

    Το μάθημα διδάσκεται σε αμφιθέατρο (δηλαδή δεν είναι εργαστηριακό), όμως οι φοιτητές/τριες προτρέπονται να εξασκηθούν στη διαμόρφωση και επίλυση διαφόρων προβλημάτων χρησιμοποιώντας τα διαθέσιμα προγράμματα ηλεκτρονικών υπολογιστών στα εργαστήρια των τμημάτων και στο κέντρο Πληροφορικής (QSB, QM/POM, Excel) ή ακόμη και κάποια γλώσσα ή περιβάλλον μοντελοποίησης (π.χ. Python).

    Γενικές Ικανότητες

     

     

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    • Εισαγωγικές πληροφορίες και στοιχεία της Επιχειρησιακής Έρευνας/Ποσοτικής Ανάλυσης, Αναλυτικής των Επιχειρήσεων
    • Η μοντελοποίηση στη λήψη αποφάσεων – Εισαγωγή στον Γραμμικό Προγραμματισμό
    • Μοντέλα δύο διαστάσεων Γραμμικού Προγραμματισμού
    • Γραφική μέθοδος επίλυσης και ανάλυση ευαισθησίας
    • Μοντέλα γραμμικού προγραμματισμού ανώτερης διάστασης και ειδικές περιπτώσεις
    • Η μέθοδος simplex 1
    • Δυϊκή θεωρία και οικονομική σύνδεση
    • Εφαρμογές και ανάλυση ευαισθησίας 1
    • Εφαρμογές και ανάλυση ευαισθησίας 2
    • Πρόβλημα μεταφοράς και εκχώρησης 1
    • Πρόβλημα μεταφοράς και εκχώρησης 1
    • Εισαγωγή στην Θεωρία Δικτυωτής Ανάλυσης
    • Εφαρμογές της Ανάλυσης Δικτύων

     

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Δια ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Υποστήριξη της μαθησιακής διαδικασίας με τη χρήση της ηλεκτρονικής πλατφόρμας e class.

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ 

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    65

    Αυτόνομη μελέτη

    85

    Σύνολο Μαθήματος

    150

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ/ΤΡΙΩΝ 

    Γραπτές εξετάσεις.

     

    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    Οικονόμου Γ. και Α. Γεωργίου, Επιχειρησιακή Έρευνα για τη λήψη διοικητικών Αποφάσεων, Β έκδοση, Μπένου, 2019.

     

     

     

     

    • ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ
      (ΟΔ0401)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    BA

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΤΜΗΜΑ

    ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΔ0401

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Γ’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    5

    8

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     

    Ειδικού υπόβαθρου (Υποχρεωτικό)

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    eclass

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Στις διαλέξεις του μαθήματος ο στόχος μας είναι μια συνοπτική γνωριμία με τα βασικά εργαλεία της Επιχειρησιακής Έρευνας και κυρίως με τον γραμμικό προγραμματισμό και τη θεωρία δικτύων. Αρχικά γίνεται μία σύντομη ανασκόπηση της συστημικής προσέγγισης στην επίλυση επιχειρησιακών προβλημάτων και στην ανάπτυξη ποσοτικών μοντέλων (quantitative models) στο πλαίσιο της Καθοδηγητικής Αναλυτικής (Prescriptive Analytics). Στη συνέχεια παρουσιάζεται η μεθοδολογία του γραμμικού προγραμματισμού. Ειδικότερα, αναλύεται η γραφική αναπαράσταση των γραμμικών μοντέλων και η σχέση τους με τη μικροοικονομική ανάλυση, στοιχεία της μεθόδου simplex που είναι ένας από τους σημαντικότερους αλγορίθμους του 20ου αιώνα του οποίου η εφαρμογή σε χιλιάδες προβλήματα της καθημερινότητας κυριολεκτικά άλλαξε τον τρόπο ζωής μας προς το καλύτερο (ένας αλγόριθμος μπορεί να κάνει κάτι τέτοιο;). H δυϊκή θεωρία και η σχέση της με την μικροοκονομική θεωρία και η ανάλυση ευαισθησίας των βασικών παραμέτρων των μοντέλων. Ιδιαίτερη έμφαση αποδίδεται στην καλλιέργεια της ικανότητας ανάπτυξης στοιχειωδών γραμμικών μοντέλων και ερμηνείας των αποτελεσμάτων για τη λήψη διοικητικών αποφάσεων. Ακολούθως αναλύονται ειδικές περιπτώσεις γραμμικών προβλημάτων που μας οδηγούν φυσιολογικά στη θεωρία δικτύων, όπως είναι το πρόβλημα μεταφοράς και το πρόβλημα της εκχώρησης. Τέλος, αναλύονται τα προβλήματα της βέλτιστης διαδρομής, του άριστου δέντρου ζεύξης και της μέγιστης ροής.

    Με την ολοκλήρωση της διδασκαλίας οι φοιτητές και οι φοιτήτριες αναμένεται να έχουν καλλιεργήσει πρωτίστως την κοινή λογική και τη δημιουργικότητα στοιχεία που εδράζονται στις βάσεις της μεταδιδόμενης γνώσης, την ικανότητα μετάβασης από ένα εννοιολογικό σχήμα σε ένα μαθηματικό ισοδύναμο, την ικανότητα ανάπτυξης και εφαρμογής βασικών μοντέλων λήψης αποφάσεων, θα γνωρίζουν στοιχειώδεις διαδικασίες επίλυσης και ερμηνείας μαθηματικών μοντέλων σε διοικητικά προβλήματα, θα μπορούν να πειραματίζονται και να εκτελούν ανάλυση ευαισθησίας και να συνδέουν το υλικό με έννοιες από άλλα μαθήματα (μικροικονομική, διοίκηση παραγωγής, διοίκηση ανθρωπίνων πόρων, στρατηγική κλπ.) στο πλαίσιο της Επιχειρησιακής Αναλυτικής.

    Γενικές Ικανότητες

    Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

    Προσαρμοστικότητα

    Λήψη αποφάσεων

    Αυτόνομη εργασία

    Ομαδική εργασία

    Εργασία σε διεθνές περιβάλλον

    Εργασία σε διεπιστημονικό περιβάλλον

    Παράγωγή νέων ερευνητικών ιδεών

    Σχεδιασμός και διαχείριση έργων

    Προστασία του περιβάλλοντος

    Κριτική και αυτοκριτική

    Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης






























     





    3.       ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    Περιεχόμενο Μαθήματος

    Η Επιχειρησιακή Έρευνα (Operational ή Operations Research, Management Science, Quantitative Analysis for Business Decisions, Prescriptive Analytics) προσφέρει μια σειρά από εργαλεία που αναφέρονται στην ανάπτυξη μαθηματικών μοντέλων με στόχο τη λήψη βέλτιστων αποφάσεων σε πολύπλοκα συστήματα στα οποία αλληλεπιδρούν οντότητες όπως το ανθρώπινο δυναμικό, οι πόροι όπως π.χ. πρώτες ύλες, κεφάλαια, οι μεθοδολογίες κ.λπ. έχοντας κάποιο στόχο (π.χ. την παροχή μιας υπηρεσίας ή την παραγωγή ενός αγαθού). Αποτελεί το κυρίαρχο γνωστικό αντικείμενο της συστημικής ανάλυσης για τη λήψη (βέλτιστων) αποφάσεων και είναι ένας από τους βασικούς πυλώνες της Αναλυτικής των Επιχειρήσεων (Business Analytics). Tα τελευταία χρόνια, η Επιχειρησιακή Έρευνα έχει μετεξελιχθεί σε έναν από τα βασικά συστατικά μέρη του αντικειμένου που έγινε ευρύτερα γνωστό ως Business Analytics & Data Science μαζί με τις τεχνικές της Στατιστικής Ανάλυσης/Μηχανικής Μάθησης και με τη στήριξη των τεχνικών της Πληροφορικής Τεχνολογίας και της διαχείρισης Πληροφοριακών Συστημάτων. Στο πλαίσιο του Business Analytics & Data Science αποτελεί την ενότητα που συνδέει την Περιγραφική και Προβλεπτική Αναλυτική (Descriptive and Predictive Analytics) με την λήψη Αποφάσεων (Prescriptive Analytics). Το πακέτο αυτό των μεθοδολογιών εδράζεται πάνω στην υπολογιστική ισχύ που μας προσφέρει η Πληροφορική τεχνολογία και προσφέρει τη δυνατότητα για την ανάλυση δεδομένων μικρού ή μεγάλου όγκου (Big Data Analysis) στο πλαίσιο της τεχνητής νοημοσύνης (ΑΙ) και των ευφυών συστημάτων (ES).

    Η Επιχειρησιακή Έρευνα βρίσκεται παντού γύρω μας (ακόμη κι αν δεν το βλέπετε ή δεν το γνωρίζετε) αφού κάθε ανθρώπινη δραστηριότητα εμπεριέχει την ανάγκη εντοπισμού της βέλτιστης προσέγγισης υλοποίησής της και γενικά της βέλτιστης λήψης αποφάσεων. Έτσι βλέπουμε εφαρμογές σε όλους τους κλάδους επιχειρησιακής δραστηριότητας (δημόσιο τομέα, άμυνα, παροχή υπηρεσιών υγείας, κατασκευές, βιομηχανική παραγωγή, μηχανολογικές εφαρμογές, παροχή υπηρεσιών, χρηματοοικονομική διοίκηση, μάρκετινγκ, κ.λπ.). Η Επιχειρησιακή Έρευνα ως αυτοτελές γνωστικό αντικείμενο πρωτοεμφανίστηκε από την αναγκαιότητα αντιμετώπισης επιχειρησιακών (operations) προβλημάτων στο τομέα της άμυνας που διερευνήθηκαν (research) κυρίως από τις συμμαχικές δυνάμεις κατά το 2ο Παγκόσμιο Πόλεμο. Δηλαδή, σε ένα περιβάλλον με έντονη αβεβαιότητα (στοχαστικότητα), ανταγωνισμό (σύρραξη) έλλειψη πόρων και ρίσκο. Καθόλου τυχαία, ιστορικά το πρώτο πρόβλημα Επιχειρησιακής Έρευνας που αντιμετώπισε η Βρετανική Στρατιωτική Διοίκηση εκείνη την περίοδο θεωρείται το πρόβλημα της χωροθέτησης (επιλογή τόπου εγκατάστασης) το οποίο είναι συνυφασμένο με την ανάπτυξη ενός συστήματος εντοπισμού και αναχαίτησης (radar της εποχής εκείνης).

    Τα παραπάνω χαρακτηριστικά, όμως, τα συναντάμε σε κάθε περιβάλλον επιχειρησιακής (αλλά και προσωπικής) δραστηριότητας και γενικότερα κάθε οργανισμού (συστήματος) και η διαπίστωση αυτή οδήγησε, από τη δεκαετία του 50 και μετά, σε περαιτέρω ανάπτυξη και εφαρμογή των μεθόδων αυτών σε κάθε περιοχή όπου πολύπλοκα προβλήματα κάτω από συνθήκες αβεβαιότητας, ρίσκου, περιορισμένων πόρων και ανταγωνισμού έπρεπε να επιλυθούν.

    Τυπικό σχήμα διαλέξεων για 13 εβδομάδες μαθημάτων.

