caja negra

5/17/2018 Caja Negra - slidepdf.com

http://slidepdf.com/reader/full/caja-negra-55b07c0d4defa 1/12

UNIVERSIDAD NACIONAL DE LA PATAGONIA

FACULTAD DE CIENCIAS ECONOMICAS

CATEDRA: ANALISIS DE SISTEMAS II

--------------------------------------------------------------

1

EL PROBLEMA DE LA CAJA NEGRA

Al tratar el problema de la caja negra hay que comenzar por explicar que, en realidad, se

trata de una variedad de casos cubiertos por este rótulo. Tienen en común la circunstancia de

que el comportamiento y/o la organización del sistema considerado no se conocen por com-

pleto y tienen que ser determinados. Asimismo, las cantidades externas del sistema - sean en-

tradas o salidas - se suponen observables o medibles al nivel de resolución respectivo y pueden

obtenerse por experimentación.

De acuerdo al grado de conocimiento que tengamos respecto del comportamiento y/o la

organización del sistema investigado podremos diferenciar las distintas variedades del pro-

blema de caja negra. Pero queda claro que en todos los casos de lo que se trata es de determi-

nar el comportamiento, proceso y/o estructura del sistema.

Para clarificar el resto de esta nota es conveniente que redefinamos la noción de sistema.

Usaremos el concepto de sistema como un conjunto dado de estados junto con un conjunto de

transiciones entre esos estados, donde puede ocurrir - aunque no es necesario que suceda - que

cada transición tenga asociada una probabilidad de ocurrencia. Estamos llamando estados al

conjunto de los valores que tienen todas las variables del sistema en un momento dado. Y los

cambios admisibles de esos valores son las transiciones. Cuando el sistema mantiene cons-

tante una parte de su organización, nos encontramos con su estructura. Veámoslo con un

ejemplo. Imaginemos la registración de datos meteorológicos, que se basen exclusivamente en

temperatura, presión barométrica y porcentaje de humedad. En cada observación habrá un

conjunto de tres valores -estado-, que pueden oscilar dentro de ciertos límites -transiciones-. Si

cambiamos el nivel de resolución, haciendo unidad de tiempo el día, tendremos que un estado

estará definido por los valores máximos y mínimos de cada una de las tres variables observa-

das.

¿Para qué establecimos lo anterior? porque fundamentalmente en el problema de caja negra

trabajamos con un nivel de resolución y cantidades externas, y solo eventualmente se añaden

otros rasgos del sistema involucrado.

Cuando se trata de un sistema del cual conocemos por completo su organización y compor-

tamiento, tenemos una caja blanca. Es un caso extremo del problema de caja negra. El otro

extremo está representado por un sistema del que conocemos perfectamente su organización,pero ignoramos su comportamiento. Aquí se trata de un problema general de análisis de siste-

ma, que no desarrollaremos en esta nota. Nos vamos a concentrar en los casos involucrados

entre ambos límites.

Casos típicos de caja negra:

1. Del sistema sólo se conocen las cantidades - valores - externas y el nivel de resolución. No

sabemos nada más, ni siquiera cuáles de las cantidades externas son entradas o salidas. Y el

problema es determinar el comportamiento, la estructura y los rangos que pueden adoptar las

variables del sistema. Es el caso del problema de caja negra puro.

2. Conocemos las cantidades externas y el nivel de resolución, así como algunas o todas de las






--------------------------------------------------------------

2

siguientes propiedades:

a) Clasificación de las cantidades externas en entradas y salidas.

b) Número de estados del sistema o un límite superior de este número.

c) Tipos de elementos del sistema.

d) Número de elementos del sistema o un límite superior de este número.

e) La caja negra representa un sistema procedente de otro problema de caja negra.

Se trata de determinar el comportamiento, los rangos de las variables y la estructura del

sistema. Son los llamados problemas de caja negra adecuada.

Si sólo hay que determinar los estados y transiciones del sistema, entonces se trata del pro-

blema denominado experimento de identificación del sistema o máquina. Es un caso que se

ve en Teoría de Autómatas.

