1. JUSTIFICACIÓN

2. INTRODUCCIÓN

3. OBJETIVOS

4. TEORÍA APLICADA

a. Estado del arte

b. Base Teórica

c. Casos Similares

5. PARTE PRACTICA

a. Explicación de proceso

b. Base teórica aplicada

6. BIBLIOGRAFIA

7.

--------------------.-------------------------------------------------------------------------------------

0. INTRODUCCIÓN

1. MODELOS DE GESTION DE EMPRESA

A continuación se presentan las formas principales que las organizaciones

pueden adoptar según la aplicación de los principios básicos de diseño, según

la influencia de las variables externas o contingencias y según el flujo de

trabajo. Las diferentes combinaciones de todos los factores anteriores

resultan en tres diferentes modelos generales, que se pueden subdividir a su

vez en otros más específicos.

1. Formas simples

a. Modelo lineal

b. Modelo funcional

c. Modelo adhocrático

2. Formas complejas clásicas

a. Modelo lineo-funcional

b. Modelo divisional

c. Modelo matricial

d. Modelo colegial

3. Formas complejas nuevas

a. Modelo federal

b. Modelo en trébol

c. Modelo en red

En el ciclo de vida de las organizaciones se viene observando, especialmente

en la etapa de crecimiento y sobre todo si es elevado y acelerado, la aparición

de problemas de eficacia en el cumplimiento de sus tareas y en los procesos

de decisión, de descentralización y de coordinación. Ello lleva a que se

produzcan determinadas rupturas estructurales, tanto en las relaciones de

línea y de staff como en la cadena de valor tradicional. Estas rupturas llevan a

la introducción de las formas múltiples, como evolución natural de las formas

simples.

1.1 FORMAS SIMPLES

1.1.1 Modelo lineal

Los principios dominantes del modelo son los de diseño vertical, a partir de los principios de autoridad y jerarquía. Este modelo se apoya en este último y en el mantenimiento de la unidad de mando, con el fin de reforzar el citado principio de autoridad. Por lo tanto, la estructura se orienta básicamente hacia el proceso administrativo, teniendo tendencia hacia una gran burocratización de los flujos de trabajo de la base operativa. Este énfasis relativo de la burocracia se antepone a la adhocracia, entendida como su térmiNo opuesto en tanto que “ausencia de jerarquía”, de manera todos los miembros de la organización tienen autoridad para tomar decisiones.

La burocracia representa una forma de estructurar jerárquicamente la organización, partiendo de la unidad de mando y de la importancia de la normalización de las tareas, de la formalización y centralización de los procesos o de los flujos de trabajo básicos, de manera que se crean unas estructuras formales en y reguladas en su comportamiento y estandarizadas en sus procesos. En resumen, el diseño de este modelo está caracterizado por un desarrollo piramidal o por la configuración de una organización muy jerarquizada. Una descripción esquemática siguiendo los parámetros de H Mintzberg sería:

Especialización:

o En vertical Alta

o En horizontal Baja

Formación de habilidades y conocimientos Baja

Formalización

o Del comportamiento Baja

o Del proceso administrativo Media

Agrupación de unidades organizativas Criterio funcional

Sistemas de planificación y control Poco desarrollados

Coordinación y mecanismos de enlace Pocos

Descentralización Poca

En este modelo la fuerza influyente es la alta dirección: se trata de estructuras fuertemente centralizadas. Es una forma aconsejable en PYMES con explotaciones simples y con sistemas técnicos poco sofisticados, muy dominados por sus propietarios o por sus fundadores. Dada su sencillez estructural es un modelo de bajo coste de funcionamiento, sin embargo, su excesiva concentración de la autoridad se convierte en un inconveniente cuando se produce un fuerte crecimiento, pues tiende a convertirse en una estructura piramidal con problemas serios de rigidez y falta de eficiencia en entornos dinámicos.

1.1.2 Modelo funcional

Este modelo responde tanto a la primera adaptación del modelo anterior, ante el crecimiento de la organización, como a una nueva propuesta de estructura, más elaborada o con mayor énfasis en la normalización de los procesos. El modelo se apoya en la máxima utilización de los especialistas funcionales en los niveles jerárquicos principales, con el objetivo de incrementar la productividad gracias a la especialización, por lo que a los puestos de la línea jerárquica se les despoja de cierta autoridad a favor de dichos especialistas. Po lo tanto, respecto al primer modelo lineal, se produce una primera ruptura entre las relaciones jerárquicas y funcionales y la estructura se aplana, desarrollándose en su base operativa.

El modelo busca un equilibrio entre los principios que configuran la estructura en horizontal (especialización y división del trabajo) con los básicos del diseño en vertical, propios del modelo lineal. La descripción esquemática según los parámetros de diseño sería:

Especialización

o En vertical Baja

o En horizontal Alta

Formación de habilidades y conocimientos Baja

Formalización

o Del comportamiento Baja

o Del proceso administrativo Alta

Agrupación de unidades organizativas Criterio funcional

Planificación y control Poco desarrollado

Coordinación y elementos de enlace Pocos

Descentralización Alta

En este modelo la fuerza influyente es la de la profesionalización, en función de las capacidades técnicas de los expertos, y de sus habilidades directivas. Para evitar el excesivo aplanamiento y la ruptura con la línea jerárquica,

requiere de una generalización de los conocimientos y una cierta rotación de los puestos de trabajo.

1.1.3 Modelo adhodrático

Dentro de las formas simples aparece el modelo adhocrático como alternativa avanzada a los dos anteriores y como puente a las formas variables o “virtuales”. Este modelo no tiene una estructura definida y puede adoptar diferentes configuraciones, dentro de una relativa sencillez, según las necesidades de respuesta a las tareas a desarrollar. Se apoya en procesos no estandarizados, menos formalizados, más flexibles y orientados a una continua adaptación interpersonal basados a una comunicación elevada entre personas.

El modelo se apoya en los principios de diseño que buscan el equilibrio interno de la organización a través del trabajo en equipo y de la motivación y participación. En relación a los dos modelos anteriores, se pasa de un enfoque macroorganizarivfo a una mayor preponderancia del enfoque microorganizativo basado en rutinas organizativas, más que en la estandarización de procesos, muchas veces informales, basados en comportamientos de los participantes con unos valores compartidos.

Aunque se trate de una estructura que, de alguna manera, rehuye el formalismo estructural, también requiere para su diseño de los principios de la especialización y de la descentralización, limitados por los procesos de adaptación mutua. La descripción esquemática según los parámetros de diseño sería:

Especialización

o En vertical Baja

o En horizontal Alta

Formación de habilidades y conocimientos Alta

Formalización

o Del comportamiento Baja

o Del proceso administrativo Media

Agrupación de unidades organizativas Criterio funcional

Planificación y control Con alcance limitado

Coordinación y elementos de enlace Muchos

Descentralización Selectiva

En este modelo, la fuerza influyente es la de colaboración, tanto externa como interna, es decir, la que emana del papel que tienen los asesores-expertos de cada función y la que se origina de las relaciones interpersonales en los grupos de trabajo. Para evitar los efectos negativos de esta fuerza, es preciso acentuar, dentro de la cultura de la empresa, el espíritu de responsabilidad individual y la implicación de los expertos en la línea jerárquica.

Las organizaciones de tipoi adhocrático suelen responder al perfil de empresa joven, compuesta por un grupo de profesionales en campos de conocimiento avanzado y servicios a otras empresas, o bien a empresas maduras sujetas a un rediseño para hacer frente a retos competitivos de su entorno competitivo.

1.2 FORMAS COMPLEJAS

Con el crecimiento de la organización y ante las fuerzas competitivas de su entorno, las formas simples vistas anteriormente se ven superadas, siendo necesaria la búsqueda de nuevos modelos para que la eficacia y eficiencia organizativa se mantengan. Estas formas evolucionadas más complejas son las que veremos a continuación y surgen de la ruptura de la jerarquía y de la centralización de la autoridad, para acudir a diseños que separan claramente las estructuras de la linea jerárquica con los staffs directivos y de apoyo y que eventualmente pueden incorporan la descentralización de los procesos básicos. Por su mayor complejidad, estos modelos desarrollan otras variantes, muchas veces complementarias entre sí, para facilitar la coordinación y la decisión eficiente de sus diferentes procesos o flujos de trabajo. Esto se hace especialmente evidente en los modelos matricial y colegial.

1.2.1 Modelo lineo-funcional

Este modelo presenta una naturaleza mixta que pretende integrar los modelos lineal y funcional en una sola estructura, con el fin de aprovechar las ventajas de cada uno y evitar sus inconvenientes. Se basa claramente en la ruptura entre línea y staff, diferenciando las relaciones de línea o jerárquicas con las de staff o apoyo técnico, configurando una estructura compleja por integración de una estructura central de tipo jerárquico o lineal y de unas partes especializadas y asesoras (tecnoestructura y estructura de apoyo.

El modelo representa generalmente la estructura de una empresa grande basada, por un lado, en las relaciones lineales que ejecutan, supervisan y controlan los flujos de trabajo de la actividad propia de la empresa, y de otra se muestra como se muestra como una estructura que introduce las relaciones de staff como apoyo a la línea, con el fin de que se logre la especialización y el apoyo técnico necesario para mejorar la eficiencia organizativa.

Este diseño mixto se basa en una clara orientación a los procesos y a las tareas, enfoque que corresponde a las teorías organizativas sobre proceso. Por ello el sistema principal de las tareas o de las operaciones es la normalización del proceso, regulando y estandarizando las actividades con el fin de diseñar una estructura formal tipo burocrática-maquinal, en la que están previstas las relaciones y comportamientos entre las distintas unidades de la organización. Esta clase de estructura tiende a configurar una naturaleza piramidal en cuanto alcanza un tamaño importante.

La estructura tiende a multiplicar las relaciones organizativas y obliga a una gran burocracia, con elevada jerarquización, resultando un esquema eficiente pero lento, seguro pero caro por los elevados costes fijos que genera el control directivo de los flujos de trabajo.

La descripción esquemática según los parámetros de diseño sería:

Especialización

o En vertical Alta

o En horizontal Alta

Formación de habilidades y conocimientos Baja

Formalización

o Del comportamiento Alta

o Del proceso administrativo Alta

Agrupación de unidades organizativas Criterio funcional

Planificación y control Elevada

Coordinación y elementos de enlace Relativamente poca

Descentralización Poca

La fuerza influyente de este modelo es la de la normalización, especialmente de los procesos básicos (técnicos y administrativos) de la organización. La estandarización de las tareas hace que la organización funciones como una burocracia-maquinal con grandes dosis de formalización y regulación de sus actividades. Suele responder a empresas grandes o medianas de mucha antigüedad actuando en sectores básicos de la economía, maduros, con tecnología muy regulada y convencional. También son estructuras típicas de empresas de servicios públicos, de organizaciones y entidades de las Administraciones Públicas o de actividades con poca competencia.

1.2.2 Modelo divisional

Como resultado del crecimiento de la empresa, tanto por la incorporación de nuevos productos como por la entrada en nuevos mercados, se produce la necesidad de adaptar la estructura lineo-funcional a la nueva situación, dando como resultado un modelo en el que la unidad organizativa es el concepto de división.

