SILABO DEL CURSO INVESTIGACIÓN DE OPERACIONES 2

I. INFORMACIÓN GENERAL
Facultad Ingeniería Carrera Profesional Ingeniería Industrial Ciclo 7° Créditos 4
HT HP HL PC
Periodo lectivo 2021-3 Requisitos Investigación de Operaciones 1 Horas 2 0 4 4
El curso aporta a la competencia general: Inteligencia Social: Elabora un mensaje que sea acorde con las personas con las que interactúa a través de diversos medios, regulando sus emociones y fortaleciendo
la relación y el aprendizaje mutuo
Resolución de Problemas: Diseña e implementa soluciones de manera innovadora y emprendedora que agregue valor al proceso, servicio o producto y evalúa su
impacto
El curso aporta a las competencias Conocimientos de ingeniería, Diseño y desarrollo de soluciones, Análisis de problemas, Uso de herramientas modernas.
específicas:
El curso desarrolla el componente:
Investigación  Responsabilidad Social  Ciudadanía  Práctica Preprofesional 

“En el presente semestre académico, por situación de excepción en el país, se podría reformular la secuencia y/o modalidad de las actividades para el desarrollo de contenidos y/o evaluaciones, en función a las
disposiciones que emitan el gobierno del Perú y la universidad”
II. SUMILLA
La asignatura es de naturaleza teórico-práctico con énfasis en el trabajo colaborativo y brinda las herramientas cuantitativas determinísticas y probabilísticas como soporte para la toma de decisiones en problemas
organizacionales optimizando los sistemas productivos y los de servicios, utilizando software para dicho propósito. La asignatura tiene como temas principales: Programación Entera, Programación Binaria y modelos
probabilísticos de decisión
III. LOGRO DEL CURSO
Al finalizar la asignatura, el alumno resuelve problemas de toma de decisiones en procesos productivos mediante el uso de herramientas cuantitativas desarrolladas en el semestre como: Programación Entera, Programación
Binaria, Programación Dinámica, Cadenas de Markov y Teoría de Decisiones; sustentando la optimización (en problemas determinísticos), o la mejor solución (en problemas probabilísticos), de los objetivos establecidos.

IV. ORGANIZACIÓN DE UNIDADES DE APRENDIZAJE

UNID. NOMBRE/LOGRO DE UNIDAD SEM
PROGRAMACIÓN ENTERA Y BINARIA
Al finalizar la unidad, el estudiante formula
y resuelve problemas de decisión
I organizacional considerando
determinísticos mediante el uso de la
programación entera, binaria y dinámica;
alcanzando y sustentando sus respectivas
soluciones óptimas.
PROGRAMACIÓN DINÁMICA
Al finalizar la unidad el estudiante modela y
resuelve problemas de naturaleza
probabilística mediante el uso de la
II
programación dinámica determinística,
PDD y PDP; alcanzando y sustentando sus
respectivas soluciones.
SABERES ESENCIALES ACTIVIDADES PC
PROGRAMACION LINEAL ENTERA (PLE o PE)
TEORIA
 Recuerda la Programación lineal en la que se aplican variables continuas.
 Reconoce la necesidad de la aplicación de variables enteras.
 Entiende el Algoritmo de Ramificación y Acotamiento
LABORATORIO
 Elabora y resuelve uno a uno los modelos matemáticos necesarios según el algoritmo de ramificación y
acotamiento.
 Elabora modelos matemáticos de problemas de PLE utilizando las funciones necesarias de software.
1
 Trabaja un caso de aplicación en el que se elevando la dificultad.
PROGRAMACION ENTERA BINARIA (PEB o PB)
TEORIA
 Determina la necesidad de la aplicación de variables de decisión del tipo Si/No
 Analiza la aplicación de artificios en PEB.
LABORATORIO
Ver anexo de
 Elabora modelos matemáticos de problemas de PB para decisiones del tipo Si/No y los resuelve por
datos
software utilizando las funciones necesarias de software. actividades
 Funciones de dominio variable en LINGO práctica de campo
CASOS ESPECIALES DE PROGRAMACION BINARIA
TEORIA
 Comprende el uso de relaciones complejas en PEB.
 Valora los usos innovadores de las variables binarias en la toma de decisiones.
 Aplica dinamismo al modelo de Programación Binaria.
 Grupo de variables (Sets) en el modelado matemático
LABORATORIO
2
 Elabora modelos matemáticos de problemas de PBE mixta
 Implementa los usos innovadores en situaciones problemáticas; y los resuelve por software.
 Aplicación de Sets en problemas de PB
INTRODUCCIÓN A LA PROGRAMACION DINAMICA
TEORIA
 Introducción a la programación dinámica
LABORATORIO: Evaluación T1
PROGRAMACION DINAMICA DETERMINISTICA
TEORIA
 Identifica los elementos de un problema de PDD.
 Examina y resuelve problemas básicos de PDD.
LABORATORIO
 Utiliza la hoja de cálculo como herramienta para la resolución de problemas PDD.
 Analiza una situación cambiante a partir de las tablas elaboradas.
3 PDD: Asignación de recursos / Inventario
TEORIA
 Identifica y relaciona los elementos de un problema de PDD para asignación de recursos.
 Identifica y relaciona los elementos de un problema de PDD para inventarios.
LABORATORIO
 Utiliza la hoja de cálculo como herramienta para la resolución de problemas PDD de asignación de
recursos e inventarios.
 Utiliza funciones de Excel para trabajar con gran cantidad de estados y decisiones.
PDD: Planificación de personal / Reemplazo de equipo.
TEORIA Ver anexo de
 Identifica y relaciona los elementos de un problema de PDD para planificación de personal.
 Identifica y relaciona los elementos de un problema de PDD para reemplazo y reposición de equipos.
actividades
LABORATORIO práctica de campo
 Utiliza la hoja de cálculo como herramienta para la resolución de problemas PDD planificación de personal
4 y reemplazo de equipo.
 Analiza una situación cambiante a partir de las tablas elaboradas.
INTRODUCCION A LOS MODELOS PROBABILISTICOS DE DECISION
TEORIA
 Reconoce la diferencia entre los modelos probabilísticos de decisión respecto a los modelos
determinísticos.
LABORATORIO: Evaluación Parcial
PROGRAMACION DINAMICA PROBABILISTICA
TEORIA
 Aprende a calcular costos y beneficios esperados.
 Examina problemas básicos de PDP.
5
LABORATORIO
 Utiliza la hoja de cálculo como herramienta para la resolución de problemas PDP.
 Encuentra valores esperados en problemas de PDP para ser resueltos como de PDD.
 Utiliza funciones de Excel para trabajar con gran cantidad de estados y decisiones.
 MODELOS PROTOTIPO DE PDP
TEORIA
 Conoce los componentes en un modelo de PDP de inventario.
 Examina problemas de PDP.
LABORATORIO
 Utiliza la hoja de cálculo como herramienta para la resolución de problemas PDP de inventario.
 Analiza una situación cambiante a partir de las tablas elaboradas.
INTRODUCCION A LAS CADENAS DE MARKOV
TEORIA
 Conoce la naturaleza probabilística de las cadenas de Markov.
 Conoce las clases de cadenas de Markov y las representa gráficamente.
 Identifica características en la matriz de probabilidades de transición.
6 LABORATORIO
 Utiliza la hoja de cálculo para manejar matrices que representan cadenas de Markov.
ESTADO ESTABLE DE LAS MATRICES DE TRANSICIÓN
TEORIA
 Determina el estado estable de las matrices de probabilidades de transición
LABORATORIO: Evaluación T2
CADENAS ABSORBENTES Y ERGÓDICAS
TEORIA
 Identifica la aplicación de las cadenas absorbentes y ergódicas.
MODELOS PROBABILÍSTICOS DE LABORATORIO
DECISIÓN  Utiliza la hoja de cálculo para manejar matrices que representan cadenas de Markov con las
Al finalizar la unidad el estudiante modela y características de absorbencia; así como también las que se identifican con la propiedad de Ver anexo de
resuelve problemas de decisión ergodicidad.
organizacional de naturaleza probabilística
actividades
III CADENAS DE MARKOV: CASO INTEGRAL
mediante el uso de la programación TEORIA práctica de campo
dinámica, cadenas de Markov y árboles de  Entiende los conceptos de probabilidades en estado estable, tiempos de primer paso, matriz
decisión; alcanzando y sustentando sus fundamental y probabilidades de absorción a largo plazo.
respectivas soluciones heurísticas. LABORATORIO
7  Utiliza la hoja de cálculo como herramienta para el manejo de probabilidades en cadenas de Markov.
 Analiza las diversas situaciones en períodos diferentes al corto plazo.