3. Conocemos las cantidades externas, clasificadas en entradas y salidas, el nivel de resolu-

ción y los conjuntos completos de estados y transiciones. Hay que determinar los rangos de

las variables. Es el problema de identificación de estados.

Básicamente, el camino para solucionar el problema consta de las siguientes etapas:

1. Se observan y miden en el tiempo las cantidades externas del sistema al nivel de re-

solución que corresponda, y se disponen todos los resultados obtenidos en forma de una única

actividad o de un conjunto de actividades separadas. A veces podremos experimentar con esas

cantidades externas, otorgándoles determinados valores y registrando la respuesta de las res-

tantes. Los datos básicos serán siempre de la forma:

Tiempo Estados de Entrada y Salida

… … …

… … …

2. Se procesa la actividad obtenida para descubrir las relaciones atemporales entre

cantidades.

3. Se investiga el interior de la caja negra, si es posible, tratando de obtener toda la in-

formación que se pueda respecto de su organización.

4. Se determina el comportamiento permanente o se formula una hipótesis al respecto

en base a los resultados obtenidos.

5. Se determina la organización o se formula una hipótesis sobre ella en base al com-

portamiento permanente y/o los otros hechos conocidos sobre el sistema.

Debe quedar claro que no siempre se necesitarán aplicar todas las etapas.

Imaginemos problemas de caja negra: por ejemplo, el preparador físico de un atleta. Sabeque las respuestas del atleta dependen de sus condiciones fisiológicas en determinado espacio

de tiempo. Puede controlar algunos de los factores que lo determinan, como ser intensidad






--------------------------------------------------------------

3

del entrenamiento, alimentación, masajes, etc. Se trata de descubrir qué conjunto de determi-

nados valores de esos factores conducen al mejor estado del atleta, y reproducirlos antes de ca-

da competencia. Obsérvese que este preparador tendrá un problema distinto para cada atleta

que entrene.

Ejemplos más fáciles de entender son el caso del diagnóstico médico, terapias psicológicas,

pronóstico del tiempo, etc.

El Problema De Caja Negra Puro

Supongamos que el sistema investigado se especifica solamente por sus cantidades externas,

junto con un nivel de resolución espacio-tiempo.

La primera etapa será recoger algunos datos sobre el sistema. Esto no significa necesaria-mente que siempre podemos medir u observar directamente las cantidades consideradas. Puede

ocurrir que se definan como ciertas funciones estadísticas características de algunas variables

aleatorias. En ese caso los cálculos se efectuarán en base a los datos establecidos y se clasi-

ficarán respecto del nivel de resolución espacio-tiempo, permitiendo tener una actividad o

un conjunto de actividades del sistema.

Como no sabemos qué cantidades representan las entradas y cuáles las salidas no podemos

experimentar con el sistema.

Los problemas asociados con la medición y el pre-proceso de los datos primarios deben

resolverse a nivel de la respectiva rama científica. Nosotros supondremos que se han obte-

nido una actividad o conjunto de actividades de alguna forma, y determinaremos los restantes

rasgos del sistema, o por lo menos formularemos hipótesis razonables sobre ellos.

Supongamos que se haya obtenido un conjunto de matrices de actividad de una caja negra,

siendo ésta un sistema discreto. Las diferentes matrices se habrán obtenido de diferentes co-

pias del mismo sistema, difiriendo entre sí sólo en algunas especificaciones de espacio-tiempo

irrelevantes, o que son de la misma muestra pero no a intervalos de tiempo sucesivos, de ma-

nera tal que no se pueden combinar en una sola actividad. Supongamos además que las

matrices de actividad se han transformado previamente a la forma abstracta requerida por la

Teoría de Sistemas. Nos referiremos por lo tanto más a variables que a cantidades.

Dado ese conjunto de matrices de actividad, determinaremos explícitamente la relación

atemporal entre los valores actuales y/o pasados y/o futuros de las variables, es decir, entre al-

gunas variables muestrales especificadas. Este es un problema ambiguo, ya que la relación de-

pende críticamente de las variables muestrales elegidas. Diferentes conjuntos de variables

muestrales aplicadas al mismo conjunto de actividades pueden conducir a tipos de relaciones

bastantes diferentes. El conjunto elegido representa así nuestro punto de vista subjetivo sobre

el sistema.

