Kaparis Kontsantinos
  • +30 2310 891.573
  • k.kaparis uom.edu.gr
  • Office: ΗΘ, 205

    Kaparis Kontsantinos

    Assistant Professor
    Department of Business Administration

    Assistant Professor, Academic Staff (Master in Business Administration)
    Assistant Professor, Academic Staff (Master in Business Analytics and Data Science)


    Academic Area

    Quantitative Methods

    Curriculum Vitae

    Teaching


    • ADVANCED TOPICS IN QUANTITATIVE METHODS
      (ΟΔ0608)

    Type
    ELECTIVE

    Department Abbreviation
    BA

    Department
    DEPARTMENT OF BUSINESS ADMINISTRATION

    Course Outlines

    Το μάθημα πραγματεύεται έννοιες και μεθοδολογίες του Μαθηματικού Προγραμματισμού και υπό αυτή την έννοια βασίζεται στα υποχρεωτικά μαθήματα της Επιχειρησιακής Έρευνας και των Μεθόδων Ανάλυσης Διοικητικών Αποφάσεων. Έμφαση δίνεται στη μοντελοποίηση διοικητικών προβλημάτων με τη χρήση ακέραιων μεταβλητών (integer programming). Η εισαγωγή των τελευταίων επιτρέπει την μοντελοποίηση ενός μεγάλου εύρους προβλημάτων που αδυνατούν να μοντελοποιήσουν οι τεχνικές που καλύφθηκαν στα προαναφερθέντα υποχρεωτικά μαθήματα. Πέρα από προβλήματα που είναι από τη φύση τους ακέραια, αναλύεται η χρήση δυαδικών μεταβλητών (binary variables) για την εισαγωγή λογικών συνθηκών στα εκάστοτε μαθηματικά προγράμματα. Συζητιούνται επίσης ειδικές μορφές προβλημάτων συνδυαστικής βελτιστοποίησης (combinatorial optimization) όπως για παράδειγμα Knapsck Problem, Travelling Salesman Problem, Set Covering Problem κ.α. Σύντομη αναφορά γίνεται και στις διαδικασίες επίλυσης γενικών προβλημάτων ακεραίου προγραμματισμού (Branch and Bound Algorithm, Gomory Cutting Plane Algorithm). Σημαντικό μέρος του μαθήματος αφιερώνεται στη χρήση της γλώσσας μοντελοποίησης Optimization Programming Language (OPL) της ΙΒΜ. Η OPL, όπως και οποιαδήποτε γλώσσα προγραμματισμού ή μοντελοποίησης, ενθαρρύνει τον διαχωρισμό των δεδομένων από το εκάστοτε μοντέλο. Στην πράξη αυτό επιτρέπει την επεκτασιμότητα των μαθηματικών μοντέλων σε μεγάλες διαστάσεις (δηλ. αριθμό μεταβλητών και περιορισμών) και συνεπώς την εφαρμογή των μεθοδολογιών αυτών σε ρεαλιστικά προβλήματα. Η διδασκαλία, έχει τη μορφή εργαστηρίου και συζήτησης, "workshop", και διεξάγεται στο εργαστήριο ηλεκτρονικών υπολογιστών του τμήματος ΟΔΕ. Οι φοιτητές μπορούν να ολοκληρώσουν επιτυχώς τις υποχρεώσεις τους με τη εκπόνηση απαλλακτικής εργασίας, με την οποία τους δίνεται η ευκαιρία να βελτιώσουν τις γνώσεις τους στο αντικείμενο. Με την ολοκλήρωση της διδασκαλίας οι φοιτητές αναμένεται να έχουν καλλιεργήσει ιδιαιτέρως τη δυνατότητα επίλυσης ρεαλιστικών προβλημάτων βελτιστοποίησης σε πραγματικό χρόνο.

     

    • BUSINESS ANALYTICS WITH MANAGEMENT SCIENCE MODELS AND METHODS - PRESCRIPTIVE ANALYTICS
      (ΑΕ104)

    Type
    COMPULSORY

    Department Abbreviation
    MBADS

    Department
    MASTER'S DEGREE IN BUSINESS ANALYTICS AND DATA SCIENCE

    Course Outlines

    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

    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

    Asllani A., Business Analytics with Management Science Models and Methods, Pearson Education, 2015.

