Lahore University of Management Sciences 

 
DISC 212 – Introduction to Management Science 
Fall Semester 2016 
Instructor  Raza Ali Rafique/Mohsin Nasir Jutt
Room No.  TBA 
Office Hours  TBA 
Email  raza.ali@lums.edu.pk ; mohsin.nasir@lums.edu.pk
Telephone  TBA 
TAs & Office Hours  TBA 
Course URL (if any)  suraj.lums.edu.pk/~ro/
 
COURSE BASICS 
Credit Hours  3 
Lecture(s)/Lab(s)  Nbr of Lec(s) Per Week 2 Duration 75 
Tutorial (per week)  Nbr of Lec(s) Per Week TBA Duration  
 
COURSE DISTRIBUTION  
Core   Yes  
Elective     
Open for Student Category   SDSB (Sophomores & Juniors), Open for All in phase II
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, discriminant analysis, queuing theory and 
applications, Monte Carlo simulations, decision making under uncertainty, decision trees and multi‐criteria decision‐making. 
 
 
COURSE PREREQUISITE(S) 
MATH 100  Pre‐Calculus OR 
MATH 101  Calculus I 
 
 
COURSE OBJECTIVE(S) 
  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, prescriptive and predictive 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 
COURSE LEARNING OUTCOMES 
  Upon successful completion of the course, students should be to
1.  Discuss  basic  modeling  techniques  across  prescriptive,  descriptive  and  predictive  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  modeling  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.  Setup  and  solve  single‐  and  multi‐criteria  problems  using  basic  decision  analysis  techniques  such  as  influence 
  diagrams, payoff matrices and decision trees 
7.  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  
 
 
 
 
 
 
 
 Lahore University of Management Sciences 
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  learn and demonstrate these skills  Quizzes, Mid‐Term and Final 
throughout the course CLO 7 
Goal 2 –Ethical Understanding and   
Reasoning 
Goal 3 – Analytical Thinking and Problem  Students get a number of opportunities to  Quizzes, Mid‐Term and Final Exam
Solving Skills  learn and demonstrate these skills 
throughout the course CLO 2‐6 
Goal 4 – Application of Information  Students will learn to design and  Quizzes, Mid‐Term and Final Exam
Technology  implement decision‐support tools 
primarily in Excel CLO 2 
Goal 5 – Teamwork in Diverse and   
Multicultural Environments 
Goal 6 – Understanding Organizational   
Ecosystems 
Goal 7 (a) – Discipline Specific Knowledge   
and Understanding (Subject Knowledge) 
Goal 7 (b) – Understanding the “science”  Students get a number of opportunities to  Quizzes, Mid‐Term and Final Exam
behind the decision‐making process  learn and demonstrate these skills 
throughout the course CLO 1‐6 
 
GRADING BREAKUP AND POLICIES 
 
Quiz(s): 20% 
Quizzes will be given in class/lab. Make‐up quizzes will not be given. The nature and level of difficulty of quizzes across the 
various sections may vary. In view of the class performance, the instructor may decide to give additional (surprise) quizzes. 
The N‐1 policy will apply. 
Mid‐Term: 30% 
Mid‐term exam may be given in the lab or in class. The date has been indicated in the schedule. Make‐up exam will not be 
given.  
Final Examination: 30% 
Final exam will also be given in lab or in class during regular exam week 
Project: 15% 
               The  group  project  will  have  to  be  drawn  from  a  real  life  situation.  A  1‐2  page  project  proposal  must  be  submitted  by 
September  30th  2015.      Excel files  and  accompanying  analysis  must  be  emailed  by  Friday,  November  30th,  2015  (11:55pm). 
Presentations will be scheduled on the ensuing Weekend. Grade on the project will be awarded on the basis of your presentation 
and accompanying analysis. 
 
Attendance: 5% 
Attendance will be taken in every class and you are strongly encouraged to attend all classes. Past performance of students 
in the course has shown that students with low attendance received a poor grade in the course.  
Class/Lab: 
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. While the class/lab is in session, please turn your mobile devices off. Lab sessions will be conducted 
as and when deemed necessary by the instructor. Please do not use the lab time to browse the web or check emails etc.  
 
