0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

I 2023 ble emnet undervist av flere vikarer da den vanlige emneansvarlig hadde forskningstermin. Det ble dermed bestemt at faget skulle kjøres mest mulig likt tidligere år, og det ble dermed ikke gjort noen forsøk dette semesteret på å videreutvikle faget. Følgende ble gjort, basert på tidligere gjennomføringer: TIØ4126 Optimering og beslutninggstøtte er obligatorisk for indøk-studentene og er plassert i vårsemesteret i 3. årskurs. Emnet gir en introduksjon til operasjonsanalyse (eller optimering og beslutningsstøtte som fagnavnet sier) i teknisk-økonomisk planlegging. Det faglige innholdet, i all hovedsak hentet fra læreboka «Introduction to Operations Research» av Hillier og Lieberman, gir en innføring i en rekke operasjonsanalytiske (og kvantitative) emner som lineær programmering, heltallsprogrammering, ikke-lineær programmering, nettverksteori, beslutningsanalyse, køteori, simulering og lagerteori. Pensumet er relativt omfattende. Jeg vurderer emnets innhold som svært relevant for indøk-programmet, noe også de fleste referansegrupper fra de senere årene påpeker. I tillegg til indøk-studenter er det også om lag 20 % studenter fra andre studieprogram som tar faget. UndervisningsformerLikt 2021 og 2022 ble brukt ferdig innspilte forelesninger som ble lagt ut på BB iht. en gitt forelesningsplan. I disse videoene gjennomgås de ulike temaene og teoriene i fagene ved å bruke halvferdige forelesninger (legges ut på Blackboard på forhånd) som gås gjennom og fylles ut "live" sammen med studentene ved bruk av nettbrett. De ferdige forelesningene legges også ut på Blackboard. I tillegg ble det gitt en 2-timers "live-forelesning" hver uke. I disse ble det gitt en kort repetisjon av "highlights" fra ukas pensum/videoforelesning, samt at det ble åpnet for Q&amp;A. I tillegg ble det gjerne gjennomgått et par ekstra eksempler, gjerne i form av en tidligere eksamensoppgave. Også i disse "live-forelesningene" ble det brukt halvferdige forelesningsnotater som ble fylt ut sammen med studentene ved bruk av nettbrett. I tillegg har vi ukentlige øvinger med øvingstimer, samt et større obligatorisk mini-prosjekt over to uker hvor studentene kan jobbe i grupper på inntil tre personer. En viss poengsum på øvingene kreves for å få tilgang til å ta eksamen.Jeg opplevde studentenes egeninnsats og motivasjon som stort sett god (i alle fall fra de som møtte opp på «live-øktene»). VurderingsformerEmnet gir, som nevnt i punkt 1, en introduksjon i operasjonsanalyse/optimering med fokus på å Evaluering er 100% basert på skriftlig eksamen. Jeg mener at for dette kvantitative emnet er dette den beste evalueringsmåten (dog ikke perfekt).

Jeg mener at læringsutbyttet er både oppdatert og relevant. Det gir også et godt grunnlag for spesialiseringsfagene som leder til AØO-fordypningen (dvs. TIØ4130 Optimeringsmetoder og TIØ4150 Industriell optimering).Læringsutbyttet kommuniseres til studentene generelt for hele faget under første forelesning, og deretter spesifikt for hvert tema i forkant av at dette foreleses.Faget er tilnærmet 100 % overlappende med K-emnet TIØ4120 Operasjonsanalyse som undervises om høsten for studenter ved andre studieprogrammer enn indøk.  Et mulig problem er at vi så at antallet som møtte opp til forelesningene utover i semesteret ble veldig lagt. I et fag med 70+ studenter var vi helt nede i 5 studenter på noen av forelesningene. En mulig forklaring er at det blir for mye med 3 timer video + 2 timer forelesning + øving hver uke. Dette må vurderes nøyere i kommende år. I tillegg ble faget undervsit av 4 forskjellige undervisere, noe som antakelig heller ikke var optimalt for hverken studenter eller fagstaben.

