Tecnológico Nacional de México
Dirección General
1. Datos Generales de la asignatura
Nombre de la asignatura: Optimización Estadística en los Procesos
Productivos
Clave de la asignatura: GPM-2507
SATCA1: 2-4-6
Carreras: Licenciatura en Administración, Ingeniería
Industrial, Ingeniería en Administración, Ingeniería
en Gestión Empresarial, Contador Público,
Ingeniería en Sistemas Computacionales.
2. Presentación
Caracterización de la asignatura
La asignatura de Optimización Estadística para la Mejora de Procesos Productivos contribuye al
perfil del estudiante al proporcionar las herramientas necesarias para la toma de decisiones
fundamentadas en el análisis estadístico avanzado. Esta materia se centra en el uso de técnicas
de optimización basadas en métodos estadísticos, como el análisis de varianza, control estadístico
de procesos, diseño de experimentos y modelos de simulación, aplicables en diversas áreas
empresariales e industriales.
El objetivo principal es que los estudiantes desarrollen la habilidad de identificar y analizar los
factores críticos que afectan la calidad y eficiencia de los procesos empresariales, permitiéndoles
proponer mejoras sustentadas en datos estadísticos. Asimismo, la asignatura fomenta el desarrollo
de competencias en la interpretación de resultados y la aplicación de herramientas estadísticas
para optimizar tanto los recursos como los productos, contribuyendo a la innovación y mejora
continua en las organizaciones.
Intención didáctica
La materia "Optimización Estadística en los procesos productivos" se estructura en cuatro
unidades, cada una enfocada en herramientas clave para la gestión empresarial orientada a la
mejora continua y la optimización de procesos:
La unidad uno introduce al estudiante a los métodos tradicionales de optimización, abordando
técnicas clásicas como el método de búsqueda unidimensional, la programación lineal y no lineal,
así como métodos de optimización secuencial. Esta unidad proporciona las bases para analizar y
resolver problemas de optimización en un contexto empresarial.
1
Sistema de Asignación y Transferencia de Créditos Académicos
©TecNM 2024
Tecnológico Nacional de México
Dirección General
La unidad dos se enfoca en los métodos de superficie de respuesta para procesos, los cuales
permiten al estudiante modelar y optimizar procesos utilizando el análisis de regresión. El alumno
aprenderá a aplicar estos métodos para identificar las condiciones óptimas de operación,
minimizando costos o maximizando el rendimiento de los procesos, a través del diseño y análisis
de experimentos.
La unidad tres introduce al estudiante a los modelos cuadráticos con puntos centrales replicados,
una técnica avanzada que permite un análisis más profundo de los procesos a través del ajuste de
modelos no lineales. En esta unidad se explorarán diseños experimentales que utilizan puntos
replicados, ayudando al alumno a comprender la importancia de la curvatura en los modelos y la
robustez en la toma de decisiones empresariales.
La unidad cuatro presenta los métodos de superficie de respuesta para mezclas, donde el
estudiante aplicará técnicas de optimización específicas para mezclas de componentes en
procesos industriales. El enfoque estará en la creación de modelos predictivos y en la identificación
de proporciones óptimas de componentes para alcanzar los objetivos de calidad y eficiencia dentro
de la empresa.
La unidad cinco aborda el tema de la inteligencia artificial aplicada a la optimización, donde el
estudiante explorará el uso de algoritmos de machine learning para resolver problemas complejos
en procesos productivos. El enfoque estará en la implementación de técnicas avanzadas como
redes neuronales artificiales y algoritmos genéticos, que permitirán optimizar procesos de manera
más eficiente. Además, se estudiarán herramientas y software especializados para aplicar IA en
diferentes contextos empresariales, con énfasis en casos de estudio que demuestran cómo la IA
ha mejorado procesos productivos y de toma de decisiones dentro de las empresas.
3. Participantes en el diseño y seguimiento curricular del programa
Lugar y fecha de Participantes Observaciones
elaboración o revisión
Ciudad de México, del 1 al Instituto Tecnológico de Tláhuac II. Trabajo interinstitucional y
31 de octubre del 2024 Instituto Tecnológico de Milpa Alta. multidisciplinario con los
Instituto Tecnológico de Iztapalapa. Institutos Tecnológicos de la
Instituto Tecnológico de Iztapalapa
Ciudad de México,
III.
