UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II -------------------------------------------------------------EL PROBLEMA DE LA CAJA NEGRA Al tratar el problema

de la caja negra hay que comenzar por explicar que, en realidad, se trata de una variedad de casos cubiertos por este rtulo. Tienen en comn la circunstancia de que el comportamiento y/o la organizacin del sistema considerado no se conocen por completo y tienen que ser determinados. Asimismo, las cantidades externas del sistema - sean entradas o salidas - se suponen observables o medibles al nivel de resolucin respectivo y pueden obtenerse por experimentacin. De acuerdo al grado de conocimiento que tengamos respecto del comportamiento y/o la organizacin del sistema investigado podremos diferenciar las distintas variedades del problema de caja negra. Pero queda claro que en todos los casos de lo que se trata es de determinar el comportamiento, proceso y/o estructura del sistema. Para clarificar el resto de esta nota es conveniente que redefinamos la nocin de sistema. Usaremos el concepto de sistema como un conjunto dado de estados junto con un conjunto de transiciones entre esos estados, donde puede ocurrir - aunque no es necesario que suceda - que cada transicin tenga asociada una probabilidad de ocurrencia. Estamos llamando estados al conjunto de los valores que tienen todas las variables del sistema en un momento dado. Y los cambios admisibles de esos valores son las transiciones. Cuando el sistema mantiene constante una parte de su organizacin, nos encontramos con su estructura. Vemoslo con un ejemplo. Imaginemos la registracin de datos meteorolgicos, que se basen exclusivamente en temperatura, presin baromtrica y porcentaje de humedad. En cada observacin habr un conjunto de tres valores -estado-, que pueden oscilar dentro de ciertos lmites -transiciones-. Si cambiamos el nivel de resolucin, haciendo unidad de tiempo el da, tendremos que un estado estar definido por los valores mximos y mnimos de cada una de las tres variables observadas. Para qu establecimos lo anterior? porque fundamentalmente en el problema de caja negra trabajamos con un nivel de resolucin y cantidades externas, y solo eventualmente se aaden otros rasgos del sistema involucrado. Cuando se trata de un sistema del cual conocemos por completo su organizacin y comportamiento, tenemos una caja blanca. Es un caso extremo del problema de caja negra. El otro extremo est representado por un sistema del que conocemos perfectamente su organizacin, pero ignoramos su comportamiento. Aqu se trata de un problema general de anlisis de sistema, que no desarrollaremos en esta nota. Nos vamos a concentrar en los casos involucrados entre ambos lmites. Casos tpicos de caja negra: 1. Del sistema slo se conocen las cantidades - valores - externas y el nivel de resolucin. No sabemos nada ms, ni siquiera cules de las cantidades externas son entradas o salidas. Y el problema es determinar el comportamiento, la estructura y los rangos que pueden adoptar las variables del sistema. Es el caso del problema de caja negra puro. 2. Conocemos las cantidades externas y el nivel de resolucin, as como algunas o todas de las
1

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II -------------------------------------------------------------siguientes propiedades: a) Clasificacin de las cantidades externas en entradas y salidas. b) Nmero de estados del sistema o un lmite superior de este nmero. c) Tipos de elementos del sistema. d) Nmero de elementos del sistema o un lmite superior de este nmero. e) La caja negra representa un sistema procedente de otro problema de caja negra. Se trata de determinar el comportamiento, los rangos de las variables y la estructura del sistema. Son los llamados problemas de caja negra adecuada. Si slo hay que determinar los estados y transiciones del sistema, entonces se trata del problema denominado experimento de identificacin del sistema o mquina. Es un caso que se ve en Teora de Autmatas. 3. Conocemos las cantidades externas, clasificadas en entradas y salidas, el nivel de resolucin y los conjuntos completos de estados y transiciones. Hay que determinar los rangos de las variables. Es el problema de identificacin de estados. Bsicamente, el camino para solucionar el problema consta de las siguientes etapas: 1. Se observan y miden en el tiempo las cantidades externas del sistema al nivel de resolucin que corresponda, y se disponen todos los resultados obtenidos en forma de una nica actividad o de un conjunto de actividades separadas. A veces podremos experimentar con esas cantidades externas, otorgndoles determinados valores y registrando la respuesta de las restantes. Los datos bsicos sern siempre de la forma: Tiempo Estados de Entrada y Salida

