1.
Los sistemas de planificación de recursos empresariales, o ERP (por sus siglas en inglés, Enterprise
ResourcePlanning) son sistemas de información gerenciales que integran y manejan muchos de los
negocios asociados con las operaciones de producción y de los aspectos de distribución de una
compañía en la producción de bienes o servicios.
La Planificación de Recursos Empresariales es un término derivado de la planificación de recursos
de manufactura (MRPII) y seguido de la planificación de requerimientos de material (MRP); sin
embargo los ERP han evolucionado hacia modelos de suscripción por el uso del servicio (SaaS,
cloud computing)
Los sistemas ERP típicamente manejan la producción, logística, distribución, inventario, envíos,
facturas y contabilidad de la compañía de forma modular. Sin embargo, la Planificación de Recursos
Empresariales o el software ERP puede intervenir en el control de muchas actividades de negocios
como ventas, entregas, pagos, producción, administración de inventarios, calidad de administración y
la administración de recursos humanos.
Los sistemas ERP son llamados ocasionalmente back office (trastienda) ya que indican que el cliente
y el público general no están directamente involucrados. Este sistema es, en contraste con el
sistema de apertura de datos (front office), que crea una relación administrativa del consumidor o
servicio al consumidor (CRM), un sistema que trata directamente con los clientes, o con los sistemas
de negocios electrónicos tales como comercio electrónico, administración electrónica,
telecomunicaciones electrónicas y finanzas electrónicas; asimismo, es un sistema que trata
directamente con los proveedores, no estableciendo únicamente una relación administrativa con
ellos (SRM).
Los ERP funcionaban ampliamente en las empresas. Entre sus módulos más comunes se
encuentran el de manufactura o producción, almacenamiento, logística e información tecnológica,
incluyen además la contabilidad, y suelen incluir un sistema de administración de recursos humanos,
y herramientas de mercadotecnia y administración estratégica.
Los ERPs de última generación tienden a implementar en sus circuitos una abstracción de la
administración denominada MECAF (Método de Expresión de Circuitos Administrativos
Formalizado), lo cual los provee de una gran flexibilidad para describir diferentes circuitos usados en
distintas empresas. Esto simplifica la regionalización y la adaptación de los ERPs a diferentes
mercado
Sistemas de Soporte a la Decisión
Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al
análisis de los datos de una organización.
En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir
mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no es así: estas
aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la
información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos,
manejarlos desde distintas perspectivas... etc.
El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre otras
propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión. Estas son
algunas de sus características principales:

2.
Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los
listados predefinidos que se configuraron en el momento de la implantación, y que no siempre
responden a sus dudas reales.
No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e
informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para examinar la
información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el
departamento de informática.
Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un
datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo de nieve.
Este tipo de bases de datos están optimizadas para el análisis de grandes volúmenes de
información (ver análisis OLTP-OLAP).
Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL previo a
la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la integración de los
datos entre las diferentes unidades de la empresa. Existe lo que se llama: integridad referencial
absoluta.
Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo
tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que
su trabajo sea lo más eficiente posible.
Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los
datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar
tendencias, fijar la evolución de parámetros de negocio... etc.
Diferencia con otras herramientas de Business Intelligence
El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras herramientas
como los Cuadros de Mando (CMI) o los Sistemas de Información Ejecutiva (EIS), explotar al
máximo la información residente en una base de datos corporativa (datawarehouse o datamart),
mostrando informes muy dinámicos y con gran potencial de navegación, pero siempre con una
interfaz gráfica amigable, vistosa y sencilla.
Otra diferencia fundamental radica en los usuarios a los que están destinadas las plataformas DSS:
cualquier nivel gerencial dentro de una organización, tanto para situaciones estructuradas como no
estructuradas. (En este sentido, por ejemplo, los CMI están más orientados a la alta dirección).
Por último, destacar que los DSS suelen requerir (aunque no es imprescindible) un motor OLAP
subyacente, que facilite el análisis casi ilimitado de los datos para hallar las causas raíces de los
problemas/pormenores de la compañía.
Tipos de Sistemas de Soporte a Decisiones
Sistemas de información gerencial (MIS)
Los sistemas de información gerencial (MIS, Management Information Systems), también llamados
Sistemas de Información Administrativa (AIS) dan soporte a un espectro más amplio de tareas
organizacionales, encontrándose a medio camino entre un DSS tradicional y una aplicación
CRM/ERP implantada en la misma compañía.
Sistemas de información ejecutiva (EIS)

3.
Los sistemas de información ejecutiva (EIS, Executive Information System) son el tipo de DSS que
más se suele emplear en Business Intelligence, ya que proveen a los gerentes de un acceso sencillo
a información interna y externa de su compañía, y que es relevante para sus factores clave de éxito.
La finalidad principal es que el ejecutivo tenga a su disposición un panorama completo del estado de
los indicadores de negocio que le afectan al instante, manteniendo también la posibilidad de analizar
con detalle aquellos que no estén cumpliendo con las expectativas establecidas, para determinar el
plan de acción más adecuado. . De forma más pragmática, se puede definir un EIS como una
aplicación informática que muestra informes y listados (query & reporting) de las diferentes áreas de
negocio, de forma consolidada, para facilitar la monitorización de la empresa o de una unidad de la
misma.
Sistemas expertos basados en inteligencia artificial (SSEE)
Los sistemas expertos, también llamados sistemas basados en conocimiento, utilizan redes
neuronales para simular el conocimiento de un experto y utilizarlo de forma efectiva para resolver un
problema concreto. Este concepto está muy relacionado con el datamining.
Sistemas de apoyo a decisiones de grupo (GDSS)
Un sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support Systems) es "un
sistema basado en computadoras que apoya a grupos de personas que tienen una tarea (u objetivo)
común, y que sirve como interfaz con un entorno compartido". El supuesto en que se basa el GDSS
es que si se mejoran las comunicaciones se pueden mejorar las decisiones.
REDES NEURONALES
El hombre se ha caracterizado siempre por una búsqueda constante de nuevas vías para mejorar
sus condiciones de vida. Estos esfuerzos han servido para reducir el trabajo en aquellas operaciones
en las que la fuerza juega un papel primordial. Los progresos obtenidos han permitido dirigir estos
esfuerzos a otros campos.
Es el desarrollo de máquinas que puedan imitar la capacidad de aprendizaje del hombre es
actualmente un desafío en el que pone sus miras buena parte de la comunidad científica. Con esta
introducción a las redes neuronales, pretendemos dar a conocer los elementos básicos de lo que
comúnmente se denomina Inteligencia Artificial, para así comprender de qué modo pueden llegar a
«pensar» y «aprender» las máquinas.
Redes neuronales artificiales son redes interconectadas masivamente en paralelo de
elementos simples (usualmente adaptativos) y con organización jerárquica, las cuales intentan
interactuar con los objetos del mundo real del mismo modo que lo hace el sistema nervioso biológico.
Las redes neuronales no son más que un modelo artificial y simplificado del cerebro humano, que es
el ejemplo más perfecto del que disponemos de sistema que es capaz de adquirir conocimiento a
través de la experiencia, son otras forma de emular ciertas características propias de los humanos,
como la capacidad de memorizar y de asocias hechos, por lo tanto, las Redes Neuronales:
Consisten de unidades de procesamiento que intercambian datos o información.
Se utilizan para reconocer patrones, incluyendo imágenes, manuscritos y secuencias de tiempo
tendencias financieras.
Tienen capacidad de aprender y mejorar su funcionamiento.
Funcionamiento Las redes neuronales

4.
Consisten en una simulación de las propiedades observadas en los sistemas neuronales biológicos a
través de modelos matemáticos recreados mediante mecanismos artificiales (como un circuito
integrado, un ordenador o un conjunto de válvulas). El objetivo es conseguir que las máquinas den
respuestas similares a las que es capaz de dar el cerebro que se caracterizan por su generalización
y su robustez.
Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de
entradas a través de interconexiones y emite una salida. Esta salida viene dada por tres funciones:
Función de propagación (también conocida como función de excitación), que por lo general
consiste en el sumatorio de cada entrada multiplicada por el peso de su interconexión (valor
neto).
Si el peso es positivo, la conexión se denomina excitatoria; si es negativo, se denomina
inhibitoria.
Función sigmoidea (para obtener valores en el intervalo [0,1]) y la tangente hiperbólica (para
obtener valores en el intervalo.
Las RNA: están compuestas de muchos elementos sencillos que operan en paralelo, el diseño de
la red está determinado mayormente por las conexiones entre sus elementos. Al igual que las
conexiones de las neuronas cerebrales. Las RNA han sido entrenadas para la realización de
funciones complejas en variados campos de aplicación. Hoy en día pueden ser entrenadas para
la solución de problemas que son difíciles para sistemas computacionales comunes o para el ser
humano.
Un bot (aféresis de robot) es un programa informático, imitando el comportamiento de un
humano. Un bot puede realizar funciones rutinarias de edición. En otros sitios, como Youtube, el
bot puede responder a cuestiones sobre el propio contenido del sitio (bots conversacionales).
En sitios de chat en línea (IRC o MSN), algunos bots fueron utilizados para simular una persona,
intentando hacer creer al "ciberinterlocutor" que chateaban con una persona real. Es por ello que,
aquellos sitios que hacen un uso positivo de los bots, como Wikipedia o Encarta, tienen reglas
muy estrictas para su uso. En el pasado, la propia Wikipedia fue víctima de bots maliciosos
creados para vandalizar de forma masiva los artículos (vandalbots).
En el ambiente de los videojuegos, se conoce como bot a programas que son capaces de jugar
por sí mismos el juego en cuestión (también conocidos como borgs). La calidad del bot en este
caso viene determinada por su capacidad de vencer (y en qué términos) el videojuego. Los bots
para juegos CRPG (computer role-playinggames) son particularmente conocidos ya que este tipo
de aplicaciones requieren una gran capacidad de estrategia para ganarlos. Es muy habitual
también usar este término en los juegos denominados 'shooters', en los que sustituyen a un
jugador humano cuando no hay contrincantes disponibles o en juego offline.
Asimismo, otros bots pueden abrir cuentas en sitios de correo electrónico gratuito, por lo que
ahora la mayoría de esos sitios cuenta con un paso adicional en el que el usuario debe escribir
una palabra presentada en formato gráfico algo muy difícil de interpretar para un bot.
La palabra bot es parte de la jerga informática y no es seguro si será sustituida por una
equivalente en español, se incorporará al idioma, o se usará la palabra original de la cual
procede, robot.
Es importante distinguir que bot es una definición funcional, y no hace diferencias en cuanto a su
implementación. Un bot puede estar diseñado en cualquier lenguaje de programación, funcionar
en un servidor o en un cliente, o ser un agente móvil, etc.

5.
A veces son llamados Sistemas Expertos pues muchos se especializan en una función
específica.
Sistema Mecatrónico
Un sistema mecatrónico es aquel sistema digital que recoge señales, las procesa y emite una
respuesta por medio de actuadores, generando movimientos o acciones sobre el sistema en elqu
e se va a actuar: Los sistemas mecánicos están integrados por sensores, microprocesadores yco
ntroladores. Los robots, las máquinas controladas digitalmente, los vehículos guiados
automáticamente, etc. se deben considerar como sistemas mecatrónicos.
Los Sistemas Adaptativos Complejos (en adelante SAC) son un tipo especial de sistemas
complejos; son complejos en el sentido en que son diversos y formados por múltiples elementos
interrelacionados y conectados entre sí, y adaptativos porque ellos tienen la capacidad de
cambiar y aprender de la experiencia. Se dice que el SAC puede co-evolucionar con el ambiente.
También se los ha denominado Sistemas Caóticos.
La palabra caos en ciencia no hace referencia a algo desordenado o azaroso, sino a un tipo de
conducta que verifican los sistemas no lineales, que se conducen de manera extraña e
impredecible. En un sistema caótico, un simple conjunto de condiciones iniciales puede dar lugar
a procesos muy complicados y de inesperadas consecuencias. En general podemos definir un
SAC como uno que presenta las siguientes características:- Indefinido número de elementos y
componentes.- Relaciones no lineales y asimétricas entre esos elementos.- Procesos de
retroalimentación entre los componentes del sistema.- Conducta que puede aparecer azarosa o
desordenada pero que responde a patrones subyacentes.- Conducta impredecible, dentro de
umbrales de cierta estabilidad.- Sensibilidad al entorno, respuesta, adaptación y co-evolución.
Los ejemplos de SAC´s incluyen bolsas de valores, sociedades de insectos y colonias de
hormigas, la biósfera y el ecosistema, el cerebro y el sistema inmunológico, las células y el
desarrollo embrionario, y cualquier esfuerzo de grupos sociales humanos dentro de un sistema
cultural y social dado tales como partidos políticos o comunidades. Hay una estrecha relación
entre el campo de los SAC y la vida artificial, en ambas áreas los principios de emergencia y de
auto-organización son muy importantes.
La idea de emergencia está muy relacionada a la de sinergia, en el sentido de que la conducta
del SAC como un todo no es la suma de las conductas de los elementos que lo forman: es otra
cosa. Esa conducta que emerge de las relaciones cruzadas de los patrones de los
comportamientos de los agentes que conforman el SAC es un concepto clave para comprender
los procesos que viven las organizaciones humanas.
Los SAC están alrededor nuestro, en todos lados. La mayoría de las cosas que damos por
sentadas son SAC. Los agentes en cada sistema, nosotros mismos, existen y se comportan aun
ignorando totalmente el concepto, pero esto no impide su contribución a la conducta
macroscópica del sistema, es decir, la conducta emergente. Los SAC son un modelo para pensar
del mundo, no un modelo para predecir qué sucederá. Son, en definitiva, un modelo que nos
ayuda a ampliar la percepción y a entender el funcionamiento de los sistemas vivos que, de otra
manera, pasaría desapercibido.
El término Sistema Adaptativo Complejo (en inglés ComplexAdaptive Systems) fue acuñado en el
Santa Fe Institute por John H. Holland, Murray Gell-Mann entre otros.
Varias definiciones han sido esbozadas por distintos investigadores:- John H. Holland: Un SAC es
una red dinámica de muchos agentes (los cuales pueden representar células, especies,
individuos, empresas, naciones) actuando en paralelo, constantemente y reaccionando a lo que
otros agentes están haciendo. El control de un SAC tiende a ser altamente disperso y
descentralizado. Si hay un comportamiento coherente en el sistema, este tiene un crecimiento de

6.
competición y cooperación entre los agentes mismos. El resultado total del sistema proviene de
un enorme número de decisiones hechas en algún momento por muchos agentes individuales.
Kevin Dooley: Un SAC se comporta/desarrolla de acuerdo a tres principio claves: el orden es
emergente como oposición a lo predeterminado (Ej. Red Neuronal), la historia de los sistemas es
irreversible, y el futuro de los sistemas es a menudo impredecible. Los bloques constitutivos
básicos de los SAC son agentes. Los agentes exploran su ambiente y desarrollan
representaciones esquemáticas interpretativas y reglas de acción. Estos esquemas están sujetos
al cambio y la evolución.
El NECSI define, desde un punto de vista más amplio, a los SAC como un nuevo campo de la
ciencia que estudia cómo las partes de un sistema contribuyen a la conducta colectiva del mismo
y cómo estos sistemas interactúan con su entorno. El campo de los SAC corta trasversalmente a
todas las disciplinas tradicionales de la ciencia. Se centra en las preguntas sobre las partes, el
todos y cómo se relacionan.- Otra definición: Colecciones macroscópicas de simples (y a menudo
no – lineales) unidades en interacción, dotados de la capacidad de evolucionar y adaptarse a los
cambios del entorno.