Fundación TecnoCampus
eCampus
Universitat Empresa
eCampus

Que estás buscando?

Información general

Tipo de asignatura: obligatoria

Coordinador: Jesus Ezequiel Martínez Marín

trimestre: Segundo trimestre

Créditos: 3

Profesorado: 

Rosa Herrero Antón

Competencias

competencias básicas

  • CB6-Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación

  • 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. 

Competencias específicas

  • CE2. Aplicar herramientas y metodologías que faciliten el pensamiento creativo e innovador en las situaciones cotidianas ligadas al entorno de la cadena de suministros y los negocios logísticos y marítimos.

  • CE4. Gestionar estratégicamente los procesos de innovación empresarial en la cadena de suministros y el negocio marítimo, desde el diagnóstico hasta su aplicación, siendo capaz de alinear recursos, capacidades y habilidades para su puesta en práctica

  • CE7. Gestionar (planificar, programar y controlar) el flujo de materiales e información (flujo de la cadena de suministros) a través de la dirección y gestión coordinada de las áreas de compras, producción y distribución física de la empresa. 

competencias transversales

  • CT1. Mostrar disposición para conocer nuevas culturas, experimentar nuevas metodologías y fomentar el intercambio internacional en el contexto de la logística, cadena de suministros y negocios marítimos.

  • CT2. Mostrar habilidades emprendedoras de liderazgo y dirección, que refuercen la confianza personal y reduzcan la aversión al riesgo. 

  • CT3. Desarrollar tareas aplicando con flexibilidad y creatividad los conocimientos adquiridos y adaptándolos a contextos y situaciones nuevas. 

Descripción

Modelos Matemáticos para la Logística. 

 

Esta asignatura dispone de recursos metodológicos y digitales para hacer posible su continuidad en modalidad no presencial en el caso de ser necesario por motivos relacionados con la Covidien-19. De esta forma se asegurará la consecución de los mismos conocimientos y competencias que se especifican en este plan docente.

El TecnoCampus pondrá al alcance del profesorado y el alumnado las herramientas digitales necesarias para poder llevar a cabo la asignatura, así como guías y recomendaciones que faciliten la adaptación a la modalidad no presencial.

Resultados de aprendizaje

Modelizar y resolver problemas logísticos con incertidumbre y riesgo 

Programar modelos matemáticos en Logística 

Metodología de trabajo

La asignatura utiliza las siguientes metodologías de trabajo: 

Clase magistral, estudio de casos, aprendizaje colaborativo y resolución de problemas. 

Contenidos

Tema 1: Introducción 

1.1 Concepto de modelo matemático 

1.2 Tipología de sistemas 

1.3 Metodologías y algoritmos 

Tema 2: Teoría de grafos 

2.1 Definición, representación y topología 

2.2 Ejemplos de aplicación 

2.3 Matrices asociadas a un grafo e isomorfismo de grafos 

2.4 Algoritmos en grafos 

2.4.1 Árbol parcial mínimo y los algoritmos de Prim y Kruskal 

2.4.2 Camino más corto y el algoritmo de Dijkstra 

2.4.3 Problema de flujo en una red y el algoritmo de Ford-Fulkerson 

Tema 3: Procesos estocásticos 

3.1 Definición de procesos estocásticos y variables aleatorias 

3.2 Ejemplos y casos especiales 

3.3 Cadena de Markov a tiempo discreto 

3.4 Cadena de Markov a tiempo continuo 

Tema 4: Problema del Viajante de Comercio 

4.1 Definición del problema 

4.2 Variantes más utilizadas 

4.3 Metodologías de resolución 

Tema 5: Problema de Rutas de Vehículos 

5.1 Definición del problema 

5.2 Variantes más utilizadas 

5.3 Metodologías de resolución 

Tema 6: Programación no lineal 

6.1 Definición y calificación de no linealidad 

6.2 Ejemplos 

6.3 Caso especial: problemas con restricciones lineales 

6.4 Condiciones de Karush-Kuhn-Tucker e interpretación de multiplicadores de Lagrange 

6.5 Metodologías de resolución 

Actividades de aprendizaje

La asignatura utiliza las siguientes metodologías de trabajo: 

Clase magistral, estudio de casos, aprendizaje colaborativo y resolución de problemas. 

Sistema de evaluación

Con el objetivo de recoger evidencia de la consecución de los resultados de aprendizaje esperados se realizarán las siguientes actividades de carácter evaluativo: 

  
A1. Ejercicio en casa: Teoría de Grafos (10%) 

Ejercicios a resolver a través del aula virtual a partir de su contenido teórico. 

  
A2. Ejercicio en casa: Procesos Estocásticos (10%) 

Ejercicios a resolver a través del aula virtual a partir de su contenido teórico. 

  
A3. Ejercicio en casa: Problema del Viajante de Comercio (15%) 

Ejercicios a resolver a través del aula virtual a partir de su contenido teórico. 

  
A4. Ejercicio en casa: Problema de Rutas de Vehículos (15%) 

Ejercicios a resolver a través del aula virtual a partir de su contenido teórico. 

  
A5. Examen final (50%) 

Examen del contenido de toda la asignatura. 

  
La nota de cada alumno se calculará siguiendo los porcentajes correspondientes: 

Nota final = A1 0,1 + A2 0,1 + A3 0,15 + A4 0,15 + A5 0,5 

  
Consideraciones: 
- Es necesario obtener una nota superior a 4 en el examen final para aprobar la asignatura. 

- El profesor informará de las fechas y formato de la entrega de los ejercicios en casa. Una actividad no librada o librada con retraso y sin justificación (citación judicial o asunto médico) cuenta como un 0. 

- Es responsabilidad del alumno evitar el plagio en todas sus formas. En caso de detectar un plagio, independientemente de su alcance, en alguna actividad corresponderá a tener una nota de 0. Además, el profesor comunicará la situación para que se tomen medidas aplicables en materia de régimen sancionador. 

Bibliografía

Básico

Hillier, FS, Lieberman, GJ (2016). Introduction to Operations Research. 10th. ed. McGraw-Hill Education.

Grassmann, WK, Tremblay, JP (2000). Logic and Discrete Mathematics. Prentice Hall.

Golden, BL, Raghavan, S., Wasil, EA (2008). El vehículo routing problema: latest advances and new challenges (Vol. 43). Springer Science & Business Media.

Gutin, G., Punnen, AP (2006). The traveling salesman problem and its variations (Vol. 12). Springer Science & Business Media.

Luenberger, DG, Ye, Y. (2015). Linear and Nonlinear Programming. 4th. ed. Springer.

Nelson, BL (2010). Stochastic modeling: analysis & simulation. Courier Corporation.

Taha, HA (2019). Operations Research: An Introduction. 10th ed. Pearson.

Complementario

Moreno S., Ma. Isabel, Sistachs V., Vivian, Díaz G., L. (2016). Selección de modelos en regresión logística binaria, un enfoque clásico. VDM Verlag.

Derbel, H., Jarboui, B., Siarry, P. (Eds.). (2020). Green Transportation and New Advances en Vehículo Routing Problems. 1st ed. Springer.