Cel kształcenia i wykaz literatury

Główny cel kształcenia: Głównym celem kształcenia jest zapoznanie studentów z podstawowymi nowoczesnymi metodami do tworzenia systemów wspomagania decyzji zarówno w zarządzaniu, jak i inżynierii produkcji. Przedstawienie również podstaw procesów decyzyjnych oraz metod i narzędzi informatycznych, wspomagających podejmowanie decyzji oraz oraz istniejące oprogramowanie niezbędne w tym zakresie, m.in. na przykładzie AITECH DSS 4.5 i Microsoft BUSINESS Intelligence.

Ogólne informacje o zajęciach: Moduł jest podstawowym modułem kształcenia w ramach programu studiów II stopnia na kierunku Zarządzanie i inżynieria produkcji

Materiały dydaktyczne: Materiały są umieszczane na stronach WWW prowadzących zajęcia: molech.sd.prz.edu.pl, lukaszpasko.prz.edu.pl

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Bojar, Waldemar, Katarzyna Rostek, Leszek Knopik.:	Systemy wspomagania decyzji	PWE, Warszawa.	2014
2	Pod red. nauk. Tadeusz Trzaskalik	Wielokryterialne wspomaganie decyzji: metody i zastosowania	Polskie.Wydawnictwo Ekonomiczne, Warszawa .	2014
3	Power D.J.	Decision Support, Analytics, and Business Intelligence	Copyright © Business Expert Press..	2013

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Łachwa A.	Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji .Rozmyty świat zbiorów, liczb, relacj	Akademicka Oficyna Wydawnicza Exit, W-wa.	2001
2	Pod red. T. Szapiro	Decyzje menedżerskie z Excelem	PWE, Warszawa.	2000
3	Surma, Jerzy	Business Intelligence : systemy wspomagania decyzji biznesowych	Wydaw. Nauk. PWN, Warszawa .	2012

Literatura do samodzielnego studiowania

1

Turban E., J.E.Aronson

Decision Support Systems and Intelligent Systems

New Jersey: Prentice Hall.

2001

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student musi być zarejestrowany na PIERWSZY semestr studiów

Wymagania wstępne w kategorii Wiedzy: Student powinien posiadać wiedzę w zakresie Matematyki, Algebry liniowej, Technologii informacyjnych, Informatyki, Baz danych oraz Badań operacyjnych

Wymagania wstępne w kategorii Umiejętności: Wymagane jest posiadanie umiejętności obsługi podstawowego oprogramowania takiego, jak MS Excel, MATLAB

Wymagania wstępne w kategorii Kompetencji społecznych: Umiejętność samodzielnego poszerzania swej wiedzy i doskonalenia umiejętności zawodowych

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z PRK
01	Posiada umiejętności modelowania procesów decyzyjnych, ich rozpoznawania identyfikacji struktury i parametrów modeli. Ponadto potrafi właściwie dobierać odpowiednie metody w celu rozwiązania lub wspomagania problemu decyzyjnego.	wykład, laboratorium	egzamin cz. pisemna, zaliczenie cz. praktyczna	K_W07+ K_U07++ K_U08+ K_U10+	P7S_UK P7S_UW P7S_WG
02	Zna możliwości i funkcjonaność systemów wspomagania decyzji, potrafi skonfigurować podstawowe wymagania użytkownika w celu wyboru i wdrożenia odpowiedniego oprogramowaniado wspomagania decyzji w danej organizacji	wykład, laboratorium	egzamin cz. pisemna, zaliczenie cz. praktyczna	K_W05+ K_W07+ K_U09+	P7S_UW P7S_WG P7S_WK
03	Posiada wiedzę w zakresie podstawowych i nowoczesnych metod, technik i narzędzi informatycznych wspomagających proces podejmowania decyzji w zarządzaniu	wykład, laboratorium	egzamin cz. pisemna, zaliczenie cz. praktyczna	K_W07+ K_U07++ K_U10+	P7S_UK P7S_UW P7S_WG
04	Potrafi pracować w zespole. Posiada umiejętności wykorzystywania metod grupowego podejmowania decyzji i symulacji komputerowej, w tym gry symulacyjne.	wykład, laboratorium problemowe, gra dydaktyczna	egzamin cz. pisemna, zaliczenie cz. praktyczna, prezentacja dokonań (portfolio)	K_W05+ K_U08+++ K_U09++ K_U10+	P7S_UW P7S_WK
05	Zna współczesne technologie informatyczne, takie jak OLAP, hurtownie danych, metody i narzędzia sztucznej inteligencji, potrafi ich wykorzystać do tworzenia inteligentnych systemów decyzyjnych	wykład, laboratorium	egzamin cz. pisemna, zaliczenie cz. praktyczna	K_W05+ K_U09+ K_U10+	P7S_UW P7S_WK

