Gestión de Sistemas de Información

Transcripción

1 Gestión de Sistemas de Información Redes Neuronales Artificiales Tecnologías Inteligentes para la Gestión Empresarial (TIGE): Conceptos, Aplicabilidad, Riesgos y Algunas Reflexiones de los Sistemas Basados en Conocimientos Eduardo Leyton Guerrero Saltar a la primera página Agenda de la Presentación (1-2) Siglo XXI: Big Bang de las Ciencias Exactas: Singularidad del Conocimiento? Cual es el límite? Tecnologías de la Información del tipo Transaccional : B.D.R., E.R.P., Dwh, Conectividad Global... Que son las Tecnologías Inteligentes?: Robótica, Lógica Difusa, Algoritmos Genéticos, Sistemas Expertos, Redes Neuronales Artificiales, Inteligencia Artificial,...? Aplicabilidad de las Redes Neuronales Artificiales en la Vida Cotidiana y en la Gestión Empresarial.

2 Agenda de la Presentación (2-2) Principales Riesgos de estos Sistemas Inteligentes RNA. La Auditoría y las Tecnologías Inteligentes: cuál es el rol de la Auditoria y del Auditor en este escenario? Algunas Reflexiones premilinares. Comentarios finales sobre el tema. Siglo XXI: Big Bang de las Ciencias Exactas: (explosión del conocimiento)

3 Tecnologías de la Información del tipo Transaccional : Sistemas Gestores de Bases de Datos Relacionales Tecnologías de Almacenamiento Masivo de Datos, Audio, Imágenes, Vídeo, otros objetos. Sistemas Integrados Enterprise Resource Planning ERP, backoffice clave para la gestión inteligente. Datawarehouse, grandes bodegas de datos para la toma de decisiones estratégicas. (EIS-DSS) Workflow: administración y ruteo automático de tareas, documentos y procesos. Conectividad Global: Inter-Intra-Extra NET, e-commerce, e-business, Marketplace, economía digital, e-? Tecnologías Inteligentes para Gestión Empresarial (1-2): Lógica Difusa: Lógica del razonamiento aproximado donde el conjunto de valores posibles son de {0-1}. Incertidumbre a Certidumbre (usos Domésticos, Industriales, Banca, S. Control, etc.) Algoritmos Genéticos: Son algoritmos matemáticos de optimización basados en mecanismos de selección discriminatoria. Robótica: Maquinas controladas por computadores y programadas para moverse, manipular objetos y realizar trabajos interactivamente con su entorno. Sistemas Expertos: Sistemas basados en conocimientos que imitan el pensamiento de un especialista humano para resolver problemas entorno a reglas predefinidas y tomar decisiones. Consta de 2 módulos principales: Base de Conocimiento (Información) y Motor de Inferencia (Reglas de Razonamiento)

4 Tecnologías Inteligentes para Gestión Empresarial (2-3): Inteligencia Artificial: Es una rama de la ciencia de la Información (Informática) que comprende el estudio y creación de sistemas computacionales que manifiestan inteligencia, es decir que aprenden, razonan, derivan conclusiones, comprenden lenguaje natural y otras actividades que requiere la inteligencia humana. Cuadro de las TIGE Características TIGE Tecnologías Inteligentes para Gestión Empresarial (3-3): Redes Neuronales Artificiales: Son dispositivos o software programado que funcionan emulando las neuronas biológicas. Están compuestos por un gran número de elementos de procesamiento altamente interconectados (neuronas W j ) trabajando en forma paralela y cuya particularidad y diferencia con un sistema experto es su continuo aprendizaje, el cual le permite manejar imprecisiones e incertidumbres para resolverlas computacionalmente en base a un procesamiento paralelo y distribuido. Modelo Biológico Modelo Matemático Características RNA Aprendizaje RNA Comparación RNA más Comunes Imagen de Red RNA Aplicaciones