Instituto Tecnológico de Gustavo correspondiente a la
A. Madero II. especialidad de Gestión de
Procesos Inteligentes a
Sistemas de Calidad.
©TecNM 2024
Tecnológico Nacional de México
Dirección General
4. Competencia(s) a desarrollar
Competencia(s) específica(s) de la asignatura
• Seleccionar diseños de optimización para analizar y solucionar problemas relacionados con
los procesos de negocio de bienes y servicios a partir del modelado de variables cuantitativas
y cualitativas.
• Optimizar diseños de experimentos orientados a mejorar los procesos de negocio, para que con
ello se reduzcan recursos dentro de las organizaciones.
5. Competencias previas
• Conocimiento del proceso administrativo.
• Conocimiento de los procesos de negocio
• Conocimiento y manejo de las herramientas estadísticas.
• Manejo de software estadísticos.
• Conocimiento y manejo de la cadena de valor
6. Temario
No. Temas Subtemas
1.1. Consideraciones generales.
Métodos tradicionales de 1.2. Procesos de optimización en la producción de
1 bienes y servicios
optimización.
1.3. Procesos de optimización.
2.1. Metodología de superficie de respuesta.
2.2. Diseños para ajustar modelos de primer orden
Métodos de superficie de respuesta y segundo orden.
2
para procesos 2.3. Diseños para ajustar modelos de segundo
orden.
3.1. Modelos denominados central compuesto.
Modelos cuadráticos con puntos 3.2. Modelos de Box-Behnken.
3
centrales replicados 3.3. Diseños basados en el método D-óptimo.
4.1. Metodología Simplex de diseños ortogonales y
simétricos
Métodos de superficie de respuesta 4.2. Diseños basados en el método D-óptimo.
4
para mezclas
©TecNM 2024
Tecnológico Nacional de México
Dirección General
5.1. Introducción a la inteligencia artificial y machine
learning.
5.2. Técnicas de optimización basadas en
algoritmos de machine learning.
5.3. Redes neuronales artificiales y su uso en
Inteligencia artificial aplicada a la optimización.
5
optimización 5.4. Aplicación de algoritmos genéticos y
optimización heurística.
5.5. Herramientas y software para la IA en
optimización.
5.6. Casos de estudio: IA aplicada a la mejora de
procesos empresariales.
7. Actividades de aprendizaje de los temas
1. Métodos Tradicionales De Optimización
Competencias Actividades de aprendizaje
Específica(s): • Investigar en diversas fuentes los métodos más
Especifica: Aplicar métodos tradicionales comunes de optimización utilizados en la
de optimización para mejorar la eficiencia producción de bienes y servicios para después
en los procesos de producción de bienes y contrastar sus hallazgos en un foro de discusión.
servicios, utilizando un enfoque basado en • Desarrollar un informe colaborativo donde se
explique los métodos de optimización en estudios
requerimientos de procesos o fórmulas.
de caso.
Genérica(s): • Desarrollar un mapa mental sobre el proceso de
• Pensamiento Crítico. optimización basado en requerimientos de
procesos
• Resolución de Problemas.
• Capacidad de Aprendizaje Autónomo.
• Trabajo en Equipo.
2. Métodos De Superficie De Respuesta Para Procesos
Competencias Actividades de aprendizaje
Específica(s): • Investigar un proceso real en la industria o
Especifica: Aplicar los métodos de investigación científica donde se haya aplicado la
superficie de respuesta para optimizar metodología de superficie de respuesta para
procesos experimentales mediante el mejorar la calidad o eficiencia.
diseño de modelos de primer y segundo • De la investigación anterior, elaborar un informe
detallando el diseño del experimento, la elección
orden, utilizando diseños ortogonales y
de los factores, los niveles, el modelo ajustado, y
simétricos, con el fin de mejorar la el análisis de los resultados.
eficiencia y la calidad en el desarrollo de • Aplicar la metodología de superficie de respuesta
procesos industriales y de investigación. para optimizar un proceso de manufactura o
©TecNM 2024
Tecnológico Nacional de México
Dirección General
laboratorio, ajustando un modelo de primer o
segundo orden.
