1.- DATOS DE LA ASIGNATURA. Diseño Asistido por Computadora. Nombre de la asignatura: Ingeniería Industrial. Carrera: Clave de la asignatura: OPN-1307

Transcripción

1 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Diseño Asistido por Computadora Ingeniería Industrial Clave de la asignatura: (Créditos) SATCA 1 OPN PRESENTACIÓN Caracterización de la asignatura. Esta asignatura aporta al perfil del egresado en ingeniería industrial la capacidad de conocer y aplicar herramientas de ingeniería asistida por computadora (CAE, por su siglas en inglés) para la modelación y simulación computacional de procesos de manufactura. 3.- COMPETENCIAS A DESARROLLAR Competencias específicas: Adquirir conocimientos generales y específicos, principales conceptos y métodos de modelación y simulación computacional de procesos de manufactura. El propósito es la capacidad de entendimiento de un proceso de manufactura aún antes de su implementación a escala industrial, prever su comportamiento y eventualmente optimizarlo antes de su implementación física. Analizar la información generada por los paquetes computacionales empleados para modelar y simular procesos de Competencias genéricas 1- Competencias instrumentales: Capacidad de análisis y síntesis de información obtenida de modelos computacionales. Conocimientos generales básicos de ingeniería asistida por computadora. Conocimientos básicos de la carrera. Comunicación oral y escrita en su lengua nativa. Habilidades básicas de manejo de la computadora usando software comercial de CAE. Habilidades de gestión de 1 Sistema de asignación y transferencia de créditos académicos

2 manufactura, en condiciones de estado estable. Pronosticar con rapidez, oportunidad y a bajo costo perturbaciones en dichos procesos. Expresar los hechos en forma de datos verificables y evaluar objetivamente el impacto de acciones de mejora. Analizar lógica, sistemáticamente y ordenadamente la búsqueda de mejoras. información (habilidad para buscar y analizar información proveniente de fuentes diversas). Comprensión de textos tecnológicos y científicos en inglés. 2-Competencias interpersonales: Trabajo en equipo. Habilidad para trabajar en ambiente laboral real. Compromiso ético. 3-Competencias sistémicas: Capacidad de aplicar los conocimientos en la práctica. Habilidades de investigación. Capacidad de aprender. 4.- HISTORIA DEL PROGRAMA Lugar y fecha de elaboración o revisión Instituto Tecnológico Superior de Monclova, Participantes Representantes de los Institutos Tecnológicos de: Representantes de la academia de ingeniería industrial Observaciones (cambios y justificación) 5.- OBJETIVO(S) GENERAL(ES) DEL CURSO (competencias específicas a en el curso) Conocer y aplicar los métodos de modelación y simulación computacional de procesos de manufactura, para analizar el comportamiento de dichos procesos previo a su implementación física.

3 6.- COMPETENCIAS PREVIAS Conocer las herramientas básicas de Diseño Asistido por Computadora (CAD, por sus siglas en inglés). Conocer los principios de ingeniería asistida por computadora (CAE, por sus siglas en inglés). Interpretar, analizar, integrar y evaluar datos e información obtenida por métodos analíticos y experimentales. 7.- TEMARIO Unidad Temas 1 Principios de Ingeniería Asistida por Computadora Subtemas 1.1 Aplicaciones de CAE 1.2 Paquetes computacionales de CAE. 1.3 Introducción a Solid Works MR. 2 Utilización de la interfase 2.1 Introducción 2.2 Inicio y salida de programas. 2.3 Manejo de archivos. 2.4 Manejo de herramientas de la aplicación. 3 Funcionalidades básicas. 3.1 Componentes, ensambles y dibujos. 3.2 Creación de componentes. 3.3 Caso de estudio. 4 Principios de ensamble 4.1 Creación de ensambles sencillos 4.2 Análisis de ensambles sencillos 5 Herramientas básicas 5.1Manejo de herramientas básicas en ensambles. 5.2 Modificación de partes de herramientas

