Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2012-10-19T06:06:04Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T20:10:35Z : No. of bitstreams: 1 186799.pdf: 3563777 bytes, checksum: edddc53573aa6ecfe85cec677e786b00 (MD5) / A Atenção Farmacêutica consiste na provisão responsável da farmacoterapia com propósito de alcançar resultados concretos que melhorem a qualidade de vida do paciente. A Atenção Farmacêutica visa à identificação e resolução dos Problemas Relacionados a Medicamentos potenciais e reais. O acompanhamento farmacoterapêutico é sistematizado, com determinação de metas e intervenções, a fim de resolver e prevenir Problemas Relacionados a Medicamentos. O objetivo do trabalho foi implementar Atenção Farmacêutica empregando o Raciocínio Baseado em Casos, ferramenta da Inteligência Artificial, que pode auxiliar a tomada de decisão pelo farmacêutico. Os casos foram coletados, utilizando a Metodologia do Programa Dáder. Para representação dos casos do domínio Atenção Farmacêutica, determinação dos índices, definição da medida de similaridade e recuperação dos casos similares foi utilizado como suporte a ferramenta CBR-Works versão 5.0. As informações coletadas e disponibillizadas na forma de casos auxiliarão o farmacêutico, que diante de novas situações, poderá recuperar intervenções realizadas de casos similares ao caso de entrada, reutilizá-las ou adaptá-las.

A Engenharia de Conhecimento (Knowledge Engineering - KE) atual considera o desenvolvimento de Sistemas Baseados em Conhecimento (Knowledge- Based Systems - KBSs) como um processo de modelagem baseado em modelos de conhecimento reusáveis. A noção de Métodos de Solução de Problemas (Problem- Solving Methods - PSMs) desempenha um importante papel neste cenário de pesquisa, pois representa o conhecimento inferencial de KBSs em um formalismo explícito. Não menos importante, PSMs também facilitam a compreensão do processo de raciocínio desenvolvido por humanos. PSMs são descritos em um formalismo abstrato e independente de implementação, facilitando a análise do conhecimento inferencial que muitas vezes é obscurecido em grandes bases de conhecimento. Desta forma, este trabalho discute a noção de PSMs, avaliando os problemas de pesquisa envolvidos no processo de desenvolvimento e especificação de um método, como também analisando as possibilidades de aplicação de PSMs. O trabalho apresenta a descrição e análise de um estudo de caso sobre o processo de desenvolvimento, especificação e aplicação de um PSM Interpretação de Rochas. As tarefas de interpretação de rochas são desenvolvidas por petrógrafos especialistas e correspondem a um importante passo na caracterização de rochasreservatório de petróleo e definição de técnicas de exploração, permitindo que companhias de petróleo reduzam custos de exploração normalmente muito elevados. Para suportar o desenvolvimento de KBSs neste domínio de aplicação, foram desenvolvidos dois PSMs novos: o PSM Interpretação de Rochas e o PSM Interpretação de Ambientes Diagenéticos. Tais métodos foram especificados a partir de uma análise da perícia em Petrografia Sedimentar, como também a partir de modelos de conhecimento e dados desenvolvidos durante o projeto PetroGrapher. O PSM Interpretação de Rochas e o PSM Interpretação de Ambientes Diagenéticos são especificados conceitualmente em termos de competência, especificação operacional e requisitos/suposições. Tais definições detalham os componentes centrais de um esquema de raciocínio para interpretação de rochas. Este esquema é empregado como um modelo de compreensão e análise do processo de raciocínio requerido para orientar o desenvolvimento de uma arquitetura de raciocínio para interpretação de rochas. Esta arquitetura é descrita em termos de requisitos de armazenamento e manipulação de dados e conhecimento, permitindo projetar e construir um algoritmo de inferência simbólico para uma aplicação de bancos de dados inteligentes denominada PetroGrapher.

