Diplomado en Gestión y simulación de procesos organizacionales

Sigla VRA: IND3100

Docente: Juan Carlos Ferrer

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin Prerrequisitos

Horas totales: 90 | | Horas directas: 24 | Horas indirectas: 66

Descripción del curso

Este curso introduce a los alumnos a los conceptos, técnicas y herramientas cuantitativas que se utilizan en gestión, para un proceso de toma de decisiones más informado.

El curso abordará conceptos de análisis de datos, fenómenos probabilísticos y modelos de regresión, así como los procesos de toma de decisiones en un esquema secuencial, a través de la herramienta de árboles de decisión. También se introducirán las herramientas y conceptos de optimización, haciendo una revisión sucinta de las distintas técnicas de modelación y resolución de problemas.

Resultados de aprendizaje

1. Identificar las distintas herramientas de Investigación Operacional que han sido determinantes en las empresas de Clase Mundial.
2. Implementar herramientas y sistemas basados en planillas de cálculo para la gestión de organizaciones.
3. Aplicar herramientas matemáticas para resolver situaciones reales de diversas industrias.

Contenidos

• Análisis de decisión: Introducción de los árboles de decisión y su respectiva metodología. Esto se lleva a cabo intuitivamente, sin una teoría formal de probabilidades. Los estudiantes verán inmediatamente el valor de un modelo muy simple que los ayuda a estructurar un problema de decisión, y se darán cuenta también de la necesidad de una teoría de probabilidades para modelar la incertidumbre.
• Conceptos de probabilidades: Variables aleatorias, distribuciones de probabilidades discretas y continuas, media y varianza de una distribución; correlación entre variables; probabilidad condicional.
• Técnicas de análisis de datos: (i) Simulación – modelos de simulación basados en generadores de números aleatorios; (ii) Regresiones – modelos lineales como métodos predictivos.
• Modelamiento Técnicas de Optimización: el concepto de modelo; formulación de problemas prácticos de toma de decisiones en base a modelos de optimización; el concepto de algoritmo, herramientas básicas de programación lineal, programación no lineal y programación discreta; conceptos económicos asociados a la solución óptima de un problema.

Estrategias Metodológicas:

• Clases expositivas.
• Estudio de casos.
• Entrega de documentos complementarios a las clases.
• Ayudantías.

Estrategias Evaluativas:

• Casos: 30%
• Prueba Medio Bimestre: 30%
• Examen final: 40%

Sigla VRA: IND3730

Docente): Mathias Klapp

Unidad académica responsable: Escuela de Ingeniería

Requisitos: IND3100

Horas totales: 90 | | Horas directas: 24 | Horas indirectas: 66

Descripción del curso

La simulación computacional de sistemas y procesos es una herramienta exitosa y fuertemente utilizada en el análisis de Operaciones. Se ha constituido en un método para asistir y optimizar procesos de toma de decisión en diversos ámbitos al permitir experimentar a bajo costo sobre un modelo sin necesidad de intervenir en la realidad. El curso tiene un enfoque metodológico – práctico presentando al alumno los conceptos y teoría fundamental asociada a simulación computacional, desarrollando talleres de software de simulación y analizando aplicaciones relacionadas con procesos de atención a clientes, gestión de colas y sistemas de manejo de tareas. El/la estudiante, al finalizar el curso, dispondrá de herramientas suficientes para poder liderar el desarrollo de un proyecto de simulación en su ambiente de trabajo.

Resultados del aprendizaje

1. Comprender la estructura de un modelo de simulación y sus elementos.
2. Visualizar la necesidad por un modelo de simulación y estimar su potencial valor agregado.
3. Representar problemas reales a través de un modelo de simulación.
4. Conocer las técnicas básicas de análisis y ajuste de variables de entrada.
5. Conocer las técnicas básicas de análisis, estimación y validación de variables de salida.
6. Manejar en software de simulación (SIMIO) y ser capaz de ejecutar rutinas básicas.
7. Entender cómo optimizar un proceso de toma de decisiones basándose en simulación.
8. Planificar el desarrollo de un modelo de simulación.

Contenidos:

• Motivación e introducción a modelos de simulación.
• Etapas del proceso de desarrollo de un proyecto de simulación.
• Elementos básicos de un modelo de simulación.
• Análisis de variables de entrada y ajuste de distribuciones.
• Análisis de variables de salida de un modelo de simulación.
• Herramientas de validación y verificación de un modelo.
• Comparación de configuraciones alternativas de un sistema.
• Generación de variables aleatorias.
• Introducción a software de simulación (SIMIO).
• Herramientas de optimización-simulación y optimización dinámica (si alcanza tiempo)

Estrategias Metodológicas:

• Clases expositivas.
• Cápsulas.
• Estudio de casos.
• Uso de software.

