| Código |
17642
|
| Ano |
1
|
| Semestre |
S2
|
| Créditos ECTS |
6
|
| Carga Horária |
T(30H)/TP(30H)
|
| Área Científica |
Engenharia e Gestão Industrial
|
|
Objectivos de Aprendizagem |
Desenvolver as competências dos alunos para a formulação e resolução de problemas complexos de decisão, utilizando métodos
quantitativos baseados em técnicas de otimização, análise de redes e simulação. Preparar os estudantes para aplicar modelos
matemáticos e algoritmos a contextos de engenharia e sua gestão, promovendo a análise crítica e a eficiência na tomada de decisões.
Abordar tópicos como programação linear e não linear, otimização de redes, teoria das filas, heurísticas e meta-heurísticas, enfatizando a
integração de tecnologias emergentes na tomada de decisão baseada em algoritmos de inteligência artificial e em ferramentas de apoio
computacional. Fomentar a habilidade de interpretar resultados e propor soluções fundamentadas, considerando cenários práticos e
constrangimentos reais.
|
|
Conteúdos programáticos |
1. Otimização: Programação linear (método gráfico, algoritmo simplex, análise de sensibilidade), programação não linear (métodos numéricos básicos).
2. Redes e gráficos: Fluxo máximo, caminho mais curto, árvore de expansão mínima.
3. Gestão de projetos: CPM/PERT, programação de tarefas, alocação de recursos.
4. Teoria das filas: modelos M/M/1 e M/M/m, redes de filas, simulação de desempenho.
5. Simulação computacional: estruturação de modelos, geração de variáveis aleatórias, análise de resultados.
6. Meta-heurística: algoritmos genéticos, otimização por enxame de partículas, pesquisa tabu.
7. Tomada de decisão baseada em algoritmos de inteligência artificial.
|
|
Metodologias de Ensino e Critérios de Avaliação |
Atendendo a que os conteúdos curriculares têm um carácter modular, os alunos são avaliados de uma forma contínua, através de um
trabalho de análise e síntese (TAS), 3 exercícios práticos individuais, uma prova escrita de avaliação de conhecimentos, e um projeto final. O TAS e o projeto final serão realizados em grupos constituídos por 4 elementos. Os alunos são obrigados a frequentar as aulas correspondentes às horas de contacto. A classificação mínima de aprovação é de 10 (dez) valores, numa escala de 0 a 20.
Todas as componentes presentes nos critérios de avaliação têm que ser realizadas, e cada uma destas com aprovação superior a 6
valores para poderem obter admissão a exame. A fórmula para o cálculo da nota final é aplicável no período de ensino-aprendizagem e nas épocas de exame.
A melhoria da classificação final requer a realização de um exame final. A apresentação oral e entrega dos TAS e Projeto Final são obrigatórias.
|
|
Bibliografia principal |
Gaspar, P.D., Lima, T.M. (2020). Caderno Teórico de Métodos Quantitativos de Apoio à Decisão -Diapositivos de acompanhamento e
apoio às aulas, Departamento de Engenharia Electromecânica, Universidade da Beira Interior, Covilhã, 392 páginas.
Hillier, F.S., Lieberman, G.J. (2014). Introduction to Operations Research, 10th Ed. McGraw-Hill.
Marakas, G.M. (2002). Decision Support Systems, 2nd Ed., Prentice Hall, 2002.
Keller, J.M., Liu, D., Fogel, D.B. (2016). Fundamentals of computational intelligence: neural networks, fuzzy systems, and evolutionary
computation. Wiley.
Law, A.M. (2024). Simulation Modeling and Analysis. McGraw-Hill.
Paul Goodwin, P., Wright, G. (2014). Decision Analysis for Management Judgment (5th Edition), Wiley.
Belton, V., Stewart, T. (2002). Multiple Criteria Decision Analysis: An Integrated Approach. Springer.
Hammond, J.S. Keeney, R.L., Howard Raiffa, H. (2015). Smart Choices: A Practical Guide to Making Better Decisions. Harvard Business
Review Press.
|
| Língua |
Português
|