(1) ΓΕΝΙΚΑ

ΣΧΟΛΗΜηχανικών Παραγωγής και Διοίκησης
2η ΣΧΟΛΗ 
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝΠροπτυχιακό
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣΜΠΔ 324ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ6ο, 8ο
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ / ΕΒΔ.ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
   Διαλέξεις2 
   Εργαστήρια2 
   Σύνολο44 (8ο εξ.) / 5 (6ο εξ.)
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣΕιδικού υποβάθρου
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ 
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ KAI ΕΞΕΤΑΣΕΩΝΕλληνικά
ΜΑΘΗΜΑ ERASMUS Ναι
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)https://www.eclass.tuc.gr/courses/MPD100/

 

(2) ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

 Μαθησιακά Αποτελέσματα

 Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια θα είναι σε θέση να:

  • Περιγράφει με τους όρους της επιστήμης αποφάσεων και της πολυκριτήριας ανάλυσης ένα αδόμητο πρόβλημα.
  • Εκτιμάει Αξιoλογεί τις επιπτώσεις των εναλλακτικών επιλογών σε ένα νέο σενάριο του προβλήματος απόφασης.
  • Διακρίνει την κατάλληλη μέθοδο επίλυσης ενός αδόμητου πολυκριτήριου προβλήματος απόφασης.
  • Δημιουργεί ένα μοντέλο για ένα νέο πολυκριτήριο πρόβλημα απόφασης.
  • Χρησιμοποιεί εξειδικευμένο λογισμικό/μέθοδο για την επίλυσή του.
  • Αναλύει τα αποτελέσματα εφαρμογής μιας πολυκριτήριας μεθόδου.
 Γενικές Ικανότητες
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Λήψη αποφάσεων
  • Αυτόνομη εργασία
  • Ομαδική εργασία
  • Σχεδιασμός και διαχείριση έργων
  • Άσκηση κριτικής και αυτοκριτικής
  • Γραπτή επικοινωνία
  • Διαχείριση Χρόνου
  • Χρήση Υπολογιστή
  • Επίλυση προβλημάτων
  • Διαχείριση αριθμητικών δεδομένων

 

(3) ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

Εισαγωγή στα πληροφοριακά συστήματα και τη τεχνολογία της πληροφορικής. Δεδομένα, πληροφορία, γνώση. Λήψη αποφάσεων υπό ρίσκο και αβεβαιότητα. Πολυκριτήρια ανάλυση αποφάσεων. Σχεσιακά και συναρτησιακά πολυκριτηριακά μοντέλα αποφάσεων. ELECTRE I και ΙΙ, PROMETHEE I και ΙΙ. Μέθοδοι υπολογισμού σημαντικότητας κριτηρίων. Γραμμική και προσθετική συνάρτηση αξίας. Λήψη ομαδικών αποφάσεων και θεωρία κοινωνικής επιλογής. Συστήματα Υποστήριξης Αποφάσεων (ΣΥΑ). Αρχιτεκτονικές ΣΥΑ. Συστήματα αλληλεπίδρασης ανθρώπου-υπολογιστή. Συστήματα διαχείρισης βάσεων δεδομένων. Μοντελοποίηση και συστήματα διαχείρισης βάσεων μοντέλων. Ευφυή ΣΥΑ. Εφαρμογές των ΣΥΑ στη διοίκηση, την παραγωγή, το περιβάλλον, την ενέργεια, κ.α. Μελέτες περιπτώσεων.

Εργαστήρια: Εκπαίδευση και χρήση των ακόλουθων πακέτων λογισμικού: Εxcel - Συγκεντρωτικοί πίνακες (Pivot Tables), Solver -, Expert Choice, SPSS, UTASTAR, AHP, MUSA, MARKEX.

 

(4) ΔΙΔΑΚΤΙΚΕΣ KAI ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ – ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ Με φυσική παρουσία
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Στη διδασκαλία:Ανάρτηση υλικού διδασκαλίας στο E-Class
Στην εργαστηριακή εκπαίδευση:Πλατφόρμα eClass.
Ποικίλο εξειδικευμένο λογισμικό υποστήριξης αποφάσεων.
Εκπόνηση ασκήσεων με χρήση λογισμικού
Στην επικοινωνία με τους φοιτητές:Μέσω E-Class, Μέσω Zoom για συνεργασία και επίλυση αποριών
 ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
Διαλέξεις26 ώρες
Εργαστήρια26 ώρες
 Εκπόνηση Εργαστηριακών Ασκήσεων24 ώρες
 Αυτοτελής μελέτη49 ώρες
Σύνολο125 ώρες


Διδακτέα Ύλη ανά Εβδομάδα (13 εβδομάδες) :

ΘΕΩΡΙΑ:
1ο: Εισαγωγή, Πληροφορία - Γνώση, Πληροφοριακά Συστήματα, Σχεδίαση & Ανάπτυξη ΠΣ
2ο: Δεδομένα, Πληροφορίες, Ανάλυση Αποφάσεων & Αποφασίζοντες
3ο: Λήψη Αποφάσεων – Δένδρα Αποφάσεων - Αβεβαιότητα
4ο: Πολυκριτήρια Ανάλυση Αποφάσεων: Θεωρία
5ο: Πολυκριτήρια Ανάλυση Αποφάσεων: Μέθοδοι & Εφαρμογές
6ο: Λήψη Ομαδικών Αποφάσεων
7ο: Συστήματα Υποστήριξης Αποφάσεων & Πολυκριτήρια ΣΥΑ: Markex, Musa, ...
8ο: Αρχιτεκτονικές ΣΥΑ, Συστήματα Επικοινωνίας, ΣΔΒΔ
9ο: Δομημένη Μοντελοποίηση & ΣΔΒΜ
10ο: Ευφυείς Μέθοδοι Υποστήριξης Αποφάσεων & Ευφυή Συστήματα
11ο: Τεχνητή Νοημοσύνη & Έμπειρα Συστήματα
12ο: Επιχειρηματική Αναλυτική και Μηχανική Μάθηση
13ο: Συστήματα Data Warehouses & On Line Analytical Processing

