INSTITUTO POLITECNICO NACIONAL UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERIA, CIENCIAS SOCIALES Y ADMINISTRATIVAS MATERIA: CONTEXTO ORIENTAL DE LA INGENIERIA INDUSTRIAL

TRABAJO REFERENTE A: INTELIGENCIA ARTIFICIAL ALUMNOS: ALONSO ARREOLA JONATHAN CRUZ GALVEZ OSE HERNANDEZ TEODORO OMAR VAZQUEZ VAZQUEZ JULIAN

Palabras claves: (IA): inteligencia artificial

Introduccin: La inteligencia artificial es considerada una rama de la computacin y relaciona un fenmeno natural con una analoga artificial a travs de programas de computador. La inteligencia artificial puede ser tomada como ciencia si se enfoca hacia la elaboracin de programas basados en comparaciones con la eficiencia del hombre, contribuyendo a un mayor entendimiento del conocimiento humano. Si por otro lado es tomada como ingeniera, basada en una relacin deseable de entrada-salida para sintetizar un programa de computador. "El resultado es un programa de alta eficiencia que funciona como una poderosa herramienta para quien la utiliza." A travs de la inteligencia artificial se han desarrollado los sistemas expertos que pueden imitar la capacidad mental del hombre y relacionan reglas de sintaxis del lenguaje hablado y escrito sobre la base de la experiencia, para luego hacer juicios acerca de un problema, cuya solucin se logra con mejores juicios y ms rpidamente que el ser humano. En la medicina tiene gran utilidad al acertar el 85 % de los casos de diagnstico. La Inteligencia Artificial comenz como el resultado de la investigacin en psicologa cognitiva y lgica matemtica. Se ha enfocado sobre la explicacin del trabajo mental y construccin de algoritmos de solucin a problemas de propsito general. Punto de vista que favorece la abstraccin y la generalidad. Es una combinacin de la ciencia del computador, fisiologa y filosofa, tan general y amplio como eso, es que rene varios campos (robtica, sistemas expertos, por ejemplo), todos los cuales tienen en comn la creacin de mquinas que pueden "pensar". La idea de construir una mquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traduccin de idiomas, comprensin de idiomas, diagnstico de fallas, robtica, suministro de asesora experta en diversos temas. Es as como los sistemas de administracin de base de datos cada vez ms sofisticados, la estructura de datos y el desarrollo de algoritmos de insercin, borrado y locacin de datos, as como el intento de crear mquinas capaces de realizar tareas que son pensadas como tpicas del mbito de la inteligencia humana, acuaron el trmino Inteligencia Artificial en 1956. Trabajos tericos fundamentales fueron el desarrollo de algoritmos matemticos por Warren McCullock y Walter Pitts, en 1943, necesarios para posibilitar el trabajo de clasificacin, o funcionamiento en sentido general, de una red neuronal. En 1949 Donald Hebb desarroll un algoritmo de aprendizaje para dichas redes neuronales creando, en conjunto con los trabajos de McCullock y Pitts, la escuela creacionista. Esta escuela se considera hoy como el origen de la Inteligencia Artificial, sin embargo se trat poco por muchos aos, dando paso al razonamiento simblico basado en reglas de produccin, lo que se conoce como sistemas expertos. Inteligencia Artificial Se denomina inteligencia artificial (IA) a la rama de las ciencias de la Computacin dedicada al desarrollo de agentes racionales no vivos.

Para explicar la definicin anterior, entindase a un agente como cualquier cosa capaz de percibir su entorno (recibir entradas), procesar tales percepciones y actuar en su entorno (proporcionar salidas), y entindase a la racionalidad como una capacidad humana que permite pensar, evaluar y actuar conforme a ciertos principios de optimidad 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. Por lo tanto, 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. 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. Nociones y Antecedentes Histricos de Inteligencia Artificial. Definiciones sobre Inteligencia Artificial: Disciplina cientfico-tcnica que trata de crear sistemas artificiales capaces de comportamientos que, de ser realizados por seres humanos, se dira que requieren inteligencia. Estudio de los mecanismos de la inteligencia y las tecnologas que lo sustentan. Intento de reproducir (modelar) la manera en que las personas identifican, estructuran y resuelven problemas difciles

