Máster en Ingeniería de Optimización, investigación operativa y decisión
Máster online de 1900 h: 12 módulos y 120 submódulos, de «Modelización y toma de decisiones» a «Trabajo Fin de Máster», pasando por «Modelos estocásticos».
Mapa del programa · pulsa un módulo
Módulo 1 · Modelización y toma de decisiones
1900 hDuración total
12Módulos
120Submódulos
OnlineModalidad
Competencias y resultados
6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.
Modelización y toma de decisiones
Saldrás manejando el proceso de modelización en investigación operativa, variables de decisión, restricciones y objetivos y clasificación de problemas de optimización. Es lo que se trabaja en «Modelización y toma de decisiones», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Programación entera y combinatoria
Saldrás manejando variables binarias y lógica en modelos, ramificación y acotación y planos de corte y desigualdades válidas. Es lo que se trabaja en «Programación entera y combinatoria», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Heurísticas y metaheurísticas
Saldrás manejando heurísticas constructivas y búsqueda local, recocido simulado y esquemas de enfriamiento y búsqueda tabú y memoria adaptativa. Es lo que se trabaja en «Heurísticas y metaheurísticas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Modelos estocásticos
Saldrás manejando procesos de Poisson y cadenas de Markov, teoría de colas M/M/c y redes de colas. Es lo que se trabaja en «Modelos estocásticos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Decisión multicriterio
Saldrás manejando problemas con objetivos en conflicto, frente de Pareto y dominancia y métodos de suma ponderada y épsilon-restricción. Es lo que se trabaja en «Decisión multicriterio», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Aplicaciones sectoriales
Saldrás manejando cadena de suministro y redes logísticas, planificación de la producción y transporte y rutas. Es lo que se trabaja en «Aplicaciones sectoriales», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Formular problemas de decisión como modelos de optimización.
02Resolver modelos lineales, enteros y no lineales con solvers.
03Diseñar heurísticas y metaheurísticas para problemas combinatorios.
04Modelar sistemas estocásticos mediante colas y simulación.
05Aplicar métodos de decisión multicriterio.
06Integrar predicción y optimización en sistemas prescriptivos.
07Comunicar recomendaciones cuantitativas a los decisores.
Plan de estudios
12 módulos, 120 submódulos, 1900 h. Elige un módulo y ves su contenido completo.
1 de 12 módulos abiertos
Módulo 1 de 12 · 10 submódulos
Modelización y toma de decisiones
1.1El proceso de modelización en investigación operativa
1.2Variables de decisión, restricciones y objetivos
1.3Clasificación de problemas de optimización
1.4Modelos descriptivos, predictivos y prescriptivos
1.5Análisis de decisiones con árboles
1.6Teoría de la utilidad esperada
1.7Sesgos cognitivos en la decisión
1.8Del modelo a la recomendación
1.9Ética en la analítica prescriptiva
1.10Caso práctico: formulación de un problema de planificación
Módulo 2 de 12 · 10 submódulos
Programación lineal
2.1Formulación de modelos lineales
2.2Geometría y método símplex
2.3Dualidad y precios sombra
2.4Análisis de sensibilidad
2.5Método de punto interior
2.6Problemas de transporte y asignación
2.7Flujo en redes y caminos mínimos
2.8Lenguajes de modelado algebraico
2.9Solvers comerciales y abiertos
2.10Laboratorio: plan de producción con Pyomo y HiGHS
Módulo 3 de 12 · 10 submódulos
Programación entera y combinatoria
3.1Variables binarias y lógica en modelos
3.2Ramificación y acotación
3.3Planos de corte y desigualdades válidas
3.4Formulaciones fuertes y débiles
3.5Problemas de localización de instalaciones
3.6Problemas de mochila y empaquetado
3.7Problemas de rutas de vehículos
3.8Programación de tareas en máquinas
3.9Descomposición de Benders y generación de columnas
3.10Práctica: localización de almacenes con MILP
Módulo 4 de 12 · 10 submódulos
Optimización no lineal
4.1Convexidad y condiciones de optimalidad
4.2Condiciones de Karush-Kuhn-Tucker
4.3Métodos de gradiente y Newton
4.4Programación cuadrática y modelos media-varianza
4.5Optimización cónica de segundo orden
4.6Programación no lineal entera mixta
4.7Optimización con derivadas automáticas
4.8Escalado y problemas mal condicionados
4.9Optimización global de problemas no convexos
4.10Laboratorio: optimización de cartera con programación cuadrática
Módulo 5 de 12 · 10 submódulos
Heurísticas y metaheurísticas
5.1Heurísticas constructivas y búsqueda local
5.2Recocido simulado y esquemas de enfriamiento
5.3Búsqueda tabú y memoria adaptativa
5.4Algoritmos genéticos y operadores de cruce
