Nuova ricerca    Stampa scheda

Metodi e Modelli per il Supporto alle Decisioni
Methods and Models for Decision-Making Support
Fabrizio Marinelli

Sede Ingegneria
A.A. 2016/2017
Crediti 9
Ore 72
Periodo II
Lingua ITA

Prerequisiti
elementi di programmazione lineare e di teoria della dualità. Concetti elementari di programmazione strutturata.

Risultati di apprendimento attesi
CONOSCENZE E COMPRENSIONE:
L’insegnamento introduce lo studente ai principali aspetti teorici, modellistici e metodologici relativi alla formulazione e soluzione quantitativa di problemi decisionali che si presentano nella gestione di sistemi complessi (produttivi e di servizio) per i quali la variabile organizzativa riveste ruolo di notevole criticità. In particolare, l’insegnamento illustra il paradigma dichiarativo della programmazione matematica e, in generale, le metodologie e le tecniche utilizzate per la progettazione e l’uso di strumenti quantitativi di supporto alle decisionali.
CAPACITA' DI APPLICARE LE CONOSCENZE:
Lo studente dovrà a) saper individuare e comprendere problemi decisionali anche di elevata complessità, di natura interdisciplinare e definiti in modo incompleto, b) essere in grado di formulare analiticamente tali problemi con tecniche di programmazione matematica e c) risolvere quantitativamente tali problemi con strumenti software evoluti. Lo studente dovrà sviluppare una visione sistemica dei problemi decisionali che si presentano nell’ambito di sistemi organizzati e saper applicare metodi quantitativi per la loro soluzione. Data la natura interdisciplinare delle suddette attività, lo studente dovrà essere in grado di operare all'interno di team multifunzionali, fungendo da potenziale interfaccia tra le diverse figure professionali.
COMPETENZE TRASVERSALI:
La verifica dell’apprendimento avverrà attraverso la soluzione di esercizi di modellazione e all’applicazione di algoritmi e tecniche risolutive illustrate nel corso, nonché con una prova finale, nella quale lo studente dovrà dimostrare una sufficiente conoscenza dei principi teorici e dei metodi quantitativi per il supporto al processo decisionale. Tali attività contribuiranno a migliorare sia il grado di autonomia di giudizio in generale, sia la capacità di applicare strumenti matematici per modellare e controllare il comportamento di fenomeni e processi decisionali complessi.

Programma
- Introduzione ai problemi decisionali e ai sistemi di supporto alle decisioni. - La programmazione matematica come paradigma dichiarativo. - Modelli di programmazione lineare (PL) e lineare intera (PLI). - Tecniche di modellazione per la PL/PLI. - Software di ottimizzazione e linguaggi di modellazione algebrica (AMPL). - Richiami di programmazione lineare e teoria della dualità: risultati principali e applicazioni. - Cenni di teoria della complessità computazionale. - Introduzione alla teoria dei grafi e principali problemi di ottimizzazione su grafo. - Problemi e modelli di ottimizzazione su reti: cammino minimo, massimo flusso e flusso a costo minimo. - Algoritmi di enumerazione implicita per la PLI. - Modelli discreti per problemi di scheduling e routing. - Applicazioni della programmazione matematica.

Modalità di svolgimento dell'esame
METODI DI VALUTAZIONE DELL'APPRENDIMENTO
La valutazione del livello di apprendimento prevede una prova scritta e una prova orale. La prova scritta, della durata di 2 ore, è articolata in una prima parte con domande a risposta chiusa e una seconda parte con uno o più esercizi di modellazione matematica e/o di soluzione di problemi di ottimizzazione discreta mediante le tecniche presentate nel corso. La prova scritta non prevede la possibilità di utilizzare testi o appunti. Alla prova orale accede chi ha ottenuto una valutazione dello scritto di almeno 18 punti. La prova orale consiste nella discussione dello scritto e nella soluzione di uno o più quesiti volti a verificare le capacità logiche deduttive e l'apprendimento degli argomenti del corso.

CRITERI DI VALUTAZIONE DELL'APPRENDIMENTO
Viene valutata la capacità di sintetizzare ed esporre con chiarezza e rigore logico idee, concetti e risultati teorici dell'ottimizzazione discreta. Viene inoltre valutata la capacità di impostare e risolvere autonomamente i problemi decisionali utilizzando in modo corretto e pertinente metodologie, modelli e strumenti propri della programmazione matematica e dell'ottimizzazione discreta.

CRITERI DI MISURAZIONE DELL'APPRENDIMENTO
La conoscenza dei concetti e dei risultati teorici è misurata analiticamente con un punteggio assegnato alla prima parte della prova scritta compreso tra -7 e 14. La capacità di impostare e risolvere problemi decisionali con strumenti propri della programmazione matematica e dell'ottimizzazione discreta è misurata analiticamente con un punteggio assegnato alla seconda parte della prova scritta compreso tra 0 e 14. La capacità di sintesi, di rigore logico e di esposizione chiara è misurata analiticamente con un punteggio assegnato alla prova orale compreso tra 0 e 30.

CRITERI DI ATTRIBUZIONE DEL VOTO FINALE
Il voto finale è pari alla semisomma dei punteggi assegnati alle due parti della prova scritta e alla prova orale. La votazione massima, pari a trenta punti con lode, è assegnata agli studenti che complessivamente dimostrino completa padronanza degli strumenti teorici e metodologici propri dell'ottimizzazione discreta e piena autonomia e rigore logico nell'impostare e risolvere i problemi posti. La votazione minima, pari a diciotto, è assegnata agli studenti che dimostrino di riuscire a risolvere i problemi che gli vengono posti e sufficiente conoscenza degli strumenti teorici e metodologici propri dell'ottimizzazione discreta.

Testi consigliati
1) C. Vercellis, “Ottimizzazione. teoria, metodi, applicazioni“, Mc Graw-Hill, 2008. 2) appunti, esercizi e slide delle lezioni.

Corsi di laurea

• Ingegneria Gestionale (Corso di Laurea Magistrale Fuori Sede (DM 270/04))