4000

Estos cursos están orientados a personas que se han inscrito a la Maestría en Ingeniería Industrial y que deben repasar ciertos conceptos académicos para luego retomarlos en el programa una vez los hayan culminado.

El objetivo del curso es introducir al estudiante en el marco teórico del tema de su tesis. Para inscribir esta materia es necesario tener un asesor (trabajo que le corresponde al estudiante), diligenciar el formato correspondiente y haber entregado un documento con su propuesta de investigación en la Coordinación del Departamento, además haber aprobado los dos cursos obligatorios de la Maestría en Ingeniería Industrial y el requisito de idiomas de posgrado.

 

La propuesta de investigación debe tener: título del proyecto, objetivos, justificación, cronograma y una pequeña revisión bibliográfica.

El curso ofrece a los estudiantes de la maestría:

• Elementos conceptuales y metodológicos necesarios para formular su anteproyecto de tesis de grado, a partir de la transformación de una idea inicial.
• Herramientas para plantear un problema, sus causas y sus consecuencias.
• Espacios para conocer los temas de investigación que se trabajan en el Departamento.
• Espacios para el desarrollo de competencias importantes para su desarrollo personal y profesional.

El curso tiene sesiones dedicadas a la presentación de la investigación del Departamento, planteamiento y presentación del problema de investigación desde el punto de vista conceptual, y sesiones en las que se abordan estrategias para la comunicación efectiva de las ideas y la presentación del anteproyecto.

Durante el segundo semestre de tesis, el estudiante debe dedicar todo su tiempo a la labor de investigación. En caso de necesitar más tiempo, se le otorgará no más de un semestre adicional. Para inscribir Tesis de Grado 2, debe haber aprobado Tesis 1, diligenciado el formato correspondiente y haber entregado un documento que describa el proyecto y el avance realizado durante el semestre.

El documento debe contener como mínimo: descripción y objetivos del proyecto, importancia y relevancia del proyecto, contexto general en que se ubica el proyecto, descripción de la metodología que desarrollará para llevar a cabo dicho proyecto, resultados esperados, cronograma propuesto de actividades, compromiso de resultados finales de Tesis 1, síntesis de la revisión bibliográfica.

 

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.

Este curso se inscribe a los estudiantes del programa de maestría que efectúan intercambio durante un semestre académico.

Este curso se inscribe a los estudiantes del programa de maestría que se encuentran bajo el convenio de doble titulación con la Escuela de Minas de Nantes y están tomando cursos en Francia durante un semestre regular.

Este curso se inscribe a los estudiantes del programa de maestría que se encuentran bajo el convenio de doble titulación con la Escuela de Minas de Nantes y están efectuando su tesis en Francia.

Este curso se inscribe a los estudiantes del programa de maestría que se encuentran bajo el convenio de doble titulación con la Escuela de Minas de Nantes y están tomando cursos en Francia durante un período intersemestral.

El objetivo general del curso es dar un fundamento sólido en el análisis estadístico del modelo de regresión múltiple para poder abordar técnicas estadísticas que extienden el modelo de regresión clásico. En el curso se dan herramientas para que el estudiante sea capaz de detectar las situaciones y modelos con falencias y sepa cómo remediarlas. Adicionalmente el curso busca desarrollar habilidades de interpretación.
En el curso se hace un énfasis en los conceptos más que en las demostraciones matemáticas. Los conceptos se refuerzan con la presentación y aplicación de casos aplicados. Los temas se ilustrarán haciendo uso intensivo de paquetes estadísticos, principalmente STATA y R. Una cuarta parte de las sesiones están diseñadas para realizar prácticas interactivas de casos y aplicaciones.

 

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.

Este curso busca capacitar al estudiante en el manejo conceptual y aplicado de técnicas estadísticas útiles para explorar y modelar conjuntos de datos caracterizados por un gran número de variables tomadas sobre un conjunto amplio de observaciones. Lo anterior, debido a que el advenimiento de las computadoras ha facilitado el acceso al manejo de información a través de técnicas estadísticas multivariadas las cuales ofrecen una gran versatilidad en el manejo de grandes volúmenes de datos. Estas técnicas multivariadas facilitan su comprensión, descripción, análisis y modelamiento.

 

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 analizará la forma de identificar correctamente el modelo ARMA y se darán herramientas para especificar la forma final. Se estudian también los modelos integrados, la caminata aleatoria y las 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.

