4000

Nivelatorios para los estudiantes de Maestría.

El objetivo de Tesis I es introducir al estudiante en el marco teórico del tema de su tesis. Para inscribir esta materia es necesario contar con un asesor (trabajo que le corresponde al estudiante), llenar el formato correspondiente y contar con el permiso de la Coordinación, además haber cursado los dos cursos obligatorios de la maestría en Ingeniería Industrial.

OBJETIVO Y ALCANCE

El Seminario de Investigación ofrece a los estudiantes de la maestría los elementos conceptuales y metodológicos necesarios para formular su anteproyecto de tesis de grado, a partir de la transformación de una idea inicial.

En el curso tendrá sesiones dedicadas al planteamiento y presentación del problema de investigación desde el punto de vista conceptual, y sesiones en las que se abordarán estrategias para la comunicación efectiva de las ideas y la presentación del anteproyecto.

Durante el segundo semestre de Tesis, el estudiante dedicará todo su tiempo a la labor de investigación. En caso de necesitar más tiempo, se le otorgará no más de un semestre adicional (semestre de gracia). Para inscribir Tesis de Grado II, debe haber aprobado Tesis I y diligenciado el formato correspondiente.

Este curso busca que el estudiante adquiera los conocimientos y las  herramientas que posibiliten su nivelación en los conceptos básicos de modelos probabilísticos  con el fin de que tenga éxito en los cursos que posteriormente los requieren.

Este curso busca que el estudiante adquiera los conocimientos y las  herramientas que posibiliten su nivelación en los conceptos básicos de optimización  con el fin de que tenga éxito en los cursos que posteriormente los requieren.

INTRODUCCIÓN Y DESCRIPCIÓN DEL CURSO

El análisis de regresión múltiple es una de las técnicas más utilizadas y más populares en el campo estadístico. Su aplicación cubre gran variedad de áreas de las ciencias naturales y sociales. Al estudiante lo capacita para enfrentar con mayor profundidad problemas relacionados de teoría de decisión, investigación de mercados, control de calidad, gestión, evaluación de proyectos, finanzas, etc. Aunque se desarrolla marginalmente, los modelos de análisis de varianza se refieren al análisis estadístico de diseños experimentales en los que se mide el efecto de diferentes procedimientos. Estas técnicas son ampliamente utilizadas en producción y manufactura, en control de calidad, en desarrollo de nuevos procesos y/o materiales para mejorar los rendimientos y reducir la variabilidad de los procesos, los tiempos de diseño y desarrollo, los costos de operación, etc. En el curso se hará énfasis en contemplar los modelos asociados a la regresión múltiple y al análisis de varianza como variedades de un modelo más general.

 

OBJETIVOS

Objetivo General

Capacitar al estudiante en el manejo conceptual y aplicado de la estimación de los parámetros de modelos lineales o linealizables con la mira puesta en cuantificar relaciones entre variables, contrastar teorías y construir modelos de comportamiento, como parte del proceso de especificación teórica de modelos.

 

Objetivos Específicos.

• Conocer los conceptos básicos del modelo lineal general.
  • Manejar con relativa profundidad el paquete estadístico SAS.
  • Profundizar y aplicar conceptos de álgebra lineal.
  • Profundizar en el manejo matricial de relaciones estadísticas y sus aplicaciones en el tema.
  • Dotar a los estudiantes con los elementos analítico-estadísticos para poder especificar correctamente un modelo de regresión.
  • Identificar el problema más general que se quiere estudiar.
  • Identificar las variables más relevantes.
  • Verificar los supuestos del modelo y proponer las alternativas a las violaciones de los supuestos.
  • Efectuar las pruebas de especificación acordes con el problema estudiado.
  • Obtener conclusiones y orientaciones fruto del análisis efectuado.
  • Ser capaz de interpretar y reflexionar críticamente sobre los resultados de un modelo de regresión.
  • Ilustrar los casos particulares del modelo lineal general.
  • Capacitar a los estudiantes a trabajar en equipo.
  • Acostumbrar a los estudiantes en la necesidad de la investigación constante.
  • Mejorar las habilidades de comunicación escrita en la entrega de los informes de trabajo.

