Universidad Pública de Navarra



Año Académico: 2014/2015
Máster Universitario en Ingeniería Industrial por la Universidad Pública de Navarra
Código: 73006 Asignatura: Optimización industrial
Créditos: 3 Tipo: Obligatoria Curso: 1 Periodo: º
Departamento:
Profesorado:
AZCARATE CAMIO, CRISTINA   [Tutorías ]

Partes de este texto:

 

Descriptores

Optimización lineal. Optimización entera. Optimización multiobjetivo. Aplicaciones en ingeniería industrial. 

Subir

Competencias genéricas

 

CB7: Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. 

CB9: Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades. 

CB10: Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. 

CG1: Tener conocimientos adecuados de los aspectos científicos y tecnológicos de: métodos matemáticos, analíticos y numéricos en la ingeniería, ingeniería eléctrica, ingeniería energética, ingeniería química, ingeniería mecánica, mecánica de medios continuos, electrónica industrial, automática, fabricación, materiales, métodos cuantitativos de gestión, informática industrial, urbanismo, infraestructuras, etc. 

CG8: Aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares.

Subir

Competencias específicas

CMG2: Conocimientos y capacidades de estrategia y planificación aplicadas a distintas estructuras organizativas.

CMG5: Conocimientos de sistemas de información a la dirección, organización industrial, sistemas productivos y logística y sistemas de gestión de calidad.

CMG6: Capacidades para organización del trabajo y gestión de recursos humanos.

CMG9: Capacidad para la gestión de la Investigación, Desarrollo e Innovación tecnológica.

Subir

Metodología

 

Actividad formativa

Horas

% Presencialidad del alumno

AF1.- Clases expositivas/participativas

15

100

AF2.- Prácticas

12

100

AF3.- Actividades de aprendizaje cooperativo

3

100

AF4.- Realización de proyectos en grupo

20

0

AF5.- Estudio y trabajo autónomo del estudiante

20

0

AF6.-Tutorías y pruebas de evaluación

5

100

Subir

Relación actividades formativas-competencias/resultados de aprendizaje

Competencia
Actividad formativa
 CB7
 AF2-AF3-AF4-AF6
 CB9
 AF3-AF6
 CB10
 AF3-AF4-AF5
 CG1
 AF1-AF2-AF3-AF4-AF5-AF6
 CG8
 AF2-AF3-AF4-AF6
 CMG2
 AF1-AF2-AF3-AF4-AF5-AF6
 CMG5
 AF1-AF2-AF3-AF4-AF5-AF6
 CMG6
 AF1-AF2-AF3-AF4-AF5-AF6
 CMG9
 AF1-AF2-AF3-AF4-AF5-AF6

Subir

Idiomas

Español

Subir

Evaluación

Sistema de evaluación

% ponderación mínima

% ponderación máxima

Pruebas de duración corta para la evaluación continua

5 %

10 %

Pruebas de respuesta larga

40%

60%

Pruebas tipo test

 

 

Presentaciones orales

5%

10%

Trabajos e informes

25%

50%

Pruebas e informes de trabajo experimental

 

 

 

Subir

Contenidos

Optimización lineal. Optimización entera. Optimización multiobjetivo. Software de Optimización. Aplicaciones en ingeniería industrial.  Discusión de casos reales.

Subir

Temario

Tema 1: Optimización lineal.

1.1 Formulación de problemas de opti.mización lineal.

1.2 Fundamentos matemáticos de la optimización lineal.

1.3 Algoritmo del simplex.

1.4 Otros algoritmos de optimización lineal.

1.5 Dualidad y análisis de sensibilidad.

1.6 Software de optimización lineal.

 

Tema 2: Optimización entera.

2.1 Formulación de problemas de optimización lineal entera.

2.2 Técnicas de resolución: Algoritmo de ramificación y acotación.

2.3 Otras técnicas de resolución.

2.4 Software de optimización lineal entera.

 

Tema 3: Optimización multiobjetivo.

3.1 Formulación de problemas multiobjetivo.

3.2 Solución eficiente y conjunto eficiente.

3.3 Técnicas de resolución: métodos generadores y programación por metas.

3.4 Otras técnicas de resolución: introducción a las técnicas interactivas.

 

Tema 4: Aplicaciones en ingeniería industrial. Discusión de casos reales.

4.1 Análisis de casos reales.

4.2 Lectura de artículos publicados en revistas científicas.

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


ANDERSON, D. R., SWEENEY, D. J., WILLIAMS, T. A., MARTIN, K., CAMM, J. (2010): “Introduction to Management Science. Quantitative Methods for Decision Making". Thomson. Cincinnati, USA.

AVRIEL, M., GOLANY. B. (Eds.) (1996): "Mathematical Programming for Industrial Engineers". Dekker.

BAZARAA, MS., JARVIS, J.J., SHERALI, H.D. (2010): “Linear programming and network flows”. Wiley, 4ªEd.

HILLIER, F.S., LIEBERMAN, G.J. (2010): "Introducción a la investigación de operaciones". McGraw Hill, 9ªEd.

LAWRENCE, A.L., PASTERNACK, B.A. (2002): “Applied Management Science. Modeling, spreadsheet analysis and communication for decision making”. Wiley, 2ªEd.

LUENBERGER, D. E. (1989): "Programación Lineal y no Lineal". Addison-Wesley Iberoamericana.

PARDALOS, P.M., KOROTKIKH, V., Eds (2003): “Optimization and industry: new frontiers”. Kluwer Academic Publishers.

WINSTON, W.L. (2005): "Investigación de operaciones. Aplicaciones y algoritmos". Thomson, 4ªEd.

WINSTON, W.L., ALBRIGHT, S.L. (2009): "Practical management science". South-Western Cengage Learning, 3ªEd.

   

Revistas científicas: Optimization and Engineering, Interfaces, Engineering Optimization, European Journal of Industrial Engineering, European Journal of Operational Research, Computers and Industrial Engineering, etc.

Subir

Lugar de impartición

Aulario (aula y aula de informática).

Subir