Revista Cubana de Ciencias Informáticas

Evaluation of Key Performance Indicators using a fuzzy inference method.

RESUMEN BIMAS es una solución informática para la gestión del desempeño e inteligencia empresarial, desarrollada y comercializada por la empresa cubana DESOFT donde los indicadores claves de rendimiento son evaluados de manera rígida a través de rangos definidos por los usuarios. En este trabajo se diseñó e implementó un sistema de inferencia borroso para la evaluación de los indicadores claves de rendimiento con el objetivo de tomar en cuenta aspectos subjetivos y objetivos que caracterizan el desempeño de los procesos en las organizaciones. Se tomaron como términos el porciento de cumplimiento y el período de evaluación de cada indicador debido a que se encuentran estrechamente relacionados. Los resultados obtenidos demuestran que con este sistema de inferencia borroso se obtienen evaluaciones más flexibles y cercanas a la realidad, brindando a los decisores información más confiable respecto a sus organizaciones. Este modelo será incorporado al producto de software BIMAS.

ABSTRACT BIMAS is a computer solution for performance management and businesses intelligence, developed and marketed by the DESOFT Cuban company, where key performance indicators are evaluated in a rigid way through ranges defined by users. In this work, a fuzzy inference system for evaluation of key performance indicators, with the aim of taking into account subjective and objective aspects that characterize the performance of processes in organizations, was designed and implemented. It was taken as terms, the execution percent and the evaluation period of each indicator because they are closely related. The obtained results demonstrate that with this fuzzy inference system, more flexible and nearer to reality evaluations are obtained, giving to decision makers more reliable information regarding their organizations. This model will be incorporated to BIMAS software product.

Treatment of restrictions on the problem of forming teams software projects. Penalization and preservation techniques.

RESUMEN La formación de equipos de proyectos de software es un problema complejo, en tanto debe considerar varios factores, como son, la asignación de las personas con las competencias apropiadas a los roles, la carga de trabajo, las incompatibilidades entre los miembros, entre otros. Este proceso es aún más complejo en organizaciones medianas y grandes teniendo en cuenta la cantidad de combinaciones de asignaciones posibles. El trabajo toma como antecedente un modelo que plantea: maximizar las competencias de los trabajadores, minimizar las incompatibilidades entre los miembros del equipo, balancear la carga de trabajo y minimizar el costo de desarrollar software a distancia. Además, incluye doce tipos de restricciones. El modelo citado responde a un problema combinatorio multiobjetivo por lo que para su solución se utilizaron un conjunto de variantes multiobjetivo de los algoritmos metaheurísticos Escalador de Colinas y Recocido Simulado. En trabajos previos se utilizó la técnica de rechazo para el tratamiento de las restricciones obteniéndose que más del 60% de las soluciones que se generan son no factibles, por lo que son desechadas durante la búsqueda. Este trabajo implementa otras técnicas como son penalización y preservación, con las que se obtienen muy buenos resultados.

ABSTRACT Forming teams of software projects is a complex problem, as should consider several factors, such as the allocation of people with the appropriate roles responsibilities, workload, incompatibilities between members, among others. This process is even more complex in medium and large organizations considering the number of combinations of possible assignments. The work takes as a model posing history: maximize the skills of workers, minimize incompatibilities between team members, balancing the workload and minimize the cost of developing software remotely. It also includes twelve types of restrictions. Said model responds to a multi-objective combinatorial problem so for its solution set of multiobjective metaheuristics algorithms variants Hill Climbing and Simulated Annealing were used. In previous work we were used rejection technique for treating restrictions yielding over 60% of the generated solutions are not feasible, so are discarded during the search was used in previous studies. This work implements other techniques such as penalty and preservation, with very good results.

Cognitive maps with fuzzy numbers operations to determine the impact of the risks in the project development time.

RESUMEN Se propone un Modelo que permite realizar un análisis de la incertidumbre de los riesgos en proyectos de desarrollo de software, a partir del uso de las técnicas de modelado causal (Mapas Cognitivos Difusos), con las operaciones básicas de números borrosos. El modelo propuesto incluye la vista estática así como la descripción de cada uno de los elementos que lo componen siendo aplicable a la gestión de riesgos. Permite la estimación del impacto de un riesgo en el tiempo de desarrollo del proyecto con el uso de la lógica difusa y operaciones borrosas. Su aplicación en proyectos reales demuestra que se puede estimar la afectación de un riesgo en el tiempo de desarrollo en caso de incertidumbre.

