Simulación con inteligencia artificial

Adrian David Bravo

Profesor: Guillermo Romero

Asignatura: Gestión Administrativa

1001

Liceo Comercial Las Américas

Bogotá D.C

04/11/2021
 RESUMEN

Un problema de las empresas automotrices son los grandes costos de campos de pruebas

gastando día a día granes sumas por solo un intento por lo tanto esos costos afectan a el desarrollo

de las empresas y a su desarrollo económico.

El fin de este proyecto es facilitar y reducir esos costos tan grandes para hacer que las empresas

de ese tipo no tengan tantos gastos y que tengan un producto fijo con el cual tener un campo de

pruebas virtual en lo mas cercano a un plano de la vida real.

Toca tener en cuenta que la empresa líder en evolución automotriz es Tesla, y si las empresas

automotrices no quieren perder la oportunidad y quedar en el olvido, incluso la quiebra, la única

opción es la evolución, en donde entra nuestro sistema innovador. La adopción de un diseño

orientado al objeto en nivel alto de la arquitectura de la aplicación, permite la representación de

conceptos del mundo real en el mundo de la computación, haciendo que la descripción general sea

clara y fácil de entender.

Además, tenemos en cuenta que el Python se usa para un sistema de variabilidad a las acciones

del entorno y los eventos, el c++ es más una acción simple, fija como el simple movimiento

rectilíneo y la parte lógica. El aprendizaje automático, el aprendizaje profundo y otros sistemas

de software de red impulsados por inteligencia artificial en su infraestructura de Inteligencia

Artificial actual.
 INTRODUCCIÓN

Actualmente el mundo se está desarrollando tecnológicamente rápido, por lo tanto, las

empresas tienen que estar al ritmo de ese desarrollo dejando a un lado las formas antiguas y

relacionándose mas con los softwares. Nuestro objetivo va encaminado a ayudar a las empresas,

creando nuevas ideas y experiencias para el desarrollo de un mejor futuro.

Teniendo en cuenta que el desarrollo del software científico presenta algunas dificultades y

peculiaridades que han impulsado a diferentes formas de mejorar el software las cuales podemos

recalcar e utilizar un enfoque múltiple manejando diferentes áreas, teniendo en cuenta diferentes

lenguajes de programación modernos como son Python para inteligencias artificiales y C++ para

los módulos numéricos con su visualización con diferentes plataformas múltiples en la cual se

pueda protagonizar el desarrollo en innovación automotriz. Desarrollamos e integramos software

de automatización de procesos robóticos (RPA) para agilizar los flujos de trabajo, incluida la

simulación de entornos reales y predicción de eventos futuros. Nuestro simulador conceptualiza e

implementa soluciones de software impulsadas por Inteligencia Artificial en las operaciones

comerciales para contribuir a la continuidad y eficiencia del negocio a largo plazo. Normalmente,

un sistema de Inteligencia Artificial es capaz de analizar datos en grandes cantidades (big data),

identificar patrones y tendencias y, por lo tanto, formular predicciones de forma automática, con

rapidez y precisión. Con esto podemos encontrar que la inteligencia artificial se va actualizando y

encontrando la mejor solución en diversos problemas, adaptándose y ahorrando tiempos de

búsqueda dando correcciones de código, generando eficacia con adaptación.

 MARCO TEÓRICO

Un proceso de desarrollo de software es la descripción de una secuencia de actividades que

deben ser seguida por un equipo de trabajadores para generar un conjunto coherente de productos,

uno de los cuales, en el programa del sistema deseado, un software es la programación lógica que

todo sistema de cómputo necesita para funcionar correctamente y permitir al usuario disfrutar de

aspectos como una interfaz amigable y rápida.

Como tal no existe un proceso de desarrollo universal. Debe configurarse de acuerdo con la

naturaleza del producto y de la experiencia de la empresa. Existen diferentes tipos de aplicaciones

en las que podemos encontrar:

• Aplicaciones Monoprocesadoras: Se ejecutan en un solo computador. No se comunica con

otras aplicaciones. Ej. Procesador de texto.

• Aplicaciones Embebidas: Se ejecuta en un entorno computarizado

especial. Requiere codiseño hardware/software. Ej: Teléfono móvil.

• Aplicaciones de Tiempo Real: Tiene entre sus especificaciones

requerimientos temporales. Naturaleza reactiva. Ej: Software de radar.

• Aplicaciones Distribuidas: Se ejecuta en múltiples procesadores.

Requiere intercomunicación a través de la red. Ej: Aplicaciones de red.

