I.

INFORMACIÓN GENERAL

CURSO : Optimización de Procesos

CÓDIGO : II252
CICLO : 202401
CUERPO ACADÉMICO : Bresciani Chávez, Fernando Manuel
Chávez Ramos, Manuel Raymundo
Ulfe Vega, Luis Alberto
CRÉDITOS : 4
SEMANAS : 8
HORAS : 8 H (Teoría) Semanal
ÁREA O CARRERA : Ingenieria Industrial Epe

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:
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).

IV. LOGRO (S) DEL CURSO

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.

Competencia: 1 Pensamiento innovador

Nivel de Logro: 2
Definición: Capacidad para detectar necesidades y oportunidades para generar proyectos o propuestas

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

UNIDAD Nº: 1 PROGRAMACIÓN LINEAL: REVISIÓN Y NUEVOS MODELOS

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:

- Conceptos y tipos de programación multiobjetivos.

- Aplicación de la programación lineal por metas

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:

Enfoques de modelos con criterios de modelos de metas ponderadas.

Enfoques de modelos con criterios de modelos de metas jerarquizadas.

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:

PC1: Práctica Calificada 1 [Semana 3]: Problemas prácticos de metas.

Quiz 1: (Práctica Calificada 3) [Semana 3]: Preguntas de concepto de metas.

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

UNIDAD Nº: 2 PROGRAMACIÓN NO LINEAL

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:

- Programación No Lineal: Definición, características y diferencias respecto a la programación lineal.

- Matriz Hessiana, concavidad y convexidad para soluciones óptimas locales y globales.
- Estructura de modelos no lineales compactos y soluciones locales o globales en LINGO.

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:

- Modelos separables: Definiciones, estructura y diferenciación de otros modelos.

- Procesos de linealización de funciones no lineales.
- Modelos compactos no lineales del tipo separable, soluciones globales o locales.
- Procedimiento de solución por sustitución aproximada; comparación con modelos linealizados.
- Casos no lineales del tipo separable, para modelos directamente linealizados: funciones linealizadas cóncavos o
convexos y continuas o discontinuas.
- Procedimiento de solución por sustitución exacta y soluciones globales

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:

- Programación Dinámica: Concepto, ventajas y desventajas, tipos de programas dinámicos.

- Metodología de solución de programas dinámicos e interpretaciones; ejemplos: problemas de la diligencia

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

- Problemas de carga de la alforja y carga de bultos.

- Problemas de asignaciones.
- Problemas lineales y no lineales mediante programación dinámica

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

- Problemas de producción con inventarios.

- Problemas del agente viajero.
- Problemas con función de retorno probabilístico

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

Examen Final [Temas de evaluación]:

Unidad 1: Modelos de programación lineal: programación por metas
Unidad 2: Modelos de programación no lineal para aplicación de procedimientos de aproximación o sustitución exacta
para la solución de programas separables
Unidad 3: Modelos estructurados de programación dinámica

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)

TIPO DE NOTA PESO %

PC - PRÁCTICAS PC 15
PC - PRÁCTICAS PC 15
PC - PRÁCTICAS PC 15
TF - TRABAJO FINAL 15
DD - EVAL. DE DESEMPENO 15
EB - EVALUACIÓN FINAL 25

7
VIII. CRONOGRAMA
Módulo Regular

TIPO DE DESCRIPCIÓN NOTA NÚM. DE FECHA OBSERVACIÓN RECUPERABLE

PRUEBA PRUEBA
PC PRÁCTICAS PC 1 Semana 3 Evidencia de SÍ
a p r e n d i z a j e :
Cuestionario sobre los
temas aprendidos hasta
la fecha: Repaso de
programación lineal.
Competencias
evaluadas: Pensamiento
innovador Participación
individual
PC PRÁCTICAS PC 2 Semana 5 Evidencia de SÍ
a p r e n d i z a j e :
Cuestionario sobre los
temas aprendidos hasta
la fecha: Programación
No Lineal. Competencia
evaluada: Pensamiento
innovador Participación
individual
PC PRÁCTICAS PC 3 Semanas Evidencia de NO
3,5,7 a p r e n d i z a j e :
Cuestionario sobre los
temas aprendidos hasta
la fecha: Programación
por metas, Programación
No Lineal y
Programación dinámica
(Quiz). Competencia
evaluada: Pensamiento
innovador Participación
individual
TF TRABAJO FINAL 1 Semana 6 Evidencia de NO
aprendizaje: Análisis
sobre los temas
aprendidos hasta la
fecha: Programación
Dinámica Competencia
evaluada: Pensamiento
innovador Participación
Grupal
DD EVAL. DE DESEMPENO 1 Semana 6 Evidencia de NO
aprendizaje: Trabajo de
a p l i c a c i ó n :
Programación no lineal
y programación
dinámica. Competencias
evaluadas Pensamiento
i n n o v a d o r y
Competencia ABET (1)
Participación grupal
EB EVALUACIÓN FINAL 1 Semana 8 Evidencia de SÍ
a p r e n d i z a j e :
Cuestionario sobre los
temas aprendidos hasta
la fecha: Programación
Lineal, Programación
No Lineal y
Programación Dinámica.
Competencia evaluada
Pensamiento innovador
Participación individual

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