Código: 720208 | Asignatura: Optimización industrial | ||||
Créditos: 3 | Tipo: Obligatoria | Curso: 1 | Periodo: 1º S | ||
Departamento: Estadística, Informática y Matemáticas | |||||
Profesorado: | |||||
AZCARATE CAMIO, CRISTINA (Resp) [Tutorías ] | GARCIA DE VICUÑA BILBAO, DANIEL [Tutorías ] |
Optimización lineal. Optimización entera. Optimización multiobjetivo. Software de Optimización. Aplicaciones en ingeniería industrial. Discusión de casos reales.
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.
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.
R1. Conocimiento de los fundamentos de la optimización lineal, optimización entera y optimización multiobjetivo.
R2. Capacidad para identificar problemas de optimización en el contexto de la ingeniería industrial.
R3. Capacidad para la representación problemas reales mediante un modelo de optimización lineal, entero o multiobjetivo, para resolverlo utilizando el software adecuado, y para recoger, analizar e interpretar sus resultados.
Actividad formativa | Horas | % Presencialidad del alumno |
AF1.- Clases expositivas/participativas | 15 | 100 |
AF2.- Prácticas | 12 | 100 |
AF3.- Realización de proyectos en grupo | 13 | 0 |
AF4.- Estudio y trabajo autónomo del estudiante | 30 | 0 |
AF5.-Tutorías y pruebas de evaluación | 5 | 100 |
Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
---|---|---|---|---|
R1 | Prueba de duración corta para la evaluación continua | 20 | NO | |
R1, R2, R3 | Pruebas de respuesta larga | 60 | SÍ | 5/10 |
R1, R2, R3 | Trabajos e informes | 20 | NO | |
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.
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
ANDERSON, D. R., SWEENEY, D. J., WILLIAMS, T. A., CAMM, J., FRY, M. OHLMANN,J.W, (2016): Introduction to Management Science. Quantitative Methods for Decision Making. Thomson. Cincinnati, USA. 14e
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.
COLLIER, D.A., EVANS, J.R. (2020): Operations and Supply Chain Management. Cengage, 2e.
HILLIER, F.S., LIEBERMAN, G.J. (2021): Introduction to Operations Research. McGraw Hill, 11e.
HILLIER, F.S., HILLIER, M.S. (2010): Introduction to Management Science. A Modeling and Case Studies Approach with Spreadsheets. McGraw-Hill 4e
LAWRENCE, A.L., PASTERNACK, B.A. (2002): Applied Management Science. Modeling, spreadsheet analysis and communication for decision-making. Wiley, 2ªEd.
LUENBERGER, D.G., Ye, Y.Y. (2008): Linear and Nonlinear Programming. Springer, 3ª Ed.
PARDALOS, P.M., KOROTKIKH, V., Eds (2003): Optimization and industry: new frontiers. Kluwer Academic Publishers.
WINSTON, W.L., ALBRIGHT, S.L. (2016): Practical management science. South-Western Cengage Learning, 6e.
Revistas científicas: Optimization and Engineering, Interfaces, Engineering Optimization, European Journal of Industrial Engineering, European Journal of Operational Research, Computers and Industrial Engineering, etc.