    • Εισαγωγικές πληροφορίες και στοιχεία της Επιχειρησιακής Έρευνας/Ποσοτικής Ανάλυσης, Αναλυτικής των Επιχειρήσεων
    • Η μοντελοποίηση στη λήψη αποφάσεων – Εισαγωγή στον Γραμμικό Προγραμματισμό
    • Μοντέλα δύο διαστάσεων Γραμμικού Προγραμματισμού
    • Γραφική μέθοδος επίλυσης και ανάλυση ευαισθησίας
    • Μοντέλα γραμμικού προγραμματισμού ανώτερης διάστασης και ειδικές περιπτώσεις
    • Η μέθοδος simplex
    • Δυϊκή θεωρία και οικονομική σύνδεση
    • Εφαρμογές και ανάλυση ευαισθησίας
    • Πρόβλημα μεταφοράς και εκχώρησης
    • Εισαγωγή στην Θεωρία Δικτυωτής Ανάλυσης
    • Εφαρμογές της Ανάλυσης Δικτύων

     

    4.       ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Διά ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Υποστήριξη της μαθησιακής διαδικασίας με τη χρήση της ηλεκτρονικής πλατφόρμας e class.

     

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    120

    Εργαστηριακές ασκήσεις

    30

    Ασκήσεις αυτοαξιολόγησης

    50

    Σύνολο Μαθήματος

    200

     

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    Γραπτές εξετάσεις επίλυσης προβλημάτων

    Bonus ασκήσεις αυτοαξιολόγησης και quiz

     

    5.       ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    1. Οικονόμου Γ. και Α. Γεωργίου, Επιχειρησιακή Έρευνα για τη λήψη διοικητικών Αποφάσεων, Β έκδοση, Μπένου, 2016.
    2. Α. Γεωργίου, Γ. Οικονόμου, Γ. Τσιότρας και Κ. Καπάρης, Μελέτες Περιπτώσεων επιχειρησιακής Έρευνας (καθοδηγητική Αναλυτική), Εκδόσεις Μπένου , 2019
    • ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΤΗΝ ΑΝΑΛΥΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
      (ΠΣ0203)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    MIS

    Τμήμα
    ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ

    Περιγραφή

    Στο μάθημα πραγματοποιείται μια ανασκόπηση τεχνικών της αναλυτικής των επιχειρήσεων (business analytics) με έμφαση στον τρίτο πυλώνα, εκείνο της καθοδηγητικής αναλυτικής των αποφάσεων (prescriptive analytics). Βασικές έννοιες και εργαλεία των δύο πρώτων πυλώνων, δηλαδή, της περιγραφικής αναλυτικής (descriptive analytics) και της αναλυτικής των προβλέψεων (predictive analytics), παρουσιάζονται αρχικά στην εισαγωγική διάλεξη. Στη συνέχεια, πραγματοποιείται γνωριμία με τις μεθόδους και εφαρμογές της Διοικητικής Επιστήμης (Management Science/Operations Research) στη λήψη βέλτιστων αποφάσεων. Οι διαλέξεις εξειδικεύονται στον γραμμικό προγραμματισμό, όπου δίνεται έμφαση στη διαδικασία μοντελοποίησης και χρήσης των αποτελεσμάτων του εκάστοτε προγράμματος στη διαδικασία λήψης διοικητικών αποφάσεων, στη χρήση εργαλείων μοντελοποίησης και στην λήψη αποφάσεων με ένα η περισσότερους στόχους. Κατόπιν πραγματοποιείται εισαγωγή στις στοχαστικές μεθόδους και πιο συγκεκριμένα στη θεωρία ουρών αναμονής. Η ενότητα αυτή οδηγεί ομαλά στο δεύτερο τμήμα του μαθήματος που είναι η γνωριμία και οι εφαρμογές της τεχνικής της προσομοίωσης (διακριτών γεγονότων). Για τις διδακτικές ανάγκες χρησιμοποιείται σχετικό εκπαιδευτικό υλικό στο εργαστήριο.

    Στόχοι μαθήματος:

    Αναμένεται ότι φοιτητές που θα επιλέξουν να παρακολουθήσουν το μάθημα μετά την ολοκλήρωσή του θα μπορούν:

    • Να κατανοούν βασικές αρχές και έννοιες της αναλυτικής των επιχειρήσεων συνδέοντας τις με γνώσεις που έχουν αποκτήσει σε προπτυχιακό επίπεδο.
    • Να αντιλαμβάνονται τον τρόπο ανάπτυξης ενός μοντέλου που θα περιγράφει ένα πραγματικό πρόβλημα, εντοπίζοντας τα σημαντικά στοιχεία που μπορούν να επηρεάσουν τη λήψη της βέλτιστης απόφασης με βάση του στόχους που τίθενται.
    • Να εφαρμόζουν μία συστηματική μεθοδολογία εντοπισμού εναλλακτικών λύσεων ενός προβλήματος ειδικά μάλιστα τις περιπτώσεις που πρέπει να χειριστούν μεγάλα δεδομένα.
    • Να χρησιμοποιούν γλώσσες μοντελοποίησης μαθηματικού προγραμματισμού και προσομοίωσης (OPL και Extend αντίστοιχα) για την ανάπτυξη μοντέλων και τη λήψη αποφάσεων.

    Περίγραμμα μαθήματος:

    • Ορισμός της αναλυτικής των επιχειρήσεων, κατηγοριοποίηση των αναλυτικών μεθοδολογιών και μοντέλων, εφαρμογές. Βασικές έννοιες και εργαλεία της περιγραφικής αναλυτικής (descriptive analytics) και της αναλυτικής των προβλέψεων (predictive analytics).
    • Εισαγωγή στην Επιχειρησιακή Έρευνα ως καθοδηγητική αναλυτική των αποφάσεων (prescriptive analytics). Η προσέγγιση της λήψης αποφάσεων με τη χρήση μαθηματικών μοντέλων
    • Εισαγωγή στον Γραμμικό Προγραμματισμό.
    • Αναλυτική των Επιχειρήσεων με εφαρμογές του Γραμμικού Προγραμματισμού.
    • Ανάπτυξη γραμμικών προγραμμάτων με τη χρήση της γλώσσας OPL.
    • Ανάλυση περιπτώσεων ενός ή περισσοτέρων στόχων.
    • Στοχαστικές μέθοδοι – Συστήματα εξυπηρέτησης με τυχαίες αφίξεις. Εφαρμογές συστημάτων εξυπηρέτησης.
    • Εισαγωγή στην προσομοίωση. Βασικά δομικά στοιχεία μοντέλων προσομοίωσης.
    • Ακολουθίες τυχαίων αριθμών, γεννήτριες.
    • Ανάλυση δεδομένων εισόδου και αποτελεσμάτων (Input and output data analysis)
    • Τεχνικές μοντελοποίησης με το Extend
    • Ανάλυση περιπτώσεων προσομοίωσης
    • Τελικές εξετάσεις.
    • Η ΔΙΟΙΚΗΤΙΚΗ ΕΠΙΣΤΗΜΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΑΝΑΛΥΤΙΚΗ
      (ΑΕ104)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    MBADS

    Τμήμα
    Π.Μ.Σ. ΣΤΗΝ ΑΝΑΛΥΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ ΚΑΙ ΕΠΙΣΤΗΜΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ

    Περιγραφή

    Η Διοικητική Επιστήμη στην Επιχειρησιακή Αναλυτική (Business Analytics with Management Science models and methods – Prescriptive Analytics)

    Κωδικός μαθήματος:

    1022-ΑΕ104

    Εξάμηνο:

    A’

    Είδος:

    Υποχρεωτικό

    Θεωρία – Πρακτική (ποσοστά):

    50 – 50

    Γλώσσα διδασκαλίας:

    Ελληνικά – Αγγλική ορολογία και βιβλιογραφία

    Ώρες διδασκαλίας:

    3 ώρες την εβδομάδα

    ECTS:

    7,5

    Σελίδα μαθήματος

    Εclass

     Τμήμα, Τομέας, Υπεύθυνος 

    Τμήμα:

    Οργάνωσης και Διοίκησης Επιχειρήσεων

    Τομέας:

    Ποσοτικές Μέθοδοι – Λήψη Αποφάσεων

    Υπεύθυνος (συνδιδασκαλία):

    Ανδρέας Γεωργίου (Καθηγητής)

    Email:

    acg@uom.edu.gr

    Web:

    users.uom.gr/~acg

    Τηλ:

    2310-891569

    Γραφείο

    305, Κτήριο Θ

    Ώρες Γραφείου

    Ανακοινώνονται στην ιστοσελίδα

     

    Υπεύθυνος (συνδιδασκαλία):

    Κωνσταντίνος Καπάρης (Επίκουρος Καθηγητής)

    Email:

    k.kaparis@uom.edu.gr

    Web:

    https://kaparis.uom.gr/wp/

    Τηλ:

    2310-891573

    Γραφείο

    205, Κτήριο Θ

    Ώρες Γραφείου

    Ανακοινώνονται στην ιστοσελίδα

    Βιβλιογραφία

    Evans J, Business Analytics, Methods, Models and Decisions, Pearson, 2017.

    Camm J, Cochran J., Fry M., Ohlmann J., Anderson D., Sweeney D., Williams T., Essentials of Business Analytics, Cengage Learning, 2015.

    Anderson DR, Sweeney DJ, Williams TA, Camm JD, Cochran JJ., An Introduction to Management Science 13th - 15th ed, Cengage Learning, 2010-2018

    Lawrence JA, Pasternack BA. Applied Management Science. California State University–

    Fullerton. 2002.

    Aslani A, Business Analytics with Management Science Models and Methods, Pearson

    Education, 2015.

    Drake M, The Applied Business Analytics Casebook, Pearson Education, 2014.

    Λογισμικό

    Excel, POM/QM, Python Optimization Modeling Objects (Pyomo)