Genérica(s):
• Capacidad de análisis y resolución
de problemas.
• Trabajo en equipo y colaboración
interdisciplinaria.
• Uso adecuado de herramientas
tecnológicas y manejo de
información.
3. Modelos Cuadráticos Con Puntos Centrales Replicados
Competencias Actividades de aprendizaje
Específica(s): • Analizar un caso práctico en el que se requiere
Especifica: Desarrollar la capacidad de optimizar un proceso de producción en el cual, se
formular y aplicar modelos experimentales deberá de formular un diseño experimental
cuadráticos con puntos centrales utilizando el modelo central compuesto,
replicados, utilizando los métodos de seleccionando las variables independientes y
determinando los puntos centrales replicados
diseño adecuados (central compuesto,
necesarios para obtener resultados óptimos.
Box-Behnken, híbridos, geométricos, y D- • Utilizar un software estadístico (como Minitab o
óptimo) para optimizar procesos y tomar R) para simular un experimento basado en el
decisiones fundamentadas en el análisis modelo Box-Behnken.
estadístico. • Desarrollar un experimento utilizando el método
D-óptimo para optimizar un conjunto de variables
Genérica(s): en un proceso de producción.
• Capacidad de pensamiento crítico y
analítico.
• Habilidad para trabajar en equipos
multidisciplinarios.
• Competencia en el uso de
herramientas tecnológicas.
4. Métodos De Superficie De Respuesta Para Mezclas
Competencias Actividades de aprendizaje
Específica(s): • Aplicar la metodología Simplex para resolver un
Especifica: Aplicar métodos de superficie problema real de optimización de mezclas.
de respuesta para el diseño y análisis de • Comprender el método D-óptimo y su uso en la
mezclas, utilizando metodologías como el optimización de mezclas mediante simulaciones.
diseño Simplex, el método D-óptimo y • Desarrollar modelos efectivos para la
modelos basados en vértices extremos y optimización de mezclas utilizando Vértices
extremos y Distancia modificada.
distancia modificada, para optimizar
productos o procesos en función de sus
componentes.
©TecNM 2024
Tecnológico Nacional de México
Dirección General
Genérica(s):
• Pensamiento crítico y solución de
problemas.
• Habilidad para el aprendizaje
autónomo.
• Comunicación efectiva
5. Inteligencia Artificial Aplicada A La Optimización
Competencias Actividades de aprendizaje
Específica(s): • Realizar una investigación comparativa sobre
diferentes algoritmos de machine learning
Especifica: Aplicar técnicas de inteligencia utilizados en optimización, como regresión,
artificial (IA) y algoritmos de machine árboles de decisión, redes neuronales y
learning en la optimización de procesos máquinas de soporte vectorial.
productivos, utilizando herramientas y • Utilizar un software de IA, para construir y
entrenar una red neuronal para resolver un
software especializado para la mejora
problema de optimización real en un entorno
continua en entornos empresariales. empresarial.
• Diseñar un algoritmo genético para resolver un
Genérica(s):
problema específico de optimización (ejemplo:
• Capacidad de análisis y síntesis. minimización de costos o maximización de la
• Aprendizaje autónomo y continuo. eficiencia en la producción).
• Habilidad para la resolución de
problemas.
8. Práctica(s)
• Resolver un problema típico de programación lineal para minimizar los costos de producción
en una empresa ficticia utilizando el método del simplex. Se deberá de utilizar Excel o cualquier
software de optimización (como LINGO, Win QSB, Solver, PHP Simplex, MATLAB, etc.).
• Resolver un problema de optimización no lineal.
• Diseñar y analizar un experimento para optimizar un proceso productivo. Se deberá de emplear
software especializado como Minitab o Design-Expert.
• Implementar la técnica de mínimos cuadrados para ajustar un modelo de segundo orden y
evalúa la significancia de los parámetros. Se deberá de utilizar software especializado como
Minitab o Design-Expert.
