Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Systemy wspomagania decyzji
Tok studiów:
2016/2017
Kod:
ZZIP-2-101-PR-s
Wydział:
Zarządzania
Poziom studiów:
Studia II stopnia
Specjalność:
Zarządzanie produkcją
Kierunek:
Zarządzanie i Inżynieria Produkcji
Semestr:
1
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
Kiluk Sebastian (skiluk@zarz.agh.edu.pl)
Osoby prowadzące:
Kiluk Sebastian (skiluk@zarz.agh.edu.pl)
dr inż. Rębiasz Bogdan (brebiasz@zarz.agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Rozumie rolę systemów wspomagania decyzji w procesach podejmowania decyzji gospodarczych, w tym podstawowych grup systemów informatycznych wykorzystywanych w przedsiębiorstwach. Zna podstawy epistemologiczne podejmowania decyzji. Potrafi klasyfikować problemy decyzyjne w zależności od złożoności struktury decyzyjnej, dostępności i jakości informacji. Zna zasady opisu normatywnego i deskryptywnego, rozumie silne i słabe strony tych podejść i ich komplementarność. Zna metody rozwiązywania problemów decyzyjnych zawierających ryzyko i postawy względem ryzyka, konkurencję i kooperację z uwzględnieniem potrzeb zarządzania. Zna metody eksploracji danych i pozyskiwania wiedzy w celu wspomagania procesów decyzyjnych. ZIP2A_W15, ZIP2A_W08 Aktywność na zajęciach,
Wynik testu zaliczeniowego
M_W002 Zna podstawowe metody eksploracji danych, ma wiedzę w zakresie stosowanie metod eksploracji danych w procesie pozyskiwania wiedzy w przedsiębiorstwie. ZIP2A_W02, ZIP2A_W05, ZIP2A_W10 Kolokwium,
Prezentacja,
Wykonanie projektu
M_W003 Zna współczesne koncepcje zarządzania wiedzą oraz metody pomiaru zasobów wiedzy przedsiębiorstwa. ZIP2A_W12, ZIP2A_W10 Kolokwium
M_W004 Zna pojęcie i klasyfikację zasobów wiedzy w przedsiębiorstwie oraz ma podstawową wiedzę o procesach zarządzania wiedzą w przedsiębiorstwie. ZIP2A_W12 Kolokwium
Umiejętności
M_U001 Potrafi zbudować model i dobrać metodę poszukiwania najlepszej decyzji stosownie do specyfiki zadania. Potrafi używać narzędzia wyznaczania najlepszej decyzji i identyfikacji postaw względem ryzyka. Potrafi oceniać wartość informacji niepewnej i jej wpływ na rozwiązanie problemu decyzyjnego. Potrafi wybierać rozwiązania informatyczne odpowiednie do wspierania typowych procesów decyzyjnych w przedsiębiorstwie. ZIP2A_U08, ZIP2A_U03, ZIP2A_U05 Aktywność na zajęciach,
Kolokwium,
Referat,
Wykonanie ćwiczeń,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego
M_U002 Potrafi klasyfikować problem ze względu na dostępne informacje i dane. Umie stosować algorytmy wnioskowania regułowego. Potrafi używać do rozwiązania problemu decyzyjnego probabilistyczne modele zależności w procesach zidentyfikowane na podstawie licznych zbiorów obserwacji. Umie wyjaśniać rolę wiedzy uprzedniej, inżynierskiej w poszukiwaniu zależności probabilistycznych w procesie. ZIP2A_U01, ZIP2A_U15 Aktywność na zajęciach,
Kolokwium,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaangażowanie w pracę zespołu
M_U003 Potrafi wykorzystać narzędzia IT do realizacji projektu w zespole. Umie korzystać z rozproszonych źródeł danych i wiedzy, w tym w językach obcych. ZIP2A_U10 Projekt,
Prezentacja
Kompetencje społeczne