 

COMPETENCIAS

• Las habilidades que el estudiante desarrollará a lo largo del curso son:
• Construcción teórica de modelos de regresión lineal que permitan identificar los factores relevantes que afectan el comportamiento de una variable dependiente.
• Verificar la correcta especificación de un modelo de regresión lineal, es decir las variables que deben incluirse y la forma funcional que deben tener.
• Comprobar el cumplimiento de los supuestos básicos de un modelo de regresión lineal, analizar los efectos cuando se viola alguna de éstos, conocer y aplicar el método de solución en el momento que no se cumpla alguno.
• Obtener inferencias, estimaciones y análisis de varianza con el fin de identificar y estudiar diferentes relaciones entre variables.
• Realizar un análisis crítico y reflexivo sobre los resultados obtenidos a través de un modelo de regresión lineal con el objetivo de elaborar conclusiones significativas sobre el comportamiento estadístico de las variables.

El curso presenta al estudiante las técnicas de modelado, técnicas de solución, y diseño algorítmico propios de un curso avanzado en optimización. La teoría del curso está principalmente enmarcada en el área de programación matemática, y se hará énfasis especial en la solución computacional de problemas de gran escala. Por lo tanto, es imprescindible que el estudiante tenga bases en algún lenguaje de programación (e.g., Java, C, C++, entre otros). Durante las sesiones teóricas, prácticas y en los talleres, se desarrollarán aplicaciones de los temas del curso, principalmente en las áreas de producción, logística y finanzas.

PROGRAMA DEL CURSO

1. Descripción de datos multivariados. Medidas de centralización. Medidas globales de variabilidad. Medidas de dependencia lineal. Distancias. Observaciones atípicas. Representación gráfica. (6 horas)
2. Componentes principales. Cálculo e interpretación de las componentes. Propiedades. Interpretación gráfica. Datos atípicos. (6 horas)
3. Escalamiento multidimensional. Escalamientos métricos, escalamientos no métricos. Coordenadas y componentes principales. (3 horas)
4. Análisis de correspondencia. (3 horas)
5. Análisis de conglomerados. Métodos tradicionales de clasificación. Métodos jerárquicos. (3 horas).
6. Distribuciones multivariantes. Distribución normal multivariante, de Dirichlet, de Wishart y T2 de Hotelling. (6 horas)
7. Inferencia con datos multivariantes. Estimación. Hipótesis estadísticas. Análisis de varianza multivariante. Análisis de covarianza. (6 horas)
8. Análisis factorial. El modelo factorial. Estimación. Número de factores. Rotaciones. Diagnosis del modelo. (3 horas)
9. Análisis discriminante. Clasificación entre dos poblaciones. Generalización a más de dos poblaciones normales. Variables canónicas discriminantes. (3 horas) 

I. OBJETIVO Y DESCRIPCIÓN DEL CURSO

El objetivo general del curso es estudiar métodos para analizar datos que evolucionan en el tiempo. Específicamente el curso pretende adiestrar al estudiante en la correcta identificación y estimación de modelos dinámicos.

En el curso se presentan los modelos ARIMA estableciendo su comportamiento y sus propiedades de autocorrelación Se analizarán la forma de identificar correctamente un modelo ARMA, siguiendo la metodología de Box y Jenkins y se darán herramientas para especificar y validar la forma final. Se estudian también los modelos integrados, la caminata aleatoria y se ven pruebas de raíz unitaria (test de Dickey-Fuller) para detectar tendencias y series integradas. Adicionalmente se presentan metodologías para tratar series con comportamientos estacionales.

Otros temas de interés que se cubren en este curso son los modelos ARCH/GARCH para estimar y pronosticar la volatilidad condicional. Finalmente se introduce el concepto de cointegración y se estudian técnicas para estimar e identificar modelos de regresión dinámicos.