La adopción por una empresa de un proceso de desarrollo contrastado, le permite producir

aplicaciones software con plazos y costos predecibles y con calidad constante. La razón básica por

la que se requiere disponer de un proceso de desarrollo es mejorar la seguridad de trabajo

eliminando riesgos innecesarios y conseguir un producto de la máxima calidad.

 El enfoque sub-simbólico de la IA se caracteriza por crear sistemas con capacidad de

aprendizaje. Éste se puede obtener a nivel de individuo imitando el cerebro (RedesNeuronales), a

nivel de especie, imitando la evolución. Hasta hace poco era común hablar de Algoritmos

Genéticos (AG) en general, en vez de identificar diferentes tipos de AE, ya que el resto de los

algoritmos se pueden interpretar como variaciones o mejoras de los AG. En la actualidad existen

nuevas técnicas que utilizan el enfoque sub-simbólico como son los algoritmos de optimización

con colonias de hormigas, sistema inmune, cúmulo de partículas, entre otros, los cuales están

inspirados en los comportamientos emergentes de la naturaleza. Desde tiempos inmemoriales, el

hombre ha buscado la materialización del deseo de crear seres semejantes a él; pasando por la

creación de artefactos con aspecto, movimientos y hasta comportamiento similar al que

presentamos los seres humanos. Este era un sistema visual de reconocimiento de patrones en el

cual se aunaron esfuerzos para que se pudieran resolver una gama amplia de problemas, pero estas

energías se diluyeron enseguida. Aproximadamente en ese tiempo, el matemático inglés Alan

Turing (1912-1954) propuso una prueba con la finalidad de demostrar la existencia de

“inteligencia” en un dispositivo no biológico. Esta prueba conocida como “test de Turing” se

fundamenta en la hipótesis. Existe una clasificación de los modelos de inteligencia Artificial que

se basa en el objetivo y la forma en que trabaja el sistema, esta clasificación de manera inicial se

veía como clases independientes, sin embargo, en la actualidad los sistemas mezclan

características de ellas. El modelo es el funcionamiento de la mente humana. Se intenta establecer

una teoría sobre el funcionamiento de la mente (experimentación psicológica). A partir de la teoría

se pueden establecer modelos computacionales. Influencia de las Ciencias Cognitivas. GPS

(General Problem Solver, 1963) - Newell & Simón no se preocupaban sobre cómo obtener la

respuesta correcta sino sobre por qué los sistemas llegaban a dar las respuestas que daban. En los
sistemas cognitivos, la mayoría de las investigaciones no son con computadoras sino con humanos

y animales. A lo largo de la historia de la Inteligencia Artificial sean ido desarrollando diferentes

herramientas y aplicaciones entre las que podemos mencionar las siguientes: Lenguajes de

Programación Aplicaciones y Sistemas Expertos Ambientes de desarrollo (Shells).

SIMULADORES

En la ciencia y la tecnología, el concepto de “simulación” surge, desde hace más de cincuenta

años, en actividades conocidas como la investigación de operaciones u operacional, las ciencias

de la administración, el análisis de sistemas y la ingeniería de sistemas, entre otras.

En esas actividades, sus procesos para generar conocimiento o resolver problemas, destacaron la

necesidad de construir un “modelo”, considerando a éste como una “representación de la realidad”.

Esa representación será la que, de ser posible, se manipulará y no la “realidad”, para explorar el

conocimiento y la solución buscada. El modelo es un sustituto de la realidad, al no deber o no

poder manipular la realidad misma. Los modos que esas actividades utilizan para generar el

conocimiento u obtener la solución, dependen, entre otras cosas, del tipo de modelo que se pueda

construir. A pesar de que se pueden distinguir distintos tipos de modelos, como los icónicos, los

analógicos, los simbólicos y los matemáticos, en general se puede decir que los modos utilizados

se pueden agrupar en dos grandes tipos de procesos: deductivos o inductivos.

Los modos deductivos, también conocidos como analíticos, son aquéllos en que los modelos
permiten aplicar las reglas de deducción establecidas con prelación, como las establecidas por la

lógica matemática, reconociendo que pueden existir distintos métodos deductivos.

