INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO. Modelado y Análisis M. EN C. EDUARDO BUSTOS FARÍAS
|
|
- Miguel Palma Páez
- hace 7 años
- Vistas:
Transcripción
1 INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelado y Análisis M. EN C. EDUARDO BUSTOS FARÍAS 1
2 Análisis y Modelaje Son los componentes más importantes de un DSS Base de modelos y gestión de modelos PRECAUCIÓN Un tema difícil de adelanto Conceptos básicos y definiciones Herramientas--diagramas Modelar directamente en una hoja de cálculo 2
3 Modelaje y Análisis Estructura de algunos modelos y metodologías útiles Análisis de decisión Árboles de decisión Optimización Programación Heurística Simulación Nuevos desarrollos en técnicas y herramientas de modelaje Temas importantes en la gestión de la base de modelos 3
4 Modelaje y temas de Análisis Modelaje para MSS Modelos estáticos y dinámicos Tratamiento de seguridad, inseguridad y riesgo Diagramas de influencia Modelaje MSS en hojas de cálculo Análisis de decisión de pocas alternativas (tablas y árboles de decisión) Optimización y programación por vía matemática Programación Heurística Simulación Modelaje multidimencional -OLAP Modelaje interactivo visual y simulación interactiva visual Paquetes de software cuantitativo - OLAP Gestión de la base de modelos 4
5 Modelos para MSS Elemento clave en la mayoría de los DSS Necesidad en el modelo-basado en DSS Puede conducir a costo incrementales o a la reducción de ingresos 5
6 Más temas de modelaje Problemas de identificación Análisis ambiental Identificación de variables Pronóstico Uso de modelos múltiples Selección o categorías de modelos Dirección de modelos Modelos basados en conocimiento 6
7 Modelos Dinámicos y Estáticos Análisis Estático Fotografía sencilla Análisis Dinámico Modelos dinámicos Evaluar argumentos que cambian con el tiempo Dependencia del tiempo Tendencias y patrones sobre el tiempo Modelos estáticos extendidos 7
8 Tratamiento de Seguridad, Inseguridad, y Riesgo Modelos de Seguridad Inseguridad Riesgo 8
9 Diagramas de Influencia Representaciones gráficas de modelos Modelo de un modelo Comunicación visual Algunos paquetes para crear y resolver el modelo matemático Estructura para expresión y modelos de relaciones de MSS Rectángulo = una variable de decisión Círculo = variable intermedia o incontrolable Ovalo = resultado (salida) variable: intermedia o final Variables conectadas con flechas Ejemplo (Figura 5.1) 9
10 Unit Price Income ~ Amount used in advertisement Units Sold Profit Unit Cost Expense Costo de reparación FIGURE 5.1 An Influence Diagram for the Profit Model. 10
11 Diagrama de influencia analítica de un problema de mercado Problema: El Modelo de Mercado 11
12 Submodelo de precio 12
13 Submodelo de ventas 13
14 Modelado MSS en hojas de cálculo Hojas de cálculo: la más popular herramienta de modelado para usuarios Tiene poderosas funciones Importante para el análisis, planeación y modelos Programabilidad (macros) (Más) 14
15 Permite análisis de Qué pasaría si... Búsqueda de Metas Gestión de una base de datos simple Ejemplos: Microsoft Excel Lotus Quattro Pro 15
16 Análisis de decisión de Pocas alternativas (Tablas y Árboles de Decisión) Situaciones simples determinísticas Tablas de decisión Árboles de decisión 16
17 Tablas de Decisión Ejemplos de inversión Una meta:maximizar la producción después de un año La producción depende de un estado de la economía (Los estados de la naturaleza) Crecimiento sólido Estancamiento Inflación 17
18 Ver los problemas como un juego de dos personas Tabla de Pagos 5.2 Variables de decisión (alternativas) Variables no controlables (estado de la economía) Variables de resultados (producción proyectada) 18
19 Tabla 5.2: problema de inversión Tabla de decisiones Estados de Naturaleza Crecimiento Estancamiento Inflación Alternativas Sólido Bonos 12% 6% 3% Existencias 15% 3% -2% Depósitos 6.5% 6.5% 6.5% temporales 19
20 Tratamiento de la Inseguridad Aproximación optimista Aproximación pesimista 20
21 Tratamiento en riesgo Usar probabilidades conocidas (Tabla 5.3) Análisis de riesgo: calcular valores esperados Puede ser peligroso 21
22 Tabla 5.3: Decisión bajo riesgo y su solución Crecimiento Estancamiento Inflación Valores Sólido Esperados Alternativas Bonos 12% 6% 3% 8.4% * Existencias 15% 3% -2% 8.0% Dt 6.5% 6.5% 6.5% 6.5% 22
23 Árboles de decisión Otros métodos de tratamiento de riesgo Simulación Factores de certidumbre Lógica difusa Múltiples metas Producción, seguridad, y liquidez (Tabla 5.4) 23
24 Tabla 5.4: Múltiples metas Alternativas Producción Seguridad Liquidez Bonos 8.4% Alto Alto Existencias 8.0% Bajo Alto Dt 6.5% Muy Alto Alto 24
25 Tabla 5.5: Distribución discreta vs distribución continua Demanda Probabilidad Continua Diaria Discreta 5.1 Normalmente distribuido con 6.15 con un media de 7 y una 7.3 desviación estándar de
26 Optimización por vía de programación matemática Programación lineal (LP) Extensamente usada en DSS Programación matemática La familia de herramientas para solucionar un problema de dirección asignando un escaso recurso entre varias actividades para optimizar una meta que se puede alcanzar 26
