74972 - SISTEMI DI SUPPORTO ALLE DECISIONI

Anno Accademico 2017/2018

  • Docente: Vittorio Maniezzo
  • Crediti formativi: 6
  • SSD: INF/01
  • Lingua di insegnamento: Italiano

Conoscenze e abilità da conseguire

Al termine del corso lo studente avrà acquisito le competenze scientifiche e tecnologiche necessarie alla progettazione, sviluppo e messa in uso di un sistema di supporto alle decisioni in contesti aziendali reali, intesi come estensioni verticali di un sistema informativo aziendale (SIA). Il focus del corso è costituito dalla presentazione di metodologie di modellizzazione di problemi gestionali complessi e di sviluppo di algoritmi euristici e metauristici per risolverli. L'integrazione di questi algoritmi in un SIA richiederà di recuperare e integrare competenze pregresse su accesso da programma a basi di dati e su analisi statistica di dati. I casi applicativi dimostrati faranno riferimento alla funzione logistica, per cui verranno presentate le estensioni spaziali di alcuni DBMS e più in generale i sistemi informativi geografici (GIS). Il codice verrà progettato con attenzione alla possibilità di deploy su piattaforme mobile e web.

Contenuti

Il corso propone contenuti sia scientifici che tecnologici, utilizzati in casi applicativi aziendali reali.

I contributi scientifici riguardano le conoscenze necessarie per sviluppare un modulo di business analytics su dati ricavati da un sistema informativo aziendale, e riguardano a competenze di statistica e di ottimizzazione applicate a modellistica di processi aziendali. In particolare verranno affrontati:

- modelli stocastici, variabili casuali. distribuzioni di probabilità

- modelli previsionali: statistici (ARMA, ARIMA, SARIMA) e neurali (feedforward, convolutional, depp learning)

- indicatori di performance e statistiche descrittive

- modelli di programmazione intera e dinamica, ottimizzazione robusta

- tecniche risolutive metaeuristiche: simulated annealing, tabu search, iterated local search, variable neighborhood search, grasp

- tecniche risolutive mateuristiche: very large neighborhood search, euristiche lagrangiane

I contributi tecnologici saranno funzionali alla realizzazione pratica del modulo citato, che avrà architettura MVC multi-tier. Saranno quindi utilizzati nel contesto del caso applicativo:

- lato server: c#, ado.net, ORM (entity framework), AJAX, JSON

- lato client: javascript, HTML5, apache cordova per client mobile.

Il modulo verrà impostato in aula e completato autonomamente da ciascuno studente, e costituirà il progetto per l'esame. E' prevista una competizione per determinare quale modulo avrà la migliore efficacia computazionale.

Testi/Bibliografia

Lucidi a cura del docente.

Metodi didattici

Le lezioni si svolgeranno il più possibile in laboratorio, cercherò di garantire per quanto mi sarà permesso una esperienza diretta dei metodi presentati.

E' prevista anche una visita presso una azienda del territorio che ci illustrerà un problema reale, coerente con i contenuti del corso, su cui lavoreremo assieme, presentando a fine corso i risultati.
Gli algoritmi verranno implementati, a scelta degli studenti, in c# o c++. La parte web/mobile verrà sviluppata in javascript e html5.

Modalità di verifica e valutazione dell'apprendimento

Progetto individuale

Strumenti a supporto della didattica

Lucidi a cura del docente, verranno resi accessibili prima delle lezioni corrispondenti.

Link ad altre eventuali informazioni

http://isi-personale.csr.unibo.it/vittorio.maniezzo/didattica/DSS/SistSuppDec.html

Orario di ricevimento

Consulta il sito web di Vittorio Maniezzo