Wspomaganie zarządzania przedsiębiorstwem

Moduł jest podstawowym modułem kształcenia w ramach programu w zakresie specjalności Informatyka w zarządzaniu przedsiębiorstwem. W ramach przedmiotu studenci poznają metody matematyczne, statystyczne i symulacyjne, wykorzystywane do wspomagania zarządzania na wszystkich jego poziomach, w tym metody jednokryterialnej optymalizacji i wielokryterialnego wspomagania decyzji (AHP, Elektri), metody planowania sieciowego CPM oraz w warunkach niepewności PERT i inne.

Treści kształcenia

- Proces decyzyjny w zarządzaniu przedsiębiorstwem. Podstawowe funkcji systemów wspomagania decyzji (rozpoznanie problemu, zaklasyfikowanie go do określonej grupy decyzyjnej, tworzenie modeli danych i procesów, generowanie wariantów dopuszczalnych rozwiązań oraz pomoc w wyborze najlepszego rozwiązania). Problemy decyzyjne w zarządzaniu i ich klasyfikacja (ustrukturalizowane, słabo ustrukturaliziwane i nieustruktu-ralizowane). Modelowanie procesów decyzyjnych, identyfikacja struktury i parametrów modeli.

- Klasyfikacja modeli decyzyjnych (decyzje optymalne: modele optymalizacji liniowej i nieliniowej, modele optymalizacji jednokryterialnej i wielokryterialnej, modele statyczne jednoetapowe i dynamiczne wieloetapowe, decyzje w warunkach niepewności i ryzyka (metody stochastycznego programowania, optymalizacja z rozmytą funkcją celu i/lub rozmytymi zmiennymi). Metody wnioskowania w systemach wspomagania decyzji (metody deterministyczne i metody wnioskowania oparte o logikę rozmytą oraz wykorzystujące teorię zbiorów przybliżonych).

- Matematyczne modele decyzyjne. Metody liniowego programowania i ich zastosowania do wspomagania decyzji. Optymalizacyjne zadania produkcyjne i transportowe. Metody optymalizacji całkowitoliczbowej. Metody nieliniowego programowania. Metody wieloetapowego programowania dynamicznego. Wielokryterialne problemy decyzyjne: z funkcją kompromisu, z hierarchią celów.

- Podejmowanie decyzji w warunkach niepewności: Podstawy budowy systemów rozmytego wnioskowania w oparciu o logikę rozmytą. Rozmyte bazy reguł.

- Drzewa decyzyjne. Budowa drzewa decyzyjnego, optymalizacji decyzji sekwencyjnych, analiza wrażliwości. Zastosowania drzew decyzyjnych do modelowania procesu decyzyjnego przy projektowaniu systemów doradczych.

- Metody symulacji komputerowej do wspomagania decyzji w zarządzaniu. Gry symulacyjne.

- Metody i narzędzia projektowania Systemów Wspomagania Decyzji. Struktura i funkcje SWD. Realizacja i implementacja SWD. SWD oparte o bazę wiedzy - inteligentne systemy wspomagania decyzji.

- Grupowe podejmowanie decyzji. Metody grupowego podejmowania decyzji. Heurystyczne metody. Metoda burzy mózgu, metoda Delphi.

- Projektowanie i realizacja inteligentnych SWD z zastosowaniem narzędzi sztucznej inteligencji (sieci neuronowe, algorytmy genetyczne, logika rozmyta).

- Formułowanie problemu decyzyjnego, jego analiza i klasyfikacja. Wybór odpowiedniej metody modelowania i rozwiązywania problemu. Modele liniowe jednokryterialne. Metody liniowego programowania i ich zastosowania do wspomagania decyzji. Optymalizacyjne zadania produkcyjne i transportowe. Zastosowania MS Excel oraz narzędzi Solver

- Metody optymalizacji całkowitoliczbowej. Zastosowanie modułu Solver do planowania inwestycji. Metody nieliniowego programowania, metoda Gradientu sprzężonego, metoda Newtona

- Optymalizacja nieliniowa z wykorzystaniem pakietu Solver w MS Excel - tworzenie wykresów funkcji celu z ograniczeniami.

Kolokwium zaliczeniowe 1 - w zakresie zastosowań MS Excel Solver

- Wykorzystanie metody ścieżki krytycznej CPM w problemach związanych z szacowaniem terminu realizacji zadań produkcyjnych z zastosowaniem oprogramowania MS Excel i MS Project.

- Wykorzystanie metody PERT w problemach związanych z szacowaniem terminu realizacji zadań produkcyjnych (MS Excel oraz dodatek "Excel Add-Ins for Operations Management/Industral Engineering")

- Tworzenie systemu rozmytego wnioskowania do planowania zapasów w warunkach niepewności – tworzenie systemu neuronowo-rozmytego w środowisku Fuzzy Logic Toolbox for Matlab oraz Statistica Neural Networks.

