Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
L0139
Acrónimo :
L0139
Ciclo :
1.º ciclo
Línguas de Ensino :
Português (pt)
Língua(s) amigável(eis) :
Inglês

Carga Horária / Course Load


Semestre :
2
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
54.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
55.0h/sem
Trabalho Autónomo :
95.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area


Investigação Operacional

Departamento / Department


Departamento de Métodos Quantitativos para Gestão e Economia

Ano letivo / Execution Year


2023/2024

Pré-requisitos / Pre-Requisites


Conceitos básicos de Programação Linear, Programação Linear Inteira e Modelos em Redes.

Objetivos Gerais / Objectives


Esta é uma unidade curricular avançada de Investigação Operacional. O objetivo desta unidade curricular é familiarizar os alunos com abordagens e metodologias de Investigação Operacional na área de Gestão de Logística, contemplando decisões a nível estratégico, tático e operacional.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes


Ao concluir esta unidade curricular o aluno deve estar apto para: 1. Modelar alguns problemas específicos de logística utilizando formulações em Programação Linear e Programação Linear Inteira ou Mista; 2. Aplicar algumas metodologias de Programação Linear Multiobjetivo; 3. Aplicar os algoritmos adequados para a resolução do problema em estudo.

Conteúdos Programáticos / Syllabus


1. Introdução à Programação Linear Multiobjetivo 1.1 Conceitos Básicos; 1.2 Métodos de Resolução. 2. Introdução às Heurísticas 2.1 Algumas Classes de Heurísticas; 2.2 Avaliação das Soluções. 3. Problemas de Bin Packing: 3.1 Formulação em PLI; 3.2 Heurísticas Greedy; 3.3 Limites Inferiores. 4. Modelos de Localização Discreta de Serviços 4.1 Localização sem Restrições de Capacidade (formulação em PLM, heurísticas, avaliação das soluções); 4.2 Localização com Restrições de Capacidade (formulação em PLM, heurísticas, avaliação das soluções). 5. Modelos de Recolha e Distribuição de Produtos 6. Sequenciamento de Tarefas 7. Problemas de Cobertura

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes


Esta "demonstração de coerência" decorre da interligação dos conteúdos programáticos com os objetivos de aprendizagem (OA), como a seguir se explicita. O primeiro objectivo está presente em: - 3 (Problemas de Bin Packing); - 4 (Modelos de Localização de Serviços); - 7 (Problemas de Cobertura). A obtenção destes modelos é essencial para a aplicação de uma metodologia muito específica de resolução destes problemas. O segundo objetivoencontra-se nos capítulos: 1 (Introdução à Programação Linear Multiobjetivo). Contudo, esta metodologia poderá ser aplicada em outros capítulos, por exemplo, a Problemas de Bin Packing (Capítulo 3), a Modelos de Localização de Serviços (Capítulo 4). O terceiro objetivo está presente nos capítulos em que se estudam problemas específicos – capítulos 3 a 7. Além disso, está relacionado com o capítulo 2, no sentido em que muitas metodologias são introduzidas no capítulo intitulado “Introdução às Heurísticas”. Em síntese: OA1. 3., 4. e 7. OA2. 1. OA3. De 2. a 7.

Avaliação / Assessment


Duas opções: 1.Avaliação Periódica: • trabalho de grupo (25%), no máximo 4 elementos; • teste intermédio (25%); • um teste final (50%). Nota do teste final >= 8.5 Aprovação: média >= 9.5; Presença em, pelo menos, 2/3 das aulas. Poderá ser necessário realizar discussões dos trabalhos. 2. Avaliação por Exame Final; Em ambas, os alunos poderão ser sujeitos a uma prova oral.

Metodologias de Ensino / Teaching methodologies


Serão usadas as seguintes metodologias de ensino-aprendizagem (ME): 1. Expositivas, para apresentação dos conteúdos programáticos e quadros de referência; 2. Participativas, com análise e resolução de exercícios práticos; 3. Ativas, com realização de trabalhos de grupo; 4. Experimentais, com desenvolvimento e aplicação de software; 5. Auto-estudo, relacionado com o trabalho autónomo do aluno.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes


As metodologias de ensino-aprendizagem visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objetivos de aprendizagem, pelo que, na grelha a seguir, apresentam-se as principais interligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos. Metodologias de ensino-aprendizagem (MEA) Objetivo de aprendizagem (0A) 1. Expositivas, para apresentação dos quadros teóricos de referência OA1, OA2 e OA3. 2. Participativas, com análise e resolução de exercícios práticos OA1, OA2 e OA3. 3. Ativas, com realização de trabalhos de grupo OA1, OA2 e OA3. 4. Experimentais, com desenvolvimento e exploração de modelos em computador OA1, OA2 e OA3. 5. Auto-estudo, relacionadas com o trabalho autónomo do aluno, tal como consta no Planeamento das Aulas. OA1, OA2 e OA3.

Observações / Observations


Os alunos abrangidos pelo Regulamento Interno para Estudantes com Estatutos Especiais deverão contactar com o docente da UC, ou com o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e avaliação na UC.

Bibliografia Principal / Main Bibliography


Ragsdale, C.T. (2021). Spreadsheet Modeling & Decision Analysis: A practical introduction to Business Analytics.. 9td edition, Cengage Learning Inc.South Taha, Hamdy A. (2017), Operations Research: an introduction, 10th ed., Pearson ? Prentice Hall. Murty, K. Junior Level Web-Book for Optimization Models for decision Making, Chapter 9, pp 425-510. Korte, B. and Vygen, J. (2018). Combinatorial Optimization: Theory and Algorithms, 6th edition, Springer. Wolsey, L.A. (1998). Integer Programming, Wiley-Blackwell. Pinedo, M.L. (2016). Scheduling: Theory, Algorithms, and Systems, 5th edition, Springer.

Bibliografia Secundária / Secondary Bibliography


Lecture notes. Ragsdale, C.T. (2001). Spreadsheet Modeling & Decision Analysis. 3rd edition, South Western. Cook, J.W. (2014). In Pursuit of the Traveling Salesman. Mathematics at the Limits of Computation, 3rd edition. Princeton University Press. Simchi-Levi, D., Chen, X. and Bramel, J. (2021). The Logic of Logistics: Theory, Algorithms and Applications for Logistics and Supply Chain Management, 4th edition, Springer Series in Operations Research, Springer.

Data da última atualização / Last Update Date


2024-02-16