27 Asignación de las características de un problema LP 1. Una cantidad limitada de recursos económicos 2. Los recursos son usados en producción o servicios 3. Dos o más maneras (soluciones, programas) para usar los recursos 4. Cada actividad (producto o servicio) produce resultados en términos de una meta 5. La asignación es usualmente limitada por restricciones 27
28 Modelo Asignación LP Supuestos de racionalidad económica 1. Los ingresos por asignación puede ser comparado en una unidad común 2. Ingresos independientes 3. El ingreso total es la suma de los ingresos de diferentes actividades 4. Todos los datos son conocidos con seguridad 5. Los recursos son usados en la mayoría de las formas económicas Solución óptima: la mejor, encontrada algorítmicamente 28
29 Programación Lineal Variables de decisión Función objetivo Coeficientes de la función objetiva Limitaciones Capacidades Linea Entrada-Salida (tecnología) coeficientes 29
30 Lindo LP Modelo Producto-Mezcla << El Modelo de Lindo : >> MAX 8000 X X2 SUBJECT TO LABOR) 300 X X2 <= BUDGET) X X2 <= MARKET1) X1 >= 100 MARKET2) X2 >= 200 END 30
31 << El reporte de una solución generada >> LP OPTIMUM FOUND AT STEP 3 OBJECTIVE FUNCTION VALUE 1) VARIABLE VALUE REDUCED COST X X
32 ROW SLACK OR SURPLUS DUAL PRICES LABOR) BUDGET) MARKET1) MARKET2) NO. ITERATIONS= 3 32
33 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X INFINITY X INFINITY RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE LABOR BUDGET INFINITY MARKET INFINITY MARKET
34 Programación Heurística Limitar la búsqueda Obtener soluciones satisfactorias más rápidamente y al menor costo Encontrar reglas para resolver problemas complejos Encontrar suficientes soluciones factibles para problemas complejos La heurística puede ser Cuantitativa Cualitativa (en ES) 34
35 Cuando usar Heurísticas 1. En entrada de datos inexactos o limitados 2. Realidad compleja 3. Algoritmos, fiables, exactos no disponibles 4. Mucho tiempo de cálculo 5. Mejorar la eficiencia y la optimización 6. Resolver problemas complejos 7. Para procesamiento simbólico 8. Para la elaboración de decisiones rápidas 35
36 Ventajas de la Heurística 1. Simple de entender: más fácil de implementar y explicar 2. Capacitar gente para ser creativos 3. Ahorra tiempo de formulación 4. Ahorra programación y almacenamiento en la computadora 5. Ahorra tiempo en el cálculo 6. Producir frecuentemente soluciones aceptables 7. Posibilita el desarrollo de una solución de calidad 8. Puede incorporar búsquedas inteligentes 9. Puede resolver modelos muy complejos 36
37 Limitaciones de la Heurística 1. No puede garantizar una solución óptima 2. Pueden haber demasiadas excepciones 3. Las decisiones secuenciales pueden no anticipar consecuencias futuras 4. Las interdependencias de subsistemas puede influir en todo el sistema Los heurísticos exitosamente aplicados pueden guiar una ruta 37
38 Tipos de Heurística Construcción Mejora Programación matemática Descomposición División 38
39 Métodos modernos de Búsquedas Tabú Heurística Algoritmos genéticos Simulación 39
40 Simulación Técnica para conducir experimentos con una computadora en un modelo de un sistema de dirección Herramienta frecuentemente usada en el DSS Imitaciones de la realidad y capturar su riqueza Técnicas para conducir experimentos Herramienta descriptiva, no normativa Resolver con frecuencia problemas muy complejos y riesgosos 40
41 Ventajas de la simulación 1. La teoría es lineal 2. Reducción de tiempos 3. Descriptivo, no normativo 4. Constructor de interfaces con gestión para aumentar el conocimiento sobre el problema 5. El modelo es construido desde la perspectiva del director 6. El director no necesita entendimiento generalizado. Cada componente representa un componente real del problema (Más) 41
42 7. Una amplia variación en tipos de problemas 8. Puede experimentar con diferentes variables 9. Permite resolver las complejidades del problema en la vida real 10. Fácil de obtener muchos resultados que se miden directamente 11. La única herramienta de modelado para DSS esta frecuentemente en problemas no estructurados 12. El método de Monte Carlo está incluido en paquetes de hoja de cálculo 42
43 Limitaciones de la Simulación 1. No puede garantizar una solución óptima 2. Procesos de construcción bajos y costosos 3. No puede transferir soluciones e inferencias para resolver otros problemas 4. Muy fácil de vender a los directores, que pueden necesitar soluciones analíticas 5. El Software no es muy amigable con el usuario 43
44 Metodología de la simulación El sistema real de modelos y experimentos de conducta repetitiva 1. Define el problema 2. Construye modelos de simulación 3. Prueba y válida modelos 4. Diseña experimentos 5. Experimenta conductas 6. Evalúa resultados 7. Implementa soluciones 44
45 Tipos de Simulación Simulación probabilística Distribución discreta Distribución continua Simulación probabilística vía Técnica Monte Carlo Tiempo dependiente de simulación contra tiempo independiente Simulación de software Simulación visual Simulaciones orientadas a objetos 45