    Συνοπτική Περιγραφή και Μαθησιακοί Στόχοι

    Η διαδικασία λήψης βέλτιστων επιχειρησιακών αποφάσεων που στηρίζεται στη συλλογή, ταξινόμηση, επεξεργασία και ανάλυση δεδομένων δεν είναι κάτι καινούργιο. Είναι αντικείμενο καταρχάς της Στατιστικής (συλλογή, ταξινόμηση, διερεύνηση, πρόβλεψη) και στη συνέχεια της Επιχειρησιακής Έρευνας (ταξινόμηση, διερεύνηση, βελτιστοποίηση) εδώ και πολλές δεκαετίες. Οι μεταβολές που παρατηρούνται τα τελευταία χρόνια αφορούν κυρίως (α) στην ποικιλία των πηγών άντλησης δεδομένων, (β) στη στενή σύζευξη των μεθοδολογιών της Στατιστικής και της Επιχειρησιακής Έρευνας με την Πληροφορική αυτοματοποιώντας αρκετές διαδικασίες μοντελοποίησης και λήψης αποφάσεων (machine learning) αλλά ιδίως (γ) αφορούν την ποικιλομορφία των δεδομένων αυτών καθ’ αυτών, που παρουσιάζουν ένα ή περισσότερα από τα εξής χαρακτηριστικά: μεγάλο όγκο (volume), μεγαλύτερη ποικιλία πηγών (variety), ταχύτητα γένεσης (velocity), ασάφεια ή μεταβλητότητα (variability, veracity) αλλά και αξία (value), αναδεικνύοντας πολλές προκλήσεις για τους λήπτες αποφάσεων. Η Επιχειρησιακή Αναλυτική (Business Analytics) διακρίνεται σε τρία κύρια επίπεδα ανάλυσης: Descriptive – Explanatory Analytics (επεξεργασία δεδομένων και εξαγωγή πληροφοριών από στοιχεία του παρελθόντος και του παρόντος), Predictive Analytics (βασίζεται στο παρελθόν και το παρόν για να αναπτύξει μοντέλα πρόβλεψης - predictive ή κατηγοριοποίησης - classify) και Prescriptive Analytics (χρησιμοποιεί μοντέλα που στηρίζονται στα προηγούμενα αποτελέσματα ώστε να προτείνει βέλτιστους τρόπους λειτουργίας – prescriptions = συνταγές). Tο παρόν μάθημα ξεκινά με μία εκτενή εισαγωγική παρουσίαση και των τριών πυλώνων της Αναλυτικής και εστιάζει στη συνέχεια στην Καθοδηγητική Αναλυτική (Prescriptive Analytics) δηλαδή στο πλαίσιο της μοντελοποίησης για τη λήψη βέλτιστων αποφάσεων. Σημειώνεται, ότι στο πλαίσιο αυτό, συναντάμε τρεις κυρίαρχες ομάδες μεθοδολογιών: (α) τις τεχνικές της Επιχειρησιακής Έρευνας (Operational Research), (β) τις τεχνικές του σχεδιασμού πειραμάτων της Στατιστικής (Design of Experiments) και (γ) τις τεχνικές Προσομοίωσης (Simulation) που συχνά θεωρούμε ότι ανήκουν και αυτές στην ενότητα 3 της Επιχειρησιακής Έρευνας. Στο μάθημα παρουσιάζουμε μερικές από τις πιο σημαντικές τεχνικές μοντελοποίησης επιχειρησιακών διαδικασιών για τη λήψη βέλτιστων αποφάσεων με τους κανόνες της συστημικής προσέγγισης που αποτελεί τη βάση των μεθόδων της Επιχειρησιακής Έρευνας (ή όπως αλλιώς την ονομάζουμε, της Διοικητικής Επιστήμης (Management Science) ή ακόμη της Επιστήμης των Αποφάσεων). Με την ολοκλήρωση του μαθήματος και σε συνδυασμό με τα υπόλοιπα υποχρεωτικά μαθήματα του Α’ εξαμήνου του προγράμματος, στα οποία παρουσιάζονται οι άλλοι δύο πυλώνες της Επιχειρησιακής Αναλυτικής, αναμένεται ότι οι φοιτητές και οι φοιτήτριες θα είναι σε θέση να κατανοήσουν τον ρόλο του της Διοικητικής Επιστήμης (Management Science) στη διαχείριση και ανάλυση των δεδομένων, να μπορούν να αναπτύξουν ένα μοντέλο λήψης αποφάσεων με αφορμή μία πραγματική επιχειρησιακή κατάσταση, να επεξεργάζονται λύσεις που παρέχουν βέλτιστες τιμές των μέτρων απόδοσης των στόχων του λήπτη αποφάσεων, να συγκρίνουν εναλλακτικά σενάρια με βάση τα μέτρα αυτά και να προσεγγίζουν συστηματικά την εξερεύνηση της δομής των λύσεων αυτών αναλύοντας σε βάθος τον τρόπο λειτουργίας ενός συστήματος και των αλληλεπιδράσεων μεταξύ των συστατικών του στοιχείων (systems approach).

     Ενδεικτικό σχέδιο διαλέξεων 

    1. Introduction: Business Analytics orientation and the Management Science context.

    2. Linear Programming (LP) models: Assumptions and basic constructing principles.

    3. Elements of optimization using Linear Programs: The graphical solution
    4. Post optimality analysis and applications of LPs
    5. Applications of LP in Marketing Analytics
    6. Introduction to Network Analysis and LP formulations
    7. Flows in Networks: Algorithms, Max Flow/Min Cut.
    8. Shortest path Dijkstra
    9. The simplex method and variants
    10. Introduction to Python for optimization problems
    11. Applications using Python
    12. Final Exam.

     Αξιολόγηση Επίδοσης

     [1] Γραπτές Εξετάσεις: 60%

    [2] Coursework: 40%

    [3] Bonus ενεργητικής συμμετοχής στις διαλέξεις: 10%

     

     

    • ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΔΙΟΙΚΗΤΙΚΩΝ ΑΠΟΦΑΣΕΩΝ
      (ΟΔ0501)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    BA

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    1. ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΤΜΗΜΑ

    ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΔ0501

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Δ’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΔΙΟΙΚΗΤΙΚΩΝ ΑΠΟΦΑΣΕΩΝ

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    5

    8

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     

    Ειδικού υπόβαθρου (Υποχρεωτικό)

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    elass

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Αυτό το μάθημα ολοκληρώνει την ενότητα δύο (υποχρεωτικών) μαθημάτων στην Ποσοτική Ανάλυση για Επιχειρηματικές Αποφάσεις / Επιχειρησιακή Έρευνα στο πλαίσιο του Business Analytics (Prescriptive Analytics). Επικεντρώνεται σε μια δεύτερη ομάδα βασικών προσεγγίσεων μοντελοποίησης (προσδιοριστικές ή στοχαστική, ατομική ή συνεργατική). Συγκεκριμένα, παρουσιάζουμε προσδιοριστικλες προσεγγίσεις δυναμικού προγραμματισμού, στοιχειώδη μοντέλα της θεωρίας ουρών και τις εφαρμογές της στη λήψη αποφάσεων, εισαγωγή στη θεωρία παιγνίων και μια αρκετά εκτενή παρουσίαση της ανάλυσης αποφάσεων με ή χωρίς τη χρήση της θεωρίας χρησιμότητας. Επίσης, επιχειρεί να δώσει μια κριτική ανασκόπηση της ύλης του 3ου εξαμήνου συμπεριλαμβανομένων εκτενών περιπτώσεων στον γραμμικό προγραμματισμό με χρήση διαθέσιμου λογισμικού. Μετά τη λήψη αυτών των μαθημάτων, αναμένεται ότι οι φοιτητές και οι φοιτήτριες θα αναπτύξουν περαιτέρω την κοινή λογική και τη δημιουργικότητα καθώς και την ικανότητα να μεταφράζουν ένα εννοιολογικό σχήμα σε ένα μαθηματικό ισοδύναμο προκειμένου να λάβουν βέλτιστες αποφάσεις. Αναμένεται επίσης ότι θα είναι σε θέση να εφαρμόσουν αυτές τις δεξιότητες σε τυπικά επιχειρηματικά περιβάλλοντα, να διεξάγουν αποτελεσματικά πειράματα χρησιμοποιώντας ανάλυση ευαισθησίας και να απεικονίζουν σχέσεις και δεσμούς με άλλους κλάδους όπως μικροοικονομία, διαχείριση παραγωγής και λειτουργιών, ανθρώπινοι πόροι, στρατηγική διαχείριση, μάρκετινγκ, πληροφοριακά συστήματα κ.λπ. Επιπλέον, αναμένεται ότι μετά την ολοκλήρωση αυτών των μαθημάτων θα μπορούν να χρησιμοποιούν στοιχειώδεις δεξιότητες γλωσσών μοντελοποίησης για την επίλυση μαθηματικών μοντέλων που εντάσσονται στον τομέα της Επιχειρησιακής Αναλυτικής.

    Γενικές Ικανότητες

    Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

    Προσαρμοστικότητα

    Λήψη αποφάσεων

    Αυτόνομη εργασία

    Ομαδική εργασία

    Εργασία σε διεθνές περιβάλλον

    Εργασία σε διεπιστημονικό περιβάλλον

    Παράγωγή νέων ερευνητικών ιδεών

    Σχεδιασμός και διαχείριση έργων

    Προστασία του περιβάλλοντος

    Κριτική και αυτοκριτική

    Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

     





























    3.       ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    • Προχωρημένα μοντέλα Γραμμικού προγραμματισμού
    • Προχωρημένες εφαρμογές Γραμμικού προγραμματισμού
    • Η μεθοδολογία του Δυναμικού Προγραμματισμού
    • Εφαρμογές Δυναμικού Προγραμματισμού
    • Εισαγωγή στα μοντέλα ουρών αναμονής
    • Προχωρημένα μοντέλα ουρών αναμονής
    • Βελτιστοποίηση σε προβλήματα ουρών αναμονής
    • Λήψη αποφάσεων σε καταστάσεις ανταγωνιστικής αλληλεξάρτησης
    • Θεωρία παιγνίων, παίγνια μηδενικού αθροίσματος και μη μηδενικού αθροίσματος
    • Επίλυση παιγνίων, μικτές στρατηγικές, εφαρμογές
    • Εισαγωγή στην Θεωρία Ανάλυσης Αποφάσεων
    • Λήψη αποφάσεων σε περιβάλλον αβεβαιότητας και ρίσκου
    • Θεωρία χρησιμότητας 

     

    4.       ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Διά ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Υποστήριξη της μαθησιακής διαδικασίας με τη χρήση της ηλεκτρονικής πλατφόρμας e class.

     

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    120

    Εργαστηριακές ασκήσεις

    30

    Ασκήσεις αυτοαξιολόγησης

    50

    Σύνολο Μαθήματος

    200

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    Γραπτές εξετάσεις επίλυσης προβλημάτων

    Bonus ασκήσεις αυτοαξιολόγησης και quiz

    1. 5.       ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ
    1. Οικονόμου Γ. και Α. Γεωργίου, Επιχειρησιακή Έρευνα για τη λήψη διοικητικών Αποφάσεων, Β έκδοση, Μπένου, 2016.
    2. Α. Γεωργίου, Γ. Οικονόμου, Γ. Τσιότρας και Κ. Καπάρης, Μελέτες Περιπτώσεων επιχειρησιακής Έρευνας (καθοδηγητική Αναλυτική), Εκδόσεις Μπένου , 2019
    • ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΔΙΟΙΚΗΤΙΚΩΝ ΑΠΟΦΑΣΕΩΝ
      (ΟΙ0626)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    ECO

    Τμήμα
    ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

    Περιγραφή

    Β' ΚΥΚΛΟΣ ΣΠΟΥΔΩΝ

    ΜΑΘΗΜΑ ΕΑΡΙΝΟΥ ΕΞΑΜΗΝΟΥ (ΣΤ΄ & Η΄ εξάμηνα) - ΟΜΑΔΑ Γ΄

    ΟΙ0626 - ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΔΙΟΙΚΗΤΙΚΩΝ ΑΠΟΦΑΣΕΩΝ 

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΩΝ ΣΠΟΥΔΩΝ

    ΤΜΗΜΑ

    ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΙ0626

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    ΣΤ’ & Η’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΔΙΟΙΚΗΤΙΚΩΝ ΑΠΟΦΑΣΕΩΝ

    ΔΙΔΑΣΚΩΝ

    ΑΝΔΡΕΑΣ ΓΕΩΡΓΙΟΥ  (ΜΕΛΟΣ ΔΕΠ ΟΔΕ)

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

    Διαλέξεις 

    4

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    ΕΠΙΛΟΓΗΣ – ΑΝΑΠΤΥΞΗΣ ΔΕΞΙΟΤΗΤΩΝ

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ

    ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ

    ΕΛΛΗΝΙΚΗ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ/ΤΡΙΕΣ ERASMUS

    ΟΧI

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    e-class

     

    ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Το μάθημα αυτό ολοκληρώνει την ενότητα των μαθημάτων Ποσοτικής Ανάλυσης / Επιχειρησιακής Έρευνας στο γενικό πλαίσιο των μαθημάτων Business Analytics (Prescriptive Analytics), με την παρουσίαση μίας δεύτερης ομάδας μεθόδων, που εστιάζονται στην ανάλυση ατομικών ή συνεργατικών αποφάσεων, με βάση προσδιοριστικά ή στοχαστικά μοντέλα. Ειδικότερα, αναλύονται προσδιοριστικά πρότυπα δυναμικού προγραμματισμού, βασικά μοντέλα θεωρίας ουρών αναμονής και εφαρμογές της στη λήψη βέλτιστων αποφάσεων, εισαγωγή στη μελέτη ανταγωνιστικών καταστάσεων με τη θεωρία παιγνίων  και εκτενής παρουσίαση της θεωρίας ανάλυσης αποφάσεων και της έννοιας της χρησιμότητας. Επίσης, επιχειρείται περαιτέρω εμβάθυνση στο υλικό που διδάχθηκε στο Γ’ εξάμηνο με τη μελέτη εκτενών περιπτώσεων γραμμικού προγραμματισμού, με τη βοήθεια κατάλληλου λογισμικού, στην αίθουσα διδασκαλίας. Με την ολοκλήρωση της διδασκαλίας των δύο μαθημάτων που εντάσσονται σε αυτό τον κύκλο (Επιχειρησιακή Έρευνα και Μέθοδοι Ανάλυσης) οι φοιτητές (και οι φοιτήτριες φυσικά) αναμένεται να έχουν καλλιεργήσει περαιτέρω και κυρίως την κοινή λογική, τη δημιουργικότητα, την ικανότητα μετάβασης από ένα εννοιολογικό σχήμα σε ένα μαθηματικό ισοδύναμο και την ικανότητα ανάπτυξης και εφαρμογής βασικών μοντέλων λήψης αποφάσεων. Επίσης θα γνωρίζουν στοιχειώδεις διαδικασίες επίλυσης και ερμηνείας μαθηματικών μοντέλων όταν εφαρμόζονται σε διοικητικά προβλήματα, θα μπορούν να πειραματίζονται με την ανάλυση ευαισθησίας και να διασυνδέουν το υλικό αυτό με έννοιες από άλλα μαθήματα (μικροικονομική, διοίκηση παραγωγής, διοίκηση ανθρωπίνων πόρων, στρατηγική, πληροφορική κ.λπ).

    Γενικές Ικανότητες

     

     

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    • Προχωρημένα μοντέλα Γραμμικού προγραμματισμού
    • Προχωρημένες εφαρμογές Γραμμικού προγραμματισμού
    • Η μεθοδολογία του Δυναμικού Προγραμματισμού
    • Εφαρμογές Δυναμικού Προγραμματισμού
    • Εισαγωγή στα μοντέλα ουρών αναμονής
    • Προχωρημένα μοντέλα ουρών αναμονής
    • Βελτιστοποίηση σε προβλήματα ουρών αναμονής
    • Λήψη αποφάσεων σε καταστάσεις ανταγωνιστικής αλληλεξάρτησης
    • Θεωρία παιγνίων, παίγνια μηδενικού αθροίσματος και μη μηδενικού αθροίσματος
    • Επίλυση παιγνίων, μικτές στρατηγικές, εφαρμογές
    • Εισαγωγή στην Θεωρία Ανάλυσης Αποφάσεων
    • Λήψη αποφάσεων σε περιβάλλον αβεβαιότητας και ρίσκου
    • Θεωρία χρησιμότητας

     

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Δια ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Υποστήριξη της μαθησιακής διαδικασίας με τη χρήση της ηλεκτρονικής πλατφόρμας e class.

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ 

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    65

    Αυτόνομη μελέτη

    85

    Σύνολο Μαθήματος

    150

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ/ΤΡΙΩΝ 

    Γραπτές Εξετάσεις

     

    ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

    • Οικονόμου Γ. και Α. Γεωργίου, Επιχειρησιακή Έρευνας για τη λήψη διοικητικών Αποφάσεων, Β έκδοση, Μπένου, 2019. Και
    • Γεωργίου Α., Οικονόμου Γ., Τσίοτρας Γ. και Καπάρης Κ., Μελέτες Περιπτώσεων Επιχειρησιακής Έρευνας, β έκδοση, 2019, Μπένου

     

     

     

     

    • ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗΝ ΑΝΑΛΥΤΙΚΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ
      (ΔΕ0102-2)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    MBA

    Τμήμα
    ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    Ακαδημαϊκό έτος 2020 - 2021

    Εξάμηνο: Α’  Ποσοτικές μέθοδοι στην Αναλυτική των Αποφάσεων 

    Υπεύθυνος Μαθήματος

     Ανδρέας Κ. Γεωργίου (Καθηγητής), Γραφείο 305, Κτίριο Θ’, τηλ. 2301891569,

    email: acg@uom.edu.gr, Ιστοσελίδα: users.uom.gr/~acg,

    ώρες γραφείου: ανακοινώνονται στην ιστοσελίδα

     

    Απαιτούμενη Βιβλιογραφία

    • Camm J., Cochran J., Fry M., Ohlmann J., Anderson D., Sweeney D., Williams T., Essentials of Business Analytics, Cengage Learning, 2015
    • Anderson D. R., D. J. Sweeney and T. A. Williams, An introduction to Management Science: Quantitative Approaches to Decision Making, 8th – 13th ed. Thomson.
    • Γεωργίου Α., Οικονόμου Γ. και Γ. Τσιότρας, Κ. Καπάρης, «Μελέτες Περιπτώσεων Επιχειρησιακής Έρευνας», Εκδόσεις Μπένου 2019.

     

    Λογισμικό

    Excel Solver and Data Analysis, POM/QM

     

    Συνοπτική περιγραφή και στόχοι

    Στο μάθημα πραγματοποιείται καταρχάς μία εισαγωγή στις Ποσοτικές μεθόδους της Αναλυτικής των Επιχειρήσεων (Descriptive, Predictive, Prescriptive Analytics). Στη συνέχεια αφιερώνεται ένα μέρος των διαλέξεων στην παρουσίαση βασικών στατιστικών τεχνικών της διερευνητικής στατιστικής και δημοφιλών ποσοτικών μεθόδων στο τμήμα της προβλεπτικής αναλυτικής. Με τον τρόπο αυτό οι εκπαιδευόμενοι αποκτούν μία εικόνα της διαχείρισης των δεδομένων που απαιτείται ώστε να οδηγηθούν ομαλά στο τρίτο μέρος του μαθήματος που είναι μία γενική προσέγγιση στις πλέον σημαντικές ποσοτικών τεχνικές μοντελοποίησης επιχειρησιακών διαδικασιών, για τη λήψη βέλτιστων αποφάσεων. Αναλύονται μελέτες περιπτώσεων της διοίκησης επιχειρήσεων με τη χρήση κατάλληλου λογισμικού. Με την ολοκλήρωση του μαθήματος αναμένεται ότι οι φοιτητές θα είναι σε θέση να υπολογίσουν βασικούς περιγραφικούς δείκτες από ένα σύνολο δεδομένων, να αναπτύξουν στοιχειώδη μοντέλα πρόβλεψης και τέλος να δομήσουν ένα ποσοτικό μοντέλο με αφορμή μία πραγματική επιχειρησιακή κατάσταση ώστε να  επεξεργάζονται λύσεις που παρέχουν βέλτιστες τιμές μέτρων απόδοσης των επιθυμιών του λήπτη αποφάσεων, να συγκρίνουν εναλλακτικά σενάρια με βάση τα μέτρα αυτά και να προσεγγίζουν συστηματικά την εξερεύνηση της δομής των λύσεων αυτών αναλύοντας σε βάθος τον τρόπο λειτουργίας ενός συστήματος.

     

    Περίγραμμα

    1. Εισαγωγικές πληροφορίες για την Αναλυτική των Αποφάσεων στις Επιχειρήσεις
    2. Ποσοτικά μοντέλα στην Διερευνητική Στατιστική – Απεικόνιση δεδομένων
    3. Προβλεπτική Αναλυτική – Εισαγωγή
    4. Μοντέλα πρόβλεψης με τη χρήση παλινδρόμησης
    5. Μοντέλα πρόβλεψης και ομαδοποίησης
    6. Η Καθοδηγητική Αναλυτική– Εισαγωγή στον Γραμμικό Προγραμματισμό
    7. Εφαρμογές του Γραμμικού Προγραμματισμού
    8. Ανάλυση Ευαισθησίας
    9. Ειδικές Περιπτώσεις Γραμμικών Μοντέλων
    10. Εισαγωγή στην Θεωρία Δικτυωτής Ανάλυσης
    11. Θεωρία Αποφάσεων
    12. Εφαρμογές και παραδείγματα με τη θεωρία αποφάσεων
    13. Γραπτές Εξετάσεις

     

    Αξιολόγηση επίδοσης

    [1] Γραπτές Εξετάσεις 90%

    [2] Προαιρετικές ασκήσεις 10%

    [3] Συμμετοχή στο μάθημα 10% (max bonus)

      

    Οι εξετάσεις διεξάγονται με κλειστά βιβλία 

    Περαιτέρω οδηγίες στην ιστοσελίδα του μαθήματος και κυρίως στο Compus – Open eClass

    • ΤΕΧΝΙΚΕΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ
      (ΟΔ0609-1)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BA

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    1. ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΕΠΙΣΤΗΜΩΝ  ΔΙΟΙΚΗΣΗΣ  ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΤΜΗΜΑ

    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΔ0609-1

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    ΣΤ’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΤΕΧΝΙΚΕΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    3

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     

    Ειδίκευσης, ανάπτυξης δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    eclass

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Με την ολοκλήρωση του μαθήματος αναμένεται ότι οι φοιτητές και οι φοιτήτριες θα είναι σε θέση

    να αναλύσουν ένα διοικητικό πρόβλημα στα επιμέρους δομικά του στοιχεία (οντότητες, γεγονότα, δραστηριότητες κ.λπ),

    να το αποτυπώσουν με γραφικά εργαλεία

    να το μοντελοποιήσουν στοιχειωδώς σε ένα περιβάλλον προσομοίωσης με στόχο τη βέλτιστη λήψη αποφάσεων

    να εκτελούν ανάλυση δεδομένων και ανάλυση ευαισθησίας

    να παίρνουν αποφάσεις στηριζόμενες στα δεδομένα και τις πληροφορίες  (Data driven decision making)

    Γενικές Ικανότητες

    Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

    Προσαρμοστικότητα

    Λήψη αποφάσεων

    Αυτόνομη εργασία

    Ομαδική εργασία

    Εργασία σε διεθνές περιβάλλον

    Εργασία σε διεπιστημονικό περιβάλλον

    Παράγωγή νέων ερευνητικών ιδεών

    Σχεδιασμός και διαχείριση έργων

    Προστασία του περιβάλλοντος

    Κριτική και αυτοκριτική

    Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    3.       ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    Η μέθοδος της Προσομοίωσης αποτελεί μία ιδιαίτερη προσέγγιση μαθηματικής μοντελοποίησης στην οποία χρησιμοποιούμε κυρίως λογικές συνθήκες οι οποίες συγκροτούν την λειτουργική κατάσταση ενός συστήματος. Σε συνδυασμό με τις υπόλοιπες τεχνικές της Επιχειρησιακής Έρευνας και του Σχεδιασμού Πειραμάτων (Experimental Design), αποτελεί έναν από τους τρεις βασικούς πυλώνες της θεωρίας βελτιστοποίησης και λήψης αποφάσεων στην Καθοδηγητική Αναλυτική (Prescriptive Analytics).

