Postgraduate Section 3 1005

Από Περιγράμματα - Τμήμα Μαθηματικών
Αναθεώρηση ως προς 23:50, 2 Ιουλίου 2026 από τον Ktzuvara (συζήτηση | συνεισφορές) (→‎Teaching and Learning Methods - Evaluation)
(διαφορά) ← Παλαιότερη αναθεώρηση | Τελευταία αναθεώρηση (διαφορά) | Νεότερη αναθεώρηση → (διαφορά)
Μετάβαση σε: πλοήγηση, αναζήτηση



Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Μεταπτυχιακό
Κωδικός Μαθήματος ΣEE18
Εξάμηνο 2
Τίτλος Μαθήματος Διαχείριση Αποθεμάτων
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος Ειδικότητας
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων Ελληνική
Τρόπος Διεξαγωγής Μαθήματος Δια ζώσης (100%)
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL) Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα Με την ολοκλήρωση αυτού του μαθήματος, ο φοιτητής θα:
  • γνωρίζει τα κλασικά προβλήματα αποθεμάτων (όπως το EOQ, το προβλημα του εφημεριδοπώλη, περιοδικά μοντέλα)
  • μπορεί να χρησιμοποιεί τα κατάλληλα εργαλεία για την ανάλυση του κόστους και την εύρεση της βέλτιστης λύσης για τα παραπάνω προβλήματα
  • αντιλαμβάνεται τη σχέση μεταξύ των κλασσικών μοντέλων διαχείρισης αποθεμάτων
  • κατανοεί τους τρόπους αντιμετώπισης συστήματων αποθεμάτων πολλαπλών επιπέδων που υπάρχουν στη βιβλιογραφία.
Γενικές Ικανότητες
  • Αυτόνομη εργασία
  • Λήψη αποφάσεων
  • Προσαρμογή σε νέες καταστάσεις
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών.

Περιεχόμενο Μαθήματος

Χαρακτηριστικά συστήματων διαχείρισης αποθέματων. Ενα προιον με ντετερμινιστικη ζήτηση. Πολλα προιόντα και σταθμοί αποθεματοποίησης. Στοχαστική ζήτηση. Στοχαστικός χρόνος υστέρησης. Στοχαστική ζήτηση χρονικά μεταβαλλομενη. Bayesian μοντέλα αποθεμάτων. Νέες περιοχές ερευνητικού ενδιαφέροντος στη διαχείριση αποθεμάτων.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Διδασκαλίας Πρόσωπο με πρόσωπο.
Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές Η επικοινωνία με τους φοιτητές γίνεται:
  • Μέσω email.
  • Δια ζώσης στο γραφείο.
  • Κατά τη διάρκεια των διαλέξεων.

Η συχνότητα επικοινωνίας με τους φοιτητές καθορίζεται από τις ανάγκες των φοιτητών.

Διασφάλιση Τρόπου Επικοινωνίας Μεταξύ Φοιτητών Συνέργεια στα πλαίσια της παράδοσης του μαθήματος.
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
  • Χρήση CPLEX, Mathematica/Matlab,
  • Χρήση Τ.Π.Ε. στην Επικοινωνία.
Απαιτούμενος Τεχνολογικός Εξοπλισμός και Γνώσεις Τεχνολογίας Δεν απαιτείται τεχνολογικός εξοπλισμός, καθώς παρέχεται. Δεν απαιτούνται εξειδικευμένες γνώσεις τεχνολογίας.
Πολιτική Μαθήματος για τη Λογοκλοπή και Εργαλεία Ελέγχου Λογοκλοπής Η λογοκλοπή απαγορεύεται ρητά και τιμωρείται κλιμακούμενα, ανάλογα με την επανάληψη της χρήσης της. Ελέγχεται, δε, με σχετικά εργαλεία όπως το "Turnitin", που παρέχει η Βιβλιοθήκη του Πανεπιστημίου.
Πολιτική Μαθήματος για τη Χρήση Τεχνητής Νοημοσύνης Επιτρέπεται η χρήση Τεχνητής Νοημοσύνης κατόπιν άδειας από τον διδάσκοντα/τη διδάσκουσα.
Οργάνωση Διδασκαλίας
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις 39
Αυτοτελής Μελέτη 70
Ασκήσεις Πεδίου - Συγγραφή εργασίας 78,5
Σύνολο Μαθήματος 187.5
Αξιολόγηση Φοιτητών
  • Γραπτές εργασίες (30%)
  • Γραπτή τελική εξέταση (70%)

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος.

Inventory Τheory


General

School School of Science
Academic Unit Department of Mathematics
Level of Studies Graduate
Course Code ΣΕΕ18
Semester 2
Course Title Inventory Τheory
Independent Teaching Activities Lectures (Weekly Teaching Hours: 3, Credits: 7.5)
Course Type Specialized general knowledge
Prerequisite Courses -
Language of Instruction and Examinations Greek
Mode of Course Delivery Face-to-face (100%)
Is the Course Offered to Erasmus Students Yes (in English)
Course Website (URL) See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes

Upon completion of this course, a student will:

  • understand the classical inventory models (like EOQ, base-stock models, periodic models)
  • acquire the quantitative tools for analysing the costs and optimal solutions for such policies
  • understand of the relationship among the classical models
  • learn approaches to multi-echelon inventory systems that have been proposed in the literature
General Competences
  • Working independently
  • Decision-making
  • Adapting to new situations
  • Production of free, creative and inductive thinking
  • Synthesis of data and information, with the use of the necessary technology
  • Working in an interdisciplinary environment

Syllabus

Inventory Systems and models, One item with constant demand rate, Several products and locations, Stochastic demand, Stochastic leadtimes, Time varying stochastic demand, Empirical Bayesian inventory models. Research frontiers.

Teaching and Learning Methods - Evaluation

Mode of Instruction Face-to-face.
Mode and Frequency of Communication with Students Communication with students takes place through:
  • Email.
  • In-person meetings during office hours.
  • During lectures.

The frequency of communication with students is determined by their needs.

Ensuring Communication Among Students Collaboration and interaction are encouraged within the context of course delivery.
Use of Information and Communications Technology
  • Mathematica / Matlab
  • Use of ICT in communication with students.
Required Technological Equipment and Technology Skills No technological equipment is required from students, as all necessary equipment is provided. No specialized technology skills are required.
Course Policy on Plagiarism and Plagiarism Detection Tools Plagiarism is strictly prohibited and is subject to progressively stricter penalties in the event of repeated offenses. It is monitored using plagiarism detection tools such as Turnitin, which is provided by the University Library.
Course Policy on the Use of Artificial Intelligence The use of Artificial Intelligence is permitted only with the prior approval of the instructor.
Teaching Methods
Activity Semester Workload
Lectures 39
Independent study 70
Study and analysis of bibliography, Fieldwork 78.5
Course total 187.5
Student Performance Evaluation
  • Language of Evaluation: Greek
  • Methods of Evaluation: Written work (20%), Final exam (80%)

Attached Bibliography

See the official Eudoxus site.

Ανακτήθηκε από «https://outlines.math.uoi.gr/index.php?title=Postgraduate_Section_3_1005&oldid=1666»