Sistema de Soporte de Decisiones para inversiones en transporte

Sistema de Soporte de Decisiones para inversiones en transporte Daniela López De Luise, Federico Agüero, Santiago Bosio, Paola Londoño, Federico Aguirre, Martín Agüero, Diego Fenelli, Maria Elena Kurlat, Juan Pablo Musella, Francisco Milano AIGroup - Universidad de Palermo, Facultad de Ingeniería Mario Bravo 1050, C1188AAB, Buenos Aires, Argentina (011) 5199 – 4500 interno 1167 [email protected], [email protected]

Resumen El presente trabajo presenta un sistema de ayuda a la toma de decisiones, conocido como DSS (Decision Support System), aplicado al ámbito de las empresas de infraestructura vial y tránsito. El prototipo posee desarrollado internamente una base de parámetros propios del sector, asociados a los factores macro económicos que afectan en forma directa a la actividad, complementados con el estudio del contexto político, socio-cultural, tecnológico y regulatorio local. La arquitectura se centra en un Sistema Experto que establece el conjunto apropiado de herramientas de Minería de Datos a aplicar para una correcta predicción de escenarios posibles, y configura el sistema inferencial de un Meta-Sistema Experto, al cual provee también de un conjunto de datos específicos para aplicar su conocimiento experto. Los eventuales hallazgos del primer sistema tienen como objetivo ofrecer al segundo sistema el contexto y expertise de un especialista en minería de datos, mientras que el segundo posee el conocimiento experto específico que le permite asesorar a los responsables de la toma de decisión la información apropiada para la toma de decisiones en base a los riesgos que deben afronta en un determinado negocio. La originalidad de este prototipo radica en la definición de variables nunca antes usadas en el sector y en la configuración del meta-sistema experto. Palabras claves: Transporte, Infraestructura vial, DSS, Sistema experto, Minería de datos.

2 / 20

1.Introducción Los Sistemas de Ayuda para la toma de Decisiones (SAD, o DSS por sus siglas en inglés), constituyen un tipo específico de sistemas de información orientados a la toma de decisiones organizacionales. Se los puede describir como aplicativos que tienen incorporadas las estrategias necesarias y la inteligencia apropiada para poder evaluar consignas complejas por su contexto o características. Muchas veces se trata de especulaciones a futuro o evaluaciones de situaciones donde el contexto de la empresa es dinámico. Son utilizados en el entrenamiento o bien para la toma de decisiones. En el plano pragmático suelen brindar información transaccional e interdepartamental y adquieren su conocimiento específico de una o más de las siguientes fuentes:  Bases de datos operativas  Bases transaccionales  Conocimiento experto  Generación dinámica de información Suelen apoyarse en grandes colecciones de datos, muchas veces manipuladas con herramientas específicas como OLAP, DATA WAREHOUSING, DATA MARTS, etc. Entre sus características más importantes se pueden mencionar:  Interactividad controlada con un administrador  Interactividad controlada con un especialista  Interfaz gráfica para usuarios que realizan consultas.  Se basan en una plataforma informática acorde (normalmente con infraestructura adecuada a la capacidad de cómputo requerida)  Suelen integrar sistemas de información geográfica  Incorporan modelos que describen y predicen procesos productivos [1]  Opcionalmente pueden asistir a los decisores en la selección de datos y modelos para identificar y resolver problemas y tomar decisiones [2] [3]  Proveen información textual y gráfica Los SAD constituyen un valioso apoyo a la toma de decisiones estratégicas, y su objetivo es mejorar la efectividad de las decisiones tomadas [4][5][6]. El proyecto HERCULES, es un prototipo de SAD que incorpora datos y genera automáticamente el modelo de comportamiento específico de acuerdo al conocimiento experto que corresponda aplicar ante cada problema planteado. Las variables macroeconómicas elegidas para el procesamiento surgen de un conjunto de reglas de modelos macroeconómicos. Si bien muchas son utilizadas permanentemente, algunas variables dependerán de la pregunta específica a responder por parte del SAD.

3 / 20

El conjunto de variables microeconómicas corresponden al sector de aplicación, en este caso las empresas de infraestructura/administración vial. Se focalizan en la actividad propia donde se pretende evaluar el problema y complementa el contexto macroeconómico con información de variables que afectan a todas las empresas agrupadas, los competidores y la propia empresa/institución. Las variables en estudio incluidas pueden ser diversas, dependiendo del aspecto a estudiar por parte del DSS. Es por eso que tanto el conjunto de datos incluido como el conjunto de variables debe gestionarse a través de una interfaz de usuario especial del tipo administrativo (perfil de trabajo distinto al de un usuario). Esto permite la adaptación dinámica del prototipo a cierta industria, sin perder la potencia de las contextualizaciones macroeconómicas, sociológicas y regulatorias. Las variables socio-regulatorias pretenden reflejar las restricciones propias del marco regulatorio legal y de facto en la industria, evitando que el sistema evalúe alternativas que no son ortodoxas desde otros puntos de vista. A la vez en las consideraciones sociológicas se contemplan las influencias de índole más subjetivas y que motivan el comportamiento de los individuos como tales y como parte de un mercado. Entre otros elementos importantes que suelen estar lejos del análisis tradicional de los SAD se pueden mencionar el valor de marca, la propensión al consumo, criterios de fidelidad y conveniencia, etc. El presente trabajo se organiza de la siguiente manera: descripción de la necesidad y estado de los sistemas SAD típicos, arquitectura del prototipo Hércules, conclusiones y trabajo futuro.