M_K001 Umie wymieniać przyczyny złożoności problemów decyzyjnych, struktur decyzyjnych, uwarunkowań zewnętrznych i wpływu postaw i preferencji decydenta. Umie wyjaśniać potrzebę poszerzania wiedzy o metodach opisu tych problemów i modelowania struktur decyzyjnych, identyfikacji postaw i preferencji decydenta. Umie oszacować wpływ postaw i preferencji decydenta i ich identyfikacji na rozwiązania. Umie tłumaczyć potrzebę integracji wiedzy ekspertów z wielu obszarów przy tworzeniu systemów wspomagających decyzje strategiczne. Potrafi przedstawiać korzyści z wykorzystania systemów wspomagania decyzji w różnych działach przedsiębiorstwa. ZIP2A_K05, ZIP2A_K01 Aktywność na zajęciach,
Prezentacja,
Studium przypadków ,
Udział w dyskusji,
Zaangażowanie w pracę zespołu
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Rozumie rolę systemów wspomagania decyzji w procesach podejmowania decyzji gospodarczych, w tym podstawowych grup systemów informatycznych wykorzystywanych w przedsiębiorstwach. Zna podstawy epistemologiczne podejmowania decyzji. Potrafi klasyfikować problemy decyzyjne w zależności od złożoności struktury decyzyjnej, dostępności i jakości informacji. Zna zasady opisu normatywnego i deskryptywnego, rozumie silne i słabe strony tych podejść i ich komplementarność. Zna metody rozwiązywania problemów decyzyjnych zawierających ryzyko i postawy względem ryzyka, konkurencję i kooperację z uwzględnieniem potrzeb zarządzania. Zna metody eksploracji danych i pozyskiwania wiedzy w celu wspomagania procesów decyzyjnych. + - + + - - - - - - -
M_W002 Zna podstawowe metody eksploracji danych, ma wiedzę w zakresie stosowanie metod eksploracji danych w procesie pozyskiwania wiedzy w przedsiębiorstwie. + - + - - - - - - - -
M_W003 Zna współczesne koncepcje zarządzania wiedzą oraz metody pomiaru zasobów wiedzy przedsiębiorstwa. + - + - - - - - - - -
M_W004 Zna pojęcie i klasyfikację zasobów wiedzy w przedsiębiorstwie oraz ma podstawową wiedzę o procesach zarządzania wiedzą w przedsiębiorstwie. + - + + - - - - - - -
Umiejętności
M_U001 Potrafi zbudować model i dobrać metodę poszukiwania najlepszej decyzji stosownie do specyfiki zadania. Potrafi używać narzędzia wyznaczania najlepszej decyzji i identyfikacji postaw względem ryzyka. Potrafi oceniać wartość informacji niepewnej i jej wpływ na rozwiązanie problemu decyzyjnego. Potrafi wybierać rozwiązania informatyczne odpowiednie do wspierania typowych procesów decyzyjnych w przedsiębiorstwie. + - - + - - - - - - -
M_U002 Potrafi klasyfikować problem ze względu na dostępne informacje i dane. Umie stosować algorytmy wnioskowania regułowego. Potrafi używać do rozwiązania problemu decyzyjnego probabilistyczne modele zależności w procesach zidentyfikowane na podstawie licznych zbiorów obserwacji. Umie wyjaśniać rolę wiedzy uprzedniej, inżynierskiej w poszukiwaniu zależności probabilistycznych w procesie. + - + + - - - - - - -
M_U003 Potrafi wykorzystać narzędzia IT do realizacji projektu w zespole. Umie korzystać z rozproszonych źródeł danych i wiedzy, w tym w językach obcych. - - - + - - - - - - -
Kompetencje społeczne
M_K001 Umie wymieniać przyczyny złożoności problemów decyzyjnych, struktur decyzyjnych, uwarunkowań zewnętrznych i wpływu postaw i preferencji decydenta. Umie wyjaśniać potrzebę poszerzania wiedzy o metodach opisu tych problemów i modelowania struktur decyzyjnych, identyfikacji postaw i preferencji decydenta. Umie oszacować wpływ postaw i preferencji decydenta i ich identyfikacji na rozwiązania. Umie tłumaczyć potrzebę integracji wiedzy ekspertów z wielu obszarów przy tworzeniu systemów wspomagających decyzje strategiczne. Potrafi przedstawiać korzyści z wykorzystania systemów wspomagania decyzji w różnych działach przedsiębiorstwa. + - + + - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

