Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México




descargar 304.79 Kb.
títuloLas redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México
página1/7
fecha de publicación05.12.2015
tamaño304.79 Kb.
tipoDocumentos
med.se-todo.com > Economía > Documentos
  1   2   3   4   5   6   7

Protocolo de Investigación Héctor Paniagua Guerrero



Las redes neuronales artificiales aplicadas a los riesgos de negocios de las PYME’s de servicios en la Ciudad de México

Índice


  1. Proyecto de Investigación ………………………………………….….



    1. Antecedentes……………………………………………………..…


1.2 Planteamiento del problema de investigación…………………..
1.3 Preguntas de investigación……………………………………….

1.4 Justificación de la Investigación…………………………………..
1.5 Objetivos de la investigación……………………………………...
1.6 Hipótesis de investigación…………………………………………
1.7 Alcance de la Investigación………….…………………………....
1.8 Marco teórico de la investigación…………………………………

1.9 Metodología de la investigación…………………………………..

1.10 Aportaciones……………………………………………………….
1.11 Índice tentativo…………………………………………………….
2. Fuentes de información disponibles………………………………………..



    1. Antecedentes



      1. Introducción1


Uno de los problemas más antiguos de la ciencia experimental es encontrar funciones que ajusten, o expliquen, datos que se observan de fenómenos naturales. La principal ventaja de la existencia de tales funciones es la posibilidad de predecir el comportamiento del sistema natural en el futuro y controlar sus salidas mediante la aplicación de las entradas adecuadas. Algunos ejemplos podrían ser la predicción de valores en bolsa, la predicción meteorológica o la clasificación de formas tumorales.
En este sentido, el hombre se ha caracterizado siempre por su búsqueda constante de nuevas vías para mejorar sus condiciones de vida. Estos esfuerzos le han servido para reducir el trabajo en aquellas operaciones en las que la fuerza juega un papel primordial. Los progresos obtenidos han permitido dirigir estos esfuerzos a otros campos, como por ejemplo, a la construcción de máquinas calculadoras que ayuden a resolver de forma automática y rápida determinadas operaciones que resultan tediosas cuando se realizan a mano.
Los desarrollos actuales de los científicos se dirigen al estudio de las capacidades humanas como una fuente de nuevas ideas para el diseño de las nuevas máquinas. Así, la inteligencia artificial es un intento por descubrir y describir aspectos de la inteligencia humana que pueden ser simulados mediante máquinas. Esta disciplina se ha desarrollado fuertemente en los últimos años teniendo aplicación en algunos campos como visión artificial, demostración de teoremas, procesamiento de información expresada mediante lenguajes humanos... etc.
Las redes neuronales son más que otra forma de emular ciertas características propias de los humanos, como la capacidad de memorizar y de asociar hechos. Si se examinan con atención aquellos problemas que no pueden expresarse a través de un algoritmo, se observará que todos ellos tienen una característica en común: la experiencia. El hombre es capaz de resolver estas situaciones acudiendo a la experiencia acumulada. Así, parece claro que una forma de aproximarse al problema consista en la construcción de sistemas que sean capaces de reproducir esta característica humana. En definitiva, las redes neuronales no son más que un modelo artificial y simplificado del cerebro humano, que es el ejemplo más perfecto del que disponemos para un sistema que es capaz de adquirir conocimiento a través de la experiencia. Una red neuronal es “un nuevo sistema para el tratamiento de la información, cuya unidad básica de procesamiento está inspirada en la célula fundamental del sistema nervioso humano: la neurona”
Todos los procesos del cuerpo humano se relacionan en alguna u otra forma con la (in)actividad de estas neuronas. Las mismas son un componente relativamente simple del ser humano, pero cuando millares de ellas se conectan en forma conjunta se hacen muy poderosas.