4 / 20

2.Necesidad y estado de los sistemas SAD Es frecuente que el sector directivo alto y medio de las empresas se encuentre en una situación de incertidumbre ante la toma de decisiones y su impacto a futuro. Esto se agrava cuando se cuenta con escaso tiempo, experiencia o información para evaluar alternativas. Es por ello que los SAD constituyen una poderosa herramienta en organizaciones [7] donde una decisión involucra gran riesgo o inversiones considerables de cierto recurso (monetario, tiempo, stock, etc). Los Sistemas de Ayuda a la Decisión (SAD) tuvieron gran impulso a fines de los años 70. Según Power [11][23] se los puede clasificar en: 

SAD Dirigidos por la Comunicación: disponen de soporte para varias personas en una misma tarea compartida. Ej.: chats y mensajería instantánea, sistemas de colaboración, etc.



SAD Dirigidos por Datos: destacan el acceso y la manipulación de series temporales de datos internos de la organización. Son utilizados para consultar en una base de datos o data warehouse una variable en el tiempo. Ej: los sistemas de información geográfica, el cuál puede ser usado para representar datos geográficamente dependientes usando mapas.



SAD Dirigidos por Documentos: gestionan, recuperan y manipulan la información no estructurada en una variedad de formatos electrónicos, dirigidos a un gran número de usuarios. El propósito de estos SAD es buscar en páginas WEB y encontrar documentos. En esta categoría se pueden mencionar distintos software de análisis de textos o Wikis (sitio Web cuyas páginas Web pueden ser editadas por múltiples voluntarios a través de la Web).



SAD Dirigidos por el Conocimiento: proporcionan experiencia acumulada en forma de hechos, normas, procedimientos, o en estructuras similares especializados para la resolución de problemas. Son utilizados esencialmente para proveer consejos a las gerencias sobre la selección de productos o servicios. Suelen ser procesamientos de enormes volúmenes de datos para identificar patrones ocultos y presentar recomendaciones basadas en esos patrones.



SAD Dirigidos por Modelos: centrado en el acceso y manipulación de un modelo estadístico, financiero, de optimización o simulación. Son sistemas capaces de predecir los cambios en procesos de negocios, utilizando datos del pasado para responder a preguntas complejas del estilo (what if) “que-pasa-si” a los usuarios en tomas de decisiones.

Algunos de los modelos descriptos existen en el mercado bajo licencias libres o comerciales tales los casos de MicroStrategy, Groove entre otros.

5 / 20

Dentro del contexto de los sistemas viales y de tránsito, son muchas las experiencias en diversas áreas, a saber: 

Transporte público: la utilización de sistemas expertos permite la optimización del balance entre pasajeros y servicios. Ejemplo de esta aplicación se desarrolló en Brasil, dónde se implementó una Red Neuronal que mejora la capacidad de simular y estimar el índice potencial de viajes. Estas variables son indispensables para una planificación estratégica de los transportes necesarios [25].



Seguridad vial: En este campo los sistemas inteligentes se vuelven una herramienta de recopilación, análisis y evaluación de datos estadísticos sobre accidentes viales. Con los datos reunidos es posible desarrollar modelos de comportamiento de los conductores, los cuales son utilizados para la generación de planes integrales de seguridad vial que mejoran sensiblemente la seguridad en la circulación [27]. En España se han propuesto algunas alternativas efectivas que aplican un tipo de análisis estadístico llamado Bayesiano [26]. En países como Colombia, existe un grave problema vial que es la vulnerabilidad a la socavación en los puentes de la Red Vial. Se define socavación como el grado de exposición del puente al daño por elementos que causan erosión hídrica [33]. Actualmente existen distintos métodos para la estimación de la vulnerabilidad a la socavación. Uno de ellos es CAESAR, un sistema experto desarrollado por la Universidad de Washington. Este sistema puede recomendar acerca de adecuación del curso de agua, la estabilidad de su cauce y la vulnerabilidad de un puente. Otro ejemplo es referenciado en la Revista técnica de la Asociación Española de la Carretera donde se menciona un sistema montado en una Red Local de dispositivos con sensores inteligentes apropiados, distribuidos adecuadamente que brindan información correcta a los conductores aún en circunstancias climatológicas adversas.