2. Se procesa la actividad obtenida para descubrir las relaciones atemporales entre cantidades. 3. Se investiga el interior de la caja negra, si es posible, tratando de obtener toda la informacin que se pueda respecto de su organizacin. 4. Se determina el comportamiento permanente o se formula una hiptesis al respecto en base a los resultados obtenidos. 5. Se determina la organizacin o se formula una hiptesis sobre ella en base al comportamiento permanente y/o los otros hechos conocidos sobre el sistema. Debe quedar claro que no siempre se necesitarn aplicar todas las etapas. Imaginemos problemas de caja negra: por ejemplo, el preparador fsico de un atleta. Sabe que las respuestas del atleta dependen de sus condiciones fisiolgicas en determinado espacio de tiempo. Puede controlar algunos de los factores que lo determinan, como ser intensidad
2

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II -------------------------------------------------------------del entrenamiento, alimentacin, masajes, etc. Se trata de descubrir qu conjunto de determinados valores de esos factores conducen al mejor estado del atleta, y reproducirlos antes de cada competencia. Obsrvese que este preparador tendr un problema distinto para cada atleta que entrene. Ejemplos ms fciles de entender son el caso del diagnstico mdico, terapias psicolgicas, pronstico del tiempo, etc. El Problema De Caja Negra Puro Supongamos que el sistema investigado se especifica solamente por sus cantidades externas, junto con un nivel de resolucin espacio-tiempo. La primera etapa ser recoger algunos datos sobre el sistema. Esto no significa necesariamente que siempre podemos medir u observar directamente las cantidades consideradas. Puede ocurrir que se definan como ciertas funciones estadsticas caractersticas de algunas variables aleatorias. En ese caso los clculos se efectuarn en base a los datos establecidos y se clasificarn respecto del nivel de resolucin espacio-tiempo, permitiendo tener una actividad o un conjunto de actividades del sistema. Como no sabemos qu cantidades representan las entradas y cules las salidas no podemos experimentar con el sistema. Los problemas asociados con la medicin y el pre-proceso de los datos primarios deben resolverse a nivel de la respectiva rama cientfica. Nosotros supondremos que se han obtenido una actividad o conjunto de actividades de alguna forma, y determinaremos los restantes rasgos del sistema, o por lo menos formularemos hiptesis razonables sobre ellos. Supongamos que se haya obtenido un conjunto de matrices de actividad de una caja negra, siendo sta un sistema discreto. Las diferentes matrices se habrn obtenido de diferentes copias del mismo sistema, difiriendo entre s slo en algunas especificaciones de espacio-tiempo irrelevantes, o que son de la misma muestra pero no a intervalos de tiempo sucesivos, de manera tal que no se pueden combinar en una sola actividad. Supongamos adems que las matrices de actividad se han transformado previamente a la forma abstracta requerida por la Teora de Sistemas. Nos referiremos por lo tanto ms a variables que a cantidades. Dado ese conjunto de matrices de actividad, determinaremos explcitamente la relacin atemporal entre los valores actuales y/o pasados y/o futuros de las variables, es decir, entre algunas variables muestrales especificadas. Este es un problema ambiguo, ya que la relacin depende crticamente de las variables muestrales elegidas. Diferentes conjuntos de variables muestrales aplicadas al mismo conjunto de actividades pueden conducir a tipos de relaciones bastantes diferentes. El conjunto elegido representa as nuestro punto de vista subjetivo sobre el sistema. Veamos esto con un ejemplo. Estamos ante una caja fuerte cerrada, que se abre por medio de una llave de combinacin, que tiene los nmeros del 0 al 9. Para que se abra, es necesario girar alternativamente hacia uno u otro lado, enfrentando una ranura marcada con el
3

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II -------------------------------------------------------------nmero que corresponda. Se abrir cuando el nmero enfrentado sea el correcto, as como algunos nmeros previamente seleccionados. As, una posible actividad que contiene el comportamiento permanente del sistema es t O 1 2 3 4 5 6 7 8 9 1O 11 12 13 14 15 16 17 18 19 2O 21 22 23 -----------------------------------------------------------------------------x0372530296 4 7 2 9 8 1 7 9 6 7 2 9 6 4 y|0000000000 0 0 0 1 0 0 0 0 0 0 0 0 0 0 M2 M3 M1

(Matriz de actividad)

donde x representa la posicin de la combinacin frente a la ranura, y es la respuesta de la caja -O, cerrado y 1, abierto-. Hemos resaltado tres conjuntos posibles M1, M2 o M3. Aplicando M1 o M2 descubrimos que la dependencia de la respuesta de las otras variables muestrales es ambigua y podra expresarse slo estadisticamente si estuvieran disponibles un nmero suficiente de muestras. El conjunto M3, en cambio, representa una dependencia nica de la respuesta a las otras variables muestrales de ese conjunto. Podemos expresar la dependencia mediante el siguiente esquema y su regla: X0 X1 X2 X3

