Lahore University of Management Sciences 

 
DISC 212 – Introduction to Management Science  
Fall Semester 2016 
Instructor  Raza Ali Rafique/ Mohsin Nasir Jutt
Room No.  319 
Office Hours  TBA 
Email  Raza.ali@lums.edu.pk; mohsin.nasir@lums.edu.pk
Telephone  8476
Secretary/TA   Bushra Kanwal, Ext 5311
TA Office Hours  TBA 
Course URL (if any)  http://suraj.lums.edu.pk/~ro/
 
COURSE BASICS 
Credit Hours  3 
Lecture(s)  No. of Lec(s) Per Week Lecture(s) No. of Lec(s) Per Week  Lecture(s)
Recitation/Lab (per week)  No. of Lec(s) Per Week Recitation/Lab (per week) No. of Lec(s) Per Week  Recitation/Lab (per 
week) 
Tutorial (per week)  No. of Lec(s) Per Week Tutorial (per week) No. of Lec(s) Per Week  Tutorial (per week)
 
COURSE DISTRIBUTION 
Core  Core 
Elective   
Open for Student Category   
Close for Student Category   
 
COURSE DESCRIPTION 
 
This  is  a  core  course  for  undergraduate  business  students.  It  is  designed  to  provide  students  with  a  sound  conceptual 
understanding of the role that management science plays in the decision making process. It is an important introductory course in 
developing  decision  models  and  understanding  their  application  to  management  problems.  The  emphasis  is  on  models  and 
techniques  that  are  widely  used  in  all  industries  and  functional  areas,  including  operations,  finance,  accounting,  and  marketing. 
Specific topics covered in this course include: techniques such as linear programming, integer programming, queuing theory and 
applications and basic understanding of simulation. 
 
 
COURSE PREREQUISITE(S) 
   
    Calculus I (Math 101) 
 
 
COURSE LEARNING OBJECTIVES (CLO) 
The course has three primary objectives 
1.  Introduce students to the concept of model‐driven decision‐making in business 
2.  Introduce key techniques in three broad categories of decision models typically discussed in the area of 
  management science: descriptive, and prescriptive models 
3.  Develop student’s ability to critically analyze a business problem, design and apply appropriate decision‐support 
  tools and interpret the results generated from the tools  

 
 Lahore University of Management Sciences 
LEARNING OUTCOMES (LO) 
  Upon successful completion of the course, students should be able to 
1.  Discuss basic modeling techniques across prescriptive and descriptive decision‐models in the area of management 
  science 
2.  Implement these techniques as part of a spreadsheet‐based decision‐support tool  
3.  Setup and solve a range of optimization problems (in different areas of application) by correctly recognizing 
  constraints, decision variables and objective(s)  
4.  Setup and solve basic predictive models by correctly identifying the appropriate technique, understanding its 
  underlying assumptions and interpreting the results  
5.  Setup and solve descriptive modelling techniques including simulation and basic queuing models by correctly 
  describing the defining features of the queuing system, including server(s), customer(s), length of the queue, arrival 
  rate(s) and service rate(s)  
6.  Effectively communicate their problem‐solving approach, selected tool(s), results, limitations and implications to 
   support the decision maker. 
UNDERGRADUATE PROGRAM LEARNING GOALS & OBJECTIVES  
   General Learning Goals & Objectives 
   Goal 1 –Effective Written and Oral Communication 
   Objective: Students will demonstrate effective writing and oral communication skills 
Goal 2 –Ethical Understanding and Reasoning 
   Objective: Students will demonstrate that they are able to identify and address ethical issues in an organizational 
context.  
Goal 3 – Analytical Thinking and Problem Solving Skills  
   Objective: Students will demonstrate that they are able to identify key problems and generate viable solutions.  
Goal 4 – Application of Information Technology 
   Objective: Students will demonstrate that they are able to use current technologies in business and management 
context.  
Goal 5 – Teamwork in Diverse and Multicultural Environments 
   Objective: Students will demonstrate that they are able to work effectively in diverse environments.  
Goal 6 – Understanding Organizational Ecosystems 
   Objective: Students will demonstrate that they have an understanding of Economic, Political, Regulatory, Legal, 
Technological, and Social environment of organizations.  
 
