Está en la página 1de 22

AO DE LA INTEGRACIN NACIONAL Y EL RECONOCIMIENTO DE NUESTRA DIVERSIDAD

UNIVERSIDAD PRIVADA TELESUP FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA

TEMA: Modelado Matemtico en Ingeniera de la Informacin CURSO: Investigacin Operativa

2012

Contenido
1. Introduccin: .............................................................................. 3 2. Modelado Matemtico................................................................ 5 3. El proceso de Modelado Matemtico ......................................... 7 4. Clasificacin de los Modelos Matemticos ............................... 10 5. Generacin de Soluciones Informticas para la Resolucin de Problemas que se abordan mediante Modelos Matemticos ......... 13 6. La Problemtica de la Ingeniera de la Informacin: ................ 18 7. Conclusiones: .......................................................................... 21 8. Referencias.............................................................................. 22

1. Introduccin:

Predecir la naturaleza es un anhelo humano ancestral. Los humanos han construido a la ciencia, motivados en gran medida, por este propsito, porque la prediccin cientfica requiere de conocimientos profundos de los fenmenos naturales. Sin embargo, los conocimientos cientficos y tecnolgicos, por s solos, no bastan para predecir el comportamiento de la naturaleza. El modelado matemtico, con el apoyo de las ciencias de la computacin, se convierte en el elemento integrador indispensable para realizar la prediccin cientfica. El modelado matemtico, con el apoyo de las ciencias de la computacin, es ciencia transversal que ha llegado a los rincones ms recnditos y diversos, abordando continuamente nuevos temas cuyos modelos es necesario implementar. La diversidad de los sistemas de inters es realmente enorme, que pasa desde los temas relacionados con los suelos y cimentaciones, fenmenos elctricos, las obras civiles, el clima, la ingeniera ssmica, los fenmenos geotrmicos y ambientales, la explotacin de yacimientos petroleros, la fsica, la qumica, la biologa, las ciencias del mar, los fenmenos atmosfricos, las ciencias de materiales, hasta los recursos biomdicos, por decir los menos en la extensa variedad de aspectos que demandan ser estudiados, analizados y comprendidos con nuevos modelos matemticos.. En todos estos sistemas de inters, el desarrollo de los paradigmas del pensamiento matemtico (generalidad, claridad y sencillez), han sido de gran valor, para generar conocimiento y desarrollar la capacidad de predecirlos, caracterstica fundamental de la ciencia y la ingeniera, puesto que predecir el comportamiento de los sistemas de inters en la ingeniera y la tecnologa, es indispensable para controlarlos y adaptarlos a los intereses del ser humano. En tal sentido, como estudiantes de Ingeniera de Sistemas e Informtica, muy interesados en comprender los mbitos de desarrollo de nuestra carrera, ante la posibilidad de investigar en modelado matemtico, nos hicimos la pregunta: De qu manera el modelado matemtico de los fenmenos tangibles e

intangibles de la realidad que nos circunda impacta en la solucin de los problemas que enfrenta la Ingeniera de la Informacin? La presente monografa aspira a proponer respuestas a dicha pregunta.

2. Modelado Matemtico

Cuando se habla

de modelado, comprendemos que se debe a la

representacin de un algo. Lo importante es que para lograr representar ese algo, es necesario entenderlo. Por ejemplo, cuando a un grupo de personas se les pone el ejercicio de pintar un rbol, cada uno de ellos desarrolla un modelo de rbol particularmente diferente, debido a que su construccin interior, forma un modelo mental particular. Actualmente el inters de la modelacin matemtica se ha incrementado en todas las reas de conocimiento por los alcances que se obtienen y su relacin con otras ciencias.

MODELAMIENTO

Para iniciar, un aspecto a tener claro es el concepto de lo que en realidad es un modelo. Segn la Real Academia Espaola un modelo es un esquema terico, generalmente en forma matemtica, de un sistema o de una realidad compleja, que se elabora para facilitar su comprensin y el estudio de su comportamiento. Pero una definicin ms tcnica especifica que un modelo es un objeto, concepto o conjunto de relaciones que se utiliza para representar y estudiar de forma simple y comprensible una porcin de la realidad emprica. En concreto, se denomina modelo a la representacin matemtica o grafica de la realidad que es utilizada para plantear un problema, normalmente de manera simplificada en trminos relativos, y planteada desde un punto de vista matemtico, aunque tambin puede tratarse de un modelo fsico. Un modelo es entonces una representacin conceptual o fsica a escala de un proceso o sistema (fenmeno), con el fin de analizar su naturaleza, desarrollar o comprobar hiptesis o supuestos y permitir una mejor comprensin del fenmeno real al cual el modelo representa. Para hacer un modelo es necesario plantear una serie de hiptesis, de manera que lo que se quiere representar est suficientemente plasmado en la idealizacin, aunque tambin se busca, normalmente, que sea lo bastante sencillo como para poder ser manipulado y estudiado.

