Καπάρης Κωνσταντίνος
  • 2310 891.573
  • k.kaparis uom.edu.gr
  • Γραφείο: ΗΘ, 205

    Καπάρης Κωνσταντίνος

    Επίκουρος Καθηγητής
    Τμήμα Οργάνωσης & Διοίκησης Επιχειρήσεων

    Επίκουρος Καθηγητής, Διδακτικό Προσωπικό (Μεταπτυχιακό στη Διοίκηση Επιχειρήσεων)
    Επίκουρος Καθηγητής, Διδακτικό Προσωπικό (Π.Μ.Σ. στην Αναλυτική των Επιχειρήσεων και Επιστήμη των Δεδομένων)


    Γνωστικό Αντικείμενο

    Επιχειρησιακή Έρευνα - Διακριτή Βελτιστοποίηση

    Βιογραφικό
    Ακαδημαϊκοί Τίτλοι
    • Πτυχιούχος Τμήματος Οργάνωσης και Διοίκησης Επιχειρήσεων, Πανεπιστήμιο Μακεδονίας, 1984-1988
    • MSc in Operational Research and Management Science, Department of Management Science, Lancaster University, UK
    • PhD in Operational Research and Management Science, Department of Management Science, Lancaster University, UK
    Ερευνητικά Ενδιαφέροντα
    • Ανάπτυξη αλγορίθμων για την ακριβή (exact) επίλυση προβλημάτων βελτιστοποίσης, με έμφαση σε προβλήματα διακριτής (discrete) φύσεως.
    • Μοντελοποίηση προβλημάτων επιxειρησιακής έρευνας.
    • Ανάπτυξη λογισμικού (Python, C\C++) με εφαρμογές στην επιχειρησιακή έρευνα.

    Διδασκόμενα Μαθήματα


    • ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΠΟΣΟΤΙΚΩΝ ΜΕΘΟΔΩΝ
      (ΟΔ0608)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    ΟΔΕ

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    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.

     

    • ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ
      (ΟΔ0401)

    Τύπος
    ΜΗ ΔΙΑΘΕΣΙΜΟ

    Κωδικός Τμήματος
    ΟΔΕ

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    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


    • ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ
      (ΟΙ0525)

    Τύπος
    ΜΗ ΔΙΑΘΕΣΙΜΟ

    Κωδικός Τμήματος
    ΟΕ

    Τμήμα
    ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

    Περιγραφή

    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

     

    • 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

    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. Applications of LP in Marketing Analytics
    6. Introduction to Networks: Spanning trees and shortest paths.
    7. Flows in Networks: Algorithms, LP formulation, Max Flow/Min Cut.
    8. Integer Programming (IP) models: Assumptions and basic constructing principles.
    9. Elements of optimization over Integer Linear Programs:
    10. The art of modeling using boolean variables. Integer programming applications.
    11. Applications of LP and IP programs using Python I
    12. Applications of LP and IP programs using Python II
    13. Final Exam.

     Αξιολόγηση Επίδοσης

     [1] Γραπτές Εξετάσεις 70%

    [2] Ασκήσεις – εργασία 30%

     

     

    • ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΔΙΟΙΚΗΤΙΚΩΝ ΑΠΟΦΑΣΕΩΝ
      (ΟΔ0501)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    ΟΔΕ

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    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).

    • ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗΝ ΥΓΕΙΑ
      (MHM0102)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    MHM

    Τμήμα
    Π.Μ.Σ. ΣΤΗ ΔΙΟΙΚΗΣΗ ΥΠΗΡΕΣΙΩΝ ΥΓΕΙΑΣ

    Περιγραφή

    Η περιγραφή του μαθήματος δεν είναι διαθέσιμη

    • ΠΡΟΧΩΡΗΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ
      (ΟΙ0305)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    ΟΕ

    Τμήμα
    ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

    Περιγραφή

    ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

    1. 1.      ΓΕΝΙΚΑ

    ΣΧΟΛΗ

     ΣΧΟΛΗ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΩΝ ΣΠΟΥΔΩΝ

    ΤΜΗΜΑ

     ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

     ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

     ΟΙ0305

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

     ΣΤ-Η

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

     ΠΡΟΧΩΡΗΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ

    ΔΙΔΑΣΚΩΝ

    ΚΩΝΣΤΑΝΤΙΝΟΣ ΚΑΠΑΡΗΣ

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

     

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

                   

     4

    5,5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     Επιστημονικής περιοχής

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΟΙΚΟΝΟΜΟΛΟΓΟΥΣ ΙΙ

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

     ΕΛΛΗΝΙΚΑ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

     ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

     

               

     

    1. 2.      ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Το μάθημα αποτελεί συνέχεια των υποχρεωτικών μαθημάτων μαθηματικά για οικονομολόγους 1 & 2. Έμφαση δίνεται στη θεωρία στατικής και δυναμικής βελτιστοποίησης και ιδιαίτερα στην εφαρμογή και ερμηνεία των εκάστοτε εννοιών κάτω από το πρίσμα των οικονομικών επιστημών.  