5.5Optimización por enjambre de partículas
5.6Colonias de hormigas
5.7Búsqueda en vecindario variable
5.8Matheurísticas que combinan MILP y heurísticas
5.9Ajuste y comparación estadística de algoritmos
5.10Taller: metaheurística para rutas con ventanas temporales
Módulo 6 de 12 · 10 submódulos
Programación con restricciones y planificación
6.1Modelos de satisfacción de restricciones
6.2Propagación y búsqueda
6.3Restricciones globales como alldifferent y cumulative
6.4Planificación con recursos limitados
6.5Scheduling de talleres job shop
6.6Planificación de turnos de personal
6.7Google OR-Tools CP-SAT
6.8Comparación con programación entera
6.9Aplicaciones industriales de la programación con restricciones
6.10Práctica: planificación de turnos con CP-SAT
Módulo 7 de 12 · 10 submódulos
Modelos estocásticos
7.1Procesos de Poisson y cadenas de Markov
7.2Teoría de colas M/M/c
7.3Redes de colas
7.4Procesos de decisión de Markov
7.5Programación dinámica y principio de optimalidad
7.6Gestión de inventarios estocástica
7.7Fiabilidad y reemplazo
7.8Simulación de Monte Carlo
7.9Análisis de resultados de simulación
7.10Laboratorio: dimensionado de un centro de atención con colas
Módulo 8 de 12 · 10 submódulos
Simulación para la decisión
8.1Simulación de eventos discretos
8.2Modelado basado en agentes
8.3Dinámica de sistemas
8.4Validación y verificación de modelos
8.5Diseño de experimentos de simulación
8.6Optimización mediante simulación
8.7Análisis what-if con modelos simulados
8.8Simulación y gemelos digitales
8.9Comunicación de escenarios
8.10Taller: simulación de una terminal logística
Módulo 9 de 12 · 10 submódulos
Decisión multicriterio
9.1Problemas con objetivos en conflicto
9.2Frente de Pareto y dominancia
9.3Métodos de suma ponderada y épsilon-restricción
9.4Proceso analítico jerárquico
9.5Métodos de sobreclasificación ELECTRE y PROMETHEE
9.6Método TOPSIS de proximidad a la solución ideal
9.7Decisión en grupo
9.8Análisis de robustez de decisiones
9.9Decisión multicriterio en sostenibilidad
9.10Caso práctico: selección de proveedores con AHP
Módulo 10 de 12 · 10 submódulos
Analítica prescriptiva e IA
10.1Combinar predicción y optimización
10.2Optimización con modelos de aprendizaje automático embebidos
10.3Predicción y optimización integradas
10.4Aprendizaje por refuerzo para decisiones secuenciales
10.5Heurísticas aprendidas para combinatoria
10.6Optimización en tiempo real
10.7Interpretabilidad de soluciones óptimas
10.8Sistemas de soporte a la decisión
10.9Despliegue de modelos de optimización
10.10Laboratorio: pricing con previsión y optimización
Módulo 11 de 12 · 10 submódulos
Aplicaciones sectoriales
11.1Cadena de suministro y redes logísticas
11.2Planificación de la producción
11.3Transporte y rutas
11.4Energía y despacho económico
11.5Sanidad y asignación de recursos
11.6Finanzas y carteras
11.7Telecomunicaciones y redes
11.8Sector público y localización de servicios
11.9Riesgo y resiliencia de operaciones
11.10Caso práctico: rediseño de una red de distribución
Módulo 12 de 12 · 10 submódulos
Trabajo Fin de Máster
12.1Identificación del problema de decisión
12.2Recogida y análisis de datos
12.3Formulación del modelo
12.4Resolución y algoritmos
12.5Análisis de sensibilidad y escenarios
12.6Herramienta de soporte a la decisión
12.7Validación con decisores
12.8Conclusiones y recomendaciones al decisor
12.9Memoria del TFM
12.10Defensa ante tribunal
¿Cuánto me va a llevar?
Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 1900 h del programa.
—meses a ese ritmo
—semanas por módulo
—frente a los 1900 horas · 12 a 18 meses previstos
¿Qué nivel tienes ya?
Cinco conceptos del propio temario. Marca lo que ya controlas y te decimos si te conviene el curso, el diplomado o el máster.
Teoría de la utilidad esperada
Módulo 1 · Modelización y toma de decisiones
Planos de corte y desigualdades válidas
Módulo 3 · Programación entera y combinatoria
Taller: metaheurística para rutas con ventanas temporales
Módulo 5 · Heurísticas y metaheurísticas
Fiabilidad y reemplazo
Módulo 7 · Modelos estocásticos
Proceso analítico jerárquico
Módulo 9 · Decisión multicriterio
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
ISO 31000IEC 31010ISO 22400-2ISO 28000ISO 50001ISO 9001ISO 3534-3
Cuerpo docente y expertos
Este programa se imparte en el área de Data, IA, Simulación & Analytics, que dirige Dra. Lucía Hernández Vega. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.
Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.
1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
3Eliges modalidad de pago y reservas tu plazaPago único con descuento o entrada más cuotas mensuales. La matrícula de esta semana cierra el 27-11-2026.
¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Data, IA, Simulación & Analytics?
¿Puedes mantener un ritmo de estudio constante durante 1900 horas · 12 a 18 meses?
Responde las tres y te decimos por dónde seguir.
Requisitos de acceso
·Titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional acreditable equivalente.
·Conexión a internet y un ordenador capaz de ejecutar el software del programa.
·Nivel de español suficiente para seguir lectura de normativa técnica.
Cómo se estudia
Formación 100 % online en el campus de SEIUM, con material descargable, clases grabadas y tutor técnico asignado. Sin horarios fijos: el alumno avanza a su ritmo dentro de la convocatoria, lo que permite compatibilizarlo con el trabajo.
Cada módulo combina teoría, lectura guiada de la norma original y ejercicios aplicados. El software de trabajo es Gurobi, Pyomo, Google OR-Tools, AnyLogic, Python con SciPy, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de optimización de redes de distribución, planificación de producción y turnos, decisión multicriterio en selección de proveedores. La evaluación es continua por módulo más el TFM final.
Son 12 módulos con 120 submódulos y 1900 h de trabajo total. Abre por «Modelización y toma de decisiones» y cierra con «Trabajo Fin de Máster».
Se trabajan ISO 31000, IEC 31010, ISO 22400-2, ISO 28000, ISO 50001 y ISO 9001.
Los perfiles más directos son Analista de investigación operativa, Ingeniero de optimización, Científico de decisiones, Planificador de cadena de suministro y Consultor de analítica prescriptiva.
En un pago son 4.984 €, sobre una tarifa de 6.230 €. A plazos, una entrada de 2.486 € y 12 cuotas de 312 €, 6.230 € en total, sin intereses: lo mismo que la tarifa.
Titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional acreditable equivalente, Conexión a internet y un ordenador capaz de ejecutar el software del programa y Nivel de español suficiente para seguir lectura de normativa técnica.
El programa son 1900 horas totales repartidas en 12 a 18 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.
Se trabaja con Gurobi, Pyomo, Google OR-Tools, AnyLogic, Python con SciPy. Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.
Diploma propio de SEIUM al superar la evaluación continua y el Trabajo Fin de Máster. Es formación propia, no un título oficial del Ministerio.
Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.
Inicio de clases: 21 de diciembre de 20264.984 €Matricularme
Antes de decidir
¿Qué sacarías tú de este máster?
No es lo mismo llegar aquí recién titulado que con diez años en el sector. Dinos de dónde vienes.
Qué te aportaPasar de la teoría de carrera al criterio de proyecto: qué norma aplica a cada parte del trabajo, qué criterios de aceptación se fijan antes de ejecutar y cómo se deja todo documentado.
Dónde vas a sudarEl módulo de normativa y evidencia documental, si todavía no has trabajado dentro de un proyecto real con auditoría de por medio.
Con qué salesCon una memoria técnica propia, sobre un caso real, que puedes poner encima de la mesa en una entrevista.
Qué te aportaFormalizar lo que ya haces por oficio: distinguir requisito obligatorio de buena práctica, justificar por escrito las decisiones técnicas y dejar el trabajo trazable.
Dónde vas a sudarPoco en contenido. El esfuerzo real está en el proyecto final y en su defensa.
Con qué salesCon el máster acreditado y un proyecto hecho sobre un caso de tu propio trabajo.
Qué te aportaLa base técnica de Data, IA, Simulación & Analytics y el marco normativo del ámbito desde cero, sin dar por sabido el vocabulario del sector.
Dónde vas a sudarLas primeras semanas, por terminología. A partir del segundo módulo se nivela.
Con qué salesCon un perfil de entrada acreditado en Data, IA, Simulación & Analytics y un proyecto que demuestra que sabes aplicarlo.
¿Te va a dar la vida?
Calcula tu ritmo real
Son 1900 horas. Mueve el control y mira cuánto tardarías tú de verdad.
—para terminar
¿Y esto para qué me sirve?
Marca lo que más te interesa
Elige hasta 3 módulos y te digo cuánto pesan en el programa y a qué perfiles prepara.
Perfiles a los que prepara
Analista de investigación operativa
Ingeniero de optimización
Científico de decisiones
En logística y transporte, manufactura y energía.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Data, IA, Simulación & Analytics con criterio de norma, no solo de intuición.
Saber justificar por escrito por qué tomaste una decisión técnica.
Terminar con una memoria técnica tuya, sobre un caso real.
Avanzar a tu ritmo, compatible con una jornada completa.
No, si buscas…
Un título rápido sin entregar trabajo propio.
Clases en directo con horario fijo: el programa es asíncrono.
Empezar mañana: las clases empiezan justo un mes después de matricularte.
Formación de taller o práctica presencial con maquinaria.
¿Te queda una duda?
Pregunta algo concreto
Escríbela aquí y la pasamos al formulario de contacto con la formación ya identificada.