Regulación y normativa vial: aquí también aparecen los sistemas expertos facilitando el manejo de legajos y documentos relativos a la regulación y normativa vial. Ejemplo de ello es una regulación existente en Ecuador (Nro. 1378) donde explicita claramente la implementación de un sistema experto legal que permita “agilizar el sistema de entrega de actas de infracción y partes a los agentes fiscales y jueces competentes, y éstos a su vez elaboren y suscriban las actas de juzgamiento de las contravenciones de tránsito”. [29] Cabe mencionar también el sistema conocido como METHODUS [28]. Éste es un sistema legal de la Universidad de Roma "La Sapienza", que permite manipular las solicitudes de registro de cierto tipo de trabajadores viales. Para su funcionamiento un operador examina el texto legal y crea una descripción normalizada para el sistema. Con esto el sistema es capaz de derivar las consecuencias de cada situación y las expone al operador para que éste escoja la decisión que prefiera.



Infraestructura: la propuesta Automan-Tunel[31], es un sistema de visión y control para el desarrollo de un sistema automático de mantenimiento de carreteras. El uso de los Sistemas de Soporte a la Decisión en ingeniería civil es planteado, por 6 / 20

E. Oñate y sus colaboradores [32], quienes describen su aplicación, entre otras cosas, en la gestión energética en los municipios, la prevención del riesgo de inundaciones y el diseño de proyectos urbanísticos. 

Logística: En el ámbito de la logística, los sistemas expertos permiten resolver problemas de diversa naturaleza. En general resultan en complejos sistemas que presentan al usuario una descripción bastante detallada del problema a resolver. Para dar un ejemplo de ello, el Sistema Experto para Zonificación y Enrutamiento RUTA [34], permite entre otras cosas definir cuadrillas de distribución, imprimir zonas con rutas demarcadas, generar planillas de enrutamiento, controlar las entregas etc. [38]



Impacto ambiental: este es un campo aún inexplorado por los desarrolladores de software expertos. Sin embargo existen algunas propuestas, ejemplo de ello es un caso de sistema experto propuesto en Madrid para la identificación de impactos ambientales de proyectos a partir de un sistema de información geográfica [30].



Control de tránsito: para el control de tránsito, los sistemas expertos son comúnmente utilizados. Generalmente coordinados con una serie de sensores, los sistemas se utilizan para optimizar el control y el monitoreo del tránsito. En la actualidad, en Madrid se trabaja con una red de sensores autónomos distribuidos a lo largo de varios kilómetros de camino [37]. Esta información es recopilada y enviada a un servidor, reduciéndose los costos para controlar amplios tramos de carretera en forma automática. Otro ejemplo de utilización es en la ciudad de México dónde lograron solucionar el caos vial que existía en una avenida con una red neuronal que se calibra adaptándose a diferentes necesidades [35]. De esta manera evitan que los automovilistas tomen ciertas calles equivocadamente, generando congestionamientos. Adicionalmente, otro aspecto donde los software expertos contribuyen, relacionado con la seguridad vial, es intentando reducir la cantidad de accidentes de tránsito desde una perspectiva preventiva. Esto se logra mejorando los sistemas de diagnóstico de situaciones para identificar los jóvenes conductores con mayor propensión a tener accidentes de tráfico [36].



Factibilidad: en la ciudad de Rosario se presentó en Noviembre del 2008 un sistema llamado SIPLAM, Sistema Integral de Planificación del Mantenimiento de Redes Viales [39]. El sistema, según afirman sus autores, sirve de apoyo a la gestión de actividades de conservación, rehabilitación y reconstrucción vial. Adicionalmente, ayuda a los responsables de la toma de decisiones a encontrar la óptima distribución de fondos destinados al mantenimiento vial, permitiendo así un uso más racional de los recursos existentes.

3.El prototipo Hércules El proceso de toma de decisiones es muy complejo y variable, y por lo tanto un sistema SAD que modele este proceso deberá ser capaz de arribar a una conclusión de manera eficiente y emulando este proceso [8] [9] dentro de un contexto de incertidumbre. 7 / 20

Las decisiones pueden ser estructuradas, semi-estructuradas o no estructuradas. En el primer caso el problema es perfectamente conocido y se conocen todos los elementos que inciden en el proceso de toma de decisión. En el último caso no existen procedimientos claros para tomarla (o no son controlables los factores que la afectan). De ambas situaciones la más compleja es cuando la decisión es no estructurada, pues resulta imposible determinar la información relevante. El sistema se basa en el diseño representado por el diagrama de la Figura 1.

Figura 1 Arquitectura global del prototipo HERCULES En la figura se pueden apreciar los siguientes componentes: 3.1. Módulo de Administración: ingreso de datos y gestión de reglas. 3.2. Variables: de tres tipos macroeconómicas, micro-económicas y otro conjunto de variables que resumen el contexto socio-político, además de una caracterización del marco regulatorio 3.3. Estrategias de análisis: técnicas de minería (reglas del sistema experto) 3.4. Estrategias de inferencia: reglas del meta-sistema experto 3.5. Estrategias de perfeccionamiento: base de datos inteligente (retroalimentación de datos + resultados) 3.6. Estrategias de consulta: conjunto de esquemas de consultas posibles 3.7. Sistemas de reporte: textual, almacenable y gráfica A continuación se describen brevemente.