5 Algunas Reflexiones sobre las TIGE: Irreversible proceso de intromisión y dependencia de las Tecnologías. Excepcional dinamismo de la ciencia que impacta en nuevas tecnologías y éstas en la gestión cotidiana y empresarial. Nuevas reglas nuevas herramientas. Nuevos paradigmas para los procesos de negocios. El continuo dilema entre el sentido común y las nuevas ideas para seguir trabajando con las tecnologías. (Ley de Moore/Ley Allinson) Desafío constante para las Universidades, Docente y Alumnos. Respecto a las tecnologías, definitivamente...es incierto el futuro... Inmediato. Tópicos de Riesgos de las TIGE: Alta dependencia de tecnología inteligente aún en proceso de perfeccionamiento. Pérdida de control frente a un funcionamiento autónomo de un Agente Inteligente. Modelamiento matemático inadecuado para los requerimientos del sistema. Administración de proyectos de esta naturaleza altamente complejas que no escapan a la problemática común de sistemas transaccionales. Ingeniería Social. Factores metodológicos en el desarrollo del sistema. Baja conectividad entre agentes inteligentes. Insuficiente definición de requerimientos estratégicos del sistema.

6 La Auditoría y el Auditor frente a estas Tecnologías: La Auditoría no puede ser espectador en esta arremetida de las tecnologías... podemos encontrarnos con un partida doble virtual. Inducir la internalización, en los docentes y alumnos, de la importancia de las Tecnologías de la información en la gestión empresarial. Para el auditor, continua capacitación y especialización en el análisis de riesgos tecnológicos. La Universidad y la academia deben incorporar mayor valor a sus mallas curriculares, la compresión, uso operacional y estratégico de las tecnologías transaccionales e inteligentes para la gestión de negocios.... Fin Presentación Gracias por su Atención Saltar a la primera página

7 Sistemas Horizontales ERP Finanzas Pedidos Aplicaciones Bases de Datos Diseño Productos Manufac tura Compras Exchange Planning Warehouse Mgmt. Proyectos RRHH Web Web Tele- Tele- Partner Partner Business Intelligence Una Base de Datos Arquitectura de Datos Integración Transactional de Datos Data CRM Intelligence DWH-Wflow Data Modelos de Conocimiento Servicios Phone Phone Support Support Field Field Service Service Web Web Self Self Service Service Spares Spares Direct Direct Ventas Web Web Sales Sales TeleSales TeleSales Direct Direct Sales Sales Partners Partners Sales Sales Comp. Comp. Contracts Contracts Sistemas Verticales Todos los componentes diseñados para trabajar juntos Sistemas Verticales

8 Enterprise Resource Planning Un Software alemán de Gestión de Empresas. Líder absoluto en el Mundo. En evolución permanente. Total integración Backoffice MM Gestión de Materiales PP Planif.de la Producción QM SD Vtas y Distribución Control de Calidad PM Mantenimiento de Planta R/3 FI Contabilidad Client / Server ABAP/4 HR Recursos Humanos IS Industry Solutions CO Contab. Analítica AM Manejo de Activos Fijos WF Workflow PS Sistema de Proyectos Plataforma Tecnológica ERP Servidor de Respaldo Almacenamiento Almacenamiento Servidor de Base de Datos Almacenamiento Switch de Comunicaciones Apl. Server 7 ES40 Apl. Server Apl. Server Apl. Server Apl. Server Apl. Server Apl. Server

9 Arquitectura de un Datawarehouse Planillas Sistema Operacional Proceso de de extracción, limpieza, transformación y cargado Metadatos Base de de Datos del del Data Warehouse Usuarios Sistema Operacional Acceso a la Información Proceso Proceso de de Administración Administración Modelo de un Datawarehouse

10 Workflow -Process Manager Economía Digital Impacto en el valor del negocio Mining & Drilling Heavy Manufacturing Forestry Energy E-Business impactará las operaciones, infraestructuras, y servicio al cliente Educación Logistics Transportation Government Services Impacto en los servicios de marketing, ventas y relaciones con clientes Consumer Prod. Recreatio Manufacturing Home Services n Healthcare and Leisure Automotive Manufacturi ng Telecom Office Supplies Retail Grocery Book Selling Cards and Gifts Retail Dry Goods E-Business tendrá impacto en la estructura de oferta y logísitca Publishing Electric Utilities Gaming Banking Stock Trading Advertising Travel Entertainment E-Business reestrructurará la industria en su totalidad Grado de cambio en el modelo de negocio

11 Red Neuronal Biológica: 100 mil millones de neuronas conexiones sinápticas Señal eléctrica 79 milivoltios Diferencia de iones de potasio y sodio. Señal Química Modelo Matemático de una R.N.A.: LA FUNCIÓN DE PROPAGACIÓN (de red o de base). Función lineal de base (LBF). Función radial de base (RBF). FUNCIÓN DE ACTIVACIÓN Función umbral (1 o 0) Función sigmoidal o logística.

12 Características de una Red Neuronal Artificial: Aprendizaje Inductivo. (Extrae sus propias reglas a partir de tipos de aprendizaje modificando su comportamiento en función de la experciencia. Generalización. (Una vez entrenada, se expone a la red a datos distintos para obtener respuestas según el proceso de aprendizaje) Abstracción o tolerancia al ruido. (Capacidad de procesar datos incompletos o distorsiondos => Lógica Difusa) Procesamiento paralelo. Las unidades o neuronas trabajan en forma paralela, computacionalnmente se puede mediante multiprocesadores. Estan en fabricación procesadores para sistemas altamente complejos de RNA) Memoria distribuida. (Capacidad de funcionamiento continuo ante fallas de algunas unidades, neuronas, por la distribución de ellas y sus conexiones) Redes Neuronales Artificiales más comunes: Avalancha, (Reconocimiento de habla continua, control de brazos de robot) Perceptrón Multicapa, (1957 reconocimiento de caracteres impresos) SOM, (Extracción de datos desde una Base de Datos) Adaline, (Filtrado de señales, ecualización, Modems, etc) Boltzman, (Reconocimiento de imágenes de radar, sonar, etc) CPN, (Control de movimientos de brazos de un robot) BAM, (Memoria heteroasociativa) ART (1986 Reconocimiento de patrones de radar, sonar) Hopfield.(Reconstrucción de patrones y de optimización)

13 Características de un Agente Inteligente TIGE: (Agente Inteligente: Software que incorpora algoritmos y elementos Inteligentes) Representación Razonamiento Autonomía Independencia Toma de Decisiones Definición de Metas Comunicación Confiabilidad Persistente Rentable para su Usuario. Ejemplo Comparativo de: Sistema Experto: Incorpora la sabiduría o la experiencia del maestro de ajedrez en forma de reglas. Sobre la Base de ese conocimiento y ese Motor de Inferencia se escoge la mejor jugada. Algoritmo Genético: Diseño de programas que compitan entre sí, de forma que por selección natural o de valores más ventajosos se efectúe la jugada de mayor beneficio. R.N.A.: Es entrenada para que efectúe la jugada de mayor beneficio estratégico.

14 Tipos de Aprendizaje de las RNA : Aprendizaje Supervisado. (Ajuste de los valores de input de las conexiones para reducir las diferencias en output obtenida v/s la deseada) Aprendizaje no Supervisado. (Retropropagación, el error fluye en sentido contrario hasta autoajusterse al valor permitido) Aprendizaje por Componentes Principales. (componentes de la red que reconstruyen los input sobre unidades de output) Aprendizaje Competitivo. (Unidades que compiten entre sí) Códigos Demográficos. (representación de patrones de entrada por un conjunto de unidades activas para no producir un disfunción de pérdida de información) Aprendizaje Reforzado. (La Información entregada por el experto es mímina, correcto/incorrecto, funcionando por condicionamiento por refuerzo por reiteración y probablidad) Esquema de las RNA :

15 Representación Cuadro TIGE: Interactividad con servicios Interactividad con aplicaciones Agentes Inteligentes Interactividad con datos Agentes de Función Fija Representación del usuario Sistemas Expertos Asincronía Estático Preferencia Razonamiento Inteligencia Scripts móviles Planificación Aprendizaje Objetos móviles Movilidad

16 Principales Aplicaciones de las TIGE: RNA Tasación real de los Bienes. Asesoría de Préstamos. Previsión en la Evolución de Precios. Análisis de uso de Línea de Créditos. Identificación de Falsificaciones. Interpretación y reconocimiento de firmas. Hedging. Predicción de Indices Bursátiles. AERN (futuros financieros). AERN (tarjetas de crédito). Uso Domestico

17