 |
MANUEL IORI
Professore Ordinario
Dipartimento di Scienze e Metodi dell'Ingegneria
|
Insegnamento: Metodi e Algoritmi per l'Ottimizzazione nell'Industria Digitale e Creativa
Ingegneria gestionale (Offerta formativa 2024)
Obiettivi formativi
Il corso si pone l'obiettivo di fornire una serie di strumenti di ricerca operativa per affrontare problemi decisionali caratterizzati da un alto livello di complessità, tramite analisi dati, modellazione matematica ed applicazione di tecniche di ottimizzazione.
Il corso comprende una parte di laboratorio, e quindi, oltre che sul necessario inquadramento teorico, verrà posta enfasi sull'utilizzo di strumenti software (sia generali che specifici) e sullo sviluppo di progetti da parte degli studenti.
Gli obiettivi formativi del corso, seguendo i descrittori di Dublino, sono i seguenti:
(1) Conoscenza e capacità di comprensione. Attraverso le lezioni teoriche lo studente comprende i concetti e i metodi necessari per l’analisi dei dati e la risoluzione di problemi decisionali complessità.
(2) Capacità di applicare conoscenza e comprensione. Attraverso le attività teoriche e di laboratorio lo studente apprende a modellare problemi decisionali in modo matematico, ad applicare metodologie di risoluzione di problemi, e ad utilizzare strumenti software.
(3) Autonomia di giudizio. L’insegnamento fornisce agli studenti gli strumenti per valutare con spirito critico diverse tecniche per gestire sistemi complessi.
(4) Abilità comunicative. L’esame teorico permette agli studenti di esercitare e perfezionare la propria capacità espositiva.
(5) Capacità di apprendimento. L’insegnamento fornisce le basi per l'applicazione di tecniche di analisi ed ottimizzazione su problemi decisionali complessi.
Prerequisiti
Conoscenze di base di Ricerca Operativa.
Programma del corso
Il programma si basa su un serie di argomenti tra loro correlati:
(1) Strumenti per il recupero e l'analisi di dati (2 ECTS): usando software generici (Excel) o più evoluti, studieremo come estrarre informazioni da basi di dati, in modo da produrre una modellazione coerente di un problema decisionale.
(2) Modellazione e programmazione Multi-obiettivo (2 ECTS): estenderemo le tecniche classiche dell'ottimizzazione ai problemi in cui le alternative sono valutate in relazione a diversi obiettivi, tipicamente tra loro conflittuali.
(3) Simulazione Discreta (2 ECTS): studieremo software in grado di rappresentare la dinamica di sistemi che evolvono nel tempo, analizzandone il comportamento in maniera quantitativa.
(4) Modellazione e risoluzione di problemi su grafi (3 ECTS): studieremo come problemi decisionali reali possono essere rappresentati attraverso grafi, e capiremo come sfruttare questa rappresentazione per risolverli.
Metodi didattici
Il corso prevede lezioni teoriche ed esercitazioni pratiche dedicate alla soluzione di problemi decisionali complessi. Circa due terzi del corso sono composti da lezioni teoriche in aula, mentre il restante terzo è composto da attività laboratoriale che lo studente dovrà svolgere tipicamente in gruppo. Le lezioni in aula si avvarranno di interventi di aziende e professionisti, per illustrare in dettaglio i temi dell’analisi dei dati e dell’ottimizzazione nel campo delle industrie digitali e creative.
Più in dettaglio:
- la modalità di erogazione del corso è tipicamente in presenza, ma potrà variare a seguito di situazioni contingenti legate alla pandemia Covid-19. In ogni caso, saranno messi a disposizione sulla piattaforma dolly video e altro materiale informativo.
- la frequenza dell’insegnamento è facoltativa, ma fortemente consigliata, soprattutto per approfittare del supporto che verrà fornito per lo sviluppo delle attività laboratoriali di gruppo.
- le strategie didattiche prevedono l’uso di lezioni teoriche al fine di migliorare le conoscenze e le capacità di comprensione degli studenti, nonché l’applicazione stessa delle conoscenze ottenute. Prevedono inoltre attività laboratoriali da affrontarsi in gruppo, assieme al docente e al suo team di ricerca, al fine di migliorare le abilità di giudizio e comunicative degli studenti, nonché le capacità di interazione reciproca.
- l'insegnamento è erogato in lingua italiana. Alcuni testi di studio e parte delle slide sono in lingua inglese.
Testi di riferimento
Le slide utilizzate durante il corso, alcune registrazioni video, e gli esercizi svolti in laboratorio assieme alle loro soluzioni saranno resi disponibili sulla piattaforma dolly dedicata al corso.
Gli studenti potranno approfondire i contenuti del corso attraverso i seguenti testi di studio consigliati:
- Multicriteria Optimization, di Matthias Ehrgott. Springer (2000)
- Simulation with Arena, di W.D. Kelton, R.P. Sadowsky, N.B. Zupick. McGraw-Hill (2014)
- Fondamenti di Ricerca Operativa, di R. Baldacci, M. Dell'Amico. Pitagora
The slides used during the course, some video recordings, and the exercises carried out in the laboratory together with their solutions will be made available on the dolly platform dedicated to the course.