8 / 20

3.1.Módulo de Administración El sistema Hércules posee la funcionalidad, a través del módulo de administración, de incorporar información de diversas fuentes, donde mediante un proceso de importación de datos (Parser), los mismos son filtrados y organizados, asegurando así la coherencia entre las diferentes series que componen las bases de datos de variables utilizadas por el sistema. Adicionalmente, la configuración de las reglas del sistema inferencial se realiza a través del módulo administrador, el cual permite realizar un ABM de reglas, validando la coherencia del conjunto de reglas resultante. 3.2.Variables El prototipo HERCULES centra parte de su inteligencia en la configuración experta de variables apropiadas al tipo de problema. Su correcta definición posibilita la representación de alternativas diversas aún en situación en que ellas compitan entre sí (por ejemplo calidad versus costo). Las variables reflejan parámetros del problema que influyen en el análisis directa o indirectamente. A fin de dominar la complejidad y variedad de los mismos, se han dividido en tipos. 3.2.a)Variables macroeconómicas La macroeconomía [10] se ocupa del comportamiento de los agregados económicos, de las expansiones y las recesiones, de la producción total de bienes y servicios de la economía y de su crecimiento, de las tasas de inflación y desempleo, de la balanza de pagos y de los tipos de cambio. Trata del crecimiento de la producción y del empleo durante períodos largos de tiempo (es decir, del crecimiento económico) y de las fluctuaciones a corto plazo que constituyen los ciclos económicos. Las variables de este tipo contextualizan el análisis dentro de las fuerzas que influyen al país donde se encuentra la organización en estudio. Las variables definidas se inspiran inicialmente en las herramientas y modelos clásicamente utilizados en el ámbito macroeconómico. Entre los proyectos de mayor relevancia se puede mencionar el proyecto LINK (Project LINK Research Centre) [12], que integra cerca de 80 modelos representando un total de 73 economías nacionales y 7 agrupaciones regionales, uno de los cuales es el Modelo Wharton-UAM. El sistema global incluye más de 30.000 variables de estudio, de las cuales se seleccionaron las más relevantes para estudios de este tipo. Además de los mencionados, están los modelos utilizados regionalmente por entidades públicas gubernamentales y no gubernamentales, en colaboración con organismos económicos internacionales: familia de modelos XS21 (X-Siglo XXI) [13], familia de modelos EGDE (Equilibrio General Estocástico) [14] y otros modelos más simples como 9 / 20

ARIMA, EIMEP, REM, ARMA, etc. Las variables del nivel macroeconómico del prototipo HERCULES son el resultado de la evaluación estadística de las variables definidas en los distintos modelos, y su influencia en una empresa típica. De todas ellas, a su vez el Sistema seleccionará el subconjunto adecuado para cierto análisis en particular. Es de prever que típicamente resulten seleccionadas las que provengan de las ecuaciones básicas de las cuentas nacionales tales como: PBI (Producto Bruto Interno), C (consumo privado), G (consumo público), I (inversión interna bruta) X (exportaciones de bienes y servicios), M (importaciones de bienes y servicios). Otras igualmente relevantes componen las cuentas de la Balanza de Pagos, de los Agregados Monetarios, las variaciones del nivel de Precios, del Intercambio Comercial, entre otras. Todas las variables mencionadas y sus componentes, se suelen extraer las series temporales que son de divulgación pública y controladas por los entes nacionales [15] [16][17][18], el diseño de HERCULES contempla la inclusión de las mismas en la Base de datos junto con otras adicionales que se incorporan en la medida que resulten relacionadas por técnicas de aprendizaje automático. 3.2.b)Variables microeconómicas (del sector) La microeconomía estudia el comportamiento de individuos y empresas, los cuales toman decisiones frente a la problemática de la asignación de recursos escasos para la producción de bienes y servicios. Las variables típicas de análisis corresponden a los parámetros de cada actividad especial (en este caso el sector vial). Si el prototipo se aplica a una empresa evaluando inversiones en obras de infraestructura, las variables a estudiar comprenden específicamente las ventas, producción, estado de situación patrimonial, estado de resultados, los beneficios, la existencia de stock, etc. [19]. Esto es información necesaria para poder relacionar sus variables y tener un análisis deseado de la empresa. El estado de situación patrimonial permite describir la composición del patrimonio de la empresa en un instante dado [20]. Es importante pues refleja la enumeración y magnitud de los activos (inversión del capital), de los pasivos (financiación de capitales ajenos) y del patrimonio neto (financiación del capital propio). Además de la situación patrimonial de la empresa, se requiere también contar con indicadores que manifiesten la situación operativa de la misma en un momento dado y su evolución en el tiempo. La suma de estos indicadores permitirá evaluar las condiciones en que se encuentra la empresa, y su capacidad para afrontar cambios externos, y a la vez, poder proyectar un ciclo económico. [21] Con estos datos se realiza un entrecruzamiento apropiado con el soporte adecuado del sistema inferencial experto que asesora acerca del tratamiento para el análisis exploratorio a realizar con los mismos. De dicho resultado se obtiene la Base de Datos de soporte para el estudio de escenarios específicos. 10 / 20