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

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

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

    Λογισμικό

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

    Συνοπτική Περιγραφή και Μαθησιακοί Στόχοι

    Η διαδικασία λήψης επιχειρησιακών αποφάσεων με την συλλογή, ταξινόμηση, επεξεργασία και ανάλυση δεδομένων δεν είναι κάτι καινούργιο. Η διαφοροποίηση που παρατηρείται τα τελευταία χρόνια αφορά τη φύση των πηγών άντλησης δεδομένων και τη μορφής των δεδομένων αυτών καθ’ αυτών, κατέχοντας 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. Γενικά, η Επιχειρησιακή Αναλυτική εμφανίζεται σε τρία κύρια επίπεδα ανάλυσης: Descriptive Analytics (επεξεργασία δεδομένων και εξαγωγή πληροφόρησης από στοιχεία του παρελθόντος), Predictive Analytics (βασίζεται στο παρελθόν για να αναπτύξει μοντέλα πρόβλεψης) και Prescriptive Analytics (χρησιμοποιεί μοντέλα που στηρίζονται στα προηγούμενα αποτελέσματα ώστε να προτείνει βέλτιστους τρόπους λειτουργίας - prescriptions). Tο μάθημα εστιάζει στην Καθοδηγητική Αναλυτική (Prescriptive Analytics). Δηλαδή, παρουσιάζει καταρχάς μία γενική προσέγγιση για μερικές από τις πιο σημαντικές τεχνικές μοντελοποίησης επιχειρησιακών διαδικασιών στα πλαίσια της συστημικής προσέγγισης που αποτελεί τη βάση των μεθόδων της Επιχειρησιακής Έρευνας (Operations Research) ή της Διοικητικής Επιστήμης (Management Science) ή της Βελτιστοποίησης (Optimization), δηλαδή, της Επιστήμης των Αποφάσεων. Με την ολοκλήρωση του μαθήματος αναμένεται ότι οι φοιτητές και οι φοιτήτριες θα είναι σε θέση να κατανοήσουν το ρόλο του 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 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 και των αλληλεπιδράσεων μεταξύ των συστατικών του στοιχείων (systems approach). Επίσης θα έχουν την ευκαιρία στον άξονα της θεωρίας αποφάσεων, οι φοιτητές να γνωρίσουν ένα περιβάλλον λήψης αποφάσεων όπου ο υποκειμενικός τρόπος σκέψης επηρεάζει σημαντικά την εκάστοτε «βέλτιστη» απόφαση.

    Περιεχόμενο – Σχέδιο διαλέξεων

    1.  Introduction: The analytics era and the role of the prescriptive component, mathematical programming in Business Analytics and the linear case. 
    2. Linear Programming (LP) models: Assumptions and basic constructing principles.
    3. Elements of optimization using Linear Programs: The graphical solution
    4. The algorithmic perspective, Post optimality analysis and applications of LPs
    5. Introduction to Decision Analysis
    6. Decision Analysis methods and applications
    7. Introduction to Networks: Spanning trees and shortest paths.
    8. Flows in Networks: Algorithms, LP formulation, Max Flow/Min Cut.
    9. Integer Programming (IP) models: Assumptions and basic constructing principles.
    10. Elements of optimization over Integer Linear Programs: The geometric and the algorithmic perspective towards optimality.
    11. The art of modeling using boolean variables. Integer programming applications.
    12. Final Exam.