Etter flerfoldige forsøk på å rekruttere en referansegruppe i faget, ble dette bestemt at vi ikke skulle ha noen referansegruppe. Det er synd for studentene at de mister en mulighet til å gi anonyme tilbakemeldinger, men det må være opp til studentene å faktisk stille opp på et slikt initiativ.

NTNU:TIA:REST

Institutt for industriell økonomi og teknologiledelse

Department of Industrial Economics and Technology Management

Spesifiserte trykte og håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.

Norsk

Mer om vurdering

Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen.

Anbefalte forkunnskaper

Emnet bygger på den obligatoriske undervisningen i matematikk (tilsvarende TMA4100 Matematikk 1 og TMA4115 Matematikk 3 ved svi.ing.-utdanningen ved NTNU), statistikk, informasjonsteknologi og på emnet TIØ4118 Industriell økonomisk analyse eller tilsvarende forkunnskaper.

Faglig innhold

Emnet behandler bruk av matematiske modeller til hjelp for planlegging og økonomisk styring av både privat og offentlig virksomhet med hovedvekt på problemstillinger som inneholder teknologiske aspekter. Planleggingsproblemene vil svært ofte bestå i å maksimere eller minimere en økonomisk målstørrelse under hensyn til knappe ressurser og teknologiske krav. Planleggingen gjøres ved å 1) formulere en forenklet modell for problemet, 2) utlede (beregne) en optimal løsning for modellen og 3) tolke og implementere den optimale løsningen. Dette emnet behandler både deterministiske og stokastiske problemstillinger som kan angripes ut fra følgende tema: Ulike programmeringsmodeller (lineære, ulineære, enkle heltallige og nettverksmodeller), beslutningstrær, enkel lager-, køteori og simulering. Emnet vil på enkelte tema bygge direkte på TIØ4118 Industriell økonomisk analyse ved å optimere ulineære mikroøkonomiske problemer og ved å behandle investeringsbeslutninger med harde budsjettskranker. I tillegg behandles bruk av kommersiell regneark programvare både for optimeringsmodeller og simuleringsmodeller.

Kursmateriell

Læringsutbytte

Emnets posisjon og funksjon i studiet: Emnet er obligatorisk i 3. årskurs i studieprogrammet MTIØT. Emnet bygger på den obligatoriske undervisningen i matematikk, statistikk og informasjonsteknologi, samt på emnet TIØ4118 Industriell økonomisk analyse eller tilsvarende forkunnskaper. Emnet skal konkret bidra til å oppfylle læringsmål 2.4 i den detaljerte læringsmålsoversikten for MTIØT der et kreves bred og sunn grunnleggende kunnskap i administrative og økonomiske områder. Ved endt kurs skal studentene kunne: - definere hva som menes med operasjonsanalyse og redegjøre for hvilke faser som vanligvis inngår i studier som anvender operasjonsanalyse - beskrive hvilke antakelser som ligger bak lineærprogrammering (LP) - formulere LP-modeller på bakgrunn av verbale problembeskrivelser - løse LP-problem grafisk (for to variabler), ved hjelp av regneark, og for hånd ved simpleksmetoden, både algebraisk på tablå-form - utføre sensitivitetsanalyse ut fra optimale simpleks-tablåer, og beskrive den økonomiske informasjonen som kan trekkes ut fra denne - formulere heltallsprogrammeringsmodeller, og beskrive noen prinsipper som kan brukes til å lage løsningsmetoder for problemer formulert med slike modeller, samt løse dem i regneark - formulere modeller innenfor ikke-lineær programmering og identifisere kategorier av ikke-lineære problemer basert på egenskaper til målfunksjonen og restriksjonssettet - løse noen typer ikke-lineære problemer ved hjelp av Lagrangemultiplikatormetoden, bruk av KKT-betingelser eller regneark - indikere hvilke ekstra utfordringer som ligger i et problem der parameterne ikke er kjent med visshet - formulere og løse noen slike problemer ved hjelp av beslutningstrær - beregne verdien av å utføre eksperimenter som kan gi informasjon om usikre parameter og verdien av å kjenne informasjon med sikkerhet - formulere ulike typer nettverksmodeller og beregne løsningen av disse - sette opp kømodeller basert på verbale problembeskrivelser - utlede formler for kømodeller basert på eksponensialfordelinger - utlede formler for enkle kontinuerlige lagerstyringsmodeller, også under usikkerhet - beskrive diskret hendelsessimulering og differensiere dette fra andre typer simulering - implementere enkle simuleringsmodeller i regneark - diskutere fordeler og ulemper med de ulike modelltypene og de tilhørende beregningsmetodene for konkrete problemstillinger.