La estocasticidad es una característica inherente de la realidad, desde las capas inferiores de las cuestiones físicas hasta los niveles más complejos de los sistemas organizativos. Por ello, es de suma importancia comprender cómo la incertidumbre puede ser caracterizada e incluida en modelos estocásticos para analizar el comportamiento de los sistemas.

Este curso tiene como objetivo proporcionar una introducción matemática rigurosa y al mismo tiempo práctica al modelado estocástico y a la optimización de sistemas basados ​​en estados discretos. Se estudia la selección del nivel de abstracción de un modelo dado el problema en cuestión y la forma en que las técnicas de solución numérica y la simulación pueden complementar el modelado axiomático.

El curso presenta conceptos, modelos y algoritmos en el área de investigación de operaciones junto con aplicaciones relevantes. Para el 2017 se abordó el tema de la "toma de decisiones bajo incertidumbre" y abarcó varias etapas del análisis de sistemas sujetos a fallas en el marco del análisis de riesgos. Específicamente, el programa incluyó los siguientes temas: sistemas de modelado expuestos a peligros; técnicas avanzadas para evaluar la probabilidad de fallos de los sistemas; implementación de modelos de optimización para determinar acciones de prevención adecuadas; realización de un análisis de alto nivel del rendimiento de los sistemas.

En el curso se estudian 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.

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 de Ingeniería Industrial. Para tomar este curso es necesario tener autorización de la Coordinación Académica.

El objetivo de este curso es proporcionar modelos para el análisis de datos en los que la variable de respuesta no tiene las características requeridas por los modelos de regresión lineal tradicionales. En concreto, en este curso se analizan los modelos que no requieren supuestos de normalidad como la regresión no paramétrica y la regresión robusta, modelos de respuesta binaria, tales como modelos de regresión logística en el que la respuesta es una variable de recuento como regresión y modelos de Poisson en el que la respuesta es el tiempo de regresión de Cox.. En cada caso, la clase discute los fundamentos teóricos del modelo, sus supuestos, la estimación de los parámetros, la bondad de ajuste y su aplicación en la descripción de los datos o previsiones. Por último, el curso concluye con una introducción a los modelos lineales generalizados que dan un marco general que incluye los modelos observados. Durante el curso, los estudiantes utilizarán diferentes paquetes estadísticos con el fin de proporcionar las herramientas computacionales que permiten el uso de estos modelos.

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.

La simulación computacional es una técnica general para el análisis de sistemas. Puede utilizarse para hacer frente a escenarios difícilmente observables o imposibles de reproducir en sistemas reales, y para llevar a cabo experimentos simulados rápidos y baratos que de otro modo requerirían una enorme cantidad de tiempo y costos. Este es un curso con fuerte énfasis en modelos que definen abstracciones computacionales de sistemas y que son susceptibles de simulación.

The course will cover fundamental concepts in modern supply chain management and logistics operations. The emphasis will be on techniques that highlight the basic cost tradeoffs in inventory management, distribution and logistics operations.

Este curso presenta conceptos y métodos estadísticos para el análisis de datos bajo el enfoque de modelamiento predictivo (“machine learning”). Los modelos predictivos buscan aproximar el valor de una variable de interés en términos de valores particulares de las variables predictoras, usando una función que debe ser estimada (aprendida) a partir de datos. Incluye problemas de regresión (predicción de variable continua, por ejemplo, predecir el monto de una transacción electrónica), clasificación (predicción de variable categórica, por ejemplo, predecir si la transacción es fraude o no), ranking (ordenamiento de la variable de respuesta) y aprendizaje no-supervisado (cuando la respuesta no es observable). A diferencia de modelos estadísticos clásicos, los modelos predictivos se evalúan a partir de su eficacia para pronosticar la respuesta y no necesariamente en su capacidad para explicar las relaciones entre las variables. En el curso se incluyen técnicas de minería de datos, de “machine learning” y de reconocimiento de patrones.

El enfoque central es cómo usar estas técnicas para crear métodos que sean buenos predictores desde el punto de vista estadístico, y no solamente como una herramienta de minería de datos. Así mismo, se hará énfasis en la implementación computacional de algoritmos para el análisis de datos y el uso de software. También se tratarán aplicaciones relevantes a la Ingeniería Industrial y el desarrollo de casos de estudio, como por ejemplo: detección de fraude, modelos de puntaje (“scoring”), confiabilidad de productos, determinación de factores de éxito, sistemas de recomendación, entre otras.

