Fundamentos de Logística y Gestión de Cadenas de Suministro
Código: 44756 Créditos ECTS: 6| Titulación | Tipo | Curso |
|---|---|---|
| Logística y Gestión de la Cadena de Suministro | OB | 1 |
Contacto
- Nombre:
- Laura Calvet Liñan
- Correo electrónico:
- laura.calvet.linan@uab.cat
Equipo docente
- Ane Elixabete Ripoll Zarraga
- (Externo) Aleksandar Jovanovic
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Al ser uno de los cursos iniciales de este máster, no se necesitan requisitos previos especiales (es decir, cualquier estudiante que tenga aceptado en este máster se supone que tiene los antecedentes técnicos y cuantitativos necesarios para seguir el curso sin muchas dificultades).
Objetivos y contextualización
1. Comprender los conceptos fundamentales de la gestión de la cadena de suministro
2. Aplicar técnicas de diseño de red y planificación agregada para optimizar la cadena de suministro
3. Analizar y seleccionar sistemas de transporte y almacenamiento adecuados, incluyendo tecnologías inteligentes y automatización
4. Evaluar el impacto de las economías de escala, la gestión de inventarios y la sostenibilidad en la toma de decisiones logísticas
5. Explorar el potencial de la inteligencia artificial y el aprendizaje automático en la mejora de los procesos logísticos
Resultados de aprendizaje
- CA01 (Competencia) Compilar las metodologías analíticas básicas para el análisis de la cadena de suministro.
- KA01 (Conocimiento) Identificar la terminología básica de LSCM.
- KA02 (Conocimiento) Identificar LSCM como un ámbito específico y reconocer sus estrategias básicas.
- KA03 (Conocimiento) Reconocer el marco general de LSCM.
- SA01 (Habilidad) Distinguir los problemas particulares del campo de la LSCM.
- SA02 (Habilidad) Analizar y discutir casos, problemas y cuestiones relacionadas con los requisitos y las opciones logísticas.
- SA03 (Habilidad) Evaluar el impacto de las actividades logísticas y de SCM.
- SA04 (Habilidad) Analizar los puntos fuertes y débiles mediante la comparación con las mejores prácticas en LSCM.
Contenido
1. Introducción al LSCM:
- Conceptos del LSCM
- Rendimiento del SC
- Conductores del SC + red de distribución
2. LSCM sostenible
3. Diseño de red y planificación agregada en el SC
4. Transporte e ITS
5. Almacenamiento:
- Manejo de materiales
- Robótica y vehículos no tripulados
6. Economías de escala e inventarios
7. Rol del aprendizaje automático/inteligencia artificial en el LSCM
Nota: este curso representa una primera introducción a LSCM. Para dar una visión global de la mayoría de los temas de LSCM, se introducen muchos conceptos en el curso. Algunos de estos conceptos aparecerán de nuevo en otros cursos del Máster, donde se analizarán con mayor detalle.
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Actividades de Evaluación | 5 | 0,2 | |
| Clases teóricas | 20 | 0,8 | |
| Sesiones de problemas | 5 | 0,2 | |
| Tipo: Supervisadas | |||
| Sesiones prácticas | 15 | 0,6 | |
| Tipo: Autónomas | |||
| Ejercicios | 25 | 1 | |
| Estudio Personal | 30 | 1,2 | |
| Trabajo y Presentación Oral 1 | 25 | 1 | |
| Trabajo y Presentación Oral 2 | 25 | 1 |
El curso se organiza mediante clases magistrales.
El proceso de aprendizaje combinará las siguientes actividades:
- Clases teóricas
- Sesiones de problemas
- Sesiones prácticas: trabajo en equipo y exposición oral
- Trabajo autónomo
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Ejercicios a realizar en clase | 20% | 0 | 0 | CA01, KA01, KA02, KA03, SA01, SA02, SA03, SA04 |
| Prueba 1 | 20% | 0 | 0 | CA01, KA01, KA02, KA03 |
| Prueba 2 | 20% | 0 | 0 | SA01, SA02, SA03, SA04 |
| Trabajo y Presentación Oral 1 | 20% | 0 | 0 | KA01, KA02, KA03, SA01 |
| Trabajo y Presentación Oral 2 | 20% | 0 | 0 | SA01, SA02, SA03, SA04 |
La nota final se calculará a partir de la evaluación de diferentes actividades:
- Entregas de ejercicios a realizar en clase
- 2 Trabajos prácticos con presentación oral en grupos de 3 o 4 estudiantes
- 2 Pruebas
Todas las actividades deben presentarse dentro de los plazos indicados por la profesora.
Para aprobar la asignatura es necesario cumplir con los 3 requisitos descritos a continuación.
- La nota global debe ser igual o superior a 5
- La nota de cada trabajo debe ser no inferior a 4
- La nota de cada prueba debe ser no inferior a 2.5
Uso de herramientas de inteligencia artificial generativa
Esta asignatura reconoce el creciente papel de la inteligencia artificial (IA) generativa como herramienta de apoyo en el trabajo académico. Por consiguiente, el uso de estas herramientas se permite de forma limitada, estrictamente para mejorar los aspectos formales de los trabajos de los estudiantes. Entre los usos aceptables se incluyen la mejora de la calidad de la redacción, el estilo, la claridad expositiva, la precisión lingüística y la traducción, así como la obtención de asistencia técnica ocasional.
Sin embargo, queda estrictamente prohibido el uso de IA generativa para crear el contenido sustantivo de los trabajos evaluados. Esto incluye, entre otros: el desarrollo de enfoques metodológicos, el diseño o la ejecución de experimentos, el análisis o la interpretación de resultados, la formulación de ideas y la redacción de conclusiones. Estas tareas deben ser realizadas íntegramente por el estudiante, ya que constituyen las contribuciones intelectuales y creativas esenciales para completar con éxito la asignatura.
Los estudiantes deben declarar explícitamente el uso de cualquier herramienta de IA generativa en cada trabajo entregado. Esta declaración debe incluir:
- Las herramientas específicas utilizadas
- El propósito para el que se utilizaron
- El alcance de su contribución
El uso excesivo, irresponsable o innecesario de dichas herramientas puede afectar negativamente la calificación final. Cualquier uso no declarado o inapropiado de la IA generativa puede resultar en la reprobación de la asignatura.
Bibliografía
Durante el curso, la profesora proporcionará a los estudiantes un conjunto completo de diapositivas en formato PDF. Estas diapositivas también contienen referencias a artículos científicos que serán accesibles en acceso abierto o a través de la biblioteca de la Universidad.
A continuación se enumeran algunos libros adicionales que los estudiantes pueden consultar opcionalmente para ampliar sus conocimientos sobre los temas de este curso:
- Bowersox, D.; Closs, D.; Cooper, M.; Bowersox, J. (2019): Supply Chain Logistics Management. McGraw Hill.
- Chopra, S.; Meindl, P. (2018): Supply Chain Management. Prentice Hall. Jonsson, P. (2008): Logistics and Supply Chain Management. McGraw Hill.
- Waters, D. (2009): Supply Chain Management: An Introduction to Logistics. Palgrave Macmillan.
- Wiston, W.; Albright, S. (2008): Spreadsheet Modeling and Risk Analysis. Cengage Learning.
Software
Este curso hace uso del siguiente software: MS Excel, Open Solver for Excel, R, y Python.
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre de 2025. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Nombre | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (PAULm) Prácticas de aula (máster) | 1 | Inglés | primer cuatrimestre | manaña-mixto |
| (PLABm) Prácticas de laboratorio (máster) | 1 | Inglés | primer cuatrimestre | manaña-mixto |
| (TEm) Teoría (máster) | 1 | Inglés | primer cuatrimestre | manaña-mixto |