SILABO DEL CURSO INVESTIGACIÓN DE OPERACIONES 2

I. INFORMACIÓN GENERAL:

Carrera
Facultad INGENIERÍA INGENIERÍA INDUSTRIAL Ciclo 6 Créditos 3
Profesional

Código de INVESTIGACIÓN DE HT HP HL PC (**)

OPER1312B Requisitos Horas
curso OPERACIONES 1(*) 2 0 2 0
Tipo de Modalidad de Período
Obligatorio Presencial 2023-2
curso curso lectivo
Pensamiento creativo y crítico: Permite a los estudiantes UPN convertirse en pensadores autodirigidos,
autodisciplinados y automonitores. Además, les da la capacidad de plantear preguntas y problemas esenciales,
recopilar y evaluar información relevante, llegar a conclusiones y soluciones bien razonadas, pensar de manera abierta
El curso aporta a la(s)
dentro de sistemas de pensamiento alternativo (evaluando sus implicaciones y consecuencias prácticas), y
competencia(s) general(es):
comunicarse de manera efectiva con los demás al buscar soluciones para problemas complejos.
Resolución de problemas: Permite a los estudiantes UPN diseñar soluciones creativas para los problemas que
afrontan, considerando criterios de ciencia e impacto, lo cual agrega valor a su trabajo.
RE 1: Capacidad para identificar, formular y resolver problemas complejos de ingeniería mediante la aplicación de
principios de ingeniería, ciencia y matemáticas.
El curso aporta a la(s)
RE 4: Capacidad para reconocer responsabilidades éticas y profesionales en situaciones de ingeniería y emitir
competencia(s) específica(s):
juicios informados, los cuales deben considerar el impacto de las soluciones de ingeniería en contextos globales,
económicos, ambientales y sociales.
• Investigación, desarrollo tecnológico e innovación
El curso desarrolla el
componente: • Experiencia preprofesional

II. SUMILLA:

El curso es de naturaleza teórico-práctico, tiene como propósito enfatizar 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.
Los temas principales son: Programación entera binaria, Programación dinámica y Modelos probabilísticos de decisión.

III. LOGRO DEL CURSO

Al finalizar el curso, el estudiante elabora y sustenta un proyecto aplicativo, utilizando 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. METODOLOGÍA DE ENSEÑANZA APRENDIZAJE

Para alcanzar el logro de aprendizaje del curso y de las unidades, el docente integra métodos activos, estrategias y técnicas de manera reflexiva y crítica,
buscando motivar, estimular y guiar el aprendizaje del estudiante.
Las estrategias y técnicas didácticas que puede utilizar son: Análisis de mercado y data digital, casuística y análisis del desempeño de campañas de
comunicación de correcta y/o fallida ejecución según el caso, dinámicas grupales e individuales, entre otras que el docente considera adecuadas de
acuerdo con la naturaleza del curso. Además, utiliza diversos recursos digitales como: gamificación, software especializado, laboratorios y talleres, equipos
audiovisuales, bancos de datos, entre otros.
El docente soporta su práctica pedagógica en un sistema de multiplataformas y recursos multimedia que le permiten el desarrollo de actividades
sincrónicas y asincrónicas, así como la gestión de contenidos, videoconferencias y el uso de diversas herramientas tecnológicas para generar experiencias
formativas y brindar orientaciones que promuevan el aprendizaje y el desarrollo de competencias generales y específicas en los estudiantes.