 

II METODOLOGÍA

El tema del curso se cubrirá en dos sesiones semanales de hora y media cada una en las que se presentarán los fundamentos teóricos ilustrados por simulaciones y casos aplicados.

Se hará uso extensivo de paquetes estadísticos con énfasis en el paquete E-VIEWS pero podrán utilizarse igualmente paquetes como STATA, R, SAS, o MATLAB.

Nota: Este es un curso de 4 créditos lo que corresponde a un mínimo de 12 horas semanales de trabajo académico, 3 horas de clases presenciales y 9 horas de trabajo individual semanal. Se espera que el estudiante repase el material de las clases anteriores y llegue a clase con los materiales leídos.  

El objetivo de este curso es introducir la modelación y optimización de Sistemas Estocásticos. EL curso estará enfocado en la formulación y análisis de sistemas industriales con componentes estocásticos y se usará técnicas analíticas tales como cadenas de Markov  tiempo continuo, colas con lotes, prioridades, clientes perdidos, redes de colas abiertas/cerradas, entre otros. Las técnicas de Optimización estocástica tales como procesos de decisión markovianos y programación dinámica estocástica serán discutidas al concluir el curso.   Este curso tiene como prerrequisito el curso IIND-2104 Modelos Probabilísticos.

1. Descripción

Este curso estudia algunas estrategias o algoritmos no exactos que permiten mejorar la eficiencia en la búsqueda de soluciones a problemas diversos de optimización. En la literatura son denominados Metaheurísticas. Estos algoritmos heurísticos son herramientas aplicables a diversos problemas pero deben ser ajustados a la situación particular que se quiera resolver. Cada técnica tendrá una presentación teórica-conceptual, y será contextualizada a través de un conjunto de aplicaciones enfocadas en su gran mayoría a problemas de Logística y Producción.

1.1. Objetivo del Curso

Al final del curso se espera que el estudiante logre tener conocimientos sólidos sobre los fundamentos de las metaheurísticas estudiadas. El estudiante será capaz de entender las utilidades y limitaciones prácticas de estas técnicas. También conocerá la forma de implementarlas en la solución de problemas de optimización con aplicaciones en Ingeniería Industrial. Él tendrá las herramientas necesarias para aplicar los conocimientos adquiridos en la realización de varias tareas y un proyecto final. Estos trabajos estarán enfocados hacia el planteamiento, la selección de las alternativas metaheurísticas de solución más apropiadas, la implementación computacional, el diseño experimental, el análisis y la obtención de las mejores soluciones posibles en aplicaciones de interés práctico para el ingeniero industrial.

Al estudiante que ha demostrado responsabilidad y gran interés por un área en particular, se le ofrece esta alternativa, con el objeto de profundizar en los temas del área bajo la guía de un profesor del departamento. Para tomar este curso es necesario tener autorización de la coordinación académica.

DESCRIPCIÓN DEL CURSO

En este curso está destinado a presentar modelos de regresión en los cuales no se cumplen los supuestos del modelo de regresión lineal usual. El curso estará dividido en varios módulos. En el primer módulo se hará un repaso del modelo de regresión lineal y se presentan los procedimientos estadísticos usados para la detección de observaciones cuya influencia modifican la estructura del modelo. En un segundo módulo se estudiará una generalización de los métodos basados en mínimos cuadrados para obtener procedimientos robustos con los cuales se obtienen estimación de parámetros que reducen el efecto de las observaciones influyentes. Estos procedimientos se aplican al caso de construcción de modelos de regresión robusta. En el tercer módulo se describirán desde una perspectiva conceptual y aplicada las técnicas de estimación no paramétrica con énfasis en los modelos de regresión y estimación de funciones de densidad de probabilidad. El contenido de este módulo está orientado hacia el problema de inferencia estadística no paramétrica al cual pertenecen muchos métodos modernos de estimación que buscan relajar los supuestos de los modelos. Desde este punto de vista, la estimación de parámetros (de dimensión finita) se ve reemplazada por la estimación de funciones con dimensión infinita que pertenece a ciertas clases especiales. El cuarto módulo estará destinado a la presentación de modelos de regresión en los que la variable respuesta tiene formas especiales: modelos de regresión logística para variables respuesta nominales, modelos de regresión de Poisson en los que la respuesta es una variable de conteo y modelos de regresión de Cox en los que la respuesta es el tiempo. En cada caso se discutirán los fundamentos teóricos del modelo, sus supuestos, la estimación de sus parámetros, la bondad del ajuste y su aplicación en la descripción de los datos o en pronósticos.

