advanced analytics...
Post on 31-Oct-2019
6 Views
Preview:
TRANSCRIPT
ADVANCED ANALYTICS
&
OPTIMIZATION
DIPLOMADO
MATHEMATICAL PROGRAMMING ANALYST
PARA ESTUDIANTES DE INGENIERIA INDUSTRIAL
“Un matemático es como un como un modisto que no tiene
conciencia de las criaturas a las que le puede venir bien su ropa. Por
supuesto, su arte se originó en la necesidad de vestir a esas
criaturas, pero eso fue hace mucho tiempo. Sin embargo, llegará el
día en el que surja una criatura para la que aquellas prendas se
ajusten como si hubiesen sido hechas para ella. No hay pues fin
para la sorpresa y el goce de las matemáticas”
George B. Dantzig
“Yo consideraba completamente inútil la lectura de grandes
tratados de análisis puro: un número demasiado grande de métodos
pasan una vez ante nuestros ojos. Es en los trabajos de aplicación
donde uno debe estudiarlos, allí se juzga su utilidad y se evalúa la
manera de hacer uso de ellos”
Joseph-Louis de Lagrange
CIENTÍFICO, REAL, PRÁCTICO, EN ESPAÑOL,ON-LINE, FLEXIBLE, A NIVEL DEL ESTADO DEL
ARTE DE LAS METODOLOGÍAS Y DE LASTECNOLOGÍAS DE LA OPTIMIZACIÓN, YECONÓMICO
LA MEJOR VÍA PARA COMPLETAR LA
FORMACIÓN UNIVERSITARIA, ACLARAR DUDAS Y/O PARA COMENZAR UNA NUEVA
CARRERA: RENTABLE Y PLACENTERA.
PROGRAMA DE EDUCACION CONTINUADA
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
Fecha Documento: 25/09/2017 Versión Actualizada:
PROGRAMA DE EDUCACION CONTINUADA
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
"the computer-based mathematical modeling is the greatest invention of all times"
Herbert SimonAlfred Nobel Memorial Prize in Economic Sciences (1978)
"for his pioneering research into the decision-making process within economic organizations
Herbert Alexander Simon (June 15, 1916 – February 9, 2001) was an American political scientist, economist, sociologist, psychologist,
and computer scientist whose research ranged across the fields of cognitive psychology, cognitive science, computer science, public
administration, economics, management, philosophy of science, sociology, and political science, unified by studies of decision-
making. With almost a thousand highly cited publications, he was one of the most influential social scientists of the twentieth
century. For many years he held the post of Richard King Mellon Professor at Carnegie Mellon University.
Simon was among the pioneers of several of today's important scientific domains, including artificial intelligence,
information processing, decision-making, problem-solving, organization theory, complex systems, and
computer simulation of scientific discovery.
DECISIONWARE (DW) como un medio para fortalecer la enseñanza, la aplicación, lacomunicación, la promoción y la difusión de las metodologías y de las tecnologías propias de
la PROGRAMACIÓN MATEMÁTICA, un área de conocimiento de la INVESTIGACION DEOPERACIONES, esta desarrollando convenios de transferencia de tecnologías con lasasociaciones de estudiantes de ingeniería, y más específicamente de la ingeniería industrial y
áreas afines, con la idea de ayudar a la socialización y a la aplicación del modelamientomatemático como un medio de generación de riqueza de las sociedades emergentes.
El convenio permite establecer un vínculo de largo plazo formal entre la asociación deestudiantes y DW, para que el conocimiento desarrollado por DW beneficie a sus miembros,
y que, como estudiantes (los profesionales del futuro), lo incorporen en sus metodologíaspara resolver problemas académicos y, posteriormente, durante el ejercicio profesional, lo
capitalicen como una de fortalezas científico-técnicas.
El convenio contempla el acceso a:
i) Cursos de alto nivel, con precios asequiblesii) Tecnologías de optimización desarrolladas por DW
iii) Modelos prototipo provenientes de soluciones realesiv) Asesoría en procesos de investigacion y de desarrollo tecnológico
Para mayor información dirigirse a dw-ttt@decisionware.net
CONVENIOS DE TRANSFERENCIA DE TECNOLOGÍA
DIPLOMADO VIRTUAL
MATHEMATICAL PROGRAMMING ANALYST
PARA ESTUDIANTES DE INGENIERIA INDUSTRIAL
El diplomado tiene una duración de cien (100) horas de conferencias grabadas las cuales seestructuran en cuatro (4) diplomados básicos y un diplomado avanzado en un temaespecifico. Si se toman todos los cursos del diplomado la duración total del diplomadoasciende a ciento sesenta (160) horas. Los diplomados ofrecidos son:
1. INTRODUCCIÓN AL MODELAMIENTO MATEMÁTICO ESTRUCTURADO
2. TECNOLOGÍAS DE OPTIMIZACIÓN Y CASOS DE APLICACIÓN
3. OPTIMIZACIÓN DE LAS CADENAS DE ABASTECIMIENTO
(SUPPLY CHAIN OPTIMIZATION)
4. “MARKETING” CIENTÍFICO Y MODELOS MATEMÁTICOS
5. DIPLOMADO TEMÁTICO, OPTIMIZACIÓN APLICADA A:
▪ LA INDUSTRIA MINERO-METALÚRGICA
▪ EL SECTOR ENERGÍA
▪ LA PLANIFICACIÓN REGIONAL INTEGRADA
▪ MODELAMIENTO MATEMÁTICO AVANZADO
El estudiante puede tomar la cantidad de diplomados que
considere conveniente, las clases se deberían tomar en el
orden propuesto por DW; sin embargo, esta es una
decisión del estudiante.
DIPLOMADO VIRTUAL
INTRODUCCIÓN AL
MODELAMIENTO MATEMÁTICO ESTRUCTURADO
El curso ideal para quienes comienzan el camino de formarse como un
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
Como resultado, el estudiante comprenderá con detalle los fundamentos del modelamientoalgebraico de procesos industriales y de procesos de negocios; y aprenderá a formular modelosmatemáticos de optimización de una forma eficaz, orientada a facilitar la implementación desoluciones informáticas a problemas reales utilizando los principios de la programaciónmatemática (optimización).
No es un curso de algoritmos, ni de metodologías matemáticas, es un curso centrado en elmodelamiento algebraico, en su relación con los sistemas de información, y en la aplicacionesde las metodologías de optimización como programación lineal, programación mixta, … Comoconsecuencia el estudiante queda preparado para aplicar las metodologías matemáticas y lastecnologías informáticas requeridas para el ejercicio profesional; por lo anterior, no serequieren conocimientos previos en matemáticas de optimización.
https://coggle.it/diagram/WbhD1YRKpwABuEMA/765cc4c5e9c804d90d4d590090b7e4878b16867c970891c3a7aaf22d27a06417
ADVANCED ANALYTICS &
OPTIMIZATION IN AMAZON
DIPLOMADO VIRTUAL
INTRODUCCIÓN AL
MODELAMIENTO MATEMÁTICO ESTRUCTURADO
El curso ideal para quienes comienzan el camino de formarse como un
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
DIPLOMADO TEMÁTICO INTRODUCCIÓN AL MODELAMIENTO MATEMÁTICO ESTRUCTURADO
Sesión Profesor Tema
1 JVB Modelamiento Matemático Estructurado - Tiempo Discreto – Distribución Bebidas
2 JVB Fundamentos de Optimización
3 JVB Modelamiento Matemático Estructurado - Tiempo Continuo – Ruteo de Vehículos
4 JVB Sistemas de Información Relacionados - Conectividad SQL
5 JVB Planificación de Cadenas de Oferta - Ejemplos
6 JVB Planificación de Cadenas de Demanda - Ejemplos
7 JVB Teoría de la Dualidad - Modelamiento Económico (Mercados)
8 JVB Formatos de Problemas – Algoritmos de Optimización
9 JVB Modelos de Programación Entera
10 JVB Estado del Arte de la Optimización (Advanced Analytics) JVB OPTEX – Modelamiento Estructurado utilizando EXCEL
ORIENTADO A ESTUDIANTES DE INGENIERÍA,
FÍSICA, MATEMÁTICAS, ECONOMÍA QUE DESEEN DESARROLLAR APTITUDES PARA IMPLEMENTAR, CON PROPIEDAD, MODELOS DE
PROGRAMÁTICA APLICADA A CASOS REALES.
