Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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:
Optimización de Procesos es un curso de especialidad en la carrera de Ingeniería Industrial, de carácter teórico-
práctico, dirigido a los estudiantes del octavo ciclo, el cual brinda al estudiante métodos cuantitativos, no
lineales y dinámicos, en escenarios con y sin incertidumbre, como soporte a la toma de decisiones eficientes y
eficaces en las operaciones de una empresa.
Propósito:
El curso busca que los estudiantes sean capaces de resolver problemas no lineales y dinámicos, en los cuales
está presente o no la incertidumbre, a través de la elaboración y solución computacional de un modelo
matemático para tomar la mejor decisión en las operaciones de una empresa; asimismo, se busca contribuir al
desarrollo de la competencia general de Pensamiento Innovador y la competencia específica de ABET (1):
Capacidad de identificar, formular y resolver problemas complejos de ingeniería, aplicando los principios de
ingeniería, ciencia y matemática, ambas a nivel 2. Tiene como requisito el curso de Calidad (II243).
Al finalizar el curso, el estudiante formula modelos matemáticos lineales o no lineales y de enfoques dinámicos,
a partir de problemas complejos en entornos determinísticos o probabilísticos, con la finalidad de proponer
soluciones y tomar decisiones de mejora en los proyectos y operaciones de una empresa.
1
innovadoras, viables y rentables. Planifica y toma decisiones eficientes orientadas al objetivo del proyecto
Competencia: (1) Capacidad de identificar, formular y resolver problemas complejos de ingeniería aplicando los
principios de ingeniería, ciencia y matemática.
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(s): Pensamiento innovador
Logro de la unidad:
Al finalizar el curso, el estudiante formula modelos matemáticos lineales, a partir de problemas complejos en entornos
determinísticos, con la finalidad de proponer soluciones y tomar decisiones de mejora en los proyectos y operaciones
de una empresa.
TEMARIO
Semana 1:
Actividades de aprendizaje:
Síncrona:
Revisar los conceptos de programación lineal y su aplicación en modelos de múltiples objetivos.
Caso práctico: Análisis de un problema de producción y compras para decisiones múltiples.
Determinar la combinación de soluciones con resultados distintos comparables.
Semana 2:
Actividades de aprendizaje:
Asíncrona:
Caso: Se presenta un caso en el cual se tiene que tratar de cumplir múltiples objetivos para ciertas condiciones y
restricciones.
Foro de discusión: A partir de la pregunta de investigación: ¿Cómo podemos hallar una solución óptima que trate de
cumplir lo mejor que se pueda en el problema de múltiples objetivos?
Los estudiantes revisan el material (ppt, video y/o lecturas) del marco teórico de la estructura de un modelo de
programación lineal por metas.
Síncrona:
2
Caso práctico sobre la fabricación de productos químicos:
Plantear un caso de optimización lineal aplicado a la empresa en la cual el estudiante trabaja, considerando
restricciones y por lo menos tres objetivos.
Determinar el plan óptimo de operaciones y el grado de cumplimiento de los objetivos múltiples.
Evidencias de aprendizaje:
Bibliografía
Hillier F. & Lieberman G., (2015). Investigación de operaciones (Décima edición). McGraw-Hill.
Cap. 22, pp. 950-995.
Taha H., (2012), Investigación de operaciones (Novena edición). Pearson Educación.
Cap. 6, pp. 247-267.
Cap. 8, pp. 309-314.
Winston W., (2005), Investigación de operaciones: aplicaciones y algoritmos (Cuarta edición). Thomson.
Cap. 4, pp. 191-201.
Cap. 8, pp. 431-474.
HORA(S) / SEMANA(S)
Semanas 1-2
LOGRO
Competencia(s): Pensamiento innovador
Logro de la unidad:
Al finalizar el curso, el estudiante formula modelos matemáticos no lineales, a partir de problemas complejos en
entornos determinísticos, con la finalidad de proponer soluciones y tomar decisiones de mejora en las operaciones de
una empresa.
TEMARIO
Semana 3:
Actividades de aprendizaje:
Asíncrona:
Caso: Se presenta un caso en el cual se tiene que analizar los comportamientos no lineales, tales como la determinación
de precios de venta, políticas de descuentos por volumen, comisiones escalonadas, diferentes de la programación lineal.
Foro de discusión: Con base en la pregunta de investigación: ¿Cómo podemos determinar las soluciones óptimas
locales o globales a partir de la concavidad y convexidad de las funciones de un programa no lineal?
Los estudiantes revisan el material (ppt, video y/o lecturas) del marco teórico de la estructura de un modelo de
programación no lineal y sus soluciones locales o globales y su relación con la solución en el software LINGO.