MODELAMIENTO MATEMTICO En ciencias aplicadas un modelo matemtico es uno de los tipos de modelos cientficos y se basa en expresar utilizando los instrumentos de la teora matemtica, declaraciones, relaciones, proposiciones sustantivas de hechos o de contenidos simblicos: estn implicadas variables, parmetros, entidades y relaciones entre variables y/o entidades u operaciones, para estudiar comportamientos de sistemas complejos ante situaciones difciles de observar en la realidad. Se podra decir tambin que es una traduccin de la realidad fsica para poder aplicar los instrumentos y tcnicas de las teoras matemticas para estudiar el comportamiento de sistemas complejos, y posteriormente hacer el camino inverso para traducir los resultados numricos a la realidad fsica. Generalmente se introducen simplificaciones de realidad. Bsicamente, la creacin de modelos matemticos, es un rea de la ciencia que se encarga de expresar fenmenos de la vida real en forma matemtica, permitiendo as usar las herramientas que ofrece la matemtica para obtener solucin a un determinado problema. Los principales inconvenientes que se enfrentan al modelar son aquellos en los que el modelo se presenta complicado; debido a que en la vida real existen muchos factores que influyen en los fenmenos que se vayan estudiar, volvindose imposible considerarlos todos. Igualmente no siempre la solucin del modelo da buenos resultados en la vida real. Una de las ventajas ms importantes en la utilizacin de los modelos matemticos es que en forma segura, rpida y sin grandes gastos econmicos nos permite estudiar las propiedades del objeto cognitivo (proceso, fenmeno) en cualquier situacin imaginable.

3. El proceso de Modelado Matemtico

Para iniciar el proceso de modelacin matemtica de cualquier objeto cognitivo se requiere de un plan de trabajo preciso que se enmarca en tres etapas que conforman la triloga modelo algoritmo programa.

Grfico N1: Triloga Modelo Algoritmo Programa

Modelo

Objeto cognitivo
Programa Algoritmo

En la primera etapa se escoge o construye el equivalente al objeto cognitivo, el cual refleja en forma matemtica sus propiedades ms relevantes, los mecanismos a los que obedece su comportamiento y las conexiones entre sus partes y con su entorno. El modelo matemtico es propuesto e investigado con mtodos tericos, lo que permite obtener informacin previa sobre el objeto cognitivo. Esta etapa requiere de un conocimiento amplio sobre el proceso en estudio y culmina con la formulacin de las expresiones matemticas que formalizan las concepciones cualitativas que se tiene del proceso. En la segunda etapa se escoge o desarrolla el algoritmo de clculo que permite implementar el modelo en un ordenador. El modelo es llevado a una forma que permita la aplicacin de mtodos numricos, se define la secuencia de las

operaciones lgicas y aritmticas necesarias para encontrar, con la precisin requerida, las incgnitas que expresan las variables de estado del modelo. El algoritmo de clculo no debe distorsionar las cualidades bsicas del modelo y en consecuencia del objeto cognitivo, tambin debe ser econmico y adaptable a las particularidades de los problemas que se resuelven y al nivel tecnolgico de los ordenadores disponibles. En la tercera etapa se crean los programas de ordenador que traducen el modelo y el algoritmo a un lenguaje entendible por el ordenador. A estos programas tambin se les exige ser econmicos y adaptables, y son la versin digital equivalente al objeto cognitivo lista para la realizacin de experimentos numricos en el ordenador. Dentro de las aplicabilidades de los modelos matemticos, se encuentra el Executable mathematical modeling languages (EMLs), que se ha diseado para facilitar la representacin y ejecucin de modelos, tradicionalmente dbiles en el modelado de datos y gestin, que a menudo constituye la mayora del esfuerzo en un proyecto de modelado. Se describe un enfoque sistemtico para desarrollar un sistema de apoyo a la decisin dado un modelo de EML. Este enfoque ha demostrado por primera vez usando la integracin de un modelo de datos formales, representados en un sistema de gestin de bases de datos y un modelo matemtico, representado en un EML (GAMS). Se presenta, un procedimiento generalizado para cualquier modelo matemtico representado en GAMS, que produce un modelo de datos y una primitiva interfaz de usuario para el modelo matemtico. Los beneficios de este enfoque, cabe citar explcitamente el modelado de datos, son la mejora de la representacin y manipulacin de modelos de entradas y salidas, una mayor integridad de los datos de entrada y la ms fcil interpretacin y mltiples puntos de vista del producto del modelo. Otra forma de presentar las principales actividades que demanda el desarrollo de un Modelo previo a su aplicacin se presenta en el Grfico N2.

