PROTOTIPO DE SISTEMA EXPERTO PARA EL DIAGNÓSTICO DE LA PYME
ENFOCADO AL ÁREA FUNCIONAL DE MEDIO AMBIENTE Y CALIDAD
LINA MARIA CEPEDA VALERO
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
PROYECTO CURRICULAR DE INGENIERÍA INDUSTRIAL
GRUPO DE INVESTIGACIÓN SISTEMAS EXPERTOS Y SIMULACIÓN - SES
BOGOTÁ D.C.
PROTOTIPO DE SISTEMA EXPERTO PARA EL DIAGNÓSTICO DE LA PYME
ENFOCADO AL ÁREA FUNCIONAL DE MEDIO AMBIENTE Y CALIDAD
Trabajo de grado presentado como requisito para obtener el título de
INGENIERA INDUSTRIAL
Modalidad investigación
Presentado por:
LINA MARIA CEPEDA VALERO
CÓDIGO: 20111015092
Dirigido por:
PH.D. GERMÁN ANDRÉS MÉNDEZ GIRALDO
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
PROYECTO CURRICULAR DE INGENIERÍA INDUSTRIAL
GRUPO DE INVESTIGACIÓN SISTEMAS EXPERTOS Y SIMULACIÓN - SES
BOGOTÁ D.C.
Nota de Aceptación
______________________
______________________
______________________
______________________
______________________
Presidente del Jurado
______________________
Tabla de contenido
1. GENERALIDADES ... 7
1.1. PROYECTO “SISTEMA EXPERTO PARA EL DIAGNÓSTICO DE LAS PYMES” ... 7
1.1.1. PRIMERA FASE: ELABORACIÓN DE LA BASE DE CONOCIMIENTO ... 7
1.1.2 SEGUNDA FASE: CONSTRUCCIÓN DEL SISTEMA EXPERTO ... 8
1.2 Definición o planteamiento del problema ... 9
1.2.1 Justificación ... 9
1.2.2 Antecedentes ... 10
1.3 Hipótesis ... 13
1.3.1 Pregunta de investigación ... 13
1.3.2 Objetivos ... 15
1.4 Metodología empleada ... 15
2 MARCO CONCEPTUAL Y TEÓRICO ... 17
2.2 Sistemas de diagnóstico ... 17
2.3 Sistemas Expertos ... 18
2.3.1 Inteligencia artificial ... 18
2.3.2 Definición de Sistema Experto ... 19
2.3.3 Historia de los Sistemas Expertos ... 20
2.3.4 Desarrollo de un Sistema Experto ... 21
2.3.5 Características de un Sistema Experto ... 22
2.3.6 Componentes de un Sistema Experto ... 22
2.3.7 Aplicaciones de los sistemas expertos ... 23
2.3.8 Sistemas basados en reglas ... 25
2.2.9 CONTROL DE LA COHERENCIA ... 26
2.2.10 TRATAMIENTO DE LA INCERTIDUMBRE ... 27
2.4 Problemática ... 28
3 DESARROLLO DEL SISTEMA EXPERTO PARA EL ÁREA FUNCIONAL DE MEDIO AMBIENTE Y CALIDAD ... 29
3.2 Definición de problemas ... 29
3.2.1 Causas ... 31
3.2.2 Síntomas ... 31
3.2.4 Tratamiento ... 32
3.3 Diseño de cuestionarios ... 34
3.3.1 Preguntas ... 34
3.3.2 Variables y/o parámetros ... 34
3.3.3 Relación de enfermedades con preguntas y con variables y/o parámetros análisis de consistencia ... 35
3.4 Diseño de reglas ... 36
3.4.1 Las condiciones de estado ... 37
3.4.2 Relación de estado con enfermedades, variables y/o parámetros ... 38
3.4.3 Diagrama del Sistema Experto utilizando la representación de árbol ... 39
3.4.4 Definir las reglas: Antecedentes, Conectores y Consecuencias ... 39
3.5 Diseño del motor de inferencia ... 43
3.5.1 Estructuras lógicas de encadenamiento ... 43
3.5.2 Mecanismos de selección y evaluación. ... 43
3.5.3 Mecanismos de explicación ... 44
4 PROTOTIPO DEL S. E. DEL ÁREA FUNCIONAL DE MEDIO AMBIENTE Y CALIDAD ... 45
4.1 Explicación de la herramienta de prototipo (Excel) ... 45
4.2 Pruebas de corrida (ejemplos) ... 47
4.3 Verificación de casos extremos ... 55
5. CONCLUSIONES Y RECOMENDACIONES ... 64
6. INVESTIGACIONES FUTURAS ... 65
Lista de Ilustraciones
Ilustración 1: Actividades de la primera fase del proyecto de investigación “Sistema Experto para el
Diagnóstico de las Pymes” ... 7
Ilustración 2: Actividades de la segunda fase del proyecto de investigación ‘Sistema Experto para el Diagnóstico de las Pymes”. ... 9
Ilustración 3: Empleada para el desarrollo del proyecto. S. ... 15
Ilustración 4: Estructura metodológica por capítulos para el desarrollo del proyecto.. ... 16
Ilustración 5: Campos de estudio de la inteligencia artificial. ... 18
Ilustración 6: Etapas en el desarrollo de un Sistema Experto. ... 21
Ilustración 7: Reglas de inferencia Modus Ponens y Modus Tollens. ... 25
Ilustración 8: (Izquierda) Ejemplo de un conjunto de seis reglas que relacionen 13 objetos. (Derecha) Representación gráfica de las relaciones entre las seis regla, cada objeto se muestra como un nodo. ... 26
Ilustración 9: Regla: A implica B con Pr (B|A) = 1. ... 27
Ilustración 10: Regla: A implica B con Pr (B|A)=p, donde 0 < p < 1. ... 28
Ilustración 11: Regla: A implica B con Pr (B|A) = 0 ... 28
Ilustración 12: Diagrama Causa - Efecto Medio Ambiente. ... 30
Ilustración 13: Diagrma Causa - Eecto Calidad.. ... 31
Ilustración 14: Diagrama de Árbol "Incumplimiento de la Normativa Ambiental". ... 39
Ilustración 15: Explicación del síntoma. ... 44
Ilustración 16: Diagnostico enfermedad "Incumplimiento de la normativa ambiental" ... 45
Ilustración 17: Interfaz principal. ... 46
Ilustración 18: Diagnóstico final a las respuestas aleatorias ... 54
Ilustración 19: Diagnóstico final a las respuestas del primer escenario. ... 62
Ilustración 20: Diagnóstico final a las respuestas del segundo escenario. ... 64
Ilustración 21: Herramientas futuras para el desarrollo del sistema experto. ... 66
Lista de Tablas
Tabla 1 Definición de la enfermedad análisis incumplimiento de la normativa ambiental. ... 33
Tabla 2 Definición de las preguntas para los síntomas del incumplimiento de la normativa ambiental. ... 34
Tabla 3Información de la enfermedad Incumplimiento de la Legislación Ambiental. ... 36
Tabla 4: Parámetros de Viabilidad ... 37
Tabla 5: Intervalo de criticidad de la enfermedad ... 37
Tabla 6 Variables y parámetros asociados al área funcional de Medio Ambiente y Calidad. ... 38
Tabla 7 Definición de reglas ... 40
Tabla 8: Respuestas aleatorias del cuestionario ... 48
Tabla 9: Respuestas primer escenario. Pyme con mal diagnostico ... 55
1.
GENERALIDADES
1.1.
PROYECTO “SISTEMA EXPERTO PARA EL DIAGNÓSTICO DE LAS PYMES”
El proyecto de investigación “Sistema Experto para el Diagnóstico de las Pymes”, liderado por el PhD. Germán Andrés Méndez Giraldo con el acompañamiento de estudiantes de pregrado del programa de Ingeniería Industrial de la Universidad Distrital Francisco José de Caldas fue aprobado por el Centro de Investigaciones y Desarrollo Científico de la Universidad Distrital CIDC el 18 de febrero del año 2015. Para su desarrollo están establecidas dos fases principales de trabajo: la elaboración de la base del conocimiento y la construcción del sistema experto. En el presente documento se abordan las actividades para la construcción de la primera fase del proyecto.1.1.1.
