Oradores plenários/Plenary speakers Oradores plenários/Plenary speakers

 

 

Alexandre Dolgui


 

Bernardo Almada-Lobo

António Murta


 

 

Alexandre Dolgui
 

Dr. Alexandre Dolgui is a Distinguished Professor (Full Professor of Exceptional Class in France) and the Head of Automation, Production and Computer Sciences Department at the IMT Atlantique (formerly Ecole des Mines de Nantes), France. His research focuses on manufacturing line design, production planning and supply chain optimization. His main results are based on the exact mathematical programming methods and their intelligent coupling with heuristics and metaheuristics algorithms. He is the co-author of 5 books, the co-editor of 16 books or conference proceedings, the author of more than 200 refereed journal papers, 25 editorials and 28 book chapters as well as over 400 papers in conference proceedings. He is the Editor-in-Chief of the International Journal of Production Research, an Area Editor of Computers & Industrial Engineering, and an Associate Editor of Journal Européen des Systèmes Automatisés, as well as member of the Editorial Boards for 25 other journals. He was General Scientific Chair of the 12th IFAC symposium INCOM'06, Chairman of International Program Committee of more than 10 international conferences and Chairman of Steering committee of MIM'16, and Member of Program Committees of over 200 International Conferences. He has been responsible of the French national CNRS working group on Design of Production Systems and the regional project on Design and Management of Reconfigurable Manufacturing Systems.

 

Combinatorial Design of Paced Production Lines in Machining Environment

A complex machine or machining line consists of a sequence of work positions through which products move one way in order to be processed. Designing such a production system represents a long-term decision problem involving different crucial decision stages. Combinatorial design is one of them; it mostly deals with assigning the set of indivisible units of work (named tasks or operations) to work positions (or stations). In literature, the most attention was paid for combinatorial design of assembly lines (assembly line balancing problems). In our work, we develop approaches and formulations of combinatorial design for machining lines and complex machines.

In this talk, a brief survey of our results on combinatorial design of complex machines and machining lines is presented. This deals not only with assigning tasks to a sequence of linearly ordered workstations, but necessitate also to solve jointly some other decision problems, such as process planning, equipment selection, configuration design or task sequencing. Making simultaneously different decisions can reach better final line performance and effectiveness. Advanced operational research techniques are used, a decision aid software is developed and applied in the automotive industry.

 


 

 

Bernardo Almada-Lobo

Professor Associado com Agregação no Departamento de Engenharia e Gestão Industrial da Faculdade de Engenharia da Universidade do Porto. Membro do Conselho de Administração do INESC-TEC Tecnologia e Ciência. Co-fundador da LTPlabs (spin-off do INESC-TEC). Curador da Fundação Belmiro de Azevedo.
Certified Analytics Professional pelo The Institute for Operations Research and the Management Sciences. A sua área de atividade é Business Analytics e Management Science. Investiga, desenvolve e implementa modelos e métodos analíticos para auxiliar a tomada de decisão, resolvendo problemas de gestão em vários domínios (indústria, retalho, saúde, e transportes), com um enfoque especial em Gestão de Operações.

 

Boosting the Practice of Prescriptive Analytics

Most organizations already use effectively descriptive analytics to understand past events. Fewer attempts are observed in the domain of predictive analytics to anticipate scenarios and estimate, and only a minority of the firms leverages intelligent recommendations based on prescriptive analytics.

The necessary change of the mindset of companies regarding the use of optimization models and business decision support systems, requires more than just appropriate technology, people and processes. It demands a proper change management.

In this talk, we make use of a few successful and unsuccessful business analytics projects, as well as recent developments in prescriptive analytics, to draw some guidelines and best practices to address this challenge.

 


 

 

António Murta

António Murta é Managing Partner, Co-Fundador e CEO da Pathena. António Murta é, adicionalmente, Membro Não Executivo do Conselho de Administração de duas empresas participadas pela Pathena e Assessor do Conselho de Administração de várias empresas.
António Murta é licenciado em Engenharia de Sistemas pela Universidade do Minho, detém um MBA pela Porto Business School (Universidade do Porto) e um AMP pelo INSEAD (França). Possui ainda Pós-Graduações da ISEE / Universidade de Navarra (Espanha), do MIT (Sloan School of Management US) e da Singularity University (US) – Exponential Medicine.
De 1991 a 1997, foi CIO da Sonae Distribuição, o maior retalhista português na altura. Co-fundou e foi CEO da Enabler a partir de 1998, empresa integradora de sistemas de informação focada em retalho. A Enabler foi adquirida pela Wipro em 2006 e, desde então, até o final de 2009, foi VP de serviços de Retail da Wipro.
Foi também Sócio Fundador e Business Angel de várias empresas de TI e MedTech. É Co-Presidente do Comité de Angariação de Fundos da Universidade do Minho, Membro do Conselho Consultivo da Escola Superior de Enfermagem da Universidade do Minho, Membro do Advisory Board do INL, Membro do Advisory Board do INESC Porto, Membro do Conselho Consultivo do Programa Corporativo Grow do Grupo Mello, Membro da Comissão de Avaliação do Curso de Medicina da Escola de Medicina da UM e Membro do Conselho Estratégico da VdA, Vieira de Almeida Sociedade de Advogados. É também orador sobre temas da Inovação de base Científico-Tecnológica e de Transferência de Tecnologia.

 

Da IO à IA - Passando por Machine Learning

No princípio eram as Operações, e daí a Investigação Operacional. Programas processavam Dados e geravam Informação. De Optimização e de Heurísticas se tratava – sempre sob a Ameaça Combinatorial de largos espaços de procura. A IO teve muitos filhos – Programação Inteira, Constraint-based-Programming, etc.

Depois veio a Inteligência Artificial – com as abordagens de representação do Conhecimento (potencialmente incompleto e incerto). Esta (IA) cresceu e expandiu-se por muitas verticais.

Uma veio a ganhar grande preponderância e impacto: a área de Machine Learning. A sua conjugação com a Internet das Coisas e com espaços de Big Data veio tornar possíveis abordagens totalmente novas e com resultados extraordinários. Programas usavam muitos dados para treinar / melhorar e geravam Programas (Inteligentes).

É deste caminho, da IO à IA, que a apresentação dará conta.