domingo, 27 de noviembre de 2011

DIAPOSITIVAS DE EXPOSICIÓN

TEMAS DE EXPOSICIÓN

INTRODUCCIÓN

            El proceso de toma de decisiones en los sistemas no es una tarea sencilla para el diseñador, ya que una decisión incorrecta afectará directamente en el funcionamiento del mismo, ante tal situación el ser humano ha buscado la manera de disminuir esta situación y se la ha ingeniado para tomar decisiones basadas en hechos apegados a la realidad.
         Para tomar decisiones certeras en el proceso de construcción o mejoramiento de los sistemas es necesario realizar estudios previos denominados estudios pilotos. Tales estudios pilotos se realizan utilizando la técnica llamada Modelización, es decir, construcción de modelos donde se realiza el estudio con el fin de obtener conclusiones aplicables al sistema real.
         Estos modelos a su vez necesitan de la aplicación de una serie de experimentos para elegir la mejor alternativa apegada a la realidad del sistema y también con el objetivo de determinar cuál es el sistema y cuál es su medio ambiente que lo rodea, y a este proceso se le conoce como simulación.
         El presente trabajo analiza y describe la estructuración de modelos de sistemas, muestra las variables que necesitan ser estudiadas para modelar los sistemas y que estos se aproximen a la realidad considerando las diferentes hipótesis de las posibles situaciones que se pudieran presentar en un futuro y nos permite así mismo desarrollar las estrategias que nos serán útil para enfrentar y saber manejar los inconvenientes una vez puesto en marcha el sistemas, además presenta los tipos de modelos para representar la realidad como los dinámicos, estáticos, matemáticos, entre otros, también nos describe el proceso de simulación de estos modelos y las fases que se necesitan para hacer una buena simulación y así elegir el más optimo.
         Esta investigación contiene también la formulación del problema, una parte muy importante en el proceso de toma de decisiones, ya que si no se formula correctamente el problema nunca llegaremos a una solución optima del mismo, es de suma importancia que en este proceso de involucren todos los miembros del sistema y que exista un compromiso, cooperación y responsabilidad para que haya una planificación adecuada y así formular de la mejor manera posible el problema.
         El diseñador de sistemas debe tener buen juicio para tomar decisiones óptimas para que así el sistema tenga un buen funcionamiento y para esto debe de apoyarse de la estructuración de modelos y una buena formulación de los problemas.
4.3 ESTRUCTURACIÓN DE MODELOS DE SISTEMAS

En el mundo actual, tanto en el área de los negocios, como en la industria y el gobierno, los proyectos en gran escala y de gran complejidad son la regla y no la excepción. Estos proyectos complejos requieren estudios previos a su construcción o modificación, denominados estudios pilotos. Tales estudios pilotos se realizan utilizando la técnica llamada Modelización, es decir, construcción de modelos donde se realiza el estudio con el fin de obtener conclusiones aplicables al sistema real.
Construido el modelo, el proceso de ensayar en él una alternativa se llama simular. El conjunto de alternativas que se definen para su ensayo constituye la estrategia de la simulación. Los objetivos del proyecto definen cuál es el sistema y cuál el medio ambiente que lo rodea.
La simulación de sistemas implica la construcción de modelos. El objetivo es averiguar qué pasaría en el sistema si acontecieran determinadas hipótesis.
Desde muy antiguo la humanidad ha intentado adivinar el futuro. Ha querido conocer qué va a pasar cuando suceda un determinado hecho histórico. La simulación ofrece, sobre bases ciertas, esa predicción del futuro, condicionada a supuestos previos. Para ello se construyen los modelos, normalmente una simplificación de la realidad. Surgen de un análisis de todas las variables intervinientes en el sistema y de las relaciones que se descubren existen entre ellas.
A medida que avanza el estudio del sistema se incrementa el entendimiento que el analista tiene del modelo y ayuda a crear modelos más cercanos a la realidad. En el modelo se estudian los hechos salientes del sistema o proyecto.
Se hace una abstracción de la realidad, representándose el sistema/proyecto, en un modelo.
El modelo que se construye debe tener en cuenta todos los detalles que interesan en el estudio para que realmente represente al sistema real (Modelo válido). Por razones de simplicidad deben eliminarse aquellos detalles que no interesan y que lo complicarían innecesariamente. Se requiere pues, que el modelo sea una fiel representación del sistema real. No obstante, el modelo no tiene porqué ser una réplica de aquél. Consiste en una descripción del sistema, junto con un conjunto de reglas que lo gobiernan.
La descripción del sistema puede ser abstracta, física o simplemente verbal.
Las reglas definen el aspecto dinámico del modelo. Se utilizan para estudiar el comportamiento del sistema real. Como ejemplo de modelo físico se pueden citar los túneles de viento donde se ensayan los aviones, los simuladores de vuelo, los canales de experiencia donde se ensayan los barcos, etc.
Como ejemplo de modelo abstracto, se pueden citar los modelos econométricos donde, entre otras cosas, se pueden ensayar las consecuencias de medidas económicas antes de aplicarlas.
Dado un sistema, son muchas las representaciones que se pueden hacer de él. Depende de las facetas del sistema que interesan en el estudio, de la herramienta que se utiliza en el mismo e incluso de la modalidad personal del que lo construye. En los modelos deben estar identificadas perfectamente las entidades intervinientes y sus atributos. Las mismas pueden ser permanentes (Ej.: empleados atendiendo) o transitorias (Ej.: clientes). Las acciones provocan cambios de estado, es decir, se modifican los atributos de las entidades; se producen los eventos.
C. WEST CHURCHMAN en su obra “The Systems Approach” nos resalta que “Todo diseño de sistema se orienta hacia el futuro, especialmente hacia un futuro cercano. Los diseños y modelos que habitualmente se consideran versan sobre la etapa siguiente a la actual.”
Por otro lado existe un Axioma: “el futuro es menos cierto que el presente”
También nos hace una aguda observación: “el pasado es tan difícil de conocer con certeza como el futuro, cosa digna de reflexión en cuanto nos fundamos en datos del pretérito para averiguar el porvenir”
El Planeamiento estático comprende una sola etapa. El planeamiento dinámico contempla múltiples etapas.
Para predecir el futuro se postula lo siguiente:
·         La actividad de estimar lo sucedido en lo pasado es separable de la actividad a estimar de lo que ha de suceder en lo futuro. Es decir, el análisis del futuro es separable del análisis del pasado.
·         Cualquier estimación específica de lo ocurrido en el pasado puede ser evaluada conforme a una escala que va desde valores negativos pasando por cero a valores positivos (hay hechos que inciden negativamente, otros que no inciden y otros que inciden positivamente para que ocurra algo).
·         El conocimiento del futuro es posible.

John W. SUTHERLAND señala que prácticamente todos los fenómenos del mundo real pueden ser modelizados según cuatro direcciones de análisis:
·         El nivel de las variables de estado, donde se trata de investigar los principales aspectos estructurales o cualitativos del sistema.
·         El nivel paramétrico, que implica la asignación de valores numéricos específicos a las variables de estado.
·         El nivel de las relaciones, que implica establecer la naturaleza de las relaciones entre las variables de estado, y
·         El nivel de los coeficientes en que se asignan valores numéricos específicos a los conjuntos de las variables de estado.

El que va a tomar la decisión percibe en forma real, o aparente, una identidad efectiva entre el estado real del sistema y el postulado. Al percibirla toma la decisión, de lo contrario comienza el análisis para lograr esa identidad. A posteriori se hace un análisis de informaciones comparando lo previsto con lo real para el instante t y el instante t-1.
Mientras perciba una diferencia entre lo postulado y lo real continuará el proceso de análisis. Cuando logre la identidad procederá a tomar su decisión. Tenemos un planteo teórico general que nos permite inferir el futuro en base al conocimiento del presente y la influencia del pasado en un modelo válido (identificación entre lo real y lo postulado).
En las decisiones existen sistemas donde prima:
·         El determinismo: La base de datos y las relaciones causales son altamente específicas y precisas respecto del fenómeno contemplado. Sólo se espera que haya uno y sólo un acontecimiento probable, que repetirá situaciones anteriores. Se tiene una identidad efectiva entre los estados a priori y los que realmente se producen. Los instrumentos de análisis correspondientes son: modelos de análisis de estados de los sistemas finitos; programación lineal y modelos de máx. Y mín.; análisis de la regresión, de la correlación, análisis de series temporales y espectrales, con tratamiento exógeno del error, si es que lo hay.
·         Una Estocasticidad moderada: La variación de las variables y parámetros intervinientes tienen un margen pre-especificado y manejable. El error es manejado endógenamente ya que la estructura de nuestras formulaciones es esencialmente determinista. Las técnicas de análisis correspondientes son: procesos de Markov; procesos de inferencia estadística; procesos de estimación bayesiana; procesos de estimación dentro de un margen; técnicas de aproximación numérica (funciones de Taylor); análisis del estado del sistema finito; “shock models”: los econométricos y psicométricos que no tratan el error específicamente.
·         Una Estocasticidad intensa: Acontecimientos significativamente diferentes cada uno de los cuales pueden suceder y conducir a futuros altamente diferenciados. Se emplean modelos basados en teoría de juegos, técnicas de análisis de estados de sistemas estocásticos, algoritmos de programación adaptativa o dinámica (usualmente bayesianos), modelos de redes neuronales y técnicas de simple simulación.
·         Indeterminismo: No se pueden establecer a priori las relaciones causales. No existen datos relevantes. Para avanzar el estudio se basa en construcciones teóricas generales que no hayan sido invalidadas por la experiencia. Se emplea un análisis deductivo, la simulación estocástica y la programación heurística para dar disciplina a las investigaciones empíricas (ver “La teoría general de sistema” de Pedro Voltes Bou).
Son muchos los tipos de modelos en que se pueden representar los sistemas reales. A continuación se dará una clasificación al sólo efecto de ejemplificar con tipos de modelos de uso común.
CLASIFICACION DE LOS MODELOS
Existen múltiples tipos de modelos para representar la realidad. Algunos de ellos son:
·         Dinámicos: Utilizados para representar sistemas cuyo estado varía con el tiempo.
·         Estáticos: Utilizados para representar sistemas cuyo estado es invariable a través del tiempo.
·         Matemáticos: Representan la realidad en forma abstracta de muy diversas maneras.
·         Físicos: Son aquellos en que la realidad es representada por algo tangible, construido en escala o que por lo menos se comporta en forma análoga a esa realidad (maquetas, prototipos, modelos analógicos, etc.).
·         Analíticos: La realidad se representa por fórmulas matemáticas. Estudiar el sistema consiste en operar con esas fórmulas matemáticas (resolución de ecuaciones).
·         Numéricos: Se tiene el comportamiento numérico de las variables intervinientes. No se obtiene ninguna solución analítica.
·         Continuos: Representan sistemas cuyos cambios de estado son graduales. Las variables intervinientes son continuas.
·         Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las variables Varían en forma discontinua.
·         Determinísticos: Son modelos cuya solución para determinadas condiciones es única y siempre la misma.
·         Estocásticos: Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo. No se puede asegurar cuáles acciones ocurren en un determinado instante. Se conoce la probabilidad de ocurrencia y su distribución probabilística. (Por ejemplo, llega una persona cada 20 ± 10 segundos, con una distribución equiprobable dentro del intervalo).
Es interesante destacar que algunas veces los modelos y los sistemas no pertenecen al mismo tipo.
Construido el modelo, se ensaya una alternativa en él con el fin de aplicar las conclusiones al sistema. Los resultados obtenidos no tienen valor si no son aplicables al sistema.
La simulación se emplea sólo cuando no existe otra técnica que permita encarar la resolución de un problema. Siempre es preferible emplear una alternativa analítica antes que simular. Lo anterior no implica que una opción sea superior a otra, sino que los campos de acción no son los mismos. Mediante la simulación se han podido estudiar problemas y alcanzar soluciones que de otra manera hubieran resultado inaccesibles.
La simulación involucra dos facetas:
1) Construir el modelo
2) Ensayar diversas alternativas con el fin de elegir y adoptar la mejor en el sistema real, procurando que sea la óptima o que por lo menos sea lo suficientemente aproximada.
FASES QUE COMPRENDE TODO ESTUDIO QUE UTILIZA LA SIMULACION
1) Definición del sistema con el máximo de detalle
Se debe evitar comenzar a trabajar en la construcción del modelo con un sistema superficial, mal concebido. ¡Se perderán horas hombre y de computadora en tares inútiles!
Es un principio comprobado de organización que la incidencia de un error en un proyecto aumenta dramáticamente con el instante en que se lo descubre.
Es decir, cuánto más se demora en detectarlo mucho más complicada es su corrección. Se debe discutir en detalle el sistema; analista y usuario reunidos durante largas horas evitarán que el sistema tenga que ser redefinido después.
En esta etapa se definen los límites del sistema y los objetivos del estudio, chequeando que estos no cambien durante el desarrollo del mismo. Deben tenerse en cuenta las condiciones iniciales del sistema y sus condiciones de régimen. Interesa estudiarlo ya en régimen y no inicialmente cuando los recursos están desocupados y favorecen el movimiento de los elementos por el sistema. El modelo debe considerar qué resultados estadísticos interesan obtenerse para evaluar correctamente al sistema en estudio.
2) Elección del método para realizar el estudio:
·         Búsqueda de la herramienta analítica de resolución.
·         Adopción de la misma en caso de encontrarla.
·         Utilización de la simulación como última alternativa.
3) Variables a incluir en el modelo:
¿Qué variables, parámetros se incluyen? ¿Cuáles se desprecian por su irrelevancia?. La elección no es sencilla.
Conviene hacer un ranking de las variables y restricciones del sistema en orden de importancia.
Este ranking debe ser discutido con el usuario y con los distintos especialistas a fin de proceder a su verificación y eventual corrección.
Se debe recordar que quitar una variable superflua de un sistema es algo bastante sencillo, mientras que incluir una que se había despreciado es de ordinario mucho más complicado.
Tomar debida cuenta de los casos especiales ¡muchas veces estos obligan a tener en cuenta variables despreciables para el resto de los casos!.
Esta selección de variables a considerar depende de la mecánica con que se maneja el sistema, de la experiencia que se tenga de él e incluso de la intuición del grupo humano que interviene en el estudio.
Se debe evitar una sobresimplificación que invalida al modelo en cuanto se lo quiere ensayar con casos especiales, o una sobreespecificación que hace largo y difícil el trabajo de construir el modelo.
Todas las variables que intervienen en un modelo son medibles. No siempre es posible lo mismo con las que intervienen en un sistema real.
Muchas veces se debe hacer una estimación de las mismas con el fin de incorporarlas en el modelo.
Existen variables endógenas (internas y controladas por el sistema) y exógenas (externas al sistema y fuera de su control).
Existen variables cualitativas, como la preferencia personal y cuantitativa como la frecuencia con que arriban los clientes a un banco. Todas deben ser estimadas en términos cuantitativos.
4) Recolección y análisis de los datos del sistema:
Definidas las variables intervinientes en el sistema es habitual que existan muchas variables estocásticas.
Para esas variables se debe disponer de:
·         La densidad de probabilidad o
·         La función de distribución acumulativa en forma matemática o
·         una tabla de valores del comportamiento de la variable.
Se utiliza para ello todas las herramientas estadísticas clásicas, tales como, análisis de regresión, de serie de tiempos y de varianzas.
Se debe hacer un relevamiento del tiempo que se insume en las distintas tareas tratando de no obtener datos distorsionados producto de la medición (la persona trabaja más rápido o más lento debido a que lo están midiendo y le parece más conveniente mostrarse en forma distorsionada).
Si se tiene el valor medio de una medición y no se conoce su distribución, es preferible adoptar una distribución exponencial que una uniforme, pues en la primera, pueden darse situaciones críticas que no se dan en la segunda.
El tiempo empleado validando los datos de entrada está totalmente justificado y es absolutamente necesario para construir un modelo válido sobre el cual se puedan sacar conclusiones aplicables al sistema real.
5) Definición de la estructura del modelo Se definen:
·         Las entidades permanentes y sus atributos, es decir, los recursos con que se cuenta en el sistema y cuantitativamente cómo es su comportamiento.
·         Las entidades transitorias que circulan por el modelo tienen definida probabilísticamente su ruta por el sistema y los tiempos de utilización de los recursos.
·         Los eventos que provocan los cambios de estado, modificando los atributos de las entidades.
Se debe diseñar el modelo de manera que los cambios en su estructura estén en cierto modo previstos.
6) Programación del modelo:
Objetivo: obtención del programa de computadora que representa el modelo. Se debe elegir el lenguaje con que se construirá el modelo.
Una vez elegido, se lo utiliza para construir el modelo, que debe representar fielmente todo lo que ha sido relevado del sistema.
7) Validación del modelo:
Aunque imposible de demostrar rigurosamente se trata de verificar al modelo con una serie de situaciones conocidas como para tener un alto grado de confiabilidad.
8) Análisis y crítica de los resultados Paso previo a la entrega de resultados al usuario se debe:
·         Verificar que los resultados obtenidos sean realmente suficientes para tomar una correcta decisión.
·         Hacer una buena compactación en la presentación de los mismos procurando que sean perfectamente comprensibles para el usuario.
·         Recordar que un exceso de información ocasiona casi los mismos inconvenientes que la falta de información, ya que el usuario en ambos casos no puede acceder a los resultados que necesita como apoyo a la toma de decisiones (en un caso porque no sabe como accederlos, en el otro porque no los tiene).
·         Estudiar la factibilidad, y, en caso afirmativo, proponer una alternativa que signifique un cambio estructural del sistema y por ende del modelo la que se considera digna de tener en cuenta antes de tomar una decisión definitiva.
Un lenguaje orientado a la simulación debe manejar:
·         Fácilmente al modelo, permitiendo el ensayo de alternativas.
·         El tiempo "simulado" (meses, días, horas, segundos, milisegundos).
·         Eventos, es decir, acciones que provocan los cambios de estado: Los cambios de estado se materializan por dos eventos: el de comienzo y el de finalización.
·         La acción está definida por: instante de comienzo y duración.
·         El lenguaje se encarga de hacer finalizar la acción.
·         Variables random fácilmente definibles, generadas en forma automática por el lenguaje.
·         Acumulación/cálculo/impresión de estadísticas de las entidades intervinientes en el sistema.
·         El estado del sistema en cualquier instante (imprimiéndolo en caso necesario).
La extensión del período de simulación.

4.4 FORMULACIÓN DEL PROBLEMA
Los analistas, al trabajar en un sistema administrativo con los empleados y administradores, deben estudiar los procesos de una empresa para dar respuesta a las siguientes preguntas:
1.-¿Qué es lo que se hace?
2.- ¿Cómo se hace?
3.-¿Con que frecuencia se presenta?
4.- ¿Qué tan grande es el volumen de transacciones o de decisiones?
5.-¿Cuál es el grado de eficiencia con el que se efectúan las tareas?
6.-¿Existe algún problema?
7.-¿Si existe un problema, que tan grave es?
8.-¿Si existe un problema, cual es la causa que lo origina?
Para contestar estas preguntas, el analista conversa con varias personas, para reunir detalles relacionados con los procesos de la empresa, sus opiniones sobre por qué ocurren las cosas, las soluciones que proponen y sus ideas para cambiar el proceso. Se emplean cuestionarios para obtener esta información cuando no es posible entrevistar en forma personal, a los miembros de grupos grandes dentro de la organización. Así mismo se requiere del estudio de manuales y reportes, la observación directa de las actividades que se realizan en algunos casos formas y documentos para comprender mejor el proceso en tu totalidad.
Durante la fase de pruebas de sistemas, el sistema se emplea de forma experimental para asegurarse de que el software no tenga fallas, es decir que funciona de acuerdo con las especificaciones y en la forma en que los usuarios esperan que lo haga. En muchas organizaciones, las pruebas son conducidas por personas ajenas al grupo que escribió los programas originales; con esto se persigue asegurar, por una parte, que las pruebas sean completas e imparciales y, por otra, que el software sea más confiable.
La evaluación de un sistema se lleva a cabo para identificar puntos débiles y fuertes. Los sistemas para el soporte de decisiones tienen como finalidad ayudar a los directivos que enfrentan problemas de decisión únicos (no recurrentes).
Con frecuencia un aspecto importante de esas decisiones es determinar qué información es la que se debe considerar. Dada la dificultad de predecir las necesidades de información, es imposible diseñar de antemano los reportes.
Este tipo de sistemas debe se bastante flexible para satisfacer las necesidades cambiante de los directivos. Los sistemas para el soporte de decisiones son una fuente de información pero no reemplazan el buen juicio que todo directivo debe tener.
La evaluación ocurre a lo largo de cualquiera de las siguientes dimensiones.
Operación operacional:
Valoración de la forma en que funciona el sistema, incluyendo su facilidad de uso, tiempo de respuesta, lo adecuado de los formatos de información, confiabilidad global y nivel de utilización.
Impacto organizacional:
Identificación y medición de los beneficios para la organización en áreas tales como finanzas (costos, ingresos y ganancias), eficiencia operacional e impacto competitivo. También se incluye el impacto sobre el flujo de información interno y externo.
Opinión de los administradores
Evaluación de las actitudes de directivos y administradores dentro de la organización así como los usuarios finales.
Desempeño del desarrollo:
La evaluación del proceso de desarrollo de acuerdo con criterios tales como tiempo y esfuerzo, concuerdan con presupuestos y estándares, y otros criterios de administración de proyectos.
También se incluye la valoración de los métodos y herramientas utilizados en el desarrollo.
Proceso de solución del problema
El establecimiento de un buen proceso de solución de problemas en una organización requiere el compromiso, la cooperación y la planificación de todas las partes implicadas.
Un error en un sistema de producción puede no ser cuestión de vida o muerte, pero sí puede significar una importante pérdida para el negocio. Los rápidos cambios en la industria de hoy hacen que los problemas técnicos formen parte de todos los entornos, y por ello es importante destinar recursos a desarrollar un proceso que permita tratarlos de forma eficaz.
Beneficios
Podrá saber con exactitud que tan satisfechos están sus clientes con los servicios y productos que recibe de su organización, podrá conocer qué hacer para mejorar la satisfacción de sus clientes, reteniéndolos para siempre y conquistando a los de la competencia, Permite implementar la Inteligencia Comercial en la Organización, Ayuda a crear un plan estratégico de mercadotecnia orientado al cliente, El establecimiento de un buen proceso puede llevar tiempo y resultar tedioso al principio, pero casi siempre costará menos que el gasto en tiempo y dinero que provoca la falta del mismo.
Los siguientes términos son fundamentales para comprender la administración de problemas e incidentes:
·         Desconoce.
·         Problema.
·         Incidente.

Incidente: Suceso operativo que no forma parte del funcionamiento habitual de un sistema.
Problema: Incidente o grupo de incidentes significativos que muestran síntomas comunes y cuya causa se desconoce.
Un jefe de problemas debe responsabilizarse de conducir la cuestión hasta su resolución, y escalarla cuando sea necesario. Puede que no realice personalmente todas las fases de la resolución del problema, pero debe responsabilizarse de que se produzca el aislamiento y se recojan los datos correctos antes de implicar a otros recursos.
Un jefe de problemas debe trabajar con los especialistas y asegurar que se lleven a término las tareas encomendadas para evitar desperdiciar tiempo y recursos. Además, debe mantener la visión global y asegurarse de que el contexto de resolución se transfiera de unos especialistas a otros cuando sea necesario.
Caracterizar problemas solamente como simples o complejos no proporciona discernimiento alguno sobre los métodos de solución que pueden utilizarse para tratarlos. De acuerdo con ello, debemos tipificar más los problemas. La dicotomía entre problemas "bien estructurados" y "mal estructurados" sirve bien para este propósito.
Un problema mal estructurado es similar a la decisión "no programable". Para utilizar los términos de Simon, un problema esta mal estructurado en el grado en que este sea original, no repetitivo, o no se haya resuelto anteriormente. Su forma probablemente no encaja en las condiciones estándar de los métodos de solución bien conocidos.
Por otro lado, un problema bien estructurado puede asociarse a la decisión "programada" de Simon." Este probablemente se ha resuelto antes y es repetitivo. Su forma es clara y se ajusta a las condiciones estándar impuestas por métodos de Solución bien conocidos. Como lo expresa Newell:
Un problema esta bien estructurado en el grado en que este satisface los siguientes criterios:
·         Que se pueda describir en términos de variables numéricas, cantidades escalares y de vector.
·         Que puedan especificarse los objetivos logrados, en términos de una función objetivo bien definida —por ejemplo, la maximización de beneficios o Ia m minimización de costos.
·         Que existan rutinas de computación (algoritmos), que permitan que se encuentre la solución y se exprese en términos numéricos reales."

Los problemas bien estructurados pueden resolverse con algoritmos, en tanto que los problemas mal estructurados están sujetos solo a soluciones mediante la heurística. Al pasar de uno a otro, se declina la precisión del enunciado del problema, el procedimiento utilizado para resolverlo y la justificación de la comprobación. Los métodos de solución también pueden caracterizarse por otros criterios: a) generalidad y b) fuerza. La generalidad se refiere al tamaño del conjunto de los problemas sobre los cuales es aplicable el método. La fuerza se refiere a la habilidad del método para proporcionar la solución o soluciones. La fuerza de un método puede definirse más ampliamente con base en:
La probabilidad, elevada o baja, de éxito de proporcionar la solución.
·         El alcance o campo de aplicación —es decir, cuantos problemas puede resolver en el dominio donde se aplica.
·         La calidad de las soluciones —cuan próximo esta de lograr el Óptimo.
·         La eficiencia del método —la cantidad de recursos (en tiempo, cantidad de computación, manejo de iteraciones, o costos) necesarios para obtener la solución.
·         La generalidad de un método puede definirse en términos de
·         El espectro de problemas sobre los cuales se aplica el método.
Las "demandas de información" que hace al problema. Los métodos muy generales de soluciones imponen "muy pequeñas demandas de información", en tanto que los métodos utilizados para resolver problemas más específicos (y mas estructurados), hacen "fuertes demandas". Al pasar de lo mas general (por ejemplo, el algoritmo de programación lineal general) a lo mas especifico (por ejemplo, el método de transporte de programación lineal) se imponen en el enunciado del problema mas condiciones y mas supuestos específicos. El algoritmo de programación integral es a su vez más específico (y por tanto, menos general) que los otros dos, debido a que este impone una condición adicional en el enunciado del problema, al requerir que las soluciones factibles sean números enteros.
Cuando un problema es complejo, no se comprende bien y esta mal estructurado, deben emplearse métodos de elevada generalidad (baja especificidad). Esto se acopla generalmente con poca fuerza y poca probabilidad de éxito. En este extremo del espectro, los problemas son vagos; es decir, la información se proporciona en una variable o banda, y no es muy definida. Los métodos utilizados solo pueden hacer "demandas débiles en el medio", es decir, el enunciado del problema requiere pocas condiciones para que se satisfaga. En este dominio, la solución de problemas requiere de la heurística y la habilidad general de la inteligencia humana para resolver problemas.
Cuando un problema se comprende bien y está bien estructurado, se puede decir que se reduce relativamente su complejidad. En su solución se emplean métodos de elevada especificidad (baja generalidad). Se incrementa la fuerza de las soluciones (la probabilidad de éxito del método). En este extremo del espectro, los problemas son más específicos, mejor definidos y la información proporcionada debe ajustarse a las estrictas condiciones del enunciado del problema ("Los métodos hacen fuertes demandas al medio"). Esta región se caracteriza por el uso de algoritmos. La inteligencia artificial y de maquina resuelve problemas que son "difíciles a nivel humano"; es decir, los métodos tienen elevada fuerza, pero son muy específicos.
El análisis de sistemas y el enfoque de sistemas deben considerar ambos tipos, los problemas mal estructurados y los bien estructurados. Cuando se trata de un gran sistema, el analista reduce la complejidad de la situación simplificándola. Estrecha su problema al hacerlo mas especifico. Trata subsistemas cuyos límites puede explicar y comprender. Trata de pasar al dominio de las situaciones donde posee métodos más programados, modelos y algoritmos disponibles y donde las probabilidades de éxito son relativamente mejores.
Tan pronto como decide considerar una porción mayor del sistema, aumenta la complejidad. Los problemas ahora deben tratarse en términos más generales, con métodos menos poderosos. Debido a la relación entre generalidad y fuerza, se reducen relativamente sus probabilidades de éxito.
El dominio de las ciencias físicas, se caracteriza por una mayor proporción de problemas y métodos bien estructurados que los de las ciencias sociales. En las ciencias sociales hay que enfatizar el desarrollo de métodos para tratar problemas mal estructurados (programación heurística, conjuntos borrosos, método de Delfos, simulación, etc.), y al mismo tiempo, mover los problemas de un extremo de la escala (donde solo son aplicables habilidades generales para resolver problemas) al otro extremo (donde están disponibles métodos mas específicos y mas poderosos). En ocasiones, lo que llamamos problemas complejos, son solamente aquellos que no entendemos y para los cuales carecemos de soluciones especificas.
La ciencia oscila entre buscar el objetivo de simplicidad al despojar el mundo real de sus redundancias, y perseguir el objetivo del realismo que se pierde cuando se muestra al mundo en sus formas más simples.
CONCLUSIÓN
La simulación de sistemas implica la construcción de modelos. El objetivo es averiguar qué pasaría en el sistema si acontecieran determinadas hipótesis.
A medida que avanza el estudio del sistema se incrementa el entendimiento que el analista tiene del modelo y ayuda a crear modelos más cercanos a la realidad.
El modelo que se construye debe tener en cuenta todos los detalles que interesan en el estudio para que realmente represente al sistema real (modelo válido).
La descripción del sistema puede ser abstracta, física o simplemente verbal. Las reglas definen el aspecto dinámico del modelo. Se utilizan para estudiar el comportamiento del sistema real.
Prácticamente todos los fenómenos del mundo real pueden ser modelizados según: el nivel de las variables de estado, donde se trata de investigar los principales aspectos estructurales o cualitativos del sistema; el nivel paramétrico, que implica la asignación de valores numéricos específicos a las variables de estado; el nivel de las relaciones, que implica establecer la naturaleza de las relaciones entre las variables de estado; y el nivel de los coeficientes en que se asignan valores numéricos específicos a los conjuntos de las variables de estado.
El que va a tomar la decisión percibe en forma real, o aparente, una identidad efectiva entre el estado real del sistema y el postulado. Al percibirla toma la decisión, de lo contrario comienza el análisis para lograr esa identidad.
De hecho, existen múltiples tipos de modelos para representar la realidad. Por nombrar alguno de ellos tenemos a los modelos dinámicos, estáticos, matemáticos, físicos, analíticos, numéricos, continuos, discretos, determinísticos y estocásticos.
Es interesante destacar que algunas veces los modelos y los sistemas no pertenecen al mismo tipo; sin embargo, esto no significa que haya una incoherencia, si no lo que se trata es de profundizar en el entendimiento del sistema real.
Construido el modelo, se ensaya una alternativa en él con el fin de aplicar las conclusiones al sistema. Los resultados obtenidos no tienen valor si no son aplicables al sistema.
La simulación se emplea sólo cuando no existe otra técnica que permita encarar la resolución de un problema. Siempre es preferible emplear una alternativa analítica antes que simular.
La simulación involucra dos facetas: construir el modelo y ensayar diversas alternativas con el fin de elegir y adoptar la mejor en el sistema real, procurando que sea la óptima o que por lo menos sea lo suficientemente aproximada.
El establecimiento de un buen proceso de solución de problemas en una organización requiere el compromiso, la cooperación y la planificación de todas las partes implicadas.
FUENTES BIBLIOGRÁFICAS
Teoría general de sistemas.
John P. Van Gigch.
Editorial trillas, Primera edición.
Págs. 53 a 56 y  76 a 80.

La teoría general de sistemas.
Von Bertalanffy, L.
Editorial Fondo de cultura económica.
Primera edición, México 1998.
Págs. 45 a 56.

Introducción a la teoría general de los sistemas
P. Johansen
Limusa Noriega editores
1ra edición México 2004
Págs. 147 a 155

Páginas de Internet:
·         www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r21909.DOC
·         http://www.monografias.com/trabajos11/teosis/teosis.shtml
·         http://padron.entretemas.com/estruct_sist_model.htm