SIstema Experto

PDF generado usando el kit de herramientas de fuente abierta mwlib. Ver http://code.pediapress.com/ para mayor informacin. PDF generated at: Sun, 18 Mar 2012 02:37:00 UTC

Contenidos
Artculos
Sistema experto Base de conocimiento Red semntica Banco de ideas Minera de textos Inferencia Sistema basado en reglas Inteligencia artificial Razonamiento basado en casos Red bayesiana Algoritmo de eliminacin de variables Heurstica Lgica difusa Lgica Red neuronal Lgica paraconsistente Ingeniera del conocimiento Gestin del conocimiento Sistemas de informacin hospitalaria Administracin en salud Historia clnica electrnica Informtica mdica Planificacin de sistemas informticos Salud pblica Sistema de informacin Sistema de procesamiento de transacciones Sistemas de informacin gerencial Sistemas de soporte a decisiones Sistemas de informacin ejecutiva Sistemas de automatizacin de oficinas Planificacin de recursos empresariales 1 6 7 9 9 11 14 15 23 37 39 41 43 46 56 56 58 59 64 65 67 69 74 75 80 85 87 90 95 96 97

Referencias
Fuentes y contribuyentes del artculo 103

Fuentes de imagen, Licencias y contribuyentes

105

Licencias de artculos
Licencia 106

Sistema experto

Sistema experto
Los sistemas expertos son llamados as porque emulan el razonamiento de un experto en un dominio concreto y en ocasiones son usados por stos. Con los sistemas expertos se busca una mejor calidad y rapidez en las respuestas dando as lugar a una mejora de la productividad del experto.

Sistema Experto (SE)

Es una aplicacin informtica capaz de solucionar un conjunto de problemas que exigen un gran conocimiento sobre un determinado tema. Un sistema experto es un conjunto de programas que, sobre una base de conocimientos, posee informacin de uno o ms expertos en un rea especfica. Se puede entender como una rama de la inteligencia artificial, donde el poder de resolucin de un problema en un programa de computadora viene del conocimiento de un dominio especfico. Estos sistemas imitan las actividades de un humano para resolver problemas de distinta ndole (no necesariamente tiene que ser de inteligencia artificial). Tambin se dice que un SE se basa en el conocimiento declarativo (hechos sobre objetos, situaciones) y el conocimiento de control (informacin sobre el seguimiento de una accin). Para que un sistema experto sea herramienta efectiva, los usuarios deben interactuar de una forma fcil, reuniendo dos capacidades para poder cumplirlo: 1. Explicar sus razonamientos o base del conocimiento: los sistemas expertos se deben realizar siguiendo ciertas reglas o pasos comprensibles de manera que se pueda generar la explicacin para cada una de estas reglas, que a la vez se basan en hechos. 2. Adquisicin de nuevos conocimientos o integrador del sistema: son mecanismos de razonamiento que sirven para modificar los conocimientos anteriores. Sobre la base de lo anterior se puede decir que los sistemas expertos son el producto de investigaciones en el campo de la inteligencia artificial ya que sta no intenta sustituir a los expertos humanos, sino que se desea ayudarlos a realizar con ms rapidez y eficacia todas las tareas que realiza. Debido a esto en la actualidad se estn mezclando diferentes tcnicas o aplicaciones aprovechando las ventajas que cada una de estas ofrece para poder tener empresas ms seguras. Un ejemplo de estas tcnicas sera los agentes que tienen la capacidad de negociar y navegar a travs de recursos en lnea; y es por eso que en la actualidad juega un papel preponderante en los sistemas expertos.

Estructura bsica de un SE
Un Sistema Experto est conformado por: Base de conocimientos (BC): Contiene conocimiento modelado extrado del dilogo con un experto. Base de hechos (Memoria de trabajo): contiene los hechos sobre un problema que se ha descubierto durante el anlisis. Motor de inferencia: Modela el proceso de razonamiento humano. Mdulos de justificacin: Explica el razonamiento utilizado por el sistema para llegar a una determinada conclusin. Interfaz de usuario: es la interaccin entre el SE y el usuario, y se realiza mediante el lenguaje natural.

Sistema experto

Tipos de SE
Principalmente existen tres tipos de sistemas expertos: Basados en reglas previamente establecidas. Basados en casos o CBR (Case Based Reasoning). Basados en redes bayesianas. En cada uno de ellos, la solucin a un problema planteado se obtiene: Aplicando reglas heursticas apoyadas generalmente en lgica difusa para su evaluacin y aplicacin. Aplicando el razonamiento basado en casos, donde la solucin a un problema similar planteado con anterioridad se adapta al nuevo problema. Aplicando redes bayesianas, basadas en estadstica y el teorema de Bayes.

Ventajas y limitaciones de los Sistemas Expertos

Ventajas
Permanencia: A diferencia de un experto humano un SE (sistema experto) no envejece, y por tanto no sufre prdida de facultades con el paso del tiempo. Replicacin: Una vez programado un SE lo podemos replicar infinidad de veces. Rapidez: Un SE puede obtener informacin de una base de datos y realizar clculos numricos mucho ms rpido que cualquier ser humano. Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias a la capacidad de duplicacin el coste finalmente es bajo. Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o dainos para el ser humano. Fiabilidad: Los SE no se ven afectados por condiciones externas, un humano s (cansancio, presin, etc.). Consolidar varios conocimientos. Apoyo Acadmico.

Limitaciones
Sentido comn: Para un Sistema Experto no hay nada obvio. Por ejemplo, un sistema experto sobre medicina podra admitir que un hombre lleva 40 meses embarazado, a no ser que se especifique que esto no es posible ya que un hombre no puede gestar hijos. Lenguaje natural: Con un experto humano podemos mantener una conversacin informal mientras que con un SE no podemos. Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus errores y de errores ajenos, que un SE haga esto es muy complicado. Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias. Capacidad sensorial: Un SE carece de sentidos. Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la resolucin de un problema. Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento poco estructurado.

Sistema experto

Ejemplos importantes
Dendral XCon Dipmeter Advisor Mycin CADUCEUS R1 CLIPS, Jess Prolog

Tareas que realiza un Sistema Experto

Monitorizacin
La monitorizacin es un caso particular de la interpretacin, y consiste en la comparacin continua de los valores de las seales o datos de entrada y unos valores que actan como criterios de normalidad o estndares. En el campo del mantenimiento predictivo los Sistemas Expertos se utilizan fundamentalmente como herramientas de diagnstico. Se trata de que el programa pueda determinar en cada momento el estado de funcionamiento de sistemas complejos, anticipndose a los posibles incidentes que pudieran acontecer. As, usando un modelo computacional del razonamiento de un experto humano, proporciona los mismos resultados que alcanzara dicho experto.

Diseo
Diseo es el proceso de especificar una descripcin de un artefacto que satisface varias caractersticas desde un nmero de fuentes de conocimiento. El diseo se concibe de distintas formas: El diseo en ingeniera es el uso de principios cientficos, informacin tcnica e imaginacin en la definicin de una estructura mecnica, mquina o sistema que ejecute funciones especficas con el mximo de economa y eficiencia. El diseo industrial busca rectificar las omisiones de la ingeniera, es un intento consciente de traer forma y orden visual a la ingeniera de hardware donde la tecnologa no provee estas caractersticas. Los SE en diseo ven este proceso como un problema de bsqueda de una solucin ptima o adecuada. Las soluciones alternas pueden ser conocidas de antemano o se pueden generar automticamente probndose distintos diseos para verificar cules de ellos cumplen los requerimientos solicitados por el usuario, sta tcnica es llamada generacin y prueba, por lo tanto estos SE son llamados de seleccin. En reas de aplicacin, la prueba se termina cuando se encuentra la primera solucin; sin embargo, existen problemas ms complejos en los que el objetivo es encontrar la solucin ptima.

Sistema experto

Planificacin
La planificacin es la realizacin de planes o secuencias de acciones y es un caso particular de la simulacin. Est compuesto por un simulador y un sistema de control. El efecto final es la ordenacin de un conjunto de acciones con el fin de conseguir un objetivo global. Los problemas que presentan la planificacin mediante SE son los siguientes: Existen consecuencias no previsibles, de forma que hay que explorar y explicar varios planes. Existen muchas consideraciones que deben ser valoradas o incluirles un factor de peso. Suelen existir interacciones entre planes de subobjetivos diversos, por lo que deben elegirse soluciones de compromiso. Trabajo frecuente con incertidumbre, pues la mayora de los datos con los que se trabaja son ms o menos probables pero no seguros. Es necesario hacer uso de fuentes diversas tales como bases de datos.

Control
Un sistema de control participa en la realizacin de las tareas de interpretacin, diagnstico y reparacin de forma secuencial. Con ello se consigue conducir o guiar un proceso o sistema. Los sistemas de control son complejos debido al nmero de funciones que deben manejar y el gran nmero de factores que deben considerar; esta complejidad creciente es otra de las razones que apuntan al uso del conocimiento, y por tanto de los SE. Cabe aclarar que los sistemas de control pueden ser en lazo abierto, si en el mismo la realimentacin o el paso de un proceso a otro lo realiza el operador, o en lazo cerrado si no tiene que intervenir el operador en ninguna parte del mismo. Reparacin, correcta o terapia. La reparacin, correccin, terapia o tratamiento consiste en la proposicin de las acciones correctoras necesarias para la resolucin de un problema. Los SE en reparacin tienen que cumplir diversos objetivos, como son: Reparacin lo ms rpida y econmicamente posible. Orden de las reparaciones cuando hay que realizar varias. Evitar los efectos secundarios de la reparacin, es decir la aparicin de nuevas averas por la reparacin.

Simulacin
La simulacin es una tcnica que consistente en crear modelos basados en hechos, observaciones e interpretaciones sobre la computadora, a fin de estudiar el comportamiento de los mismos mediante la observacin de las salidas para un conjunto de entradas. Las tcnicas tradicionales de simulacin requieren modelos matemticos y lgicos, que describen el comportamiento del sistema bajo estudio. El empleo de los SE para la simulacin viene motivado por la principal caracterstica de los SE, que es su capacidad para la simulacin del razonamiento de un experto humano, que es un proceso complejo. En la aplicacin de los SE para simulacin hay que diferenciar cinco configuraciones posibles: 1. Un SE puede disponer de un simulador con el fin de comprobar las soluciones y en su caso rectificar el proceso que sigue. 2. Un sistema de simulacin puede contener como parte del mismo a un SE y por lo tanto el SE no tiene que ser necesariamente de simulacin. 3. Un SE puede controlar un proceso de simulacin, es decir que el modelo est en la base de conocimiento del SE y su evolucin es funcin de la base de hechos, la base de conocimientos y el motor de inferencia, y no de un conjunto de ecuaciones aritmtico lgicas. 4. Un SE puede utilizarse como consejero del usuario y del sistema de simulacin. 5. Un SE puede utilizarse como mscara o sistema frontal de un simulador con el fin de que el usuario reciba explicacin y justificacin de los procesos.

Sistema experto

Instruccin
Un sistema de instruccin realizara un seguimiento del proceso de aprendizaje. El sistema detecta errores ya sea de una persona con conocimientos e identifica el remedio adecuado, es decir, desarrolla un plan de enseanza que facilita el proceso de aprendizaje y la correccin de errores.

Recuperacin de informacin
Los Sistemas Expertos, con su capacidad para combinar informacin y reglas de actuacin, han sido vistos como una de las posibles soluciones al tratamiento y recuperacin de informacin, no slo documental. La dcada de 1980 fue prolija en investigacin y publicaciones sobre experimentos de este orden, inters que continua en la actualidad. Lo que diferencia a estos sistemas de un sistema tradicional de recuperacin de informacin es que stos ltimos slo son capaces de recuperar lo que existe explcitamente, mientras que un Sistema Experto debe ser capaz de generar informacin no explcita, razonando con los elementos que se le dan. Pero la capacidad de los SE en el mbito de la recuperacin de la informacin no se limita a la recuperacin. Pueden utilizarse para ayudar al usuario, en seleccin de recursos de informacin, en filtrado de respuestas, etc. Un SE puede actuar como un intermediario inteligente que gua y apoya el trabajo del usuario final.

Enlaces
Sistemas expertos en aplicaciones reales (ingls) [1] Semantic Networks and Intelligent Agents (ingls) [2] Sistemas Expertos y Modelos de Redes Probabilsticas (espaol) [3] Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project [4] Lenguaje de creacin de Sistemas Expertos basado en CommonKADS [5] Lenguaje para implementar sistemas expertos con modelos algebraicos [6]

Referencias
[1] [2] [3] [4] [5] [6] http:/ / www. generation5. org/ content/ 2005/ Expert_System. asp http:/ / teamcore. usc. edu/ marecki/ HomePage/ Semantic%20Networks%20and%20Intelligent%20Agents. html http:/ / personales. unican. es/ gutierjm/ BookCGH. html http:/ / www. aaai. org/ aitopics/ pmwiki/ pmwiki. php/ AITopics/ ClassicAIBooks http:/ / lia2. tic. udc. es/ javack/ http:/ / oa. upm. es/ 5751/

Base de conocimiento

Base de conocimiento
Una Base de Conocimiento (o knowledgebase en ingls; KB, kb or ) es un tipo especial de base de datos para la gestin del conocimiento. Provee los medios para la recoleccin, organizacin y recuperacin computarizada de conocimiento.

Tipos
Las bases de conocimiento se han clasificado en dos grandes tipos: Bases de conocimiento lebles por mquinas, diseadas para almacenar conocimiento en una forma legible por el computador, usualmente con el fin de obtener razonamiento deductivo automtico aplicado a ellas. Contienen una serie de datos, usualmente en la forma de reglas que describen el conocimiento de manera lgicamente consistente. Operadores lgicos como Y (conjuncin), O (disyuncin), condicin lgica y negacin son utilizada para aumentarla desde el conocimiento atmico. En consecuencia la deduccin clsica puede ser utilizada para razonar sobre el conocimiento en la base de conocimiento. Este tipo de bases de conocimiento son utilizadas por la Web semntica Bases de conocimiento lebles por Humanos estn diseadas para permitir a las personas acceder al conocimiento que ellas contienen, principalmente para propsitos de aprendizaje. Estas son comnmente usadas para obtener y manejar conocimiento explicito de las organizaciones, incluyen artculos, white papers, manuales de usuario y otros. El principal beneficio que proveen las bases de conocimiento es proporcionar medios de descubrir soluciones a problemas ya resueltos, los cuales podran ser aplicados como base a otros problemas dentro o fuera del mismo rea de conocimiento. El ms importante aspecto de una base de conocimiento es la calidad de la informacin que esta contiene. Las Mejores Bases de Conocimiento tienen artculos cuidadosamente redactados que se mantiene al da, un excelente sistema de recuperacin de informacin (Motor de Bsqueda), y un delicado formato de contenido y estructura de clasificacin. Una Base de Conocimiento puede usar una ontologa para especificar su estructura(tipos de entidades y relaciones) y su esquema de clasificacin. Una ontologa, junto con un grupo de instancias de sus clases constituyen una Base de Conocimiento. Determinando qu tipo de informacin es capturada, y dnde se encuentra la informacin en una base de conocimiento es algo que es determinado por los procesos que respaldan al sistema. Una estructura robusta de procesos es la columna vertebral de cualquier Base de Conocimiento. Algunas Bases de Conocimiento tienen un componente de inteligencia artificial. Este tipo de Bases de Conocimiento pueden sugerir soluciones a problemas espordicos en la retroalimentacin por el usuario, y son capaces de aprender de la experiencia (sistemas expertos). Representacin de Conocimiento, Razonamiento automatizado y argumentacin son las reas activas de la investigacin de la inteligencia artificial.

Ejemplos de instalaciones
La Escuela de Medicina de Tufts University ha creado una infraestructura de software llamada the Tufts University Sciences Knowledgebase, TUSK. Sirve como base de conocimiento de informacin curricular para las escuelas de ciencias de la salud en Tufts (mdica, dental, veterinaria, salud pblica, nutricin, ciencias biomdicas). Esta infraestructura es compartida con tres escuelas de medicina en los Estados Unidos, tres en frica y prximamente una en la India. La infraestructura permite a las instituciones crear un base de conocimiento al servicio de las necesidades locales[1]

Base de conocimiento

Referencias
[1] Tufts University Sciences Knowledgebase vision (http:/ / tusk. tufts. edu/ about/ our_vision)

Enlaces externos
Whatis.com definition of Knowledge Base (http://searchcrm.techtarget.com/sDefinition/ 0,,sid11_gci753399,00.html) High Performance Knowledge Bases (http://reliant.teknowledge.com/HPKB/) Content Repository API (http://jcp.org/en/jsr/detail?id=170) Computability Logic Homepage (http://www.cis.upenn.edu/~giorgi/cl.html) Protg, an open source ontology editor and knowledge-base framework (http://protege.stanford.edu/index. html)

Red semntica
Una red semntica o esquema de representacin en Red es una forma de representacin de conocimiento lingstico en la que los conceptos y sus interrelaciones se representan mediante un grafo. En caso de que no existan ciclos, estas redes pueden ser visualizadas como rboles. Las redes semnticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales. En un grafo o red semntica los elementos semnticos se representan por nodos. Dos elementos semnticos entre los que se admite se da la relacin semntica que representa la red, estarn unidos mediante una lnea, flecha o enlace o arista. Cierto tipo de relaciones no simtricas requieren grafos dirigidos que usan flechas en lugar de lneas.

Definicin

Un ejemplo de red semntica.

Existen diversos tipos de relaciones semnticas como la hiponimia, hiperonimia, la meronimia, etc. Dado un conjunto de conceptos, elementos semnticos o trminos relacionados semnticamente mediante alguna relacin semntica, una red semntica representa estas relaciones en forma de grafo. Explcitamente, dado un conjunto de trminos {t1, t2,..., tn} y cierta relacin semntica simtrica entre ellos se construye un grafo G = (V,A) cumpliendo las siguientes condiciones: 1. El conjunto V es el conjunto de vrtices o nodos del grafo. Este conjunto estar formado por n elementos (tantos vrtices como trminos relacionables). A cada uno de los vrtices del grafo representar uno de los trminos, por tanto los vrtices del grafo se llamarn: t1, t2,..., tn. 2. El conjunto A es el conjunto de aristas o lneas del grafo. Dados dos vrtices (trminos) del grafo ti y tj existir una lnea aij que une los vrtices ti y tj si y slo si los trminos ti y tj estn relacionados. Si la relacin no es simtrica, entonces se usan grafos dirigidos para representar la relacin.

Red semntica

Historia
Los responsables de los primeros esquemas de representacin formalizados fueron Quillian (1968) y Shapiro & Woddmansee (1971). Los esquemas de redes semnticas tienen una fundamentacin psicolgica muy slida, por lo que se han realizado numerosos esfuerzos por llevar a cabo implementaciones importantes basadas en ellas. Las redes semnticas han sido muy utilizadas en Inteligencia Artificial para representar el conocimiento y por tanto ha existido una gran diversificacin de tcnicas. Los elementos bsicos que encontramos en todos los esquemas de redes son: 1. Estructuras de datos en nodos, que representan conceptos, unidas por arcos que representan las relaciones entre los conceptos. 2. Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos. Bsicamente, podemos distinguir tres categoras de redes semnticas: 1. Redes IS-A, en las que los enlaces entre nodos estn etiquetados. 2. Grficos conceptuales: en los que existen dos tipos de nodos: de conceptos y de relaciones 3. Redes de marcos: en los que los puntos de unin de los enlaces son parte de la etiqueta del nodo

Nota
Note que el concepto de Web semntica es diferente de Red semntica. En ingls la Web Semntica es referida como "Semantic Web", mientras que una Red semntica se denominara "Semantic Network".

Enlaces externos
Ejemplos
Mapas de Conocimiento del Software de Inteligencia Artificial de SOLUTECIA [1]

Referencias
[1] http:/ / portal. solutecia. com/ producto-sofia/ 129-mapa-de-conocimiento

Banco de ideas

Banco de ideas
Un banco de ideas es un sitio web donde la gente puede intercambiar comentarios, compartir, o discutir nuevas ideas. Algunos bancos de ideas son desarrollados con el propsito de desarrollar nuevos inventos o tecnologas. Muchas corporaciones han instalado bancos internos de ideas para recoger las ideas de sus empleados y mejorar el proceso de innovacin de su empresa y as aprovechar la creatividad de sus empleados. Algunos bancos de ideas emplean un sistema de votacin para estimar el valor de las ideas. La teora en la que reposa el concepto de banco de ideas es que si un gran nmero de personas trabajan en un proyecto o en el desarrollo de una idea, cuando esta se convierta en realidad, se adaptar a la perfeccin a lo que queran los que participaron en ella.

Ejemplos
Aunque no es necesariamente un banco de ideas per se, permitiendo a cualquiera editar los wikis, se permite a un grupo de personas trabajar en la informacin en colaboracin. Esta escritura en colaboracin puede continuar hasta que todos estn de acuerdo con el texto escrito, incluso despus pueden continuar satisfaciendo el artculo aadiendo ms informacin, eliminando la informacin incorrecta, etc.

Minera de textos
La minera de textos se refiere al proceso de derivar informacin nueva de textos.

Historia
A comienzos de los aos ochenta surgieron los primeros esfuerzos de minera de textos que necesitaban una gran cantidad de esfuerzo humano, pero los avances tecnolgicos han permitido que esta rea progrese de manera rpida en la ltima dcada. La minera de textos es un rea multidisciplinaria basada en la recuperacin de informacin, minera de datos, aprendizaje automtico, estadsticas y la lingstica computacional. Como la mayor parte de la informacin (ms de un 80%) se encuentra actualmente almacenada como texto, se cree que la minera de textos tiene un gran valor comercial[citarequerida]. Se le presta cada vez un mayor inters a la minera de textos multilingual: la habilidad de ganar informacin en otros idiomas.

Aplicaciones acadmicas
El tema de la minera de textos es de importancia para publicadores que tengan grandes bancos de data que requieran de indexacin. Esto es el caso en particular para disciplinas cientficas en las que hay una gran cantidad de informacin muy especfica en forma de texto escrito. Es por ello que se han presentado iniciativas como el Open Text Mining Interface (OTMI) y el common Journal Publishing Document Type Definition (DTD) de la NIH, que ofreceran datos semnticos para responder a preguntas muy especficas sin quitar las barreras del publicador al acceso pblico.

Minera de textos

10

Software comercial y aplicaciones

Anderson Analytics - proveedor de anlisis de texto y de contenido relacionado con el comportamiento del consumidor. Attensity - grupo de soluciones de minera de textos para diversas industrias. Autonomy - software de minera de textos, clustering y categorizacin. Clarabridge - aplicaciones de minera de textos, categorizacin para clientes, servicios de salud y analtica investigativa. Clearforest - software de minera de texto para extraer el significado de varias formas de informacin textual. Cortex Intelligence - proveedor de anlisis de contenido de Web. Crossminder - empresa de minera de textos con bsqueda multilinge y aproximacin semntica. IBM Intelligent Miner for Text - software de minera de textos comercial. Inxight - proveedor de tecnologas de anlisis de texto, bsqueda y visualization. Island Data - Real-time market intelligence from unstructured customer feedback. Nstein Technologies - provider of text analytics, and asset/web content management technologies (media, e-publishing, online publishing). Pimiento [1] un framework para aplicaciones de minera de textos en Java. PolyAnalyst - software de minera de textos. SAS Enterprise Miner - software de minera de textos. SPSS - proveedor de TextSmart, SPSS Text Analysis for Surveys y Clementine, productos que se pueden utilizar con otros de SPSS. TALTAC2[2] - TalTac2 es un software para el anlisis de datos textuales. Tiene como objetivo describir e interpretar el contenido y / o algunas de sus propiedades. TEMIS - TEMIS es un productor de software en el rea de inteligencia de informacin. TextAnalyst - software de minera comercial. Textalyser - herramienta de anlisis en lnea para ver las estadsticas de textos. Topicalizer - una herramienta en lnea para generar estadstias de pginas web y otros textos. The "Ultimate Research Assistant" - una herramienta para gerencia de conocimiento que usa una combinacin de bsqueda tradicional y tcnicas de minera para facilitar la bsqueda en lnea de temas complejos.

Enlaces externos
Minera de textos [3] Proyecto Medical Miner. Integracin de minera de texto y de datos en biomedicina [4]

Referencias
[1] [2] [3] [4] http:/ / erabaki. ehu. es/ jjga/ pimiento http:/ / www. taltac. it http:/ / mineria. textos. googlepages. com/ mineria. textos. html http:/ / www. medicalminer. org

Inferencia

11

Inferencia
Una inferencia es una evaluacin que realiza la mente entre expresiones bien formadas de un lenguaje (EBF) que, al ser relacionadas intelectualmente como abstraccin, permiten trazar una lnea lgica de condicin o implicacin lgica entre las diferentes EBF. De esta forma, partiendo de la verdad o falsedad posible (como hiptesis) o conocida (como argumento) de alguna o algunas de ellas, puede deducirse la verdad o falsedad de alguna o algunas de las otras EBF. Surge as lo que conocemos como postulado[1] o transformada de una expresin original conforme a reglas previamente establecidas,[2] que puede enmarcarse en uno o varios contextos referenciales diversos,[3] obtenindose en cada uno de ellos un significado como valor de verdad de equivalente.[4][5][6] Es la operacin lgica utilizada en los motores de inferencia de los Sistemas Expertos.

Inferencia lgica
En la lgica tradicional
En la lgica tradicional, llamada aristotlica, la forma esencial de inferencia es una forma de razonamiento deductivo. No obstante se reconocan algunas inferencias directas o inmediatas. Inferencias inmediatas La filosofa tradicional aristotlica consideraba la posibilidad de inferencias inmediatas: aquellas que pueden obtenerse directamente a partir de la relacin que establece un juicio[7] respecto a los trminos, sujeto y predicado, que le constituyen, en funcin de la cualidad (afirmativo-negativo) y la cantidad (universal-particular) del mismo. Aristteles estudi con detalle ciertas operaciones que permitan tales inferencias inmediatas o directas. Para ello elabor el llamado cuadro de oposicin de los juicios, en el que dadas las relaciones que cada juicio aristotlico, A,E,I,O, lleva implcitas se pueden establecer ciertas inferencias directas. Asimismo en la lgica tradicional se admitan ciertas operaciones lgicas de transformacin de un juicio manteniendo sus condiciones de verdad. Tales operaciones eran: Conversin lgica Obversin lgica Contraposicin lgica Inversin lgica

La lgica tradicional aristotlica no resuelve del todo bien los problemas que surgen de los juicios negativos por lo que este tipo de operaciones lgicas se prestan a argumentaciones que producen resultados aberrantes.[8] La lgica actual formaliza los enunciados lingsticos bien como relacin de clases o como funciones proposicionales o relaciones.[9] Hoy se exige el rigor formal de la aplicacin de una regla de inferencia.[10] La idea de inferencia inmediata no es ms que la aplicacin de una regla modo implcito. La formalidad lgica, sin embargo, exige que sea explcita la regla que permite la transformacin de una EBF.

Inferencia

12

En la lgica actual
Se llama inferencia lgica a la aplicacin de una regla de transformacin que permite transformar una frmula o expresin bien formada (EBF) de un sistema formal en otra EBF como teorema del mismo sistema. Ambas expresiones se relacionan mediante una relacin de equivalencia, es decir, que ambas tienen los mismos valores de verdad o, dicho de otra forma, la verdad de una coimplica la verdad de la otra. podra ser transformada en:

donde

Elaborando la tabla de valores de verdad de dicha equivalencia contenida en la funcin del bicondicional el resultado ha de resultar una tautologa. Esquema de inferencia Se refiere a la estructura lgico-formal que permite obtener una expresin bien formada (EBF) desligada, libre, como teorema de un sistema formal previamente definido por la regla de separacin estrictas de formacin y transformacin de frmulas. Dicha estructura es el fundamento de un argumento lgico-formal mediante la aplicacin de la regla de Sustitucin de frmulas. donde representa cada variable la premisa de un

argumento. Conocida la verdad de cada una, como premisas de un argumento, su producto verdadero exige la verdad de todas y cada una de dichas expresiones; lo que permite establecer D como expresin libre y conclusin del argumento.

Inferencia por evidencias

Evidencia inductiva: Surge de la constatacin de una misma ocurrencia en una serie de casos. Observando que muchos lobos tienen la cola larga, infiero que los lobos tienen la cola larga, como una generalizacin. Evidencia enumerativa o induccin completa: Cuando se enumeran todos los casos la inferencia se convierte en una verdad demostrada, como induccin completa. Tal es el caso de que tras contar a todos y cada uno se pueda inferir: los alumnos de esta clase son 22. Aristteles y con l la escolstica tradicional admita una induccin perfecta, siempre y cuando la relacin entre los individuos y la clase, como concepto, sea aprendida como conexin esencial necesaria de un proceso de abstraccin; o bien entre clases como conceptos incluidas en otra clase, como concepto. De esta forma tal induccin vena a ser una forma de silogismo, en la relacin de conceptos entre s. As, en la medida en que, guilas, cigeas, gorriones, .... etc. vuelan, y todas y cada una de las clases de tales animales son aves, se puede concluir que la conexin aves y volar es esencial, "Todas las aves vuelan". Argumentos as provocaron incidentes tan inslitos en la historia de la ciencia como la aparicin del ornitorrinco.[11] Por otro lado el conocimiento de la experiencia siempre singular, cada caso nico e irrepetible, hace problemtica la posibilidad de llegar al conocimiento de conceptos universales, esenciales; y plantea el problema del status epistemolgico de la ciencia como conocimiento de conceptos y leyes universales. Al ponerse en cuestin el mundo de las formas esenciales, y la propia entidad conceptual entendida como clase lgica, y la posibilidad de la no existencia de individuos dentro de una clase bien definida, la inferencia inductiva sobre un universo no conocido en todas sus ocurrencias produce el llamado problema de la induccin, que por su carcter excede del caso de este artculo referido a la inferencia.(Vase inductivismo).

Inferencia

13

Clases de inferencia
Inferir por lgica clsica: Inferencia que slo admite dos valores: verdadero o falso. Inferencia trivaluada: Una inferencia de este estilo da como posibles resultados tres valores. Inferencia multivaluada: Una inferencia de este estilo da como posibles resultados mltiples valores. Inferencia difusa: Una inferencia de este estilo describe todos los casos multivaluados con exactitud y precisin. Inferencia probabilstica en el sentido de una induccin que permite establecer una verdad con mayor ndice de probabilidad que las dems.

Si bien, cuando el universo posible es de infinitas ocurrencias la probabilidad siempre ser 0. Por lo que algunos establecen para el estatuto de la ciencia el falsacionismo, como mtodo cientfico y contrastacin de teoras y las lgicas humanas.

Inferencia Estadstica, (administracin y gestin)

Cuando la descripcin se aplica a condiciones de certeza, como en las tablas del mercado de valores en que se muestra un censo de los valores negociados, se convierte en una entidad metodolgica. Sin embargo, en la mayora de los problemas estadsticos actuales se emplea ms una muestra que un censo, y la descripcin se ha convertido simplemente en una preparacin de la siguiente rama de la estadstica: inferencia. Cuando hacemos uso de la inferencia, llegamos a una conclusin o formulamos una afirmacin bajo ciertas condiciones de incertidumbre. La incertidumbre puede ser el resultado de las condiciones aleatorias, implcitas en el trabajo con muestras, o del desconocimiento de las leyes aleatorias precisas que son aplicables a una situacin especfica. No obstante en la teora de la conclusin, la incertidumbre sobre la exactitud de la afirmacin que se ha hecho o de la conclusin que se ha sacado se expone simplemente en trminos de probabilidad de que ocurra. La inferencia trata de dos tipos principales de problemas:la estimacin y la contrastacin de hiptesis

Inferencia aplicada al conocimiento del comportamiento humano

Se puede inferir todo lo que sea inteligible. Dentro del campo de la inteligencia humana, encontramos campos muy interesantes, tal como la inteligencia emocional. Dado que el cerebro humano est sujeto a leyes fsicas, existe la posibilidad de que el comportamiento humano sea potencialmente previsible, con un grado de incertidumbre, al mismo grado que el resto de ciencias lo pudiera ser, pues todas se basan en la inteligencia del hombre. La capacidad de inferir el sentimiento humano se llama empata; cada sentimiento motiva a actuar de cierta manera. La capacidad de predecir como va a actuar cierta persona roza lo esotrico, pero nada ms lejos de la realidad, se pueden generar modelos de comportamientos humanos y el grado de exactitud de la prediccin depender de lo emptico que sea la persona (Dado que la nica mquina capaz de reproducir una mente, hasta la fecha, es un cerebro humano).

Referencias
[1] posibilidad o hiptesis [2] producto o conjuncin de todos los elementos abstractos que intervienen, y aplicacin de reglas de transformacin, como un clculo o argumento [3] Modelos tericos [4] Chomsky, Noam - The Psychology Of Language And Thought [5] Noam Chomsky - Logical Syntax And Semantics, Their Linguistic Relevance (http:/ / links. jstor. org/ sici?sici=0097-8507(195501/ 03)31:1<36:LSASTL>2. 0. CO;2-0) [6] Noam Chomsky - Syntactic Structures ISBN 3-11-017279-8 [7] Vase proposicin (lgica):proposicin, enunciado y creencia [8] Por ejemplo la existencia de los ngeles o demonios partiendo del juicio: Todos los hombres son mortales:

Todos los hombres son mortales Ningn no-mortal es hombre (por conversin); ningn no-mortal es hombre Todo no-mortal es no-hombre (por obversin); Todo no-mortal es no-hombre Algn no-hombre es no-mortal

Inferencia (conversin per accidens)

[9] Vase Clculo lgico [10] Es decir la aplicacin de una ley lgica o tautologa que garantice la verdad de la transformacin como una verdad equivalente que se muestra en todos los posibles casos de la tabla de verdad de las dos proposiciones relacionadas con un coimplicador [11] U. Eco. Kant y el ornitorrincio

14

Bibliografa
STEBBING, L.S. (1930). A Modern Introduction to logic. LONDRES. HARMAN, G. (1965). The Inference to the Best Explanation. Philosophical Rewiew. ECO.U. (1999). Kant y el ornitorrinco. Barcelona. Editorial Lumen. 84-264-1265-3. Carl Heyel, ed. (1984). Gestin y Administracin de Empresas. Barcelona..

Sistema basado en reglas

Los sistemas basados en reglas trabajan mediante la aplicacin de reglas, comparacin de resultados y aplicacin de las nuevas reglas basadas en situacin modificada. Tambin pueden trabajar por inferencia lgica dirigida, bien empezando con una evidencia inicial en una determinada situacin y dirigindose hacia la obtencin de una solucin, o bien con hiptesis sobre las posibles soluciones y volviendo hacia atrs para encontrar una evidencia existente (o una deduccin de una evidencia existente) que apoye una hiptesis en particular. Algunos ejemplos de sistemas expertos son: Dendral.- Fue ideado a finales de los aos 1970 para generar una representacin estructural de las molculas orgnicas a partir de los datos de un espectrgrafo de masas. Tal solucin tiene los siguientes pasos: Obtener las limitaciones de los datos. Generar estructuras candidatas. Predecir espectros de masa con los candidatos. Comparar los resultados con los datos.

Este sistema ilustra la solucin comn de resolver problemas en Inteligencia Artificial (IA) de generacin y prueba. MYCIN.- fue diseado a mediados de los setenta. Es un sistema interactivo que diagnostica infecciones bacterianas y suministra la terapia de antibiticos. MYCIN representa el razonamiento experto como una serie de reglas condicin - conclusin, que relacionan los datos del paciente con hiptesis de infeccin y al tiempo estiman la certeza de cada regla. Trabaja hacia atrs con diagnosis hipottica, empleando reglas para estimar los factores de certeza de las conclusiones basadas en los factores de certeza de su historial para comprobar si la evidencia apoya la diagnosis. Si no hay informacin suficiente para comprobar la hiptesis, pedir al mdico datos adicionales y evaluarn en forma exhaustiva todas las hiptesis. Cuando ha finalizado, MYCIN da los tratamientos para todas aquellas diagnosis que han alcanzado un alto valor de certeza. G2 de Gensym[1].- G2 de Gesnym es un programa computacional del tipo Rule Engine para soluciones de procesos crticos que automatizan las decisiones en tiempo real. Con G2 las organizaciones ms grandes del mundo dedicadas a la manufactura, al servicio pblico, comunicaciones, transporte urbano, aeroespaciales, finanzas y gestin gubernamental, maximizan la agilidad de su negocio y logran mayores niveles de rendimiento. Entre los usuarios de G2 estn: ABB, Alcan, Codelco, Dow Chemical, DuPont, Ericsson, ExxonMobil, Foxboro, Petrobrs, Shell, Unilever, Ford, Hitachi, HP, JEA, Lafarge, Motorola, Nokia, Canal de Panam, Siemens, Tokio electric and Power, Toyota, General Electric, NASA, el gobierno de Estados Unidos y muchos otros.

Sistema basado en reglas

15

Referencias
[1] http:/ / www. gensym. com

Inteligencia artificial
Inteligencia artificial

TOPIO, un robot humanoide, jugando tenis de mesa en Tokio International Robot Exhibition (IREX) 2009.
Otros nombres Campo de aplicacin Subrea IA Desarrollo de agentes racionales no vivos Ciencias de la Computacin

En ciencias de la computacin se denomina inteligencia artificial (IA) a las inteligencias no naturales en agentes racionales no vivos.[1][2][3] John McCarthy, acu el trmino en 1956, la defini: "Es la ciencia e ingeniera de hacer mquinas inteligentes, especialmente programas de cmputo inteligentes."[4] Para explicar la definicin anterior, entindase a un Agente inteligente que permite pensar, evaluar y actuar conforme a ciertos principios de optimizacin y consistencia, para satisfacer algn objetivo o finalidad. De acuerdo al concepto previo, racionalidad es ms general y por ello ms adecuado que inteligencia para definir la naturaleza del objetivo de esta disciplina. Con lo cual , y de manera ms especfica la inteligencia artificial es la disciplina que se encarga de construir procesos que al ser ejecutados sobre una arquitectura fsica producen acciones o resultados que maximizan una medida de rendimiento determinada, basndose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura. Existen distintos tipos de conocimiento y medios de representacin del conocimiento, el cual puede ser cargado en el agente por su diseador o puede ser aprendido por el mismo agente utilizando tcnicas de aprendizaje. Tambin se distinguen varios tipos de procesos vlidos para obtener resultados racionales, que determinan el tipo de agente inteligente. De ms simples a ms complejos, los cinco principales tipos de procesos son: Ejecucin de una respuesta predeterminada por cada entrada (anlogas a actos reflejos en seres vivos). Bsqueda del estado requerido en el conjunto de los estados producidos por las acciones posibles. Algoritmos genticos (anlogo al proceso de evolucin de las cadenas de ADN). Redes neuronales artificiales (anlogo al funcionamiento fsico del cerebro de animales y humanos). Razonamiento mediante una lgica formal (anlogo al pensamiento abstracto humano).

Tambin existen distintos tipos de percepciones y acciones, pueden ser obtenidas y producidas, respectivamente por sensores fsicos y sensores mecnicos en mquinas, pulsos elctricos u pticos en computadoras, tanto como por entradas y salidas de bits de un software y su entorno software.

Inteligencia artificial Varios ejemplos se encuentran en el rea de control de sistemas, planificacin automtica, la habilidad de responder a diagnsticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina en campos como economa, medicina, ingeniera y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia como ajedrez de computador y otros videojuegos.

16

Categoras de la inteligencia Artificial[5]

Sistemas que piensan como humanos.- Estos sistemas tratan de emular el pensamiento humano; por ejemplo las redes neuronales artificiales. La automatizacin de actividades que vinculamos con procesos de pensamiento humano, actividades como la Toma de decisiones, resolucin de problemas, aprendizaje.[6] Sistemas que actan como humanos.- Estos sistemas tratan de actuar como humanos; es decir, imitan el comportamiento humano; por ejemplo la robtica. El estudio de cmo lograr que los computadores realicen tareas que, por el momento, los humanos hacen mejor.[7] Sistemas que piensan racionalmente.- Es decir, con lgica (idealmente), tratan de imitar o emular el pensamiento lgico racional del ser humano; por ejemplo los sistemas expertos. El estudio de los clculos que hacen posible percibir, razonar y actuar.[8] Sistemas que actan racionalmente (idealmente). Tratan de emular en forma racional el comportamiento humano; por ejemplo los agentes inteligentes .Est relacionado con conductas inteligentes en artefactos.[9]

Escuelas de pensamiento
La IA se divide en dos escuelas de pensamiento: La inteligencia artificial convencional La inteligencia computacional

Inteligencia artificial convencional

Se conoce tambin como IA simblico-deductiva. Est basada en el anlisis formal y estadstico del comportamiento humano ante diferentes problemas: Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos y aparte de que son muy importantes requieren de un buen funcionamiento. Sistemas expertos: Infieren una solucin a travs del conocimiento previo del contexto en que se aplica y ocupa de ciertas reglas o relaciones. Redes bayesianas: Propone soluciones mediante inferencia probabilstica. Inteligencia artificial basada en comportamientos: que tienen autonoma y pueden auto-regularse y controlarse para mejorar. Smart process management: facilita la toma de decisiones complejas, proponiendo una solucin a un determinado problema al igual que lo hara un especialista en la actividad.

Inteligencia artificial

17

Inteligencia artificial computacional

La Inteligencia Computacional (tambin conocida como IA subsimblica-inductiva) implica desarrollo o aprendizaje interactivo (por ejemplo, modificaciones interactivas de los parmetros en sistemas conexionistas). El aprendizaje se realiza basndose en datos empricos.