     

     Αξιολόγηση Επίδοσης

    [1] Γραπτές Εξετάσεις 80%

    [2] Ενεργός συμμετοχή 10%

    [3] Ασκήσεις 20% (bonus 10%)

     

     

     

     

    • OPERATION RESEARCH
      (ΟΙ0525)

    Type
    ELECTIVE

    Department Abbreviation
    ECO

    Department
    DEPARTMENT OF ECONOMICS

    Course Outlines

    ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

    1. 1.       ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    Οικονομικών και Περιφερειακών Σπουδών

    ΤΜΗΜΑ

    Οικονομικών Επιστημών

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

     Προπτυχιακό

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

     ΟΙ0525

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

     Ε

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

     Επιχειρησιακή Έρευνα

    ΔΙΔΑΣΚΩΝ

    Ανδρέας Γεωργίου

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

     

     

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

    Διαλέξεις

     

     4

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    Ανάπτυξης Δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

     

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

     Ελληνικά

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

     Όχι

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    http://compus.uom.gr/BA100/index.php

               

     

    1. 2.      ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

     

    Η Επιχειρησιακή Έρευνα (Operational ή Operations Research, Management Science, Quantitative Analysis) αφορά τις μεθοδολογίες ανάπτυξης μαθηματικών μοντέλων που συνδράμουν στη λήψη βέλτιστων αποφάσεων σε πολύπλοκα συστήματα στα οποία αλληλεπιδρούν πρώτες ύλες, ανθρώπινο δυναμικό, κεφάλαια, μεθοδολογίες και γενικότερα οντότητες που έχουν κάποιο στόχο. Αποτελεί το κυρίαρχο γνωστικό αντικείμενο της συστημικής ανάλυσης στη λήψη αποφάσεων. Ταυτόχρονα, τα τελευταία χρόνια, η Επιχειρησιακή Έρευνα μετεξελίσσεται σεν έναν από τους πυλώνες του αντικειμένου που έγινε 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 (δηλαδή, πρακτικά τις τρεις Επιστήμες των Αποφάσεων). 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). Η Επιχειρησιακή Έρευνα βρίσκεται ΚΥΡΙΟΛΕΚΤΙΚΑ παντού (άσχετα αν δεν το γνωρίζετε) αφού κάθε δραστηριότητά μας εμπεριέχει την ανάγκη εντοπισμού της βέλτιστης προσέγγισης υλοποίησής της. Έτσι βλέπουμε εφαρμογές της Επ. Έρευνας σε όλους τους κλάδους επιχειρησιακής δραστηριότητας (δημόσιο τομέα, άμυνα, ιατρική, κατασκευές, βιομηχανική παραγωγή, μηχανολογικές εφαρμογές, παροχή υπηρεσιών, χρηματοοικονομικά, μάρκετινγκ, κλπ).

    Στο μάθημα, αρχικά γίνεται μία σύντομη ανασκόπηση της συστημικής προσέγγισης στην επίλυση επιχειρησιακών προβλημάτων και στην ανάπτυξη ποσοτικών μοντέλων (quantitative models) στο πλαίσιο του 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, η δυϊκή θεωρία και η σχέση της με την μικροοκονομική θεωρία και η ανάλυση ευαισθησίας των βασικών παραμέτρων των μοντέλων. ιδιαίτερη έμφαση αποδίδεται κυρίως 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, της μέγιστης ροής και του χρονικού προγραμματισμού έργων με τη μεθοδολογία PERT/CPM.

    Με την ολοκλήρωση της διδασκαλίας οι φοιτητές αναμένεται να έχουν καλλιεργήσει πρωτίστως την κοινή λογική και τη δημιουργικότητα, την ικανότητα μετάβασης από ένα εννοιολογικό σχήμα σε ένα μαθηματικό ισοδύναμο, την ικανότητα ανάπτυξης και εφαρμογής βασικών μοντέλων λήψης αποφάσεων, θα γνωρίζουν στοιχειώδης 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).

     

    Γενικές Ικανότητες

         

     

    1. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ    

    1.     Η φύση της Επιχειρησιακής Έρευνας/Ποσοτικής Ανάλυσης

    2.     Η μοντελοποίηση στη λήψη αποφάσεων – Εισαγωγή στο Γραμμικό Προγραμματισμό

    3.     Μοντέλα και Εφαρμογές Γραμμικού Προγραμματισμού

    4.     Γραφική μέθοδος

    5.     Η μέθοδος simplex

    6.     Ανάλυση Ευαισθησίας 1

    7.     Ανάλυση ευαισθησίας 2

    8.     Ειδικά γραμμικά μοντέλα

    9.     Πρόβλημα μεταφοράς και εκχώρησης

    10.  Εισαγωγή στην Θεωρία Δικτυωτής Ανάλυσης

    11.  Εφαρμογές της Ανάλυσης Δικτύων

    12.  Διαχείριση Έργων με τη μέθοδο PERT/CPM

    13.  Διαχείριση Έργων, πιθανοθεωρητικά μοντέλα

     

     

    1. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ.

