Sílabo del curso

Investigación Operativa II
Agosto – diciembre 2022

VI Ciclo

Sierra Flores, Miguel

 I. Datos generales del curso

Nombre del
Investigación Operativa II
curso:
Investigación
Prerrequisito: Código: 03145
Operativa I
2022-2
Precedente: No tiene Semestre:

Créditos: 4 Ciclo: VI
Horas Modalidad del
5 horas Remota - síncrona
semanales: curso:

Ingeniería Industrial y Coordinador del Augusto Choy Pun

Carrera(s)
Comercial curso: achoy@esan.edu.pe

II. Sumilla

Esta asignatura se propone dar a conocer los elementos teóricos y prácticos para la
solución de problemas de administración de recursos relacionados con programación y
control de proyectos, teoría de redes, líneas de espera, así como modelos de
optimización para variables continuas y discretas. Simulación: conceptos, fines,
estructura y aplicaciones experimentales de escenarios de simulación.
Cadenas de Markov. Teoría de las líneas de espera. Aplicaciones. Teoría de redes.
Programación dinámica. Programación y control de proyectos (PERT/CPM). Análisis de
Decisiones.

III. Objetivos del curso

El objetivo del curso es diseñar e implementar la Optimización y Simulación de un

Sistema Productivo o de Servicios, mediante la aplicación de modelos matemáticos,
algoritmos y técnicas de la Investigación Operativa con énfasis en condiciones
estocásticas, a fin de analizar y evaluar el comportamiento actual del sistema para tomar
decisiones que mejoren su desempeño.

IV. Resultados de aprendizaje

Al finalizar el curso el alumno:

• Diferencia los detalles y ventajas del Modelo de Redes de Optimización frente a
otros modelos tradicionales.
• Analiza y evalúa alternativas de decisión en situaciones de incertidumbre.
• Analiza, aplica y evalúa procesos estocásticos, con énfasis en Cadenas de
Markov.
• Explica, caracteriza y evalúa cuantitativamente los fenómenos de Colas,
mediante los Modelos de Colas.
• Reconoce y diseña aplicaciones de Simulación Discreta orientadas a Colas.
• Identifica y modela casos de aplicación de Programación Dinámica.
• Aplica los modelos de Planificación y Control de Proyectos.
• Aplica conocimientos de matemáticas, ciencias e ingeniería en la solución de
problemas complejos de ingeniería.
Sílabo del Curso de Investigación Operativa II Página 2 de 6
 V. Metodología

La metodología del curso promueve la participación del estudiante, para ello, las
sesiones de aprendizaje combinarán la exposición del docente-facilitador con los
laboratorios para reforzar el aprendizaje y desarrollar en el participante las competencias
necesarias para desenvolverse exitosamente en el mundo empresarial, como son: la
capacidad de análisis y síntesis crítica, solución de problemas y toma de decisiones.
El profesor asume el rol de docente facilitador y motivará en el grupo la discusión y el
intercambio de información sobre temas tratados.
Se hace uso frecuente de software, tanto general como especializado y se promueve
que el alumno trabaje cada tópico mediante el método de casos.

VI. Evaluación

El sistema de evaluación es permanente e integral y tiene como propósito promover el

aprendizaje del alumno. Se evalúan las actividades de aprendizaje a lo largo del curso
tales como: participación, comprensión de lecturas, casos prácticos, trabajos de
investigación. Se evalúa también los conocimientos logrados a la mitad y al final del ciclo
a través de un examen parcial y uno final.
La nota de la asignatura se obtiene promediando la evaluación permanente (25%), el
examen parcial (25%) y el examen final (50%).
El promedio de evaluación permanente resulta del promedio ponderado de las
evaluaciones que corresponden al seguimiento del proceso de aprendizaje del alumno:
Práctica Calificadas / Exposiciones / Trabajo de investigación / Participación en Clases
/ Asistencia y Puntualidad.
Las ponderaciones para la evaluación permanente se describen en el cuadro siguiente:

PROMEDIO DE EVALUACIÓN PERMANENTE 50%

Tipo de evaluación Descripción Ponderación %

4 prácticas calificadas.
Prácticas calificadas Se elimina la menor nota. 60
No hay recuperaciones.
Trabajo de
Trabajo Aplicativo 20
simulación/optimización.
Se requieren 5 participaciones
Participación correctas en clase, cada una de 4 15
puntos.
Asistencia Cada inasistencia reduce 1 punto. 5

El promedio final (PF) se obtiene del siguiente modo:

PF = (0,25 x EP) + (0,50 x PEP) + (0,25 x EF)

Donde:
PF = Promedio Final
EP = Examen Parcial
PEP = Promedio de evaluación permanente
EF = Examen Final

Sílabo del Curso de Investigación Operativa II Página 3 de 6

 VII. Contenido programado del curso

ACTIVIDADES /
SEMANA CONTENIDOS
EVALUACIÓN
UNIDAD DE APRENDIZAJE I: TEORÍA DE FLUJO EN REDES
RESULTADO DE APRENDIZAJE:
• Aplica conocimientos de matemáticas, ciencias e ingeniería en la solución de problemas
complejos de ingeniería.
• Diferencia los detalles y ventajas del Modelo de Redes de Optimización frente a otros
modelos tradicionales.

TEORÍA DE FLUJO EN REDES

1.1 Introducción
1.2 Terminología Presentación de la
1° Metodología del curso
Del 22 al 27
1.3 Formulación Revisión de pautas para el
de agosto 1.4 Uso de software desarrollo del trabajo
aplicativo.
Hillier, F., Lieberman, G. 2015. capítulo 9
Anderson, D., Sweeney, D., Williams, T., Camm, J., Martin K.
2016. capítulo 10
2°
Del 29 de
1.5 Problemas típicos de redes
agosto al
1.6 Problema de flujo a costo mínimo
03 de
septiembre
3°
Del 05 al
1.7 Aplicaciones diversas de redes
10 de
1.8 Optimización avanzada
septiembre
UNIDAD DE APRENDIZAJE II: ANÁLISIS DE DECISIÓN
RESULTADO DE APRENDIZAJE:
• Identifica, formula, busca información y analiza problemas complejos de ingeniería para llegar
a conclusiones fundamentadas, usando principios básicos de matemáticas, ciencias
naturales y ciencias de la ingeniería.
• Analiza y evalúa alternativas de decisión en situaciones de incertidumbre.
ANÁLISIS DE DECISIÓN
2.1 La Matriz de Pagos
4° 2.2 Toma de Decisiones sin Probabilidades Primera Práctica
Del 12 al 2.3 Toma de Decisiones con Probabilidades Calificada:
17 de Redes
septiembre Hillier, F., Lieberman, G. 2015. capítulo 16
Anderson, D., Sweeney, D., Williams, T., Camm, J., Martin K.
2016. capítulo 4
5°
2.4 Árboles de Decisión
Del 19 al
2.5 Análisis de riesgo y Análisis de sensibilidad
24 de
2.6 Valor esperado de la información muestral
septiembre
UNIDAD DE APRENDIZAJE III: PROCESOS ESTOCÁSTICOS
RESULTADO DE APRENDIZAJE:
• Analiza, aplica y evalúa procesos estocásticos, con énfasis en Cadenas de Markov.

CADENAS DE MARKOV
Segunda Práctica
6° 3.1 Procesos estocásticos y markovianos. Calificada:
3.2 Matriz de transición Análisis de Decisiones
Sílabo del Curso de Investigación Operativa II Página 4 de 6
 Del 26 de 3.3 Ecuación de Chapman-Kolmogorov
septiembre
al 01 de
octubre
Hillier, F., Lieberman, G. 2015. capítulo 16
Anderson, D., Sweeney, D., Williams, T., Camm, J., Martin K.
2016. capítulo 17
7°
3.4 El estado estable
Del 03 al
3.5 Aplicaciones diversas de Cadenas de Markov
08 de
octubre
8°
Del 10 al
15 de EXÁMENES PARCIALES
octubre
UNIDAD DE APRENDIZAJE IV: MODELOS DE COLAS Y SIMULACIÓN DISCRETA
RESULTADOS DE APRENDIZAJE:
• Conduce estudios de problemas complejos de ingeniería con conocimientos basados en la
investigación y métodos de investigación, incluyendo el diseño y la conducción de
experimentos, el análisis y la interpretación de información, y la síntesis de información para
producir conclusiones válidas.
• Explica, caracteriza y evalúa cuantitativamente los fenómenos de Colas, mediante los
Modelos de Colas.
• Reconoce y diseña aplicaciones de Simulación Discreta orientadas a Colas.

TEORÍA DE COLAS
4.1 Estructura básica de un modelo de colas
4.2 Distribución de probabilidad en estado estable Retroalimentación y
9° devolución de exámenes
Del 17 al 22 4.3 Modelos de colas: M/M/1, M/M/s
Hillier, F., Lieberman, G. 2015. capítulo 17 parciales.
de octubre
Anderson, D., Sweeney, D., Williams, T., Camm, J., Martin K.
2016. capítulo 15
SIMULACIÓN DISCRETA
10° 4.4 Software de simulación discreta
Del 24 al 4.5 Modelado mediante Procesos Básicos
29 de 4.6 Análisis estadístico de Resultados
octubre
Kelton D., Sadowski, R. 2008. Capítulos 1 a 3.
11°
Del 31 de 4.7 Verificación de la Teoría de Colas mediante
octubre al simulación.
05 de 4.8 Casos de aplicación
noviembre
UNIDAD DE APRENDIZAJE V: PROGRAMACIÓN DINÁMICA Y PROYECTOS
RESULTADOS DE APRENDIZAJE:
• Aplica conocimientos de matemáticas, ciencias e ingeniería en la solución de problemas
complejos de ingeniería.
• Identifica y modela casos de aplicación de Programación Dinámica.
• Aplica los modelos de Planificación y Control de Proyectos.

PROGRAMACIÓN DINÁMICA
12° 5.1 Características Tercera Práctica
Del 07 al 5.2 Principio de optimalidad Calificada:
12 de 5.3 Problema de asignación de recursos Teoría de Colas y
noviembre Simulación
Hillier, F., Lieberman, G. 2015. capítulo 10

Sílabo del Curso de Investigación Operativa II Página 5 de 6

 13°
Del 14 al 5.4 Problema de la mochila
19 de 5.5 Problema del reemplazo de equipos
noviembre
14°
Cuarta Práctica
Del 21 al
5.6 Problema de Inventarios Calificada:
26 de Programación Dinámica
noviembre
PLANIFICACIÓN Y CONTROL DE PROYECTOS
15° PERT/CPM
5.7 Tareas, Recursos, Programación
Del 28 de
5.8 Programación con tiempos de actividad inciertos Exposiciones y defensa de
noviembre los trabajos aplicativos
al 03 de
EXPOSICIONES FINALES
diciembre
Anderson, D., Sweeney, D., Williams, T., Camm, J., Martin K.
2016. capítulo 13
16°
Del 05 al
10 de EXÁMENES FINALES
diciembre

VIII. Referencias

Bibliografía Básica:

• Hillier, F., Lieberman, G. (2015), Investigación de Operaciones (10ma. ed.)

España: Mc Graw Hill Interamericana.
• Anderson, D., Sweeney, D., Williams, T., Camm, J., Martin K. (2016). Métodos
cuantitativos para los negocios (13va. ed.) México: Cengage Learning

Bibliografía Complementaria:

• Render, B.; Stair, R. y Hanna, M. (2016), Métodos Cuantitativos para los

Negocios (12va. ed.) Pearson Education
• Taha, H. A. (2012), Introducción a la Investigación de Operaciones (9na. ed.)
Pearson Education
• Kelton D., Sadowski, R. (2008), Simulación con software Arena, (4ta. ed.)
México: Mc Graw Hill

IX. Soporte de laboratorio

Se hará uso de computadoras en las clases, prácticas calificadas y exámenes.

Software: Excel y Arena

X Profesor

Sierra Flores, Luis Miguel

Lsierra@esan.edu.pe

Sílabo del Curso de Investigación Operativa II Página 6 de 6