EL USO DE LOS SOFTWARES Y LOS ALGORITMOS EN LA

OPTIMIZACIN DE PROCESOS: USO, ALGORITMOS

1. INTRODUCCIN
PROCESO
Segn el Diccionario de la Real Academia Espaola (REA), se define
proceso como el Conjunto de las fases sucesivas de un fenmeno natural o
de una operacin artificial.
Segn Wikipedia, se define proceso como Un conjunto de actividades
mutuamente relacionadas o que al interactuar transforman elementos de
entrada y los convierten en resultados.
Andrew. S. Tanenbaum propone una analoga para entender el concepto de
proceso "Un cientfico computacional con mente culinaria hornea un pastel
de cumpleaos para su hija; tiene la receta para un pastel de cumpleaos y
una cocina bien equipada con todos los ingredientes necesarios, harina,
huevo, azcar, leche, etc." En esta analoga se puede decir que la receta
representa el programa (el algoritmo), el cientfico computacional es el
procesador y los ingredientes son las entradas del programa, siendo el
resultado el pastel horneado.

OPTMIZACION DE PROCESOS

Segn la REA, la optimizacin es la accin y efecto de optimizar, es decir

buscar la mejor manera de realizar una actividad, ampliando el concepto, la
optimizacin de procesos busca adaptar las actividades para que sean
realizadas de una manera ms eficiente. Existen diferentes e infinitas
formas de realizar un proceso, y la optimizacin de los procesos viene
siendo estimulada cada vez ms por la necesidad que tienen las empresas
por explotar mrgenes de beneficios cada vez ms estrechos en un mundo
globalizado y competitivo.
Para poder lograrlo las empresas deben producir con el nivel de calidad
requerido por el mercado pero con el menor costo posible, cumpliendo
adems ahora con exigentes regulaciones medioambientales.

SOFTWARE
Segn la REA, define

el software como el conjunto de programas,

instrucciones y reglas informticas para ejecutar ciertas tareas en una

computadora.
Segn Wikipedia, se conoce como software al equipamiento lgico o
soporte lgico de un sistema informtico, que comprende el conjunto de los
componentes lgicos necesarios que hacen posible la realizacin de tareas
especficas, en contraposicin a los componentes fsicos que son llamados
hardware.

ALGORITMO

Segn la REA, define el algoritmo como el conjunto ordenado y finito de

operaciones que permite hallar la solucin de un problema.
Segn Wikipedia, un algoritmo (del griego y latn, dixit algorithmus y este a
su vez del matemtico persa Al-Juarismi1 ) es un conjunto prescrito de
instrucciones o reglas bien definidas, ordenadas y finitas que permite
realizar una actividad mediante pasos sucesivos que no generen dudas a
quien deba realizar dicha actividad. Dados un estado inicial y una entrada,
siguiendo los pasos sucesivos se llega a un estado final y se obtiene una
solucin.

2. OPTMIZACION DE PROCESOS
La Optimizacin de Procesos tiene varios matices, pero lo cierto es que el
trmino "optimizacin" en si es demasiado ambicioso para la dinmica
actual de las empresas que como ya se mencion se ven obligadas a
"adaptarse" al entorno, a los nuevos estndares y normativas legales. Por
esta razn normalmente, optimizar procesos es un desafo muy costoso e
incluso doloroso.
De acuerdo a la definicin del trmino optimizacin, es obtener la "mejor"
solucin entre otras soluciones factibles, en otras palabras el mejor proceso
debe ajustar el flujo de tareas, entradas y salidas de manera que entregue
la mejor calidad al menor costo y en el menor tiempo.
Pero normalmente, si queremos aumentar la calidad de cualquier producto
o servicio incurrimos en inversin de tecnologa y personas (los costos

aumentan) pero a la vez se pueden reducir los tiempos (de produccin,

soporte, etc.)y en el peor caso aumentarlos lo cual depende de otros
factores tales como: correcta eleccin de la tecnologa, capacitacin de las
personas, estrategias de gestin.
La flexibilidad de cualquier proceso est asociada a cun rpido se ajusta a
los cambios y dinmica de la empresa y tambin del entorno tanto interno
como externo.
Los internos se refieren a las medidas de la empresa para realizar cambios
a un proceso para mejorar su desempeo tomando en cuenta las variables
de costo, tiempo, calidad y flexibilidad.
Los externos son todos aquellos factores que provienen desde el entorno de
la empresa y que son identificados por medio de Inteligencia de Negocios
(Business

Intelligence, BI), rea

de

mrketing,

rea

de

finanzas

(principalmente, factores de desempeo econmico), como tambin desde

nuevos estndares y/o normativas legales.

