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


2024/2025

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: OA1. Modelar alguns problemas específicos de logística utilizando formulações em Programação Linear e Programação Linear Inteira ou Mista; OA2. Aplicar algumas metodologias de Programação Linear Multiobjetivo; OA3. Aplicar os algoritmos adequados para a resolução do problema em estudo. OA4. Analisar as soluções obtiddas e produzir recomendações.

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 com e sem restrições de Capacidades 4.1 Formulações em PL Mista; 4.2 Heurísticas e avaliação das soluções. 5. Modelos de Recolha e Distribuição de Produtos 5.1 Problema do Caixeiro Viajante; 5.2 Problemas de Rotas com Procuras nos Nodos e com Procura nos Arcos. 6. Sequenciamento de Tarefas 6.1 Problemas com uma máquina: 6.2 Problemas com máquinas em Paralelo; 6.3 Flow Shop e Job Shop 7. Problemas de Cobertura 7.1 Formulação em PLI; 7.2 Heurísticas; 7.3 Soluções Redundantes e Técnicas de Redução.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified 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 objetivo está presente em: - 3 (Bin Packing); - 4 (Localização de Serviços); - 7 (Cobertura). A obtenção destes modelos é essencial para a aplicação de uma metodologia específica de resolução destes problemas. O segundo objetivo encontra-se no capítulo: 1 (Intr. à Prog. Lin. Multiobjetivo). Contudo, esta metodologia poderá ser aplicada noutros capítulos, por exemplo, a Problemas de Bin Packing, a Modelos de Localização de Serviços. 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 “Intr. às Heurísticas”. O quarto objetivo está presente em todos os capítulos. Em síntese: OA1. 3., 4. e 7. OA2. 1. OA3. De 2. a 7. OA4. Todos.

Avaliação / Assessment


Avaliação ao longo do semestre ou avaliação por exame. Avaliação ao longo do semrestre: i) Trabalho de Grupo: • Peso de 25% na classificação final • Grupos de 4 estudantes • Pode ter discussão oral; ii) Teste Intermédio Individual: • Peso de 25% na classificação final; iii) Teste Final Individual: • Peso de 50% na classificação final • Classificação Mínima necessária 8,5; iv) Média ponderada dos testes individuais: • Pelo menos 8,5 v) Assiduidade mínima: • 2/3 das aulas leccionadas. Avaliação por exame: 100% Em ambas as modalidades poderá ser necessário realizar um exame oral. Escala: 0-20 valores.

Metodologias de Ensino / Teaching methodologies


As aulas desta Unidade Curricular são teórico-práticas. Nestas aulas serão aplicadas diversos modelos e metodologias de ensino. As aulas teórico-práticas permitem utilizar metodologias de ensino expositivas, experimentais e de discussão. Para apresentar os conceitos, as metodologias e métodos de resolução relativos a todos os conteúdos programáticos será utilizada uma metodologia expositiva. Para aplicar as metodologias e os métodos de resolução de problemas estudados serão resolvidos diversos exercícios nas aulas, pelo que se utilizará uma metodologia experimental. Para analisar os resultados obtidos, aplicar-se-á uma metodologias de discussão. As metodologias experimentais e de discussão são cruciais para esta Unidade Curricular, uma vez que o objetivo da Investigação Operacional é a resolução de problemas reais. Os estudantes são encorajados a participar nas aulas. Além das metodologias já mencionadas, o trabalho autónomo dos estudantes é relevante para a aquisição e o desenvolvimento das competências. Este trabalho autónomo consiste na leitura da bibliografia, na resolução de exercícios e na resolução do trabalho de grupo. O Planeamento de Aulas inclui linhas orientadoras para o trabalho Autónomo.

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 visam o desenvolvimento das principais competências dos estudantes que permitam cumprir com cada um dos objectivos de aprendizagem. Em traços gerais, os objetivos de aprendizagem consistem na aquisição de comptências de resolução de um conjunto de problemas, na análise de resultados e na elaboração de recomendações. A metodologia expositiva (ME1) será utilizada para apresentar os conceitos teóricos necessários e os métodos de resolução de problemas. A metodologia experimental (ME2) será aplicada através da resolução de exercícios. A discussão de resultados (ME3) permitirá desenvolver a capacidade de análise dos resultados e a elaboração de recomendações. Dada a natureza da Investigação Operacional, resolução de problemas reais, o trabalho autónomo dos estudantes é crucial para o desenvolvimento das competências de resolução e análise. Na grelha a seguir, apresenta-se as principais interligações entre as metodologias de ensino (ME) e os respectivos objectivos de aprendizagem (OA). ME1 - OA2, OA3 ME2 - OA1, OA2, OA3, OA4 ME3 - OA4 Todos os objetivos de aprendizagem serão avaliados nas provas escritas (modelação de alguns problemas específicos de logística utilizando formulações em Programação Linear e Programação Linear Inteira ou Mista, aplicação de algumas metodologias de Programação Linear Multiobjetivo, aplicação dos algoritmos adequados para a resolução do problema em estudo, análise das soluções obtiddas e elaboração de recomendações). O trabalho de grupo permite avaliar todos os objetivos de aprendizagem.

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. (2022). Scheduling: Theory, Algorithms, and Systems, 6th 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


2024-07-30