• Llevar a cabo un experimento con un diseño de bloques aleatorizados, incorporando puntos
centrales replicados para capturar la curvatura de la respuesta. Se deberá de utilizar Minitab o
R.
• Llevar a cabo un diseño de mezcla para optimizar la proporción de tres ingredientes en un
producto. Se deberá de utilizar Design-Expert, Minitab o R.
©TecNM 2024
Tecnológico Nacional de México
Dirección General
9. Proyecto de asignatura
El objetivo del proyecto que planteé el docente que imparta esta asignatura, es demostrar el
desarrollo y alcance de la(s) competencia(s) de la asignatura, considerando las siguientes fases:
• Fundamentación: marco referencial (teórico, conceptual, contextual, legal) en el cual se
fundamenta el proyecto de acuerdo con un diagnóstico realizado, mismo que permite a los
estudiantes lograr la comprensión de la realidad o situación objeto de estudio para definir un
proceso de intervención o hacer el diseño de un modelo.
• Planeación: con base en el diagnóstico en esta fase se realiza el diseño del proyecto por parte
de los estudiantes con asesoría del docente; implica planificar un proceso: de intervención
empresarial, social o comunitaria, el diseño de un modelo, entre otros, según el tipo de proyecto,
las actividades a realizar los recursos requeridos y el cronograma de trabajo.
• Ejecución: consiste en el desarrollo de la planeación del proyecto realizada por parte de los
estudiantes con asesoría del docente, es decir en la intervención (social, empresarial), o
construcción del modelo propuesto según el tipo de proyecto, es la fase de mayor duración que
implica el desempeño de las competencias genéricas y especificas a desarrollar.
• Evaluación: es la fase final que aplica un juicio de valor en el contexto laboral-profesión, social
e investigativo, ésta se debe realizar a través del reconocimiento de logros y aspectos a mejorar
se estará promoviendo el concepto de “evaluación para la mejora continua”, la metacognición,
el desarrollo del pensamiento crítico y reflexivo en los estudiantes.
10. Evaluación por competencias
La evaluación de esta materia estará alineada con el enfoque de competencias y utilizará diferentes
estrategias para garantizar una evaluación integral que incluya aspectos diagnósticos, formativos y
sumativos. Además, se emplearán herramientas para promover la autoevaluación y la coevaluación,
y se integrarán estrategias metacognitivas para fortalecer tanto el conocimiento teórico como las
habilidades prácticas.
• Evaluación Diagnóstica. Esta evaluación permitirá identificar los conocimientos previos de
los estudiantes en cuanto a métodos de optimización y análisis estadístico, proporcionando
una base para ajustar las estrategias de enseñanza. Se recomienda utilizar: Cuestionario
inicial y discusión grupal.
• Evaluación Formativa. La evaluación formativa se aplicará de manera continua durante el
curso, permitiendo la retroalimentación constante y el ajuste de estrategias de aprendizaje.
Se sugiere emplear: Mapas conceptuales, reportes de prácticas, exposiciones en clase y
autoevaluación y coevaluación.
• Evaluación Sumativa. La evaluación sumativa permitirá medir el grado de logro de las
competencias al final de cada unidad y de la materia. Incluirá tanto actividades individuales
como grupales, y se verificará la capacidad de aplicar los conocimientos adquiridos en
situaciones prácticas. Se propone emplear: Proyectos grupales y cuestionarios.
©TecNM 2024
Tecnológico Nacional de México
Dirección General
11. Fuentes de información
1. Anderson, M. J. Whitcomb, P. J. (2000). DOE Simplified : Practical Tools for Effective Experimentation. USA :
Productivity Inc.
2. Bhote, K. R. (2000). Worl class quality – using design of experiments to make it happen. (2a. Ed.). USA : American
Management Association.
3. Box, G. E. P. (2008). Estadística para investigadores : Diseño, innovación y descubrimiento. (2ª. Ed.). España :
Reverté
4. Burdick, R.K., Borror, C. M. y Montgomery, D. C. (2005). Design and analysis of gauge R&R Studies. USA : SIAM
5. Cornell, J. A. (1990). How to apply surface methodology. USA : ASQ Statistics Division.
©TecNM 2024