 Son ciertas herramientas de programacin, entendiendo por herramientas: Lenguajes: LISP, PROLOG Entornos de desarrollo: shells Arquitecturas de alto nivel: nodo y arco, sistemas de producciones Desde sus comienzos hasta la actualidad, la Inteligencia Artificial ha tenido que hacer frente a una serie de problemas: Los computadores no pueden manejar (no contienen) verdaderos significados. Los computadores no tienen autoconciencia (emociones, sociabilidad, etc.). Un computador slo puede hacer aquello para lo que est programado. Las mquinas no pueden pensar realmente. En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage plante el asunto de si la mquina de Babbage poda "pensar". Los primeros problemas que se trat de resolver fueron puzzles, juegos de ajedrez, traduccin de textos a otro idioma. Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron los principios de la ciberntica en relacin con la realizacin de decisiones complejas y control de funciones en mquinas. La teora de la retroalimentacin en mecanismos, como por ejemplo un termostato que regula la temperatura en una casa, tuvo mucha influencia. Esto an no era propiamente Inteligencia Artificial. Se hizo mucho en traducciones (Andrew Booth y Warren Weaver), lo que sembr la semilla hacia el entendimiento del lenguaje natural. En el ao 1955 Herbert Simon, el fsico Allen Newell y J.C. Shaw, programador de la RAND Corp. y compaero de Newell, desarrolla el primer lenguaje de programacin orientado a la resolucin de problemas de la Inteligencia Artificial, el IPL-11. Un ao ms tarde estos tres cientficos desarrollan el primer programa de Inteligencia Artificial al que llamaron Logic Theorist, el cual era capaz de demostrar teoremas matemticos, representando cada problema como un modelo de rbol, en el que se seguan ramas en busca de la solucin correcta, que result crucial. Este programa demostr 38 de los 52 teoremas del segundo captulo de Principia Mathematica de Russel y Whitehead. En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy y en la cual se utiliz el nombre de inteligencia artificial para este nuevo campo, se separ la Inteligencia Artificial de la ciencia del computador, como tal. Se estableci como conclusin fundamental la posibilidad de simular inteligencia humana en una mquina. En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problems Solver (GPS). GPS era un sistema orientado a la resolucin de problemas; a diferencia del Logic Theorist, el cual se orient a la demostracin de teoremas matemticos, GPS no estaba programado para resolver problemas de un determinado tipo, razn a la cual debe su nombre. Resuelve una gran cantidad de problemas de sentido comn, como una extensin del principio de retroalimentacin de Wiener. Diversos centros de investigacin se establecieron, entre los ms relevantes estn, la Universidad Carnegie Mellon, el Massachusetts Institute of Technologie (MIT), encabezado por Marvin Minsky, la Universidad de Standford e IBM. Los temas fundamentales eran el desarrollo de heursticas y el aprendizaje de mquinas.

En 1957 McCarthy desarroll el lenguaje LISP. La IBM contrat un equipo para la investigacin en esa rea y el gobierno de USA aport dinero al MIT tambin para investigacin en 1963. A finales de los aos 50 y comienzos de la dcada del 60 se desarrolla un programa orientado a la lectura de oraciones en ingls y la extraccin de conclusiones a partir de su interpretacin, al cual su autor, Robert K. Lindsay, denomina "Sad Sam". Este poda leer oraciones del tipo "Jim es hermano de John" y "La madre de Jim es Mary", a partir de ella el sistema conclua que Mary deba ser tambin la madre de John. Este sistema represent un enorme paso de avance en la simulacin de inteligencia humana por una mquina, pues era capaz de tomar una pieza de informacin, interpretarla, relacionarla con informacin anteriormente almacenada, analizarla y sacar conclusiones lgicas. Fundamentos y filosofa Como ocurre casi siempre en el caso de una ciencia recin creada, la inteligencia artificial aborda tantas cuestiones confundibles en un nivel fundamental y conceptual que, adjunto a lo cientfico, es necesario hacer consideraciones desde el punto de vista de la filosofa. Gran parte de esta ciencia se junta con temas en la filosofa de la mente, pero hay ciertos temas particulares a la IA. Por ejemplo: En qu consiste la inteligencia? Cmo la reconoceramos en un objeto no humano, si la tuviera? Qu sustancia y organizacin se requiere? Es posible que una criatura hecha de metal, por ejemplo, posea una inteligencia comparable a la humana? Aunque una criatura no orgnica pudiera solucionar problemas de la misma manera que un humano, tendra o podra tener conciencia y emociones? Suponiendo que podemos hacer robots con una inteligencia comparable a la nuestra, debemos hacerlo?

Durante ms de 2000 aos de tradicin en filosofa, han ido surgiendo diversas teoras del razonamiento y del aprendizaje, simultneamente con el punto de vista de que la mente se reduce al funcionamiento fsico. La psicologa ofrece herramientas que permiten la investigacin de la mente humana, as como un lenguaje cientfico para expresar las teoras que se van obteniendo. La lingstica ofrece teoras para la estructura y significado del lenguaje, as como la ciencia de la computacin, de la que se toman las herramientas que permiten que la Inteligencia Artificial sea una realidad. Empez con el nacimiento de Platn en 428 a. C. y con lo que aprendi de Scrates. La temtica de su obra fue muy diversa: poltica, matemtica, fsica, astronoma y diversas ramas de la filosofa. El filsofo Hubet Dreyfus (1979) afirma que: Bien podra afirmarse que la historia de la inteligencia artificial comienza en el ao 450 a.C., cuando Platn cita un dilogo en el que Scrates le pregunta a Eutidemo: Deseara saber cul es la caracterstica de la piedad que hace que una accin se pueda considerar como pa... y as la observe y me sirva de norma para juzgar tus acciones y las de otros.