     Πρόσωπο με πρόσωπο

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

     Όλες οι διαθέσιμες ΤΠΕ χρησιμοποιούνται

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    65

    Αυτόνομη μελέτη

     85

    Σύνολο Μαθήματος

    150

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    Γραπτές εξετάσεις με ανοικτού τύπου ασκήσεις και μελέτες περιπτώσεων στα ελληνικά.

    Προαιρετικές ασκήσεις (coursework)

     

     

    1. ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    -Προτεινόμενη Βιβλιογραφία :

    •Γ. Οικονόμου & Α. Γεωργίου, «Επιχειρησιακή Έρευνα για τη Λήψη Διοικητικών Αποφάσεων», Εκδόσεις Μπένου, Αθήνα 2011

    •Π. Υψηλάντη «Επιχειρησιακής Έρευνα», Εκδόσεις Προπομπός, 2006.

    •Σημειώσεις και υλικό από τον διδάσκοντα

     

    -Συναφήεπιστημονικάπεριοδικά:

    Operations Research

    European Journal of Operational Research

    Journal of The Operational Research Society

    Omega

    Decisions Sciences

    Interfaces

    Or MS Today

     

     

    ΔΙΔΑΚΤΙΚΟ ΕΤΟΣ

     

    2018-2019

     

    • OPERATIONS RESEARCH
      (ΟΔ0401)

    Department Abbreviation
    BA

    Department
    DEPARTMENT OF BUSINESS ADMINISTRATION

    Course Outlines

    Εξάμηνο: Γ’  υποχρεωτικό 

    Τμήμα :    Α-Μα

    Διδακτικές ώρες: 5 εβδομαδιαίως

    Διδάσκων: Ανδρέας Κ. Γεωργίου, 
     
                          Γραφείο 305, Κτίριο Θ’,
                           τηλ. 2301891569,  fax 2310891544,
                           email: acg@uom.edu.gr, Ιστοσελίδα: users.uom.gr/~acg,

     

    Προτεινόμενη Βιβλιογραφία

    •  Γ. Οικονόμου & Α. Γεωργίου, «Επιχειρησιακή Έρευνα για τη Λήψη Διοικητικών Αποφάσεων», Εκδόσεις Μπένου, Αθήνα 2011
    • Π. Υψηλάντη «Επιχειρησιακής Έρευνα», Εκδόσεις Προπομπός, 2006.
    • Σημειώσεις και υλικό από τον διδάσκοντα

     

    Λογισμικό

    •  WinQSB, LINDO, Excel, POM/QM


    Συνοπτική περιγραφή και στόχοι

    Η Επιχειρησιακή Έρευνα (Operational ή Operations Research, Management Science, Quantitative Analysis) αφορά τις μεθοδολογίες ανάπτυξης μαθηματικών μοντέλων που συνδράμουν στη λήψη βέλτιστων αποφάσεων σε πολύπλοκα συστήματα στα οποία αλληλεπιδρούν πρώτες ύλες, ανθρώπινο δυναμικό, κεφάλαια, μεθοδολογίες και γενικότερα οντότητες που έχουν κάποιο στόχο. Αποτελεί το κυρίαρχο γνωστικό αντικείμενο της συστημικής ανάλυσης στη λήψη αποφάσεων. Ταυτόχρονα, τα τελευταία χρόνια, η Επιχειρησιακή Έρευνα μετεξελίσσεται σε έναν από τους πυλώνες του αντικειμένου που έγινε γνωστό ως Business Analytics & DataScience μαζί με τις τεχνικές της Στατιστικής Ανάλυσης και με τη στήριξη της Πληροφορικής Τεχνολογίας και της διαχείρισης Πληροφοριακών Συστημάτων (δηλαδή, πρακτικά τις τρεις Επιστήμες των Αποφάσεων). 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). Η Επιχειρησιακή Έρευνα βρίσκεται ΚΥΡΙΟΛΕΚΤΙΚΑ παντού (άσχετα αν δεν το γνωρίζετε) αφού κάθε δραστηριότητά μας εμπεριέχει την ανάγκη εντοπισμού της βέλτιστης προσέγγισης υλοποίησής της. Έτσι βλέπουμε εφαρμογές της Επ. Έρευνας σε όλους τους κλάδους επιχειρησιακής δραστηριότητας (δημόσιο τομέα, άμυνα, ιατρική, κατασκευές, βιομηχανική παραγωγή, μηχανολογικές εφαρμογές, παροχή υπηρεσιών, χρηματοοικονομικά, μάρκετινγκ, κλπ).