Historia
l trmino "inteligencia artificial" fue acuado formalmente en 1956 durante la conferencia de Darthmounth, ms para entonces ya se haba estado trabajando en ello durante cinco aos en los cuales se haba propuesto muchas definiciones distintas que en ningn caso haban logrado ser aceptadas totalmente por la comunidad investigadora. La AI es una de las disciplinas ms nuevas junto con la gentica moderna. Ambos son dos de los campos ms atractivos para los cientficos hoy da. Las ideas ms bsicas se remontan a los griegos, antes de Cristo. Aristteles (384-322a.C.) fue el primero en describir un conjunto de reglas que describen una parte del funcionamiento de la mente para obtener conclusiones racionales, y Ctesibio de Alejandra (250a.C.) construy la primera mquina autocontrolada, un regulador del flujo de agua (racional pero sin razonamiento). En 1315 Ramon Llull en su libro Ars magna tuvo la idea de que el razonamiento poda ser efectuado de manera artificial. En 1936 Alan Turing disea formalmente una Mquina universal que demuestra la viabilidad de un dispositivo fsico para implementar cualquier cmputo formalmente definido. En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, el cual se considera el primer trabajo del campo, aun cuando todava no exista el trmino. Los primeros avances importantes comenzaron a principios de los aos 1950 con el trabajo de Alan Turing, a partir de lo cual la ciencia ha pasado por diversas situaciones. En 1955 Herbert Simon, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de programacin orientado a la resolucin de problemas, el IPL-11. Un ao ms tarde desarrollan el LogicTheorist, el cual era capaz de demostrar teoremas matemticos. En 1956 fue inventado el trmino inteligencia artificial por John McCarthy, Marvin Minsky y Claude Shannon en la Conferencia de Dartmouth, un congreso en el que se hicieron previsiones triunfalistas a diez aos que jams se cumplieron, lo que provoc el abandono casi total de las investigaciones durante quince aos. En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problem Solver (GPS). GPS era un sistema orientado a la resolucin de problemas. En 1958 John McCarthy desarrolla en el Instituto de Tecnologa de Massachusetts (MIT), el LISP. Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para procesamiento simblico. En 1959 Rosenblatt introduce el Perceptrn. A finales de los 50 y comienzos de la dcada del 60 Robert K. Lindsay desarrolla Sad Sam, un programa para la lectura de oraciones en ingls y la inferencia de conclusiones a partir de su interpretacin. En 1963 Quillian desarrolla las redes semnticas como modelo de representacin del conocimiento. En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de inferir conocimiento basado en informacin que se le suministra. Bobrow desarrolla STUDENT. Posteriormente entre los aos 1968-1970 Terry Winograd desarroll el sistema SHRDLU, que permita interrogar y dar rdenes a un robot que se mova dentro de un mundo de bloques. A mediados de los aos 60, aparecen los sistemas expertos, que predicen la probabilidad de una solucin bajo un set de condiciones. Por ejemplo DENDRAL, iniciado en 1965 por Buchanan, Feigenbaum y Lederberg, el primer Sistema Experto, que asista a qumicos en estructuras qumicas complejas euclidianas, MACSYMA, que asista a ingenieros y cientficos en la solucin de ecuaciones matemticas complejas. En 1968 Minsky publica Semantic Information Processing.

Inteligencia artificial En 1968 Seymour Papert, Danny Bobrow y Wally Feurzeig, desarrollan el lenguaje de programacin LOGO. En 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980. En 1973 Alain Colmenauer y su equipo de investigacin en la Universidad de Aix-Marseille crean PROLOG (del francs PROgrammation en LOGique) un lenguaje de programacin ampliamente utilizado en IA. En 1973 Shank y Abelson desarrollan los guiones, o scripts, pilares de muchas tcnicas actuales en Inteligencia Artificial y la informtica en general. En 1974 Edward Shortliffe escribe su tesis con MYCIN, uno de los Sistemas Expertos ms conocidos, que asisti a mdicos en el diagnstico y tratamiento de infecciones en la sangre. En las dcadas de 1970 y 1980, creci el uso de sistemas expertos, como MYCIN: R1/XCON, ABRL, PIP, PUFF, CASNET, INTERNIST/CADUCEUS, etc. Algunos permanecen hasta hoy (Shells) como EMYCIN, EXPERT, OPSS. En 1981 Kazuhiro Fuchi anuncia el proyecto japons de la quinta generacin de computadoras. En 1986 McClelland y Rumelhart publican Parallel Distributed Processing (Redes Neuronales). En 1988 se establecen los lenguajes Orientados a Objetos. En 1997 Garry Kasparov, campen mundial de ajedrez pierde ante la computadora autnoma Deep Blue. En 2006 se celebr el aniversario con el Congreso en espaol 50 aos de Inteligencia Artificial - Campus Multidisciplinar en Percepcin e Inteligencia 2006. En el ao 2009 ya hay en desarrollo sistemas inteligentes teraputicos que permiten detectar emociones para poder interactuar con nios autistas. En el ao 2011 IBM desarroll una supercomputadora llamada Watson , la cual gan una ronda de tres juegos seguidos de Jeopardy, venciendo a sus dos mximos campeones, y ganando un premio de 1 milln de dlares que IBM luego don a obras de caridad.[10] Existen personas que al dialogar sin saberlo con un chatbot no se percatan de hablar con un programa, de modo tal que se cumple la prueba de Turing como cuando se formul: Existir Inteligencia Artificial cuando no seamos capaces de distinguir entre un ser humano y un programa de computadora en una conversacin a ciegas. Como ancdota, muchos de los investigadores sobre IA sostienen que la inteligencia es un programa capaz de ser ejecutado independientemente de la mquina que lo ejecute, computador o cerebro.

18

La inteligencia artificial y los sentimientos

El concepto de IA es an demasiado difuso. Contextualizando, y teniendo en cuenta un punto de vista cientfico, podramos englobar a esta ciencia como la encargada de imitar una persona, y no su cuerpo, sino imitar al cerebro, en todas sus funciones, existentes en el humano o inventadas sobre el desarrollo de una mquina inteligente. A veces, aplicando la definicin de Inteligencia Artificial, se piensa en mquinas inteligentes sin sentimientos, que obstaculizan encontrar la mejor solucin a un problema dado. Muchos pensamos en dispositivos artificiales capaces de concluir miles de premisas a partir de otras premisas dadas, sin que ningn tipo de emocin tenga la opcin de obstaculizar dicha labor. En esta lnea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar decisiones acertadas. Aunque, por el momento, la mayora de los investigadores en el mbito de la Inteligencia Artificial se centran slo en el aspecto racional, muchos de ellos consideran seriamente la posibilidad de incorporar componentes emotivos como indicadores de estado, a fin de aumentar la eficacia de los sistemas inteligentes. Particularmente para los robots mviles, es necesario que cuenten con algo similar a las emociones con el objeto de saber en cada instante y como mnimo qu hacer a continuacin [Pinker, 2001, p. 481]. Al tener sentimientos y, al menos potencialmente, motivaciones, podrn actuar de acuerdo con sus intenciones [Mazlish, 1995, p. 318]. As, se podra equipar a un robot con dispositivos que controlen su medio interno; por ejemplo, que sientan hambre al detectar que su nivel de energa est descendiendo o que sientan miedo cuando

Inteligencia artificial aquel est demasiado bajo. Esta seal podra interrumpir los procesos de alto nivel y obligar al robot a conseguir el preciado elemento [Johnson-Laird, 1993, p. 359]. Incluso se podra introducir el dolor o el sufrimiento fsico, a fin de evitar las torpezas de funcionamiento como, por ejemplo, introducir la mano dentro de una cadena de engranajes o saltar desde una cierta altura, lo cual le provocara daos irreparables. Esto significa que los sistemas inteligentes deben ser dotados con mecanismos de retroalimentacin que les permitan tener conocimiento de estados internos, igual que sucede con los humanos que disponen de propiocepcin, interocepcin, nocicepcin, etctera. Esto es fundamental tanto para tomar decisiones como para conservar su propia integridad y seguridad. La retroalimentacin en sistemas est particularmente desarrollada en ciberntica, por ejemplo en el cambio de direccin y velocidad autnomo de un misil, utilizando como parmetro la posicin en cada instante en relacin al objetivo que debe alcanzar. Esto debe ser diferenciado del conocimiento que un sistema o programa computacional puede tener de sus estados internos, por ejemplo la cantidad de ciclos cumplidos en un loop o bucle en sentencias tipo do... for, o la cantidad de memoria disponible para una operacin determinada. A los sistemas inteligentes el no tener en cuenta elementos emocionales les permite no olvidar la meta que deben alcanzar. En los humanos el olvido de la meta o el abandonar las metas por perturbaciones emocionales es un problema que en algunos casos llega a ser incapacitante. Los sistemas inteligentes, al combinar una memoria durable, una asignacin de metas o motivacin, junto a la toma de decisiones y asignacin de prioridades con base en estados actuales y estados meta, logran un comportamiento en extremo eficiente, especialmente ante problemas complejos y peligrosos. En sntesis, lo racional y lo emocional estn de tal manera interrelacionados entre s, que se podra decir que no slo no son aspectos contradictorios sino que son hasta cierto punto complementarios.
Vase tambin: La era de las mquinas espirituales

19

Crticas
Las principales crticas a la inteligencia artificial tienen que ver con su capacidad de imitar por completo a un ser humano. Estas crticas ignoran que ningn humano individual tiene capacidad para resolver todo tipo de problemas, y autores como Howard Gardner han propuesto que existen inteligencias mltiples. Un sistema de inteligencia artificial debera resolver problemas. Por lo tanto es fundamental en su diseo la delimitacin de los tipos de problemas que resolver y las estrategias y algoritmos que utilizar para encontrar la solucin. En los humanos la capacidad de resolver problemas tiene dos aspectos: los aspectos innatos y los aspectos aprendidos. Los aspectos innatos permiten por ejemplo almacenar y recuperar informacin en la memoria y los aspectos aprendidos el saber resolver un problema matemtico mediante el algoritmo adecuado. Del mismo modo que un humano debe disponer de herramientas que le permitan solucionar ciertos problemas, los sistemas artificiales deben ser programados de modo tal que puedan resolver ciertos problemas. Muchas personas consideran que el test de Turing ha sido superado, citando conversaciones en que al dialogar con un programa de inteligencia artificial para chat no saben que hablan con un programa. Sin embargo, esta situacin no es equivalente a un test de Turing, que requiere que el participante est sobre aviso de la posibilidad de hablar con una mquina. Otros experimentos mentales como la Habitacin china de John Searle han mostrado cmo una mquina podra simular pensamiento sin tener que tenerlo, pasando el test de Turing sin siquiera entender lo que hace. Esto demostrara que la mquina en realidad no est pensando, ya que actuar de acuerdo con un programa preestablecido sera suficiente. Si para Turing el hecho de engaar a un ser humano que intenta evitar que le engaen es muestra de una mente inteligente, Searle considera posible lograr dicho efecto mediante reglas definidas a priori. Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicacin con el usuario. Este obstculo es debido a la ambigedad del lenguaje, y apareci ya en los inicios de los primeros sistemas operativos

Inteligencia artificial informticos. La capacidad de los humanos para comunicarse entre s implica el conocimiento del lenguaje que utiliza el interlocutor. Para que un humano pueda comunicarse con un sistema inteligente hay dos opciones: o bien el humano aprende el lenguaje del sistema como si aprendiese a hablar cualquier otro idioma distinto al nativo, o bien el sistema tiene la capacidad de interpretar el mensaje del usuario en la lengua que el usuario utiliza. Un humano durante toda su vida aprende el vocabulario de su lengua nativa. Un humano interpreta los mensajes a pesar de la polisemia de las palabras utilizando el contexto para resolver ambigedades. Sin embargo, debe conocer los distintos significados para poder interpretar, y es por esto que lenguajes especializados y tcnicos son conocidos solamente por expertos en las respectivas disciplinas. Un sistema de inteligencia artificial se enfrenta con el mismo problema, la polisemia del lenguaje humano, su sintaxis poco estructurada y los dialectos entre grupos. Los desarrollos en inteligencia artificial son mayores en los campos disciplinares en los que existe mayor consenso entre especialistas. Un sistema experto es ms probable de ser programado en fsica o en medicina que en sociologa o en psicologa. Esto se debe al problema del consenso entre especialistas en la definicin de los conceptos involucrados y en los procedimientos y tcnicas a utilizar. Por ejemplo, en fsica hay acuerdo sobre el concepto de velocidad y cmo calcularla. Sin embargo, en psicologa se discuten los conceptos, la etiologa, la psicopatologa y cmo proceder ante cierto diagnstico. Esto dificulta la creacin de sistemas inteligentes porque siempre habr desacuerdo sobre lo que se esperara que el sistema haga. A pesar de esto hay grandes avances en el diseo de sistemas expertos para el diagnstico y toma de decisiones en el mbito mdico y psiquitrico (Adaraga Morales, Zaccagnini Sancho, 1994).

20

Tecnologas de apoyo
Interfaces de usuario Visin artificial Smart process management

Aplicaciones de la inteligencia artificial

Lingstica computacional Minera de datos (Data Mining) Industriales. Medicina Mundos virtuales Procesamiento de lenguaje natural (Natural Language Processing) Robtica Mecatrnica Sistemas de apoyo a la decisin Videojuegos Prototipos informticos Anlisis de sistemas dinmicos. Smart Process Management Simulacin de multitudes

Inteligencia artificial

21

Cientficos en el campo de la inteligencia artificial

Jeff Hawkins John McCarthy Marvin Minsky Judea Pearl Alan Turing, discpulo de John Von Neumann, dise el Test de Turing que debera utilizarse para comprender si una mquina lgica es inteligente o no. Joseph Weizenbaum Ral Rojas Ray Kurzweil

Inteligencia artificial en la ficcin

Inteligencia artificial, la pelcula de Steven Spielberg. Suean los androides con ovejas elctricas?, y su adaptacin al cine Blade Runner. Comienza con la aplicacin del Test de Turing. Ghost in the Shell, anime, pelculas y serie The Matrix, la triloga Resident Evil, la pelcula- triloga 2001: Una odisea espacial, novela y pelcula Cortana Code Lyoko

Referencias
[1] http:/ / www. csail. mit. edu/ [2] http:/ / decsai. ugr. es/ [3] http:/ / ai. stanford. edu/ [4] Basic Questions (http:/ / www-formal. stanford. edu/ jmc/ whatisai/ node1. html). Consultado el 27 de octubrede 2011. [5] Stuart Russell and Peter Norvig, Inteligencia Artificial: Un Enfoque Moderno http:/ / aima. cs. berkeley. edu/ contents. html [6] Bellman, 1978 [7] Rich y knight, 1991 [8] Winston, 1992 [9] Nilsson, 1998 [10] http:/ / es. blog. pinggers. com/ 2011/ 02/ 21/ watson-y-otros-sistemas-que-mejoran-nuestras-vidas-con-inteligencia-artificial/

Bibliografa
Tirso de Andrs, Homo Cybersapiens. La Inteligencia artificial y la humana, 2002, ISBN 84-313-1982-8 Luis M Gonzalo, Inteligencia Humana e Inteligencia Artificial, Madrid, 1987. ISBN 84-7118-490-7 Vctor Gmez Pin, Entre lobos y autmatas. La causa del hombre, Espasa, Madrid, 2006. ISBN 978-84-670-2303-9 Revista "Inteligencia Artificial" (http://erevista.aepia.org/) Revista Iberoamericana de Inteligencia Artificial. ISSN 1137-3601 Adaraga Morales P., Zaccagnini Sancho J. L., Psicologa e inteligencia artificial, Editorial Trotta, Madrid, 1994. ISBN 84-87699-77-4

Inteligencia artificial

22

Enlaces externos
Wikimedia Commons alberga contenido multimedia sobre Inteligencia artificial. Commons Wikilibros alberga un libro o manual sobre Ingeniera del conocimiento. Wikilibros

Publicaciones
Revista "Inteligencia Artificial" (http://erevista.aepia.org/) Revista Iberoamericana de Inteligencia Artificial Pgina sobre Inteligencia Artificial (http://www.fortunecity.com/skyscraper/chaos/279/) Web que desde 1998 trata este tema de forma diversificada. Tiene enlaces a proyectos.

Asociaciones
AEPIA - Asociacin Espaola de Inteligencia Artificial (http://www.aepia.org/) Aperture Laboratories, o Aperture Science.

Robtica
Robots (http://robots-argentina.com.ar/) Sitio de robtica con artculos de contenido tcnico y didctico (en espaol)

Videos
Inteligencia Artificial - El futuro, la fusin del alma y la tecnologa -2008- Redes, n 10, en RTVE a la carta (http://www.rtve.es/alacarta/videos/redes/redes-el-futuro-la-fusion-del-alma-y-la-tecnologia/391648/)

Otros
Luis Piscoya, "Lgica e inteligencia artificial" (http://www.cesfia.org.pe/piscoya/ LOGICA_E_INTELIGENCIA_ARTIFICIAL.pdf) Una nueva tecnologa percibe la informacin antes de que llegue al consciente (http://www.tendencias21.net/ Una-nueva-tecnologia-percibe-la-informacion-antes-de-que-llegue-al-consciente_a2051. html?PHPSESSID=5ac08a2c351962a314ad54cdfc780681) Introduzione all'intelligenza artificiale (http://www.terrediconfine.eu/introduzione-all-intelligenza-artificiale. html) (en italiano) Lista de pelculas con mencin a la IA (en ingls) (http://homepages.inf.ed.ac.uk/rbf/AIMOVIES/AImovai. htm) Grupo de investigacin en Sistemas Inteligentes (http://www.esp.uem.es/gsi/)

Razonamiento basado en casos

23

Razonamiento basado en casos

El Razonamiento basado en casos es el proceso de solucionar nuevos problemas basndose en las soluciones de problemas anteriores. Un mecnico de automviles que repara un motor porque record que otro auto presentaba los mismos sntomas est usando razonamiento basado en casos. Un abogado que apela a precedentes legales para defender alguna causa est usando razonamiento basado en casos. Tambin un ingeniero cuando copia elementos de la naturaleza, est tratando a esta como una base de datos de soluciones. El Razonamiento basado en casos es una manera de razonar haciendo analogas. Se ha argumentado que el razonamiento basado en casos no slo es un mtodo poderoso para el razonamiento de computadoras, sino que es usado por las personas para solucionar problemas cotidianos. Ms radicalmente se ha sostenido que todo razonamiento es basado en casos porque est basado en la experiencia previa.

Contextualizacin
Antes de empezar a tratar el tema del razonamiento basado en los casos de uso es necesario situar el contexto en el que se encuentran para poder realizar una primera aproximacin al tema y poder comprender el porqu de su utilizacin. As pues el razonamiento basado en casos de uso o case base reasoning (CBR) es un tipo de sistema experto. Un sistema experto, desde el punto de la inteligencia artificial, es un sistema que intenta imitar el comportamiento de un ser humano experto en alguna temtica, es decir imitan las actividades de un ser humano para intentar resolver los problemas de distinta ndole. Un ejemplo de un sistema experto seria uno que se encargase del diagnostico de problemas mecnicos en un coche. Es suficientemente claro que el sistema experto lo que intentar ser imitar el comportamiento que seguira el mecnico para intentar determinar cual es el problema que presenta el automvil. Para ello, lo que intentar el sistema bsicamente ser imitar el comportamiento que sigue el propio ser humano, en este caso un mecnico, para llegar a la misma conclusin a la que el llegara, y poder dar la solucin que dara un mecnico despus de su anlisis. Las ventajas de la creacin de un sistema experto son claras, facilitar el trabajo de los expertos. Es evidente que con la creciente popularizacin de los medios informticos y su continua implantacin en la sociedad, han provocado que mucha gente busque estas soluciones para solucionar los problema cotidianos, que les hagan recomendaciones, sistemas de ayuda, etc. y los sistemas expertos lo que hacen es permitir a las empresas otorgar estos servicios sin la necesidad de que exista una persona fsica que lo haga, con lo que supone una reduccin de los costes importantes. Por otro lado, cada da la informacin con la que se encuentran delante los sistemas expertos va creciendo, y eso provoca que en muchos casos el tratamiento de esta informacin sea lento y en muchos casos intratables, no por la dificultad del problema, sino por la gran cantidad de datos de entrada que tienen. Como podemos ver en todos estos casos el sistema experto resulta de una enorme utilidad. Ahora bien tendramos que analizar cuales son los elementos necesarios para que un sistema experto sea realmente til y una herramienta efectiva tanto en la propia interaccin con el usuario como la calidad de la respuesta aportada por el mismo. As pues tenemos que todo sistema experto tendra que reunir dos cualidades claramente diferenciadas, de un lado debera de ser capaz de explicar sus propios razonamiento, es decir, aquel conjunto de reglas o pasos que utiliza el experto ir deduciendo diferentes hechos hasta llegar a una conclusin final. Por otro lado, si nos fijamos bien veremos que hasta ahora no habamos mencionado una de la cualidades innatas que tienen los seres humanos y que gracias a ella han ido mejorando a lo largo de la historia y es la adquisicin de nuevos conocimientos. Siendo tal la importancia en los seres humanos no podra serlo menos en los sistema expertos, ya que sin esto puede que consiguisemos un sistema de una gran calidad en la actualidad, pero la gran velocidad a la que avanza el mundo actualmente haran que rpidamente este se quedase obsoleto y por lo tanto resultar intil. Para solucionar estos problemas los expertos recurren a mecanismos de razonamiento que sirven para modificar los conocimientos anteriores. Viendo esto podemos llegar a la conclusin de que los sistemas expertos, en muchos campos no intentan substituir a los expertos humanos, sino que lo que se persigue es realizar con ms rapidez y

Razonamiento basado en casos eficacia todas las tareas que realiza. Debido a esto en la actualidad se estn mezclando diferentes tcnicas o aplicaciones aprovechando las ventajas que cada una de estas ofrece para poder tener empresas ms seguras. Un ejemplo de estas tcnicas sera los agentes que tienen la capacidad de negociar y navegar a travs de recursos en lnea; y es por eso que en la actualidad juega un papel preponderante en los sistemas expertos. Una vez hemos definido con exactitud los objetivos que se persiguen con la utilizacin de los sistemas expertos sera interesante establecer en qu elementos se divide un sistema experto. As pues podemos ver que segn lo explicado hasta ahora existe en un primer lugar una base de conocimientos, que bsicamente es donde se almacenara el conocimiento que tenga el experto sobre el tema que tratar. Aqu es donde se ve claramente que si se quisiese abarcar una gran cantidad de temas de conocimiento esto aumentara desmesuradamente provocando o bien que el tamao de la informacin lo hiciese intratable, o por otro lado que el ser coherentes con el tamao utilizado nos llevase a penalizar la cantidad de conocimiento que tenemos del tema y por lo tanto obtener como resultado un experto mediocre. En segundo lugar tenemos una base de hechos que ser donde se irn almacenando todas aquellas deducciones que se vayan realizando en el proceso de inferencia. Una vez tenemos estos dos elementos, el siguiente paso lgico es tener un elemento que se encargue de a partir de los hechos y del conocimiento ir generando conclusiones, ms hechos, para ir siguiendo un proceso de razonamiento que le lleve a la solucin final; estamos hablando de un motor de inferencia. Lo podramos resumir en el elemento que modela el razonamiento humano. Por ltimo tenemos la interfaz con el usuario. Este, todo que no es un elemento puramente del sistema de razonamiento tiene una gran importancia, ya que ser la puerta de entrada del sistema. Su importancia recae principalmente en la forma que tendr de recoger la informacin del usuario, ya que si la informacin recogida no es la adecuada, por muy buen motor de inferencia y reglas tengamos el resultado no ser satisfactorio. Es por eso de la importancia de esta interfaz. Habiendo definido perfectamente que es un sistema experto y las partes que lo componen, el siguiente paso lgico seria comentar que tipos de sistemas existen y ms concretamente que tipo de sistema deductivo utilizan para poder llegar a la conclusin. Utilizando esto ltimo podramos dividirlos en 3 tipos bien diferenciados:

24

SE basados en reglas
Los sistemas expertos basados en reglas utilizan para el proceso de inferencia un conjunto de reglas que constituyen la base de conocimiento del experto. Este conjunto de reglas pueden ser activadas a medida que los condiciones son evaluadas positivamente y su utilizacin implica la creacin de nuevos hechos. Este proceso permitir a partir de unos hechos iniciales desarrollar un proceso deductivo que concluir el momento en que no quede ninguna otra regla por utilizar. Para realizar este tipo de tratamiento es posible hacerlo de dos maneras diferentes, por un lado realizarlo desde las evidencias hasta los objetivos o por otro lado en orden inverso que seria comenzar desde el objetivo hasta llegar al conjunto de evidencias que lo han provocado.

SE basados en redes bayesianas

Este otro tipo de sistema experto basa su funcionamiento como su nombre propio indica en las redes bayesianas. As pues se trata de un modelo probabilstico que relaciona un conjunto de variables aleatorias mediante un grafo dirigido. El motor de inferencia que utiliza para procesar las evidencias se basa en la teora de probabilidades y ms concretamente con el Teorema de Bayes. Este mtodo es especialmente una herramienta extremadamente til en la estimacin de probabilidades ante nuevas evidencias.

Razonamiento basado en casos

25

SE basados en casos
Este ltimo tipo de sistema experto ser el que procederemos a explicar en este trabajo y analizaremos con ms detalle en los siguientes apartados. Es importante este primer captulo del trabajo para hacer ver el contexto en que se encuentra este tipo de sistema experto y poder entender con mayor profundidad el modo con el que trabaja. A grandes rasgos, este tipo de sistemas basa su funcionamiento en experiencias anteriormente vividas, ya sea por el propio sistema o bien por la persona experta, y a partir de este conocimiento de vivencias realizar una asociacin con estas experiencias para extraer una solucin de esto. Como podemos ver de los tres mtodos existentes, este es el que ms se asemeja al modo de pensar que tenemos los seres humanos. Si nos ponemos a pensar en los nios pequeos, el tipo de razonamiento que utilizan es el basado en las experiencias que le proporciona su trato con el medio. Un ejemplo relacionado con esto seria cuando un nio est en la cocina y toca una olla que est en el fuego y se quema, este habr adquirido una nueva experiencia. Si otro da ve una olla en el fuego ya no la tocar porque tendr esa experiencia. Aun as podra tener la experiencia de ver a su madre coger esa olla con los paos de cocina. De todo ese conjunto de experiencias, el nio, la siguiente vez que quisiese tocar una olla sabra que si lo quiere hacer tendra que hacerlo con paos para no quemarse. Este es un claro ejemplo del funcionamiento del razonamiento basado en casos. Podemos ver como el nio pequeo a travs de vivencias anteriores, tanto si son errores como acierto, adquiere experiencias que utilizar cuando tenga que enfrentarse a una nueva situacin y que constituirn su nueva base de razonamiento. Esto es una pequea introduccin del funcionamiento. A continuacin se har una explicacin mucho ms detallada de su funcionamiento, as como de las diversas posibilidades que ofrece.

Definicin
En este captulo comenzaremos a explicar uno de los tipos de sistema experto que existen: el razonamiento basado en casos o case based reasoning (CBR). La mejor forma para comenzar a entender una palabra es intentando entender su significado, es por eso que comenzaremos analizando su definicin: A case is a contextualized piece of knowledge representing an experience that teaches a lesson fundamental to achieving the goals of the reasoner, [Kolodner, 1993] Como podis ver el anlisis de la expresin se hace directamente del ingls y esto viene motivada directamente por el hecho de que la propia traduccin puede hacer perder parte del significado de la definicin, cosa que perjudicara su anlisis. As pues comenzando con el anlisis la primera palabra importante es case. Este sistema de razonamiento se basa en una unidad mnima llamada caso. Un caso se puede definir como una representacin de una experiencia anterior, una vivencia. Podra ser visto como una caja en la que encontramos todas aquellas cosas que pasaron en la experiencia. Una buena analoga seria utilizando reglas, podramos describir este caso como un conjunto de reglas relacionadas con una experiencia. Debe quedar claro que las reglas por si solas no tienen significado, ya que es en el conjunto de la experiencia donde encontramos la mnima expresin. Si considersemos reglas sueltas de esta experiencia nos encontraramos con que estaramos delante de un sistema experto. Por otro lado tenemos que este case tiene por adjetivo contextualizad piece of knowledge. Es importante hacer notar sobre todo lo de contextualizado ya que, como hemos dicho antes este conocimiento representa un conjunto de hechos que han transcurrido en la experiencia. Una parte de estos hechos corresponden al contexto en el que transcurre la experiencia. Este contexto en el sistema experto tambin tiene mucha importancia ya que en el proceso de inferencia puede ser utilizado; esto se explicar ms adelante. Un ejemplo que ilustra esto, basado en el ejemplo del nio seria que su madre le hubiese dicho que no tocase la olla antes de quemarse. De este contexto bien se podra deducir en otros casos que siempre hay que hacer caso a las madres porque tienen razn. Es muy importante lo que lo sigue: representing an experience, que lo que implica es que el caso est basado en un conocimiento, es decir no es algo creado artificialmente sobre hechos sino que est basado en un conocimiento existente previamente y por lo tanto que podemos considerar cierto desde el inicio. Adems, el hecho de que hablemos de experiencia ya nos comienza a hacer notar que este sistema estar muy ligado a la adquisicin de

Razonamiento basado en casos conocimiento externo, ya que al estar basado en las experiencias ser necesario que el sistema vaya adquiriendo nuevas experiencias para mejorar su razonamiento. Continuamos con that theaches a lesson fundamenal. Con esto lo que se quiere indicar es que las experiencias que tenemos en el sistema no se refieren a cualquier experiencia sino slo a aquellas que nos aportan alguna informacin sobre el tema tratado por el sistema experto, adems de no repetir experiencias ya existentes con el mismo contexto, ya que no aportan nueva informacin al sistema. Finalmente tenemos to achieving the goals of the reasoner que lo que nos indica que el uso de los casos persiguen directamente la consecucin de los objetivos del razonamiento, que como en cualquier sistema experto es la consecucin de una conclusin que dependiendo del tipo de problema puede ser muy variado. A travs de este anlisis del significado del tema que vamos a tratar, podemos comenzar a introducirnos de lleno en analizar las diversas soluciones que existen para implementar este tipo de sistema experto. Aun as antes introduciremos un la historia del razonamiento basado en casos dentro de la inteligencia artificial, as como ha ido evolucionando a lo largo de los aos hasta la actualidad.

26

Historia
Razonamiento basado en casos tiene sus races en el trabajo de Roger Schank y sus estudiantes en la universidad de Yale a principio de la dcada de los 80. El modelo de memoria dinmica de Schank[1] fue la base de los tempranos sistemas CBR: Janet Kolodner's CYRUS[2] and Michael Lebowitz's IPP.[3] Otra escuela de Razonamiento basado en casos tambin emergi en la dcada del 80, investigando los asuntos tales como Razonamiento basado en casos en el razonamiento legal, el razonamiento basado en la memoria (una manera de razonar con ejemplos en las mquinas masivamente paralelas, y combinaciones de Razonamiento basado en casos con otros mtodos de razonamiento. En los aos 90, el inters en Razonamiento basado en casos creci en la comunidad internacional, segn lo evidenciado por el establecimiento de una conferencia internacional sobre el Razonamiento basado en casos en 1995, as como europeo, alemn, britnicos, el italiano, y otros talleres de Razonamiento basado en casos. La tecnologa Razonamiento basado en casos produjo numerosos casos de xito. El primero fue en un sistema llamado Lockheed's CLAVIER[4] utilizado para presentar a las piezas compuestas que se cocern en un horno industrial de conveccin. Razonamiento basado en casos est siendo utilizado intensamente en aplicaciones de ayuda de escritorio como Compaq SMART system.[5] Hay numerosas herramientas de soporte de decisiones basadas en Razonamiento basado en casos disponibles comercialmente incluyendo: k-Commerce de eGain (formerly Inference Corporation) Kaidara Advisor de Kaidara (formerly AcknoSoft) SMART de Illation.

Denominaciones para el razonamiento basado en casos

A lo largo de la caracterizacin que hemos hecho del razonamiento basado en casos hemos podido observar que el principal objetivo que persigue es identificar el problema con el que nos encontramos, y para ello es necesario encontrar uno o varios casos anteriores a este, que nos proporcionen la solucin para el caso en el que nos encontramos. Una vez hayamos encontrado la solucin ser posible aadir este ltimo caso dentro de la base del conocimiento del sistema. Para realizar este proceso, es necesario saber muchas cosas, como por ejemplo en que parte del proceso nos centramos, entre otros. Dependiendo de cmo elijamos cualquiera de estas consideraciones ser diferente como se desarrollar el razonamiento. El problema con el que nos encontramos al analizar el paradigma del razonamiento basado en casos es que existe una gran cantidad de mtodos para organizar, utilizar e indexar el conocimiento que tenemos del mundo, que en este caso se hace a travs de los casos. Como ya se haba comentado anteriormente los casos deben ser almacenados como unicidades de conocimiento. Para indexar esta gran cantidad de casos se puede utilizar un vocabulario prefijado o bien cualquier palabra del propio vocabulario,

Razonamiento basado en casos dependiendo de lo extenso que sea el vocabulario necesario en el contexto del problema. As pues, habamos dicho que la solucin para un caso es extrada directamente de otras experiencias, casos, que se almacenan en la base de conocimiento, aunque tambin pueden usarse diversos casos para extraer la solucin del que estamos trabando. As pues se puede comenzar a intuir que cuando hablamos de razonamiento basado en casos, estamos generalizando mediante este termino todos aquellos mtodos que se utilizan para crear un sistema experto a partir de la filosofa del uso de casos. Aunque en este trabajo estamos utilizando el termino de razonamiento basado en casos para referirnos a este problema, existen multitud de otros trminos que son usados para definir, si no bien el mismo problema exactamente, problemas que podemos considerar equivalente y por lo tanto son trminos equivalentes a utilizar el de razonamiento basado en casos. Todo esto ser as es conveniente analizar cuales son esas pequeas diferencias en cada una de esas denominaciones. A continuacin detallaremos las diferentes denominaciones para definir este problema, con las particularidades que presenta cada una. Razonamiento basado en ejemplos Este trmino se utiliza para hacer hincapi en que los casos que tenemos almacenados en la base de conocimiento son realmente ejemplos de que lo ha sucedido en diferentes contextos al realizar un conjunto de acciones. El problema aqu es determinar al insertar un nuevo ejemplo si este resulta ser la extensin de un ejemplo ya existente en el sistema, es decir, aade informacin a un ejemplo ya existente en el sistema, o si por el contrario se corresponde con un nuevo ejemplo, el cual hay que aadir a la base de conocimiento, ya que no se corresponde con un conocimiento anterior. As pues, podemos ver que este problema bsicamente es un problema de clasificacin en el que tenemos que situar correctamente el nuevo ejemplo. Razonamiento basado en instancias Este termino hace referencia a una especializacin del anterior. La mayor diferencia que existe es que hace especial hincapi en el anlisis sintctico del razonamiento. El problema que existe principalmente en este tipo de razonamiento es la dificultad de guiar el proceso de asociacin del caso del que previamente partimos con aquel que est en la base de conocimiento. As pues este tipo de razonamiento lo que intenta es compensar la falta de gua para llegar al caso que es conocido y se encuentra en la base de conocimiento del sistema. Para ello se utilizan un gran nmero de instancias para dirigir el razonamiento. La representacin de estas instancias es normalmente en forma de vectores. Este tipo de razonamiento ha sido estudiado recientemente por los investigadores Kibler y Aha. Razonamiento basado en memoria Este termino enfatiza en ver la coleccin de casos como una gran memoria, viendo entonces el razonamiento como un proceso de acceso y bsqueda en esta memoria. La organizacin de la memoria y su acceso seria la parte central del razonamiento basado en casos. Este tipo de tcnicas se ven beneficiadas por las tcnicas de procesamiento paralelo, cosa que los diferencia del resto de soluciones. As pues el acceso y el guardado se basan bsicamente en criterios puramente sintcticos, es decir en como est escrito algo y no el significado del mismo. Razonamiento basado en casos Aunque se utiliza el termino de razonamiento basado en casos como un termino genrico en todo el documento, tpicamente este mtodo tiene una serie de caractersticas que lo distinguen del resto y que vale la pena comentar. Comenzaremos comentando que cuando hablamos de caso damos por hecho que este poseer un cierto grado de riqueza en la informacin que contiene, es decir la descripcin de la experiencia esta perfectamente descrita y se intenta que no falte informacin en su descripcin, adems es necesario que toda esta informacin que contiene posea un cierto grado de organizacin que permita su rpido entendimiento y sobre todo llegar a la informacin necesaria rpidamente minimizando acceder a informacin no necesaria. Por otro lado, nos encontramos con otra particularidad y es la capacidad que existe para modificar o adaptar este caso a una solucin cuando se est solucionando un problema en un contexto diferente. Adems como se haba comentado cuando analizbamos la descripcin del significado, es muy importante el contexto del conocimiento, concretamente la riqueza con el que estar descrito, su representacin y el rol que tenga con el conocimiento principal; resulta evidente que a un mayor conocimiento del contexto las conclusiones que se podrn obtener del razonamiento sern mejores. Como

27

Razonamiento basado en casos contrapartida de esto, el exceso de informacin puede provocar que sea demasiado lento en el proceso de razonamiento. Es por eso que es necesario buscar un termino medio entre estos dos trminos. Razonamiento basado en analogas Este termino muchas veces es usado como sinnimo del razonamiento basado en casos debido a que tiene las mismas caractersticas que el anterior. Aun as tiene una serie de particularidades que lo hacen diferente. Destacar en primer lugar que a diferencia del anterior este permite la caracterizacin de mtodos para solucionar problemas basados en casos que tenemos en la base de conocimiento pero que tienen un dominio diferente. Para entenderlo mejor podemos utilizar el ejemplo del nio y la olla y podemos ver que este caso podra ser extrapolado a otro contexto como puede ser que el nio estuviese en el campo y su madre le advirtiese de algo. Podemos ver que los contextos son totalmente diferentes, pero aun as existen las suficientes conexiones, en este caso la madre, que permite formalizar un razonamiento del nuevo caso sobre el caso preexistente. As pues el estudio sobre este tipo de razonamiento se encuentra en el estudio de los casos existentes en la base de conocimiento y su reutilizacin, proceso que recibe el nombre del problema de mapeado, que bsicamente consiste en encontrar la manera de transferir o mapear la solucin que presenta alguna analoga (llamada fuente) con el problema que estamos tratando (llamado objetivo). Como podemos ver, de una manera u otra todos los trminos todo y que tienen sus particularidades se intentan resolver el problema de la creacin de un sistema experto a partir de la misma caracterizacin del problema. A pesar de existir esta diversidad de trminos, en este trabajo seguiremos utilizando el de razonamiento basado en casos pero en un mbito genrico para englobar todas estas particularidades.

28

Funcionamiento
Hasta ahora lo que hemos hecho ha sido en primer lugar la visualizacin del contexto en el que transcurre el desarrollo de este problema, para luego continuar con una mejor caracterizacin de que era realmente el razonamiento basado en casos a partir de su definicin. El siguiente paso lgico una vez hemos realizado todo seria describir con mayor profundidad como es el proceso de desarrollo de este tipo de razonamiento y que es lo que se hace en cada uno de los pasos del mismo. Como la mayora de las cosas de la inteligencia artificial, existen multitud de tcnicas para implementar una misma cosa. Este caso no es una excepcin y nos encontramos diversas maneras de hacerlo, aunque en este trabajo nos centraremos principalmente en dos de ellas: Un modelo de proceso en forma de ciclo Un mtodo estructurado en tareas A continuacin procederemos a describir los dos modelos de una forma ms rigurosa y en profundidad, no sin antes aadir que estos dos modelos resultan ser complementarios entre s y representan dos vistas diferentes del razonamiento basado en casos, es decir dos formas diferentes de ver este mismo problema. La primera de ellas se basa en los modelos dinmicos en lo que se hace es dividir el problema inicial en subproblemas, comprobando las dependencias que existen entre ellos y los productos que resultan de su unin. Es decir, estos problemas son resueltos secuencialmente en forma de ciclo hasta llegar al final del mismo ciclo. Por otro lado tenemos el segundo mtodo que se basa en una descomposicin en diferentes tarea, en el que dar solucin supone resolver esos mtodos que sern la base para resolver aquellos mtodos de los cuales son dependientes. As pues en este caso los subproblemas pueden ser resueltos en cualquier orden mientras los mtodos dependientes de este problema hayan sido resueltos con anterioridad. El ciclo del razonamiento basado en casos En el proceso de dividir el razonamiento basado en casos en diferentes subprocesos nos encontramos el ciclo que lo conforman puede ser dividido en 4 procesos claramente diferenciados: RECORDAR los casos similares al que analizamos. REUTILIZAR la informacin y el conocimiento que tenemos en este caso para resolver el problema. REVISAR la solucin propuesta. RETENER las partes de esta experiencia que nos puedan ser tiles para la resolucin de futuros problemas.

