calendar correo curso diplomado horas lugar modalidad in-company magister magisteres programa-avanzado quotes reloj telefono contacto contacto grad video
Search
Coincidencias exactas
Buscar por
Seleccionar todos
Magisters
Diplomados
Cursos
Profesores
Noticias
Páginas

Diplomado en Optimización de procesos y simulación (MII)

Mejora la gestión de los procesos, utilizando herramientas matemáticas o de simulación.

Este diplomado ofrece al alumno la opción de continuar su formación con las distintas áreas del Magíster en Ingeniería Industrial (MII), cumpliendo con los requisitos de admisión y aprobación de los cursos.

Antecedentes Generales

Próximamente
Viernes entre 14:00 y 19:00 hrs (dependiendo de los cursos a realizar)
Campus San Joaquín (Av. Vicuña Mackenna 4860, estación metro San Joaquín)
200 horas cronológicas
$3.200.000 en Chile / USD 4000 resto del mundo ¡Consulta por descuento!

Todas las modalidades del programa (streaming, online y presencial) tienen el mismo valor. Además, recomendamos preguntar las condiciones de cada una al momento de matricularse.


programas@ing.puc.cl
+56 2 2354 4516

El Diplomado en Optimización de Procesos y Simulación está orientado a profesionales con experiencia laboral que cuenten con una sólida formación cuantitativa interesados en profundizar en estos temas. La optimización de procesos permite desarrollar modelos matemáticos para mejorar la gestión de los procesos, utilizando herramientas matemáticas o de simulación.

En este diplomado los alumnos adquirirán herramientas analíticas de gestión y de modelación que les permitan innovar en los procesos de tomas de decisiones al interior de todo tipo de organizaciones.

El Diploma se compone de 5 cursos de 5 créditos cada uno que se realizan durante un año, en formato bimestral, de acuerdo a la estructura del Magíster en Ingeniería Industrial (MII); con 8 semanas de clases cada uno, más una donde se programa el examen o trabajo/actividad final del curso. Incluye, en promedio 15 horas de docencia directa (clases sincrónicas presenciales o virtuales), más 25 horas de horas de trabajo autónomo, que corresponde a horas de dedicación personal del alumno a la revisión de material escrito y audiovisual asincrónico (cápsulas del profesor o ayudante, bibliografía y otros), estudio individual y grupal, preparación de clases, pruebas, trabajos, proyectos o disertaciones, etc. La organización de estas horas y las clases sincrónicas dependerá en específico de cada curso y docente a cargo, en el marco de la estructura del MII.

Dirigido a:
Ingenieros Civiles, Ingenieros Industriales, Ingenieros Comerciales y otras profesiones afines interesados en temas de gestión.

Objetivos de aprendizaje:
- Aplicar técnicas y herramientas cuantitativas que se utilizan en gestión, con la finalidad de poder realizar un proceso de toma de decisiones más informado.
- Identificar y describir los procesos de negocio de las organizaciones, y adquirir capacidades y conocimientos que permitan integrar soluciones sofisticadas, formulando y aplicando modelos.
- Comprender el amplio campo de aplicación de las herramientas de la investigación operacional e identificar dentro de su ámbito profesional problemas de toma de decisiones en los que estas herramientas y modelos pueden ser aplicados.

Contenidos del Programa

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 a cabalidad 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.
– Elementos básicos de un modelo de simulación.
– Breve repaso de probabilidad y estadística.
– Análisis de variables de entrada y ajuste de distribuciones.
– Etapas del proceso de desarrollo de un proyecto de simulación.
– Herramientas de validación y verificación de un modelo.
– Generación de variables aleatorias.
– Introducción a software de simulación (SIMIO).
– Análisis de variables de salida de un modelo de simulación.
– Comparación de configuraciones alternativas de un sistema.
– Herramientas de optimización-simulación en simulación.

Al final del curso podrás:
- Adquirir capacidades y conocimientos que permitan integrar soluciones sofisticadas para las empresas modernas que enfrentan mercados cada vez más competitivos.
- Entender y revisar literatura especializada del área y presentar una visión propia de los temas a tratar.