El estudiante al final del curso deberá ser capaz de:

• Pronosticar y validar un pronóstico
• Planear los requerimientos de mano de obra y recursos a nivel macro en una empresa
• Diseñar políticas de inventario (tamaño de lote, periodicidad de pedidos, etc.)
• Programar producción a nivel básico
• Diseñar un sistema apropiado de control de piso
• Conocer los conceptos logísticos involucrados en los procesos de manufactura.

Este curso cubre temas avanzados de programación de producción y además 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. Adicionalmente, tiene también como 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.

 

Los aspectos relacionados con el modelado y la optimización de los Sistemas Logísticos tienen hoy en día una
importancia fundamental para el adecuado funcionamiento de la organización. La mejora de los indicadores de
desempeño va ligada al éxito de la implementación de las estrategias de logística. Los modelos y las técnicas
que normalmente usan los profesionales encargados de las decisiones operacionales, tácticas y estratégicas
en Logística carecen de la suficiente adecuación a la compleja realidad de este tipo de sistemas. Este curso se
centra en el estudio y optimización de Sistemas Logísticos complejos a través del análisis de las técnicas
matemáticas, y de su utilización en el proceso de mejoramiento de los procesos de Logística. Para el curso se
han seleccionado una familia de problemas de diseño de la red logística de distribución, enrutamiento de
vehículos y modelos colaborativos en la cadena de suministros. Las técnicas de solución incluyen las
estrategias clásicas de optimización combinatoria, heurísticas básicas adaptadas a cada problema y teoría de juegos.

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 de Ingeniería Industrial. Para tomar este curso es necesario tener autorización de la Coordinación Académica.

El curso tiene un enfoque práctico. Los objetivos son:

1. Realizar de manera formal experimentos encaminados a descubrir algo acerca de un proceso o sistema particular, utilizando modelos y herramientas estadísticas y software computacional.
2. Desarrollar competencias de planeación, ejecución, análisis y presentación de los datos resultantes de un experimento con el fin de obtener conclusiones válidas y objetivas.
3. Diseñar, ejecutar, implementar y presentar los resultados de un experimento utilizando las herramientas del curso por medio de un proyecto práctico que los estudiantes desarrollarán en trabajo en equipos a lo largo del semestre.

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 undergraduate engineering statistics.

El curso cubre técnicas básicas y avanzadas para el control de la calidad y el mejoramiento de procesos, las cuales han sido ampliamente utilizadas en muchas industrias. Se cubre temas como: gráficos de control, análisis de capacidad, evaluación de la satisfacción de los clientes, entre otros. El objetivo es que el estudiante entienda los conceptos, el funcionamiento y el papel de estas técnicas.

Curso que deben tomar los estudiantes de maestría inscritos en la Certificación Six Sigma a fin de desarrollar su proyecto aplicado.

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.

Este es un curso de posgrado para estudiantes de ingeniería y otras personas interesadas en procesos y sistemas de fabricación/manufactura. Se introducirá al estudiante a los principios fundamentales de los sistemas y procesos de fabricación, incluyendo temas como: propiedades de los materiales, procesos de fabricación, dimensionamiento y tolerancia, fabricación avanzada, entre otros.

Desde sus comienzos, hace tres décadas, el Pensamiento Sistémico Crítico ha constituido una de las áreas de mayor desarrollo dentro del enfoque sistémico, experimentando múltiples transformaciones. Estas últimas han implicado una relación estrecha con otros tipos de enfoques sistémicos y con el pensamiento crítico. Por esto en el curso se estudian las características principales de otras corrientes de pensamiento sistémico, se discuten los orígenes y posteriores transformaciones del pensamiento sistémico crítico, y se fomenta su aplicación en el estudio de dos problemas sociales y empresariales. Con esto último se busca que los estudiantes tengan un
espacio en el que puedan descubrir por sí mismos la potencialidad del pensamiento sistémico crítico en una situación problemática concreta, y que además se motiven a explorar y buscar opciones a situaciones problemáticas que aquejan a nuestras organizaciones y nuestra sociedad.

Este curso ofrece elementos conceptuales y herramientas metodológicas para que un estudiante 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.

Los objetivos de este curso son:

1. Equipar a los estudiantes con las capacidades para hacer críticas a problemáticas relacionadas con sistemas sociales, organizaciones.
2. Introducir a los alumnos en el ámbito de la modelación de sistemas sociales para hacer frente a problemas que puedan surgir en estos mismos.

