4000

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

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.

 

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.

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.

 

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.

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 principal objetivo del curso es estudiar las técnicas y herramientas que permitan identificar el comportamiento o patrón de una serie temporal (observaciones o datos tomados periódicamente a lo largo del tiempo) con el fin de predecir su comportamiento futuro. El curso consta de tres módulos: en el primero se hace una revisión de los fundamentos de los métodos tradicionales de predicción para los procesos de tendencia y los procesos que presentan algún tipo de patrón estacional, en el segundo modelos Arima y se presentan sus extensiones GARCH y modelos de transferencia, los períodos de sesiones tercero alternativas de módulos que presentan casos que ilustra la construcción, identificación y validación de las fases del modelo con sesiones de los talleres que hacen un amplio uso de los ordenadores.

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.

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.

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.

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.

Los principales objetivos de este curso son los siguientes:

• Desarrollar las habilidades para construir modelos de simulación extensibles en un lenguaje de simulación de alto nivel (simio).
• Desarrollar la capacidad de analizar de manera eficiente y los datos de entrada del modelo.
• Desarrollar la capacidad de realizar análisis estadístico avanzado de procesos de salida.
• Desarrollar las habilidades para optimizar el rendimiento de un sistema simulado.
• Desarrollar las habilidades para construir modelos de simulación flexible y eficiente con un lenguaje de programación de propósito general (de bajo nivel).

Los principales objetivos de este curso son los siguientes:

Desarrollar las habilidades para construir modelos de simulación extensibles en un lenguaje de simulación de alto nivel (simio).

Desarrollar la capacidad de analizar de manera eficiente y los datos de entrada del modelo.

Desarrollar la capacidad de realizar análisis estadístico avanzado de procesos de salida.

Desarrollar las habilidades para optimizar el rendimiento de un sistema simulado.

Desarrollar las habilidades para construir modelos de simulación flexible y eficiente con un lenguaje de programación de propósito general (de bajo nivel).

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.

 

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.

Este es un curso básico en diseño de experimentos y análisis de resultados. Está orientado a ingenieros, físicos, químicos y científicos de otros campos como la Biotecnología y la Biología. El curso conduce distintos tipos de experimentos que son utilizados con frecuencia como herramientas de la ingeniería.

La estrategia Six Sigma mejora del proceso de definir, medir, analizar, mejorar y controlar (DMAIC) integra y despliega métodos estadísticos y otros resolución de problemas a través de herramientas de Six Sigma DMAIC el marco. Requiere fondo en el diseño de experimentos, control estadístico de calidad, y el análisis de regresión.

Este curso cubre temáticas en control de calidad que han sido ampliamente usadas en muchas industrias. Específicamente se concentra en los gráficos de control como fundamento del control estadístico de procesos. Se presentan gráficos básicos y avanzados. Además cubre algunos temas de estadística de multivariados para que el estudiante comprenda los conceptos, el funcionamiento y el papel de estas herramientas.

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:

El propósito de este curso es proporcionar herramientas conceptuales y metodológicas para comprender, analizar, diagnosticar y rediseñar las organizaciones sociales, y promover el desarrollo de una cultura de autogestión mediante el enfoque sistémico, en particular el enfoque 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.

 

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.

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. 

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.