I.

INFORMACIÓN GENERAL

CURSO : Investigación de Operaciones 2

CÓDIGO : II158
CICLO : 202101
CUERPO ACADÉMICO : Bautista Zuñiga, Lucia Maribel
Chávez Ramos, Manuel Raymundo
Guevara Chávez, Victor Aldrhing
Tupia De La Cruz, Elmer Luis
CRÉDITOS : 4
SEMANAS : 10
HORAS : 4 H (Práctica) Semanal /6 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:
El curso de Investigación de operaciones 2 le brinda al estudiante técnicas de optimización matemática distintas
a la programación lineal, como soporte a la toma de decisiones en el área de operaciones de una empresa.

Propósito:
El curso busca que los estudiantes sean capaces de resolver problemas de optimización matemática dinámica en
los cuales está presente la incertidumbre y problemas probabilísticos e indicadores de desempeño de sistemas de
líneas de espera a través de la elaboración y su solución computacional de un modelo matemático para tomar la
mejor decisión en el Área de Operaciones de una empresa. Asimismo, se busca contribuir al desarrollo de la
competencia general de Pensamiento innovador y la competencia específica ABET (1): Capacidad de
identificar, formular y resolver problemas complejos de ingeniería aplicando los principios de ingeniería,
ciencia y matemática, Nivel de logro: 2, tiene como requisito el curso de Investigación de Operaciones 1 (II152)

IV. LOGRO (S) DEL CURSO

Al finalizar del curso el estudiante formula decisiones estratégicas óptimas en entornos bajo riesgo, tomando
decisiones tácticas óptimas en entornos bajo incertidumbre; dentro del área de operaciones de cualquier
organización.

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 UNIDAD N°1: PROCESOS DE DECISIÓN DE MÁRKOV

LOGRO
Competencia(s): Pensamiento innovador (General), (1) Capacidad de identificar, formular y resolver problemas
complejos de ingeniería aplicando los principios de ingeniería, ciencia y matemática.

Logro de la unidad:
Al finalizar la unidad el estudiante maneja procesos estocásticos con el conocimiento de las probabilidades de
ocurrencias futuras mediante el análisis de las probabilidades conocidas en el presente y resuelve problemas procesos
de decisión del tipo markoviano a través de la elaboración y solución computacional de modelos probabilísticos, para
tomar la mejor decisión en las operaciones de una empresa industrial o de servicios.

TEMARIO
Semana 1:

Definición del concepto de procesos de decisión: Procesos estocásticos y sistema dinámico, Determinación de los
estados de una cadena de Márkov.

Semana 2:

Cálculo de la matriz de transición de la cadena de Márkov. Cálculo de la matriz estacionaria de una cadena de Márkov.
Interpretación de los resultados obtenidos en la matriz estacionaria de una cadena de Márkov. Aplicaciones.

Actividades de aprendizaje
Desarrollo de casos en computadora con participación de los estudiantes
Solución Colectiva de problemas
Diálogo e interacción entre pares y docente.

Evidencias de aprendizaje: Tarea Académica.

Bibliografía
Hillier Frederick S. & Lieberman Gerald J. (2015), Introducción a la investigación de operaciones (10a ed.). México,
D.F., McGraw-Hill Interamericana Editores. Cap. 19 y 29.
Winston Wayne (2005). Investigación de operaciones: Aplicaciones y algoritmos (4a ed.). México, D.F.: Thomson
learning. Cap.17.
Render Barry, Stair Raph & Hanna Michael E. (2012). Métodos cuantitativos para los negocios (11a ed.). México, D.F.
Pearson Educación de México S.A. Cap.15.
Anderson David, Sweeny Dennis, Williams Thoma, Camm Jeffrey & Martín Kipp (2011) Métodos cuantitativos para
los negocios (11 ed.), México D.F. South-Western Cencage Learning Editores S.A. Cap.17.
Taha Hamdy A. (2012), Investigación de operaciones, 9a Edición, México, D.F. Pearson Educación. Cap.19.