3
Síncrona:
Caso práctico:
Plantear un caso de optimización no lineal aplicado a la empresa en la cual el estudiante trabaja, considerando al menos
una restricción no lineal y/o una función objetivo no lineal. Caso práctico: Ejercicio 1.4 Compañía Petrolera].
Determinar el plan óptimo de operaciones y la calidad de la solución óptima.
Semana 4:
Actividades de aprendizaje:
Asíncrona:
Caso: Se presenta un caso en el cual se tienen expresiones lineales por tramos, las cuales pueden ser continuas o
discontinuas, que deben ser tratados como funciones no lineales.
Foro de discusión: Con base en la pregunta: ¿Cómo podemos hallar una solución óptima ante situaciones con
expresiones lineales por tramos, que no pueden expresarse como modelos no lineales?
Los estudiantes revisan el material (ppt, video y lecturas) del marco teórico de la técnica para modelar funciones
lineales por tramos, continuas y discontinuas [uso de LINGO].
Síncrona:
Caso práctico:
Ejercicio 2.1 Empresa OptiProd.
Plantear un caso de optimización aplicado a la empresa en la cual el estudiante trabaja, con funciones lineales por
tramos. Caso práctico: Determinar el plan óptimo de operaciones y la calidad de la solución óptima [uso del LINGO].
Ejercicio 2.4 Empresa Trukcs S.A.
Determinar el plan óptimo de operaciones y la calidad de la solución óptima [uso de LINGO].
Evidencia de aprendizaje:
PC2: Práctica Calificada 2: [Semana 5]: Problemas prácticos de optimización no lineal y separables.
Quiz 2: [Semana 5]: Preguntas de concepto de optimización no lineal y separables.
Bibliografía
Hillier F., & Lieberman, G., (2015). Investigación de operaciones (Décima edición). McGraw-Hill.
Cap. 13, pp. 495-590.
Taha H., (2012), Investigación de operaciones (Novena edición). Pearson Educación.
Cap. 21, pp. 699-728.
Winston W., (2005). Investigación de operaciones: aplicaciones y algoritmos. Thomson.
Cap. 11, pp. 610-706.
HORA(S) / SEMANA(S)
Semanas 3 - 4
4
UNIDAD Nº: 3 PROGRAMACIÓN DINÁMICA
LOGRO
Competencia(s): Pensamiento innovador.
Logro de la unidad:
Al finalizar el curso, el estudiante formula modelos matemáticos de enfoques dinámicos, a partir de problemas
complejos en entornos determinísticos o probabilísticos, con la finalidad de proponer soluciones y tomar decisiones de
mejora en las operaciones de una empresa.
TEMARIO
Semana 5:
Actividades de aprendizaje:
Asíncrona:
Caso: Se presenta un caso en el cual se pueda dividir el problema en una secuencia de problemas más pequeños o
subproblemas.
Foro de discusión: ¿Cómo podemos representar un problema complejo, mediante funciones recursivas óptimas de
subproblemas?
Los estudiantes revisan el material (ppt, video y/o lecturas) del marco teórico de la técnica de modelamiento y solución
de programación dinámica (caso ejemplo de la diligencia), su evolución a través del tiempo y principales aplicaciones.
[uso del EXCEL].
Síncrona:
Plantear un caso de optimización aplicado a la empresa en la cual el estudiante trabaja, que sea susceptible de ser
dividido en subproblemas.
Distribución de recursos [diapositivas de ejercicios en el aula virtual y uso de EXCEL].
Caso práctico:
Determinar el plan óptimo de operaciones mediante la programación dinámica, resolviéndolo aplicando secuenciación
[uso de EXCEL].
Semana 6
Actividades de aprendizaje:
Asíncrona:
Se presenta un caso que representa combinaciones, decisiones del tipo alforja (decisiones binarias) y un caso de carga
de bultos del tipo mochila con asignaciones (decisiones no binarias).
Foro de discusión: ¿Cómo podemos hallar la solución óptima de un problema complejo aplicando programación
dinámica mediante el análisis de subproblemas?
Los estudiantes revisan el material (ppt, video y/o lecturas ) del marco teórico del modelo estructurado de
programación dinámica: modelos de alforja y de bultos [uso de EXCEL].
Síncrona:
5
Caso práctico:
Plantear un caso de optimización con decisiones binarias o no binarias, con información procedente del centro de
trabajo del estudiante. Caso práctico: Optimización de espacios.
Determinar el plan óptimo de operaciones mediante la programación dinámica, resolviéndolo aplicando secuenciación
[uso de EXCEL].
Semana 7
Actividades de aprendizaje:
Asíncrona:
Caso: Se presenta un caso de producción con requerimiento de inventarios cuyo plan de producción se determina de
manera secuencial y un caso del tipo agente viajero para seleccionar la manera como realizar inspecciones
secuenciales.