Razonamiento basado en casos Cuando nos encontramos delante de un nuevo problema para el cual tenemos que dar una solucin lo que primer que tenemos que hacer es dado ese determinado problema recordar los casos relevantes que pueden solucionarlo. Estos casos relevantes tendr que ser una seleccin de aquellos casos de los que disponemos en la base de conocimiento del sistema experto. Expondremos para este caso un ejemplo diferente al del nio y la madre. Por ejemplo, supongamos que Aragons quiere preparar el siguiente partido de la seleccin espaola para la Eurocopa. Y la experiencia ms relevante que l puede recordar es aquella en la cual Espaa gan su primera Eurocopa, de lo cual hace muchos aos. El caso de recuerdo de Aragons estara compuesto por todo lo que se hizo en aquel momento para ganar la Eurocopa (tctica, equipos contrarios) que hicieron que ganases, as como las decisiones que fue tomando a medida que iban avanzando en la eliminatoria. Una vez tenemos este conjunto de casos que guardan una serie de similitudes con el caso para el cual tenemos que proponer una solucin lo que tenemos que hacer es adaptar la solucin de todos esos problemas, en su globalidad o solamente en alguna de sus partes que nos interese para transformar el contexto de esos problemas en el problema que tenemos actualmente. En el ejemplo que estamos siguiendo Aragons tendra que adaptar la experiencia que tena de aquel equipo, cambiar los jugadores por los que ahora tiene y modificar las cualidades que tienen los equipos con los que est emparejados. Con todo esto tendramos una primer versin de la solucin. Aun as es necesario probar la solucin en el mundo real o en una simulacin y si es necesario revisarla. Con esto lo que se quiere decir es que este es un proceso circular en el que reutiliza diversos casos de la base de conocimiento, se revisa la solucin y si no es satisfactoria se vuelve a modificar con la inclusin o la eliminacin de los casos que fuesen incorrectos o aadiendo aquellos que faltasen para perfeccionar la solucin. Continuando con el ejemplo que estamos utilizando esto significara que Luis ira probando alineaciones y medida que comenzsemos a perder partidos ira modificando las alineaciones segn los criterios que fuesen utilizados en la Europa que se gan. Finalmente el ltimo paso es la retencin. Despus de que la solucin haya sido adaptada satisfactoriamente para solucionar el problema dado, almacenaramos la experiencia resultante como un nuevo caso en la memoria. En nuestro caso almacenara la experiencia resultante de haber jugado el partido y las conclusiones a las que ha llegado. Tanto si ha ganado como si ha perdido. Recordemos que uno de los intereses del razonamiento basado en casos residen no slo en recordar los casos resultantes que hayan sido acierto sino aquellos en que se ha fallado ya que con estos podremos mejorar el razonamiento del sistema experto ya que cuando se tenga que llevar a cabo un tipo de razonamiento similar se sabr que no se tiene que seguir esa lnea de razonamiento ya que lleva a un resultado incorrecto. A continuacin en la siguiente imagen ilustramos como se lleva a cabo este ciclo: A travs de esta imagen podemos ver con mayor claridad el ciclo que sigue este sistema de razonamiento y sobre todo es importante destacar el carcter central que tiene la base de conocimiento. Queda muy patente en este esquema como cualquiera de las etapas guardan una estrecha relacin con el conocimiento existente y destacar tambin como el ltimo paso reside en aadir el nuevo caso que hemos generado dentro de la base de conocimiento para poder utilizarlo en futuros razonamientos. Destacar tambin que la influencia que tiene esta base de conocimiento puede ser variable, de la poca influencia a la mucha influencia segn el mtodo de razonamiento basado en casos que hayamos utilizado. Razonamiento basado en casos basado en tareas jerrquicas El proceso que hemos visto en forma de ciclo tiene por objetivo enfatizar el carcter secuencial que tienen sus pasos. Para una mayor descomposicin y descripcin de los 4 pasos que anteriormente hemos mencionado, utilizaremos una visin del problema en forma de tareas donde cada paso o subproblema, es visto como un objetivo que tiene que alcanzar el razonamiento basado en casos. Mientras que en el proceso anterior tenamos una vista glotal, externa, de lo que estaba sucediendo en cada uno de los pasos que dbamos en el proceso de razonamiento, tener una vista orientada a las diferentes tareas que tenemos nos permite describir con un nivel de detalle superior lo que est sucediendo y los mecanismos utilizados desde la perspectiva del razonamiento basado en casos. En el nivel de la base de conocimientos, el sistema experto es visto como un agente que tiene una metas que conseguir, que es dar una solucin, y los medios de los que dispone para llegar a dicha solucin. As pues la descripcin puede ser hecha desde

29

Razonamiento basado en casos tres perspectivas diferentes: las tareas que tiene que desarrollar el sistema, los mtodos que utiliza para llegar al objetivo y dominio de la base de conocimiento del sistema. As pues, como hemos dicho antes, las tareas persiguen el objetivo del sistema, y estas tareas estn elaboradas a partir de la aplicacin de uno de los mtodos existentes en el sistema. Pero hay que tener en cuenta que para que un mtodo pueda alcanzar la resolucin de una tarea es necesario que todas aquellas tareas de las que dependa hayan sido realizadas. As pues, podemos ver como el marco de trabajo en el que nos movemos esta fuertemente influenciado por esta base de conocimiento. En el grfico hemos utilizado nombres en negrita para designar las tareas, mientras que los mtodos utilizados han sido escritos en cursiva. Otra cosa importante a mencionar son las diferentes uniones existentes entre diferentes tareas que son representadas por nexos de unin entre ellos, nexos que reciben el nombre de descomposicin de tareas. Lo primero que llama la atencin es que el objetivo principal que se encuentra en la raz del rbol es el objetivo final del razonamiento que es la resolucin del problema. As pues no es de extraar encontrarnos en la parte inferior los 4 pasos en los que habamos descompuesto el ciclo de resolucin del razonamiento basado en casos. Como podemos ver a simple vista, en estas dos cosas que acabamos de decir se hace patente la gran diferencia que existen entre ambos mtodos que hemos descrito, mientras en uno tenamos que ir siguiendo cada uno de los pasos descritos, en este podemos ir realizando los pasos que queramos a medida que disponamos de la informacin necesaria, que ya puede venir directamente de la base de conocimiento o como resultado de otro proceso. As pues en este ejemplo podemos apreciar ms claramente como se realiza con esta visin y es que tenemos los diversos conjuntos de tareas y estas se van agrupando progresivamente para obtener como resultado final la resolucin del problema que queramos. As pues podemos ver como todas las tareas en que partimos el problema son suficientes para resolver todo el problema.

30

Problemtica
Una vez hemos analizado en profundidad todo el proceso de cmo llevar a cabo el razonamiento basado en casos seria importante antes de continuar analizar todos aquellos problemas que existen para llevar a cabo una correcta implementacin y la forma ms eficaz para solucionarlos. Como ya podemos intuir, estos problemas se encontraran principalmente en dos partes claramente diferenciadas, por un lado tendremos todos aquellos relacionados con el mantenimiento de la base de conocimiento, y por otro lado tendremos aquellos relacionados con la lnea de razonamiento a seguir. En el fondo son dos problemas bastante relacionados ya se necesitan el uno al otro para alcanzar la solucionar final. As pues a continuacin procederemos a describir cada uno de los problemas con las posibles soluciones para evitarlos. Representacin del conocimiento Hasta este momento no habamos mencionado en ningn lugar como bamos a organizar la representacin de los casos, y ciertamente este es uno de las partes ms importantes de la utilizacin de este sistema, ya que segn la organizacin que hayamos elegido nos condicionar en gran medida la eficiencia que tendr el sistema experto y como consecuencia de esto la calidad de la solucin que obtendremos; es por eso que este apartado es merecedor de una atencin especial. El razonamiento basado en casos es muy dependiente de la estructura en que se almacenando los casos. Como un problema es solucionado mediante experiencias anteriores, el proceso de bsqueda y unin entre este caso solucin y el caso que estamos intentando solucionar tiene que ser necesariamente eficiente. El principal problema con el que nos encontramos es decidir cuales sern los elementos que almacenaremos en el caso, encontrado una estructura apropiada para hacerlo. Adems ser necesario decidir una estructura en la que almacenaremos el conjunto de casos, es decir, como realizaremos la organizacin de los casos que conforman la base de conocimiento, as como su indexacin, dos de las caractersticas ms importantes para asegurar un rpido acceso a los casos. Finalmente nos quedara el problema de integrar este paquete de casos dentro del modelo de la base de conocimiento de manera que este conocimiento pueda ser incorporado al sistema y accedido por el resto del sistema experto. Una vez definida la

Razonamiento basado en casos problema con la que nos encontramos es necesario describir alguna manera para solucionar estos problemas. En este caso bsicamente nos encontramos con dos posibles implementaciones: un modelo de memoria dinmica desarrollado por Schank and Kolodner y el modelo de categoras y ejemplos de Porter y Bareiss. Modelo de memoria dinmica La idea bsica de este modelo consiste en organizar todos aquellos casos que comparten un conjunto de propiedades bajo una estructura ms general, llamada episodio generalizado. Un episodio generalizado (EG) contiene tres tipos diferentes de objetos normas, casos y ndices. Las normas son las caractersticas comunes de todos los casos que comparten las mismas caractersticas, es decir bajo el mismo EG. Por lo que respecta a los casos no es necesario mayor explicacin ya que se trata de los propios casos estudiados hasta el momento. Finalmente los ndices son aquellas caractersticas, a diferencia de las normas, que diferencian los diferentes casos que forman un EG. As pues un ndice apuntar ms directamente a un episodio ms generalizado o directamente a un caso. Estos ndices estn formados por dos partes, el nombre del ndice y el valor del ndice. Es fcil ver que toda la base de conocimiento que esta formada por los casos es una red que va discriminando entre los diferentes casos, donde cada nodo del grafo es una generalizacin del episodio. Tambin podemos ver como cada pareja de valores de los ndices apunta de una generalizacin de un episodio a otra. As pues podemos ver como este esquema que planeamos es redundante ya que existen mltiples caminos hacia un caso en particular o a un EG. Cuando tenemos una descripcin de un nuevo caso y tenemos que realizar la bsqueda de la mejor coincidencia con otro, el caso que nos dan de entrada es introducido en la parte de superior de la estructura donde almacenamos la informacin, comenzando por el nodo principal. El proceso de bsqueda es similar tanto para la recuperacin del caso como para el almacenamiento. As pues lo que sigue a esto es un paso bastante lgico y consiste en que cuando una o varias de las caractersticas del caso coincide con una o varias de las de algn EG, el caso inicial del que partamos es discriminando basndose en las caractersticas no comunes. Es decir lo que estamos haciendo es ir haciendo bajando el caso por el rbol que tenemos hasta llegar a alguna de las hojas. Durante el proceso de guardado de un nuevo caso, cuando alguna caracterstica del caso coincide con alguna caracterstica de algn caso existente, un nuevo episodio general es creado, siendo entonces los dos casos discriminados indexndose debajo de ndices diferentes debajo de este episodio. En el caso de que durante el almacenaje de este caso, dos de los casos o dos de los EG terminaran con el mismo ndice , una nueva generalizacin seria automticamente creada. As pues podemos ver de donde viene el nombre del mtodo, recayendo en esta caracterstica dinmica de recolocacin de la memoria a medida que vamos introduciendo nuevos casos. Por lo que respecta a la recuperacin de los casos una vez se encuentran dentro de la estructura, el funcionamiento consiste en buscar dentro del EG que tenga ms normas en comn con la descripcin del problema; esto resulta lgico teniendo en cuenta la descripcin que habamos dado de que era una norma. Los ndices que compartan este mismo EG , son entonces revisados con el objetivo de buscar aquel caso que contenga la mayora de las caractersticas problemticas. Por otro lado, el almacenaje de un nuevo caso es realizado siguiendo la misma estructura pero aadiendo antes descrito de aadir dinmicamente los nuevos episodios si son necesarios. Esto provocar que fcilmente ocurra una gran crecimiento del nmero de ndices debido al incremento del nmero de casos, es por eso que muchos sistemas que utilizan esta estructura imponen lmites a la generacin de los ndices para los casos. Un ejemplo de este tipo de representacin de conocimiento seria CYRUS. Modelo de categoras y ejemplos La filosofa bsica de este mtodo consiste en entender los casos como ejemplos del mundo real, no como simple conceptos. En el mundo real no todas las caractersticas de los objetos tienen la misma importancia, hay alguna que tienen ms peso que otras en la descripcin de los mismo, y lo que este modelo intenta destacar es esto. Adems estos ejemplos pueden ser categorizados, es decir, se pueden organizar segn las categoras a las cuales pertenece. La base de hechos se encuentra dentro de una red estructurada por categoras, casos y apuntadores a ndices. Tal como lo hemos definido tenemos que cada caso est asociado a una categora determinada y los ndices, teniendo la misma definicin que en modelo anterior, son de tres tipos: ndices que unen las caractersticas de los problemas con los

31

Razonamiento basado en casos casos o las categoras, tambin son las uniones entre diferentes casos vecinos, entendiendo por vecinos aquellos casos que solo varan en unas pocas caractersticas. El ltimo tipo es el de aquellos que representan la unin entre las categoras y loas casos asociados a esas categoras. Como podemos ver es bueno destacar que las caractersticas no solamente pueden estar vinculadas a los ejemplos si no que tambin a las propias caractersticas, siendo entonces estas caractersticas comunes para todos los ejemplos que formen parte de esa categora. Encontrar un caso en la base de conocimientos que coincida con la descripcin del mismo se hace mediante la combinacin de las caractersticas de la entrada y seleccionando aquellas que sean de la misma categora, teniendo en cuenta que para seleccionar la categora nos tendremos que basar en aquella categora que tenga ms caractersticas en comn con el caso del cual partimos. Para almacenar un nuevo caso lo que tenemos que hacer es buscar un caso que coincida con el que queremos introducir utilizando para ellos los ndices. Si el caso que encontramos solamente tiene pequeas diferencias con el caso que ya existe no existe la necesidad de guardado o bien se pueden unir las caractersticas de los dos casos, en el caso de que no se encuentre ningn caso, el nuevo caso se introducir dentro de la base de hechos. Mtodos de recuperacin El proceso de recuperacin comienza con una descripcin parcial del problema de entrada, teniendo como objetivo de la etapa de recuperacin dar como respuesta un conjunto de casos, los cuales presenten un mayor nmero de similitudes con el caso inicial, es decir que tengan las caractersticas ms parecidas posibles con el caso inicial. El proceso de identificacin comienza bsicamente con una serie de descripciones del problema que sern la base a partir de la cual intentaremos buscar alguna similitud con algn caso existente en la base de conocimiento. A continuacin procederemos a describir las diferentes etapas en que se puede dividir la recuperacin de los casos que tenemos en la base de conocimiento. Identificacin de las caractersticas Para la identificacin de un problema en primer lugar, como ya habamos dicho es necesario conocer unas primeras descripciones del problema, pero normalmente, y especialmente en los casos en que tratamos con problemas relacionados con grandes cantidades de conocimiento, es necesario una visin ms cercana al problema, que nos permita entender el problema, as como el contexto del mismo. As pues es necesario que se proporcione no solamente una descripcin del problema principal que resolver sino tambin una descripcin de todos aquellos elementos importantes del contexto de los problemas. Coincidencias iniciales El trabajo de encontrar una buena asociacin entre un caso de la base de conocimiento y el problema que tenemos planteado puede ser dividido en dos subprocesos diferentes: un proceso inicial donde se buscan posibles candidatos, y un segundo proceso donde se seleccionan de todos esos candidatos los ms adecuados. En primer lugar, para encontrar ese conjunto de casos que tengan alguna coincidencia con nuestro problema nos tendremos que basar en las descripciones del problema inicial, as como en las caractersticas que poseen cada uno de los casos almacenados. Existen principalmente tres maneras de recuperar un caso o un conjunto de casos: siguiendo la indexacin directa que marcan los punteros hacia las caractersticas del caso, buscando dentro de la estructura indexada, o buscando un modelo de caso dentro de la base de conocimiento. Los casos que extraigamos tienen que tener caractersticas en comn con el problema que queremos solucionar, y como resulta evidente los casos que tengan gran parte de sus caractersticas en comn sern los mejores candidatos para ser seleccionados, pero dependiendo de la estrategia estos no sern los nicos candidatos seleccionados, pudiendo serlo tambin aquellos casos que tengan un conjunto de caractersticas en comn con el problema. Seleccin Despus de haber realizado una bsqueda ms o menos exhaustiva sobre el conjunto de casos para extraer aquellos casos que presentasen ms caractersticas en comn, ha llegado el punto en que ser necesario seleccionar de este conjunto de candidatos aquellos casos ms propensos a ser una buena solucin para el problema. Muchas veces la

32

Razonamiento basado en casos mejor coincidencia entre el caso y el problema es determinada por una revaluacin de la primera seleccin que se le hizo. Esto se hace con el objetivo de buscar posibles explicaciones de por qu se hizo esa seleccin, es decir se busca la manera de justificar esas elecciones. Si los motivos que se dieron no son lo suficientemente poderosos como para mantener ese caso como posible resultado este es descartado y se continua con el resto de casos existentes en el sistema. Este proceso de eleccin es ms elaborado que el anterior, principalmente porque en el anterior el conjunto de casos que tenamos que comprobar era muy superior al actual y por lo tanto las comprobaciones que podamos realizar eran menores, pero con un conjunto de casos ms pequeo es posible realizar unas pruebas ms exhaustivas. El proceso de seleccin normalmente genera una serie de consecuencias de la eleccin de cada caso, consecuencias que luego pueden ser reevaluadas. As mismo, en este proceso de seleccin los casos son puntuados segn su mejor similitud con el problema inicial o no, siendo esta una manera ya de ordenarlos segn su adecuacin para resultar futuros candidatos finales. Otros criterios que se utilizan en este proceso de seleccin es el discriminar el hecho de que alguna caracterstica determinada no sea igual, etc. Al final de la aplicacin de este paso nos encontraremos con un conjunto de casos que sern los que han sido seleccionados para ser reutilizados, es decir, para ser utilizados en la fase de elaboracin de una solucin para el problema de entrada que se nos planteaba. Es importante que como resultado de este proceso de seleccin, los casos resultantes sean lo suficientemente similares a los objetivos requeridos por el problema, ya que si este proceso no es todo lo adecuado que se quisiese, en siguientes pasos los resultados que se obtendran no seran tan buenos como los deseados. Mtodos de reutilizacin La reutilizacin de los casos tiene mucha importancia ya que con una correcta implementacin de esta tcnica nos permitir mejorar la forma en que aprovechamos las caractersticas que tienen los casos y por lo tanto mejorar la forma en que construimos la solucin final del problema. La reutilizacin de los casos recuperados se fundamenta bsicamente en dos aspectos: Las diferencias entre el caso recuperado de la base de conocimientos y el nuevo caso. Que parte del caso recuperado de la base de conocimiento puede ser utilizado en el nuevo caso. Para todo esto existen una serie de tcnicas que procederemos a describir que nos permitirn mejorar la forma en que reutilizamos los casos existentes en el sistema. Copiar En los procesos de clasificacin ms simples los que se hace es en primer lugar una abstraccin de las caractersticas del caso que queremos reutilizar olvidndonos de toda aquella informacin no relevante. Todas estas caractersticas son copiadas al nuevo caso que estamos construyendo. Como podemos ver es un mtodo muy sencillo pero hay que tener en cuenta varias cosas como son las diferencias entre los dos casos y que muchas veces no se pueden copiar directamente algunas caractersticas sin antes adaptarlas. Este proceso de adaptacin lo vemos a continuacin. Adaptar Existen dos maneras diferentes para rehusar los casos, o bien rehusar directamente toda las solucin del caso en el que nos basamos o bien reutilizar el mtodo que utilizamos para llegar a la solucin de ese caso, es decir la manera en que conseguimos llegar a esa solucin. Resulta evidente que en la reutilizacin de un caso, este caso no es el mismo que estamos intentando solucionar actualmente y por lo tanto las soluciones que tenemos en la base de conocimiento no sern en la mayora de los casos soluciones que ofrecer para solucionar el nuevo. As pues, todo y que no puedan ser aplicadas las caractersticas del caso que tenemos en la base de conocimiento sobre el nuevo caso si que se puede adaptar estas para el nuevo caso mediante una operacin de adaptacin. Estas operaciones tienen que ser organizadas de alguna manera, y una manera de hacerlo es indexndolas mediante las diferencias entre los dos casos. Mtodos de revisin Otra de las cosas importantes en el proceso de construccin de la solucin es la validacin de que la solucin que hemos construido sea realmente correcta y solucione el problema que hemos planteado. Todo y as como hemos

33

Razonamiento basado en casos dicho estos sistema no solo se basan en las soluciones correctas que se proporcionan, si no que las soluciones incorrectas tambin son introducidas en la base de conocimiento como ejemplo de errores de manera que el sistema no vuelva a generar soluciones con ese error y permitir mejorar la calidad de las soluciones. Esta fase es lo que llamamos la revisin y bsicamente la podramos dividir en 2 etapas: evaluar la solucin generada, si esta es correcta la aadimos a la base de conocimiento mientras que si esta es incorrecta solucionaremos los problemas que esta tenga y aprenderemos de este error. A continuacin procederemos a describir de una manera ms detalla cada uno de estos procedimientos: Evaluacin de la solucin La evaluacin de la solucin se realiza aplicando la propia solucin en el mundo real, es decir probando que sucedera si aplicsemos la solucin obtenido en el contexto que se nos haba producido el problema. Es evidente que la solucin no tiene por qu probarse directamente sobre el mundo real, sino que este mundo puede simularse y recoger los datos que se obtienen de esta simulacin. El tiempo que tardamos en ver los resultados de la prueba pueden variar dependiendo del contexto en el que nos encontremos pero lo que si que es cierto es que el resultado que obtendremos de estas pruebas es si la eleccin de esta solucin ha sido correcta o no. Para ello tendremos que comprar los valores obtenidos como solucin de la aplicacin de la solucin en el contexto con los valores que esperbamos obtener, ya sea el correcto funcionamiento de un sistema, la correcta solucin de un problema, etc. Por lo tanto como resultado final de esta evaluacin obtendremos si la solucin propuesta se ha comportado como esperbamos en el contexto de pruebas. Reparar los errores Una vez hecha la evaluacin de la solucin el siguiente paso lgico consiste en la reparacin de los errores que pudiese tener la solucin respecto a los datos que nos haba proporcionado la experimentacin. Como ya habamos comentado antes en el proceso de correccin de los errores no solamente se persigue la correccin de los propios errores que presenta la solucin, sino que lo que se persigue es aadir un nuevo caso al sistema pero en este caso referenciado como error. Esto en el fondo tambin es un conocimiento, ya que ayudara al sistema experto en la toma de futuras decisiones permitiendo que el sistema no vuelva a cometer los mismos errores. Estos casos en futuros razonamiento no podrn ser considerados como posibles soluciones sino que tendrn que ser considerados como soluciones no validas, es decir si en el proceso de razonamiento se llegase a una de estas soluciones, no hara falta continuar con el proceso de validacin de la solucin ya que directamente podramos llegar a la conclusin que es una solucin incorrecta. Adems no es solo eso sino que estos casos errneos pueden ayudar a dirigir la lnea de razonamiento hacia nuevas soluciones que antes no podran haber sido alcanzadas. En el ejemplo que habamos pues de Lus y la Eurocopa, un ejemplo de reparar errores seria por ejemplo poner a Cesc a jugar el primer partido y ver como no hace nada, entonces viendo esto aprende que Cesc no est en su mejor momento y decide que en el segundo tiempo juegue otro en su lugar. En este caso vemos que la solucin que haba obtenido del procedo de razonamiento la haba puesto en prctica sobre un caso real, teniendo en primera mano cuales son los resultados obtenidos de ese experimento, y pudiendo aprender de esos errores. Mtodos de aprendizaje La lnea de aprendizaje del razonamiento basado en casos es realmente la parte ms importante del sistema, no solo porque es la encargada de ampliar la base de conocimiento del sistema, si no tambin porque constituye realmente la parte que realmente permitir al sistema evolucionar y seguir creciendo, ya que sin esta parte, aun teniendo el mejor sistema basado en el razonamiento este sistema tendra pocos das de vida ya que no seria capaz de aprender y a poco que cambiasen las cosas externas a su conocimiento no seria capaz de resolverlas adecuadamente. A continuacin expondremos los diversos pasos que se dan en este proceso de aprendizaje. Extraer En el razonamiento basado en casos la base de conocimiento es actualizada cuando el problema se ha resuelto. Si el problema ha sido resuelto mediante el uso de un caso anterior, un nuevo caso ser construido o bien el viejo caso

34

Razonamiento basado en casos sobre el cual habamos obtenido la solucin ser generalizado para contener este nuevo caso, Si el problema ha sido solucionado por otros mtodos, incluyendo la comunicacin con el usuario, un nuevo caso seria generado. En cualquier caso, se necesita saber que utilizaremos como fuente de conocimiento a guardar en la base de conocimiento. La descripcin del problema, as como las soluciones del problemas son los lgicos candidatos, pero una explicacin u otro tipo de justificacin de por qu la solucin es la solucin del problema pueden ser perfectamente incluidos en el nuevo caso. Por ejemplo en CASEY y CREEK las explicaciones tambin son incluidas en los casos y posteriormente usadas en la modificacin de la solucin. CASEY usa la estructura de explicacin que antes habamos mencionado para buscar otros estados dentro del modelo de diagnostico que expliquen el porqu de los datos de entrada del problema, con el objetivo de despus de haber resuelto estas preguntas encontrar una mejor solucin. Indexar El problema de la indexacin es una de los problemas ms importantes dentro del razonamiento basado en casos. Es necesario decidir que tipo de indexacin vamos a utilizar para futuros accesos a los casos almacenados en la base de conocimiento, de manera que esos accesos puedan ser realizados de manera sencilla. La indexacin directa, como antes habamos mencionado, se salta el ltimo paso, pero aun as todava quedara el problema de identificar que tipo de indexador utilizar. Esto seria un problema de adquisicin de este conocimiento, problema que tiene que ser analizado como parte del anlisis de la base de conocimiento. Una solucin trivial para este problema seria utilizar directamente todas las caractersticas de los ndices. Integrar Este es el paso final en el proceso de adquisicin de nuevo conocimiento en la base de conocimiento. Si no se ha tenido que realizar ningn caso o reindexacin se tratar de dejar la base de conocimiento tal y como estaba ya que no habra sido necesario realizar ninguna modificacin.. Si se ha tenido que modificar la indexacin de algn caso de los que se encontraban en la base de conocimiento, se tendrn que integrar estas modificaciones dentro de la base de conocimiento. Este proceso de integracin dentro de la base de conocimiento de las modificaciones se tiene que realizar con la mxima atencin posible, ya que el resultado final tiene que ser la de una base de conocimiento que contine estando correctamente indexada para que permita prximos accesos a la misma.

35

Ejemplos
Hasta este momento, en las explicaciones que se han realizado se ha intentado acompaar en todo momento a estas con ejemplos sencillos para facilitar el entendimiento de los temas tratados. Aun as seria interesante una vez analizado en profundidad los fundamentos del razonamiento basado en casos, analizar algunos casos de una complejidad ms elevada que nos permitan mejorar nuestro entendimiento sobre el tema. A continuacin presentaremos una serie de ejemplos que permitirn al lector comprobar como se realizara una aplicacin del razonamiento basado en casos en una situacin real. Sistema basado en casos para la educacin a distancia El ejemplo de aplicacin real que se propone, como el propio ttulo indica se basa en crear un sistema experto para la educacin a distancia con el objetivo principal de automatizar el proceso de enseanza aprendizaje en un organismo educacional a distancia. Para lo cual ha sido necesario modelar el conocimiento del proceso de enseanza aprendizaje que se realiza entre un profesor con experiencia en educacin a distancia, y sus alumnos, encontrando los procedimientos generales y reutilizables para pasar desde esos modelos a un sistema que consiga apoyar el proceso de enseanza / aprendizaje de una manera ms real y efectiva. Es decir se pretende lograr obtener descripciones razonablemente claras, completas, precisas e inequvocas de las tareas que el educador y el alumno realizan cuando se someten a un proceso de enseanza aprendizaje a distancia, y as obtener un modelo al nivel de conocimiento que articule las distintas actividades y relaciones descritas por el alumno y el educador, y que permita conseguir un modelo formal subyacente a esa descripcin que nos permita enlazarla con las primitivas computables de un entorno de programacin, generando un sistema basado en el conocimiento para la educacin a distancia. El sistema basado en el conocimiento propuesto le

Razonamiento basado en casos permite por un lado al docente, generar un curso que basado en objetivos especficos permita detallar los materiales y la estrategias de enseanza ms adecuadas a un alumno comn, estrategias de enseanza que se modificarn con el paso del tiempo, y que se adaptarn a los usuarios segn sus necesidades. Por otro lado el sistema es capaz de guiar al estudiante a lo largo del dominio particular del conocimiento propuesto por el profesor, resolviendo durante este proceso tareas tales como: la elaboracin de una estrategia de tutorizacin, la propuesta de materiales complementarios al estudio de un tema, el registro de las actividades del usuario y la generacin de nuevas estrategias para nuevos casos. El enfoque del proceso se presenta a travs de un modelo de casos de uso donde los actores (profesores, alumnos) interacta con distintos procesos. Bajo este enfoque, cada mdulo de los anteriormente mencionados representar un conjunto de uno o ms agentes inteligentes. Estas entidades cooperarn entre s, con el objetivo final de alcanzar el objetivo central del sistema: la transmisin del conocimiento al estudiante y la generacin de cursos de manera ms automatizada a travs de la generacin de estrategias de enseanza/aprendizaje que se adapten a los alumnos. Como podemos ver, este es un problema que se podra resolver perfectamente utilizando un sistema experto de razonamiento basado en casos, ya que lo que la idea de utilizar casos para almacenar la informacin y que esta sea utilizada para construir las siguientes soluciones es adecuada para el desarrollo del problema. Sistema basado en casos para la definicin de un modelo de negocio Este ejemplo tiene por objetivo la de disear un sistema basado en el conocimiento que tiene como objetivo principal la generacin de modelos de negocio. Este es un problema tpicamente informtico, y que si se analiza en profundidad se puede ver que sigue unos patrones determinados. Es por eso que su implementacin en forma de sistema experto resulta lgica. Si analizamos en profundidad la adecuacin de implementar este sistema experto mediante razonamiento basado en casos podremos ver que es una buena alternativa ya que en este tipo de situaciones, todo y que tambin se podra construir a partir de un sistema basado en reglas, seria ms adecuado utilizar el mtodo a partir de casos, ya que el diseo de sistemas de negocio es un trabajo bastante variante, y es interesante considerar la posibilidad de construir nuevas soluciones a partir de soluciones ya existente, basndonos en casos que tuvieran contextos similares. Esto nos permitira ir construyendo una solucin a la medida del problema que tuviramos en la entrada. Una de las cosas que nos tendramos que plantear realmente es si el problema que quereos resolver no es demasiado grande en cuanto a las posibilidades existentes para resolverlo, es decir, existen demasiados contextos o tipos de problemas que resolver. En este caso yo considero que si, ya que se pueden construir modelos de negocio de cualquier sistema, y es por eso que se necesita mucho conocimiento en general. Todo y eso si nos ponemos a analizar el problema podremos ver que en muchos casos no es necesario conocer tan bien el contexto del problema, y que todos se resuelven de manera muy similar.

36

Referencias
[1] [2] [3] [4] [5] Roger Schank, Dynamic Memory: A Theory of Learning in Computers and People (New York: Cambridge University Press, 1982). Janet Kolodner, "Reconstructive Memory: A Computer Model," Cognitive Science 7 (1983): 4. Michael Lebowitz, "Memory-Based Parsing," Artificial Intelligence 21 (1983), 363-404. Bill Mark, "Case-Based Reasoning for Autoclave Management," Proceedings of the Case-Based Reasoning Workshop (1989). Trung Nguyen, Mary Czerwinski, and Dan Lee, "COMPAQ QuickSource: Providing the Consumer with the Power of Artificial Intelligence," in Proceedings of the Fifth Annual Conference on Innovative Applications of Artificial Intelligence (Washington, DC: AAAI Press, 1993), 142-151.

Bibliografa
Aamodt, Agnar, and Enric Plaza. " Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches (http://www.iiia.csic.es/People/enric/AICom.html)" Artificial Intelligence Communications 7, no. 1 (1994): 39-52. Althoff, Klaus-Dieter, Ralph Bergmann, and L. Karl Branting, eds. Case-Based Reasoning Research and Development: Proceedings of the Third International Conference on Case-Based Reasoning. Berlin: Springer

Razonamiento basado en casos Verlag, 1999. Kolodner, Janet. Case-Based Reasoning. San Mateo: Morgan Kaufmann, 1993. Leake, David. " CBR in Context: The Present and Future (http://www.cs.indiana.edu/~leake/papers/ p-96-01_dir.html/paper.html)", In Leake, D., editor, Case-Based Reasoning: Experiences, Lessons, and Future Directions. AAAI Press/MIT Press, 1996, 1-30. Leake, David, and Enric Plaza, eds. Case-Based Reasoning Research and Development: Proceedings of the Second International Conference on Case-Based Reasoning. Berlin: Springer Verlag, 1997. Riesbeck, Christopher, and Roger Schank. Inside Case-based Reasoning. Northvale, NJ: Erlbaum, 1989. Veloso, Manuela, and Agnar Aamodt, eds. Case-Based Reasoning Research and Development: Proceedings of the First International Conference on Case-Based Reasoning. Berlin: Springer Verlag, 1995. Watson, Ian. Applying Case-Based Reasoning: Techniques for Enterprise Systems. Morgan Kaufmann, 1997.

37

Red bayesiana
Una red bayesiana, o red de creencia, es un modelo probabilstico multivariado que relaciona un conjunto de variables aleatorias mediante un grafo dirigido que indica explcitamente influencia causal. Gracias a su motor de actualizacin de probabilidades, el Teorema de Bayes, las redes bayesianas son una herramienta extremadamente til en la estimacin de probabilidades ante nuevas evidencias[1] . Una red bayesiana es un tipo de red causal. Un hbrido de red bayesiana y Teora de la Utilidad es un diagrama de influencia.

Definiciones y Concepto
Formalmente, las redes Bayesianas son grficos acclicos dirigidos cuyos nodos representan variables y los arcos que los unen codifican dependencias condicionales entre las variables. Los nodos pueden representar cualquier tipo de variable, ya sea un parmetro medible (o medido), una variable latente o una hiptesis. Existen algoritmos que realizan inferencias y aprendizaje basados en redes bayesianas. Si existe un arco que une un nodo A con otro nodo B, A es denominado un padre de B, y B es llamado un hijo de A. El conjunto de nodos padre de un nodo Xi se denota como padres(Xi). Un grfico acclico dirigido es una red Bayesiana relativa a un conjunto de variables si la distribucin conjunta de los valores del nodo puede ser escrita como el producto de las distribuciones locales de cada nodo y sus padres:

Si el nodo

no tiene padres, su distribucin local de probabilidad se toma como incondicional, en otro caso es

condicional. Si el valor de un nodo es observable - y por tanto etiquetado como observado, dicho nodo es un nodo de evidencia.

Red bayesiana

38

Aplicaciones
Las redes bayesianas son un tipo de modelos de minera de datos que pueden ser utilizados en cualquiera de las siguientes actividades de negocio: Prevencin del fraude Prevencin del abandono de clientes Marketing personalizado Mantenimiento[2] Scoring de clientes Clasificacin de datos estelares

Algoritmos de inferencia probabilstica sobre redes bayesianas

Dado una red bayesiana se puede proceder a la obtencin de conocimiento dado los valores que adoptan las variables en el entorno especificado por ella. Algunos de ellos son: Algoritmo de eliminacin de variables

Referencias
[1] P. Nam, P. Wuillemin, P. Leray, O. Pourret, A. Becker. Les rseaux baysiens (http:/ / www. eyrolles. com/ Sciences/ Livre/ 9782212111378/ livre-reseaux-bayesiens. php), Eyrolles 2004 (en francs. [2] lvaro Carrera, Javier Gonzalez-Ords, Javier Garca-Algarra, Pablo Arozarena, Mercedes Garijo. A Multi-agent system with Distributed Bayesian Reasoning for Network Fault Diagnosis (http:/ / books. google. es/ books?hl=es& lr& id=PDCtUvMReVIC& oi=fnd& pg=PA113& ots=4K9piEO5wA& sig=dkHdER5r53nz_Q2s3UG-zqTv0yY#v=onepage& q& f=false), Springer, 2011.

Software Libre y Abierto

Toolbox para MatLab de Kevin Murphy: http://bnt.sourceforge.net/ Elvira (http://leo.ugr.es/~elvira): desarrollado por investigadores de universidades espaolas. BANSY3 (http://www.dynamics.unam.edu/DinamicaNoLineal3/bansy3.htm). Laboratorio de Dinmica no Lineal, Departamento de Matemticas, Facultad de Ciencias, UNAM. GeNIe & SMILE: http://genie.sis.pitt.edu OpenBayes: http://www.openbayes.org RISO: http://sourceforge.net/projects/riso/(distributed belief networks) SamIam: http://reasoning.cs.ucla.edu/samiam BN4R: http://bn4r.rubyforge.org/ bnlearn R package: http://www.bnlearn.com/

Enlaces externos
Association for Uncertainty in Artificial Intelligence (http://www.auai.org/)

Algoritmo de eliminacin de variables

39

Algoritmo de eliminacin de variables

El algoritmo de eliminacin de variables es un algoritmo de adquisicin de conocimiento probabilstico a partir de una red bayesiana. Dada una red bayesiana y una serie de valores observados para ciertas variables, denominadas de evidencia, se obtiene las probabilidades esperadas de una variable de consulta. El algoritmo trata de hacer uso de diversas tcnicas para reducir los calculos en la medida de lo posible. El nombre de eliminacin de variables proviene de desechar del calculo de la probabilidad de la variable de consulta a aquellas variables que no tienen ninguna relacin de dependencia.

Algoritmo
funcin inferencia_eliminacion_variables(X,e,RED)
1. Sea RED_E el resultado de eliminar de RED las variables irrelevantes 2. Sea FACTORES igual a vaco 3. Sea VARIABLES el conjunto de variables de RED_E 4. Sea VAR_ORD el conjunto de VARIABLES ordenado segn un orden de eliminacin 5. PARA cada VAR en VAR_ORD HACER 5.1 Sea FACTOR el factor correspondiente a VAR 5.2 Aadir FACTOR a FACTORES 5.3 Si VAR es una variable oculta hacer FACTORES igual a AGRUPA(VAR,FACTORES) 6. Devolver NORMALIZA(MULTIPLICA(FACTORES))

Variables irrelevantes
Las variables irrelevantes en general son aquellas que no sea antecesor en la red de alguna de las variables de consulta o evidencia. Con ello dichas variables se eliminan.

Orden de variables
La ordenacin de las variables tiene un factor esencial para la eficiencia del algoritmo. El orden de este est dominado por el tamao del mayor factor contenido durante el proceso. Este viene fuertemente influenciado por el orden en que se consideran las variables. Una heurstica (informtica) habitual es moverse desde las hojas hacia arriba dentro de la topologa de la red bayesiana. Si la red est simplemente conectada (polirbol) se puede demostrar que la complejidad del algoritmo (en tiempo y espacio) es lineal en el tamao de la red (el nmero de entradas de sus tablas). Adems hay a lo sumo un camino no dirigido entre cada dos nodos.

Algoritmo de eliminacin de variables

40

Agrupacin de tablas
Dado un conjunto de factores, la operacin de agrupar (respecto de los valores de una variable aleatoria X) consiste en obtener otro conjunto de factores. Se dejan igual aquellos factores que no tienen a la variable X entre sus argumentos. El resto de factores se multiplican y se sustituyen por el resultado de multiplicarlos y sumar en la tabla por cada posible valor de X. En cierta forma esta operacin es similar a la agregacin de una columna en bases de datos.

Multiplicacin de tablas
Si f1(X,Y) y f2(Y,Z) son dos tablas cuyas variables en comn son las de Y, se define su producto f(X,Y,Z) como la tabla cuyas entradas son f(x,y,z)=f1(x,y)f2(y,z). Es similar al concepto de un join en base de datos, multiplicando los valores correspondientes. La operacin multiplicar tablas es previa a cada agrupamiento y en el paso final.

Normalizar
El proceso de normalizacin convierte los valores finales del proceso del algoritmo de forma que la suma de dichos valores pase a ser 1. Para ello basta multiplicar a todos los valores por una constante de normalizacion.

Bibliografa
Rusell, S. y Norvig, P. Inteligencia artificial (Un enfoque moderno).

Enlaces externos
Applets explicativos de redes bayesianas y eliminacin de variables [1]

Referencias
[1] http:/ / aispace. org/ bayes/

Heurstica

41

Heurstica
Heurstica es la capacidad de un sistema para realizar de forma inmediata innovaciones positivas para sus fines. La capacidad heurstica es un rasgo caracterstico de los humanos desde cuyo punto de vista puede describirse como el arte y la ciencia del descubrimiento y de la invencin o de resolver problemas mediante la creatividad y el pensamiento lateral o pensamiento divergente. La palabra heurstica procede del trmino griego ,[1] que significa hallar, inventar (etimologa que comparte con eureka[2]). La palabra heurstica aparece en ms de una categora gramatical. Cuando se usa como sustantivo, identifica el arte o la ciencia del descubrimiento, una disciplina susceptible de ser investigada formalmente. Cuando aparece como adjetivo, se refiere a cosas ms concretas, como estrategias heursticas, reglas heursticas o silogismos y conclusiones heursticas. Claro est que estos dos usos estn ntimamente relacionados ya que la heurstica usualmente propone estrategias heursticas que guan el descubrimiento. La popularizacin del concepto se debe al matemtico George Plya, con su libro Cmo resolverlo (How to solve it). Habiendo estudiado tantas pruebas matemticas desde su juventud, quera saber cmo los matemticos llegan a ellas. El libro contiene la clase de recetas heursticas que trataba de ensear a sus alumnos de matemticas. Cuatro ejemplos extrados de l ilustran el concepto mejor que ninguna definicin: Si no consigues entender un problema, dibuja un esquema. Si no encuentras la solucin, haz como si ya la tuvieras y mira qu puedes deducir de ella (razonando a la inversa). Si el problema es abstracto, prueba a examinar un ejemplo concreto. Intenta abordar primero un problema ms general (es la paradoja del inventor: el propsito ms ambicioso es el que tiene ms posibilidades de xito).

Matemtica
En la matemtica, la heurstica existe desde la Grecia antigua. Sin embargo, la formalizacin y el alto grado de rigor en matemtica le ha restado importancia al estudio del descubrimiento, considerndolo ms bien de inters para la psicologa. Aunque existe el campo de la teora de la demostracin, ste nada tiene que ver con encontrar patrones de demostracin o reglas para encontrar las demostraciones de los teoremas. La palabra heurus proviene del griego erus.