Los filsofos delimitaron las ms importantes ideas relacionadas con la inteligencia artificial, pero para pasar de all a una ciencia formal era necesario contar con una formalizacin matemtica en tres reas principales: la computacin, la lgica y la probabilidad. La idea de expresar un clculo mediante un algoritmo formal se remonta a la poca de Jwarizmi, matemtico rabe del siglo IX, con cuyas obras se introdujeron en Europa los nmeros arbigos y el lgebra (de su nombre al-Jwarizmi deriva la palabra algoritmo). El hombre se ha aplicado a s mismo el nombre cientfico de Homo sapiens como una valoracin de la trascendencia de nuestras habilidades mentales tanto para nuestra vida cotidiana como para nuestro propio sentido de identidad. Los esfuerzos del campo de la inteligencia artificial se enfocan en lograr la compresin de entidades inteligentes. Una de las razones de su estudio es el aprender ms de nosotros mismos. A diferencia de la filosofa y de la psicologa, que tambin se ocupan de la inteligencia, los esfuerzos de la inteligencia artificial estn encaminados tanto a la construccin de entidades como a su compresin. Otra razn por la cual se estudia la inteligencia artificial es debido a que ha sido posible crear sorprendentes y diversos productos de trascendencia. Nadie podra pronosticar con toda precisin lo que se podra esperar en el futuro, es evidente que las computadoras que posean una inteligencia a nivel humano tendrn repercusiones muy importantes en nuestra vida diaria as como en el devenir de la civilizacin. El problema que aborda la inteligencia artificial es uno de los ms complejos: Cmo es posible que un diminuto y lento cerebro, sea biolgico o electrnico, tenga capacidad de percibir, comprender, predecir y manipular un mundo que en tamao y complejidad lo excede con creces?, pero a diferencia de la investigacin en torno al desplazamiento mayor que la velocidad de la luz o de un dispositivo antigravitatorio, el investigador del campo de la inteligencia artificial cuenta con pruebas contundentes de que tal bsqueda es totalmente factible. La inteligencia artificial permite al hombre emular en las mquinas el comportamiento humano, tomando como base el cerebro y su funcionamiento, de manera tal que se pueda alcanzar cierto razonamiento creando marionetas robticas.

Usos y aplicaciones de la inteligencia artificial Bsicamente, la inteligencia artificial es aquella que trata de explicar el funcionamiento mental basndose en el desarrollo de algoritmos para controlar diferentes cosas. La inteligencia artificial combina varios campos, como la robtica, los sistemas expertos y otros, los cuales tienen un mismo objetivo, que es tratar de crear mquinas que puedan pensar por s solas, lo que origina que hasta la fecha existan varios estudios y aplicaciones, dentro de las que se encuentran las redes neuronales, el control de procesos o los algoritmos genticos.La idea de construir una mquina que pueda pensar es que realice cosas que nosotros realizamos y hacemos. Pero para que las computadoras se ganen el nombre de inteligentes, primero tienen que ser capaces de mantener, por ejemplo, un dilogo con un ser humano, ya que las computadoras nicamente pueden realizar o hacer lo que se les indique, pero nunca sabrn lo que estn realizando pues no estn conscientes de lo

que hacen. Caractersticas de la IA Una de sus caractersticas es que incluye varios campos de desarrollo, como la robtica, la comprensin y traduccin de lenguajes, el reconocimiento y aprendizaje de palabras de mquinas o los variados sistemas computacionales expertos, que son los encargados de reproducir el comportamiento humano en una seccin del conocimiento.Tales tareas reducen costos y riesgos en la manipulacin humana en reas peligrosas, mejoran el desempeo del personal inexperto y el control de calidad en el rea comercial.Redes neuronales dentro de la AI Las redes neuronales son programas de la AI capaces de simular algunas de las funciones de aprendizaje del ser humano. Una red neuronal obtiene experiencia analizando automtica y sistemticamente los datos para determinar reglas de comportamiento; con base en ellas, puede realizar predicciones sobre nuevos casos.Estas tcnicas se aplican a problemas de clasificacin y series de tiempo e identifican conexiones con cosas que otras tcnicas no pueden, porque utilizan relaciones lineales y no lineales.

Neuronas y conexiones sinpticas. Cada neurona puede tener infinitas entradas llamadas dendritas que condicionan el estado de su nica salida existente, el axn; ste se puede conectar a una dendrita de otra neurona mediante la sinapsis correspondiente. En este modelo se considera una neurona que puede ser representada por una unidad binaria; a cada instante su estado puede ser activo o inactivo. La interaccin entre las neuronas se lleva a cabo a travs de la sinapsis, la cual define el estado de la neurona.