1. Systemy wspomagania decyzji – narzędzia formalne, klasyfikacje problemów decyzyjnych, podstawowe metody poszukiwania rozwiązań, funkcje i charakterystyka składników systemów wspomagania decyzji.
2. Metody modelowania ryzyka i identyfikacji preferencji decydentów w systemach wspomagania decyzji
3. Przetwarzanie danych i pozyskiwanie wiedzy, systemy eksperckie oraz wybrane zagadnienia z zakresu ergonomii prezentacji wyników i metod integracji niejednorodnych zasobów informacyjnych przedsiębiorstwa.
4. Gry i symulacje w kształtowaniu postaw i preferencji decydentów.
5. Narzędzia i metody wspomagania decyzji w warunkach konkurencji i kooperacji.
6. Definicja pojęć: dane, informacja, wiedza. Znaczenie wiedzy w otoczeniu gospodarczym. Wiedza indywidualna a wiedza zbiorowa.
7. Pojęcie i znaczenie zasobów wiedzy przedsiębiorstwa. Klasyfikacja zasobów wiedzy przedsiębiorstwa: wiedza jawna i ukryta, wiedza lepka i wyciekająca.
8. Geneza koncepcji zarządzania wiedzą. Pojęcie, rola i cele zarządzania wiedzą.
9. Kluczowe procesy zarządzania wiedzą: lokalizowanie zasobów wiedzy, pozyskiwanie wiedzy, rozwijanie wiedzy, dzielenie się wiedzą i rozpowszechnianie wiedzy, wykorzystanie wiedzy, zachowywanie wiedzy.
10. Poziomy zarządzania wiedzą: zarządzanie normatywne, strategiczne i operacyjne.
11.Metody wartościowania wiedzy. Wielowymiarowe systemy pomiaru wiedzy.
12. Business Intelligence. Systemy wspomagania decyzji biznesowych
13. Pozyskiwanie wiedzy menedżerskiej, metody eksploracji danych

