Sistemas Multiagente

1.
JUSTIFICACIÓN
2. INTRODUCCIÓN
3. OBJETIVOS
4. TEORÍA APLICADA
a. Estado del arte
b. Base Teórica
c. Casos Similares
5. PARTE PRACTICA
a. Explicación de proceso
b. Base teórica aplicada
6. BIBLIOGRAFIA
7.
--------------------.-------------------------------------------------------------------------------------
0.INTRODUCCIÓN
1. MODELOS DE GESTION DE EMPRESA
A continuación se presentan las formas principales que las organizaciones

pueden adoptar según la aplicación de los principios básicos de diseño, según
la influencia de las variables externas o contingencias y según el flujo de
trabajo. Las diferentes combinaciones de todos los factores anteriores
resultan en tres diferentes modelos generales, que se pueden subdividir a su
vez en otros más específicos.
1. Formas simples
a. Modelo lineal
b. Modelo funcional
c. Modelo adhocrático
2. Formas complejas clásicas
a. Modelo lineo-funcional
b. Modelo divisional
c. Modelo matricial
d. Modelo colegial
3. Formas complejas nuevas
a. Modelo federal
b. Modelo en trébol
c. Modelo en red
En el ciclo de vida de las organizaciones se viene observando, especialmente

en la etapa de crecimiento y sobre todo si es elevado y acelerado, la aparición
de problemas de eficacia en el cumplimiento de sus tareas y en los procesos
de decisión, de descentralización y de coordinación. Ello lleva a que se
produzcan determinadas rupturas estructurales, tanto en las relaciones de
línea y de staff como en la cadena de valor tradicional. Estas rupturas llevan a
la introducción de las formas múltiples, como evolución natural de las formas
simples.
1.1 FORMAS SIMPLES
1.1.1 Modelo lineal
Los principios dominantes del modelo son los de diseño vertical, a partir de los
principios de autoridad y jerarquía. Este modelo se apoya en este último y en
el mantenimiento de la unidad de mando, con el fin de reforzar el citado
principio de autoridad. Por lo tanto, la estructura se orienta básicamente hacia
el proceso administrativo, teniendo tendencia hacia una gran burocratización
de los flujos de trabajo de la base operativa. Este énfasis relativo de la
burocracia se antepone a la adhocracia, entendida como su térmiNo opuesto
en tanto que “ausencia de jerarquía”, de manera todos los miembros de la
organización tienen autoridad para tomar decisiones.
La burocracia representa una forma de estructurar jerárquicamente la

organización, partiendo de la unidad de mando y de la importancia de la
normalización de las tareas, de la formalización y centralización de los
procesos o de los flujos de trabajo básicos, de manera que se crean unas
estructuras formales en y reguladas en su comportamiento y estandarizadas
en sus procesos. En resumen, el diseño de este modelo está caracterizado por
un desarrollo piramidal o por la configuración de una organización muy
jerarquizada. Una descripción esquemática siguiendo los parámetros de H
Mintzberg sería:
• Especialización:
o En vertical Alta
o En horizontal Baja
• Formación de habilidades y conocimientos Baja
• Formalización
o Del comportamiento Baja
o Del proceso administrativo Media
• Agrupación de unidades organizativas Criterio funcional
• Sistemas de planificación y control Poco desarrollados
• Coordinación y mecanismos de enlace Pocos
• Descentralización Poca
En este modelo la fuerza influyente es la alta dirección: se trata de estructuras

fuertemente centralizadas. Es una forma aconsejable en PYMES con
explotaciones simples y con sistemas técnicos poco sofisticados, muy
dominados por sus propietarios o por sus fundadores. Dada su sencillez
estructural es un modelo de bajo coste de funcionamiento, sin embargo, su
excesiva concentración de la autoridad se convierte en un inconveniente
cuando se produce un fuerte crecimiento, pues tiende a convertirse en una
estructura piramidal con problemas serios de rigidez y falta de eficiencia en
entornos dinámicos.
1.1.2 Modelo funcional
Este modelo responde tanto a la primera adaptación del modelo anterior, ante
el crecimiento de la organización, como a una nueva propuesta de estructura,
más elaborada o con mayor énfasis en la normalización de los procesos. El
modelo se apoya en la máxima utilización de los especialistas funcionales en
los niveles jerárquicos principales, con el objetivo de incrementar la
productividad gracias a la especialización, por lo que a los puestos de la línea
jerárquica se les despoja de cierta autoridad a favor de dichos especialistas.
Po lo tanto, respecto al primer modelo lineal, se produce una primera ruptura
entre las relaciones jerárquicas y funcionales y la estructura se aplana,
desarrollándose en su base operativa.
El modelo busca un equilibrio entre los principios que configuran la estructura

en horizontal (especialización y división del trabajo) con los básicos del diseño
en vertical, propios del modelo lineal. La descripción esquemática según los
parámetros de diseño sería:
• Especialización
o En vertical Baja
o En horizontal Alta
• Formalización
o Del proceso administrativo Alta
• Planificación y control Poco desarrollado
• Coordinación y elementos de enlace Pocos
• Descentralización Alta
En este modelo la fuerza influyente es la de la profesionalización, en función

de las capacidades técnicas de los expertos, y de sus habilidades directivas.
Para evitar el excesivo aplanamiento y la ruptura con la línea jerárquica,
requiere de una generalización de los conocimientos y una cierta rotación de
los puestos de trabajo.

1.1.3 Modelo adhodrático
Dentro de las formas simples aparece el modelo adhocrático como alternativa

avanzada a los dos anteriores y como puente a las formas variables o
“virtuales”. Este modelo no tiene una estructura definida y puede adoptar
diferentes configuraciones, dentro de una relativa sencillez, según las
necesidades de respuesta a las tareas a desarrollar. Se apoya en procesos no
estandarizados, menos formalizados, más flexibles y orientados a una
continua adaptación interpersonal basados a una comunicación elevada entre
personas.
El modelo se apoya en los principios de diseño que buscan el equilibrio interno

de la organización a través del trabajo en equipo y de la motivación y
participación. En relación a los dos modelos anteriores, se pasa de un enfoque
macroorganizarivfo a una mayor preponderancia del enfoque
microorganizativo basado en rutinas organizativas, más que en la
estandarización de procesos, muchas veces informales, basados en
comportamientos de los participantes con unos valores compartidos.
Aunque se trate de una estructura que, de alguna manera, rehuye el

formalismo estructural, también requiere para su diseño de los principios de la
especialización y de la descentralización, limitados por los procesos de
adaptación mutua. La descripción esquemática según los parámetros de
diseño sería:
o En vertical Baja
• Formación de habilidades y conocimientos Alta
• Formalización
o Del proceso administrativo Media
• Planificación y control Con alcance

limitado
• Coordinación y elementos de enlace Muchos
• Descentralización Selectiva
En este modelo, la fuerza influyente es la de colaboración, tanto externa como
interna, es decir, la que emana del papel que tienen los asesores-expertos de
cada función y la que se origina de las relaciones interpersonales en los
grupos de trabajo. Para evitar los efectos negativos de esta fuerza, es preciso
acentuar, dentro de la cultura de la empresa, el espíritu de responsabilidad
individual y la implicación de los expertos en la línea jerárquica.
Las organizaciones de tipoi adhocrático suelen responder al perfil de empresa

joven, compuesta por un grupo de profesionales en campos de conocimiento
avanzado y servicios a otras empresas, o bien a empresas maduras sujetas a
un rediseño para hacer frente a retos competitivos de su entorno competitivo.
1.2 FORMAS COMPLEJAS
Con el crecimiento de la organización y ante las fuerzas competitivas de su

entorno, las formas simples vistas anteriormente se ven superadas, siendo
necesaria la búsqueda de nuevos modelos para que la eficacia y eficiencia
organizativa se mantengan. Estas formas evolucionadas más complejas son
las que veremos a continuación y surgen de la ruptura de la jerarquía y de la
centralización de la autoridad, para acudir a diseños que separan claramente
las estructuras de la linea jerárquica con los staffs directivos y de apoyo y que
eventualmente pueden incorporan la descentralización de los procesos
básicos. Por su mayor complejidad, estos modelos desarrollan otras variantes,
muchas veces complementarias entre sí, para facilitar la coordinación y la
decisión eficiente de sus diferentes procesos o flujos de trabajo. Esto se hace
especialmente evidente en los modelos matricial y colegial.
1.2.1 Modelo lineo-funcional
Este modelo presenta una naturaleza mixta que pretende integrar los modelos
lineal y funcional en una sola estructura, con el fin de aprovechar las ventajas
de cada uno y evitar sus inconvenientes. Se basa claramente en la ruptura
entre línea y staff, diferenciando las relaciones de línea o jerárquicas con las
de staff o apoyo técnico, configurando una estructura compleja por integración
de una estructura central de tipo jerárquico o lineal y de unas partes
especializadas y asesoras (tecnoestructura y estructura de apoyo.
El modelo representa generalmente la estructura de una empresa grande

basada, por un lado, en las relaciones lineales que ejecutan, supervisan y
controlan los flujos de trabajo de la actividad propia de la empresa, y de otra
se muestra como se muestra como una estructura que introduce las relaciones
de staff como apoyo a la línea, con el fin de que se logre la especialización y el
apoyo técnico necesario para mejorar la eficiencia organizativa.
Este diseño mixto se basa en una clara orientación a los procesos y a las
tareas, enfoque que corresponde a las teorías organizativas sobre proceso.
Por ello el sistema principal de las tareas o de las operaciones es la
normalización del proceso, regulando y estandarizando las actividades con el
fin de diseñar una estructura formal tipo burocrática-maquinal, en la que están
previstas las relaciones y comportamientos entre las distintas unidades de la
organización. Esta clase de estructura tiende a configurar una naturaleza
piramidal en cuanto alcanza un tamaño importante.
La estructura tiende a multiplicar las relaciones organizativas y obliga a una
gran burocracia, con elevada jerarquización, resultando un esquema eficiente
pero lento, seguro pero caro por los elevados costes fijos que genera el control
directivo de los flujos de trabajo.
La descripción esquemática según los parámetros de diseño sería:
o En vertical Alta
• Formalización
o Del comportamiento Alta
• Planificación y control Elevada
• Coordinación y elementos de enlace Relativamente

poca
• Descentralización Poca
La fuerza influyente de este modelo es la de la normalización, especialmente

de los procesos básicos (técnicos y administrativos) de la organización. La
estandarización de las tareas hace que la organización funciones como una
burocracia-maquinal con grandes dosis de formalización y regulación de sus
actividades. Suele responder a empresas grandes o medianas de mucha
antigüedad actuando en sectores básicos de la economía, maduros, con
tecnología muy regulada y convencional. También son estructuras típicas de
empresas de servicios públicos, de organizaciones y entidades de las
Administraciones Públicas o de actividades con poca competencia.
1.2.2 Modelo divisional
Como resultado del crecimiento de la empresa, tanto por la incorporación de

nuevos productos como por la entrada en nuevos mercados, se produce la
necesidad de adaptar la estructura lineo-funcional a la nueva situación, dando
como resultado un modelo en el que la unidad organizativa es el concepto de
división.
El modelo surge por la necesidad de suplir algunas de las carencias del

modelo lineo-funcional, en el sentido de facilitar la toma de decisiones y
permitir cierta autonomía a las distintas actividades que llevan a cabo
empresas de gran tamaño. Es un modelo bastante complejo y característico
de empresas multiproducto y multimercado.
La estructura divisional se basa en el principio de la descentralización

operativa, tanto en vertical como en horizontal, como solución al crecimiento
diversificado. Los criterios de división pueden ser
• Por productos o líneas
• Por mercados o áreas geográficas
• Por clientes según segmentos
• Por procesos productivos o administrativos diferenciados
Para que exista divisionalización es preciso que exista una definición clara de
las unidades organizativas como centros autónomos con objetivos propios,
con descentralización horizontal de las funciones básicas. El modelo se puede
evaluar de la forma siguiente
o En vertical Baja
o En horizontal Puede ser alta
• Formación de habilidades y conocimientos Alta según

divisiones
• Formalización

• Agrupación de unidades organizativas Criterios de
mercados
Productos y
funciones
• Planificación y control Integrada y por

objetivos
• Coordinación y elementos de enlace Relativamente alta
• Descentralización Horizontal
La fuerza influyente en este modelo es la fragmentación, que concede el

máximo poder a los directivos responsables de las divisiones. Esta fuerza
deberá ser compensada con acciones integradoras de tipo corporativo, cultural
y de identidad de la organización.
El modelo divisional ejemplifica la forma característica de las grandes

empresas de servicios e industriales con un crecimiento diversificado,
multiproducto, multiproceso y multimercado. Parece ser que la primera
empresa en desarrollar este modelo fue Dupont, seguida de General Motors
1.2.3 Modelo matricial