Students will be able to deepen the contents of the course through the following recommended study texts:
- Multicriteria Optimization, by Matthias Ehrgott. Springer (2000)
- Simulation with Arena, by W.D. Kelton, R.P. Sadowsky, N.B. Zupick. McGraw-Hill (2014)
- Fondamenti di Ricerca Operativa, by . R. Baldacci, M. Dell'Amico. Pitagora
Verifica dell'apprendimento
- Modalità di valutazione.
La valutazione è svolta in due fasi:
1) Esercizi di gruppo (1/3 del voto): sviluppo di uno o più esercizi informatici in gruppo. Gli esercizi sono assegnati durante il corso, con una precisa data massima di riconsegna. È indispensabile ottenere un voto positivo per passare al successivo esame teorico. Gli studenti che non riescono a svolgere gli esercizi durante il corso, potranno richiederne altri successivamente, ma dovranno svolgere il lavoro da soli;
2) Esame teorico scritto (2/3 del voto): Domande su tutto il programma trattato nelle ore di lezione e di laboratorio.
- Tempi.
Il tempo previsto per l'esame teorico scritto è di 40-60 minuti.
- Modalità di attribuzione del punteggio per il voto finale.
Saranno stabilite sei date di appello nel corso dell'anno accademico per l'esame teorico scritto.
Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3.
Dopo la consegna degli esercizi risolti da parte degli studenti, il docente valuterà gli elaborati e comunicherà i voti via ESSE3. Gli studenti che riceveranno un voto sufficiente saranno ammessi al successivo esame teorico. Il voto degli esercizi rimane valido fino all'inizio del successivo corso (quindi fino all'appello di settembre incluso).
L'esame scritto teorico avverrà in presenza (o in altra modalità da definirsi in base all'evoluzione della pandemia). Ogni studente dovrà consegnare l'elaborato scritto al termine della prova. Il docente valuterà l'elaborato e consegnerà i voti tramite ESSE3. In caso di una prima valutazione negativa (insufficiente oppure sufficiente ma rifiutata dallo studente) dell’esame teorico scritto, il voto degli esercizi resterà valido. Alla seconda valutazione negativa, il voto degli esercizi andrà perso.
Il voto finale sarà dato dalla media tra il voto degli esercizi (con peso 1/3) e il voto dell’esame teorico (con peso 2/3).
- Materiali utili per sostenere la prova e consentiti durante la stessa.
Durante l'esame teorico scritto non è ammesso l'uso di nessun materiale informativo (slide, testi o altro), ma solo carta e penna.
Gli esercizi di gruppo potranno anche essere consegnati durante il periodo concesso per la prova intermedia (Aprile, in data da definirsi). La modalità di valutazione rimane la stessa descritta sopra.
Risultati attesi
I risultati attesi al termine del corso riguardano una serie di strumenti di ricerca operativa utili per affrontare problemi decisionali caratterizzati da un alto livello di complessità, tramite analisi dati, modellazione matematica ed applicazione di tecniche di ottimizzazione.
Il corso comprende una parte di laboratorio, e quindi, oltre al necessario inquadramento teorico, lo studente avrà usufruito dell'utilizzo di strumenti software (sia generali che specifici) e dello sviluppo di progetti di gruppo.
I risultati attesi al termine del corso, seguendo i descrittori di Dublino, sono i seguenti:
(1) Conoscenza e capacità di comprensione. Attraverso le lezioni teoriche lo studente comprende i concetti e i metodi necessari per l’analisi dei dati e la risoluzione di problemi decisionali complessità.
- Conoscenza e comprensione dei concetti di modellazione matematica;
- Conoscenza e comprensione della programmazione multi-obiettivo;
- Conoscenza e comprensione degli aspetti teorici legati alla simulazione numerica;
- Conoscenza e comprensione della modellizzazione di problemi reali attraverso grafi;
(2) Capacità di applicare conoscenza e comprensione. Attraverso le attività teoriche e di laboratorio lo studente apprende a modellare problemi decisionali in modo matematico, ad applicare metodologie di risoluzione di problemi, e ad utilizzare strumenti software.
- Capacità di progettare e sviluppare metodi per analisi dati con il software Excel;
- Capacità di progettare e sviluppare modellli matematici con il software Arena;
- Capacità di progettare e sviluppare sistemi di simulazione con il software Arena;
- Capacità di risolvere problemi reali rappresentati come grafi;
(3) Autonomia di giudizio. L’insegnamento fornisce agli studenti gli strumenti per valutare con spirito critico diverse tecniche per gestire sistemi complessi.
(4) Abilità comunicative. L’esame teorico permette agli studenti di esercitare e perfezionare la propria capacità espositiva.
(5) Capacità di apprendimento. L’insegnamento fornisce le basi per l'applicazione di tecniche di analisi ed ottimizzazione su problemi decisionali complessi.