Grfico N2: Principales actividades en el desarrollo de un Modelo previo a su aplicacin

4. Clasificacin de los Modelos Matemticos

Los modelos matemticos pueden dividirse en: 1. Modelos Estocsticos, en donde por lo menos una variable es tomada como un dato al azar y las relaciones entre variables se toman por medio de funciones probabilsticas. Sirven por lo general para realizar grandes series de muestreos y son muy utilizados en investigaciones cientficas que no se conoce el resultado esperado, sino su probabilidad y existe por tanto incertidumbre.

2. Modelos Optimizantes, se utilizan procedimientos como, por ejemplo, la programacin lineal, la programacin dinmica, u otros mtodos. Por ejemplo para determinar el uso ptimo de los recursos de una organizacin. 3. Modelos deterministas, se conoce de manera puntual la forma del resultado ya que no hay incertidumbre. Adems, los datos utilizados para alimentar el modelo son completamente conocidos y determinados. Ni las variables endgenas y exgenas se pueden tomar como datos al azar. Aqu se permite que las relaciones entre estas variables sean exactas o sea que no entren en ellas funciones de probabilidad. 4. Modelos estticos, es que en ellos no se toma en cuenta el tiempo dentro del proceso, por ejemplo: los modelos de juegos, modelos donde se observa las ganancias de una empresa. 5. Modelos dinmicos, en estos modelos fsicos podemos realizar modelos a escala o en forma natural, a escala menor, a escala mayor, sirven para hacer demostraciones de procesos como para hacer experimentos nuevos. Se toma en cuenta la variacin del tiempo, ejemplo: la variacin de la temperatura, del aire durante un da, movimiento anual de las finanzas de una empresa.

6. Modelos a escala, son los modelos sencillos de maquetas -> casa -> bao, cuartos, etc. Tambin se pueden tener a tamao natural a menor o mayor escala, bidimensional, tridimensional. Un ejemplo de la utilizacin de los modelos estocsticos es en los sistemas de comunicacin, donde los cientficos a menudo aplican conceptos de modelacin estocstica y anlisis para obtener descripcin de los sistemas, asumiendo que con frecuencia se complementa nuestro conocimiento y se mejora la comprensin. La filosofa es la de obtener un resultado que se producira en el medio, cuando el sistema est funcionando en condiciones normales. Sin embargo, se debe tener en cuenta el hecho de que la probabilidad de introduccin al anlisis de los sistemas de comunicacin, implica a menudo la invocacin de ciertas suposiciones e informacin adicional acerca del sistema, que puede no ser vlida. Por lo tanto, en estas circunstancias se puede obtener un resultado que puede no ser acorde con el sistema de comunicacin concebido. Sin embargo, debe comprenderse que existen supuestos bsicos que son invariablemente asociados con el anlisis de seales en un sistema, y que utilizan el anlisis estocstico y la introduccin de los mtodos probabilsticos como los mtodos de modelamiento principales. La forma matemtica tpica de los modelos se presenta en el Grfico N3.

Grfico N3: Formas que adoptan los modelos matemticos.

5. Generacin de Soluciones Informticas para la Resolucin de Problemas que se abordan mediante Modelos Matemticos

A continuacin se ofrece una estructura til para ayudar a plantear herramientas que resuelven problemas reales de clientes reales. 1) Anlisis del Problema. En general el cliente no es capaz de definir su problema. A veces, pensar que lo puede definir pero seguramente a lo largo del proceso se redefinir el problema en varias ocasiones. 2) Pre-proceso de Datos. Analizar los datos disponibles nos permite tener una visin detallada del problema. En general, si los datos no han sido previamente utilizados sern probablemente errneos. Este paso, igual que los siguientes, puede suponer analizar de nuevo el problema. 3) Generar resultados a mano. Si somos capaces de entender el problema seguro que somos capaces de generar una hoja de clculo donde representar una posible solucin, calculada a mano. a. Definir la Estructura de la Solucin b. Disear e implementar un Representador de una Solucin c. Diseo del Mtodo de Evaluacin de Resultados (definir cmo se va a presentar que un resultado es mejor que otro) d. Implementar el Evaluador de Solucin 4) Comprobar que los resultados son inteligibles por parte del cliente. Y que lo que creemos que es peor es realmente peor. 5) Generar un modelo de programacin matemtica (preferiblemente lineal). 6) Seleccin de la Herramienta o Tecnologa de resolucin adecuada. 7) Definir el Procedimiento de Resolucin 8) Diseo de Procedimientos de Resolucin para clientes no-expertos.