El curso presenta al estudiante los aspectos de modelaje y diseño algorítmico de un primer curso de optimización en redes. El curso tiene un enfoque de programación matemática, como continuación natural de un curso en optimización lineal (Principios de Optimización). Algunos temas siguen un enfoque combinatorio, sirviendo así como un primer curso en el área de optimización combinatoria. El tema de optimización en redes tiene una amplia aplicabilidad. Algunos ejemplos de su uso son: redes de transporte, redes de comunicaciones, planeación de capital, programación de proyectos, mantenimiento y reemplazo de equipos, programación de producción, entre otros.

Course objectives:

• Develop the skills to build flexible and efficient simulation models on a general-purpose (low-level) programming language.
• Develop the skills to build extensible simulation models on a high-level simulation language (Simio).
• Develop the ability to efficiently analyze and model input data.
• Develop the ability to perform advanced statistical analysis of output processes. 

1. Elementos Centrales

Jerarquía de planeación en un sistema de manufactura

Integración de sistemas de producción

2. Objetivos de Aprendizaje

Las principales habilidades que se espera desarrollen los estudiantes a través de los talleres, actividades y exámenes son:

(i)    Aplicación de conocimientos de matemáticas, ciencias en ingeniería.

(ii)   Diseño y ejecución de experimentos y análisis de resultados.

(iii)  Identificación, formulación y resolución de problemas de ingeniería.

(iv)  Desarrollo de habilidades escritas y orales.

(v)   Utilización de herramientas modernas de ingeniería.

(vi)  Conocimiento básico de los problemas actuales en el ámbito de la producción.

1. Introducción:

• Este curso cubre temas avanzados de programación de producción. El curso presenta una amplia variedad de enfoques para modelar y resolver problemas de programación de producción en sistemas de manufactura principalmente. Se tratarán enfoques de programación matemática, inteligencia artificial, y heurísticas entre otros.
• El curso combina la enseñanza, la participación en clase y los laboratorios de computadores en el tratamiento de los temas propuestos.
• El curso tiene también cómo objetivo promover discusiones en clase sobre temas tales como tendencias e investigación futura en programación de producción.
• Se espera que los estudiantes tengan (o adquieran) habilidades de programación de computadores en los lenguajes C++ o JAVA. Se hará una breve introducción al tema.

 

2. Objetivos del curso

El estudiante:

• Será capaz de identificar un enfoque apropiado para resolver problemas específicos (reales y teóricos) de programación de producción.
• Tendrá un conocimiento básico de las técnicas tradicionales y actuales y establecerá críticamente las ventajas y desventajas de cada una de ellas.
• Habrá desarrollado habilidades de investigación tales cómo escritura técnica (technical writing) y presentación de resultados de investigación.
• Habrá desarrollado habilidades para codificar eficientemente algoritmos en lenguaje de programación

Al estudiante que ha demostrado responsabilidad y gran interés por un área en particular, se le ofrece esta alternativa, con el objeto de profundizar en los temas del área bajo la guía de un profesor del departamento. Para tomar este curso es necesario tener autorización de la coordinación académica.

This is a basic course in designing experiments and analyzing the resulting data. It is intended for engineers, physical/chemical scientists and scientists from other fields such as biotechnology and biology. The course deals with the types of experiments that are frequently conducted in industrial settings. The prerequisite background is a working knowledge of statistical methods. A formal course in engineering statistics at the level of IEE 380 is the official prerequisite, but this specific course isn’t essential. You will need to know how to compute and interpret the sample mean and standard deviation, have previous exposure to the normal distribution, be familiar with the concepts of testing hypotheses (the t-test, for example), constructing and interpreting a confidence interval, and model-fitting using the method of least squares. Most of these ideas will be reviewed as they are needed.

