Projeto em Gestão de Operações

Código:

M.EGI018

Sigla:

PGO

Áreas Científicas
Classificação	Área Científica
OFICIAL	Gestão de Operações

Ocorrência: 2023/2024 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia e Gestão Industrial
Curso/CE Responsável:	Mestrado 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
M.EGI	47	Plano de estudos oficial	2	-	6	45,5	162

Língua de trabalho

Inglês

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

Criar, actualizar e desenvolver nos estudantes competências em métodos quantitativos de apoio à decisão, que lhes permitam:

- Compreender o papel da previsão da procura nas empresas, e perceber a forma como deve ser implementado um sistema de previsão;

- Implementar e usar métodos estatísticos de extrapolação direta, para prever o comportamento de variáveis não controláveis;

- Identificar problemas de otimização, particularmente no contexto da gestão de operações e da otimização combinatória, e abordá-los de uma forma estruturada;

- Identificar as técnicas algorítmicas mas adequadas para resolver um dado problema de otimização;

- Usar métodos heurísticos e meta-heurísticos para obter soluções para os problemas;

- Implementar, testar e validar métodos de pesquisa para resolver diferentes classes de problemas de otimização.

 

 

Modo de trabalho

Presencial

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

Investigação Operacional

Estatística

Programa

1ª parte: Previsão e Tomada de decisões.

a)       Papel dos métodos de previsão (MP) em processos de decisão.

b)       Classificação dos MP. Métodos quantitativos: hipóteses subjacentes e condições de aplicabilidade.

c)       Selecção dos MP.

d)       Análise de séries temporais: Regressão, Decomposição Clássica e Amortecimento exponencial.

2ª parte: Visão geral de modelos, aplicações e algoritmos para problemas de Optimização Combinatória;

a)       Comparação entre métodos exactos e abordagens heurísticas;

b)       Desempenho dos algoritmos; Heurísticas construtivas e de melhoramento;

c)       Metaheuristicas: princípios gerais e componentes; exemplos de metaheuristicas populacionais e não-populacionais.

 

3ª parte: Análise de modelos quantitativos e ferramentas que suportam as melhores práticas de gestão de operações de empresas de topo; Resolução de um caso real.

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

A Unidade Curricular baseia-se numa combinação de exposição dos conteúdos e conceitos com fases de resolução e discussão em grupo de casos de estudo e de artigos científicos.

Aulas teóricas: aulas de apresentação e discussão de casos.

Aulas práticas: resolução de problemas (recorrendo a folhas de cálculo) e esclarecimento de dúvidas.

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 recorrer-se-á a a uma vasta gama de artigos científicos clássicos e recentes sobre gestão de operações e otimização combinatória. Cada grupo de alunos deverá analisar um artigo científico e apresentá-lo. Segue-se um período de arguição, coordenado por um outro grupo de alunos. Tentar-se-á estimular uma aprendizagem activa através de uma discussão aberta.

Na terceira parte, os alunos deverão implementar um procedimento heurístico para resolver uma aplicação real e elaborar um pequeno relatório, num estilo semelhante a um artigo científico.

 

A avaliação inclui a resolução de um caso de estudo em grupo de métodos de previsão, a resolução de um caso de estudo em otimização combinatória, a discussão do artigo científico e dois testes individuais.

Palavras Chave

Ciências Tecnológicas

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Defesa pública de dissertação, de relatório de projeto ou estágio, ou de tese	5,00
Participação presencial	28,00
Teste	27,00
Trabalho escrito	40,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de projeto	12,00
Estudo autónomo	50,00
Frequência das aulas	52,00
Trabalho de campo	75,00
Total:	189,00

Obtenção de frequência

Presença nas aulas de discussão do caso de métodos de previsao, de artigos e dos resultados intermédios do caso de otimização combinatória.

Fórmula de cálculo da classificação final

A classificação final (P) é a média pesada da classificação obtida no caso prático de MP (com peso de 0.125)- P1.1, na resolução de um teste individual de métodos de previsão (0.275)-P1.2, na análise do artigo, apresentação intermédia  e implementação de um algoritmo e escrita do relatório (0.45)-P2.1 e num teste individual sobre otimização (0.15)-P2.2.

 

P = 0.125*P1.1 + 0.275*P1.2 + 0.45*P2.1 + 0.15*P2.2

Avaliação especial (TE, DA, ...)

Os estudantes com estatuto especial (trabalhador-estudante, militar ou atleta de alta competição) podem optar pela forma e regras de avaliação indicadas anteriormente.

Em alternativa:

Em vez das componentes separadas P1.1, P1.2, P2.1 e P2.2 devem submeter-se a uma prova escrita final única (a realizar em data a marcar) com essas 4 partes.

 

Esta prova terá a duração aproximada de 3 horas.

Melhoria de classificação

Os estudantes podem repetir numa prova de recurso o mini-teste P1.2 e o P2.2 em que tiveram a pior classificação.

 

Os estudantes que pretendam obter melhoria da classificação poderão também fazê-lo no ano letivo seguinte repetindo apenas as componentes de avaliação cuja classificação pretendem melhorar.