Læringsformer og aktiviteter

Forelesninger, case og øvinger på og utenfor datasal.

Øvinger

Optimering og beslutningsstøtte for teknisk-økonomisk planlegging

Teknologiske fag

Kommunikasjonsteknologi og digital sikkerhet - masterstudium (5-årig)

Industriell økonomi og teknologiledelse - masterstudium (5-årig)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(23640)/FieldValuesAsText

GenereltTIØ4126 Optimering og beslutninggstøtte er obligatorisk for indøk-studentene og er plassert i vårsemesteret i 3. årskurs. Emnet gir en introduksjon til operasjonsanalyse (eller optimering og beslutningsstøtte som fagnavnet sier) i teknisk-økonomisk planlegging. Det faglige innholdet, i all hovedsak hentet fra læreboka «Introduction to Operations Research» av Hillier og Lieberman, gir en innføring i en rekke operasjonsanalytiske (og kvantitative) emner som lineær programmering, heltallsprogrammering, ikke-lineær programmering, nettverksteori, beslutningsanalyse, køteori, simulering og lagerteori. Pensumet er relativt omfattende. Jeg vurderer emnets innhold som svært relevant for indøk-programmet, noe også de fleste referansegrupper fra de senere årene påpeker. I tillegg til indøk-studenter er det også om lag 20 % studenter fra andre studieprogram som tar faget.Jeg vurderer kvaliteten av emnet som god, dette også basert på tidligere tilbakemeldinger fra studenter. UndervisningsformerNytt av året var at det våren 2021 og 2022 ble brukt ferdig innspilte forelesninger som ble lagt ut på BB iht. en gitt forelesningsplan. I disse videoene gjennomgås de ulike temaene og teoriene i fagene ved å bruke halvferdige forelesninger (legges ut på Blackboard på forhånd) som gås gjennom og fylles ut "live" sammen med studentene ved bruk av nettbrett. De ferdige forelesningene legges også ut på Blackboard. I tillegg ble det gitt en 2-timers "live-forelesning" hver uke. Denne var med unntak av de aller første ukene fysisk i 2022. I disse ble det gitt en kort repetisjon av "highlights" fra ukas pensum/videoforelesning, samt at det ble åpnet for Q&amp;A. I tillegg ble det gjerne gjennomgått et par ekstra eksempler, gjerne i form av en tidligere eksamensoppgave. Også i disse "live-forelesningene" ble det brukt halvferdige forelesningsnotater som ble fylt ut sammen med studentene ved bruk av nettbrett.Jeg opplever at dette fungerte godt, noe også tilbakemeldinger fra studenter og referansegruppe bekrefter. I tillegg har vi ukentlige øvinger med øvingstimer (ble gjennomført fysisk våren 22), samt et større obligatorisk mini-prosjekt over to uker hvor studentene kan jobbe i grupper på inntil tre personer. En viss poengsum på øvingene kreves for å få tilgang til å ta eksamen.Jeg opplevde studentenes egeninnsats og motivasjon som stort sett god (i alle fall fra de som møtte opp på «live-øktene».  VurderingsformerEmnet gir, som nevnt i punkt 1, en introduksjon i operasjonsanalyse/optimering med fokus på å Evaluering er 100% basert på skriftlig eksamen. Jeg mener at for dette kvantitative emnet er dette den beste evalueringsmåten (dog ikke perfekt). Eksamen våren 2022 ble, som i 2022, en digital hjemmeeksamen. Basert på erfaringene fra våren 2021, valgte jeg å la studentene samarbeide i grupper på opptil 3 personer under eksamen, og tilpasset eksamen noe basert på dette. Dette for å hindre urettferdigheten av at enkelte av studentene "jukset" ved å samarbeide, mens andre var ærlige og jobbet alene. Tilbakemelding fra studentene viser at dette er noe de fleste satte pris på og som de oppfattet som rettferdig.