ABSTRACT Model for the uncertainty analysis of risks in software development projects from the approaches posed by the use of causal modeling techniques (Fuzzy Cognitive Maps) with basic number operations blurred. The proposed model includes a static view and a description of each of the component parts being applicable to the management of risks and the likelihood and impact of each of the risks identified and analyzed during the project life cycle. It allows estimating the impact of a risk at the time of project development with the use of fuzzy logic and fuzzy operations for a possible risk assessment. Its application in real projects shows that we can estimate the effect on risk in development time in case of uncertainty.

Web platform of integral services for the social interaction of the elderly in the city of Iquique

RESUMEN Este trabajo presenta el desarrollo de una plataforma web que permite, a través de tecnología, generar un aumento en la interacción social que tienen los adultos mayores de la ciudad de Iquique en Chile. Para ello, la plataforma Web consta de tres módulos. El primer módulo, de administración de medicamentos, permite que el adulto mayor pueda utilizar un calendario para registrar cuando debe consumir sus remedios o cuando comprarlos. En el segundo módulo, el adulto mayor puede conocer, mediante videos tutoriales, cómo realizar trámites comunes, tales como el pago de cuentas de luz, agua o gas, entre otros. Finalmente, en el módulo principal llamado Reminiscencia, se presenta una línea de tiempo multimedia con contenido histórico regional comprendiendo desde la década de 1920 hasta 1990, enfocándose principalmente en acontecimientos deportivos, culturales, artísticos y políticos. Esta herramienta busca atraer a los adultos mayores a la tecnología, proveyendo contenido para una interacción intergeneracional con su entorno y sus pares.

ABSTRACT This work presents the development of a web platform that allows, through technology, to generate an increase in the social interaction of older adults in the city of Iquique in Chile. For this, the Web platform consists of three modules. The first module, of medication administration, allows the elderly to use a calendar to record when they should consume their remedies or when to buy them. In the second module, the older adult can learn, through video tutorials, how to perform common procedures, such as the payment of electricity, water or gas bills, among others. Finally, in the main module called Reminiscence, a multimedia timeline with regional historical content is presented from the 1920s to the 1990s, focusing mainly on sporting, cultural, artistic and political events. This tool seeks to attract older adults to technology, providing content for intergenerational interaction with their environment and their peers.

Predictive power of the Support Vector Machine. An application to the financial planning

RESUMEN En los últimos años el uso de modelos no lineales para predicción y clasificación a través de algoritmos y técnicas computacionales de avanzada (Machine Learning), han surgido como alternativa eficiente para modelar procesos económicos. El presente trabajo fue desarrollado con el objetivo de construir un modelo para pronosticar la proyección de los ingresos en la Empresa de Mantenimiento a Centrales Eléctricas (EMCE). La modelación fue realizada a través del algoritmo Support Vector Machine (SVM) obteniéndose 95.8 % de aciertos con función kernel RBF. Se propone una herramienta gráfica (graph of prognostic projections) para la interpretación de pronóstico sobre proyecciones de variables de naturaleza económica.

ABSTRACT In recent years, the use of non-linear models for prediction and classification through algorithms and advanced computational techniques (Machine Learning) have emerged as an efficient alternative for modeling economic processes. The present work was developed with the objective of building a model to forecast the projection of revenues in the Maintenance Company to Power Plants (EMCE). The modeling was carried out through the Support Vector Machine (SVM) algorithm, obtaining 95.8% of hits with the RBF kernel function. A graphical tool (graph of prognostic projections) is proposed for the interpretation of forecasts about projections of variables of an economic nature.

System for the management and data analysis of a wireless sensor network based on a data warehouse

RESUMEN Usar de forma efectiva toda la información generada por una red de sensores inalámbricos es todo un reto. El gran volumen de datos que generan los sensores presenta gran variedad y su generación se produce con mucha celeridad. Esto hace difícil la interpretación de estos datos por parte de los usuarios, volviéndose poco útiles en el apoyo a la toma de decisiones, si no están procesados adecuadamente. En este trabajo se desarrolló un sistema de gestión y análisis de los datos generados por redes de sensores inalámbricos, basado en un almacén de datos. Este sistema permitió la estandarización de los datos y su almacenamiento en una estructura multidimensional. Posibilitó la supervisión remota a través de la web, del entorno donde se encuentra desplegada la red de sensores inalámbricos. También permitió analizar los datos desde diferentes escenarios históricos, y evaluar su comportamiento y evolución en un ambiente multidimensional, o sea, mediante la combinación de diferentes perspectivas o dimensiones. El análisis de las series temporales construidas con los datos almacenados en el almacén de datos, permitió realizar predicciones, a partir del comportamiento histórico de los datos. Proporcionando elementos que apoyan la toma de decisiones, a partir de lo que puede ocurrir en el futuro. El sistema fue desarrollado usando Hefestos como metodología de desarrollo y herramientas como Pentaho Data Integration para la carga de los datos en el almacén de datos y Pentaho BI Server para el análisis de estos mediante un navegador web.