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
1	TK01	Proces decyzyjny. Modelowanie procesów decyzyjnych, identyfikacja struktury i parametrów modeli. Fazy procesu decyzyjnego. Podejmowanie decyzji na poziomie operacyjnym, taktycznym i strategicznym. Definicja i geneza systemów wspomagania decyzji (SWD) – funkcje, struktura, procesy. 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).	W01	MEK01 MEK02
1	TK02	Metody i narzędzia projektowania Systemów Wspomagania Decyzji. Struktura i funkcje SWD. Realizacja i implementacja SWD. Komunikacja z użytkownikiem, projektowanie interfejsu użytkownika. Infrastruktura i rodzaje SWD.	W02	MEK02 MEK03
1	TK03	Zastosowanie popularnych narzędzi do realizacji SWD (arkusze kalkulacyjne i systemy zarządzania bazami danych, zastosowanie metod optymalizacyjnych). Baza modeli SWD (modele analityczne, jednokryterialne i wielokryterialne matematycznego programowania, liniowe i nieliniowe, stochastyczne). Przewidywanie wyników za pomoc eksperymentów symulacyjnych. Przygotowywanie bazy danych na potrzeby SWD.	W03, W04	MEK01 MEK03 MEK04
1	TK04	Zastosowanie metod sztucznej inteligencji – systemy hybrydowe. SWD oparte o bazę wiedzy - inteligentne systemy wspomagania decyzji. Projektowanie i realizacja inteligentnych SWD z zastosowaniem narzędzi sztucznej inteligencji (sieci neuronowe, algorytmy genetyczne, logika rozmyta).	W05, W06	MEK02 MEK03
1	TK05	Współczesne tendencje rozwoju SWD. Hurtowni danych dla SWD. Technologie OLAP, eksploracja danych. Wielowymiarowa analiza danych. Systemy Business Intelligence. Wpływ SWD na funkcjonowanie organizacji. Metody oceny skuteczności działania SWD.	W07	MEK03 MEK05
1	TK06	Wykorzystywanie do wspomagania decyzji popularnych narzędzi programowych:arkusze kalkulacyjne MS Excel. Zastosowanie metod jednokryterialnej optymalizacji, liniowej i nieliniowej do wspomagania decyzji w zadaniach doboru asortymentu produkcji i transportowych. (z wykorzystaniem pakietu Solver MS Excel)	L01, L02	MEK01 MEK02
1	TK07	Optymalizacja liniowa z wykorzystaniem pakietu Optimization Toolbox for Matlab - problem doboru asortymentu produkcji, problem transportowy, modelowanie sieciowe, poszukiwanie najkrótszej drogi	LO3, LO4	MEK02 MEK03
1	TK08	Optymalizacja liniowa z wykorzystaniem pakietu Optimization Toolbox for Matlab - problemy binarne i całkowitoliczbowe. Optymalizacja nieliniowa z wykorzystaniem pakietu Optimization Toolbox for Matlab - tworzenie wykresów funkcji celu z ograniczeniami. Kolokwium zaliczeniowe 1. z zakrsu modeli optymalizacyjnych.	L05, L06, LO7	MEK03 MEK05
1	TK09	Podejmowanie decyzji w problemach wielokryterialnych - metoda AHP z wykorzystaniem pakietu programowego Matlab oraz pakiet Open Decision Maker	L08	MEK03 MEK05
1	TK10	Metody planowania sieciowego we wspomaganiu decyzji. Wykorzystanie metody ścieżki krytycznej CPM w problemach związanych z szacowaniem terminu realizacji zadań produkcyjnych - MS Excel i pakiet programowy MS Project	L09	MEK03 MEK05
1	TK11	Wykorzystanie metody PERT w problemach związanych z szacowaniem terminu realizacji zadań produkcyjnych - Excel + dodatek "Excel Add-Ins for Operations Management/Industral Engineering"	L10	MEK03 MEK05
1	TK12	Wykorzystanie drzew decyzyjnych do indukcyjnego pozyskiwania wiedzy - za pomocą MS Excel oraz AITECH SPHINX - pakiet DeTreex	L11	MEK02 MEK04
1	TK13	Projektowanie i tworzenie hybrydowych systemów wspomagania decyzji w pakiecie Aitech DSS 4.5., opartych o bazę wiedzy.	L12, L13	MEK01 MEK02 MEK04
1	TK14	Współczesne systemy typu Business Intelligence do wspomagania podejmowania decyzji na przykładzie Microsoft SQL Server 2012 Business Intelligence. Analiza wielowymiarowa i eksploracja danych oraz raportowanie. Kolokwium zaliczeniowe 2 z zakresu zastosowań Optimization Toolbox for Matlab oraz metody PERT	L14, l15	MEK05