Computacin Psicologa
En psicologa la heurstica se relaciona con la creatividad y se ha propuesto que sea aquella regla sencilla y eficiente para orientar la toma de decisiones y para explicar en un plano prctico cmo las personas llegan a un juicio o solucionan un problema. Usualmente una heurstica opera cuando un problema es complejo o el problema trae informacin incompleta. En general, una heurstica puede considerarse como un atajo a los procesos mentales activos y, por lo tanto, es una medida que ahorra o conserva recursos mentales. Las heursticas funcionan efectivamente en la mayora de las circunstancias, sin embargo, tambin pueden conducir a errores sistemticos en la toma de decisiones o el desarrollo de juicios. La ideacin de soluciones heursticas frecuentemente arranca de un razonamiento por analoga. Un ejemplo de un atajo mental es el uso de un estereotipo. Cuando se juzga a un individuo basndose en la descripcin estereotpica de un grupo al cual pertenece, el uso del estereotipo puede resultar en un error, ya que el individuo puede ser poco representativo del estereotipo. Sin embargo la heurstica, aunque imperfecta, puede seguir siendo vlida si el estereotipo es estadsticamente lo bastante correcto. As, los posibles errores puntuales quedan sobradamente compensados por los ms frecuentes aciertos. stos son obtenidos, adems, mediante una regla

Heurstica relativamente sencilla que ahorra recursos mentales y acelera de forma significativa la toma de decisiones, lo que en ciertas situaciones puede resultar crtico (por ejemplo cuando la integridad fsica, mental o econmica del individuo est en juego).

42

Ingeniera
Artculo principal: Heurstica (ingeniera) En ingeniera, una heurstica es un mtodo basado en la experiencia que puede utilizarse como ayuda para resolver problemas de diseo, desde calcular los recursos necesarios hasta en planear las condiciones de operacin de los sistemas. Mediante el uso de heursticas, es posible resolver ms rpidamente problemas conocidos o similares a otros conocidos. Existen varios mtodos heursticos disponibles para los ingenieros como, por ejemplo, el Anlisis modal de fallos y efectos y los rboles de fallo. En el primero se depende de un grupo de ingenieros experimentados que evalan los problemas y fallos, los ordenan segn su importancia y recomiendan soluciones. Otros, como los mtodos de ingeniera forense, son una amplia fuente de informacin para la investigacin de problemas y responsables, y se basan en la heurstica del eslabn ms dbil y en la eliminacin de causas improbables. El conocimiento de qu causas son probables y cules no, forma una heurstica aprendida por la profesin durante muchos aos, ms que un conocimiento cientfico aplicado. Dado que las heursticas pueden equivocarse, es fundamental conocer los casos en los que son aplicables y los lmites a su uso. En general, en la ingeniera deben considerarse como ayudas o apoyos para hacer estimaciones rpidas y diseos preliminares, pero no como justificaciones finales de un diseo o proyecto u otros.

La heurstica como disciplina cientfica

Como disciplina cientfica, la heurstica es aplicable a cualquier ciencia e incluye la elaboracin de medios auxiliares, principios, reglas, estrategias y programas que faciliten la bsqueda de vas de solucin a problemas; o sea, para resolver tareas de cualquier tipo para las que no se cuente con un procedimiento algortmico de solucin. Segn Horst Mler: Los procedimientos heursticos son formas de trabajo y de pensamiento que apoyan la realizacin consciente de actividades mentales exigentes. Los procedimientos heursticos como mtodo cientfico pueden dividirse en principios, reglas y estrategias. Principios heursticos: constituyen sugerencias para encontrar directamente la idea de solucin; posibilita determinar, por tanto, a la vez, los medios y la va de solucin. Dentro de estos principios se destacan la analoga y la reduccin. Reglas heursticas: actan como impulsos generales dentro del proceso de bsqueda y ayudan a encontrar, especialmente, los medios para resolver los problemas. Las reglas heursticas que ms se emplean son: Separar lo dado de lo buscado. Confeccionar figuras de anlisis: esquemas, tablas, mapas, etc. Representar magnitudes dadas y buscadas con variables. Determinar si se tienen frmulas adecuadas. Utilizar nmeros estructuras ms simples en lugar de datos. Reformular el problema. Estrategias heursticas: se comportan como recursos organizativos del proceso de resolucin, que contribuyen especialmente a determinar la va de solucin del problema abordado. Existen dos estrategias: El trabajo hacia adelante: se parte de lo dado para realizar las reflexiones que han de conducir a la solucin del problema. El trabajo hacia atrs: se examina primeramente lo que se busca y, apoyndose en los conocimientos que se tienen, se analizan posibles resultados intermedios de lo que se puede deducir lo buscado, hasta llegar a los dados.

Heurstica

43

Otras acepciones
Una teora cientfica tiene un alto valor heurstico si es capaz de generar nuevas ideas o inducir nuevas invenciones. Para ello, sin ser irrelevante, no es imprescindible que la teora sea cierta o incierta. Parafraseando a Sartre; merced a su capacidad heurstica, pese a las predeterminaciones genticas y otros condicionamientos, es probable que el ser humano (valga la aparente paradoja de la frase) est condenado a ser libre de las limitaciones que el medio le impone. Mirndolo desde los conceptos subyacentes a la propuesta de MCE Y EAM, heurstica es capacidad del ser humano para cambiar su conducta, con el fin de resolver situaciones problemticas.

Referencias
[1] Segn la Real Academia, (http:/ / buscon. rae. es/ draeI/ SrvltConsulta?TIPO_BUS=3& LEMA=heurstica) (consultado el 29 de abril de 2009). [2] Real Academia (http:/ / buscon. rae. es/ draeI/ SrvltConsulta?TIPO_BUS=3& LEMA=eureka) (consultado el 29 de abril de 2009).

Lgica difusa
La lgica difusa o lgica heuristica se basa en lo relativo de lo observado como posicin diferencial. Este tipo de lgica toma dos valores aleatorios, pero contextualizados y referidos entre s. As, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores estn contextualizados a personas y referidos a una medida mtrica lineal.

Funcionamiento
La lgica difusa se adapta mejor al mundo real en el que vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy alto", "el ritmo del corazn est un poco acelerado", etc. La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco"). En la teora de conjuntos difusos se definen tambin las operaciones de unin, interseccin, diferencia, negacin o complemento, y otras operaciones sobre conjuntos (ver tambin subconjunto difuso), en los que se basa esta lgica. Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus elementos, que indican en qu medida el elemento forma parte de ese conjunto difuso. Las formas de las funciones de pertenencia ms tpicas son trapezoidal, lineal y curva. Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica (ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa): SI hace muchsimo calor ENTONCES aument drsticamente la temperatura. SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad. Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre s (cada rea es resultado de una regla de inferencia). Para escoger una salida concreta a partir de tanta premisa difusa, el mtodo ms usado es el del centroide, en el que la salida final ser el centro de gravedad del rea total resultante. Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de redes neuronales para fortalecer las futuras tomas de

Lgica difusa decisiones. Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao. Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente manera:

44

Funcionamiento de un sistema de control difuso.

En la figura, el sistema de control hace los clculos con base en sus reglas heursticas, comentadas anteriormente. La salida final actuara sobre el entorno fsico, y los valores sobre el entorno fsico de las nuevas entradas (modificado por la salida del sistema de control) seran tomadas por sensores del sistema. Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un coche que se autorregula segn las necesidades: Los chips difusos del climatizador recogen los datos de entrada, que en este caso bien podran ser la temperatura y humedad simplemente. Estos datos se someten a las reglas del motor de inferencia (como se ha comentado antes, de la forma SI... ENTONCES... ), resultando un rea de resultados. De esa rea se escoger el centro de gravedad, proporcionndola como salida. Dependiendo del resultado, el climatizador podra aumentar la temperatura o disminuirla dependiendo del grado de la salida.

Aplicaciones
Aplicaciones generales
La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy alta y no existen modelos matemticos precisos, para procesos altamente no lineales y cuando se envuelven definiciones y conocimiento no estrictamente definido (impreciso o subjetivo). En cambio, no es una buena idea usarla cuando algn modelo matemtico ya soluciona eficientemente el problema, cuando los problemas son lineales o cuando no tienen solucin. Esta tcnica se ha empleado con bastante xito en la industria, principalmente en Japn, y cada vez se est usando en gran multitud de campos. La primera vez que se us de forma importante fue en el metro japons, con excelentes resultados. A continuacin se citan algunos ejemplos de su aplicacin: Sistemas de control de acondicionadores de aire Sistemas de foco automtico en cmaras fotogrficas Electrodomsticos familiares (frigorficos, lavadoras...) Optimizacin de sistemas de control industriales Sistemas de escritura

Lgica difusa Mejora en la eficiencia del uso de combustible en motores Sistemas expertos del conocimiento (simular el comportamiento de un experto humano) Tecnologa informtica Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL. ...y, en general, en la gran mayora de los sistemas de control que no dependen de un S/No.

45

Lgica difusa en inteligencia artificial

En Inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la resolucin de una variedad de problemas, principalmente los relacionados con control de procesos industriales complejos y sistemas de decisin en general, la resolucin la compresin de datos. Los sistemas de lgica difusa estn tambin muy extendidos en la tecnologa cotidiana, por ejemplo en cmaras digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas basados en lgica difusa imitan la forma en que toman decisiones los humanos, con la ventaja de ser mucho ms rpidos. Estos sistemas son generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de entrada. Algunos lenguajes de programacin lgica que han incorporado la lgica difusa seran por ejemplo las diversas implementaciones de Fuzzy PROLOG o el lenguaje Fril. Consiste en la aplicacin de la lgica difusa con la intencin de imitar el razonamiento humano en la programacin de computadoras. Con la lgica convencional, las computadoras pueden manipular valores estrictamente duales, como verdadero/falso, s/no o ligado/desligado. En la lgica difusa, se usan modelos matemticos para representar nociones subjetivas, como caliente/tibio/fro, para valores concretos que puedan ser manipuladas por los ordenadores. En este paradigma, tambin tiene un especial valor la variable del tiempo, ya que los sistemas de control pueden necesitar retroalimentarse en un espacio concreto de tiempo, pueden necesitarse datos anteriores para hacer una evaluacin media de la situacin en un perodo anterior...

Ventajas e inconvenientes
Como principal ventaja, cabe destacar los excelentes resultados que brinda un sistema de control basado en lgica difusa: ofrece salidas de una forma veloz y precisa, disminuyendo as las transiciones de estados fundamentales en el entorno fsico que controle. Por ejemplo, si el aire acondicionado se encendiese al llegar a la temperatura de 30, y la temperatura actual oscilase entre los 29-30, nuestro sistema de aire acondicionado estara encendindose y apagndose continuamente, con el gasto energtico que ello conllevara. Si estuviese regulado por lgica difusa, esos 30 no seran ningn umbral, y el sistema de control aprendera a mantener una temperatura estable sin continuos apagados y encendidos. Tambin est la indecisin de decantarse bien por los expertos o bien por la tecnologa (principalmente mediante redes neuronales) para reforzar las reglas heursticas iniciales de cualquier sistema de control basado en este tipo de lgica.

Lgica difusa

46

Enlaces externos
Centro de investigacin espaol, organiza cursos y seminarios sobre lgica difusa [1] FuzzyLite: A Free Open Source Fuzzy Inference System Library (C++) [2] Lgica difusa: Introduccin a la lgica difusa y su relacin con el control de procesos [3] Lgica difusa: una concepcin infinitesimal de la verdad? [4] Morillas Raya, A. (2006): Introduccin al anlisis de datos difusos [5] PDF Curso Introductorio de Conjuntos y Sistemas Difusos [6] (Lgica Difusa y Aplicaciones), por el Dr. Jos Galindo G., Universidad de Mlaga (Espaa)

Referencias
[1] [2] [3] [4] [5] [6] http:/ / www. softcomputing. es/ es/ portada. php http:/ / code. google. com/ p/ fuzzy-lite http:/ / www. ingleslaboral. com/ index. php?option=com_content& task=view& id=77& Itemid=37 http:/ / www. telefonica. net/ web/ mir/ ferran/ kosko. htm http:/ / www. eumed. net/ libros/ 2006b/ amr/ http:/ / www. lcc. uma. es/ ~ppgg/ FSS/

Lgica
La lgica es una ciencia formal y una rama de la filosofa que estudia los principios de la demostracin e inferencia vlida. La palabra deriva del griego antiguo (logike), que significa dotado de razn, intelectual, dialctico, argumentativo, que a su vez viene de (logos), palabra, pensamiento, idea, argumento, razn o principio. La lgica examina la validez de los argumentos en trminos de su estructura, (estructura lgica), independientemente del contenido especfico del discurso y de la lengua utilizada en su expresin y de los estados reales a los que dicho contenido se pueda referir. Esto es exactamente lo que quiere decir que la lgica es una ciencia formal. Tradicionalmente ha sido considerada como una parte de la filosofa. Pero en su desarrollo histrico, a partir del final del siglo XIX, y su formalizacin simblica ha mostrado su ntima relacin con las matemticas; de tal forma que algunos la consideran como Lgica matemtica. En el siglo XX la lgica ha pasado a ser principalmente la lgica simblica. Un clculo definido por unos smbolos y unas reglas de inferencia.[1] Lo que ha permitido un campo de aplicacin fundamental en la actualidad: la informtica. Hasta entonces la lgica no tuvo este sentido de estructura formal estricta. La tradicin aristotlica y estoica,[2] mantuvo siempre una relacin con los argumentos del lenguaje natural, concediendo por tanto a los argumentos una transmisin de contenidos verdaderos. Por ello an siendo formales, no eran formalistas.[3] Hoy, tras los progresos cientficos relativos a la lingstica, y el concepto semntico de verdad en su relacin con el lenguaje,[4] tal relacin se trata bajo un punto de vista completamente diferente. La formalizacin estricta ha mostrado las limitaciones de la lgica tradicional interpretada actualmente como una particularidad de la lgica de clases.[5]

Lgica

47

Diferentes acepciones del trmino lgica

Ciencia argumentativa y propedutica
El trmino lgica, se encuentra en los antiguos peripatticos y estoicos como una teora de la argumentacin o argumento cerrado;[6]De este modo la forma argumentativa responde al principio de conocimiento que supone que representa adecuadamente la realidad.[7] Por ello, sin perder su condicin de formalidad, no son formalistas y no acaban de desprenderse de las estructuras propias del lenguaje.[3] Con el nombre de Dialctica, en la Edad Media, la Lgica mantiene la condicin de ciencia propedutica. As se estudia en la estructura de las enseanzas del Trivium como una de las artes liberales. En la Edad Moderna la lgica tradicional aristotlica adquiere un nuevo enfoque en las interpretaciones racionalistas de Port Royal, en el siglo XVII, pero tampoco supusieron un cambio radical en el concepto de la Lgica como ciencia.

Ciencia del pensar

Los filsofos racionalistas, sin embargo, al situar el origen de la reflexin filosfica en la conciencia, aportaron, a travs del desarrollo del anlisis como mtodo cientfico del pensar,[8] los temas que van a marcar el desarrollo de la lgica formal. Son de especial importancia la idea de Descartes de una Mathesis universalis[9] y de Leibniz que, con su Characteristica Universalis supone la posibilidad de un lenguaje universal, especificado con precisin matemtica sobre la base de que la sintaxis de las palabras debera estar en correspondencia con las entidades designadas como individuos o elementos metafsicos, lo que hara posible un clculo o computacin mediante algoritmo en el descubrimiento de la verdad.[10][11] Aparecen los primeros intentos y realizaciones de mquinas de clculo, (Pascal, Leibniz) y, aunque su desarrollo no fue eficaz, sin embargo la idea de una Mathesis Universal o Caracterstica Universal, es el antecedente inmediato del desarrollo de la lgica simblica a partir del siglo XX.

Gottfried Leibniz (1646-1716).

La palabra lgica ha sido utilizada como lgica trascendental por Kant, en el sentido de investigar los conceptos puros a priori del entendimiento o categoras trascendentales. Hegel considera la lgica dentro del absoluto como proceso dialctico del Absoluto, entendido ste como Principio Absoluto, Espritu Absoluto, y Sujeto, como Sujeto Absoluto.[12][13]La lgica, la epistemologa y la ontologa van unidas y son expuestas en la filosofa entendida sta como Sistema Absoluto.

Lgica

48

Ciencia formal
En el ltimo tercio del siglo XIX la Lgica va a encontrar su transformacin ms profunda de la mano de las investigaciones matemticas y lgicas, junto con el desarrollo de la investigacin de las estructuras profundas del lenguaje, la lingstica, convirtindose definitivamente en una ciencia formal.

La lgica informal
En el lenguaje cotidiano, expresiones como lgica o pensamiento lgico, aporta tambin un sentido alrededor de un pensamiento lateral comparado, haciendo los contenidos de la afirmacin coherentes con un contexto, bien sea del discurso o de una teora de la ciencia, o simplemente con las creencias o evidencias transmitidas por la tradicin cultural. Del mismo modo existe el concepto sociolgico y cultural de lgica como, p.e. la lgica de las mujeres, lgica deportiva, etc. que, en general, podramos considerar como lgica cotidiana - tambin conocida como lgica del sentido comn. En estas reas la lgica suele tener una referencia lingstica en lapragmtica. Unargumentoen este sentido tiene su lgica cuando resulta convincente, razonable y claro; en definitiva cuando cumple una funcin de eficacia. La habilidad de pensar y expresar un argumento as corresponde a la retrica, cuya relacin con la verdad es una relacin probable.[14]

Sistemas lgicos
Existe un debate sobre si es correcto hablar de una lgica, o de varias lgicas, pero en el siglo XX se han desarrollado no uno, sino varios sistemas lgicos diferentes, que capturan y formalizan distintas partes del lenguaje natural. Se podra definir a un sistema lgico como un conjunto de cosas, que nos ayudan en la toma de decisiones que sean lo ms convenientemente posible. Un sistema lgico est compuesto por: 1. Un conjunto de smbolos primitivos (el alfabeto, o vocabulario). 2. Un conjunto de reglas de formacin (la gramtica) que nos dice cmo construir frmulas bien formadas a partir de los smbolos primitivos. 3. Un conjunto de axiomas o esquemas de axiomas. Cada axioma debe ser una frmula bien formada. 4. Un conjunto de reglas de inferencia. Estas reglas determinan qu frmulas pueden inferirse de qu frmulas. Por ejemplo, una regla de inferencia clsica es el modus ponens, segn el cual, dada una frmula A, y otra frmula A B, la regla nos permite afirmar que B. Estos cuatro elementos completan la parte sintctica de los sistemas lgicos. Sin embargo, todava no se ha dado ningn significado a los smbolos discutidos, y de hecho, un sistema lgico puede definirse sin tener que hacerlo. Tal tarea corresponde al campo llamado semntica formal, que se ocupa de introducir un quinto elemento: 1. Una interpretacin formal. En los lenguajes naturales, una misma palabra puede significar diversas cosas dependiendo de la interpretacin que se le d. Por ejemplo, en el idioma espaol, la palabra banco puede significar un edificio o un asiento, mientras que en otros idiomas puede significar algo completamente distinto o nada en absoluto. En consecuencia, dependiendo de la interpretacin, variar tambin el valor de verdad de la oracin el banco est cerca. Las interpretaciones formales asignan significados inequvocos a los smbolos, y valores de verdad a las frmulas.

Lgica Lgicas clsicas Los sistemas lgicos clsicos son los ms estudiados y utilizados de todos, y se caracterizan por incorporar ciertos principios tradicionales que otras lgicas rechazan. Algunos de estos principios son: el principio del tercero excluido, el principio de no contradiccin, el principio de explosin y la monoticidad de la implicacin. Entre los sistemas lgicos clsicos se encuentran: Lgica proposicional Lgica de primer orden Lgica de segundo orden Lgicas no clsicas Los sistemas lgicos no clsicos son aquellos que rechazan uno o varios de los principios de la lgica clsica. Algunos de estos sistemas son: Lgica difusa: Es una lgica plurivalente que rechaza el principio del tercero excluido y propone un nmero infinito de valores de verdad. Lgica relevante: Es una lgica paraconsistente que evita el principio de explosin al exigir que para que un argumento sea vlido, las premisas y la conclusin deben compartir al menos una variable proposicional. Lgica cuntica: Desarrollada para lidiar con razonamientos en el campo de la mecnica cuntica; su caracterstica ms notable es el rechazo de la propiedad distributiva. Lgica no monotnica: Una lgica no monotnica es una lgica donde, al agregar una frmula a una teora cualquiera, es posible que el conjunto de consecuencias de esa teora se reduzca. Lgica intuicionista: Enfatiza las pruebas, en vez de la verdad, a lo largo de las transformaciones de las proposiciones. Lgicas modales Las lgicas modales estn diseadas para tratar con expresiones que califican la verdad de los juicios. As por ejemplo, la expresin siempre califica a un juicio verdadero como verdadero en cualquier momento, es decir, siempre. No es lo mismo decir est lloviendo que decir siempre est lloviendo. Lgica modal: Trata con las nociones de necesidad, posibilidad, imposibilidad y contingencia. Lgica dentica: Se ocupa de las nociones morales de obligacin y permisibilidad. Lgica temporal: Abarca operadores temporales como siempre, nunca, antes, despus, etc. Lgica epistmica: Es la lgica que formaliza los razonamientos relacionados con el conocimiento. Lgica doxstica: Es la lgica que trata con los razonamientos acerca de las creencias.

49

Metalgica
Mientras la lgica se encarga, entre otras cosas, de construir sistemas lgicos, la metalgica se ocupa de estudiar las propiedades de dichos sistemas. Las propiedades ms importantes que se pueden demostrar de los sistemas lgicos son: Consistencia Un sistema tiene la propiedad de ser consistente cuando no es posible deducir una contradiccin dentro del sistema. Es decir, dado un lenguaje formal con un conjunto de axiomas, y un aparato deductivo (reglas de inferencia), no es posible llegar a una contradiccin.

Lgica Decidibilidad Se dice de un sistema que es decidible cuando, para cualquier frmula dada en el lenguaje del sistema, existe un mtodo efectivo para determinar si esa frmula pertenece o no al conjunto de las verdades del sistema. Cuando una frmula no puede ser probada verdadera ni falsa, se dice que la frmula es independiente, y que por lo tanto el sistema es no decidible. La nica manera de incorporar una frmula independiente a las verdades del sistema es postulndola como axioma. Dos ejemplos muy importantes de frmulas independientes son el axioma de eleccin en la teora de conjuntos, y el quinto postulado de la geometra euclidiana. Completitud Se habla de completitud en varios sentidos, pero quizs los dos ms importantes sean los de completitud semntica y completitud sintctica. Un sistema S en un lenguaje L es semnticamente completo cuando todas las verdades lgicas de L son teoremas de S. En cambio, un sistema S es sintcticamente completo si, para toda frmula A del lenguaje del sistema, A es un teorema de S o A es un teorema de S. Esto es, existe una prueba para cada frmula o para su negacin. La lgica proposicional y la lgica de predicados de primer orden son ambas semnticamente completas, pero no sintcticamente completas. Por ejemplo, ntese que en la lgica proposicional, la frmula p no es un teorema, y tampoco lo es su negacin, pero como ninguna de las dos es una verdad lgica, no afectan a la completitud semntica del sistema. El segundo teorema de incompletitud de Gdel demuestra que ningn sistema (definido recursivamente) con cierto poder expresivo puede ser a la vez consistente y completo.

50

Falacias
Una falacia es un argumento que si bien puede ser convincente o persuasivo,[15] no es lgicamente vlido. Esto no quiere decir que la conclusin de los argumentos falaces sea falsa, sino que el argumento mismo es malo, no es vlido.[16] Existen varias maneras de clasificar a la gran cantidad de falacias conocidas, pero quizs la ms neutral y general (aunque tal vez un poco amplia), sea la que divide a las falacias en formales e informales. Falacias formales Las falacias formales son aquellas cuyo error reside en la forma o estructura de los argumentos. Algunos ejemplos conocidos de falacias formales son: Afirmacin del consecuente: Un ejemplo de esta falacia podra ser: 1. Si Mara estudia, entonces aprobar el examen. 2. Mara aprob el examen. 3. Por lo tanto, Mara estudi. Esta falacia resulta evidente cuando advertimos que puede haber muchas otras razones de por qu Mara aprob el examen. Por ejemplo, pudo haber copiado, o quiz tuvo suerte, o quiz aprob gracias a lo que recordaba de lo que escuch en clase, etc. En tanto es una falacia formal, el error en este argumento reside en la forma del mismo, y no en el ejemplo particular de Mara y su examen. La forma del argumento es la siguiente: 1. Si p, entonces q. 2. q 3. Por lo tanto, p. Generalizacin apresurada: En esta falacia, se intenta concluir una proposicin general a partir de un nmero relativamente pequeo de casos particulares. Por ejemplo: 1. Todos las personas altas que conozco son rpidas. 2. Por lo tanto, todas las personas altas son rpidas.

Lgica El lmite entre una generalizacin apresurada y un razonamiento inductivo puede ser muy delgado, y encontrar un criterio para distinguir entre uno y otro es parte del problema de la induccin. Falacias informales Las falacias informales son aquellas cuya falta est en algo distinto a la forma o estructura de los argumentos. Esto resulta ms claro con algunos ejemplos: Falacia ad hominem: se llama falacia ad hominem a todo argumento que, en vez de atacar la posicin y las afirmaciones del interlocutor, ataca al interlocutor mismo. La estrategia consiste en descalificar la posicin del interlocutor, al descalificar a su defensor. Por ejemplo, si alguien argumenta: Usted dice que robar est mal, pero usted tambin lo hace, est cometiendo una falacia ad hominem (en particular, una falacia tu quoque), pues pretende refutar la proposicin robar est mal mediante un ataque al proponente. Si un ladrn dice que robar est mal, quizs sea muy hipcrita de su parte, pero eso no afecta en nada a la verdad o la falsedad de la proposicin en s. Falacia ad verecundiam: se llama falacia ad verecundiam a aquel argumento que apela a la autoridad o al prestigio de alguien o de algo a fin de defender una conclusin, pero sin aportar razones que la justifiquen. Falacia ad ignorantiam: se llama falacia ad ignorantiam al argumento que defiende la verdad o falsedad de una proposicin porque no se ha podido demostrar lo contrario. Falacia ad baculum: Se llama falacia ad baculum a todo argumento que defiende una proposicin basndose en la fuerza o en la amenaza. Falacia circular: se llama falacia circular a todo argumento que defiende una conclusin que se verifica recprocamente con la premisa, es decir que justifica la vericidad de la premisa con la de la conclusin y viceversa, cometiendo circularidad. Falacia del hombre de paja: Sucede cuando, para rebatir los argumentos de un interlocutor, se distorsiona su posicin y luego se refuta esa versin modificada. As, lo que se refuta no es la posicin del interlocutor, sino una distinta que en general es ms fcil de atacar. Tmese por ejemplo el siguiente dilogo: Persona A: Sin duda estars de acuerdo en que los Estados Unidos tienen el sistema legal ms justo y el gobierno ms organizado. Persona B: Si los Estados Unidos son el mejor pas del mundo, eso slo significa que las opciones son muy pocas y muy pobres. En este dilogo, la persona B puso en la boca de la persona A algo que sta no dijo: que los Estados Unidos son el mejor pas del mundo. Luego atac esa posicin, como si fuera la de la persona A.

51

Paradojas
Una paradoja es un razonamiento en apariencia vlido, que parte de premisas en apariencia verdaderas, pero que conduce a una contradiccin o a una situacin contraria al sentido comn.[17] Los esfuerzos por resolver ciertas paradojas han impulsado desarrollos en la lgica, la filosofa, la matemtica y las ciencias en general.

Historia de la lgica
Histricamente la palabra lgica ha ido cambiando de sentido. Comenz siendo una modelizacin de los razonamientos, propuesta por los filsofos griegos, y posteriormente ha evolucionado hacia diversos sistemas formales. Etimolgicamente la palabra lgica deriva del trmino griego logiks, que a su vez deriva de logos 'razn, palabra, discurso'.[18] En un principio la lgica no tuvo el sentido de estructura formal estricta.

Lgica

52

Edad Antigua
La lgica, como un anlisis explcito de los mtodos de razonamiento, se desarroll originalmente en tres civilizaciones de la historia antigua: China, India y Grecia, entre el sigloV y el sigloIa.C. En China no dur mucho tiempo: la traduccin y la investigacin escolar en lgica fue reprimida por la dinasta Qin, acorde con la filosofa legista. En India, la lgica dur bastante ms: se desarroll (por ejemplo con la nyya) hasta que en el mundo islmico apareci la escuela de Asharite, la cual suprimi parte del trabajo original en lgica. A pesar de lo anterior, hubo innovaciones escolsticas indias hasta principios del siglo XIX, pero no sobrevivi mucho dentro de la India colonial. El tratamiento sofisticado y formal de la lgica moderna aparentemente proviene de la tradicin griega. Se considera a Aristteles el fundador de la lgica como propedutica o herramienta bsica para todas las ciencias. Aristteles fue el primero en formalizar los razonamientos, utilizando letras para representar trminos. Tambin fue el primero en emplear el trmino lgica para referirse al estudio de los argumentos dentro del lenguaje apofntico como manifestador de la verdad en la ciencia. Sostuvo que la verdad se manifiesta en el juicio verdadero y el argumento vlido en el silogismo: Silogismo es un argumento en el cual, establecidas ciertas cosas, resulta necesariamente de ellas, por ser lo que son, otra cosa diferente.[19] Se refiri en varios escritos de su rganon a cuestiones tales como concepto, la proposicin, definicin, prueba y falacia. En su principal obra lgica, los Primeros analticos, desarroll el silogismo, un sistema lgico de estructura rgida. Aristteles tambin formaliz el cuadro de oposicin de los juicios y categoriz las formas vlidas del silogismo. Adems, Aristteles reconoci y estudi los argumentos inductivos, base de lo que constituye la ciencia experimental, cuya lgica est estrechamente ligada al mtodo cientfico. La influencia de los logros de Aristteles fue tan grande, que en el siglo XVIII, Immanuel Kant lleg a decir que Aristteles haba prcticamente completado la ciencia de la lgica.[20] Los filsofos estoicos introdujeron el silogismo hipottico y anunciaron la lgica proposicional, pero no tuvo mucho desarrollo. Por otro lado, la lgica informal fue cultivada por la retrica, la oratoria y la filosofa, entre otras ramas del conocimiento. Estos estudios se centraron principalmente en la identificacin de falacias y paradojas, as como en la construccin correcta de los discursos. En el periodo romano la lgica tuvo poco desarrollo, ms bien se hicieron sumarios y comentarios a las obras recibidas, siendo los ms notables: Cicern, Porfirio y Boecio. En el perodo bizantino, Filopn.

Edad Media
Con el nombre de Dialctica en la Edad Media la Lgica mantiene la condicin de ciencia propedutica. As se estudia en la estructura de las enseanzas del Trivium como una de las artes liberales pero sin especiales aportaciones en la Alta Edad Media. En su evolucin hacia la Baja Edad Media son importantes las aportaciones rabes de Al-Farab; Avicena[21] y Averroes, pues fueron los rabes quienes reintrodujeron los escritos de Aristteles en Europa. En la Baja Edad Media su estudio era requisito para entrar en cualquier universidad. Desde mediados del siglo XIII se incluyen en la lgica tres cuerpos separados del texto. En la logica vetus y logica nova es tradicional escritos lgicos, especialmente el rganon de Aristteles y los comentarios de Boecio y Porfirio. La parva logicalia puede ser considerada como representativa de la lgica medieval.

Averroes, uno de los principales rabes en rescatar la lgica aristotlica y regresarla a Occidente.

La evolucin crtica que se va desarrollando a partir de las aportaciones de Abelardo dinamizaron la problemtica lgica y epistemolgica a partir del siglo XIII (Pedro Hispano; Raimundo Lulio[22]Lambert de Auxerre Guillermo de

Lgica Sherwood) que culminaron en toda la problemtica del siglo XIV: Guillermo de Ockham; Jean Buridan; Alberto de Sajonia. Aqu estn tratados una cantidad de nuevos problemas en la frontera de la lgica y la semntica que no fueron tratados por los pensadores antiguos. De especial relevancia es la problemtica respecto a la valoracin de los trminos del lenguaje en relacin con los conceptos universales, as como el estatuto epistemolgico y ontolgico de stos.

53

La Edad Moderna
Un nuevo enfoque adquiere esta lgica en las interpretaciones racionalistas de Port Royal, en el siglo XVII, (Antoine Arnauld; Pierre Nicole) pero tampoco supusieron un cambio radical en el concepto de la Lgica como ciencia. Los filsofos racionalistas, sin embargo, aportaron a travs del desarrollo del anlisis y su desarrollo en las matemticas (Descartes, Pascal y, sobre todo Leibniz) los temas que van a marcar el desarrollo posterior. Son de especial importancia la idea de Descartes de una Mathesis universalis[23] y de Leibniz en la bsqueda de un lenguaje universal, especificado con precisin matemtica sobre la base de que la sintaxis de las palabras debera estar en correspondencia con las entidades designadas como individuos o elementos metafsicos, lo que hara posible un clculo o computacin mediante algoritmo en el descubrimiento de la verdad.[24] Aparecen los primeros intentos y realizaciones de mquinas de clculo, (Pascal, Leibniz) y, aunque su desarrollo no fue eficaz, sin embargo la idea de una Mathesis Universal o Caracterstica Universal, es el antecedente inmediato del desarrollo de la lgica a partir del siglo XX. Kant consideraba que la lgica por ser una ciencia a priori haba encontrado su pleno desarrollo prcticamente con la lgica aristotlica, por lo que apenas haba sido modificada desde entonces.[25] Pero hace un uso nuevo de la palabra lgica como lgica trascendental, en el sentido de investigar los conceptos puros del entendimiento o categoras trascendentales. La lgica del pensar trascendental acaba situndose en un proceso dialctico como idealismo subjetivo en Fichte; idealismo objetivo en Schelling y, finalmente un idealismo absoluto en Hegel considera la lgica dentro del Absoluto como un proceso dialctico del Espritu Absoluto[26]que produce sus determinaciones como concepto y su realidad como resultado en el devenir de la Idea del Absoluto como Sujeto[27] cuya verdad se manifiesta en el resultado del movimiento mediante la contradiccin en tres momentos sucesivos, tesis-anttesis-sntesis. La epistemologa y la ontologa van unidas y expuestas en la Filosofa entendida sta como Sistema Absoluto.

Siglo XIX
A partir de la segunda mitad del siglo XIX, la lgica sera revolucionada profundamente. En 1847, George Boole public un breve tratado titulado El anlisis matemtico de la lgica, y en 1854 otro ms importante titulado Las leyes del pensamiento. La idea de Boole fue construir a la lgica como un clculo en el que los valores de verdad se representan mediante el 0 (falsedad) y el 1 (verdad), y a los que se les aplican operaciones matemticas como la suma y la multiplicacin. Al mismo tiempo, Augustus De Morgan publica en 1847 su obra Lgica formal, donde introduce las leyes de De Morgan e intenta generalizar la nocin de silogismo. Otro importante contribuyente ingls fue John Venn, quien en 1881 public su libro Lgica Simblica, donde introdujo los famosos diagramas de Venn. Charles Sanders Peirce y Ernst Schrder tambin hicieron importantes contribuciones. Sin embargo, la verdadera revolucin de la lgica vino de la mano de Gottlob Frege, quien frecuentemente es considerado como el lgico ms importante de la historia, junto con Aristteles. En su trabajo de 1879, la Conceptografa, Frege ofrece por primera vez un un sistema completo de lgica de predicados. Tambin desarrolla la idea de un lenguaje formal y define la nocin de prueba. Estas ideas constituyeron una base terica fundamental

Lgica para el desarrollo de las computadoras y las ciencias de la computacin, entre otras cosas. Pese a esto, los contemporneos de Frege pasaron por alto sus contribuciones, probablemente a causa de la complicada notacin que desarroll el autor. En 1893 y 1903, Frege publica en dos volmenes Las leyes de la aritmtica, donde intenta deducir toda la matemtica a partir de la lgica, en lo que se conoce como el proyecto logicista. Su sistema, sin embargo, contena una contradiccin (la paradoja de Russell).

54

Siglo XX
El siglo XX sera uno de enormes desarrollos en lgica. A partir del siglo XX, la lgica pas a estudiarse por su inters intrnseco, y no slo por sus virtudes como propedutica, por lo que estudi a niveles mucho ms abstractos. En 1910, Bertrand Russell y Alfred North Whitehead publican Principia mathematica, un trabajo monumental en el que logran gran parte de la matemtica a partir de la lgica, evitando caer en las paradojas en las que cay Frege. Los autores reconocen el mrito de Frege en el prefacio. En contraste con el trabajo de Frege, Principia mathematica tuvo un xito rotundo, y lleg a considerarse uno de los trabajos de no ficcin ms importantes e influyentes de todo el siglo XX. Principia mathematica utiliza una notacin inspirada en la de Giuseppe Peano, parte de la cual todava es muy utilizada hoy en da. Si bien a la luz de los sistemas contemporneos la lgica aristotlica puede parecer equivocada e incompleta, Jan ukasiewicz mostr que, a pesar de sus grandes dificultades, la lgica aristotlica era consistente, si bien haba que interpretarse como lgica de clases, lo cual no es pequea modificacin. Por ello la silogstica prcticamente no tiene uso actualmente. Adems de la lgica proposicional y la lgica de predicados, el siglo XX vio el desarrollo de muchos otros sistemas lgicos; entre los que destacan las muchas lgicas modales.

Notas y referencias
[1] clculo; Clculo lgico [2] La primera en referencia al silogismo; la segunda en cuanto a lgica proposicional y argumentacin hipottica [3] Correia, Manuel (2006). La actualidad de la lgica de Aristteles (http:/ / www. scielo. cl/ scielo. php?script=sci_arttext& pid=S0718-43602006000100009& lng=es& nrm=iso). Rev. filos. [online] 62: pp.139-150. . [4] Alfred Tarski [5] Gracias a la obra de Lukasiewicz. Vase Silogismo: Problemtica de la lgica aristotlica. [6] Kuno Lorenz: Logik, II.. Die antike Logik in Historisches Wrterbuch der Philosophie, Bd. 5, 362 nach E. Kapp: Der Ursprung der Logik bei den Griechen, 1965, 25 und mit Verweis auf Cicero: De finibus 1, 7, 22 [7] Como dice Aristteles respecto al silogismo:

Silogismo es unargumentoen el cual, establecidas ciertas cosas, resultanecesariamentede ellas, por ser lo que son, otra cosa diferente
Aristteles An. Pr. I 24 b 18-23 [8] Descartes, Pascal y, sobre todo, Leibniz que hicieron posible la aplicacin del clculo a la experiencia dando lugar al desarrollo de la lgica emprica como mtodo cientfico que hizo posible la Ciencia Moderna [9] Regulae ad directionem ingenii. Regla IV [10] T. Honderich. op. cit. [11] Sobre el supuesto de que en el alma existen unos principios del pensar (ideas innatas) que se corresponden a los principios del ser, pues en el fondo responden a Dios, que no puede engaarse ni engaarnos, segn Descartes o a una Armona Preestablecida, segn Leibniz, o a una unidad del pensar y ser en una nica Sustancia sive Deus sive Natura, segn Baruch Spinoza [12] El puro ser y la pura nada son, por lo tanto, la misma cosa.- Lo que constituye la verdad no es ni el ser ni la nada, sino aquello que no traspasa, sino que ha traspasado; vale decir, el ser [traspasado] en la n ada y la nada [traspasada] en el ser. Pero, al mismo tiempo, la verdad no es su indistincin, sino el que ellos no son lo mismo sino que son separables, e inmediatamente cada uno desaparece en su opuesto. Su verdad, pues, consiste en este movimiento del inmediato desaparecer de uno en otro: el devenir; un movimiento donde los dos son diferentes, pero por va de una diferencia que el mismo tiempo se ha resuelto inmediatamente.Hegel Wissenschaft der Logik. Ciencia de la Lgica. Libro I: La doctrina del ser. Seccin I: Determinacin (cualidad). Captulo I: c) Devenir. 1.- La unidad del ser y la nada. Cita y traduccin : Clemente Fernndez, S.I.Los filsofos modernos, seleccin de textos Tomo II. 1970. Madrid. BAC. Cursivas en el original citado [13] Para una exposicin sinttica del pensamiento de Hegel: Zubiri. Naturaleza, Historia y Dios. 1963. Editora Nacional. Hegel y el problema metafsico. p.223 y ss.

Lgica
[14] Aristteles [15] Entendiendo por convincente que manifiesta, o pretende manifestar, un conocimiento como verdadero; y persuasivo que mueve a actuar conforme se pretende mediante dicho argumento falaz [16] De hecho, el afirmar que una conclusin es falsa, porque es la conclusin de un argumento falaz, es en s mismo una falacia (en ingls llamada argument from fallacy). [17] Robert Audi, ed., paradox (en ingls), The Cambridge Dictionary of Philosophy (2nd Edition), Cambridge University Press, A seemingly sound piece of reasoning based on seemingly true assuptions that leads to a contradiction (or other obviously false conclusin).. [18] Diccionario etimolgico chileno en lnea (http:/ / etimologias. dechile. net/ ?lo. gica). [19] Aristteles. Primeros analticos. I 24b 18-23. [20] Kant. Crtica de la Razn Pura, 1781 [21] De especial relevancia es su distincin entre ser de esencia y ser de existencia de gran importancia en la interpretacin de la lgica. [22] Con la idea de confeccionar unas tablas o Ars Magna, a modo de mquina que permitiera la deduccin de todas las verdades, incluidas las de la Fe [23] Regulae ad directionem ingenii. Regla IV [24] Enciclopedia Oxford de Filosofa. op. cit. [25] As lo expresa:

55

La lgica de Aristteles no ha tenido que retroceder un solo paso.... Es tambin digno de atencin que tampoco haya podido dar, hasta ahora, ningn paso hacia adelante, y que, segn toda apariencia, parece ya cerrada y acabada. Cuando algunos modernos han tratado de extenderla introduciendo captulos, slo han hecho palpable la ignorancia que tienen de la propia naturaleza de esta ciencia. Cuando se traspasan los lmites de una ciencia y se entra en otra no es un aumento lo que se produce, antes bien una desnaturalizacin. >Los lmites de la lgica estn claramente determinados, el ser una ciencia que slo expone y demuestra rigurosamente las reglas formales del pensar
Kant. Crtica de la Razn Pura, 1781 [26] El puro ser y la pura nada son, por lo tanto, la misma cosa.- Lo que constituye la verdad no es ni el ser ni la nada, sino aquello que no traspasa, sino que ha traspasado; vale decir, el ser [traspasado] en la n ada y la nada [traspasada ] en el ser. Pero, al mismo tiempo, la verdad no es su indistincin, sino el que ellos no son lo mismo sino que son separables, e inmediatamente cada uno desaparece en su opuesto. Su verdad, pues, consiste en este movimiento del inmediato desaparecer de uno en otro: el devenir; un movimiento donde los dos son diferentes, pero por va de una diferencia que el mismo tiempo se ha resuelto inmediatamente.Hegel Wissenschaft der Logik. Ciencia de la Lgica. Libro I: La doctrina del ser. Seccin I: Determinacin (cualidad). Captulo I: c) Devenir. 1.- La unidad del ser y la nada. Cita y traduccin : Clemente Fernndez, S.I.Los filsofos modernos, seleccin de textos Tomo II. 1970. Madrid. BAC. Cursivas en el original citado [27] El Absoluto se ha de entender como Sujeto, no como sustancia; frente a la idea aristotlica del ser que ha predominado en la filosofa tradicional. Para una exposicin sinttica del pensamiento de Hegel: Zubiri. Naturaleza, Historia y Dios. 1963. Editora Nacional.Hegel y el problema metafsico. p.223 y ss.