X3 = 1, si y solo si X0 = 7, X1 = 2 y X2 = 9; en todos los dems casos Y = 0. Dado que la caja se abre solo para una secuencia determinada de posiciones de la combinacin, la regla representa obviamente el comportamiento permanente del sistema. Pero observemos que para ello debemos haber elegido un conjunto que contenga la cantidad de variables necesaria. Cualquier otro no funciona. Y por supuesto que es un ejemplo muy simple, inclusive en ste sabemos distinguir entre entradas y salidas. Por eso reiteramos lo expresado sobre conjuntos de variables muestrales que representan nuestro punto de vista subjetivo sobre el sistema. El problema de procesar el conjunto dado de matrices de actividad con respecto al conjunto muestral elegido puede formularse: 1. Encontrar muestras de la actividad para todas las posiciones posibles temporales del conjunto de variables muestrales, en cada una de las matrices de actividad. 2. Determinar si la relacin entre las variables muestrales, dada por el conjunto obtenido de muestras de actividad, es causal o no. 3. a) Si la relacin es causal, la diferenciacin entre variables internas y externas del sistema puede encontrarse con respecto a los datos disponibles sobre el sistema, la actividad y nuestro punto de vista subjetivo. b) Si la relacin no es causal, ninguna diferenciacin entre variables extremas e internas del sistema puede sugerirse razonablemente.

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II --------------------------------------------------------------

4. Puede determinarse en el caso 3 a) una estructura de estados y transiciones nica (con respecto a la actividad y el conjunto de variables muestrales elegido). En el caso 3 b) dicha estructura puede determinarse en forma estadstica, supuesto que estn disponibles suficientes muestras de actividad. Si la diferencia entre los valores mximos y mnimos del conjunto de variables muestrales es m y la matriz de actividad considerada consta de n instantes de tiempo, hay justamente n - m posiciones de dicho conjunto sobre la matriz para las cuales estn determinadas todas las variables muestrales. Despus de determinar el conjunto de todas las muestras de actividad, lo investigamos desde el punto de vista de las dependencias mutuas entre las variables muestrales, para descubrir cules son las variables internas y externas del sistema. Como los valores actuales de cualquier variable no pueden derivarse de los valores futuros de la misma variable, podemos buscar las variables muestrales dependientes slo entre aquellas con mximo valor del elemento muestral para cada posicin. Estos sern los candidatos para variables dependientes. Obviamente, el nmero de candidatos es igual al nmero de variables contenidas en la matriz de actividad procesada. Por lo tanto, debemos determinar si cada candidato depende unvocamente o no de las restantes variables muestrales. Si algunos de los candidatos muestran solo las propiedades de las variables independientes, entonces la clasificacin en variables de entrada y salida de la caja negra se determina directamente de ellas. En principio, obtenemos para cada candidato uno de los siguientes resultados: 1. El candidato se expresa por una funcin completamente especificada de las otras variables muestrales. 2. El candidato se expresa por una funcin incompletamente especfica de las restantes variables muestrales. 3. El candidato no puede expresarse por una funcin de las dems variables. Si ocurre lo primero, entonces el candidato respectivo puede considerarse como una variable dependiente - salida - supuesto que no aparece como una variable independiente de cualquiera de las otras funciones correspondientes a los candidatos. Si ocurre lo segundo, el candidato puede considerarse como una variable dependiente salida - bajo las mismas circunstancias que el primer caso. Pero, porqu la funcin no est completamente especificada? Porque sus argumentos no son realmente independientes: hay una relacin entre ellos. Sin embargo, esta respuesta origina otra pregunta: porqu dependen entre s los argumentos? Si no se conoce nada sobre la organizacin de la caja negra, no hay respuesta. La relacin entre las variables muestrales respectivas puede reflejar una propiedad intrnseca del sistema. Pero un supuesto de matriz de actividad incompleta puede servir tambin como explicacin. En cualquier caso, este resultado invita a una investigacin poste5