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 1)	Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Studiowanie zalecanej literatury: 5.00 godz./sem.
Laboratorium (sem. 1)	Przygotowanie do laboratorium: 15.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 5.00 godz./sem.
Konsultacje (sem. 1)		Udział w konsultacjach: 2.00 godz./sem.
Egzamin (sem. 1)	Przygotowanie do egzaminu: 5.00 godz./sem.	Egzamin pisemny: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Na egzaminie sprawdzana jest realizacja wszystkich efektów modułowych.Egzamin obejmuje pytania obowiązkowe oraz dodatkowe. Student musi odpowiedzieć poprawnie na wszystkie pytania obowiązkowe, aby uzyskać ocenę dostateczną. Odpowiedź na pytania dodatkowe pozwala uzyskać wyższą ocenę: 25% poprawnych odpowiedzi - 3,5; 40% poprawnych odpowiedzi - 4,0; 60% poprawnych odpowiedzi - 4,5; 80% poprawnych odpowiedzi - 5,0
Laboratorium	Na zaliczeniu praktycznym laboratorium sprawdzana jest realizacja drugiego i trzeciego efektu modułowego (MEK02, MEK03). Sprawdzian obejmuje zadania obowiązkowe oraz dodatkowe. Student musi poprawnie wykonać WSZYSTKIE zadania obowiązkowe, aby uzyskać ocenę dostateczną. Rozwiązanie zadań dodatkowych pozwala uzyskać wyższą ocenę: 25% poprawnie rozwiązanych zadań - 3,5; 40% poprawnie rozwiązanych zadań - 4,0; 60% poprawnie rozwiązanych zadań - 4,5; 80% poprawnie rozwiązanych zadań - 5,0;
Ocena końcowa	Warunkiem zaliczenia modułu jest osiągnięcie wszystkich efektów modułowych i zaliczenie wszystkich form zajęć. Student musi odpowiedzieć na wszystkie zadania egzaminacyjne, aby uzyskać ocenę dostateczną. Rozwiązanie zadań dodatkowych pozwala uzyskać ocenę wyższą: 25% - 3.5, 40% - 4.0, 60% - 4.5 80% - 5.0

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	Ł. Paśko; G. Setlak	Random Forests in a Glassworks: Knowledge Discovery from Industrial Data	2020
2	Ł. Paśko; M. Piróg; G. Setlak	Pozyskiwanie wiedzy z danych przemysłowych do wspomagania decyzji w procesie produkcyjnym	2019