      1. La neurona clásica2


Una gran cantidad de terminología biológica se ha introducido a la literatura de las redes neuronales. Vale la pena conocer estos términos, en cualquier caso, junto con las otras partes esenciales de una buena educación liberal, tales como la mecánica cuántica, la siguiente figura 1.1 es un diagrama de la neurona genérica. La neurona genérica esta modelada con base en las neuronas motoras o motoneuronas espinales, una de las neuronas mejor caracterizadas en los mamíferos. Las neuronas son células, y tienen un núcleo y el aparato metabólico celular relacionado.
neurona2
Figura 1.1 Neurona genérica etiquetada
Un extremo de la célula, el de entrada, tiene un número de finas ramificaciones, llamadas dendritas, por su parecido, por su parecido a un árbol (dendro – es una raíz griega para significar “árbol”, de ahí dendrita, dendrocronología, etc.). La figura 1.2 las formas dendríticas de un número de neuronas reales. La variabilidad en formas y tamaños refleja el procesamiento analógica de información que realiza la neurona. El cuerpo celular se conoce como soma.

neurona
Figura 1.2 Árboles dendríticos de varias neuronas reales.


La mayoría de las neuronas tienen una larga y delgada ramificación, el axón, que se aparta del cuerpo celular y puede extenderse por metros. El axón es la línea de transmisión de la neurona. Los axones pueden dar lugar a ramificaciones colaterales, junto con la rama principal, por lo que la conectividad real de una neurona puede ser bastante complicada. Las neuronas se encuentran entre las células más grandes del cuerpo humano, y ciertamente son las más extendidas. Por ejemplo, las motoneuronas espinales en la parte baja de la espalda pueden tener axones que llegan a su destino final, se ramifican nuevamente en lo que se conoce como arborización terminal (arbor es la palabra latina para “árbol”, de ahí día arbor, arboretum, arbóreo, etc.).
En los extremos de las ramas axonales hay unas complejas estructuras altamente especializadas llamadas sinapsis figura 1.3. En la imagen normal de la neurona, las dendritas reciben entradas desde otras células, el soma y las dendritas procesan e integran las entradas, y la información se retransmite por el axón hacia la sinapsis cuyas salidas proporcionan entradas a otras neuronas u órganos efectores.
Las sinapsis que una célula influya en la actividad de las otras. El dogma recibido en la teoría de las redes neuronales dice que la sinapsis varía en fuerza, y que éstas, esto es, las detalladas interacciones entre muchas neuronas, son la clave de la naturaleza de los cómputos que realizan las redes neuronales. La mayoría de los neurofisiólogos concuerdan con este supuesto, pero, excepto por algunos casos especiales, como el ganglio abdominal de la Aplysia y el ojo del Limulus, la evidencia detallada de esto es sorprendentemente escasa. Es difícil pensar en alternativas plausibles. Sin embargo:
El núcleo y maquinaria circundante tienen el trabajo de enviar nutrientes, enzimas y materiales de construcción por el axón hacia el resto de la célula, que puede encontrarse a alguna distancia. Paul Weiss, en la década de los cuarentas, demostró un significativo flujo axoplasmático al simplemente constreñir el axón y señalar que se hinchaba en el lado entre el núcleo y la constricción. El flujo retrógrado de materiales de regreso hacia el núcleo también ocurre. Parece haber un número de mecanismos de transporte intracelular con diferentes velocidades y características. La neurona es un sitio muy ocupado.

13_2

Figura 1.3 Árborización terminal.

Como en todas las células animales, la neurona está cubierta por una delgada membrana con sorprendentes propiedades. La función de la membrana consiste en separar el interior del exterior. En las neuronas, el interior y el exterior son bastante diferentes en cuanto a sus propiedades químicas y eléctricas. La membrana tiene apenas un grosor de 60 a 70 A, y está compuesta principalmente por lípidos y proteínas. Los lípidos están distribuidos en una capa doble en la que se incrustan proteínas; las proteínas flotan en una especie de “mar” de lípidos.

celcriofractura2crio
La figura 1.4 Criofractura
La figura 1.4 muestra una imagen de una fractura por congelamiento o criofractura de la membrana de una neurona con las proteínas incrustadas en ella tomada con un microscopio electrónico.
Las proteínas pueden estar ubicadas en la cara interior o exterior de la membrana, o pasar a través de ella, lo hacen por pasajes continuos o poros. Iones particulares pueden pasar a través de de los poros y, por lo mismo, a través de la membrana. Los poros pueden cambiar su conformación bajo control ya sea eléctrico o químico, por lo que el flujo de iones puede ser regulado; esto es, la permeabilidad de la membrana está bajo control del ambiente eléctrico o químico.