ABSTRACT Effectively using all the information generated by a wireless sensor network is a challenge. The large volume of data generated by the sensors presents great variety and its generation occurs very quickly. This makes it difficult for users to interpret these data, making them little useful in supporting decision-making, if they are not properly processed. In this work, a system of management and analysis of the data generated by wireless sensor networks, based on a data warehouse was developed. This system allowed the standardization of the data and its storage in a multidimensional structure. It enabled remote supervision through the web, of the environment where the wireless sensor network it is. It also allowed to analyze the data from different historical scenarios, and to evaluate its behavior and evolution in a multidimensional environment, that is, by combining different perspectives or dimensions. The analysis of the time series constructed with the data stored in the data warehouse allowed predictions to be made, based on the historical behavior of the data. Providing elements that support decision making, based on what may happen in the future. The system was developed using Hephaestus as a development methodology and tools such as Pentaho Data Integration for loading the data in the data warehouse and Pentaho BI Server for the analysis of these through a web browser.

Improvements in the classification of protein-protein interactions of Arabidopsis Thaliana sequences using unbalanced database techniques

RESUMEN Un reto de las comunidades científicas en el área del aprendizaje automatizado lo constituye una correcta clasificación en conjuntos de datos no balanceados. En problemas de Bioinformática es muy común tener grandes bases de casos, en la mayoría de las veces estas son desbalanceadas, siendo la clase minoritaria casi siempre la de principal interés de investigación. Varios métodos de aprendizaje automático se han desarrollado para hacer frente al problema de las clases no balanceadas. Se tienen técnicas al nivel de los algoritmos y otras enfocadas a los datos. Entre los métodos dirigidos al procesamiento de los datos se destacan los que se centran en intentar balancear los conjuntos, reduciendo la clase con mayor cantidad de ejemplos, o ampliando la de menor cantidad, conocidas como under-sampling y over-sampling respectivamente. Se pretende mejorar la clasificación para la base de datos de interacciones de proteínas para la planta Arabidopsis Thaliana obtenida por el Departamento de Biología de Sistemas de Plantas de la Universidad de Ghent, la cual presenta desbalance de clases. En este trabajo se realiza una experimentación aplicando un compendio de diferentes investigaciones orientadas a la edición de los conjuntos de entrenamiento con lo cual se logra mejorar la clasificación de interacciones de proteínas.

ABSTRACT A challenge of the scientific communities in the area of Machine Learning is a correct classification in unbalanced data sets. In Bioinformatics problems it is very common to have large case base, in most cases these are unbalanced, the minority class almost always being the main research interest. Several methods of automatic learning have been developed to address the problem of unbalanced classes. Techniques are at the level of the algorithms and others are focused on the data. Among the methods used for data processing are those that focus on trying to balance the sets, reducing the class with more samples, or expanding the smaller ones, known as under-sampling and over-sampling respectively. In this work is try to be improved the classification for the protein-protein interactions for the Arabidopsis Thaliana plant obtained by the Department of Plant Systems Biology at the University of Ghent, which presents an imbalance of classes. The experimentation is carried out applying a compendium of different research oriented to the edition of the training sets to try to improve the classification of the Protein-Protein Interactions.

Anomaly Detection based on Deep Learning: Review

RESUMEN La detección de anomalías es una técnica de Minería de Datos que permite el reconocimiento de nuevos patrones con comportamiento inusual, los cuales pueden ser traducidos como acciones no válidas o anómalas sobre los datos. La detección de anomalías ha permitido la identificación y prevención de actividades maliciosas como fraude e intrusiones, entre otros. El uso de técnicas tradicionales para la detección de anomalías ha reportado muy buenos resultados. Sin embargo, en los últimos años se han reportado resultados de mayor relevancia mediante el uso de técnicas de aprendizaje profundo. El objetivo de este reporte es la revisión de los principales y más recientes métodos del estado-del-arte para la detección de anomalías (fraude e intrusiones) basados en aprendizaje profundo (en inglés: Deep Learning), los cuales categorizamos según el tipo de red profunda que utilizan.

ABSTRACT Anomaly detection is a Data Mining technique that allows the recognition of new patterns with unusual behavior, which can be translated as non-valid actions or anomalies over the data. Anomaly detection has allowed the identification and prevention of malicious activities such as fraud and intrusions, among others. The use of traditional techniques of anomaly detection has reported very good results. However, in the last years, more relevant results have been reported through the use of deep learning techniques. The aim of this report is to give a revision of the principal and most recent state-of-the-art methods for anomaly (fraud and intrusions) detection based on the deep learning technique, which we categorized according to the kind of the used deep neural network.