Estrategias Evaluativas:

• Tareas: 60%
• Presentación de artículo: 10%
• Trabajo Grupal: 30%

Sigla VRA: IND3400

Docente: Alejandro Mac Cawley

Unidad académica responsable: Escuela de Ingeniería

Requisitos: IND3730

Horas totales: 90 | Horas directas: 24 | Horas indirectas: 66

Descripción del curso

Este curso pretende ilustrar, entre otras cosas, cómo los enfoques cuantitativos de la Gestión de Operaciones se unen a los conceptos modernos de gestión para lograr una organización más eficiente. En el curso se revisan y profundizan conceptos que han sido objeto de estudio intenso en los últimos años en el área de Gestión de Operaciones, fundamentalmente en el ámbito de la gestión integrada de la cadena de suministros, Revenue Management y gestión dinámica de inventarios, manejo de la variabilidad, análisis de los efectos de la incertidumbre, toma de decisiones bajo incertidumbre y conceptos de enfoques “Pull” y “Lean”.

Resultados de aprendizaje

1. Identificar las distintas componentes de un sistema productivo y poder realizar un diagnóstico de la situación actual de una organización, desde el punto de vista de sus operaciones.
2. Estructurar modelos de cada uno de los procesos involucrados y también en forma global para todo el sistema, definiendo adecuadamente los parámetros y costos relevantes, y al mismo tiempo ser capaz de juzgar críticamente su aplicabilidad.
3. Determinar y cuantificar los “trade-off” a los cuales se encuentran enfrentados los sistemas productivos.
4. Ser capaz de plantear soluciones realistas que repercutan en una mayor competitividad de un sistema productivo.
5. Estar en condiciones de establecer e integrar los distintos componentes de un sistema productivo.

Contenidos

• Operaciones como fuente de ventaja competitiva. Visión de procesos y TOC
• Las operaciones como procesos y BPM. Modelos de Pronóstico.
• Modelos de Pronóstico. Inventarios: Gestión y Control.
• Planificación de la Producción / Programación de la Producción. Planificación de Corto Plazo.
• Programación de Proyectos. Diseño de Servicios y Procesos.
• Diseño de Productos. Lean y discusión caso “Toyota”. Precio y canales.
• TQM, Six Sigma y Control Estadístico de Procesos. Calidad en Servicios.
• Análisis del caso “Zara” Tópicos avanzados en Gestión de Operaciones.

Estrategias Metodológicas:

• Clases expositivas.
• Desarrollo de análisis en casa.
• Estudio de casos.
• Lecturas
• Trabajo grupal
• Juegos y uso de softwares.

Estrategias Evaluativas:

• Tareas Grupales: 15%
• Controles de lectura: 25%
• Casos de Análisis Grupal: 25%
• Examen: 35%

Sigla VRA: IND3750

Docente: Jorge Vera

Unidad académica responsable: Escuela de Ingeniería

Requisitos: IND3400

Horas totales: 90 | Horas directas: 24 | Horas indirectas: 66

Descripción del curso

Este curso tiene por objetivo revisar y profundizar conceptos que han sido objeto de estudio intenso en los últimos años en el área de Gestión de Operaciones. Estos se orientan fundamentalmente al ámbito de la gestión integrada de la cadena de suministros, incluyendo el manejo de la variabilidad, análisis de los efectos de la incertidumbre, toma de decisiones bajo incertidumbre, conceptos de enfoques “Pull” y “Lean” y enfoques ágiles, y el impacto de los conceptos de “Data Science”, Inteligencia Artificial y relacionados, en el área de Gestión de Operaciones, entre otros.

Resultados del aprendizaje

1. Integrar soluciones sofisticadas para las empresas modernas que enfrentan mercados cada vez más competitivos.
2. Analizar cómo los enfoques cuantitativos de la Gestión de Operaciones se unen a los conceptos modernos de gestión para lograr una organización más eficiente.

Contenidos

Los temas que se estudiarán a través de una selección de artículos (papers) de revistas académicas y clases expositivas, además del trabajo adicional de los estudiantes, son, entre otros: Gestión de la cadena de Abastecimientos, modelamiento de la variabilidad y toma de decisiones bajo incertidumbre, “Lean Production”, “Analytics” en Gestión de Operaciones y otros relacionados, así como aplicaciones en organizaciones que incluyen manufactura “tradicional”, servicios, sistemas de salud, comercio electrónico, entre otras. El impacto reciente de metodologías del Big Data, Machine Learning e Inteligencia Artificial en Operaciones también será revisado.

Estrategias Metodológicas:

• Lecturas y presentación de casos de estudio.
• Discusión grupal.
• Preparación de informes.
• Cápsulas.

Estrategias Evaluativas:

• Presentación de artículos: 45%
• Evaluación de pares por presentación: 15%
• Ensayos reflexivos: 20%
• Foros de discusión: 20%