I.

INFORMACIÓN GENERAL

CURSO : Investigación de Operaciones 2

CÓDIGO : IN173
CICLO : 201901
CUERPO ACADÉMICO : Culquichicón Cáceres, Carlos Felipe
Escobar Urueña, Marcela
López Sandoval, Eduardo Romeo
Marcelo Lastra, Guillermo Eloy
CRÉDITOS : 3
SEMANAS : 16
HORAS : 2 H (Práctica) Semanal /2 H (Teoría) Semanal
ÁREA O CARRERA : Ingenieria Industrial

II. MISIÓN Y VISIÓN DE LA UPC

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)

IV. LOGRO (S) DEL CURSO

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

UNIDAD Nº: 1 PROGRAMACIÓN NO LINEAL COMPACTA CON RESTRICCIONES

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.

Semana 3: Modelamiento compacto de modelos de programación separable, solución en LINGO compacto

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.

Evidencia de aprendizaje: PC1: Práctica Calificada 1.

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

UNIDAD Nº: 2 METODO DE MONTECARLO

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

Semana 7: Análisis de riesgo de proyectos aplicando el Método de Montecarlo.

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.

Evidencia de aprendizaje: Práctica Integrada 2, Examen Parcial.

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

UNIDAD Nº: 3 PROGRAMACIÓN DINÁMICA

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

Semana 12: Modelo estructurado de programación dinámica: optimización de valores esperados

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.

Evidencia de aprendizaje: PC3: Práctica Calificada 3

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

UNIDAD Nº: 4 ANÁLISIS DE DECISIONES

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.

Semana 15: Análisis de sensibilidad en árboles de decisión, Teoría de la Utilidad.

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.

Evidencia de aprendizaje: PC4: Práctica Calificada 4, Examen Final.

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)

TIPO DE NOTA PESO %

PC - PRÁCTICAS PC 10
PC - PRÁCTICAS PC 10
EA - EVALUACIÓN PARCIAL 30
PC - PRÁCTICAS PC 10
PC - PRÁCTICAS PC 10
EB - EVALUACIÓN FINAL 30

5
VIII. CRONOGRAMA

TIPO DE DESCRIPCIÓN NOTA NÚM. DE FECHA OBSERVACIÓN RECUPERABLE

PRUEBA PRUEBA
PC PRÁCTICAS PC 1 Semana 3 Evidencia de SÍ
aprendizaje: Solución de
un caso de programación
no lineal convexa
compacta Competencias
evaluadas: Pensamiento
innovador (General),
(E)Identifica, formula y
resuelve problemas de
ingeniería Práctica
individual
PC PRÁCTICAS PC 2 Semana 7 E v i d e n c i a de SÍ
aprendizaje: Solución de
un caso de programación
no lineal separable
compacta y un caso de
método de Montecarlo
Competencias
evaluadas: Pensamiento
innovador (General),
(E)Identifica, formula y
resuelve problemas de
ingeniería Práctica
individual
EA EVALUACIÓN PARCIAL 1 Semana 8 E v i d e n c i a de SÍ
aprendizaje: Solución de
un caso de programación
no lineal compacta y un
caso de método de
M o n t e c a r l o .
Competencias
evaluadas: Pensamiento
innovador (General),
(E)Identifica, formula y
resuelve problemas de
ingeniería Examen
individual
PC PRÁCTICAS PC 3 Semana 12 E v i d e n c i a de SÍ
aprendizaje: Solución
manual y estructurada de
un caso de programación
dinámica de alforja o
carga de bultos
Competencias
evaluadas: Pensamiento
innovador (General),
(E)Identifica, formula y
resuelve problemas de
ingeniería Práctica
individual
PC PRÁCTICAS PC 4 Semana 14 E v i d e n c i a de SÍ
aprendizaje: Solución
estructurada de un caso
de programación
dinámica de asignación
y un caso de análisis de
decisiones bajo
incertidumbre
Competencias
evaluadas: Pensamiento
innovador (General),
(E)Identifica, formula y
resuelve problemas de
ingeniería Práctica
individual

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

IX. BIBLIOGRAFÍA DEL CURSO

https://upc.alma.exlibrisgroup.com/leganto/readinglist/lists/4378157760003391?institute=51UPC_INST
&auth=LOCAL