Ćwiczenia laboratoryjne:

Ćwiczenia audytoryjne
1.Sprawdzenie wiadomości z zakresu modeli problemów decyzyjnych z uwzględnieniem ryzyka.
2.Sprawdzenie wiadomości z zakresu modeli problemów decyzyjnych z uwzględnieniem identyfikacji zróżnicowanych postaw decydentów względem ryzyka. 3.Ocena wartości informacji niepewnej w rozwiązywaniu problemów decyzyjnych. Szacowanie wpływu nieprecyzyjnych metod pomiaru/detekcji na decyzje. 4.Konstruowanie strategii decyzyjnych w warunkach konkurencji i kooperacji.
5. System zarządzania wiedzą w przedsiębiorstwie – analiza przypadku.
6. Charakterystyka algorytmów grupowania obiektów. Metody oceny jakości grupowania.
7. Charakterystyka metod klasyfikacji obiektów. Metody oceny jakości klasyfikatorów. 8. Metody generowanie reguł asocjacyjnych. Metody odkrywanie wzorców sekwencji. 9. Kolokwium zaliczeniowe

Ćwiczenia projektowe:

Tworzenie systemów wspomagania decyzji w przedsiębiorstwie.
1.Zapoznanie się z narzędziami wspomagania decyzji środowiska EXCEL.
2.Rozwiązywanie przykładowych zadań decyzyjnych w pakiecie EXCEL.
3.Zastosowanie narzędzi wspomagania decyzji w środowisku EXCEL do rozwiązywania problemów decyzyjnych.
4. Przygotowanie do realizacji projektu budowy modelu pozyskiwania wiedzy z danych. Przydział tematów i zadań do zespołów. Omówienie koncepcji projektu.
5. Grupowanie obiektów wybranymi metodami przy wykorzystaniu dostępnych pakietów statystycznych. Analiza i interpretacja uzyskanych wyników.
6. Budowa modeli klasyfikacyjnych przy wykorzystaniu dostępnych pakietów statystycznych. Ocena jakości klasyfikatorów.
7. Odkrywanie asocjacji w zbiorach danych. Analiza i interpretacja uzyskanych wyników.
8. Prezentacja projektów przez wykonawców i dyskusja nad nimi.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 125 godz
Punkty ECTS za moduł 5 ECTS
Udział w wykładach 14 godz
Udział w ćwiczeniach audytoryjnych 14 godz
Udział w ćwiczeniach laboratoryjnych 14 godz
Przygotowanie do zajęć 16 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp. 12 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Wykonanie projektu 20 godz
Egzamin lub kolokwium zaliczeniowe 20 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena z ćwiczeń laboratoryjnych jest wystawiana przez prowadzącego. Jest ona określana na podstawie oceny projektu i jego prezentacji. Warunkiem uzyskania zaliczenia z ćwiczeń laboratoryjnych jest również wykonanie wszystkich zaplanowanych analiz.
Ocena z ćwiczeń audytoryjnych jest wystawiana przez prowadzącego. Ocena jest określana na podstawie wyniku kolokwium.
Ocenę końcową wystawia wykładowca. Ocena końcowa jest średnią ważoną ocen wynikowych z ćwiczeń laboratoryjnych i ćwiczeń audytoryjnych. Oceny te wyliczane są z uwzględnieniem wyników wszystkich terminów zaliczeń. Obliczane są one wg formuły:
Ocena końcowa =(ocena wynikowa z ćwiczeń laboratoryjnych + ocena wynikowa z ćwiczeń audytoryjnych)/2
Oceny wynikowe z ćwiczeń laboratoryjnych i audytoryjnych wyliczane są wg algorytmu:
Jeśli uzyskano zaliczenie w pierwszym terminie:
Ocena wynikowa = ocena uzyskana w pierwszym terminie
Jeśli uzyskano zaliczenie w II terminie:
Ocena wynikowa= 0.1*2 +0.9* ocena uzyskana w drugim terminie
Jeśli uzyskano zaliczenie w III terminie:
Ocena wynikowa= 0.1*2 +0.1*2 +0.8* ocena uzyskana w trzecim terminie

Wymagania wstępne i dodatkowe:

Statystyka (statystyczne analizy danych, wnioskowanie statystyczne), matematyka (analiza matematyczna, rachunek logiczny), technologie informacyjne (podstawowe algorytmy obliczeniowe, umiejętność programowania prostych aplikacji numerycznych), komputerowe wspomaganie prac inżynierskich (umiejętność biegłego posługiwania się pakietami oprogramowania do złożonych obliczeń inżynierskich i analiz statystycznych).

Zalecana literatura i pomoce naukowe:

