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: lukaszpasko.v.prz.edu.pl, gsetlak.v.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
4	Michael Aleksander, Jared Decker, Bernard Wehbe	Analizy business intelligence : zaawansowane wykorzystanie Excela	HELION, Gliwice.	2019

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Pod red. T. Szapiro	Decyzje menedżerskie z Excelem	PWE, Warszawa.	2000
2	Łachwa A.	Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji .Rozmyty świat zbiorów, liczb, relacj	Akademicka Oficyna Wydawnicza Exit, W-wa.	2001
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 liście osób uprawnionych do zaliczenia przedmiotu.

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 wiedzę w zakresie modelowania procesów decyzyjnych, ich rozpoznawania i identyfikacji struktury i parametrów modeli. Ponadto posiada umiejętności właściwego doboru odpowiednich metod do wspomagania problemów decyzyjnych.	wykład	egzamin cz. pisemna	K_W05+ K_W07+++ K_K04+	P7S_UO P7S_WG P7S_WK
02	Posiada wiedzę w zakresie podstawowych i nowoczesnych metod, technik i narzędzi informatycznych wspomagających proces podejmowania decyzji w zarządzaniu oraz odpowiednie systemy oprogramowania	wykład	egzamin cz. pisemna	K_W05++ K_W07++	P7S_WG P7S_WK
03	Zna współczesne technologie informatyczne, takie jak OLAP, hurtownie danych, metody eksploracji danych i sztucznej inteligencji oraz możliwości i rolę pulpitów menedżerskich we wspomaganiu decyzji	wykład	egzamin cz. pisemna,	K_U09+++ K_U10++	P7S_UW
04	Stosuje odpowiednie metody i narzędzia optymalizacji, interpretuje uzyskane wyniki oraz wykonuje analizę wrażliwości.	laboratorium	zaliczenie cz. praktyczna	K_U07+++ K_U09+++ K_U10+++	P7S_UK P7S_UW
05	Stosuje metody planowania sieciowego i metody wspomagania decyzji wielokryterialnych, wykorzystuje odpowiednie systemy komputerowe do wspomagania podejmowania decyzji.	laboratorium	zaliczenie cz. praktyczna	K_U07+++ K_U09+++ K_U10++	P7S_UK P7S_UW

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. Definicja i geneza systemów wspomagania decyzji (SWD) – funkcje, struktura, procesy. Podstawowe funkcji systemów wspomagania decyzji. Metody i narzędzia projektowania SWD. Zastosowanie popularnych narzędzi do realizacji SWD.	W01	MEK01 MEK02
1	TK02	Baza modeli SWD (modele analityczne, jednokryterialne i wielokryterialne matematycznego programowania, liniowe i nieliniowe, stochastyczne). Modle optymalizacji liniowej i nieliniowej. Optymalizacja jednokryterialna i wielokryterialna. Przewidywanie wyników za pomoc eksperymentów symulacyjnych.	W02	MEK02
1	TK03	Metody wielokryteriowego wspomagania decyzji, Metoda AHP.	W03
1	TK04	Metody planowania sieciowego w warunkach deterministycznych - metoda CPM i niepewności - metoda PERT.	W04	MEK01 MEK02
1	TK05	Systemy Business Intelligence jako SWD. Hurtowni danych dla SWD. Technologie OLAP i eksploracja danych. Wielowymiarowa analiza danych.	W05	MEK03
1	TK06	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).	W06	MEK02 MEK03
1	TK07	Współczesne narzędzia analizy i wizualizacji danych we wspomaganiu decyzji. Kokpity menedżerskie do wspomagania decyzji i ich tworzenie w środowisku Microsoft Power BI.	W07	MEK02 MEK03
1	TK08	Współczesne multimedialne interaktywne systemy wspomagania decyzji funkcjonujące w środowisku rozproszonym. Grupowe systemy wspomagania decyzji . Heurystyczne metody wspomagania decyzji, w tym metoda Delphi.	W08	MEK02
1	TK09	Wprowadzenie do optymalizacji liniowej - metoda graficzna.	L01	MEK04
1	TK10	Optymalizacja liniowa za pomocą narzędzia Solver - część 1.	L02	MEK04
1	TK11	Optymalizacja liniowa za pomocą narzędzia Solver - część 2.	L03	MEK04
1	TK12	Optymalizacja zagadnień transportowych.	L04	MEK04
1	TK13	Optymalizacja nieliniowa.	L05	MEK04
1	TK14	Optymalizacja za pomocą narzędzia Matlab Optimization Toolbox.	L06	MEK04 MEK05
1	TK15	Sprawdzian zaliczeniowy, część praktyczna - część 1.	L07	MEK04
1	TK16	Metoda CPM i metoda PERT.	L08	MEK05
1	TK17	Optymalizacja decyzji wielokryterialnych - metoda AHP - część 1.	L09	MEK05
1	TK18	Optymalizacja decyzji wielokryterialnych - metoda AHP - część 2.	L10	MEK05
1	TK19	Tworzenie hybrydowego systemu wspomagania decyzji - część 1.	L11	MEK05
1	TK20	Tworzenie hybrydowego systemu wspomagania decyzji - część 2.	L12	MEK05
1	TK21	Wykorzystanie drzew decyzyjnych do indukcyjnego pozyskiwania wiedzy.	L13	MEK05
1	TK22	Tworzenie raportów i pulpitów menedżerskich.	L14	MEK05
1	TK23	Sprawdzian zaliczeniowy, część praktyczna - część 2.	L15	MEK05