La AI en la robticaLos robots son dispositivos compuestos de censores que reciben datos de entrada que manda una computadora, la cual ordena al robot que efecte una determinada accin.Hoy en da, una de las finalidades de la construccin de robots es su intervencin con rapidez, calidad y precisin en los procesos de fabricacin encargados de realizar trabajos repetitivos en la fabricacin. Las reas de investigacin de la IASon muchas las reas de la A I que se investigan hoy da. Entre ellas, tenemos las siguientes: La representacin del conocimiento, que busca en el descubrimiento de mtodos expresivos y eficientes describir informacin sobre aspectos del mundo real. Los mtodos de aprendizaje automtico, que extienden las tcnicas estadsticas con el fin de posibilitar la identificacin de un amplio rango de tendencias generales a partir de un conjunto de datos de entrenamiento. El campo de la planificacin, que enfrenta el desarrollo de algoritmos que construyen y ejecutan automticamente secuencias de comandos primitivos con el fin de alcanzar ciertas metas de alto nivel. Los trabajos en el rea de razonamiento posible, que hacen uso de principios estadsticos para desarrollar codificaciones de informacin incierta. El estudio de las arquitecturas de agentes, que busca la integracin de otras reas de la I A con el objeto de crear agentes inteligentes, entidades robustas capaces de comportamiento autnomo y en tiempo

real. La coordinacin y colaboracin multiagentes, que ha permitido el desarrollo de tcnicas para la representacin de las capacidades de otros agentes y la especificacin del conocimiento necesario para la colaboracin entre ellos. El desarrollo de ontologas, que persigue la creacin de catlogos de conocimiento explcito, formal y multipropsito, que puedan ser utilizados por sistemas inteligentes. Los campos de procesamiento de voz y lenguaje, que buscan la creacin de sistemas que se comunican con la gente en su lenguaje. La sntesis y comprensin de imgenes, que conduce a la produccin de algoritmos para el anlisis de fotografas, diagramas y videos, as como tambin de tcnicas para el despliegue visual de informacin cuantitativa y estructurada.reas de aplicacin de la IAPero tambin hay reas de aplicacin. En efecto, estos procesos de la AI se aplican en los sistemas reales en una gran variedad de ramas y problemas: Gestin y control: anlisis inteligente, fijacin de objetivos. Fabricacin: diseo, planificacin, programacin, monitorizacin, control, gestin de proyectos, robtica simplificada y visin computarizada. Educacin: adiestramiento prctico, exmenes y diagnstico. Ingeniera: diseo, control y anlisis.Equipamiento: diseo, diagnstico, adiestramiento, mantenimiento, configuracin, monitorizacin y ventas. Cartografa: interpretacin de fotograf as, diseo, resolucin de problemas cartogrficos. Profesiones: abogaca, medicina, contabilidad, geologa, qumica. Software: enseanza, especificacin, diseo, verificacin, mantenimiento. Sistemas de armamento: guerra electrnica, identificacin de objetivos, control adaptativo, proceso de imgenes, proceso de seales. Proceso de datos: educacin, interfase en lenguaje natural, acceso inteligente a datos y gestores de bases de datos, anlisis inteligente de datos. Finanzas: planificacin, anlisis, consultora. Aplicaciones comerciales de la inteligencia artificialPero tambin la AI tiene numerosas aplicaciones comerciales en el mundo de hoy. Vase: Configuracin: seleccin de distribucin de los componentes de un sistema de computacin. Diagnosis: hardware informtico, redes de ordenadores, equipos mecnicos, problemas mdicos, averas telefnicas, instrumentacin electrnica, circuitos electrnicos, averas automovilsticas. Interpretacin y anlisis: datos geolgicos para prospeccin petrolfera, compuestos qumicos, anlisis de seales, problemas matemticos complejos, evaluacin de amenazas militares, anlisis de circuitos electrnicos, datos biolgicos (coronarios, cerebrales y respiratorios), informacin de radar, sonar e infrarrojos. Monitorizacin: equipos, monitorizacin de procesos, fabricacin y gestin de procesos cientficos, amenazas militares, funciones vitales de pacientes hospitalizados, datos financieros en tiras de papel perforado por teleimpresora, informes industriales y gubernamentales. Planificacin: gestin de activo y pasivo, gestin de cartera, anlisis de crditos y prstamos, contratos, programacin de trabajos de taller, gestin de proyectos, planificacin de experimentos, produccin de tarjetas de circuito impreso. Interfaces inteligentes: hardware (fiscal) de instrumentacin, programas de computadora, bases de datos mltiples, paneles de control. Sistemas de lenguaje natural: interfaces con bases de datos en lenguaje natural, gestin de impuestos (ayudas para contabilidad), consultora en temas legales, planificacin de fincas, consultora de sistemas bancarios. Sistemas de diseo: integracin de microcircuitos en muy alta escala, sntesis de circuitos electrnicos, plantas qumicas, edificios, puentes y presas, sistemas de transporte. Sistemas de visin computarizada: seleccin de piezas y componentes, ensamblado, control de calidad. Desarrollo de software: programacin automtica.Desafos tcnicos del futuroLos tres desafos ms importantes en el desarrollo dentro de la A I son su facilidad de uso, la flexibilidad de