3. USO DE SOFTWARE EN LA OPTIMIZACION DE PROCESOS (BUSINESS

PROCESS MANAGMENT, SOFTWARE BIZAGI)
La necesidad de las empresas por adaptar y mejorar sus procesos,
frecuentemente estn frenadas por aplicaciones y sistemas que no estn
preparados para explotar nuevas oportunidades y adaptarse a los cambios
de forma gil.

Ante

esto

emergi

una

nueva

disciplina

BPM

(Business

ProcessManagment), Gestin por procesos, cuyo objetivo es mejorar la

eficiencia a travs de la gestinsistemtica de los procesos de negocio, que
se deben modelar, automatizar, integrar, monitorizary optimizar de forma
continua.
Debemos conocer que no consiste en una solucin tecnolgica. Es mucho
ms, es un conjunto deherramientas, tecnologas, tcnicas, mtodos y
disciplinas de gestin. Y cmo deseamosgestionar esos procesos, ese
conjunto nos va a permitir identificar procesos, modelizar, analizarel
comportamiento,

ejecutar

los

procesos

(automatizacin),

control

la

ejecucin de los procesos yoptimizar los procesos para la mejora continua.

En un mundo donde laComunicacin, Colaboracin y Coordinacin ya es la
normalidad,se requieren de tecnologas que orquesten los procesos, la
organizacin, los sistemas, y losclientes, colaboradores y otros entes
externos.
La gestin por procesos es una manera de gestionar que tiene por objetivo
el anlisis peridico de la forma en que se realizan las actividades y
procesos en una organizacin, en la bsqueda de un mejoramiento u
optimizacin continua de los resultados que se obtienen como producto de
dicha gestin. Todo ello sin perder de vista que ese producto o resultado
tiene como objetivo central el de satisfacer las expectativas y necesidades
de un usuario. Estos constituyen los elementos para llegar al punto central,
que es el cmo mejorar la gestin.
Etapas en la gestin de procesos

La gestin de procesos tiene las siguientes etapas:

1. Identificacin
Cules son las reas que pudieran considerarse crticas? stas
pueden haber sido identificadas por diversos medios: como resultado de
un monitoreo de calidad que muestra indicadores muy alejados del
estndar esperado; por los resultados de encuestas a usuarios; a travs
de una planificacin estratgica y el anlisis FODA (fortalezas,
oportunidades, debilidades y amenazas); por observacin de los
usuarios internos; entre otras.
2. Descripcin
Etapa donde se debe llegar a conocer en forma detallada el proceso que
se ha elegido, observando en terreno y conversando con las personas
que lo ejecutan y con los responsables del mismo. En forma
complementaria, puede recurrirse a normativas o manuales que lo
describan.
3. Anlisis
El resultado de esta etapa es crucial para todo el resto del trabajo.
Deber incorporarse a la etapa de anlisis, un grupo de personas que
incluya a aquellos que efectuaron el levantamiento, a expertos externos
y tambin a algunos de los actores del proceso.
4. Identificacin de reas problema y sus soluciones

El anlisis precedente deber concluir con la identificacin de las reas

problema o determinantes que explican por qu no se obtienen los
resultados esperados. Estos pueden deberse a ms de una causa, y en
ocasiones son slo un factor crtico relevante capaz de determinar el mal
resultado.
5. Rediseo
Esta etapa debe realizarse con mucha acuciosidad a travs de un
proceso participativo, donde el diseo pueda corregirse tantas veces
como sea necesario, e idealmente en varios tiempos, es decir en varias
sesiones de trabajo, a objeto de dejar reposar las ideas.
6. Aplicacin/implementacin
El xito de esta etapa est en gran medida determinado por la forma en
que se hayan realizado las fases anteriores, especialmente en lo referido
a la participacin de los actores del proceso. Se puede sealar que casi
sin excepcin, las personas que mejor conocen los problemas y que
pueden aportar con mejores ideas a la solucin son los propios
involucrados en la actividad o tarea que se est rediseando.
7. Evaluacin
Idealmente junto con la implementacin del cambio, se deben establecer
metas evaluables en trminos de los resultados esperados, marcados
por hitos a travs del tiempo; estos expresan el nivel de conformidad
respecto a los objetivos del rediseo.
SOFTWARE BIZAGI