Presenta el efecto del Aprendizaje Basado en Problemas (ABP) en el desarrollo de la inteligencia emocional de estudiantes del primer ciclo en una universidad privada de Lima. Con el fin de lograr el propósito propuesto, se realizó una investigación de tipo aplicado, empleando el método experimental (diseño cuasi-experimental), es decir, se manipuló la variable independiente (ABP) para que produzca un efecto sobre la variable dependiente (Inteligencia Emocional), la cuál fue medida. Para ello, se tomó una muestra de 46 estudiantes distribuidos en dos grupos: uno de control (23) y otro experimental (23) de estudiantes de la carrera de Administración del primer semestre de un universo de 1281 ingresantes. Para la recolección de datos, se empleó el test de Inventario de Inteligencia Emocional de Bar-On (I-CE) como prueba de entrada (pretest), aplicándose la metodología del ABP durante 16 sesiones de aprendizaje al grupo experimental, mientras que para el grupo de control se utilizaron metodologías de aprendizaje tradicionales; posteriormente, se efectuaron las mediciones con el mismo test de BarOn como prueba de salida (postest) para ambos grupos. Los resultados mostraron que hubo efecto significativo del ABP en el desarrollo de la inteligencia emocional de los estudiantes objeto del estudio. / Tesis

Este trabajo busca conocer —a partir de una exhaustiva revisión de artículos de alto impacto— cuáles son las principales aplicaciones de la inteligencia artificial (IA) que han potenciado las estrategias empresariales. Se abordan los siguientes temas para responder la pregunta de investigación. En primer lugar, se define inteligencia artificial y se estudia su evolución; se alude también a las distintas posturas respecto a ella. En segundo lugar, se explica en qué consiste la inteligencia de negocios, ya que en los últimos años las empresas han demostrado interés por mejorar sus procesos con base en el manejo de grandes volúmenes de datos. En tercer lugar, se analiza el aporte de la IA a la inteligencia de negocios, su aplicación en las distintas unidades organizativas y el apoyo a la generación de estrategias empresariales. Finalmente, se incide en cómo la IA permite mejorar las estrategias de las organizaciones. Se concluye que la IA transforma la interacción de los humanos con las máquinas, ayudando a aumentar sus capacidades para la toma de decisiones, lo que es especialmente relevante para los negocios contemporáneos y, en particular, para la estrategia empresarial. / This work seeks to undestand, since an extensive review of very important articles, which are the main applications of the artificial intelligence (AI) that have improved the business strategies. The following issues are addressed in order to answer the questions of the investigative work. First, artificial intelligence is defined and its evolution is studied. It also refers to different positions abou it. Second, it is explained what the business intelligence consists, because, lately, companies have been interested in improving their processes based on the management of big data. Third, the contribution of the AI to the business intelligence is analyzed; also its application to the different organisational units and the support to the generation of business strategies are analyzed. Finally, the focus is on how the AI allows to improve the strategies of the organizations. It is concluded that the AI transforms the interaction of the human beings with machines, helping to increase their capacities of making decisions; this is very important for the contemporary business, and especially for the business strategy. / Trabajo de Suficiencia Profesional

La generación de diálogo implica diseñar un programa para generar una conversación natural, esto requiere desarrollar algoritmos que puedan conversar con un ser humano y otro programa de manera coherente y fluida. Desarrollar una conversación también depende del contexto y conocimiento del interlocutor, lo cual nos lleva a definir la existencia de niveles de complejidad conversacional, la cual se refiere a determinar que tan fácil o difícil de leer es un texto. En este aspecto, especialmente para el idioma español, no existe una herramienta que tenga un módulo propio que le permita clasificar textos en español por su complejidad textual. En el presente trabajo de fin de carrera se realiza el desarrollo de un módulo en el lenguaje de programación Python, el cual funciona como un Framework para identificar la complejidad textual de textos en español usando técnicas de Machine Learning. Para ello, en primer lugar, se implementaron 48 métricas de análisis de complejidad textual basadas en Coh-Metrix usando el lenguaje de programación Python. Dichas métricas convierten textos en español en datos numéricos con los cuales se entrenaron distintos modelos de Machine Learning, con el motivo de obtener el mejor modelo a utilizar con el Framework desarrollado, siendo este capaz de utilizar un modelo personalizado provisto por el usuario. Para ello, se necesitó obtener un corpus de 183 textos en español para realizar dicho entrenamiento, el cual fue obtenido al descargar textos educativos de nivel primaria y secundaria. Por último, se entrenó un chatbot con los textos obtenidos para el corpus, cuyas respuestas generadas fueron analizados con el Framework previamente desarrollado, identificando que el nivel de complejidad de dichas respuestas correspondía al nivel de los textos con los cuales el chatbot fue entrenado. En conclusión, en el presente proyecto de investigación se desarrolla un módulo de Python que funciona como un Framework, el cual es capaz de identificar la complejidad textual de textos en español, ya sea con el mejor modelo de Machine Learning utilizado en el presente proyecto o utilizando uno provisto por el usuario de la herramienta.