Jeg mener at læringsutbyttet er både oppdatert og relevant. Det gir også et godt grunnlag for spesialiseringsfagene som leder til AØO-fordypningen (dvs. TIØ4130 Optimeringsmetoder og TIØ4150 Industriell optimering).Læringsutbyttet kommuniseres til studentene generelt for hele faget under første forelesning, og deretter spesifikt for hvert tema i forkant av at dette foreleses.Faget er tilnærmet 100 % overlappende med K-emnet TIØ4120 Operasjonsanalyse som undervises om høsten for studenter ved andre studieprogrammer enn indøk.

Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen. 

Emnet bygger på den obligatoriske undervisningen i matematikk, statistikk, informasjonsteknologi og på emnet TIØ4118 Industriell økonomisk analyse eller tilsvarende forkunnskaper. 

Forelesninger, case og øvinger på og utenfor datasal. 

Master i økonomi og administrasjon

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(18130)/FieldValuesAsText

TIØ4126 Optimering og beslutninggstøtte er obligatorisk for indøk-studentene og er plassert i vårsemesteret i 3. årskurs. Emnet gir en introduksjon til operasjonsanalyse (eller optimering og beslutningsstøtte som fagnavnet sier) i teknisk-økonomisk planlegging. Det faglige innholdet, i all hovedsak hentet fra læreboka «Introduction to Operations Research» av Hillier og Lieberman, gir en innføring i en rekke operasjonsanalytiske (og kvantitative) emner som lineær programmering, heltallsprogrammering, ikke-lineær programmering, nettverksteori, beslutningsanalyse, køteori, simulering og lagerteori. Pensumet er relativt omfattende. Jeg vurderer emnets innhold som svært relevant for indøk-programmet, noe også de fleste referansegrupper fra de senere årene påpeker. I tillegg til indøk-studenter er det også om lag 20 % studenter fra andre studieprogram som tar faget, og da i hovedsak fra marin.Jeg vurderer kvaliteten av emnet som god, dette også basert på tidligere tilbakemeldinger fra studenter.

Nytt av året var at det våren 2021 ble brukt ferdig innspilte forelesninger som ble lagt ut på BB iht. en gitt forelesningsplan. I disse videoene gjennomgås de ulike temaene og teoriene i fagene ved å bruke halvferdige forelesninger (legges ut på Blackboard på forhånd) som gås gjennom og fylles ut "live" sammen med studentene ved bruk av nettbrett. De ferdige forelesningene legges også ut på Blackboard. I tillegg ble det gitt en 2-timers "live-forelesning" hver uke, som pga. Covid 19 ble digital våren 2021. I disse ble det gitt en kort repetisjon av "highlights" fra ukas pensum/videoforelesning, samt at det ble åpnet for Q&amp;A. I tillegg ble det gjerne gjennomgått et par ekstra eksempler, gjerne i form av en tidligere eksamensoppgave. Også i disse "live-forelesningene" ble det brukt halvferdige forelesningsnotater som ble fylt ut sammen med studentene ved bruk av nettbrett.Jeg opplever at dette fungerte godt, noe også tilbakemeldinger fra studenter og referansegruppe bekrefter. I tillegg har vi ukentlige øvinger med øvingstimer (ble delvis gjennomført fysisk våren 21), samt et større obligatorisk mini-prosjekt over to uker hvor studentene kan jobbe i grupper på inntil tre personer. En viss poengsum på øvingene kreves for å få tilgang til å ta eksamen.Jeg opplevde studentenes egeninnsats og motivasjon som stort sett god, selv om det er noe vanskeligere å vite dette da en får mye dårligere kontakt med studentene ved digital undervisning. Dette gjør selvsagt også noe med læringsmiljøet.

Evaluering er 100% basert på skriftlig eksamen. Jeg mener at for dette kvantitative emnet er dette den beste evalueringsmåten (dog ikke perfekt). Eksamen våren 2021 ble en digital hjemmeeksamen. For å kunne forsvare å bruke normal karakterskala (A – F), valgte jeg å la studentene samarbeide i grupper på opptil 3 personer under eksamen, og tilpasset eksamen noe basert på dette. Dette for å hindre urettferdigheten av at enkelte av studentene "jukset" ved å samarbeide, mens andre var ærlige og jobbet alene. Tilbakemelding fra studentene viser at dette er noe de fleste satte pris på og som de oppfattetet som rettferdig.

