Diplomado Avanzado en Gestión de operaciones (MII)

El Diplomado está conformado por cursos avanzados del área analítica cuantitativa de la malla curricular del Magíster en Ingeniería Industrial UC (MII UC). Está orientado a profesionales con experiencia laboral que cuenten con una sólida formación cuantitativa y conocimientos previos en el área del Diplomado, interesados en profundizar en estos temas.

Se revisarán distintas herramientas y técnicas avanzadas que permiten modelar y mejorar los procesos de toma de decisiones en contextos de incertidumbre. Los/as estudiantes adquirirán herramientas analíticas sofisticadas que les permitirán innovar aplicando soluciones sofisticadas en la gestión de las organizaciones.

El Diplomado se compone de 4 cursos que se realizan durante un año, en formato bimestral, de acuerdo a la estructura del Magíster con 8 semanas de clases cada uno, más una donde se programa el examen o trabajo/actividad final del curso. El programa de cada curso contempla un total de 5 créditos UC, lo que incluye horas directas (clases sincrónicas presenciales o virtuales) y horas de trabajo autónomo o indirectas (horas de dedicación personal del alumno a la revisión de material escrito y audiovisual asincrónico, estudio individual y grupal, preparación de clases, pruebas, trabajos, proyectos o disertaciones, etc.). La organización de estas horas y las clases sincrónicas dependerá de cada curso y docente a cargo, en el marco de la estructura del Magíster en Ingeniería Industrial UC.

Ingenieros Civiles, Ingenieros Industriales, Ingenieros Comerciales y otras profesiones afines interesados en temas de gestión, que cuenten con conocimientos previos en el área.

Implementar soluciones para la toma de decisiones en contextos de incertidumbre, aplicando herramientas cuantitativas, modelos de optimización y simulación para la detección de problemas y mejora en los procesos clave en las organizaciones.

Grado académico de licenciado o título profesional universitario equivalente.

Un mínimo de tres años de experiencia laboral.

Haber cursado el Diplomado en Gestión de operaciones y logística UC, o proveer evidencia suficiente al Comité de Admisión del MII de que el postulante cuenta con las competencias y conocimientos necesarios.

Se recomienda:
– Buen nivel de comprensión de inglés, que permita leer y entender textos en el idioma.

Al final del curso podrás:
– Comprender diferentes conceptos asociados a la representación de procesos sujetos a incertidumbre.
– Analizar distintos sistemas en contextos de incertidumbre.
– Diseñar modelos de toma de decisiones bajo incertidumbre.

Contenidos:
Introducción a la modelación estocástica
– Motivación. Conceptos básicos de probabilidades y algunas distribuciones de probabilidades importantes. Simulación de Montecarlo. Concepto de proceso estocástico. Caso de estudio.

Cadenas de Markov en tiempo discreto
– Definición y propiedades. Simulación del proceso estocástico. Clasificación de estados. Análisis de largo plazo. Caso de estudio.

Cadenas de Markov en tiempo continuo
– La distribución exponencial. Definición y propiedades. Simulación del proceso estocástico. Análisis de largo plazo. Caso de estudio.

Sistemas de espera
– Proceso Poisson. Indicadores de desempeño. La ecuación de Little. Sistemas M/M/c/K. Caso de estudio.

Series de tiempo
– Conceptos básicos. Modelos autoregresivos unidimensionales y vectoriales. Variables aleatorias normales multivariadas. Estimación de parámetros. Predicción. Caso de estudio.

Optimización bajo incertidumbre
– Conceptos básicos. El problema del vendedor de diarios. Optimización: estocástica en dos etapas y robusta. Caso de estudio.

Ciencia de datos
– Conceptos básicos. Regresión lineal. Support vector machine. Clustering. Redes neuronales. Árboles de decisión. Caso de estudio.

Al final del curso podrás:
– Comprender la estructura de un modelo de simulación y sus elementos.
– Visualizar la necesidad por un modelo de simulación y estimar su potencial valor agregado.
– Representar problemas reales a través de un modelo de simulación.
– Conocer las técnicas básicas de análisis y ajuste de variables de entrada.
– Conocer las técnicas básicas de análisis, estimación y validación de variables de salida.
– Manejar en software de simulación (SIMIO) y ser capaz de ejecutar rutinas básicas.
– Entender cómo optimizar un proceso de toma de decisiones basándose en simulación.
– Planificar el desarrollo de un modelo de simulación.

Contenidos:
– Motivación e introducción a modelos de simulación.
– Etapas del proceso de desarrollo de un proyecto de simulación.
– Elementos básicos de un modelo de simulación.
– Análisis de variables de entrada y ajuste de distribuciones.
– Análisis de variables de salida de un modelo de simulación.
– Herramientas de validación y verificación de un modelo.
– Comparación de configuraciones alternativas de un sistema.
– Generación de variables aleatorias.
– Introducción a software de simulación (SIMIO).
– Herramientas de optimización-simulación y optimización dinámica (si alcanza tiempo).

Al final del curso podrás:
– Profundizar en las metodologías de modelamiento y resolución computacional de problemas de optimización.
– Aplicar técnicas avanzadas de modelamiento con variables enteras, incorporar manejo de incertidumbre en modelos de optimización, y utilizar software especializado de optimización.

Contenidos:
Elementos básicos de optimización
– Construcción de modelos.
– Métodos de solución.
– Implementación computacional.

Programación entera
– Formulaciones con variables binarias.
– Fortalecimiento y planos de corte.
– Comparación computacional.

Optimización bajo incertidumbre
– Modelos de dos etapas con recurso.
– Restricciones probabilísticas.
– Aversión al riesgo.
– Implementación por escenarios.

Al final del curso podrás:
– Integrar soluciones sofisticadas para las empresas modernas que enfrentan mercados cada vez más competitivos.
– Analizar cómo los enfoques cuantitativos de la gestión de operaciones se unen a los conceptos modernos de gestión para lograr una organización más eficiente.

Contenidos:
Los temas se estudiarán a través de una selección de artículos (papers) de revistas académicas y clases expositivas, además del trabajo adicional de los estudiantes, algunos son: Gestión de la cadena de abastecimientos, modelamiento de la variabilidad y toma de decisiones bajo incertidumbre, “Lean Production”, “Analytics” en gestión de operaciones y otros relacionados, así como aplicaciones en organizaciones que incluyen manufactura “tradicional”, servicios, sistemas de salud, comercio electrónico, entre otras. El impacto reciente de metodologías del Big Data, Machine Learning e inteligencia artificial en operaciones, también será revisado.