Métodos Quantitativos de Apoio à Decisão

Código:

EIG0038

Sigla:

MQAD

Áreas Científicas
Classificação	Área Científica
OFICIAL	Métodos Quantitativos

Ocorrência: 2012/2013 - 1S

Ativa?	Sim
Página e-learning:	https://moodle.fe.up.pt/
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	49	Plano de estudos oficial a partir de 2006/07	5	-	7	56	187

Língua de trabalho

Português - Suitable for English-speaking students

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.

Resultados de aprendizagem e competências

Competências de análise e tratamento de dados para a preparação de decisões.

 

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

Investigação Operacional

Estatística

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

Componentes de Avaliação

Descrição	Tipo	Tempo (Horas)	Peso (%)	Data Conclusão
Resolução de casos de estudo e trabalho	Trabalho de campo	89,00	65,00	2012-12-21
Avaliação Individual	Teste	48,00	35,00	2012-12-14
	Total:	-	100,00

Componentes de Ocupação

Descrição	Tipo	Tempo (Horas)	Data Conclusão
Aulas (Presencial)	Frequência das aulas	52	2012-12-20
	Total:	52,00

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.