En el curso se cubren temáticas como el estudio de los sistemas complejos desde el ámbito de las ciencias naturales, modelación de sistemas sociales, aprendizaje organizacional, economía comportamental, interacciones locales y fenómenos emergentes, entre otros.

Vivimos en una sociedad que está conectada. Día a día interactuamos con diferentes personas en entornos cambiantes haciendo que la información llegue rápidamente a más gente y, sin darnos cuenta, comenzamos a ser partícipes de estos fenómenos. Para entender lo que está pasando debemos salir del paradigma de lo proporcional para entrar en un mundo donde el todo es mayor que la suma de sus partes y las conexiones
entre los individuos cobran tanta o más importancia como estos mismos. Las ciencias de la complejidad han desarrollado herramientas eficientes para explicar y modelar éstos fenómenos.
Este curso es un seminario donde se busca que los estudiantes exploren mecanismos y modelos computacionales simples utilizando el paradigma de la complejidad. Así, los estudiantes tendrán herramientas para la interpretación y la intervención de sistemas complejos relevantes para la solución de problemas, sobretodo en Colombia.

El curso busca explorar la negociación como un mecanismo alterno de resolución de controversias que permite a las partes involucradas en una disputa la búsqueda de un arreglo directo y satisfactorio para ellas, sin perder de vista los otros métodos alternos de solución de disputas.

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 enfoca en 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 importancia 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.

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 de Ingeniería Industrial. 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.

Los objetivos del curso son:

1. Describir y profundizar en metodologías sistémicas para la Gestión de las Organizaciones.
2. Presentar casos aplicados de dichas metodologías de gestión.
3. Desarrollar algunas competencias en investigación y expresión.

¿Qué es ingeniería? ¿Se caracteriza por los tipos de problemas que aborda? ¿Por el tipo de conocimiento que produce? ¿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 impacto social? ¿Qué es lo que hace que la ingeniería sea ingeniería? A pesar de la importancia de estas preguntas es común definir con ligereza la ingeniería como “ciencia aplicada”. Sin embargo, seguramente lo que define a la ingeniería es el diseño de artefactos 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 alcance y los retos de la actividad de diseñar, y las posibilidades de los modelos de ingeniería. La cuestión del diseño implica además consideraciones éticas propias de la ingeniería que no se encuentran en las ciencias y que son necesarias para una práctica profesional apropiada. Cuando la ingeniería pretende transformar sistemas sociales (empresas, instituciones, sistemas públicos y privados, organizaciones, etc.) entonces las reflexiones anteriores plantean retos especiales tanto para la investigación como para la práctica pues dichos sistemas están formados por actores 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 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 liderará la transformación de la sociedad.

Este curso internacional tiene la finalidad de reunir a profesionales, profesores y estudiantes de universidades nacionales y extranjeras para la difusión de conocimiento, el intercambio académico y la discusión en torno al papel de la ingeniería como promotor de desarrollo de las comunidades vulnerables, particularmente aquellas ubicadas en el área rural. Se hará un especial énfasis en la generación de soluciones innovadoras de ingeniería, que puedan mejorar la calidad de vida de comunidades vulnerables y en desarrollo de ideas de negocio orientadas al ámbito social.

El curso de Simulación basada en Agentes (SIMBA) es un curso de maestría del Departamento de Ingeniería Industrial, por medio del cual se pretende brindar herramientas complementarias a enfoques tradicionales en el estudio de sistemas organizacionales / sociales. El curso SIMBA combina elementos fundamentales de la teoría de sistemas (interacciones, estructura y comportamiento) con técnicas computacionales de simulación de sistemas complejos. El curso refuerza dos pilares del “núcleo” del departamento de ingeniería industrial: (i) el paradigma de simulación computacional (ampliamente interpretado), y (ii) la perspectiva de sistemas en ambientes complejos e inciertos.

 

La complejidad actual de los sistemas organizacionales / sociales hace que ninguna disciplina por sí sola sea capaz de generar un entendimiento holístico de los mismos. Perspectivas actuales involucran aproximaciones cuantitativas desde la economía, psicología, sociología e incluso desde la física y la ingeniería industrial. Adicionalmente, enfoques tradicionalmente “estáticos” (p. ej., únicamente centrados en la determinación de equilibrios y no en el proceso para llegar a ellos) son insuficientes para explicar la evolución y dinámica de cambio, lo cual hace que las herramientas computacionales se conviertan en un recurso complementario tanto para el estudio como para la transformación de dichos sistemas.

