Introduzione ai modelli di ottimizzazione per le decisioni. Metodi e
modelli per la gestione di scorte; metodi per la pianficazione della
produzione; localizzazione di impianti; trasporto e logistica;
classificazione automatica
1. Conoscere modelli di programmazione lineare e lineare intera in ambito gestionale
2. Conoscere i modelli di flusso ottimale su reti e le loro applicazioni
3. Conoscere metodi e modelli per l'ottimizzazione di scorte
4. Conscere metodi di programmazione della produzione
5. Conoscere alcuni strumenti di apprendimento automatico
Prerequisiti
nozioni elementari di algebra lineare
Metodi Didattici
Didattica frontale
Modalità di verifica apprendimento
Esame orale (sostituibile con una prova scritta equivalente) e piccolo progetto di applicazione di strumenti di machine learning
L'esame consiste in domande teoriche ed esercizi numerici volti a verificare la conoscenza di:
- modelli di ottimizzazione (lineari, interi su reti) e loro applicazioni
- metodi e algoritmi per la gestione delle scorte e della produzione
- capacità di eseguire algoritmi di ottimizzazione della produzione
- capacità di usare strumenti di machine learning
Programma del corso
1. Modelli di ottimizzazione lineare: modelli lineari, modelli di
flusso su reti, modelli di programmazione lineare intera, tecniche di
modellizzazione, vincoli logici. Cenni sui metodi per la risoluzione
di problemi lineari
2. Modelli elementari per la gestione delle scorte: richiami sul lotto
economico di produzione; alimentazione istantanea e continua, sconti
per grandi quantita', modelli a orizzonte finito; modelli per la
programmazione della produzione di piu' beni.
Modelli stocastici per la gestione delle scorte - modelli per un singolo
periodo (newsvendor)
Introduzione alla gestione di contratti di fornitura
Contratti di fornitura all'ingrosso. Contratti "Buy Back". Contratti a
ripartizione dell'utile
3. Modelli e algoritmi per la programmazione della produzione
Modello con domanda deterministica e variabile; algoritmo di
Wagner-Within, algoritmo di Zangwill per il caso di ordini arretrati;
4. Modelli avanzati per la programamzione della produzione. Formulazioni alternative, generazione di piani di taglio
5. Metodi e modelli per la classificazione automatica
Introduzione alle tecniche di "machine learning". classificazione
robusta attraverso macchine a vettore di supporto (SVM)