El modelo surge por la necesidad de suplir algunas de las carencias del modelo lineo-funcional, en el sentido de facilitar la toma de decisiones y permitir cierta autonomía a las distintas actividades que llevan a cabo empresas de gran tamaño. Es un modelo bastante complejo y característico de empresas multiproducto y multimercado.

La estructura divisional se basa en el principio de la descentralización operativa, tanto en vertical como en horizontal, como solución al crecimiento diversificado. Los criterios de división pueden ser

Por productos o líneas

Por mercados o áreas geográficas

Por clientes según segmentos

Por procesos productivos o administrativos diferenciados

Para que exista divisionalización es preciso que exista una definición clara de las unidades organizativas como centros autónomos con objetivos propios, con descentralización horizontal de las funciones básicas. El modelo se puede evaluar de la forma siguiente

Especialización

o En vertical Baja

o En horizontal Puede ser

alta

Formación de habilidades y conocimientos Alta según divisiones

Formalización

o Del comportamiento Alta

o Del proceso administrativo Alta

Agrupación de unidades organizativas Criterios de mercados

Productos y funciones

Planificación y control Integrada y por objetivos

Coordinación y elementos de enlace Relativamente alta

Descentralización Horizontal

La fuerza influyente en este modelo es la fragmentación, que concede el máximo poder a los directivos responsables de las divisiones. Esta fuerza deberá ser compensada con acciones integradoras de tipo corporativo, cultural y de identidad de la organización.

El modelo divisional ejemplifica la forma característica de las grandes empresas de servicios e industriales con un crecimiento diversificado, multiproducto, multiproceso y multimercado. Parece ser que la primera empresa en desarrollar este modelo fue Dupont, seguida de General Motors

1.2.3 Modelo matricial

Este modelo representa una manera de coordinar los procesos y los objetivos de la organización cuando en los mismos se pueden plantear conflictos de intereses. Si las estructuras de base funcional ofrecen las ventajas de la especialización y las divisionales se concentran en la obtención de los resultados finales, la combinación de ambas pretende una mejora de la eficiencia de los procesos, sin caer en unos costes elevados. La pretensión del modelo matricial es crear un esquema de relación múltiple según diferentes criterios, que facilite la estructuración de la dirección intermedia y su coordinación con la base operativa de la organización.

El concepto de estructura matricial proviene del diseño de un modelo de relaciones lineales en dos o más dimensiones, según los criterios para definir las fuentes de autoridad y de dirección de los flujos de trabajo, bien por productos o proyectos, bien por mercados o clientes o bien por funciones o procesos principales.

Este modelo admite, por lo tanto, más de una entrada u origen de mando con el fin de responsabilizar a diferentes directivos de un mismo objetivo. Esto significa que todo empleado de la base operativa tiene, al menos, dos o más jefes: el gerente jerárquico, más el de carácter funcional. El modelo se puede evaluar de la forma siguiente

Especialización

o En vertical Alta

o En horizontal Alta

Formación de habilidades y conocimientos Alta según dimensiones

Formalización

o Del comportamiento Alta

o Del proceso administrativo Media-alta

Agrupación de unidades organizativas Criterio funcional

Planificación y control Integrada y por objetivos

Coordinación y elementos de enlace Alta

Descentralización Alta en horizontal

La fuerza dominante es la resultante de una combinación entre las fuerzas de fragmentación y las de colaboración, generadas por las líneas directivas que confluyen en nodos de la matriz. Aunque estas fuerzas se me compensada por las acciones integradoras propias del modelo, siempre está sujetas a conflictos permanentes relacionados con la aceptación de los papeles a desempeñar en lso procesos.

El modelo suele ser habitual en empresas de servicios e industriales de proceso/producto múltiple y con un campo competitivo diverso. Ejemplos típicos serían las empresas consultoría, y las de servicios integrados a empresas con fuerte implantación geográfica.

1.2.4 Modelo colegial

Este modelo representa una estructura organizativa aparente que incorpora es el concepto de comité o grupo de trabajo, como elemento distintivo y complementario de los modelos anteriores. Suele ser un medio añadido para asegurar la eficiencia de los modelos complejos, especialmente los lineo-funcionales y los divisionales.

El modelo se basa en la creación de comités o grupos de trabajo con diferentes cometidos, pero que en general tratan de mejorar las relaciones laterales de las unidades del mismo nivel y de coordinar las líneas jerárquicas con el resto de las relaciones de staffs directivos y de apoyo. En consecuencia el comité se convierte en una unidad de dirección plural o colegiada que facilita los problemas de coordinación observados en los modelos anteriores. Los comités pueden ser de decisión, de control, de información o asesores.

1.3 MODELOS DE FORMA VARIABLE Y VIRTUAL

Los cambios sociales, económicos, culturales y toda índole que se han producido en los últimos 20 años, ha llevado a una ruptura del paradigma de modelo de empresa convencional hasta el modelo flexible y virtual que caracterizará las empresas del siglo XXI. Las bases conceptuales de este nuevo modelo son la gestión del cambio, la flexibilidad y el dinamismo de la empresa.

La adecuada gestión del cambio se debe entender como el aprovechamiento de las oportunidades existentes y la generación de otras nuevas, reduciendo el impacto de las amenazas y de los riesgos del proceso. Para ello se requieren las siguientes competencias:

Identificación de oportunidades. Para lo cual hay que diseñar una organización innovadora capaz de desarrollar actitudes orientadas a la innovación.

Generación de nueva oportunidades. Para lo que hay que facilitar los procesos de desarrollo de la creatividad, de la generación de ideas e iniciativas a través de procesos de I+D

Identificación de riesgos del cambio Capacidad para identificar y afrontar los cambios que pueden poner en riesgo la propia pervivencia de la organización.

Una empresa con la flexibilidad necesaria en su estructura y comportamiento debe ser capaz de:

a) A corto plazo, saber utilizar lo mejor posible los factores disponibles para adaptarse a los cambios inmediatos.

b) A largo plazo, facilitar la adaptación al entorno competitivo y lograr un desarrollo organizativo permanente.

Para ello, debe manejar enfoques tales como el downsizing, o aplanamiento de la organización; el rightsizing, o ajuste del tamaño basado en la reorientación a actividades estratégicas de mayor creación de valor; el Lean Management, que pretende incorporar la filosofía de la fabricación simplificada dentro de una organización reducida o “ajustada” y finalmente el reengineering, enfoque que pretende reinventar o rediseñar la organización y sus procesos, frente a los procesos convencionales de mejora continuada.

Ver si continuar y buscar conexión con sistemas multiagente. Ver si le cuadra el modelo “en red”

2. MODELIZACION DE PROCESOS EN LA EMPRESA

Otra acepción importante de la palabra modelo en el mundo de la gestión de la

empresa es la que se refiere a la representación de una determinada parte de

la realidad para poder, con este modelo, realizar procesos ordenados y

sistemáticos, de análisis, medida, control, toma de decisiones, etc.

La modelización es el primer escalón para poder aplicar métodos científicos a

la gestión de la empresa. Los modelos se pueden clasificar según diferentes

criterios Los más relevantes podrían ser:

Modelos objetivos y subjetivos Son muy frecuentes las ocasiones en las

que intervienen sucesos no experimentables objetivamente y en las que no

existen métodos formales, por lo que los modelos han de ser también

informales, a veces incluso sin materializarse en un documento ni tomar forma

física, de manera subjetiva basados en la intuición.

Modelos analíticos y de simulación Los modelos analíticos son aquellos que

sirven para obtener soluciones. Por ejemplo, un sistema de ecuaciones es un

modelo analítico: resolviendo el sistema se resuelve el problema. Entre los

modelos analíticos se encuentran los modelos de optimización, que son

aquellos que permiten determinar los valores que ha de darse a las variables

de modo que maximice o minimice otra variable que se tiene como objetivo.

Los modelos de simulación son representaciones simplificadas de la realidad

sobre la que opera para estudiar los efectos de las distintas alternativas de

actuación. En lugar de actuar sobre la realidad (lo que en algunos casos tiene

consecuencias definitivas), se opera sobre el modelo de simulación para,

posteriormente, a la vista de los efectos de las distintas alternativas de

decisión, seleccionar la más conveniente.

A diferencia de los modelos de optimización, que generan la decisión (la

solución óptima), los modelos de simulación permiten obtener información

sobre los efectos de las posibles decisiones, pero luego el decisor ha de elegir

la alternativa que le resulte más conveniente. Por lo tanto los modelos de

optimización son prescriptivos, mientras que los de simulación son

descriptivos.

Modelos estáticos y dinámicos Los modelos estáticos son aquellos que no

utilizan la variable tiempo, en tanto que los dinámicos son aquellos que

incorporan el tiempo como variable o como parámetro fundamental.

Modelos deterministas y probabilísticos En los modelos deterministas se

suponen conocidos con certeza todos los datos de la realidad que

representan. Si uno o varios datos se conocen sólo en términos de

probabilidades, el modelo se denomina probabilístico, aleatorio o estocástico

Ver si se amplía con teoría de juegos Perez G orostegui

2. INTRODUCCION A LOS SISTEMAS MULTIAGENTE

1.1.CONCEPTOS BÁSICOS

El concepto de agente, apareció a lo largo de los años 90 y con él se ha

producido la fusión de varias disciplinas científicas que abarcan desde la

Inteligencia Artificial hasta la Psicología, pasando por la Ingeniería del Software, el

Control Distribuido, la Ingeniería de la Producción, etc.

Los orígenes de la tecnología de agentes comienza con la Inteligencia

Artificial Distribuida (IAD), es decir con la resolución de problemas de forma

distribuida. El concepto de agente evoluciona desde la IAD debido al influjo de la

Ingeniería del Software y potenciado por el enorme desarrollo de Internet.

Probablemente la capacidad más novedosa aportada por la IAD a la teoría de

agentes es el concepto de inteligencia, ya que se puede dotar a los agentes de

capacidades de aprendizaje y de decisión, de manera que hoy día muchos de los

problemas planteados se plantean desde un perspectiva de interacción entre

entidades. Por ejemplo el desarrollo de Sistemas Distribuidos se ha visto

influenciado por el concepto de agente y los protocolos de comunicación por las

características semánticas de la comunicación entre ellos. En cuanto a la

robótica, muchas de las expectativas se centran en la capacidad de cooperación

de conjunto de robots, considerados cada uno de ellos como un agente y en la

capacidad de modelar un único robot complejo mediante diversos subsistemas

(agentes) con capacidades de decisión individuales.

Las áreas de aplicación de los sistemas multiagentes y basados en

agentes son muy amplias, pero expresado en términos genéricos podríamos

decir que las cuatro más importantes son:

1) Resolución de problemas (objetivos básico de la inteligencia artificial)

La resolución de problemas se puede entender desde dos perspectivas

diferentes:

a) Resolución distribuida de problemas , asumiendo que se puede resolver

cualquier problema planteándolo en términos de de un conjunto de

especialistas con diferentes capacidades que se coordinan para

alcanzar un objetivo global. Siguiendo este esquema se han

desarrollado aplicaciones de diseño industrial, de detección de errores

en redes, de reconocimiento de formas, de procesado de lenguaje

natural, de diagnóstico médico, etc.

b) Resolución de problemas intrínsecamente distribuidos, es decir,

aquellas aplicaciones que deben monitorizar y controlar diversos nodos

(redes de operaciones, redes de telecomunicaciones, canales de

distribución de energía, problemas de tráfico aéreo, etc.) y donde no

existe un nodo central desde el que se puedan realizar todas las tareas

requeridas y por lo tanto la solución distribuida es la única alternativa

posible. Un ejemplo clásico sería un sistema de monitorización del

tráfico de una determinada red viaria.

2) Capacidad para simular diversos sistemas mediante agentes

La simulación se utiliza en numerosas disciplinas que necesitan modelar

aspectos de la realidad, como por ejemplo la física, la química, la biología, la

ecología, las ciencias sociales, la gestión de las empresas, etc. La simulación

necesita de un modelo matemático que defina cómo evolucionan los cambios

en el modelo. En un simulador tradicional, un solo proceso es el encargado de

gestionar todos los cambios de cada uno de los componentes del simulador.

La aplicación de modelos multiagente a la simulación de procesos permite la

representación directa de individuos definiendo sus comportamientos y el

modo de interrelación entre ellos. De esta manera puede estudiarse la

evolución del sistema en función de los distintos tipos de comportamiento de

los agentes y de las estructuras y reglas de coordinación que existan entre

ellos. La facilidad de una simulación basada en agentes se encuentra en su

flexibilidad, la capacidad para integrar agentes heterogéneos, la posibilidad de

integrar parámetros cuantitativos y de razonamiento o de comportamiento, la

posibilidad de ampliar el sistema con nuevos agentes con nuevas capacidades

y, sobretodo, la facilidad para obtener resultados de una comunidad a partir de

la definición de comportamientos individuales.

3) Capacidad colaborativa entre robots

Otro campo de las ideas de los sistemas multiagentes es la robótica. En

este campo se pueden distinguir dos líneas de investigación: aquella que

considera el problema del control de un único robot compuesto de múltiples

partes y otra que se centra en el problema de los robots móviles.

La primera de ellas adopta el enfoque multiagente asignando un agente a

cada una de las partes que constituyen el robot completo, intentando resolver

tareas complejas mediante la interrelación de estos agentes. Estos agentes

deben cooperar para conseguir un comportamiento global coherente con la

tarea a realizar.

La utilización de técnicas multiagente en robots móviles permite la

realización de tareas que necesitan la cooperación de movimientos para

realizar una tarea compleja como la limpieza del suelos, la recogida de basura,

la vigilancia de edificios o la exploración de lugares peligrosos. También se ha

seguido una estrategia mulitagente en la coordinación de movimientos en

aeronaves, barcos o automóviles.

4) Ingeniería del software

La aplicación de sistemas multiagente en el ámbito de internet ha

potenciado la aparición de sistemas que utilizan entidades computacionales

casi independientes. Estas entidades tienen que tener una capacidad de

procesamiento casi autónoma de manera que pueden enfrentarse a multitud

de problemas diferentes que pueden ocurrir en cualquier nodo de la red. La

gran cantidad de aplicaciones sobre Internet entre las que destacan los

buscadores de información ha propiciado la aparición de una nueva manera de

diseñar el software. Este nuevo modo está totalmente imbuido de las técnicas

multiagente, de manera que frente a la programación clásica orientada a

objeto, contrapone una programación orientada a agente que implica una

forma de ejecutar tareas añadiendo una cierta capacidad de razonamiento.

Entre las metodologías de desarrollo orientadas a agentes, hay que

destacar las que parten de la ingeniería del conocimiento, utilizadas en le

campo del desarrollo de sistemas basados en el conocimiento.

En definitiva, la aparición del concepto de agente ha permitido que muy

diversas disciplinas hayan convergido en un espacio común partiendo

originalmente del campo de la Inteligencia Artificial Distribuida, que plantea la

resolución de problemas distribuidos, de manera que un problema particular

puede resolverse por un número de elementos que cooperan y comparten

conocimiento sobre el problema y su solución. La extensión de estas

soluciones a entidades autónomas con capacidad de decisión y de

comunicación con otras entidades llevó a la definición del concepto de agente

y sistemas multiagente en las que se profundiza seguidamente.

1.2. DEFINICIONES

La Inteligencia Artificial Distribuida integra los conceptos de dos campos

de conocimiento : la Inteligencia Artificial y los Sistemas Distribuidos. El

campo de La Inteligencia Artificial (IA) intenta comprender las entidades

inteligentes, pero diferente de la filosofía y la sicología que también

intentan hacer lo mismo, la Inteligencia Artificial intenta construir

entidades inteligentes. El campo de los Sistemas Distribuidos estudia las

propiedades de conjuntos de procesadores autónomos que no comparten

memoria primaria, pero sí cooperan comunicándose por medio del envío

de mensajes sobre una red de comunicación.

A partir de los conceptos de Inteligencia Artificial y Sistema Distribuido

expuestos, La Inteligencia Artificial Distribuida (IAD) puede ser definida

como un campo del conocimiento que estudia e intenta construir

conjuntos de entidades autónomas e inteligentes que cooperan para

desarrollar un trabajo y se comunican por medio de mecanismos basados

en el envío y recepción de mensajes.

1.2.1. Agente

Las entidades inteligentes que conforman un SMA son llamadas agentes.

Un agente es una entidad física o abstracta que puede percibir su

ambiente a través de sensores, es capaz de evaluar tales percepciones y

tomar decisiones por medio de mecanismos de razonamiento sencillos o

complejos, comunicarse con otros agentes para obtener información y

actuar sobre el medio en el que se desenvuelve a través de ejecutores.

A continuación se presentan algunos conceptos relacionados con

agentes. Estos conceptos pueden ser clasificados de acuerdo con dos

puntos de vista : el agente como entidad individual y el agente como

entidad perteneciente a un sistema, sin embargo, en este documento se

presentan de manera integrada.

Un agente puede ser clasificado por su rol o papel en una sociedad de

agentes (SMA al que pertenece), por su especialidad o actividad en la que

es experto, por sus objetivos o metas en el SMA, por su funcionalidad o lo

que es capaz de hacer, por sus creencias, por su capacidad de

comunicación y por su capacidad de aprendizaje

1.2.2. Agentes cognitivos y reactivos

Un Agente Cognitivo es aquel que es capaz de efectuar operaciones

complejas, es individualmente inteligente (es un sistema más o menos

experto, con capacidad de razonamiento sobre su base de conocimiento

es decir, sobre su conjunto de representaciones de la realidad) puede

comunicarse con los demás agentes y llegar a un acuerdo con todos o

algunos de ellos, sobre alguna decisión. Un sistema cognitivo está

compuesto por un pequeño número de agentes cognitivos.

Un Agente Reactivo es un agente de bajo nivel, que no dispone de un

protocolo ni de un lenguaje de comunicación y cuya única capacidad es

responder a estímulos. Los agentes reactivos no son individualmente

inteligentes, sino globalmente inteligentes. Los sistemas reactivos por lo

general están compuestos por un gran número de agentes reactivos que

realizan acciones entre todos, para esto es necesario tener en cuenta

nuevas teorías de cooperación y comunicación que permitan el

desempeño de estas acciones. Un sistema cognitivo está compuesto por

un pequeño número de agentes cognitivos.

Los sistemas reactivos por lo general están compuestos por un gran

número de agentes reactivos que realizan acciones entre todos, para

esto es necesario tener en cuenta nuevas teorías de cooperación y

comunicación que permitan el desempeño de estas acciones.

Es posible concebir sistemas heterogéneos cuyo comportamiento se

derive de los dos tipos de agentes y tenga características de ambos. Es

decir, es posible dotar a los agentes cognitivos de capacidades de

reacción a los eventos, a tales agentes se les puede llamar Agentes

Híbridos.

Sistemas Cognitivos Sistemas Reactivos

Representación explícita del

ambiente No tiene

Pueden tener conocimiento

del pasado No tienen memoria

Agentes complejos Funcionamiento

estímulo/respuesta

Pocos agentes Muchos agentes

Características de un Agente Cognitivo Los avances en los trabajos

de IAD en SMA permitieron definir las siguientes características:

Intencionalidad: Un agente cognitivo es guiado por sus metas, las

cuales describen las situaciones que son deseables para el agente. Una

intención es la declaración explícita de sus metas y medios para llegar a

ellas, y los planes se pueden definir como secuencia de acciones que

lleven a un agente a obtener su meta.

Racionalidad: Un agente cognitivo posee criterios de evaluación de

acciones y de selección, de tal manera que lo que decida sea en

beneficio de él (adquirir más conocimiento, obtener respuestas, etc.).

Además, es capaz de justificar sus decisiones.

Compromiso: Un agente cognitivo cooperativo, esto es, aquel que

pertenece a un sistema de agentes que resuelve tareas de manera

cooperativa, planifica sus acciones por coordinación y negociación con

los otros agentes. Los agentes que participan en la coordinación de

actividades obran bajo el supuesto de que en condiciones normales,

cada uno de los participantes cumplirá con el plan con el que se

comprometió.

Adaptabilidad: Un agente cognitivo es capaz de controlar sus aptitudes

y comportamiento de acuerdo al rol que asuma en un sistema.

Inteligente: Un agente cognitivo es inteligente si es racional, intencional

y adaptable. Un agente inteligente debe ser capaz de operar

exitosamente en varios ambientes, si se toma el suficiente tiempo para

adaptarse

Arquitectura de un Agente Cognitivo

La estructura interna de un agente cognitivo se puede clasificar de

manera general así:

1.2.3. Funcionalidad

Es el conjunto de funciones o tareas que el agente sabe hacer y que los

demás agentes pueden conocer que él hace. Dentro de estas funciones

pueden estar las funciones de comunicación con otros agentes, de

selección de agentes para una tarea específica, de obtener información

del sistema, de información del estado interno del agente, etc.

1.2.4. Creencias

Son el conocimiento subjetivo o conjunto de opiniones que el agente tiene

de él mismo y de los demás agentes. Puede comenzar como una opinión

o conocimiento inicial y cambiar con las acciones y desempeño de cada

uno de los agentes, incluido él mismo, cuando el sistema esté en

funcionamiento.

1.2.5. Conocimiento

Es el conocimiento que cada agente tiene y que usa para la resolución de

un problema, es decir, es la representación de lo que sabe y del

conocimiento que ha adquirido en experiencias pasadas y que le sirve

para hallar soluciones o seleccionar acciones a seguir en cualquier

momento. El conocimiento le permite al agente entender el mundo, lo que

los demás agentes tratan de decirle y sus razonamientos internos y

explicar sus ideas y decisiones a los demás agentes.

Hay tres clases de conocimiento importantes a tener en cuenta:

Conocimiento Inicial: Es el conocimiento propio o básico del agente

una vez éste existe, y no puede cambiar con el tiempo.

Know-That: Es el conocimiento de hechos o saber qué hacer ante un

problema o un conjunto de acciones. Este tipo de conocimiento puede

cambiar con el tiempo y la experiencia adquirida por el agente.

Know-How: Es el conocimiento de cómo actuar o cómo hacer las

cosas. Es decir, es la habilidad para ejecutar acciones convenientes

(dependiendo de la solución del problema) en un mundo cambiante.

Más concretamente se puede definir como la habilidad o potencial de un

agente para tomar una acción efectiva, y las destrezas que él

demuestra cuando hace cosas que le atribuyen inteligencia. Al igual que

el Know-That este tipo de conocimiento puede cambiar con el tiempo y

la experiencia adquirida por el agente.

Se puede decir que:"Un agente conoce cómo alcanzar p al realizar la

acción a, si el agente tiene el know-that que le indica que ejecutar a lo

lleva a alcanzar p". Además, "Un agente conoce cómo ejecutar a, si el

agente tiene el know-how que le indica cómo ejecutar a".

1.2.6. Control

El control en un agente está representado por la estructura local de metas

que el agente tiene. Para una mejor comprensión de estas estructuras se

adjuntan los conceptos de intenciones, planes y acciones que el agente

tiene.

Metas: Las metas, son el conjunto de estados deseables en el

ambiente en el que se desenvuelve un agente. Un agente puede

decidir alcanzar o no cada una de tales metas de acuerdo a las

ventajas que esta represente. En un SMA hay una meta global o

principal que debe ser alcanzada con la colaboración de todos los

agentes del sistema. Esta meta global puede ser dividida en

submetas, las cuales son asignadas como metas a los agentes del

sistema, de acuerdo a alguna política organizacional. Los planes que

desarrolle cada agente para alcanzar estas submetas, pueden ser

combinados para alcanzar la meta global. Es decir, los planes que

desarrolle un agente para alcanzar sus metas, contribuirán a alcanzar

las metas globales del sistema.

Plan: Es un conjunto de estrategias para resolver un problema o

alcanzar una meta. Como se dijo en la descripción de Metas, la meta

global puede ser dividida en submetas, las cuales son asignadas como

metas a los agentes del sistema. Los planes que desarrolla cada

agente para alcanzar su propia meta, pueden ser combinados para

desarrollar un plan global que sirve para alcanzar la meta global. Se

puede decir que: “Un agente sabe cómo alcanzar a p sólo si él conoce

que algún plan P contempla a p, y él es capaz de ejecutarlo.”

Los planes son una de las plataformas para el desarrollo de

mecanismos de coordinación, porque describen a alto nivel el

comportamiento de los agentes y por ello posibilitan la predicción de

las acciones de un agente. Esta predicción permite que un agente

actúe de manera coherente con las acciones de los demás agentes.

Estrategias: Una estrategia es la descripción de las acciones de los

agentes a un nivel grueso de detalle, corresponden a abstracciones de

los posibles comportamientos de los agentes y hacen más simple

entender, especificar e implementar agentes inteligentes.

Las estrategias no adicionan habilidades a los agentes, simplemente

ayudan a diseñar, analizar y organizar mejor las destrezas que los

agentes ya poseen. Se puede usar las estrategias para describir

agentes que no tienen un plan específico, es decir, que no representan

ni describen simbólicamente el conjunto de acciones a seguir; por lo

tanto puede haber estrategias que no correspondan a un plan.

Intenciones: Una intención se puede definir como el objetivo concreto

o el fin que se pretende alcanzar al realizar una o varias acciones, este

objetivo se puede describir con proposiciones lógicas. Las metas

adoptadas por un agente son las intenciones (Las metas que un

agente decide alcanzar). Se puede decir que las intenciones son la

causa de las acciones de un agente. Por otro lado, un agente realiza

acciones tratando de seguir sus estrategias (Figura 3).

Estudiar las intenciones es importante, porque de ellas se deriva la

capacidad con la cual los agentes pueden usar conceptos para

predecir y explicar el comportamiento de otros agentes, además, son

muy útiles porque son abstracciones de los estados y comportamiento

de los agentes.

Cuando un agente tiene varias intenciones, éstas tienen que ser

mutuamente consistentes o por lo menos intentar que así lo sean, y

también deben ser consistentes con el conocimiento y las experiencias

adquiridas en el pasado. Si un agente cree algo (p) o lo conoce por

experiencia del pasado, intentará hacerlo; pero si por el contrario no

cree en él o sabe que algo no es así (Øp), no lo intentará. Las

intenciones de dos o más agentes pueden no ser mutuamente

consistentes, ya que pueden estar compitiendo por algún recurso.

Una intención puede ser confundida con hacer algo intencionalmente,

sin embargo, una intención es querer hacer algo y hacer

intencionalmente se refiere a las acciones y estados que un agente

realiza a propósito.

Un agente puede adoptar y modificar sus intenciones basándose en su

conocimiento. No se puede garantizar el éxito de las intenciones de un

agente si él no tiene el know-how para alcanzarlas. Por el contrario, si

un agente tiene la intención de hacer algo y tiene el know-how para

hacerlo, entonces lo hará exitosamente.

Figura 3. Relación entre estrategias, metas, intenciones y acciones.

SISTEMAS MULTIAGENTE E INTELIGENCIA ARTIFICIAL

La Inteligencia Artificial Distribuida es un campo de la IA dedicado al estudio

de las técnicas y el conocimiento necesario para la coordinación y distribución

del conocimiento y las acciones en un entorno con múltiples agentes.

Podemos distinguir dos áreas principales de desarrollo:

1) Solución cooperativa de problemas distribuidos (SCPD): Estudia

como unos conjuntos de módulos (o nodos) cooperan para dividir

y compartir el conocimiento de un problema y en el desarrollo de

la solución.

2) Sistemas multiagentes (SMA): Estudia la coordinación de la

conducta inteligente entre un conjunto de agentes inteligentes

autónomos.

La principal diferencia entre ambas áreas estriba en la flexibilidad de la

coordinación entre los agentes. En la SCPD, las interacciones y tareas que

cada agente realiza, están prefijadas de antemano: hay un plan centralizado

de resolución de problemas. Suele haber un miembro que ejerce un control

global que centraliza los resultados parciales y datos entre el resto de los

componentes del sistema. En contraposición en los SMA, los agentes tienen

un grado de autonomía mayor y pueden decidir dinámicamente que

interacciones son adecuadas, que tareas deben realizar, quien realiza cada

tarea y, además, es posible mantener conocimiento que no es globalmente

consistente, incluso los agentes pueden mantener objetivos globales

diferentes. Esta definición permite distinguir entre sistemas que se centran en

el comportamiento global, con una conducta fija de los agentes (SCPD) y

sistemas que se centran en la conducta de los individuos que como resultado,

obtenían una conducta del sistema (SMA). Vista como una sociedad, seria

escoger entre un estado que planifica y regula las conductas de los individuos

(que serán predecibles) o dejar que el sistema se resuelva por la libre iniciativa

de los individuos.

Los problemas básicos que estudia la IAD y que son comunes a todos los

sistemas, tanto SCPD como SMA son:

a. Cómo formular, describir, descomponer y asignar problemas y sintetizar

los resultados entre un grupo de agentes inteligentes.

b. Como capacitar a los agentes para que se comuniquen e interactúen:

que lenguajes de comunicación o protocolos deben utilizarse, que y

cuando deben comunicarse, etc.

c. Como asegurar que los agentes actúen coherentemente al tomar

decisiones o realizar acciones, como acomodar los efectos globales de

las decisiones locales y prevenir interacciones no deseadas.

d. Como capacitar a los agentes para representar y razonar sobre

acciones, planes y conocimientos de otros agentes para coordinarse;

como razonar sobre el estado de su proceso de coordinación (inicio o

terminación).

e. Como reconocer y reconciliar puntos de vista e intenciones conflictivas

entre un conjunto de agentes para coordinar sus acciones; como

sintetizar los puntos de vista y los resultados.

f. Como utilizar técnicas ingeniería y desarrollar sistemas con IAD. Como

desarrollar plataformas de SMA y metodologías de desarrollo con

técnicas de IAD.

Sistemas basados en la cooperación

La cooperación se basa en que ningún agente tiene la información (experticia,

recursos, etc.) para resolver completamente el problema. Donde el concepto

de agente es demasiado amplio y por él puede entenderse lo mismo un grupo

sistemas de expertos, un grupo de nodos de procesos, un grupo de actores o

como fuentes de conocimientos.

En el sentido más general, son sistemas que participan activamente en la

coordinación de actividades. Y se persigue la interacción de hombres y

máquinas como agentes inteligentes dentro de un sistema para conformar una

entidad inteligente que permita enfrentar los problemas. Se sustituye la

estructura jerárquica por una heterarquica donde el más capaz recibe el

control.

Estos sistemas se utilizan conectados en red y su objetivo no es solo compartir

recursos o base de datos (modo pasivo), sino también compartir

conocimientos (modo activo).

En el caso del modo de trabajo activo, los agentes comparten conocimientos y

capacidad para tomar decisiones. Los conocimientos no son la BC de un

experto sino la modulación conceptual de los procedimientos de cooperación

hombre máquina para que el sistema monitoree la actuación de los agentes

(humanos o máquinas) y pueda resolver ciertos tipos de problemas.

Desde que se implanta una red se está desarrollando un sistema de trabajo

cooperativo pasivo cuyo objeto es compartir recursos y la interacción hombre

máquina consiste en compartir el software por varios usuarios a la vez, lo cual

permite una interacción directa de forma remota, varias personas pueden

trabajar sobre un mismo documento o BD, pero el sistema como tal no actúa

en el proceso, no facilita el trabajo de las personas que intervienen.

El diseño de un entorno para trabajo cooperativo se ha de basar en el conjunto

de "procedimientos" que la organización acepta como válidos para lograr sus

objetivos.

Procedimientos de cooperación: "conjunto de reglas del juego", que integran el

aporte de cada uno de los integrantes y refleja los puntos de cooperación

hombre-máquina. Se formulan los criterios con los que el grupo está dispuesto

a colaborar. En el modo activo es el sistema quien facilita la comunicación de

datos y textos (red pasiva), toma "conciencia" de la estructura del problema a

resolver y participa en su resolución, por ejemplo, evaluando el estado de

resolución en curso, analizando las diferencias entre el plan de actuación

previsto y el real o decidiendo que las aportaciones o respuestas de los

agentes humanos son admisibles o no.

La solución cooperativa para problemas distribuidos (SCPD): se basa en el

estudio de como un grupo de solucionadores de problemas (agentes o nodos)

desacoplados y descentralizados pueden trabajar conjuntamente para resolver

problemas, con capacidades superiores a aquellas que puede enfrentar

cualquier agente (o nodo de una red) conforme a sus capacidades

individuales. Los agentes o nodos son capaces de solucionar problemas

sofisticados y pueden trabajar independientes, sin embargo no pueden formar

una solución global del problema, si no existe una cooperación entre ellos.

En este caso los agentes son nodos de un proceso o de una red. Los mismos

tendrán una posición definida dentro de ese proceso (su participación) y

estarán conectados, interactuando, con los demás agentes. Cada agente es

capaz de resolver tareas locales propias de su experticia

Los SCPD tienen la ventaja que los agentes pueden trabajar en paralelo

Incrementar la variedad de soluciones. Cada agente puede proponer varias

soluciones independientes, las cuales podrían ser analizadas (combinadas)

por otros agentes.

Los agentes pueden servir de críticos a las propuestas de otros agentes, o

tener otro punto de vista a la hora de compatibilizar los criterios basados en su

pericia sobre el tema donde converge la pericia del otro (temas que se

solapan).

Muchos problemas son esencialmente distribuidos. El conocimiento necesario

para resolver un problema puede estar distribuido en varios sitios, por lo que

tendríamos que un agente individual podría resolver el problema pero

requeriría demasiado tiempo y se asumirían demasiados riesgos en cuanto a

fiabilidad al concentrar toda la responsabilidad en ese agente. Por lo que la

resolución distribuida (multiagente) de problemas puede ser la solución a estos

casos.

La resolución distribuida de problemas requiere de tres fases:

1) División del problema en subproblemas. Requiere además la

asignación de sub problemas a agentes específicos.

2) Resolución de los subproblemas. Los agentes pueden funcionar

independientemente o bien compartir tareas o resultados.

3) Combinación de las soluciones. Al igual que en la fase de división, es

necesario establecer de quien es la responsabilidad en esta fase y si se

requiere un agente de coordinación.

La resolución distribuida de problemas en sistemas multiagente solo es

apropiada cuando los agentes tienen capacidades de comunicación sobre las

que pueden establecerse estrategias de cooperación y negociación.

NEGOCIACIÓN

La negociación es uno de los conceptos más utilizados en la inteligencia

artificial distribuida. Algunos de los objetivos generales de los agentes dentro

del campo de la negociación son: la modificación de los planes de agentes si

no se alcanzan resultados adecuados y la identificación y la identificación de

situaciones en las que las interacciones entre agentes son posibles. Los

agentes se comunican entre sí de muy distintas formas con el objetivo de

alcanzar decisiones consensuadas. La negociación sirve para la definición o

identificación de tareas y recursos, el reconocimiento de conflictos la

resolución de objetivos contrapuestos, la determinación de estructuras

organizacionales y, en definitiva, para proporcionar la coherencia que

requieren los sistemas en los que intervienen varios agentes.

Para que los agentes negocien y puedan llevar a cabo procesos de

coordinación y resolución es necesario determinar qué lenguaje de

comunicación se utilizará, qué reglas seguirá el proceso de negociación y cuál

es el comportamiento esperado de los agentes.

La negociación se puede definir como un principio organizacional utilizado

para relacionar adecuadamente tareas y métodos de resolución de problemas.

Por negociación se puede entender la discusión en la que las partes

interesadas intercambian información con el objetivo de alcanzar un acuerdo.

En este contexto, la negociación viene definida por tres aspectos importantes:

a) El flujo de información entre agentes es bidireccional

b) Cada negociador evalúa la información desde su propia perspectiva

c) La decisión final se toma de mutuo acuerdo

Estos aspectos, llevan asociados dos elementos principales: la comunicación y

la toma de decisiones.

Lenguaje de negociación. Define las prmitivas de comunicación que

permiten la negociación, su semántica y su uso. También se centran en

la definición de la estructura de los temas que se negocian.

Toma de decisiones: la toma de decisiones en el campo de la

negociación se lleva a cabo mediante algoritmos o funciones de

decisión que permiten comparar las distintas opciones que se barajan

durante la negociación. las funciones de utilidad, la representación y la

estructura de preferencias de los agentes se tienen que identificar antes

de definir los algoritmos de toma de decisión.

Proceso de negociación: define modelos generales del proceso de

negociación y el comportamiento general de los agentes que negocian.

Lenguajes de negociación

Los lenguajes de negociación facilitan la comunicación entre agentes y en

ellos se pueden identificar cuatro categorías: primitivas de los lenguajes de

negociación, estructura de los objetos de negociación, protocolos de

negociación y semántica de los lenguajes de negociación.

Primitivas de los lenguajes de negociación Los mecanismos más avanzados

de negociación utilizan aspectos relacionados con la teoría del habla. Las

primitivas de estos mecanismos se suelen dividir en tres grupos: de comienzo

de negociación, de reacción a una propuesta y de finalización a la

negociación.

Comienzo: Propuesta, petición de recursos, petición de información,

inspección, etc

Reacción: Respuesta, refinamiento, modificación, rehuso,

explicación, etc.

Finalización: Confirmación, promesa, copmpromiso, aceptación,

acuerdo, rechazo, etc.

Las primitivas de comienzo inician el proceso de negociación y,

posteriormente, durante la etapa de regateo, se emplean las primitivas de

reacción para el intercambio de información entre agentes. Este proceso

finaliza con la utilización de las primitivas de finalización.

Protocolos de negociación Los protocolos de negociación definen, por ejemplo,

las posibilidades de iniciar un ciclo de negociación o de responder a un

mensaje.

La figura muestra un agente utilizado en el entorno de la programación de

citas. Indica cómo después de una propuesta de acuerdo se intercambian

mensajes entre los agentes y se llevan a cabo una serie de medidas de

refinamiento y modificación que eventualmente finalizarán con la aceptación o

no de la hora y fecha de la cita.

Toma de decisiones durante la negociación

Aunque un agente o una comunidad de agentes conozcan un lenguaje de

negociación, sus protocolos, su semántica y sus objetos de negociación, no

sería posible una negociación adecuada sin la definición de una estrategia de

negociación.

Los mecanismos de toma de decisión sirven para decidir qué protocolos se

utilizan y qué primitivas maneja cada protocolo. Para llevar a cabo la toma de

decisiones durante la negociación se pueden utilizar al menos cuatro

elementos diferentes: las funciones de utilidad, las funciones de comparación y

proyección, preferencias y estrategias de negociación

Funciones de utilidad Las funciones de utilidad que se utilizan en el campo de

los MAS proceden de la teoría de juegos. La utilidad se expresa en forma de

matrices de decisión, que los agentes consultan para determinar el valor de

una acción concreta. Dependiendo de la estrategia a seguir, el agente realiza

la acción que represente el mayor o el menor valor. En el contexto de la

negociación, las funciones de utilidad representan el recio o coste de las

actividades. Los agentes intentan optimizar sus actividades a lo largo del

tiempo y maximizar su utilidad total.

Funciones de comparación Los agentes toman sus decisiones basánmdose en

complejos “objetos de negociación” como por ejemplo planes. Una vez se

evalúan los planes, la decisión final se toma teniendo en cuenta cálculos de

utilidad. Para ello hay que calcular funciones que permitan comparar la utilidad

de diferentes objetos.

Preferencias Los agentes negociadores pueden tener expectativas acerca del

resultado final de una negociación. En este caso pueden preferir una solución

más que otra, lo cual les dota de un cierto criterio de elección. Las preferencias

se pueden expresar como fórmulas de primer orden

Visitar (Pedro) V(Hoy(Sábado)ir(cine))

Lo cual quiere decir que el agente prefiere tanto visitar a Pedro como, si es

sábado, ir al cine. Si las estrategias de los agentes oponentes son conocidas,

se pueden aplicar una serie de estrategias para proponer soluciones

coherentes con todas.

Estrategias de negociación En el capo de la psicología y la sociología son muy

importantes las estrategias de negociación y los comportamientos en la

negociación. Por tanto no es de extrañar que elementos de estas dos

disciplinas tengan influencia en las estrategias de negociación entre agentes

artificiales. Entre otras, se puede distinguir cinco estrategias de negociación:

1. Acuerdo unilateral

2. Comienzo competitivo mantenido una postura firma y utilizando técnias

de presión

3. Comienzo cooperativo: buscando soluciones a base de acuerdos.

4. Impasible

5. Ruptura

Los comportamientos cooperativos y los competitivos son los extremos del

espectro de posibilidades que ofrece la negociación. La táctica más adecuad

no se puede determinar de antemano y a menudo depende de la situación del

agente

Proceso de negociación

El modelo de negociación procedural define el comportamiento de un agente

durante el proceso de negociación. Se puede definir de forma abstracta

utilizando nociones de estrategias y preferencias o puede venir definido por

algoritmos, que básicamente definen los niveles de de decisión, los planes, la

base del conocimiento, etc.

FUNDAMENTOS LÓGICO-MATEMÁTICOS

Tal como se ha comentado en el apartado anterior, las funciones de utilidad

que se utilizan en el campo de los MAS proceden de la teoría de juegos. A

continuación haremos una breve exposición de los conceptos fundamentales

que afectan a la toma de decisiones en los sistemas multiagente.

DEFINICIONES

Teoría de juegos

Es el área de las matemáticas que estudia las estrategias de interacción entre

jugadores racionales con respecto a sus preferencias o utilidades, a fin de

llevar adelante procesos de decisión.

El juego es una descripción concreta de una estrategia elegida libremente por

el jugador. El jugador es el agente que toma las decisiones en un juego. El

jugador es considerado racional, en el sentido de que busca jugar de tal

manera que maximice su utilidad. Un juego tiene información perfecta, si al

hacer el jugador un movimiento, conoce todas las acciones que han sido

efectuadas previamente. Un juego extensivo es propiamente la representación

de un juego a través de un árbol en que se muestran los movimientos de los

jugadores. Si se trata de un solo jugador, la situación se convierte en un

problema de decisiones.

Por estrategia puede entenderse como: una posible acción específica de un

jugador, o por un plan de acciones de éste. La forma de la estrategia, es la

representación compacta de un juego, donde los resultados son presentados

como las utilidades para cada estrategia. Una estrategia puede ser aleatoria o

estrategia mezclada, en cuyo caso se asignan probabilidades para la decisión

del jugador. Una estrategia de equilibrio o de Nash, es una lista de estrategias

(una para cada jugador) que cada jugador debe respetar sin alterarla.

La utilidad es la expresión de la o las preferencias del jugador respecto a los

resultados de sus acciones. El resultado puede ser aleatorio, en cuya

situación, el jugador asume algún riesgo. Si la suma de las utilidades es cero,

se dice que el juego es suma cero.

Función de utilidad

Es el instrumento mediante el cual se expresa la racionalidad del juego y su

propósito de maximización. Se trata de una función que ordena las

preferencias del jugador según los números reales. Así, si un jugador prefiere

a a b, y este a c, en un orden que se puede expresar como 3, 2, 1. El

propósito es simplemente el orden de preferencias. Se trata de una función

ordinal. Aunque se usa muy poco, también se puede establecer una función

cardinal en la que se fijan magnitudes a las opciones de preferencia.

Matrices

Es una forma de representación de estrategias alternativas y sus

correspondientes puntajes o utilidades en un juego. Considérese el caso del

Dilema del Prisionero. Se trata de dos presuntos ladrones que fueron

capturados, y ante la imposibilidad de fijar sus responsabilidades, reciben las

siguientes alternativas en torno a confesar o no, y las penalidades

correspondientes.

Uno confiesa implicando al otro, y éste no confiesa (rehúsa). El primero

queda libre, y el último, recibe 10 años.

Ambos confiesan. Cada uno recibe 5 años.

Ninguno de los dos confiesa. Cada uno recibe 2 años.

A partir de estas alternativas, el juego se representa a partir de sus utilidades,

construyendo una función de utilidades de la siguiente manera.

Salir libre…………………4

Recibir 2 años………….. 3

Recibir 5 años………….. 2

Recibir 10 años ………....0

Esta situación es representada en la matriz adjunta. En cada celda se

consignan las utilidades para cada jugador, según sus acciones. El primer

número para el jugador I y el otro, para el jugador II. Por ejemplo, si ambos

confiesan, reciben 2 (5 años) cada uno.

El jugador I evalúa su situación a partir de la acción del otro. Si el jugador II

confiesa, el jugador I puede recibir: 2 (si también confiesa), 0 (si rehúsa). En

cualquiera de estos casos, le conviene confesar.

El jugador II al evaluar la situación, llegará a la misma conclusión.

Árboles

Se utilizan para representar juegos extensivos, en los cuales las acciones no

son simultáneas sino secuenciales. El árbol grafica las distintas opciones

recorridas. Al final de los cuales, se consignan las utilidades.

El árbol incluye un nodo de inicio y varios nodos intermedios. En cada uno, se

toma una decisión, expresada en el ramal correspondiente. Cuenta con un

nodo terminal en el que se consigna la función ordinal de utilidad: un valor para

cada jugador. La estrategia instruye al jugador cuál acción tomar en cada

nodo, marcando un recorrido hacia el nodo terminal.

En el árbol de ilustración, el jugador I es un proveedor que debe decidir sobre

la calidad (alta o baja) de su servicio o producto. El jugador II es el comprador

que puede optar las alternativas de comprar o no comprar. El juego es

secuencial, y de información perfecta disponible antes de tomar una decisión

JUEGOS HEURÍSTICOS

Es un enfoque diferente a la teoría matemática de juegos. Se refiere a la

capacidad de un sistema de realizar innovaciones favorables para sus fines.

Su etimología es la misma de la palabra Eureka. Existen diferentes técnicas

para organizar un juego heurístico, siendo la más conocida el de prueba-error.

Debido a que son motivadores para el aprendizaje, se le utiliza mucho en

educación para niños.

Las siguientes reglas atribuidas al matemático George Pólya (húngaro, 1887 -

1985), explican su parecer sobre cómo los matemáticos desarrollaron sus

fórmulas:

• Si no consigues entender un problema, dibuja un esquema.

• Si no encuentras la solución, haz como si ya la tuvieras y mira qué

puedes deducir de ella (razonando hacia atrás).

• Si el problema es abstracto, prueba a examinar un ejemplo concreto.

• Intenta primero abordar un tema general (en el que tengas más

posibilidades de éxito).

Usualmente la adopción de un partido estructural está basada en la

experiencia, o tomando como punto de partida diseños similares (como los

diferentes tipos de puentes, o de estructuras de acero). Sin embargo, el partido

adoptado no es necesariamente el óptimo. Y debido a las múltiples

posibilidades del sistema a elegir, una formulación matemática se torna

complicada.

Aspectos del juego del sistema estructural

• Tratar de simular las condiciones ambientales más cercanas posibles

a la que se someterá la estructura.

• Los jugadores pueden ser individuos o equipos. De preferencia,

multidisciplinarios dependiendo de la naturaleza de la estructura.

• Respecto a las interacciones, pueden ser interactivas o no interactivas.

Una competencia no interactiva es estática y corresponde a un solo

periodo. La interactiva es dinámica y tiene una dependencia de tiempo.

• Sobre los periodos de decisión, pueden considerarse los siguientes:

evaluación de necesidades, verificación de la localización,

especificaciones del sistema, estudio de factibilidad, cimentaciones,

soportes, tipos de infraestructura básica, arreglos estructurales,

iteraciones, recomendaciones finales.

• El flujo de información es manejado de común acuerdo, pudiendo ser

igualmente compartido o no. El procesamiento puede ser mecanizado.

• Respecto a la medida del desempeño de los jugadores se establece

bajo condiciones inicialmente adoptadas. Su aplicación varía según la

naturaleza estática o dinámica del juego.

• En relación con la organización, cada grupo puede estar dividido en

áreas, por ejemplo: planeamiento, cimentaciones, estructuras,

materiales y especificaciones, e instalaciones. La organización puede

ajustarse al tipo de proyecto y a la secuencia de calificación que se

adopte. Se reconoce un administrador.

2. SISTEMAS MULTIAGENTE EN LA INGENIERÍA DE LA

ORGANIZACION

Son numerosas las aplicaciones que los MAS tienen hoy día. Su

flexibilidad y versatilidad los hace apropiados a numerosos ámbitos de

investigación y de la industria. Así, existen numerosas aplicaciones en

robótica, simulación de sistemas sociales, sistemas de gestión,

comercio electrónico, medicina, etc..

En general, los dominios de aplicación de los sistemas multiagente se

caracterizan por un conjunto de rasgos típicos, tales como distribución,

complejidad, capacidad de interacción flexible, dinamismo e

inconcreción inicial del problema a resolver.

Desde un punto de vista genérico, los sistemas multiagente suponen

una herramienta para la resolución de problemas. Como ya se ha dicho,

se componen de un conjunto de entidades solucionadoras de

problemas, autónomas, cooperantes y capaces de interactuar entre sí

para la resolución de un determinado problema o el alcance de ciertos

objetivos. Esta es la causa y la forma en que se han introducido en el

ámbito de la Ingeniería de Organización, constituyéndose como una

herramienta para el estudio, análisis y resolución de los problemas

propios de la Gestión de la Producción, la Cadena de Suministro y el

Transporte.

Los entornos de producción actuales continuamente cambiantes, así

como las demandas de los mercados cada vez más exigentes, originan

la aparición de nuevas estructuras, relaciones y problemas. La

Investigación Operativa ha ofrecido, tradicionalmente, un marco y una

serie de técnicas para el proceso de toma de decisiones ante estas

situaciones. Entre las herramientas utilizadas puede citarse la

programación matemática, sistemas para análisis de redes, Redes de

Petri, Redes Neuronales, o técnicas de Inteligencia Artificial.

Las primeras incursiones de la Inteligencia Artificial en el mundo de la

planificación/programación de la producción tuvieron lugar mediante los

Sistemas Expertos.

Hoy día la aplicación de los MAS permite un mayor rango de

posibilidades para la actuación y resolución de las situaciones típicas en

entornos de planificación de la producción, gestión de la cadena de

suministro o del transporte.

2.1Sistemas Multiagente en la Gestión de la Producción

La Gestión de la Producción puede definirse como la planificación,

programación control del flujo de materiales que circula a través del

sistema productivo.

Ésta se encarga de analizar qué decisiones son eficaces en pos de

cumplir con los objetivos de la empresa, así como de determinar los

criterios de valoración para identificar la eficiencia del sistema. Para

muchos autores, éstos pueden considerarse como sistemas de apoyo

a la toma de decisiones (Decision Support System, DSS)

especializados, cuyo objetivo es tomar las necesidades de fabricación

y encajarlas con el modelo de la fábrica o la cadena de suministro.

Las características y exigencias de los mercados actuales requieren de

las empresas y centros de fabricación bajos tiempos de producción,

bajos precios, ciclos de vida de productos cortos, etc. Ante esta

situación, se hacen necesarios nuevos enfoques y técnicas para los

sistemas de planificación y control de la producción. Técnicas que

deben proporcionar al sistema características tales como flexibilidad,

agilidad o reactividad entre otras.

Los sistemas de Planificación y Control de la Producción son

especialmente importantes para responder a las crecientes demandas

de los clientes y las expectativas de la situación actual, en cuanto a la

elevada competitividad y ambiente de facturación se refiere. Para ello

se requieren nuevos enfoques que hagan a los medios y sistemas de

producción adaptativos (ágiles, capaces de adaptarse a cambios en el

ambiente)y a los sistemas de control inteligentes, flexibles y tolerantes

a fallos. Con este objetivo, numerosos enfoques han negado las

estructuras centralizadas y jerarquizadas a favor de las distribuidas.

Los nuevos sistemas de producción y control basados en esta filosofía

tratan de ser reconfigurables y estar compuestos por módulos

autónomos e inteligentes capaces de interactuar dinámicamente entre

sí para la consecución de objetivos locales y globales. En esta

situación se produce la adopción de los sistemas multiagente en varios

entornos industriales.

Tabla

Presupuesto de pedidos 5 Gestores de coste Diseño 13 Agentes de diseño y rasgo

Ingeniería 6 Agentes de diseño de proceso y fabricación

Previsión de la demanda 5 Agentes de ventas y marketing

Gestión de órdenes 7 Agentes de órdenes

Plan maestro de producción 6 Agentes planificadores de producción

Planificación necesidades recursos 9 Agentes planificadores de producción

Programación 20 Programadores y dispatcher

Compras 7 Agentes de órdenes, compradores, proveedores

Monitorización 17 Controladores, monitores

Distribución 5 Agentes de almacenamiento y gestión almacenes

Este enfoque abandona la visión tradicional centralizada o de jerarquía

multinivel. Se asume la presencia de múltiples entidades decisoras

distribuidas en el sistema de fabricación interactuando y cooperando para

alcanzar el nivel óptimo de funcionamiento.

Una de las primeras aproximaciones en pos de la cooperación en sistemas

distribuido, la denominada Aproximación Descentralizada para la Toma de

Decisiones rompe con la estructura jerárquica tradicional, proponiendo una

estructura de niveles de decisión basada en el concepto de cooperación

entre centros de decisión que gozan de un cierto nivel de autonomía.

Con este enfoque se pretende mejorar la flexibilidad en la toma de

decisiones a nivel operacional.

La hipótesis implícita en la base de estos modelos establece que, a partir

de un comportamiento autónomo de las entidades, que puede ser incluso

contradictorio, emerge un comportamiento global coherente con las

necesidades finales.

La Tabla 1 presenta el grado de aplicación de los sistemas multiagente

con respecto a distintos dominios de la Planificación y Control de la

Producción. Puede observarse en ella cómo destacan las aplicaciones en

programación y monitorización.

En los últimos años se han propuesto distintos enfoques basados en

tecnología de agentes para sistemas de producción inteligentes y

distribuidos abarcando las distintas áreas del ámbito de la Gestión de la

Producción.

Las características básicas de un sistema de planificación y control de la

producción para un sistema de producción distribuido son distribución,

autonomía y reconfigurabilidad, por lo que resulta claramente adecuado

para entornos dinámicos. En este caso, el sistema es construido con un

sistema multiagente compuesto de tres tipos de agentes básicos: cliente,

gestor de órdenes y recurso de producción.

Un paso más allá lo representa la propuesta de un marco genérico para un

sistema multiagente capaz de abarcar desde el diseño de un producto,

evaluación de la fabricación planificación, programación hasta la

monitorización de su desarrollo. El sistema multiagente propuesto consta

de múltiples tipos de agentes dedicados a funciones específicas con la

posibilidad de adición de nuevos tipos de agentes conforme el sistema de

producción se expanda y evolucione.

Se trata, por tanto, de un enfoque de alta flexibilidad.

2.2. Los Sistemas Multiagente en la Cadena de Suministro

La gestión de la Cadena de Suministro (Supply Chain, SC) es una práctica

de negocio empleada para resolver algunos de los problemas industriales

típicos mediante el concepto de colaboración interempresa. Esta

colaboración permite planificar y sincronizar operaciones a lo largo de la

cadena de suministro.

De esta forma, pueden resolverse problemas industriales considerados en

la red de empresas productoras y distribuidoras de productos o servicios a

los clientes finales.

Existen múltiples definiciones para la Cadena de Suministro. Una de ellas

podría ser la que la define como el conjunto de empresas que actúan para

diseñar, desarrollar la ingeniería, comercializar, fabricar y distribuir los

productos y/o servicios a los consumidores finales. La gestión de la

cadena de suministro, al contrario que las actividades de planificación y

control de la producción, no busca la eficiencia de las operaciones internas

de la empresa sino la gestión y coordinación de actividades en toda la

cadena.

La aparición del concepto de cadena de suministro también exigió el uso

de técnicas de análisis y estudio distribuido, que se alejaran de los

tradicionales enfoques centralizados. Los sistemas multiagente han sido

aplicados a ella. El modelo de la Cadena de Suministro sugiere, de forma

natural, un enfoque de descomposición, lo que a su vez, favorece el uso

de las técnicas basadas en agentes.

De hecho, desde este punto de vista, las unidades de fabricación

distribuida tienen las mismas características que los agentes: autonomía,

habilidad social, reactividad y proactividad. Puede decirse que los sistemas

multiagente ofrecen una forma de elaboración de sistemas de producción

descentralizada, emergente y concurrente. Para algunos autores, los MAS

constituyeron una nueva tecnología capaz de aunar, mejorar y reemplazar

a las técnicas anteriormente aplicadas para la gestión de la gran cantidad

de información, los numerosos procesos y fenómenos que se dan en la

cadena de suministro, destacándose en esta tarea la capacidad de

interacción social de los agentes y su flexibilidad.

Una de las primeras aplicaciones de MAS al desarrollo de una cadena

de suministro es el modelo ISCM (Integrated Supply Chain Management), ,

propuesto a principios de los años 90, el cual es considerado como uno de

los pioneros en este ámbito. Sobre esta filosofía quedó definida, años más

tarde, la denominada arquitectura de agente ABS. Otra herramienta

pionera es la llamada MASCOT (Multi-Agent Supply Chain Coordination

Tool). Se trata de una arquitectura reconfigurable y multinivel para la

planificación y programación de una SC coordinada con el objetivo de

soportar las funcionalidades necesarias en un entorno de mercado como el

actual, altamente dinámico y competitivo.

La Tabla 3 recoge algunas de estas primeras aproximaciones.

Tabla 3

Primeras aproximaciones de los Sistemas Multiagente

a la Cadena de Suministro

Referencia Aproximación/aplicación

Fox et al. (1993) ISCM.

Sadeh et al.(1999) MASCOT.

Fox

Tabla 4

Ejemplos de aplicaciones más recientes de Sistemas

Multiagente a la Cadena de suministro

Referencia Aproximación/aplicación

Guo et al. (2004) Enriquecimiento de un DSS.

Carvalho y Custódio Herramienta de optimiza-

(2005) ción.

Kozlak et al. (2007) Herramienta de simulación

para afrontar situaciones

críticas.

Las más recientes propuestas de MAS aplicado a las cadenas de

suministro, emplean técnicas heurísticas para la toma de decisiones,

disponibilidad de múltiples estrategias y tácticas elegibles según las

situaciones, así como distintos criterios, funciones de evaluación y

comportamientos dinámicos.

El aspecto novedoso de estas propuestas reside en que su funcionalidad

no sólo se apoya en la información histórica, sino también en información

relativa al contexto. La combinación de estas dos fuentes de conocimiento,

historia y el denominado razonamiento situado, guarda relación con el

concepto de «meta aprendizaje» en los MAS.

El MAS de principios genéricos se particulariza para estos estudios en una

estructura con dos tipos de agentes (empresa y cliente) y un tercer

elemento, tipo de producto.

2.3. Los Sistemas Multiagente y los sistemasde Transporte

Una de las incursiones más frecuentes de los Sistemas Multiagente en el

mundo de la industria es en los sistemas de apoyo a la toma de

decisiones. Como razón básica, se puede argumentar la capacidad de

adaptación y aprendizaje de los MAS. Ya que a la hora de tomar una

decisión, los agentes no sólo tienen en cuenta la información almacenada

en las bases de datos sobre situaciones previas, sino que razonan

apoyándose también en las características de la situación actual.

La aplicación de sistemas DSS se extiende a ámbitos tan diversos como la

planificación de la producción, gestión de la SC o gestión de un sistema de

transporte. Dentro de esta última línea los MAS se han empleado para

ayudar a los gestores de red ante muy distintas situaciones, como muetra

la Tabla 5.

Cada agente realiza tareas de abstracción de datos a partir de la

información disponible, para así identificar posibles problemas a darse. El

agente puede estimar los efectos de esos problemas y seleccionar planes

de señalización que considere adecuado.

Para ellos, los agentes cubren áreas no nece-

Tabla 5

Ejemplos de aplicaciones más recientes de Sistemas

Multiagenteen sistemas de Transporte

Referencia Aproximación/aplicación

Cuena y Ossowski (1999) Gestión del tráfico rodado.

Tomás y García (2005) Gestión de incidentes meteorológicos.

Böcker et al. (2001) Programaciones para acoplamiento

de trenes.

Zhou et al. (2004) Horarios para operaciones

de mantenimiento de

autobuses.

Van Dam et al. (2007) Diseño de la red: localización

hub.

sariamente disjuntas, lo que les obliga a coordinar sus acciones y planes

en pos del mejor funcionamien toglobal.

En las aplicación de los MAS a la gestión del tráfico, el sistema

prácticamente capaz de determinar qué acciones hacer, cuándo y quiénes

están involucrados para la gestión de incidentes de tráfico. Algunos MAS

propuestos en los últimos años son capaces de llevar a cabo las

negociaciones oportunas para ello y ayudar a los gestores de carreteras a

controlar el tráfico en caso de que un incidente meteorológico tenga lugar.

Si bien la aplicación de los MAS ha sido más abundante en sistemas

dedicados al tráfico rodado, ésta también se ha extendido a otros ámbitos

del transporte.

Para el caso de los sistemas ferroviarios, la aplicación más habitual es

para la generación de programaciones y horarios. Las propuestas más

recientes incluyen el empleo de MAS para la generación de

programaciones (horarios) para sistema de acoplamiento de trenes, para

compartición de vías, para generar una programación de los trabajos de

mantenimiento en una flota de autobuses, etc. La optimización de la

programación es alcanzada gracias a la actividad individual de cada

agente y la cooperación entre todos ellos. No obstante, el empleo de MAS

puede remontarse a fases anteriores al funcionamiento o puesta en

marcha del sistema de transporte, concretamente al diseño de la red. Así,

se ha llegado a proponer el desarrollo de modelos basado en agentes para

la toma de decisiones previas al proyecto, tales como la evaluación de las

posibles localizaciones de un hub para transporte intermodal de

mercancías relativo a carretera-ferrocarril.

-----------------------------------------------------------------------------------------------------------

APLICACIONES INDUSTRIALES DE LOS SISTEMAS MULTIAGENTE

1. Introducción

Como se ha visto hasta ahora, la tecnología de agentes/sistemas

multiagente (SMA) está realizando importantes aportaciones en la

resolución de problemas en diversos dominios (comercio electrónico,

subastas electrónicas, medicina, bolsa, etc.), donde aproximaciones

tradicionales no proporcionan soluciones suficientemente satisfactorias. En

concreto, la industria de fabricación es uno de los dominios donde la

tecnología de agentes/SMA proporciona una forma natural para resolver

problemas que son intrínsecamente distribuidos.

2. La Empresa de Fabricación de Nueva Generación

La globalización, que afecta a todo el planeta, no iba a ser una excepción

en las empresas de fabricación. La competitividad global y la rapidez con

que cambian los requerimientos de los clientes están forzando importantes

cambios en los estilos de producción y configuración de las organizaciones

de producción. Cada vez más, la planificación de producción, el scheduling

y los mecanismos de control secuenciales y centralizados tradicionales no

son suficientemente flexibles para responder a estos nuevos estilos de

producción que cambian continuamente y a las variaciones que se

producen continuamente en los requerimientos del producto. Las

aproximaciones tradicionales no permiten una fácil extensión y

reconfiguración de los sistemas de fabricación. La rigidez de la clásica

organización jerárquica centralizada, puede también dar lugar a la

paralización de la actividad de una fábrica por un fallo en un único punto

de la cadena de producción. Por ello, las industrias de fabricación

necesitan adoptar arquitecturas abiertas que integren sus actividades con

suministradores y clientes en amplias redes de cadena de suministros.

Para poder competir de forma efectiva en los mercados actuales, los

fabricantes requieren interactuar con sus clientes, proveedores y servicios

de forma rápida y económica. Aproximaciones clásicas como la ingeniería

del conocimiento, con grandes bases de conocimiento, se convierten en

inapropiadas debido a la naturaleza altamente distribuida de estos

sistemas. La tecnología de agentes se presenta como una forma natural

de superar tales problemas y diseñar e implementar entornos de

fabricación inteligente distribuidos.

2.1 Requerimientos de Empresas de Fabricación de Nueva

Generación

Como se ha comentado en el apartado anterior, la globalización ha forzado

a las empresas de fabricación a cambiar sus estrategias de producción

para así poder adaptarse a la competitividad global, a las nuevas

necesidades de innovación e introducción del producto, y responder

rápidamente a los cambios del mercado. La nueva generación de sistemas

de fabricación deberá tener como objetivo la optimización de factores

como tiempo versus costes o calidad. Tales sistemas de fabricación

deberán satisfacer los requerimientos fundamentales Integración de

empresas. Con objeto de soportar la competitividad global y responder a

los rápidos cambios del mercado, una empresa de fabricación tiene que

estar integrada con sus sistemas de gestión (compras, pedidos, diseño,

producción, planificación, control, transporte, recursos, recursos humanos,

materiales, calidad, etc.) que son, en general, entornos software y

hardware heterogéneos. Tal integración puede realizarse por medio de

sistemas de planificación táctica, que están basados en sistemas

distribuidos basados en el conocimiento para relacionar gestión de

demanda directamente con recursos y planificación de capacidad.

Cooperación

Las empresas de fabricación requieren una plena cooperación con sus

suministradores y clientes para así optimizar el suministro de materiales,

fabricación de accesorios, comercialización del producto final, etc. Tal

cooperación deberá realizarse de forma eficiente y deberá responder

rápidamente a cualquier posible cambio. En un sistema cooperativo, las

cadenas dinámicas de eventos están embebidas en procesos de

información concurrentes. Los requerimientos impuestos por los pedidos

de clientes, decisiones de dirección, y etapas de diseño están integrados

con las tareas de planificación de la producción y la asignación de

recursos en una estructura compleja que incorpora decisiones de alto nivel

en las actividades de planificación. Este es esencialmente un entorno de

información-procesamiento concurrente. La cooperación es un

requerimiento imperativo en cualquier modelo funcional de sistemas de

fabricación avanzados.

Integración de persona con software y hardware

Personas y ordenadores deben ser integrados para trabajar

colectivamente en diversas etapas de desarrollo del producto, con acceso

al conocimiento y la información requerida. Para soportar estas

necesidades y aumentar las capacidades de decisión del sistema hay que

integrar fuentes heterogéneas de información. Se requieren entornos de

comunicación bi-direccional que permitan una comunicación veloz y

efectiva entre humanos y odenadores, lo que facilitará su cooperación.

Agilidad

La globalización económica y las expectativas de expansión de mercados

están transformando rápidamente los entornos de fabricación. Hay que

realizar considerables esfuerzos en la reducción de ciclos del producto,

para permitir responder con mayor rapidez a los deseos de los clientes. En

esta nueva escala de transformación económica, las corporaciones están

reorientando progresivamente sus estrategias a expandir su cuota de

mercado y a integrar la fabricación flexible en sus capacidades de

producción. La fabricación flexible es la habilidad de adaptarse, en un

entorno de fabricación, a continuos e inesperados cambios y por ello es un

componente clave en las estrategias de fabricación para la competitividad

global. Para conseguir agilidad, las capacidades de fabricación deben

establecer asociaciones convenientes con socios heterogéneos.

Idealmente, los socios son contratados sólo por el tiempo requerido para

realizar las tareas específicas. Este tipo de interacción puede también ser

utilizada para planificar estrategia a largo plazo. La agilidad proporcionará

mayor flexibilidad a la organización de fabricación sin incurrir en grandes

inversiones industriales.

Escalabilidad

La escalabilidad es una importante propiedad para los sistemas de

fabricación avanzados. Escalabilidad significa que en la organización

pueden ser incorporados más recursos cuando son necesarios. Esta

propiedad debería satisfacerse en cualquier nodo de trabajo del sistema y

a cualquier nivel dentro de los nodos. La expansión de recursos debería

ser posible sin romper enlaces organizacionales previamente establecidos.

Para identificar e incorporar nuevos componentes, se requieren registros

deconocimiento organizacional. Cuando nuevos componentes físicos

llegan al sistema, son creadas entidades representativas para actuar como

imagen de los componentes a través de sus ciclos de vida. La habilidad de

añadir nuevos componentes incrementalmente permite al sistema

responder flexiblemente a una amplia variedad de solicitudes. Por ejemplo,

el sistema puede añadir dinámicamente más inteligencia o incrementar su

capacidad de fabricación para abastecer a un mercado que se expande

rápidamente o reducir su capacidad para ajustar ‘downwards’ durante

periodos de baja demanda. Cuando se eliminan del sistema componentes

físicos, para mantenimiento o cualesquiera otras razones, también son

eliminados del registro del sistema. Mecanismos robustos de registro son

necesarios para proporcionar la integración denuevos componentes o la

eliminación de los existentes.

Reconfiguración dinámica

Tanto las personas como las entidades artificiales que pertenecen a un

sistema de fabricación necesitan estar alerta a los cambios del entorno.

Cada etapa de la planificación de la fabricación se ve afectada por

variaciones dinámicas que provienen tanto de fuentes internas como

externas. En sistemas de fabricación convencionales, las entradas de los

clientes activan una secuencia de eventos, empezando con operaciones

de planificación. En este nivel, los pedidos son procesados de acuerdo a

estados preestablecidos (los cuales incluyen la especificación del diseño

del producto, gestión de materiales, planificación y disponibilidad de la

capacidad de fabricación, y la preparación de los costes de producción). El

proceso de planificación también activa requerimientos para la

subcontratación de servicios externos.

Convencionalmente, el proceso de planificación avanza progresivamente a

través de una serie de evaluaciones secuenciales que se corresponden

con las condiciones del sistema en un futuro próximo. Por ello, posteriores

variaciones del estado del entorno pueden invalidar estos planes. Este tipo

de sistema secuencial resulta caro, ya que hay una tendencia a reutilizar

recursos de cómputo en evaluaciones redundantes y repetitivas.

Eventualmente, hay una transición desde el proceso de planificación a una

segunda área principal de control de fabricación, actividad en la que se

asignan tiempos de ejecución a planes de fabricación. En este estado son

introducidas muchas variaciones, estas afectan a la estabilidad del sistema

y a su habilidad para ejecutar los planes de acuerdo a lo planificado. Esta

compleja etapa restringe la habilidad del sistema de reconfigurarse para

hacer frente a cambios dinámicos e inesperados.

La extensibilidad es posible en tales sistemas convencionales de

fabricación, pero requiere una importante reconfiguración del sistema. Las

interconexiones estrechamente acopladas entre los componentes

existentes en el sistema hacen muy tedioso el ajustar cada módulo de

procesamiento a nuevos componentes disponibles. De la misma manera,

la eliminación de componentes implica un considerable reajuste del

sistema.

Capitalización y distribución del conocimiento

La adquisición y distribución eficiente del conocimiento de cada aspecto de

la organización (finanzas, marketing, diseño y fabricación) junto con su uso

efectivo, producirá notables avances en la investigación de mercados,

desarrollo de productos y procesos, planificación y scheduling de la

producción, y finalmente en respuesta a clientes.

Los problemas más obvios en procesamiento de la información,

observados en sistemas convencionales de fabricación, son la gestión de

información y control de producción muy centralizados, consecuencia de la

necesidad de mantener una vista general del sistema con el fin de

minimizar costes (y en consecuencia tener más ventajas en el mercado).

Las bases de datos centralizadas son usadas comúnmente para acumular

información del sistema que permita establecer planes de producción y

prever futuros requerimientos. Potentes ordenadores centralizados

procesan grandes cantidades de datos para crear planes de producción.

Las transacciones entre diversos recursos se realizan forzosamente a

través de la unidad de control centralizado.

Todas las actividades en sistemas de fabricación convencionales están

limitadas por la corrección y estabilidad de los componentes de

procesamiento centralizados, produciendo una infraestructura frágil.

Aunque en el pasado los sistemas de procesamiento de la información

secuenciales y centralizados han minimizado costes de hardware y

software, su estructura central no es adecuada dada la naturaleza

intrínsecamente distribuida del flujo de información concurrente en

fabricación ágil. La distribución del conocimiento de producción da más

valor a la modularidad del sistema y facilita tanto la integración como la

reconfiguración. El aumento de modularidad reduce la complejidad de

organización del conocimiento manteniendo el conocimiento localmente.

La información local puede ser procesada concurrentemente, evitando así

las limitaciones del procesamiento secuencial de la información.

Ingeniería Concurrente

Asegurar la viabilidad de la fabricación del producto constituye el primer

paso de la implementación de la ingeniería concurrente. Especificaciones

geométricas y funcionales, disponibilidad de materias primas, y la

capacidad y disponibilidad de recursos de fábrica tienen una gran

influencia en la viabilidad de la fabricación. Un diseño puede ser fabricado

bajo una combinación de requerimientos de producto y recursos de planta,

pero no bajo otros. La selección y disponibilidad de material destock a

partir del cual el producto será fabricado influye en el número de etapas

intermedias requeridas, y en consecuencia en el coste de producción. La

capacidad y disponibilidad de recursos de planta influye en el plan de

proceso a utilizar, y de nuevo en los costes de producción. Por ello, todos

estos aspectos tienen que ser considerados simultáneamente en una

ingeniería concurrente efectiva.

Entornos heterogéneos

Los sistemas de fabricación necesitan adaptarse a software y hardware

heterogéneo tanto en sus entornos de fabricación como de información.

Interoperabilidad

Los entornos de información heterogéneos pueden utilizar diferentes

lenguajes, representar datos con diferentes lenguajes de representación y

modelos, y ejecutarse en diferentes plataformas. Los subsistemas y

componentes de tales entornos heterogéneos deberán ejecutarse de

forma eficiente.

Tolerancia a fallos

El sistema deberá ser tolerante a fallos tanto a nivel de sistema como de

subsistema, así como detectar y recuperarse de fallos del sistema en

cualquier nivel y minimizar susimpactos sobre el entorno de trabajo.

3. CONCLUSIONES

Las razones que llevan al uso de los MAS en situaciones y problemas

como los analizados en los puntos anteriores son su capacidad para

ejercer control distribuido, para manejar grandes cantidades de datos que

pueden estar incompletas o ser distribuidas y, fundamentalmente, su

capacidad para modelar o afrontar problemas complejos. La característica

de distribución inherente a los MAS los hace especialmente adecuados a

sistemas de naturaleza distribuida, pues permiten una aproximación y una

implementación de estos últimos más sencilla. Entre las ventajas que

estos enfoques ofrecen se encuentra el aumento de la eficiencia, la

robustez y fiabilidad del sistema para realizar aproximaciones modulares a

los problemas. De este modo, la dificultad de los mismos se ve reducida y

el modelado de los problemas simplificado.Al mismo tiempo, se favorece la

reutilización de los módulos desarrollados para nuevos problemas o

situaciones con características similares. De este modo se aprovecha la

escalabilidad y flexibilidad del enfoque ofrecido por los MAS, empleados

como herramienta de simulación, estudio y resolución de problemas.

Otra característica que hace de los MAS una herramienta atractiva para

situaciones como las planteadas es el hecho de que no sea necesaria la

codificación inicial de todos los comportamientos, y circunstancias del

entorno bajo estudio. Todas estas características motivan y favorecen el

uso de los MAS y de ahí la gran difusión de los mismos desde que

surgieron en los años 90. No obstante, el uso exitoso de los mismos está

sujeto a la presencia de ciertas características en los problemas objeto de

estudio. Los MAS resultan adecuados para entornos distribuidos,

complejos y dinámicos, entre otras características, pues su aplicación se

dificulta para entornos no descomponibles. Ha de tenerse en cuenta que el

hecho de que los MAS sean dinámicos hace posible que se alcancen

situaciones de inestabilidad. De igual modo, la distribución de los mismos

impide o dificulta el disponer de una visión global del sistema, lo cual

puede llevar a la no consecución del óptimo en la resolución de un

problema. Así pues, la aplicación de los MAS requiere de un estudio previo

de la situación a la que se quiere aplicar, así como la consideración de las

propiedades que el MAS a desarrollar debe tener, pues estas influyen

fuertemente en los resultados que se van a obtener.

Finalmente, hay que tener en cuenta que los MAS están en pleno

desarrollo actualmente, lo cual exige un esfuerzo de estudio, desarrollo de

herramientas y simulaciones previo a su aplicación y que debe ser también

tenido en cuenta como parte del esfuerzo del proyecto. Sin embargo, estas

propiedades no le restan a los MAS su principal ventaja: la capacidad para

afrontar problemas distribuidos en múltiples dimensiones y gestionar

información de distinta naturaleza, incompleta o incluso incierta, frente a

herramientas clásicas de enfoque centralizado.

BIBLIOGRAFIA Y REFERENCIAS

“Organización de la empresa. Estructura, procesos y modelos”. Eduardo

Bueno Campos. Ed. Pirámide 2007

Introducción a la economía de la empresa”. Eduardo Pérez Gorostegui.

Ed. Centro de Estudios Ramón Areces. 2006

“Introducción a la Teoría de Agentes y Sistemas Multiagente”. JM

Corchado, JM Molina. Catedral Publicaciones. 2002

Investigación de Operaciones en la ciencia administrativa. DP Eppen,

FJ Gould y otros. Pearson-Prentice Hall. 2000.

La Planificación de la Producción mediante Sistemas Multiagente.

Estado de la Cuestión.Julio J. García-Sabater, José Pedro Garcia-

Sabater

http://imsg.enme.ucalgary.ca/publication/abm.htm

.

--------------------------------------------------------------------------------------------------------

Bibliografia y referencias

[http://imsg.enme.ucalgary.ca/publication/abm.htm]:

La Planificación de la Producción mediante Sistemas Multiagente. Estado de la Cuestión. 1

Julio J. García-Sabater1, José Pedro Garcia-Sabater2

1 Ingeniero Industrial. DOE Universidad Politécnica de Valencia. jugarsa@omp.upv.es

2 Dr. Ingeniero Industrial. DOE Universidad Politécnica de Valencia. jpgarcia@omp.upv.es