2
HORA(S) / SEMANA(S)
Semanas 1-2

UNIDAD Nº: 2 UNIDAD N°2: TEORÍA DE LÍNEAS DE ESPERA

LOGRO
Competencia(s): Pensamiento innovador (General), (1) Capacidad de identificar, formular y resolver problemas
complejos de ingeniería aplicando los principios de ingeniería, ciencia y matemática.

Logro de la unidad:
Al finalizar la unidad el estudiante determina los principales indicadores de desempeño en sistemas de líneas de espera
y toma decisiones basándose en los resultados obtenidos, para apoyar en el análisis que le permita tomar la mejor
decisión en las operaciones de una empresa industrial o de servicios.

TEMARIO
Semana 3:

Definiciones sobre líneas de espera, teoría nacimiento-muerte, notación de Kendall-Lee, Ley de Little, Modelo simple
de líneas de espera: modelo de un servidor.

Semana 4:

Modelo de líneas de espera con varios servidores, Modelos con distribución no exponenciales Costos involucrados en
las líneas de espera.

Actividades de aprendizaje
Desarrollo de casos en computadora con participación de los estudiantes. Solución Colectiva de problemas
Diálogo e interacción entre pares y docente.

Evidencia de aprendizaje: Práctica Calificada 1, Tarea Académica.

Bibliografía
Hillier Frederick S. & Lieberman Gerald J. (2015), Introducción a la investigación de operaciones (10a ed.). México,
D.F., McGraw-Hill Interamericana Editores SA. Cap.17.
Winston Wayne (2005). Investigación de operaciones: Aplicaciones y algoritmos (4a ed.). México, D.F.: Thomson
learning. Cap.20.
Render Barry, Stair Raph & Hanna Michael E. (2012). Métodos cuantitativos para los negocios (11a ed.). México, D.F.
Pearson Educación de México S.A. Cap.13.
Mathur Kamlesh & Solow Daniel (1996). Investigación de operaciones, el arte de la toma de decisiones (1ra ed.),
México, Naucalpan de Juárez, Prentice Hall Hispanoamericana S.A., (ISBN 0-13-052143-4). Cap. 13.
Taha Hamdy A. (2012), Investigación de operaciones, 9a Edición, México, D.F. Pearson Educación. Cap.17.

HORA(S) / SEMANA(S)
Semanas 3 - 4

UNIDAD Nº: 3 UNIDAD N°3: PROGRAMACIÓN DINÁMICA

LOGRO
Competencia(s): Pensamiento innovador (General), (1) Capacidad de identificar, formular y resolver problemas
complejos de ingeniería aplicando los principios de ingeniería, ciencia y matemática.

3
Logro de la unidad:
Al finalizar la unidad, el estudiante resuelve problemas de optimización no lineal a través de la elaboración y solución
computacional de un modelo matemático válido de programación dinámica, para tomar la mejor decisión en las
operaciones de una empresa industrial o de servicios.

TEMARIO
Semana 5:

Programación Dinámica: Conceptos básicos. Tipos de programación; ventajas y desventajas.

Semana 6:

Modelos y aplicaciones discretas determinísticos:

Problema de inversiones, Problema del cargamento, Problemas de recorridos.

Semana 7

Modelo de producción con inventario y modelos de reemplazo de equipos y modelos probabilísticos discretos.

Actividades de aprendizaje
Desarrollo de casos en computadora con participación de los estudiantes
Solución Colectiva de problemas
Diálogo e interacción entre pares y docente.

Evidencia de aprendizaje: Tarea Académica.

Bibliografía
Hillier Frederick S. & Lieberman Gerald J. (2015), Introducción a la investigación de operaciones (10a ed.). México,
D.F., McGraw-Hill Interamericana Editores SA de CV. Cap.11.
Winston Wayne (2005). Investigación de operaciones: Aplicaciones y algoritmos (4a ed.). México, D.F.: Thomson
learning. Cap.18 y Cap.19.
Taha Hamdy A. (2012), Investigación de operaciones, 9a Edición, México, D.F. Pearson Educación. Cap.10 y Cap.15.