En el área de la fabricación, la simulación es una herramienta esencial para la validación de métodos y arquitecturas antes de aplicarlos en un Entorno de Fabricación. Las herramientas de simulación actuales llevan a cabo la simulación de entornos de fabricación basándose en modelos estáticos que hacen uso de la programación de procesos de fabricación secuenciales y centralizados tradicionales, donde los mecanismos de planificación y control ofrecen una flexibilidad insuficiente para responder a los estilos de fabricación cambiantes y a los entornos de fabricación altamente mezclados y de bajo volumen. En consecuencia, las herramientas de simulación convencionales limitan la escalabilidad y reconfigurabilidad para el modelado de Sistemas de Fabricación que permitan adaptarlos ante las necesidades cambiantes del Cliente. Resulta difícil encontrar una herramienta de simulación que pueda ejecutar ``inteligentemente'' la simulación de tareas cada vez más complejas. La dificultad radica en integrar en la herramienta el conocimiento necesario del sistema original y que a la vez actúe como un asistente que proporcione consejos y guíe al usuario durante la simulación. Por ello, surge la necesidad de nuevas herramientas de simulación para fábricas que contemplen características tales como: a) flexibilidad y adaptabilidad, para modelar comportamientos complejos propios de un Sistema de Fabricación, b) escalabilidad para la integración transparente de funcionalidades adicionales, c) proactividad y reactividad para la adaptación automática ante los cambios del entorno y d) características de aprendizaje (inteligencia) basado en la experiencia adquirida durante la simulación. Por su parte, las técnicas de Inteligencia Artificial han sido utilizadas en la Fabricación Inteligente por más de dos décadas. Las técnicas del área de Inteligencia Artificial permiten la definición de unidades de fabricación distribuidas, autónomas, inteligentes, flexibles, tolerantes a fallos, reutilizables, las cuales operan como un conjunto de entidades que cooperan entre sí. Además, los recientes desarrollos en el área de los Sistemas Multiagente han traído consigo nuevas e interesantes posibilidades. Algunos investigadores han aplicado la tecnología de agentes en la integración de la fabricación empresarial, la colaboración, la planificación de procesos de fabricación, la programación para el control de planta, el manejo de materiales y la gestión de inventarios, así como la implementación de nuevos tipos de sistemas de fabricación tales como los Sistemas de Fabricación Holónicos. Teniendo en cuenta estas aplicaciones exitosas de los Sistemas Multiagente en la Fabricación Inteligente, estamos convencidos de que esta tecnología puede mejorar también el desempeño de la Simulación de Sistemas de Fabricación Inteligente. En esta tesis proponemos la definición de una Arquitectura para un Entorno de Simulación de Sistemas de Fabricación asistido por agentes. Esta arquitectura integra la funcionalidad de una herramienta de simulación tradicional, permite además la simulación de comportamientos complejos asociados a los Sistemas de Fabricación Inteligentes y proporciona soluciones y mejoras que se adaptan a las necesidades de la nueva era de fabricación. / Ruiz Vega, N. (2009). Simulación asistida por agentes para sistemas de fabricación inteligentes [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/8314

Esta investigación, de carácter documental abarca la temática de la inteligencia intrapersonal en la Educación Primaria, la cual se encuentra relegada en la Educación Básica Regular del Perú. Es por ello, que el estudio toma como base dos conceptos principales: las inteligencias múltiples y la inteligencia emocional; a la vez, se contextualiza en las edades de seis a doce años, las cuales corresponden a la etapa del nivel primario. Considerando estos conceptos, se desarrolla una investigación documental cuyo propósito es contextualizar al lector en primer lugar en el concepto de la inteligencia a través del tiempo y de las distintas corrientes psicológicas, relacionándolas al aspecto afectivo de la inteligencia. En segundo lugar, se espera la comprensión de los elementos de la inteligencia intrapersonal y su desarrollo en la educación. En tercer lugar, esta tesina contribuye a enfatizar la importancia de visibilizar la inteligencia intrapersonal como tarea del profesorado y de los agentes educativos con el objetivo de que se logre desarrollar en las aulas desde los primeros grados, pues contribuye al bienestar personal estudiante.