Este modelo representa una manera de coordinar los procesos y los objetivos
de la organización cuando en los mismos se pueden plantear conflictos de
intereses. Si las estructuras de base funcional ofrecen las ventajas de la
especialización y las divisionales se concentran en la obtención de los
resultados finales, la combinación de ambas pretende una mejora de la
eficiencia de los procesos, sin caer en unos costes elevados. La pretensión del
modelo matricial es crear un esquema de relación múltiple según diferentes
criterios, que facilite la estructuración de la dirección intermedia y su
coordinación con la base operativa de la organización.
El concepto de estructura matricial proviene del diseño de un modelo de

relaciones lineales en dos o más dimensiones, según los criterios para definir
las fuentes de autoridad y de dirección de los flujos de trabajo, bien por
productos o proyectos, bien por mercados o clientes o bien por funciones o
procesos principales.
Este modelo admite, por lo tanto, más de una entrada u origen de mando con
el fin de responsabilizar a diferentes directivos de un mismo objetivo. Esto
significa que todo empleado de la base operativa tiene, al menos, dos o más
jefes: el gerente jerárquico, más el de carácter funcional. El modelo se puede
evaluar de la forma siguiente
o En vertical Alta
• Formación de habilidades y conocimientos Alta según

dimensiones
• Formalización
o Del proceso administrativo Media-alta
• Planificación y control Integrada y por

objetivos
• Coordinación y elementos de enlace Alta
• Descentralización Alta en horizontal
La fuerza dominante es la resultante de una combinación entre las fuerzas de

fragmentación y las de colaboración, generadas por las líneas directivas que
confluyen en nodos de la matriz. Aunque estas fuerzas se me compensada por
las acciones integradoras propias del modelo, siempre está sujetas a conflictos
permanentes relacionados con la aceptación de los papeles a desempeñar en
lso procesos.
El modelo suele ser habitual en empresas de servicios e industriales de

proceso/producto múltiple y con un campo competitivo diverso. Ejemplos
típicos serían las empresas consultoría, y las de servicios integrados a
empresas con fuerte implantación geográfica.
1.2.4 Modelo colegial
Este modelo representa una estructura organizativa aparente que incorpora es

el concepto de comité o grupo de trabajo, como elemento distintivo y
complementario de los modelos anteriores. Suele ser un medio añadido para
asegurar la eficiencia de los modelos complejos, especialmente los lineo-
funcionales y los divisionales.
El modelo se basa en la creación de comités o grupos de trabajo con

diferentes cometidos, pero que en general tratan de mejorar las relaciones
laterales de las unidades del mismo nivel y de coordinar las líneas jerárquicas
con el resto de las relaciones de staffs directivos y de apoyo. En consecuencia
el comité se convierte en una unidad de dirección plural o colegiada que
facilita los problemas de coordinación observados en los modelos anteriores.
Los comités pueden ser de decisión, de control, de información o asesores.
1.3 MODELOS DE FORMA VARIABLE Y VIRTUAL
Los cambios sociales, económicos, culturales y toda índole que se han

producido en los últimos 20 años, ha llevado a una ruptura del paradigma de
modelo de empresa convencional hasta el modelo flexible y virtual que
caracterizará las empresas del siglo XXI. Las bases conceptuales de este
nuevo modelo son la gestión del cambio, la flexibilidad y el dinamismo de la
empresa.
La adecuada gestión del cambio se debe entender como el aprovechamiento

de las oportunidades existentes y la generación de otras nuevas, reduciendo el
impacto de las amenazas y de los riesgos del proceso. Para ello se requieren
las siguientes competencias:
Identificación de oportunidades. Para lo cual hay que diseñar una organización

innovadora capaz de desarrollar actitudes orientadas a la innovación.
Generación de nueva oportunidades. Para lo que hay que facilitar los procesos
de desarrollo de la creatividad, de la generación de ideas e iniciativas a través
de procesos de I+D
Identificación de riesgos del cambio Capacidad para identificar y afrontar los

cambios que pueden poner en riesgo la propia pervivencia de la organización.
Una empresa con la flexibilidad necesaria en su estructura y comportamiento

debe ser capaz de:
a) A corto plazo, saber utilizar lo mejor posible los factores disponibles para
adaptarse a los cambios inmediatos.
b) A largo plazo, facilitar la adaptación al entorno competitivo y lograr un

desarrollo organizativo permanente.
Para ello, debe manejar enfoques tales como el downsizing, o aplanamiento

de la organización; el rightsizing, o ajuste del tamaño basado en la
reorientación a actividades estratégicas de mayor creación de valor; el Lean
Management, que pretende incorporar la filosofía de la fabricación simplificada
dentro de una organización reducida o “ajustada” y finalmente el
reengineering, enfoque que pretende reinventar o rediseñar la organización y
sus procesos, frente a los procesos convencionales de mejora continuada.
Ver si continuar y buscar conexión con sistemas multiagente. Ver si le

cuadra el modelo “en red”
2. MODELIZACION DE PROCESOS EN LA EMPRESA

Otra acepción importante de la palabra modelo en el mundo de la gestión de la
empresa es la que se refiere a la representación de una determinada parte de
la realidad para poder, con este modelo, realizar procesos ordenados y
sistemáticos, de análisis, medida, control, toma de decisiones, etc.
La modelización es el primer escalón para poder aplicar métodos científicos a

la gestión de la empresa. Los modelos se pueden clasificar según diferentes
criterios Los más relevantes podrían ser:
Modelos objetivos y subjetivos Son muy frecuentes las ocasiones en las

que intervienen sucesos no experimentables objetivamente y en las que no
existen métodos formales, por lo que los modelos han de ser también
informales, a veces incluso sin materializarse en un documento ni tomar forma
física, de manera subjetiva basados en la intuición.
Modelos analíticos y de simulación Los modelos analíticos son aquellos que

sirven para obtener soluciones. Por ejemplo, un sistema de ecuaciones es un
modelo analítico: resolviendo el sistema se resuelve el problema. Entre los
modelos analíticos se encuentran los modelos de optimización, que son
aquellos que permiten determinar los valores que ha de darse a las variables
de modo que maximice o minimice otra variable que se tiene como objetivo.
Los modelos de simulación son representaciones simplificadas de la realidad

sobre la que opera para estudiar los efectos de las distintas alternativas de
actuación. En lugar de actuar sobre la realidad (lo que en algunos casos tiene
consecuencias definitivas), se opera sobre el modelo de simulación para,
posteriormente, a la vista de los efectos de las distintas alternativas de
decisión, seleccionar la más conveniente.
A diferencia de los modelos de optimización, que generan la decisión (la

solución óptima), los modelos de simulación permiten obtener información
sobre los efectos de las posibles decisiones, pero luego el decisor ha de elegir
la alternativa que le resulte más conveniente. Por lo tanto los modelos de
optimización son prescriptivos, mientras que los de simulación son
descriptivos.
Modelos estáticos y dinámicos Los modelos estáticos son aquellos que no
utilizan la variable tiempo, en tanto que los dinámicos son aquellos que
incorporan el tiempo como variable o como parámetro fundamental.
Modelos deterministas y probabilísticos En los modelos deterministas se

suponen conocidos con certeza todos los datos de la realidad que
representan. Si uno o varios datos se conocen sólo en términos de
probabilidades, el modelo se denomina probabilístico, aleatorio o estocástico
Ver si se amplía con teoría de juegos Perez G orostegui
2. INTRODUCCION A LOS SISTEMAS MULTIAGENTE
2.1. CONCEPTOS BÁSICOS
El concepto de agente, apareció a lo largo de los años 90 y con él se ha

producido la fusión de varias disciplinas científicas que abarcan desde la
Inteligencia Artificial hasta la Psicología, pasando por la Ingeniería del Software, el
Control Distribuido, la Ingeniería de la Producción, etc.
Los orígenes de la tecnología de agentes comienza con la Inteligencia

Artificial Distribuida (IAD), es decir con la resolución de problemas de forma
distribuida. El concepto de agente evoluciona desde la IAD debido al influjo de la
Ingeniería del Software y potenciado por el enorme desarrollo de Internet.
Probablemente la capacidad más novedosa aportada por la IAD a la teoría de
agentes es el concepto de inteligencia, ya que se puede dotar a los agentes de
capacidades de aprendizaje y de decisión, de manera que hoy día muchos de los
problemas planteados se plantean desde un perspectiva de interacción entre
entidades. Por ejemplo el desarrollo de Sistemas Distribuidos se ha visto
influenciado por el concepto de agente y los protocolos de comunicación por las
características semánticas de la comunicación entre ellos. En cuanto a la
robótica, muchas de las expectativas se centran en la capacidad de cooperación
de conjunto de robots, considerados cada uno de ellos como un agente y en la
capacidad de modelar un único robot complejo mediante diversos subsistemas
(agentes) con capacidades de decisión individuales.
Las áreas de aplicación de los sistemas multiagentes y basados en

agentes son muy amplias, pero expresado en términos genéricos podríamos
decir que las cuatro más importantes son:
1) Resolución de problemas (objetivos básico de la inteligencia

artificial)
La resolución de problemas se puede entender desde dos perspectivas

diferentes:
a) Resolución distribuida de problemas, asumiendo que se puede resolver

cualquier problema planteándolo en términos de de un conjunto de
especialistas con diferentes capacidades que se coordinan para alcanzar
un objetivo global. Siguiendo este esquema se han desarrollado
aplicaciones de diseño industrial, de detección de errores en redes, de
reconocimiento de formas, de procesado de lenguaje natural, de
diagnóstico médico, etc.
b) Resolución de problemas intrínsecamente distribuidos, es decir, aquellas

aplicaciones que deben monitorizar y controlar diversos nodos (redes de
operaciones, redes de telecomunicaciones, canales de distribución de
energía, problemas de tráfico aéreo, etc.) y donde no existe un nodo
central desde el que se puedan realizar todas las tareas requeridas y por
lo tanto la solución distribuida es la única alternativa posible. Un ejemplo
clásico sería un sistema de monitorización del tráfico de una determinada
red viaria.
2) Capacidad para simular diversos sistemas mediante agentes
La simulación se utiliza en numerosas disciplinas que necesitan modelar