Bibliografa adicional
Priest, Graham (2008). An introduction to non-classical logic: From if to is (http://cesfia.org.pe/analitica/3/ Trelles.pdf) (2 edicin). Nueva York: Cambridge University Press. ISBN 978-0521854337. Ferrater Mora, J. (1984). Diccionario de Filosofa (4 tomos). Barcelona. Alianza Diccionarios.. ISBN 84-206-5299-7. Honderich, T.(Editor) (2001). Enciclopedia Oxford de Filosofa. Trd. Carmen Garca Trevijano. Madrid. Editorial Tecnos. ISBN 84-309-3699-8.

Enlaces externos
Wikimedia Commons alberga contenido multimedia sobre Lgica. Commons Wikcionario tiene definiciones para lgica.Wikcionario Wikiquote alberga frases clebres de o sobre lgica. Wikiquote

Wikiversidad alberga proyectos de aprendizaje sobre Lgica.Wikiversidad Aprende Lgica (Autor: Francisco Jos Calzado Fernndez) (http://w3.cnice.mec.es/eos/ MaterialesEducativos/mem2003/logica/) Breve Historia de la Lgica (http://www.euclides.org/menu/articles/article101.htm)

Red neuronal

56

Red neuronal
Una red neuronal o red neural, puede referirse a: Red neuronal artificial, modelos matemticos, computacionales, reales, ideales de una red neuronal empleados en estadstica, psicologa cognitiva, e inteligencia artificial. Red neuronal biolgica, cmulo de neuronas fsicamente interconectadas cuya actividad ayuda a definir un circuito reconocible en el sistema nervioso.

Lgica paraconsistente
Una lgica paraconsistente es un sistema lgico que intenta tratar las contradicciones en forma atenuada. Alternativamente, la lgica paraconsistente es un campo de la lgica que se ocupa del estudio y desarrollo de sistemas lgicos paraconsistentes (o "tolerantes a la inconsistencia"). (En este artculo el trmino es utilizado en ambas acepciones.) Las lgicas tolerantes a la inconsistencia existen por lo menos desde 1910 (y es posible argumentar que muchsimo antes, por ejemplo en los escritos de Aristteles); sin embargo, la palabra paraconsistente ("ms all de la consistencia") recin fue acuada en 1976, por el filsofo peruano Francisco Mir Quesada.[1]

Definicin
En lgica clsica (como tambin en lgica intuitiva y muchos otros tipos de lgicas), las contradicciones lo implican todo. Esta curiosa caracterstica, conocida como el principio de explosin o ex contradictione sequitur quodlibet ("a partir de una contradiccin, se puede deducir cualquier cosa"), se puede expresar formalmente como

donde

representa una consecuencia lgica. Por lo tanto si una teora contiene una nica inconsistencia, resulta

trivial esto es que toda expresin se entiende como un teorema. La caracterstica distintiva de una lgica paraconsistente es que rechaza el principio de explosin. Por lo tanto a diferencia de la lgica clsica y otros tipos de lgicas, las lgicas paraconsistentes pueden ser usadas para formalizar teoras inconsistentes no triviales.

Las lgicas paraconsistentes son ms dbiles que las lgicas clsicas

Debe destacarse que las lgicas paraconsistentes en general son ms dbiles que las lgicas clsicas; o sea es posible realizar a partir de ellas una menor cantidad de inferencias. (Hablando estrictamente, una lgica paraconsistente puede validar inferencias que no son vlidas segn formatos clsicos, aunque esto solo ocurre espordicamente. El punto importante es que una lgica paraconsistente nunca puede ser la extensin de una lgica clsica, es decir, validar todo aquello que es posible validar mediante una lgica clsica.) En ese sentido, la lgica paraconsistente es ms "conservativa" o "cautelosa" que una lgica clsica.

Lgica paraconsistente

57

Personalidades destacadas
Personalidaes destacadas en la historia y /o el desarrollo de la lgica paraconsistente son: Alan Ross Anderson (EE. UU., 19251973). Uno de los fundadores de la lgica de relevancia, un tipo de lgica paraconsistente. F. G. Asenjo (Argentina) Diderik Batens (Blgica) Nuel Belnap (EE. UU., b. 1930). Trabaj con Anderson en lgica de relevancia. Jean-Yves Bziau (Francia/Suiza, b. 1965). Ha escrito en forma extensa sobre las caractersticas estructurales generales y bases filosficas de las lgicas paraconsistentes. Guillermo Pramo Rocha (Colombia) Antroplogo que ha propuesto el anlisis de las mitologas como formas de lgica paraconsistente. Ross Brady (Australia) Bryson Brown (Canad) Walter Carnielli (Brasil) Newton da Costa (Brasil, b. 1929). Uno de los primeros en desarrollar sistemas formales de lgica paraconsistente. Itala M. L. D'Ottaviano (Brasil) J. Michael Dunn (EE. UU.). Destacado en lgica de relevancia. Stanisaw Jakowski (Polonia). Uno de los primeros en desarrollar sistemas formales de lgica paraconsistente. R. E. Jennings (Canad) David Kellogg Lewis (USA, 19412001). Crtico de la lgica paraconsistente. Jan ukasiewicz (Polonia, 18781956) Robert K. Meyer (EE. UU./Australia) Chris Mortensen (Australia). Ha escrito numerosos trabajos sobre matemticas paraconsistente. Val Plumwood [formerly Routley] (Australia, b. 1939). Colaborador asiduo de Sylvan. Graham Priest (Australia). Probablemente el ms firma defensor actual de la lgica paraconsistente. Francisco Mir Quesada (Per). Acu la expresin "lgica paraconsistente". Peter Schotch (Canad) B. H. Slater (Australia). Otro tenaz crtico de la lgica paraconsistente. Richard Sylvan [formerly Routley] (Nueva Zelanda/Australia, 19351996). Destacado en logica de relevancia y colaborador frecuente con Plumwood yPriest. Nicolai A. Vasiliev (Rusia, 18801940). Primero en construir una lgica tolerante a contradiccin (1910).

Notas y referencias
[1] Priest (2002), p. 288 and 3.3.

Bibliografa
Aoyama, Hiroshi (2004). LK, LJ, Dual Intuitionistic Logic, and Quantum Logic. Notre Dame Journal of Formal Logic 45 (4): pp.193213. Bertossi, Leopoldo et al., eds.. Inconsistency Tolerance. Berlin: Springer. ISBN 3-540-24260-0. Bziau, Jean-Yves. What is Paraconsistent Logic?. En In D. Batens et al. (eds.). Frontiers of Paraconsistent Logic. Baldock: Research Studies Press. pp.95-111. ISBN 0-86380-253-2. Bremer, Manuel. An Introduction to Paraconsistent Logics. Frankfurt: Peter Lang. ISBN 3-631-53413-2. Brown, Bryson. On Paraconsistency.. En In Dale Jacquette (ed.). A Companion to Philosophical Logic. Malden, Massachusetts: Blackwell Publishers. pp.628-650. ISBN 0-631-21671-5.

Lgica paraconsistente Lewis, David. Logic for Equivocators. Papers in Philosophical Logic. Cambridge: Cambridge University Press. pp.97110. ISBN 0-521-58788-3. Priest, Graham. Paraconsistent Logic.. En In D. Gabbay and F. Guenthner (eds.). Handbook of Philosophical Logic, Volume 6 (2nd ed. edicin). The Netherlands: Kluwer Academic Publishers. pp.287-393. ISBN 1-4020-0583-0. Priest, Graham and Tanaka, Koji (2001). Paraconsistent Logic (http://plato.stanford.edu/archives/win2004/ entries/logic-paraconsistent/). Stanford Encyclopedia of Philosophy (Winter 2004 edition). Consultado el February 24de 2006. Slater, B. H. (1995). Paraconsistent Logics?. Journal of Philosophical Logic 24: pp.233254. Woods, John. Paradox and Paraconsistency: Conflict Resolution in the Abstract Sciences. Cambridge: Cambridge University Press. ISBN 0-521-00934-0. Hewitt, Carl (2007). Large-scale Organizational Computing requires Unstratified Paraconsistency and Reflection (http://www.ia.urjc.es/COIN2007/COIN2007.pdf). COIN@AAMAS'07. Consultado el April 23de 2007.

58

Enlaces externos
Stanford Encyclopedia of Philosophy "Inconsistent Mathematics" (http://plato.stanford.edu/entries/ mathematics-inconsistent/)

Ingeniera del conocimiento

La ingeniera del conocimiento es aquella disciplina moderna que forma parte de la Inteligencia Artificial y cuyo fin es el diseo y desarrollo de Sistemas Expertos (o Sistemas Basados en el Conocimiento SS.BB.CC). Para ello, se apoya en metodologas instruccionales y en las ciencias de la computacin y de las tecnologas de la informacin, intentando representar el conocimiento y razonamiento humanos en un determinado dominio, dentro de un sistema artificial. El trabajo de los ingenieros del conocimiento consiste en extraer el conocimiento de los expertos humanos en un determinado rea, y en codificar dicho conocimiento de manera que pueda ser procesado por un sistema. El problema es que el ingeniero del conocimiento no es un experto en el campo que intenta modelar, mientras que el experto en el tema no tiene experiencia modelando su conocimiento (basado en la heurstica) de forma que pueda ser representado de forma genrica en un sistema. La ingeniera del conocimiento engloba a los cientficos, tecnologa y metodologa necesarios para procesar el conocimiento. Su objetivo es extraer, articular e informatizar el conocimiento de un experto.

Gestin del conocimiento

59

Gestin del conocimiento

La gestin del conocimiento (del ingls Knowledge Management) es un concepto aplicado en las organizaciones. Tiene el fin de transferir el conocimiento desde el lugar dnde se genera hasta el lugar en dnde se va a emplear (BA Fuentes, 2010),[1] e implica el desarrollo de las competencias necesarias al interior de las organizaciones para compartirlo y utilizarlo entre sus miembros, as como para valorarlo y asimilarlo si se encuentra en el exterior de estas. El concepto de gestin del conocimiento no tiene definicin nica, sino que ha sido explicado de diversas formas: La gestin del conocimiento es el rea dedicada a la direccin de las tcticas y estrategias requeridas para la administracin de los recursos humanos intangibles en una organizacin (Brooking, 1996).[2] La gestin del conocimiento tiene perspectivas tcticas y operativas, es ms detallado que la gestin del capital intelectual y se centra en la forma de dar a conocer y administrar las actividades relacionadas con el conocimiento como su creacin, captura, transformacin y uso. Su funcin es planificar, implementar y controlar todas las actividades relacionadas con el conocimiento y los programas requeridos para la administracin efectiva del capital intelectual (Wiig, 1997).[3] La gestin del conocimiento es el proceso que continuamente asegura el desarrollo y la aplicacin de todo tipo de conocimientos pertinentes de una empresa con objeto de mejorar su capacidad de resolucin de problemas y as contribuir a la sostenibilidad de sus ventajas competitivas (Andreu & Sieber 1999).[4] La gestin del conocimiento es la funcin que planifica, coordina y controla los flujos de conocimiento que se producen en la empresa en relacin con sus actividades y su entorno con el fin de crear unas competencias esenciales (Bueno, 1999).[5]

Tcnicas de Gestin del conocimiento

Usualmente el proceso implica tcnicas para capturar, organizar, almacenar el conocimiento de los trabajadores, para transformarlo en un activo intelectual que preste beneficios y se pueda compartir. En la actualidad, las tecnologas de informacin permiten contar con herramientas que apoyan la gestin del conocimiento en las empresas, apoyando en la recoleccin, la transferencia, la seguridad y la administracin sistemtica de la informacin, junto con los sistemas diseados para ayudar a hacer el mejor uso de ese conocimiento. En detalle, se refiere a las herramientas y a las tcnicas diseadas para preservar la disponibilidad de la informacin llevada a cabo por los individuos dominantes y facilitar la toma de decisiones, as como reducir el riesgo. Es un mercado del software y un rea en la prctica de la consultora, relacionada a disciplinas tales como inteligencia competitiva. Un tema particular de la administracin del conocimiento es que el conocimiento no se puede codificar fcilmente en forma digital, tal como la intuicin de los individuos dominantes que viene con aos de experiencia y de poder reconocer los diversos patrones del comportamiento que alguien con menos experiencia no puede reconocer. El proceso de la Administracin del Conocimiento, tambin conocido en sus fases de desarrollo como "aprendizaje corporativo" o "aprendizaje organizacional", tiene principalmente los siguientes objetivos: Identificar, recabar y organizar el conocimiento existente. Facilitar la creacin de nuevo conocimiento. Apuntalar la innovacin a travs de la reutilizacin y apoyo de la habilidad de la gente a travs de organizaciones para lograr un mejor desempeo en la empresa. La transferencia del conocimiento (un aspecto de la Administracin del Conocimiento) ha existido siempre como proceso en las organizaciones. De manera informal por medio de las discusiones, sesiones, reuniones de reflexin, etc., y de manera formal por medio del aprendizaje, el entrenamiento profesional y los programas de capacitacin.

Gestin del conocimiento Como prctica emergente de negocio, la Administracin del Conocimiento ha considerado la introduccin del principal oficial del conocimiento, y el establecimiento de intranets corporativos, de wikis, y de otras prcticas de la tecnologa del conocimiento y de informacin.

60

Gestin del conocimiento profesional

Los profesionales de la Gestin del Conocimiento pueden utilizar un lxico especfico para explicar la dinmica de la transferencia del conocimiento. Por ejemplo en los diez aos pasados, Internet ha visto a grupos establecer discusiones sobre el uso del capital intelectual como valor mtrico; el significado tcito contra conocimiento explcito o ms.

Diligencias del capital intelectual

La gestin corresponde al conjunto de procesos y sistemas que permiten que el capital intelectual de una organizacin aumente de forma significativa, mediante la gestin de sus capacidades de resolucin de problemas de forma eficiente, de manera de generar ventajas competitivas a travs del tiempo. Si consideramos los mercados antiguos, el principal fuerte estaba sustentado en el manejo de tierras, en otras palabras, la persona que ms tierra posea, era la que poda generar mejores productos. Recordemos la Edad Media, los feudos y los seores feudales. En la actualidad nos encontramos en una sociedad donde los cambios transcurren a un ritmo sorprendente. Lo que hoy da es una ventaja competitiva, maana se transformar en un requisito del mercado. En la poca actual, en la que mantener una ventaja es casi imposible, es donde las organizaciones deben recurrir a mtodos que permitan aumentar estas ventajas. Una de estas ventajas es el conocimiento. La Gestin del Conocimiento tiene por objetivo administrar este conocimiento, logrando que este sea una ventaja competitiva con respecto a sus similares. La Gestin del Conocimiento analiza desde una perspectiva dinmica el conocimiento existente en la empresa. Esta perspectiva se complementa con las aportaciones de la literatura de capital intelectual, que aborda el anlisis del conocimiento desde un enfoque dinmico. En el campo empresarial, ciertas empresas como Unin Fenosa, Systematic, Carlo Bro o K3 Technologies LLC, desarrollan e implementan programas de gestin del conocimiento y medicin del capital intelectual. En Latinoamrica, por ejemplo, la empresa Cognosoft ofrece una completa plataforma de software llamada Scriba, la cual posee mdulos que cubren la gestin de una cartera de clientes, de proveedores, de aliados, la administracin de contactos, la gestin comercial, la gestin de relaciones pblicas, la gestin de marketing, la administracin del correo electrnico corporativo, la gestin documental o el diseo y control de procesos de negocio, entre otros servicios. En Espaa la asociacin Indico (http://www.indico.info) ha desarrollado una herramienta on line que permite crear entornos de gestin del conocimiento para entidades y empresas, o para temticas concretas, llamada Ateneum. Incorpora adems las ventajas de las redes sociales para el intercambio del conocimiento entre personas desde diferentes sitios e instituciones. Una aplicacin real de esta solucin en la empresa Mutua General de Seguros ha recibido el Premio Nacional a la Excelencia del Elearning Corporativo 2011 que concede APeL.

Gestin del conocimiento

61

Prctica
La gestin del conocimiento intenta poner de relieve la ventaja competitiva que se da con el mejoramiento o el aprendizaje ms rpido y crear nuevo conocimiento. El inters en la gestin del conocimiento se est conduciendo en parte por:

Velocidad de la conectividad
Contenido creciente del conocimiento en productos y servicios. Ciclos ms cortos de desarrollo de productos nuevos. La sobrecarga de la informacin como generacin prolfera del conocimiento. Peticiones por parte de individuos para apoyarse en la experiencia de las personas a travs de la organizacin.

Desde su adopcin por parte de la comunidad de negocios y de la poblacin, Internet ha conducido a un aumento en la colaboracin creativa, el aprendizaje e investigacin, comercio electrnico, e informacin inmediata. Con las tecnologas mejoradas, se han ido los das de estantes polvorientos, de mensajes imperfectos o deformados y del correo lento. En numerosos aspectos, la prctica de la Gestin del conocimiento continuar desarrollndose con el crecimiento de los usos de la colaboracin disponibles por las tecnologas de la informacin y a travs de Internet. El aprendizaje electrnico (e-learning), las discusiones en lnea, y el software de colaboracin son ejemplos de los usos de la administracin del conocimiento que apoyan su proceso. Cada uso puede ampliar el nivel de la investigacin disponible para un empleado, mientras que proporciona una plataforma para alcanzar metas o acciones especficas.

Minera de datos
La minera de datos (tambin llamada extraccin de datos), es la prctica (por medios automticos o semiautomticos) de buscar y explorar en grandes almacenes de datos dando por resultado el descubrimiento de patrones y reglas significativas. Para hacer esto, la minera de datos utiliza tcnicas de cmputo de la estadstica, de automatizacin de conocimientos y del reconocimiento de patrones (ver sistemas de datos de una sola fuente, information resources Inc.)

Definiciones relacionadas
Capital intelectual: los activos intangibles de una compaa que contribuyen a su valuacin. Oficial principal del conocimiento: ejecutivo responsable de maximizar el potencial del conocimiento de una organizacin. Gestin del conocimiento del personal: la organizacin de los pensamientos y de la creencia de un individuo. Administracin del conocimiento de la empresa: la estrategia, el proceso o las tecnologas usados para adquirir, compartir y reutilizar el conocimiento y entendimiento de una empresa.

Gestin del conocimiento

62

Memoria corporativa
La memoria corporativa (Corporate Memory) se puede definir como el cuerpo total de los datos, de la informacin y de los conocimientos requeridos para dar a conocer los objetivos estratgicos de una organizacin. Una memoria corporativa es la combinacin de un depsito (el espacio donde se almacenan los objetos y los artefactos), y la comunidad (la gente que interacta con esos objetos para aprender, tomar decisiones, y entender el contexto). La memoria corporativa se puede subdividir en los siguientes tipos: Profesional (material de referencia, documentacin, herramientas, metodologas). Compaa (estructura de organizacin, actividades, productos, participantes). Individual (estado, capacidades, conocimientos tcnicos, actividades). Proyecto (definicin, actividades, historias, resultados).

Las decisiones clave a tomar cuando exploramos la Memoria Corporativa son: Qu representacin del conocimiento se utilizar? (historias, patrones, casos, reglas, lgica del predicado...). Quines sern los usuarios? cul es su informacin y necesidades de aprendizaje? Cmo cerciorar seguridad y a quin le ser concedido el acceso? Cmo integrarla de la mejor manera posible con fuentes existentes, almacenes y sistemas? Qu asegura que su contenido actual es correcto, aplicable, oportuno y escardado?

Cmo motivar a los expertos a que contribuyan? Qu hacer sobre vivencias efmeras?, cmo capturar escritos informales, por ejemplo e-mail y mensajes instantneos? Los trminos alternativos y relacionados son: memoria de organizacin, memoria del grupo, base de conocimiento, depsito del conocimiento. La mayora de los esfuerzos comerciales de la administracin del conocimiento han incluido la construccin de una cierta forma de memoria corporativa para capturar destreza, para apresurar el aprendizaje, para ayudar a la organizacin a recordar, para registrar el anlisis razonado de la decisin, logros del documento o para aprender de las ltimas fallas.

Arquitecturas y herramientas
En una arquitectura de GC encontramos distintas herramientas y servicios que configuran como resultado final una solucin GC completa. Como herramientas que dan apoyo a la GC dentro de las empresas podemos diferenciar 3 grupos o conjuntos: Grupo 1 - Herramientas de trasmisin inmediata: Son herramientas que permiten transmitir el conocimiento explicito de forma fcil al conjunto de miembros de una misma empresa. Las Wikis son buen ejemplo de este tipo de herramientas o la Wikipedia. Estas perteneceran a una arquitectura principal que podra estar en el grupo 2. Grupo 2 - Herramientas y servicios de gestin del conocimiento interno: Son aquellos componentes dentro de una arquitectura que gestionan, analizan, buscan y distribuyen informacin. Grupo 3 - Herramientas y servicios de gestin del conocimiento externo: Al igual que en el grupo 2 son componentes que gestionan, analizan, buscan y distribuyen, pero en este caso tambin hay que aadir que localizan y extraen, dado que su misin principal es la localizacin y extraccin de informacin relacionada con la empresa pero que est en el exterior de sta (principalmente en Internet o en otros soportes ms tradicionales de contenidos) y que por lo tanto en algunas ocasiones la empresa puede ser ajena a esta y no tener conocimiento de su existencia. Otras estrategias de gestin de conocimiento incluyen: Recompensas (para motivar el intercambio de conocimiento) Contar historias (como medio de transferir conocimiento tcito)

Gestin del conocimiento Mapeo de Conocimiento Comunidades de Prcticas Directorio de Expertos (para ayudar al buscador de conocimientos a llegar a los expertos) Evaluacin de acciones Transferencias de buenas prcticas Ferias de Conocimiento Gestin de Competencias Proximidad y arquitectura Repositorios de Conocimiento Tecnologas Colaborativas Agentes de Conocimiento (algunos miembros organizacionales toman la responsabilidad por un "campo" especfico y actan como primera referencia sobre con quin hablar sobre un tema especfico) Software social (wiki, redes sociales, entre otros) Computacin en Nube

63

Enlaces externos
Tesis doctoral en Gestin de conocimiento por el Phd. Lic. en Informtica Bulmaro Adrin Fuentes Morales: "LA GESTIN DE CONOCIMIENTO EN LAS RELACIONES ACADMICO-EMPRESARIALES. UN NUEVO ENFOQUE PARA ANALIZAR EL IMPACTO DEL CONOCIMIENTO ACADMICO." [6] Incluye: Revisin de modelos, evidencias de modos y mecansmos, anlisis terico y emprico, propuesta y prueba de un modelo de anlisis en el caso de las relaciones acadmico-empresariales. Sobre el camino japons de gestin del conocimiento utilizando el concepto de BA, una contribucion de Pierre Fayard: [7] Manual de Business Intelligence [8] (en espaol) Profesionales del Conocimiento [9]. Los profesionales del conocimiento se convierten en el factor dominante en la nueva economia. Las organizaciones y empresas del siglo XXI deben formar a sus empleados como trabajadores del conocimiento.

Referencias Bibliografcas
[1] Bulmaro Adrin Fuentes Morales (2010): "LA GESTIN DE CONOCIMIENTO EN LAS RELACIONES ACADMICO-EMPRESARIALES. UN NUEVO ENFOQUE PARA ANALIZAR EL IMPACTO DEL CONOCIMIENTO ACADMICO." Tesis Phd. Universidad Politcnica de Valencia, Espaa. [2] BROOKING, A. (1996): Intellectual Capital Core Asset for Third Millennium Enterprise, ed. esp. (1997), Paids Empresa, Madrid. [3] WIIG, K. (1997): Integrating Intellectual Capital and Knowledge Management, Long Range Planning, vol. 30, no. 3, pp. 399-405. [4] ANDREU, R. & SIEBER, S. (1999): La gestin integral del conocimiento y del aprendizaje, Economa Industrial, no. 326, pp. 63-72. [5] BUENO, E. (1999): Gestin del conocimiento, aprendizaje y capital intelectual, Boletn del Club Intelect, no. 1, enero. Madrid. [6] http:/ / riunet. upv. es/ handle/ 10251/ 8334 [7] http:/ / www. comprendreetappliquersuntzu. com/ suntzu/ 2007/ 12/ gestin-del-cono. html [8] http:/ / www. sinnexus. com/ business_intelligence/ index. aspx [9] http:/ / www. profesionalesdelconocimiento. com

Sistemas de informacin hospitalaria

64

Sistemas de informacin hospitalaria

Los sistemas de informacin hospitalaria o sistemas de informacin en salud (siglas: SIH, o HIS en ingls), denominado tambin expediente electrnico, pese a que este ltimo es slo la parte clnica del proceso. Consiste en un programa o programas de cmputo instalados en un hospital. Estos permiten: Llevar un control de todos los servicios prestados a los pacientes. Obtener estadsticas generales de los pacientes. Obtener datos epidemiolgicos. Detallar el coste de la atencin prestada a cada paciente. Llevar un estricto expediente clnico en forma electrnica.

Existen diversos esfuerzos en el rea. Dentro de los ms conocidos se encuentra el proyecto de cdigo libre Care2x, y luego algunos institucionales del gobierno mexicano como el Sistema de Informacin para la Gerencia Hospitalaria (SIGHO) y el Sistema de Administracin Hospitalaria con RFID (SAHR), el cual ha sido desarrollado por la Maestra en Tecnologas de la Informacin de la Universidad Autnoma de Baja California (UABC).

Enlaces externos
Los ERP (Enterprise Resource Planner) del sector salud [1] Sistema de Gestin de Laboratorios Clnicos [2]

Referencias
[1] http:/ / www. sinemed. com/ recursos/ docs/ HIS. pdf [2] http:/ / probetaonline. com

Administracin en salud

65

Administracin en salud
La administracin en salud o administracin sanitaria es la ciencia social y tcnica relacionada con la planificacin, organizacin, direccin y control de las organizaciones pblicas y privadas orientadas al cuidado y fomento de la salud, mediante la optimizacin de recursos financieros, tecnolgicos y humanos. El administrador en salud o de atencin de salud es considerado como un profesional de la salud, desde el punto de vista directivo. Esta ciencia tambin es conocida como: gerencia en salud, gestin sanitaria, administracin de sistemas de salud, administracin de empresas de salud, administracin de servicios de salud, gerencia de servicios de salud, administracin pblica en salud, administracin de la salud pblica, administracin hospitalaria, administracin clnica, administracin mdica, etc.

Campo laboral
Un administrador en salud desempea su trabajo principalmente en las instituciones y reas directivas vinculadas al campo de la salud; su rango equivale a la de un gerente general, dentro de una empresa del sector salud.[citarequerida]

Sector privado
Vase tambin: Administracin de empresas

Clnicas privadas Compaas de seguros Consorcios farmacuticos Consultoras en gesin sanitaria Empresas de comercializacin de insumos biolgicos Empresas de consultora y asesora Entidades prestadoras de salud (EPS) Guarderas privadas Hospitales privados Instituciones mdicas especializadas Laboratorios clnicos Laboratorios qumico-farmacuticos Organizaciones no gubernamentales (ONG's en salud) Redes clnicas

Sector pblico
Vanse tambin: Administracin pblicay salud pblica

Centros de salud Clnicas pblicas Guarderas pblicas Hospitales pblicos Institutos nacionales de salud (INS) Ministerios de salud pblica Organismos de cooperacin internacional Organizaciones no gubernamentales (ONG's en salud) Polticas pblicas en salud

Programas (nacionales, regionales y locales) Proyectos (nacionales, regionales y locales)

Administracin en salud Redes hospitalarias Seguridad social en salud Servicios nacionales de salud (SNS) Sistemas de asistencia sanitaria

66

Educacin
Esta es una lista de universidades e instituciones de educacin superior de Amrica Latina que ofrecen la licenciatura en administracin en salud: Universidad de Ciencias Empresariales y Sociales (UCES) Universidad Nacional del Litoral (UNL) Universidad de Antioquia (UdeA) Universidad Francisco de Paula Santander (UFPS) Instituto Tecnolgico y de Estudios Superiores de Monterrey (ITESM) Universidad Peruana Cayetano Heredia (UPCH)

Referencias
Este artculo fue creado a partir de la traduccin del artculo Health administration de la Wikipedia en ingls, concretamente de administration esta versin [1], bajo licencia Creative Commons Atribucin Compartir Igual 3.0 y GFDL.

Enlaces externos
Essalud [2] Facultad de Salud Pblica y Administracin (FASPA) [3] Federacin Brasilera de Administradores Hospitalarios (FBAH) [4] Federacin Peruana de Administradores de Salud (FEPAS) [5] Lista de universidades que ofrecen la Licenciatura en Administracin en Salud (AUPHA) [6] Revista de Administracin Sanitaria (RAS) [7] Sociedad Espaola de Salud Pblica y Administracin Sanitaria (SESPAS) [8]

Referencias
[1] [2] [3] [4] [5] [6] [7] [8] http:/ / en. wikipedia. org/ wiki/ Health http:/ / essalud. net/ http:/ / www. upch. edu. pe/ faspa/ http:/ / www. fbah. org. br/ http:/ / www. fepas. org. pe/ http:/ / www. aupha. org/ custom/ directory/ programs. cfm?progtype=Undergraduate http:/ / www. administracionsanitaria. com http:/ / www. sespas. es

Historia clnica electrnica

67

Historia clnica electrnica

La historia clnica electrnica (HCE), tambin denominada historia clnica informatizada (HCI), es el registro mecanizado de los datos sociales, preventivos y mdicos de un paciente, obtenidos de forma directa o indirecta y constantemente puestos al da.[1]

Historia clnica
La historia clnica es el conjunto de documentos que contienen los datos, valoraciones e informaciones de cualquier ndole, sobre la situacin y la evolucin clnica de un paciente a lo largo del proceso asistencial. La historia clnica est constituida por el conjunto de documentos, tanto escritos como grficos, que hacen referencia a los episodios de salud y enfermedad de una persona, y a la actividad sanitaria que se genera con motivo de esos episodios.

Ejemplo de historia clnica electrnica.

Historia clnica electrnica

La historia clnica electrnica supone incorporar las Tecnologas de la Informacin y la Comunicacin (TIC) en el ncleo de la actividad sanitaria. Esto trae como consecuencia que la historia deje de ser un registro de la informacin generada en la relacin entre un paciente y un profesional o un centro sanitario, para formar parte de un sistema integrado de informacin clnica. La historia clnica electrnica es el registro unificado y personal, multimedia, en el que se archiva en soporte electrnico toda la informacin referente al paciente y a su atencin. Es accesible, con las limitaciones apropiadas, en todos los casos en los que se precisa asistencia clnica (urgencias, atencin primaria, especialidades, ingresos hospitalarios y dems). Debe integrarse toda la informacin multimedia que se utiliza en la prctica clnica. Almacenar adecuadamente esta informacin, hacerla amigablemente accesible, difundirla de forma adecuada a los posibles usos y con las garantas debidas (consentimiento, confidencialidad, seguridad y dems requisitos), y recibirla y reutilizarla en la forma ms conveniente es un proceso todava en potencia.[2] Hay problemas de conceptualizacin del proceso de atencin y del de implementacin de las TIC, ya que no se ha demostrado que impacte positivamente en la calidad de la atencin clnica, ni en la morbilidad y ni en la mortalidad. Adems, hay problemas respecto a la codificacin, las normas y los estndares.[3] En ingls tiene varias denominaciones: Electronic medical record, Electronic health record, Electronic patient record o Computerised patient record.

Historia clnica electrnica

68

Uso de estndares informticos HL7 para HCE

Mientras los Sistemas de Informacin Hospitalarios (HIS) o los Sistemas de Informacin Clnicos (CIS) no utilicen estndares que faciliten el intercambio electrnico de los datos, no es posible que la informacin est disponible en el punto de atencin donde se encuentra el paciente, independientemente de la institucin prestadora de servicios de salud donde sea atendido. El uso de HCE compartida por mltiples instituciones y la interoperabilidad de los documentos electrnicos que componen la HCE, independientemente de las plataformas de software que utilicen, hace necesario que los sistemas de informacin que utilizan las instituciones de prestacin de servicios de salud, implementen estndares informticos internacionalmente reconocidos, con el fin de garantizar la integridad y legibilidad de la informacin. El conjunto de estndares informticos de salud ms desarrollado y de mayor cobertura internacional, para hacer posible el uso la HCE es HL7. HL7 cuenta con especificaciones de mensajes, documentos electrnicos y vocabularios controlados para dominios de salud tales como: Arquitectura de Documentos Clnicos (CDA); Registros Mdicos (Medical Records); Laboratorio (Laboratory); Medicacin (Medication); Imaginologa diagnstica e integracin DICOM (Imaging Integration Domain); Banco de sangre, tejidos y rganos (Blood, Tissue and Organ); Prestacin de atencin (Care Provision), etc.

Otros estndares de HCE

Aparte de HL7, existen varios estndares de HCE, entre los que destacan: DICOM CEN EN13606 HISA OpenEHR

Referencias
[1] Grvas J, Prez Fernndez M. La historia clnica electrnica en atencin primaria. Fundamento clnico, terico y prctico. SEMERGEN. 2000;26(1):17-32. (http:/ / www. equipocesca. org/ wp-content/ uploads/ 2009/ 04/ la-historia-clinica-electronica-en-atencion-primaria. pdf) [2] Grvas J. Expectacin excesiva acerca de la pronta implantacin de la historia clnica electrnica. SEMERGEN. 2000;26(1):3-4. (http:/ / www. equipocesca. org/ wp-content/ uploads/ 2009/ 04/ expectacion-excesiva-acerca-de-la-pronta-implantacion-de-la-historia-clinica-electronica. pdf) [3] Grvas J. La historia clnica electrnica: muchas promesas y pocos hechos. Aten Primaria. 2008;40(Supl 1):13. (http:/ / www. equipocesca. org/ wp-content/ uploads/ 2009/ 10/ electronica-mesa-semfyc-2008. pdf)

Pastor Snchez R, Lpez Miras A, Grvas J. Historia clnica informatizada. Med Clin (Barc). 1994;103:304-9. Pastor Snchez R, Lpez Miras A, Grvas J. Evaluacin de historias clnicas informatizadas. Med Clin (Med). 1996;107:250-4. De la historia clnica a la historia de salud electrnica. V Informe de la Sociedad Espaola de Informtica de la Salud (SEIS). 2003 (http://www.conganat.org/seis/informes/2003/) Turabin Fernndez JL, Prez Franco B. La historia clnica electrnica: comiendo sopa con tenedor? Cuadernos de Gestin. 2004; 10(4):175-88 (http://www.scribd.com/doc/34257852/ Historia-Clinica-Electronica-en-AP-Turabian-y-Perez-Franco-Sopa-con-tenedor-cuad-gestion-2004)

Historia clnica electrnica

69

Enlaces externos
Tecnologas Del Occidente Colombiano (http://www.tocparquesoft.com/)

Informtica mdica
Informtica mdica es la aplicacin de la informtica y las comunicaciones al rea de la salud, mediante el uso del software mdico formando parte de las tecnologas sanitarias. Su objetivo principal es prestar servicio a los profesionales de la salud para mejorar la calidad de la atencin sanitaria. Es la interseccin de las ciencias de la informacin, ciencias de la computacin y la atencin de la salud. Se ocupa de los recursos, los dispositivos y los mtodos necesarios para optimizar la adquisicin, almacenamiento, recuperacin y utilizacin de la informacin en salud y biomedicina. Los instrumentos informticos de la salud incluyen no slo los ordenadores, sino tambin guas de prctica clnica, terminologa mdica formal, y de sistemas de informacin y comunicacin. Existen varias formas de definir a la informtica mdica. Enrico Coiera la define como : "Es el estudio de cmo el conocimiento mdico multidisciplinario es creado, conformado, compartido y aplicado".[1] La informtica mdica se apoya actualmente en las tecnologas de la informacin y comunicacin (TICs), arribando al concepto de e-Salud, Telesalud y Telemedicina. Mientras que e-Salud (salud electrnica) es un nombre genrico que engloba a todas las aplicaciones informticas en el mbito de la salud, la Telesalud se refiere al uso de las TICs en las tareas mdicas pero ejecutadas a distancia. Estas tareas no solo se enfocan en la atencin de pacientes, sino tambin en la capacitacin y educacin mdica a distancia.

Subdisciplinas
Informtica Mdica de orientacin clnica Informtica aplicada a Salud Pblica y Epidemiologa Telemedicina Informtica aplicada a la Enfermera Diseo y desarrollo de Ontologas Mdicas Informacin al paciente y consumidores

Aplicaciones
Tiene aplicacin en todas las reas de la medicina, como en laboratorios de anlisis clnicos, dispositivos electrnicos para hacer mediciones, PACS (archivos de imgenes), software de gestin hospitalaria, de manejo de turnos, de historias clnicas, bases de datos de pacientes, entre otros. Algunas de las aplicaciones ms conocidas de este campo de la informtica se encuentran en el diagnstico por imagen, la telemedicina, los sistemas de gestin hospitalaria y registro clnico electrnico. Los subdominios incluyen informtica clnica, enfermera informtica, de imgenes de la informtica, informacin en salud, salud pblica, informtica dental, investigacin clnica informtica, la bioinformtica, veterinaria informtica, farmacia, etc. Por tal motivo, la Informtica Mdica es un campo multidisciplinario que acoge a profesionales de reas como la biomedicina, informtica de sistemas, telecomunicaciones, electrnica, administracin y gestin, etc.

Informtica mdica

70

Aspectos de la esfera
Arquitecturas de registros mdicos electrnicos y otros sistemas de informacin de salud utilizados para la facturacin, la programacin o de investigacin. Sistemas de apoyo de decisiones en la asistencia sanitaria, incluidos los sistemas de apoyo de decisiones clnicas. Normas (por ejemplo, DICOM y HL7) y la integracin de perfiles (por ejemplo, la integracin de los Servicios Mdicos de Empresa) para facilitar el intercambio de informacin entre los sistemas de informacin de salud especficamente esos definir los medios para el intercambio de datos, no el contenido. La utilizacin de dispositivos porttiles o para ayudar al personal de salud, con los datos de entrada o de recuperacin o de la adopcin de decisiones mdicas. Diseo, desarrollo e implementacin de Ontologas Mdicas en dominios del conocimiento (Knowledgebases) preparadas para la Web 4.0. En muchas universidades y escuelas de medicina ya existe a nivel de postgrado la especialidad de Informtica Mdica, esta se describe como la especialidad mdica que estudia, el origen, adquisicin, manejo, almacenamiento y distribucin de la informacin mdica utilizada en la obtencin de diagnsticos y en la toma de decisiones de conducta teraputica correctiva, paliativa, en el marco de la tica mdica. A pesar de tener un componente tecnolgico de informtica e ingeniera, el estudio del conocimiento mdico y su aplicacin en el manejo del paciente a travs de sistemas de informacin y telecomunicaciones requiere de una extensa base de formacin mdica y clnica. A esto se suman las posibilidades que brinda la tecnologa de distribuir esta informacin en forma rpida y efectiva. De ah que no pueda considerarse una especialidad dentro de las reas mdicas o informticas exclusivamente, sino un rea de conocimiento interdisciplinario. No debe confundirse con la informtica administrativa en salud que no se reconoce tradicionalmente como informtica mdica, ya que no trata directamente con el cuidado de la salud sino con la administracin de recursos.

Desarrollo
La informtica mdica comenz a despegar en los EE.UU. en la dcada de 1950 con el auge de las computadoras y el microchip. Los primeros nombres de informtica mdica incluyen mdicos de computacin, la informtica mdica, la medicina de computadoras, el procesamiento electrnico de datos mdicos, mdicos de procesamiento automtico de datos, el procesamiento de la informacin mdica, la informacin mdica ciencia, la ingeniera de software mdico y la tecnologa mdica.

Utilidad Pblica
La informtica mdica puede ser una herramienta importante para solucionar problemas en los sistemas sanitarios como los crecientes costes de la asistencia sanitaria y la dificultad de controlarlos. Es una forma de racionalizar, comunicar y armonizar registros mdicos, la prctica mdica mediante la aplicacin efectiva de software. Las empresas de servicios pblicos histricamente han sido establecidos para proteger la salud, la seguridad, y el bienestar de la poblacin en general. Las empresas de servicios pblicos son financiados por la emisin de bonos, entregar un rendimiento de las inversiones, y estn sujetos a revisin y de supervisin. Un Informtica Mdica de Utilidad Pblica, que servir como depsito para el tiempo real de los registros mdicos de los sectores pblico, que ofrecen una calidad y eficiencia de la atencin que puede liberar el 25% del gasto en la atencin de la salud slo en los Estados Unidos para atender a las Crecientes necesidades de la poblacin que envejece. Muchos estudios han llegado a la conclusin de que un depsito centralizado de la informacin puede lograr estos objetivos, pero no han ofrecido una solucin.

