Técnicas de Apoio à Decisão

As aulas desta unidade curricular são de natureza teórico-prática.

Num primeiro momento, as aulas têm carácter mais expositivo, visando estabelecer as bases teóricas dos assuntos abordados, seguindo-se a componente de caráter prático, com a aplicação a problemas de decisão complexos no âmbito da Gestão, visando uma análise prescritiva desses problemas. A resolução matemática desses problemas recorrerá a software específico, incluindo bibliotecas de otimização em Python, procurando responder a problemas de grande dimensão no âmbito dos temas propostos nos conteúdos programáticos P5.

Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME):

ME1 – Expositivo: apresentação de conceitos, técnicas e métodos, com grande enfoque em aplicações práticas.

ME2 – Participativo: discussão em aula de casos no âmbito dos temas propostos nos conteúdos programáticos P5, suscitando competências em análise prescritiva.

ME3 – Ativo: utilização de softwares de apoio à resolução de problemas de maior dimensão, incluindo Python, permitindo espaços laboratoriais que fomentem a utilização autónoma dessas aplicações informáticas.

Objetivos de aprendizagem:

OA1 – Introdução de técnicas de modelização matemática dirigidas a problemas complexos de decisão em Planeamento e Gestão, recorrendo a programação linear e linear inteira.

OA2 – Resolução de casos aplicados, incidindo em: seleção de projetos, gestão da produção, gestão financeira, planeamento de projetos e escalas e turnos de trabalho, entre outros.

OA3 – Utilização de meios informáticos de otimização para a resoluções dos modelos propostos, incluindo bibliotecas em Python.

Competências a desenvolver pelos estudantes:

C1 – Capacidade para modelizar problemas de decisão em Gestão complexos, recorrendo à programação linear e linear inteira.

C2 – Capacidade para usar eficientemente ferramentas informáticas de otimização matemática para responder aos problemas propostos.

P1 – Modelos de Programação linear e linear inteira

P2 – Ferramentas computacionais para resolução de modelos linear e lineares inteiros

   2.1 – Ferramentas do Python

   2.2 – Outras ferramentas de otimização linear

P3 – Interpretação económica das soluções: análise de sensibilidade, análise paramétrica e análise de cenários

P4 – Análise prescritiva aplicada ao processo de tomada de decisão em Gestão

P5 – Aplicações da programação linear e linear inteira ao processo de tomada de decisão

   5.1 – Planeamento de investimentos e seleção de projetos com cash-flows

   5.2 – Gestão da produção

   5.3 – Gestão financeira

   5.4 – Planeamento de projetos

O aluno será avaliado por um trabalho realizado no âmbito da unidade curricular e por uma prova escrita de avaliação final. O trabalho é facultativo, sendo a prova escrita obrigatória. A nota final será igual a 50% da nota do trabalho, mais 50% da nota da prova escrita. A nota do trabalho só será considerada se o aluno obtiver uma nota mínima de 7,5 valores na prova escrita (numa escala de 0 a 20). Se o aluno optar pela não realização do trabalho, a respetiva nota final será determinada na totalidade pela prova escrita.

Serão utilizadas as seguintes metodologias de avaliação (MA):

MA1 - Exame final.