a. Diseo de Estructura de Datos de Entrada b. Definir los Procedimientos de Lectura y captura de Datos Desde bases de datos estructuradas existentes y/o nuevas Desde ficheros de texto Desde pantalla

c. Generar Algoritmos para generar soluciones Generacin aleatoria de Soluciones Heursticas Voraces Diseo de Mtodos de Enumeracin Diseo de Meta-heursticas

Algunos principios para tener xito en el modelado Aunque existen mltiples tipos de modelos (y por tanto de procesos de modelado) se pueden extraer algunos principios generales tiles en cualquier caso: Los Modelos han de ser simples, su anlisis debe ser complejo Ir paso a paso Usar metforas, analogas y similitudes Los datos disponibles no deben conformar el modelo. Modelar es explorar.

Los Modelos han de ser simples, su anlisis debe ser complejo Al modelar se puede tener la tendencia de trasladar toda la complejidad de la realidad al modelo. Esto, aunque suele agradar al que mira el modelo, no es til para quien lo debe utilizar por dos motivos: un modelo de este tipo es difcil de construir y tambin es difcil de utilizar. Antes de comenzar el proceso de modelado se debera responder a la pregunta: Para qu quiero y necesito el modelo? de un modo concreto. De este modo se puede garantizar que para hacer un simulador de coches, no se

pierde tiempo modelando el funcionamiento del turbo cuando lo que se pretende es hacer una herramienta para comprender el funcionamiento del volante. Ir paso a paso Es habitual observar que se pretende construir un modelo considerando todos los aspectos simultneamente. La ciencia avanza paso a paso, los modelos, si pretenden estar dentro de ella, tambin. Metafricamente hablando, intentar construir un modelo completo desde el principio puede llevar a que, al intentar dibujar las hojas en los rboles, se olvide que el objeto a pintar era el bosque. Un corolario de este principio exige Dividir para Vencer. Empezar generando pequeos modelos de una parte reducida y determinada del proceso para aumentar la amplitud de su visin gradualmente. De este principio se deriva que estrategia recomendable es evitar tener todos los aspectos en cuenta desde el principio. El proceso de modelado puede comenzar aislando una pequea parte y realizando un modelo detallado, que permita su reproduccin en otras secciones. Tambin se puede realizar al principio un modelo muy general, e ir mejorando etapa a etapa la exactitud del mismo. Usar al mximo metforas, analogas y similitudes Un buen modelador, ms que quedar restringido por la realidad tal y como se percibe a primera vista, es interesante abordarla, e incluso modelarla desde otros puntos de vista. El punto anterior se pretenden ilustrar con este ejemplo: Si al hacer un modelo de secuenciacin para lneas de montaje en sistemas Justo-a-Tiempo se cae en la cuenta de que el problema matemtico es bsicamente el problema de repartir escaos de una manera proporcional, se habr conseguido resolver un problema actual (secuenciacin JIT) con herramientas desarrolladas desde el siglo XVIII. Todas las propiedades analizadas para el segundo problema, pueden ser adaptadas para el primero ms nuevo.

Adems, el abandonar de modo explcito la realidad puede simplificar el problema o representarlo de un modo ms sencillo. Cualquier plano de metro de cualquier ciudad no representa cada lnea y cada estacin tal cual es sino que une mediante lneas, los puntos, que representan estaciones, que en casi ningn caso pueden superponerse sobre un plano detallado y proporcional de la ciudad. La representacin exacta de la realidad incrementara la dificultad en la lectura de dichos planos. Los datos disponibles no deben conformar el modelo Un fallo comn a la hora de plantear un modelo es retrasar el comienzo del modelado hasta que se disponga de los datos. El planteamiento debe ser el contrario, el modelo debe requerir datos, no los datos conformar el modelo. El analista debe desarrollar las lneas bsicas sobre el modelo y una vez hecho esto, debiera definirse la estructura de datos necesarios. Si hubiera tiempo lo lgico sera que a la luz de estos resultados preliminares se redefiniera el modelo y por tanto los datos necesarios, y as sucesivamente. Se pueden distinguir tres conjuntos bsicos de datos necesarios para crear y validar un modelo: Datos que aportan informacin preliminar y contextual. Permitirn generar el modelo. Datos que se recogen para definir el modelo. Estos datos nos permitirn parametrizar el modelo. Datos que permiten evaluar la bondad del modelo.