46 Modelado Multidimensional Funciona en procesamiento analítico en línea (OLAP) De una hoja de cálculo y una perspectiva de análisis 2-D a la 3-D a la dimensión múltiple Herramientas de modelado multidimensional: 16- D + Modelado multidimensional - OLAP (Figura 5.6) La herramienta puede comparar, rotar, cortar y pegar, incorporar datos a través de diferentes puntos de vista 46
47 Cubos enteros de datos de la duda en cuestión (Figura 5.6a) 47
48 Presentación gráfica de la Pantalla Figura 5.6a (Figura 5.6b) 48
49 Línea ambiental de productos por rutinas (Figura 5.6c) 49
50 Ejercicio profundo de los datos: Mes corriente, purificadores de agua, solo en América del Norte (Figura 5.6d) 50
51 Hojas de cálculo visuales El usuario puede visualizar modelos y formulas con diagramas de influencia No celdas -son elementos simbólicos 51
52 Modelo visual interactivo (VIS) y simulación visual interactiva (VIS) Modelaje visual interactivo (VIM) También llamado Solución de problemas visual interactiva Modelado visual interactivo Simulación interactiva visual Usar gráficos de computadora para presentar el impacto de diferentes decisiones de dirección Se puede integrar con GIS Los usuarios desempeñan un análisis sensible Un sistema dinámico (animación) o estático (Figura 5.7) 52
53 Imagen generada del tráfico en la intersección de Orca Ambiente de Simulación Visual (Figura 5.7) 53
54 Simulación Visual Interactiva (VIS) Los tomadores de decisiones interactúan con el modelo simulado y observan el resultado conforme ocurre 54
55 Paquetes cuantitativos de software- OLAP Modelos programados que pueden expedir el DSS en programación de tiempo Algunos modelos son construidos con bloques de otros modelos Paquetes estadísticos Paquetes científicos administrativos Ingresos (producción) dirección Otras aplicaciones especificas de DSS Incluyendo hojas de cálculo entre otras 55
56 Dirección de la Base del Modelo MBMS: capacidades simulares al DBMS Pero, no hay modelo completo que se base en la dirección de este Cada organización usa modelos d alguna manera diferente Hay muchas clases de modelos Dentro de cada clase hay diferentes soluciones aproximadas Algunas capacidades del MBMS requieren razonamiento y pericia 56
57 Capacidades deseables del MBMS Control Flexibilidad Retroalimentación Interfase Reducción Incremento consistencia 57
58 El diseño del MBMS debe permitir al usuario DSS: 1. Accesar y recuperar modelos existentes. 2. Ejercitar y manipular modelos existentes 3. Almacenar modelos existentes 4. Mantener modelos existentes 5. Construir nuevos modelos con apoyo razonable 58
59 Modelar lenguajes Relacionar MBMS Orientar objetos modelos de base a su dirección Modelos para bases de datos y diseñarlas en su dirección en MIS 59
60 RESUMEN Poner modelos a un mayor papel en el DSS Los modelos pueden ser estáticos o dinámicos Análisis bajo seguridad, riesgo o inseguridad asumidas Diagramas de influencia Hojas de cálculo Tablas y árboles de decisión Modelos de hojas de cálculo y resultados en diagramas de influencia Optimización: programación matemática (Más) 60
61 Programación lineal: basada en la economía Programación heurística Simulación situaciones más complejas Elección experta Modelos multidimensionales - OLAP (Más) 61
62 Paquetes cuantitativos de Software-OLAP (estadístico, etc.) Modelado interactivo visual (VIM) Simulación interactiva visual (VIS) MBMS son como DBMS AI técnicas en MBMS 62
Optimización y Programación Lineal
Optimización y Programación Lineal La regla del 100 % 17 de febrero de 2011 La regla del 100 % () Optimización y Programación Lineal 17 de febrero de 2011 1 / 21 Introducción Introducción Veamos ahora
Más detallesPanorama de los Sistema de Soporte a la toma de Decisiones
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Panorama de los Sistema de Soporte a la toma de Decisiones M. EN C. EDUARDO BUSTOS FARÍAS 1 Sistema de Soporte a las Decisiones Metodología de
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial Profr. Eduardo Uresti, enero-mayo 2013
Programación Lineal y Optimización Segundo Examen Parcial Profr. Eduardo Uresti, enero-mayo 2013 Matrícula: Nombre: NO HAGA MÁS DE 105 PUNTOS 1. Suponga que tiene una empresa que produce tres tipos de
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Agosto-Diciembre 2011
Matrícula: Nombre: Programación Lineal y Optimización Segundo Examen Parcial Respuesta: : Profr. Eduardo Uresti, Agosto-Diciembre 2011 1. Suponga que tiene una empresa que produce tres tipos de productos
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011
Matrícula: Nombre: Programación Lineal y Optimización Segundo Examen Parcial Respuesta: : Profr. Eduardo Uresti, Enero-Mayo 2011 1. Suponga que tiene una empresa que produce tres tipos de productos (P
Más detallesMODELIZACION 01. Universidad Nacional de La Pampa Facultad de Ciencias Económicas y Jurídicas 18 - Métodos Cuantitativos para la Administración
Bibliografía Mathur y Solow; Investigación de Operaciones - El arte de la toma de decisiones. Ed. Prentice Hall Anderson, Sweeney y Williams; Introducción a los modelos cuantitativos para Administración.