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II -------------------------------------------------------------rior mediante la cual quizs se descubran algunas muestras de actividad adicionales. El tercer caso representa un atributo propio del sistema, o se debe solamente al conjunto de variables muestrales elegido. Podra ocurrir que aadiendo varias variables muestrales adecuadas al conjunto, el "candidato" respectivo pueda llegar a depender unvocamente de las otras variables muestrales. Observemos, para completar, que cualquier candidato es expresable como una funcin de las otras variables muestrales cuando se toma como conjunto de ellas la matriz de actividad entera. Pero este es un caso trivial, ya que no nos ayuda a expresar la informacin contenida en la matriz de actividad en una forma ms condensada. Todas estas consideraciones suponen que la caja negra es un sistema determinstico. Si se supone un sistema probabilstico tendremos que contar con un nmero suficientemente grande de muestras, y se debern satisfacer las siguientes condiciones: 1. La clasificacin en variables de entrada y salida debe conocerse por anticipado; en caso contrario, todo candidato puede expresarse estadsticamente como una variable de salida. 2. Los nmeros de las muestras de actividad deben ser lo suficientemente grandes para obtener una correspondencia suficientemente exacta entre las probabilidades a priori calculadas y las probabilidades a posteriori adecuadas a la caja negra en consideracin. Tenemos que resaltar que los resultados obtenidos por el proceso de la actividad se deben al conjunto de variables muestrales elegido. Si el conjunto es demasiado chico, algunas propiedades importantes pueden permanecer latentes. Si es ms grande que lo necesario para descubrir la relacin atemporal determinada del sistema, deberemos eliminar las variables muestrales ficticias. El enfoque estadstico puede aplicarse a todo conjunto de variables muestrales, una vez que se cumplan las dos condiciones anteriores. Por tanto, una caja negra puede describirse como un sistema determinista o probabilista. En el primer caso el conjunto elegido de variables muestrales debe ser suficiente, y en el segundo caso se usa un conjunto ms pequeo. El enfoque estadstico es preferible donde el conjunto de variables muestrales necesario para la solucin determinista contiene un nmero prohibitivo de variables, de modo que el procedimiento de procesar la actividad es demasiado difcil y la forma en que se expresa el comportamiento es demasiado complicada y, por lo tanto, imprctica. Si se trata de revelar los subsistemas independientes dentro de una caja negra particular, entonces deberemos considerar los resultados de ms de un candidato. O sea que consideraremos pares, triadas, etc. de candidatos. El procedimiento fundamental se ilustra a grandes rasgos por el diagrama de la pgina siguiente:

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II --------------------------------------------------------------

INICIO Datos dados ACTIVIDAD ACTIVIDAD REGISTRADA REGISTRADA (PROCEDIMIENTO) SELECCION DE UN CONJUNTO RESULTADOS
Determinacin del comportamiento Comportamiento Seleccin de nuevo conjunto

No
Control dado? Resultados satisfactorios

No
Comportamiento determinista?

Si

No

Control Estructura dinmca

Determinacin del control

Determinacin de la estructura dinmica

Se puede determinar el control?

No

Hay suficientes muestras?

No

Si
Estructura dinmica Probabilidades di

Si

Si

FIN

Determinacin de la estructura dinmica

Clculo de probabilidades de las muestras y lde las transiciones

FIN

FIN

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II -------------------------------------------------------------Qu Hacemos Con Las Hipotesis? Se sabe que ningn resultado puede ser considerado como definitivo al resolver el problema de la caja negra pura. El enfoque estadstico est generalmente ms prximo a la realidad que el determinista, si se basa en un nmero suficiente de muestras. Sin embargo, antes de utilizar el enfoque estadstico debe conocerse la clasificacin en variables de entrada y salida. Por lo tanto, no ser un problema de caja negra pura. Las variables no pueden clasificarse con certeza a menos que conozcamos algo sobre la organizacin de la caja negra en estudio. Lo difcil es que resulta imposible mostrar si el conjunto de actividades obtenido por la caja negra contiene o no la relacin atemporal absoluta. Como la clasificacin eventual de las variables -si la relacin es causal- es cuestionable, la aplicacin del enfoque estadstico, que podra conducir a una representacin ms exacta del sistema, es cuestionable tambin para el problema de la caja negra pura. En consecuencia, la nica posibilidad de superar estas dificultades y obtener algunos resultados finales sobre la caja negra es investigar la organizacin del sistema adems de la observacin externa. El conocimiento parcial de la organizacin junto con los resultados procesados de las mediciones u observaciones externas, nos permite en muchos casos descubrir algunas propiedades de la caja negra con absoluta certeza. Una metodologa de la caja negra debera proporcionar respuesta a muchas cuestiones de este tipo: Qu debera conocerse sobre la organizacin de la caja negra con el objeto de poder determinar la propiedad X con absoluta certeza a travs de los resultados de las observaciones externas, mediciones o una experimentacin adecuada? Esa propiedad X podra ser, por ejemplo, la clasificacin de variables externas, el comportamiento permanente, el proceso completo, etc. En la pgina siguiente se describe a grandes rasgos el procedimiento general de la metodologa de la caja negra. En primer lugar se define un sistema sobre un objeto que fue seleccionado para ser investigado. Las cantidades del sistema se observan o miden en el tiempo. Si se distinguen las entradas y salidas, podemos aplicar secuencias adecuadas de estmulos a las cantidades de entrada y registrar las respuestas respectivas de las salidas. Experimentamos con el sistema. Por lo tanto, las cantidades del sistema se observan o se miden, o algunas de ellas se estimulan y las otras se observan o miden. En general, decimos que son observaciones.