Major Specific Learning Goals & Objectives 
Goal 7 (a) – Discipline Specific Knowledge and Understanding  
   Objective: Students will demonstrate knowledge of key business disciplines and how they interact including 
application to real world situations (Including subject knowledge). 
Goal 7 (b) – Understanding the “science” behind the decision‐making process (for MGS Majors) 
    Objective: Students will demonstrate ability to analyze a business problem, design and apply appropriate 
decision‐support tools, interpret results and make meaningful recommendations to support the decision‐maker  
 
 
 
Indicate below how the course learning objectives specifically relate to any program learning goals and objectives.  
 
PROGRAM LEARNING GOALS AND  COURSE LEARNING OBJECTIVES  COURSE ASSESSMENT ITEM 
OBJECTIVES 
Goal 1 –Effective Written and Oral  Students get a number of opportunities to  Only written skills can be assessed in 
Communication  demonstrate their ability to communicate  Quizzes, Mid‐Term and Final  
effectively (CLO # 7)   
Goal 2 –Ethical Understanding and  Students demonstrate an honest  Project 
Reasoning  reporting and use of data (CLO #5) 
 Lahore University of Management Sciences 
Goal 3 – Analytical Thinking and Problem  This is an important objective of the  Quizzes, Project and Exams
Solving Skills  course (CLO # 2‐6) 
Goal 4 – Application of Information  Students will learn to design and  Project 
Technology  implement decision‐support tools 
primarily in Excel/LINGO/GUROBI. (CLO 2)  
Goal 5 – Teamwork in Diverse and  Students work in groups on the project  Project 
Multicultural Environments 
Goal 6 – Understanding Organizational  NA  NA
Ecosystems 
Goal 7 (a) – Discipline Specific Knowledge  Comprehensive coverage of topics in  Quizzes, Project and Exams
and Understanding   elementary management science (CLO # 
1‐5 & LO # 1‐9) 
Goal 7 (b) – Understanding the “science”  Students apply appropriate methods to  Quizzes, Project and Exams
behind the decision‐making process  answer data based decision problems 
(CLO # 1‐5) 
 
GRADING BREAKUP AND POLICY 
 
Quizzes (unannounced):                                       10%   (No make‐up quiz) 
Project:                                                                     15%   (To be completed in groups – number of students in a group: TBA) 
Midterm Examination:                                           30% 
Final Examination:                                                  30% 
Attendance/CP:                                                      15% 
**Note: Attendance will be taken in every class and you are strongly encouraged to attend all classes. Please make sure you arrive 
ahead of time. The lecture/lab will start at the appointed time. Please do not enter the class/lab if you are late. Your attendance 
will not be marked if you are late in the class. While the class/lab is in session, please turn your mobile devices off. Please do not 
use the lab time to browse the web or check emails etc. CP will be marked based on your attendance and class work submission 
(codes/excel files/short questions etc.).  
 
 
EXAMINATION DETAIL 
Yes/No:                               Yes 
Combine/Separate:          Combine 
Midterm  Duration:                            100 minutes 
Exam  Preferred Date:                 TBD 
Exam Specifications:        Closed book, closed notes, calculators allowed 
 
Yes/No:                              Yes 
Combine/Separate:         Combine 
Final Exam  Duration:                           100 minutes 
Exam Specifications:       Closed book, closed notes, calculators allowed 
 