El subsistema dentro de HERCULES encargado de información del sector, distribuye la actividad económica entre los diferentes sectores productivos a través de tablas específicas, y se alimenta de los componentes de la demanda final determinados en el Módulo Macroeconómico presentado por Ayala [24]. 3.2.c)Variables sociológicas y regulatorias La sociología es el estudio de la realidad social en todas sus formas y aspectos, centrándose en las estructuras y los sistemas, los grupos y las sociedades, las actitudes y conductas sociales [40]. Para la sociología, la empresa se ha constituido en una unidad fundamental del desarrollo económico, son consecuencia de las sociedades modernas, las cuales manejan cada vez más información. Como tal, es una organización productiva, un sistema social en el que las personas interactúan con ciertos recursos (del interior de la empresa) en el entorno (la sociedad) para la producción de bienes y/o servicios para el consumo y bienestar de la sociedad en su conjunto. A las variables sociológicas se las puede definir como características factibles de ser observadas y/o inferidas. Por ejemplo para evaluar la situación económica, debe observarse el crecimiento económico general y otros factores que puedan afectar a la empresa (como las variaciones en los precios, la evolución de las tasas de interés, etc.) entre otras variables del ambiente externo que repercuten sobre la actividad empresarial. A su vez, las variables están vinculadas con las variables político-legales de diversas maneras, con relaciones de asociación (o dependencia), o de influencia (o causalidad). Como parte de este ambiente externo están los gobiernos, que establecen una serie de normas regulatorias en algunos casos incentivando, y en otros casos limitando, e incluso prohibiendo ciertas actividades de las empresas. Así el ambiente político y legal incide de distintos modos sobre la empresa, creando un ambiente de confianza o lo contrario, según el grado de aceptación de las reglas establecidas. Las variables deben ser suficientemente sensibles a los cambios o variaciones en función de las diferentes casuísticas. De este modo pueden emplearse para comprender el/los fenómenos subyacentes o bien predecir el impacto de dichos fenómenos en la empresa. La finalidad de investigar las variables que inciden en la actividad empresarial es tener una herramienta que permita caracterizar la esencia del entorno empresarial. También es posible generar dicha caracterización mediante indicadores que representen circunstancias empíricas concretas [40]. Por ejemplo el Índice de Precios al Consumidor, es un indicador social y económico de coyuntura, que permite medir los cambios experimentados a lo largo del tiempo del nivel general de precios de los bienes y servicios de consumo hogareños (pago, adquisición o utilización para ser consumidos) [41]. En base a este indicador, se puede inferir una aproximación del nivel general de precios de vivienda, alimentación, electricidad, combustibles, etc [41], que representen 11 / 20

la canasta de productos y servicios consumidos por la población y dan cuenta del conjunto de variables del “nivel social”. La finalidad de la presente investigación es registrar dichas variables y sus indicadores, examinando su comportamiento relativo y su impacto sobre el objeto de análisis de HERCULES. La clave de esta propuesta es analizar cuál es el estado actual (o histórico) de las diferentes variables y cómo aportan al proceso de toma de decisiones en un ambiente de negocios dinámico. La información y datos que se utilizan del ámbito económico y social, enmarcado por la dimensión política se identifican, se analizan y se procesan en base al conocimiento experto contenido en las reglas definidas en un Sistema Experto, cuya finalidad es extraer información relevante de los datos que soporten a la toma de decisiones gerenciales dentro de un negocio [42]. Existen antecedentes en la comunidad, de Sistemas Expertos basados en información semántica. En estos casos se guardan datos en un Sistema de administración de Bases de datos (DBMS) clásico [43]. Sobre esta base se construye el conjunto de “categorías semánticas” que constituyen el núcleo de conocimiento preestablecido y fijo, conocido por el sistema y diseñador. El sistema así definido tiene mayor capacidad de comprender el significado de los conceptos del mudo real (personas, organizaciones, objetos físicos, dispositivos, tiempos, lugares, etc.). La ventaja de esta estructura es que utiliza verificaciones semánticas, esto es, trabaja automáticamente con el significado (la semántica) de las consultas y de la información contenida. Esto permite trabajar de manera más natural con elementos o estructuras predefinidas que den cuenta de las variables e indicadores que se han tomado como referencia para el estudio propuesto. En base a esta metodología es posible estudiar las variables como una red de conceptos vinculados a otra(s) red(es) de conceptos vinculados entre si. Es decir, construir “conceptos genéricos” que representen al conjunto de elementos del entorno y que estos, a su vez, posiblemente se relacionen con otros conceptos que presenten las mismas características. Su contenido provendrá de los antecedentes históricos, su incidencia y relevancia actual, generando un conocimiento específico acerca de cierto problema específico ya planteado. En HERCULES el enfoque se centra en el estudio de las variables que son propias a la empresa, aquellas que dan cuenta de tendencias y discontinuidades propias del entorno económico, jurídico-político, tecnológico, ecológico y social, que modifican constantemente potenciales de utilidad en períodos de tiempo variables, posibilitando a las empresas posicionarse -cada vez más rápidamente- en nuevos espacios del entorno [44]. 3.3.Estrategias de análisis Otro de los ejes fundamentales es la especificación global de estrategias de análisis, las cuales se implementan como una serie de técnicas de minería de datos combinadas con estadísticas de manera particular para generar información relevante y muchas veces no evidente acerca del contexto y del problema en sí. Las variables son seleccionadas 12 / 20