Veamos esto con un ejemplo. Estamos ante una caja fuerte cerrada, que se abre por me-dio de una llave de combinación, que tiene los números del 0 al 9. Para que se abra, es ne-

cesario girar alternativamente hacia uno u otro lado, enfrentando una ranura marcada con el






--------------------------------------------------------------

4

número que corresponda. Se abrirá cuando el número enfrentado sea el correcto, así como

algunos números previamente seleccionados. Así, una posible actividad que contiene el com-

portamiento permanente del sistema es

t ¦ O 1 2 3 4 5 6 7 8 9 1O 11 12 13 14 15 16 17 18 19 2O 21 22 23

------------------------------------------------------------------------------ (Matriz de

x ¦ 0 3 7 2 5 3 0 2 9 6 4 7 2 9 8 1 7 9 6 7 2 9 6 4 actividad)

y | 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0

M2 M3 M1

donde x representa la posición de la combinación frente a la ranura, y es la respuesta de la

caja -O, cerrado y 1, abierto-. Hemos resaltado tres conjuntos posibles M1, M2 o M3. Apli-

cando M1 o M2 descubrimos que la dependencia de la respuesta de las otras variables mues-

trales es ambigua y podría expresarse sólo estadisticamente si estuvieran disponibles un nú-mero suficiente de muestras. El conjunto M3, en cambio, representa una dependencia única

de la respuesta a las otras variables muestrales de ese conjunto. Podemos expresar la depen-

dencia mediante el siguiente esquema y su regla:

X0 X1 X2

X3

“X3 = 1, si y solo si X0 = 7, X1 = 2 y X2 = 9; en todos los demás casos Y = 0”.

Dado que la caja se abre solo para una secuencia determinada de posiciones de la combina-ción, la regla representa obviamente el comportamiento permanente del sistema.

Pero observemos que para ello debemos haber elegido un conjunto que contenga la

cantidad de variables necesaria. Cualquier otro no funciona. Y por supuesto que es un ejem-

plo muy simple, inclusive en éste sabemos distinguir entre entradas y salidas. Por eso rei-

teramos lo expresado sobre conjuntos de variables muestrales que representan nuestro punto

de vista subjetivo sobre el sistema.

El problema de procesar el conjunto dado de matrices de actividad con respecto al con-

junto muestral elegido puede formularse:

1. Encontrar muestras de la actividad para todas las posiciones posibles temporales del con-

junto de variables muestrales, en cada una de las matrices de actividad.

2. Determinar si la relación entre las variables muestrales, dada por el conjunto obtenido de

muestras de actividad, es causal o no.

3. a) Si la relación es causal, la diferenciación entre variables internas y externas del sistema

puede encontrarse con respecto a los datos disponibles sobre el sistema, la actividad y nues-

tro punto de vista subjetivo.

b) Si la relación no es causal, ninguna diferenciación entre variables extremas e internas delsistema puede sugerirse razonablemente.






--------------------------------------------------------------

5

4. Puede determinarse en el caso 3 a) una estructura de estados y transiciones única (con res-

pecto a la actividad y el conjunto de variables muestrales elegido). En el caso 3 b) dicha es-

tructura puede determinarse en forma estadística, supuesto que están disponibles suficientes

muestras de actividad.

Si la diferencia entre los valores máximos y mínimos del conjunto de variables muestra-

les es m y la matriz de actividad considerada consta de n instantes de tiempo, hay justamente

n - m posiciones de dicho conjunto sobre la matriz para las cuales están determinadas todas

las variables muestrales.

Después de determinar el conjunto de todas las muestras de actividad, lo investigamos

desde el punto de vista de las dependencias mutuas entre las variables muestrales, para des-

cubrir cuáles son las variables internas y externas del sistema. Como los valores actuales decualquier variable no pueden derivarse de los valores futuros de la misma variable, podemos

buscar las variables muestrales dependientes sólo entre aquellas con máximo valor del ele-

mento muestral para cada posición. Estos serán los “candidatos” para variables dependientes.