    Στο μάθημα αρχικά πραγματοποιείται ανακεφαλαίωση σχετικά με τις βασικές αρχές μοντελοποίησης και στη συνέχεια επιχειρείται μία εμβάθυνση στις διαδικασίες ανάπτυξης και εφαρμογής μοντέλων προσομοίωσης (simulation models) με την προσέγγιση των διακριτών γεγονότων. Ιδιαίτερη έμφαση δίνεται στη διαδικασία εκπόνησης του μοντέλου (αποτύπωση, λογικές συνθήκες, διαγράμματα), στο μηχανισμό λειτουργίας, στη σύγκριση με άλλες αναλυτικές τεχνικές ανάπτυξης μοντέλων και  στην εφαρμογή της μεθόδου για τη βέλτιστη λήψη αποφάσεων. Αναλύονται θέματα όπως "δυναμικά συστήματα", "μοντέλα και μοντέλα προσομοίωσης", ο "χρόνος" , οι "μεταβλητές", τα "δεδομένα", η "σχηματική αναπαράσταση  του μοντέλου", ο "έλεγχος της αξιοπιστίας", οι "γεννήτριες τυχαίων αριθμών", η "παραγωγή τυχαίων γεγονότων", η "ανάλυση των αποτελεσμάτων" και τελικά η λήψη βέλτιστων αποφάσεων. Μέρος του μαθήματος αφιερώνεται στην παρουσίαση βασικών στοιχείων ενός κλασικού περιβάλλοντος προσομοίωσης (Extend).  Δεν είναι απαραίτητες προχωρημένες γνώσεις ηλεκτρονικών υπολογιστών ή Στατιστικής. Η διδασκαλία, διεξάγεται εξ' ολοκλήρου στο εργαστήριο ηλεκτρονικών υπολογιστών του Τμήματος. Με την ολοκλήρωση του μαθήματος αναμένεται ότι οι φοιτητές και οι φοιτήτριες θα είναι σε θέση να αναλύσουν ένα διοικητικό πρόβλημα στα επιμέρους δομικά του στοιχεία (οντότητες, γεγονότα, δραστηριότητες κ.λπ.), να το αποτυπώσουν με γραφικά εργαλεία και να το μοντελοποιήσουν στοιχειωδώς σε ένα περιβάλλον προσομοίωσης με στόχο τη βέλτιστη λήψη αποφάσεων.

    Περίγραμμα διδακτικών ενοτήτων για 13 εβδομάδες

    1. Εισαγωγή (επανάληψη) στην μεθοδολογία μοντελοποίησης
    2. Συστήματα, μοντέλα, μοντέλα προσομοίωσης, παραδείγματα
    3. Οντότητες, γεγονότα, δραστηριότητες, δομικά στοιχεία
    4. Μέθοδοι γραφικής αποτύπωσης, διαγράμματα – προγραμματισμός
    5. Τυχαίοι αριθμοί – δειγματοληψία
    6. Στατιστική Συμπερασματολογία στην Προσομοίωση
    7. Επαλήθευση – εγκυρότητα - αξιοπιστία
    8. Μοντελοποίηση στο περιβάλλον Extend 1
    9. Ομοίως (προσομοίωση σε βασικά μοντέλα ουρών αναμονής)

    10. Ομοίως (διαχείριση λογικών συνθηκών και δρομολόγησης)

    11. Ομοίως (διαχείριση οντοτήτων)

    12. Ομοίως (διαχείριση μεταβλητότητας)

    13. Ανακεφαλαίωση – συνεργασία – παρουσίαση εργασιών

     

    4.       ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Διά ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Υποστήριξη της μαθησιακής διαδικασίας με τη χρήση της ηλεκτρονικής πλατφόρμας eclass.

    Πλήρως εργαστηριακό μάθημα

     

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Εργαστηριακές Διαλέξεις

    70

    Εργασία

    50

    Σύνολο Μαθήματος

    120

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    Εξετάσεις και εργασία 

     

    5.       ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    • A. Γεωργίου, I. Κωνσταντάρας και Κ Καπάρης, «Τεχνικές Προσομοίωσς στη Διοικητική Επιστήμη», Ελληνικά Ακαδημαϊκά Ηλεκτρονικά Συγγράμματα και Βοηθήματα, www.kallipos.gr, 2015.
    • Μ. Ρουμελιώτης, Σ. Σουραβλάς, «Τεχνικές Προσομοίωσης», Εκδόσεις Τζιόλα, Θεσαλονίκη, 2011
    • ΤΕΧΝΙΚΕΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΣΤΗΝ ΑΝΑΛΥΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
      (ΑΕ209)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    MBADS

    Τμήμα
    Π.Μ.Σ. ΣΤΗΝ ΑΝΑΛΥΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ ΚΑΙ ΕΠΙΣΤΗΜΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ

    Περιγραφή

    Τεχνικές Προσομοίωσης στην Αναλυτική των Επιχειρήσεων (Simulation Techniques in Business Analytics) 

    Κωδικός μαθήματος:

    1022-AE209

    Εξάμηνο:

    Β’

    Είδος:

    Επιλεγόμενο

    Θεωρία – Πρακτική (ποσοστά):

    50 – 50

    Γλώσσα διδασκαλίας:

    Ελληνικά – Αγγλική ορολογία και βιβλιογραφία

    Ώρες διδασκαλίας:

    3 ώρες την εβδομάδα

    ECTS:

    7,5

    Σελίδα μαθήματος

    Σελίδα διδάσκοντα και Compus

     

    Τμήμα, Τομέας, Υπεύθυνος 

    Τμήμα:

    Οργάνωσης και Διοίκησης Επιχειρήσεων

    Τομέας:

    Ποσοτικές Μέθοδοι – Λήψη Αποφάσεων

    Υπεύθυνος (συνδιδασκαλία):

    Ανδρέας Γεωργίου (Καθηγητής)

    Email:

    acg@uom.edu.gr

    Web:

    users.uom.gr/~acg

    Τηλ:

    2310-891569

    Γραφείο

    305, Κτήριο Θ

    Ώρες Γραφείου

    Ανακοινώνονται στην ιστοσελίδα

     

    Υπεύθυνος (συνδιδασκαλία):

    Κωνσταντίνος Καπάρης (Επίκουρος Καθηγητής)

    Email:

    k.kaparis@uom.edu.gr

    Web:

    https://kaparis.uom.gr/wp/

    Τηλ:

    2310-891573

    Γραφείο

    205, Κτήριο Θ

    Ώρες Γραφείου

    Ανακοινώνονται στην ιστοσελίδα

     

    Βιβλιογραφία 

    Γεωργίου Α., Κωνσταντάρας Ι. και Καπάρης Κ., Τεχνικές Προσομοίωσης στη Διοικητική Επιστήμη, Ελληνικά Ακαδημαϊκά Ηλεκτρονικά Συγγράμματα και Βοηθήματα, Αθήνα, 2015.  

    Laguna M. and J. Marklund, Business Process Modeling, Simulation and Design, 2n ed 2013.

    Albright S.C. and Winston W., Business Analytics: Data Analysis and Decision Making, Cengage Learning, 2013.

    Extend Software, manual and reference.

     

    Λογισμικό

     Excel, Extend, Simul8

     

    Συνοπτική Περιγραφή και Μαθησιακοί Στόχοι

    Tο μάθημα εστιάζει στην προσομοίωση ως μία από τις πιο δημοφιλείς τεχνικές της Επιχειρησιακής Έρευνας για τη λήψη αποφάσεων σε μη αναλυτικό περιβάλλον. Παρουσιάζονται καταρχάς οι βασικές θεωρητικές βάσεις της τεχνικής ενώ στη συνέχεια επιχειρείται εκβάθυνση στις εφαρμογές και στα προβλήματα που αντιμετωπίζονται με τη χρήση λογισμικού. Με την ολοκλήρωση του μαθήματος αναμένεται ότι οι φοιτητές και οι φοιτήτριες θα είναι σε θέση να αναπτύσσουν ένα στοιχειώδες μοντέλο προσομοίωσης που θα περιγράφει ένα πραγματικό πρόβλημα, εντοπίζοντας τα σημαντικά στοιχεία που μπορούν να επηρεάσουν τη λήψη της βέλτιστης απόφασης με βάση του στόχους που τίθενται και να εφαρμόζουν μία συστηματική μεθοδολογία εντοπισμού και αξιολογησης εναλλακτικών λύσεων του προβλήματος.

     

    Περιεχόμενο – Σχέδιο διαλέξεων 

    1. Stochastic systems and Queuing
    2. Introduction to Simulation Modeling.
    3. Random number generators and random variates.
    4. Probability Distributions and input data analysis
    5. Output Data Analysis
    6. Discrete event simulation basics.
    7. Simulation Techniques using Discrete event simulation environment 
    8. Applications of Discrete event simulation
    9. Simulation with built-in Excel tools
    10. Financial Models
    11. Process Models
    12. Marketing Models
    13. Final Exam.


    Αξιολόγηση Επίδοσης

    [1] Γραπτές Εξετάσεις 70%

    [2] Ενεργός συμμετοχή 10%

    [3] Ασκήσεις 30% (bonus 10%)

     

     

     

    Δημοσιεύσεις


    • Βιβλία (13 εγγραφές)

    Περιλαμβάνει Βιβλία ή/και μονογραφίες σε διεθνείς ή ελληνικούς εκδοτικούς οίκους. Κεφάλαια ή άρθρα συλλογικών τόμων ή επιμέλεια τόμων σε διεθνείς ή ελληνικούς εκδοτικούς οίκους.

      2019

      • Α.Κ. Γεωργίου, Γ. Οικονόμου, Γ. Τσιότρα και Κ. Καπάρη, Μελέτες Περιπτώσεων Επιχειρησιακής Έρευνας, Prescriptive Analytics, Εκδόσεις Μπένου, Αθήνα, 2019.

      2016

      • Γ. Οικονόμου, και Α.Κ. Γεωργίου, Επιχειρησιακή Έρευνα για τη Λήψη Διοικητικών Αποφάσεων, Β’ Έκδοση, Εκδόσεις Μπένου, Αθήνα, 2016.

      2015

      • Α. Κ. Γεωργίου, Ι. Κωνσταντάρα και Κ. Καπάρη, Τεχνικές Προσομοίωσης στη Διοικητική Επιστήμη, Ελληνικά Ακαδημαϊκά Ηλεκτρονικά Συγγράμματα και Βοηθήματα, Αθήνα, 2015.

      2011

      • Γ. Οικονόμου, και Α.Κ. Γεωργίου, Επιχειρησιακή Έρευνα για τη Λήψη Διοικητικών Αποφάσεων, Εκδόσεις Μπένου, Αθήνα, 2011.