Emnet behandler bruk av matematiske modeller til hjelp for planlegging og økonomisk styring av både privat og offentlig virksomhet med hovedvekt på problemstillinger som inneholder teknologiske aspekter. Planleggingsproblemene vil svært ofte bestå i å maksimere eller minimere en økonomisk målstørrelse under hensyn til knappe ressurser og teknologiske krav. Planleggingen gjøres ved å 1) formulere en forenklet modell for problemet, 2) utlede (beregne) en optimal løsning for modellen og 3) tolke og implementere den optimale løsningen. Dette emnet behandler både deterministiske og stokastiske problemstillinger som kan angripes ut fra følgende tema: Ulike programmeringsmodeller (lineære, ulineære, enkle heltallige og nettverksmodeller), beslutningstrær, enkel lager-, køteori og simulering. Emnet vil på enkelte tema bygge direkte på TIØ4117 Mikroøkonomi ved å optimere ulineære mikroøkonomiske problemer og ved å behandle investeringsbeslutninger med harde budsjettskranker. I tillegg behandles bruk av kommersiell regneark programvare både for optimeringsmodeller og simuleringsmodeller.

Emnets posisjon og funksjon i studiet: Emnet er obligatorisk i 3. årskurs i studieprogrammet MTIØT. Emnet bygger på den obligatoriske undervisningen i matematikk, statistikk og informasjonsteknologi, samt på emnet TIØ4117 Mikroøkonomi eller tilsvarende forkunnskaper. Emnet skal konkret bidra til å oppfylle læringsmål 2.4 i den detaljerte læringsmålsoversikten for MTIØT der et kreves bred og sunn grunnleggende kunnskap i administrative og økonomiske områder. 

Ved endt kurs skal studentene kunne: 
- definere hva som menes med operasjonsanalyse og redegjøre for hvilke faser som vanligvis inngår i studier som anvender operasjonsanalyse 
- beskrive hvilke antakelser som ligger bak lineærprogrammering (LP) 
- formulere LP-modeller på bakgrunn av verbale problembeskrivelser 
- løse LP-problem grafisk (for to variabler), ved hjelp av regneark, og for hånd ved simpleksmetoden, både algebraisk på tablå-form 
- utføre sensitivitetsanalyse ut fra optimale simpleks-tablåer, og beskrive den økonomiske informasjonen som kan trekkes ut fra denne 
- formulere heltallsprogrammeringsmodeller, og beskrive noen prinsipper som kan brukes til å lage løsningsmetoder for problemer formulert med slike modeller, samt løse dem i regneark 
- formulere modeller innenfor ikke-lineær programmering og identifisere kategorier av ikke-lineære problemer basert på egenskaper til målfunksjonen og restriksjonssettet 
- løse noen typer ikke-lineære problemer ved hjelp av Lagrangemultiplikatormetoden, bruk av KKT-betingelser eller regneark 
- indikere hvilke ekstra utfordringer som ligger i et problem der parameterne ikke er kjent med visshet - formulere og løse noen slike problemer ved hjelp av beslutningstrær 
- beregne verdien av å utføre eksperimenter som kan gi informasjon om usikre parameter og verdien av å kjenne informasjon med sikkerhet 
- formulere ulike typer nettverksmodeller og beregne løsningen av disse 
- sette opp kømodeller basert på verbale problembeskrivelser 
- utlede formler for kømodeller basert på eksponensialfordelinger 
- utlede formler for enkle kontinuerlige lagerstyringsmodeller, også under usikkerhet 
- beskrive diskret hendelsessimulering og differensiere dette fra andre typer simulering 
- implementere enkle simuleringsmodeller i regneark 
- diskutere fordeler og ulemper med de ulike modelltypene og de tilhørende beregningsmetodene for konkrete problemstillinger.



Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(12569)/FieldValuesAsText

Optimering og beslutningsstøtte for teknisk-økonomisk planlegging - TIØ4126