 

El curso SIMBA es una aproximación interdisciplinaria al modelado del comportamiento individual y sus implicaciones en la emergencia de características agregadas de sistemas. Por medio de este curso se pretende brindar una sólida base metodológica en relación con la elaboración de modelos computacionales basados en agentes y su aplicación a diversas problemáticas observadas en sistemas sociales y organizacionales, representadas en preguntas tales como las siguientes: ¿Cómo ciertas estructuras organizacionales facilitan o impiden la innovación, cooperación y competencia? ¿Cómo la aproximación de agentes ayuda al (re)diseño de sistemas socio-técnicos? ¿Cómo los modelos de agentes ayudan a establecer diferentes alternativas de coordinación de tareas en sistemas organizacionales?

El objetivo del curso es entender y utilizar la creatividad como un todo a partir de diversas perspectivas conceptuales y prácticas. Frecuentemente la creatividad se asume como una capacidad o talento individual que bien orientada puede llevar al individuo a obtener soluciones inesperadas a problemas dados o por descubrir.  A nivel colectivo se confunde la creatividad con la innovación y se limita a la generación continua o disruptiva de productos y servicios.  Dada la diversidad de ideas y teorías que existen sobre la creatividad en diferentes campos de la ciencia, así como la posibilidad de extender las ideas sobre este fenómeno en el campo del pensamiento sistémico (“systems thinking”), este curso recoge la idea de la creatividad como un sistema o serie de sistemas.  Con esta idea integradora se ofrecen elementos prácticos para que los estudiantes aprecien y utilicen estos elementos en la búsqueda de soluciones innovadoras a un problema o conjunto de problemas de su interés.

La ingeniería sistémica o “systems engineering” es un enfoque interdisciplinario que permite hacer realidad sistemas exitosos. Ella contribuye al desarrollo, diseño y operación de sistemas de todo tipo, incluyendo sistemas organizacionales, tecnológicos, sociales, socio-técnicos, etc. Por esto la ingeniería sistémica es hoy en día ampliamente usada en todas las áreas de la ingeniería, y proporciona a los estudiantes herramientas muy prácticas para el ejercicio de su profesión cualquiera que sea el campo en el cual ellos se vayan a desempeñar en el futuro. La ingeniería sistémica ha sido usada en grandes proyectos como el “Manhattan Project”, el Proyecto Boeing 787, y múltiples proyectos en organizaciones como la NASA, General Electric, Ford, John Deer, Lockheed, etc.

El curso presenta técnicas prácticas y recientes de la ingeniería sistémica, enfatizando el desarrollo de la creatividad en los estudiantes para aumentar sus habilidades en el diseño de sistemas exitosos.

Esta materia desarrolla competencias para el diseño, mejoramiento y operación de sistemas efectivos mediante la selección de los componentes adecuados, la integración de estos componentes para que interactúen de la manera correcta satisfaciendo así los requerimientos, las capacidades y los comportamientos que son necesarios en el sistema completo. El curso provee metodologías y herramientas para diseñar sistemas en los cuales las partes y el todo operan eficaz y dinámicamente en un contexto complejo, al cual se adaptan y en el cual interactúan con otros sistemas.

El objetivo del curso es 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. 

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.

Este curso es una introducción a las matemáticas financieras contemporáneas: a la teoría, la aplicación e implementación de las mismas. Estas matemáticas son utilizadas en la modelación de los mercados financieros para el diseño de lo que se conoce como “derivados financieros” y el posterior análisis en su gestión. El curso contempla los fundamentos teóricos, la modelación matemática y computacional, así como la aplicación práctica de los anteriores conceptos a los mercados financieros. De manera formal el curso introduce al estudiante en el análisis de modelos financieros en tiempo discreto y continuo, en las herramientas computacionales para la solución de derivados financieros que no admiten una solución analítica y por lo tanto para su valoración se requiere de algún método numérico; y por último en los métodos no paramétricos para la calibración de este tipo de modelos. Se espera que los estudiantes hayan seguido un curso de cálculo diferencial e integral un curso de probabilidad y un curso de programación básica.

Ingeniería financiera es un campo multidisciplinario que utiliza herramientas y conceptos de estadística, economía, métodos computacionales y matemáticas aplicadas para resolver problemas financieros y soportar el proceso de toma de decisiones sobre el ahorro, la inversión, préstamos, y la gestión del riesgo. Este curso busca desarrollar habilidades para la creación y utilización de herramientas de analítica financiera para soportar metodologías para la toma de decisiones en el sector financiero.