      2006

      • Α.Κ. Γεωργίου, Γ. Οικονόμου και Γ. Τσιότρα, Μελέτες Περιπτώσεων Επιχειρησιακής Έρευνας, Τόμος Α', Εκδόσεις Μπένου, Αθήνα, 2006.
      • Γ. Οικονόμου, και Α.Κ. Γεωργίου, Ποσοτική Ανάλυση για τη Λήψη Διοικητικών Αποφάσεων, Τόμος Α', Εκδόσεις Μπένου, Αθήνα, 2η έκδοση 2006.

      2004

      • Α.Κ. Γεωργίου, Τεχνικές Προσομοίωσης στη Διοίκηση Επιχειρήσεων, Πανεπιστημιακές Παραδόσεις, Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων, Πανεπιστήμιο Μακεδονίας, 1999, βελτιωμένη έκδοση 2004.

      2000

      • Οικονόμου, Γ. και Γεωργίου, Α.Κ. Επιχειρησιακή Έρευνα, Ελληνικό Ανοικτό Πανεπιστήμιο, Πάτρα, 2000.
      • Οικονόμου, Γ. και Γεωργίου A.K., Ποσοτική Ανάλυση για τη Λήψη Διοικητικών Αποφάσεων, Τόμος B', Εκδόσεις Μπένου, Αθήνα, 2000.

      1998

      • Χατζηδημητρίου, Ι. και Γεωργίου, Α.Κ., «Η εφαρμογή Ποσοτικών Μεθόδων Βελτιστοποίησης πολλαπλών στόχων για την επιλογή χώρας εγκατάστασης στα Βαλκάνια», Τιμητικός τόμος καθηγητή Β. Σαρσέντη, Πανεπιστήμιο Πειραιώς, 1998.

      1993

      • Γεωργίου, A.K και Βασιλείου Π.-Χ.Γ., Μη Γραμμικές Μέθοδοι Βελτιστοποίησης, Μεθοδολογία και Αλγόριθμοι, Εκδόσεις Ζήτη, Θεσσαλονίκη, 1993.

      1989

      • Γεωργίου, Α. Κ., "Έλεγχος της ασυμπτωτικής συμπεριφοράς μη ομογενών μαρκοβιανών συστημάτων", Διδακτορική Διατριβή, Τομέας Στατιστικής και Επιχειρησιακής Έρευνας, Επιστημονική Επετηρίδα του Tμήματος Μαθηματικών, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, παράρτημα αρ. 9., 1989. Επιβλέπων: Καθηγητής Π.-Χ. Γ. Βασιλείου

      1987

      • Α.Κ. Γεωργίου, Γλώσσα Προγραμματισμού PASCAL, Διδακτικές Σημειώσεις, σεμινάρια Ελληνικής Μαθηματικής Εταιρείας, 1987.
      • Επιστημονικά Περιοδικά (28 εγγραφές)

      Περιλαμβάνει Άρθρα σε διεθνή ή ελληνικά επιστημονικά περιοδικά (με κριτές).

        2019

        • V. Dimitriou and A. C. Georgiou. ‘Introduction, analysis and asymptotic behavior of a multi-level manpower planning model in a continuous time setting under potential department contraction’, Communications in Statistics: Theory and Methods, https://doi.org/10.1080/03610926.2019.1648827

        2018

        • Gotzamani, K., Georgiou, A., Andronikidis, A., & Kamvysi, K. (2018). ‘Introducing multivariate Markov modeling within QFD to anticipate future customer preferences in product design’. International Journal of Quality & Reliability Management, 35(3), 762-778.

        2017

        • K. Gotzamani, G. Paltayian, A. C. Georgiou and A. Andronikidis (2017). ‘Aligning customer requirements and organizational constraints to service processes and strategies’, Business Process Management Journal, 23(5), 1018-1042.
        • E. Thanassoulis, P. K. Dey, K. Petridis, I. Goniadis and A. C. Georgiou (2017). ‘Evaluating Higher Education Teaching Performance using Combined Analytic Hierarchy Process and Data Envelopment Analysis’, Journal of the Operational Research Society, 68(4), 431-445.

        2015

        • V. Dimitriou, A. C. Georgiou and N. Tsantas, "On the equilibrium personnel structure in the presence of vertical and horizontal mobility via multivariate Markov chains", Journal of the Operational Research Society

        2014

        • K. Kamvysi, K. Gotzamani, A. Andronikidis and A. C. Georgiou, "Capturing and prioritizing students' requirements for course design by embedding Fuzzy-AHP and linear programming in QFD", EJOR, 237, no3, 1083-1094, 2014.

        2013

        • V. Dimitriou, A. C. Georgiou and N. Tsantas, "The Multivariate Non-Homogeneous Markov Manpower System in a Departmental Mobility Framework", European Journal of Operational Research, 228, no1, 112-121, 2013.

        2012

        • G. Paltayian, A. C. Georgiou K. Gotzamani and A. Andronikidis, "An integrated AHP-QFD framework within the financial services context", International Journal of Bank Marketing, 30, no7, 527-547, 2012.

        2010

        • K. Kamvysi, K. Gotzamani, A. Andronikidis and A. C. Georgiou, "Integrating DEAHP and DEANP into the Quality Function Deployment", TQM Journal, 22, 3, 293-316, 2010.

        2009

        • E. Michalopoulos, A.C. Georgiou, K. Paparrizos, "A decision support framework in risk assessment and cost management for European Regional Operational Programs", International Journal of Applied Decision Sciences, 2, 1, 27-56, 2009.
        • A. Andronikidis, A. C. Georgiou, K. Gotzamani, K. Kamvysi, "The application of quality function deployment in service quality management", TQM Journal, 21,4,319-333, 2009.
        • A.C. Georgiou and E. Tsagalidis "Using Simulation Modeling to Support Decisions in Hail Suppression Programs with Airborne Means", Journal of the Operational Research Society, 60, 14-22, 2009.

        2008

        • E. Michalopoulos, A.C. Georgiou, K. Paparrizos, "Risk-based Decision Making and Risk Management of European Union Regional Programs", YUJOR, 18, (1), 75-94, 2008.

        2007

        • A.C. Georgiou and Bonias, G. "An AHP and Neural Network approach in predicting short-term returns: A Case of Greek stock market", Journal of Statistics & Management Systems, vol. 10, No.6, 905-928, 2007.
        • K.G. Kouskouras and A.C. Georgiou, "A discrete event simulation model in the case of managing a software project", European Journal of Operational Research, vol. 181, no.1, 374-389, 2007.

        2002

        • A.C. Georgiou and N. Tsantas, "Modelling Recruitment Training in Mathematical Human Resource Planning", Applied Stochastic Models in Business and Industry, Vol. 18, Issue 1, pp. 53-74, 2002.
        • Hajidimitriou Y. and A.C. Georgiou, "A Goal Programming Model for Partner Selection in International Joint Ventures", European Journal of Operational Research, vol. 138, no.3, pp. 649-662, 2002.

        2000

        • Hajidimitriou, Y. A. & A. C. Georgiou, "International Site Selection Decisions Using Multi-Objective Methods", American Business Review, vol. XVIII, no. 2, pp. 87-95,2000.

        1999

        • Georgiou, A.C., "Aspirations and Priorities in a Three Phase Approach of a Nonhomogeneous Markov System", European Journal of Operational Research, vol. 116, no. 3, pp. 565-583, 1999.

        1998

        • Karagiannidis, C., A. Koumpis, C. Stephanidis and A.C. Georgiou, "Employing Queuing Modelling in Intelligent Multimedia User Interfaces", International Journal of Human-Computer Interaction, vol. 10, no. 4, pp. 297-326, 1998.
        • Tsantas, N. and A.C Georgiou, "Partial maintainability of a population model in a stochastic environment", Applied Stochastic Models and Data Analysis, vol. 13, pp. 183-189, 1998.

        1997

        • Georgiou, A.C. and P.-C.G. Vassiliou, "Cost Models in nonhomogeneous Markov Systems", European Journal of Operational Research, vol. 100, no.1, pp. 81-96, 1997.

        1996

        • Georgiou, A.C. and N. Tsantas, "Non stationary cyclic behaviour in nonhomogeneous Markov systems", Linear Algebra and Its Applications, vol.237/238, pp. 549-578. 1996.

        1994

        • Tsantas, N. and Georgiou A.C., "Periodicity of Equilibrium Structures in a Time Dependent Markov Model under Stochastic Environment", Applied Stochastic Models and Data Analysis, vol. 10, pp. 269-277, 1994.

        1992

        • Georgiou, A.C. and Vassiliou P.-C.G., "Periodicity of Asymptotically Attainable Structures in nonhomogeneous Markov Systems", Linear Algebra and Its Applications, vol. 176, pp. 137-174, 1992.
        • Georgiou, A.C., "Partial Maintainability and Control in nonhomogeneous Markov Manpower Systems", European Journal of Operational Research, vol. 62, nο 2, pp. 241-251, 1992.

        1990

        • Vassiliou, P.-C.G, Georgiou A.C. and Tsantas N., "Control of Asymptotic Variability in nonhomogeneous Markov Systems", Journal of Applied Probability, vol. 27, nο 4, pp. 756-766, 1990.
        • Vassiliou, P.-C.G and Georgiou A.C., "Asymptotically Attainable Structures in nonhomogeneous Markov Systems", Operations Research, vol.38, No.3 pp. 537-545, 1990.
        • Συνέδρια (49 εγγραφές)

        Περιλαμβάνει Άρθρα σε δημοσιευμένα πρακτικά διεθνών ή ελληνικών συνεδρίων (με κριτές).

          2023

          • Eleni-Maria Vretta, Kyriakos Bitsis, Konstantinos Kaparis, Georgios Paltagian and Andreas Georgiou, “A stochastic bilevel DEA-based model for resource allocation”, 1st International Online Conference on Mathematics and Applications, IOCMA 2023.
          • K. Tarkasis, K. Kaparis and A.C. Georgiou, “Building trust in video classification”, 6th International Conference on the Dynamics of Information Systems, Prague, 2023.
          • A.C. Georgiou, G. Tsaples, E. Thanassoulis, “Markov settings models in Data Envelopment Analysis, Multiple stages – Multiple targets”, DEA45, International Conference on Data envelopment Analysis, University of Surrey, 2023.
          • E.-M. Vretta, K. Bitsis, K. Kaparis, G. Paltayian and A.C. Georgiou, “A hybrid bi-level DEA approach for resource allocation and targeting under stochastic conditions”, IWAP 2023, 10th International Workshop on Applied Probability Thessaloniki, 2023.
          • P. Kolias, A. Papadopoulou and A.C. Georgiou, “On the properties of inverted repeats and word frequencies in DNA sequences via semi Markov modeling”, IWAP 2023, 10th International Workshop on Applied Probability Thessaloniki, 2023.
          • A.C. Georgiou, G. Tsaples, E. Thanassoulis, “Markovian models in Data Envelopment Analysis, Single and multiple stage structures”, IWAP 2023, 10th International Workshop on Applied Probability Thessaloniki, 2023.

          2022

          • A.C. Georgiou, E. Thanassoulis and G. Tsaples, “Efficiency Evaluation and Markovian models, current state and research variants”, 7th Stochastic Modelling Techniques and Data Analysis Conference, Athens, Greece, 2022.
          • A.C. Georgiou, E. Thanassoulis, G. Tsaples, M-E. Vretta and K. Kaparis, “Data Envelopment Analysis with Markov models, current developments and research directions”, XVII European Workshop on Efficiency and Productivity Analysis, Porto, Portugal, 2022.
          • A.C. Georgiou, E. Thanassoulis, G. Tsaples, M-E. Vretta and K. Kaparis, “The introduction of Data Envelopment Analysis in Markovian settings. Hybrid models and extensions”, 32nd EURO Conference, Aalto University, Espoo, Finland, 2022.