 

The course objective is to learn how to plan, design and conduct experiments efficiently and effectively, and analyze the resulting data to obtain objective conclusions. Both design and statistical analysis issues are discussed. Opportunities to use the principles taught in the course arise in all phases of engineering and scientific work, including technology development, new product design and development, process development, and manufacturing process improvement. Applications from various fields of engineering (including chemical, mechanical, electrical, materials science, industrial, etc.) will be illustrated throughout the course. Computer software packages (Design-Expert, JMP) to implement the methods presented will be illustrated extensively, and you will use these packages for homework assignments and the term project. Most problems are too tedious to work manually.

 

All experiments conducted by engineers and scientists are designed experiments; some of them are poorly designed, and others are well-designed. Well-designed experiments allow you to obtain reliable, valid results faster, easier, and with fewer resources than with poorly-designed experiments. You will learn how to plan, conduct and analyze experiments efficiently in this course. A well-designed experiment can lead to reduced development lead time for new processes and products, improved manufacturing process performance, and products that have superior function and reliability.

 

The course schedule and outline contains assigned reading topics from the textbook and suggested homework problems. I don’t collect or grade homework. Many of the assigned problems are worked in the student solutions manual. Please contact me or the course TAs if you have difficulty getting the correct answer or if you don’t understand the details of problem solution. The textbook contains a lot of worked examples. Making sure that you understand how those problems were solved is a good starting point for study. Please stay current with the lecture, reading material and homework – falling behind can have significantly bad consequences.

 

In addition to the textbook reading assignments you may also want to read some of the supplemental text material for each chapter. This material is found on the World Wide Web page for the book maintained by the publisher, John Wiley & Sons. See the text Preface for more details. The JMP and Design-Expert computer software packages can be used to solve most of the problems in the textbook.

Course Description:

The Six Sigma process improvement strategy of define, measure, analyze, improve, and control (DMAIC). Integrates and deploys statistical methods and other six sigma problem solving via the DMAIC framework. Requires background in design of experiments, statistical quality control, and regression analysis.

This course covers topics in quality control that have been widely used in many industries. Specifically, it focuses on control charts as the core for statistical process control. Basic and more advanced charts are presented. Also, some topics in multivariate statistics will be covered. The goal is for you to understand the concepts, operation, and role of these techniques.

Descripción

¿Cómo lograr un abastecimiento estratégico? Es la pregunta principal que busca responder este seminario examinando las diferentes facetas de una estrategia de compras orientada a contribuir de manera significativa al desempeño de la organización.

Los responsables del abastecimiento en las empresas de bienes y servicios deben tomar decisiones en un entorno cada vez más complejo. El desafío ya no consiste simplemente en administrar un proceso repetitivo de compra sino en la definición de una estrategia funcional, acorde con la estrategia global de la empresa. De la simple administración de un proceso de pedido los responsables del abastecimiento deben ahora responder preguntas cada vez más estratégicas como:

¿Cuándo y cómo subcontratar una actividad?

¿Cómo reducir el costo total de adquisición?

¿Qué tipo de relación establecer con los proveedores?

¿Cómo atraer y conservar los mejores proveedores?

¿Cómo utilizar plenamente los conocimientos y capacidades de los proveedores?

¿Cómo utilizar las tecnologías de información para el abastecimiento?

Objetivos

Al final de este curso los estudiantes deberán ser capaces de:

• Analizar la estrategia de abastecimiento de una organización y elaborar recomendaciones pertinentes.
• Identificar los desafíos en términos de abastecimiento de una organización y proponer acciones para protegerse de las amenazas y aprovechar las oportunidades.
• Evaluar artículos científicos en abastecimiento: identificar sus principales contribuciones y límites. 

