Equipo¶
| Instructor | Juliana Quintana | j |
| Asistente graduado | Juan Diego Pineda | j |
Descripción del curso¶
El curso Modelado de Sistemas bajo Incertidumbre es una materia fundamental y de núcleo en el plan de estudios de Ingeniería Industrial. Se basa en los conocimientos previos de probabilidad y estadística para introducir a los estudiantes en el arte y la ciencia de modelar sistemas complejos caracterizados por la incertidumbre. En la ingeniería industrial moderna, la capacidad de analizar y predecir el comportamiento de sistemas —desde líneas de manufactura y cadenas de suministro hasta operaciones de servicios y sistemas de salud— es una competencia esencial. Este curso proporciona las herramientas teóricas y, de manera crucial, las habilidades de programación en Python para llevar a cabo estos análisis, preparando a los estudiantes para cursos avanzados en investigación de operaciones, logística y diseño de sistemas.
🎯 Objetivos de aprendizaje¶
Modelar y analizar sistemas estocásticos del mundo real utilizando cadenas de Markov en tiempo continuo, desarrollando tanto soluciones analíticas para estimar su desempeño como simulaciones que permitan validar resultados y estudiar su comportamiento dinámico.
Aplicar metodologías de simulación para el análisis de sistemas de servicio, incluyendo el uso de teoría de colas, el modelado de entradas, la verificación y validación de modelos, así como el análisis estadístico riguroso de los resultados obtenidos.
Diseñar, ejecutar e interpretar experimentos de simulación con el fin de comparar alternativas de diseño, formular recomendaciones de ingeniería basadas en evidencia cuantitativa y optimizar el desempeño de los sistemas.
Gestionar proyectos de simulación de forma colaborativa, comunicando métodos, resultados y conclusiones de manera efectiva.
🏅 Contribución a los Resultados del Estudiante de ABET¶
| Resultado ABET | Indicador | Descripción | Instrumento de evaluación |
|---|---|---|---|
| (1) Solución de problemas | I1.1.3 | Resuelve problemas complejos aplicando principios de ingeniería, ciencias y matemáticas. | Examen Parcial 2: CMTC — análisis transitorio, estado estacionario y tiempos de primer paso. |
| (1) Solución de problemas | I1.1.4 | Utiliza herramientas para resolver problemas complejos. | Laboratorio 2: uso de SimPy, NumPy y jMarkov para modelar y analizar CMTC. |
| (6) Experimentación | I6.1.3 | Analiza e interpreta datos obtenidos de experimentos. | Laboratorio 3: verificación y validación de modelos, ajuste de distribuciones a datos. |
| (6) Experimentación | I6.1.4 | Utiliza el juicio de ingeniería para sacar conclusiones. | Examen Parcial 3: análisis de entrada/salida, comparación de sistemas, modelado analítico y de simulación. |
Siguiente: 🗓️ Evaluaciones y reglas del curso