Más detallesDatos técnicos y económicos A B B B C C C Coste variable por min (um)
1. EL PROBLEMA 1 En una empresa se fabrican tres productos A, B y C. Los tres productos comparten en sus procesos de producción cuatro máquinas M1, M2, M3 y M4. El producto A utiliza tres operaciones en
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009
Programación Lineal y Optimización Segundo Examen Parcial : Profr. Eduardo Uresti, Verano 2009 Matrícula: Nombre: 1. Suponga que se tiene disponible la siguiente información salida de LINDO a un problema
Más detallesPráctica de informática del programa LINDO
FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES PROGRAMACIÓN MATEMÁTICA Práctica de informática del programa LINDO Curso 2004-05 LINDO 6.1 es un programa de entorno Windows, que sirve para resolver problemas
Más detallesLINGO - Parte 3. Análisis de sensibilidad con LINGO
Optimització Curs 2006/2007 Assignatura d Estadística, UAB LINGO - Parte 3 Análisis de sensibilidad con LINGO Ejemplo Una carpintería industrial produce tablas de madera de cuatro tamaños: pequeñas, medianas,
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÍA DE SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÍA DE SISTEMAS SEMESTRE ASIGNATURA 5to INVESTIGACION DE OPERACIONES CÓDIGO HORAS
Más detallesCONTENIDO Prefacio CAPITULO 1: Qué es la investigación de operaciones? CAPITULO 2: Introducción a la programación lineal...
CONTENIDO Prefacio XV CAPITULO 1: Qué es la investigación de operaciones? 1 1.1 Modelos de investigación de operaciones 1 1.2 Solución del modelo de investigación de operaciones.. 4 1.3 Modelos de colas
Más detalles1. Análisis de la situación 3 1.1. Objetivo... 3 1.2. Hipótesis... 3
Índice 1. Análisis de la situación 3 1.1. Objetivo................................ 3 1.2. Hipótesis............................... 3 2. Modelo 3 2.1. Definición de variables........................ 3 2.2.
Más detallesINGENIERIA INDUSTRIAL SIMULACION 1. INTRODUCCION
INGENIERIA INDUSTRIAL SIMULACION 1. INTRODUCCION Blog del curso: simulacion.wordpress.com DR. JORGE ACUÑA A. 1 QUE ES SIMULACION? La representación vía computadora de un conjunto de eventos reales tomando
Más detallesCOMPETENCIA MATEMÁTICA
COMPETENCIA MATEMÁTICA EN PISA 2018 COMPETENCIA MATEMÁTICA Para el Estudio PISA, la Competencia Matemática se define como: La capacidad de un individuo de formular, emplear e interpretar las matemáticas
Más detallesSoporte a la toma de decisiones
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Soporte a la toma de decisiones M. En C. Eduardo Bustos Farías as 1 1.4.1. CONCEPTOS OS DE SISTEMAS DE APOYO A LAS DECISIONES (SAD) ES (SAD) Podemos
Más detallesPRINCIPIOS DEL MODELAJE DE SISTEMAS
16 de Enero de 2012 PRINCIPIOS DEL MODELAJE DE SISTEMAS (Parte 2) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Análisis y Diseño de Sistemas José Luis
Más detallesINGENIERÍA EN MECATRÓNICA
INGENIERÍA EN MECATRÓNICA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Optativa II Métodos cuantitativos para la toma de decisiones en administración 2. Competencias
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas 0 16 Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA LICENCIATURA EN ECONOMÍA Y NEGOCIOS PROGRAMA DE ESTUDIO Investigación de Operaciones I P86 /P75 /P96 08 Asignatura: Clave Semestre
Más detallesInvestigación Operativa
Investigación Operativa Unidad: Teoría de decisiones y modelos de programación lineal Docente: Johnny. Pacheco Contreras Unidad Teoría de decisiones y modelos de programación lineal. Logro Al finalizar
Más detallesSISTEMAS INFORMÁTICOS PROGRAMACION I - Contenidos Analíticos Ing. Alejandro Guzmán M. TEMA 2. Diseño de Algoritmos
TEMA 2 Diseño de Algoritmos 7 2. DISEÑO DE ALGORITMOS 2.1. Concepto de Algoritmo En matemáticas, ciencias de la computación y disciplinas relacionadas, un algoritmo (del griego y latín, dixit algorithmus
Más detallesLIBRO GUIA: INVESTIGACIÓN DE OPERACIONES Hamdy A. Taha. Editorial Pearson Prentice Hall, 2004
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS: ELÉCTRICA, ELECTRÓNICA, FÍSICA Y CIENCIAS DE LA COMPUTACIÓN PROGRAMA INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ASIGNATURA: INVESTIGACIÓN DE OPERACIONES
Más detallesANALISIS DE SENSIBILIDAD CON GAMS-CPLEX
ANALISIS DE SENSIBILIDAD CON GAMS-CPLEX Un de los principales inconvenientes de GAMS a la hora de su aplicación total en los módulos de practicas de las materias de Programación Matemática y similares
Más detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL
Sistemas de Toma de Decisiones UNIDAD ACADÉMICA: CARRERA: ESPECIALIZACIÓN: ÁREA: TIPO DE MATERIA: EJE DE FORMACIÓN: Facultad de Ingeniería en Electricidad y Computación Ingeniería en Ciencias Computacionales
Más detallesCURSO: INTRODUCCION A VENSIM MODULO BASICO
MANAGEMENT CONSULTORES CURSO: INTRODUCCION A VENSIM MODULO BASICO Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-5468-3369 Fax: 054-11-4433-4202 Mail: mgm_consultas@mgmconsultores.com.ar
Más detallesCONTENIDO SEMBLANZA DE LOS AUTORES DE LOS ESCRITORES DE CASOS..