350px-ion_channel

Figura 1.5 Diagrama esquemático de un canal iónico. 1 - Dominios de canal (normalmente son cuatro por canal), 2 - vestíbulo exterior, 3 - filtro de selectividad, 4 - diámetro del filtro de selectividad, 5 - sitio de fosforilación, 6 - membrana célula.
La figura 1.5 un dibujo de dicho canal, que cambia su conformación y su permeabilidad a los iones cuando encuentra a la substancia química llamada acetilcolina. Este mecanismo para la conductancia iónica variable, forma bases de las propiedades eléctricas de la neurona.



      1. Breve introducción biológica a una red neuronal3



        1. Tipos de Neuronas


Aunque hay muchos tipos diferentes de neuronas, hay tres grandes categorías basadas en su función:


  • Las neuronas sensoriales son sensibles a varios estímulos no neurales. Hay neuronas sensoriales en la piel, los músculos, articulaciones, y órganos internos que indican presión, temperatura, y dolor. Hay neuronas más especializadas en la nariz y la lengua que son sensibles a las formas moleculares que percibimos como sabores y olores. Las neuronas en el oído interno nos proveen de información acerca del sonido, y los conos y bastones de la retina nos permiten ver.




  • Las neuronas motoras son capaces de estimular las células musculares a través del cuerpo, incluyendo los músculos del corazón, diafragma, intestinos, vejiga, y glándulas.



  • Las interneuronas son las neuronas que proporcionan conexiones entre las neuronas sensoriales y las neuronas motoras, al igual que entre ellas mismas. Las neuronas del sistema nervioso central, incluyendo al cerebro, son todas interneuronas.


La mayoría de las neuronas están reunidas en “paquetes” de un tipo u otro, a menudo visible a simple vista. Un grupo de cuerpos celulares de neuronas, por ejemplo, es llamado un ganglio o un núcleo. Una fibra hecha de muchos axones se llama un nervio. En el cerebro y la médula espinal, las áreas que están compuestas en su mayoría por axones se llaman materia blanca, y es posible diferenciar vías o tractos de esos axones. Las áreas que incluyen un gran número de cuerpos celulares se llaman materia gris.

neurona3


      1. ¿Qué es una red neuronal4


Las neuronas (del griego νεῦρον, cuerda, nervio) son un tipo de células del sistema nervioso cuya principal característica es la excitabilidad de su membrana plasmática; están especializadas en la recepción de estímulos y conducción del impulso nervioso (en forma de potencial de acción) entre ellas o con otros tipos celulares, como por ejemplo las fibras musculares de la placa motora. Altamente diferenciadas, la mayoría de las neuronas no se dividen una vez alcanzada su madurez; no obstante, una minoría sí lo hace. Las neuronas presentan unas características morfológicas típicas que sustentan sus funciones: un cuerpo celular llamado soma o «pericarion», central; una o varias prolongaciones cortas que generalmente transmiten impulsos hacia el soma celular, denominadas dendritas; y una prolongación larga, denominada axón o «cilindro-eje», que conduce los impulsos desde el soma hacia otra neurona u órgano diana.


La neurogénesis en seres adultos, fue descubierta apenas en el último tercio del siglo XX. Hasta hace pocas décadas se creía que, a diferencia de la mayoría de las otras células del organismo, las neuronas normales en el individuo maduro no se regeneraban, excepto las células olfatorias. Los nervios mielinados del sistema nervioso periférico también tienen la posibilidad de regenerarse a través de la utilización del neurolema, una capa formada de los núcleos de las células de Schwann.
Existen numerosas formas de definir a las redes neuronales; desde las definiciones cortas y genéricas hasta las que intentan explicar más detalladamente qué son las redes neuronales. Por ejemplo:
1) Una nueva forma de computación, inspirada en modelos biológicos.