dinámicamente a partir de la consulta especificada en la interfaz a usuario y del asesoramiento experto del sistema experto (SE1 en la figura 1) 3.4.Estrategia de inferencia El proceso de razonamiento experto se halla en el meta-sistema experto del prototipo (SE2 en la figura 1). Se compone por una serie de reglas de inferencia que usan el conjunto de variables y estadísticas provistas por el SE1. El conocimiento implementado es derivado del estudio, investigación, conocimiento y experiencia de campo del grupo de Ingenieros industriales. 3.5.Perfeccionamiento Dado que el conjunto de problemas y estrategias dentro de una organización suele tener características peculiares que reflejan sus valores, principios y metas; el SAD debe ser capaz de introducir la información acerca de las decisiones típicas y la valoración de las alternativas desde el punto de vista del ente en el cual está organizando. De esta manera podrá alinearse progresivamente con el espíritu del ente para el cual funciona. El perfeccionamiento se logra con la asimilación dentro de la base de datos del sistema, de las preguntas y respuestas anteriores y la valoración correspondiente. 3.6.Consulta A fin de acotar la complejidad del prototipo, el tipo de consultas posibles debe respetar alguna de las plantillas predefinidas. Estas plantillas se aplican al conjunto predefinido de variables dentro del prototipo, para garantizar la integridad del proceso inferencial. Las preguntas pueden clasificarse en dos tipos: 3.6.a) preguntas semi-abiertas Son especificadas a partir de una plantilla general. Las plantillas tienen una parte fija y otra variable, que debe ser completada para que el prototipo esté en condiciones de responder.

13 / 20

En la Figura 2 se muestra una plantilla de ejemplo.

Figura 2 Plantilla de pregunta semi-abierta

Los cuadros de texto etiquetados como “parámetro1” y “parámetro2” permiten seleccionar sólo una variable de las declaradas formalmente en el sistema. Por ende la primera actividad que debe realizar el experto técnico antes de comenzar a usar HERCULES por primera vez, es extender el conjunto inicial de variables que son parámetro del problema desde el punto de vista del sistema. Esta definición se realiza por medio de un sencillo diálogo a través de una interfaz gráfica. A modo de ejemplo, el usuario podría definir: Parámetro1=cantidad adicional de unidades a vender Parámetro2=producto objeto del análisis La consulta específica a partir de la plantilla de la quedaría como muestra la Figura 3

14 / 20

Figura 3 Pregunta semi-abierta una vez parametrizada.

En la Tabla se detallan las preguntas que tiene implementado por defecto el prototipo: Tabla 1 Preguntas paramétricas de HERCULES ¿Se puede invertir en una maquina nueva de [parámetro1] costo? ¿Cuál es la cantidad mínima de producto [parámetro1] para que convenga la producción propia y no tercerizar? ¿Conviene exportar producto [parámetro1]? ¿Cuál es el beneficio anual si se venden [parámetro1] cantidad de producto [parámetro2]? ¿Cómo podría afectar a la empresa una inflación de [parámetro1]%? ¿Cómo afrontaría la empresa una pérdida por [parámetro1] causa de [parámetro2] dinero? ¿Cuánto tiempo puede llevar amortizar la inversión de $[parámetro1]?

15 / 20

3.6.b) preguntas cerradas: Son preguntas completamente definidas que no permiten ningún tipo de parámetro específico. En la Tabla se muestra un listado de las que el sistema tiene por defecto. Tabla 2 Preguntas no paramétricas de HERCULES ¿De qué factores dependen las ventas de la empresa? ¿Cómo se han modificado las ventas con el presupuesto brindado a marketing? ¿Qué proveedor es el de mejores precios? ¿Qué medidas podrían ser tomadas frente a una baja de la demanda? ¿Cuál es en este momento el saldo de caja disponible? ¿Cómo varió el patrimonio neto en este último año? ¿Cuáles podrían ser las propuestas para reducir los costos fijos y variables? ¿Hay alguna sugerencia para no tener que variar los precios? En la 2 se incluyen preguntas que han sido consideradas para futura implementación. 3.7.Reportes Si bien los SAD suelen tener herramientas muy poderosas para generar reportes, el prototipo HERCULES está más focalizado a la etapa inferencial que a la producción de reportes. Por ello en la etapa actual de maduración del prototipo, las salidas (respuestas) del sistema son meramente textuales, pero con un formato adecuado para generar reportes y gráficas en cualquier planilla de datos o sistema de edición de textos. 4.Conclusiones y trabajo futuro