CONTENIDO SEMBLANZA DE LOS AUTORES DE LOS ESCRITORES DE CASOS.. PREFACIO. xix xxi xxiii CAPITULO I Introducción. 1 1.1 Orígenes de la investigación de operaciones. 1 1.2 Naturaleza de la investigación
Más detallesUniversidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE
Página 1 de 8 Plan de Estudio Enfasis 0 Bloque Común(no hay énfasis) Nivel Curso Nombre del curso T P L TP Cred. Requisitos y Req. Equivalentes Correquisitos y Correq. Equivalentes 1 CI1010 INTRODUCCIÓN
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA VICERRECTORADO ACADEMICO COMISION CENTRAL DE CURRÌCULUM PROGRAMA ANALITICO
UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA VICERRECTORADO ACADEMICO COMISION CENTRAL DE CURRÌCULUM PROGRAMA ANALITICO INVESTIGACIÓN DE OPERACIONES I CODIGO: 0135701T Elaborado por: María Luz Camargo,
Más detallesÁrea: INFORMÁTICA. Saber- Saber: Identificar DFD como herramienta para escribir los algoritmos de forma lógica.
Guía No: 2 Subdirección de Educación Departamento de Educación Contratada Colegio CAFAM Bellavista CED GUIA DE APRENDIZAJE Docente: Luz del Carmen Barrera Área: INFORMÁTICA Fecha: II BIMESTRE 2014 Grado:
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesPERFIL PROFESIOGRÁFICO PARA IMPARTIR LAS ASIGNATURAS DE LA LICENCIATURA EN INFORMÁTICA (PLAN DE ESTUDIOS 2005)
ASIGNATURAS SEMESTRE LICENCIATURA EN: OTROS REQUERIMIENTOS Teoría del Conocimiento (1156) 1 Filosofía Administración Básica (1157) 1 Administración o afín, Maestría en Administración Análisis, Diseño e
Más detallesOptimización de Problemas de Producción
Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de
Más detallesIngeniería Mecánica e Industrial Ingeniería Industrial Ingeniería Industrial División Departamento Carrera(s) en que se imparte
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 15 de octubre de 2008 INVESTIGACIÓN
Más detallesAño Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS
Año Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS Investigación de operaciones I UNIDAD Unidad I: Programación lineal Conjuntos convexos, propiedades. Solución gráfica del problema bidimensional
Más detalles5. PLANIFICACIÓN DE LAS ENSEÑANZAS
5. PLANIFICACIÓN DE LAS ENSEÑANZAS 5.1. Descripción del Plan de Estudios I. Estructura del Plan de Estudios Módulo Materia Asignatura ECTS Carácter MÉTODOS NUMÉRICOS 6 OBLIGATORIA ECUACIONES FUNDAMENTOS
Más detallesCURSO DE ANÁLISIS ENERGÉTICO CON SDDP
TABLA DE CONTENIDO 1. MOTIVACIÓN... 3 2. DIRIGIDO A... 3 3. OBJETIVOS... 3 4. EXPOSITORES... 4 5. CONTENIDO (duración total del curso 40 horas)... 4 5.1. Principios matemáticos del SDDP. (4 horas)... 4
Más detallesDiseño y simulación de un algoritmo basado en lógica difusa para el despacho de ascensores en un edificio
Diseño y simulación de un algoritmo basado en lógica difusa para el despacho de ascensores en un edificio PROYECTO FIN DE CARRERA Ingeniería de Telecomunicación Autor: Guillermo Iglesias García Director:
Más detallesUNIVERSIDAD TECNOLÓGICA DE PANAMÁ H. R. Alvarez A., Ph. D.
H. R. Alvarez A., Ph. Modelos y la toma de decisiones El proceso racional de toma de decisiones utiliza modelos y reglas matemáticas Estos modelos y reglas permiten un proceso sistemático y ordenado de
Más detallesSISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS
IIC3712 GESTIÓN de las TEC. de INFORMACIÓN SISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS Ignacio Casas R. Escuela de Ingeniería Pontificia Universidad Católica de Chile Mayo, 2002 Qué es la Toma
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Presentación del Programa de Investigación de Operaciones Estudiantes:
Más detallesModelo de simulación-optimización para el mejoramiento de políticas de inventario en una empresa del sector plástico
Modelo de simulación-optimización para el mejoramiento de políticas de inventario en una empresa del sector plástico Juan Esteban de la Calle Echeverri Maria Alejandra Arango Juan Carlos Rivera Universidad
Más detallesMODELOS Y MODELADO. Gilberto Gallopín.
MODELOS Y MODELADO Gilberto Gallopín ggallopin@gmail.com Seminario Prospectiva y Pensamiento Estratégico INTA, IIPyPP, 2 al 6 de junio de 2014 C.A.B.A. PROSPECTIVA Y MODELOS La Prospectiva es una disciplina
Más detallesCAPÍTULO 2. METODOLOGÍA Y MARCO TEÓRICO. La metodología a seguir en este proyecto se muestra a continuación:
CAPÍTULO 2. METODOLOGÍA Y MARCO TEÓRICO 2.1 Metodología La metodología a seguir en este proyecto se muestra a continuación: - Análisis y simulación de la situación actual del proceso - Generación de propuestas
Más detallesModelos y Modelado de Sistemas.