2) Un modelo matemático compuesto por un gran número de elementos procesales organizados en niveles.

3) Un sistema de computación compuesto por un gran número de elementos simples, elementos de procesos muy interconectados, los cuales procesan información por medio de su estado dinámico como respuesta a entradas externas.

4) Redes neuronales artificiales son redes interconectadas masivamente en paralelo de elementos simples (usualmente adaptativos) y con organización jerárquica, las cuales intentan interactuar con los objetos del mundo real del mismo modo que lo hace el sistema nervioso biológico.

dendritas


      1. Acerca de las redes neuronales artificiales (RNA) 5.


Las Redes Neuronales Artificiales (RNA) o sistemas conexionistas son sistemas de procesamiento de la información cuya estructura y funcionamiento están basados en las redes neuronales biológicas. Las RNA’s consisten en un conjunto de elementos simples de procesamiento que se llamarán nodos o neuronas conectadas entre ellas por conexiones que tienen un valor numérico que será modificable y llamado peso.
Uno de los primeros en acometer esta empresa fue Charles Babbage, quien trató infructuosamente de construir una máquina capaz de resolver problemas matemáticos. Posteriormente otros tantos intentaron construir máquinas similares, pero no fue hasta la Segunda Guerra Mundial, cuando ya se disponía de instrumentos electrónicos, que se empezaron a recoger los primeros frutos. En 1946 se construyó la primera computadora electrónica. Desde entonces los desarrollos en este campo han tenido un auge espectacular.
Estas máquinas permiten implementar fácilmente algoritmos para resolver multitud de problemas que antes resultaban engorrosos de resolver. Sin embargo, se observa una limitación importante, por ejemplo ¿qué ocurre cuando el problema que se quiere resolver no admite un tratamiento algorítmico, como es el caso de la clasificación de objetos por rasgos comunes? Este ejemplo demuestra que la construcción de nuevas máquinas más versátiles requiere un enfoque del problema desde otro punto de vista.
Los desarrollos actuales de los científicos se dirigen al estudio de las capacidades humanas como una fuente de nuevas ideas para el diseño de las nuevas máquinas. Así, la inteligencia artificial es un intento por descubrir y describir aspectos de la inteligencia humana que pueden ser simulados mediante máquinas. Esta disciplina se ha desarrollado fuertemente en los últimos años teniendo aplicación en algunos campos como visión artificial, demostración de teoremas, procesamiento de información expresada mediante lenguajes humanos... etc.
Las redes neuronales son más que otra forma de emular ciertas características propias de los humanos, como la capacidad de memorizar y de asociar hechos. Si se examinan con atención aquellos problemas que no pueden expresarse a través de un algoritmo, se observará que todos ellos tienen una característica en común: la experiencia.
El hombre es capaz de resolver estas situaciones acudiendo a la experiencia acumulada. Así, parece claro que una forma de aproximarse al problema consista en la construcción de sistemas que sean capaces de reproducir esta característica humana. En definitiva, las redes neuronales no son más que un modelo artificial y simplificado del cerebro humano, que es el ejemplo más perfecto del que disponemos para un sistema que es capaz de adquirir conocimiento a través de la experiencia. Una red neuronal es “un nuevo sistema para el tratamiento de la información, cuya unidad básica de procesamiento está inspirada en la célula fundamental del sistema nervioso humano: la neurona”.


      1. Generación y transmisión de las señal nerviosa6


La unión entre dos neuronas se denomina sinapsis. En el tipo de sinapsis más común no existe un contacto físico entre las neuronas, sino que estas permanecen separadas por un pequeño vacío de unas 0.2 micras. En relación a la sinapsis, se habla de neuronas presinápticas (las que envían señales).



      1. Evolución histórica7




  • 1936 - Alan Turing. Fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación. Sin embargo, los primeros teóricos que concibieron los fundamentos de la computación neuronal fueron Warren McCulloch, un neurofisiólogo, y Walter Pitts, un matemático, quienes, en 1943, lanzaron una teoría acerca de la forma de trabajar de las neuronas (Un cálculo lógico de la inminente idea de la actividad nerviosa - boletín de matemática biofísica 5: 115-133). Ellos modelaron una red neuronal simple mediante circuitos eléctricos.