El presente trabajo explica el enfoque de análisis de la información y la arquitectura general de un sistema de soporte a la toma de decisiones (DSS). Presenta un prototipo integrado por diversas fuentes de conocimiento. El objetivo es generar respuestas más flexibles (adaptables a contextos cambiantes) y parametrizables (con distintas consideraciones específicas durante el análisis) a través reglas predefinidas: meta-reglas (pertenecientes al meta-sistema experto) y reglas clásicas (pertenecientes al sistema experto secundario).

16 / 20

A fin de aumentar la capacidad de análisis del sistema, se continuará principalmente en tres líneas, a saber:

trabajando

1. Incrementar la disponibilidad y alcance de las variables utilizadas como fuente de información, tanto para el estudio puntual de una variable, como también aumentar la capacidad del sistema, a través de la inferencia estadística y minería de datos, de detectar relaciones de causalidad y correlación entre las variables bajo estudio. 2. Configurar el conjunto de reglas propias del sistema experto y del meta-sistema experto, adaptado las mismas a una industria particular. 3. Introducir la posibilidad de que el sistema aprenda en base a su propia experiencia e interacción con el usuario. A partir de esta línea de estudio, se buscará incrementar progresivamente las casuísticas que el sistema podrá resolver, tanto por disponer de mayor elaboración de la información (disponible por el SE1) y/o nuevos conjuntos de reglas expertas industriales (SE2).

17 / 20

Referencias [1]E. Viglizzo. Sustentabilidad ecológica y económica de la ganadería. (1999). Simp. Arg. Prod. Animal. [2]J.C. Ascough, G.H. Dunn, G.S. McMaster, L.R. Ahuja, and A.A. Andales. Producers, Decision Support Systems, and GPFARM: Lessons Learned From a Decade of Development (1997). MODSIM 2005. [3] INTA “Instituto Nacional de Tecnología Agropecuaria”. (2009) URL: www.inta.gov.ar/bariloche/ssd/rn.htm [4] J. Ascough, M. Shaffer. D. Hoag, et al. GPFARM: An integrated Decision Support System for Sustainable Great Plains Agriculture. (1998) 10th International Soil Conservation Organization Meeting. Purdue Univ. [5] V. A. Ferreira, D. G. De Coursey, B. Faber, L. Knapp, R. Woodmansee. Terra Tools and Techniques for Ecosystem Mng. (1995) Cong. Res. Serv. Report to Congress, Library of Congress, Washington, 95-430 SPR: 47-59. [6] J.Milne,A. Sibbald. Modeling of grazing systems at the farm level. (1998)An. de Zootechnie, Vol. 47: 407-417. [7] L. Silva, B. Revello. Construcción de un sistema de apoyo en la toma de decisiones para el área gerencial del hospital de clínicas (2000). Instituto de Computación – Facultad de Ingeniería. Universidad de la República. [8] Watson, Rainer y Koh. Critical review of EIS in the context of intelligence support. (1991) In Managing strategic intelligence: techniques and technologies.Mark Xu. ISBN. 1599042436. [9] J.Wetherbe, “Executive Information Requirements: Getting It Right,” (1991). MIS Quarterly, pp. 51-65. [10] R. Dornbusch, S. Fischer. Macroeconomía. (2004) 5th edition. Ed.Mc Graw Hill, pp.3. ISBN 8448120558. [11] F. Grasso. Infome de coyuntura. (2007). Departamento de estudios económicos ADIMRA [12] A. Pulido.Proyecto Link. http://www.un.org/esa/policy/link/, Col. de Economistas de Madrid – Esc. Economía. [13] S. Martínez Vicente, M. Blanco Losada, E. López Díaz-Delgado. Modelo de Planificación regional: la familia de modelos XS21 (X-Siglo XXI). (2009). URL: www.salle.url.edu. [14] J. Escudé G. J. Bco. Ctral Rep. Argentina. Progresos en Economía Computacional. (2008) 42. ARGEMmy.