la infraestructura computacional y la disponibilidad de herramientas de desarrollo cada vez ms poderosas.El empleo de una interfaz inteligente ayudar a las personas a encontrar lo que ellas deseen, har lo que stas deseen cuando lo deseen, en forma natural y sin requerir el conocimiento de detalles irrelevantes. Sistemas de Administracin del Conocimiento. En muchas industrias la clave de la eficacia es la automatizacin. La habilidad existente para la automatizacin de procesos no ha sido alcanzada por la habilidad para estructurar el conocimiento utilizado para la automatizacin de la difusin del conocimiento. Los sistemas de administracin del conocimiento proveen la explicacin a detalle de los procedimientos, reglas, las dificultades o problemticas detectadas en las organizaciones y utilizan la explicacin del proceso de solucin en el aprendizaje de estas experiencias. Los sistemas computacionales hoy en da no estn diseados para percibir esta dependencia entre las necesidades de las instituciones y las dificultades para ensear y difundir este conocimiento para futuros requerimientos. Los sistemas que soportan la creacin, organizacin y diseminacin del conocimiento del negocio dentro de la empresa. Esto incluye procesos, procedimientos, patentes, trabajos de referencias, formulas, mejores prcticas, pronsticos, etc. Estos sistemas utilizan gran variedad de Tecnologa de Informacin (TI) para coleccionar y editar informacin, evaluar sus valor, diseminarlo dentro de la organizacin y aplicarlo a los proceso del negocio. Algunas tecnologas tales como: Sitios Web en Internet e intranets, groupware, data mining, Bases de conocimiento, foros de discusin y videoconferencia; permiten recoger, almacenar y distribuir el conocimiento (Tyndale 2002). Por esta razn, estos sistemas no deben ser confundidos con los Sistemas Expertos o la Inteligencia Artificial. Laudon y Laudon afirman que tal tecnologa es slo un conjunto dentro de los sistemas de informacin diseados para dar soporte a la administracin del conocimiento, particularmente son tiles en la captura y codificacin del conocimiento. Son embargo, sta puede ser o no parte de un Sistema de Administracin del Conocimiento. McLure afirma que un Sistemas de Administracin del Conocimiento puede ser usado para codificar, almacenar y distribuir la Base de Conocimiento de la empresa. Segn este autor, el mismo puede servir como un repositorio para el conocimiento a medida que ste pueda ser codificado; tambin soporta el cantal social de la firma al establecer lazos estructurales entre las personas, independientemente de las barreras de tiempo y geogrficas, mejorando as las capacidad para la combinacin y el intercambio del capital intelectual. Los sistemas administradores de la base del conocimiento o KBMS por sus siglas Knowledge base management systems han empezado a desarrollarse. Un sistema KBMS debe de obtener el conocimiento directamente de un experto, el cual ser adecuado por su integridad y consistencia. Especificando sus caractersticas tcnicas y generando las clasificaciones pertinentes para bsquedas posteriores por otros especialistas.

Construccin de sistemas de administracin del conocimiento. Un sistema de administracin del conocimiento esta compuesto por varias etapas, siendo las principales: pruebas, validacin, entrega, evaluacin y mantenimiento. Las pruebas son simples en un sistema KBMS, la validacin tiene que ser llevada a cabo para asegurar que el sistema basado en conocimiento conoce las necesidades de la compaa. El KBMS se asegura que el sistema esta construido correctamente. La entrega y la evaluacin son realizadas de la manera tradicional. Sin embargo el mantenimiento es desarrollado modificando las especificaciones no modificando el cdigo. La automatizacin de los procesos de negocio requieren el acumulamiento del conocimiento, un KBMS es un ambiente de desarrollo para sistemas basados en conocimiento que automatizan mucho de los procesos de la construccin de una aplicacin basada en conocimiento. El experto no necesita de la intervencin de un ingeniero del conocimiento; pequeos conocimientos para la utilizacin de un KBMS son requeridos como guas para ser usado en el proceso. Los sistemas de KBMS reducen los costos y tiempos involucrados en la adquisicin de experiencias para la utilizacin en solucin de negocio. La adquisicin del conocimiento es verificado para ser almacenado en el KBMS, posteriormente se realiza un anlisis de la estructura del conocimiento, se construye la informacin, se tiene una fase de refinamiento y es generada la informacin. El desarrollo de sistemas de administracin de conocimiento demanda que el conocimiento sea obtenido, compartido y regulado por individuos. El conocimiento se comparte en toda la organizacin en repositorios del conocimiento tales como sistemas de gente. Un tipo de repositorio del conocimiento intenta manejar el conocimiento para apuntar a expertos que poseen el conocimiento dentro de una organizacin. El sistema de administracin del conocimiento permitir a su empresa, entre otros, los siguientes beneficios: Contar con una fuente oficial de conocimiento que permita a sus colaboradores compartir las buenas prcticas y los casos de xito. Elaborar peticiones documentadas, definir compromisos y establecer responsables para las juntas, tareas, proyectos, etc. Capitalizar el conocimiento que actualmente se encuentra en las personas convirtindolo en un activo de su empresa. Evitar repetir los errores pasados. Gestin total de la productividad La gestin total de la productividad puede definirse como el proceso de administracin que sigue las cuatro fases del ciclo de la productividad, a efectos de incrementar la productividad total y reducir los costes totales unitarios de productos y servicios dentro del ms alto nivel posible de calidad. El ciclo de la productividad est conformado por las actividades de medicin,