Informtica mdica La Informtica Mdica de Servicios Pblicos servira de "plataforma comn" de la comunicacin para todos los productos de software existentes de provincia, as como el seguro de depsito para el pblico de los registros mdicos. El potencial para la reduccin de los errores mdicos, el fraude y la reduccin de la duplicacin es asombrosa. El nmero de vidas salvadas podra superar un mnimo de 100 mil por ao, segn el Instituto de Medicina actual del error mdico estadsticas de mortalidad. Lo que es ms importante, una de Informtica Mdica de Servicios Pblicos sera un gran motor econmico en el que: la base de datos en tiempo real desarrollado creara una plataforma para obtener nuevos tratamientos al mercado ms rpidamente y de forma ms eficaz evaluar, in situ los acontecimientos epidemiolgicos ms rpido, inducir a los desarrolladores de software a desarrollar los productos para el nuevo repositorio total de medio ambiente, liberar fondos para utilizar ms las manos en la atencin, para permitir que los pacientes y la atencin centrada en el control de su paciente atencin de la salud, y permitir el acceso mdico para el mdico de la paciente, historial mdico completo.

71

La informtica mdica en el mundo

Estados Unidos
El primer uso de la computacin para la medicina dental para proyectos en la dcada de 1950 en los Estados Unidos Oficina Nacional de Normalizacin por Robert Ledley. El siguiente paso en el decenio de 1950 a mediados fueron el desarrollo de sistemas expertos como MYCIN y INTERNIST-I. En 1965, la Biblioteca Nacional de Medicina empez a utilizar MEDLINE y MEDLARS. En este momento, Neil Pappalardo, Curtis Mrmol, y Robert Greenes desarrollando PAPERAS (Massachusetts General Hospital Utilidad de Multi-Programacin del sistema) en Octo Barnett del Laboratorio de Ciencias de la Computacin en el Massachusetts General Hospital de Boston. En los aos 1970 y 1980 fue el lenguaje de programacin ms utilizado para aplicaciones clnicas. A partir de 2004, un descendiente de este sistema se est utilizando en los Estados Unidos Asuntos de los Veteranos hospital VA tiene el sistema ms grande de toda la empresa de informacin de la salud que incluye un sistema de registro mdico electrnico, conocido como Veteranos de la Salud y Tecnologa de Sistemas de Informacin o Arquitectura VistA. Una interfaz grfica de usuario conocido como el Sistema de Registro de Pacientes Computarizada (CPRS) permite a los proveedores de salud para la revisin y actualizacin de un paciente registro mdico electrnico en cualquiera de las ms de 1000 VA de las instalaciones de cuidado de la salud. En la dcada de 1970 un nmero creciente de proveedores comerciales comenzaron a prcticas de mercado y de gestin de los sistemas de registros mdicos electrnicos. Aunque una profusin de productos existe, en la actualidad slo una minora de los profesionales de la salud el uso completamente ofrecido de los registros electrnicos de los sistemas de asistencia sanitaria. En los Estados Unidos en 1996, los reglamentos relativos a la privacidad de HIPAA y registro mdico transmisin creado el impulso necesario para un gran nmero de mdicos de avanzar hacia la utilizacin de software EMR, fundamentalmente con el fin de garantizar la facturacin mdica. En los EE.UU., el avance hacia una normalizacin de la infraestructura de informacin de salud est en marcha. En 2004, los EE.UU. Departamento de Salud y Servicios Humanos (HHS) form la Oficina de la Coordinadora Nacional para la Salud de Tecnologa de la Informacin (ONCHIT), dirigida por David J. Brailer, MD, Ph.D. La misin de esta oficina es lograr la adopcin generalizada de los historiales mdicos electrnicos interoperables (EHRs) en los EE.UU. en 10 aos. La Comisin de Certificacin de Tecnologa de la Informacin para la Salud (CCHIT), un grupo privado sin fines de lucro, fue fundada en 2005 por los EE.UU. Departamento de Salud y Servicios Humanos para elaborar un conjunto de normas para los registros electrnicos de salud (EHR) y el apoyo a las redes, y los proveedores que certifiquen Satisfacerlas. En julio de 2006, CCHIT public su primera lista de 22 productos certificados ambulatoria HME, en dos diferentes anuncios.

Informtica mdica

72

En Europa
Los estados miembros de la Unin Europea se han comprometido a compartir sus mejores prcticas y experiencias para crear un Espacio Europeo de la sanidad electrnica, mejorando as el acceso y la calidad de la asistencia sanitaria al mismo tiempo que estimular el crecimiento en un nuevo y prometedor sector industrial. El Plan de Accin Europeo de la sanidad electrnica juega un papel fundamental en la estrategia de la Unin Europea. Los trabajos sobre esta iniciativa implican un enfoque de colaboracin entre varias partes de los servicios de la Comisin. En el Reino Unido, las gestiones para el registro y regulacin de los implicados en la Salud informtica han comenzado con la formacin del Reino Unido del Consejo de Profesiones de la Salud Informtica (UKCHIP). El NHS en Inglaterra tambin ha contratado a varios vendedores de un sistema Nacional de Informtica Mdica 'NPFIT' que divide al pas en cinco regiones y que se est unido por un sistema de registros mdicos electrnicos apodado "la columna vertebral". El proyecto, en 2006, es un retraso de ejecucin y su mbito de aplicacin y el diseo se estn revisando en tiempo real. En 2006, el 60% de los residentes en Inglaterra y Gales tienen ms o menos extensa historia clnica y sus recetas generadas en 4000 las instalaciones de un sistema (SEMI) escrito en 'M' (como se PAPERAS). El otro 40% predominantemente tienen registros almacenados en una variedad de SQL o de los sistemas basados en archivos. Escocia tiene un enfoque similar al centro de conexin en curso, que es ms avanzado que el Ingls en un cierto modo. Escocia tiene la GPASS, sistema cuyo cdigo fuente es de propiedad del Estado, y el control y desarrollado por NHS Escocia. Se ha prestado gratuitamente a todos los mdicos en Escocia, pero se ha desarrollado mal. Se est produciendo la discusin de abrir la fuente como un recurso. En general Europa est dedicando esfuerzos al desarrollo de estndares y normas para la consecucin de la historia clnica electrnica (HCE o EHR en ingls). El comit tcnico 251 del comit europeo de normalizacin (CEN/TC 251) es el encargado de desarrollar dicho estndares en informtica sanitaria y comunicaciones. Uno de los estndares desarrollados por el CEN/TC251 es el CEN EN13606, cuyo principal cometido es permitir la comunicacin de historias clnicas completas o parciales entre sistemas heterogneos. Dicho estndar ha sido recientemente aprobado por ISO como el estndar para la comunicacin de historia clnica electrnica

En Asia
En Asia y Australia-Nueva Zelanda, el grupo regional de Asia y el Pacfico la llamada Asociacin para la Informtica Mdica (APAMI) se cre en 1994 y consta actualmente de ms de 15 regiones miembros en la Regin de Asia y el Pacfico . En Hong Kong, un sistema de registro denominado Sistema de Gestin de la Clnica (CMS) ha sido desarrollado por el Hospital de la Autoridad desde 1994. Este sistema se ha desplegado en todos los edificios de la Autoridad (40 hospitales y 120 clnicas), y es utilizado por el personal de las 30000 clnica al da, con una operacin diaria de hasta 2 millones de personas. El amplio registro de 7 millones de pacientes est disponible en lnea en el Registro Electrnico de Pacientes (ePR), integrado con los datos de todos los sitios. Desde 2004 la radiologa de visualizacin de imagen se ha aadido a la ePR, con imgenes de la radiografa HA cualquier sitio que se est disponible como parte de la ePR. La Autoridad de Hospitales de Hong Kong puesto especial atencin a la gestin de la clnica de desarrollo de sistemas, con el aporte de cientos de mdicos que se incorporan a travs de un proceso estructurado. La Seccin de Informtica de Salud de Hong Kong de Hospitales tiene una estrecha relacin con el Departamento de Tecnologa de la Informacin y de los clnicos para desarrollar sistemas de atencin de salud para la organizacin de apoyo a los servicios a todos los hospitales pblicos y clnicas de la regin.

Informtica mdica La Sociedad de Informtica Mdica (HKSMI) de Hong Kong fue establecido en 1987 para promover el uso de la tecnologa de la informacin en la asistencia sanitaria. Recientemente, la salud en lnea Consorcio ha sido fundada para unir a los mdicos de los sectores pblico y privado, mdicos y profesionales de la informtica La industria de las TI para promover an ms la TI en la asistencia sanitaria en Hong Kong. La Asociacin India de Informtica Mdica (IAMI) fue creado en 1993 [14]. IAMI ha sido la publicacin de la India Diario de Informtica Mdica desde 2004.

73

En Oceana
En 2002 el Colegio Australiano de Salud Informtica (ACHI) se form como una asociacin profesional y pic de la informtica profesional de la salud corporal. Representa los intereses de una amplia gama de clnicos y no clnicos de los profesionales que trabajan en el mbito de Informtica de Salud a travs de un compromiso con la calidad, normas y prcticas ticas. ACHI obras para aumentar la capacidad nacional en materia de salud en la informtica de investigacin, la educacin y la formacin, la poltica y el sistema de aplicacin. Aunque hay una serie de organizaciones de salud de la informtica en Australia, la Sociedad de Informtica de Salud de Australia Ltd (HISA) es considerada como el principal grupo sombrilla, y es miembro de la Asociacin Internacional de Informtica Mdica (IMIA). Los de enfermera fueron los informticos promotores de la formacin de HISA, que ahora es una compaa limitada por garanta de los miembros. La composicin viene de la informtica en todo el espectro de los estudiantes es que a las empresas afiliadas. HISA tiene una serie de ramas (Queensland, Nueva Gales del Sur, Victoria y Australia Occidental), as como grupos de inters especial como la enfermera (NIA), patologa, la edad y la atencin comunitaria, la industria y el diagnstico por imagen (Conrick, 2006).

Ley de informtica mdica

La informtica mdica se ocupa de la evolucin de la ley y los principios jurdicos a veces complejos, ya que se aplican a la tecnologa de la informacin en los campos relacionados con la salud. Se ocupa de la vida privada, la tica y las cuestiones operacionales que invariablemente surgen cuando los instrumentos electrnicos, la informacin y los medios de comunicacin se utilizan en la prestacin de atencin de salud. La ley de la informtica mdica tambin se aplica a todos los asuntos que involucran la tecnologa de la informacin, atencin de salud y la interaccin de la informacin. Se ocupa de las circunstancias en las que los datos y registros se comparten con otros campos o reas que apoyar y mejorar la atencin de los pacientes.

Referencias
[1] Coiera, Enrico et al. Informtica mdica. Editorial Manual Moderno, 2005. ISBN 9707291990, 9789707291997

Enlaces externos
CEN (http://www.cen.eu/cenorm/homepage.htm) Comit Europeo para la Normalizacin SEIS (http://www.seis.es) Sociedad Espaola de Informtica de la Salud Relacin de Grupos relacionados de Diagnostico en espaol (http://www.gestion-sanitaria.com) IHE Espaa (http://www.ihe-e.org) International Medical Informatics Asociation (http://www.imia.org) Asociacin Chilena de Informtica en Salud - ACHISA (http://www.achisa.org)

Planificacin de sistemas informticos

74

Planificacin de sistemas informticos

Una planificacin de sistemas informticos, tambin conocido como Plan Director de Sistemas, Plan de Sistemas de informacin o Plan Estratgico de Sistemas, facilita a una organizacin una correcta determinacin del estado actual de los sistemas informticos, de los requisitos que la organizacin les demanda para identificar un estado futuro de dichos sistemas alineados con los objetivos de la organizacin. A partir de esta determinacin del estado actual y futuro de los sistemas de la organizacin, se realiza un "Gap Analysis" (anlisis de diferencias) que permite identificar las acciones a tomar para alcanzar dicho estado futuro, a nivel de organizacin, sistemas, procesos, personal y proyectos. Posteriormente los planes tcticos (p.e. de carcter anual) programarn dichas acciones.

Qu se debe tener en cuenta?

Un Plan de sistemas informticos debe tener en cuenta el resto de planes de negocio y las indicaciones de la direccin de la organizacin para conseguir una alineacin de ambas estrategias y obtener as la mxima confianza del negocio en los sistemas de informacin como una fuente de productividad y de ventaja competitiva. Un proyecto de planificacin estratgica de sistemas debe involucrar a toda la organizacin, especialmente a la direccin ejecutiva, direccin intermedia y personal clave de los departamentos. Dada la velocidad de cambio de la tecnologa, de su aplicacin a la gestin empresarial y de la innovacin empresarial en general, es difcil que un Plan de sistemas informticos est vigente ms all de 3 o 5 aos, y se recomienda refrescarlo anualmente.

Componentes de un Plan de sistemas informticos

Resumen ejecutivo Informacin actual de la organizacin Requisitos de negocio para los sistemas de informacin Estado actual de los sistemas de informacin Estado de la industria IT y de la competencia (benchmarking) Identificacin de oportunidades de mejora Objetivos y estrategia de sistemas de informacin Gap Analysis (aplicaciones, infraestructuras, organizacin y procesos necesarios) Planificacin de implementacin (hoja de ruta, presupuestos, prioridades y fechas, proyectos necesarios)

Enlaces externos
Strategic Planning for Information Systems, Ward, Peppar. Wiley, 1989 [1] A Practical Guide to Information Systems Strategic Planning [2] Artculo Como crear un Plan Director de Sistemas. [3] A Practical Guide to Information Systems Strategic Planning (free) [4]

Referencias
[1] http:/ / www. amazon. com/ Strategic-Planning-Information-Systems-ebook/ dp/ B000QCS5CM [2] http:/ / www. amazon. com/ Practical-Information-Systems-Strategic-Planning/ dp/ 1574441337 [3] http:/ / www. cynertiaconsulting. com/ pdf/ Cynertia_Planificacion_estrategica_sistemas_resumen. pdf [4] http:/ / infoposter. desiamore. com/ books/ Information%20Systems%20Strategic%20Planning. pdf

Salud pblica

75

Salud pblica
La salud pblica es "la ciencia y el arte de prevenir las enfermedades, prolongar la vida y la promocin de la salud a travs de los esfuerzos organizados y decisiones con conocimiento de la sociedad, las organizaciones, pblicas y privadas, comunidades e individuos" (1920, CEA Winslow). Se refiere las amenazas a la salud basado en el anlisis de salud de la poblacin . La poblacin en cuestin puede ser tan pequeo como un puado de personas o tan grande como todos los habitantes de varios continentes (por ejemplo, en el caso de una pandemia). Las dimensiones de la salud pueden abarcar "un estado de completo bienestar fsico, mental y social y no solamente la ausencia de afecciones o enfermedades", segn lo definido por la Organizacin de las Naciones Unidas, y la Organizacin Mundial de la Salud. [2] La salud pblica incorpora los enfoques interdisciplinarios de 5 disciplinas principales: Bioestadstica , Epidemiologa , Salud Ambiental , Polticas sanitarias/Administracin en Salud y de las Ciencias Sociales y del Comportamiento En suma a un sistema integrado interdisciplinario, intersectorial de un conjunto competencias generales: Comunicacin e Informtica, diversidad y cultura, liderazgo, profesionalismo, Planificacin, Biologa Salud Pblica, y el pensamiento sistmico; tal como se define por la Asociacin de Escuelas de Salud Pblica. (Http://www.asph.org/)

Objetivos de la salud pblica

El enfoque de una intervencin de salud pblica es prevenir y controlar enfermedades, lesiones y otras condiciones de salud a travs de la vigilancia de casos y la promocin de conductas saludables, comunidades y ambientes. Muchas enfermedades se pueden prevenir a travs de simples, mtodos no mdicos. Por ejemplo, la investigacin ha demostrado que el simple acto de lavarse las manos con jabn puede prevenir muchas enfermedades contagiosas. [4] En otros casos, el tratamiento de una enfermedad o el control de un patgeno puede ser vital para prevenir su propagacin a otros, como por ejemplo durante un brote de las enfermedades infecciosas, o la contaminacin de los alimentos o el agua. Los programas de comunicaciones, programas de vacunacin y la distribucin de condones, son ejemplos de medidas comunes de salud pblica. La salud pblica juega un papel importante en los esfuerzos de prevencin de la enfermedad, tanto en el mundo en desarrollo y en los pases desarrollados, a travs de los sistemas de salud locales y las organizaciones no gubernamentales. La Organizacin Mundial de la Salud (OMS) es el organismo internacional que coordina y acta sobre los problemas mundiales de salud pblica. La mayora de los pases tienen sus propias agencias gubernamentales de salud pblica, a veces conocidos como Ministerios de salud, para responder a los problemas de salud nacionales. Por ejemplo, en los Estados Unidos, la primera lnea de las iniciativas de salud pblica son los departamentos de salud estatales y locales. Los Estados Unidos Servicio de Salud Pblica (PHS), dirigido por el Cirujano General de los Estados Unidos, y los Centros para el Control y Prevencin de Enfermedades, con sede en Atlanta, estn involucrados en varias actividades internacionales de salud, adems de sus deberes nacionales. En Canad, la Agencia Canadiense de Salud Pblica es el organismo nacional encargado de la salud pblica, preparacin y respuesta ante emergencias y control de enfermedades infecciosas y crnicas y prevencin. En la India, la Fundacin de Salud Pblica de la India se inici en 2006 como respuesta a la creciente preocupacin por los problemas de salud pblica emergente en ese pas. Hay una gran discrepancia en el acceso a servicios de salud y las iniciativas de salud pblica entre las naciones desarrolladas y naciones en desarrollo. En el mundo en desarrollo, las infraestructuras de salud pblica an se estn formando. Puede que no haya suficientes trabajadores de salud capacitados y recursos monetarios para proporcionar incluso un nivel bsico de atencin mdica y prevencin de la enfermedad. [5] Como resultado, una gran mayora de las enfermedades y la mortalidad en el mundo en desarrollo a partir de los resultados y contribuye a la pobreza extrema. Por ejemplo, muchos gobiernos africanos gastan menos de USD $ 10 por persona por ao en asistencia sanitaria, mientras que, en los Estados Unidos, el gobierno federal gast alrededor de USD $ 4.500 per cpita en el ao 2000.

Salud pblica

76

Proteccin sanitaria
Son actividades de salud pblica dirigidas al control sanitario del medio ambiente en su sentido ms amplio, con el control de la contaminacin del suelo, agua, aire, de los alimentos y recursos. Adems se incluye la seguridad social que detectan factores de riesgo para la poblacin y elaborar programas de salud para la sociedad. Dar alternativas de solucin a enfermedades que implican a cualquier poblacin. "El agua y el saneamiento son uno de los principales motores de la salud pblica. Suelo referirme a ellos como Salud 101, lo que significa que en cuanto se pueda garantizar el acceso al agua salubre y a instalaciones sanitarias adecuadas para todos, independientemente de la diferencia de sus condiciones de vida, se habr ganado una importante batalla contra todo tipo de enfermedades."[1] "Dr LEE Jong-wook, Director General, Organizacin Mundial de la Salud."

Promocin sanitaria
Son actividades que intentan fomentar la salud de los individuos y colectividades, promoviendo la adopcin de estilos de vida saludables, mediante intervenciones de educacin sanitaria a travs de medios de comunicacin de masas, en las escuelas y en atencin primaria. As para toda la comunidad que no tienen los recursos necesarios para la salud. La educacin sanitaria debe ser complementada con los cambios necesarios en el medio ambiente y en las condiciones sociales y econmicas que permitan a los ciudadanos el ejercicio efectivo de los estilos de vida saludables y la participacin en la toma de decisiones que afecten a su salud. Existen actividades organizadas por la comunidad que influyen sobre la salud como son: 1. La educacin sanitaria: La enseanza general bsica debe ser gratuita a toda la poblacin.(defensa de la educacin publica) 2. Poltica microeconmica y macroeconmica: Produccin agrcola y ganadera (de alimentos), de bienes y servicios, de empleo y de salarios. 3. Poltica de vivienda urbana-rural y obras pblicas.

Restauracin sanitaria
Consiste en todas las actividades que se realizan para recuperar la salud en caso de su prdida, que son responsabilidad de los servicios de asistencia sanitaria que despliegan sus actividades en dos niveles: atencin primaria y atencin hospitalaria. El acceso o accesibilidad a los servicios de salud se define como el proceso mediante el cual se logra satisfacer una necesidad relacionada con la salud de un individuo o una comunidad.[2] Este proceso involucra el deseo de buscar atencin en salud, la iniciativa por buscarla, por tenerla y por continuar con esa atencin, bien sea en trminos del diagnstico, el tratamiento, la rehabilitacin, la prevencin o la promocin de la salud.[3]

Historia de la salud pblica

La salud pblica como ciencia apenas tiene poco ms de un siglo de existencia, pero manifestaciones del instinto de conservacin de la salud de los pueblos existe desde los comienzos de la historia de la humanidad. Sin embargo la inclusin de la restauracin de la salud es una adquisicin relativamente reciente. Los egipcios, segn Herdoto, eran el ms higinico de los pueblos. Practicaban la higiene personal, conocan gran nmero de frmulas farmacuticas, construan depsitos de arcilla para las aguas de bebida y canales de desage para las aguas residuales. Los indostanes, segn Charaka y Shusruta, padres de la medicina ayurveda, eran los pioneros de la ciruga esttica, y de programas de salud pblica que se basaban en conformar patrones de alimentacin, sexualidad, de descanso, y de trabajo.

Salud pblica Los hebreos llevaron todava ms lejos las prcticas higinicas, al incluir en la ley mosaica, considerada como el primer cdigo de higiene escrito, el Levtico datada en 1500 aos antes de JC. En este cdigo se describe como debe ser el aseo personal, las letrinas, la higiene de la maternidad, la higiene de los alimentos, la proteccin del agua... La civilizacin griega presta ms atencin a la limpieza personal, al ejercicio fsico y a las dietas alimenticias que a los problemas del saneamiento del medio. El imperio romano es famoso por sus actividades en los campos de la higiene personal con la construccin de baos pblicos y de la ingeniera sanitaria con la construccin de acueductos. En Amrica Prehispnica, la civilizacin Tehotihuacana cont con grandes obras que le permitan llevar agua limpia a la ciudad, as como de deshacerse de agua sucia, Lo mismo sucede en la cultura Azteca. Esta ltima se crea en islotes dentro de un gran lago, por lo cual desarrolla diversas medidas para evitar su contaminacin. Se dice que los Aztecas aprendieron a vivir con el lago, mientras que los conquistadores espaoles, quisieron vivir contra el lago teniendo que sufrir constantes inundaciones (algunas que duraron aos) e hicieron del viejo y limpio Tenochtitlan una de las ciudades ms sucias del mundo. En la Edad Media, presidida por el catolicismo, se produjo una reaccin contraria a todo lo que recordaba al imperio romano y al paganismo. El desprecio de lo mundano y la "mortificacin de la carne" pasaron a ser las normas preferidas de conducta, por lo que el descuido de la higiene personal y del saneamiento pblico lleg hasta tal punto que junto con los movimientos migratorios blicos y los bajos niveles socioeconmicos, se produjeron las grandes epidemias de la humanidad. La lepra se consigui erradicar de Europa con la marginacin y el exterminio de los leprosos. Con respecto a la peste bubnica se establecieron medidas de cuarentena en los puertos martimos y cordones sanitarios en tierra. En el siglo XIX hubo un desarrollo considerable de la Salud Pblica en Europa y en los Estados Unidos. En Inglaterra Edwin Chadwick impuls las Leyes de Salud Pblica que contemplaban un conjunto de medidas para la sanidad, sobre todo en las ciudades industriales. Con esas medidas se logr reducir la mortandad por algunas de las enfermedades infecciosas que azotaban a la poblacin trabajadora que viva en psimas condiciones y de insalubridad. Resaltan tambin los trabajos de W. Farr, quien en polmica con Chadwick sealaba que las condiciones de salud de los trabajadores se deban al exceso de trabajo que los mataba de inanicin. En Alemania Rudolf Virchow, un gran patlogo de la poca, al calor de las revoluciones de 1848 sealaba que "la poltica es medicina en gran escala", mostrando con ello que las transformaciones socio polticas podan generar mejores condiciones para los trabajadores y con ello se lograra mejorar la situacin de salud. A mediados del siglo XIX casi todos los mdicos sostenan que las enfermedades se producan por suciedades de las cuales emanaban miasmas que llevaban la enfermedad a las personas. Otro grupo de mdicos, los contagiacionistas sostenan que la enfermedad pasaba de unas personas enfermas a otras sanas por contagio de posibles microorganismos. Los trabajos de Koch terminaron dando la razn a los segundos y se abri una poca de "cazadores de microbios". Temporalmente la atencin se centr en microorganismos especficos y la salud Pblica dirigida a combatir las suciedades (agua potable, drenajes, reglamentacin de entierros y rastros, etc.) pas a segundo plano, para resurgir de forma ms madura (considerando ya a los microorganismos) en el siglo XX.

77

Salud pblica

78

Organismos, Entidades e Instituciones Globales

La OMS, instituto internacional centralizado a emprender y desarrollar esfuerzos a nivel mundial sobre salud pblica, y quien tiene una mayor organizacin e infraestructura para la demanda creciente de investigaciones en epidemiologa, y otras ciencias de carcter mdico que son mediadores especficos para el buen ejercicio de la salud pblica. La FAO, organismo internacional que conduce las actividades internacionales encaminadas a erradicar el hambre. Brinda sus servicios a pases desarrollados, como a pases en transicin a modernizar y mejorar sus actividades agrcolas, forestales y pesqueras, con el fin de asegurar una buena nutricin para todos. La UNICEF, o Fondo de Naciones Unidas para la Infancia, las reas de accin de UNICEF incluyen el desarrollo de la niez, de la adolescencia, y la participacin en los patrones de vida basndose en la educacin. Se centra en atender problemas de salud pblica principalmente en zonas de extrema pobreza, en frica y otras latitudes del mundo. Est enfocada principalmente en 5 prioridades: Supervivencia y desarrollo de la infancia. Educacin bsica e igualdad de gnero (incluyendo la educacin a las nias). Proteccin a nios contra la violencia, explotacin y abuso. El SIDA y los nios. Polticas de vigilancia de los derechos de los nios.

La ONU, asociacin de gobiernos global que facilita la cooperacin en asuntos como el Derecho internacional, la paz y seguridad internacional, el desarrollo econmico y social, los asuntos humanitarios y los derechos humanos. La UNODC, agencia de las Naciones Unidas que tiene por objetivo asistir a la salud pblica por medio de la seguridad pblica internacional, luchar contra las drogas y el crimen organizado transnacional. Este objetivo se lleva a cabo a travs de tres funciones primarias: investigacin, persuasin a los gobiernos para que adopten leyes contra el crimen y las drogas as como los tratados y la asistencia tcnica a dichos gobiernos. La PNUMA, organismo que interviene con la salud pblica siendo programa de las Naciones Unidas que coordina las actividades relacionadas con el medio ambiente, asistiendo a los pases en la implementacin de polticas medioambientales adecuadas as como a fomentar el desarrollo sostenible. La PNUAH, aisiste a la salud pblica como agencia de las Naciones Unidas, con sede en Nairobi, con el objetivo de promover ciudades y pueblos social y ecolgicamente sostenibles. La ONUSIDA, es el Programa Conjunto de las Naciones Unidas sobre el VIH/SIDA (ms conocido por el acrnimo ONUSIDA) es un programa de las Naciones Unidas destinado a coordinar las actividades de los distintos organismos especializados de la ONU en su lucha contra el SIDA. La INTERPOL, organismo internacional de cooperativa policiaca y militar con 186 pases miembros. Creada en 1923, apoya y ayuda a todas las organizaciones, autoridades y servicios de seguridad pblica y de seguridad nacional cuya misin es prevenir y combatir la delincuencia internacional, el trfico de rganos humanos, la explotacin laboral y sexo-servicial infantil y de la mujer, el narcotrfico, y el crimen organizado.

Determinantes de salud
Los determinantes de la salud pblica son los mecanismos especficos que diferentes miembros de grupos socio-econmicos influyen en varios grados de salud y enfermedad.[4] Los determinantes de salud segn Marc Lalonde, ministro de sanidad de Canad son: 1. Estilo de vida: Es el determinante que ms influye en la salud y el ms modificable mediante actividades de promocin de la salud o prevencin primaria. 2. Biologa humana: Este determinante se refiere a la herencia gentica que no suele ser modificable actualmente con la tecnologa mdica disponible. 3. Sistema sanitario: Es el determinante de salud que quiz menos influya en la salud y sin embargo es el determinante de salud que ms recursos econmicos recibe para cuidar la salud de la poblacin, al menos en los

Salud pblica pases desarrollados. 4. Medio ambiente: Contaminacin del aire, del agua, del suelo y del medio ambiente psicosocial y sociocultural por factores de naturaleza: Biolgica (bacterias, virus, hongos, etc.) Fsica (radiaciones, humos, desechos, etc.) Qumica (hidrocarburos, plomo, plaguicidas, etc.) Psicosocial y sociocultural (dependencias, violencias, estrs, competitividad, etc.)

79

Los requisitos para la salud descritos en la Carta de Ottawa son: la paz, la educacin, el vestido, la comida, la vivienda, un ecosistema estable, la justicia social y la equidad.[5]

Referencias
[1] http:/ / www. who. int/ water_sanitation_health/ publications/ facts2004/ es/ index. html [2] Restrepo J, Echeverri E, Vsquez J, Rodrguez S. El seguro subsidiado y el acceso a los servicios de salud. Teora, contexto colombiano y experiencia en Antioquia.Medelln: Centro de Investigaciones Econmicas, Universidad de Antioquia;2006. [3] Frenk J. El concepto y medicin de la accesibilidad. Revista de Salud Pblica de Mxico 1985;27(5):438-53. [4] Ministerio de Sanidad y Poltica Social. Hacia la equidad en salud: Monitorizacin de los determinantes sociales de la salud y reduccin de las desigualdades en salud. Conferencia de Expertos. Madrid; 21 de abril de 2010 (http:/ / www. mspsi. es/ presidenciaUE/ calendario/ conferenciaExpertos/ docs/ haciaLaEquidadEnSalud. pdf) [5] PAHO. Carta de Ottawa para la promocin de la salud. I Conferencia Internacional sobre la Promocin de la Salud. Ottawa (Canad), 21 de noviembre de 1986. (http:/ / www. paho. org/ Spanish/ AD/ SDE/ HS/ OttawaCharterSp. pdf)

Enlaces externos
BDSP (Base de datos de salud pblica de Francia) (http://www.bdsp.tm.fr) Revista Espaola de Salud Pblica (http://www.mspsi.es/biblioPublic/publicaciones/recursos_propios/resp/ home.htm) Salud-UE (El portal de salud pblica de la Unin Europea) (http://health.europa.eu/index_es.htm) Sistema de Informacin Sanitaria: Portal Estadstico del Sistema Nacional de Salud de Espaa (http://www. mspsi.es/estadEstudios/estadisticas/sisInfSanSNS/home.htm) Sociedad Espaola de Salud Pblica y Administracin Sanitaria (SESPAS) (http://www.sespas.es)

Sistema de informacin

80

Sistema de informacin
Un sistema de informacin (SI) es un conjunto de elementos orientados al tratamiento y administracin de datos e informacin, organizados y listos para su uso posterior, generados para cubrir una necesidad u objetivo. Dichos elementos formarn parte de alguna de las siguientes categoras: personas datos actividades o tcnicas de trabajo Recursos materiales en general (generalmente recursos informticos y de comunicacin, aunque no necesariamente). Todos estos elementos interactan para procesar los datos (incluidos los procesos manuales y automticos) y dan lugar a informacin ms elaborada, que se distribuye de la manera ms adecuada posible en una determinada organizacin, en funcin de sus objetivos. Habitualmente el trmino se usa de manera errnea como sinnimo de sistema de informacin informtico, en parte porque en la mayor parte de los casos los recursos materiales de un sistema de informacin estn constituidos casi en su totalidad por sistemas informticos. Estrictamente hablando, un sistema de informacin no tiene por qu disponer de dichos recursos (aunque en la prctica esto no suela ocurrir). Se podra decir entonces que los sistemas de informacin informticos son una subclase o un subconjunto de los sistemas de informacin en general.
Elementos de un sistema de informacin.

Generalidades
El trmino sistemas de informacin hace referencia a un concepto genrico que tiene diferentes significados segn el campo del conocimiento al que se aplique dicho concepto, a continuacin se enumeran algunos de dichos campos y el sentido concreto que un Sistema de Informacin tiene en ese campo: En informtica, un sistema de informacin es cualquier sistema o subsistema de equipo de telecomunicaciones o computacional interconectados y que se utilicen para obtener, almacenar, manipular, administrar, mover, controlar, desplegar, intercambiar, transmitir o recibir voz y/o datos, e incluye tanto los programas de computacin ("software" y "firmware") como el equipo de cmputo.[1] En teora de sistemas, un sistema de informacin es un sistema, automatizado o manual, que abarca personas, mquinas, y/o mtodos organizados de recoleccin de datos, procesamiento, transmisin y diseminacin de datos que representa informacin para el usuario. Estructura: Repositorios, que almacenan los datos permanente o temporalmente, tales como "buffers",[3] RAM (memoria de acceso aleatorio), discos duros, cach, etc.
Ejemplo de un sistema de informacin.

En seguridad computacional, un sistema de informacin est descrito por tres componentes:[2]

Sistema de informacin Interfaces, que permiten el intercambio de informacin con el mundo no digital, tales como teclados, altavoces, monitores, escneres, impresoras, etc. Canales, que conectan los repositorios entre s, tales como "buses", cables, enlaces inalmbricos, etc. Una red de trabajo es un conjunto de canales fsicos y lgicos. Comportamiento: Servicios, los cuales proveen algn valor a los usuarios o a otros servicios mediante el intercambio de mensajes. Mensajes, que acarrean un contenido o significado hacia los usuarios internos o servicios. En geografa y cartografa, un Sistema de Informacin Geogrfica (SIG) se utiliza para integrar, almacenar, editar, analizar, compartir y desplegar informacin georeferenciada. Existen muchas aplicaciones de SIG, desde ecologa y geologa, hasta las ciencias sociales. En representacin del conocimiento, un sistema de informacin consiste de tres componentes: humano, tecnolgico y organizacional. Bajo esta perspectiva, informacin se define en trminos de tres niveles de semitica. Datos que pueden ser procesados automticamente por un sistema de aplicaciones corresponden al nivel de sintaxis. En el contexto de un individuo que interpreta los datos, estos son convertidos en informacin, lo que corresponde al nivel semntico. La informacin se convierte en conocimiento cuando un individuo conoce (entiende) y evala la informacin (por ejemplo para una tarea especfica), esto corresponde al nivel pragmtico. En matemticas dentro de la teora de los dominios, un sistema de informacin Scott (por su inventor Dana Scott) es una estructura matemtica que provee una representacin alternativa de un dominio Scott, como un caso especial, algebraic lattices. En matemticas teora de conjunto difuso, un sistema de informacin es un sistema de atributo-valor. En sociologa los sistemas de informacin son sistemas sociales cuyo comportamiento est fuertemente influenciado por los objetivos, valores y creencias de los individuos y grupos, as como por el desempeo de la tecnologa.[4]

81

Ciclo de vida de los Sistemas de Informacin

Existen pautas bsicas para el desarrollo de un SI para una organizacin: Conocimiento de la Organizacin: analizar y conocer todos los sistemas que forman parte de la organizacin, as como los futuros usuarios del SI. En las empresas (fin de lucro presente), se analiza el proceso de negocio y los procesos transaccionales a los que dar soporte el SI. Identificacin de problemas y oportunidades: el segundo paso es relevar las situaciones que tiene la organizacin y de las cuales se puede sacar una ventaja competitiva(Por ejemplo: una empresa con un personal capacitado en manejo informtico reduce el costo de capacitacin de los usuarios), as como las situaciones desventajosas o limitaciones que hay que sortear o que tomar en cuenta(Por ejemplo: el edificio de una empresa que cuenta con un espacio muy reducido y no permitir instalar ms de dos computadoras). Determinar las necesidades: este proceso tambin se denomina elicitacin de requerimientos. En el mismo, se procede identificar a travs de algn mtodo de recoleccin de informacin (el que ms se ajuste a cada caso) la informacin relevante para el SI que se propondr. Diagnstico: En este paso se elabora un informe resaltando los aspectos positivos y negativos de la organizacin. Este informe formar parte de la propuesta del SI y, tambin, ser tomado en cuenta a la hora del diseo. Propuesta: contando ya con toda la informacin necesaria acerca de la organizacin es posible elaborar una propuesta formal dirigida hacia la organizacin donde se detalle el presupuesto, relacin costo-beneficio, presentacin del proyecto de desarrollo del SI. Diseo del sistema: Una vez aprobado el proyecto, se comienza con la elaboracin del diseo lgico del SI; la misma incluye el diseo del flujo de la informacin dentro del sistema, los procesos que se realizarn dentro del sistema, etc. En este paso es importante seleccionar la plataforma donde se apoyar el SI y el lenguaje de

Sistema de informacin programacin a utilizar. Codificacin: con el algoritmo ya diseado, se procede a su reescritura en un lenguaje de programacin establecido (programacin), es decir, en cdigos que la mquina pueda interpretar y ejecutar. Implementacin: Este paso consta de todas las actividades requeridas para la instalacin de los equipos informticos, redes y la instalacin del programa generado en el paso anterior. Mantenimiento: proceso de retroalimentacin, a travs del cual se puede solicitar la correccin, el mejoramiento o la adaptacin del SI ya creado a otro entorno. Este paso incluye el soporte tcnico acordado anteriormente.

82

Tipos de sistemas de informacin

Debido a que el principal uso que se da a los SI es el de optimizar el desarrollo de las actividades de una organizacin con el fin de ser ms productivos y obtener ventajas competitivas, en primer trmino, se puede clasificar a los sistemas de informacin en: Sistemas Competitivos Sistemas Cooperativos Sistemas que modifican el estilo de operacin del negocio Esta clasificacin es muy genrica, y en la prctica no obedece a una diferenciacin real de sistemas de informacin reales, ya que en la prctica podramos encontrar alguno que cumpla varias (dos o las tres) de las caractersticas anteriores. En los subapartados siguientes se hacen unas clasificaciones ms concretas (y reales) de sistemas de informacin.

Desde un punto de vista empresarial

La primera clasificacin se basa en la jerarqua de una organizacin y se llam el modelo de la pirmide.[5] Segn la funcin a la que vayan destinados o el tipo de usuario final del mismo,[6] los SI pueden clasificarse en: Sistema de procesamiento de transacciones (TPS).- Gestiona la informacin referente a las transacciones producidas en una empresa u organizacin, tambin se le conoce como Sistema de Informacin operativa. Sistemas de informacin gerencial (MIS).- Orientados a solucionar problemas empresariales en general.
el modelo de la pirmide

Sistemas de soporte a decisiones (DSS).- Herramienta para realizar el anlisis de las diferentes variables de negocio con la finalidad de apoyar el proceso de toma de decisiones. Sistemas de informacin ejecutiva (EIS).- Herramienta orientada a usuarios de nivel gerencial, que permite monitorizar el estado de las variables de un rea o unidad de la empresa a partir de informacin interna y externa a la misma. Es en este nivel cuando los sistemas de informacin manejan informacin estratgica para las empresas.

Sistema de informacin

83

Estos sistemas de informacin no surgieron simultneamente en el mercado; los primeros en aparecer fueron los TPS, en la dcada de los 60, sin embargo, con el tiempo, otros sistemas de informacin comenzaron a evolucionar. Los primeros proporcionan informacin a los siguientes a medida que aumenta la escala organizacional
Evolucin de los sistemas de informacin a lo largo del tiempo. Sistemas de automatizacin de oficinas (OAS).- Aplicaciones destinadas a ayudar al trabajo diario del administrativo de una empresa u organizacin.

Sistema Planificacin de Recursos (ERP).- Integran la informacin y los procesos de una organizacin en un solo sistema. Sistema experto (SE).- Emulan el comportamiento de un experto en un dominio concreto. Los ltimos fueron los SE, que alcanzaron su auge en los 90 (aunque estos ltimos tuvieron una tmida aparicin en los 70 que no cuaj, ya que la tecnologa no estaba suficientemente desarrollada).

Sistemas de informacin estratgicos

Puede ser considerado como el uso de la tecnologa de la informacin para respaldar o dar forma a la estrategia competitiva de la organizacin, a su plan para incrementar o mantener la ventaja competitiva o bien para reducir la ventaja de sus competidores. Su funcin primordial es crear una diferencia con respecto a los competidores de la organizacin (o salvar dicha diferencia) que hagan ms atractiva a sta para los potenciales clientes. Por ejemplo, en la banca, hace aos que se implantaron los cajeros automticos, pero en su da, las entidades que primero ofrecieron este servicios disponan de una ventaja con respecto a sus competidores, y hoy da cualquier entidad que pretenda ofrecer servicios bancarios necesita contar con cajeros automticos si no quiere partir con una desventaja con respecto al resto de entidades de este sector. En este sentido, los cajeros automticos se pueden considerar sistemas de informacin estratgicos. Su funcin es lograr ventajas que los competidores no posean, tales como ventajas en costos y servicios diferenciados con clientes y proveedores. Apoyan el proceso de innovacin de productos dentro de la empresa. Suelen desarrollarse dentro de la organizacin, por lo tanto no pueden adaptarse fcilmente a paquetes disponibles en el mercado. Entre las caractersticas ms destacables de estos sistemas se pueden sealar: Cambian significativamente el desempeo de un negocio al medirse por uno o ms indicadores clave, entre ellos, la magnitud del impacto. Contribuyen al logro de una meta estratgica. Generan cambios fundamentales en la forma de dirigir una compaa, la forma en que compite o en la que interacta con clientes y proveedores.