          2021

          • G.N. Paltayian, S. Xanthopoulou, E. Kessopoulou, A.C. Georgiou, K. Gotzamani “Defining Customer Satisfaction for e-services focusing on e-banking”, Global Conference on Services and Retail Management, University of Naples Frederico II & University of South Florida, 10-13 May, 2021
          • A.C. Georgiou, E. Thanassoulis and A. Papadopoulou, “Data Envelopment Analysis and Markov Chains», 19th Conference of Applied Stochastic Models and Data Analysis International Society, Athens, Greece, Virtual Conference, 2021
          • A.C. Georgiou, E. Thanassoulis and A. Papadopoulou, “Efficiency Evaluation in Markov manpower planning using Data Envelopment Analysis », 31st European Conference on Operational Research, Athens, Greece, Hybrid Conference, 2021.
          • M. Aidinidou and A.C. Georgiou, “Analysis, Prioritization and Strategic Planning of Flood Mitigation Projects using AHP and GIS Environment”, 31st European Conference on Operational Research, Athens, Greece, Hybrid Conference, 2021.
          • K. Soukakos, K. Kaparis and A.C. Georgiou, “Evaluation of Wind Parks with Data Envelopment Analysis”, 31st European Conference on Operational Research, Athens, Greece, Hybrid Conference, 2021.

          2020

          • G.N. Paltayian, A.C. Georgiou, K. Gotzamani “Using AHP and QFD in the investigation and refinement of e-banking services”, International Symposium on AHP, 3-6 December, 2020, Pittsburgh based, online Conference. This paper and presentation received award of excellence

          2018

          • Kamvysi, Κ., Andronikidis, A., Georgiou, A.C and K. Gotzamani, “A QFD framework for sustainable supply chain management in tourism”, International Conference on Tourism (ICOT2018), Kavalla, 27-30 June, 2018.

          2017

          • Georgios Tsaples, Jason Papathanasiou, Andreas C. Georgiou and Nikolaos Samaras, «Assessing multidimensional sustainability of European countries with a novel, two-stage DEA», EmC-ICDSST 2019, 5th International Conference on Decision Support System Technology, Madeira. Portugal, 2019.
          • G.N. Paltayian, A.C. Georgiou, K. Gotzamani and A. Andronikidis “Combining Quality Management Tools with Quantitative Approaches to Improve Ε-Βanking Οperations.”, Global Conference on Services and Management, Volterra, Italy, 2017.

          2016

          • V. Aletras, A Georgiou, A. Mavrodi, K. Kaparis, I. Konstantaras, V. Sachpekidis, S. Michailidou, T. Gatzos, I. Styliadis and P. Stafylas, “Investigating Performance Indicators and Service Quality Improvement in an Outpatient Cardiology Department”, ISPOR 19th Annual European Congress, 29 October-2 November 2016, Austria Center Vienna, Vienna, Austria. (poster)
          • Aretoulis, G., Parisi, K., A.C. Georgiou, J. Papathanasiou, F. Antoniou and C. Triantafyllidis, “A Fuzzy Multicriteria Decision Analysis on selecting the Most Competent Project Manager considering Personality Traits and Project Procurement Systems”, 5th International Symposium & 27th National Conference on Operational Research, Athens, 2016.

          2015

          • Kamvysi, Κ., Gotzamani, K., Andronikidis, A. and A.C. Georgiou, “Incorporating a Multivariate Markov Chain model into Quality Function Deployment Framework”, 16th Conference of ASMDA International Society, Athens, Greece, 2015.
          • Tsalianis, A., Thanassoulis, E. and A.C. Georgiou, “Greek thermal power plants evaluation using Data Envelopment Analysis”, 4th International Symposium and 26th National Conference on Operational Research, Chania, Greece, 2015.

          2012

          • Kamvysi, Κ., Andronikidis, A., Gotzamani, K., and A.C. Georgiou, "Listening to our customers in higher education institutions", 39th EMAC Conference, Marketing to Citizens: Going Beyond customers and consumers, ISCTE Business School, Lisbon, Portugal, 22-25 May 2012

          2011

          • Kamvysi, Κ., Gotzamani, K., Georgiou, A.C. and Andronikidis, A., “An Extended Fuzzy QFD Methodology in the Design and Evaluation of Academic Courses”, 14th QMOD, San Sebastian, 2011
          • Andreas Georgiou, Konstantina Kamvysi, Andreas Andronikidis and Katerina Gotzamani "Advancing QFD to improve Service Quality", 1st International Symposium & 10th Balkan Conference on Operational Research, Thessaloniki, 2011.
          • Andreas Tosis and Andreas Georgiou, "Modeling and Optimization of Job Scheduling in Concrete Pumping Operations", 1st International Symposium & 10th Balkan Conference on Operational Research, Thessaloniki, 2011.
          • Vassilis Dimitriou, Andreas Georgiou and Nikolas Tsantas, ""Modeling intra and inter-departmental mobility via multivariate Markov process", 1st International Symposium & 10th Balkan Conference on Operational Research, Thessaloniki, 2011.

          2010

          • Andronikidis, A., Georgiou, A., Gotzamani, K. and Kamvisi, K., "Exploring Alternative Approaches in Prioritizing Consumers' Selection Criteria in a Service Setting", 39th EMAC Conference, The Six Senses, The Essentials of Marketing, Copenhagen Business School, Copenhagen, 2010.

          2008

          • A.C. Georgiou, K. Gotzamani, A. Andronikidis and G.N. Paltayian, "A combined QFD, AHP and ANP approach for quality improvement and capacity expansion in the Greek Banking sector: Some Preliminary Results", in Proc. 11th QMOD Conference, Lunds University, Sweden, 2008.
          • A. Andronikidis, A. C. Georgiou, K. Gotzamani, K. Kamvysi, "The application of quality function deployment in service quality management", 11th Toulon-Verona Conference "Excellence in Services", University of Florence, Italy, 2008.
          • A. C. Georgiou, K. Gotzamani, A. Andronikidis. G. N. Paltayian, "A combined QFD, AHP and ANP for quality improvement and capacity expansion in the Greek Banking sector: Preliminary results", 11th QMOD Conference, Lunds University, Sweden,2008.

          2006

          • E. Michalopoulos, A. Georgiou and K. Paparrizos, "Risk assessment and quality management of European regional operational programs", 18ο Εθνικό Συνέδριο της Ελληνικής Εταιρείας Επιχειρησιακών Ερευνών, Κοζάνη, 2006.
          • Ε. Τσαγκαλίδης και Α. Γεωργίου, "Ανάπτυξη και εφαρμογή μοντέλων προσομοίωσης προγράμματος χαλαζικής προστασίας με εναέρια μέσα", 18ο Εθνικό Συνέδριο της Ελληνικής Εταιρείας Επιχειρησιακών Ερευνών, Κοζάνη, 2006.

          2005

          • Y.A. Hajidimitriou and A.C. Georgiou, "Critical Success Factors in Exporting: The case of Greek SMEs", presented at the 4th International Conference on New Horizon in Industry, Business and Education, Corfu, 2005.
          • Α. Γεωργίου, Α. Κυριακίδου, "Ανάλυση και Λήψη Αποφάσεων σε Τμήμα Επειγόντων Περιστατικών με τη Χρήση Προσομοίωσης Διακριτών Γεγονότων", 17ο Εθνικό Συνέδριο της Ελληνικής Εταιρείας Επιχειρησιακών Ερευνών, Πάτρα, 2005.

          2004

          • E. Tsagalidis and A.C. Georgiou, "Simulation Modeling and Application of Aircraft Hail Suppression Programs", presented at the 5th EUROSIM Congress on Modeling and Simulation, Paris, 2004.
          • G. Tsiotras, A. C. Georgiou, A. Papadopoulos, A. Karagiannidis and P. Rakimbei, "Planning of interventions for the optimization of urban solid waste collection at municipal level", presented at the International Conference on the Protection and Restoration of the Environment VII, Myconos, 2004.

          2003

          • Γεωργίου, Α.Κ., Τσιότρας, Γ., Παπαδόπουλος Α. και Σαλονικίδου Α. «Κατάρτιση προγραμμάτων εργασίας στην αποκομιδή οικιακών απορριμμάτων», 16ο Εθνικό Συνέδριο Επιχειρησιακής Έρευνας, Λάρισα, 2003.
          • Γεωργίου, Α.Κ. και Κούσκουρας, Κ., «Μελέτη και Προσομοίωση Διαδικασιών Παραγωγής Λογισμικού», 16ο Εθνικό Συνέδριο Επιχειρησιακής Έρευνας, Λάρισα, 2003.

          2002

          • Georgiou, A.C., Y.A. Hajidimitriou and D.E Porgianos, "Τhe selection of Foreign Market Entry Strategies for European Firms", presented at the 28th European International Business Academy Conference, Athens, 2002.

          2000

          • Y.A. Hajidimitriou and A.C. Georgiou, "Locational Decisions for a Franchising Firm in the Balkan Region ", presented at the 1st International Conference of the ASECU, "Recent Economic Developments and Problems in the Transition Economies",University of Macedonia, Thessaloniki, 2000.

          1999

          • A.C. Georgiou and N. Tsantas, "Incorporating a Training Class in a Markovian Manpower Model", presented at the 5th International Conference of the Decision Sciences Institute, Athens, 1999.
          • Y.A. Hajidimitriou and A.C. Georgiou, "Partner Selection in International Joint Ventures: A Multi-objective Approach", presented at the 5th International Conference of the Decision Sciences Institute, Athens, 1999.

          1997

          • Y.A. Hajidimitriou and A.C. Georgiou, "Investigation of International Location Planning Techniques for the Balkan region", presented at the 4th Balkan conference on Operational Research, Thessaloniki, 1997.

          1996

          • Karagiannidis, C., Koumpis, A., Stephanidis, C. and A.C. Georgiou, "Modelling Interactions as Queues". British Computer Society, presented at the FACS Workshop on Formal Aspects of the Human Computer Interface, Sheffield, UK, 1996.

          1995

          • L. Angelis, Georgiou A.C. and Papadopoulou A., "Determining Budget Balance Through Monte Carlo Techniques", presented at the 3rd Balkan conference in Operational Research, Thessaloniki, 1995.
          • N. Tsantas, and A.C. Georgiou, "Partial maintainability of a Population Model in a Stochastic Environment", presented at the 7th International Symposium on Applied Stochastic models and Data Analysis, Dublin, 1995.

          1993

          • A.C. Georgiou and N. Tsantas, "Periodicity of Markov Models in a Stochastic Environment", presented at the 2nd Balkan Conference in Operational Research, Thessaloniki, 1993.
          • A.C. Georgiou, "Nonstationary Cyclic Behaviour in Markov Systems", presented at the 6th International Symposium on Applied Stochastic Models and Data Analysis, Chania, Crete, 1993.
          • Άλλα (41 εγγραφές)

          Περιλαμβάνει Παρουσιάσεις σε διεθνή ή ελληνικά συνέδρια χωρίς δημοσίευση σε πρακτικά.

