Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Prognozowanie i symulacje w firmie
Tok studiów:
2019/2020
Kod:
NIPJ-2-107-s
Wydział:
Metali Nieżelaznych
Poziom studiów:
Studia II stopnia
Specjalność:
-
Kierunek:
Inżynieria Produkcji i Jakości
Semestr:
1
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
dr inż. Handzlik Piotr (phandzli@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Student, w ramach zajęć 15 h wykładów i 30 ćwiczeń pozna metody prognozowania oraz symulacji, ze szczególnym uwzględnieniem firm produkcyjnych.

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Student poznaje rolę prognozowania w procesach podejmowania decyzji gospodarczych. Potrafi klasyfikować zadania prognozowania. IPJ2A_W01 Kolokwium,
Aktywność na zajęciach
Umiejętności: potrafi
M_U001 Student potrafi dobrać metodę prognozowania stosownie do specyfiki zadania. Potrafi posługiwać się biegle podstawowymi narzędziami prognozowania szeregów czasowych. IPJ2A_U08, IPJ2A_U01 Wykonanie ćwiczeń,
Aktywność na zajęciach
Kompetencje społeczne: jest gotów do
M_K001 Student ma świadomość korzyści z wykorzystania technik matematycznych i narzędzi numerycznych do prognozowania w przedsiębiorstwie IPJ2A_K01 Wykonanie ćwiczeń,
Aktywność na zajęciach
M_K002 Ma świadomość złożoności uwarunkowań zadań prognozowania. Rozumie potrzebę poszerzania wiedzy o tych uwarunkowaniach i współdziałania w zespołach interdyscyplinarnych przy formułowaniu prognoz o poważnych konsekwencjach ekonomicznych lub/i społecznych. Ma świadomość odpowiedzialności prognosty za formułowane takich prognoz. IPJ2A_K01 Studium przypadków ,
Aktywność na zajęciach
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
45 15 30 0 0 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Student poznaje rolę prognozowania w procesach podejmowania decyzji gospodarczych. Potrafi klasyfikować zadania prognozowania. + + - - - - - - - - -
Umiejętności
M_U001 Student potrafi dobrać metodę prognozowania stosownie do specyfiki zadania. Potrafi posługiwać się biegle podstawowymi narzędziami prognozowania szeregów czasowych. - + - - - - - - - - -
Kompetencje społeczne
M_K001 Student ma świadomość korzyści z wykorzystania technik matematycznych i narzędzi numerycznych do prognozowania w przedsiębiorstwie - + - - - - - - - - -
M_K002 Ma świadomość złożoności uwarunkowań zadań prognozowania. Rozumie potrzebę poszerzania wiedzy o tych uwarunkowaniach i współdziałania w zespołach interdyscyplinarnych przy formułowaniu prognoz o poważnych konsekwencjach ekonomicznych lub/i społecznych. Ma świadomość odpowiedzialności prognosty za formułowane takich prognoz. - + - - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 75 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 45 godz
Przygotowanie do zajęć 25 godz
Dodatkowe godziny kontaktowe 5 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (15h):

1. Klasyfikacja problemów prognozowania i zasady prognozowania matematycznego: podstawy epistemologiczne, założenia prognostyczne, cele prognozowania, narzędzia formalne (modele prognostyczne), znaczenie doboru danych do identyfikacji modeli, zasady oceny niepewności prognoz – metody analityczne i symulacje Monte Carlo.
2. Modele ekonometryczne w prognozowaniu .
3. Prognozowanie szeregów czasowych metodami ekstrapolacyjnymi: modele tendencji rozwojowej w prognozowaniu; prognozowanie szeregów sezonowych (modele Holta, Wintersa, Holta-Wintersa, modele harmoniczne, model trendu pełzającego); ocena niepewności prognoz. Symulacje scenariuszy tendencji rozwojowej.
4. Symulacja i prognozowanie szeregów czasowych z wykorzystaniem modeli dynamicznych ARMA, ARIMA oraz ARMAX i ARIMAX: założenia, modele matematyczne, ocena jakości prognoz, wpływ długości horyzontu prognozy.
5. Metoda Monte Carlo – cele, założenia, uwarunkowania czasowe i numeryczne, interpretacja wyników.
6. Zagadnienia prognozowania przez analogie (rodzaje, kryteria podobieństwa)