ARBOLES DE DECISION
TEORIA
 Identifica los elementos de un árbol de decisiones, en el contexto de un problema.
 Asigna probabilidades a eventos en condiciones de riesgo o incertidumbre mediante la representación
gráfica que ilustra cada estrategia o alternativa a través de una ramificación
LABORATORIO
 Utiliza complementos de la hoja de cálculo como herramienta para resolver problemas mediante
árboles de decisión.
 Analiza resultados EVALUACIÓN T3

EVALUACIÓN FINAL
8
EVALUACIÓN SUSTITUTORIA
V. SISTEMA DE EVALUACIÓN

EVALUACIÓN PESOS SEM Descripción de Evaluación

T1 15% 2 Evidencia de aprendizaje 1
Evaluación / evidencias de aprendizaje
EVALUACIÓN PARCIAL 30% 4

Evidencia de aprendizaje 2
T2 15% 6
EVALUACIÓN FINAL 40% 8 Evaluación / desempeño final
EVALUACIÓN SUSTITUTORIA ---- 8 Evaluación Sustitutoria.

VI. BIBLIOGRAFÍA BÁSICA

N° AUTOR TÍTULO AÑO ENLACE(URL)
Investigación https://ebookcentral.proquest.com/lib/upnortesp/detail.action?docID=3214857&query=%22INVESTIGACION+DE+OPERACIONES%22
de
WINSTON,
1 Operaciones. 2005
Wayne.
Aplicaciones y
Algoritmos.
VII. INFORMACIÓN COMPLEMENTARIA
A) ENLACES IMPORTANTES
REFERENCIA ENLACE
LINDO SYSTEM INC. www.lindo.com
B) MEGAEVENTOS INTERNACIONALES UPN

NOMBRE DEL EVENTO FECHA

Ver Calendario de Eventos Internacionales

 VIII. ANEXO: ACTIVIDADES DE PRÁCTICA DE CAMPO

Semana Actividades de práctica de campo Evidencia de actividades PC Semana de presentación

Desarrollo de prácticas o trabajos
1 Prácticas y/o trabajos desarrollados Semana 1
Preparación de entregable
2 Portafolio- T1 Semana 2
Desarrollo de prácticas o trabajos
3 Prácticas y/o trabajos desarrollados Semana 4

4 Desarrollo de prácticas y trabajos Prácticas y/o trabajos desarrollados Semana 5

5 Preparación de entregable Portafolio T2 Semana 6

Desarrollo de prácticas y trabajos Prácticas y/o trabajos desarrollados
6 Semana 7
Avance de proyecto
7 Proyecto avance Semana 8

8 Presentación de portafolio final Portafolio final Semana 8