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II -------------------------------------------------------------REALIDAD
Seleccin de una parte de la realidad Modificacin del sistema Definicin de un sistema respecto del objeto

Objeto

Sistema
Verificacin de la hiptesis Investigacin sobre la organizacin del sistema

Observaciones o mediciones de las cantidades

Actividad
Experimentos adicionales

mscara

Resultados sobre la organizacin

Hiptesis
Cambio de la mscara

Resultados sobre el comportamiento

Resultados combinados

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II -------------------------------------------------------------El resultado de la observacin es una actividad dada o un conjunto de actividades parciales. Si el sistema se observa sin interrupcin en el tiempo, obtenemos una sola actividad. Si, en cambio, hay intervalos, tenemos varias actividades parciales que no deben combinarse en una sola. Porque si no el sistema podr cambiar durante el intervalo entre dos observaciones consecutivas, y el comienzo de una actividad posterior no estara necesariamente conectado a la finalizacin de una actividad anterior. De la misma manera, si se observan simultneamente sistemas de la misma clase sobre diferentes objetos del mismo tipo, y si el objeto considerado se repite en la realidad, las actividades parciales de los sistemas particulares no deben combinarse debido a que sistemas diferentes podran estar en estados iniciales distintos cuando comenzamos a observarlos. Luego de obtener una actividad o un conjunto de actividades del sistema considerado (a veces mediante el pre-proceso de los datos originales) podemos transformarlo a la matriz de actividad del correspondiente sistema general en orden a aplicar una metodologa uniforme de proceso de la actividad. Para procesar la actividad, debemos seleccionar un conjunto de variables muestrales adecuado mediante el cual compilar todas las correspondientes muestras de actividad. El conjunto de todas las muestras de actividad recogidas representa el comportamiento del sistema con respecto a los datos disponibles sobre el mismo, y con respecto al conjunto de variables muestrales elegido. Seguidamente, se investiga el comportamiento determinado considerando la clasificacin de las variables. Debe quedar claro que la clasificacin puede determinarse slo si el conjunto de muestras de actividad representa una relacin causal. Si la clasificacin est dada, cada candidato de las variables de salida debe probarse para una dependencia unvoca respecto a las dems variables. Si alguno de ellos no muestran ninguna dependencia unvoca, podemos afirmar que el conjunto de variables muestrales no es el adecuado, y por lo tanto debe ser cambiado. Supongamos ahora que se conoce la clasificacin de las variables y cada candidato de las variables de salida depende unvocamente de las restantes variables muestrales. Pero, el comportamiento descubierto representa el comportamiento permanente propio del sistema, o es justamente un comportamiento permanente debido a nuestros datos incompletos sobre el sistema? No se puede responder a esta pregunta slo por observacin adicional de las cantidades del sistema. Se podr si se obtiene de alguna manera informacin apropiada del sistema. En consecuencia, si queremos determinar el comportamiento permanente de la caja negra investigada, debemos tratar de determinar algunas propiedades de su organizacin. Los dos tipos de investigacin, del comportamiento y la organizacin, son a veces materia de ramas diferentes de la ciencia. Por ejemplo, supongamos que la psicologa es una ciencia del comportamiento. Algunos sistemas que ella investiga se estudian tambin por la fisiologa, que se dedica al comportamiento de sus elementos y los acoplamientos entre ellos. Niveles diferentes son: bioqumica -nivel molecular-, citologa -nivel celular-, fisiologa orgnica -nivel de los rganos-. Los estudios de comportamiento psicolgicos pueden considerarse como definitivos si estuviesen suficientemente apoyados por algunos resultados fisiolgicos relativos al mismo sistema.
10