PRIMERA FASE: ELABORACIÓN DE LA BASE DE CONOCIMIENTO
Su objetivo principal es adquirir, organizar y disponer el conocimiento pertinente para la construcción del Sistema Experto. En la Ilustración 1 se muestra la secuencia de las etapas que componen la primera fase del proyecto, y se describen con detalle a continuación:
Ilustración 1: Actividades de la primera fase del proyecto de investigación ‘Sistema Experto para el Diagnóstico de las Pymes”. Fuente: Grupo de Investigación Sistemas Expertos y Simulación - SES
2. Detección de la problemática: En esta etapa se pretende establecer las principales situaciones problemáticas por las que atraviesan las Pymes, así como los síntomas que se puedan evidenciar como consecuencia de las diversas causasque generan estas dificultades, analizando la contribución estadística de estos(síntomas)para establecer su verosimilitud. Con esto se pretende realizar un diseño preliminar de los diagnósticos específicos tanto de cada área como a nivel general.
3. Diseño de Interfaz de entrada con usuario: Consiste en el diseño de los cuestionarios para recolectar la información que conduzca a elaborar la base de conocimiento, así como los datos de entrada tanto de adquisición como de validación del mismo; acompañado de todos los instrumentos y cartillas necesarias para su diligenciamiento.
4. Diseño de Reglas: En esta última etapa, se finaliza la elaboración del sistema de inferencia y la producción de las reglas de conocimiento. Se deben traducir a los diferentes enunciados de los problemas y sus correspondientes diagnósticos, haciendo uso de matemática booleana y su posterior traducción en otros modelos de representación previos a la construcción del aplicativo computacional.
1.1.2 SEGUNDA FASE: CONSTRUCCIÓN DEL SISTEMA EXPERTO
En la Ilustración 2 se observa el desarrollo de la segunda fase del proyecto, la cual está conformada por las siguientes etapas:
1. Elección de la herramienta de desarrollo: Una vez los requerimientos del Sistema Experto están sólidamente establecidos, se debe seleccionar una herramienta que cumpla dichas exigencias.
2. Desarrollo del Sistema: El conocimiento contenido en las especificaciones del Sistema Experto se introduce en la herramienta seleccionada. Esto a su vez requiere la implementación de la base de conocimiento.
3. Validación del Sistema: El principal objetivo es validar su estructura general y su conocimiento. El experto aprueba o desaprueba el sistema. Esta etapa debe ser desarrollada de forma iterativa cumpliendo el ciclo implementación-mejora tantas veces como sea necesario para obtener la satisfacción del experto.
Ilustración 2Actividades de la segunda fase del proyecto de investigación ‘Sistema Experto para el Diagnóstico de las Pymes”. Fuente: Grupo de Investigación Sistemas Expertos y Simulación - SES
1.2
Definición o planteamiento del problema
1.2.1
Justificación
Las Pyme es un actor principal en el contexto económico colombiano y, por lo tanto, su desarrollo debe ser uno de los principales enfoques de la política nacional y los diferentes gremios empresariales. Mejorar su competitividad no solo es necesario para afrontar las condiciones actuales del mercado y los retos de la globalización, sino que sus esfuerzos permitirán en el mediano y largo plazo mejorar los niveles de calidad de vida y la estabilidad económica del país.
Una primera herramienta integral de gran utilidad para su consecución, consiste en la realización de diagnósticos empresariales que garanticen metodologías apropiadas de implementación a fin de construir una base de conocimiento sólida, que permita conocer la situación actual de una organización, los problemas que impiden su crecimiento, sobrevivencia o desarrollo; así como detectar las causas principales de los problemas "raíces" y lograr enfocar esfuerzos futuros a buscar soluciones efectivas y apropiadas al contexto real de las Pymes en el país, que les permita a largo plazo, adecuar sus estructuras contribuyendo a una gestión más acorde con sus necesidades, posibilidades, conocimientos y recursos, evitar el desperdicio de energías y asumir un papel de liderazgo proactivo e interactivo con los requerimientos del entorno empresarial y la gestión eficiente de sus recursos.
De acuerdo a lo anterior, resulta importante diseñar y desarrollar un modelo integral para el análisis y diagnóstico de las Pymes, se espera que este proyecto permita implementar un nuevo punto de vista en estos procesos, así como una base para soportar y mejorar los niveles de productividad y competitividad en organizaciones empresariales, constituyendo un nuevo enfoque
para la administración y los procesos de toma de decisiones especialmente en las áreas funcionales de Medio Ambiente y Calidad.
Adicionalmente, este sistema de diagnóstico permitirá implementar un proceso de aprendizaje organizacional, es decir, que la empresa de manera continua y sistemática, pueda obtener el máximo provecho de sus experiencias aprendiendo de ellas, específicamente enfocadas a las áreas funcionales de Medio Ambiente y Calidad, sirviendo de insumo para que se de capacitación específica a las Pyme en temas coyunturales, de manera que se mitiguen los problemas definidos en el diagnósticos realizado de manera sistemática con el resultado de esta investigación.
1.2.2
Antecedentes
En diferentes países existe una amplia variedad de Pymes lo que permite evidenciar su gran importancia a nivel mundial, por ejemplo en Argentina corresponden a un 99.86%, en Brasil al 99.40%, en Chile al 99.29%, en México al 99.76% y para Colombia representan un 99.92% del total de empresas y aportan el 80.87% de los empleos generados en el país (Rodríguez Múnera, 2006). Para el 2005, representaban casi una tercera parte de la producción y de las exportaciones no tradicionales y un 57% del empleo industrial. Su distribución en diferentes áreas se concentra en el comercio, con un 54,66%, servicios con un 31,60%, industria con un 12,22% y otros con un 1,52%. (Garzón, 2005)(Giraldo, 2007). El 50% de las empresas exportadoras en el país corresponde a pequeñas y medianas empresas, pero apenas 18,6% de ellas vende con éxito en el exterior, según la investigación que analizó 8.325 empresas exportadoras colombianas de la industria manufacturera, con base en información oficial del DANE, Proexport, Supersociedades, Confecámaras y la propia Fundes (2006).(Moori Koenig, Rodríguez, Yoguel, & Amanda, 2006).
En un informe para la CEPAL y Fundes presentado por João Carlos Ferraz, se afirma que las pequeñas y medianas unidades productivas son indiscutiblemente un segmento relevante de la realidad empresarial de la región y su aporte a la generación de empleo y valor agregado es un hecho hoy ampliamente reconocido, sin embargo pese a su amplio potencial las PYMES afrontan múltiples problemas que obstaculizan su desarrollo, entre estas se destacan la escasez de recursos, la dificultad para acceder a financiamiento, la insuficiencia de políticas y marcos reguladores, las debilidades de carácter funcional, la asimetría de información, entre muchas otras que requieren de su análisis y caracterización como primer paso hacia el incremento de su competitividad y desarrollo. (Dini, Stumpo, & Vergara, 2005; Jadoul, Kagohashi, Llisterri, & Nakaruma, 2000; Ministerio de Desarrollo Económico y Social, Universidad Nacional de Colombia, Bonilla González, Umaña Mendoza, & Zerda Sarmiento, 1998; Pinto, 1990)
fin de identificar falencias organizacionales que impiden su crecimiento, sobrevivencia o desarrollo. Existe una gran diversidad de metodologías y tipologías que permiten realizar estudios diagnósticos en empresas, con enfoques particulares de acuerdo a la evaluación realizada. (Braidot, Formento, & Nicolini, 2003; Instituto para el Desarrollo de la Innovación y la Tecnología en la Pequeña y Mediana Empresa, 2010). Aunque estas por lo general, se realizan en las empresas de manera aislada y no suelen presentar recomendaciones de mejora particulares. Por ejemplo, en la Gran Encuesta Pyme anual, se realizan análisis regionales de la situación y medidas en diferentes aspectos de la organización, información que a pesar de ser útil a nivel general, no permite a cada Pyme identificar sus fortalezas o debilidades, ni qué aspectos deben mejorar para elevar sus niveles de productividad y competitividad. De allí que se requieran análisis más adecuados de las situaciones empresariales y el desarrollo de herramientas que permitan la gestión de su conocimiento.