  • 1949 - Donald Hebb. Fue el primero en explicar los procesos del aprendizaje (que es el elemento básico de la inteligencia humana) desde un punto de vista psicológico, desarrollando una regla de como el aprendizaje ocurría. Aun hoy, este es el fundamento de la mayoría de las funciones de aprendizaje que pueden hallarse en una red neuronal. Su idea fue que el aprendizaje ocurría cuando ciertos cambios en una neurona eran activados. También intentó encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los trabajos de Hebb formaron las bases de la Teoría de las Redes Neuronales.




  • 1950 - Karl Lashley. En sus series de ensayos, encontró que la información no era almacenada en forma centralizada en el cerebro sino que era distribuida encima de él.

  • 1956 - Congreso de Dartmouth. Este Congreso frecuentemente se menciona para indicar el nacimiento de la inteligencia artificial.




  • 1957 - Frank Rosenblatt. Comenzó el desarrollo del Perceptron. Esta es la red neuronal más antigua; utilizándose hoy en día para aplicación como identificador de patrones. Este modelo era capaz de generalizar, es decir, después de haber aprendido una serie de patrones podía reconocer otros similares, aunque no se le hubiesen presentado en el entrenamiento. Sin embargo, tenía una serie de limitaciones, por ejemplo, su incapacidad para resolver el problema de la función OR-exclusiva y, en general, era incapaz de clasificar clases no separables linealmente.




  • 1959 - Frank Rosenblatt: Principios de Neurodinámica. En este libro confirmó que, bajo ciertas condiciones, el aprendizaje del Perceptron convergía hacia un estado finito (Teorema de Convergencia del Perceptron).




  • 1960 - Bernard Widroff/Marcian Hoff. Desarrollaron el modelo Adaline (ADAptative LINear Elements). Esta fue la primera red neuronal aplicada a un problema real (filtros adaptativos para eliminar ecos en las líneas telefónicas) que se ha utilizado comercialmente durante varias décadas.




  • 1961 - Karl Steinbeck: Die Lernmatrix. Red neuronal para simples realizaciones técnicas (memoria asociativa).




  • 1969 - Marvin Minsky/Seymour Papert. En este año casi se produjo la “muerte abrupta” de las Redes Neuronales; ya que Minsky y Papert probaron (matemáticamente) que el Perceptrons no era capaz de resolver problemas relativamente fáciles, tales como 7 el aprendizaje de una función no-lineal. Esto demostró que el Perceptron era muy débil, dado que las funciones no-lineales son extensamente empleadas en computación y en los problemas del mundo real.




  • 1974 - Paul Werbos. Desarrolló la idea básica del algoritmo de aprendizaje de propagación hacia atrás (backpropagation); cuyo significado quedó definitivamente aclarado en 1985.



  • 1977 - Stephen Grossberg: Teoría de Resonancia Adaptada (TRA). La Teoría de Resonancia Adaptada es una arquitectura de red que se diferencia de todas las demás previamente inventadas. La misma simula otras habilidades del cerebro: memoria a largo y corto plazo.




  • 1985 - John Hopfield. Provocó el renacimiento de las redes neuronales con su libro: “Computación neuronal de decisiones en problemas de optimización.”




  • 1986 - David Rumelhart/G. Hinton. Redescubrieron el algoritmo de aprendizaje de propagación hacia atrás (backpropagation). A partir de 1986, el panorama fue alentador con respecto a las investigaciones y el desarrollo de las redes neuronales. En la actualidad, son numerosos los trabajos que se realizan y publican cada año, las aplicaciones nuevas que surgen (sobre todo en el área de control) y las empresas que lanzan al mercado productos nuevos, tanto hardware como software (sobre todo para simulación).




      1. Ventajas de las redes neuronales artificiales8


Se ha comprobado que es una ciencia multidisciplinaria donde ingenieros, psicólogos, médicos, matemáticos y físicos teóricos han aportado algún elemento a estas teorías, pero, ¿por qué ese interés en esos sistemas?, ¿qué tienen en especial frente a otros que podríamos denominar clásicos?, ¿qué cosas nuevas nos ofrecen?.
Por tanto, se comenta que la potencia computacional de una red neuronal deriva, principalmente, de su estructura de cálculo distribuido paralelo. Esta estructura le permite la resolución de problemas que necesitarían gran cantidad de tiempo en ordenadores clásicos. Pero aparte de este hecho aparecen otras propiedades que le hacen especialmente atractivas para ser usadas en una gran cantidad de problemas prácticos.


  1. Son sistemas distribuidos no lineales: Una neurona es un elemento no lineal por lo que una interconexión de ellas (red neuronal) también será dispositivo no lineal. Esta propiedad permitirá la simulación de sistemas no lineales y caóticos, simulación, que, con los sistemas lineales, no se puede realizar.




  1. Son sistemas tolerantes o fallos: Una red neuronal, al ser un sistema distribuido, permite el fallo de algunos elementos individuales (neuronas) sin alterar significativamente la respuesta total del sistema. Este hecho las hace especialmente atractivas frente a las computadoras actuales que, por lo general, son sistemas secuenciales de tal forma que un fallo en uno de sus componentes conlleva que el sistema total no funcione.




  1. Adaptabilidad: una red neuronal tiene la capacidad de modificar los parámetros de los que depende su funcionamiento de acuerdo con los cambios que se produzcan en su entorno de trabajo (cambios en las entradas, presencia de ruidos, etc.). Con respecto a la capacidad de adaptación hay que tener en cuenta que ésta no puede ser tampoco excesivamente grande ya que conduciría a tener un sistema inestable respondiendo a pequeñas perturbaciones. Este es el problema conocido como plasticidad-estabilidad.




  1. Establecen relaciones no lineales entre datos: las redes neuronales son capaces de relacionar dos conjuntos de datos. Comparando con los métodos estadísticos clásicos que realizan la misma misión tienen como principal ventaja que lo datos no tienen por qué cumplir las condiciones de linealidad, gausianidad y estacionariedad.



  1. Posibilidad de implementación: Esta posibilidad permite que estos sistemas puedan ser aplicados en sistemas de tiempo real, simulando sistemas biológicos mediante elementos de silicio.


Todas estas ventajas hacen el uso de las redes neuronales especialmente atractivo en un gran número de aplicaciones. Sin embargo antes de enunciar algunas (no todas) de estas aplicaciones pasaremos a describir los diferentes modelos conexionistas que podemos encontrar.
En el campo de las redes neuronales se conoce con el nombre de arquitectura la forma en que se unen los diferentes elementos, neuronas, mediante una serie de conexiones, pesos sinápticos. En principio podemos distinguir tres niveles, en cuanto a arquitectura se refiere, que los podemos definir como:


  1. Microestructura: Este nivel hace referencia al elemento más pequeño que nos podemos encontrar en un modelo conexionista: La neurona. Este es el nivel más pequeño que nos podemos pero no por ello es el menos importante, aquí se fijan características tan importantes como la función de activación.

  2. Mesoestructra: Una vez sobrepasado el nivel neuronal llegamos a este nivel donde se fija la forma de conexión y la disposición de los elementos explicados anteriormente.

  3. Macreoestructura: Las diferentes redes planteadas en el nivel anterior se pueden combinar entre sí para dar estructuras mayores alcanzándose mejores prestaciones.