Bizagi es una suite ofimtica con dos productos complementarios, un

modelador de procesos y una suite de BPM.
BizagiProcessModeler
BizagiProcessModeler es un freeware para diagramar, documentar y
simular procesos de manera grfica en un formato estndar conocido
como BPMN (Business ProcessModelingNotation). Los procesos y su
documentacin correspondiente pueden exportarse a Word, PDF, Visio,
la web o SharePoint3 para compartirlos y comunicarlos.
Bizagi BPM Suite
La Suite consiste de dos herramientas: Bizagi Studio, el mdulo de
construccin, y Bizagi BPM Server para ejecucin y control. En Bizagi
Studio el usuario define el modelo asociado al proceso de negocio
(flujograma, reglas de negocio, interfaz de usuario, etc) para la ejecucin
del mismo. Los modelos se guardan en una base de datos y son
utilizados posteriormente en la ejecucin por Bizagi BPM Server. Bizagi
BPM Server ejecuta un Portal de Trabajo para los usuarios finales en un
PC o cualquier dispositivo mvil.
Bizagi permite automatizar procesos complejos. Ha puesto a disposicin
de la comunidad un conjunto de plantillas de procesos ejecutables que
se pueden descargar del sitio web. Las plantillas incluyen Mesa de
ayuda, Seis Sigma, Solicitud de crditos personales, Solicitud de plizas
de automvil, Proceso transaccional, entre otras.

4. USO DE ALGORITMOS EN LA OPTIMIZACION DE PROCESOS

Existen problemas de optimizacin de procesos que aparecen en los
mbitos de las ingenieras que son difciles de solucionar por medio de
tcnicas tradicionales, por lo que amenudo se aplican algoritmos evolutivos,
inspirados en la naturaleza, que recogen unconjunto de modelos basados
en la evolucin de los seres vivos.

COMPUTACIN EVOLUTIVA Y OPTIMIZACIN

Un problema de optimizacin requiere hallar un conjunto de parmetros de
formaque se cumpla un cierto criterio de calidad que se quiere optimizar, es
decir,maximizando o minimizando una cierta funcin de evaluacin f(x)
dada.Los algoritmos evolutivos son especialmente tiles cuando nos
encontramos conproblemas difciles o altamente irresolubles, como lo son
aquellos caracterizados poruna alta dimensionalidad, multimodalidad, no
linealidad, no diferenciabilidad,presencia de ruido y cuando se trata con
funciones dependientes del tiempo.

ALGORITMOS EVOLUTIVOS
Este trmino es empleado para describir sistemas de resolucin de
problemas deoptimizacin o bsqueda basados en el ordenador empleando
modelos computacionalesde algn mecanismo de evolucin conocido como
elemento clave en su diseo eimplementacin.

Los algoritmos evolutivos trabajan con una poblacin de individuos, que

representansoluciones candidatas a un problema. Esta poblacin se somete
a ciertastransformaciones y despus a un proceso de seleccin, que
favorece a los mejores. Cadaciclo de transformacin y seleccin constituye
una generacin, de forma que despus decierto nmero de generaciones se
espera que el mejor individuo de la poblacin estcerca de la solucin
buscada. Los algoritmos evolutivos combinan la bsquedaaleatoria, dada
por las transformaciones de la poblacin, con una bsqueda dirigida
dadapor la seleccin.
Principales Componentes:

Poblacin

necesariamentedirecta) de posibles soluciones.

Procedimiento de seleccin basado en la aptitud de los individuos

pararesolver el problema.
Procedimiento de transformacin para construir nuevos individuos a

de

individuos,

que

son

una

representacin

(no

partir delos anteriores.

CARACTERSTICAS
La caracterstica fundamental de los algoritmos evolutivos radica en los
mtodos degeneracin de soluciones: se parte de un conjunto de
soluciones iniciales y se vanempleando un conjunto de operadores de
bsqueda para ir refinando la solucin final.
Para realizar dicho refinamiento de las soluciones, se pueden utilizar
tcnicas

clsicas

complementadas

con

mecanismos

exploracin: poblacin de soluciones, operadores genticos.

CLASIFICACIN

biolgicos

de

Existen las siguientes modificaciones sobre el esquema general:

Estrategias Evolutivas: Tcnica desarrollada por Rechenberg y

Schwefel yextendida por Herdy, Kursawe, Ostermeier, Rudolph, y otros,
fue diseada inicialmentecon la meta de resolver problemas de
optimizacin discretos y continuos,principalmente experimentales y
considerados difciles. Trabaja con vectores denmeros reales que
codifican las posibles soluciones deproblemas numricos. Utiliza
recombinacin o cruce (crossover aritmtico), mutacin yla operacin de
seleccin,

ya

sea

determinstica

probabilstica,

elimina

las

peoressoluciones de la poblacin y no genera copia de aquellos

individuos con una aptitud pordebajo de la aptitud promedio.