Sistema de informacin

84

Otra clasificacin, segn el entorno de aplicacin

Entorno transaccional: Una transaccin es un suceso o evento que crea/modifica los datos. El procesamiento de transacciones consiste en captar, manipular y almacenar los datos, y tambin, en la preparacin de documentos; en el entorno transaccional, por tanto, lo importante es qu datos se modifican y cmo, una vez que ha terminado la transaccin. Los TPS son los SI tpicos que se pueden encontrar en este entorno. Entorno decisional: Este es el entorno en el que tiene lugar la toma de decisiones; en una empresa, las decisiones se toman a todos los niveles y en todas las reas (otra cosa es si esas decisiones son estructuradas o no), por lo que todos los SI de la organizacin deben estar preparados para asistir en esta tarea, aunque tpicamente, son los DSS los que se encargan de esta funcin. Si el nico SI de una compaa preparado para ayudar a la toma de decisiones es el DSS, ste debe estar adaptado a todos los niveles jerrquicos de la empresa.

Aplicacin de los sistemas de informacin

Los sistemas de informacin tratan el desarrollo, uso y administracin de la infraestructura de la tecnologa de la informacin en una organizacin. En la era post-industrial, la era de la informacin, el enfoque de las compaas ha cambiado de la orientacin hacia el producto a la orientacin hacia el conocimiento, en este sentido el mercado compite hoy en da en trminos del proceso y la innovacin, en lugar del producto. El nfasis ha cambiado de la calidad y cantidad de produccin hacia el proceso de produccin en s mismo, y los servicios que acompaan este proceso. El mayor de los activos de una compaa hoy en da es su informacin, representada en su personal, experiencia, conocimiento, innovaciones (patentes, derechos de autor, secreto comercial). Para poder competir, las organizaciones deben poseer una fuerte infraestructura de informacin, en cuyo corazn se sita la infraestructura de la tecnologa de informacin. De tal manera que el sistema de informacin se centre en estudiar las formas para mejorar el uso de la tecnologa que soporta el flujo de informacin dentro de la organizacin.

Estudio de los sistemas de informacin

Ciborra (2002) define el estudio de los sistemas de informacin como el estudio que trata la insercin y el uso de la tecnologa de la informacin en las organizaciones, instituciones, y la sociedad en general.[7]

Referencias y notas
Este artculo fue creado a partir de la traduccin del artculo Information system de la Wikipedia en ingls, bajo licencia Creative Commons Atribucin Compartir Igual 3.0 y GFDL.
[1] Federal Standard 1037C, MIL-STD-188, and National Information Systems Security Glossary [2] . 2004ISBN 84-933336-7-0. [3] En informtica, un es un rea de memoria destinada para el almacenamiento temporal de datos, y se utilizan tpicamente entre dispositivos con diferente velocidad de procesamiento [4] Angell, I.O. and Smithson S. (1991) Information Systems Management: Opportunities and Risks [5] The Pyramid Model (http:/ / www. chris-kimble. com/ Courses/ World_Med_MBA/ Types-of-Information-System. html) [6] Laudon, Jane y Kenneth (2006). Sistemas de informacin gerencial- Administracin de la empresa digital. Pearson Educacin- Prentice Hall. [7] Ciborra, C. (2002) Labyrinths of Information, Oxford, Oxford University Press

Sistema de informacin

85

Enlaces externos
Wikimedia Commons alberga contenido multimedia sobre Sistema de informacin. Commons

Sistema de procesamiento de transacciones

Un sistema de procesamiento de transacciones (TPS por sus siglas en ingls) es un tipo de sistema de informacin que recolecta, almacena, modifica y recupera toda la informacin generada por las transacciones producidas en una organizacin. Una transaccin es un evento que genera o modifica los datos que se encuentran eventualmente almacenados en un sistema de informacin. Para que un sistema informtico pueda ser considerado como un TPS, este debe superar el test ACID. Desde un punto de vista tcnico, un TPS monitoriza los programas transaccionales (un tipo especial de programas). La base de un programa transaccional est en que gestiona los datos de forma que estos deben ser siempre consistentes (por ejemplo, si se realiza un pago con una tarjeta electrnica, la cantidad de dinero de la cuenta sobre la que realiza el cargo debe disminuir en la misma cantidad que la cuenta que recibe el pago, de no ser as, ninguna de las dos cuentas se modificar), si durante el transcurso de una transaccin ocurriese algn error, el TPS debe poder deshacer las operaciones realizadas hasta ese instante. Si bien este tipo de integridad es que debe presentar cualquier operacin de procesamiento de transacciones por lotes, es particularmente importante para el procesamiento de transacciones on-line: si, por ejemplo, un sistema de reserva de billetes de una lnea area es utilizado simultneamente por varios operadores, tras encontrar un asiento vaco, los datos sobre la reserva de dicho asiento deben ser bloqueados hasta que la reserva se realice, de no ser as, otro operador podra tener la impresin de que dicho asiento est libre cuando en realidad est siendo reservado en ese mismo instante. Sin las debidas precauciones, en una transaccin podra ocurrir una reserva doble. Otra funcin de los monitores de transacciones es la deteccin y resolucin de interbloqueos (deadlock), y cortar transacciones para recuperar el sistema en caso de fallos masivos.

Tipos de sistemas de procesamiento de transacciones

Diferencias con el procesamiento por lotes
El procesamiento por lotes no es un procesamiento de transacciones. El procesamiento por lotes implica procesar varias transacciones al mismo tiempo, y no se dispone inmediatamente de los resultados del resto de transacciones cuando comienza cada una de ellas para un mejor funcionamiento de un sistema.[1]

Caractersticas de los sistemas de procesamiento de transacciones

Respuesta rpida
En este tipo de sistemas resulta crtico que exista un rendimiento elevado con tiempos de respuesta cortos. Una empresa no puede permitirse tener clientes esperando por una respuesta del SPT; el tiempo total transcurrido desde que se inicia la transaccin hasta que se produce la salida correspondiente debe ser del orden de unos pocos segundos o menos.

Sistema de procesamiento de transacciones

86

Fiabilidad
Muchas organizaciones basan su fiabilidad en los SPT; un fallo en un SPT afectar negativamente a las operaciones o incluso parar totalmente el negocio. Para que un SPT sea efectivo, su tasa de fallos debe ser muy baja. En caso de fallo de un SPT, debe existir algn mecanismo que permita una recuperacin rpida y precisa del sistema. Esto convierte en esencial la existencia procedimientos de copia de seguridad y de recuperacin ante fallos correctamente diseados.

Inflexibilidad
Un SPT requiere que todas las transacciones sean procesadas exactamente de la misma forma, independientemente del usuario, el cliente o la hora del da. Si los SPT fuesen flexibles, habra entonces demasiadas posibilidades de ejecutar operaciones no estndar. Por ejemplo, una aerolnea comercial necesita aceptar de forma consistente reservas de vuelos realizadas por un gran nmero de agencias de viaje distintas; aceptar distintos datos de transaccin de cada agencia de viajes supondra un problema.

Procesamiento controlado
El procesamiento en un SPT debe apoyar las operaciones de la organizacin. Por ejemplo, si una organizacin establece roles y responsabilidades para determinados empleados, el SPT debe entonces mantener y reforzar este requisito.

Propiedades ACID: Una primera definicin

Atomicidad
Los cambios de estado provocados por una transaccin son atmicos: o bien ocurren todos o bien no ocurre ninguno. Estos cambios incluyen tanto modificaciones de la base de datos, como envo de mensajes o acciones sobre los transductores.[2]

Consistencia
Una transaccin es una transformacin de estado correcta. Las acciones consideradas en su conjunto no violan ninguna de las restricciones de integridad asociadas al estado. Esto implica que la transaccin debe ser un programa correcto.[2]

Aislamiento
Incluso cuando varias transacciones se ejecuten de forma concurrente, para cada transaccin T debe parecer que el resto de transacciones se han ejecutado antes o despus de T, pero no antes y despus.[2]

Durabilidad
Una vez que una transaccin ha finalizado con xito (compromiso), cambia hacia un estado estable a prueba de fallos.[2]

Sistema de procesamiento de transacciones

87

Referencias
[1] NSW HSC Online (http:/ / hsc. csu. edu. au/ ipt/ trans_systems/ 4-1/ what_is_tps. htm) [2] WICS TP Chapter 1 (http:/ / 72. 14. 205. 104/ search?q=cache:fK7dQdEJB7AJ:research. microsoft. com/ ~gray/ WICS_99_TP/ 01_WhirlwindTour. ppt+ "ACID+ Properties:+ First+ Definition"& hl=en& gl=ca& ct=clnk& cd=1)

Sistemas de informacin gerencial

Estos sistemas son el resultado de interaccin colaborativa entre personas, tecnologas y procedimientos -colectivamente llamados sistemas de informacin- orientados a solucionar problemas empresariales. Los SIG o MIS (tambin denominados as por sus siglas en ingls: Management Information System) se diferencian de los sistemas de informacin comunes en que para analizar la informacin utilizan otros sistemas que se usan en las actividades operacionales de la organizacin. Acadmicamente, el trmino es comnmente utilizado para referirse al conjunto de los mtodos de gestin de la informacin vinculada a la automatizacin o apoyo humano de la toma de decisiones (por ejemplo: Sistemas de apoyo a la decisin, Sistemas expertos y Sistemas de informacin para ejecutivos).

Sistema de Informacion Gerencial

En sus orgenes, las empresas utilizaban los ordenadores para la prctica empresarial de informatizar las nminas y hacer el seguimiento de las cuentas por pagar y por cobrar. Como las aplicaciones que histricamente se venan desarrollado siempre eran para gestionar la informacin sobre ventas, inventarios, y otros datos que ayuden en la gestin de la empresa, el trmino "SIG" (o "MIS") surgi para describir este tipo de aplicaciones. Hoy, el trmino se utiliza ampliamente en una serie de contextos e incluye (sin limitarse a ello): sistemas de apoyo de decisiones, los recursos y aplicaciones de gestin de personal, gestin de proyectos, y aplicaciones de recuperacin de bases de datos y la formacin empresarial

Definicin y estructura de un SIG

Un sistema integrado usuariomquina, el cual implica que algunas tareas son mejor realizadas por el hombre, mientras que otras son muy bien hechas por la mquina, para prever informacin que apoye las operaciones, la administracin y las funciones de toma de decisiones en una empresa. El sistema utiliza equipos de computacin y software especializado, procedimientos, manuales, modelos para el anlisis, la planificacin, el control y la toma de decisiones, adems de bases de datos.

Planificacin y Control
Todas las funciones gerenciales; Planificacin, Organizacin, Direccin y Control son necesarias para un buen desempeo organizacional. Los Sistemas de Informacin Gerencial son necesarios para apoyar estas funciones, en especial la Planificacin y el Control. El valor de la informacin proporcionada por el sistema, debe cumplir con los siguientes cuatro supuestos bsicos: Calidad: Para los gerentes es imprescindible que los hechos comunicados sean un fiel reflejo de la realidad planteada. Oportunidad: Para lograr un control eficaz, las medidas correctivas en caso de ser necesarias, deben aplicarse a tiempo, antes de que se presente una gran desviacin respecto de los objetivos planificados con anterioridad. Cantidad: Es probable que los gerentes casi nunca tomen decisiones acertadas y oportunas si no disponen de informacin suficiente, pero tampoco deben verse desbordados por informacin irrelevante e intil, pues esta puede llevar a una inaccin o decisiones desacertadas.

Sistemas de informacin gerencial Relevancia: La informacin que le es proporcionada a un gerente debe estar relacionada con sus tareas y responsabilidades.

88

Un dato importante sobre SIG

Los sistemas de informacin gerencial son una necesidad hoy en da, ya que las empresas manejan grandes cantidades de datos los cuales deben ser analizados, de tal manera que se pueda encontrar informacin relevante para tomar diferentes cursos de accin. Los SIG actualmente son conocidos como Business intelligent (Inteligencia de negocios),esto es debido a que influyen a la toma de decisiones. Los SIG forman parte de las estrategias corporativas, ya que la comunicacin e informacin son de gran valor en las organizaciones o empresas, porque representan poder .

Necesidad de un SIG
Por qu es necesario un sistema de informacin gerencial para una organizacin? Las razones pueden ser muchas, pero pueden resumirse en estas: Oportunidad: Para lograr un control eficaz de una organizacin, se deben tomar a tiempo medidas correctivas en caso de ser necesarias, antes de que se presente una gran desviacin respecto de los objetivos planificados con anterioridad. Cantidad: Es probable que los gerentes casi nunca tomen decisiones acertadas y oportunas si no disponen de informacin suficiente, pero tampoco deben verse desbordados por informacin irrelevante e intil (redundancia), pues sta puede llevar a una inaccin o decisiones desacertadas. Relevancia: Reduccin de costos.

Factores que determinan su desempeo

Si se habla de una institucin que no tiene los recursos humanos con experiencia en sistemas de informacin gerencial que desea organizar o mejorar su SIG, es, la manera cmo funciona y qu se requiere para mejorarlo.

Sistemas de Informacin Gerencial en las PyMEs

En gran parte de las pequeas y medianas empresas existe una necesidad urgente de la incorporacin a proyectos de Sistemas de Informacin Gerencial (SIG), como sntomas o pruebas de ello tenemos por ejemplo la falta de estrategias de crecimiento (culpando en gran parte a la tendencia cultural de las organizaciones), una inadecuada utilizacin de las tecnologas y conocimientos, propiciando prdidas de recursos, debilidad financiera y deficiencias en toda la organizacin. Gran nmero de empresas carece de ventajas para tener una mayor accesibilidad a las tecnologas, y desarrollar un SIG, debido a varias razones como: costos elevados, carencia de recursos, falta de acceso a la informacin, etc.; adems las PyMEs tienen que responder al mercado en forma rpida y creativa siendo difcil aplicar y mantener un sistema que ayude y brinde apoyo a la toma de decisiones para poder competir y crecer en su ramo. En un ambiente de evolucin tecnolgica, el reto es lograr que la mayora de los usuarios aprovechen las opciones disponibles para producir eficiencia e innovacin en su trabajo cotidiano. Por ello las Tecnologas de Informacin forman un factor determinante para dar lugar al crecimiento tanto de las PyMEs como de cualquier empresa.

Sistemas de informacin gerencial

89

Pasos para analizar un SIG

1. Identificar a todos aquellos agentes que estn utilizando o deberan utilizar los distintos tipos de informacin (profesionales, trabajadores de campo, supervisores, administradores, etc.) 2. Establecer los objetivos a largo y corto plazo de la organizacin, departamento o punto de prestacin de servicios. 3. Identificar la informacin que se requiere para ayudar a las diferentes personas a desempearse efectiva y eficientemente, y eliminar la informacin que se recolecta pero que no se utiliza. 4. Determinar cules de los formularios y procedimientos actuales para recolectar, registrar, tabular, analizar y brindar la informacin, son sencillos, no requieren demasiado tiempo y cubren las necesidades de los diferentes trabajadores, y qu formularios y procedimientos necesitan mejorarse. 5. Revisar todos los formularios y procedimientos existentes para recolectar y registrar informacin que necesiten mejorarse o preparar nuevos instrumentos si es necesario. 6. Establecer o mejorar los sistemas manuales o computarizados para tabular, analizar, y ofrecer la informacin para que sean ms tiles a los diferentes trabajadores 7. Desarrollar procedimientos para confirmar la exactitud de los datos. 8. Capacitar y supervisar al personal en el uso de nuevos formularios, registros, hojas de resumen y otros instrumentos para recolectar, tabular, analizar, presentar y utilizar la informacin. 9. Optimizar un sistema de informacin gerencial: qu preguntar, qu observar, qu verificar.

Una estructura piramidal

1. La parte inferior de la pirmide esta comprendida por la informacin relacionada con el procesamiento de las transacciones. 2. El siguiente nivel comprende los recursos de informacin para apoyar las operaciones diarias de control. 3. El tercer nivel agrupa los recursos del sistema de informacin para ayudar a la planificacin tctica y la toma de decisiones relacionadas con el control Administrativo. 4. El nivel ms alto comprende los recursos de informacin necesarios para apoyar la planificacin estratgica y la definicin de polticas de los niveles ms altos de la administracin.

Enlaces externos
Sistemas de Informacin para el apoyo a la toma de decisiones gerenciales [1] Artculo sobre la evolucin de los negocios y el papel que desempea en ellos la informacin [2] GEOMunicipal [3] - Sistema de Informacin Gerencial para Gobiernos Locales.

Referencias
[1] http:/ / www. monografias. com/ trabajos17/ sistema-gerencial/ sistema-gerencial. shtml [2] http:/ / www. gestiopolis. com/ canales/ gerencial/ articulos/ 59/ pronosfut. htm [3] http:/ / www. geomunicipal. com/ informacion-gerencial

Sistemas de soporte a decisiones

90

Sistemas de soporte a decisiones

Debido a que hay muchos enfoques para la toma de decisiones y debido a la amplia gama de mbitos en los cuales se toman las decisiones, el concepto de sistema de apoyo a las decisiones (DSS por sus siglas en ingls Decision support system) es muy amplio. Un DSS puede adoptar muchas formas diferentes. En general, podemos decir que un DSS es un sistema informtico utilizado para servir de apoyo, ms que automatizar, el proceso de toma de decisiones. La decisin es una eleccin entre alternativas basadas en estimaciones de los valores de esas alternativas. El apoyo a una decisin significa ayudar a las personas que trabajan solas o en grupo a reunir inteligencia, generar alternativas y tomar decisiones. Apoyar el proceso de toma de decisin implica el apoyo a la estimacin, la evaluacin y/o la comparacin de alternativas. En la prctica, las referencias a DSS suelen ser referencias a aplicaciones informticas que realizan una funcin de apoyo.[1]

Definiciones
El trmino sistema de apoyo a la decisin se ha utilizado de formas muy diversas y se ha definido de diferentes maneras dependiendo del punto de vista del autor.[2] Algunas de esas definiciones son: Un DSS, en trminos muy generales, es "un sistema basado en computador que ayuda en el proceso de toma de decisiones" (Finlay[3] y otros). En trminos bastante ms especficos, un DSS es "un sistema de informacin basado en un computador interactivo, flexible y adaptable, especialmente desarrollado para apoyar la solucin de un problema de gestin no estructurado para mejorar la toma de decisiones. Utiliza datos, proporciona una interfaz amigable y permite la toma de decisiones en el propio anlisis de la situacin" (Turban[4]). Otras definiciones intermedias entre las dos anteriores seran: Un DSS es un "conjunto de procedimientos basados en modelos para procesar datos y juicios para asistir a un gerente en su toma de decisiones" (Little[5]). Un DSS "combina recursos intelectuales individuales con las capacidades de un ordenador para mejorar la calidad de las decisiones (son un apoyo informtico para los encargados de tomar decisiones sobre problemas semiestructurados)" (Keen[6]). "Sistema extensible capaz de apoyar ad-hoc el anlisis de datos y el modelado de decisiones, orientado a la planificacin futura y utilizado a intervalos irregulares, no planificados" (Moore y Chang[7]). Los DSS son "Sistemas informticos interactivos que ayudan a los encargados de tomar decisiones utilizando datos y modelos para resolver problemas no estructurados" (Sprague y Carlson[8]). Kenn afirma que es imposible dar una definicin precisa incluyendo todas las facetas de la DSS ya que "no puede haber una definicin de los sistemas de apoyo a la decisin, sino slo del apoyo a la decisin" (Keen[9]). Para Power el termino DSS puede referirse a muchos tipos de sistemas de informacin que dan soporte a la toma de decisiones. Humorsticamente aade que siempre que un sistema informtico no sea un 'sistema para procesamiento de transacciones en linea' (OLTP), alguien tendr la tentacin de llamarlo DSS (Power[10]). Como se puede ver no hay una definicin universalmente aceptada de lo que es un DSS.[11]

Breve historia
Segn Keen,[6] el concepto de apoyo a las decisiones ha evolucionado desde dos reas principales de investigacin: los estudios tericos de organizacin de la toma de decisiones, hechos en el Carnegie Institute of Technology a finales de 1950 y comienzos de 1960, y el trabajo tcnico sobre sistemas informticos interactivos, principalmente llevadas a cabo en el Instituto Tecnolgico de Massachusetts en la dcada de 1960. Se considera que el concepto de DSS se convirti en un espacio de investigacin como tal a mediados de la dcada de 1970, antes de ganar en intensidad durante el decenio de 1980. A mediados y finales de 1980, los sistemas de informacin ejecutiva (EIS),

Sistemas de soporte a decisiones los sistemas de apoyo a la decisin en grupo (GDSS) y los sistemas organizacionales de apoyo a la decisin (ODSS) evolucionaron desde el usuario individual y el DSS orientados a modelos. A partir de 1990 aproximadamente, los almacenes de datos y el procesamiento analtico en lnea (OLAP) comenz a ampliar el mbito de los DSS. Con el cambio de milenio, se introdujeron nuevas aplicaciones analticas basadas en la web. Es evidente que los DSS pertenecen a un entorno con fundamentos multidisciplinarios, incluyendo (pero no exclusivamente) la investigacin en base de datos, inteligencia artificial, Interaccin hombre-mquina, mtodos de simulacin, ingeniera de software y telecomunicaciones. Los DSS tambin tienen una dbil conexin con el paradigma de la interfaz de usuario de hipertexto. Tanto el sistema PROMIS (para la toma de decisiones mdicas) de la Universidad de Vermont, como el sistema ZOG/KMS (para la toma de decisiones militares y de negocios) de la Universidad Carnegie Mellon fueron dos sistemas de apoyo a las decisiones que constituyeron grandes avances en la investigacin de interfaz de usuario. Por otra parte, aunque las investigaciones en hipertexto, por lo general, se haya centrado en la sobrecargo de informacin, algunos investigadores, en particular, Douglas Engelbart, se han centrado en la toma de decisiones en particular.

91

Funcin y caractersticas
Los DSS son herramientas de mucha utilidad en Inteligencia empresarial (Business Intelligence), permiten realizar el anlisis de las diferentes variables de negocio para apoyar el proceso de toma de decisiones de los directivos: Permite extraer y manipular informacin de una manera flexible. Ayuda en decisiones no estructuradas. Permite al usuario definir interactivamente qu informacin necesita y cmo combinarla. Suele incluir herramientas de simulacin, modelizacin, etc. Puede combinar informacin de los sistemas transaccionales internos de la empresa con los de otra empresa externa.

Su principal caracterstica es la capacidad de anlisis multidimensional (OLAP) que permite profundizar en la informacin hasta llegar a un alto nivel de detalle, analizar datos desde diferentes perspectivas, realizar proyecciones de informacin para pronosticar lo que puede ocurrir en el futuro, anlisis de tendencias, anlisis prospectivo, etc. Un DSS da soporte a las personas que tienen que tomar decisiones en cualquier nivel de gestin, ya sean individuos o grupos, tanto en situaciones semiestructuradas como en no estructuradas, a travs de la combinacin del juicio humano e informacin objetiva: Soporta varias decisiones interdependientes o secuenciales. Ofrece ayuda en todas las fases del proceso de toma de decisiones -inteligencia, diseo, seleccin, e implementacin- as como tambin en una variedad de procesos y estilos de toma de decisiones. Es adaptable por el usuario en el tiempo para lidiar con condiciones cambiantes. Genera aprendizaje, dando como resultado nuevas demandas y refinamiento de la aplicacin, que a su vez da como resultado un aprendizaje adicional. Generalmente utiliza modelos cuantitativos (estndar o hechos a la medida). Los DSS avanzados estn equipados con un componente de administracin del conocimiento que permite una solucin eficaz y eficiente de problemas muy complejos. Puede ser implantado para su uso en Web, en entornos de escritorio o en dispositivos mviles (PDA). Permite la ejecucin fcil de los anlisis de sensibilidad.

Sistemas de soporte a decisiones

92

Taxonomas
Al igual que ocurre con la definicin, no existe una taxonoma universalmente aceptada para los DSS. Diferentes autores proponen diferentes clasificaciones. Utilizando la relacin con el usuario como criterio, Haettenschwiler[12] distingue entre: DSS pasivo.- Es un sistema de ayudas para el proceso de toma de decisiones, pero que no puede llevar a cabo una decisin explcita sugerencias o soluciones. DSS activo.- Puede llevar a cabo dicha decisin sugerencias o soluciones. DSS cooperativo.- Permite al encargado de la toma de decisiones (o a sus asesores) modificar, completar o perfeccionar las sugerencias de decisin proporcionadas por el sistema, antes de enviar de vuelta al sistema para su validacin. El nuevo sistema mejora, completa y precisa las sugerencias del tomador de la decisin y las enva de vuelta a su para su validacin. Entonces, todo el proceso comienza de nuevo, hasta que se genera una solucin consolidada. Utilizando el modo de asistencia como criterio, Power[13] distingue entre: DSS dirigidos por modelos.- Se hace hincapi en el acceso y manipulacin de un modelo estadstico, financiero, de optimizacin o de simulacin. Utiliza datos y parmetros proporcionados por los usuarios para ayudar a los encargados de adoptar decisiones en el anlisis de una situacin, que no son necesariamente los datos intensivos. Dicodess es un ejemplo de un DSS de cdigo abierto basado en modelos.[14] DSS dirigidos por comunicacin.- Disponen de soporte para varias personas que trabajan en una misma tarea compartida. Ejemplos incluyen herramientas integradas como Microsoft NetMeeting o Microsoft Groove.[15] DSS dirigidos por datos.- Tambin llamados orientados por datos, enfatizan el acceso y la manipulacin de series temporales de datos internos de la empresa y, a veces, tambin de datos externos. DSS dirigidos por documentos.- Gestionan, recuperan y manipulan informacin no estructurada en una variedad de formatos electrnicos. DSS dirigidos por conocimiento.- Proporcionan experiencia acumulada en forma de hechos, normas, procedimientos, o en estructuras similares especializados para la resolucin de problemas.[13] Utilizando el mbito como criterio, Power[10] sugiere esta otra clasificacin: DSS para la gran empresa.- Este DSS estar enlazado con un almacn de datos de gran tamao y dar servicio a muchos gerentes, directores y/o ejecutivos de la compaa. DSS de escritorio.- Es un sistema pequeo que puede correr en el ordenador personal de un gerente al que da servicio (un solo usuario).

Arquitecturas
Una vez ms, diferentes autores identifican diferentes componentes para un DSS. Sprague y Carlson[8] identifican tres componentes bsicos que son explicados con ms detalles por Haag y otros:[16] El sistema de gestin de base de datos.- Almacena informacin de diversos orgenes, puede proceder de los repositorios de datos de una organizacin tradicional, de fuentes externas (como Internet), o del personal (de ideas y experiencias de los usuarios individuales). El sistema gestor de modelos.- Se ocupa de las representaciones de los acontecimientos, hechos o situaciones utilizando varios tipos de modelos (dos ejemplos seran modelos de optimizacin y modelos de bsqueda-objetivo). El sistema gestor y generador de dilogos.- Se trata de la interfaz de usuario; es, por supuesto, el componente que permite a un usuario interactuar con el sistema. Segn Power[13] un DSS tiene cuatro componentes fundamentales: La interfaz de usuario. La base de datos.

Sistemas de soporte a decisiones Las herramientas analticas y de modelado. La red y arquitectura del DSS. Httenschwiler[17] identifica cinco componentes en un DSS: Usuarios.- Con diferentes roles o funciones en el proceso de toma de decisiones (tomador de decisiones, asesores, expertos del dominio, expertos del sistema, recolectores de datos). Contexto de decisin.- Debe ser especfico y definible. Sistema de destino.- ste describe la mayora de las preferencias. Bases de conocimiento.- Compuestas de fuentes de datos externas, bases de datos de conocimiento, bases de datos de trabajo, almacenes de datos y meta-bases de datos, modelos matemticos y mtodos, procedimientos, inferencia y los motores de bsqueda, programas administrativos, y los sistemas de informes. Entorno de trabajo.- Para la preparacin, anlisis y documentacin de decisin alternativas. Arakas[18] propone una arquitectura generalizada compuesta de de cinco partes distintas: El sistema gestor de datos. El sistema gestor de modelos. El motor de conocimiento. La interfaz de usuario. Los usuarios.

93

Entornos de desarrollo
Los sistemas DSS no son totalmente diferente de otros sistemas y requieren un enfoque estructurado. Sprague y Watson (1993) proporcionaron un entorno de tres niveles principales: 1. Los niveles de tecnologa.- Se propone una divisin en 3 niveles de hardware y software para los DSS: 1. DSS especfico.- Aplicacin real que ser utilizada por el usuario. sta es la parte de la aplicacin que permite la toma decisiones en un problema particular. El usuario podr actuar sobre este problema en particular. 2. Generador de DSS.- Este nivel contiene hardware y software de entorno que permite a las personas desarrollar fcilmente aplicaciones especficas de DSS. Este nivel hace uso de herramientas case. Tambin incluye lenguajes de programacin especiales, bibliotecas de funciones y mdulos enlazados. 3. Herramientas de DSS.- Contiene hardware y software de bajo nivel. 2. Las personas que participan.- Para el ciclo de desarrollo de un DSS, se sugieren 5 tipos de usuarios o participantes: 1. Usuario final 2. Intermediario 3. Desarrollador 4. Soporte tcnico 5. Experto de sistemas 3. El enfoque de desarrollo.- El enfoque basado en el desarrollo de un DSS deber ser muy iterativo. Esto permitir que la aplicacin sea cambiada y rediseada en diversos intervalos. El problema inicial se utiliza para disear el sistema y a continuacin, ste es probado y revisado para garantizar que se alcanza el resultado deseado.

Sistemas de soporte a decisiones

94

Referencias
[1] Alter, S. L. (1980). Decision support systems: current practice and continuing challenges. Reading, Mass., Addison-Wesley Pub. [2] Druzdzel, M. J. and R. R. Flynn (1999). Decision Support Systems. Encyclopedia of Library and Information Science. A. Kent, Marcel Dekker, Inc. [3] Finlay, P. N. (1994). Introducing decision support systems. Oxford, UK Cambridge, Mass., NCC Blackwell; Blackwell Publishers. [4] Turban, E. (1995). Decision support and expert systems: management support systems. Englewood Cliffs, N.J., Prentice Hall. ISBN 0-02-421702-6 [5] Little, J.D.C.(1970, April). "Models and Managers:The Concept of a Decision Calculus." Management Science, Vol.16,NO.8 [6] Keen, P. G. W. (1978). Decision support systems: an organizational perspective. Reading, Mass., Addison-Wesley Pub. Co. ISBN 0-201-03667-3 [7] Moore, J.H.,and M.G.Chang.(1980,Fall)."Design of Decision Support Systems." Data Base,Vol.12, Nos.1 and 2. [8] Sprague, R. H. and E. D. Carlson (1982). Building effective decision support systems. Englewood Cliffs, N.J., Prentice-Hall. ISBN 0-13-086215-0 [9] Keen, P. G. W. (1980). Decision support systems: a research perspective. Decision support systems : issues and challenges. G. Fick and R. H. Sprague. Oxford ; New York, Pergamon Press. [10] Power, D. J. (1997). What is a DSS? The On-Line Executive Journal for Data-Intensive Decision Support 1(3). [11] Power, D.J. A Brief History of Decision Support Systems (http:/ / DSSResources. COM/ history/ dsshistory. html) DSSResources.COM, World Wide Web, version 2.8, May 31, 2003. [12] Haettenschwiler, P. (1999). Neues anwenderfreundliches Konzept der Entscheidungsuntersttzung. Gutes Entscheiden in Wirtschaft, Politik und Gesellschaft. Zurich, vdf Hochschulverlag AG: 189-208. [13] Power, D. J. (2002). Decision support systems: concepts and resources for managers. Westport, Conn., Quorum Books. [14] Gachet, A. (2004). Building Model-Driven Decision Support Systems with Dicodess. Zurich, VDF. [15] Stanhope, P. (2002). Get in the Groove: building tools and peer-to-peer solutions with the Groove platform. New York, Hungry Minds [16] Haag, Cummings, McCubbrey, Pinsonneault, Donovan (2000). Management Information Systems: For The Information Age. McGraw-Hill Ryerson Limited: 136-140. ISBN 0-07-281947-2 [17] Haettenschwiler, P. (1999). Neues anwenderfreundliches Konzept der Entscheidungsuntersttzung. Gutes Entscheiden in Wirtschaft, Politik und Gesellschaft. Zurich, vdf Hochschulverlag AG: 189-208. [18] Marakas, G. M. (1999). Decision support systems in the twenty-first century. Upper Saddle River, N.J., Prentice Hall.

Bibliografa adicional
Alter, S. Transforming DSS jargon into principles for DSS success (1994), en: P. Gray (Ed.), Decision Support and Executive Information System, Prentice-Hall, Englewood Cliffs, NJ, pp. 2-26. Turban & Aronson. Decision Support Systems and Intelligent Systems (2001). Upper Saddle River, NJ: Prentice-Hall. Turban, McLean & Wetherbe. Information Technology for Management (2002). Massachusetts: Wiley.

Enlaces externos
Principios para el xito de un Sistema de Soporte a la Decisin (http://www.gestiopolis.com/canales2/ gerencia/1/ddsirwing.htm)

Sistemas de informacin ejecutiva

95

Sistemas de informacin ejecutiva

Un Sistema de Informacin Ejecutiva (Executive information system, EIS por sus siglas en ingls) es una herramienta de Inteligencia empresarial (Business Intelligence, BI), orientada a usuarios de nivel gerencial, que permite monitorear el estado de las variables de un rea o unidad de la empresa a partir de informacin interna y externa a la misma. Se puede considerar que un EIS es un tipo de Sistema de Soporte a la Decisin (DSS) cuya finalidad principal es que el responsable de un departamento o compaa tenga acceso, de manera instantnea, al estado de los indicadores de negocio que le afectan, con la posibilidad de estudiar con detalle aquellos aspectos que no estn cumpliendo con los objetivos establecidos en su plan estratgico u operativo, y as determinar las medidas de contingencia ms adecuadas. Una de las caractersticas ms importantes de un EIS es que permite a usuarios con perfil no tcnico construir nuevos informes y navegar por los datos de la compaa, con el objetivo de descubrir informacin que les resulte relevante. Esto se debe, entre otras cosas, a que la interfaz grfica de estas aplicaciones suele ser muy atractiva e intuitiva. El EIS suele incluir tambin alertas de negocio, informes histricos comparativos y anlisis de tendencias. Por otro lado, es comn que se puedan realizar subscripciones a los informes o listados ms significativos. Un EIS suele necesitar de la implantacin de un data warehouse o data mart que acte como fuente central de informacin, unificando, depurando e integrando las distintas bases de datos operacionales de la compaa. Por otro lado, es posible adaptar la estructura del EIS a la teora de Balanced Scorecard o Cuadro de Mando Integral impulsada por Kaplan y Norton, o bien a cualquier otro modelo de seguimiento de indicadores que maneje la organizacin.

Fuentes
Sistemas de Informacin Ejecutiva (EIS) [1]

Referencias
[1] http:/ / www. sinnexus. com/ business_intelligence/ sistemas_informacion_ejecutiva. aspx

Sistemas de automatizacin de oficinas

96

Sistemas de automatizacin de oficinas

Los sistemas de automatizacin de oficinas, tambin llamados OAS por sus siglas en ingls (Office Automation Systems) consisten en aplicaciones destinadas a ayudar al trabajo diario del administrativo de una organizacin, forman parte de este tipo de software los procesadores de textos, las hojas de clculo, los editores de presentaciones, los clientes de correo electrnico, etc. Cuando varias de estas aplicaciones se agrupan en un mismo paquete de software para facilitar su distribucin e instalacin, al conjunto se le conoce con el nombre de suite ofimtica.

Modelos de OAS
Quiz el paquete de software ms popular que puede ajustarse a la definicin de OAS (y al de suite ofimtica) sea Microsoft Office en cualquiera de sus versiones. Este software, perteneciente a la compaa Microsoft, funciona oficialmente bajo los sistemas operativos Microsoft Windows y Apple Mac OS, aunque tambin lo hace en Linux si se utilizan emuladores. Existen otras suites ofimticas disponibles para cualquier usuario que se distribuyen libremente, algunas de ellas son: StarOffice OpenOffice.org KOffice Gnome Office LibreOffice

Modelos OAS en la actualidad

En la actualidad, con la aparicin de la filosofa de la Web 2.0 estn proliferando las suites ofimticas en lnea, que no son ms que aplicaciones que cumplen las mismas funciones que los clsicos OAS de escritorio, pero disponibles para ser utilizados en algn portal de Internet. Estas suites presentan la ventaja de que un usuario puede trabajar con sus propios documentos desde cualquier ordenador conectado a Internet, adems, en estos sistemas suele ser muy fcil compartir documentos, facilitando as el trabajo colaborativo. Algunas de ests suites son: Google Docs y Hojas de clculo de Google (http://docs.google.com [1]) Zoho (http://www.zoho.com/ [2]) Peepel (http://www.peepel.com/ [3])

Referencias
[1] http:/ / docs. google. com [2] http:/ / www. zoho. com/ [3] http:/ / www. peepel. com/

Planificacin de recursos empresariales

97

Planificacin de recursos empresariales

Los sistemas de planificacin de recursos empresariales, o ERP (por sus siglas en ingls, Enterprise resource planning) son sistemas de informacin gerenciales que integran y manejan muchos de los negocios asociados con las operaciones de produccin y de los aspectos de distribucin de una compaa en la produccin de bienes o servicios. La Planificacin de Recursos Empresariales es un trmino derivado de la Planificacin de Recursos de Manufactura (MRPII) y seguido de la Planificacin de Requerimientos de Material (MRP). Los sistemas ERP tpicamente manejan la produccin, logstica, distribucin, inventario, envos, facturas y contabilidad de la compaa. Sin embargo, la Planificacin de Recursos Empresariales o el software ERP puede intervenir en el control de muchas actividades de negocios como ventas, entregas, pagos, produccin, administracin de inventarios, calidad de administracin y la administracin de recursos humanos. Los sistemas ERP son llamados ocasionalmente back office (trastienda) ya que indican que el cliente y el pblico general no estn directamente involucrados. Este sistema es, en contraste con el sistema de apertura de datos (front office), que crea una relacin administrativa del consumidor o servicio al consumidor (CRM), un sistema que trata directamente con los clientes, o con los sistemas de negocios electrnicos tales como comercio electrnico, administracin electrnica, telecomunicaciones electrnicas y finanzas electrnicas; asimismo, es un sistema que trata directamente con los proveedores, no estableciendo nicamente una relacin administrativa con ellos (SRM). Los ERP estn funcionando ampliamente en todo tipo de empresas modernas. Todos los departamentos funcionales que estn involucrados en la operacin o produccin estn integrados en un solo sistema. Adems de la manufactura o produccin, almacenamiento, logstica e informacin tecnolgica, incluyen adems la contabilidad, y suelen incluir un Sistema de Administracin de Recursos Humanos, y herramientas de mercadotecnia y administracin estratgica.

Definicin
Los sistemas de planificacin de recursos empresariales (en ingls ERP, Enterprise Resource Planning) son sistemas de gestin de informacin que integran y automatizan muchas de las prcticas de negocio asociadas con los aspectos operativos o productivos de una empresa. Los sistemas ERP son sistemas integrales de gestin para la empresa. Se caracterizan por estar compuestos por diferentes partes integradas en una nica aplicacin. Estas partes son de diferente uso, por ejemplo: produccin, ventas, compras, logstica, contabilidad (de varios tipos), gestin de proyectos, GIS (sistema de informacin geogrfica), inventarios y control de almacenes, pedidos, nminas, etc. Slo podemos definir un ERP como la integracin de todas estas partes. Lo contrario sera como considerar un simple programa de facturacin como un ERP por el simple hecho de que una empresa integre nicamente esa parte. sta es la diferencia fundamental entre un ERP y otra aplicacin de gestin. El ERP integra todo lo necesario para el funcionamiento de los procesos de negocio de la empresa. No podemos hablar de ERP en el momento que tan slo se integra uno o una pequea parte de los procesos de negocio. La propia definicin de ERP indica la necesidad de "Disponibilidad de toda la informacin para todo el mundo todo el tiempo". Los objetivos principales de los sistemas ERP son: Optimizacin de los procesos empresariales. Acceso a toda la informacin de forma confiable, precisa y oportuna (integridad de datos). La posibilidad de compartir informacin entre todos los componentes de la organizacin. Eliminacin de datos y operaciones innecesarias de reingeniera.

El propsito fundamental de un ERP es otorgar apoyo a los clientes del negocio, tiempos rpidos de respuesta a sus problemas, as como un eficiente manejo de informacin que permita la toma oportuna de decisiones y disminucin de los costos totales de operacin.

