Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Prognozowanie i symulacja w przedsiębiorstwie
Koordynator przedmiotu:
dr hab.inż. A. Ławrynowicz prof. nadzw. PW
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Zarządzanie i Inżynieria Produkcji
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
PRISP
Semestr nominalny:
1 / rok ak. 2011/2012
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
godziny kontaktowe: 15 h wykład, 15 h ćwiczenia, zapoznanie się ze wskazaną literaturą 10h, po wybranych zajęciach samodzielne rozwiązywanie problemów 20 h, przygotowanie do zaliczenia przedmiotu 20h. Razem 80h = 3 ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
godziny kontaktowe: 15h wykład, 15 h ćwiczenia, Razem 30h = 1 ECTS
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia15h
  • Laboratorium0h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Podstawy statystyki
Limit liczby studentów:
-
Cel przedmiotu:
Opanowanie podstawowych metod prognozowania i symulacji. Zapoznanie się z prognozowaniem i symulacją przy pomocy tradycyjnych metod i nowszych sztucznej inteligencji. Praktyczne wykorzystanie prezentowanych metod na podstawie zróżnicowanych przykładów.
Treści kształcenia:
Wykład. Wprowadzenie do prognozowania. Klasyfikacja prognoz. Klasyczna dekompozycja szeregu czasowego na trend, wahania sezonowe i czynniki losowe, modele addytywne i multiplikatywne. Metoda delficka. Zastosowanie sztucznych sieci neuronowych w prognozowaniu. Tradycyjne modelowanie symulacyjne. Symulacje z zastosowaniem algorytmów genetycznych. Hybrydowe metody symulacji. Ćwiczenia. Prognozowanie z wykorzystaniem modelu jednorównaniowego (model statyczny, koncepcja modeli zgodnych). Prognozowanie na podstawie modelu wielorównaniowego (prostego, rekurencyjnego, o równaniach współzależnych, model wektorowej autoregresji). Wyznaczanie i analiza trendów. Prognozowanie sprzedaży. Prognozowanie kosztów. Prognozowanie cen z zastosowaniem sztucznej sieci neuronowej. Symulacyjne wyznaczanie terminów realizacji procesów z zastosowaniem algorytmów genetycznych.
Metody oceny:
-
Egzamin:
nie
Literatura:
M. Cielak (red.). Prognozowanie gospodarcze. Metody i zastosowania. Wydawnictwo Naukowe PWN. Warszawa 2005; A. Snarska. Statystyka. Ekonometria. Prognozowanie. Ćwiczenia z Excelem. Wydawnictwo Placet. Warszawa 2005. D. Rutkowska, M. Piliński, L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wydawnictwo Naukowe PWN, Warszawa, Łódź 1999. D.E. Goldberg, Algorytmy genetyczne i ich zastosowania. Wydawnictwa Naukowo-Techniczne, Warszawa 2003.
Witryna www przedmiotu:
-
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt [S2A_W01]
Ma poszerzoną wiedzę z zakresu podstawowych pojęć i metod użytecznych w modelowaniu i symulacji procesów biznesowych. Zna i rozumie cele oraz istotę przedmiotu prognozowanie i symulacje oraz jego miejsce w systemie nauk i relacjach do innych nauk.
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt [S2P_W06]
Zna w sposób pogłębiony wybrane metody i narzędzia dla prognoz gospodarczych a w szczególności prognoz sprzedaży, cen i kosztów, w tym techniki pozyskiwania danych, pozwalające na tworzenie modeli i wnioskowanie.
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - umiejętności

Efekt [S2A_U01]
Potrafi prawidłowo interpretować i wyjaśniać zjawiska gospodarcze oraz wzajemne relacje między zjawiskami gospodarczymi oraz zdefiniować obszar zastosowania metod prognostycznych, symulacyjnych w przedsiębiorstwie i jego otoczeniu.
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt [S2A_U04]
Potrafi prognozować i modelować złożone procesy gospodarcze obejmujące w szczególności zjawiska w przedsiębiorstwie i jego otoczeniu z wykorzystaniem zaawansowanych metod; określić główne cechy szczególne szeregów czasowych, sformułować cele analizy i dobrać odpowiedni typ modelu w celu uzyskania pożądanych prognoz; przeprowadzić jakościową analizę cech szeregu.
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Efekt [S2A_K01]
Rozumie potrzebę uczenia się przez całe życie, potrafi inspirować i organizować proces uczenia się osób uczestniczących w procesach biznesowychWpisz opis
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt [S2P_K02]
Potrafi pracować w grupie, przyjmując w niej różne role, w szczególności pełniąc funkcje kierownicze. Potrafi wykorzystać swoją wiedzę i umiejętności do wyjaśniania i uczenia osób trzecich sposobu postrzegania i interpretowania zjawisk i procesów.
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe: