Logo

Investigación Operativa

Código: 108241
Créditos: 6
2026/2027
Titulación Tipo Curso
Gestión Aeronáutica OB 3

Profesor/a de contacto

Nombre :
Francisco Javier Delgado Vences
Correo electrónico :
franciscojavier.delgado@uab.cat

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Haber cursado las asignaturas de Cálculo y Álgebra Lineal.

Objetivos

La investigación de operaciones (o Investigación Operativa) consiste en usar modelos matemáticos, estadísticos y algorítmicos para apoyar una toma de decisiones. Estos problemas relacionados con decisiones aparecen en contextos tan diversos como la administración de empresas, la ingeniería industrial y la economía, con el propósito común de organizar de manera eficiente el número de recursos disponibles.


El objetivo fundamental del curso es proporcionar los conocimientos básicos en modelos de optimización que permitan plantear y resolver problemas operativos- como, por ejemplo, organización de horarios, distribución de la flota, rutas, etc.- propios de la gestión aeronáutica, a la vez que capacitar al estudiante para poder tratar problemas más generales de distribución, logística y transporte (marítimo, ferroviario, urbano, cadenas de suministro, etc ...).


Resultados de aprendizaje

  • CM17 (Elaborar dictámenes o informes basados en modelos de optimización, simulación y técnicas cuantitativas para los procesos de toma de decisiones, sistematizando, documentando y reflejando el proceso y los mecanismos utilizados.) Elaborar dictámenes o informes basados en modelos de optimización, simulación y técnicas cuantitativas para los procesos de toma de decisiones, sistematizando, documentando y reflejando el proceso y los mecanismos utilizados.
  • CM18 (Proponer decisiones basadas en datos y herramientas de análisis disponibles y contrastadas en el contexto de la industria aeronáutica que se ajusten a marcos normativos y éticos, y a los objetivos de la organización. (CT04)) Proponer decisiones basadas en datos y herramientas de análisis disponibles y contrastadas en el contexto de la industria aeronáutica que se ajusten a marcos normativos y éticos, y a los objetivos de la organización. (CT04)
  • CM19 (Comunicar resultados de análisis de datos de manera clara y efectiva a audiencias técnicas y no técnicas.) Comunicar resultados de análisis de datos de manera clara y efectiva a audiencias técnicas y no técnicas.

Contenidos

Programación lineal.

Ejemplos. Definiciones.

Método del Simplex. Introducción.

Método del Simplex. Algoritmo y tabla.

Dualidad y análisis postoptimal.

Programación entera.

Introducción.

Método "Branch & Bound''.

Variables binarias.

Flujos lineales en redes.

Introducción y elementos básicos.

El problema del coste mínimo. Método del Simplex para redes.

El problema del flujo máximo. Algoritmo de Ford-Fulkerson.


Lenguaje de programación para resolver problemas de optimización.


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Problemas 13 0,52 CM17, CM18, CM19
Actividades no presenciales 88 3,52 CM17, CM18, CM19
Practicas 13 0,52 CM17, CM18, CM19
Teoria 26 1,04 CM17, CM18, CM19


Las horas presenciales, para las actividades dirigidas, se distribuyen de la siguiente forma:


Teoría:

El profesor presenta los conceptos básicos correspondientes a la materia de la asignatura, mostrando ejemplos de sus aplicaciones; se tiene en cuenta tanto la asistencia como la participación del alumnado, adecuando la actividad a su nivel de comprensión. Se espera que cada estudiante complemente las explicaciones del profesor con sesiones de estudio personal y autónomo.

Problemas:

En la clase de problemas se trabaja la comprensión de conceptos introducidos en clase de teoría, así como las técnicas de resolución de problemas.


Prácticas con ordenador:

En el laboratorio se aprende a usar un lenguaje de programación, con el fin de poder plantear y resolver, en soporte informático, los problemas del curso.


Competencias transversales

En la clase de problemas y en las prácticas se aprende a trabajar en equipo(T03) para la discusión, planteo y resolución conjunta de los ejercicios. El profesor facilita herramientas para el anàlisis y la síntesis- las cuales, a su vez, refuerzan el hábito de pensar (T01), la actitud comunicativa y la creatividad personal(T04,T06). El proceso evaluativo de las prácticas, así como de las sesiones especiales de problemas, refleja en buena parte esta capacidad de comunicación y de colaboración en equipo, además de las actitudes y hábitos de estudio particulares de cada estudiante.

La docencia será presencial o semipresencial dependiendo del número de estudiantes matriculados por grupo y de la capacidad de las aulas al 50% de aforo.


IA

En aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) com

a part integrant del desenvolupament del treball, sempre que el resultat final reflecteixi una contribució

significativa de l'estudiant en l'anàlisi i la reflexió personal. L'estudiant haurà d'identificar clarament quines

parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica

sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA

es considerarà falta d'honestedat acadèmica i pot comportar una penalització en la nota de l'activitat, o

sancions majors en casos de gravetat


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.


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
Examenes 80% 4 0,16 CM17, CM18, CM19
Practicas de laboratorio 20% 6 0,24 CM17, CM18, CM19


Esta asignatura no contempla ningún sistema de evaluación única

La nota de la asignatura es la media ponderada de las notas de las actividades evaluables, con los pesos que se detallan a continuación:

Ejercicios de las prácticas con ordenador: 20% (3 actividades evaluables)

Controles de seguimiento: 30% (1 examen)

Examen final: 50% (1 examen)

Evaluación recuperable: Habrá solamente una actividad evaluable de recuperación de los exámenes (80%). Para poder presentarse a la recuperación hay que haber participado en un mínimo de actividades evaluables que sumen un peso no inferior al 70%.

En caso de no superar la asignatura, la nota numérica del expediente académico será el valor menor entre 4.5 y la media ponderada.

Anuncio de las fechas de las actividades evaluables:

Las fechas de evaluación continuada y entrega de trabajos se publicarán en el campus virtual y pueden estar sujetas a posibles cambios. Siempre se informará en el campus virtual sobre los cambios de progamación, ya que es la plataforma habitual para el intercambio de información entre profesores y estudiantes.

Normativa del centro respecto a la copia:

Sin perjuicio de cualquier otra medida disciplinaria que se estime oportuna, y de acuerdo con la normativa académica vigente, se calificará con un cero aquellas irregularidades cometidas por el estudiante que puedan conducir a una variación de la nota en una actividad evaluable. Por lo tanto, copiar o permitir copiar en cualquier actividad evaluable implicará suspenderla con un cero. Dicha actividad no será recuperable y la asignatura quedará suspendida directamente, sin ninguna oportunidad de recuperarlaen el mismo curso académico.



Bibliografía

Bibliografia bàsica

Alabert, Aureli; Curs d’investigació Operativa. Apunts. http://mat.uab.cat/∼alabert/Docs/teaching/Optimisation.pdf.

Fourer, R., Gay, D.M. & Kernighan, B.W.; AMPL. A Modeling Language for Mathematical Programming. Pacific Grove: Thomson/Brooks/Cole, cop. 2003.

Bibliografia complementària

Bazargan, Massoud; Airline Operations and Scheduling. Ashgate, 2004.

Basart, Josep M.; Programació Lineal. Materials UAB 58, 2000.

Pujolar, David; Fundamentos de programación lineal y optimización de redes. Materials UAB 146, 2004.



Software


Solve de Excel

AMPL

Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre. 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

Tipo de docencia Grupo Idioma Semestre Turno
(TE) Teoría 11 Catalán/Español primer cuatrimestre tarde
(PAUL) Prácticas de aula 11 Catalán/Español primer cuatrimestre tarde
(PAUL) Prácticas de aula 12 Catalán primer cuatrimestre tarde
(PLAB) Prácticas de laboratorio 21 Catalán primer cuatrimestre tarde
(PLAB) Prácticas de laboratorio 22 Catalán primer cuatrimestre tarde
(PLAB) Prácticas de laboratorio 23 Catalán primer cuatrimestre tarde