evaluacin, planeacin y mejora de la productividad. La medicin de la productividad es la primera fase crtica dentro del proceso de la productividad. La actividad de evaluacin es una comparacin de los logros obtenidos tanto frente a los niveles planeados, como as tambin frente a los valores registrados en el pasado por la empresa y los verificados por empresas competidoras. La planeacin de la productividad trata con los niveles de determinacin de la productividad. Esta planeacin persigue la mejora en la performance de los diversos indicadores tanto en el corto como en el largo plazo, a los efectos de mejorar la productividad y rentabilidad de la compaa. La clave para poner en prctica la Gestin Total de la Productividad radica en actuar y medir de manera simultnea el impacto de los cambios realizados sobre todos y cada unos de los componentes que participan en el proceso productivo. El desarrollo de sta nueva metodologa de gestin obedece al impulso y creatividad del Dr. David Sumanth, quin articul y combin una serie de sistemas y metodologas de trabajo tales como el TQM, el TPM, el Just in Time, la reingeniera, los crculos de calidad, el benchmarking y el Desarrollo Organizacional, para dar lugar a ste nuevo sistema de gestin y anlisis. Si bien el Dr. Sumanth le dio a su mtodo el nombre de Administracin para la Productividad Total consideramos menester que al igual que en materia de Calidad la Gestin de la Productividad debe ser problema y objetivo de todos los sectores e individuos de la organizacin, por tal motivo el concepto de Gestin Total es en principio ms claro y apropiado. Las lecciones que no debern olvidarse en torno a sta nueva filosofa son: La calidad no es un lujo sino una absoluta necesidad, siendo esta una condicin necesaria pero no suficiente. Si los productos y/o servicios no incorporan una calidad total, el futuro de una empresa es sin lugar a dudas incierto. En los mercados expuestos a una competencia global, las empresas que no estn dispuestas a un compromiso continuo con una alta calidad, tendrn que tirar la toalla. La productividad y su importancia El nivel y la tasa del crecimiento de la productividad de cualquier pas tienen mucho que ver con su nivel o calidad de vida, tasa de inflacin, tasa de desempleo y con todos aquellos indicadores econmicos que proporcionan una semblanza del grado de bienestar social y econmico. En la actualidad, la productividad y la calidad son consideraciones de inters nacional, tanto para los pases desarrollados, como para los que estn en desarrollo. En el afn de lograr las metas y objetivos en materia de productividad deben converger los esfuerzos tanto de gobernantes, como de dirigentes, empresarios, tcnicos, cientficos y trabajadores. A nivel de empresas, aquellas que logren un nivel de productividad mayor al del promedio nacional de su industria, tienden a contar con mayores mrgenes de utilidad. Y si dicha productividad crece ms rpidamente que la de la competencia, los mrgenes de utilidad se incrementarn todava ms. En tanto que para aquellas cuyos niveles y tasas de crecimiento de productividad sean notablemente inferiores

a sus promedios industriales corren graves riesgos en cuanto a su competitividad y permanencia. La calidad y la productividad guardan una relacin fundamental, la cual a su vez se ve reflejada tanto en los costos y en los niveles de servicios, lo cual termina reflejndose en la ventaja competitiva. Una fbrica tradicional suele invertir como promedio entre un 20 y un 25 por ciento de su presupuesto operacional en encontrar y corregir errores de calidad en sus productos. Por tal razn es que la mayora de los expertos en materia de Costo de Calidad, sealan que las prdidas debido a productos defectuosos se encuentran entre el 20 y el 30 por ciento de sus ventas. Por ello la mejora de la calidad genera directamente un notable incremento en los niveles de productividad. Contrariamente al mito difundido de que la mejora de la calidad afecta la productividad, la productividad mejorar notablemente al mejorarse la calidad de los productos y sus procesos. Eficiencia y efectividad Una mejora en la eficiencia no garantiza una mejora en la productividad. La eficiencia es una condicin necesaria pero no suficiente para alcanzar mayor productividad. De hecho, tanto la efectividad como la eficiencia son necesarias para ser productivo. La eficiencia es la proporcin de los resultados generados en relacin con los estndares de resultados prescritos. La efectividad, en cambio, es el grado en que se logran metas u objetivos de inters para la empresa. La efectividad significa definir las metas u objetivos pertinentes y despus alcanzarlos. Si se logran nueve de cada diez objetivos, la efectividad es de un 90%. Se puede ser muy eficiente sin ser productivo. Un ejemplo clsico es el del mdico que amputa la pierna a un paciente en la mitad del tiempo habitual y luego presume diciendo que ha sido doblemente eficiente de lo que era. Sin embargo, las enfermeras tienen otra ptica del asunto, debido ello a que el profesional amputo la pierna equivocada. As pues la efectividad del doctor fue cero, ya que no alcanz el objetivo adecuado de operar la pierna correcta, aun cuando mejor su eficiencia en un 100%. Resulta por lo tanto obvio que el doctor fue todo menos productivo. Dicho de otra forma, para ser productivo hay que ser a la vez efectivo y eficiente, en ese orden. Ingresos y productividad Toda empresa se fija objetivos en materia de ingresos por ventas. De hecho, la mayora de las empresas parecen estar obsesionadas por discutir sus niveles de ventas con base mensual, semanal e incluso diaria. Sin embargo, rara vez demuestran el mismo celo por supervisar sus niveles de productividad. Realizar un anlisis de correlacin entre los niveles de ingresos y los de productividad resulta a todas luces fundamental para monitorear de manera efectiva la performance de la empresa. De las productividades parciales a la total

