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.

Type
ELECTIVE

Department Abbreviation
BA

Department
DEPARTMENT OF BUSINESS ADMINISTRATION

Course Outlines

Το μάθημα στοχεύει στην εμβάθυνση στις μεθόδους της Επιχειρησιακής Έρευνας χρησιμοποιώντας  ρεαλιστικά εκτεταμένα προβλήματα προερχόμενα από διάφορες εφαρμογές της Διοίκησης των Επιχειρήσεων. Αναδεικνύεται έτσι, ο ρόλος που μπορούν να διαδραματίσουν οι ποσοτικές μέθοδοι στη διαδικασία λήψης βέλτιστων αποφάσεων και η χρησιμότητα, για το διοικητικό στέλεχος, του Η/Υ μαζί με το κατάλληλο λογισμικό. Ιδιαίτερη έμφαση δίνεται στο γεγονός ότι τα ποσοτικά αποτελέσματα αποκαλύπτουν μία γενική κατεύθυνση προς την άριστη απόφαση, παρέχοντας επιπλέον χρήσιμες πληροφορίες. Η βέλτιστη απόφαση προκύπτει λαμβάνοντας επιπλέον υπόψη εκείνα τα στοιχεία που δεν δύνανται να ποσοτικοποιηθούν. Το μάθημα δρα συμπληρωματικά προς τα δύο υποχρεωτικά μαθήματα (Επιχειρησιακή Έρευνα και Μέθοδοι Ανάλυσης Διοικητικών Αποφάσεων) που διδάσκονται στο Γ και Δ εξάμηνο αντιστοίχως. Από τη μία πλευρά ολοκληρώνεται μία ενότητα μαθημάτων παρουσιάζοντας εκτεταμένα, τρόπoυς χρήσης των εργαλείων που διδάχθησαν, αλλά σε πραγματικό χρόνο στο εργαστήριο. Από την άλλη, συμπληρώνει το υλικό με την προθήκη μερικών μεθοδολογιών του μαθηματικού Προγραμματισμού, όπως τεχνικές μοντελοποίησης με ακέραιο προγραμματισμό, προγραμματισμό πολλαπλών στόχων, μέθοδο DEA κ.λπ. 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.

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)

 Τμήμα, Τομέας, Υπεύθυνος 

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 13^th - 15^th 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%)

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.

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).

Type
COMPULSORY

Department Abbreviation
MHM

Department
MASTER'S DEGREE IN HEALTH CARE MANAGEMENT

Course Outlines

Η περιγραφή του μαθήματος δεν είναι διαθέσιμη

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.

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

2023

• K. Kaparis, I. Mourtos, and A. Letchford, “On cut polytopes and graph minors,” Discrete Optimization, vol. 50, 2023.
• M. Aidinidou, K. Kaparis, and A. Georgiou, “Analysis, prioritization and strategic planning of flood mitigation projects based on sustainability dimensions and a spatial/value ahp-gis system,” Expert Systems with Applications, vol. 211:118566, 2023.

2020

• K. Kaparis, Ι. Μourtos & A.N. Letchford (2020) On matroid parity and matching polytopes. Discrete Applied Mathematics, 284:322-331.
• K. Kaparis, F. Djeumou Fomeni & A.N. Letchford: A cut and branch algorithm for the quadratic knapsack problem. Accepted to appear in Discrete Optimization. February 2020.

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

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.