     

    Η Επιχειρησιακή Έρευνα ξεπήδησε από την ανάγκη αντιμετώπισης επιχειρησιακών (operations) προβλημάτων στο τομέα της άμυνας που διερευνήθηκαν/αντιμετωπίστηκαν (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. 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.

    Στο μάθημα, αρχικά γίνεται μία σύντομη ανασκόπηση της συστημικής προσέγγισης στην επίλυση επιχειρησιακών προβλημάτων και στην ανάπτυξη ποσοτικών μοντέλων (quantitative models) στο πλαίσιο του 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, η δυϊκή θεωρία και η σχέση της με την μικροοικονομική θεωρία και η ανάλυση ευαισθησίας των βασικών παραμέτρων των μοντέλων. ιδιαίτερη έμφαση αποδίδεται κυρίως 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, της μέγιστης ροής και του χρονικού προγραμματισμού έργων με τη μεθοδολογία PERT/CPM.

     

    Με την ολοκλήρωση της διδασκαλίας των δύο μαθημάτων οι φοιτητές αναμένεται να έχουν καλλιεργήσει πρωτίστως την κοινή λογική και τη δημιουργικότητα, την ικανότητα μετάβασης από ένα εννοιολογικό σχήμα σε ένα μαθηματικό ισοδύναμο, την ικανότητα ανάπτυξης και εφαρμογής βασικών μοντέλων λήψης αποφάσεων, θα γνωρίζουν στοιχειώδης 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 (μικροοικονομική, 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, LINDO, QM/POM, Excel). Για το σκοπό αυτό δίνονται και κάποιες προαιρετικές ασκήσεις.


    Περίγραμμα διδακτικών ενοτήτων για 13 εβδομάδες

    1. Η φύση της Επιχειρησιακής Έρευνας/Ποσοτικής Ανάλυσης
    2. Η μοντελοποίηση στη λήψη αποφάσεων – Εισαγωγή στο Γραμμικό Προγραμματισμό
    3. Μοντέλα και Εφαρμογές Γραμμικού Προγραμματισμού
    4. Γραφική μέθοδος
    5. Η μέθοδος simplex
    6. Ανάλυση Ευαισθησίας 1
    7. Ανάλυση ευαισθησίας 2
    8. Ειδικά γραμμικά μοντέλα
    9. Πρόβλημα μεταφοράς και εκχώρησης
    10. 10. Εισαγωγή στην Θεωρία Δικτυωτής Ανάλυσης
    11. 11. Εφαρμογές της Ανάλυσης Δικτύων
    12. 12. Διαχείριση Έργων με τη μέθοδο PERT/CPM
    13. 13. Διαχείριση Έργων, πιθανοθεωρητικά μοντέλα

     

    Αξιολόγηση επίδοσης

    Γραπτές Εξετάσεις

     

    Οι γραπτές εξετάσεις διεξάγονται με κλειστά βιβλία – Περαιτέρω οδηγίες στην ιστοσελίδα του μαθήματος και στο Compus


    • OPERATIONS RESEARCH IN BUSINESS ANALYTICS
      (ΠΣ0203)