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos y Modelado de Sistemas. M. En C. Eduardo Bustos Farías as 1 1.3 Modelos y Modelado de Sistemas. La creación n y el uso de modelos ofrecen
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar
Más detallesIntensificación en "Lenguajes e Inteligencia Artificial"
Ingeniería Informática - ETS Informática Métodos y Técnicas Informáticas específicas. Comportamientos humanos que se quieren simular/emular: IA: Vertiente "cognitiva" : Razonamiento, Intelecto,. RF: Vertiente
Más detallesTema 2: Diseño y Construccion de Sistemas de Ayuda a la Decision
Tema 2: Diseño y Construccion de Sistemas de Ayuda a la Decision Procesos de desarrollo de SAD Hay dos formas de desarrollar SAD: Programar un SAD a medida: se puede emplear un lenguaje convencional como
Más detallesGUIA DE SIMULACION UNIVERSIDAD POLITECNICA DE NICARAGUA. Marzo 25, 2011 Autor: KATIA NORELLY MENDOZA FAJARDO
GUIA DE SIMULACION UNIVERSIDAD POLITECNICA DE NICARAGUA Marzo 25, 2011 Autor: KATIA NORELLY MENDOZA FAJARDO Qué es la Simulación? Una definición más formal, es que la simulación es el proceso de diseñar
Más detallesCarrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de operaciones I Licenciatura en Informática IFM - 0420 3-2-8 2.-
Más detallesINTRODUCCION AL DISEÑO EDUCATIVO Andrea Paola Leal Rivero. La Academia al servicio de la Vida
Andrea Paola Leal Rivero La Academia al servicio de la Vida INTRODUCCION El diseño de Software juega un papel importante en el desarrollo de software lo cual permite producir varios modelos del sistema
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1409 SEMESTRE: 4 (CUARTO) MODALIDAD
Más detallesSolución al parcial 14
Solución al parcial 14 Marque V(erdadero) o F(also) según considere la proposición. 1. La lógica difusa es la emulación del razonamiento aproximado que realizan las máquinas. F: Las máquinas no realizan
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesCARACTERÍSTICAS GENERALES
CARACTERÍSTICAS GENERALES a) Nombre del Proyecto Curricular Ingeniería en Sistemas y Comunicaciones 2004 b) Titulo que se otorga Ingeniero/a en Sistemas y Comunicaciones c) Espacio donde se imparte Centro
Más detallesFACULTAD DE INGENIERÍA
FACULTAD DE INGENIERÍA FORMACIÓN EN INGENIERÍA DE SOFTWARE Y BASES DE DATOS EN LOS ESTUDIANTES DE LA CARRERA DE ING. EN COMPUTACIÓN DE LA FI, UNAM EN EL PLAN DE ESTUDIOS 2015 MAYO, 2015 Porcentaje de alumnos
Más detallesde Operaciones Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación Profesor: I.S.C. Guadalupe Hernández Coca
Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación de Operaciones Profesor: I.S.C. Guadalupe Hernández Coca Periodo: Julio Diciembre 2011 Keywords: investigation of operations,
Más detallesConsejo de Postgrado de Ingeniería Industrial. IT Culiacán. Dr. José Fernando Hernández Silva Dra. Carmen Guadalupe López Varela
Nombre de la Asignatura: Investigación de Operaciones Línea de Trabajo: Asignatura Básica Docencia Trabajo de Investigación Supervisado - Trabajo Profesional Supervisado - Horas totales Créditos 48 20
Más detalles2. Modelado, tipos de modelos, etapas del modelado
Segunda Sesión 30 de julio de 2010 Contenido Modelado 1 Modelado 2 3 Abstracción y Modelo Inteligencia: Relación entre conocimientos previamente no conectados para generar el nuevo conocimiento neceasrio
Más detallesSimulación perceptual
Simulación En ingeniería, una simulación tiene como objetivo mostrar el comportamiento de un modelo digital bajo condiciones específicas, sean estas ideales, reales o extremas, dando como resultado datos
Más detallesLICENCIATURA EN INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
LICENCIATURA EN INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN Sede: Puebla Perfil de Ingreso: Conocimientos: De expresión escrita, ciencias exactas y matemáticas. De cultura nacional y regional. Metodologías
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesINSTITUTO TECNOLÓGICO SUPERIOR DEL SUR DEL ESTADO DE YUCATAN SUBDIRECCIÓN ACADÉMICA DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Referencia a la Norma ISO 9001:008 7.1, 7..1, 7.5.1, 7.6, 8.1, 8..4 Página 1 de 18 INSTITUTO TECNOLÓGICO SUPERIOR DEL SUR DEL ESTADO DE YUCATAN SUBDIRECCIÓN ACADÉMICA DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Más detallesANÁLISIS DE SENSIBILIDAD CON EXCEL Y LINDO
ANÁLISIS DE SENSIBILIDAD CON EXCEL Y LINDO Autores: Ángel A. Juan (ajuanp@uoc.edu), Javier Faulín (ffaulin@uoc.edu) ESQUEMA DE CONTENIDOS Cambios en los coeficientes de la función objetivo Cambios en los
Más detallesEspecialidades en GII-TI
Especialidades en GII-TI José Luis Ruiz Reina (coordinador) Escuela Técnica Superior de Ingeniería Informática Mayo 2014 Qué especialidades tiene la Ingeniería Informática? Según las asociaciones científicas
Más detallesIntroducción a la Computación Evolutiva
Introducción a la Computación Evolutiva Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx http: //delta.cs.cinvestav.mx/~ccoello
Más detallesPLANES CURRICULARES GRADO9º/ 01 PERIODO
PLANES CURRICULARES GRADO9º/ 01 PERIODO Grado: 9º Periodo: 01 PRIMERO Aprobado por: G. Watson - Jefe Sección Asignatura: MATEMATICAS Profesor: Gloria rueda y Jesús Vargas ESTANDARES P.A.I. I.B. A. Conocimiento
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesPrefacio... XVII PARTE I FUNDAMENTOS DE LOS MÉTODOS CUANTITATIVOS
ÍNDICE Prefacio... XVII PARTE I FUNDAMENTOS DE LOS MÉTODOS CUANTITATIVOS 1 USO DE LOS MÉTODOS CUANTITATIVOS... 2 Objetivos de aprendizaje... 3 El proceso de toma de decisiones racional... 4 Cómo se resuelven
Más detallesDIPLOMADO. Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N.