Los diagnósticos integrales deben abordar un espectro amplío y sinérgico, que permita aumentar y enriquecer los niveles de evaluación; unas de las técnicas de apropiación del conocimiento que permite realizar dichos diagnósticos, son los Sistemas Expertos, rama de la inteligencia artificial que hace un amplio uso del conocimiento especializado para resolver problemas como un especialista humano lo haría. Su base de conocimiento puede ser derivada de experiencia o por el conocimiento disponible en textos académicos, revistas científicas o personas capacitadas. Para su desarrollo es importante notar como se combinan estos papeles del operador dentro de un solo individuo, tal como es el caso de un experto en la ingeniería del conocimiento. (Méndez & Álvarez, 2003)
Diferentes autores presentan las ventajas de la implementación de Sistemas Expertos, así como resaltan algunas dificultades que los han limitado en su desarrollo. (Badiru, 1992; Durkin, 1994; Gaines, 1988; Hayes-Roth, Waterman, & Lenat, 1983; Leonard-Barton & Sviokla, 1988). Entre las principales ventajas de los sistemas expertos en el diagnóstico de las pequeñas y medianas empresas se tienen, mayor disponibilidad de los expertos, costo reducido en el diagnóstico, permanencia del experto, experiencia múltiple, mayor confiabilidad debido a las características propias de validación, explicación de los diagnósticos y propuestas de mejora, respuesta rápida, sólida, completa y sin emociones, y finalmente, tutoría inteligente para acompañar las posibles correcciones(Méndez, Álvarez, Caicedo, & Malaver, 2013)
estratégico sobre el sistema de manufactura que permita reducir tiempos y mejorar la flexibilidad del proceso; la falta de un plan integral de implantación de herramientas de mejora; los altos costos de producción, manejo de la cadena de Abastecimiento y administración de inventarios; decisiones sub óptimas generadas cuando cada eslabón de la cadena establece sus políticas de abastecimiento en forma independiente y cuando se cometen errores en los pronósticos(Montoya, Montoya, & Castellanos, 2010).
De forma general muchos autores coinciden en que la problemática de las PYME se centra en su deficiente proceso de planeación táctica y operativa, lo cual afecta de forma determinante la utilización racional de los recursos existentes, generando baja productividad, altos costos de manufactura, alto precio de venta, poca eficiencia y competitividad.(Arango Serna, Adarme Jaimes, & Otero, 2011; Niño & Bednarek, 2010; Osorio García, 2008; Torres Acosta, 2002; Valencia, Lambán, & Royo, 2014)
Debido a la directa influencia del desempeño de la empresa en esta área funcional sobre su competitividad, resulta de gran interés realizar diagnósticos adecuados para determinar la situación real de una organización y en la cual influyan cada uno de los aspectos ya mencionados; dentro del contexto nacional la Pyme se consolida como una posibilidad de mejoramiento de la competitividad, y por ello deben desarrollarse las condiciones internas de las empresas con el fin de generar un contexto político y económico en el cual las mismas puedan perfeccionarse y superar sus dificultades. (Montoya et al., 2010)
En el ámbito empresarial es imperativo considerar las PYMES como un fenómeno diferente con características distintivas, donde la fuerte competencia y la constante innovación tecnológica(Soto Pineda &Dolan, 2004) se tornan en un elemento vital para la supervivencia de las mismas, permitiéndoles una capacidad de respuesta mejorada frente a nuevos mercados y requerimientos o necesidades de los nuevos clientes reales y potenciales. Por lo que estudiar el área de mercados como uno de los principales factores que intervienen en la consecución de los objetivos de la PYME, permite conocer la importancia del marketing como un problema influyente en el desarrollo de las mismas, debido a que la gran mayoría de estas se consolida en torno a una fortaleza de producción y no ante la identificación de una demanda insatisfecha(SchnarchKirberg, 2009).
estrategias de diferenciación,(SchnarchKirberg, 2009); y con el marketing operativo mediante la definición de los programas de producto, precio, distribución y comunicaciones, controlar los resultados y al mismo tiempo establecer acciones correctivas(SchnarchKirberg, 2009).
Las PYMES como empresas independientes, no cuentan con las mismas ventajas de aquellas pertenecientes a grupos empresariales, donde el nivel de innovación organizacional es mejor en economías que son más fuertes y eficientes ; en América Latina la propensión de la innovación de los grupos empresariales es en promedio 10% mayor que la de las empresas independientes (Castellacci, 2015); por lo que es de gran importancia que estas cuenten con estrategias de segmentación, diferenciación y posicionamiento en el mercado, para compensar la falta de recursos tecnológicos (facilitadores de la innovación de proceso) y centrarse en mecanismos precursores de la innovación de marketing.
1.3
Hipótesis
1.3.1
Pregunta de investigación
En la actualidad, las pequeñas y medianas empresas son una fuente significativa de generación de empleo, crecimiento y desarrollo económico, razón por la cual, los países han implementado estrategias que les permitan aprovechar sus potencialidades por medio derecursos que faciliten su dinamización. Sin embargo, para que este objetivo se pueda llevar a cabo se deben establecer indicadores que permitan determinar la eficacia y eficiencia de este tipo de programas de apoyo. Los programas y las iniciativas de fomento a las Pymes han ido creciendo y mejorado su diseño e implementación en el país a lo largo de los últimos años, sin embargo estos esfuerzos no han estado acompañados por un incremento de las acciones dirigidas a evaluar resultados e impactos obtenidos. En efecto las evaluaciones siguen siendo actividades muy esporádicas y están lejos de llegar a ser componentes integrados a los programas de apoyo a las pymes(Dini et al., 2005).
Para la consecución de estos objetivos las organizaciones requieren de evaluaciones de desempeño; sin embargo aunque se han destinado esfuerzos y los recursos para la dinamización de este segmento de empresas con el fin de poder aprovechar sus potencialidades, siguen siendo bastante pocos los casos en los cuales se intenta definir con precisión cuales han sido los resultados alcanzados con los programas de apoyo y cuál es su grado de eficacia y eficiencia; las evaluaciones de impacto aún no han sido incorporadas como parte fundamental del diseño e implementación de las actividades de fomento. Adicionalmente, aunque a nivel sectorial se hacen algunos diagnósticos, estos no se practican para cada una de las empresas de manera aislada, mucho menos se presentan recomendaciones de mejora particulares, dificultando la identificación de fortalezas, debilidades y aspectos a mejorar para elevar sus niveles de productividad y competitividad; además de disminuir las brechas de pobreza y desigualdad frente a países desarrollados, y en especial el afianzamiento de las Pymes(Erixon, 2009).
para su supervivencia; de allí de que la relación academia-empresa sea una de las estrategias con mayor promoción en ánimo de construir una economía sólida y justa. La transformación del conocimiento, transferencias tecnológicas y la capacidad investigativa son instrumentos invaluables para la industria del país.
Resulta una necesidad apremiante elaborar un diagnóstico general a las Pyme, como primer paso para proponer alternativas de mejora acordes a su contexto de desarrollo y contribuir a su mejora sistemática y continua. Dentro de este proceso, la contribución académica y técnica que brinda la ingeniería industrial, constituye un aporte valioso, ya que de acuerdo a las características de su perfil profesional poseen el conocimiento pertinente para realizar un análisis transversal de las organizaciones en sus diferentes áreas, así como una identificación de problemáticas y las oportunidades de mejora. Como ingenieros industriales, la naturaleza de nuestra profesión nos compromete con la mejora de las estratégicas, planes y operaciones de las organizaciones con el propósito principal de mejorar los indicadores su productividad y desarrollo.
