Métodos Quantitativos de Apoio à Decisão

Código:

EIG0038

Sigla:

MQAD

Áreas Científicas
Classificação	Área Científica
OFICIAL	Métodos Quantitativos

Ocorrência: 2011/2012 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia e Gestão Industrial
Curso/CE Responsável:	Mestrado Integrado em Engenharia e Gestão Industrial

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MIEIG	61	Plano de estudos oficial a partir de 2006/07	5	-	7	56	187

Língua de trabalho

Português

Objetivos

Os gestores de qualquer empresa – sector privado ou público, industrial ou serviços – têm que tomar decisões sobre como afectar os recursos da organização. Sendo parte da informação necessária para tomar estas decisões quantitativa/numérica, os gestores de hoje devem ser capazes de a valorizar, analisar e utilizar.
O objectivo da disciplina é o de, recorrendo à análise de modelos quantitativos e ferramentas teóricas que suportam as melhores práticas de gestão de operações de empresas, dotar os estudantes de competências de análise e tratamento de dados para a preparação de decisões.

Programa

1ª parte: Previsão e Tomada de decisões.
Papel dos métodos de previsão (MP) em processos de decisão. Classificação dos MP. Métodos quantitativos: hipóteses subjacentes e condições de aplicabilidade. Selecção dos MP. Análise de séries temporais: Regressão, Decomposição Clássica e Amortecimento exponencial.

2ª parte: Visão geral de modelos, aplicações e algoritmos para problemas de Optimização Combinatória; Comparação entre métodos exactos e abordagens heurísticas; desempenho dos algoritmos; Heurísticas construtivas e de melhoramento; metaheuristicas: princípios gerais e componentes; exemplos de metaheuristicas populacionais e não-populacionais.

3ª parte: Análise de modelos quantitativos e ferramentas teóricas que suportam as melhores práticas de gestão de operações de empresas de topo em diferentes tópicos, tais como:
- Metaheurísticas em sistemas de produção
- Política de definição de preços no retalho
- Controlo estatístico de processos

Bibliografia Obrigatória

Joseph F. Hair, Bill Black, Barry Babin, Rolph E. Anderson, Ronald L. Tatham; Multivariate Data Analysis (6th Edition), Prentice Hall; 6 edition (October 28, 2005), 2005. ISBN: 0130329290
Burke, Edmund K. 340; Search Methodologies. ISBN: 978-0387-23460-1
Reeves, Colin R. 340; Modern heuristic techniques for combinatorial problems. ISBN: 0-07-709239-2
Makridakis, Spyros; Forecasting methods for management. ISBN: 0-471-60063-6

Métodos de ensino e atividades de aprendizagem

Aulas práticas: resolução de problemas (recorrendo a folha de cálculo) e esclarecimento de dúvidas.
Aulas de apresentação e discussão de casos e aulas de resolução de problemas (algumas das quais com o apoio de computadores).
Na primeira parte do semestre, grupos de 4 alunos terão que analisar um caso de estudo sobre métodos de previsão e produzir um relatório.
Na segunda parte, os alunos deverão implementar um procedimento heurístico para resolver aplicações reais e elaborar um pequeno relatório, num estilo semelhante a um artigo científico.
Recorrer-se-á a na terceira parte do semestre a uma vasta gama de artigos científicos clássicos e recentes. Cada grupo de dois alunos deverá analisar um artigo científico, apresentá-lo e produzirá um relatório. Em cada sessão serão apresentados dois artigos. Cada artigo será apresentado pelos dois alunos de cada grupo durante 45 minutos. Segue-se um período de arguição de 15 minutos, coordenado por um outro grupo de 2 alunos, após o qual o debate será aberto a todos os presentes durante 15 minutos adicionais. Tentar-se-á estimular uma aprendizagem activa através de uma discussão aberta.

Palavras Chave

Ciências Tecnológicas

Tipo de avaliação

Avaliação distribuída sem exame final

Obtenção de frequência

Presença nas aulas de discussão do caso de métodos de previsao e de artigos.

Fórmula de cálculo da classificação final

A classificação final é a média pesada da classificação obtida no caso prático de MP (com peso de 0.20), na resolução de um exercício de métodos de previsão(0.30), na implementação de um algoritmo e escrita do artigo (0.30) e na análise do artigo + relatório intermédio (0.20).

Os estudantes têm que obter classificação mínima de 9.5 valores no exercício de métodos de previsão para obter aprovação à unidade curricular.