Encarar la medicin de solo un componente de aquellos que participan en la generacin de la produccin es factible si se mantienen fijos en el tiempo todos los n 1 componentes, algo que por cierto resulta en principio difcil de concebir. Muchos factores inciden en la productividad, as si por ejemplo la cantidad de horas se mantienen fijas pero se altera el monto abonado, se generar dentro de ciertas condiciones un efecto de motivacin que incrementar el rendimiento de los trabajadores. De tal forma si calculramos la cantidad de x producto fabricado por hora y lo dividiramos por la cantidad de horas insumidas podramos ver reflejados una mayor productividad. Pero si tuvisemos debidamente en cuenta el incremento salarial se podra llegar a observar un incremento o no de la productividad, dependiendo tal situacin si el incremento en la cantidad producida fue superior o igual al incremento salarial. Otra cuestin a considerar es el incremento en la productividad de la mano de obra generado gracias a la incorporacin de maquinarias de mayor tecnologa, pero se deja de considerar en tales clculos que ocurre con la productividad de las maquinarias. De tal forma si el incremento en la produccin no compensare el incremento en capital estaramos ante un decremento o disminucin de la productividad del capital. Queda reflejado con lo expuesto en los prrafos anteriores la complejidad que a las mediciones de la productividad le es propia. A los efectos de superar tales circunstancias se ha desarrollado una frmula que contempla a la totalidad de los insumos. Productividad Total = Resultado Tangible Total / Insumo Tangible Total La productividad total tambin se conoce como productividad multifactorial. La productividad multifactorial se calcula sumando todas las unidades de input a los efectos de conformar el denominador: Productividad = Output / (Trabajo + Material + Energa + Capital + Varios) Para hacer factible el clculo de la productividad multifactorial, los inputs individuales (denominador) pueden expresarse en unidades monetarias y sumarse. Necesidad de una gestin total de la productividad Si bien muchas empresas analizan la productividad de manera parcializada y calculan la misma en relacin a un solo factor (mono factorial), hacer ello no slo resulta incorrecto y inconducente, sino que contribuye a confundir y distorsionar los anlisis. Muy poca atencin se presta a un anlisis global e integral de la productividad y los costes, cuando ello debiera ser uno de los objetivos crticos a monitorear. Controlar de forma permanente la performance de la productividad, los costos, la calidad, el nivel de los servicios y los grados de satisfaccin es fundamental si se pretende lograr una ventaja competitiva sostenida. En un mundo en constante y profundos cambios en lo tecnolgico, social, poltico, econmico y cultural, cambian las necesidades de los consumidores, se alteran las bases tecnolgicas de los productos y procesos, cambian las necesidades ambientales y psicosociales de los consumidores. Estos cambios redundan luego en modificaciones a las normas legales y reglamentaciones. El mundo est por tales razones en continua ebullicin y las empresas se ven atrapadas en la misma.

La nica forma de lograr el xito es mediante un cambio radical en la forma de pensar de sus directivos y funcionarios que luego deber trasladarse al resto de los empleados de la corporacin. Una nueva y distinta manera de ver y analizar la productividad, una forma diferente de gestionarla y promoverla, sern las bases sobre la cual ha de edificarse la competitividad del presente y futuro de la empresa. Abandonar los patrones antiguos de pensamiento, reenfocando la productividad sobre un pensamiento orientado a los procesos, enfocado en los sistemas y basado en datos concretos y no en suposiciones, resulta clave para lograr una mejora continua en los niveles de productividad y con ello en los niveles de costes, permitiendo de tal forma hacer efectiva la curva de experiencia, con lo cual se logra desplazar a los competidores de los mercados, obteniendo consecuentemente una mayor cuota de mercado. Slo una gestin total de la productividad que evite por un lado las improductividades en los diversos procesos, estn estos vinculados directamente a la produccin o no, y logren a travs del trabajo en equipo de la organizacin como un todo aumentar la productividad de la empresa mediante una mayor y mejor fluidez de los recursos y energas, ha de permitir una rentabilidad que sea compatible con la conquista de mercados en el mediano y largo plazo. Mejoramiento de la productividad El mejoramiento de la productividad bajo la Gestin Total de la Productividad (GTP) implica llevar de manera sistemtica los siguientes pasos: 1. Seleccionar el conjunto de tcnicas ms apropiadas para el mejoramiento de la productividad en funcin de las caractersticas propias de la empresa y su entorno. 2. Desarrollar un plan de implementacin conducente a poner en prctica las tcnicas seleccionadas.