Planificacin de recursos empresariales Las caractersticas que distinguen a un ERP de cualquier otro software empresarial, es que deben de ser sistemas integrales, con modularidad y adaptables: Integrales, porque permiten controlar los diferentes procesos de la compaa entendiendo que todos los departamentos de una empresa se relacionan entre s, es decir, que el resultado de un proceso es punto de inicio del siguiente. Por ejemplo, en una compaa, el que un cliente haga un pedido representa que se cree una orden de venta que desencadena el proceso de produccin, de control de inventarios, de planificacin de distribucin del producto, cobranza, y por supuesto sus respectivos movimientos contables. Si la empresa no usa un ERP, necesitar tener varios programas que controlen todos los procesos mencionados, con la desventaja de que al no estar integrados, la informacin se duplica, crece el margen de contaminacin en la informacin (sobre todo por errores de captura) y se crea un escenario favorable para malversaciones. Con un ERP, el operador simplemente captura el pedido y el sistema se encarga de todo lo dems, por lo que la informacin no se manipula y se encuentra protegida. Modulares. Los ERP entienden que una empresa es un conjunto de departamentos que se encuentran interrelacionados por la informacin que comparten y que se genera a partir de sus procesos. Una ventaja de los ERP, tanto econmica como tcnica es que la funcionalidad se encuentra dividida en mdulos, los cuales pueden instalarse de acuerdo con los requerimientos del cliente. Ejemplo: ventas, materiales, finanzas, control de almacn, recursos humanos, etc. Adaptables. Los ERP estn creados para adaptarse a la idiosincrasia de cada empresa. Esto se logra por medio de la configuracin o parametrizacin de los procesos de acuerdo con las salidas que se necesiten de cada uno. Por ejemplo, para controlar inventarios, es posible que una empresa necesite manejar la particin de lotes pero otra empresa no. Los ERP ms avanzados suelen incorporar herramientas de programacin de 4 Generacin para el desarrollo rpido de nuevos procesos. La parametrizacin es el valor aadido fundamental que debe contar cualquier ERP para adaptarlo a las necesidades concretas de cada empresa. Otras caractersticas destacables de los sistemas ERP son: Base de datos centralizada. Los componentes del ERP interactan entre s consolidando todas las operaciones. En un sistema ERP los datos se ingresan slo una vez y deben ser consistentes, completos y comunes. Las empresas que lo implanten suelen tener que modificar alguno de sus procesos para alinearlos con los del sistema ERP. Este proceso se conoce como Reingeniera de Procesos, aunque no siempre es necesario. Aunque el ERP pueda tener mens modulares configurables segn los roles de cada usuario, es un todo. Esto significa: es un nico programa (con multiplicidad de bibliotecas, eso s) con acceso a una base de datos centralizada. No debemos confundir en este punto la definicin de un ERP con la de una suite de gestin. La tendencia actual es a ofrecer aplicaciones especializadas para determinadas empresas. Es lo que se denomina versiones sectoriales o aplicaciones sectoriales especialmente indicadas o preparadas para determinados procesos de negocio de un sector (los ms utilizados). Las soluciones ERP en ocasiones son complejas y difciles de implantar debido a que necesitan un desarrollo personalizado para cada empresa partiendo de la parametrizacin inicial de la aplicacin que es comn. Las personalizaciones y desarrollos particulares para cada empresa requieren de un gran esfuerzo en tiempo, y por consiguiente en dinero, para modelar todos los procesos de negocio de la vida real en la aplicacin. Las metodologas de implantacin de los ERP en la empresa no siempre son todo lo simples que se deseara, dado que entran en juego mltiples facetas. No hay recetas mgicas ni guiones explcitos para implantaciones exitosas; solamente trabajo bien realizado, una correcta metodologa y aspectos que deben cuidarse antes y durante el proceso de implantacin, e inclusive cuando el sistema entra en funcin. Por ello, antes, durante y despus de la implantacin de un ERP es conveniente efectuar lo siguiente:

98

Planificacin de recursos empresariales Definicin de resultados a obtener con la implantacin de un ERP. Definicin del modelo de negocio. Definicin del modelo de gestin. Definicin de la estrategia de implantacin. Evaluacin de oportunidades para software complementario al producto ERP. Alineamiento de la estructura y plataformas tecnolgicas. Anlisis del cambio organizativo. Entrega de una visin completa de la solucin a implantar. Implantacin del sistema. Controles de calidad. Auditora del entorno tcnico y del entorno de desarrollo. Benchmarking de la implantacin.

99

Implementacin
Debido a que cubre un espectro de aspectos de la gestin de una empresa, un sistema de software ERP est basado en algunos de los productos de software de mayor tamao y complejidad en la industria. Al implementar tales sistemas en una compaa la metodologa tradicional sola involucrar a un grupo de analistas, programadores y usuarios. Este fue el esquema que se emple, por lo menos, hasta el desarrollo de Internet. Esta permite a los consultores tener acceso a las computadoras de la compaa con el fin de poder instalar los datos actualizados y estandarizados de implementacin del ERP, sin ayuda profesional. Este tipo de proyectos pueden llegar a ser muy caros para grandes compaas, especialmente para las transnacionales. Las compaas especializadas en la implementacin del ERP, sin embargo, pueden agilizar estos procesos y completar la tarea en menos de seis meses con un slido examen piloto. A la hora de realizar la implementacin de los sistemas ERP, las compaas muchas veces buscan la ayuda de un proveedor o vendedor de ERP o de consultoras tecnolgicas. La consultora en materia de ERP es de dos tipos, la consultora de negocios y la consultora tcnica. La consultora de negocios estudia los procesos de negocios actuales de la compaa y evala su correspondencia con los procesos del sistema ERP, lo cual generalmente incluye la personalizacin de ciertos aspectos de los sistemas ERP para las necesidades de las organizaciones. La consultora tcnica muchas veces implica programacin. La mayora de los vendedores de ERP permiten modificar su software para las necesidades de los negocios de sus clientes. Muchas de las empresas que buscan la implantacin de un ERP comenten el error de buscar soluciones a bajo coste, o no contratar a una empresa integradora. Este tipo de empresa, no solamente les ayuda en la implantacin sino que les apoya a visualizar a su cliente en todos los aspectos de su negocio tanto en hardware, software y en la administracin del cambio. Personalizar un paquete ERP puede resultar muy costoso y complicado, porque muchos paquetes no estn diseados para su personalizacin, as que muchos negocios implementan sus sistemas ERP siguiendo las mejores prcticas de la industria. Algunos paquetes ERP son muy genricos en sus reportes e informes; la personalizacin de dichos elementos se debe hacer en cada implementacin. Es importante tener en cuenta que en ciertas ocasiones tiene mucho ms sentido la compra de paquetes de generacin de reportes fabricados por terceros y que estn hechos para interactuar directamente con el ERP. Hoy en da, un buen nmero de sistemas ERP tienen una interfaz Web. La ventaja de este tipo de interfaz es que no requiere la instalacin de una aplicacin cliente. Mientras se tenga una conexin a Internet (o a la red local de la empresa, segn sea el caso), se puede acceder a los ERP basados en Web a travs del tpico navegador web.

Planificacin de recursos empresariales

100

Ventajas
Una empresa que no cuente con un sistema ERP, en funcin de sus necesidades, puede encontrarse con muchas aplicaciones de software cerradas, que no se pueden personalizar, y no se optimizan para su negocio. Diseo de ingeniera para mejorar el producto, seguimiento del cliente desde la aceptacin hasta la satisfaccin completa, una compleja administracin de interdependencias de los recibos de materiales, de los productos estructurados en el mundo real, de los cambios de la ingeniera y de la revisin y la mejora, y la necesidad de elaborar materiales substitutos, etc. La ventaja de tener un ERP es que todo esto, y ms, est integrado. El cambio como un producto est hecho en los detalles de ingeniera, y es como ahora ser hecho. La efectividad de datos puede usarse para el control cuando el cambio ocurra desde una versin anterior a la nueva, en ambos productos los datos van encaminados hacia la efectividad y algunos van a la suspensin del mismo. Parte del cambio puede incluir la etiqueta para identificar el nmero de la versin (cdigo de barras). La seguridad de las computadoras est incluida dentro del ERP, para proteger a la organizacin en contra de crmenes externos, tal como el espionaje industrial y crimen interno, tal como malversacin. Una falsificacin en el escenario de los datos puede involucrar terrorismo alterando el recibo de materiales como por ejemplo poner veneno en los productos alimenticios, u otro sabotaje. La seguridad del ERP ayuda a prevenir el abuso. Hay conceptos de mercadotecnia y ventas (los que incluyen CRM o la relacin administrativa con los consumidores, back end (el trabajo interno de la compaa para satisfacer las necesidades de los consumidores) que incluye control de calidad, para asegurarse que no hay problemas no arreglados, en los productos finales; cadena de abastecimiento (interaccin con los proveedores y la infraestructura). Todo esto puede ser integrado a travs de la ERP, aunque algunos sistemas tengan espacios de menos comprensibilidad y efectividad. Sin un ERP que integre todo esto, puede ser complicado para la administracin de la manufactura.

Desventajas
Muchos de los problemas que tienen las compaas con el ERP son debido a la inversin inadecuada para la educacin continua del personal relevante, incluyendo los cambios de implementacin y de prueba, y una falta de polticas corporativas que afectan a cmo se obtienen los datos del ERP y como se mantienen actualizados. Limitaciones y obstculos del ERP incluyen: El xito depende en las habilidades y la experiencia de la fuerza de trabajo, incluyendo la educacin y como hacer que el sistema trabaje correctamente. Muchas compaas reducen costos reduciendo entrenamientos. Los propietarios de pequeas empresas estn menos capacitados, lo que significa que el manejo del sistema ERP es operado por personal que no est capacitado para el manejo del mismo. Cambio de personal, las compaas pueden emplear administradores que no estn capacitados para el manejo del sistema ERP de la compaa empleadora, proponiendo cambios en las prcticas de los negocios que no estn sincronizados con el sistema. La instalacin del sistema ERP es muy costosa. Los vendedores del ERP pueden cargar sumas de dinero para la renovacin de sus licencias anuales, que no est relacionado con el tamao del ERP de la compaa o sus ganancias. El personal de soporte tcnico en ocasiones contesta a las llamadas inapropiadas de la estructura corporativa. Los ERP son vistos como sistemas muy rgidos, y difciles de adaptarse al flujo especfico de los trabajadores y el proceso de negocios de algunas compaas, este punto se cita como una de las principales causas de falla. Los sistemas pueden ser difciles de usarse. Los sistemas pueden sufrir problemas de "cuello de botella": la ineficiencia en uno de los departamentos o en uno de los empleados puede afectar a otros participantes. Muchos de los eslabones integrados necesitan exactitud en otras aplicaciones para trabajar efectivamente. Una compaa puede lograr estndares mnimos, y luego de un tiempo los "datos sucios" (datos inexactos o no

Planificacin de recursos empresariales verificados) reducirn la confiabilidad de algunas aplicaciones. Una vez que el sistema est establecido, los costos de los cambios son muy altos (reduciendo la flexibilidad y las estrategias de control). La mala imagen de unin de la compaa puede causar problemas en su contabilidad, la moral de sus empleados y las lneas de responsabilidad. La resistencia en compartir la informacin interna entre departamentos puede reducir la eficiencia del software. Hay problemas frecuentes de compatibilidad con algunos de los sistemas legales de los socios. Los sistemas pueden tener excesiva ingeniera respecto a las necesidades reales del consumidor.

101

ERP versus software de gestin

La clasificacin de un determinado software de gestin como ERP determina que disponga de una serie de requisitos y funcionalidades que posibiliten su diferenciacin. En el mercado del software de hoy en da es habitual que cualquier suite de gestin pretenda un mayor reconocimiento (por lo general irreal, dado que es igualmente necesario un software de gestin normal que un ERP, slo que para niveles diferentes) por el hecho de ser conocida como ERP en lugar de como software de gestin. As podemos ver como estrategias de marketing que determinados programas de gestin que llevan en el mercado varios aos, cambian bruscamente su denominacin a ERP, buscando un nicho de trabajo superior (por lo general acompaado de una mayor remuneracin, reconocimiento, etc) sin incrementar proporcionalmente la funcionalidad. La principal diferencia estriba en la definicin. Un ERP es una aplicacin que integra en un nico sistema todos los procesos de negocio de una empresa. Adicionalmente se pretende que todos los datos estn disponibles todo el tiempo para todo el mundo en la empresa (obviando por el momento permisos sobre disponibilidad, etc) de una manera centralizada. Esto descarta como ERP aquellos programas basados en mltiples aplicaciones (denominados comnmente suites) independientes o modulares que duplican la informacin (aun cuando la enlacen automticamente) o no la centralizan en una nica base de datos. Tambin elimina aquellos programas que se basan en sistemas de base de datos de ficheros independientes (sin motor de base de datos). Por otra parte la definicin tradicional nos dice que los ERP estn diseados para modelar y automatizar todos los procesos bsicos con el objetivo de integrar informacin a travs de la empresa, eliminando complejas conexiones entre sistemas distintos. Un ERP es una arquitectura de software que facilita el flujo de informacin entre las funciones de manufactura, logstica, finanzas y recursos humanos de una empresa. As que a la caracterstica de la base de datos centralizada y de que los componentes del ERP interacten entre s, consolidando todas las operaciones, se debe aadir que en un sistema ERP los datos se introducen una sola vez, debiendo mantener la consistencia, y ser completos. Como caracterstica colateral se puede aadir que, normalmente, las empresas deben de modificar algunos de sus procesos para alinearlos con los del sistema ERP. Es lo que se conoce como Reingeniera de Procesos. Estas caractersticas bsica debieran permitir diferenciar bsicamente entre una suite de gestin (habitualmente compuesta de programas o mdulos de facturacin y contabilidad) y un ERP puro que debiera incluir todas aquellas funcionalidades que una empresa pueda necesitar (gestin de proyectos, gestin de campaas, comercio electrnico, produccin por fases, trazabilidad, gestin de la calidad, gestin de cajas descentralizadas o centralizadas (TPVs), pasarelas de pago electrnico, gestin de la cadena de abastecimiento, logstica, etc) integradas y enlazadas entre s. No basta con tener algunas de esas funcionalidades. Realmente es necesario tener todas, aun cuando no siempre las empresas las necesiten en este momento. Pero deben de estar disponibles internamente para suplir las necesidades futuras. El saber si una empresa necesita o no un ERP o una simple suite de gestin es otro asunto, no obstante la definicin y caractersticas de un ERP debieran quedar claros.

Planificacin de recursos empresariales As por ejemplo la gestin correcta de la cadena de abastecimientos es vital para una empresa que precise de un ERP (una gran parte de los procesos de negocio dependen de la cadena de abastecimiento y su logstica asociada), pero puede no serlo tanto para otra que necesite nicamente automatizar una parte de sus procesos de negocio. El que la primera debe de utilizar un ERP es claro, que a la segunda le basta una suite de gestin ms simple, puede ser ms discutible (en funcin de las necesidades reales de la empresa tras pasar por una reingeniera de procesos), lo que no es justo ni real, es denominar comercialmente ERP a la suite de gestin utilizada por la segunda empresa. En definitiva, las suites de gestin y los ERP ocupan dos nichos de mercado, claramente distinguibles desde un punto de vista tcnico, pero comercial y publicitariamente cruzables desde abajo hacia arriba. Esto ltimo es lo que hace que muchas empresas medianas o grandes, se enfrenten con graves problemas de gestin al implementar un software que crean ERP y que deja fuera de sus necesidades, bien sean actuales o futuras, muchos de los procesos de negocio bsicos que la empresa usa o que ha pasado a usar con el devenir del tiempo.

102

Notas Enlaces externos

Florencia Chiesa, Metodologa para seleccin de sistemas ERP (http://www.ucla.edu.ve/dac/departamentos/ informatica-II/metodologia-para-seleccion-de-sistemas-erp.PDF) Reportes Tcnicos en Ingeniera de Software Vol. 6 N 1 (2004), pg. 17-37. ISSN: 1668-3137

Fuentes y contribuyentes del artculo

103

Fuentes y contribuyentes del artculo

Sistema experto Fuente: http://es.wikipedia.org/w/index.php?oldid=54430450 Contribuyentes: Alvaro qc, Amads, Amirapuato, Anav.cb, Angel GN, Angy lopez, Ascnder, Baiji, Caiser, Chechesa, Chelito 10, Cinabrium, Claudiapat1, Comae, Dark, Diegusjaimes, El Pantera, Enric Naval, GermanX, Gusgus, HUB, Iscmarko, Jesuja, Jkbw, JorgeGG, Julian Colina, Jurock, Kanapejm, Kved, Ligimeno, Luisxx24, Maldoror, Manw, Matdrodes, Moriel, Mriosriquelme, Nanncy, Nerika, Netito777, Nixn, Oblongo, Pacoqueen, Paintman, Plux, Rafa sanz, Rmaestre, Sauron, Sergio Andres Segovia, Super braulio, Susana carpio, Taichi, The true air, Tomatejc, VARGUX, Vitamine, Yearofthedragon, Youssefsan, 235 ediciones annimas Base de conocimiento Fuente: http://es.wikipedia.org/w/index.php?oldid=54585791 Contribuyentes: Angelito7, Camoralesm, Cvielma, Dangelin5, FabianPrieto, Isha, Lauromolina, Miguelo on the road, Mizar, Natrix, Nelson.cruz, Vic Fede, 20 ediciones annimas Red semntica Fuente: http://es.wikipedia.org/w/index.php?oldid=54423943 Contribuyentes: CIFE, Crates, Daniel G., DavidLeeLambert, Davius, Diegusjaimes, Digigalos, Djacnov, Elwikipedista, Enric Naval, Farisori, GermanX, Humberto, JorgeGG, LarA, Magister Mathematicae, Moriel, Niqueco, Pencho15, Plux, Qwertyytrewqqwerty, Sergio Tobn, Sms, Super braulio, Tamorlan, Yrithinnd, 55 ediciones annimas Banco de ideas Fuente: http://es.wikipedia.org/w/index.php?oldid=49637930 Contribuyentes: Allysoon, Ana Amelia, Andreateletrabajo, Biasoli, Cutreberto, Farisori, Juan hurtado lopez, Queninosta, Salvador.tojo, Seldaiendil, Wikisilki, 10 ediciones annimas Minera de textos Fuente: http://es.wikipedia.org/w/index.php?oldid=54392575 Contribuyentes: Eloy, Emijrp, Farisori, Lechuck, Periergeia, Porao, Tony Rotondas, 16 ediciones annimas Inferencia Fuente: http://es.wikipedia.org/w/index.php?oldid=54610061 Contribuyentes: Afrachel, Airunp, Alejandrocaro35, Alexav8, Andreasmperu, BetoCG, BlackBeast, Camilo, Chatran20, Demetrio, Diegusjaimes, Dodo, Dreitmen, Eduardosalg, Ejmeza, El Pantera, ElVaka, Emiduronte, Esancaro, Filipo, Furti, HUB, Humberto, Javierito92, Jecanre, Jkbw, Julian Mendez, Justedgard, Kimbosirk, Leonpolanco, MONIMINO, Madalberta, Molinaroca, Netito777, P.o.l.o., Richy, Seraphita, Super braulio, Technopat, Unificacion, Vladimir Vargas, ZEN ic, 145 ediciones annimas Sistema basado en reglas Fuente: http://es.wikipedia.org/w/index.php?oldid=54610328 Contribuyentes: Airunp, Estoymuybueno, Gustronico, Jynus, Peregring-lk, Tano4595, Vitamine, Yago AB, Yix, 14 ediciones annimas Inteligencia artificial Fuente: http://es.wikipedia.org/w/index.php?oldid=54624675 Contribuyentes: 1309daniel, 13fenix1990, Acratta, Adrigm, Airunp, Alberto Lopez Vials, Aleator, Alejandro313, Alejandrocaro35, Alejandrosanchez, Alejandrosilvestri, AlfonsoERomero, Alhen, Aloneibar, Alrik, Amads, AndyVec, Antur, Antn Francho, Ascnder, Axelbangle, Aipni-Lovrij, BL, Balderai, Belb, BetoG, Biasoli, Bincoit, Boja, BreadMaker, Bucephala, Bur123gos, C'est moi, Cacuija, Camilo, Carutsu, Chfiguer, Chixna, Cinabrium, Claudiapat1, Cobalttempest, ColdWind, Correogsk, Daimond, Dangelin5, DavidLeeLambert, Deap27m, Deleatur, Desatonao, Dianai, Dianelismoreno, Diegusjaimes, Dodo, Dreitmen, Dromero, Eagle c5, Eamezaga, Edgar, Edmenb, Eduardosalg, Egaida, Ejmeza, El filloco, El rojo capo, Elisardojm, Eloy Adrian, Emijrp, Enric Naval, Er Komandante, Erick91, Erodrigufer, Esenabre, Exrm, FRANKEULER, Facumf, Farisori, Fazer, Fergon, Fmariluis, FrancoGG, Frandzi.rangel, Gabrielforever, Gallowolf, Gao.mza, Garber, Gengiskanhg, GermanX, Gerwoman, Gjusto, Gurgut, HECTOR ARTURO AZUZ SANCHEZ, HUB, Halfdrag, Hameryko, Hprmedina, Humberto, IATG, Icvav, Ignacio Icke, Ingenioso Hidalgo, Irbian, Isha, Itnas19, Ivanius, JMPerez, Janopo, Jarke, Javier Carro, Jazmin82, Jcaraballo, Jesuja, Jkbw, Jonik, Jorge.maturana, JorgeGG, Jorgenumata, Joseluisfb, Jtico, Jugones55, Juliabis, Julian Mendez, Julie, KLD, Kokitocris, Kokoo, Kved, Kyriah, Lanjoe9, Loco085, Lopezpablo 87, Lourdes Cardenal, Lucien leGrey, MAYRA PANIAGUA ROMAN, Mac, Macarrones, Magister Mathematicae, Mahadeva, Maldoror, Manuel Trujillo Berges, ManuelGR, Manw, Marcelo Huerta, Matdrodes, Mecamtico, Mel 23, Memo8ulrich, Miguel.chaman, MindZiper, Modificador, Montgomery, Moraleh, Moriel, Morza, Mrexcel, Mriosriquelme, Mushii, Nelsito777, Nerika, Netito777, Nicop, Nixn, Norikesh, Oblongo, P4K1T0, PACO, Pabloallo, Pacoqueen, Paintman, Paleoj, Pan con queso, Paporrubio, Petronas, Petruss, Pilaf, Pino, Platonides, Pompilos, Pravdaverita, Purodha, Plux, RGLago, Renly, Rubpe19, Rygo, Samaruga.sebastian, Sanbec, Sauron, Savh, Scarton, Sephirotmundi, Sergio Andres Segovia, Sergiportero, Silvae, Simonfilm22, Sincro, Sol-rac, Stoni, Stuffy, Susana.gandara, Taichi, Tano4595, Technopat, Tigerfenix, Tomatejc, Topopardo, Torheit, TuringTest, UAwiki, Uriestrada777, Vic Fede, Victor penagos, Victorsulca, Vitamine, WALL-E2700, Walter closser, Wedrey, Wing Leader, Writkas, Xatufan, Xavigivax, Yearofthedragon, Yeza, Zendex, Zimio, Zut581, conversion script, 661 ediciones annimas Razonamiento basado en casos Fuente: http://es.wikipedia.org/w/index.php?oldid=52034147 Contribuyentes: Alvaro qc, Andreateletrabajo, Bananabruno, Casdeiro, Folkvanger, Govi108, Juan manuel rodriguez, Martinwikipedia, Matdrodes, Naki, Roalag, Sephirotmundi, Tano4595, Tirithel, Tuc negre, Vlazeck, Vtescandell, Yabama, Yrithinnd, 18 ediciones annimas Red bayesiana Fuente: http://es.wikipedia.org/w/index.php?oldid=54609865 Contribuyentes: 1309daniel, AlfonsoERomero, Anoryat, Apara, Dankz, Davius, Eladiorego, Emijrp, Ender2, Genba, Halfdrag, Interwiki de, JKaranka, Juan Mayordomo, Matdrodes, Mescalier, Taichi, 33 ediciones annimas Algoritmo de eliminacin de variables Fuente: http://es.wikipedia.org/w/index.php?oldid=50091944 Contribuyentes: Dankz, Ezarate, Marianocecowski, Rickynoram Heurstica Fuente: http://es.wikipedia.org/w/index.php?oldid=53749177 Contribuyentes: Adrruiz, Alhen, Antonorsi, Antur, Aromera, Ascnder, Aipni-Lovrij, Beto29, Davius, Dcalder, Dhidalgo, Diegusjaimes, Dromero, Eloy, Emijrp, Ermygo, Escalda, Focojoaco, Galio, Gerardo.ok, GermanX, Gustavocarra, Heimy, Hornet69, Ignacios, Ithasyou, Jkbw, Jorge 2701, Jorge c2010, JorgeGG, Joseaperez, Juan Manuel, Juanfer2k, Kaoru&ken, Kokoo, LP, MONIMINO, Mafores, Marielacl, Mortadelo2005, Nanovapor9, Netito777, Oblongo, Oszala, Oxartum, PAULOGARCIA2005, Plux, Rafajuntoalmar, Raiden32, Resped, RoyFocker, Tano4595, Tomatejc, Varano, Wilfredor, 106 ediciones annimas Lgica difusa Fuente: http://es.wikipedia.org/w/index.php?oldid=54367492 Contribuyentes: 4lex, Acratta, Alexav8, AlfonsoERomero, Angel GN, Apohis, Ascnder, Baiji, Banfield, Biasoli, Camilosw, Daniel JG, Didac, Diegusjaimes, Dodo, Emijrp, Enric Naval, Fgomez58, Folkvanger, HUB, Hornet69, Ingenioso Hidalgo, Isha, Jarisleif, Jcrada, Jhoropopo, Jkbw, Joragupra, Jorge.maturana, JorgeGG, Julian Mendez, Krzysiulek, Luis Felipe Schenone, Macarrones, ManuelGR, Matdrodes, Moriel, Nerika, Numbo3, Petronas, Raul.lara, Raulshc, Romero Schmidtke, Sauron, Tatets, Tirithel, Unf, Unificacion, Urumi, Vitamine, 119 ediciones annimas Lgica Fuente: http://es.wikipedia.org/w/index.php?oldid=53847076 Contribuyentes: .Jos, 3coma14, 4lex, 67wkii, AMarcial, Airunp, Alejandrosanchez, Aleposta, AlfonsoERomero, Alvaro qc, Ammonio, Andreasmperu, Angel GN, Animadelpurgatorio, Antur, Ascnder, AstroNomo, Axxgreazz, Balderai, Banfield, Barteik, Basquetteur, Beto29, Biasoli, BlackBeast, CSTAR, Cajiaoo, Cheveri, Chewie, Cinabrium, Cirachu, DJ Nietzsche, Dangelin5, David0811, Davius, DerHexer, Dhidalgo, Diegusjaimes, Digigalos, Dodo, Dreitmen, Duca3, Eamezaga, Edu91, Egossvm, Elchuy, Eli22, Elisardojm, Elojah, Elwikipedista, Emiduronte, Emijrp, Enelfindelmundo, Epistemion, Eufrosine, FAR, Farisori, Fernando H, Fitoschido, Fonsi80, Foundling, FowlStar, FranciscoPadilla, Galandil, Galio, Genociderf9, Gins90, Grillitus, Gusgus, HUB, Haksecryjo, HiTe, Homo logos, Hprmedina, Huaren, Humberto, ILVI, Isha, Ivanics, Jkbw, Joel Nava, Jorge 2701, Jorge Acevedo Guerra, JorgeGG, Joseaperez, Jsanchezes, Juan Jos Moral, Juan Manuel, Juan Ramn P.C., Julian Colina, Julian Mendez, JulianMendez, Julie, Julio Ostal, Jurgens, Krysthyan, Laura Fiorucci, Lauranrg, Leonpolanco, Lolosam33, Luis Felipe Schenone, MONIMINO, MONIMINO 1, Mac, Mafalda22, Mafores, Magister Mathematicae, Manuelt15, Manuelunc, Marcosd, Matdrodes, Morenita x, Moriel, Mr. Benq, Muro de Aguas, Mximo de Montemar, Neodop, Netgrino, Netito777, Niceforo, NicolsTM, Nixn, Orgullomoore, Oyauguru, Pegaso2005, Pera6, Pgimeno, Prometheus, Plux, Queninosta, Roberpl, Roberrpm, Romero15, RoyFocker, Rulo86, Sabbut, Saloca, Savh, Segedano, Smoken Flames, Sms, Soulreaper, Spitetests, Tano4595, Technopat, Terroristlluvia, Tigerfenix, Tirithel, Tomatejc, Tostadora, TruebadiX, Txo, Ummowoa, Unificacion, Vandal Crusher, Velual, Veon, Walter closser, Wikilptico, Xenocrates, Xerox 5B, Yaya1, Zam, Zanaqo, Zeno Gantner, Zifra, Zuirdj, 498 ediciones annimas Red neuronal Fuente: http://es.wikipedia.org/w/index.php?oldid=50367496 Contribuyentes: Alrik, 3 ediciones annimas Lgica paraconsistente Fuente: http://es.wikipedia.org/w/index.php?oldid=52374778 Contribuyentes: Acratta, Julian Colina, Luis Felipe Schenone, Mercenario97, Taty2007, Uruk, Xenon chile, 4 ediciones annimas Ingeniera del conocimiento Fuente: http://es.wikipedia.org/w/index.php?oldid=53996694 Contribuyentes: 142857, Acratta, Chlewey, Claudiapat1, Davius, Diez.beatriz, Dodo, Emijrp, Enric Naval, House, Javierburon, LeireGB, Nihilo, Pececito, Rafaelgsra, Sanbec, Taichi, Yrithinnd, 13 ediciones annimas Gestin del conocimiento Fuente: http://es.wikipedia.org/w/index.php?oldid=54606474 Contribuyentes: .Sergio, Abelacoa, Airunp, Alberto.roca, Alejandro.pavez, Angelalves, Antonorsi, Arkaron, Ascnder, Bafuentes, Baobab51, Bigsus, Carloscalderonl, Chalisimo5, Cinabrium, Clementito, Cprcrack, Crates, Damifb, Desatonao, Dicastaneda, Diegusjaimes, Digigalos, Dodo, Dogor, Dreig01, Dvenegas, Ecemaml, Elabra sanchez, Esenabre, Evoluzion, Filipo, Fixertool, Fsd141, Furado, GermanX, Gloriaana, Gmfp, Gothmog, Grillitus, Gustronico, HUB, Hendryx, Humberto, Isha, Jelen, Jesuja, Jonik, Jorge c2010, JorgeGG, Jorgeisaacisraell, Jotamachuca, Jules80, Julian Colina, Juniperus, Kavor, Leugim1972, Lobillo, Lourdes Cardenal, MadriCR, Magister Mathematicae, Manuel Gonzlez Olaechea y Franco, Matdrodes, Mazinger21, Mikel Gmez, Miss Manzana, Mparsech, Mportilla, Netito777, Nihilo, Niko.villano, Nvega, Oamprimo, OboeCrack, Pinar, Piradaperdida, Poc-oban, Quien, Rigadoun, Robertec, Roche, Rosarino, Sabbut, Sachavir, Setincho, Siabef, SimnK, Soglambert, Taichi, Tano4595, Technopat, Txuspe, Xqno, 136 ediciones annimas Sistemas de informacin hospitalaria Fuente: http://es.wikipedia.org/w/index.php?oldid=47815260 Contribuyentes: Gusgus, Jesuja, Luisxx24, Raimundo Pastor, 6 ediciones annimas Administracin en salud Fuente: http://es.wikipedia.org/w/index.php?oldid=54219972 Contribuyentes: Alex299006, Andreasmperu, Ccordovac, Franco Ivan, Kanon6996, Luisxx24, Niko.villano, Raimundo Pastor, Savh, Setincho, 15 ediciones annimas

Fuentes y contribuyentes del artculo

Historia clnica electrnica Fuente: http://es.wikipedia.org/w/index.php?oldid=53559934 Contribuyentes: Calapito, Cchivaa1, Eduardosalg, Farisori, Galandil, HUB, Historiaclinicaonline, Laura Fiorucci, Linfocito B, Makike, Raimundo Pastor, Rosarinagazo, Tirithel, Yampeku, 9 ediciones annimas Informtica mdica Fuente: http://es.wikipedia.org/w/index.php?oldid=54518331 Contribuyentes: Aleposta, Alexav8, Angelito7, Aquinteros, Cdfaux, David0811, Dgilperez, Dhidalgo, Diegusjaimes, Drcisneros, Gusgus, Humbefa, Ie.cortex, Jefrcast, Jkbw, Joseaperez, Jralex, Jrbiolinux, Laura Fiorucci, Linfocito B, Luisxx24, Makike, MarcoAurelio, Matdrodes, Mercenario97, Raimundo Pastor, Stormnight, Super braulio, Technopat, Wen-chan, Xavier Canals-Riera, Yampeku, 44 ediciones annimas Planificacin de sistemas informticos Fuente: http://es.wikipedia.org/w/index.php?oldid=51986139 Contribuyentes: Alex of Bcn, Dangelin5, Definixertivm, Eual, 3 ediciones annimas Salud pblica Fuente: http://es.wikipedia.org/w/index.php?oldid=54373264 Contribuyentes: Adrianbmv, Agustinjv, Airunp, Alexav8, Alfredobi, Aliman5040, Alma mter, Antonorsi, Beaire1, Bethan 182, BlackBeast, Camilo, Cobalttempest, Dark, David0811, Davin, Ddcesar02, Delphidius, Dhidalgo, Dianai, Diegusjaimes, Dorieo, Folkvanger, FrancoGG, Gafotas, Gallowolf, GenOrl, Gerkijel, Gusgus, Humberto, Infovoro, Irbian, Isha, Jarisleif, Jkbw, JorgeGG, Julioeco15751, Kamilokardona, Kokoo, LEO581, Limbo@MX, Locke68, Lucien leGrey, Luisxx24, Maestro medico, Manuelt15, Matdrodes, Miss Manzana, Mrivas52, Mushii, Netito777, Pabloes, Parizellina, Pati, Pedro Nonualco, Principito singh, Pybalo, Plux, RAFAELGOG, Raimundo Pastor, Rene Cumplido Ortiz, Rjgalindo, Sargonita, Sinissa, Snakeyes, Tano4595, Tortillovsky, Vcwlf2, Veon, Vitamine, Wgarciamachmar, Yeza, Zidler, 162 ediciones annimas Sistema de informacin Fuente: http://es.wikipedia.org/w/index.php?oldid=54543169 Contribuyentes: Adridelolmo, Alan ffm, Alex of Bcn, Alexav8, Azcarlos2, Aipni-Lovrij, Belb, BioPupil, BlackBeast, Bpk, Camilo, Camima, Carmin, Cheveri, ChristianH, Compo, Correogsk, Davius, Der Kreole, Diegusjaimes, Ecemaml, Edslov, Eduardosalg, Farisori, Foundling, Gacq, Galandil, GermanX, Globalphilosophy, Gretana, Grillitus, HUB, Hprmedina, Humberto, Ialad, Igna, Isha, Jcaraballo, Jesuja, Jkbw, Jordav, Jperelli, Kmila2405, Kved, LMLM, Leonpolanco, Leugim1972, Lucien leGrey, Luisxx24, MacMauro, MadriCR, Magister Mathematicae, Maleiva, Manuelt15, Markoszarrate, Matdrodes, Muro de Aguas, Mushii, Netito777, Pan con queso, Pinar, Plux, Queninosta, Raimundo Pastor, Ramontiton, Robertoe, RoyFocker, Rge, Savh, Super braulio, SuperTusam, Supersoro, Tatianasan, Technopat, Tonyjack, V.camavilca, 304 ediciones annimas Sistema de procesamiento de transacciones Fuente: http://es.wikipedia.org/w/index.php?oldid=54548500 Contribuyentes: Angel GN, Antn Francho, Carloswaldo, Diegusjaimes, Hprmedina, Jesuja, Luisxx24, Lungo, Machucho2007, Muro de Aguas, XalD, 15 ediciones annimas Sistemas de informacin gerencial Fuente: http://es.wikipedia.org/w/index.php?oldid=54216942 Contribuyentes: Abbaaccddc, Alberto.roca, Arqui70, Bucephala, Cobalttempest, CommonsDelinker, Dhidalgo, Diegusjaimes, Dorieo, Dyon, Emiduronte, FL0per, Fadesga, Farisori, Floydian, Garibay121, GermanX, HUB, Isha, Jar805, Jesuja, Jgvalenzuelat, JoaquinFerrero, Julian Colina, Leonpolanco, Luisxx24, Magister Mathematicae, Mansoncc, Matdrodes, Plux, Rgonzalezordaz, Sdepares, Setincho, Tano4595, Tirithel, Tomatejc, Vitamine, Wikielwikingo, XBaDx, Xpel1, 106 ediciones annimas Sistemas de soporte a decisiones Fuente: http://es.wikipedia.org/w/index.php?oldid=53176916 Contribuyentes: 1309daniel, Alberto.roca, Chusete, Contestame, El Quinche, Ensada, Gerkijel, GermanX, Halfdrag, Ivan.caderno, Jarisleif, Jesuja, Juan Manuel, KErosEnE, Luisxx24, Mizar, Nanrraka, Paintman, Savh, Siabef, Taichi, Tamorlan, Tano4595, Technopat, Upheld, Veruscae, 41 ediciones annimas Sistemas de informacin ejecutiva Fuente: http://es.wikipedia.org/w/index.php?oldid=53608801 Contribuyentes: Alberto.roca, Anual, Ensada, GermanX, HUB, Humberto, Ivan.caderno, Jarisleif, Jesuja, Luisxx24, Sdepares, Upheld, 17 ediciones annimas Sistemas de automatizacin de oficinas Fuente: http://es.wikipedia.org/w/index.php?oldid=49231457 Contribuyentes: 3coma14, Andreasmperu, BuenaGente, Jesuja, Luisxx24, VARGUX, 13 ediciones annimas Planificacin de recursos empresariales Fuente: http://es.wikipedia.org/w/index.php?oldid=54424790 Contribuyentes: Aareinoso, Abbaaccddc, Afalcone, AlbertoCifu78, AlejandroCh, Almorca, Amads, Andy.qaf, Angel GN, Aosoriod, Axxgreazz, Aymaluz, Banfield, Barcelova, Beto29, Blitzly, C h a n-Wiki, CarlosRuiz, Carlosza1975, Catsapiens, Ceciaime, Chemalug, Cleverflores, Controller7, Crxltda, D hanbun, Damifb, Dandelion2, Diegusjaimes, Eduardoavdr, Egaida, El Pantera, Enrique.ros.carrion, Everson, Fadesga, Foundling, Fpuga, Francisco mollo, Fwfsistemas, Gerard cortes pages, GermanX, Gonzalo.cariac, Gustronico, HUB, Hvangelder, Iflumpi, Ignaciojaviermartin, Ikks, Isra00, Jalvarado1381, Jarke, Javincy, Jcmbarroso, Jesuja, Jkbw, Jmb2009, JoaquinFerrero, Jorcan46, Jordiferrer, Jorgechp, Joseveralopez, Juanpdelat, Julian Colina, Lampsako, Lasneyx, LastCyborg, Leonpolanco, Litesus, LordT, Luisxx24, Macarse, Magister Mathematicae, Mahadeva, Martingala, Masqueideas 2010, Maurovidal, Miguel.escalante, Morza, Mrknowitall, Muro de Aguas, Nanovapor9, Okupa25, P.o.l.o., Paporrubio, Paulgonzalezgarcia, PeiT, Pieter, Rlizarralde, Roche, Rutrus, Sagabon, Schmei, Sdepares, Shalbat, Taichi, Tano4595, Tbhotch, Tomatejc, Tostadora, Unai wk, Userit, VARGUX, Vitamine, Vmanriquez, Xavigivax, Xpel1, Zaca83, Zanaqo, 367 ediciones annimas

104

Fuentes de imagen, Licencias y contribuyentes

105

Fuentes de imagen, Licencias y contribuyentes

Archivo:Red Semantica.png Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Red_Semantica.png Licencia: Public Domain Contribuyentes: Fernando Snchez de Armas Archivo:TOPIO_2.0.jpg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:TOPIO_2.0.jpg Licencia: Creative Commons Attribution-Sharealike 3.0 Contribuyentes: Lylodo Archivo:Commons-logo.svg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Commons-logo.svg Licencia: logo Contribuyentes: SVG version was created by User:Grunt and cleaned up by 3247, based on the earlier PNG version, created by Reidab. Archivo:Wikibooks-logo.svg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Wikibooks-logo.svg Licencia: logo Contribuyentes: User:Bastique, User:Ramac et al. Archivo:SistemaDifuso.JPG Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:SistemaDifuso.JPG Licencia: Public Domain Contribuyentes: Emijrp, Tatets Archivo:Gottfried Wilhelm von Leibniz.jpg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Gottfried_Wilhelm_von_Leibniz.jpg Licencia: Public Domain Contribuyentes: Auntof6, Beria, Beyond My Ken, Cirt, Davidlud, Ecummenic, Eusebius, Factumquintus, FalconL, Gabor, Luestling, Mattes, Schaengel89, Shakko, Svencb, Tomisti, 5 ediciones annimas Archivo:AverroesColor.jpg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:AverroesColor.jpg Licencia: Public Domain Contribuyentes: Admrboltz, Frank C. Mller, Jcb, Mattes, Sailko, Sparkit, 1 ediciones annimas Archivo:Wiktionary-logo-es.png Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Wiktionary-logo-es.png Licencia: logo Contribuyentes: es:Usuario:Pybalo Archivo:Spanish Wikiquote.SVG Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Spanish_Wikiquote.SVG Licencia: logo Contribuyentes: James.mcd.nz Archivo:Wikiversity-logo-Snorky.svg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Wikiversity-logo-Snorky.svg Licencia: desconocido Contribuyentes: Archivo:Flag of Argentina.svg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Flag_of_Argentina.svg Licencia: Public Domain Contribuyentes: Work of Dbenbenn about a national sign Archivo:Flag of Colombia.svg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Flag_of_Colombia.svg Licencia: Public Domain Contribuyentes: SKopp Archivo:Flag of Mexico.svg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Flag_of_Mexico.svg Licencia: Public Domain Contribuyentes: Alex Covarrubias, 9 April 2006 Based on the arms by Juan Gabino. Archivo:Flag of Peru.svg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Flag_of_Peru.svg Licencia: Public Domain Contribuyentes: User:Dbenbenn Archivo:Electronic medical record.jpg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Electronic_medical_record.jpg Licencia: GNU General Public License Contribuyentes: Avron, DaCarpenther Archivo:esquema sistema de informacion.png Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Esquema_sistema_de_informacion.png Licencia: Creative Commons Attribution-Share Alike Contribuyentes: Jesuja Archivo:Sistema informacion.gif Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Sistema_informacion.gif Licencia: Public Domain Contribuyentes: Original uploader was Mdd at en.wikipedia Image:Four-Level-Pyramid-model.png Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Four-Level-Pyramid-model.png Licencia: Creative Commons Attribution-Sharealike 3.0 Contribuyentes: Compo Image:Sistemas de informacion evolucion.png Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Sistemas_de_informacion_evolucion.png Licencia: Creative Commons Attribution-Share Alike Contribuyentes: Jesuja

Licencia

106

Licencia
Creative Commons Attribution-Share Alike 3.0 Unported //creativecommons.org/licenses/by-sa/3.0/