Obviamente, el número de candidatos es igual al número de variables contenidas en la matriz

de actividad procesada.

Por lo tanto, debemos determinar si cada candidato depende unívocamente o no de las

restantes variables muestrales. Si algunos de los candidatos muestran solo las propiedades

de las variables independientes, entonces la clasificación en variables de entrada y salida de la

caja negra se determina directamente de ellas.

En principio, obtenemos para cada “candidato” uno de los siguientes resultados:

1. El “candidato” se expresa por una función completamente especificada de las otras variables

muestrales.

2. El “candidato” se expresa por una función incompletamente específica de las restantes va-

riables muestrales.

3. El “candidato” no puede expresarse por una función de las demás variables.

Si ocurre lo primero, entonces el “candidato” respectivo puede considerarse como una va-

riable dependiente - salida - supuesto que no aparece como una variable independiente de

cualquiera de las otras funciones correspondientes a los “candidatos”.

Si ocurre lo segundo, el “candidato” puede considerarse como una variable dependiente -

salida - bajo las mismas circunstancias que el primer caso. Pero, ¿porqué la función no está

completamente especificada? Porque sus argumentos no son realmente independientes: hay

una relación entre ellos. Sin embargo, esta respuesta origina otra pregunta: ¿porqué dependen

entre sí los argumentos? Si no se conoce nada sobre la organización de la caja negra, no hay

respuesta. La relación entre las variables muestrales respectivas puede reflejar una propiedadintrínseca del sistema. Pero un supuesto de matriz de actividad incompleta puede servir tam-

bién como explicación. En cualquier caso, este resultado invita a una investigación poste-






--------------------------------------------------------------

6

rior mediante la cual quizás se descubran algunas muestras de actividad adicionales.

El tercer caso representa un atributo propio del sistema, o se debe solamente al conjunto de

variables muestrales elegido. Podría ocurrir que añadiendo varias variables muestrales ade-

cuadas al conjunto, el "candidato" respectivo pueda llegar a depender unívocamente de las

otras variables muestrales.

Observemos, para completar, que cualquier candidato es expresable como una función de

las otras variables muestrales cuando se toma como conjunto de ellas la matriz de activi-

dad entera. Pero este es un caso trivial, ya que no nos ayuda a expresar la información

contenida en la matriz de actividad en una forma más condensada.

Todas estas consideraciones suponen que la caja negra es un sistema determinístico. Si se

supone un sistema probabilístico tendremos que contar con un número suficientementegrande de muestras, y se deberán satisfacer las siguientes condiciones:

1. La clasificación en variables de entrada y salida debe conocerse por anticipado; en caso

contrario, todo candidato puede expresarse estadísticamente como una variable de salida.

2. Los números de las muestras de actividad deben ser lo suficientemente grandes para obte-

ner una correspondencia suficientemente exacta entre las probabilidades a priori calculadas y

las probabilidades a posteriori adecuadas a la caja negra en consideración.

Tenemos que resaltar que los resultados obtenidos por el proceso de la actividad se deben

al conjunto de variables muestrales elegido. Si el conjunto es demasiado chico, algunas pro-

piedades importantes pueden permanecer latentes. Si es más grande que lo necesario para des-

cubrir la relación atemporal determinada del sistema, deberemos eliminar las variables mues-

trales ficticias.

El enfoque estadístico puede aplicarse a todo conjunto de variables muestrales, una vez

que se cumplan las dos condiciones anteriores. Por tanto, una caja negra puede describirse

como un sistema determinista o probabilista. En el primer caso el conjunto elegido de varia-

bles muestrales debe ser suficiente, y en el segundo caso se usa un conjunto más pequeño.

El enfoque estadístico es preferible donde el conjunto de variables muestrales necesariopara la solución determinista contiene un número prohibitivo de variables, de modo que

el procedimiento de procesar la actividad es demasiado difícil y la forma en que se expresa el

comportamiento es demasiado complicada y, por lo tanto, impráctica.