“GAMS was the first algebraic modeling language (AML) and is formally similar to commonly used fourth-generation programming languages” Wikipedia
DIPLOMADO
TECNOLOGÍAS DE OPTIMIZACIÓN
Y CASOS DE APLICACIÓN
ALGEBRAIC LANGUAGE
OPTIMIZATION LIBRARY
MATHEMATICAL MODELERS
ODBC
CPLEX
CLOUD OPL
SYSTEM FOR DSS SYSTEMS
ODME
IMPRESS
USER ORIENTED SYSTEMS
DB2ORACLEEXCELDBF
SQE SERVERMySQL
TECNOLOGÍAS DE OPTIMIZACIÓN
DSS
DATABASE
G.R.G.
0-1BALAS-BENDERS
LAGRAGIANRELAXATION
BENDERS THEORY
BRANCH &
BOUND
P.L.
FLUJO ENREDES
G.R.G./PC
G.R.G./PL
D.F.P.
x, p
OPTIMIZATION SOLVER
NUMERICAL MODEL
MATHEMATICAL MODELING PROCESS
MATRIX GENERATION
ALGEBRAIC MODEL DATA MODEL
DECISION MAKERS
MODELERS
REALWORLD
DSS
DATABASE
COMMON
DATA MODEL
INFORMATIONSYSTEM
S&OPIndustrial Operations
Tactical Planning
DEMLong/Medium/Short
Demand Planning
INVInventory Policy
Optimization
PODProductionSchedulling
DISDistributionScheduling
PCOSourcing
Optimization
PESSupply Chain
Optimal Design
DSS
SISTEMAS DE SOPORTE DE DECISIONES
DIPLOMADO
TECNOLOGÍAS DE OPTIMIZACIÓN Y CASOS DE APLICACIÓN
OPTIMIZATION LIBRARY
CPLEX
OPL
ALGEBRAIC LANGUAGE
DIPLOMADO TEMÁTICO
TECNOLOGÍAS DE OPTIMIZACIÓN Y CASOS DE APLICACIÓN
Sesión Profesor Tema
1 JVB Fundamentos de GAMS
2 JJT GDX (GAMS Data eXchange) Facilities + Other Utilities
3 JJT GAMS: Solvers y Utilidades para Calibración de Parámetros
4 JJT Optimización con Tecnologías GNU (GMPL, GLPK, COIN-MP) – NEOS Server
5 JVB Optimización vía C – Generación Matricial
6 JVB Optimización vía C – Link a Solvers (CPLEX, GLPK, COIN-MP, XPRESS, GUROBI)
7 JVB Optimización en PHYTON (PYOMO) – Diseño de Productos
8 JJT DEA: Data Envelopment Analysis - Encadenamiento de Problemas en GAMS
9 AVC Conceptos Avanzados - Caso: Programación Disyuntiva
10 JJT Conceptos Avanzados - Extended Mathematical Programming - Rapid Prototyping
JVB OPTEX - GAMS - Modelamiento Básico
JVB Estructuración de un Laboratorio Personal para Optimización
MARKETING SCIENCE &
MATHEMATICAL MODELS
ESTIMACIÓN DE ELASTICIDAD DE LA DEMANDAMODELAMIENTO DEL MARKET-SHARE
BALANCE DE INVENTARIOS
REVENUE MANAGEMENTMARKETING-MIX OPTIMIZATION
OPTIMIZACIÓN DEL PEDIDO SUGERIDO
SUPPLY CHAIN OPTIMIZATION
DISEÑO DE CADENAS DE ABASTECIMIENTOS&OP – SALES & OPERATION PLANNING
POLÍTICAS INTEGRADAS DE INVENTARIOSSOURCING OPTIMIZATION
PROGRAMACIÓN DE LA PRODUCCIÓN
ATP – AVALAIBLE-TO-PROMISEPROGRAMACIÓN DE LA DISTRIBUCIÓN
DISEÑO DE INSTALACIONES INDUSTRIALESEFICIENCIA ENERGÉTICA INDUSTRIAL
DIPLOMADO
OPTIMIZACIÓN APLICADA A LAS
CADENAS DE INDUSTRIALES DE VALOR
OPTIMIZATION FOR INDUSTRIAL VALUE CHAINS
DIPLOMADO
OPTIMIZACIÓN APLICADA A LAS
CADENAS DE INDUSTRIALES DE VALOR
ERP
S&OPPlanificación
TácticaProducción
PolíticaInventarios
Metas Producción
MetasDistribución
MetasConsumo Materiales
OrdenesProducción
Ordenes Distribución
OrdenesCompra
Planes deExpansión
OPERACIÓN
ESTRATEGIA
TÁCTICA
OptimizaciónCompras
ProgramaciónProducción
AsignaciónProductosPedidosViajes
ProgramaciónDistribución
PolíticasInventario
HistóricosVentas
Inventarios
CaracterizaciónProbabilística Demanda
CaracterizaciónDemanda
OptimizaciónPrecios
OptimizaciónMarketing-Mix
Proyección Demanda - Precios
Balanceo Inventarios
Redistribución Inventarios
PolíticaInventarios
PresupuestoEventosMarketing Mix
TÁCTICA
OPERACIÓN
Proyección Demanda
DEMANDA OFERTA
ESTRATEGIA
Diseño CadenaAbastecimiento
OptimizaciónPedido
Sugerido
Pedido Sugerido
DIPLOMADO AVANZADO:
OPTIMIZATION FOR INDUSTRIAL VALUE CHAINSPROBLEMAS DE DECISIONES – MODELOS MATEMÁTICOS
S&OPPlanificación
TácticaProducción
PolíticaInventarios
Metas Producción
MetasDistribución
MetasConsumo Materiales
OrdenesProducción
Ordenes Distribución
OrdenesCompra
Planes deExpansión
OPERACIÓN
ESTRATEGIA
TÁCTICA
OptimizaciónCompras
ProgramaciónProducción
AsignaciónProductosPedidosViajes
ProgramaciónDistribución
PolíticasInventario
OFERTA
Diseño CadenaAbastecimiento
DIPLOMADO BASICO:
SUPPLY CHAIN OPTIMIZATIONPROBLEMAS DE DECISIONES – MODELOS MATEMÁTICOS
DEMANDA
Se presentan herramientas para cadenas de abastecimiento multi-negocio integradas verticaly/o horizontalmente, para optimizar:▪ Diseño de cadenas de abastecimiento▪ Planificación táctica de operaciones industriales▪ Optimización especializada para cadenas de oferta agro-industriales
Se considera como caso especial el modelamiento de las cadenas bio-industriales. Los asistentes podrán solicitar lapresentación de modelos reales para una, o varias, de las siguientes cadenas de abastecimiento de productos: farmacéuticos,minerales, alimentos, plásticos, bebidas, frutas, energéticos (bio-masa, electricidad, gas y/o petróleo, y sus derivados),productos especiales (como implantes quirúrgicos). Se hará referencia explicita al manejo de los procesos que afectan laplanificación (demanda, desastres) y del manejo del riesgo financiero asociado a dichos procesos, de forma tal de poder tenercadenas de abastecimiento resilientes.
La Programación Matemática (Advanced Analytics) soporta las decisiones orientadas a proveer los productos/servicios requeridospor los diferentes eslabones de una cadena de abastecimiento. A nivel estratégico provee soluciones para el diseño de la cadenasde distribución y a nivel táctico la definición de políticas óptimas de reabastecimiento y de manejo de inventarios. También esposible modelar con detalles procesos logísticos especiales como la operación de puerto, aeropuertos, sistemas de ferrocarriles.Las herramientas analíticas modernas permiten considerar detalladamente todos los aspectos técnicos y las restricciones de estosprocesos, como pueden ser: consumo de combustible, los tiempos de viaje, las ventanas de atención, los turnos en las bahías delos centros de distribución, las características de los vehículos, ….
Se presentarán herramientas de desarrollo de licencia libre (GNU) y comerciales como las ofrecidas por AIMMS®,GAMS®, IBM-ILOG®, FICO®, GUROBI®, …; también se analizarán soluciones prediseñadas ofrecidas por casas detecnología como IBM-ILOG®, SAP®, JDA®, … . Se analizará la vinculación de las soluciones APS (AdvancedPlanning ans Scheduling) con los ERPS existentes en las organizaciones. Se presentarán las alternativas paradesarrollo de soluciones, incluyendo tiempos y costos, y los procesos de transferencia de tecnología que se debenenfrentar
TECNOLOGÍAS INFORMÁTICAS
OPERACIONES LOGÍSTICAS
El curso tiene una orientación práctica, por lo que se revisará condetenimiento todo lo relacionado con plataformas y herramientasinformáticas disponibles y/o necesarias para implementar este tipo desoluciones en una organización.
DIPLOMADO BÁSICO:
SUPPLY CHAIN OPTIMIZATION
CADENAS DE ABASTECIMIENTO
PLANIFICACIÓN DE VENTAS Y DE OPERACIONES INDUSTRIALES (S&OP)
Las decisiones tácticas son el corazón de la planificación integrada de lascadenas de abastecimiento, ya que implican su visión holística. Laagregación “bottom up” del sistema productivo tiene como finalidadoptimizar el funcionamiento agregado de la cadena sin perder de vista losdetalles operativos mas importante, las soluciones informáticas modernaspermiten:▪ Planificación integrada de cadenas multi-sectoriales/multi-negocio▪ Representación precisa de procesos productivos de diferente tipo:
agrícolas, pecuarios, industriales (continuos, discretos y por lote)▪ Manejo de unidades de producción complejas debido a: economías de
escala, formulas flexibles, múltiples tecnologías, …Lo anterior para optimizar: ▪ Coordinación de instalaciones agropecuarias e industriales▪ Metas óptimas multiperiodo de producción, de compra,
de distribución▪ Metas de asignación de recursos escasos▪ Formulas flexibles respetando restricciones de calidad▪ La distribución bajo diferentes modos de transporte▪ La operación del sistema de plantas de servicios industriales▪ El mantenimiento preventivo de instalaciones
Las tecnologías analíticas avanzadas se utilizanpara optimizar las decisiones de las cadenasproductivas bio-industriales, ya sean de origenvegetal o animal. Por sus similitudes, estascadenas pueden conceptualizarsegenéricamente, y respetar en los modelos susdiferencias biológicas y/o genéticas. Estascadenas están compuestas por dos eslabones: elprimario, relacionado con los procesos decrecimiento y/o de reproducción en lasgranjas/haciendas, y el industrial, que se lleva acabo en plantas industriales de transformación.
PLANIFICACIÓN DEL ESLABÓN PRIMARIOLa optimización de los procesos biológicos y/o genéticos que se llevan a cabo en las granjas/haciendas se realiza conbase en la simulación del ciclo biológico-comercial y en el proceso de crecimiento debido a los nutrientes recibidos, losmodelos simulan el desarrollo probabilístico de “cualquier” especie viva, con la finalidad de determinar las decisionesque maximizan la utilidad del negocio; para ello el proceso de crecimiento se asocia a los costos causados comoconsecuencia del consumo de recursos y a los beneficios obtenidos como consecuencia de la venta de los productos. Seapoyan decisiones como:• Sincronización dinámica de galpones/lotes dentro de una granja• Determinación de politizas optimas de desarrollo de granjas• Sincronización dinámica de múltiples granjas• Selección de balanceados/fertilizante• Selección de cultivos
PLANTAS DE TRANSFORMACIÓN
GRANJAS
PONEDORAS
INCUBACIÓNHuevos
PROCESAMIENTO
Líneas Empaque
LÍNEA EMPAQUE
CENTROS
CONSUMOOtros
Insumos
Pollos
Sacrificados
LÍNEA EMPAQUE
LÍNEA EMPAQUEProcesamiento de
Embutidos de Pollo
Carne de Pollo
Consumo Humano
Pollitos de
EngordeLEVANTE
Alimento
Carne de
Pollo
Carne de
Pollo
CANALES
DISTRIBUCIÓN
PLANTAS DE SACRIFICIO
SACRIFICIO
FRIGORIFICOS
FAENAMIETO
ESLABÓN PRIMARIO
ESLABÓN INDUSTRIAL
S&OP
PlanificaciónTáctica
Operaciones
DEM
Caracterización de la Demanda
Politica de
Invetarios
Metas de
Producción
ERP
“ON-LINE”
PEDIDOS DE CLIENTES
COMPROMETIDOS
Metas de
Distr ibución
Requerimientos de Materiales
Ordenes de
Producción
Ordenes de
Distr ibución
Ordenes de
Compras
Diseño Cadena
Abastecimiento
Escenarios de demanda
de Largo/Mediano Plazo Planes de
Expansión
SCHEDULING
PLANIFICACIÓN
ESTRATÉGICA
PLANIFICACIÓN
TÁCTICA
Optimización
Compras
Programación
Producción
Asignación
Productos a PedidosPedidos a Viajes
Programación
Distribución
Políticas
Inventarios
Escenarios de demanda
de Mediano/Corto Plazo
Escenarios de demanda
de Mediano/Corto Plazo
DIPLOMADO BÁSICO:
SUPPLY CHAIN OPTIMIZATION
DISEÑO DE LA CADENA
En el diseño de cadenas de abastecimiento, y en cadenas de distribución, las tecnologías analíticas avanzadas permiten optimizar:▪ Expansión, contracción y modernización de la red▪ Selección de modos de transporte▪ Selección de productos y tecnologías productivas▪ Asignación de funciones a las instalacionesLos avances tecnológicos actuales, permiten incorporar en el proceso de diseño, los aspectos relacionados con elimpacto de los eventos extremos en el funcionamiento de la cadena, esto por medio de modelos de optimización conbase en escenarios, utilizados en el diseño de cadenas para atención de desastre.; de esta manera se obtienensoluciones sólidas que la cadena de potenciales interrupciones que podrían generar costos no manejables.
▪ Políticas de manejo de inventarios ▪ Niveles de servicio al cliente▪ Estudios de penetración de mercados▪ Riesgo financiero de la inversión
RESILIENCIA Y ANÁLISIS DE RIESGOS FINANCIEROS
La resiliencia de una cadena de abastecimientoes la capacidad de soportar y de recuperarseante fuertes perturbaciones (“desastres”) paracontinuar con su “normal” funcionamiento ygarantizar a su entorno económico-social elcumplimiento de sus funciones. Los cambiosque se presentan como consecuencia denuestras decisiones y de los fenómenosnaturales adversos, que en el presentecomenzamos a sentir con una periodicidad casiconstante, han llevado a revisar el diseño delos sistemas productivos con una miradanueva, diferente, en la que la toma dedecisiones debe considerar aspectos que vanmás allá de la simple rentabilidad económicade las operaciones empresariales, debiendoincorporar el análisis de riesgos operacionalesderivados de las contingencias que se puedanpresentar en el futuro provenientes demúltiples fuentes de incertidumbre.
INTEGRACIÓN INVERSIÓN – OPERACIONES - FINANZAS
S&OPSimulación
Ventas & Operaciones
SCDDiseño Óptimo
Cadena Abastecimiento
Planes
Expansión
PLANIFICACIÓN ESTRATÉGICA
Ingresos -Costos
Operación
Simulados
PRESENTE
FUTURO
Costo Futuro Operación
Costo Presente Inversión
“DETERMINÍSTICO”
ALEATORIOEstados Financieros
Simulados
• Balance
• P Y G• Flujo Caja
Inversión
Prestamos
FINSimulación Financiera
Por ejemplo, eventos como el drástico cambio en lavolatilidad del costo de los combustibles, y su efecto en loscostos de transporte, hacen que diseños de cadenas deabastecimiento que antes eran “óptimos” hoy en día seancuestionables, llevando a sus “dueños” a pensar en el re-diseño de la estructura de la cadena productiva. En esteambiente, las herramientas analíticas derivadas de laprogramación matemática, específicamente la optimizaciónestocástica basada en escenarios, permiten establecernuevas conectividades que sean resistentes ante situacionesantes no pensados. De esta forma es posible construircadenas de abastecimiento que responden ágilmente antefluctuaciones de la demanda y que también están encapacidad para reaccionar ante la escasez, y/o el alto costo,de los suministros.
Granjas/Haciendas Cultivos/Galpones/Cohortes/Manadas/Potreros
Centros de Acopio
TiendasSupermercados
PuertosCentros de Distribución
Plantas Industriales
Plantas Empacadoras
PLANIFICACIÓN DE LA DISTRIBUCIÓN
La asignación de rutas de distribución, tanto a nivel urbano como anivel regional, de los materiales/personas que fluyen a lo largo de lacadena requieren de herramientas analíticas avanzadas paragarantizar los mínimos costos y el cumplimiento de los planes deentrega respetando, las restricciones del sistema y los ventanas detiempo para recepción y entrega.
SCHEDULING - REAL-TIME OPTIMIZATION
El control en tiempo real es fundamental en los procesos en los que lavariabilidad de las condiciones de producción afecta seriamente alproceso productivo, lo que está ocurriendo en el proceso. En estoscasos los modelos Real Time Optimization mantienen el procesooperando los sus set-points “óptimos” (planificados) con base en la re-optimización periódica, como el medio para tener en cuenta lascondiciones cambiantes del entorno. Esta función está integrada porlos siguientes modelos: i) Identificación de las ecuaciones (modelo) yde los parámetros que definen la dinámica del sistema, ii) Estimaciónde estado y de reconciliación de las variables del sistema y de re-estimación de los parámetros del sistema (state estimation, datareconciliation and gross and random error detection) y iii) controlóptimo (advanced control), en tiempo-real, de las variables delsistema.
xt
ut
ctTyt +
dtTut
xt
-
1
Variables de
Control
Variables
de Estado
Variables
de Estado
Retorno
DINÁMICA DEL PROCESO
SCADA
SISTEMA PRODUCTIVO
tX(t)=Ft[x(t),u(t)]
DIPLOMADO BÁSICO:
SUPPLY CHAIN OPTIMIZATION
DIPLOMADO
SUPPLY CHAIN OPTIMIZATION
DIPLOMADO TEMÁTICO
OPTIMIZACIÓN DE LAS CADENAS DE ABASTECIMIENTO
Sesión Profesor Tema
1 JVB Planificación de Cadenas Bio-Industriales
2 JVB Optimización de Compras (Sourcing Optimizacion)
3 JVB Human Resource Analytics
4 JJT Optimización Industria de Procesos – Blending de Materiales - Ejemplo Cemento
5 JVB Diseño de Time-Tables Colegios – Puertos - Job Shop Optimization
6 JVB Fundamentos de Partición y Descomposición de Modelos
7 JVB Optimización Estocástica – Fundamentos
8 JVB Multi-Echelon Inventory Optimization
9 JVB Optimización Estocástica - Risk Management
10 JVB Diseño de Cadenas de Abastecimiento Resilientes
IGR Planning of Electric Power Infrastructures
IGR Industrial Demand Side
ERP
S&OPPlanificación
TácticaProducción
PolíticaInventarios
Metas Producción
MetasDistribución
MetasConsumo Materiales
OrdenesProducción
Ordenes Distribución
OrdenesCompra
Planes deExpansión
OPERACIÓN
ESTRATEGIA
TÁCTICA
OptimizaciónCompras
ProgramaciónProducción
AsignaciónProductosPedidosViajes
ProgramaciónDistribución
PolíticasInventario
HistóricosVentas
Inventarios
CaracterizaciónProbabilística Demanda
CaracterizaciónDemanda
OptimizaciónPrecios
OptimizaciónMarketing-Mix
Proyección Demanda - Precios
Balanceo Inventarios
Redistribución Inventarios
PolíticaInventarios
PresupuestoEventosMarketing Mix
TÁCTICA
OPERACIÓN
Proyección Demanda
DEMANDA OFERTA
ESTRATEGIA
Diseño CadenaAbastecimiento
OptimizaciónPedido
Sugerido
Pedido Sugerido
DIPLOMADO:
OPTIMIZATION FOR INDUSTRIAL VALUE CHAINS
PROBLEMAS DE DECISIONES – MODELOS MATEMÁTICOS
ERP
HistóricosVentas
Inventarios
CaracterizaciónProbabilística Demanda
CaracterizaciónDemanda
OptimizaciónPrecios
OptimizaciónMarketing-Mix
Proyección Demanda - Precios
Balanceo Inventarios
Redistribución Inventarios
PolíticaInventarios
PresupuestoEventosMarketing Mix
TÁCTICA
OPERACIÓN
Proyección Demanda
DEMANDA
ESTRATEGIA
OptimizaciónPedido
Sugerido
Pedido Sugerido
PROBLEMAS DE DECISIONES – MODELOS MATEMÁTICOS
OFERTA
DIPLOMADO BASICO:
MARKETING SCIENCE & MATHEMATICAL MODELS
S&OPPlanificación
TácticaProducción
PolíticaInventarios
PolíticasInventario
MODELO PROCESO ESTOCÁSTICO
DATOS HISTORICOS
SIMULACIÓN MONTECARLO ESCENARIOS
MODELO PROBABILISTICO DINÁMICO DEMANDA –
PRECIOS TIEMPOS DE ENTREGA
OPTIMIZACIÓN
PRESUPUESTOESTRUCTURA RED
CRITERIOS OPTIMIZACIÓN:COSTO vs. SERVICIO CLIENTE
ESCENARIOS ALEATORIOS DEMANDA –PRECIOS TIEMPOS DE ENTREGA
POLÍTICA ÓPTIMA INVENTARIOS
-
50,000
100,000
150,000
200,000
250,000
300,000
350,000
400,000
450,000
ene feb mar abr may jun jul ago sep oct nov dic
DISTRIBUCIÓN DE LA DEMANDA
0
50,000
100,000
150,000
200,000
250,000
300,000
350,000
400,000
450,000
Un
idad
es d
e d
eman
da
ESCENARIOS DEL ENTORNO ALEATORIO
DIPLOMADO: MARKETING SCIENCE & MATHEMATICAL MODELSCARACTERIZACION DE LA DEMANDA
La caracterización de la demanda esta orientadaa soportar el estudio del comportamiento de lademanda en función del tiempo, la
estacionalidad, los sistemas de promociones, losprecios y/o todos los factores que pueden
impactar el modo de consumo de los clientesfinales. Con la finalidad de producir:▪ Proyecciones de demanda en el
corto/mediano plazo y de alimentar losmodelos de optimización estocástica de
planificación de la cadena de oferta (supplychain).
▪ Curvas de demanda utilizadas en los
procesos de optimización de listas deprecios, sistemas de promociones, pedido
sugerido, …
Para ello se requieren modelos de
programación matemática que permitancalcular las elasticidades de la demanda con
respecto a los diferentes tipos de efectos, deforma tal de utilizar dicha información en losprocesos de gestión de la demanda comanda
para estimación de parámetros.
Existen múltiples metodologías matemáticaspara enfrentar el problema:▪ Modelos Estadísticos Convencionales:
Mínimos cuadrados, ARIMAX, GARCH, …▪ Modelos Estadísticos Dinámicos Bayesianos
▪ Estimación de Estado (Filtro de Kalman y susvariaciones)
▪ Inteligencia Artificial (Redes Neuronales y
Lógica Difusa)▪ Metodologías Hibridas, resultado de la
mezcla de dos o más de las metodologías mencionadas.
Revenue Management es un concepto que corresponde a un conjunto de modelosde programación matemática orientados a la solución de problemas de pricing(determinación de precios de venta óptimos) y de sistemas de promociones,identificando los precios de venta que se ajusten a las condiciones de variabilidadde la demanda y sean los adecuados para cada segmento del mercado buscandode ésta forma la maximización integral de la utilidad. Adicionalmente gracias a laflexibilidad de los modelos se pueden considerar diferentes factores tales como,descuentos, costos variables de los productos, costos fijos de pedido y costos detransporte.
REVENUE MANAGEMENT
SEPARACIÓN DE EFECTOS/IMPACTOS
Marketing Mix Optimization convierte en utilidadeconómica ($) la información proveniente del
análisis de los registros históricos de ventas deusuario (caracterización de la demanda), suobjetivo es ayudar a los decisores a determinar
las decisiones que le maximizan la utilidadderivada de la gestión de eventos de marketing
y ventas; respetando las restricciones delmercado, los presupuestos asignados y lasreglas del negocio.
MARKETING MIX OPTIMIZATION
DIPLOMADOMARKETING SCIENCE & MATHEMATICAL MODELS
Para construir un modelo matemático descriptivo del MS de una marca o de unfabricante existen varios enfoques, consideremos los dos principales que estánbasados en relacionar el MS con:▪ Esfuerzos de Marketing del Fabricante▪ Atracción/Preferencia del Consumidor
Los dos enfoques que están íntimamente relacionados, ya que los esfuerzos demarketing del fabricante buscan captar la atracción del consumidor.
La teoría se plantea en términos del market-share de los fabricantes, siendo similarpara el caso de las marcas y de los productos específicos. Los modelos matemáticosbuscan establecer una relación causal entre el MS y las componentes del“marketing mix” del fabricante.
MODELAMIENTO DEL MARKET SHARE (MS)
La función de los modelos orientados al denominado pedido sugerido (OPS)es asignar el portafolio de productos que cada vendedor/canal/camiónofrece a cada cliente, o grupo de clientes, (tienda/ruta/oficina/regional) enel corto plazo (diario).
Un modelo OPS tiene como condición de frontera el estado de las ventas por “cliente” en pesos ($), los cupos de financiación del cliente, las metas de producción de corto plazo y el estado de los inventarios.
OPTIMIZACIÓN DEL PEDIDO SUGERIDO
S&OPPlanificación TácticaAtención Demanda
DEMCaracterización
Demanda
Plan
Producción/Distribución
Plan de Eventos
OPSOptimización
PedidoSUgerido
Estado
FinancieroCliente
Forecast Demanda
Caracterización
de la DemandaPor Cliente
DIPLOMADO
MARKETING SCIENCE & MATHEMATICAL MODELS
DIPLOMADO TEMÁTICO
“MARKETING” CIENTÍFICO Y MODELOS MATEMÁTICOS
SESIÓN PROFESOR TEMA
1 JVB Forecast – Métodos Clásicos y Bayesianos
2 JVB Caracterización de la Demanda
3 JVB Forecast – Inteligencia Artificial - DEA - Machine Learning
4 JVB Modelamiento y Optimización del Market-Share
5 JVB Optimización del Pedido Sugerido
6 JVB Planificación Integrada Marketing & Operaciones Industriales
7 JVB Teoría de Juegos – Aplicaciones en Marketing
8 JVB Modelamiento del Cliente (RFM) – Valoración del Cliente (CLV)
9 JVB Revenue Management Fundamentos & Aplicaciones
10 JVB Optimización de Campañas
FLO Big Data - Tecnologías
DIPLOMADOS TEMÁTICOS AVANZADOS
DIPLOMADOS TEMÁTICOS, OPTIMIZACIÓN APLICADA A:
LA INDUSTRIA MINERO-METALÚRGICA
EL SECTOR ENERGÍA
LA PLANIFICACIÓN REGIONAL INTEGRADA
MODELAMIENTO MATEMÁTICO AVANZADO
DIPLOMADO
OPTIMIZATION APPPLIED TO
MINING & METALLURGICAL PROCESS
CONFERENCISTACLASES ESPECIALES
OPTIMIZACION EN LAS INDUSTRIAS QUÍMICA, PETRO-QUÍMICA, MINERA Y METALÚRGICAFECHA
HORARIO
UTC -05:00
(Bogotá, Lima)
JesúsVelásquez
Optimización, Smart Grids y Eficiencia Energética Industrial Video
Elva
Arzate
Saving and Water Use in Refineries and Industrial Complexes
through Economic OptimizationVideo
Aldo
VechiettiOptimización vía Programación Disyuntiva. Aplicaciones en GAMS Video
Ignacio
GrossmannEnterprise-Wide Optimization for Industrial Demand Side Management Video
Ignacio
GrossmannPlanning of Electric Power Infrastructures Video
Ignacio
GrossmannOptimization of Separation, Heat Integration and Water Subsystems Video
Ignacio
GrossmannOptimization of Refining Operations Video
Jesús
Velásquez
Optimización en la Industria Minero-Metalúrgica
Caso: Planificación y Programación de la Producción en Fábricas de Cemento
Conferencistas Invitados:
Ing. Ignacio Grossmann, Ph. D.CAPD - Center for Advandced Process Decision Making Carnegie Mellon University
Ing. Aldo Vecchietti, Ph. D.Director del Instituto INGAR, Argentina
DIPLOMADO VIRTUAL AVANZADO
OPTIMIZATION APPLIED TO ELECTRIC SECTOR
“Somos la primera generación que siente los efectos del cambio climático y la última que puede hacer algo parasolucionarlo” Barack Obama
CONFERENCISTA INVITADO:Ing. Ignacio Grossmann, Ph. D.
Director del CAPD - Center for Advandced Process Decision Making, Carnegie Mellon University
DIPLOMADO INCORPORADO COMO MATERIA FORMAL DEL PROGRAMA DE MAESTRÍA EN INGENIERÍA ELÉCTRICA DE LA UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MEDELLÍN
OPTIMIZACIÓN APLICADA A SISTEMAS ELÉCTRICOSMODELAMIENTO MATEMÁTICO DE MERCADOS DE ELECTRICIDAD
OPTIMIZACIÓN APLICADA A “SMART GRIDS”ENERGY TRADING & RISK MANAGEMENT
DIPLOMADO
PLANIFICACIÓN REGIONAL INTEGRADA
CIUDADES Y REGIONES
ANALÍTICAS, INTELIGENTES Y SOSTENIBLES
La noción del compromiso que cada generación tiene con sus sucesores está en el corazón del concepto de desarrollosostenible, el cual fue plasmado por la World Commission on Environment and Development (Brundtland Comisión,
WCED 1987) en su informe “Our Common Future” que afirma que
el desarrollo sostenible “satisface las necesidades de la presente generación sin comprometer las
posibilidades de las futuras generaciones para satisfacer sus propias necesidades”.
Esto solo se consigue con el uso racional (científico) de los recursos naturales, renovables y no-renovables, cuya gestiónóptima y eficaz es responsabilidad de los gobernantes y de todos sus asesores.
DIPLOMADO
APPLIED ADVANCED OPTIMIZATION:
PARALLEL/DISTRIBUTED OPTIMIZATION
▪ Large Scale Optimization▪ Algorithms▪ Stochastic Optimization & Risk Management▪ Disjunctive Programming ▪ Partitioning Benders Theory
▪ Generalized Benders Decomposition▪ SDDP: Stochastic Dual Dynamic Programing▪ G-SDDP: Generalized Stochastic Dual Dynamic
Programing▪ Benders Cuts for Integer Subproblems▪ Unified & Inexact Benders Cuts
▪ Lagrangean Relaxation▪ Dantzig Wolfe Decomposition ▪ Cross Decomposition ▪ Asynchronous Parallel Optimizations▪ Examples in GAMS▪ Cases of Real Applications
▪ Electric Systems & Markets▪ ETRM (Energy Trading & risk Management)▪ ALM (Assets & Liabilities Management▪ Expansion of Industrial Infrastructure▪ Stochastic S&OP (Sales & Operation Planning)▪ Integrated S&OP & ALM
Lagrange Dantzig Bellman Benders Karmarkar
ESTRUCTURA:
El programa de educación continuada MATHEMATICAL PROGRAMINGANALYST está integrado por un conjuntos de cursos, especializados en
las metodologías y en las tecnologías propias de la programaciónmatemática (modelos de optimización y/o modelos de equilibrio),orientados a fortalecer las capacidades analíticas y los criteriosprofesionales de los participantes, de tal forma que puedan ejercer, y/osupervisar, con propiedad, las funciones de los científicos de datos (data
scientist) en los sectores profesionales en los que se desempeñen.
La unidad básica del programa son clases virtuales (centradas en temasespecíficos relacionados con el uso de la programación matemática), conuna duración de dos (2) horas cada una de ellas. Las clases se agrupan
para conformar diplomados temáticos en temas específicos; a su vezlos diplomados temáticos se integran para conformar diplomadosavanzados.
Tres tipos de diplomados se ofrecen, de acuerdo a su orientación:
▪ Metodologías matemáticas básicas y avanzadas▪ Tecnologías informáticas orientadas a la programación matemática▪ Optimización aplicada a sectores específicos.
Los diplomados temáticos se pueden tomar independientemente de los
diplomados avanzados; de esta forma el alumno avanzado puedeconfigurar su propio programa de capacitación.
Adicionalmente a los diplomados, el programa incluye web-conferencessobre temas vigentes de acuerdo con el estado del arte de la
Programación Matemática. Estas conferencias serán de libre asistenciapara los asistentes a cualquier diplomado, y algunas de ellas se ofreceránal publico en general.
DIRECCIÓN CIENTÍFICA
Ing. Jesús María Velásquez Bermúdez, Eng. D.
Doctor en Ingeniería, con más de treinta (30) años de experiencia ensoluciones basadas en Programación Matemática los cuales se capitalizan enlas metodologías matemáticas y en las tecnologías informáticas desarrolladaspor DecisionWare y DO ANALYTICS.
ASESORES Y CONFERENCISTAS INVITADOS:
El programa cuenta con un grupo de profesores que lo apoyan en calidad deasesores y/o de conferencistas invitados, todos ellos con 40 o más de años deexperiencia, lo que garantiza la calidad del conocimiento que se imparte.
▪ Ing. Ignacio Grossmann, Ph. D.Fundador del Center for Advandced Process Decision Making (CAPD) Carnegie Mellon University, USA
▪ Ing. Ángel Marín, Ph. D.Universidad Politécnica de Madrid, España
▪ Mat. Fernando López, Ph. D.Universidad Autónoma de Nueva León, México
▪ Ing. Aldo Vecchietti, Ph. D.Director del Instituto INGAR (INGeniería ARgentina), Argentina
PROFESORES / CONFERENCISTAS
Todas las clases y las conferencias son dictadas por profesionales experimentados en laoptimización aplicada en el mundo real, con nivel académico de Master of Science osuperior (conferencistas que han participado, o participarán en los cursos).
▪ Ing. Elva Arzate, M. Sc.Instituto Mexicano del Petróleo, México
▪ Ing. Rafael Espin, Ph. D.Universidad Autónoma de Coahuila, México
▪ Ing. Edgardo Fuchs, MBAOptimal Markets, Chile
▪ Ing. Luis Hernández Callejo, Ph. D.CIEMAT (Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas)Universidad de Valladolid, España
▪ Frédéric Gardi, Ph.D.Co-Founder & Managing Partner, LocalSolver, France
▪ Ing. Juan Manuel Garcia Lopez, MBASenior Presales Consultant, FICO Europe
▪ Ing. Bibi Ibrahim, Ph. D. (c)University of Central Florida, USA
▪ Ing. Edgar Gutierrez, Ph. D. (c)University of Central Florida, USA
▪ Ing. Jorge A Vargas H.Senior Product Director, PrimeStone
METODOLOGÍAS MATEMÁTICAS:Las metodologías matemáticas corresponden a todos fundamentos científicos que se requieren paraimplementar modelos programación matemática, independientemente de las tecnologías informáticas que seutilicen para convertir las metodologías en tecnologías. Objetivos específicos:▪ Capacitación en metodologías fundamentales y en metodologías avanzadas como soporte al modelamiento
matemático moderno.▪ Capacitar a los participantes para que el modelamiento matemático de procesos industriales y de negocios
sea en un generador de riqueza real socio-económica de uso frecuente en nuestra sociedad.▪ Comprender que la optimización del uso de los recursos es la base científica del desarrollo sostenible.▪ Aprender sobre el modelamiento de sistemas y de mercados industriales▪ Aprender los fundamentos de modelamiento de problemas reales con base en la integración entre modelos
matemáticos y modelos de datos.▪ Profundizar en el conocimiento de los fundamentos de las metodologías de optimización▪ Conocer las metodologías matemáticas que soportan la denominada optimización estocástica no-anticipativa y
la optimización distribuida de gran escala.▪ Comprender el modelamiento de equilibrio general computable aplicado a mercados industriales.▪ Conocer enfoques de solución de problemas complejos a partir de heurísticas basadas en programación
matemática.
TECNOLOGÍAS INFORMÁTICAS:Las tecnologías informáticas corresponden a las herramientas informáticas disponibles, libre o comercialmente,para diseñar e implantar soluciones a problemas en las organizaciones sociales o industriales. Objetivosespecíficos:▪ Aprender a implementar soluciones aplicadas en el mundo real haciendo uso de las tecnologías informáticas
modernas disponibles para el modelamiento algebraico de sistemas industriales y de negocios, conaplicaciones en múltiples sectores.
▪ Presentar y manejar en “vivo” herramientas que han sido utilizadas por grandes empresas para resolver susproblemas de planificación y de programación de operaciones industriales.
▪ Entender el futuro de la optimización teniendo en cuanta el futuro de la informática▪ Comprender el estado del arte de la optimización y su relación con las tecnologías informáticas que integran
la denominada “Smart Computing”▪ Conocer las tecnologías disponibles, como el principio de conocimiento básico para poder resolver, en tiempos
“razonables”, problemas con millones de variables▪ Conocer el montaje de modelos en las siguientes tecnologías de optimización: OPTEX, GAMS, IBM CPLEX
Optimization Studio, AIMMS ,FICO MOSEL, TOMLAB, …y otras tecnologías.
ALCANCE
DIPLOMADO
MATHEMATICAL PROGRAMMING ANALYST
PARA ESTUDIANTES DE INGENIERIA INDUSTRIAL
LABORATORIO DE TECNOLOGÍAS DE OPTIMIZACION
OPTEX is the result of more than twenty years of experience DECISIONWAREin multiple optimization projects applied to real life problems, developed in
several countries, economical sectors and cultures;
Now DO ANALYTICS share the benefits of OPTEX with the Mathematical Programming Community.
OPTEX MATHEMATICAL MODELING SYSTEM
ALGEBRAIC LANGUAGE
OPTIMIZATIONLIBRARY
ERP
MATHEMATICAL MODELERS
ODBC
CPLEX
CLOUD OPL
SYSTEM FOR DSS SYSTEMS
ODME
IMPRESS
USER ORIENTED SYSTEMS
DB2ORACLEEXCELDBF
SQE SERVERMySQL
TECNOLOGÍAS DE OPTIMIZACION
DATA MODEL
MODELERS
REAL WORLD
ALGEBRAIC MODEL
DECISION MAKERS
OPTEX WAY
DEVELOPING MATHEMATICAL
MODELS
FILLING THEBLANKS
CODE GENERATION
OPL
OPTIMIZATION TECHNOLOGY
DSS
DATABASE
OPTEX
DATABASE
CLOUD
DATA MODEL
ALGEBRAIC MODEL
FILLING THEBLANKS
CODE GENERATION
*.CSVFILES
MODEL IN EXCELDATA IN EXCEL
PRIMAL – DUALVARIABLES
OPTEX-EXCEL-MMS
OPTEX-EXCEL-GUI
OPL
DSS
DATABASE
DATA MODEL
ALGEBRAIC MODEL
FILLING TABLES
CODE GENERATION
MODEL IN EXCEL
.CSVFILES
PARÁMETROS
Parámetro Descripción Uni
dad
Tabla
Referencia Campo
CTMItd Costo de inversión de referencia mínimo si se instala un biodigestor con tecnología td
$ MAE_TBD CTMI
CIFAtd,tr Costo de inversión asociado al tramo tr si se instala un biodigestor con tecnología td
$ TBD_TCI CIFA
FCTDud,td Factor de ajuste de costos de inversión para la tecnología td en el
sitio ud UDB_TBD FCTD
CIMIud,td
Costo de inversión de referencia mínimo si se instala un biodigestor con tecnología td en el sitio ud. Se calcula con base en la siguiente fórmula:
CIMIud,td = FCTDud,td × CTMItd
$
CTVBud,td,tr
Pendiente del tramo tr para el costo de inversión variable de un biodigestor con tecnología td en el sitio ud. Se calcula con base en
la siguiente fórmula: CIVBud,td,tr =
FCTDud,td × (CIFAtd,tr+1 – CIFAtd,tr) / (CALTtd,tr+1 – CALTtd,tr)
$/m3-día
CAMItd Capacidad de procesamiento mínima de un biodigestor con tecnología td.
m3-día MAE_TBD CAMI
CALT td,tr Capacidad de procesamiento asociada al tramo tr para un
biodigestor con tecnología td. m3-día TBD_TCI CALT
LOAD EXCEL
MODEL IN MS-WORD
LOAD OPTEX
LABORATORIO DE
TECNOLOGÍAS DE OPTIMIZACION
Para apoyar a los estudiantes en el proceso de conocimiento de las tecnologías de optimización DW ofrece como complemento al programa de
diplomados un laboratorio personal de tecnologías de optimización, basado en la plataforma informática OPTEX Mathematical
Modeling System, desarrollado inicialmente por DecisionWare y comercializado por DOA Analytics (DOA). El laboratorio le permite alestudiante desarrollar sus modelos matemáticos en múltiples tecnologías y almacenarlos en la base de datos de OPTEX, de forma tal depoder hacer uso de ellos durante su ejercicio profesional.
El laboratorio de optimización se basa en una licencia estudiantil deOPTEX, válida por tres años, que incluye:▪ Acceso a todos los servicios de OPTEX, sin límite en la cantidad de
elementos matemáticos (variables, restricciones, problemas, … )▪ OPTEX-EXCEL para cargar y correr modelos desde plantillas
EXCEL▪ Acceso al OPTEX-WEB-SERVER en un servidor de DW▪ Generación de modelos matemáticos en lenguajes de bajo nivel, C-
ANSI y PHYTON-PYOMO, encadenados a librerías deoptimización (GNU): GLPK, COIN-MP y LPSOLVE
▪ Generación de programas:▪ Lenguajes algebraicos: GMLP (GNU), GAMS y AMPL.▪ Incluyendo tecnologías de gran escala (Benders, Relajación
Lagrangeana, Programación Disyuntiva), en GAMS.▪ Conectividad al NEOS SERVER, para GAMS
▪ Conectividad a servidores de datos SQL.▪ Manuales técnicos y cursos virtuales de libre distribución▪ Programas ejemplos, de múltiples soluciones implementadas con
modelos desarrollados en OPTEX (en GAMS, GMLP, C y AMPL).▪ Soporte técnico y actualización de versiones.▪ Software GNU pre-instalado.
