Interaktywne modele w nauczaniu logistyki – optymalizacja łańcucha dostaw

• Authors: Jerzy Korczak

Abstracts

PL

W artykule przedstawiono możliwości i korzyści wprowadzenia do programów e-learningowych modeli interaktywnych w zarządzaniu i organizacji łańcucha dostaw. Przedstawione modele interaktywne powstały w projekcie e-learningowego programu Master of International Logistics w Międzynarodowej Wyższej Szkole Logistyki i Transportu we Wrocławiu. Uzupełniają one podstawowe wykłady i ćwiczenia programu e-learningowego, przy czym mogą być też wykorzystane w nauczaniu tradycyjnym. Rozważania nad procesem projektowania modeli poparto dwoma przykładami. Pierwszy dotyczy optymalizacji transportu z wykorzystaniem MS Excel. W drugim przykładzie poszerzono znacznie zbiór ograniczeń i zakres danych. Wymagało to wykorzystania komercyjnej platformy Log-hub, która stworzyła okazję do zilustrowania interaktywności i umożliwiła optymalizację złożonego problemu logistycznego. W podsumowaniu zebrano doświadczenia i efekty powstałych w trakcie realizacji projektu modeli interaktywnych w logistyce.

Keywords

PL

e-learning; logistyka; modele interaktywne

• Publisher: Politechnika Częstochowska
• Journal: Zeszyty Naukowe Politechniki Częstochowskiej. Zarządzanie
• Year: 2023
• Volume: 1
• Issue: 49
• Pages: 101-113

Dates

published

2023

Contributors

author

Jerzy Korczak

• Międzynarodowa Wyższa Szkoła Logistyki i Transportu we Wrocławiu

References

• Bajracharya, S. (2018). Interactive Model of Communication, Businesstopia. https://www.businesstopia.net/communication/interactive-model-communication
• Bettinelli, A., Sahin M., & Yaman, H. (2022). A Branch and Price Algorithm for the Heterogeneous Fleet Multi-Depot Multi-Trip Vehicle Routing Problem with Time Windows. Transportation Science, 56(6), 1636-1657. DOI: 10.1287/trsc.2022.1146
• Caballe, S., Demetriadis, S., Gómez-Sánchez, E., Papadopoulos, P., & Weinberger, A. (2021). Intelligent Systems and Learning Data Analytics in Online Education. Academic Press. DOI: 10.Art-FormatPCz.docx1016/C2020-0-00040-X
• Dantzig, G. B., & Ramser, J. H. (1959). The Truck Dispatching Problem. Management Science, 6(1), 80-91.
• Drexl, M. (2012). Rich Vehicle Routing in Theory and Practice. Logistics Research, 5, 47-63. DOI: 10.1007/s12159-012-0080-2
• Elliott, S. N., Kratochwill, T. R., Cook, J., & Travers, J. (2000). Educational Psychology: Effective Teaching, Effective Learning. McGraw-Hill.
• Fletcher, R. (2000). Practical Methods of Optimization. Wiley. DOI: 10.1002/9781118723203
• Johnson, C. (1996). Unlocking the Will to Learn. Thousand Oaks.
• Kinshuk, B. (2016). Designing Adaptive and Personalized Learning Environments. Routledge. DOI: 10.4324/9781315795492
• Korczak, J., & Pawełoszek, I. (2022). Constructive Approach to Students' Error Processing in E learning. W: V. L. Uskov, R. J. Howlett, L. C. Jain (Eds.). Smart Education and e-Learning – Smart Pedagogy (s. 160-169). SEEL-22 2022. Smart Innovation, Systems and Technologies 305. Springer. DOI: 10.1007/978-981-19-3112-3_15
• Korczak, J., & Pawęska, M. (2022). Online Master in International Logistics – Methodology, Design and Implementation. W: Proceedings of the 14th International Conference on Computer Supported Education (s. 427-435). Vol. 1. SciTePress. DOI: 10.5220/0011107200003182
• Kumar, P., Saxena, C., & Baber, H. (2021). Learner-Content Interaction in E-Learning – The Moderating Role of Perceived Harm of COVID-19 in Assessing the Satisfaction of Learners. Smart Learning Environments, 8(5). DOI: 10.1186/s40561-021-00149-8
• Milkrun Optimization Plus Case Study. (2022). LogHub. https://log-hub.lpages.co/case-study-milkrun-opt-plus/ (dostęp: 10.11.2022).
• Pessoa, A., Sadykov, R., Uchoa, E., & Vanderbeck, F. (2020). A Generic Exact Solver for Vehicle Routing and Related Problems. Mathematical Programming, 183, 483-523, DOI: 10.1007/s10107-020-01523-z
• Plass, J. L., Schwartz, R. N., & Heidig, S. (2012). Interactivity in Multimedia Learning. W: N. M. Seel (Ed.), Encyclopedia of the Sciences of Learning (s. 1615-1617). Springer. DOI: 10.1007/springerreference_226178
• Pulak, I. (2016). The Level of Individualization as One of the Quality Dimensions of E-Learning. W: E. Smyrnowa-Trybulska (Ed.), E-learning. Vol. 8. E-learning Methodology – Implementation and Evaluation (s. 287-296). University of Silesia in Katowice.
• Shute, V. J., Rahimi, S., & Lu, X. (2019). Supporting Learning in Educational Games: Promises and Challenges. W: P. Diaz, A. Ioannou, K. K. Bhagat, & J. M. Spector (Eds.), Learning in a Digital World: Perspective on Interactive Technologies for Formal and Informal Education (s. 59-81). Springer. DOI: 10.1007/978-981-13-8265-9_4
• Slavuj, V., Kovacic, B., & Jugo, I. (2013). Assessing User Satisfaction with a System for e-Learning Based on Dialogue. W: J. Boustany (Ed.), La médiation numérique: renouvellement et diversification des pratiques. Actes du Colloque Document Numérique et Société (s. 221-235). De Boeck Supérieur. DOI: 10.3917/dbu.chron.2013.01.0221
• Tavangarian, D., Leypold, M. E., Nölting, K., Röser, M., & Voigt, D. (2004). Is e-Learning the Solution for Individual Learning?. Electronic Journal of E-Learning, 2(2), 273-280.
• Toth, P., & Vigo, D. (2002). An Overview of Vehicle Routing Problems. W: P. Toth, & D. Vigo (Eds.), The Vehicle Routing Problem. SIAM Monographs on Discrete Mathematics and Applications (s. 1-26). SIAM Publishing. DOI: 10.1137/1.9780898718515.ch1
• Yalaoui, A., Chehade, H., Yalaoui, F., & Amodeo, L. (2012). Optimization of Logistics. Wiley. DOI: 10.1002/9781118569597

Identifiers

DOI

10.17512/znpcz.2023.1.08

Biblioteka Nauki

40621639