SILABO DEL CURSO INVESTIGACIÓN DE OPERACIONES 2

I. INFORMACIÓN GENERAL

Carrera
Facultad Ingeniería Ingeniería Industrial Ciclo 6° Créditos 3
Profesional
PC
Código HT HP HL
OPER1312B Requisitos Investigación de Operaciones 1 Horas (**)
de curso 2 0 2 0
Tipo de Modalidad Periodo
Obligatorio Presencial 2022-2
curso del curso lectivo
El curso aporta a las Inteligencia Social: Elabora de manera empática mensajes como parte de un proceso de comunicación presencial o virtual,
competencias generales: regula sus emociones, mensajes y gestos a partir de la interpretación de la información que recibe de sus interlocutores, la
situación y el contexto. Así mismo forma redes sociales para el aprendizaje utilizando diferentes medios.
Resolución de Problemas: Identifica y comprende una situación problemática pudiendo hacer uso de medios físicos y digitales
y a partir de ello, diseña ideas o alternativas de solución elaborando un plan para implementarlo y evaluar su impacto. Las ideas
o alternativas que proponen son innovadoras y se transforman en oportunidades o acciones concretas que agregan valor.
El curso aporta a las a. Conocimientos de Ingeniería: La capacidad de aplicar conocimientos de matemáticas, ciencias e ingeniería
competencias en la solución de problemas complejos de ingeniería.
específicas: c. Diseño y Desarrollo de Soluciones: La capacidad de diseñar soluciones a problemas complejos de ingeniería
y diseñar sistemas, componentes o procesos para satisfacer necesidades deseadas dentro de restricciones
realistas en los aspectos cultural, económico, ambiental, social, político, ético, de salud pública y seguridad, de
capacidad de fabricación, y de sostenibilidad.
e. Análisis de Problemas: La capacidad de identificar, formular, buscar información y analizar problemas
complejos de ingeniería para llegar a conclusiones fundamentadas usando principios básicos de matemáticas,
ciencias naturales y ciencias de la ingeniería.
k. Uso de Herramientas Modernas: La capacidad de crear, seleccionar y utilizar técnicas, habilidades, recursos
y herramientas de la ingeniería moderna y las tecnologías de la información, incluyendo la predicción y el
modelamiento, en actividades complejas de ingeniería, con una comprensión de las limitaciones.
El curso desarrolla el
Investigación  Responsabilidad Social  Ciudadanía  Práctica Preprofesional
componente:
“En el presente semestre académico, por situación excepcional en el país, se podría reformular la secuencia y/o modalidad y/o estrategias didácticas de las
actividades planificadas para el desarrollo de contenidos y/o evaluaciones en el curso, en concordancia con las disposiciones legales que puedan emitirse.”

II. SUMILLA

La asignatura es de naturaleza teórico 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. Los temas principales son: Programación Entera, Programación Binaria y modelos probabilísticos de decisión

III. LOGRO DEL CURSO

Al finalizar el curso, el estudiante 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. 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.
Se desarrolla el aprendizaje basado en el estudio de casos, ejercicios prácticos y trabajo colaborativo relacionado a herramientas
cuantitativas; exposiciones grupales, debates, análisis e interpretación de los resultados obtenidos después de aplicar herramientas
matemáticas de Programación Entera y Binaria, Programación Dinámica, Cadenas de Markov y Teoría de Decisiones; revisión de materiales
complementarios e investigación de herramientas modernas para la toma de decisiones. Además, utiliza recursos digitales como el Office y
softwares especializados para los distintos casos de programación.
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