HORA(S) / SEMANA(S)
Semanas 5- 6 - 7

UNIDAD Nº: 4 UNIDAD N°4: ANÁLISIS DE DECISIONES

LOGRO
Competencia(s): Pensamiento innovador (General), (1) Capacidad de identificar, formular y resolver problemas
complejos de ingeniería aplicando los principios de ingeniería, ciencia y matemática.

Logro de la unidad:
Al finalizar la unidad, el estudiante evalúa cuál debe ser la mejor decisión en un escenario bajo incertidumbre o bajo
riesgo, a través de la elaboración y solución de un modelo válido de análisis de decisiones, para su aplicación en
procesos de toma de decisiones a nivel estratégico en una empresa industrial o de servicios.

TEMARIO
Semana 8:

4
 Análisis de decisiones bajo incertidumbre: Criterios MAXIMIN, MAXIMAX, MINIMAX, análisis de decisiones bajo
riesgo: Valor Esperado, Árbol de decisiones con experimentación previa.

Semana 9:

Aplicación del Teorema de Bayes en árboles de decisión con experimentación previa. Análisis de sensibilidad en
árboles de decisión, Teoría de la Utilidad.

Semana 10:

Evaluación Final

Actividades de aprendizaje
Desarrollo de casos en laboratorio de cómputo con participación de los estudiantes. Solución Colectiva de problemas
Diálogo e interacción entre pares y docente.

Evidencia de aprendizaje: Práctica Calificada 3, Trabajo Final y Examen Final (Solución e interpretación de resultados
de problemas mediante las aplicaciones de modelos de programación no lineal, modelos de Markov y de líneas de
espera, modelo de programación dinámica y análisis de decisiones en condiciones de incertidumbre o riesgo).

Bibliografía
Hillier Frederick S. & Lieberman Gerald J. (2015), Introducción a la investigación de operaciones (10a ed.). México,
D.F., McGraw-Hill Interamericana Editores SA. Cap.16.
Winston Wayne (2005). Investigación de operaciones: Aplicaciones y algoritmos (4a ed.). México, D.F.: Thomson
learning. Cap.13.
Render Barry, Stair Raph & Hanna Michael E. (2012). Métodos cuantitativos para los negocios (11a ed.). México, D.F.
Pearson Educación de México S.A. Cap.3.
Mathur Kamlesh & Solow Daniel (1996). Investigación de operaciones, el arte de la toma de decisiones (1ra ed.),
México, Naucalpan de Juárez, Prentice Hall Hispanoamericana S.A. Cap.11.
Anderson David, Sweeny Dennis, Williams Thoma, Camm Jeffrey & Martín Kipp (2011) Métodos cuantitativos para
los negocios (11 ed.), México D.F. South-Western Cencage Learning Editores S.A. Cap.4.
Taha Hamdy A. (2012), Investigación de operaciones, 9a Edición, México, D.F. Pearson Educación. Cap.14.

HORA(S) / SEMANA(S)
Semanas 8-9-10

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.
Para que el estudiante alcance el logro de cada unidad y, en consecuencia, el logro final del curso se llevará a
cabo exposiciones teóricas por parte del profesor, discusión y solución de casos prácticos; para lo cual se
realizarán las siguientes actividades:
-Exploración de saberes previos, elaboración de conflictos cognitivos, anuncio del tema con elementos
motivadores.