18 / 20

[15] Ministerio de Economía de la República Argentina.(2009) URL: www.mecon.gov.ar. [16] Dirección Nacional de Cuentas Internacionales de la República Argentina. (2009). URL:www.mecon.gov.ar. [17] Instituto Nacional de Estadística y Censos de la República Argentina; INDEC (2009).URL: www.indec.gov.ar. [18] Grupo De Monitoreo Macroeconómico (2009).URL:gmm.mecon.gov.ar

de

la

República

Argentina;

GMM

[19] M. Ahijado. "Microeconomia. Teoria". Ctro. de est. Ramon Areces; 1994; 01 ed. ISBN: 978-84-8004-112-6. [20] G. Brunetti, U. Collesei, T. Vescovi, U.Sòstero."La librería como negocio: economía y administración". (2004).Fondo de Cultura Económica Ed. ISBN: 978-968-16-7383-3. [21] R. Domínguez."Manual de análisis financiero". www.eumed.net. (2007) ISBN-13: 97884-690-6172-5 [22] Metalurgia. (2009) URL: http://es.wikipedia.org/wiki/Metalurgia [23] D.Power. "Decision support systems: concepts and resources for managers". (2007). Westport, Conn., Quorum Books. ISSN:0167-9236 . Volume 43 , Issue 3 . [24] R. Ayala. "Resolución de modelos macroeconómicos dinámicos aplicando el método de aproximación lineal cuadrática·".(2004). Agenda Económica - Banco Central del Ecuador. Nota técnica. [25]Replicando el comportamiento de una red neuronal artificial entrenada para estimar un índice de potencial de viajes. Harlie Williams Rengifo Bocanegra, Antônio Nélson Rodrigues da Silva. vV Congreso de Ingeniería del Transporte Angel Ibeas Portilla - José Ma Díaz y Pérez de la Lastra . 2002 [26] Soluciones electrónicas para mejorar la seguridad vial en carreteras de doble sentido.José Gutiérrez Tous.Carreteras: Revista técnica de la Asociación Española de la Carretera, ISSN 0212-6389, No. 159, 2008 , págs. 71-81 [27] Desarrollo de una metodología de planificación y evaluación de actuaciones para la mejora de la seguridad en la circulación vial con aplicación de las técnicas de análisis estadístico Bayesiano. Pardillo Mayora, José M. - Sánchez Blanco, Víctor. Marzo 1995. tesis [28] SISTEMA DE ASISTENCIA LEGAL EN RIESGOS DE TRABAJO. Paola Britos1, Almudena Sierra y Ramón García-Martínez1. Journal Informática y Sociedad. Vol. 1 N° 1 (2004), pág. 34-49 ISSN: 1668-3137. (http:// http://www.itba.edu.ar/capis/jis/index.htm). [29] Reglamento general para la aplicación de la ley orgánica de transporte terrestre, tránsito y seguridad vial (Decreto No. 1738) 19 / 20

[30] Desarrollo de un sistema experto para la identificación de impactos ambientales de proyectos a partir de un sistema de información geográfica: aplicación a la Comunidad de Madrid Tesis (Doctoral) Herrero Jiménez, Carlos Miguel - Gómez Orea, Domingo 2003-01-01 [31] Automan-Tunel: sistema de visión y control para el desarrollo de un sistema automático de mantenimiento de carreteras Martínez Sánchez, Antonio Proyecto Fin de Carrera Universidad Politécnica de Cartagena 24-Apr-2008 [32] Sistemas de ayuda a la decisión en ingeniería civil. Posibilidades y Perspectivas. Eugenio Oñate, Javier Marcipar y Javier Piazzese. [33] Infraestructura Vial, Vol 8 (#15), 25-39. 2006. Edgar Muñoz, MSc., Ing. Edgar Valbuena. Pontificia Universidad Javeriana, Bogotá, Colombia. [34] Sistema Experto para Zonificación y Enrutammiento - RUTA CONSULTA EXPRESS, División de Investigación de SOFTWARE EXPRESS [35] Local / Local Remedian caos vial en Constitución y Gonzalitos El Porvenir Octubre de 2010. [36] Aportaciones de los predictores de riesgo a la educación vial en la escuela. Rodríguez Parrón, Montserrat. Tesis doctoral 16-11-2001 [37] Informe. InfoNorte Tecnología, S.L. C/ Crta de Canillas 134, 1a Pl, no13 28043 Madrid Telf: 91 716 03 26 Fax: 91 716 03 28 [38] ANAC: una forma única de hacer que su negocio sea más competitivo.http://www.totalargentina.com.ar/Lub [39] SIPLAM, Sistema Integral de Planificación del Mantenimiento de Redes Viales. [40] Baigorri, Artemio. “Introducción a la sociología de la empresa”. (2000). Facultad de CC. Económicas y Empresariales, Universidad de Extremadura, Badajoz. [41] LABORSTA. Principales estadísticas de la Organización Internacional del Trabajo OIT. http://laborsta.ilo.org/applv8/data/c7s.html) [42] Rob Peter. Coronel Carlos. “Sistema de base de datos: diseño, implementación y administración”. (2004). Thomas editores, México. [43] Dolder Herman. Lubomirsky. “Sistema experto para el diseño de base de datos”. (1988). DATA S.A. Buenos Aires. [44] Pümpin, Cuno. García Santiago. “Estrategia empresarial. Como implementar la estrategia de empresa”. (1993). Ediciones Díaz de Santos, Madrid.

20 / 20