      
COURSE OVERVIEW 
RECOMMENDED 
 LECTURE  TOPICS  OBJECTIVES 
READINGS 
Introduction  Syllabus Course introduction 
Introduce students to the area of 
1 
management science and the MGS 
major. (CLO 1)  
 Lahore University of Management Sciences 
Introduction to Modeling   Chapter 1 Familiarize  students  with  different 
2 
             categories  of  modeling  techniques  and 
 
highlight  respective  applications, 
 
strengths and weaknesses. Introduce the 
 
idea  of  Good  Decisions  vs.  Good 
 
Outcomes (CLO 1)  
Introduction to Optimization & Linear  Chapter 2 Introduce students to the concept and 
Programming (LP)   essential characteristics of mathematical 
3    optimization and illustrate the 
application of Linear Programming as an 
example (CLO 3)  
Solving Linear Programming problems  Chapter 2 Introduce the basic framework for 
4    designing and solving a 2‐variable LP 
(CLO 2, 3)  
    Introduce the use of spreadsheets to 
      setup and solve a multi‐variable LP (CLO 
      2, 3)  
      Use of LINGO/Gurobi Software 
5‐7  Modeling and Solving LPs in a spreadsheet   Chapter 3   
      Introduce the use of LP in solving a range 
  of different problems including: make vs. 
  buy decisions, investment problems and 
  transportation problems, blending 
  problems, production and inventory 
  planning and multi‐period cash flow (CLO 
  2, 3, 7)  
 
  Provide students with a basic 
8‐9  Sensitivity Analysis   Chapter 4  understanding of the purpose and 
      application of sensitivity analysis (CLO 2, 
    3)  
     
    Discuss the benefits and limitations of 
    sensitivity analysis (CLO 2, 3, 7)  
 
Simplex Method  Chapter 4 Provide a glimpse into the mechanics of 
10    the LP solution discovery process (CLO 2, 
3)  
Introduction to Network Modeling   Chapter 5 Introduce the concept of analyzing a 
  class of business problems as network 
models (CLO 2, 3)  
 
Introduce the use of network modeling in 
11 ‐ 13 
solving a range of problems including, 
transshipment, equipment replacement, 
transportation and generalized network 
flow  
(CLO 2, 3, 7) 
MID‐TERM 
14 
 
 Lahore University of Management Sciences 
  Introduce the use of ILP in solving a 
    range of different problems including: 
    make vs. buy decisions, investment 
15 ‐ 16  Integer Linear Programming (ILP)  Chapter 6  problems and transportation problems, 
blending problems, production and 
inventory planning and multi‐period cash 
flow (CLO 2, 3, 7)  
  Introduce the basic elements of a 
Introduction to Queuing Theory   Chapter 13  queuing model including servers, 
17‐18 
    customers, queue lengths etc. (CLO 2, 5)  
 
  Introduce the basic concepts of 
    simulation such as random variables, risk, 
    sampling etc. (CLO 2, 5)  
Introduction to Simulation   Chapter 12   
19‐21 
    Demonstrate the application of 
 
  simulation (CLO 2, 5,7) 
 
 
 
 
 
   
22‐23  Case Studies/Practical Problems (IP/ILP) 
Chapter 09 Demonstrate the application of linear 
  regression models and discuss the 
interpretation of key numbers such as R‐
24‐25  Regression Analysis 
square, betas and the concept of 
statistical significance  
 
Chapter 15 Introduce decision analysis techniques 
and revisit the idea of Good Decisions vs. 
25‐26  Decision Analysis 
Good Outcomes  
 
27‐28  Project Presentations/Review 
 
TEXTBOOK(S)/SUPPLEMENTARY READINGS 
Required Texts: 
 Spreadsheet Modeling & Decision Analysis: A Practical Introduction to Management Science 5th Edition by Cliff Ragsdale  
 
Supplementary:  
 Operations Research: Applications and Algorithms 4th Edition by Wayne L. Winston  
 
Software Resources  
 LINGO ‐ Optimization Modeling Software for Linear, Nonlinear, and Integer Programming 
 Gurobi Optimization 
 Python (https://www.python.org/)