- Zastosowanie pakietu programowego AITECH DSS 4.5 do wspomagania decyzji w zarządzaniu strategicznym. Tworzenie systemów wspomagania decyzji w pakiecie Aitech DSS.

- Wykorzystanie drzew decyzyjnych do podejmowania decyzji w warunkach niepewności. Wykorzystanie pakietu DeTreex do automatycznego budowania drzew decyzyjnych i ich wykorzystania w systemie ekspertowym.

Kolokwium zaliczeniowe 2 z zakresu drzew decyzyjnych i metody Pert

Literatura wykorzystywana podczas zajęć wykładowych

Pod red. nauk. Tadeusz Trzaskalik - Wielokryterialne wspomaganie decyzji: metody i zastosowania - Polskie.Wydawnictwo Ekonomiczne, Warszawa. - 2014

Foster Provost, Tom Fawcett - Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji - Helion, Gliwice. - 2015

Waldemar Bojar, Katarzyna Rostek, Leszek Knopik. - Systemy wspomagania decyzji - Państwowe Wydawnictwo Ekonomiczne, Warszawa. - 2015

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

Łachwa A. - Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji - Akademicka Oficyna Wydawnicza Exit, W-wa,. - 2001

Pod red . T. Szapiro - Decyzje menedżerskie z Excelem - PWE, Warszawa. - 2000

A. Ostanin - Metody optymalizacji z MATLAB - WYD. NAKOM. - 2013

Literatura do samodzielnego studiowania

Turban E., J.E.Aronson - Decision Support Systems and Intelligent Systems. - New Jersey: Prentice Hall. - 2001

Literatura uzupełniająca

Zieliński J.S. (red.) - Inteligentne systemy w zarządzaniu. Teoria i praktyka, - PWN, Warszawa. - 2000

Publikacje naukowe

Ł. Paśko; M. Piróg; G. Setlak - Pozyskiwanie wiedzy z danych przemysłowych do wspomagania decyzji w procesie produkcyjnym - POLSKIE WYDAWNICTWO EKONOMICZNE SA. - 2019

Y. Bodyanskiy; A. Dolotov; G. Setlak; A. Shafronenko - Fuzzy Clustering of Distorted Observations Based on Optimal Expansion Using Partial Distances - IEEE- INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS. - 2018

Y. Bodyanskiy; I. Kobylin; D. Peleshko; I. Pliss; G. Setlak; O. Vynokurova - Adaptive Fuzzy Clustering of Multivariate Short Time Series with Unevenly Distributed Observations Based on Matrix Neuro-Fuzzy Self-organizing Network - Springer. - 2018

Y. Bodyanskiy; O. Boiko; I. Pliss; G. Setlak; O. Vynokurova - Deep Evolving Stacking Convex Cascade Neo-Fuzzy Network and its Rapid Learning - POLSKIE TOWARZYSTWO INFORMATYCZNE. - 2018

Y. Bodyanskiy; P. Mulesa; D. Peleshko; G. Setlak; O. Vynokurova - Adaptive multivariate hybrid neuro-fuzzy system and its on-board fast learning - . - 2017

Y. Bodyanskiy; I. Pliss; G. Setlak; O. Vynokurova - Deep evolving GMDH-SVM-neural network and its learning for Data Mining tasks - POLSKIE TOWARZYSTWO INFORMATYCZNE. - 2016

Y. Bodyanskiy; P. Mulesa; I. Pliss; G. Setlak; O. Vynokurova - Fast learning algorithm for deep evolving GMDH-SVM neural network in data stream mining tasks - IEEE- INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS. - 2016

Ł. Paśko; G. Setlak - Badanie jakości predykcyjnej segmentacji rynku - . - 2016

Ł. Paśko; G. Setlak - Znaczenie doboru metryk w badaniu separacji między klastrami - . - 2016

Y. Bodyanskiy; D. Peleshko; G. Setlak; O. Vynokurova - Hybrid generalized additive neuro-fuzzy system and its adaptive learning algorithms - IEEE. - 2015

Y. Bodyanskiy; I. Pliss; G. Setlak; O. Vynokurova - Hybrid neuro-neo-fuzzy system and its adaptive learning algorithm - IEEE. - 2015

Y. Bodyanskiy; I. Pliss; G. Setlak; O. Vynokurova - On-line Hybrid System of Computational Intelligence for Data Streams Adaptive Processing - INTERNATIONAL FREQUENCY SENSOR ASSOCIATION (IFSA). - 2015

Ł. Paśko; G. Setlak - Wpływ wybranych metryk na wynik badania skupisk - SILESIAN UNIVERSITY OF TECHNOLOGY PRESS. - 2015