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II --------------------------------------------------------------

Se expres que los resultados obtenidos al procesar una actividad dependen, hasta cierto grado, del conjunto de variables muestrales elegido. Y que cuanto mayor sea el nmero de variables contenidas en ese conjunto, ms difcil es ejecutar el procedimiento de procesar la actividad. Entonces, el investigador trata de encontrar, mediante su experiencia e intuicin, el conjunto de variables muestrales ms pequeo. Y lo aplica a la actividad, obteniendo un conjunto de muestras de actividad. Investigando este conjunto obtendr algunos resultados acerca de la clasificacin de las variables, su dependencia mutua, su descomposicin intrnseca en subsistemas, etc. De acuerdo con los resultados obtenidos de la actividad, y eventualmente combinndolos con otros, obtenidos por otros medios, acerca de la organizacin del sistema, el investigador tiene entonces, en principio, cuatro posibilidades de continuar su estudio del sistema: 1. Cambiar el conjunto de variables muestrales y repetir el procedimiento de procesar la actividad con el nuevo. 2. Volver al trabajo experimental tratando de encontrar otras muestras de actividad o de descubrir propiedades en el campo de la organizacin del sistema. 3. Modificar la definicin del sistema estudiado sobre un objeto dado. Por ejemplo, omitir algunas cantidades e introducir otras. El procedimiento completo deber repetirse para el nuevo sistema. 4. Crear hiptesis sobre el comportamiento permanente y la organizacin del sistema, y verificarlas por investigaciones adicionales del sistema en ambos temas. No hay regla general para aconsejar al investigador cul de las cuatro posibilidades debera aplicarse en cada caso especial. Su eleccin depende de su conocimiento, experiencia, habilidad creativa, intuicin, etc. Relacionando al Experimentador con la Caja Negra Cuando ya conocemos la clasificacin en variables de entrada y salida, queremos conocer el estado actual del sistema. En otras palabras, conocer su programa o proceso interno, utilizando solo la experimentacin desde fuera. Est bien establecido que en un modelo la respuesta a una entrada, o conjunto de entradas, puede predecirse -o determinar su probabilidad- s y solo s, se conoce el proceso completo del sistema. Por lo tanto, la solucin del problema de identificacin de estados del sistema significa conseguir que la caja negra sea predecible por el investigador. Hay dos clases de experimentos posibles para identificar los estados: 1. Prefijados. La secuencia de estmulos a aplicar se determina por anticipado.

11

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: ANALISIS DE SISTEMAS II -------------------------------------------------------------Experimento prefijado Experimentador Caja Negra Registro de respuestas

2. Adaptados. La secuencia de estmulos a aplicar se disea etapa por etapa en base a las secuencias precedentes de respuestas.
Experimento adaptativo

Experimentador

Caja Negra

Registro de respuestas

Identifiquemos las Fallas Supongamos que se conocen por completo el comportamiento y la organizacin del sistema. Adems, las cantidades externas del sistema son completamente observables o bien pueden realizarse experimentos con el sistema desde fuera. Y que la organizacin del sistema no pueda investigarse directamente. Si en esta situacin el sistema muestra un proceso incorrecto, debido a una falla en un elemento o a un acoplamiento inadecuado, tenemos que determinar: a) El proceso completo del sistema equivocado con objeto de poder predecir respuestas futuras del sistema. b) La falla en la estructura de sus acoplamientos, que produce el proceso incorrecto, para poder repararlo. Este problema se relaciona estrechamente con el de identificar la estructura de estados y transiciones del sistema. Por ello, tratamos primero de determinar la estructura de estados y transiciones errnea mediante un experimento adecuado de identificacin de dicha estructura. Antes de comenzar a disear dicho experimento, tendremos que especificar todas las posibles o todas las razonablemente sospechosas- estructuras de estados y transiciones equivocadas, y probar si representan una clase de sistemas que no sean equivalentes con respecto a ningn estado. Si es as, es posible determinar la estructura de estados y transiciones errnea del sistema mediante un experimento prefijado adecuado, y tambin podremos hallar el proceso completo equivocado. Despus de determinarlo, la falla en la estructura de acoplamientos puede determinarse generalmente por simple razonamiento. (Adaptado de G.Klir, Teora General de Sistemas, Cap.7, Ediciones ICE, 198O) BIBLIOGRAFIA: Ross Ashby, Introduccin a la Ciberntica, Nueva Visin, 1972. Schoderbek, Schoderbek y Kefalas, Sistemas Administrativos, El Ateneo, 1986.
12