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 1)	Przygotowanie do kolokwium: 5.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Studiowanie zalecanej literatury: 5.00 godz./sem.
Laboratorium (sem. 1)	Przygotowanie do laboratorium: 5.00 godz./sem. Przygotowanie do kolokwium: 5.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 5.00 godz./sem.
Konsultacje (sem. 1)		Udział w konsultacjach: 4.00 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 efektów modułowych (MEK01, MEK02 i MEK03). Aby uzyskać ocenę dostateczną (3,0) Student/Studentka muszą uzyskać co najmniej 60% poprawnych odpowiedzi, na wyższą ocenę - plus dostateczną (3,5) należy udzielić od 65% do 73% poprawnych odpowiedzi, na ocenę dobrą (4,0) od 73% do 85% poprawnych odpowiedzi , od 85% do 93% - ocenę plus dobrą (4,5) i powyżej 93% poprawnych odpowiedzi - ocenę bardzo dobrą (5,0)
Laboratorium	Sprawdzenie umiejętności praktycznych dotyczących treści prezentowanych na zajęciach laboratoryjnych podzielone jest na dwa sprawdziany. Pierwszy sprawdzian weryfikuje modułowy efekt kształcenia MEK04, a drugi sprawdzian - MEK05. Sposób oceniania MEK04: student rozwiązuje zadania dotyczące optymalizacji. Maksymalna liczba punktów, jaką można zdobyć za dane zadanie zależy od poziomu trudności i czasochłonności zadania. Częściowe wykonanie zadania powoduje przyznanie liczby punktów proporcjonalnej do stopnia zrealizowania danego zadania. Zdobyte punkty za wszystkie zadania dotyczące MEK04 są sumowane. Student uzyskuje ocenę z MEK04 na podstawie następujących przedziałów procentowych, przy czym 100% to maksymalna możliwa do zdobycia sumaryczna liczba punktów: 0% - 49,99%: 2,0 (ndst); 50% - 59,99%: 3,0 (dst); 60% - 69,99%: 3,5 (+dst); 70% - 79,99%: 4,0 (db); 80% - 89,99%: 4,5 (+db); 90% - 100%: 5,0 (bdb). Sposób oceniania MEK05: student rozwiązuje zadania dotyczące metod planowania sieciowego, metod wspomagania decyzji wielokryterialnych i systemów wspomagania decyzji. Maksymalna liczba punktów, jaką można zdobyć za dane zadanie zależy od poziomu trudności i czasochłonności zadania. Częściowe wykonanie zadania powoduje przyznanie liczby punktów proporcjonalnej do stopnia zrealizowania danego zadania. Zdobyte punkty za wszystkie zadania dotyczące MEK05 są sumowane. Student uzyskuje ocenę z MEK05 na podstawie następujących przedziałów procentowych, przy czym 100% to maksymalna możliwa do zdobycia sumaryczna liczba punktów: 0% - 49,99%: 2,0 (ndst); 50% - 59,99%: 3,0 (dst); 60% - 69,99%: 3,5 (+dst); 70% - 79,99%: 4,0 (db); 80% - 89,99%: 4,5 (+db); 90% - 100%: 5,0 (bdb).
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