OBJETIVO Y ALCANCE

Este curso ofrece elementos conceptuales y herramientas metodológicas para que un estudiante de la maestría pueda comprender, analizar, diagnosticar y diseñar organizaciones. Estas organizaciones pueden ser empresas privadas, instituciones públicas o cualquier forma organizacional que transforme insumos en un conjunto de bienes o servicios. El curso se desarrolla dentro del contexto de la cibernética organizacional.

Este curso busca explorar nuevas formas - mecanismos y modelos - simples para la interpretación y la intervención en sistemas complejos mediante el uso de herramientas diseñadas con base en autómatas celulares y modelos físicos entre otros. Las herramientas se usarán y aplicarán en Mathematica. Para inscribirse en el curso, se esPeña que el estudiante sea competente en los contenidos de Física 3, Ecuaciones Diferenciales y Probabilidad. El cumplimiento de estos prerrequisitos queda a consideración y responsabilidad de cada estudiante. Un estudiante de la maestría debe observar los programas de estos cursos para responderse si cumple con los prerrequisitos.

Este curso profundiza en el tema de toma de decisiones en procesos de negociación y resolución de disputas en general. En el curso se ilustra cómo diferentes técnicas de toma de decisiones pueden ser usadas en procesos de resolución de controversias. Se hace especial énfasis en cómo el uso de diferentes racionalidades puede conducir a diferentes esquemas de negociación. A lo largo del curso el estudiante diseña y realiza una investigación sobre toma de decisiones en procesos de resolución de disputas.

 

OBJETIVO GENERAL

Explorar la toma de decisiones en procesos de negociación y resolución de disputas en general, tomando conciencia de las diferentes racionalidades que puede haber detrás de la forma como se toman las decisiones.

 

OBJETIVOS ESPECÍFICOS

• Identificar elementos que a la teoría de la negociación establece como conceptos básicos que se deben considerar al tomar decisiones en procesos de negociación.
• Estudiar la (o las) racionalidad(es) que hay detrás de las corrientes centrales de la moderna teoría de la negociación.
• Explorar racionalidades alternas a aquella(s) que domina(n) actualmente la teoría de la negociación.
• Explorar herramientas que permiten tomar mejores decisiones en procesos de negociación.
• Promover la investigación de los estudiantes sobre los temas centrales del curso. 

El curso “Estructuración de Redes Sociales” es un primer curso de análisis de redes sociales, el cual enfatiza el entendimiento de las implicaciones estratégicas y de posicionamiento de individuos en redes. Este curso explora conceptos que transversalmente se relacionan con áreas como la física, la economía, la sociología y la teoría organizacional. Sin embargo, el curso decididamente se enfocaen los aspectos de comportamiento y de la relación entre desempeño individual y el posicionamiento en la red. Por medio de este curso se espera que el estudiante reconozca la importante de entender las implicaciones de desempeño de diferentes estructuras y de cómo los individuos, restringidos y beneficiados por su posición en la red, simultáneamente son influenciados e influencian las estructuras a las cuales pertenecen. Como método de aprendizaje, cada clase generalmente se compondrá de dos partes: (i) una sesión teórica expuesta por el profesor, y (ii) una sesión donde los estudiantes deben presentar y exponer posiciones críticas respecto a artículos de la literatura previamente asignados. Un par de clases incluirán una introducción al modelado de agentes en redes a través de NetLogo. Los estudiantes también deben escribir individualmente un proyecto de investigación (artículo), el cual será parte de la evaluación del curso (además de exámenes individuales, tareas, presentaciones, etc.). El estudiante debe formular una pregunta original relacionada con cualquier aspecto de teoría o aplicación de conceptos de redes, y responderla sistemáticamente. Los aspectos que se tendrán en cuenta para la evaluación del artículo son (i) originalidad de la pregunta, (ii) revisión de literatura,