Hay que destacar la importancia de que los datos del segundo y el tercer tipo sean distintos, porque en caso contrario el modelo no se habr realmente validado. Una ltima recomendacin respecto a los datos es evitar aquellos que ya estn recogidos. Sirva el siguiente clsico ejemplo como ilustracin. Para desarrollar un modelo para la programacin de produccin puede ser necesario desarrollar submodelos de demandas de los clientes para

los productos fabricados. La mayor parte de las empresas guardan esta informacin en sistemas. El modo obvio de recoger la informacin de la demanda es acudir a los sistemas informticos que se usan para introducir rdenes y enviar facturas. Pero no es conveniente tomar ese camino tan evidente. Los sistemas slo recogen lo que se vende, no lo que el cliente quiere. Por tanto las ventas muchas veces simplemente reflejan lo que hay en stock, pues se obliga al cliente a comprar lo que existe. Principio Subyacente: Modelar es Explorar Dado que un modelo es el resultado de intentar representar parte de la realidad para tomar decisiones, implementar o entender, se podra pensar que el proceso de modelar es un proceso lineal. Sin embargo, la experiencia muestra que en el proceso de modelar hay muchas vueltas atrs, cambios de direccin o cambios de perspectiva, incluso es bastante habitual que haya cambios de herramientas. Modelar es explorar la realidad. Y en especial la realidad desconocida. Por ello siempre aplica el siguiente corolario de la ley de Murphy: Si se consigue que el modelo funcione a la primera, es que se ha errado el problema.

6. La Problemtica de la Ingeniera de la Informacin y el Modelamiento Matemtico

La Ingeniera de la informacin se define como la aplicacin de una serie de tcnicas formales integradas para el planeamiento, anlisis, diseo y construccin de sistemas de informacin para la totalidad de una empresa, o un sector importante de ella. La ingeniera del software aplica tcnicas estructuradas a un proyecto. La ingeniera de la informacin aplica tcnicas estructuradas a la empresa, o a un amplio sector de la empresa, como un todo. Las tcnicas de la ingeniera de la informacin contienen a las de la ingeniera del software en una forma modificada. Dado que una empresa es tan compleja, el planeamiento, anlisis, diseo y construccin para la totalidad de la empresa, no puede ser logrado sin herramientas automatizadas. La ingeniera de la informacin (IE) ha sido definida en referencia a tcnicas automatizadas de la siguiente manera: Una serie de tcnicas automatizadas integradas en las cuales se construyen modelos de empresas, datos y procesos, de una manera, basadas en un amplio conocimiento y usadas para crear y mantener los sistemas de procesamientos de datos. La Ingeniera de la Informacin a veces ha sido definida como: Una serie de disciplinas automatizadas hechas para la totalidad de una organizacin, para darle la informacin oportuna a las personas adecuadas, en el tiempo adecuado. As como la Ingeniera del Software se practica de una manera ligeramente diferente en cada organizacin, de la misma manera hay diferentes variaciones en el tema de la ingeniera de la informacin. La IE no debera ser vista como una metodologa rgida, ms bien, como se ve a la Ingeniera del Software, como una clase genrica de metodologas. La metodologa debe ser formal, computarizada y aceptada por parte de la empresa que utiliza la ingeniera de