De acuerdo a los puntos expuestos, se pretende elaborar un prototipo de Sistema Experto para el diagnóstico de la Pyme enfocado a las áreas funcionales de Medio Ambiente y Calidad, y se plantean las siguientes preguntas de investigación al respecto:
¿La revisión del estado del arte realizada permite la construcción de una base de conocimiento solida para la detección de las problemáticas de las Pymes en las áreas funcionales de calidad y medio ambiente?
¿El método de representación de los cuestionarios utilizadoes apropiado para el diseño de reglas que estructuren el sistema experto para el diagnosticode la Pyme?
¿Es posible diseñar un diagnostico para la identificación de las problemáticas de las áreas funcionales de calidad y medio ambiente a partir del análisis y evaluación de sus causas y el desarrollo de cuestionarios?
¿El Sistema Experto como prototipo concebido y diseñado por la Universidad, para el diagnóstico de las condiciones reales de las Pequeñas y Medianas empresas colombianas, permitirá facilitar la evaluación para el apoyo tecnológico y de conocimiento por parte de las entidades que actúan en el mercado?
¿El prototipo de sistemas de diagnóstico, ofrecido por la Universidad, es una alternativa adecuada y suficiente para la correcta medición de las condiciones internas de la PYME en el área de investigación y desarrollo, que permite detectar los requerimientos de conocimientos, adecuaciones en las tecnologías blandas y duras requeridas por esas unidades económicas?
¿La estructura propuesta para el prototipo resulta adecuada para las condiciones de las PYMES en cuanto al lenguaje, versatilidad y facilidad de manejo se refiere?
1.3.2
Objetivos
Adquirir y representar conocimiento que permita diseñar un prototipo de modelo integral de diagnóstico para el área de Medio Ambiente y Calidad en las PYMES, basado en sistemas expertos, combinando adecuadamente modelos de procesamiento de conocimiento, para obtener un modelo que facilite la toma de decisiones en la resolución de la problemática en cuestión
Objetivos específicos:
Adquirir el conocimiento de expertos de manera indirecta para construir la base de conocimiento.
Plantear las principales dificultades por las que atraviesa la Pyme en el área funcional de Medio Ambiente y Calidad.
Desarrollar un prototipo de reglas para enfocar el diagnóstico de las áreas funcionales de Medio Ambiente y Calidad en la PYME y proponer posibles tratamientos de solución para dichas problemáticas.
1.4
Metodología empleada
El presente trabajo utilizó un proceso de investigación con tres enfoques metodológicos durante su desarrollo. El primero es el enfoque exploratorio, es empleado para la recolección de información y conocimiento; el segundo es el enfoque descriptivo, que permite identificar relaciones entre la información recolectada; y por último, el enfoque explicativo, que establece relaciones de multi causalidad para la construcción del modelo teórico núcleo de la investigación. Este proyecto estará basado en la metodología desarrollada en el Grupo de Investigación Sistemas Expertos y Simulación - SES de la Universidad Distrital Francisco José de Caldas, cuyas etapas de desarrollo se muestran en la Ilustración 3.
Ilustración 3: Empleada para el desarrollo del proyecto. Fuente: Grupo de Investigación Sistemas Expertos y Simulación - SES. en herramientas de la ingeniería del conocimiento.
Formalización
• Formulación de reglas y estructuras de control que representan conceptos.
• Conceptualización y regulación adecuada del conocimiento del experto sobre el problema. • Modelo prototipo de Sistema de
Inferencia.
Posteriormente en la Ilustración 4, se muestra detalladamente la estructura metodológica del trabajo con base en su desarrollo por capítulos.
Capítulo I. Medio Ambiente y Calidad
Capítulo IV.
• Problemáticas de las Pyme en el área funcional de Medio Ambiente y Calidad.
Detección de la problemáticas y síntomas causantes.
Limitaciones encontradas en el desarrollo del prototipo y planteamiento de posibles líneas de
investigación futuras
2
MARCO CONCEPTUAL Y TEÓRICO
2.2
Sistemas de diagnóstico
El crecimiento de la competencia en el mercado, dados por los cambios tecnológicos y la firmas de varios Tratados de Libre Comercio, son oportunidades de desarrollo para crecer, innovar y ser más competitivos, por lo cual es necesario que los directivos de las empresas utilicen herramientas gerenciales como el diagnóstico empresarial, con el propósito de saber, con mayor precisión, cual es el estado actual y que obstáculos impiden los resultados esperados al interior de una organización, haciendo frente a los constantes cambios del mercado, de la tecnología y asegurando una posición competitiva.
El procedimiento de diagnóstico tiene como objetivo general contribuir a la integración de las decisiones locales en torno a objetivos estratégicos, y mejorar el desempeño de un sistema en una forma planeada y organizada para hacerlo más estable, eficaz, eficiente, de mejor valor, efectivo y competitivo. (Hernández Torres & Acevedo Suárez, 2006)
La importancia que tiene la realización de un diagnóstico empresarial como herramienta de gestión gerencial, reside en que las Pyme pueden detectar las causas principales de los problemas que las aquejan, al igual que sus recursos y capacidades, de forma que sea posible enfocar sus esfuerzos futuros a la búsqueda de medidas efectivas de solución, conseguir los resultados esperados y establecer estrategias de crecimiento para satisfacer los requerimientos propios y de su grupo de interés. (Baena & Rodenes, 2004; Braidot, Formento, & Nicolini, 2003; Lay, Suárez, & Zamora, 2005; Torres Rincón, 2012)
En muchos casos este tipo de diagnósticos se dejan bajo la supervisión de expertos en el tema, como consultorías o profesionales ajenos a la empresa a evaluar, sin embargo, también existe un alto porcentaje de responsables de sus propios negocios que optan por tomar esta responsabilidad.
Como en la mayoría de campos, existen gran multitud de diagnósticos para las empresas, algunos se centran en estudiar los procesos de producción y los consumidores, o incluso, en procesos de venta, entre muchos otros. Estos diagnósticos se realizan a través de metodologías específicas que permiten conocer todos esos detalles concretos, convirtiéndose en una herramienta necesaria para poder generar cambios oportunos en las empresas y poder responder rápidamente a los cambios del mercado.
2.3
Sistemas Expertos
2.3.1
Inteligencia artificial
El término Inteligencia Artificial (IA) fue acuñado desde la década de 1950, aunque los fundamentos en los cuales se basa se remontan a los griegos. Fue Aristóteles una de las primeras personas en plantear un conjunto de reglas que simulaban una parte del funcionamiento de la mente para así poder obtener conclusiones racionales. Aunque a lo largo de la historia se han dado numerosas aproximaciones a la IA, fue hasta el año 1950 que Alan Turing introdujo a la comunidad científica la pregunta “¿Pueden pensar las máquinas?”.
La inteligencia artificial ha sido definida por diferentes autores, haciendo referencia a sistemas que piensan racionalmente o que piensan como humanos; algunas definiciones se presentan a continuación(PUENTE, 2012):
Haugeland, 1985 “El nuevo y excitante esfuerzo de hacer que los computadores piensen; máquinas con mente, en el más amplio sentido literal”.
Bellman, 1978 “La automatización de actividades que vinculamos con procesos de pensamiento humano, actividades como la toma de decisión, resolución de problemas, aprendizaje”.
Kurzweill, 1900 “El arte de desarrollar máquinas con capacidad parar realizar funciones que cuando son realizadas por personas requieren inteligencia”.
Nilsson, 1998 “Conductas inteligentes en artefactos”
En términos generales, se puede definir como “capacidad de emular las funciones inteligentes del cerebro humano”. El empleo de la IA es variada y actualmente se utiliza principalmente en áreas de informática y robótica, no obstante, se está extendiendo tanto en las ciencias sociales como ciencias empresariales (Badaró, Javier Ibañez, & Agüero, 2013). De ahí que la inteligencia artificial se divida en cuatro campos de estudio (León, 2007), los cuales se resumen en la Ilustración 5.