Si se trata de revelar los subsistemas independientes dentro de una caja negra particular,

entonces deberemos considerar los resultados de más de un candidato. O sea que conside-

raremos pares, triadas, etc. de candidatos.

El procedimiento fundamental se ilustra a grandes rasgos por el diagrama de la página

siguiente:






--------------------------------------------------------------

7

Determinación del

control

INICIO

Datos ACTIVIDAD

dados REGISTRADA

(PROCEDIMIENTO)

SELECCION DE

UN CONJUNTO

RESULTADOS

Determinación Selección de nuevo

del comportamiento conjunto

No

Sí

No Si

No

No No

Si Si Si

ACTIVIDAD

REGISTRADA

¿Control

dado?

¿Resulta-

dos satis-

¿Comporta-

miento de-

¿Se puede

determinar el

Determinación de

la estructura di-

námica

¿Hay sufi-

cientes

FIN

Control

Estructura di-

námca

Determinación de la

estructura dinámica

Cálculo de probabili-

dades de las muestras

y lde las transiciones

FIN FIN

Estructura di-

námica

Probabilidades

Comportamiento






--------------------------------------------------------------

8

¿Qué Hacemos Con Las Hipotesis?

Se sabe que ningún resultado puede ser considerado como definitivo al resolver el pro-

blema de la caja negra pura. El enfoque estadístico está generalmente más próximo a la rea-

lidad que el determinista, si se basa en un número suficiente de muestras. Sin embargo, antes

de utilizar el enfoque estadístico debe conocerse la clasificación en variables de entrada y sali-

da. Por lo tanto, no será un problema de caja negra pura.

Las variables no pueden clasificarse con certeza a menos que conozcamos algo sobre la or-

ganización de la caja negra en estudio. Lo difícil es que resulta imposible mostrar si el con-

junto de actividades obtenido por la caja negra contiene o no la relación atemporal absoluta.

Como la clasificación eventual de las variables -si la relación es causal- es cuestionable, la

aplicación del enfoque estadístico, que podría conducir a una representación más exacta del

sistema, es cuestionable también para el problema de la caja negra pura.

En consecuencia, la única posibilidad de superar estas dificultades y obtener algunos resul-

tados finales sobre la caja negra es investigar la organización del sistema además de la obser-

vación externa. El conocimiento parcial de la organización junto con los resultados procesa-

dos de las mediciones u observaciones externas, nos permite en muchos casos descubrir algu-

nas propiedades de la caja negra con absoluta certeza.

Una metodología de la caja negra debería proporcionar respuesta a muchas cuestiones de

este tipo: ¿Qué debería conocerse sobre la organización de la caja negra con el objeto de po-

der determinar la propiedad X con absoluta certeza a través de los resultados de las observa-

ciones externas, mediciones o una experimentación adecuada? Esa propiedad X podría ser, por

ejemplo, la clasificación de variables externas, el comportamiento permanente, el proceso

completo, etc.

En la página siguiente se describe a grandes rasgos el procedimiento general de la meto-

dología de la caja negra.

En primer lugar se define un sistema sobre un objeto que fue seleccionado para ser investi-

gado. Las cantidades del sistema se observan o miden en el tiempo. Si se distinguen las en-

tradas y salidas, podemos aplicar secuencias adecuadas de estímulos a las cantidades de en-

trada y registrar las respuestas respectivas de las salidas. Experimentamos con el sistema.

Por lo tanto, las cantidades del sistema se observan o se miden, o algunas de ellas se es-

timulan y las otras se observan o miden. En general, decimos que son observaciones.






--------------------------------------------------------------

9

REALIDAD

Objeto

Selección de una partede la realidad

Sistema

Definición de un sistema

res ecto del ob eto

Actividad

máscara

Resultados sobre el

comportamiento

Resultados combina-

dos

Cambio

de la

máscara

Expe-

rimen-

tos adi-

ciona-

les

Resultados sobre la

organización

Investigación

sobre la orga-nización del

sistema

Hipótesis

Verificación de la hipótesis

Modificación del sistema

Observaciones o mediciones

de las cantidades






--------------------------------------------------------------

10

El resultado de la observación es una actividad dada o un conjunto de actividades parciales.