aspectos de la realidad, como por ejemplo la física, la química, la biología, la
ecología, las ciencias sociales, la gestión de las empresas, etc. La simulación
necesita de un modelo matemático que defina cómo evolucionan los cambios
en el modelo. En un simulador tradicional, un solo proceso es el encargado de
gestionar todos los cambios de cada uno de los componentes del simulador.
La aplicación de modelos multiagente a la simulación de procesos permite la
representación directa de individuos definiendo sus comportamientos y el
modo de interrelación entre ellos. De esta manera puede estudiarse la
evolución del sistema en función de los distintos tipos de comportamiento de
los agentes y de las estructuras y reglas de coordinación que existan entre
ellos. La facilidad de una simulación basada en agentes se encuentra en su
flexibilidad, la capacidad para integrar agentes heterogéneos, la posibilidad de
integrar parámetros cuantitativos y de razonamiento o de comportamiento, la
posibilidad de ampliar el sistema con nuevos agentes con nuevas capacidades
y, sobretodo, la facilidad para obtener resultados de una comunidad a partir de
la definición de comportamientos individuales.
3) Capacidad colaborativa entre robots
Otro campo de las ideas de los sistemas multiagentes es la robótica. En

este campo se pueden distinguir dos líneas de investigación: aquella que
considera el problema del control de un único robot compuesto de múltiples
partes y otra que se centra en el problema de los robots móviles.
La primera de ellas adopta el enfoque multiagente asignando un agente a

cada una de las partes que constituyen el robot completo, intentando resolver
tareas complejas mediante la interrelación de estos agentes. Estos agentes
deben cooperar para conseguir un comportamiento global coherente con la
tarea a realizar.
La utilización de técnicas multiagente en robots móviles permite la

realización de tareas que necesitan la cooperación de movimientos para
realizar una tarea compleja como la limpieza del suelos, la recogida de basura,
la vigilancia de edificios o la exploración de lugares peligrosos. También se ha
seguido una estrategia mulitagente en la coordinación de movimientos en
aeronaves, barcos o automóviles.
4) Ingeniería del software
La aplicación de sistemas multiagente en el ámbito de internet ha

potenciado la aparición de sistemas que utilizan entidades computacionales
casi independientes. Estas entidades tienen que tener una capacidad de
procesamiento casi autónoma de manera que pueden enfrentarse a multitud
de problemas diferentes que pueden ocurrir en cualquier nodo de la red. La
gran cantidad de aplicaciones sobre Internet entre las que destacan los
buscadores de información ha propiciado la aparición de una nueva manera de
diseñar el software. Este nuevo modo está totalmente imbuido de las técnicas
multiagente, de manera que frente a la programación clásica orientada a
objeto, contrapone una programación orientada a agente que implica una
forma de ejecutar tareas añadiendo una cierta capacidad de razonamiento.
Entre las metodologías de desarrollo orientadas a agentes, hay que

destacar las que parten de la ingeniería del conocimiento, utilizadas en le
campo del desarrollo de sistemas basados en el conocimiento.
En definitiva, la aparición del concepto de agente ha permitido que muy

diversas disciplinas hayan convergido en un espacio común partiendo
originalmente del campo de la Inteligencia Artificial Distribuida, que plantea la
resolución de problemas distribuidos, de manera que un problema particular
puede resolverse por un número de elementos que cooperan y comparten
conocimiento sobre el problema y su solución. La extensión de estas
soluciones a entidades autónomas con capacidad de decisión y de
comunicación con otras entidades llevó a la definición del concepto de agente
y sistemas multiagente en las que se profundiza seguidamente.
2.2. DEFINICIONES
La Inteligencia Artificial Distribuida integra los conceptos de dos campos

de conocimiento : la Inteligencia Artificial y los Sistemas Distribuidos. El
campo de La Inteligencia Artificial (IA) intenta comprender las entidades
inteligentes, pero diferente de la filosofía y la sicología que también
intentan hacer lo mismo, la Inteligencia Artificial intenta construir
entidades inteligentes. El campo de los Sistemas Distribuidos estudia las
propiedades de conjuntos de procesadores autónomos que no comparten
memoria primaria, pero sí cooperan comunicándose por medio del envío
de mensajes sobre una red de comunicación.
A partir de los conceptos de Inteligencia Artificial y Sistema Distribuido

expuestos, La Inteligencia Artificial Distribuida (IAD) puede ser definida
como un campo del conocimiento que estudia e intenta construir
conjuntos de entidades autónomas e inteligentes que cooperan para
desarrollar un trabajo y se comunican por medio de mecanismos basados
en el envío y recepción de mensajes.
2.2.1. Agente
Las entidades inteligentes que conforman un SMA son llamadas agentes.

Un agente es una entidad física o abstracta que puede percibir su
ambiente a través de sensores, es capaz de evaluar tales percepciones y
tomar decisiones por medio de mecanismos de razonamiento sencillos o
complejos, comunicarse con otros agentes para obtener información y
actuar sobre el medio en el que se desenvuelve a través de ejecutores.
A continuación se presentan algunos conceptos relacionados con

agentes. Estos conceptos pueden ser clasificados de acuerdo con dos
puntos de vista : el agente como entidad individual y el agente como
entidad perteneciente a un sistema, sin embargo, en este documento se
presentan de manera integrada.
Un agente puede ser clasificado por su rol o papel en una sociedad de

agentes (SMA al que pertenece), por su especialidad o actividad en la
que es experto, por sus objetivos o metas en el SMA, por su funcionalidad
o lo que es capaz de hacer, por sus creencias, por su capacidad de
comunicación y por su capacidad de aprendizaje
2.2.2. Agentes cognitivos y reactivos
Un Agente Cognitivo es aquel que es capaz de efectuar operaciones

complejas, es individualmente inteligente (es un sistema más o menos
experto, con capacidad de razonamiento sobre su base de conocimiento
es decir, sobre su conjunto de representaciones de la realidad) puede
comunicarse con los demás agentes y llegar a un acuerdo con todos o
algunos de ellos, sobre alguna decisión. Un sistema cognitivo está
compuesto por un pequeño número de agentes cognitivos.
Un Agente Reactivo es un agente de bajo nivel, que no dispone de un

protocolo ni de un lenguaje de comunicación y cuya única capacidad es
responder a estímulos. Los agentes reactivos no son individualmente
inteligentes, sino globalmente inteligentes. Los sistemas reactivos por lo
general están compuestos por un gran número de agentes reactivos que
realizan acciones entre todos, para esto es necesario tener en cuenta
nuevas teorías de cooperación y comunicación que permitan el
desempeño de estas acciones. Un sistema cognitivo está compuesto por
un pequeño número de agentes cognitivos.
Los sistemas reactivos por lo general están compuestos por un gran

número de agentes reactivos que realizan acciones entre todos, para
esto es necesario tener en cuenta nuevas teorías de cooperación y
comunicación que permitan el desempeño de estas acciones.
Es posible concebir sistemas heterogéneos cuyo comportamiento se

derive de los dos tipos de agentes y tenga características de ambos. Es
decir, es posible dotar a los agentes cognitivos de capacidades de
reacción a los eventos, a tales agentes se les puede llamar Agentes
Híbridos.
Sistemas Cognitivos Sistemas Reactivos
Representación explícita del
No tiene
ambiente
Pueden tener conocimiento
No tienen memoria
del pasado
Funcionamiento
Agentes complejos
estímulo/respuesta
Pocos agentes Muchos agentes
Características de un Agente Cognitivo Los avances en los trabajos

de IAD en SMA permitieron definir las siguientes características:
• Intencionalidad: Un agente cognitivo es guiado por sus metas, las

cuales describen las situaciones que son deseables para el agente. Una
intención es la declaración explícita de sus metas y medios para llegar a
ellas, y los planes se pueden definir como secuencia de acciones que
lleven a un agente a obtener su meta.
• Racionalidad: Un agente cognitivo posee criterios de evaluación de
acciones y de selección, de tal manera que lo que decida sea en
beneficio de él (adquirir más conocimiento, obtener respuestas, etc.).
Además, es capaz de justificar sus decisiones.
• Compromiso: Un agente cognitivo cooperativo, esto es, aquel que

pertenece a un sistema de agentes que resuelve tareas de manera
cooperativa, planifica sus acciones por coordinación y negociación con
los otros agentes. Los agentes que participan en la coordinación de
actividades obran bajo el supuesto de que en condiciones normales,
cada uno de los participantes cumplirá con el plan con el que se
comprometió.
• Adaptabilidad: Un agente cognitivo es capaz de controlar sus aptitudes
y comportamiento de acuerdo al rol que asuma en un sistema.
• Inteligente: Un agente cognitivo es inteligente si es racional, intencional
y adaptable. Un agente inteligente debe ser capaz de operar
exitosamente en varios ambientes, si se toma el suficiente tiempo para
adaptarse
Arquitectura de un Agente Cognitivo

La estructura interna de un agente cognitivo se puede clasificar de
manera general así:
2.2.3. Funcionalidad
Es el conjunto de funciones o tareas que el agente sabe hacer y que los
demás agentes pueden conocer que él hace. Dentro de estas funciones
pueden estar las funciones de comunicación con otros agentes, de
selección de agentes para una tarea específica, de obtener información
del sistema, de información del estado interno del agente, etc.
2.2.4. Creencias
Son el conocimiento subjetivo o conjunto de opiniones que el agente tiene
de él mismo y de los demás agentes. Puede comenzar como una opinión
o conocimiento inicial y cambiar con las acciones y desempeño de cada
uno de los agentes, incluido él mismo, cuando el sistema esté en
funcionamiento.
2.2.5. Conocimiento
Es el conocimiento que cada agente tiene y que usa para la resolución de
un problema, es decir, es la representación de lo que sabe y del
conocimiento que ha adquirido en experiencias pasadas y que le sirve
para hallar soluciones o seleccionar acciones a seguir en cualquier
momento. El conocimiento le permite al agente entender el mundo, lo que
los demás agentes tratan de decirle y sus razonamientos internos y
explicar sus ideas y decisiones a los demás agentes.
Hay tres clases de conocimiento importantes a tener en cuenta:
• Conocimiento Inicial: Es el conocimiento propio o básico del agente
una vez éste existe, y no puede cambiar con el tiempo.
• Know-That: Es el conocimiento de hechos o saber qué hacer ante un

problema o un conjunto de acciones. Este tipo de conocimiento puede
cambiar con el tiempo y la experiencia adquirida por el agente.
• Know-How: Es el conocimiento de cómo actuar o cómo hacer las

cosas. Es decir, es la habilidad para ejecutar acciones convenientes
(dependiendo de la solución del problema) en un mundo cambiante. Más
concretamente se puede definir como la habilidad o potencial de un
agente para tomar una acción efectiva, y las destrezas que él demuestra
cuando hace cosas que le atribuyen inteligencia. Al igual que el Know-
That este tipo de conocimiento puede cambiar con el tiempo y la
experiencia adquirida por el agente.
Se puede decir que:"Un agente conoce cómo alcanzar p al realizar la

acción a, si el agente tiene el know-that que le indica que ejecutar a lo
lleva a alcanzar p". Además, "Un agente conoce cómo ejecutar a, si el
agente tiene el know-how que le indica cómo ejecutar a".
2.2.6. Control
El control en un agente está representado por la estructura local de metas
que el agente tiene. Para una mejor comprensión de estas estructuras se
adjuntan los conceptos de intenciones, planes y acciones que el agente
tiene.
• Metas: Las metas, son el conjunto de estados deseables en el

ambiente en el que se desenvuelve un agente. Un agente puede
decidir alcanzar o no cada una de tales metas de acuerdo a las
ventajas que esta represente. En un SMA hay una meta global o
principal que debe ser alcanzada con la colaboración de todos los
agentes del sistema. Esta meta global puede ser dividida en
submetas, las cuales son asignadas como metas a los agentes del
sistema, de acuerdo a alguna política organizacional. Los planes que
desarrolle cada agente para alcanzar estas submetas, pueden ser
combinados para alcanzar la meta global. Es decir, los planes que
desarrolle un agente para alcanzar sus metas, contribuirán a alcanzar
las metas globales del sistema.
• Plan: Es un conjunto de estrategias para resolver un problema o