Ilustración 5: Campos de estudio de la inteligencia artificial. Fuente: León, 2007 INTELIGENCIA
ARTIFICIAL ROBÓTICA
Apoyo a trabajos mecánicos y
repetitivos
SISTEMAS EXPERTOS
Apoyo a decisiones
LENGUAJES NATURALES
Comunicación con computadores
SIMULACIÓN SENSORIAL
2.3.2
Definición de Sistema Experto
Los Sistemas Expertos, como parte o rama de la Inteligencia Artificial, son sistemas informáticos que incorporan en forma explícita, extensible y modificable el conocimiento exacto o impreciso que posee una persona o un grupo de expertos en un tema. Estos sistemas simulan el proceso de aprendizaje, memorización, razonamiento y comunicación, para la generación de ayudas en el análisis de problemas y toma de decisiones semejantes a las que proporcionaría el grupo de expertos. Como consecuencia de todo lo anterior, este tipo de tecnologías hará posible el desarrollo de respuestas rápidas y pragmáticas para muchas problemáticas. En este orden de ideas, es posible mejorar el sistema con adiciones a la base de conocimientos o al conjunto de reglas, proporcionando información actualizada para desarrollar un análisis oportuno. (Salmerón, 1988 (Harmon& King, 1988).
Con la ayuda de un Sistema Experto, las personas con poca experiencia pueden resolver problemas que requieren un "conocimiento formal especializado", de forma más rápida que los expertos humanos, con una base de conocimiento adquirido y dejando de lado la subjetividad que puede generarse por las personas, lo cual brinda conclusiones más acertadas para la mejora de los procesos o sistemas analizados.
Por lo anterior, el Sistema Experto muestra ciertas ventajas en comparación con un experto humano, entre las cuales podemos destacar:
Mayor disponibilidad.
Costo reducido.
Peligro reducido.
Permanencia.
Experiencia múltiple.
Mayor confiabilidad.
Explicación.
Respuesta rápida, sólida, completa y sin emociones.
Tutoría inteligente.
Sin embargo, el Sistema Experto presenta algunas desventajas. Es evidente que para actualizarse necesita la reprogramación de las reglas (tal vez esta sea una de sus limitaciones más acentuadas), además que estos programas son poco flexibles a cambios y de difícil acceso a información no estructurada; carecen de sentido común, para un SE no hay nada obvio, además no es posible mantener una conversación informal con estos. Para un sistema experto es muy complicado aprender de sus errores y de errores ajenos y no son capaces de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias.
2.3.3
Historia de los Sistemas Expertos
Los sistemas expertos tuvieron su primer desarrollo hacia la década de 1960, una primera aproximación de estos, fue el “General PurposeProblemSolver” (GPS) o “Solucionador de problemas de propósito general”, con el cual se introdujo la posibilidad de definir los pasos necesarios para cambiar un estado inicial, dado una meta deseada; en donde a pesar de las expectativas que se tenían, el sistema no las pudo cumplir. (Badaró et al., 2013)
No fue sino hasta el desarrollo de DENDRAL que se estableció los fundamentos principales de un SE, dentro de las conclusiones arrojadas por este desarrollo se encuentran:
La complejidad de los problemas requiere una cantidad considerable de conocimiento sobre el área del problema.
Los solucionadores de problemas generales eran muy débiles para ser utilizados como base para construir SE de alto rendimiento.
Los expertos humanos son buenos sólo cuando actúan en un dominio muy acotado.
Los SE necesitan ser actualizados constantemente con nueva información.
Los siguientes Sistemas Expertos fueron claves para el desarrollo adecuado y significativo del campo:
DENDRAL: Primer Sistema Experto en ser utilizado para propósitos reales, al margen de la investigación computacional y durante aproximadamente 10 años, el sistema tuvo cierto éxito entre químicos y biólogos ya que facilitaba enormemente la inferencia de estructuras moleculares, dominio en el que Dendral estaba especializado (Turban, 1995).
MYCIN: Es un Sistema Experto para la realización de diagnósticos, iniciado por Ed Feigenbaum y posteriormente desarrollado por E. Shortliffe. Su función es la de aconsejar a los médicos en la investigación y determinación de diagnósticos en el campo de las enfermedades infecciosas de la sangre (Nebendahl, 1991).
CADUCEUS: Fue un Sistema Experto médico programado para realizar diagnósticos en medicina interna, fue completado a mediados de la década de 1980, si bien el inicio de su desarrollo se remonta a la década de 1970, siendo programado por Harry Pople, de la Universidad de Pittsburgh, y tomando como punto de partida una serie de entrevistas de Pople al Dr. Jack Meyers. Pretendía mejorar el MYCIN, sistema focalizado sobre las bacterias infecciosas de la sangre (Nebendahl, 1991).
2.3.4
Desarrollo de un Sistema Experto
El desarrollo de sistemas expertos es un proceso costoso y complejo que requiere una metodología para poder alcanzar los objetivos fijados. Las diferentes metodologías comparten tres fases principales(Curiel Robles, 2013):
Adquisición del conocimiento
Análisis y modelado del conocimiento
Verificación del conocimiento
Existen diversas metodologías que determinan un algoritmo a seguir para poder desarrollar un Sistema Experto; el método presentado a continuación fue desarrollado por Weiss y Kulikowski en 1984 (Weiss & Kulikowski, 1984)
a) Planteamiento del problema: La primera etapa es quizás la más importante en el desarrollo de un sistema experto, ya que consiste en la definición del problema a resolver y si el sistema está mal definido, es de esperarse que el sistema proporcione respuestas erróneas.
b) Encontrar expertos humanos que puedan resolver el problema: No es necesario encontrar un experto humano, puesto que las bases de datos pueden jugar el papel del experto humano, siempre y cuando cuenten con la información suficiente para la resolución del problema.
c) Estructuración de conocimiento y diseño de reglas: Esta etapa incluye el diseño de estructuras para almacenar el conocimiento, el motor de inferencia, el subsistema de explicación, la interfaz de usuario, entre otros.
Planteamiento del problema
Encontrar Expertos Humanos
Diseñar Sistema Experto
Elegir Herramienta de Desarrollo
Mantenimiento y puesta al día Construir Prototipo
Probar prototipo
Refinamiento y generalización
d) Elección de la herramienta de desarrollo, concha, o lenguaje de programación: Debe decidirse si realizar un sistema experto a medida, o utilizar una concha, una herramienta, o un lenguaje de programación. Si existiera una concha satisfaciendo todos los requerimientos del diseño, esta debería ser la elección, no solo por razones de tipo financiero sino también por razones de fiabilidad. Las conchas y herramientas comerciales están sujetas a controles de calidad, a los que otros programas no lo están.
e) Desarrollo y prueba de un prototipo: Si el prototipo no pasa las pruebas requeridas, las etapas anteriores (con las modificaciones apropiadas) deben ser repetidas hasta que se obtenga un prototipo satisfactorio.
f) Refinamiento y generalización: En esta etapa se corrigen los fallos y se incluyen nuevas posibilidades no incorporadas en el diseño inicial.
g) Mantenimiento y puesta al día: Durante esta etapa el usuario plantea problemas o defectos del prototipo, corrige errores, actualiza el producto con nuevos avances, etc.
2.3.5
Características de un Sistema Experto
Para que un sistema computacional pueda ser denominado Sistema Experto, es necesario que cumpla las siguientes características básicas:
Alto desempeño: Igual respuesta como mínimo a la de un experto humano.
Tiempo de respuesta adecuado: Mejor a la que tardaría un experto humano.
Confiabilidad: No sea propenso a “caídas”.
Comprensible: Capaz de explicar los pasos o razonamientos seguidos.
Flexibilidad: Permita añadir, modificar y eliminar conocimiento.
Otros sistemas más elaborados pueden:
Enumerar todas las razones a favor y en contra de una hipótesis en particular. Una hipótesis también puede verse como un hecho cuya verdad está en duda y debe probarse.
Enumerar todas las hipótesis que puedan explicar la evidencia observada.
Explicar todas las consecuencias de una hipótesis.
Dar un pronóstico o predicción de lo que ocurrirá si la hipótesis es verdadera.
Justificar las preguntas que el programa hace al usuario para obtener más información.
Justificar el conocimiento del programa.