Contenidos:
- Revenue Management.
- Pricing dinámico e inventarios dinámicos.
- Gestión de la cadena de abastecimientos.
- Modelamiento de la variabilidad y toma de decisiones bajo incertidumbre.
- “Lean Production”.

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:
- Aprender técnicas y herramientas cuantitativas que se utilizan en gestión, con la finalidad de poder realizar un proceso de toma de decisiones más informado.

Contenidos:
- Análisis de decisión: Introducción de los árboles de decisión y su respectiva metodología.

- Conceptos de probabilidades: Variables aleatorias, distribuciones de probabilidades discretas y continuas, media y varianza de una distribución; correlación entre variables; probabilidad condicional.

- Técnicas de análisis de datos:
• Muestreo estadístico – toma de muestras aleatorias, estadísticos de la muestra, intervalos de confianza.
• Simulación – modelos de simulación basados en generadores de números aleatorios.
• Regresiones – modelos lineales como métodos predictivos.

- Modelamiento Técnicas de Optimización: el concepto de modelo; formulación de problemas prácticos de toma de decisiones en base a modelos de optimización; el concepto de algoritmo, herramientas básicas de programación lineal, programación no lineal y programación discreta; conceptos económicos asociados a la solución óptima de un problema.

Al final del curso podrás:
- Introducir el paradigma de la optimización para la resolución de problemas de toma de decisiones que se presentan en los diversos ámbitos de la gestión de empresas.
- Desarrollar una capacidad sólida para la formulación de modelos de optimización para la toma de decisiones.
- Comprender las metodologías de resolución de problemas de optimización, especialmente en el caso de la programación lineal y problemas relacionados.
- Adquirir capacidades de usar software computacional para la modelación y resolución de problemas.

Contenidos:
- Introducción.
• Conceptos generales de optimización y su importancia dentro de la investigación operacional. Ejemplos de modelos importantes.
• Ejemplos de modelos importantes y codificaciones en Excel.

- Programación lineal.
• Propiedades geométricas.
• Resolución de problemas de Programación Lineal.
• Dualidad.
• Análisis de sensibilidad.

- Programación entera.
• Geometría y complejidad de los problemas de optimización discreta.
• Métodos de resolución de problemas enteros.

- Problemas en estructuras de redes y grafos.
• Problemas de flujo a costo mínimo y problemas de transporte.
• Problemas de flujo máximo.
• Problemas de ruta más corta.
• Otros problemas importantes en redes y grafos.

- Programación dinámica.
• Modelos clásicos de programación dinámica.
• El principio de optimalidad.

- Optimización no lineal.
• Visión básica de modelos no lineales y su resolución.

Al final del curso podrás:
- Identificar las distintas componentes de un sistema productivo y poder realizar un diagnóstico de la situación actual de una organización, desde el punto de vista de sus operaciones.
- Estructurar modelos de cada uno de los procesos involucrados y también en forma global para todo el sistema, definiendo adecuadamente los parámetros y costos relevantes, y al mismo tiempo ser capaz de juzgar críticamente su aplicabilidad.
- Determinar y cuantificar los “trade-off” a los cuales se encuentran enfrentados los sistemas productivos
- Ser capaz de plantear soluciones realistas que repercutan en una mayor competitividad de un sistema productivo.
- Estar en condiciones de establecer e integrar los distintos componentes de un sistema productivo.

Contenidos:
- Operaciones como fuente de ventaja competitiva.
• Visión de procesos y TOC.

- Las operaciones como procesos y BPM.
• Modelos de pronósticos.

- Modelos de pronósticos
- Inventarios: gestión y control.

- Planificación de la producción / programación de la producción.
• Planificación de corto plazo.

- Programación de proyectos.
• Diseño de servicios y procesos.

- Diseño de productos.
• Lean y discusión caso “Toyota”.

- TQM, Six Sigma y control estadístico de procesos.
• Calidad en servicios.

- Análisis del caso “Zara”.
• Tópicos avanzados en gestión de operaciones.

Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica

Cuerpo Académico

Solicita información y brochure aquí:

Este sitio está protegido por reCAPTCHA y se aplican la política de privacidad y términos del servicio de Google.

 

¿Te gustó este programa?
¡Compártelo en tus redes sociales!

Programas relacionados

Descargar Brochure
Necesitas ayuda? Conversemos
X