Los modelos desarrollados en OPTEX son portables entretecnologías de optimización y entre servidores de datos, y semantienen actualizados con base las labores de R&D+i queadelanta DO Analytics.
DIPLOMADO
MATHEMATICAL PROGRAMMING ANALYST
PARA ESTUDIANTES DE INGENIERIA INDUSTRIAL
TARIFAS
FormatoInscripción:
DIPLOMADO MATHEMATICAL PROGRAMMING ANALYST PARA ESTUDIANTES DE INGENIERIA INDUSTRIAL
Diplomado Horas Costo
Profesional (USD)
Costo Estudiante
(USD)
Descuento Introducción
(%)
Fecha Limite Introducción
(dd/mmd/aa)
Costo OPTEX (USD)
CURSOS BÁSICOS INTRODUCCIÓN MODELAMIENTO MATEMÁTICO ESTRUCTURADO 20 180 120 33 1/11/2017
400 TECNOLOGÍAS DE OPTIMIZACIÓN 20 180 120 15 1/11/2017 OPTIMIZACIÓN DE LAS CADENAS DE ABASTECIMIENTO 20 180 120 15 1/11/2017 “MARKETING” CIENTÍFICO Y MODELOS MATEMÁTICOS 20 180 120 15 1/11/2017
DIPLOMADO: CUATRO CURSOS BÁSICOS 80 720 480 20 1/11/2017 300
CURSOS SECTORIALES OPTIMIZACIÓN EN LA INDUSTRIA MINERO-METALÚRGICA 20 180 120 10 1/3/2018
400 OPTIMIZACIÓN EN EL SECTOR ENERGÍA 20 180 120 10 1/3/2018
OPTIMIZACIÓN EN LA PLANIFICACIÓN REGIONAL INTEGRADA 20 180 120 10 1/3/2018
MODELAMIENTO MATEMÁTICO DE OPTIMIZACIÓN AVANZADO 20 180 120 10 1/3/2018
DIPLOMADO: CUATRO CURSOS SECTORIALES 80 720 480 20 1/3/2018 300
DIPLOMADO: CURSOS BÁSICOS + CURSOS SECTORIALES 160 1440 960 25 1/11/2017 200
PROGRAMA DE EDUCACION CONTINUADA
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
COMO PARTE DE ACTIVIDADES DE INVESTIGACION, DESARROLLO E INNOVACIÓN, I&D+I, DW-DOA ESTÁN INTERESADOS EN ESTABLECER CONVENIOS CON UNIVERSIDADES, PROFESORES Y ESTUDIANTES, PARA APOYAR TESIS DE GRADO Y PROYECTOS DE INVESTIGACION, EN ÁREAS PROPIAS DE LA PROGRAMACIÓN MATEMÁTICA.
DEPENDIENDO DE LOS ACUERDOS DE TRANSFERENCIA DE TECNOLOGÍA, LOS DIPLOMADOS Y EL SUMINISTRO DE SOFTWARE PUEDEN SER
PARTE DEL CONVENIO DE ALIANZA QUE SE ACUERDE ENTRE DW-DOA Y EL INTERESADO.
DW-DOA ofrecen a las asociaciones de estudiantes universitarios acuerdos de transferencia de tecnología con beneficios económicos importantes, sustentados en acuerdos formales de Transferencia de
Tecnología en el tema de la Programación Matemática.
ASOCIACIONES DE ESTUDIANTES
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
http://pintorsorollaeducacionfisica.blogspot.com.co/2012 /09/mas-dibujos-para -colorear.html
TU CURSO PUEDE SALIR GRATIS !!!
Invita a tus amigos interesados en la Programación Matemática, y te daremos …
▪ El 5% del costo del primer curso que tome cada uno de tus referidos
▪ El 5% de descuento sobre el costo de cada curso que tomes
Si envías múltiples referidos se acumularán tus derechos económicos, dinero que será abonado a tu cuenta bancaria, o que puedes utilizarlo en cursos del diplomado.
PROGRAMA DE REFERIDOS
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
Formato InscripciónPrograma Referidos:
DW-DOA ofrecen a las universidades:
▪ Un cupo para un profesor, o quien asigne la universidad, por cada 10 diez alumnos de la universidad que tomen un curso
▪ Un descuento adicional del 5% a los alumnos de la universidad
Para obtener los anteriores derechos, la universidad debe facilitar la distribución a los alumnos de las invitaciones a los diplomados y las conferencia del programa.
PROGRAMA UNIVERSIDADES
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
http://venturebeat.com/2016/04/08/alchemist-accelerator-why-theres-still-lots-of-room-for-di sruptive-martech-webinar /
ASOCIACIONES GREMIALES y/o de EX-ALUMNOS
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
DW-DOA ofrecen a las asociaciones de gremiales:
▪ Un descuento adicional del 5% a los miembros de la asociación
▪ Alternativamente, DW-DOA pueden transferir el monto de los descuentos a la asociación
Para obtener los anteriores derechos, la asociación debe facilitar la distribución a los miembros de las invitaciones a los diplomados y las conferencia del programa.
http://www.propiedadintelectual.cl/623/w3-propertyvalue-70260.html
ADVANCED ANALYTICS
&
OPTIMIZATION
PROGRAMA DE EDUCACION CONTINUADA
MATHEMATICAL PROGRAMMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
ProgramaGeneral
DecisionWare: cristina.pardo@decisionware.net
DIPLOMADO
MATHEMATICAL PROGRAMMING ANALYST
PARA ESTUDIANTES DE INGENIERIA INDUSTRIAL
CONTACTOS
Para mayor información favor dirigirse a:
ORGANIZACIONES DONDE TRABAJAN NUESTROS PROFESORES/CONFERENCISTAS INVITADOS
ENTIDADES CON LAS QUE SE HAN ESTABLECIDO CONVENIOS DE COOPERACIÓN
EMPRESAS DONDE TRABAJAN ALGUNOS DE NUESTROS ESTUDIANTES
UNIVERSIDADES DONDE TRABAJAN O ESTUDIAN ALGUNOS DE NUESTROS ESTUDIANTES
ACERCA DE:
DO ANALYTICS LLC es una compañía, spin-off de DECISIONWARE International Corp.,
dedicada a la producción y al mercadeo de la tecnología de optimización
OPTEX MATHEMATICAL MODELING SYSTEM
DECISIONWARE International Corp. es una empresa dedicada a la producción de
modelos matemáticos de optimización en diferentes sectores, utilizando múltiples
tecnologías de optimización y las metodologías de optimización más avanzadas.
EXPERIENCIA PRODUCTOS Y SERVICIOS
OPTIMIZATION IS EVERYWHERE
DIPLOMADO
MATHEMATICAL PROGRAMMING ANALYST
PARA ESTUDIANTES DE INGENIERIA INDUSTRIAL
ADVANCED ANALYTICS
&
OPTIMIZATION
DIPLOMADO
MATHEMATICAL PROGRAMMING ANALYST
PARA ESTUDIANTES DE INGENIERIA INDUSTRIAL
top related