Questo insegnamento si propone di fornire agli studenti una solida base di conoscenze sulla Ricerca Operativa (RO), focalizzandosi sui metodi e gli algoritmi utilizzati per modellare e risolvere i problemi che sorgono nella gestione di sistemi complessi. Alla fine dell'insegnamento, gli studenti saranno in grado di costruire modelli formali di problemi di gestione e produzione, risolverli in modo efficace utilizzando le tecniche appropriate e presentare i risultati agli stakeholder in modo chiaro e completo.

- Comprendere i fondamenti della Ricerca Operativa e le sue applicazioni nella gestione di sistemi complessi. - Imparare a sviluppare modelli formali che rappresentino accuratamente i problemi di gestione e produzione. - Acquisire competenze nella risoluzione dei problemi applicando tecniche e algoritmi di RO per ottimizzare i sistemi complessi. - Migliorare le capacità di comunicazione per presentare ed esporre i risultati delle analisi di RO agli stakeholder. Alla fine di questo insegnamento, gli studenti saranno dotati delle conoscenze e delle competenze necessarie per affrontare problemi di gestione di sistemi complessi, prendere decisioni informate e presentare i loro risultati agli stakeholder con chiarezza e fiducia.

Informatica, nozioni base di analisi matematica

L'insegnamento tocca diversi ambiti relativi alla Ricerca Operativa e della Management Science. In dettaglio, i principali argomenti trattati sono i seguenti: Modulo 1: Introduzione alla Ricerca Operativa Ottenere una panoramica delle metodologie, delle tecniche e delle applicazioni reali della Ricerca Operativa. Comprendere il concetto di ottimizzazione e il suo ruolo nei processi decisionali. Apprendere le basi della modellazione matematica e della formulazione dei problemi nella Ricerca Operativa. Modulo 2: Tecniche di Modellazione e Formulazione Esplorare varie tecniche di modellazione utilizzate nella Ricerca Operativa. Concentrarsi sulla traduzione di problemi complessi del mondo reale in modelli matematici. Studiare tecniche come la programmazione lineare, la programmazione intera e i modelli di rete. Modulo 3: Metodi di Soluzione e Algoritmi Imparare una serie di metodi di soluzione e algoritmi utilizzati nella Ricerca Operativa. Comprendere come applicare questi metodi per risolvere problemi di gestione di sistemi complessi. Acquisire competenze nell'utilizzo di algoritmi di ottimizzazione per trovare soluzioni ottimali. Modulo 4: Analisi delle Decisioni e Ottimizzazione Studiare le tecniche di analisi delle decisioni e gli strumenti per valutare alternative di azione. Imparare come incorporare l'incertezza e il rischio nei processi decisionali. Esplorare approcci di ottimizzazione per massimizzare l'efficienza e l'allocazione delle risorse. Modulo 5: Presentazione e Comunicazione dei Risultati Sviluppare competenze di comunicazione efficace per presentare i risultati della Ricerca Operativa agli stakeholder. Imparare come comunicare in modo chiaro e comprensibile analisi complesse. Esplorare tecniche di visualizzazione dei dati e dei risultati per migliorare la comprensione degli stakeholder.

Durante l'insegnamento, gli studenti parteciperanno attivamente a esercitazioni pratiche, studi di caso e progetti per consolidare la loro comprensione dei concetti e delle tecniche trattate. Avranno inoltre l'opportunità di applicare i metodi della Ricerca Operativa utilizzando software ampiamente utilizzati nel settore. L'insegnamento sarà interattivo, coinvolgendo gli studenti sia a livello individuale che di gruppo. Le lezioni saranno suddivise approssimativamente nel 60% del tempo per le lezioni frontali e il restante 40% per le esercitazioni pratiche. Le esercitazioni si svolgeranno in aula e forniranno un'opportunità per approfondire i concetti teorici. Inoltre, saranno proposti casi di studio ai fini di contestualizzare le nozioni apprese. Gli studenti, organizzati in gruppi di massimo 4 membri, affronteranno uno studio di caso assegnato dal docente. I risultati della risoluzione di tale problema verranno poi presentati da ciascun gruppo in aula.

Testi utilizzati per l’insegnamento: R. Tadei, F. Della Croce, Elementi di Ricerca Operativa, Progetto Leonardo, Editrice Esculapio, Bologna, 2010. M. Ghirardi, A. Grosso, G. Perboli, Esercizi di Ricerca Operativa, Progetto Leonardo, Editrice Esculapio, Bologna, 2009. Altro materiale didattico, assieme ad esempi di esami precedenti, è disponibile sul portale della didattica. Testi consigliati per approfondimenti: H. P. Williams, Model building in Mathematical Programming, 4th ed., Wiley, 1999. H. P. Williams, Logic and Integer Programming, Springer, 2009.

Slides; Libro di testo; Libro di esercitazione; Esercizi risolti; Esercitazioni di laboratorio;

Modalità di esame: Prova scritta (in aula); Prova orale obbligatoria; Elaborato progettuale in gruppo;

Exam: Written test; Compulsory oral exam; Group project;

... La valutazione del singolo studente comprende diverse componenti che permettono di verificare le competenze acquisite dagli studenti nell'insegnamento: 1. Prova di accertamento individuale (scritta, durata tra 1 e 1,5 ore): Questa parte dell'esame consiste in domande teoriche ed esercizi per valutare le conoscenze e le abilità individuali degli studenti. Il punteggio massimo per questa prova è di 11 punti, con un punteggio minimo di 4 punti richiesto per superare l'accertamento. Durante la prova scritta, non è consentito l'uso di appunti o libri. Gli esercizi richiedono l'applicazione degli strumenti matematici appropriati per risolvere i problemi proposti, mentre i quesiti teorici valutano la capacità dello studente di costruire una sequenza logica di argomentazioni basate sui risultati teorici illustrati durante l'insegnamento. 2. Lavoro di gruppo (report scritto da presentare entro una data prefissata, è consentito l'uso del materiale): In questa parte dell'esame, gli studenti svolgono un'analisi e una soluzione di un problema realistico assegnato, lavorando in gruppi di massimo tre persone. Il punteggio massimo per il lavoro di gruppo è di 10 punti. Attraverso questa attività, gli studenti dimostrano le loro capacità di modellazione e risoluzione dei problemi. 3. Presentazione del lavoro (orale, 20 minuti, non è ammesso l'uso del materiale): Dopo aver completato il lavoro di gruppo, gli studenti devono presentare oralmente in gruppo i risultati ottenuti. La presentazione ha una durata massima di 20 minuti e viene valutata con un punteggio massimo di 6 punti. 4. Accertamento mid-term (scritto, 1 ora, è ammesso l'uso del materiale): Questo accertamento si svolge durante l'insegnamento ed è finalizzato a valutare le capacità di modellazione dei problemi tramite l'utilizzo di modelli lineari. La durata dell'accertamento è di 1 ora e gli studenti possono consultare il materiale durante la prova. Il punteggio massimo per l'accertamento mid-term è di 2 punti. 5. Lettura e commento di un articolo (report scritto da presentare entro una data prefissata, è ammesso l'uso del materiale): In questa parte dell'esame, gli studenti devono leggere un articolo scientifico relativo all'argomento dell'insegnamento e presentare un report scritto con il loro commento. Il punteggio massimo per questa parte dell'esame è di 2 punti. Il voto finale dell'esame è determinato dalla somma dei punteggi ottenuti in ciascuna delle componenti sopra descritte.

Gli studenti e le studentesse con disabilità o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'Unità Special Needs, al fine di permettere al/la docente la declinazione più idonea in riferimento alla specifica tipologia di esame.