Si el sistema se observa sin interrupción en el tiempo, obtenemos una sola actividad. Si, en

cambio, hay intervalos, tenemos varias actividades parciales que no deben combinarse en una

sola. Porque si no el sistema podrá cambiar durante el intervalo entre dos observaciones con-

secutivas, y el comienzo de una actividad posterior no estaría necesariamente conectado a la fi-

nalización de una actividad anterior.

De la misma manera, si se observan simultáneamente sistemas de la misma clase sobre dife-

rentes objetos del mismo tipo, y si el objeto considerado se repite en la realidad, las activida-

des parciales de los sistemas particulares no deben combinarse debido a que sistemas diferentes

podrían estar en estados iniciales distintos cuando comenzamos a observarlos.

Luego de obtener una actividad o un conjunto de actividades del sistema considerado (a

veces mediante el pre-proceso de los datos originales) podemos transformarlo a la matriz deactividad del correspondiente sistema general en orden a aplicar una metodología uniforme

de proceso de la actividad. Para procesar la actividad, debemos seleccionar un conjunto de va-

riables muestrales adecuado mediante el cual compilar todas las correspondientes muestras de

actividad. El conjunto de todas las muestras de actividad recogidas representa el comporta-

miento del sistema con respecto a los datos disponibles sobre el mismo, y con respecto al

conjunto de variables muestrales elegido.

Seguidamente, se investiga el comportamiento determinado considerando la clasificación

de las variables. Debe quedar claro que la clasificación puede determinarse sólo si el conjunto

de muestras de actividad representa una relación causal.

Si la clasificación está dada, cada candidato de las variables de salida debe probarse para

una dependencia unívoca respecto a las demás variables. Si alguno de ellos no muestran nin-

guna dependencia unívoca, podemos afirmar que el conjunto de variables muestrales no es el

adecuado, y por lo tanto debe ser cambiado.

Supongamos ahora que se conoce la clasificación de las variables y cada candidato de

las variables de salida depende unívocamente de las restantes variables muestrales. Pero,

¿el comportamiento descubierto representa el comportamiento permanente propio del sistema,

o es justamente un comportamiento permanente debido a nuestros datos incompletos sobre el

sistema? No se puede responder a esta pregunta sólo por observación adicional de las cantida-des del sistema. Se podrá si se obtiene de alguna manera información apropiada del siste-

ma. En consecuencia, si queremos determinar el comportamiento permanente de la caja negra

investigada, debemos tratar de determinar algunas propiedades de su organización.

Los dos tipos de investigación, del comportamiento y la organización, son a veces ma-

teria de ramas diferentes de la ciencia. Por ejemplo, supongamos que la psicología es una

ciencia del comportamiento. Algunos sistemas que ella investiga se estudian también por la fi-

siología, que se dedica al comportamiento de sus elementos y los acoplamientos entre ellos.

Niveles diferentes son: bioquímica -nivel molecular-, citología -nivel celular-, fisiología orgá-

nica -nivel de los órganos-. Los estudios de comportamiento psicológicos pueden considerarsecomo definitivos si estuviesen suficientemente apoyados por algunos resultados fisiológicos

relativos al mismo sistema.






--------------------------------------------------------------

11

Se expresó que los resultados obtenidos al procesar una actividad dependen, hasta cierto

grado, del conjunto de variables muestrales elegido. Y que cuanto mayor sea el número de va-

riables contenidas en ese conjunto, más difícil es ejecutar el procedimiento de procesar la ac-

tividad. Entonces, el investigador trata de encontrar, mediante su experiencia e intuición, el

conjunto de variables muestrales más pequeño. Y lo aplica a la actividad, obteniendo un

conjunto de muestras de actividad. Investigando este conjunto obtendrá algunos resultados

acerca de la clasificación de las variables, su dependencia mutua, su descomposición intrínse-

ca en subsistemas, etc.

