Metodar for analyse av forsyningskjeder
Masteremne
- Studiepoeng
- 10
- Undervisningssemester
- Vår
- Emnekode
- ITØK320
- Talet på semester
- 1
- Undervisningsspråk
- Engelsk
- Ressursar
- Timeplan
Emnebeskrivelse
Mål og innhald
Målet med kurset er å gi studentane
- oversikt over styring av forsyningskjeder (Supply Chain Management, SCM)
- forståing av korleis avanserte optimeringsteknikkar og algoritmar for kunstig intelligens (AI) kan brukast til å løyse og analysere beslutningsproblem, og
- evne til å løyse beslutningsproblem som oppstår i ulike segment av ein forsyningskjede, med særleg fokus på transport og logistikk
Innhald:
Kurset dekker mellom anna desse tema:
- Prognostisering av etterspurnad
- Tidsrekkeanalyse (kummulativ, naiv, glidande gjennomsnitt, eksponensiell glatting)
- Regresjonsanalyse
- Lagerstyring
- Kvadratrotsformelen for minimering av lagerkostnader
- Ein-periodiske lagermodellar
- Probabilistiske lagermodellar
- Produksjonsplanlegging
- Optimeringsmodellar
- Heuristikkar
- Design av distribusjonsnettverk
- Nettverksoptimering
- Lokaliseringsproblem
- Dekkingsproblem
- Godstransport - Avanserte optimeringsteknikkar og algoritmar for kunstig intelligens for løysing av storskalaproblem innafor:
- Leveranse til endepunkt (casestudier)
- Maritim transport (casestudier)
- Framtidige leveringssystem
Kurset inneheld eit breitt spekter av praktiske optimeringsproblem innafor forsyningskjeder i form av casestudier.
Læringsutbyte
Studenten skal ved avslutta emne ha følgjande læringsutbyte definert i kunnskapar, ferdigheiter og generell kompetanse:
Kunnskapar:
- Studenten har grunnleggjande forståing av optimerings- og beslutningsproblem som finst innafor forsyningskjeder
- Studenten har grunnleggjande forståing av algoritmar for optimering og kunstig intelligens
Ferdigheiter:
- Studenten er i stand til å bruka ein algoritme for optimering eller kunstig intelligens for å løysa eit breitt spekter av problem innafor forsyningskjeder, inkludert m.a. design av nettverk for forsyningskjeder, godstransport, og produksjonsplanlegging
- Studenten er i stand til å kombinere teknikkar frå optimering og AI med innsikt i økonomi (tileigna i andre kurs), for å forbetre ei verksemd sine logistikkløysingar
- Studenten er i stand til å utvikla matematiske modellar for enkle nettverksoptimeringsproblem, og problem innafor produksjonsplanlegging
- Studenten er i stand til å bruka regresjons- og tidsrekkemodellar på historiske data for å prognostisere framtidig etterspurnad
- Studenten er i stand til å ta avgjerder om enkle lagerstyringsproblem
Generell kompetanse:
- Studenten er i stand til å diskutere vellukka eksempel på korleis algoritmar for optimering og kunstig intelligens kan brukast til å ta betre avgjerder vedrørande ein forsyningskjede
- Studenten er i stand til å skilje mellom ulike optimeringsteknikkar
Studiepoeng, omfang
Studienivå (studiesyklus)
Undervisningssemester
Undervisningsstad
Krav til forkunnskapar
Studiepoengsreduksjon
Krav til studierett
Arbeids- og undervisningsformer
Undervisninga blir gitt i form av førelesningar og gruppeøvingar.
Førelesing / 4 timar per veke.
Gruppeøving / 2 timar per veke.
Obligatorisk undervisningsaktivitet
Godkjente obligatoriske oppgåver og eit prosjekt.
Godkjent obligatorisk aktivitet er gyldig i eitt påfølgande semester etter godkjenninga.
Vurderingsformer
- Rapport fra prosjekt (70%)
- Munnleg eksamen (30%)