Desde finales de la década de 1980 e inicio del siglo XXI han acaecido una serie de hechos que, tomados en conjunto, dibujan un nuevo panorama dentro del mundo de las organizaciones. Estos nuevos tiempos están caracterizados por la incertidumbre y la complejidad del entorno en el que éstas tienen que desarrollarse e interactuar. Bajo estas condiciones las organizaciones han visto la necesidad de cambiar su modelo y su estructura, evolucionando hacia otros modelos y estructuras que garanticen una mayor participación de los grupos implicados de la organización, que posibiliten la toma de decisiones de forma distribuida y que, además, proporcionen a la organización un incremento de la flexibilidad y de la agilidad para adaptarse rápidamente a los constantes cambios que sufre el entorno que le rodea. El conocimiento y el aprendizaje son hoy en día las piezas fundamentales de este nuevo modelo por ser el medio clave a través del cual es posible reducir la complejidad e incertidumbre que caracteriza este entorno organizacional. Este cambio conlleva la necesidad de una revisión del resto de los procesos vinculados a la organización tradicional en aras de adaptarlos al nuevo enfoque. Entre estos procesos destacan, por su relación con el conocimiento y el empleo del mismo para la dirección estratégica, el proceso de Aprendizaje Organizacional y el de Planificación Estratégica. En este trabajo de tesis se propone una revisión al proceso de planificación estratégica que esté en consonancia con el nuevo modelo de organización y que dé solución a la problemática actual que tienen las organizaciones para llevarlo a cabo de forma eficaz y eficiente. En esta revisión se propone un modelo que permite diseñar el proceso de planificación estratégica, ejecutarlo para obtener el plan estratégico y, posteriormente, poder realizar el seguimiento de dicho plan. Dada la vinculación e importancia que dentro del proceso de planificación estratégica tiene el proceso de aprendizaje organizacional éste es integrado también dentro del modelo. Debido a la necesidad en la actualidad de ajuste del plan estratégico por los cambios constantes en el entorno y la dificultad para hacerlo, el modelo permite el rediseño ágil y flexible del proceso de planificación estratégica para obtener nuevos planes estratégicos en periodos de tiempo más cortos, logrando así que la organización tenga una mejor sincronía con su entorno. A nivel de diseño el modelo que se propone está basado en la tecnología multiagente que emplea un sistema de pizarra multicapa para el almacén de la información que se genera durante el diseño y ejecución del proceso y posterior seguimiento del plan estratégico. Dicha información es descrita empleando una ontología que permite la formalización tanto de los pasos del proceso de planificación estratégica que se va a realizar y sus dependencias como de la información que se maneja en cada uno de ellos. La combinación de ambos elementos posibilita que en la ejecución del proceso de planificación estratégica sea posible que los participantes en el mismo puedan participar, interactuar, generar información y conocimiento que sirva para realizar cada uno de los pasos del proceso y para constituir una experiencia aprovechable para la realización de futuros procesos de planificación estratégica. Esta experiencia constituye además el elemento clave que el modelo propone que puede ser empleado para automatizar los pasos del proceso y mejorar la toma de decisiones. En definitiva, el modelo propuesto es una solución formal, integral, ágil y flexible para llevar a cabo el proceso de planificación estratégica en las organizaciones actuales y bajo las condiciones que rodean a éstas.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduaçao em Engenharia Mecânica / Made available in DSpace on 2012-10-24T01:05:26Z (GMT). No. of bitstreams: 1 262294.pdf: 2409341 bytes, checksum: 2919d8c38ca9d6d163e37eb87314a706 (MD5) / Cogeração é definida como a produção simultânea de energia eletromecânica e energia térmica útil a partir de uma mesma fonte energética, permitindo assim que a energia contida no combustível seja utilizada de modo mais eficiente e racional do que a geração independente de energia elétrica e calor. Conseqüentemente, tem um forte apelo tanto do ponto de vista de eficiência, devido principalmente aos custos de ombustíveis e impactos ambientais, como do ponto de vista de geração distribuída de energia, já que, dada a proximidade entre a planta e o local de consumo, dispensam-se subestações e linhas de transmissão de alta tensão. O projeto de uma planta de cogeração é um problema de síntese sujeito fundamentalmente a restrições termodinâmicas. Inclui a alocação e dimensionamento de componentes diversos, de modo a satisfazer as demandas de energia elétrica e de calor útil. Apesar de sua complexidade, é um problema que é resolvido de modo robusto por especialistas, o que sugere o uso de ferramentas de inteligência artificial (IA) para resolvê-lo computacionalmente, tais como Sistemas Especialistas (SE) e Raciocínio Baseado em Casos (RBC). No presente trabalho são desenvolvidos dois protótipos de sistemas computacionais inteligentes, baseados nas técnicas SE e RBC, respectivamente. Os protótipos são utilizados para apoio às fases de projeto conceitual e preliminar de plantas de cogeração, considerando cargas de energia elétrica, vapor saturado e água gelada como requisitos de projeto. Os protótipos apresentam características que não são encontradas em nenhum sistema computacional para esse domínio disponível até o momento, tais como explicação da solução (no protótipo SE) e aprendizado a partir da própria experiência (no protótipo RBC). A combinação das duas técnicas em um único protótipo é também discutida. Finalmente, o uso dos protótipos é demonstrado através da resolução de alguns casos selecionados, sendo que cada um representa um diferente conjunto de requisitos de projeto. Cogeneration is defined as the simultaneous production of power and useful thermal energy from the same energy source, so that the fuel energy is used in a more rational and efficient way when compared to the separated production of power and heat. Thus, it has a strong appeal from both an efficiency point of view (due mainly to the fuel costs and environmental impact) and a distributed generation point of view, for the proximity between the plant and the user makes substations and transmission lines superfluous. The design of a cogeneration plant is a synthesis problem subject to thermodynamic constraints. It includes allocation and sizing of several components, such that power and useful heat demands must be satisfied. Despite its complexity, it is a problem that is robustly solved by human experts, which suggests the use of artificial intelligence (AI) tools to solve it computationally. Well known AI tools are Expert Systems (ES) and Case-Based Reasoning (CBR). In this work, two intelligent computational prototypes are developed, based on ES and CBR techniques, respectively. The prototypes are used to support the conceptual and preliminary phases of the cogeneration plant design, considering power, saturated steam and chilled water as design requirements. The prototypes present characteristics # such as solution explanation (ES prototype) and learning from previous experiences (CBR prototype) # that are not known in any of the available computational systems in this engineering domain. The combination of both ES and CBR techniques in a single prototype is discussed as well. Finally, the prototype use is shown by solving some selected cases, each case representing a different set of design requirements.

Tras la difusión del video Kouri-Montesinos el 14 de septiembre del año 2000, el gobierno de Fujimori entró en crisis. Una de las principales acciones tras aquel evento fue la desactivación del Servicio de Inteligencia Nacional SIN (aún durante el gobierno de Fujimori), y luego la reforma del sistema, durante el gobierno de transición de Paniagua en el año 2001. Por diversas presiones y perspectivas políticas, en ese periodo fueron despedidos, cesados, desactivados o reasignados un gran contingente de analistas, operativos, agentes e informantes: cerca de 2 mil personas terminaron su relación con el Sistema de Inteligencia Nacional. Como parte de una investigación sobre la transformación de la inteligencia peruana, este artículo tiene tres objetivos: a) describir el contexto de la desactivación y la reforma para entender los objetivos y causas del despido y desactivación de este contingente de agentes y analistas; b) determinar el rango numérico de agentes y analistas que fueron despedidos, cesados o desactivados entre la desactivación del año 2000 y la reforma del año 2001; c) determinar el destino y funciones de los agentes y analistas despedidos y desactivados en los años posteriores a 2001, lo que muestra una relación con el desarrollo de empresas de seguridad, sistemas privados de inteligencia, inte- ligencia empresarial y un mercado de compra-venta de interceptaciones telefónicas durante los últimos catorce años. Este estudio se sostiene en el cruce de tres tipos de datos: fuente abierta provista por la normativa, informantes clave que participaron en el proceso de los años 2000 y 2001, y datos primarios de actores que actualmente son miembros de empresas de seguridad e inteligencia privada.