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 (Δ.Π.Μ.Σ. στη Διοίκηση Επιχειρήσεων (MBA))
    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
    • 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


    • 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.
    • ΕΡΓΑΣΤΗΡΙΟ ΕΦΑΡΜΟΣΜΕΝΗΣ ΑΝΑΛΥΤΙΚΗΣ ΤΩΝ ΑΠΟΦΑΣΕΩΝ (πρώην "Εργαστήριο Εφαρμοσμένης Λήψης Αποφάσεων")
      (ΟΔ0709)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BA

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    1.       ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΤΜΗΜΑ

    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΔ0709

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    E

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΕΡΓΑΣΤΗΡΙΟ ΕΦΑΡΜΟΣΜΕΝΗΣ ΑΝΑΛΥΤΙΚΗΣ ΤΩΝ ΑΠΟΦΑΣΕΩΝ

    (πρώην "Εργαστήριο Εφαρμοσμένης Λήψης Αποφάσεων")

     

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    3

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     

    Ανάπτυξης Δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

     

     

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Εμβάθυνση στις μεθόδους της Επιχειρησιακής Έρευνας χρησιμοποιώντας  ρεαλιστικά 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 της διαδραστικής προσέγγισης με τη χρήση του υπολογιστή και του κατάλληλου λογισμικού.

    Έμφαση δίνεται στη χρήση της γλώσσας προγραμματισμού PYTHON για την ανάπτυξη και επίλυση μοντέλων μαθηματικού προγραμματισμού. Επιχειρείται έτσι μια μετάβαση από εργαλεία λογισμικού εκπαιδευτικής φύσης (POM QM, Lindo, winqsb), με τα οποία οι φοιτητές είναι ήδη εξοικειωμένοι, στη χρήση σύγχρονων εργαλείων ανοιχτού κώδικα για την ανάπτυξη μοντέλων μεγάλης κλίμακας.

    Το μάθημα δρα συμπληρωματικά προς τα δύο υποχρεωτικά μαθήματα Επιχειρησιακής Ερευνας ‐ Ποσοτικών Μεθόδων που διδάσκονται στο τρίτο και τέταρτο εξάμηνο αντίστοιχα. Ολοκληρώνει την ενότητα των μαθημάτων παρουσιάζοντας εκτεταμένα, τρόπoυς χρήσης των εργαλείων που διδάχθησαν, σε πραγματικό χρόνο ενώ παράλληλα εμπλουτίζει σε μεγάλο βαθμό το σύνολο των υπολογιστικών εργαλείων που έχουν στη διάθεση τους οι φοιτητές για την μοντελοποίηση και επίλυση μοντέλων μαθηματικού προγραμματισμού. 

    Ειδικότερα, με την ολοκλήρωση του μαθήματος οι φοιτητές :

    • Θα μπορούν να χρησιμοποιήσουν τη γλώσσα προγραμματισμού PYTHON μαζί με τις αντίστοιχες βιβλιοθήκες ώστε να είναι σε θέση να αναπτύξουν μοντέλα ευέλικτα σε σχέση με το μέγεθος των δεδομένων εισόδου. 
    • Τέλος, θα μπορούν να συγκρίνουν εναλλακτικές λύσεις και να επιλέγουν τη βέλτιστη απόφαση χρησιμοποιώντας κριτική προσέγγιση στα δεδομένα ενός προβλήματος, αντίληψη και κοινή λογική.

    Γενικές Ικανότητες

    Το μάθημα αποσκοπεί

    Στην αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών, στην προσαρμογή σε νέες καταστάσεις, στην λήψη αποφάσεων, στην αυτόνομη αλλά και ομαδική εργασία, την εργασία σε διεπιστημονικό περιβάλλον, στην παράγωγή νέων ερευνητικών ιδεών, στον σχεδιασμός και διαχείριση έργων και φυσικά στην προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    3.       ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    Εφαρμογή όλων των μεθόδων που έχουν παρουσιαστεί στα προηγούμενα δύο εξάμηνα στα υποχρεωτικά μαθήματα της επιχειρησιακής έρευνας και των μεθόδων λήψης διοικητικών αποφάσεων. Εισαγωγή στη χρήση της γλώσσας προγραμματισμού PYTHON για την ανάπτυξη και επίλυση μοντέλων μαθηματικού προγραμματισμού