alcanzar una meta. Como se dijo en la descripción de Metas, la meta
global puede ser dividida en submetas, las cuales son asignadas
como metas a los agentes del sistema. Los planes que desarrolla cada
agente para alcanzar su propia meta, pueden ser combinados para
desarrollar un plan global que sirve para alcanzar la meta global. Se
puede decir que: “Un agente sabe cómo alcanzar a p sólo si él conoce
que algún plan P contempla a p, y él es capaz de ejecutarlo.”
Los planes son una de las plataformas para el desarrollo de

mecanismos de coordinación, porque describen a alto nivel el
comportamiento de los agentes y por ello posibilitan la predicción de
las acciones de un agente. Esta predicción permite que un agente
actúe de manera coherente con las acciones de los demás agentes.
• Estrategias: Una estrategia es la descripción de las acciones de los

agentes a un nivel grueso de detalle, corresponden a abstracciones de
los posibles comportamientos de los agentes y hacen más simple
entender, especificar e implementar agentes inteligentes.
Las estrategias no adicionan habilidades a los agentes, simplemente

ayudan a diseñar, analizar y organizar mejor las destrezas que los
agentes ya poseen. Se puede usar las estrategias para describir
agentes que no tienen un plan específico, es decir, que no
representan ni describen simbólicamente el conjunto de acciones a
seguir; por lo tanto puede haber estrategias que no correspondan a un
plan.
• Intenciones: Una intención se puede definir como el objetivo concreto
o el fin que se pretende alcanzar al realizar una o varias acciones,
este objetivo se puede describir con proposiciones lógicas. Las metas
adoptadas por un agente son las intenciones (Las metas que un
agente decide alcanzar). Se puede decir que las intenciones son la
causa de las acciones de un agente. Por otro lado, un agente realiza
acciones tratando de seguir sus estrategias (Figura 3).
Estudiar las intenciones es importante, porque de ellas se deriva la

capacidad con la cual los agentes pueden usar conceptos para
predecir y explicar el comportamiento de otros agentes, además, son
muy útiles porque son abstracciones de los estados y comportamiento
de los agentes.
Cuando un agente tiene varias intenciones, éstas tienen que ser

mutuamente consistentes o por lo menos intentar que así lo sean, y
también deben ser consistentes con el conocimiento y las experiencias
adquiridas en el pasado. Si un agente cree algo (p) o lo conoce por
experiencia del pasado, intentará hacerlo; pero si por el contrario no
cree en él o sabe que algo no es así (Øp), no lo intentará. Las
intenciones de dos o más agentes pueden no ser mutuamente
consistentes, ya que pueden estar compitiendo por algún recurso.
Una intención puede ser confundida con hacer algo intencionalmente,

sin embargo, una intención es querer hacer algo y hacer
intencionalmente se refiere a las acciones y estados que un agente
realiza a propósito.
Un agente puede adoptar y modificar sus intenciones basándose en
su conocimiento. No se puede garantizar el éxito de las intenciones de
un agente si él no tiene el know-how para alcanzarlas. Por el contrario,
si un agente tiene la intención de hacer algo y tiene el know-how para
hacerlo, entonces lo hará exitosamente.
Figura 3. Relación entre estrategias, metas, intenciones y acciones.
SISTEMAS MULTIAGENTE E INTELIGENCIA ARTIFICIAL
La Inteligencia Artificial Distribuida es un campo de la IA dedicado al estudio

de las técnicas y el conocimiento necesario para la coordinación y distribución
del conocimiento y las acciones en un entorno con múltiples agentes.
Podemos distinguir dos áreas principales de desarrollo:
1) Solución cooperativa de problemas distribuidos (SCPD): Estudia como

unos conjuntos de módulos (o nodos) cooperan para dividir y compartir el
conocimiento de un problema y en el desarrollo de la solución.
2) Sistemas multiagentes (SMA): Estudia la coordinación de la conducta

inteligente entre un conjunto de agentes inteligentes autónomos.
La principal diferencia entre ambas áreas estriba en la flexibilidad de la

coordinación entre los agentes. En la SCPD, las interacciones y tareas que
cada agente realiza, están prefijadas de antemano: hay un plan centralizado
de resolución de problemas. Suele haber un miembro que ejerce un control
global que centraliza los resultados parciales y datos entre el resto de los
componentes del sistema. En contraposición en los SMA, los agentes tienen
un grado de autonomía mayor y pueden decidir dinámicamente que
interacciones son adecuadas, que tareas deben realizar, quien realiza cada
tarea y, además, es posible mantener conocimiento que no es globalmente
consistente, incluso los agentes pueden mantener objetivos globales
diferentes. Esta definición permite distinguir entre sistemas que se centran en
el comportamiento global, con una conducta fija de los agentes (SCPD) y
sistemas que se centran en la conducta de los individuos que como resultado,
obtenían una conducta del sistema (SMA). Vista como una sociedad, seria
escoger entre un estado que planifica y regula las conductas de los individuos
(que serán predecibles) o dejar que el sistema se resuelva por la libre iniciativa
de los individuos.
Los problemas básicos que estudia la IAD y que son comunes a todos los
sistemas, tanto SCPD como SMA son:
a. Cómo formular, describir, descomponer y asignar problemas y sintetizar

los resultados entre un grupo de agentes inteligentes.
b. Como capacitar a los agentes para que se comuniquen e interactúen: que
lenguajes de comunicación o protocolos deben utilizarse, que y cuando
deben comunicarse, etc.
c. Como asegurar que los agentes actúen coherentemente al tomar
decisiones o realizar acciones, como acomodar los efectos globales de
las decisiones locales y prevenir interacciones no deseadas.
d. Como capacitar a los agentes para representar y razonar sobre acciones,
planes y conocimientos de otros agentes para coordinarse; como razonar
sobre el estado de su proceso de coordinación (inicio o terminación).
e. Como reconocer y reconciliar puntos de vista e intenciones conflictivas
entre un conjunto de agentes para coordinar sus acciones; como
sintetizar los puntos de vista y los resultados.
f. Como utilizar técnicas ingeniería y desarrollar sistemas con IAD. Como
desarrollar plataformas de SMA y metodologías de desarrollo con
técnicas de IAD.
Sistemas basados en la cooperación
La cooperación se basa en que ningún agente tiene la información (experticia,

recursos, etc.) para resolver completamente el problema. Donde el concepto
de agente es demasiado amplio y por él puede entenderse lo mismo un grupo
sistemas de expertos, un grupo de nodos de procesos, un grupo de actores o
como fuentes de conocimientos.
En el sentido más general, son sistemas que participan activamente en la

coordinación de actividades. Y se persigue la interacción de hombres y
máquinas como agentes inteligentes dentro de un sistema para conformar una
entidad inteligente que permita enfrentar los problemas. Se sustituye la
estructura jerárquica por una heterarquica donde el más capaz recibe el
control.
Estos sistemas se utilizan conectados en red y su objetivo no es solo compartir

recursos o base de datos (modo pasivo), sino también compartir
conocimientos (modo activo).
En el caso del modo de trabajo activo, los agentes comparten conocimientos y

capacidad para tomar decisiones. Los conocimientos no son la BC de un
experto sino la modulación conceptual de los procedimientos de cooperación
hombre máquina para que el sistema monitoree la actuación de los agentes
(humanos o máquinas) y pueda resolver ciertos tipos de problemas.
Desde que se implanta una red se está desarrollando un sistema de trabajo

cooperativo pasivo cuyo objeto es compartir recursos y la interacción hombre
máquina consiste en compartir el software por varios usuarios a la vez, lo cual
permite una interacción directa de forma remota, varias personas pueden
trabajar sobre un mismo documento o BD, pero el sistema como tal no actúa
en el proceso, no facilita el trabajo de las personas que intervienen.
El diseño de un entorno para trabajo cooperativo se ha de basar en el conjunto

de "procedimientos" que la organización acepta como válidos para lograr sus
objetivos.
Procedimientos de cooperación: "conjunto de reglas del juego", que integran el

aporte de cada uno de los integrantes y refleja los puntos de cooperación
hombre-máquina. Se formulan los criterios con los que el grupo está dispuesto
a colaborar. En el modo activo es el sistema quien facilita la comunicación de
datos y textos (red pasiva), toma "conciencia" de la estructura del problema a
resolver y participa en su resolución, por ejemplo, evaluando el estado de
resolución en curso, analizando las diferencias entre el plan de actuación
previsto y el real o decidiendo que las aportaciones o respuestas de los
agentes humanos son admisibles o no.
La solución cooperativa para problemas distribuidos (SCPD): se basa en el

estudio de como un grupo de solucionadores de problemas (agentes o nodos)
desacoplados y descentralizados pueden trabajar conjuntamente para resolver
problemas, con capacidades superiores a aquellas que puede enfrentar
cualquier agente (o nodo de una red) conforme a sus capacidades
individuales. Los agentes o nodos son capaces de solucionar problemas
sofisticados y pueden trabajar independientes, sin embargo no pueden formar
una solución global del problema, si no existe una cooperación entre ellos.
En este caso los agentes son nodos de un proceso o de una red. Los mismos
tendrán una posición definida dentro de ese proceso (su participación) y
estarán conectados, interactuando, con los demás agentes. Cada agente es
capaz de resolver tareas locales propias de su experticia
Los SCPD tienen la ventaja que los agentes pueden trabajar en paralelo
Incrementar la variedad de soluciones. Cada agente puede proponer varias
soluciones independientes, las cuales podrían ser analizadas (combinadas)
por otros agentes.
Los agentes pueden servir de críticos a las propuestas de otros agentes, o

tener otro punto de vista a la hora de compatibilizar los criterios basados en su
pericia sobre el tema donde converge la pericia del otro (temas que se
solapan).
Muchos problemas son esencialmente distribuidos. El conocimiento necesario

para resolver un problema puede estar distribuido en varios sitios, por lo que
tendríamos que un agente individual podría resolver el problema pero
requeriría demasiado tiempo y se asumirían demasiados riesgos en cuanto a
fiabilidad al concentrar toda la responsabilidad en ese agente. Por lo que la
resolución distribuida (multiagente) de problemas puede ser la solución a estos
casos.
La resolución distribuida de problemas requiere de tres fases:

1) División del problema en subproblemas. Requiere además la
asignación de sub problemas a agentes específicos.
2) Resolución de los subproblemas. Los agentes pueden funcionar

independientemente o bien compartir tareas o resultados.
3) Combinación de las soluciones. Al igual que en la fase de división, es

necesario establecer de quien es la responsabilidad en esta fase y si se
requiere un agente de coordinación.
La resolución distribuida de problemas en sistemas multiagente solo es

apropiada cuando los agentes tienen capacidades de comunicación sobre las
que pueden establecerse estrategias de cooperación y negociación.
NEGOCIACIÓN
La negociación es uno de los conceptos más utilizados en la inteligencia

artificial distribuida. Algunos de los objetivos generales de los agentes dentro
del campo de la negociación son: la modificación de los planes de agentes si
no se alcanzan resultados adecuados y la identificación y la identificación de
situaciones en las que las interacciones entre agentes son posibles. Los
agentes se comunican entre sí de muy distintas formas con el objetivo de
alcanzar decisiones consensuadas. La negociación sirve para la definición o
identificación de tareas y recursos, el reconocimiento de conflictos la
resolución de objetivos contrapuestos, la determinación de estructuras
organizacionales y, en definitiva, para proporcionar la coherencia que
requieren los sistemas en los que intervienen varios agentes.
Para que los agentes negocien y puedan llevar a cabo procesos de

coordinación y resolución es necesario determinar qué lenguaje de
comunicación se utilizará, qué reglas seguirá el proceso de negociación y cuál
es el comportamiento esperado de los agentes.
La negociación se puede definir como un principio organizacional utilizado
para relacionar adecuadamente tareas y métodos de resolución de problemas.
Por negociación se puede entender la discusión en la que las partes
interesadas intercambian información con el objetivo de alcanzar un acuerdo.
En este contexto, la negociación viene definida por tres aspectos importantes:
a) El flujo de información entre agentes es bidireccional
b) Cada negociador evalúa la información desde su propia perspectiva
c) La decisión final se toma de mutuo acuerdo
Estos aspectos, llevan asociados dos elementos principales: la comunicación y

la toma de decisiones.
• Lenguaje de negociación. Define las prmitivas de comunicación que

permiten la negociación, su semántica y su uso. También se centran en la
definición de la estructura de los temas que se negocian.
• Toma de decisiones: la toma de decisiones en el campo de la negociación

se lleva a cabo mediante algoritmos o funciones de decisión que permiten
comparar las distintas opciones que se barajan durante la negociación.
las funciones de utilidad, la representación y la estructura de preferencias
de los agentes se tienen que identificar antes de definir los algoritmos de
toma de decisión.
• Proceso de negociación: define modelos generales del proceso de

negociación y el comportamiento general de los agentes que negocian.
Lenguajes de negociación
Los lenguajes de negociación facilitan la comunicación entre agentes y en

ellos se pueden identificar cuatro categorías: primitivas de los lenguajes de
negociación, estructura de los objetos de negociación, protocolos de
negociación y semántica de los lenguajes de negociación.
Primitivas de los lenguajes de negociación Los mecanismos más avanzados
de negociación utilizan aspectos relacionados con la teoría del habla. Las
primitivas de estos mecanismos se suelen dividir en tres grupos: de comienzo
de negociación, de reacción a una propuesta y de finalización a la
negociación.
• Comienzo: Propuesta, petición de recursos, petición de información,

inspección, etc
• Reacción: Respuesta, refinamiento, modificación, rehuso,

explicación, etc.
• Finalización: Confirmación, promesa, copmpromiso, aceptación,

acuerdo, rechazo, etc.
Las primitivas de comienzo inician el proceso de negociación y,

posteriormente, durante la etapa de regateo, se emplean las primitivas de
reacción para el intercambio de información entre agentes. Este proceso
finaliza con la utilización de las primitivas de finalización.
Protocolos de negociación Los protocolos de negociación definen, por

ejemplo, las posibilidades de iniciar un ciclo de negociación o de responder a
un mensaje.
La figura muestra un agente utilizado en el entorno de la programación de

citas. Indica cómo después de una propuesta de acuerdo se intercambian
mensajes entre los agentes y se llevan a cabo una serie de medidas de
refinamiento y modificación que eventualmente finalizarán con la aceptación o
no de la hora y fecha de la cita.
Toma de decisiones durante la negociación
Aunque un agente o una comunidad de agentes conozcan un lenguaje de

negociación, sus protocolos, su semántica y sus objetos de negociación, no
sería posible una negociación adecuada sin la definición de una estrategia de
negociación.
Los mecanismos de toma de decisión sirven para decidir qué protocolos se

utilizan y qué primitivas maneja cada protocolo. Para llevar a cabo la toma de
decisiones durante la negociación se pueden utilizar al menos cuatro
elementos diferentes: las funciones de utilidad, las funciones de comparación y
proyección, preferencias y estrategias de negociación
Funciones de utilidad Las funciones de utilidad que se utilizan en el campo de

los MAS proceden de la teoría de juegos. La utilidad se expresa en forma de
matrices de decisión, que los agentes consultan para determinar el valor de
una acción concreta. Dependiendo de la estrategia a seguir, el agente realiza
la acción que represente el mayor o el menor valor. En el contexto de la
negociación, las funciones de utilidad representan el recio o coste de las
actividades. Los agentes intentan optimizar sus actividades a lo largo del
tiempo y maximizar su utilidad total.
Funciones de comparación Los agentes toman sus decisiones basánmdose en

complejos “objetos de negociación” como por ejemplo planes. Una vez se
evalúan los planes, la decisión final se toma teniendo en cuenta cálculos de
utilidad. Para ello hay que calcular funciones que permitan comparar la utilidad
de diferentes objetos.
Preferencias Los agentes negociadores pueden tener expectativas acerca del

resultado final de una negociación. En este caso pueden preferir una solución
más que otra, lo cual les dota de un cierto criterio de elección. Las
preferencias se pueden expresar como fórmulas de primer orden
Visitar (Pedro) V(Hoy(Sábado)ir(cine))
Lo cual quiere decir que el agente prefiere tanto visitar a Pedro como, si es
sábado, ir al cine. Si las estrategias de los agentes oponentes son conocidas,
se pueden aplicar una serie de estrategias para proponer soluciones
coherentes con todas.
Estrategias de negociación En el capo de la psicología y la sociología son muy

importantes las estrategias de negociación y los comportamientos en la
negociación. Por tanto no es de extrañar que elementos de estas dos
disciplinas tengan influencia en las estrategias de negociación entre agentes
artificiales. Entre otras, se puede distinguir cinco estrategias de negociación:
1. Acuerdo unilateral
2. Comienzo competitivo mantenido una postura firma y utilizando técnias de

presión
3. Comienzo cooperativo: buscando soluciones a base de acuerdos.
4. Impasible
5. Ruptura
Los comportamientos cooperativos y los competitivos son los extremos del

espectro de posibilidades que ofrece la negociación. La táctica más adecuad
no se puede determinar de antemano y a menudo depende de la situación del
agente
Proceso de negociación
El modelo de negociación procedural define el comportamiento de un agente

durante el proceso de negociación. Se puede definir de forma abstracta
utilizando nociones de estrategias y preferencias o puede venir definido por
algoritmos, que básicamente definen los niveles de de decisión, los planes, la
base del conocimiento, etc.
FUNDAMENTOS LÓGICO-MATEMÁTICOS
Tal como se ha comentado en el apartado anterior, las funciones de utilidad

que se utilizan en el campo de los MAS proceden de la teoría de juegos. A
continuación haremos una breve exposición de los conceptos fundamentales
que afectan a la toma de decisiones en los sistemas multiagente.
DEFINICIONES
Teoría de juegos
Es el área de las matemáticas que estudia las estrategias de interacción entre

jugadores racionales con respecto a sus preferencias o utilidades, a fin de
llevar adelante procesos de decisión.
El juego es una descripción concreta de una estrategia elegida libremente por
el jugador. El jugador es el agente que toma las decisiones en un juego. El
jugador es considerado racional, en el sentido de que busca jugar de tal
manera que maximice su utilidad. Un juego tiene información perfecta, si al
hacer el jugador un movimiento, conoce todas las acciones que han sido
efectuadas previamente. Un juego extensivo es propiamente la representación
de un juego a través de un árbol en que se muestran los movimientos de los
jugadores. Si se trata de un solo jugador, la situación se convierte en un
problema de decisiones.
Por estrategia puede entenderse como: una posible acción específica de un
jugador, o por un plan de acciones de éste. La forma de la estrategia, es la
representación compacta de un juego, donde los resultados son presentados
como las utilidades para cada estrategia. Una estrategia puede ser aleatoria o
estrategia mezclada, en cuyo caso se asignan probabilidades para la decisión
del jugador. Una estrategia de equilibrio o de Nash, es una lista de estrategias
(una para cada jugador) que cada jugador debe respetar sin alterarla.
La utilidad es la expresión de la o las preferencias del jugador respecto a los
resultados de sus acciones. El resultado puede ser aleatorio, en cuya
situación, el jugador asume algún riesgo. Si la suma de las utilidades es cero,
se dice que el juego es suma cero.
Función de utilidad
Es el instrumento mediante el cual se expresa la racionalidad del juego y su

propósito de maximización. Se trata de una función que ordena las
preferencias del jugador según los números reales. Así, si un jugador prefiere
a a b, y este a c, en un orden que se puede expresar como 3, 2, 1. El
propósito es simplemente el orden de preferencias. Se trata de una función
ordinal. Aunque se usa muy poco, también se puede establecer una función
cardinal en la que se fijan magnitudes a las opciones de preferencia.
Matrices
Es una forma de representación de estrategias alternativas y sus

correspondientes puntajes o utilidades en un juego. Considérese el caso del
Dilema del Prisionero. Se trata de dos presuntos ladrones que fueron
capturados, y ante la imposibilidad de fijar sus responsabilidades, reciben las
siguientes alternativas en torno a confesar o no, y las penalidades
correspondientes.
 Uno confiesa implicando al otro, y éste no confiesa (rehúsa). El primero queda

libre, y el último, recibe 10 años.
 Ambos confiesan. Cada uno recibe 5 años.
 Ninguno de los dos confiesa. Cada uno recibe 2 años.
A partir de estas alternativas, el juego se representa a partir de sus utilidades,

construyendo una función de utilidades de la siguiente manera.
 Salir libre…………………4
 Recibir 2 años………….. 3
 Recibir 5 años………….. 2
 Recibir 10 años ………....0
Esta situación es representada en la matriz adjunta. En cada celda se
consignan las utilidades para cada jugador, según sus acciones. El primer
número para el jugador I y el otro, para el jugador II. Por ejemplo, si ambos
confiesan, reciben 2 (5 años) cada uno.
El jugador I evalúa su situación a partir de la acción del otro. Si el jugador II
confiesa, el jugador I puede recibir: 2 (si también confiesa), 0 (si rehúsa). En
cualquiera de estos casos, le conviene confesar.
El jugador II al evaluar la situación, llegará a la misma conclusión.
Árboles
Se utilizan para representar juegos extensivos, en los cuales las acciones no

son simultáneas sino secuenciales. El árbol grafica las distintas opciones
recorridas. Al final de los cuales, se consignan las utilidades.
El árbol incluye un nodo de inicio y varios nodos intermedios. En cada uno, se

toma una decisión, expresada en el ramal correspondiente. Cuenta con un
nodo terminal en el que se consigna la función ordinal de utilidad: un valor
para cada jugador. La estrategia instruye al jugador cuál acción tomar en cada
nodo, marcando un recorrido hacia el nodo terminal.
En el árbol de ilustración, el jugador I es un proveedor que debe decidir sobre
la calidad (alta o baja) de su servicio o producto. El jugador II es el comprador
que puede optar las alternativas de comprar o no comprar. El juego es
secuencial, y de información perfecta disponible antes de tomar una decisión
JUEGOS HEURÍSTICOS
Es un enfoque diferente a la teoría matemática de juegos. Se refiere a la

capacidad de un sistema de realizar innovaciones favorables para sus fines.
Su etimología es la misma de la palabra Eureka. Existen diferentes técnicas
para organizar un juego heurístico, siendo la más conocida el de prueba-error.
Debido a que son motivadores para el aprendizaje, se le utiliza mucho en
educación para niños.
Las siguientes reglas atribuidas al matemático George Pólya (húngaro, 1887
-1985), explican su parecer sobre cómo los matemáticos desarrollaron sus
fórmulas:
• Si no consigues entender un problema, dibuja un esquema.
• Si no encuentras la solución, haz como si ya la tuvieras y mira qué

puedes deducir de ella (razonando hacia atrás).
• Si el problema es abstracto, prueba a examinar un ejemplo concreto.
• Intenta primero abordar un tema general (en el que tengas más

posibilidades de éxito).
Usualmente la adopción de un partido estructural está basada en la

experiencia, o tomando como punto de partida diseños similares (como los
diferentes tipos de puentes, o de estructuras de acero). Sin embargo, el
partido adoptado no es necesariamente el óptimo. Y debido a las múltiples
posibilidades del sistema a elegir, una formulación matemática se torna
complicada.
Aspectos del juego del sistema estructural

• Tratar de simular las condiciones ambientales más cercanas posibles
a la que se someterá la estructura.
• Los jugadores pueden ser individuos o equipos. De preferencia,

multidisciplinarios dependiendo de la naturaleza de la estructura.
• Respecto a las interacciones, pueden ser interactivas o no interactivas.

Una competencia no interactiva es estática y corresponde a un solo
periodo. La interactiva es dinámica y tiene una dependencia de tiempo.
• Sobre los periodos de decisión, pueden considerarse los siguientes:

evaluación de necesidades, verificación de la localización,
especificaciones del sistema, estudio de factibilidad, cimentaciones,
soportes, tipos de infraestructura básica, arreglos estructurales,
iteraciones, recomendaciones finales.
• El flujo de información es manejado de común acuerdo, pudiendo ser

igualmente compartido o no. El procesamiento puede ser mecanizado.
• Respecto a la medida del desempeño de los jugadores se establece

bajo condiciones inicialmente adoptadas. Su aplicación varía según la
naturaleza estática o dinámica del juego.
• En relación con la organización, cada grupo puede estar dividido en

áreas, por ejemplo: planeamiento, cimentaciones, estructuras,
materiales y especificaciones, e instalaciones. La organización puede
ajustarse al tipo de proyecto y a la secuencia de calificación que se
adopte. Se reconoce un administrador.
2. SISTEMAS MULTIAGENTE EN LA INGENIERÍA DE LA
ORGANIZACION
Son numerosas las aplicaciones que los MAS tienen hoy día. Su
flexibilidad y versatilidad los hace apropiados a numerosos ámbitos de
investigación y de la industria. Así, existen numerosas aplicaciones en
robótica, simulación de sistemas sociales, sistemas de gestión,
comercio electrónico, medicina, etc..
En general, los dominios de aplicación de los sistemas multiagente se
caracterizan por un conjunto de rasgos típicos, tales como distribución,
complejidad, capacidad de interacción flexible, dinamismo e
inconcreción inicial del problema a resolver.
Desde un punto de vista genérico, los sistemas multiagente suponen
una herramienta para la resolución de problemas. Como ya se ha dicho,
se componen de un conjunto de entidades solucionadoras de
problemas, autónomas, cooperantes y capaces de interactuar entre sí
para la resolución de un determinado problema o el alcance de ciertos
objetivos. Esta es la causa y la forma en que se han introducido en el
ámbito de la Ingeniería de Organización, constituyéndose como una
herramienta para el estudio, análisis y resolución de los problemas
propios de la Gestión de la Producción, la Cadena de Suministro y el
Transporte.
Los entornos de producción actuales continuamente cambiantes, así
como las demandas de los mercados cada vez más exigentes, originan
la aparición de nuevas estructuras, relaciones y problemas. La
Investigación Operativa ha ofrecido, tradicionalmente, un marco y una
serie de técnicas para el proceso de toma de decisiones ante estas
situaciones. Entre las herramientas utilizadas puede citarse la
programación matemática, sistemas para análisis de redes, Redes de
Petri, Redes Neuronales, o técnicas de Inteligencia Artificial.
Las primeras incursiones de la Inteligencia Artificial en el mundo de la
planificación/programación de la producción tuvieron lugar mediante los
Sistemas Expertos.
Hoy día la aplicación de los MAS permite un mayor rango de
posibilidades para la actuación y resolución de las situaciones típicas en
entornos de planificación de la producción, gestión de la cadena de
suministro o del transporte.
2.1 Sistemas Multiagente en la Gestión de la Producción
La Gestión de la Producción puede definirse como la planificación,

programación control del flujo de materiales que circula a través del
sistema productivo.
Ésta se encarga de analizar qué decisiones son eficaces en pos de
cumplir con los objetivos de la empresa, así como de determinar los
criterios de valoración para identificar la eficiencia del sistema. Para
muchos autores, éstos pueden considerarse como sistemas de apoyo
a la toma de decisiones (Decision Support System, DSS)
especializados, cuyo objetivo es tomar las necesidades de fabricación
y encajarlas con el modelo de la fábrica o la cadena de suministro.
Las características y exigencias de los mercados actuales requieren de
las empresas y centros de fabricación bajos tiempos de producción,
bajos precios, ciclos de vida de productos cortos, etc. Ante esta
situación, se hacen necesarios nuevos enfoques y técnicas para los
sistemas de planificación y control de la producción. Técnicas que
deben proporcionar al sistema características tales como flexibilidad,
agilidad o reactividad entre otras.
Los sistemas de Planificación y Control de la Producción son
especialmente importantes para responder a las crecientes demandas
de los clientes y las expectativas de la situación actual, en cuanto a la
elevada competitividad y ambiente de facturación se refiere. Para ello
se requieren nuevos enfoques que hagan a los medios y sistemas de
producción adaptativos (ágiles, capaces de adaptarse a cambios en el
ambiente)y a los sistemas de control inteligentes, flexibles y tolerantes
a fallos. Con este objetivo, numerosos enfoques han negado las
estructuras centralizadas y jerarquizadas a favor de las distribuidas.
Los nuevos sistemas de producción y control basados en esta filosofía
tratan de ser reconfigurables y estar compuestos por módulos
autónomos e inteligentes capaces de interactuar dinámicamente entre
sí para la consecución de objetivos locales y globales. En esta
situación se produce la adopción de los sistemas multiagente en varios
entornos industriales.
Tabla
Presupuesto de pedidos 5 Gestores de coste Diseño 13 Agentes de diseño y rasgo

Ingeniería 6 Agentes de diseño de proceso y fabricación
Previsión de la demanda 5 Agentes de ventas y marketing
Gestión de órdenes 7 Agentes de órdenes
Plan maestro de producción 6 Agentes planificadores de producción
Planificación necesidades recursos 9 Agentes planificadores de producción
Programación 20 Programadores y dispatcher
Compras 7 Agentes de órdenes, compradores, proveedores
Monitorización 17 Controladores, monitores
Distribución 5 Agentes de almacenamiento y gestión almacenes
Este enfoque abandona la visión tradicional centralizada o de jerarquía

multinivel. Se asume la presencia de múltiples entidades decisoras
distribuidas en el sistema de fabricación interactuando y cooperando para
alcanzar el nivel óptimo de funcionamiento.
Una de las primeras aproximaciones en pos de la cooperación en sistemas
distribuido, la denominada Aproximación Descentralizada para la Toma de
Decisiones rompe con la estructura jerárquica tradicional, proponiendo una
estructura de niveles de decisión basada en el concepto de cooperación
entre centros de decisión que gozan de un cierto nivel de autonomía.
Con este enfoque se pretende mejorar la flexibilidad en la toma de
decisiones a nivel operacional.
La hipótesis implícita en la base de estos modelos establece que, a partir
de un comportamiento autónomo de las entidades, que puede ser incluso
contradictorio, emerge un comportamiento global coherente con las
necesidades finales.
La Tabla 1 presenta el grado de aplicación de los sistemas multiagente
con respecto a distintos dominios de la Planificación y Control de la
Producción. Puede observarse en ella cómo destacan las aplicaciones en
programación y monitorización.
En los últimos años se han propuesto distintos enfoques basados en
tecnología de agentes para sistemas de producción inteligentes y
distribuidos abarcando las distintas áreas del ámbito de la Gestión de la
Producción.
Las características básicas de un sistema de planificación y control de la
producción para un sistema de producción distribuido son distribución,
autonomía y reconfigurabilidad, por lo que resulta claramente adecuado
para entornos dinámicos. En este caso, el sistema es construido con un
sistema multiagente compuesto de tres tipos de agentes básicos: cliente,
gestor de órdenes y recurso de producción.
Un paso más allá lo representa la propuesta de un marco genérico para un
sistema multiagente capaz de abarcar desde el diseño de un producto,
evaluación de la fabricación planificación, programación hasta la
monitorización de su desarrollo. El sistema multiagente propuesto consta
de múltiples tipos de agentes dedicados a funciones específicas con la
posibilidad de adición de nuevos tipos de agentes conforme el sistema de
producción se expanda y evolucione.
Se trata, por tanto, de un enfoque de alta flexibilidad.
2.2. Los Sistemas Multiagente en la Cadena de Suministro
La gestión de la Cadena de Suministro (Supply Chain, SC) es una práctica

de negocio empleada para resolver algunos de los problemas industriales
típicos mediante el concepto de colaboración interempresa. Esta
colaboración permite planificar y sincronizar operaciones a lo largo de la
cadena de suministro.
De esta forma, pueden resolverse problemas industriales considerados en
la red de empresas productoras y distribuidoras de productos o servicios a
los clientes finales.
Existen múltiples definiciones para la Cadena de Suministro. Una de ellas
podría ser la que la define como el conjunto de empresas que actúan para
diseñar, desarrollar la ingeniería, comercializar, fabricar y distribuir los
productos y/o servicios a los consumidores finales. La gestión de la
cadena de suministro, al contrario que las actividades de planificación y
control de la producción, no busca la eficiencia de las operaciones internas
de la empresa sino la gestión y coordinación de actividades en toda la
cadena.
La aparición del concepto de cadena de suministro también exigió el uso
de técnicas de análisis y estudio distribuido, que se alejaran de los
tradicionales enfoques centralizados. Los sistemas multiagente han sido
aplicados a ella. El modelo de la Cadena de Suministro sugiere, de forma
natural, un enfoque de descomposición, lo que a su vez, favorece el uso
de las técnicas basadas en agentes.
De hecho, desde este punto de vista, las unidades de fabricación
distribuida tienen las mismas características que los agentes: autonomía,
habilidad social, reactividad y proactividad. Puede decirse que los sistemas
multiagente ofrecen una forma de elaboración de sistemas de producción
descentralizada, emergente y concurrente. Para algunos autores, los MAS
constituyeron una nueva tecnología capaz de aunar, mejorar y reemplazar
a las técnicas anteriormente aplicadas para la gestión de la gran cantidad
de información, los numerosos procesos y fenómenos que se dan en la
cadena de suministro, destacándose en esta tarea la capacidad de
interacción social de los agentes y su flexibilidad.
Una de las primeras aplicaciones de MAS al desarrollo de una cadena
de suministro es el modelo ISCM (Integrated Supply Chain Management), ,
propuesto a principios de los años 90, el cual es considerado como uno de
los pioneros en este ámbito. Sobre esta filosofía quedó definida, años más
tarde, la denominada arquitectura de agente ABS. Otra herramienta
pionera es la llamada MASCOT (Multi-Agent Supply Chain Coordination
Tool). Se trata de una arquitectura reconfigurable y multinivel para la
planificación y programación de una SC coordinada con el objetivo de
soportar las funcionalidades necesarias en un entorno de mercado como
el actual, altamente dinámico y competitivo.
La Tabla 3 recoge algunas de estas primeras aproximaciones.

Tabla 3
Primeras aproximaciones de los Sistemas Multiagente
a la Cadena de Suministro
Referencia Aproximación/aplicación
Fox et al. (1993) ISCM.
Sadeh et al.(1999) MASCOT.
Fox
Tabla 4
Ejemplos de aplicaciones más recientes de Sistemas
Multiagente a la Cadena de suministro
Guo et al. (2004) Enriquecimiento de un DSS.
Carvalho y Custódio Herramienta de optimiza-
(2005) ción.
Kozlak et al. (2007) Herramienta de simulación
para afrontar situaciones
críticas.
Las más recientes propuestas de MAS aplicado a las cadenas de

suministro, emplean técnicas heurísticas para la toma de decisiones,
disponibilidad de múltiples estrategias y tácticas elegibles según las
situaciones, así como distintos criterios, funciones de evaluación y
comportamientos dinámicos.
El aspecto novedoso de estas propuestas reside en que su funcionalidad
no sólo se apoya en la información histórica, sino también en información
relativa al contexto. La combinación de estas dos fuentes de conocimiento,
historia y el denominado razonamiento situado, guarda relación con el
concepto de «meta aprendizaje» en los MAS.
El MAS de principios genéricos se particulariza para estos estudios en una
estructura con dos tipos de agentes (empresa y cliente) y un tercer
elemento, tipo de producto.
2.3. Los Sistemas Multiagente y los sistemasde Transporte
Una de las incursiones más frecuentes de los Sistemas Multiagente en el
mundo de la industria es en los sistemas de apoyo a la toma de
decisiones. Como razón básica, se puede argumentar la capacidad de
adaptación y aprendizaje de los MAS. Ya que a la hora de tomar una
decisión, los agentes no sólo tienen en cuenta la información almacenada
en las bases de datos sobre situaciones previas, sino que razonan
apoyándose también en las características de la situación actual.
La aplicación de sistemas DSS se extiende a ámbitos tan diversos como la
planificación de la producción, gestión de la SC o gestión de un sistema de
transporte. Dentro de esta última línea los MAS se han empleado para
ayudar a los gestores de red ante muy distintas situaciones, como muetra
la Tabla 5.
Cada agente realiza tareas de abstracción de datos a partir de la
información disponible, para así identificar posibles problemas a darse. El
agente puede estimar los efectos de esos problemas y seleccionar planes
de señalización que considere adecuado.
Para ellos, los agentes cubren áreas no nece-
Tabla 5
Ejemplos de aplicaciones más recientes de Sistemas
Multiagenteen sistemas de Transporte
Cuena y Ossowski (1999) Gestión del tráfico rodado.
Tomás y García (2005) Gestión de incidentes meteorológicos.
Böcker et al. (2001) Programaciones para acoplamiento
de trenes.
Zhou et al. (2004) Horarios para operaciones
de mantenimiento de
autobuses.
Van Dam et al. (2007) Diseño de la red: localización
hub.
sariamente disjuntas, lo que les obliga a coordinar sus acciones y planes

en pos del mejor funcionamien toglobal.
En las aplicación de los MAS a la gestión del tráfico, el sistema
prácticamente capaz de determinar qué acciones hacer, cuándo y quiénes
están involucrados para la gestión de incidentes de tráfico. Algunos MAS
propuestos en los últimos años son capaces de llevar a cabo las
negociaciones oportunas para ello y ayudar a los gestores de carreteras a
controlar el tráfico en caso de que un incidente meteorológico tenga lugar.
Si bien la aplicación de los MAS ha sido más abundante en sistemas
dedicados al tráfico rodado, ésta también se ha extendido a otros ámbitos
del transporte.
Para el caso de los sistemas ferroviarios, la aplicación más habitual es
para la generación de programaciones y horarios. Las propuestas más
recientes incluyen el empleo de MAS para la generación de
programaciones (horarios) para sistema de acoplamiento de trenes, para
compartición de vías, para generar una programación de los trabajos de
mantenimiento en una flota de autobuses, etc. La optimización de la
programación es alcanzada gracias a la actividad individual de cada
agente y la cooperación entre todos ellos. No obstante, el empleo de MAS
puede remontarse a fases anteriores al funcionamiento o puesta en
marcha del sistema de transporte, concretamente al diseño de la red. Así,
se ha llegado a proponer el desarrollo de modelos basado en agentes para
la toma de decisiones previas al proyecto, tales como la evaluación de las
posibles localizaciones de un hub para transporte intermodal de
mercancías relativo a carretera-ferrocarril.
-----------------------------------------------------------------------------------------------------------
APLICACIONES INDUSTRIALES DE LOS SISTEMAS MULTIAGENTE
1. Introducción
Como se ha visto hasta ahora, la tecnología de agentes/sistemas
multiagente (SMA) está realizando importantes aportaciones en la
resolución de problemas en diversos dominios (comercio electrónico,
subastas electrónicas, medicina, bolsa, etc.), donde aproximaciones
tradicionales no proporcionan soluciones suficientemente satisfactorias. En
concreto, la industria de fabricación es uno de los dominios donde la
tecnología de agentes/SMA proporciona una forma natural para resolver
problemas que son intrínsecamente distribuidos.
2. La Empresa de Fabricación de Nueva Generación

La globalización, que afecta a todo el planeta, no iba a ser una excepción
en las empresas de fabricación. La competitividad global y la rapidez con
que cambian los requerimientos de los clientes están forzando importantes
cambios en los estilos de producción y configuración de las organizaciones
de producción. Cada vez más, la planificación de producción, el scheduling
y los mecanismos de control secuenciales y centralizados tradicionales no
son suficientemente flexibles para responder a estos nuevos estilos de
producción que cambian continuamente y a las variaciones que se
producen continuamente en los requerimientos del producto. Las
aproximaciones tradicionales no permiten una fácil extensión y
reconfiguración de los sistemas de fabricación. La rigidez de la clásica
organización jerárquica centralizada, puede también dar lugar a la
paralización de la actividad de una fábrica por un fallo en un único punto
de la cadena de producción. Por ello, las industrias de fabricación
necesitan adoptar arquitecturas abiertas que integren sus actividades con
suministradores y clientes en amplias redes de cadena de suministros.
Para poder competir de forma efectiva en los mercados actuales, los
fabricantes requieren interactuar con sus clientes, proveedores y servicios
de forma rápida y económica. Aproximaciones clásicas como la ingeniería
del conocimiento, con grandes bases de conocimiento, se convierten en
inapropiadas debido a la naturaleza altamente distribuida de estos
sistemas. La tecnología de agentes se presenta como una forma natural
de superar tales problemas y diseñar e implementar entornos de
fabricación inteligente distribuidos.
2.1 Requerimientos de Empresas de Fabricación de Nueva
Generación
Como se ha comentado en el apartado anterior, la globalización ha
forzado a las empresas de fabricación a cambiar sus estrategias de
producción para así poder adaptarse a la competitividad global, a las
nuevas necesidades de innovación e introducción del producto, y
responder rápidamente a los cambios del mercado. La nueva generación
de sistemas de fabricación deberá tener como objetivo la optimización de
factores como tiempo versus costes o calidad. Tales sistemas de
fabricación deberán satisfacer los requerimientos fundamentales
Integración de empresas. Con objeto de soportar la competitividad global
y responder a los rápidos cambios del mercado, una empresa de
fabricación tiene que estar integrada con sus sistemas de gestión
(compras, pedidos, diseño, producción, planificación, control, transporte,
recursos, recursos humanos, materiales, calidad, etc.) que son, en
general, entornos software y hardware heterogéneos. Tal integración
puede realizarse por medio de sistemas de planificación táctica, que están
basados en sistemas distribuidos basados en el conocimiento para
relacionar gestión de demanda directamente con recursos y planificación
de capacidad.
Cooperación
Las empresas de fabricación requieren una plena cooperación con sus
suministradores y clientes para así optimizar el suministro de materiales,
fabricación de accesorios, comercialización del producto final, etc. Tal
cooperación deberá realizarse de forma eficiente y deberá responder
rápidamente a cualquier posible cambio. En un sistema cooperativo, las
cadenas dinámicas de eventos están embebidas en procesos de
información concurrentes. Los requerimientos impuestos por los pedidos
de clientes, decisiones de dirección, y etapas de diseño están integrados
con las tareas de planificación de la producción y la asignación de
recursos en una estructura compleja que incorpora decisiones de alto nivel
en las actividades de planificación. Este es esencialmente un entorno de
información-procesamiento concurrente. La cooperación es un
requerimiento imperativo en cualquier modelo funcional de sistemas de
fabricación avanzados.
Integración de persona con software y hardware
Personas y ordenadores deben ser integrados para trabajar
colectivamente en diversas etapas de desarrollo del producto, con acceso
al conocimiento y la información requerida. Para soportar estas
necesidades y aumentar las capacidades de decisión del sistema hay que
integrar fuentes heterogéneas de información. Se requieren entornos de
comunicación bi-direccional que permitan una comunicación veloz y
efectiva entre humanos y odenadores, lo que facilitará su cooperación.
Agilidad
La globalización económica y las expectativas de expansión de mercados
están transformando rápidamente los entornos de fabricación. Hay que
realizar considerables esfuerzos en la reducción de ciclos del producto,
para permitir responder con mayor rapidez a los deseos de los clientes. En
esta nueva escala de transformación económica, las corporaciones están
reorientando progresivamente sus estrategias a expandir su cuota de
mercado y a integrar la fabricación flexible en sus capacidades de
producción. La fabricación flexible es la habilidad de adaptarse, en un
entorno de fabricación, a continuos e inesperados cambios y por ello es un
componente clave en las estrategias de fabricación para la competitividad
global. Para conseguir agilidad, las capacidades de fabricación deben
establecer asociaciones convenientes con socios heterogéneos.
Idealmente, los socios son contratados sólo por el tiempo requerido para
realizar las tareas específicas. Este tipo de interacción puede también ser
utilizada para planificar estrategia a largo plazo. La agilidad proporcionará
mayor flexibilidad a la organización de fabricación sin incurrir en grandes
inversiones industriales.
Escalabilidad
La escalabilidad es una importante propiedad para los sistemas de
fabricación avanzados. Escalabilidad significa que en la organización
pueden ser incorporados más recursos cuando son necesarios. Esta
propiedad debería satisfacerse en cualquier nodo de trabajo del sistema y
a cualquier nivel dentro de los nodos. La expansión de recursos debería
ser posible sin romper enlaces organizacionales previamente establecidos.
Para identificar e incorporar nuevos componentes, se requieren registros
deconocimiento organizacional. Cuando nuevos componentes físicos
llegan al sistema, son creadas entidades representativas para actuar como
imagen de los componentes a través de sus ciclos de vida. La habilidad de
añadir nuevos componentes incrementalmente permite al sistema
responder flexiblemente a una amplia variedad de solicitudes. Por ejemplo,
el sistema puede añadir dinámicamente más inteligencia o incrementar su
capacidad de fabricación para abastecer a un mercado que se expande
rápidamente o reducir su capacidad para ajustar ‘downwards’ durante
periodos de baja demanda. Cuando se eliminan del sistema componentes
físicos, para mantenimiento o cualesquiera otras razones, también son
eliminados del registro del sistema. Mecanismos robustos de registro son
necesarios para proporcionar la integración denuevos componentes o la
eliminación de los existentes.
Reconfiguración dinámica
Tanto las personas como las entidades artificiales que pertenecen a un
sistema de fabricación necesitan estar alerta a los cambios del entorno.
Cada etapa de la planificación de la fabricación se ve afectada por
variaciones dinámicas que provienen tanto de fuentes internas como
externas. En sistemas de fabricación convencionales, las entradas de los
clientes activan una secuencia de eventos, empezando con operaciones
de planificación. En este nivel, los pedidos son procesados de acuerdo a
estados preestablecidos (los cuales incluyen la especificación del diseño
del producto, gestión de materiales, planificación y disponibilidad de la
capacidad de fabricación, y la preparación de los costes de producción). El
proceso de planificación también activa requerimientos para la
subcontratación de servicios externos.
Convencionalmente, el proceso de planificación avanza progresivamente a
través de una serie de evaluaciones secuenciales que se corresponden
con las condiciones del sistema en un futuro próximo. Por ello, posteriores
variaciones del estado del entorno pueden invalidar estos planes. Este tipo
de sistema secuencial resulta caro, ya que hay una tendencia a reutilizar
recursos de cómputo en evaluaciones redundantes y repetitivas.
Eventualmente, hay una transición desde el proceso de planificación a una
segunda área principal de control de fabricación, actividad en la que se
asignan tiempos de ejecución a planes de fabricación. En este estado son
introducidas muchas variaciones, estas afectan a la estabilidad del sistema
y a su habilidad para ejecutar los planes de acuerdo a lo planificado. Esta
compleja etapa restringe la habilidad del sistema de reconfigurarse para
hacer frente a cambios dinámicos e inesperados.
La extensibilidad es posible en tales sistemas convencionales de
fabricación, pero requiere una importante reconfiguración del sistema. Las
interconexiones estrechamente acopladas entre los componentes
existentes en el sistema hacen muy tedioso el ajustar cada módulo de
procesamiento a nuevos componentes disponibles. De la misma manera,
la eliminación de componentes implica un considerable reajuste del
sistema.
Capitalización y distribución del conocimiento
La adquisición y distribución eficiente del conocimiento de cada aspecto de
la organización (finanzas, marketing, diseño y fabricación) junto con su uso
efectivo, producirá notables avances en la investigación de mercados,
desarrollo de productos y procesos, planificación y scheduling de la
producción, y finalmente en respuesta a clientes.
Los problemas más obvios en procesamiento de la información,
observados en sistemas convencionales de fabricación, son la gestión de
información y control de producción muy centralizados, consecuencia de la
necesidad de mantener una vista general del sistema con el fin de
minimizar costes (y en consecuencia tener más ventajas en el mercado).
Las bases de datos centralizadas son usadas comúnmente para acumular
información del sistema que permita establecer planes de producción y
prever futuros requerimientos. Potentes ordenadores centralizados
procesan grandes cantidades de datos para crear planes de producción.
Las transacciones entre diversos recursos se realizan forzosamente a
través de la unidad de control centralizado.
Todas las actividades en sistemas de fabricación convencionales están
limitadas por la corrección y estabilidad de los componentes de
procesamiento centralizados, produciendo una infraestructura frágil.
Aunque en el pasado los sistemas de procesamiento de la información
secuenciales y centralizados han minimizado costes de hardware y
software, su estructura central no es adecuada dada la naturaleza
intrínsecamente distribuida del flujo de información concurrente en
fabricación ágil. La distribución del conocimiento de producción da más
valor a la modularidad del sistema y facilita tanto la integración como la
reconfiguración. El aumento de modularidad reduce la complejidad de
organización del conocimiento manteniendo el conocimiento localmente.
La información local puede ser procesada concurrentemente, evitando así
las limitaciones del procesamiento secuencial de la información.
Ingeniería Concurrente
Asegurar la viabilidad de la fabricación del producto constituye el primer
paso de la implementación de la ingeniería concurrente. Especificaciones
geométricas y funcionales, disponibilidad de materias primas, y la
capacidad y disponibilidad de recursos de fábrica tienen una gran
influencia en la viabilidad de la fabricación. Un diseño puede ser fabricado
bajo una combinación de requerimientos de producto y recursos de planta,
pero no bajo otros. La selección y disponibilidad de material destock a
partir del cual el producto será fabricado influye en el número de etapas
intermedias requeridas, y en consecuencia en el coste de producción. La
capacidad y disponibilidad de recursos de planta influye en el plan de
proceso a utilizar, y de nuevo en los costes de producción. Por ello, todos
estos aspectos tienen que ser considerados simultáneamente en una
ingeniería concurrente efectiva.
Entornos heterogéneos
Los sistemas de fabricación necesitan adaptarse a software y hardware
heterogéneo tanto en sus entornos de fabricación como de información.
Interoperabilidad
Los entornos de información heterogéneos pueden utilizar diferentes
lenguajes, representar datos con diferentes lenguajes de representación y
modelos, y ejecutarse en diferentes plataformas. Los subsistemas y
componentes de tales entornos heterogéneos deberán ejecutarse de
forma eficiente.
Tolerancia a fallos
El sistema deberá ser tolerante a fallos tanto a nivel de sistema como de
subsistema, así como detectar y recuperarse de fallos del sistema en
cualquier nivel y minimizar susimpactos sobre el entorno de trabajo.
3. CONCLUSIONES
Las razones que llevan al uso de los MAS en situaciones y problemas
como los analizados en los puntos anteriores son su capacidad para
ejercer control distribuido, para manejar grandes cantidades de datos que
pueden estar incompletas o ser distribuidas y, fundamentalmente, su
capacidad para modelar o afrontar problemas complejos. La característica
de distribución inherente a los MAS los hace especialmente adecuados a
sistemas de naturaleza distribuida, pues permiten una aproximación y una
implementación de estos últimos más sencilla. Entre las ventajas que
estos enfoques ofrecen se encuentra el aumento de la eficiencia, la
robustez y fiabilidad del sistema para realizar aproximaciones modulares a
los problemas. De este modo, la dificultad de los mismos se ve reducida y
el modelado de los problemas simplificado.Al mismo tiempo, se favorece la
reutilización de los módulos desarrollados para nuevos problemas o
situaciones con características similares. De este modo se aprovecha la
escalabilidad y flexibilidad del enfoque ofrecido por los MAS, empleados
como herramienta de simulación, estudio y resolución de problemas.
Otra característica que hace de los MAS una herramienta atractiva para
situaciones como las planteadas es el hecho de que no sea necesaria la
codificación inicial de todos los comportamientos, y circunstancias del
entorno bajo estudio. Todas estas características motivan y favorecen el
uso de los MAS y de ahí la gran difusión de los mismos desde que
surgieron en los años 90. No obstante, el uso exitoso de los mismos está
sujeto a la presencia de ciertas características en los problemas objeto de
estudio. Los MAS resultan adecuados para entornos distribuidos,
complejos y dinámicos, entre otras características, pues su aplicación se
dificulta para entornos no descomponibles. Ha de tenerse en cuenta que el
hecho de que los MAS sean dinámicos hace posible que se alcancen
situaciones de inestabilidad. De igual modo, la distribución de los mismos
impide o dificulta el disponer de una visión global del sistema, lo cual
puede llevar a la no consecución del óptimo en la resolución de un
problema. Así pues, la aplicación de los MAS requiere de un estudio previo
de la situación a la que se quiere aplicar, así como la consideración de las
propiedades que el MAS a desarrollar debe tener, pues estas influyen
fuertemente en los resultados que se van a obtener.
Finalmente, hay que tener en cuenta que los MAS están en pleno
desarrollo actualmente, lo cual exige un esfuerzo de estudio, desarrollo de
herramientas y simulaciones previo a su aplicación y que debe ser también
tenido en cuenta como parte del esfuerzo del proyecto. Sin embargo, estas
propiedades no le restan a los MAS su principal ventaja: la capacidad para
afrontar problemas distribuidos en múltiples dimensiones y gestionar
información de distinta naturaleza, incompleta o incluso incierta, frente a
herramientas clásicas de enfoque centralizado.
BIBLIOGRAFIA Y REFERENCIAS
• “Organización de la empresa. Estructura, procesos y modelos”.

Eduardo Bueno Campos. Ed. Pirámide 2007
• Introducción a la economía de la empresa”. Eduardo Pérez
Gorostegui. Ed. Centro de Estudios Ramón Areces. 2006
• “Introducción a la Teoría de Agentes y Sistemas Multiagente”. JM
Corchado, JM Molina. Catedral Publicaciones. 2002
• Investigación de Operaciones en la ciencia administrativa. DP
Eppen, FJ Gould y otros. Pearson-Prentice Hall. 2000.
• La Planificación de la Producción mediante Sistemas Multiagente.
Estado de la Cuestión.Julio J. García-Sabater, José Pedro Garcia-
Sabater
• http://imsg.enme.ucalgary.ca/publication/abm.htm
--------------------------------------------------------------------------------------------------------
Bibliografia y referencias
[http://imsg.enme.ucalgary.ca/publication/abm.htm]:
La Planificación de la Producción mediante Sistemas Multiagente. Estado de la Cuestión. 1

Julio J. García-Sabater1, José Pedro Garcia-Sabater2
1 Ingeniero Industrial. DOE Universidad Politécnica de Valencia. jugarsa@omp.upv.es

2 Dr. Ingeniero Industrial. DOE Universidad Politécnica de Valencia. jpgarcia@omp.upv.es

Sistemas Multiagente

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Sistemas Multiagente

Caricato da

Copyright:

Formati disponibili

1.

a. Estado del arte

b. Base teórica aplicada

1. MODELOS DE GESTION DE EMPRESA

A continuación se presentan las formas principales que las organizaciones

2. Formas complejas clásicas

3. Formas complejas nuevas

En el ciclo de vida de las organizaciones se viene observando, especialmente

1.1.1 Modelo lineal

La burocracia representa una forma de estructurar jerárquicamente la

• Formación de habilidades y conocimientos Baja

o Del comportamiento Baja

o Del proceso administrativo Media

• Agrupación de unidades organizativas Criterio funcional

• Sistemas de planificación y control Poco desarrollados

• Coordinación y mecanismos de enlace Pocos

En este modelo la fuerza influyente es la alta dirección: se trata de estructuras

1.1.2 Modelo funcional

El modelo busca un equilibrio entre los principios que configuran la estructura

• Formación de habilidades y conocimientos Baja

o Del comportamiento Baja

o Del proceso administrativo Alta

• Agrupación de unidades organizativas Criterio funcional

• Planificación y control Poco desarrollado

• Coordinación y elementos de enlace Pocos

En este modelo la fuerza influyente es la de la profesionalización, en función

los puestos de trabajo.

Dentro de las formas simples aparece el modelo adhocrático como alternativa

El modelo se apoya en los principios de diseño que buscan el equilibrio interno

Aunque se trate de una estructura que, de alguna manera, rehuye el

• Formación de habilidades y conocimientos Alta

o Del comportamiento Baja

o Del proceso administrativo Media

• Agrupación de unidades organizativas Criterio funcional

• Planificación y control Con alcance

• Coordinación y elementos de enlace Muchos

Las organizaciones de tipoi adhocrático suelen responder al perfil de empresa

Con el crecimiento de la organización y ante las fuerzas competitivas de su

1.2.1 Modelo lineo-funcional

El modelo representa generalmente la estructura de una empresa grande

La descripción esquemática según los parámetros de diseño sería:

• Formación de habilidades y conocimientos Baja

o Del comportamiento Alta

o Del proceso administrativo Alta

• Agrupación de unidades organizativas Criterio funcional

• Planificación y control Elevada

• Coordinación y elementos de enlace Relativamente

La fuerza influyente de este modelo es la de la normalización, especialmente

1.2.2 Modelo divisional

Como resultado del crecimiento de la empresa, tanto por la incorporación de

El modelo surge por la necesidad de suplir algunas de las carencias del

La estructura divisional se basa en el principio de la descentralización

• Por productos o líneas

• Por mercados o áreas geográficas

• Por clientes según segmentos

• Por procesos productivos o administrativos diferenciados

o En horizontal Puede ser alta

• Formación de habilidades y conocimientos Alta según

o Del comportamiento Alta

o Del proceso administrativo Alta

• Planificación y control Integrada y por

• Coordinación y elementos de enlace Relativamente alta

La fuerza influyente en este modelo es la fragmentación, que concede el

El modelo divisional ejemplifica la forma característica de las grandes