En el proceso evolutivo de la simulación, se observó que, ante la imposibilidad de usar un modo

deductivo, los inductivos sí permitían manipular el modelo de otra manera, para que a través de la

experimentación en el modelo se generaran conocimientos o aproximaciones a la solución. Estos

modos inductivos, a su vez, se subdividen en dos tipos: el primero, denominado iterativo, en el

que, a partir de una observación obtenida del modelo, se encuentra una nueva observación que

mejora la anterior y se continúa así, a través de diversas iteraciones, hasta llegar a la más adecuada

o conveniente. El segundo modo, es el que enfatiza la experimentación en el modelo de manera

más amplia, y es el modo que se identifica de manera general como “simulación”.

MARCO METODOLOGICO

Dado que el objetivo de estudio es Simulación Con Inteligencia Artificial, se recurre a un

diseño no experimental. Kerlinger (1979) señala "La investigación no experimental o expost

facto es cualquier investigación en la que resulta imposible manipular variables o asignar

aleatoriamente a los sujetos o a las condiciones" (p. 116). Aquí los sujetos o unidades de estudio

son observados en su ambiente natural, en su realidad.

Ya definido el diseño del proyecto, el estudio de caso es el método de investigación dentro de

un enfoque cualitativo que permitirá describir las principales obras y cambios coyunturales que

presentará la Simulación frente a las empresas de pruebas de choque. El enfoque cualitativo

evalúa el desarrollo natural de los sucesos, es decir, no hay manipulación ni estimulación con

respecto a la realidad (Corbetta, 2003).

 En un diseño metodológico cualitativo, el tamaño de la muestra puede oscilar desde un

individuo o una situación hasta un número más amplio de individuos o situaciones (Ruiz

Olabuénaga, 2003, p. 63), la unidad de estudio de la presente investigación es La Inteligencia

Artificial Y Sus Efectos En La Simulación. El muestreo de casos políticamente relevantes se

refiere a la selección de los actores que intervienen de modo más directo en la acción (Tójar

Hurtado, 2006, p. 189).

Las técnicas de acopio de información son los instrumentos que el investigador utiliza para

acceder a los datos (Tójar Hurtado, 2006, p. 228). Con respecto al acopio de información se

tomará como técnica el análisis documental y como instrumentos los documentos escritos.

PARTICIPANTES

Los participantes de este proyecto de tesis son: Alvarado German, Chacón Nicole y Bravo

Adrian.

MATERIALES

La recomendación para el uso y el desarrollo del producto digital se recomienda disponer por

lo menos con una computadora GAMA BAJA que tenga o supere los siguientes requisitos.

Pentium G3258 o i3 4160 (es un poco mejor) 8GB RAM, Asrock H81M VG4 o GA h81M S1 de

gigabyte. Placa de video GTX 750 Ti OC (EVGA de preferencia) case genérico, fuente de poder

a gusto. 400W certificada de preferencia. 1TB de disco duro.

 PROCEDIMIENTOS

Primeramente, se tiene que tener el área de trabajo y el equipo de trabajo (ya que se necesita

por lo menos uno persona para iniciar con el código).

Como segundo requisito se necesita el tiempo y los conocimientos para el desarrollo del software

cumpliendo los requisitos para el desarrollo del mismo.

Adquirir un motor grafico con el cual se puede iniciar a desarrollar el software.

IMPACTO AMBIENTAL

Los productos de software podrían afectar al ambiente a través de las radiaciones ionizantes que

se generen durante su uso y la utilización de productos o sustancias no bio-degradables para su

funcionamiento.

ESTUDIO DE COSTO

De por si el costo no se dio ya que el software fue gratis pero la condición es que si gana más de

100 dólares al mes el 25% va para la empresa que creo el compilador.

 PERSONAL

CRONOGRAMA
 METAS

1 Corto plazo: Aprender y entender sobre el desarrollo del producto de una manera más estable y

concreta a base de la obtención de investigaciones y artículos sobre el tema.

2 Mediano plazo: Tener una base concreta con el producto finalizado para lograr iniciar una

comercialización con el mismo.

3 Largo plazo: Lograr mantener, mejorar su comercialización y mejorar el producto con el

tiempo para aumentar las ventas y tener un máximo de 15% de ganancias previniendo un 10%

como mínimo.

RESULTADOS
 PROPIEDAD INTELECTUAL

Tenemos las empresas que dan las patentes y marcas con diseños, llamadas Unity y ESSS.

DISCUSIÓN Y CONCLUSIONES

Como se logró observar en el apartado de resultados las necesidades de las personas encuestadas

se lograron satisfacer por lo tanto para el futuro no se tiene pensado cambiar algo del producto y

somos mejorar el software.

REFERENCIAS

• Telcel-empresas.

• Tecnalia-Colombia.

• Netec.

• ESSS.