2.3.6
Componentes de un Sistema Experto
Tal como lo expone la teoría general de sistemas, todo sistema es aquel en el cual la suma total de sus partes funcionan independientemente pero conjuntamente para lograr productos o resultados requeridos, basándose en las necesidades; de la misma forma un sistema experto está compuesto por un conjunto de elementos. (Castillo, Gutierrez, &Hadi, 1998). Estos elementos se explican brevemente a continuación:
conocimiento quienes son los encargados de trasladar dicho conocimiento a un lenguaje que el sistema experto pueda entender.
2. Base de Conocimiento: Es la columna principal del Sistema Experto, puesto que allí está toda la información recopilada de los expertos que permitirán al sistema desarrollar el proceso de toma de decisiones
3. Base de adquisición del conocimiento: Se recopilan los métodos por los cuales el ingeniero del conocimiento adoptara la información necesaria para la base de conocimiento.
4. Base de edición del conocimiento: Tal como se explicó anteriormente, un SE tiene que ser flexible ante el cambio (adición o eliminación de información), por lo tanto, el SE tiene que tener la capacidad de realizar cambios cuando fuese necesario.
5. Base de despliegue del conocimiento: Todo SE tiene como finalidad dar a conocer un resultado de lo que está evaluando, por ello es necesario que las conclusiones arrojadas sean claras y concisas.
6. Base de validación del conocimiento: El SE debe ser capaz de corroborar la veracidad de los datos, ya sean de entrada o de salida.
7. Base de explicación del conocimiento: El sistema debe proveer un desglose claro de los resultados arrojados, ya que está dando soluciones a problemas en los cuales el usuario no tiene la suficiente experticia.
2.3.7
Aplicaciones de los sistemas expertos
Gracias al desarrollo de los SE, situaciones de la vida cotidiana de las personas han podido suplir sus problemas a través de diversas alternativas de solución. Los siguientes escenarios presentan las mejoras percibidas con el uso de SE:
Transacciones Bancarias
No hace mucho, para hacer una transacción bancaria, tal como depositar o sacar dinero de una cuenta, era necesario visitar el banco en horas de oficina; hoy en día, estas y otros servicios adicionales pueden realizarse en cualquier momento usando los cajeros automáticos que son ejemplos sencillos de sistemas expertos. De hecho, se pueden realizar estas transacciones desde casa comunicándose con el SE mediante la línea telefónica (Castillo, Gutiérrez, &Hadi, 1998).
Control de tráfico
El control de tráfico es una de las aplicaciones más importantes de los sistemas expertos. Anteriormente, su flujo era intervenido por guardias de tráfico situados en las calles, controlando las intersecciones. Actualmente se utilizan sistemas expertos que operan automáticamente conocidos como semáforos, los cuales regulan la circulación de los diversos sistemas de transporte tanto en las calles como en los ferrocarriles (Castillo, Gutiérrez, &Hadi, 1998).
Problemas de Planificación
para la realización de exámenes finales en una gran universidad, de tal forma que se logren los siguientes objetivos:
Eliminar las coincidencias de asignación simultánea de aulas: Solo se puede realizar un examen en cada aula al mismo tiempo.
Asientos suficientes: Un aula asignada para un examen debe tener al menos dos asientos por estudiante.
Minimizar los conflictos temporales: Minimizar el número de alumnos que tienen exámenes coincidentes.
Eliminar la sobrecarga de trabajo: Ningún alumno debe tener más de dos exámenes en un periodo de 24 horas.
Minimizar el número de exámenes realizados durante las tardes.
Otros ejemplos de problemas de planificación que pueden ser resueltos mediante sistemas expertos es la asignación de doctores y enfermeras en un gran hospital, la organización en una gran factoría, y la programación de autobuses para las horas de congestión o de días festivos. (Castillo, Gutiérrez, &Hadi, 1998)
Diagnóstico médico
Una de las aplicaciones más importantes de los sistemas expertos tiene lugar en el campo médico, donde estos pueden ser utilizados para contestar las siguientes preguntas (Castillo, Gutiérrez, &Hadi, 1998):
¿Cómo se puede recoger, organizar, almacenar, poner al día y recuperar la información médica (por ejemplo, registros de pacientes) de una forma eficiente y rápida?
¿Cómo se puede aprender de la experiencia? ¿Es decir, cómo se actualiza el conocimiento de los doctores en medicina cuando el número de pacientes que estos tratan aumenta?
Suponiendo que un paciente presenta un conjunto de síntomas, ¿Cómo se decide qué enfermedad tiene mayor probabilidad de ser padecida por él?
¿Cuáles son las relaciones entre un grupo (normalmente no observable) de enfermedades y uno (observable) de síntomas? En otras palabras, ¿Qué modelos pueden utilizarse para describir las relaciones entre los síntomas y las enfermedades?
Dado que los síntomas conocidos no son suficientes para diagnosticar la enfermedad con cierto grado de certeza, ¿Qué información adicional debe ser obtenida? por ejemplo, ¿Qué síntomas adicionales deben ser identificados? o ¿Qué pruebas médicas deben realizarse?
2.3.8
Sistemas basados en reglas
Son utilizados para la solución de problemas que están gobernados por reglas deterministas. Sus elementos fundamentales son: los datos, la base de conocimiento y el motor de inferencia. Los datos son hechos conocidos en una situación particular de naturaleza dinámica.
En un entorno determinantico, la base de conocimiento consiste en un conjunto de objetos y reglas que representan sus relaciones y definen el problema. La información almacenada en esta base es permanente, no cambia de una aplicación a otra, a menos que se incorporen al Sistema Experto elementos nuevos de aprendizaje.(Castillo, Gutiérrez, & Hadi, 1998)
Castillo, Gutiérrez, &Hadi definen una regla como “una afirmación lógica que relaciona dos o más objetos e incluye dos partes, la premisa y la conclusión. Cada una de estas partes consiste en una expresión lógica con una o más afirmaciones objeto-valor conectadas mediante los operadores lógicos y, o, o no”. A partir de esta definición se clasifican las reglas en dos categorías: simples y compuestas.
1. Las reglas simples son aquellas que están compuestas solo una afirmación objeto-valor: Si nota> 9, entonces calificación = sobresaliente.
2. Una regla compuesta está conformada por múltiples afirmaciones objeto-valor: Si puesto < 20 o nota > 7, entonces Admitir = si y Notificar=sí.
Posteriormente, el motor de inferencia extrae las conclusiones aplicando la lógica clásica al diseño de reglas. Las conclusiones pueden clasificarse de la misma manera que las reglas: simples y compuestas. Las conclusiones simples son las que resultan de una regla simple y las conclusiones compuestas son las que resultan de más de una regla. Para obtener estas conclusiones los expertos pueden utilizar según lo requieran:
2.3.8.1 Diferentes tipos de reglas
Modus Ponens: Permite la obtención de conclusiones simples a partir del análisis de la premisa de la regla, si es cierta la conclusión pasa a formar parte del conocimiento.
Modus Tollens: Se examina la conclusión, si esta resulta ser falsa también lo es su premisa.
Resolución: Utiliza un mecanismo de resolución para obtener conclusiones compuestas. En primer lugar las reglas son sustituidas por expresiones lógicas equivalentes, que se combinan en otra expresión lógica para obtener la conclusión.
Ilustración 7: Reglas de inferencia Modus Ponens y Modus Tollens. Fuente: Castillo, E; Gutiérrez, J; Hadi, A. (1998). Sistemas Expertos y Modelos de Redes Probabilísticas. Recuperado de:
2.3.8.2 Estrategias de inferencia y control
Encadenamiento de reglas: Se utiliza cuando las premisas de ciertas reglas coinciden con las conclusiones de otras, lo que permite relacionar reglas para obtener conclusiones complejas. A partir de una base de conocimiento (datos, objetos y reglas) se asignan a los objetos sus valores iníciales (hechos conocidos o evidencias) y se ejecutan cada regla relacionada para concluir nuevos hechos, proceso que se repite sucesivamente hasta que no puedan obtenerse más información. En la Ilustración 8se muestra un ejemplo de seis reglas que relacionan 13 objetos del A al M y su representación gráfica.