Ćwiczenia audytoryjne (30h):

1. Klasyfikacja problemów prognozowania i zasady prognozowania matematycznego: podstawy epistemologiczne, założenia prognostyczne, cele prognozowania, narzędzia formalne (modele prognostyczne), znaczenie doboru danych do identyfikacji modeli, zasady oceny niepewności prognoz – metody analityczne i symulacje Monte Carlo.
2. Modele ekonometryczne w prognozowaniu .
3. Prognozowanie szeregów czasowych metodami ekstrapolacyjnymi: modele tendencji rozwojowej w prognozowaniu; prognozowanie szeregów sezonowych (modele Holta, Wintersa, Holta-Wintersa, modele harmoniczne, model trendu pełzającego); ocena niepewności prognoz. Symulacje scenariuszy tendencji rozwojowej.
4. Symulacja i prognozowanie szeregów czasowych z wykorzystaniem modeli dynamicznych ARMA, ARIMA oraz ARMAX i ARIMAX: założenia, modele matematyczne, ocena jakości prognoz, wpływ długości horyzontu prognozy.
5. Metoda Monte Carlo – cele, założenia, uwarunkowania czasowe i numeryczne, interpretacja wyników.
6. Zagadnienia prognozowania przez analogie (rodzaje, kryteria podobieństwa)

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Ćwiczenia audytoryjne: Podczas zajęć audytoryjnych studenci na tablicy rozwiązują zadane wcześniej problemy. Prowadzący na bieżąco dokonuje stosowanych wyjaśnień i moderuje dyskusję z grupą nad danym problemem.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Uzyskanie zaliczenia z wykładów oraz ćwiczeń.

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Ćwiczenia audytoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci przystępując do ćwiczeń są zobowiązani do przygotowania się w zakresie wskazanym każdorazowo przez prowadzącego (np. w formie zestawów zadań). Ocena pracy studenta może bazować na wypowiedziach ustnych lub pisemnych w formie kolokwium, co zgodnie z regulaminem studiów AGH przekłada się na ocenę końcową z tej formy zajęć.
Sposób obliczania oceny końcowej:

Średnia uzyskana z zaliczenia ćwiczeń oraz zaliczenia wykładów oraz frekwencja i aktywność.

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

wykonanie dodatkowych ćwiczeń

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:

Literatura podstawowa:
1. Box G.E.P., Jenkins G.M.: Analiza szeregów czasowych, PWN, Warszawa 1983.
2. Dittmann P.: Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie, Oficyna Ekonomiczna, Kraków 2004.
3. Duda J.T.: Modele matematyczne, struktury i algorytmy nadrzędnego sterowania komputerowego, WND AGH, Kraków 2003.
4. Nowak E. (red.): Prognozowanie gospodarcze. Metody, modele, zastosowania, przykłady. Placet 1998.
5 Duda J.T.: Materiały dydaktyczne nt. wykorzystania metod statystycznych w prognozowaniu (dwa dokumenty elektroniczne udostępniane na życzenie drogą elektroniczną).
6. Dudek-Dyduch E.: Systemy informatyczne zarządzania. WND AGH, Kraków 2002.
7. Mańczak K., Nachorski M.: Komputerowa identyfikacja obiektów dynamicznych, PWN, Warszawa 1981.
8.Gajda J.B.: Prognozowanie i symulacja a decyzje gospodarcze. Wydawnictwo C.H. Beck, Warszawa 2001
9. Cieślak M.: Prognozowanie gospodarcze, metody i zastosowania. Wydawnictwo Naukowe PWN. Warszawa 2004
10. Dittmann P.: Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie, Oficyna Ekonomiczna, Krakow 2004
11. Nowak M.: Symulacja komputerowa w problemach decyzyjnych. AE Katowice, Katowice, 2007
12.George S. Fishman: Monte Carlo. Concepts, Algorithmus and Applications. Springer.1997.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak