Ítem
Acceso Abierto

Aplicaciones de los modelos de predicción bio-inspirados en la administración

Título de la revista
Autores
Gómez Motta, Leonardo Andrés
Navarrete Galindo, Javier Enrique

Archivos
Fecha
2016-09-19

Directores
Gómez Cruz, Nelson Alfonso

ISSN de la revista
Título del volumen
Editor
Universidad del Rosario

Buscar en:

Métricas alternativas

Resumen
Las organizaciones y sus entornos son sistemas complejos. Tales sistemas son difíciles de comprender y predecir. Pese a ello, la predicción es una tarea fundamental para la gestión empresarial y para la toma de decisiones que implica siempre un riesgo. Los métodos clásicos de predicción (entre los cuales están: la regresión lineal, la Autoregresive Moving Average y el exponential smoothing) establecen supuestos como la linealidad, la estabilidad para ser matemática y computacionalmente tratables. Por diferentes medios, sin embargo, se han demostrado las limitaciones de tales métodos. Pues bien, en las últimas décadas nuevos métodos de predicción han surgido con el fin de abarcar la complejidad de los sistemas organizacionales y sus entornos, antes que evitarla. Entre ellos, los más promisorios son los métodos de predicción bio-inspirados (ej. redes neuronales, algoritmos genéticos /evolutivos y sistemas inmunes artificiales). Este artículo pretende establecer un estado situacional de las aplicaciones actuales y potenciales de los métodos bio-inspirados de predicción en la administración.
Abstract
Organizations and their environments are complex systems. Those systems are difficult to understand and to predict. Despite of this, the prediction is a key task for the enterprises’ management and for the decision making which always implies risk. The classical methods of prediction (among which are: the linear regression, Autoregresive Moving Average and exponential smoothing) establish assumptions such as linearity and stability for being mathematically and computationally tractable. By different means, however, have been shown the limitations of such methods. So well, in recent decades new prediction methods have emerged in order to encompass the complexity of organizational systems and their environments, instead of avoiding it. Among them, the most promising are the bio-inspired prediction methods (eg. neural networks, genetic / evolutionary algorithms and artificial immune systems). This article aims to establish a situational state of the actual and potential applications of bio-inspired prediction methods in management.
Palabras clave
Computación bio-inspirada , Complejidad , Predicción de sistemas complejos , Predicción organizacional
Keywords
Bio-inspired computation , Complexity , Complex systems prediction , Organizational forecasting
Buscar en:
Enlace a la fuente