la informacin. Y cuando hablamos de formal no nos referimos solamente a las reglas que rigen a esta metodologa, sino tambin al lenguaje matemtico con el cual podemos expresamos las caractersticas y el comportamiento de los diferentes sistemas y subsistemas en el mundo real. Con la ingeniera de la informacin, que aplica intensamente modelos matemticos, se crearon planos y modelos de alto nivel y aparte se construyeron sistemas que encajaban con estos planos y modelos. Son particularmente importantes los modelos de datos comerciales. Estos modelos constituyen un marco referencial que es representado en una computadora travs de la aplicacin de modelos matemticos. . En la actualidad, organizaciones continuamente se dan cuenta que las computadoras y las telecomunicaciones pueden realizar mucho ms cosas que la simple automatizacin de lo que antes se haca manualmente. La manera en que las corporaciones realizan sus negocios y sus relaciones con los proveedores y clientes est cambiando. Tambin est cambiando el lugar donde se toman las decisiones y los organigramas, y se estn creando nuevas alianzas estratgicas entre corporaciones. En algunos casos se estn desarrollando patrones industriales completamente nuevos. La complejidad en el diseo de sistemas de computadora efectivos se est incrementando. Es mucho ms complejo disear sistemas para una produccin integrada por computadoras (CIM), que para las antiguas aplicaciones aisladas de produccin. Es ms complejo proveer de sistemas en que los clientes y los proveedores estn en contacto va redes de comunicacin(networks), que los sistemas antiguos que manejaban los pedidos y las compras con papeleo. Los mejores sistemas de apoyo de decisiones son ms complejos de lo que eran hace una dcada. La eficiente corporacin de hoy se mueve en altos niveles de automatizacin y es muy dependiente de la informacin computarizada. Est claro que tendr un sistema de cmputo ms integrado que en el pasado. Una de las metas de la ingeniera de la informacin es el de ayudar a lograr esta integracin, diseados para dar mayor ventaja competitiva. Para mantenerse competitivas en el futuro, las corporaciones dependern de su habilidad para crear rpidamente aplicaciones efectivas para computadoras

y para esto se necesita ms que slo las herramientas para diseo y construccin de programas. As como a las herramientas, se necesita de metodologas que saquen provecho de las herramientas y que utilicen el conocimiento y la creatividad de los usuarios de las computadoras. Junto con la revolucin de las herramientas de poder, lo ms probable ser que tambin veamos una revolucin en la metodologa de desarrollo, y es aqu donde el modelamiento matemtico enfrentar nuevos retos. Esta necesidad de comprender mejor el entorno, su organizacin y funcionamiento, con miras a mantenernos competitivos, obliga a satisfacer la necesidad de formar profesionales en modelamiento matemtico. No sera posible construir las ciudades de hoy en da o los microchips o un avin jet sin las herramientas de poder que se han diseado con base en modelos que incorporan las matemticas como elemento clave.

7. Conclusiones:

La matemtica moderna en la Ingeniera de hoy en da es inconcebible sin la generacin de modelos matemticos para la sistematizacin y procesamiento de informacin. Y la generacin de nuevos modelos matemticos en la actualidad es inconcebible sin la presencia de medios electrnicos de clculo.

La modelacin matemtica y computacional es el elemento integrador para realizar la prediccin cientfica que las diferentes ramas de la ciencia requieren. Por lo tanto, la modelacin matemtica y computacional es el pilar fundamental de las ciencias y la ingeniera en la actualidad. Hoy en da, la prediccin cientfica es la soberana del arte de predecir. La prediccin numrico-computacional es la columna vertebral de la ingeniera avanzada de hoy en da.

Existe en la actualidad, en nuestro pas, la necesidad de formar profesionales con una alta capacidad de creacin de modelos matemticos de los problemas reales que diariamente enfrentamos en nuestra realidad a fin de poder comprenderlos y dominarlos.

Ingeniero de Sistemas o Informtico que no domine el arte del desarrollo de modelos matemticos para comprender y dominar los elementos de su hbito de accin, se vern dificultados en el desarrollo de su ejercicio profesional. La realidad sobre las TIC en las empresas y los negocios nos dice que:

La empresa del futuro ser la empresa que innove en busca de la diferenciacin frente a sus competidores. La innovacin es un factor crtico. Y para esta innovacin, la capacidad de generar modelos matemticos se torna crucial.

8. Referencias

1. http://mmc.geofisica.unam.mx/acl/Archivos/Conferencias/091107/Presen tacion.pdf 2. http://www.sociedadelainformacion.com/14/modelamiento.pdf 3. http://informatica.utem.cl/~mcast/CCOMPUTACION/Introduccion/Modelo sComputacionales.pdf 4. http://www.uoc.edu/in3/emath/docs/Modelos_matematicos.pdf 5. http://www.aulacasio.com/ficheros/publicaciones/pdf_2.pdf 6. http://www.dtic.co.cu/FTP/libros/Ingenieria_Inform.pdf 7. http://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientador a1/monograias/rodriguez-modeladoyoptim.pdf 8. http://personales.upv.es/jpgarcia/LinkedDocuments/modeladomatematic o.pdf