    Type
    ELECTIVE

    Department Abbreviation
    MIS

    Department
    INTERDEPARTMENTAL PROGRAMME OF POSTGRADUATE STUDIES IN INFORMATION SYSTEMS

    Course Outlines

    Στο μάθημα πραγματοποιείται πολύ συνοπτική ανασκόπηση τεχνικών της Επιχειρησιακής Έρευνας και μεθοδολογίας εφαρμογής στη λήψη βέλτιστων διοικητικών αποφάσεων. Δίνεται όμως έμφαση στη θεωρία ουρών αναμονής και στη μετάβαση στην τεχνική της προσομοίωσης διακριτών γεγονότων. Η διαδικασία της λήψης αποφάσεων πραγματοποιείται με τη χρήση κατάλληλου λογισμικού. Για τις διδακτικές ανάγκες χρησιμοποιείται ηλεκτρονικό εκπαιδευτικό υλικό. Το μάθημα διαιρείται σε δύο ανισοβαρή τμήματα, εκ των οποίων το δεύτερο αναφέρεται στην προσομοίωση και το πρώτο στη συνοπτική εισαγωγή και στα συστήματα αναμονής και εξυπηρέτησης.

    Στόχοι μαθήματος: Μετά την παρακολούθηση του μαθήματος οι εκπαιδευόμενοι θα είναι σε θέση να:

    Αναπτύσσουν ένα 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.

    Εφαρμόζουν μία συστηματική μεθοδολογία εντοπισμού των εναλλακτικών λύσεων ενός προβλήματος και να διερευνούν τη δομή τους.

    Εντοπίζουν τη λύση η οποία παράγει τη βέλτιστη τιμή ενός μέτρου απόδοσης ή να συγκρίνουν εναλλακτικές προτάσεις αξιολογώντας τις προτεινόμενες λύσεις.

    Διερευνούν ένα πρόβλημα με τη μεθοδολογία της προσομοίωσης στον Η/Υ και να εκμεταλλεύονται τις δυνατότητές της για τη λήψη αποφάσεων σε επιχειρησιακό περιβάλλον.

    Περίγραμμα μαθήματος:

    Η φύση της Επιχειρησιακής Έρευνας, Η προσέγγιση της λήψης αποφάσεων με τη χρήση μαθηματικών μοντέλων.

    Προσδιοριστικά μοντέλα Επιχειρησιακής Έρευνας

    Γραμμικός προγραμματισμός

    Θεωρία Δικτύων

    Εισαγωγή στη μεθοδολογία της προσομοίωσης ? παραδείγματα

    Στοχαστικές μέθοδοι ? Συστήματα Αναμονής και εξυπηρέτησης

    Εφαρμογές συστημάτων αναμονής

    Γεννήτριες τυχαίων αριθμών και κατανομές διακριτών γεγονότων

    Επαλήθευση και εγκυρότητα μοντέλων προσομοίωσης

    Στατιστική επεξεργασία αποτελεσμάτων

    Ανάλυση περιπτώσεων προσομοίωσης

    Τελικές εξετάσεις.

    • QUANTITATIVE ANALYSIS FOR BUSINESS DECISIONS
      (ΟΔ0501)

    Type
    COMPULSORY

    Department Abbreviation
    BA

    Department
    DEPARTMENT OF BUSINESS ADMINISTRATION

    Course Outlines

    Εξάμηνο: Δ’  υποχρεωτικό

    Διδακτικές ώρες: 5 εβδομαδιαίως

    Διδάσκων: Ανδρέας Κ. Γεωργίου (Τμήμα Α-Μα)

     

    Συνοπτική περιγραφή και στόχοι

    Το μάθημα αυτό ολοκληρώνει την ενότητα των υποχρεωτικών μαθημάτων Ποσοτικής Ανάλυσης / Επιχειρησιακής Έρευνας με την παρουσίαση μίας δεύτερης ομάδας, εστιασμένης στην ανάλυση αποφάσεων, ατομικών ή συνεργατικών,  προσδιοριστικών ή στοχαστικών μεθοδολογιών. 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 οι φοιτητές αναμένεται να έχουν καλλιεργήσει πρωτίστως την κοινή λογική και τη δημιουργικότητα, την ικανότητα μετάβασης από ένα εννοιολογικό σχήμα σε ένα μαθηματικό ισοδύναμο, την ικανότητα ανάπτυξης και εφαρμογής βασικών μοντέλων λήψης αποφάσεων, θα γνωρίζουν στοιχειώδης 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).