Programacin Evolutiva: Tcnica introducida por Fogel y extendida por
Burgin,Atmar y otros, inicialmente fue diseada como un intento de crear
inteligencia artificial.La representacin del problema se realiza mediante
nmeros

reales

(cualquier

estructurade

datos),

emplea

los

mecanismos de mutacin y seleccin. El procedimiento es muysimilar a

las estrategias evolutivas con la diferencia de que no emplea la
recombinacin,de tal forma que son denominadas en conjunto
algoritmos evolutivos como una manerade diferenciarlas de los

algoritmos genticos.
Algoritmos Genticos: Modelan el proceso de evolucin como una
sucesin defrecuentes cambios en los genes, con soluciones anlogas a
cromosomas. Trabajan conuna poblacin de cadenas binarias para la
representacin del problema, y el espacio desoluciones posibles es
explorado aplicando transformaciones a stas solucionescandidatas tal y

como se observa en los organismos vivientes: cruce, inversin

ymutacin. Como mtodo de seleccin emplean en mecanismo de la
ruleta (a veces conelitismo). Constituyen el paradigma ms completo de
la computacin evolutiva ya queresumen de modo natural todas las
ideas fundamentales de dicho enfoque. Son muyflexibles ya que pueden
adoptar con facilidad nuevas ideas, generales o especficas, que surjan
dentro del campo de la computacin evolutiva. Adems, se pueden
hibridarfcilmente con otros paradigmas y enfoques, aunque no tengan
ninguna relacin con la computacin evolutiva.

Figura 1: Ciclo de un algoritmo gentico.

Aplicaciones de Algoritmos Genticos
Optimizacin: Se trata de un campo especialmente abonado para el
uso de los Algoritmos Genticos, por las caractersticas intrnsecas de
estos problemas. No en vano fueron la fuente de inspiracin para los
creadores estos algoritmos. Los Algoritmos Genticos se han utilizado
en numerosas tareas de optimizacin, incluyendo la optimizacin

numrica, y los problemas de optimizacin combinatoria.

Programacin automtica: Los Algoritmos Genticos se han empleado
para desarrollar programas para tareas especficas, y para disear otras
estructuras computacionales tales como el autmata celular, y las redes
de clasificacin.

Aprendizaje mquina: Los algoritmos genticos se han utilizado

tambin en muchas de estas aplicaciones, tales como la prediccin del
tiempo o la estructura de una protena. Han servido asimismo para
desarrollar

determinados

aspectos

de

sistemas

particulares

de

aprendizaje, como pueda ser el de los pesos en una red neuronal, las
reglas para sistemas de clasificacin de aprendizaje o sistemas de

produccin simblica, y los sensores para robots.

Economa: En este caso, se ha hecho uso de estos Algoritmos para
modelizar procesos de innovacin, el desarrollo estrategias de puja, y la

aparicin de mercados econmicos.

Sistemas inmunes: A la hora de modelizar varios aspectos de los
sistemas inmunes naturales, incluyendo la mutacin somtica durante la
vida de un individuo y el descubrimiento de familias de genes mltiples

en tiempo evolutivo, ha resultado til el empleo de esta tcnica.

Ecologa: En la modelizacin de fenmenos ecolgicos tales como las
carreras de armamento biolgico, la coevolucin de parsito-huesped, la

simbiosis, y el flujo de recursos.

Gentica de poblaciones: En el estudio de preguntas del tipo Bajo
qu

condiciones

ser

viable

evolutivamente

un

gene

para

la

recombinacin?
Evolucin y aprendizaje: Los Algoritmos Genticos se han utilizado en
el estudio de las relaciones entre el aprendizaje individual y la evolucin

de la especie.
Sistemas sociales: En el estudio de aspectos evolutivos de los
sistemas sociales, tales como la evolucin del comportamiento social en
colonias de insectos, y la evolucin de la cooperacin y la comunicacin
en sistemas multi-agentes.

5. CONCLUSIONES

El presente trabajo ha presentado las distintas alternativas de optimizacin

de procesos utilizando software computacional y algoritmos.
Existe una variedad de investigacin referente a los algoritmos evolutivos y
genticos que se emplean para la optimizacin de un problema de
ingeniera.
La aplicacin de estos algoritmos son tecnologas de punta que empiezan a
utilizarse en aplicaciones reales, las cuales constituyen un enfoque de
resolucin de problemas con un alto potencial en el campo de la ingeniera
industrial, qumica, entre otros.