Ilustración 8: (Izquierda) Ejemplo de un conjunto de seis reglas que relacionen 13 objetos. (Derecha) Representación gráfica de las relaciones entre las seis regla, cada objeto se muestra como un nodo. Fuente: (Gutierrez, 2008)
• Encadenamiento de reglas orientado a un objetivo: a partir de una base de conocimiento (objetos y reglas) el usuario selecciona una variable o nodo objetivo, el algoritmo navega a través de las reglas en búsqueda de una conclusión para el nodo objetivo o de mayor información en caso de que no la encuentre.
• Compilación de reglas: Las ecuaciones objetivo son escritas en función de los datos.
Las estrategias de encadenamiento de reglas se utilizan en problemas en los que algunos hechos (por ejemplo, síntomas) se dan por conocidos y se buscan algunas conclusiones (por ejemplo, enfermedades). Por el contrario, las estrategias de encadenamiento de reglas orientadas a un objetivo se utilizan en problemas en los que se dan algunos objetivos (enfermedades) y se buscan los hechos (síntomas) para que ´estas sean posibles. (Gutierrez, 2008).
2.2.9
CONTROL DE LA COHERENCIA
• Ayudar al usuario a no dar hechos inconsistentes, por ejemplo, dándole al usuario las restricciones que debe satisfacer la información demandada.
• Evitar que entre en la base de conocimiento exista cualquier tipo de conocimiento inconsistente o contradictorio.
El control de la coherencia debe hacerse controlando la coherencia de las reglas y la de los hechos.
2.2.9.1 Coherencia de Reglas
Un conjunto de reglas se denomina coherente si existe, al menos, un conjunto de valores de todos los objetos que producen conclusiones no contradictorias, es decir, es suficiente que exista un conjunto de valores que conduzcan a conclusiones no contradictorias. Nótese que un conjunto de reglas puede ser coherente, aunque algunos conjuntos de valores puedan producir conclusiones inconsistentes. Estos conjuntos de valores se llaman valores no factibles, estos valores deben ser eliminados de la lista de valores posibles para eliminar la posibilidad de que el motor de inferencia pueda obtener conclusiones inconsistentes.
2.2.9.2 Coherencia de los hechos
Los datos o evidencias suministrados por los usuarios deben ser también consistentes en si y con el conjunto de reglas de la base de datos. Por ello, el sistema no debe aceptar hechos que contradigan el conjunto de reglas y/o el conjunto de hechos existente en cada instante del proceso.
2.2.10
TRATAMIENTO DE LA INCERTIDUMBRE
Las reglas de la lógica clásica (Modus Ponens y Modus Tollens) permiten deducir que si una premisa es cierta, también lo será su conclusión, es decir, dada la regla: “Si A es cierto, entonces B es cierto” puede decirse que A implica B con probabilidad 1.
Ilustración 9: Regla: A implica B con Pr (B|A) = 1. Fuente: (Gutierrez, 2008)
Ilustración 10: Regla: A implica B con Pr (B|A)=p, donde 0 < p < 1. Fuente: (Gutierrez, 2008)
Adicionalmente la regla clásica “A implica B con probabilidad 0” es modificada por “A implica B -con probabilidad 1”, donde B¯ es denota el complementario de B.
Ilustración 11: Regla: A implica B con Pr (B|A) = 0. Fuente: (Gutiérrez, 2008)
Uno de los problemas relacionados con este tipo de lógica es la propagación de incertidumbre. Obsérvese que ahora cada sentencia (hecho) debe de estar acompañada de una medida de incertidumbre (probabilidad, factor de certeza, etc.) y que, cuando se combinan varios hechos, ha de darse a las conclusiones obtenidas una medida de su incertidumbre. Sin embargo, el problema principal es que aunque se conozca la medida de incertidumbre asociada con las premisas, las conclusiones pueden tener, en teoría, un número infinito de valores inciertos. Estas situaciones muestran la necesidad de desarrollar en un futuro nuevos sistemas expertos basados en probabilidad.
2.4
Problemática
Según mediciones internacionales de competitividad, Colombia tiene muchas oportunidades para mejorar, algunos indicadores lo colocan en una media, el Índice de Competitividad Global en el año 2009 posiciona al país en el puesto 69 entre 134 países; el Índice de Competitividad del Institutefor Management Development en el puesto 51 entre 55 países y el Índice de Doing Business del Banco Mundial en la posición 37 para el 2010 entre 183 países. (Montoya R., Montoya R., & Castellanos, 2010).
Para la consecución de estos objetivos las organizaciones requieren de evaluaciones de desempeño; sin embargo aunque se han destinado esfuerzos y los recursos para la dinamización de este segmento de empresas con el fin de poder aprovechar sus potencialidades, siguen siendo bastante pocos los casos en los cuales se intenta definir con precisión cuales han sido los resultados alcanzados con los programas de apoyo y cuál es su grado de eficacia y eficiencia, y las evaluaciones de impacto aún no han sido incorporadas como parte fundamental del diseño e implementación de las actividades de fomento.
Adicionalmente, aunque a nivel sectorial se hacen algunos diagnósticos, estos no se practican para cada una de las empresas de manera aislada, mucho menos se presentan recomendaciones de mejora particulares, dificultando la identificación de fortalezas, debilidades y aspectos a mejorar para elevar sus niveles de productividad y competitividad; además de disminuir las brechas de pobreza y desigualdad frente a países desarrollados, y en especial el afianzamiento de las Pymes (Erixon, 2009).
3
DESARROLLO DEL SISTEMA EXPERTO PARA EL ÁREA FUNCIONAL
DE MEDIO AMBIENTE Y CALIDAD
3.2
Definición de problemas
En términos generales, las pequeñas y medianas empresas (Pymes) desconocen la importancia de las áreas funcionales de Medio Ambiente y Calidad. Esta es la razón por la cual los empresarios no destinan presupuesto para la formación de un departamento físico como tal y/o la contratación de personal con conocimientos específicos en temas de gestión que se encuentren capacitados para hacerse responsable de asegurar el funcionamiento de estas áreas funcionales. (Méndez & Álvarez, 2003).No obstante, los recientes cambios en las condiciones del mercado han generado alta presión en las empresas por tener productos y procesos que sean amigables con el ambiente y de alta calidad, de allí radica la importancia de las áreas funcionales de Medio Ambiente y Calidad en las compañías sin importar cuál sea su tamaño. (Islam &Tedford, 2012)(Heras & Arana, 2010). Sin embargo, la ausencia de presupuesto no es la única dificultad por la cual atraviesan las Pymes en las áreas funcionales de medio ambiente y calidad; por lo tanto se hace necesario reconocer cuales son los principales problemáticas por los que atraviesan las compañías identificando las causas que las generan de manera que sea posible atacar el problema de raíz.
conocimiento adecuada para realizar un diagnostico pertinente que permita a las organizaciones no solo identificar los problemas de los cuales padece sino ofrecer además un abanico de posibles tratamientos. Sin embargo, se debe tener en cuenta que el presente trabajo se desarrollo bajo el uso de expertos secundarios, es decir, usando la producción bibliográfica (Libros y artículos) de los expertos quienes trataban temas relacionados con calidad y medio ambiente en diversos sectores; esto permitió llegar a conclusiones de manera general para la Pyme. Toda la información se encuentra consignada en el Anexo 1 (Base de conocimiento) la cual permite la búsqueda de información precisa.
Con la información recolectada de la revisión de expertos es posible identificar la relación entre las causas y los efectos, lo cual se plasma en un diagrama de espina de pescado, los cuales se pueden observar en las ilustraciones 11 y 12. Se deciden manejar por aparte los diagramas para el área de medio ambiente y para el área de calidad.
Posterior a la construcción de la base del conocimiento se procedió a la identificación de lo que llamamos “enfermedades”, es decir, las dificultades por las que atraviesa la Pyme para el área funcional de Medio Ambiente y Calidad. Se tuvo en cuenta que para la identificación de una enfermedad también se hace necesario analizar: Causas, síntomas, síntomas y un posible tratamiento. Toda la información antes mencionada se consiga en el Anexo 2 (Identificación de enfermedades).