(iii) metodología (p. ej., modelo de agentes vía NetLogo, análisis estadístico de datos, etc.), y (iv) calidad de los análisis de resultados. El proyecto puede ser totalmente teórico o aplicado a un contexto particular de interés para el estudiante. El proyecto debe ser de máximo 10 páginas (incluyendo gráficas, abstract y lista de referencias), en letra de tamaño de 11 puntos, espacio sencillo y fuente Times New Roman. Anexos que el estudiante considere pertinente adjuntar (por ejemplo, pseudocódigos, análisis estadísticos adicionales, protocolos ODD, etc.) no cuentan dentro del límite de las 10 páginas

Al estudiante que ha demostrado responsabilidad y gran interés por un área en particular, se le ofrece esta alternativa, con el objeto de profundizar en los temas del área bajo la guía de un profesor del departamento. Para tomar este curso es necesario tener autorización de la coordinación académica.

La idea de la selección natural propuesta por Charles Darwin representa no solamente una forma de entender el desarrollo de las especies en el planeta sino también una forma de pensar y de caracterizar una lógica general de procesos de adquisición?y en particular de ganancia de conocimiento?la cual explica la adaptación y el éxito de organismos en diferentes ambientes. Aquí el término "organismo" es utilizado de manera genérica y se puede referir a unidades tan disímiles como lo son: seres vivos, individuos, neuronas, anticuerpos, colectividades, instituciones, organizaciones, tecnologías, ideas, innovaciones, agentes económicos, robots, estudiantes, leyes, teorías científicas, creencias, productos culturales en general, entre muchos otros. Se le conoce como "seleccionismo" a esta forma de pensar y abordar procesos de adaptación basados en la idea genérica de la selección natural. En particular el seleccionismo ayuda a explicar la evolución de diversos niveles de complejidad en sistemas caracterizados por el cambio y la diversidad. Sin embargo, la ciencia tradicionalmente ha necesitado asumir regularidades y agregación de elementos. Este curso parte del supuesto contrario y asume el cambio y la diversidad como principios de la naturaleza y en particular de los sistemas sociales. ¿Cómo estudiar e intervenir sistemas si los suponemos continuamente cambiantes y con elementos constitutivos diferentes entre sí y que además también cambian a través del tiempo? Dicho punto de partida requiere una forma de pensar y de responder preguntas que pueda ser consistente con la complejidad inherente a tal supuesto. La biología tradicionalmente se ha enfrentado a este escenario; dicha reflexión es el punto de partida de este curso para desarrollar un pensamiento seleccionista que sea útil para abordar, comprender y diseñar organizaciones, y sistemas sociales en general, al concebirlos como sistemas evolutivos de conocimiento.

 

 ¿Qué es ingeniería? ¿Se caracteriza por los tipos de problemas que aborda? ¿Por el tipo de conocimiento que utiliza o genera? ¿Por los métodos y técnicas que aplica? ¿Por la forma como produce conocimiento nuevo? ¿Por los campos de aplicación en los que actúa? ¿Por su alcance e impacto social? ¿Qué es lo que hace que la ingeniería sea ingeniería? A pesar de la complejidad de estas preguntas es común definir la ingeniería simplemente como “ciencia aplicada”. Sin embargo, la ingeniería tiene la pretensión de diseñar lo cual conduce a una contradicción con dicha definición pues la actividad de diseñar es creativa y no meramente aplicativa. Estas reflexiones son el punto de partida para explorar en este curso la noción de ingeniería, su diferencia con las ciencias naturales y sociales, el significado y la trascendencia de diseñar, las posibilidades de los modelos de ingeniería, y las implicaciones de estas reflexiones para su actuación en sistemas sociales (empresas, instituciones, sistemas públicos y privados, organizaciones, etc.), sistemas que son formados y recreados por agentes libres que toman decisiones, es decir que son sistemas que no se pueden describir con “leyes científicas”—a diferencia de otros tipos de sistemas, e.g. mecánicos, eléctricos, químicos, etc. La cuestión del diseño y la naturaleza humana de un sistema social implican además consideraciones éticas propias del diseño de ingeniería necesaria para una práctica profesional apropiada. La inadecuada o ausente reflexión sobre estos temas, tanto en la formación universitaria como en la práctica profesional, explica la irrelevancia—y muchas veces el fracaso—de la ingeniería en muchos campos en donde debería ser la disciplina que liderara la transformación de la sociedad.