 ACTIVIDADES
UNID. NOMBRE/LOGRO DE UNIDAD SEM SABERES ESENCIALES
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
1 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.
• Trabaja un caso de aplicación en el que se elevando la dificultad.
PROGRAMACION ENTERA BINARIA (PEB o PB)
PROGRAMACIÓN ENTERA Y TEORIA
BINARIA • Determina la necesidad de la aplicación de variables de decisión del tipo Si/No
• Analiza la aplicación de artificios en PEB.
Al finalizar la unidad, el estudiante 2 No aplica
LABORATORIO
formula y resuelve problemas de
• Elabora modelos matemáticos de problemas de PB para decisiones del tipo Si/No y los
I decisión organizacional
resuelve por software utilizando las funciones necesarias de software.
considerando datos determinísticos
• Funciones de dominio variable en LINGO
mediante el uso de la programación
entera, binaria y dinámica; CASOS ESPECIALES DE PROGRAMACION BINARIA
alcanzando y sustentando sus TEORIA
respectivas soluciones óptimas. • 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.
3 • Grupo de variables (Sets) en el modelado matemático
LABORATORIO
• 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
4
• Introducción a la programación dinámica
LABORATORIO: Evaluación T1
PROGRAMACION DINAMICA DETERMINISTICA
TEORIA
• Identifica los elementos de un problema de PDD.
5 • 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.
PDD: Asignación de recursos / Inventario
TEORIA
• Identifica y relaciona los elementos de un problema de PDD para asignación de
recursos.
6 • 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
• Identifica y relaciona los elementos de un problema de PDD para planificación de
PROGRAMACIÓN DINÁMICA personal.
Al finalizar la unidad el estudiante • Identifica y relaciona los elementos de un problema de PDD para reemplazo y
7
modela y resuelve problemas de reposición de equipos.
naturaleza probabilística mediante el LABORATORIO
II uso de la programación dinámica • Utiliza la hoja de cálculo como herramienta para la resolución de problemas PDD
determinística, PDD y PDP; planificación de personal y reemplazo de equipo.
No aplica
alcanzando y sustentando sus • Analiza una situación cambiante a partir de las tablas elaboradas.
respectivas soluciones. INTRODUCCION A LOS MODELOS PROBABILISTICOS DE DECISION
TEORIA
8 • 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.
9
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.
10
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.
11 • Conoce las clases de cadenas de Markov y las representa gráficamente.
• Identifica características en la matriz de probabilidades de transición.
LABORATORIO
• Utiliza la hoja de cálculo para manejar matrices que representan cadenas de Markov.
ESTADO ESTABLE DE LAS MATRICES DE TRANSICIÓN
TEORIA
12
• Determina el estado estable de las matrices de probabilidades de transición
LABORATORIO: Evaluación T2
CADENAS ABSORBENTES Y ERGÓDICAS
TEORIA
MODELOS PROBABILÍSTICOS DE • Identifica la aplicación de las cadenas absorbentes y ergódicas.
DECISIÓN 13 LABORATORIO
Al finalizar la unidad el estudiante • Utiliza la hoja de cálculo para manejar matrices que representan cadenas de Markov
modela y resuelve problemas de con las características de absorbencia; así como también las que se identifican con la No aplica
decisión organizacional de propiedad de ergodicidad.
naturaleza probabilística mediante el CADENAS DE MARKOV: CASO INTEGRAL
III
uso de la programación dinámica, TEORIA
cadenas de Markov y árboles de • Entiende los conceptos de probabilidades en estado estable, tiempos de primer paso,
decisión; alcanzando y sustentando matriz fundamental y probabilidades de absorción a largo plazo.
sus respectivas soluciones 14
LABORATORIO
heurísticas.
• 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
15 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
16 EVALUACIÓN FINAL
(-) EVALUACIÓN SUSTITUTORIA
(**) 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 práctica de campo que se encuentra como anexo al sílabo.
(-) Ver en el calendario académico, los días que se realizarán las evaluaciones sustitutorias.

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: Desarrollo de prácticas, resolución de casos
Evaluación Parcial (a) 30% 8 Examen Parcial: Avance de Proyecto, Desarrollo de prácticas, resolución de casos
T2 (a) 15% 12 Evaluación T2: Informe y Exposición de Proyecto, Desarrollo y presentación de prácticas
Evaluación Final (a) 40% 16 Evaluación Final: Desarrollo y presentación de prácticas semanales
Evaluación Sustitutoria (a) -------- (-) Evaluación Sustitutoria: resolución de casos
(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 que se realizarán las evaluaciones sustitutorias.

VII. BIBLIOGRAFÍA BÁSICA

N° AUTOR TÍTULO AÑO ENLACE URL
Taha, H. Investigación de operaciones. 10th Edición. https://resolvervitalsource.bibliotecaupn.elogim.com/978607324
1 2017 1212

VIII. INFORMACIÓN COMPLEMENTARIA

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