Module also offered within study programmes:
General information:
Name:
Decision Support Systems
Course of study:
2017/2018
Code:
ZZIP-2-101-PR-s
Faculty of:
Management
Study level:
Second-cycle studies
Specialty:
Production Management
Field of study:
Management and Production Engineering
Semester:
1
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
Kiluk Sebastian (skiluk@zarz.agh.edu.pl)
Academic teachers:
Kiluk Sebastian (skiluk@zarz.agh.edu.pl)
dr inż. Rębiasz Bogdan (brebiasz@zarz.agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
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 Activity during classes,
Presentation,
Case study,
Participation in a discussion,
Involvement in teamwork
Skills
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 Activity during classes,
Test,
Scientific paper,
Execution of exercises,
Execution of laboratory classes,
Test results
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 Activity during classes,
Test,
Execution of laboratory classes,
Test results,
Involvement in teamwork
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 Project,
Presentation
Knowledge
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 Activity during classes,
Test results
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 Test,
Presentation,
Execution of a project
M_W003 Zna współczesne koncepcje zarządzania wiedzą oraz metody pomiaru zasobów wiedzy przedsiębiorstwa. ZIP2A_W12, ZIP2A_W10 Test
M_W004 Zna pojęcie i klasyfikację zasobów wiedzy w przedsiębiorstwie oraz ma podstawową wiedzę o procesach zarządzania wiedzą w przedsiębiorstwie. ZIP2A_W12 Test
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
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. + - - + - - - - - - -
Skills
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. - - - + - - - - - - -
Knowledge
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. + - - + - - - - - - -
Module content
Lectures:

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

Project classes:

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.

Workshops:
-
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 125 h
Module ECTS credits 4 ECTS
Participation in lectures 14 h
Participation in auditorium classes 14 h
Participation in laboratory classes 14 h
Preparation for classes 16 h
Preparation of a report, presentation, written work, etc. 12 h
Realization of independently performed tasks 15 h
Completion of a project 20 h
Examination or Final test 20 h
Additional information
Method of calculating the final grade:

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

Prerequisites and additional requirements:

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).

Recommended literature and teaching resources:

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.

Scientific publications of module course instructors related to the topic of the module:

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.

Additional information:

None