5
-Discusión y solución de casos de manera colaborativa; mediante el diálogo e interacción entre los estudiantes y
el docente.
-Solución Colectiva de problemas
Para ello, las sesiones de clase se llevarán a cabo en laboratorios de cómputo, empleando software
especializado, diapositivas, separata de casos.
Se recomienda que el estudiante pueda utilizar al menos seis horas a la semana fuera de clase para desarrollar
algunas tareas académicas; así como a repasar la información adquirida durante la clase.
Para las evaluaciones y composición de las notas se tendrá en cuenta lo siguiente: las prácticas calificadas 1 y 2
se desarrollarán en dos partes cada una, una primera parte que equivale al 60% de la nota, comprende la
explicación grupal (en video breve y explícito, grabado) de un caso de aplicación, en la que los alumnos del
grupo resuelven y participan explicando la solución para ser evaluados (el tema y la estructura lo define el
profesor); esto se realizará días previos a la fecha de evaluación escrita que comprende la segunda parte y que
equivale al 40% de la nota. La práctica calificada 3 será el resultado de la evaluación objetiva permanente de
cada una de las unidades que comprende el curso y se determinará a partir del promedio de las notas por
evaluación objetiva. La nota final del Trabajo Final (TF) es el resultado del promedio de las 3 mejores notas de
las tareas académicas permanentes (uno por cada unidad y será indicado en la rúbrica correspondiente). El
examen final será una evaluación de todos los temas de las unidades que comprende el curso.

VII. EVALUACIÓN

FÓRMULA
15% (PC1) + 20% (PC2) + 20% (PC3) + 30% (EB1) + 15% (TF1)

TIPO DE NOTA PESO %

PC - PRÁCTICAS PC 15
PC - PRÁCTICAS PC 20
PC - PRÁCTICAS PC 20
EB - EVALUACIÓN FINAL 30
TF - TRABAJO FINAL 15

6
VIII. CRONOGRAMA
Módulo Regular

TIPO DE DESCRIPCIÓN NOTA NÚM. DE FECHA OBSERVACIÓN RECUPERABLE

PRUEBA PRUEBA
PC PRÁCTICAS PC 1 Semana 5 Evidencia de SÍ
aprendizaje: Solución de
un caso de Procesos de
Márkov o de Teoría de
Colas. Competencias
evaluadas: (1)
Capacidad de identificar,
formular y resolver
problemas complejos de
ingeniería aplicando los
principios de ingeniería,
ciencia y matemática.
Trabajo grupal e
individual
PC PRÁCTICAS PC 2 Semana 8 E v i d e n c i a de SÍ
aprendizaje: Solución de
un caso de programación
dinámica Competencias
evaluadas: (1)
Capacidad de identificar,
formular y resolver
problemas complejos de
ingeniería aplicando los
principios de ingeniería,
ciencia y matemática.
Trabajo grupal e
individual.
PC PRÁCTICAS PC 3 Semana 9 E v i d e n c i a de SÍ
aprendizaje: Soluciones
objetivas a problemas de
Modelos de Márkov,
Líneas de Espera,
Programación Dinámica
y de Análisis de
D e c i s i o n e s .
Competencias
evaluadas: (1)
Capacidad de identificar,
formular y resolver
problemas complejos de
ingeniería aplicando los
principios de ingeniería,
ciencia y matemática.
Trabajo individual.
EB EVALUACIÓN FINAL 1 Semana 10 E v i d e n c i a de SÍ
aprendizaje: Solución de
casos de Modelos de
Márkov, de Teoría de
Colas, de Programación
Dinámica o de Análisis
de Decisiones.
Competencias
evaluadas: (1)
Capacidad de identificar,
formular y resolver
problemas complejos de
ingeniería aplicando los
principios de ingeniería,
ciencia y matemática.
Trabajo individual.

7
TF TRABAJO FINAL 1 Semana 9 Evidencia d e NO
aprendizaje: Ensayos
escritos de Modelos de
Márkov, Modelos de
Líneas de espera,
Modelos dinámicos y de
Análisis de decisiones.
Competencias
evaluadas: (1)
Capacidad de identificar,
formular y resolver
problemas complejos de
ingeniería aplicando los
principios de ingeniería,
ciencia y matemática.
Trabajo grupal e
individual.

IX. BIBLIOGRAFÍA DEL CURSO

https://upc.alma.exlibrisgroup.com/leganto/readinglist/lists/6305044390003391?institute=51UPC_INST
&auth=LOCAL