 

Este seminario es un espacio de investigación y de discusión para indagar sobre la ingeniería, su naturaleza, su alcance, sus posibilidades y su impacto para transformar sistemas sociales. Se espera que cada participante articule los temas y discusiones de la clase con aplicaciones prácticas según sus propios intereses, experiencias y perspectivas de manera que se enriquezca la manera como entiende su actuación profesional. Se espera para cada participante:

−         Comprender la necesidad de reflexionar sobre los supuestos, el alcance y los propósitos de la práctica de la ingeniería.

−         Comprender y desarrollar una posición propia frente a varios debates académicos sobre qué se puede entender por ingeniería.

−         Desarrollar una noción propia de sistema social.

−         Desarrollar y articular con su propia experiencia y perspectiva una noción de ingeniería de sistemas sociales que considere debates académicos y profesionales relevantes.

−         Comprender y desarrollar una posición propia sobre algunos retos e implicaciones éticas de la actuación de la ingeniería en sistemas sociales.  

−         Identificar elementos metodológicos derivados de estas reflexiones para la práctica efectiva de la ingeniería en y de sistemas sociales.

Desarrollar en los estudiantes competencias y habilidades en su capacidad para analizar, estructurar y resolver problemas de decisión bajo riesgo.

En particular, como resultado del curso el estudiante debe estar en capacidad de:

• Identificar y estructurar un problema de decisión de tipo estratégico en una empresa y diseñar una metodología para resolverlo, utilizando los modelos de decisión apropiados para ello.
• Identificar situaciones en las cuales pueda hacer uso de algunas de las metodologías apropiadas para el análisis y solución de problemas de decisión bajo incertidumbre, haciendo énfasis en la importancia de utilizar metodologías estructuradas y herramientas apropiadas como soporte para la toma racional de decisiones en las organizaciones.
• Construir modelos de análisis de decisiones que involucran riesgo e incertidumbre.
• Utilizar las herramientas computacionales más conocidas en el tema de análisis de decisiones, las cuales deberá aplicar en sus talleres y en el desarrollo de su proyecto final. 

Descripción y Objetivos pedagógicos:

Como tal, el curso de Gerencia Financiera del Riesgo, está diseñado para profundizar tanto en la medición y gerencia del riesgo financiero, como en la valoración de instrumentos no convencionales para la cobertura del mismo. El riesgo financiero como tal será descompuesto en: Riesgo Tasa de Interés, Riesgo de Mercado y Riesgo de Quiebra. Las estrategias de manejo y cobertura del riesgo implicarán no solamente la discusión sobre las relaciones entre valor corporativo y cobertura del riesgo, sino adicionalmente el uso y diseño de estrategias “on-balance”, tales como el diseño de instrumentos híbridos de deuda, y de estrategias “off-balance”, tales como el uso de derivativos exóticos para el manejo de riesgos específicos como “Credit Default Swaps” (CDS).

El foco del curso será la medición del riesgo financiero, las estrategias de cobertura del mismo, la relación entre estructura de capital, valor y riesgo y los modelos de “pricing” de los instrumentos “on” y “off-balance”. El enfoque del curso es claramente cuantitativo en la dirección de lo que se conoce hoy como “finanzas en tiempo continuo”. Sin embargo, modelos discretos de árboles binomiales serán igualmente utilizados de manera intensiva. No obstante, este no es un curso de cálculo estocástico en finanzas ni un curso en derivativos. En el campo de las finanzas el estudiante deberá dominar los conceptos básicos de decisiones de inversión bajo incertidumbre, estructura de capital, teoría de portafolio, las proposiciones de Modigliani-Miller y la introducción a la teoría general del riesgo.