DIPLOMADO Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N. Trabajo Final Propuesta Metodológica del área de Ciencias
Más detallesMODELOS SESION 04. William León Velásquez. ESCUELA DE INGENIERÍA DE SISTEMAS Y SEGURIDAD INFORMÁTICA
MODELOS ESCUELA DE INGENIERÍA DE SISTEMAS Y SEGURIDAD INFORMÁTICA SESION 04 http://wleon.wordpress.com/ William León Velásquez 1 En el área de los negocios, la industria i y el gobierno, constantemente
Más detallesUNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE CIENCIAS PROGRAMA DE MATEMÁTICAS PLAN DE ESTUDIOS
UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE CIENCIAS PROGRAMA DE MATEMÁTICAS PLAN DE ESTUDIOS ASIGNATURA : ELECTIVA I - PROGRAMACION CÓDIGO : 8104661 SEMESTRE : IV CRÉDITOS : 4 FECHA DE
Más detallesTEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES.
TEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES. 1. INTRODUCCIÓN. PLANTEAMIENTO DE PROBLEMAS EN INGENIERÍA QUÍMICA 2. PROBLEMAS EXPRESADOS MEDIANTE
Más detallesUniversidad de Managua Curso de Programación Lineal
Universidad de Managua Curso de Programación Lineal Profesor: MSc. Julio Rito Vargas Avilés. Objetivos y Temáticas del Curso Estudiantes: Facultad de CE y A Año académico: III Cuatrimestre 2014 ORIENTACIONES
Más detallesSílabo del curso Investigación de Operaciones
Sílabo del curso Investigación de Operaciones Agosto diciembre 2017 V Ciclo Profesores Giannina Castro Gamarra Luis Miguel Sierra Flores 1 I. Datos generales del curso Asignatura : Investigación de Operaciones
Más detallesNUCLEO TEMATICO: GENERALIDADES SOBRE MODELOS y MODELOS FINANCIEROS SEMANA: 1 TEMA INTRODUCCIÓN A LA TEORIA DE MODELOS 1
NUCLEO TEMATICO: GENERALIDADES SOBRE MODELOS y MODELOS FINANCIEROS SEMANA: 1 TEMA INTRODUCCIÓN A LA TEORIA DE MODELOS 1 DEFINICIÓN DE MODELO: Los sistemas administrativos se caracterizan por ser dinámicos,
Más detallesSIMULACIÓN DE UNA CALCULADORA DE MATEMÁTICA
SIMULACIÓN DE UNA CALCULADORA DE MATEMÁTICA BÁSICA. INITE, S.C. no es responsable del contenido, de la veracidad de los datos, opiniones y acontecimientos vertidos en el presente caso práctico. La finalidad
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes basados en conocimiento Contenido Sistemas basados en conocimiento
Más detallesANEXO XVII DE LA RESOLUCION N
Hoja 1 de 7 UNIVERSIDAD NACIONAL DE CÓRDOBA Facultad de Ciencias Exactas Físicas y Naturales República Argentina Programa de: Código: Informática Carrera: Materia común Res. Nº Plan: Puntos:3.5 Escuela:
Más detallesMAESTRÍA EN ELECTRÓNICA Y AUTOMATIZACIÓN, MENCIÓN SISTEMAS DE CONTROL. Malla Curricular
MAESTRÍA EN ELECTRÓNICA Y AUTOMATIZACIÓN, MENCIÓN SISTEMAS DE CONTROL Remitir su hoja de vida y documentación de respaldo al correo: edgarpcordovac@uta.edu.ec Sistemas Eléctricos y Electrónicos Titulación
Más detallesLa tabla es una lista de los programas computacionales más ampliamente usados y que se han encontrado muy útiles en el diseño de procesos.