 
 Lahore University of Management Sciences 
COURSE SCHEDULE * 
RECOMMENDED 
DATE  LECTURE  TOPICS  SESSION OBJECTIVES 
READINGS 
Introduce  students  to  the  area  of  management 
  1  Course Introduction  Syllabus 
science and the MGS major. (CLO 1) 
Familiarize  students  with  different  categories  of 
modeling  techniques  and  highlight  respective 
  2  Introduction to Modeling  Chapter 1  applications,  strengths  and  weaknesses.  Introduce 
the idea of Good Decisions vs. Good Outcomes (CLO 
1) 
Introduce  students  to  the  concept  and  essential 
Introduction to Optimization &  characteristics  of  mathematical  optimization  and 
  3  Chapter 2 
Linear Programming (LP)  illustrate  the  application  of  Linear  Programming  as 
an example (CLO 3) 
Solving Linear Programming  Introduce the  basic  framework  for  designing  and 
  4  Chapter 2 
problems  solving a 2‐variable LP (CLO 2, 3) 
Modeling and Solving LPs in a 
Introduce  the  use  of  spreadsheets  to  setup  and 
  5  spreadsheet  Chapter 3 
solve a multi‐variable LP (CLO 2, 3) 
 
Modeling and Solving LPs in a  Introduce  the  use  of  LP  in  solving  a  range  of 
  6  Chapter 3 
spreadsheet  different  problems  including:  make  vs.  buy 
decisions,  investment  problems,  transportation 
Modeling and Solving LPs in a  problems,  blending  problems,  production  and 
  7  Chapter 3 
spreadsheet  inventory planning and multi‐period cash flow (CLO 
2, 3, 7) 
Provide  students  with  a  basic  understanding  of  the 
  8  Sensitivity Analysis  Chapter 4  purpose  and  application  of  sensitivity  analysis  (CLO 
2, 3) 
Discuss the  benefits  and  limitations  of  sensitivity 
  9  Sensitivity Analysis  Chapter 4 
analysis (CLO 2, 3, 7) 
                                                                         DROP ONLY DEADLINE Friday, 27th February 2015
Provide  a  glimpse  into  the  mechanics  of  the  LP 
  10  The Simplex Method  Chapter 4 
solution discovery process (CLO 2, 3) 

Introduction to Network  Introduce  the  concept  of  analyzing  a  class  of 

  11  Chapter 5 
Modeling  business problems as network models (CLO 2, 3) 
Introduction to Network  Introduce the use of network modeling in solving a 
  12  Chapter 5 
Modeling  range  of  problems  including,  transshipment, 
Introduction to Network  equipment  replacement,  transportation  and 
  13  Chapter 5 
Modeling  generalized network flow problems (CLO 2, 3, 7) 
  14  MID‐TERM 
  15  Regression Analysis  Chapter 9 Introduce the basics of predictive models (CLO 2, 4)
23‐29 March, 2015: Mid Semester Break
Discuss  the  application  of  linear  regression  models 
and discuss the interpretation of key numbers such 
Regression Analysis  as  R‐square,  betas  and  the  concept  of  statistical 
  16  Chapter 9 
Discriminant Analysis  significance (CLO 2, 4) 
 
 
 Lahore University of Management Sciences 
  17  Discriminant Analysis  Chapter 10 Introduce the application of discriminant analysis for 
a  range  of  business  problems  and  discuss  the 
  18  Discriminant Analysis  Chapter 10 
interpretation of discriminant scores (CLO 2, 4, 7) 
Introduce  the  basic  elements  of  a  queuing  model 
Introduction to Queuing 
  19  Chapter 13  including  servers,  customers,  queue  lengths  etc. 
Theory 
(CLO 2, 5) 
Introduction to Queuing 
  20  Chapter 13 
Theory  Introduce  the  application  of  basic  queuing  models 
Introduction to Queuing  (CLO 2, 5, 7) 
  21  Chapter 13 
Theory 
Introduce  the  basic  concepts  of  simulation  such  as 
  22  Introduction to Simulation  Chapter 12 
random variables, risk, sampling etc. (CLO 2, 5) 
  23  Introduction to Simulation  Chapter 12 Demonstrate  the  application  of  simulation    (CLO  2, 
  24  Introduction to Simulation  Chapter 12 5, 7)  
Introduce  decision  analysis  techniques  and  revisit 
  25  Decision Analysis  Chapter 15  the idea of Good Decisions vs. Good Outcomes (CLO 
2, 6) 
Discuss  the  application  of  basic  probabilistic  and 
  26  Decision Analysis  Chapter 15  non‐probabilistic  decision  analysis  techniques  (CLO 
2, 6) 
Discuss  the  application  of  basic  probabilistic  and 
  27  Decision Analysis  Chapter 15  non‐probabilistic  decision  analysis  techniques  (CLO 
2, 6, 7) 
  28  Review 
Final Exam 
   
Chapters 9, 10, 12, 13 and 15 
* Please note that the instructor reserves the right to modify the schedule during the semester 
 
TEXTBOOK(S)/SUPPLEMENTARY READINGS 
Spreadsheet Modeling & Decision Analysis by Cliff T. Ragsdale, 5th edition
Any supplemental material and/or handouts will be made available via Zambeel