IN173 Investigacion de Operaciones 2 201901
IN173 Investigacion de Operaciones 2 201901
IN173 Investigacion de Operaciones 2 201901
INFORMACIÓN GENERAL
Misión: Formar líderes íntegros e innovadores con visión global para que transformen el Perú.
Visión: Ser líder en la educación superior por su excelencia académica y su capacidad de innovación.
III. INTRODUCCIÓN
Descripción:
El curso de Investigación de operaciones 2 le brinda al estudiante técnicas de optimización matemática distintas
a la programación lineal, como soporte a la toma de decisiones en el área de operaciones de una empresa.
Propósito:
El curso busca que los estudiantes sean capaces de resolver problemas de optimización matemática no lineal y
problemas en los cuales está presente la incertidumbre, lineal a través de la elaboración y solución
computacional de un modelo matemático para tomar la mejor decisión en el Área de Operaciones de una
empresa. Asimismo, se busca contribuir al desarrollo de la competencia general de Pensamiento innovador y la
competencia específica de ABET (E):Identifica, formula y resuelve problemas de ingeniería, ambas a nivel 2.
Tiene como requisito el curso de investigación de operaciones 1 (IN172)
Al finalizar el curso, el estudiante formula decisiones estratégicas óptimas en entornos bajo riesgo, tomando
decisiones tácticas óptimas en entornos bajo incertidumbre; dentro del área de operaciones de cualquier
organización.
Competencias:
Pensamiento innovador, Nivel de logro: 2, Definición: Capacidad para detectar necesidades y oportunidades
para generar proyectos o propuestas innovadoras, viables y rentables. Planifica y toma decisiones eficientes
orientadas al objetivo del proyecto.
1
(E)Identifica, formula y resuelve problemas de ingeniería, Nivel de logro: 2, Definición: Identifica, formula y
resuelve problemas de ingeniería, considera las variables dependientes e independientes relacionadas, los
antecedentes, el marco teórico sobre técnicas y metodologías adecuadas.
V. UNIDADES DE APRENDIZAJE
LOGRO
Competencia: Pensamiento innovador (General), (E)Identifica, formula y resuelve problemas de ingeniería.
Logro de la unidad : Al finalizar la unidad, el estudiante resuelve problemas de optimización no lineal a través de la
elaboración y solución computacional de un modelo matemático compacto válido de programación no lineal, para
tomar la mejor decisión en las operaciones de una empresa industrial o de servicios.
TEMARIO
Semana 1: Conceptos básicos, modelamiento compacto de modelos de programación no lineal convexa: Modelos de
producción y transporte
Semana 2: Modelamiento compacto de modelos de programación no lineal convexa: Modelos de mezcla e inventarios,
solución en LINGO compacto y evaluación del tipo de solución óptima.
Actividad de aprendizaje: Desarrollo de casos en laboratorio de cómputo con participación activa de los estudiantes
Solución Colectiva de problemas
Diálogo e interacción entre pares y docente.
Bibliografía:
Winston, W. (2005). Investigación de operaciones: Aplicaciones y algoritmos (4a ed.). México, D.F.: Thomson,
Capítulo 11.
Hillier, Lieberman, & Lieberman, Gerald J. (2010). Introducción a la investigación de operaciones (9a ed.). México,
D.F.: McGraw-Hill., (658.4034 HILL 2010) Capítulo 12.
HORA(S) / SEMANA(S)
Semanas 1,2,3
LOGRO
Competencia(s): Pensamiento innovador (General), (E)Identifica, formula y resuelve problemas de ingeniería.
Logro de la unidad : Al finalizar la unidad el estudiante imita el comportamiento de variables aleatorias presentes en
diversas situaciones, empleando una hoja de cálculo y software especializado, en pos de un análisis e interpretación del
efeccto de las mismas.
2
TEMARIO
Semana 4: Conceptos básicos, proceso de diseño de modelos aplicando el Método de Montecarlo: identificación de
datos de entrada determinísticos y aleatorios (inputs), identificación de resultados (outputs), modelamiento en hoja de
cálculo,
análisis estadístico e interpretación administrativa.
Semana 5: Diseño de modelos aplicando el Método de Montecarlo que involucra demanda de bienes.
Semana 6: Diseño de modelos aplicando el Método de Montecarlo que puede involucrar o no demanda de bienes, datos
aleatorios correlacionados
Actividad de aprendizaje: Desarrollo de casos en laboratorio de cómputo con participación activa de los estudiantes
Solución Colectiva de problemas
Diálogo e interacción entre pares y docente.
Bibliografía:
Render, Stair, Hanna, González Osuna, Stair, Ralph M, & Hanna, Michael E. (2012). Métodos cuantitativos para los
negocios (11a ed.). México, D.F. (658.4033 REND 2012): Pearson Educación, Capítulo 14
Hillier, Lieberman, & Lieberman, Gerald J. (2010). Introducción a la investigación de operaciones (9a ed.). México,
D.F.: McGraw-Hill. (658.4034 HILL 2010). Capitulo 20
Winston, W. (2005). Investigación de operaciones: Aplicaciones y algoritmos (4a ed.). México, D.F.: Thomson.
(658.4034 WINS/I 2005), Capítulo 21.