De acuerdo con los resultados obtenidos de la actividad, y eventualmente combinándolos

con otros, obtenidos por otros medios, acerca de la organización del sistema, el investiga-

dor tiene entonces, en principio, cuatro posibilidades de continuar su estudio del sistema:

1. Cambiar el conjunto de variables muestrales y repetir el procedimiento de procesar la ac-

tividad con el nuevo.

2. Volver al trabajo experimental tratando de encontrar otras muestras de actividad o de des-

cubrir propiedades en el campo de la organización del sistema.

3. Modificar la definición del sistema estudiado sobre un objeto dado. Por ejemplo, omitir al-

gunas cantidades e introducir otras. El procedimiento completo deberá repetirse para el nuevo

sistema.

4. Crear hipótesis sobre el comportamiento permanente y la organización del sistema, y verifi-

carlas por investigaciones adicionales del sistema en ambos temas.

No hay regla general para aconsejar al investigador cuál de las cuatro posibilidades debería

aplicarse en cada caso especial. Su elección depende de su conocimiento, experiencia, habili-

dad creativa, intuición, etc.

Relacionando al Experimentador con la Caja Negra

Cuando ya conocemos la clasificación en variables de entrada y salida, queremos conocer el

estado actual del sistema. En otras palabras, conocer su programa o proceso interno, utilizandosolo la experimentación desde fuera.

Está bien establecido que en un modelo la respuesta a una entrada, o conjunto de entradas,

puede predecirse -o determinar su probabilidad- sí y solo sí, se conoce el proceso completo del

sistema. Por lo tanto, la solución del problema de identificación de estados del sistema significa

conseguir que la caja negra sea predecible por el investigador.

Hay dos clases de experimentos posibles para identificar los estados:

1. Prefijados. La secuencia de estímulos a aplicar se determina por anticipado.






--------------------------------------------------------------

12

2. Adaptados. La secuencia de estímulos a aplicar se diseña etapa por etapa en base a las se-

cuencias precedentes de respuestas.

Identifiquemos las Fallas

Supongamos que se conocen por completo el comportamiento y la organización del sistema.

Además, las cantidades externas del sistema son completamente observables o bien pueden

realizarse experimentos con el sistema desde fuera. Y que la organización del sistema no pueda

investigarse directamente. Si en esta situación el sistema muestra un proceso incorrecto, debido

a una falla en un elemento o a un acoplamiento inadecuado, tenemos que determinar:

a) El proceso completo del sistema equivocado con objeto de poder predecir respuestas futu-

ras del sistema.

b) La falla en la estructura de sus acoplamientos, que produce el proceso incorrecto, para po-

der repararlo.

Este problema se relaciona estrechamente con el de identificar la estructura de estados y

transiciones del sistema. Por ello, tratamos primero de determinar la estructura de estados y

transiciones errónea mediante un experimento adecuado de identificación de dicha estructura.

Antes de comenzar a diseñar dicho experimento, tendremos que especificar todas las posibles -o todas las razonablemente sospechosas- estructuras de estados y transiciones equivocadas, y

probar si representan una clase de sistemas que no sean equivalentes con respecto a ningún es-

tado. Si es así, es posible determinar la estructura de estados y transiciones errónea del sistema

mediante un experimento prefijado adecuado, y también podremos hallar el proceso completo

equivocado. Después de determinarlo, la falla en la estructura de acoplamientos puede determi-

narse generalmente por simple razonamiento.

(Adaptado de G.Klir, Teoría General de Sistemas, Cap.7, Ediciones ICE, 198O)

BIBLIOGRAFIA:Ross Ashby, Introducción a la Cibernética, Nueva Visión, 1972.

Schoderbek, Schoderbek y Kefalas, Sistemas Administrativos, El Ateneo, 1986.

Experimento prefijado

Experimentador Caja Negra Registro de res-

puestas

Experimento adaptativo

Experimentador Caja Negra Registro de res-

puestas

caja negra

Documents