Con respecto a la investigación realizada por el grupo de investigación en años anteriores, cabe resaltar que la investigación en temas de medio ambiente y calidad ha aumentado y por lo tanto con respecto a los factores identificados en dicha época se ha modificado las espinas secundarias del diagrama.
Ilustración 13: Diagrama Causa - Efecto Calidad. Fuente: Elaboración Propia.
3.2.1
Causas
Se entiende por causa el fundamento o comienzo de una situación, para este estudio en particular se analiza como la fuente que origina la enfermedad identificada, haciendo énfasis en que una o varias de ellas pueden ser las precursoras de este tipo de alteraciones que afectan el funcionamiento del área de Medio Ambiente y Calidad.
Se pudo concluir que la falta de interés por parte del empresario en temas de medio ambiente y calidad son las principales causas por las que se presentan distintas enfermedades, así como el desconocimiento de los efectos de sus procesos y productos en el medio, la Pyme tiende a creer que debido a su tamaño no tiene injerencia en la contaminación que se genera en el entorno sin ser consciente de su verdadera implicación. Adicional, la falta de recursos destinados a temas de medio ambiente y calidad son generalmente pocos por lo que no se distingue un área funcional formada o personal exclusivo dedicado a estos temas. Los anteriores aspectos en conjunto podrían traer como consecuencia una “enfermedad”.
Siendo el entorno un elemento clave en el éxito o declive de las empresas, su análisis y definición se considera complejo dado su constante cambio, por esta razón las organizaciones deben adaptarse a las condiciones que van emergiendo y evolucionando tales como tecnología, regulaciones, competencias y tendencias.
3.2.2
Síntomas
El análisis de síntomas permite reconocer la causa o conjunto de ellas que generan una enfermedad. A modo de ejemplo, unas de las situaciones que se presenta con frecuencia en las Pymes y que el empresario puede distinguir con claridad es el aumento de devoluciones, sin embargo es necesario establecer indicadores que permitan determinar la causa de las devoluciones.
3.2.3
Signos
Con el fin de evitar un diagnostico incorrecto y dejar de ladola subjetividadque puedaoriginarse en la identificación de los síntomas, se desarrolla un análisis de datos procedente de la información objetiva que se solicita al usuario contenida en indicadores medibles que permitan confirmar la enfermedad.
Tomando el ejemplo anterior, en dicho caso para validar el aumento de devoluciones se hace necesario realizar una comparación entre los indicadores de devoluciones de dos periodos consecutivos determinando si los defectuosos de los productos es un tema de calidad de concordancia.
3.2.4
Tratamiento
Código Enf.
Descripción detallada de la enfermedad
Descripción
abreviada Causas de la enfermedad Síntomas Signos
Diag cuenta seis variables: Beneficio ilícito, factor de temporalidad, grado de afectación ambiental y/o evaluación del riesgo, circunstancias agravantes y atenuantes, costos asociados y la capacidad socioeconómica empresas, razón por la cual a las Pymes se les dificulta en mayor financieros para la adquisición de préstamos. convenios interinstitucionales que brindan apoyo a la empresas, tal como:
a. ACERCAR, el cual es un programa de gestión
ambiental empresarial desarrollado como
herramienta de apoyo a las empresas en el fortalecimiento de la gestión ambiental, para aquellas empresas que se encuentren en la jurisdicción de Bogotá.
[2] Fundaciones y organizaciones que ejecutan proyectos ambientales para la promoción de las Pymes, a las cuales se puede pedir asesoría, capacitación y asistencia técnica. Entre ellas: CINSET (La Corporación para la Investigación Socioeconómica y Tecnológica de Colombia), CNPMLTA (Centro Nacional de Producción Más Limpia y Tecnologías Ambientales) y CEID (Centro de estudios para el desarrollo sostenible). [3] Algunas universidades tienen un consultorio ambiental en el cual se prestan servicios de asistencia, asesoría y capacitación para empresas. Entre las cuales se encuentran: Universidad Libre,
Universidad Javeriana, Universidad Sergio
Arboleda, Universidad Nacional, Universidad Santo Tomas y Universidad Industrial de Santander entre otras.
3.3
Diseño de cuestionarios
El análisis de la información recolectada a través de la revisión de expertos, permite desarrollar un cuestionario en el que se evidencie una interacción entre analista y la Pyme, en donde por medio de preguntas directas e indirectas se confirme la sintomatología.
3.3.1
Preguntas
Para poder realizar una identificación de las causas y por ende de las enfermedades que sufre la PYME en el área de Medio Ambiente y Calidad, se realiza un listado de preguntas para cada uno de los posibles síntomas que se puedan manifestar.
Posterior a su investigación y con el fin de determinar si la empresa padece de un incumplimiento de la normativa ambiental, se establece un cuestionario para cada síntoma que permita realizar una confirmación de cada supuesto como se observa en la Tabla 2. En el Anexo 3 (Cuestionario, variables y parámetros) se encuentra la información para las 15 enfermedades identificadas.
Enfermedad Síntomas de la enfermedad Pregunta
In
Desconocimiento sobre las medidas que se deben tomar para cumplir la normativa ambiental.
¿Usted sabe cuáles son las medidas que debe tomar para cumplir la normativa ambiental?
Qué medidas lleva a cabo para cumplir la normativa ambiental en la organización
La alta dirección no muestra disposición para el cumplimiento de la normativa ambiental.
¿Considera importante cumplir la normativa ambiental?
¿Usted cumple la normativa ambiental con la que se cuenta en el país?
Tabla 2 Definición de las preguntas para los síntomas del incumplimiento de la normativa ambiental.
3.3.2
Variables y/o parámetros
Las posibles variables y/o parámetros asociados a cada uno de los síntomas, se utilizan para disminuir la subjetividad con la que se determinaron, permitiendo una comparación con datos estadísticos que corroboren la presencia de la sintomatología.
Entre las variables relacionadas con la enfermedad “Incumplimiento de la normativa ambiental”, es posible analizar el número de multas ambientales que ha recibido o las quejas que se ha presentado por parte de los skateholders por efectos adversos en el ambiente.
En la Tabla 3 se puede observar con mayor detalle las variables y parámetros asignados a cada síntoma.
3.3.3
Relación de enfermedades con preguntas y con variables y/o
parámetros análisis de consistencia
Un conjunto de reglas se denomina coherente si existe, al menos, un grupo de valores entre todos los objetos que produzcan conclusiones no contradictorias.
En consecuencia, esta agrupación coherente de reglas no tiene por qué producir conclusiones no contradictorias para todos los posibles conjuntos de valores de objetos. Es decir, es suficiente que exista uno solo de estos que conduzca a conclusiones no contradictorias.
Para el caso de confirmación de síntomas atribuidos a las distintas enfermedades, se asociaron una serie de preguntas cerradas de tipo SI y NO organizadas en una estructura ramificada, la cual facilitara la validación del síntoma mediante la comparación del parámetro en un rango preestablecido por el programa o comprobación por medio de interrogantes que lo confirmen; permitiendo al usuario seguir un hilo conductor a través de las respuestas suministradas a lo largo del proceso de inferencia, hasta lograr obtener una conclusión.
En la ilustración 14 es posible observar como para la enfermedad “Incumplimiento de la legislación ambiental” se pregunta en primer lugar al usuario; si ¿Usted conoce la normativa ambiental que debe cumplir en la organización?”, en caso de ser la respuesta afirmativa se procederá a realizar una nueva pregunta relacionada con las medidas que la empresa toma para cumplir la normativa ambiental y poder llegar a una conclusión, de lo contrario, se procederá a realizar una nueva pregunta relacionada con el interés de cumplir con la normativa.
En la siguiente tabla es posible evidenciar como se realiza una mezcla de las dos opciones de preguntas nombradas anteriormente para la enfermedad “Incumplimiento de la legislación”.
Enfermedad Síntomas de la
Enfermedad Pregunta Variables Asociadas Parámetros asociados
