Breve discusión bibliográficaUtilizando varias fuentes de información (por ejemplo 5 artículoso papers diferentes) construir una discusión referenciando autores y sus aseveraciones tal que se consideren los principales lineamientos y soluciones que la literatura indica respecto del tema. Se recomienda buscar artículos en www.scielo.cl Importante se debe indicar la fuente. Solo citar, no se debe concluir sobre lo descrito en la discusión bibliográfica. (2-5 páginas máximo) Un ejemplo de discusión bibliográfica es: Esta sección considera los desarrollos en las diversas áreas relacionadas con el tema propuesto, las cuales contemplan campos como los observadores lineales y no lineales; así mismo, se considera el método de estimación de estados por horizonte móvil utilizando aritmética por intervalos, el cual es el esqueleto central de esta tesis. Este método se crea a partir del método de estimación de estados por horizonte móvil, MHSE, donde ambos consideran un algoritmo de optimización, aunque la diferencia entre ellos es el uso de un algoritmo globalmente convergente, basado en análisis por intervalo, lo cual nos permitirá garantizar soluciones óptimas (IMHSE). Cada uno de estos tópicos es brevemente presentado en esta breve revisión bibliográfica. Observadores lineales y no lineales 1964). ha sido un área activa en las últimas décadas (Doyle. depende de si las perturbaciones son modeladas de forma determinista o estocástica respectivamente. es decir. realizada por Kalman y Bucy. 2003). 1961). el observador de Luenberger fue desarrollado para proveer estimaciones de las variables de estados para sistemas lineales con parámetros conocidos (Luenberger. Kolmogorov (Kolmogorov. 1961). Además estos algoritmos son recursivos. 1941). 1999). 1964). Una derivación análoga del predictor lineal óptimo para sistemas de tiempo discretos fue publicada por A. La teoría del filtro de Kalman es una teoría establecida que obtiene estimaciones óptimas de los estados a través de observaciones (Judd. 1997). A mediados de lo años 60. ser una solución muy atractiva en términos computacionales debido a su naturaleza recurrente (Aström. 1942). al Filtro de Kalman (Kalman y Bucy. Una reformulación del observador de Wiener. Una característica fundamental de estos algoritmos es su estabilidad y convergencia. El uso de este tipo de observadores (del observador Luenberger o Filtro de Kalman). Estos resultados estimularon la investigación en los observadores . N. esta clase de observador está basado en el perfecto conocimiento de la estructura del modelo (Dochain. (Luenberger. fue utilizado con un modelo de proceso en su forma espacioestado.El diseño y aplicación de observadores en procesos. cada nuevo cálculo es más cercano al valor exacto (Kalman y Bucy. La teoría de la estimación de estados fue desarrollada primero para sistemas lineales por Wiener. con cada nueva medida calculan el nuevo valor de las variables de estado de acuerdo a una estimación precedente. 2003). quien derivó la solución para la predicción del error de la media de los mínimos cuadrado en términos de las funciones de autocorrelación de la señal y el ruido (Wiener. lo cual ha permitido hasta hoy. es la extensión del famoso filtro de Kalman. o algoritmos específicos no lineales (Gauthier et. 2003 y sus referencias). Es más. 2002).. al. Extended KalmanFilter) el cual es una extensión de la teoría lineal para el dominio no lineal a través de la linealización local (Judd.adaptativos para plantas cuyos parámetros no son conocidos (Kudva y Narendra. El EFK proporciona no sólo estimaciones de las variables de estado sino también de los parámetros del sistema. 2001). Aunque el diseño de los observadores adaptativos fue un campo activo de investigación en los años setenta y ochenta. como es a menudo el caso para los procesos industriales. donde se destaca que una falla anticipada de este método puede ser constituida por la aproximación local lineal del proceso. De hecho. 1992. Este sistema es un filtro recursivo que incorpora en la estimación los valores estadísticos de los ruidos asociados a los estados y a las medidas. al.. Los observadores adaptativos son usados para proveer estimaciones de los estados de las plantas y estimaciones de los parámetros del sistema simultáneamente (Zhang y Guay. Kreisselmeier. Farza et. 2003). Este observador presenta la ventaja de tratar el sistema de forma más realista pero a su vez precisa de un mayor cálculo computacional. su análisis teórico puede fácilmente llegar a ser altamente complejo (Dochain. esta aproximación no garantiza la convergencia y estabilidad (Zhang y Guay. el EFK necesita del conocimiento estadístico (matrices de covarianza) de los ruidos que actúan en los estados y en la salida. al. Las aproximaciones tradicionalmente usadas son la extensión de algoritmos lineales (Sargantinis y Karim. 1973. Este hecho se ha estudiado en (Mora et. EFK (del inglés. lo cual puede ser difícil de obtener para los casos no lineales . 1977). 1998). Un ejemplo de la primera aproximación. 1994). Si el sistema es no lineal. la situación es más complicada.. 2002). Zambare et. al.(Valdés-González et.. Hu y Ersson. tendrán que implementar entre otros factores. al. 2002. para redistribuirlo en actividades de mayor importancia. e influyendo significativamente en la innovación y evolución tecnológica. 2003. 2003. Otro Ejemplo: La gestión del conocimiento tiene una fuerte correlación con el crecimiento de las Pymes. 2003. 2004. Sin embargo. Romanenko y Castro.. Cao y Soh. 2003. estrategias empresariales tendientes a gestionar adecuadamente el conocimiento existente en la organización (MALDONADO GUZMAN & MARTINEZ SERNA. al. Los diseños del observador no lineal han sido propuestos para varias clases especiales de sistemas no lineales (ver por ejemplo Zhang y Guay. 2004). 2003.. Wang y Papageorgiou. 2012) Uno de los principales fines de la computación desde sus orígenes ha sido presentarse como una herramienta de apoyo que proporcione ahorro de tiempo eliminando tareas repetitivas. 2005).. muchas aplicaciones basadas en este tipo de observador se han desarrollado recientemente (ver por ejemplo Cerveri et. Si las Pymes quieren mejorar su nivel de crecimiento. Delgado y Barreiro. Este tipo de observadores está caracterizado por el hecho que la convergencia y la estabilidad de estos algoritmos pueden ser establecidas. El manejo de los datos se . 2003). al. pero éstos necesitan desarrollos que pueden ser complicados desde un punto de vista matemático. 2004). Judd. a menudo excediendo la capacidad de ingenieros o de aquellos que no son especialistas en el control de procesos (Valdés-González et. la comunicación y la transformación relacionada al débil conocimiento de la información . La información se ha convertido en un recurso muy valioso y desde hace tiempo atrás se usan las bases de datos como mecanismo para guardar la información dentro de su arquitectura. 2010) La inteligencia de negocios (BI) es un enfoque estratégico para orientar sistemáticamente el seguimiento. facilitando la adaptación de aplicaciones para la inteligencia de negocios (business intelligence) (FUENTES TAPIA.convirtió en un elemento clave para la extracción de información. (SALCEDO PARRA & GALEANO. ahora está en las mentes de todos y tomando cada vez más fuerza. Este proceso de gestión consiste en lograr de una manera eficiente el análisis de distintos tipos de datos de la empresa y su entorno. La tendencia del manejo de información está orientada y focalizada principalmente hacia la inteligencia de negocios y precisamente temas como este. a través de la explotación de la información por medio de las tecnologías de la información (TI). 2010) Es así que las organizaciones están comprendiendo la importancia de la gestión de la información y las ventajas competitivas que implica su uso. de tal forma que el individuo pueda mantenerse enterado de la situación que éstos presenten. que anteriormente muy poco se trataba y se desconocía gran parte del mismo. la transformación de datos en información y de información en conocimiento. 2013). sea efectivo y eficiente. en términos de toma de decisiones. 2003). razonar y sentir. Pues precisamente es eso lo que se quiere obtener: que el razonamiento empresarial. los analizan y muestran de manera que las personas encargadas de tomar decisiones cuenten con información más pulida y más procesada. La Inteligencia de negocios es un concepto asociado a la capacidad de un negocio de pensar. Esto produce que los tomadores de decisiones guíen la administración de la organización basada en evidencias (Lecaros.procesable en la cual se basa la toma de decisiones (FUENTES TAPIA. 2010) La razón por la que los sistemas de BI ayudan a en la toma de decisiones es principalmente porque permiten tener acceso a datos de la empresa. y la explotación de sistemas gerenciales y de decisiones para un proceso fundamentado (Araníbar. Es posible de lograr si se utilizan herramientas tecnológicas para la integración de sistemas de información. de toma de resoluciones .