Foro de discusión:¿Cómo podemos hallar la solución óptima de un problema de producción con inventarios empleando
la programación dinámica?
Los estudiantes revisan el material (ppt, video y/o lecturas) del marco teórico para la optimización de inventarios o de
secuenciación y de función probabilística, con información procedente del centro de trabajo del estudiante. [revisar el
material de clase y uso de EXCEL].
Síncrona:
Caso práctico: Problema de producción con inventarios [uso de EXCEL].
Plantear un caso de producción con requerimiento de inventarios cuyo plan de producción se determina de manera
secuencial y un caso del tipo agente viajero.
Determinar el plan óptimo de operaciones mediante la programación dinámica [uso de EXCEL]
Semana 8
Actividades de aprendizaje
Asíncrona:
Banco de preguntas: cuestionario en el aula virtual y uso de LINGO y EXCEL.
Evidencia de aprendizaje:
Quiz 3: [Semana 6]: Preguntas de concepto de programación dinámica.
TF1 Trabajo Final [Semana 6] y DD1 Evaluación de desempeño [Semana 6]: Caso de aplicación de programación no
lineal y de programación dinámica]
EB1 Examen Final [Semana 8]: Ejercicios de aplicación, programación lineal o programación no lineal y de
programación dinámica.
Bibliografía
Hillier F., & Lieberman G., (2015). Investigación de operaciones (Décima edición). McGraw-Hill; Cap. 11, pp. 396-
6
428; Cap. 22, pp. 950-995.
Taha H., (2012), Investigación de operaciones (Novena edición). Pearson Educación; Cap. 6, pp. 247-267; Cap. 8, pp.
309-314; Cap. 11, pp. 355-428; Cap. 12, pp. 429-456.
Winston W., (2005), Investigación de operaciones: aplicaciones y algoritmos (Cuarta edición). Thomson; Cap. 4, pp.
191-201; Cap. 8, pp. 431-474; Cap. 18, pp. 461-1015 y Cap. 19, pp. 1016-1050.
HORA(S) / SEMANA(S)
Semanas 5 - 6 - 7 - 8
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.
El curso se llevará a cabo en la Modalidad blended, es decir, que se desarrollarán sesiones síncronas de 4 horas
y sesiones asíncronas de 3 y 4 horas en el aula virtual. En ambos tipos de sesiones se seguirá la metodología de
Aprendizaje Activo establecida en la UPC.
. Asíncrono: 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.
. Síncrono: Para ello, las sesiones de clase se llevarán a cabo en laboratorios de cómputo, empleando software
especializado, diapositivas, separata de casos. También, se llevará a cabo exposiciones teóricas por parte del
profesor, discusión y solución de casos prácticos; para lo cual se realizarán las siguientes actividades: Se
recomienda que el estudiante pueda utilizar al menos entre 3 o 4 horas a la semana fuera de las sesiones
síncronas para desarrollar las tareas académicas; así como para repasar los contenidos de la semana.
Para las evaluaciones y composición de las notas se tendrá en cuenta lo siguiente: las prácticas calificadas 1 y 2
comprende el desarrollo de ejercicios mediante casos prácticos. La práctica calificada 3 es el promedio de los 3
Quiz y comprende evaluaciones objetivas de conceptos de las 3 unidades del curso. La nota del Trabajo Final
(TF) es el resultado de la aplicación de programación no lineal y el de evaluación de desempeño (DD1) es la
medición de los modelos de programación dinámica, que será indicado en las rúbricas correspondientes. El
examen final será una evaluación de todos los temas de las unidades que comprende el curso.
VII. EVALUACIÓN
FÓRMULA
15% (PC1) + 15% (PC2) + 15% (PC3) + 15% (TF1) + 15% (DD1) + 25% (EB1)
7
VIII. CRONOGRAMA
Módulo Regular
8
IX. BIBLIOGRAFÍA DEL CURSO
https://upc.alma.exlibrisgroup.com/leganto/readinglist/lists/10442234760003391?institute=51UPC_INS
T&auth=LOCAL
ANEXO
En este anexo, se encuentran los reglamentos que todo alumno está obligado a leer y a cumplir en su rol de estudiante
universitario en la UPC.
REGLAMENTO DE DISCIPLINA DE ALUMNOS :
https://sica.upc.edu.pe/categoria/reglamentos-upc/sica-reg-26-reglamento-de-disciplina-de-alumnos
REGLAMENTO PARA LA PREVENCIÓN E INTERVENCIÓN EN CASOS DE HOSTIGAMIENTO SEXUAL- UPC:
https://sica.upc.edu.pe/categoria/normalizacion/sica-reg-31-reglamento-para-la-prevencion-e-
intervencion-en-casos-de-hostiga