    Τυπικό Σχήμα Διαλέξεων 13 Εβδομάδων:

    1. Εισαγωγή Στο Περιβάλλον Anaconda

    2. Γραμμικός Προγραμματισμός, αλγεβρικός τρόπο γραφής μαθηματικών προγραμμάτων και η σχέση με τις αλγεβρικές γλώσσες μοντελοποίησης

    3. Βασικές εντολές Python και εισαγωγή στην βιβλιοθήκη Pyomo.

    4 - 8. Ανάπτυξη και επίλυση Concrete Pyomo μοντέλων

    9 - 12. Ανάπτυξη και επίλυση Abreact Pyomo μοντέλων

    13.Παρουσίαση και συζήτηση της τελικής απαλλακτικής εργασίας

    4.       ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Διά ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Χρήση ΤΠΕ στην αίθουσα διδασκαλίας, στην επικοινωνία και στο εκπαιδευτικό υλικό

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Εργαστήρια - Διαλέξεις

    80

    Ασκήσεις

    70

    Σύνολο Μαθήματος

    150

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

     Ελληνικά, επίλυση προβλημάτων, γραπτή εργασία

    5.       ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    -Προτεινόμενη Βιβλιογραφία :

    -Συναφή επιστημονικά περιοδικά:

    Όλο το βιβλιογραφικό υλικό των προηγούμενων υποχρεωτικών μαθημάτων της Επιχειρησιακής Έρευνας και διάφορα άρθρα και αναλύσεις περιπτώσεων.

    Ενδεικτικά:

    Mathematical Programming

    Operations Research

    European Journal of Operational Research

    Management Science

    Discrete Optimization

    SIAM Journal of Discrete Mathematics

    Computers and Operational Research

    • 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 ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΣΤΗΝ ΑΝΑΛΥΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ (πρώην "Προχωρημένες Τεχνικές Βελτιστοποίησης")
      (ΟΔ0608)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BA

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

     

     

    1. ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΤΜΗΜΑ

    ΟΡΓΑΝΩΣΗΣ & ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΔ0608

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    H’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΣΤΗΝ ΑΝΑΛΥΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

    (πρώην «Προχωρημένες Τεχνικές Βελτιστοποίησης»)

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    3

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     

    Ανάπτυξης Δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

     

     

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Εμβάθυνση στις μεθόδους βελτιστοποίησης πέρα από τα βασικά μοντέλα που έχουν διδαχθεί στα υποχρεωτικά μαθήματα της επιχειρησιακής έρευνας και των μεθόδων ανάλυσης διοικητικών αποφάσεων. Στόχος είναι ο εμπλουτισμός των εργαλείων που έχουν στη διάθεση τους οι φοιτητές για την μοντελοποίηση και επίλυση ρεαλιστικών επιχειρησιακών προβλημάτων. Αναδεικνύεται έτσι, ο ρόλος που μπορούν να διαδραματίσουν οι ποσοτικές μέθοδοι στη διαδικασία λήψης βέλτιστων αποφάσεων και η χρησιμότητα για το διοικητικό στέλεχος της διαδραστικής προσέγγισης με τη χρήση του υπολογιστή και του κατάλληλου λογισμικού.

