Última actualización: 25/05/2022


Curso Académico: 2022/2023

Modelos y métodos cuantitativos de organización II
(15725)
Titulación: Grado en Ingeniería en Tecnologías Industriales (256)


Coordinador/a: GARCIA GUTIERREZ, ISABEL

Departamento asignado a la asignatura: Departamento de Ingeniería Mecánica

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
No es necesario haber cursado otras asignaturas (las técnicas cuantitativas que se ven son independientes de las estudiadas en otras asignaturas).
Objetivos
- Conocer y comprender los fundamentos de técnicas y algoritmos cuantitativos para la resolución de problemas complejos en organización industrial. - Ser capaz de identificar la técnica cuantitativa más adecuada según la naturaleza del problema tratado. - Ser capaz de crear un modelo original de simulación con el objetivo de mejorar un sistema real, tomando decisiones de modelado en colaboración con otros compañeros. Ser capaz de aplicar las técnicas estadísticas necesarias para la realización de modelos válidos y la obtención de resultados. - Ser capaz identificar problemas no polinómicos que requieren el uso de aproximaciones heurísticas para su resolución. - Conocer los fundamentos y dinámica de los algoritmos de búsqueda heurística y de los algoritmos inspirados en la naturaleza. - Ser capaz de presentar y defender la idoneidad de las decisiones tomadas en el contexto de aplicación de técnicas y algoritmos cuantitativos para la resolución de problemas complejos en organización industrial.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
-Análisis de sistemas productivos y logísticos mediante técnicas de simulación discreta. -Diseño de modelos de simulación de sistemas reales. Definición de objetivos y adopción de hipótesis simplificativas. -Implementación de modelos de simulación. Programación en Witness (software de simulación) para el desarrollo de un modelo de un sistema real. -Aplicación de las técnicas estadísticas necesarias en las distintas etapas de desarrollo y explotación del modelo. -Análisis de resultados y comparación de configuraciones en simulación. -Introducción a los problemas no polinómicos (NP). Repaso a los problemas NP clásicos: el viajante de comercio, el problema de la mochila, programación de tareas con recursos limitados. -Estudio de algoritmos de búsqueda metaheurística.
Actividades formativas, metodología a utilizar y régimen de tutorías
La actividades formativas incluyen: Clases magistrales, discusión de casos, trabajo en grupo e individual de los alumnos bajo la supervisión del profesor, trabajo autónomo de los alumnos, tutorías individuales y en grupo. Realización de prácticas de laboratorio. Realización de pruebas evaluación parciales y final.
Sistema de evaluación
  • Peso porcentual del Examen Final 40
  • Peso porcentual del resto de la evaluación 60
Calendario de Evaluación Continua
Bibliografía básica
  • Adenso Díaz. Optimización heurística y redes neuronales. Paraninfo. 1996 (Capítulos 1 y 3)
  • Goldberg. Genetic algorithms in search, optimization, and machine learning. Addison-Wesley. 1989 (Capítulos 1 y 2)
  • Haupt and Haupt. Practical genetic algorithms. John Wiley & Sons. 1998
  • Law and Kelton. Simulation modeling and analysis . McGraw-Hill. 2007
  • Rich and Knight. Inteligencia artificial. McGraw-Hill. 1994 (Capítulos 2 y 3)
  • Taha, H.. Investigación de operaciones. Pearson. 2004

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.