Diplomado Avanzado en Gestión de operaciones (MII)

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.
• 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.
• Variables aleatorias normales multivariadas.
• Modelos autoregresivos vectoriales.
• Estimación de parámetros.
• Predicción.
• Caso de estudio.

- Optimización bajo incertidumbre
• Conceptos básicos.
• El problema del vendedor de diarios.
• Optimización estocástica en dos etapas.
• Optimización 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.