Lista de tcnicas de mejoramiento de la productividad total Tcnicas basadas en tecnologas 1. Diseo asistido por computadora, 2. Manufactura asistida por computadora, 3. CAM integrada, 4. Robtica, 5. Tecnologa lser, 6. Tecnologa de energa, 7. Tecnologa de grupos, 8. Grficas computacionales, 9. Simulacin, 10. Administracin del mantenimiento, 11. Reconstruccin de maquinarias, 12. Tecnologa de la conservacin de la energa, 13. Tecnologa digital, 14. Telecomunicaciones, 15. Bioingeniera, 16. Programacin orientada a objetos, 17. Fibras pticas, 18. Ingeniera de software asistida por computadora, 19. Tecnologa RISC, 20. Ingeniera simultnea / ingeniera concurrente, 21. Video conferencias de escritorio Tcnicas basadas en materiales 22. Control de inventarios, 23. Planeacin de requerimientos de materiales, 24. Inventarios justo a tiempo, 25. Administracin de materiales, 26. Control de calidad, 27. Sistema de manejo de materiales, 28. Reciclamiento y reutilizacin de materiales

Tcnicas basadas en empleados 29. Incentivos financieros individuales, 30. Incentivos financieros grupales, 31. Prestaciones personales, 32. Promocin de empleados, 33. Enriquecimiento del puesto, 34. Ampliacin del puesto, 35. Rotacin del puesto, 36. Participacin de trabajadores, 37. Mejoramiento de habilidades personales, 38. Administracin por objetivos, 39. Curvas de aprendizaje, 40. Comunicaciones, 41. Mejora de las condiciones de trabajo, 42. Capacitacin, 43. Educacin, 44. Percepcin del desempeo, 45. Calidad de supervisin, 46. Reconocimiento, 47. Castigos, 48. Crculos de calidad, 49. Cero defectos, 50. Administracin de tiempos, 51. Flexibilidad de tiempos, 52. Semana de trabajo reducida, 53. Armonizacin, 54. Trabajo en casa Tcnicas basadas en el producto , 55. Ingeniera de valores, 56. Diversificacin de productos, 57. Simplificacin de productos, 58. Investigacin y desarrollo, 59. Mejora en la confiabilidad del producto, 60. Benchmarking, 61. Promocin y publicidad Tcnicas basadas en procesos o tareas , 62. Ingeniera de mtodos, 63. Medicin del trabajo, 64. Diseo del puesto, 65. Valuacin de puestos, 66. Diseo de seguridad del puesto, 67. Factores humanos (ergonoma), 68. Programacin de produccin, 69. Procesamiento de datos asistido por computadora, 70. Reingeniera

Conclusin: Como hemos visto a travs de los aos las maquinas han ido innovando las cosas que hacen ms fcil la vida del hombre, es por ello que a veces en su mayora las persona nos hemos preguntado si algn da los robots podrn tener inteligencia propia sentimientos propios semejantes a las de un ser humano es solo se tendr que resolver con el avance de la tecnologa y de los aos En fin, todo parece indicar que las computadoras programadas con la A I son el campo de la solucin de problemas del futuro; sin embargo, el intelecto humano parece ser irremplazable en relacin con la solucin de problemas de sentido comn. Se sugiere entonces, dado lo complicado de la mente humana, que hombre y mquina interacten juntos ya que necesitan uno delotro para solucionar

eficazmente los problemas de desplazamiento mayor que la velocidad de la luz o de un dispositivo anti gravitatorio, el investigador del campo de la inteligencia artificial cuenta con pruebas contundentes de que tal bsqueda es totalmente factible. La inteligencia artificial permite al hombre emular en las mquinas el comportamiento humano, tomando como base el cerebro y su funcionamiento, de manera tal que se pueda alcanzar cierto razonamiento creando marionetas robticas.

Bibliografa:

Gevarter, M. (1987). Mquinas inteligentes. Madrid: Daz de Santos Negrete, J. (1992). De la filosofa a la inteligencia artificial. Mxico: Grupo

Noriega Editores.

Rauch-Hindin, W.B. (1989). Aplicaciones de la inteligencia artificial en la actividad empresarial, la ciencia y la industria. Madrid: Daz de Santos