Literatura podstawowa:
1.Czermiński A., Czaplewski M.: Organizacja procesów decyzyjnych, Wyd. UG, Gdańsk, 1995.
2.Scheer A.W.: Wstęp do informatyki gospodarczej, podstawy efektywnego zarządzania informacją, Wydawnictwa
Uniwersytetu Warszawskiego, 1996.
3. Duda J.T.: Modele matematyczne, struktury i algorytmy nadrzędnego sterowania komputerowego, WND AGH, Kraków 2003.
4.Gołuchowski J.: Inteligentne systemy diagnoz ekonomicznych, PN AE Katowice, 1997.
5. S. Wrycza (red.), Informatyka ekonomiczna. Podręcznik akademicki, PWN, Warszawa 2010
6. J. Kisielnicki, MIS systemy informatyczne zarządzania, Wydawnictwo Placet, Warszawa 2008
7. A. Nowicki (red.), Komputerowe wspomaganie biznesu, Wydawnictwo Placet, Warszawa 2006
8.Mulawka J.: Systemy ekspertowe. Warszawa, WNT, 1997.
9. Z.Chen Z.: Data Mining and Uncertain Reasoning. J.Wiley&Sons, N. York 2001.
10. M. Malawski, A. Wieczorek, H. Sosonowska.: Konkurencja i kooperacja. PWN, Warszawa 2008
11. Trajer J.: Zarządzanie wiedzą. PWE. Warszawa 2012
12. G. Probst, S. Raub, K. Romhardt: Zarządzanie wiedzą w organizacji, Oficyna Ekonomiczna, Kraków, 2002
13. Larose D., T.:Odkrywanie wiedzy z danych. Wydawnictwo Naukowe PWN. 2013.
14. Cichosz. Systemy uczące się. Wydawnictwo Naukowo-Techniczne, 2000.
15. Trajer J., Paszek A., Iwan S.: Zarządzanie wiedza. PWE. Warszawa 2012.
16. Han J. Kamber M., Pej J.: Data Mining: Concepts and Techniques, Third Edition Morgan Kaufmann; 3 edition, San Diego, 2011.

Literatura uzupełniająca:
1.Mockler R.J.: Developing Knowledge Based Systems, Macmillan Publishing Company, New York 1992.
2.Turban E., Aronson J.E.: Dicision Support Systems and intelligent Systems. Prentice Hall 2001.
3. Dudek-Dyduch E.: Systemy informatyczne zarządzania. WND AGH, Kraków 2002.
4. Adamczewski P, J. Stefanowski (red.), : Nowoczesne systemy informatyczne dla małych i średnich przedsiębiorstw, Wydawnictwo Wyższej Szkoły Bankowej, Poznań 2006
5. Kisielnicki J., Sroka H.: Systemy informacyjne biznesu. Informatyka dla zarządzania. Wydawnictwo Placet, Warszawa 2005
6. Adamczewski P.: Zintgrowane systemy informatyczne w praktyce, Wydawnictwo MIKOM, Warszawa 2003
7. Dyche J.: CRM. Relacje z klientami. Wydawnictwo Helion, Gliwice 2002.
8.Inteligentne systemy wspomagania decyzji w zarządzaniu. Rozwój badań (pr. zbior. pod red. H. Sroki i S. Stanka) PN AE, Katowice, 1996.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Rębiasz B, Szulc W.: Wykorzystanie metod eksploracji danych do długookresowego prognozowania popytu na rynku dóbr przemysłowych. Hutnik Wiadomości Hutnicze, 2012, 79, nr 6, s. 427–433.
2. Gaweł B., Rębiasz B., Skalna I.: Data Mining Methods for Long-Term Forecasting of Market Demand for Industrial Goods. w: Advances in Intelligent Systems and Computing, (ed. Kacprzyk Janusz), Springer- Verlang, Berlin, 2015, (w druku)
3. Maciol, A., Jedrusik, S., Rebiasz, B., 2013. Rule-based approach for supplier evaluation. In Computer Science and Information Systems (FedCSIS), 2013 Federated Conference on. pp. 1207–1214.
4. Algorithmic acquisition of diagnostic patterns in district heating billing system / Sebastian KILUK // Applied Energy ; ISSN 0306-2619. — 2012 vol. 91 s. 146–155. — Bibliogr. s. 154–155
5. Dynamic classification system in large-scale supervision of energy efficiency in buildings / S. KILUK // Applied Energy ; ISSN 0306-2619. — 2014 vol. 132, s. 1–14. — Bibliogr. s. 14.

Informacje dodatkowe:

Brak