HORA(S) / SEMANA(S)
Semanas 4, 5, 6, 7
LOGRO
Competencia(s): Pensamiento innovador (General), (E)Identifica, formula y resuelve problemas de ingeniería.
Logro de la unidad : Al finalizar la unidad El estudiante resuelve problemas de optimización a través de la elaboración
y solución computacional de un modelo matemático válido de programación dinámica, para tomar la mejor decisión en
las operaciones de una empresa industrial o de servicios
TEMARIO
Semana 9: Programación Dinámica: Conceptos básicos. ventajas y desventajas.
Solución manual de Problemas de alforja y carga de bultos.
Semana 10: Programación Dinámica: Modelo estructurado de programación dinámica: alforja y carga de bultos
Semana 11: Modelo estructurado de programación dinámica: carga de bultos con costos fijos y problemas de
asignación
3
Actividad de aprendizaje: Desarrollo de casos en laboratorio de cómputo con participación activa de los estudiantes
Solución Colectiva de problemas
Diálogo e interacción entre pares y docente.
Bibliografía:
Winston, W. (2005). Investigación de operaciones: Aplicaciones y algoritmos (4a ed.). México, D.F.: Thomson.
(658.4034 WINS/I 2005), Capítulo 18
HORA(S) / SEMANA(S)
Semanas 9, 10, 11 y 12
LOGRO
Competencia(s): Pensamiento innovador (General), (E)Identifica, formula y resuelve problemas de ingeniería.
Logro de la unidad : Al finalizar la unidad, el estudiante evalúa cuál debe ser la mejor decisión en un escenario bajo
incertidumbre o bajo riesgo, a través de la elaboración y solución de un modelo válido de análisis de decisiones, para su
aplicación en procesos de toma de decisiones a nivel estratégico en una empresa industrial o de servicios.
TEMARIO
Semana 13: Análisis de decisiones bajo incertidumbre: Criterios MAXIMIN, MAXIMAX, MINIMAX, análisis de
decisiones bajo riesgo: Valor Esperado, Árbol de decisiones con experimentación previa.
Semana 14: Aplicación del Teorema de Bayes en árboles de decisión con experimentación previa.
Actividad de aprendizaje: Desarrollo de casos en laboratorio de cómputo con participación activa de los estudiantes.
Solución Colectiva de problemas
Diálogo e interacción entre pares y docente.
Bibliografía:
Render, Stair, Hanna, González Osuna, Stair, Ralph M, & Hanna, Michael E. (2012). Métodos cuantitativos para los
negocios (11a ed.). México, D.F.: Pearson Educación. (658.4033 REND 2012), Capitulo 3
Hillier, Lieberman, & Lieberman, Gerald J. (2010). Introducción a la investigación de operaciones (9a ed.). México,
D.F.: McGraw-Hill. (658.4034 HILL 2010), Capítulo 15
Winston, W. (2005). Investigación de operaciones: Aplicaciones y algoritmos (4a ed.). México, D.F.: Thomson.
(658.4034 WINS/I 2005), Decisiones Capítulo 13
HORA(S) / SEMANA(S)
Semana 13,14 y 15
4
VI. METODOLOGÍA
El Modelo Educativo de la UPC asegura una formación integral, que tiene como pilar el desarrollo de
competencias, las que se promueven a través de un proceso de enseñanza-aprendizaje donde el estudiante
cumple un rol activo en su aprendizaje, construyéndolo a partir de la reflexión crítica, análisis, discusión,
evaluación, exposición e interacción con sus pares, y conectándolo con sus experiencias y conocimientos
previos. Por ello, cada sesión está diseñada para ofrecer al estudiante diversas maneras de apropiarse y poner en
práctica el nuevo conocimiento en contextos reales o simulados, reconociendo la importancia que esto tiene
para su éxito profesional.
Para que el estudiante alcance el logro de cada unidad y, en consecuencia, el logro final del curso se llevará a
cabo exposiciones teóricas por parte del profesor, discusión y solución de casos prácticos; para lo cual se
realizarán las siguientes actividades:
Exploración de saberes previos, elaboración de conflictos cognitivos, anuncio del tema con elementos
motivadores. Discusión y solución de casos de manera colaborativa; mediante el diálogo e interacción entre los
estudiantes y el docente asimismo a través de la Solución Colectiva de problemas.
Para ello, las sesiones de clase se llevarán a cabo en laboratorios de cómputo, empleando software
especializado, diapositivas, separata de casos.
Se recomienda que el estudiante pueda utilizar al menos 3 horas a la semana fuera de clase para desarrollar
algunas tareas académicas; así como a repasar la información adquirida durante la clase.
VII. EVALUACIÓN
FÓRMULA
10% (PC1) + 10% (PC2) + 10% (PC3) + 10% (PC4) + 30% (EA1) + 30% (EB1)
5
VIII. CRONOGRAMA
6
EB EVALUACIÓN FINAL 1 Semana 16 E v i d e n c i a d e SÍ
aprendizaje: Solución de
un caso de análisis de
decisiones mediante
árbol de decisiones y un
caso de programación
dinámica con
optimización de un valor
esperado Competencias
evaluadas: Pensamiento
innovador (General),
(E)Identifica, formula y
resuelve problemas de
ingeniería Práctica
individual
https://upc.alma.exlibrisgroup.com/leganto/readinglist/lists/4378157760003391?institute=51UPC_INST
&auth=LOCAL