     

    Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:

    • Αναπτύξει κατάλληλα μοντέλα μαθηματικού προγραμματισμού για μικροοικονομικές και μακροοικονομικές εφαρμογές.
    • Να αναγνωρίσει συνθήκες κάτω από τις οποίες αυτά τα μοντέλα μπορούν να επιλυθούν βέλτιστο τρόπο και να εντοπίσουν την βέλτιστη λύση.
    • Να αναλύσει την οικονομική ερμηνεία των αριθμητικών αποτελεσμάτων.
    • Να διενεργήσει ανάλυση ευαισθησίας των λύσεων.

     

    Γενικές Ικανότητες

     

    Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    Αυτόνομη εργασία

     

     

    1. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ     ΠΕΡΙΓΡΑΦΗ ΤΗΣ ΔΙΔΑΚΤΕΑΣ ΥΛΗΣ

    1. Μοντελοποίηση μαθηματικών προγραμμάτων

    2. Δεσμευμένη βελτιστοποίηση με ισοτικούς περιορισμούς  (Lagrange)

    3. Δεσμευμένη βελτιστοποίηση με ανισοτικούς περιορισμούς (KKT)

    4. Ποιοτικές συνθήκες περιορισμών

    5. Δυϊκότητα

    6. Εξισώσεις διαφορών πρώτης και ανώτερης τάξης

    7. Διαφορικές Εξισώσεις πρώτης και ανώτερης τάξης

    8. Συστήματα διαφορικών εξισώσεων

    9. Θεωρία βέλτιστου ελέγχου

     

    1. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

     ΔΙΑΛΕΞΕΙΣ

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

     ΔΙΑΦΟΡΑ ΠΑΚΕΤΑ ΓΙΑ ΤΗΝ ΟΠΤΙΚΟΠΟΙΗΣΗ ΓΡΑΦΙΚΩΝ ΠΑΡΑΣΤΑΣΕΩΝ (GeoGebra) ΚΑΙ ΠΕΡΙΟΡΙΣΜΕΝΗ ΧΡΗΣΗ PYTHON SCRIPTS

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    52

    Αυτόνομη μελέτη

     113

    Σύνολο Μαθήματος

    165

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

     

     

     Γραπτή εξέταση και προαιρετική πρόοδος η οποία μπορεί να προσθέσει μέχρι και δύο μονάδες στην τελική βαθμολογία.

     

     

     

     

     

    1. ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    -Προτεινόμενη Βιβλιογραφία :

    ΛΟΥΚΑΚΗΣ ΜΑΝΩΛΗΣ, ΠΡΟΣΚΛΗΣΗ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΔΙΟΙΚΗΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΟΜΟΣ Β', ΕΚΔΟΣΕΙΣ ΣΟΦΙΑ 2014.

    ΜΥΛΩΝΑΣ ΝΙΚΟΣ, ΓΕΩΡΓΙΟΣ ΣΑΡΑΦΟΠΟΥΛΟΣ, ΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ, ΕΚΔΟΣΕΙΣ Α.ΤΖΙΟΛΑ & ΥΙΟΙ 2017.

    ΜΠΟΥΡΛΑΚΗΣ ΚΩΝ/ΝΟΣ -ΛΟΡΕΝΤΖΙΑΔΗΣ ΠΑΝΑΓΙΩΤΗΣ, ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ ΔΙΟΙΚΗΤΙΚΩΝ ΚΑΙ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΕ ΑΣΚΗΣΕΙΣ, ΟΙΚΟΝΟΜΙΚΟ ΠΑΝ/ΜΙΟΥ ΑΘΗΝΩΝ 2016.

     

     

    ΔΙΔΑΚΤΙΚΟ ΕΤΟΣ

     

    2018-2019

     

    Δημοσιεύσεις


    • Βιβλία (4 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

      • 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.
      • Επιστημονικά Περιοδικά (11 εγγραφές)

      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
        • Συνέδρια (1 εγγραφές)

        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.
          • Άλλα (0 εγγραφές)

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

          Δεν βρέθηκαν δημοσιεύσεις.