    • QUANTITATIVE METHODS IN HEALTH CARE
      (MHM0102)

    Type
    COMPULSORY

    Department Abbreviation
    MHM

    Department
    MASTER'S DEGREE IN HEALTH CARE MANAGEMENT

    Course Outlines

    Η περιγραφή του μαθήματος δεν είναι διαθέσιμη

    Publications


    • Books (4 records)

    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

      • A. C. Georgiou, G. Oikonomou, G. Tsiotras & K. Kaparis (2019) Μελέτες Περιπτώσεων Επιχειρησιακής ́Ερευνας, Θεσσαλονίκη: Εκδόσεις Μπένου.

      2015

      • A. C. Georgiou, I. Konstantaras & K. Kaparis (2015) Τεχνικές Προσομοίωσης στη Διοίκηση Επιχειρήσεων, Θεσσαλονίκη: Ελληνικά Ακαδημαϊκά Συγγράμματα και Βοηθήματα, Θεσσαλονική.

      2011

      • L. Galli, K. Kaparis & A.N. Letchford (2011) Gap inequalities for the max-cut problem: a cutting plane algorithm. In A.R. Mahjoub, V. Markakis, I. Milis & V.T. Paschos (eds.) Combinatorial Optimization. Lecture Notes in Computer Science, vol. 7422. Berlin: Springer.

      2010

      • K. Kaparis & A.N. Letchford (2010) Cover Inequalities, In J.J. Cochran et al. (eds.) Encyclopedia of Operations Research and Management Science, Wiley/EORMS.
      • Scientific Journals (11 records)

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

        2018

        • K. Kaparis, & A.N. Letchford (2018) A note on the circulant inequalities for the max-cut problem. Operations Research Letters, 46(4):443-447

        2015

        • F. Djeumou Fomeni, K. Kaparis & A.N. Letchford (2015) Cutting planes for first-level RLT relaxations of mixed 0-1 programs. Mathematical Programming, 151(2):639–658.

        2014

        • M. Downing, M. Chipulu, U. Ojiako & K. Kaparis (2014) Advanced inventory planning and forecasting solutions: A case study of the UKTLCS Chinook maintenance programme. Production Planning & Control, 25(1):73–90.

        2012

        • L. Galli, K. Kaparis & A.N. Letchford (2012) Complexity results for the gap inequalities for the max-cut problem. Operations Research Letters, 40(3):149–152.
        • J. Fliege, K. Kaparis & B. Khosravi (2012) Operations research in the space industry. European Journal of Operational Research, 217(2):233–240.

        2011

        • L. Galli, K. Kaparis & A.N. Letchford (2011) Gap inequalities for non-convex mixed-integer quadratic programs. Operations Research Letters, 39(5):297–300.
        • M. Downing, M. Chipulu, U. Ojiako & K. Kaparis (2011) Forecasting in air force supply chains. International Journal of Logistics Management, 22(1):127–144.

        2010

        • K. Kaparis & A.N. Letchford (2010) Separation algorithms for 0-1 knapsack polytopes. Mathematical Programming, 124(1-2):69-91.

        2009

        • R. Teunter, O. Tang & K. Kaparis (2009) Heuristics for the economic lot scheduling problem with returns. International Journal of Production Economics, 118(1):323–330.

        2008

        • R. Teunter, O. Tang & K. Kaparis (2008) Multi-product economic lot scheduling problem with separate production lines for manufacturing and remanufacturing. European Journal of Operational Research, 191:1241–1253
        • K. Kaparis & A.N. Letchford (2008) Local and global lifted cover inequalities for the 0-1 multidimensional knapsack problem. European Journal of Operational Research, 186(1):91–103
        • Conferences (1 records)

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

          2016

          • V. Aletras, A. Georgiou, A. Mavrodi, K. Kaparis, I. Konstantaras, V. Sachpekidis, S. Michailidou, T. Gatzos, I. Styliadis, P. Stafylas (2016) Investigating performance in-dicators and service quality improvement in an outpatient cardiology department. Value in Health, 19(7):663.
          • Other (0 records)

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

          Δεν βρέθηκαν δημοσιεύσεις.