ΕΡΓΑΣΤΗΡΙΟ
1. Εξάσκηση σε βάση δεδομένων μέσω SPSS. Βασικά μέτρα περιγραφικής στατιστικής, γραφήματα.
2. Εξάσκηση σε βάσεις δεδομένων μέσω Excel (συναρτήσεις, Pivot, χρήση Solver).
3. Εξάσκηση σε βάσεις δεδομένων μέσω Excel (συναρτήσεις, Pivot, χρήση Solver).
4. Διαμόρφωση πολυκριτήριου προβλήματος απόφασης μέσω διμερών συγκρίσεων.
5. Η Αναλυτική Ιεραρχική Μέθοδος μέσω του λογισμικού Expert Choice.
6. Διαμόρφωση πολυκριτήριου προβλήματος απόφασης μέσω της Αναλυτικής- Συνθετικής Προσέγγισης.
7. Η μέθοδος utastar. Χρήση λογισμικού στη Matlab για επίλυση προβλήματος κατάταξης εναλλακτικών επιλογών απόφασης.
8. Διαμόρφωση έρευνας ως πολυκριτήριο πρόβλημα μέτρησης της ικανοποίησης πελατών.
9. Η πολυκριτήρια μέθοδος musa μέτρησης της ικανοποίησης. Χρήση εξειδικευμένου λογισμικού.
10. Η πλατφόρμα markex για μια ολοκληρωμένη πολυκριτήρια λήψη απόφασης μάρκετινγκ.
11 έως 13. Συνεργασία μέσω πλατφόρμας τηλεκπαίδευσης για ασκήσεις/εργασίες-project.

Αλλα Σχόλια για την Οργάνωση της Διδασκαλίας :

Εναλλακτικά, ο φοιτητής έχει την επιλογή εκπόνησης εξαμηνιαίου ατομικού project αντί της γραπτής τελικής εξέτασης. Η επιτυχής ολοκλήρωση του εργαστηρίου αποτελεί προϋπόθεση.

 

(5) ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

Αθροιστική/Συμπερασματική (για βαθμό φοιτητή) Αξιολόγηση
Γραπτή Τελική Εξέταση 70% (Ερωτήσεις πολλαπλής επιλογής / Αντιστοίχιση) 
  (Ερωτήσεις σύντομης απάντησης)
  (Συγκριτική αξιολόγηση στοιχείων θεωρίας)
  (Ερωτήσεις επίλυσης προβλημάτων)
Ασκήσεις Εργαστηρίου 30% (Διόρθωση Παραδομένης Εργασίας)


Σχόλια για την Αξιολόγηση των Φοιτητών :

Η Εξαμηνιαία Ατομική Εργασία - project (ανάπτυξη λογισμικού, σύνταξη εγχειριδίου χρήσης) εξετάζεται προφορικά και αντικαθιστά την Γραπτή Τελική Εξέταση.

Το εργαστήριο προσμετρά για το 30% του συνολικού βαθμού και εξετάζεται είτε (α) μέσω παράδοσης 4 γραπτών εργαστηριακών ασκήσεων είτε (β) μέσω γραπτού ηλεκτρονικού διαγωνίσματος στην πλατφόρμα E-Class από τράπεζα θεμάτων.
Για την περίπτωση των 4 γραπτών ασκήσεων εργαστηρίου προβλέπεται:
- Άσκηση λήψης απόφασης μέσω εξέτασης σεναρίων από Βάση Δεδομένων στο Excel.
- Άσκηση λήψης απόφασης μέσω μεθόδου διμερών συγκρίσεων και σχετικού s/w.
- Άσκηση λήψης απόφασης μέσω μεθόδου ανάλυσης προτιμήσεων και σχετικού s/w.
- Άσκηση μέτρησης της ικανοποίησης μέσω πολυκριτήριας μεθόδου και σχετικού ΣΥΑ.
Για την περίπτωση εξέτασης του εργαστηρίου με ηλεκτρονικό τρόπο προβλέπεται τυχαία επιλογή θεμάτων από τράπεζα ερωτήσεων συναφών με την ύλη του εργαστηρίου (ερωτήσεις πολλαπλής επιλογής, αντιστοίχισης, σωστού/λάθους, συμπλήρωσης κενών).

ΔΙΑΜΟΡΦΩΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ: προβλέπεται διαμορφωτική αξιολόγηση μέσω E-Class, όπου οι φοιτητές αυτο-αξιολογούν τις γνώσεις τους στη θεωρία και στο εργαστήριο απαντώντας σε ερωτήσεις από τράπεζα θεμάτων (πολλαπλών επιλογών, αντιστοίχισης, σωστού/λάθους, συμπλήρωσης κενών). Στο τέλος λαμβάνουν τις σωστές απαντήσεις. Οι φοιτητές μπορούν να επαναλάβουν τα τεστ όσες φορές επιθυμούν για λόγους εμπέδωσης. Οι επιδόσεις δεν προσμετρούν στον τελικό βαθμό.

 

(6) ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Νικόλαος Ματσατσίνης, Συστήματα Υποστήριξης Αποφάσεων, Εκδόσεις Νέων Τεχνολογιών, 2010, Αθήνα.