30 7 EL ROL DE LAS COMPUTADORAS. Muchos cálculos en el diseño de procesos no requieren algoritmos detallados porque involucran simplemente ecuaciones y procedimientos gráficos que pueden ser llevados a
Más detalles2. Intención didáctica 3. Competencia de la asignatura
Tecnológico Nacional de México Dirección Académica Instrumentación Didáctica para la Formación y Desarrollo de Competencias Profesionales Periodo: Enero-Junio 2017 Nombre de la asignatura: Investigación
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS CARRERA: CIENCIAS DE LA INFORMÁTICA LÍNEA CURRICULAR: COORDINACIÓN: DEPTO. DE CIENCIAS DE LA INGENIERÍA.
Más detallesNombre de la asignatura : Simulación. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9310
1. D A T O S D E L A A S I G N A T U R A Nombre de la asignatura : Simulación Carrera : Ingeniería en Sistemas Computacionales Clave de la asignatura : SCB-910 Horas teoría-horas práctica-créditos : -0-8.
Más detallesSECUENCIA DIDÁCTICA. Módulo IV Competencia de Módulo:
SECUENCIA DIDÁCTICA Nombre de curso: Simulación de Sistemas. Antecedente: Ninguno Módulo IV Competencia de Módulo: Clave de curso: COM1505B21 Clave de antecedente: Ninguna Desarrollar software con la finalidad
Más detallesAPÉNDICE 1: Hojas de Cálculo y LINGO
APÉNDICE 1: Hojas de Cálculo y LINGO LINGO es el software que se ha utilizado como software de optimización para el problema del transporte de bienes en CESER. LINGO es muy útil para la modelación de grandes
Más detallesWORK PAPER GENERICO DE MATERIA
RED NACIONAL UNIVERSITARIA WORK PAPER GENERICO DE MATERIA Facultad de Ciencias de la Salud Bioquímica Farmacia PRIMER SEMESTRE Gestión Académica I/2017 U N I V E R S I D A D D E A Q U I N O B O L I V I
Más detallesINGENIERÍA EN DESARROLLO E INNOVACIÓN EMPRESARIAL
HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística para negocios 2. Competencias Apoyar el desarrollo empresarial mediante la optimización del capital financiero
Más detallesInteligencia Artificial
Inteligencia Artificial Inteligencia, concepto Es la capacidad para aprender o comprender. Suele ser sinónimo de intelecto (entendimiento), pero se diferencia de éste por hacer hincapié en las habilidades
Más detallesProyecto de tesis de grado:
CARRERA DE INGENIERÍA EN ELECTRÓNICA E INTRUMENTACIÓN Proyecto de tesis de grado: TEMA: DISEÑO E IMPLEMENTACIÓN DE UN ALGORITMO DE CONTROL AVANZADO APLICADO A UN PROCESO DE PRESIÓN, UTILIZANDO UN CONTROLADOR
Más detallesMATEMÁTICAS II MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS II ESTÁNDARES DE APRENDIZAJE AL BLOQUE
MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS II BLOQUES DE CONTENIDO PORCENTAJE ASIGNADO AL BLOQUE ESTÁNDARES DE APRENDIZAJE Bloque 1. Procesos, métodos y actitudes en matemáticas. 30 % Expresa
Más detallesPRÁCTICA FUNDAMENTOS DE ALGORITMOS I. Objetivos
Objetivos El alumno conocerá las estructuras básicas para el diseño de algoritmos 1. Conocerá las estructuras secuenciales y de decisión para construir algoritmos 2. Diseñará algoritmos utilizando las
Más detallesDUALIDAD EN PROGRAMACIÓN LINEAL CON LINDO
DUALIDAD EN PROGRAMACIÓN LINEAL CON LINDO Autores: Ángel A. Juan (ajuanp@uoc.edu), Javier Faulin (ffaulin@uoc.edu). ESQUEMA DE CONTENIDOS Partes de un problema de PL Precios duales o precios sombra Dualidad
Más detallesPLANEACIÓN DEL CONTENIDO DE CURSO
FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA AGROINDUSTRIAL PLANEACIÓN DEL CONTENIDO DE CURSO 1. IDENTIFICACIÓN DEL CURSO NOMBRE : Investigación operaciones I CÓDIGO : 703033 SEMESTRE : VI NUMERO DE CRÉDITOS
Más detallesFACULTAD: INGENIERIAS Y ARQUITECTURA PROGRAMA: INGENIERÍA INDUSTRIAL DEPARTAMENTO DE: INGENIERIA MECÁNICA, INDUSTRIAL Y MECATRONICA
Página 1 de 6 FACULTAD: INGENIERIAS Y ARQUITECTURA PROGRAMA: INGENIERÍA INDUSTRIAL DEPARTAMENTO DE: INGENIERIA MECÁNICA, INDUSTRIAL Y MECATRONICA CURSO: INVESTIGACION DE OPERACIONES I CODIGO: 168005 AREA:
Más detallesFormato para prácticas de laboratorio
PLAN DE CLAVE CARRERA NOMBRE DE LA ASIGNATURA ESTUDIO ASIGNATURA LSC 2009-2 11290 Introducción a la Programación PRÁCTICA No. 2 LABORATORIO DE NOMBRE DE LA PRÁCTICA Licenciado en Sistemas Computacionales
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
INGENIERÍA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Aplicada 2. Competencias Dirigir proyectos de tecnologías de información (T.I.) para contribuir a
Más detallesMicrosoft Project Professional
Microsoft Project Professional Fundamentos en Administración de Proyectos Curso para dominar el manejo de Microsoft Project que capacita a profundidad en las funcionalidades básicas y avanzadas para la
Más detalles