4 para ajustarlas a los requerimientos específicos. 5.3 Caso de estudio: ensamble con tornillos, guasas y tuercas. 6 Principios de dibujo 6.1 Conceptos básicos de dibujo 6.2 Creación de dibujos detallados de componentes y ensambles. 6.3 Caso de estudio: creación de dibujo de un ensamble. 7 Tablas de diseño 7.1 Familias de componentes. 7.2 Creación de tablas de diseño. 7.3 Caso de estudio: creación de la tabla de diseño de un ensamble. 8 Sólidos de revolución 8.1 Creación de sólidos de revolución. 8.- SUGERENCIAS DIDÁCTICAS (desarrollo de competencias genéricas) Propiciar actividades de búsqueda, selección y análisis de información en distintas fuentes. Propiciar el uso de las nuevas tecnologías en el desarrollo de los contenidos de la asignatura. Relacionar los contenidos con el medio ambiente, así como con las practicas con un enfoque sustentable. Fomentar las actividades grupales que propicien la comunicación. Propiciar, en el estudiante, el desarrollo de actividades intelectuales de inducción-deducción y análisis-síntesis, las cuales lo encaminan hacia la investigación, la aplicación de conocimientos en la solución de problemas industriales. Utilizar paquete computacional Solid Works.

5 9.- SUGERENCIAS DE EVALUACIÓN La evaluación de la asignatura se hará con base en desempeños: Exámenes prácticos Consulta y exposición de temas por parte de los alumnos. Trabajo en equipo. Practicas en software UNIDADES DE APRENDIZAJE Unidad 1: Principios de ingeniería asistida por computadora los siguientes Comprender que mediante el uso adecuado de la recolección de datos e información se pueden obtener modelos de regresión adecuados para pronósticos. Definición de la metodología de recolección de datos e información y su aplicación como primera parte en las herramientas de estadística inferencial. Unidad 2: Comprobación de la adecuación del modelo Identificar que una vez que el modelo se construye es importante probar para determinar si ajustan bien los datos y si se satisfacen las suposiciones que sirven de base al análisis de regresión Probar la significancia general, estudiar las pruebas de significancia de los coeficientes y cálculo de residuales, examinar el error estándar de la estimación y observar el coeficiente de determinación. Unidad 3: Diagnóstico para balanceo e influencia

6 Identificar mediante software los puntos atípicos e influyentes que determine dicho software ser eliminados Realizar Calculo de medidas de influencia Cook, medidas de influencia: DFFITS y DFBETAS. Una medida de eficiencia del modelo y Detección de grupos de observaciones influyentes Unidad 4: Modelos Polinomiales de regresión Identificar un modelo polinomial (segundo orden o mayor) Potencias cuadradas, cúbicas o mayores, superficies curvilíneas. Realizar cálculos de Modelos polinomiales de una variable, sus principios básicos, ajuste polinomial Unidad 5: Multicolinealidad Identificar que puede surgir en el análisis de regresión múltiple la multicolinealidad que se presenta cuando dos o más variables independientes de un modelo están altamente correlacionada. Realizar pruebas para detectar la Multicolinealidad, Efecto y diagnóstico, así como calcular el factor de inflación de la varianza (VIF)

7 Unidad 6: Regresión Robusta Identificar que cuando evidencia existen una o varias observaciones heterogéneas que influyen en la estimación del modelo, la regresión robusta es una alternativa a la regresión por mínimos cuadrados ordinarios. Cálculo de estimadores M, Propiedades de los estimadores robustos. Puntos de quiebre, eficiencia y Reseña de otros estimadores robustos de regresión. Unidad 7: Validación de los Modelos de Regresión Identificar todos los indicadores para la validación de un modelo desde linealidad, homocedasticidad, independencia, normalidad, etc. Desarrollar las técnicas de validación, análisis de los coeficientes y valores predichos, recolección de nuevos datos y confirmación del modelo FUENTES DE INFORMACIÓN

8 1.- INTRODUCCIÓN AL ANÁLISIS DE REGRESIÓN LINEAL AUTOR: MONTGOMERY-PECK-VINING EDITORIAL CECSA 2.- PROBABILIDAD Y ESTADISTICA PARA INGENIERIA WILLIAM MENDENHALL EDITORIAL CENGAGE LEARNING 3.- PROBABILIDAD Y ESTADÍSTICA PARA INGENIERÍA Y CIENCIAS JAV L DEVORE EDITORIAL CENGAGE LEARNING