V. ORGANIZACIÓN DE UNIDADES DE APRENDIZAJE

UNID NOMBRE DE LA UNIDAD / LOGRO SEM SABERES ESENCIALES ACTIVIDADES
DE UNIDAD PC (**)
Programación entera binaria Programación Lineal Entera. Variables continuas y enteras. Algoritmo y
Al finalizar la unidad, el estudiante modelos matemáticos de ramificación y acotamiento. Modelos
I 1 NO APLICA
formula y resuelve problemas de matemáticos de problemas de PLE utilizando las funciones necesarias
decisión organizacional considerando de software. Casos de aplicación.
(*) Curso Virtual
HT = Horas de desarrollo teórico
HP = Horas de desarrollo práctico
HL = Horas de desarrollo práctico en laboratorio
PC = Horas de práctica de campo
 datos 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
II
uso de la programación dinámica
determinística, PDD y PDP; alcanzando
y sustentando sus respectivas
soluciones.
Modelos probabilísticos de decisión
Al finalizar la unidad, el estudiante
modela y resuelve problemas de
decisión organizacional de naturaleza
III probabilística mediante el uso de la
programación dinámica, cadenas de
Markov y árboles de decisión;
alcanzando y sustentando sus
respectivas soluciones heurísticas.
(**) PC= Práctica de Campo. / La práctica de campo solo aplica en los cursos que tienen horas PC declaradas en el Plan de Estudios/
Las actividades de práctica de campo se detallan en la ficha de trabajo de campo que se encuentra como anexo al sílabo
(*) Curso Virtual
HT = Horas de desarrollo teórico
HP = Horas de desarrollo práctico
HL = Horas de desarrollo práctico en laboratorio
PC = Horas de práctica de campo
Programación Entera Binaria. Aplicación de variables de decisión del tipo
Si/No. Aplicación de artificios en PEB. Modelos matemáticos de
2
problemas de PB para decisiones del tipo Si/No. Resolución por
software. Funciones de dominio variable en LINGO.
Casos especiales de programación binaria. Uso de relaciones
complejas en PEB. Usos innovadores de las variables binarias en la
3
toma de decisiones. Aplicación de dinamismo al modelo de
programación binaria.
Desarrollo de ejercicios prácticos
4
EVALUACIÓN T1
Grupo de variables (Sets) en el modelado matemático. Modelos
matemáticos de problemas de PBE mixta. Usos innovadores en
5
situaciones problemáticas. Resolución por software. Aplicación de Sets
en problemas de PB.
Introducción a la programación dinámica. Programación dinámica
determinística. Elementos de un problema de PDD. Resolución de
problemas PDD. Análisis de una situación cambiante a partir de las
6
tablas elaboradas. PDD: Asignación de recursos / inventario.
Elementos de un problema de PDD para asignación de recursos.
Elementos de un problema de PDD para inventarios.
Resolución de problemas PDD de asignación de recursos e inventarios.
Ejercicios con gran cantidad de estados y decisiones. PDD:
Planificación de personal / reemplazo de equipo. Elementos de un
7
problema de PDD para planificación de personal y reemplazo y
reposición de equipos. Resolución de problemas. Análisis de una NO APLICA
situación cambiante a partir de las tablas elaboradas.
Desarrollo de ejercicios prácticos
8
EVALUACIÓN PARCIAL
Introducción a los modelos probabilísticos de decisión. Diferencia
entre modelos probabilísticos de decisión vs modelos
determinísticos. Programación dinámica probabilística.
9 Cálculo de costos y beneficios esperados. Problemas básicos de
PDP. Resolución de problemas PDP. Problemas de PDP para ser
resueltos como de PDD. Ejercicios con gran cantidad de estados
y decisiones.
Modelos prototipos de PDP. Componentes en un modelo de PDP de
inventario. Problemas de PDP. Resolución de problemas PDP de
10
inventario. Análisis de una situación cambiante a partir de las tablas
elaboradas.
Introducción a las Cadenas de Markov. Naturaleza probabilística.
Características y diagramación. Características en la matriz de
11
probabilidades de transición. Matrices que representan cadenas de
Markov. Estado estable de las matrices de probabilidades de transición.
Desarrollo de ejercicios prácticos
12
EVALUACION T2
Cadenas absorbentes y ergódicas. Aplicación. Matrices que
representan cadenas de Markov con las características de absorbencia.
13 Propiedad de ergodicidad. Cadenas de Markov. Caso integral.
NO APLICA
Probabilidades en estado estable, tiempos de primer paso, matriz
fundamental y probabilidades de absorción a largo plazo.
Probabilidades en cadenas de Markov. Análisis de situaciones en
períodos diferentes al corto plazo. Árboles de decisión.
14 Elementos. Asignación de probabilidades a eventos en condiciones de
riesgo o incertidumbre mediante la representación gráfica que ilustra
cada estrategia o alternativa a través de una ramificación.
15 Sustentación de proyectos aplicativos.
16 EVALUACIÓN FINAL.
(-) EVALUACIÓN SUSTITUTORIA
 VI. SISTEMA DE EVALUACIÓN:

El docente selecciona, según la naturaleza del curso, diferentes herramientas de evaluación soportados en la plataforma virtual de aprendizaje (LMS),
para evidenciar el desempeño de los estudiantes. El docente puede emplear: foros virtuales, exposiciones, cuestionarios o formularios virtuales, y
entregas de tareas como: portafolios de evidencias, ensayos, diseño de proyectos, entre otros que considere pertinentes.
EVALUACIÓN PESOS SEM Descripción de la Evaluación (Evidencia que debe presentar el estudiante)

T1 (a) 15% 4 Evaluación T1: Práctica calificada y/o Trabajo grupal.

Evaluación Parcial (a) 30% 8 Examen Parcial: Práctica calificada y/o Resolución de caso.
T2 (a) 15% 12 Evaluación T2: Práctica calificada y/o Trabajo grupal.
Evaluación Final (a) 40% 16 Evaluación Final: Informe y exposición de Proyecto y Resolución de problemas.
Evaluación Sustitutoria (a) - (-) Evaluación Sustitutoria: Práctica calificada y/o Resolución de caso.
(a)Los calificativos deben ser publicados en el sistema de acuerdo con el Calendario Académico establecido para el presente Semestre.
(-) Ver en el calendario académico los días en que se realizarán las evaluaciones sustitutorias.

VII. BIBLIOGRAFÍA BÁSICA

N° AUTOR TÍTULO AÑO ENLACE URL
Investigación de operaciones. https://resolvervitalsource.bibliotecaupn.elogim.com/9786073241212
1 Taha, H. 2017
10th Edición.

VIII. INFORMACIÓN COMPLEMENTARIA

REFERENCIA
LINDO SYSTEM INC.
Investigación de operaciones para los no matemáticos
Nuevas tendencias en investigación de operaciones y ciencias
administrativas. Un enfoque desde estudios iberoamericanos
Modelo matemático de transporte para una empresa comercializadora
de combustibles, usando programación lineal
La programación lineal aplicación de la pequeñas y medianas
empresas
Modelo de programación para el servicio de salas de cirugía de una
clínica universitaria en Bogotá
Estimando las participaciones de mercado de largo plazo en el
servicio móvil peruano: Una aplicación de las Cadenas de Markov
ENLACE
www.lindo.com
https://elibro.bibliotecaupn.elogim.com/es/lc/upnorte/titulos/74048
https://repositorio.upn.edu.pe/handle/11537/28621
https://repositorio.upn.edu.pe/handle/11537/28616
https://repositorio.upn.edu.pe/handle/11537/28615
https://repositorio.upn.edu.pe/handle/11537/28614
https://core.ac.uk/download/pdf/304899525.pdf

(*) Curso Virtual

HT = Horas de desarrollo teórico
HP = Horas de desarrollo práctico
HL = Horas de desarrollo práctico en laboratorio
PC = Horas de práctica de campo