     Έμφαση θα δοθεί κυρίως στη μοντελοποίηση και κατά δεύτερο λόγο στην αλγοριθμική επίλυση των προβλημάτων. Εκτεταμένη θα είναι η χρήση της γλώσσας Python και της βιβλιοθήκης Pyomo για την ανάπτυξη και επίλυση των μοντέλων, ωστόσο   

    Ειδικότερα, με την ολοκλήρωση του μαθήματος οι φοιτητές :

    • Θα γνωρίζουν προχωρημένες τεχνικές λήψης αποφάσεων όπως προγραμματισμού πολλαπλών στόχων, τη μέθοδο ενθυλάκωσης δεδομένων (DEA),  μοντελοποίηση με ακέραιο προγραμματισμό, μεθόδους αποσύνθεσης, μη γραμμικός προγραμματισμός κ.α.
    • Θα μπορούν να διακρίνουν τις διάφορες κατηγορίες προβλημάτων και να εφαρμόζουν τις γνώσεις και τις μεθόδους σε πρωτότυπες κατηγορίες διοικητικών περιπτώσεων
    • Τέλος, θα μπορούν να συγκρίνουν εναλλακτικές λύσεις και να επιλέγουν τη βέλτιστη απόφαση χρησιμοποιώντας κριτική προσέγγιση στα δεδομένα ενός προβλήματος, αντίληψη και κοινή λογική.

    Γενικές Ικανότητες

    Το μάθημα αποσκοπεί

    Στην αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών, στην προσαρμογή σε νέες καταστάσεις, στην λήψη αποφάσεων, στην αυτόνομη αλλά και ομαδική εργασία, την εργασία σε διεπιστημονικό περιβάλλον, στην παράγωγή νέων ερευνητικών ιδεών, στον σχεδιασμός και διαχείριση έργων και φυσικά στην προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

     

    3.       ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    Εφαρμογή όλων των μεθόδων που έχουν παρουσιαστεί στα προηγούμενα εξάμηνα στα υποχρεωτικά μαθήματα της επιχειρησιακής έρευνας, των μεθόδων λήψης διοικητικών αποφάσεων καθώς και του επιλεγόμενου μαθήματος εργαστήριο εφαρμοσμένης αναλυτικής των αποφάσεων.

    Τυπικό Σχήμα Διαλέξεων 13 Εβδομάδων:

    1. Εισαγωγή, η βελτιστοποίηση στην αναλυτική των αποφάσεων, Python/Pyomo.

    2. Προγραμματισμός Πολλαπλών Στόχων.

    3. Μέθοδος ενθυλάκωσης δεδομένων (DEA).

    4-8. Ακέραιος Προγραμματισμός: Ειδικά προβλήματα συνδυαστικής βελτιστοποίησης, μοντελοποίηση με τη χρήση δυαδικών μεταβλητών, προβλήματα μικτού ακεραίου προγραμματισμού, χρήση διαζευκτικών περιορισμών, χρονοπογραμματισμός έργων, προβλήματα δρομολόγησης.

    9-12. Μη γραμμικός προγραμματισμός: Μη δεσμευμένη βελτιστοποίηση (Lagrange), μέθοδος απότομης κατάβασης, δεσμευμένη βελτιστοποίηση, συνθήκες Karush Khun Tucker, εφαρμογές.  

    13..Παρουσίαση και συζήτηση της τελικής απαλλακτικής εργασίας

    4.       ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Διά ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Χρήση ΤΠΕ στην αίθουσα διδασκαλίας, στην επικοινωνία και στο εκπαιδευτικό υλικό

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Εργαστήρια - Διαλέξεις

    80

    Ασκήσεις

    70

    Σύνολο Μαθήματος

    150

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    Ελληνικά, επίλυση προβλημάτων, γραπτή εργασία 

    5.       ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    -Προτεινόμενη Βιβλιογραφία :

    -Συναφή επιστημονικά περιοδικά:

    Όλο το βιβλιογραφικό υλικό των προηγούμενων υποχρεωτικών μαθημάτων της Επιχειρησιακής Έρευνας και διάφορα άρθρα και αναλύσεις περιπτώσεων.

    Ενδεικτικά:

    Mathematical Programming

    Operations Research

    European Journal of Operational Research

    Management Science

    Discrete Optimization

    SIAM Journal of Discrete Mathematics

    Computers and Operational Research

    • 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

    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 (13 εγγραφές)

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

        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
        • 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.
          Wheelchair Blue
          Accessibility Tools
          Fonts PlusIncrease Text
          Fonts MinusDecrease Text
          ContrastHigh Contrast
          GrayscaleGrayscale
          Readable FontReadable Font