            2019

            • A.C. Georgiou, E. Thanassoulis and A. Papadopoulou, «Combining a Markov process model with the DEA framework A hybrid model in measuring the efficiency of alternative Markov manpower policies», EWEAP2019, XVI European Workshop on Efficiency and Productivity Analysis, London, UK, 2019.
            • Mavrodi Afentoula, Georgiou Andreas, Tsiotras Georgios, Aletras Vassileios. Design of a survey tool to facilitate cluster analysis of determinants of Willingness-to-Pay per Quality-Adjusted Life-Year. 3rd World Congress on Public Health and Health Care Management. Dubai, UAE, 2019.
            • Mavrodi Afentoula, Georgiou Andreas, Tsiotras Georgios, Aletras Vassilis. Development of an Instrument to Assess Participants' Motivation on Assigning a Monetary Value to a Quality-Adjusted Life-Year: Qualitative Interviews and Pilot Study. 21st International Conference on Health Economics. London, UK, 2019.
            • Mavrodi A., Georgiou A., Tsiotras G., Aletras V. Reliability assessment of an instrument eliciting and interpreting willingness-to-pay values for quality of life improvement. 5th World Congress on Health Economics, Health Policy and Healthcare Management. Warsaw, Poland, 2019.
            • Georgios Tsaples, Jason Papathanasiou, Andreas C. Georgiou and Nikolaos Samaras, «Assessing multidimensional sustainability of European countries with a novel, two-stage DEA», EmC-ICDSST 2019, 5th International Conference on Decision Support System Technology, Madeira. Portugal, 2019.
            • Paltayian G.N., A.C. Georgiou, K. Gotzamani and A. Andronikidis “Redesigning e-Banking services: Social and Environmental Challenges towards Sustainable Development’, EURO30, 30th European Conference on Operational Research, Dublin, 2019.
            • Tsantas N., A.C. Georgiou and V. Dimitriou, “Elaboration on the multivariate non-homogeneous Markov manpower system under various conditions and properties, EURO30, 30th European Conference on Operational Research, Dublin, 2019.

            2018

            • A. C. Georgiou, Kamvysi K., Gotzamani K. and Andronikidis A., «An appraisal of DEA contribution in the Quality Function Deployment Process in conjunction with some recent advances using Markov stochastic processes», DEA 40, International Conference of DEA: Celebrating the 40th Anniversary, Birmingham, UK, 2018.

            2017

            • A. C. Georgiou, Kamvysi K., Gotzamani K. and Andronikidis A., «Utilizing Customer Requirements’ Data to Link Quality Management and Services Marketing Objectives», 17th Conference of ASMDA International Society, London, UK, 2017.

            2014

            • Kamvysi, Κ., Gotzamani, K., Andronikidis, A. and Georgiou, A.C., “An Integrated QFD framework linking quality management with marketing efforts”, 20th Conference of the International Federation of Operational Research Societies-IFORS “The art of Modeling”, Barcelona, Spain, July 13-18, 2014.

            2013

            • G.N. Paltayian, A.C. Georgiou, K. Gotzamani and A. Andronikidis "An integrated model of Quality Function Deployment for financial organizations in an unstable economic environment", EURO-INFORMS MMXIII, 26th European Conference on Operational Research, Rome, 2013.

            2011

            • Vassilis Dimitriou, Andreas Georgiou and Nikolas Tsantas, ""Modeling intra and inter-departmental mobility via multivariate Markov process", MSMPRF 2011, Markov & Semi Markov Processes and Related fields, Porto Carras, 2011.
            • Andreas Andronikidis, Andreas Georgiou, Katerina Gotzamani and Konstantina Kamvysi, "Integrating DEA framework into QFD methodology", DEA 2011, 9th International Conference on Data Envelopment Analysis, Thessaloniki, 2011.

            2010

            • A.C. Georgiou, "Investigating Aspirations, Priorities and Optimization Opportunities in Markov Manpower Planning Models", EURO XXIV, 24th European Conference on Operational Research, Lisbon, 2010.
            • G.N. Paltayian, A.C. Georgiou, K. Gotzamani and A. Andronikidis "An integrated AHP - ANP Quality Function Deployment framework for the competitive position improvement’, EURO XXIV, 24th European Conference on Operational Research, Lisbon, 2010.

            2009

            • A.C. Georgiou, K. Gotzamani, A. Andronikidis and G.N. Paltayian, "Introducing a modified QFD design for quality improvement in the Greek banking sector", EURO XXIIΙ, presented at the 23rd European Conference on Operational Research, Bonn,2009.

            2008

            • A.C. Georgiou, K. Gotzamani, A. Andronikidis and G.N. Paltayian, "A combined QFD, AHP and ANP approach for quality improvement and capacity expansion in the Greek Banking sector: Some Preliminary Results", presented at the 11th QMOD Conference, Lunds University, Sweden, 2008.
            • A.K. Γεωργίου, Γ.Ν. Παλταγιάν, Κ. Γκοτζαμάνη, Α. Ανδρονικίδης, "Το μοντέλο QFD σε συνδυασμό με τις προσεγγίσεις AHP και ANP στην ανάπτυξη τραπεζικού δικτύου", 20ο Εθνικό συνέδριο της Ελληνικής Εταιρείας Επιχειρησιακών Ερευνών, TΕΙ Πειραιά,(Σπέτσες 2008).

            2007

            • Y.A. Hajidimitriou and A.C. Georgiou, "International Franchising: A country selection problem", EURO XXII, presented at the 22nd European Conference on Operational Research, Prague, 2007.
            • E. Michalopoulos, A.C. Georgiou and K. Paparrizos, "The use of Analytical Hierarchy Process in the Risk Management of European regional Operational programs", EURO XXII, presented at the 22nd European Conference on Operational Research, Prague, 2007.
            • A.C. Georgiou, G. Livadarou, K. Gotzamani and A. Andronikidis, "Combining AHP and SERVQUAL in measuring financial services quality", EURO XXII, presented at the 22nd European Conference on Operational Research, Prague, 2007.
            • E. Michalopoulos, A. Georgiou and K. Paparrizos, "Risk-Based payment predictions for European Operational Programs", 19ο Εθνικό Συνέδριο της Ελληνικής Εταιρείας Επιχειρησιακών Ερευνών, ?ρτα, 2007.
            • Α. Γεωργίου & Β. Βάμβουρα, "Εφαρμογή Ποσοτικών μεθόδων (DEA) στην αξιολόγηση εκπαιδευτικών μονάδων", παρουσιάστηκε στο 19ο Εθνικό Συνέδριο της Ελληνικής Εταιρείας Επιχειρησιακών Ερευνών, Αρτα, 2007.

            2006

            • E. Michalopoulos, A.C. Georgiou and K. Paparrizos, "Α Unified Risk-Cost-Benefit Approach for Quality Management of European Union Regional Programs", EURO XXI, presented at the 21st European Conference on Operational Research, Iceland, 2006.

            2004

            • Georgiou, A.C. and Hajidimitriou, Y.A., “A Goal Programming Model for Business Expansion Decisions”, EURO XX, presented at the 20th European Conference on Operational Research, Rhodes, 2004.

            2003

            • Karagiannidis, A., Papadopoulos, A., Georgiou, A.C. and Tsiotras, G., “Optimizing the collection and transport of urban solid wastes in a metropolitan municipality in Greece”, presented at the Joint International Meeting of EURO/INFORMS, Constantinople, 2003.

            2001

            • Tsantas, N. and Georgiou, A.C., “Sequences of n-step interval maintainable sets of a population model in a stochastic environment”, presented at the EURO2001, Rotterdam, 2001.

            2000

            • Georgiou, A.C., Hajidimitriou, Y.A. and Porgianos, D.E, “A Quantitative Approach in Selecting a Foreign Market Entry Strategy”, EURO XVII, presented at the 17th European Conference on Operational Research, Budapest, 2000.

            1999

            • Economides, A. I., Karagiannidis, C. and Georgiou, A C., “Acceptability Evaluation of Web Based Courses”, presented at the 19th World Conference on Open Learning and Distance Education, Vienna, 1999.

            1998

            • Α. Γεωργίου, Α. Πετρίδης & Α. Κουμπής, "Μοντέλο Βέλτιστης Αξιοποίησης Επισκέψεων σε δίκτυο συνεργατών", παρουσιάστηκε στο 12ο Εθνικό Συνέδριο, Ελληνική Εταιρεία Επιχειρησιακών Ερευνών, Σάμος, 1998.
            • Hajidimitriou, Y.A. and Georgiou, A.C., “A Quantitative Approach for Partner Selection in International Joint Ventures”, presented at the 5th International Congress of the Economic Society of Thessaloniki, Dimokritian University of Thrace, Komotini, 1998.
            • Hajidimitriou, Y.A. and Georgiou, A.C., “International Site Selection for Greek Firms”, presented at the 4th International Symposium on Quantitative Methods, University of the Aegean, Chios, 1998.

            1997

            • Litsardakis M., Ntampizas I., Tsimpoukas G., Tsissios C., Georgiou, A.C. and Metaxas, N., “An Investigation of Capacity Oriented Production Planning; The Case of a Tile Company in Northern Greece”, presented at the 4th Balkan conference on Operational Research, Thessaloniki, 1997.
            • Georgiou, A.C. and Tsantas N., “Cost Models in Manpower Systems, an Inventory Approach”, presented at the Joint conferences, INFORMS XXXIV - EURO XV, Barcelona, 1997.
            • Angelis, L., Georgiou A.C. and Papadopoulou A., “A cash budget stochastic simulation in the Greek public sector”, presented at the Joint conferences, INFORMS XXXIV - EURO XV, Barcelona, 1997.

            1996

            • Αγγελής, Λ., Γεωργίου, Α.Κ. και Παπαδοπούλου Α., «Στοχαστική προσομοίωση χρηματικών ροών, μελέτη ταμειακού προϋπολογισμού σε ΝΠΔΔ», παρουσιάστηκε στο 9ο Πανελλήνιο Συνέδριο Στατιστικής, Ξάνθη, 1996.

            1994

            • Γεωργίου, Α.Κ. και Τσάντας, Ν., «Εργοδικά προβλήματα μη ομογενούς κυκλικής κίνησης σε προσδιοριστικό ή στοχαστικό περιβάλλον», παρουσιάστηκε στο 7ο Πανελλήνιο Συνέδριο Στατιστικής, Λευκωσία, Κύπρος, 1994.

            1993

            • Γεωργίου, Α.Κ., και Τσάντας, Ν., «Περιοδικότητα Μαρκοβιανών Μοντέλων σε Στοχαστικό Περιβάλλον», παρουσιάστηκε στο 6ο Πανελλήνιο Συνέδριο Στατιστικής, Πανεπιστήμιο Μακεδονίας, 1993.

            1992

            • 5ο Πανελλήνιο Συνέδριο Στατιστικής, Βόλος, 1992.

            1987

            • Vassiliou, P-C.G. and Georgiou, A.C., “Asymptotically Attainable Structures in Non-Homogeneous Markov Systems”, presented at the 17th European Meeting of Statisticians, Satellite Conference on Stochastic Systems, Thessaloniki, 1987.

            1985

            • 1ο Πανελλήνιο Τριήμερο Στατιστικής, Θεσσαλονίκη, 1985.
            Wheelchair Blue
            Accessibility Tools
            Fonts PlusIncrease Text
            Fonts MinusDecrease Text
            ContrastHigh Contrast
            GrayscaleGrayscale
            Readable FontReadable Font