      1. Introducción a las PYME’s9




      1. La administración de las Pymes10.


En cada momento los administradores, los economistas y en general todas las personas que buscan obtener mejores resultados en la operación de las empresas se preocupan por idear nuevas técnicas administrativas que conduzcan a la obtención de mayores rendimientos, eficacia, calidad, y por supuesto, mayores unidades, por lo general estas técnicas se dirigen hacia empresas grandes, lo cual origina que no se preste la debida atención a las pequeñas y medianas empresas. Todo esto ocurre porque no se considera el hecho de que toda empresa alguna vez fue pequeña o mediana y también por subestimar o desconocer la ayuda que la Pyme proporciona a la sociedad, señalada en muchas formas en estadísticas.
Desgraciadamente, cada instante inician en todo el país cientos de pequeños negocios que luchan en la difícil prueba de su iniciación y subsistencia; muchos de ellos sucumben debido a la multitud de problemas y riesgos con que se encuentran, así como la falta de capacitación técnica y administrativa para resolverlos.
La pequeña y mediana empresa constituye, en la actualidad, el centro del sistema económico de nuestro país. El enorme crecimiento de la influencia actual de estas empresas se debe a la masificación de la sociedad, a la necesidad de concentrar grandes capitales y enormes recursos técnicos para el adecuado funcionamiento de la producción y servicios, así como el alto nivel de perfección logrado ya por muchas normas de dirección. Estas empresas lo investigan todo, lo planean y se someten a procedimientos y métodos exhaustivos y científicos.
Por tanto, las tareas directivas son cada vez más complejas y al mismo tiempo de gran trascendencia social, porque sus efectos se transmiten y multiplican en cadena en cualquier actividad de los pueblos.


      1. La importancia de las Pymes11.


Las micro, pequeñas y medianas empresas (MIPYMES), tienen una gran importancia en la economía, en el empleo a nivel nacional y regional, tanto en los países industrializados como en los de menor grado de desarrollo. Las empresas MIPYMES representan a nivel mundial el segmento de la economía que aporta el mayor número de unidades económicas y personal ocupado; de ahí la relevancia que reviste este tipo de empresas y la necesidad de fortalecer su desempeño, al incidir éstas de manera fundamental en el comportamiento global de las economías nacionales; de hecho, en el contexto internacional se puede afirmar que el 90% o un porcentaje superior de las unidades económicas totales está conformado por las PYMES.
Los criterios para clasificar a la micro, pequeña y mediana empresa son diferentes en cada país, de manera tradicional se ha utilizado el número de trabajadores como criterio para estratificar los establecimientos por tamaño y como criterios complementarios, el total de ventas anuales, los ingresos y/o los activos fijos.


      1. Características generales de las Pymes

De manera muy general todas las pequeñas y medianas empresas (Pymes) comparten casi siempre las mismas características, por lo tanto, se podría decir, que estas son las características generales con las que cuentan las Pymes

El capital es proporcionado por una o dos personas que establecen una sociedad. Los propios dueños dirigen la marcha de la empresa; su administración es empírica.

Su número de trabajadores empleados en el negocio crece y va de 16 hasta 250 personas. Utilizan más maquinaria y equipo, aunque se sigan basando más en el trabajo que en el capital.

Dominan y abastecen un mercado más amplio, aunque no necesariamente tiene que ser local o regional, ya que muchas veces llegan a producir para el mercado nacional e incluso para el mercado internacional.

Está en proceso de crecimiento, la pequeña tiende a ser mediana y está aspira a ser grande. Obtienen algunas ventajas fiscales por parte del Estado que algunas veces las considera causantes menores dependiendo de sus ventas y utilidades.

Su tamaño es pequeño o mediano en relación con las otras empresas que operan en el ramo.


        1. Características generales y particulares de las empresas en México.

La definición de una empresa sin importar su tamaño, ni su lugar de origen, es igual en cualquier parte del mundo, ya que dentro de su definición, siempre gozará de los mismos componentes necesarios para que pueda decirse que es una empresa.

Por consiguiente se definirá a la empresa como:

Una unidad económica de producción y decisión que, mediante la organización y coordinación de una serie de factores (capital y trabajo), persigue obtener un beneficio produciendo y comercializando productos o prestando servicios en el mercado”

Una vez ya definida a la empresa, podemos ampliarnos más en sus características, observando, la relación que posee con su definición.

Por tanto cualquier empresa contará con las siguientes características:

  1. Cuentan con recursos humanos, de capital, técnicos y financieros.

  2. Realizan actividades económicas referentes a la producción, distribución de bienes y servicios que satisfacen necesidades humanas.

  3. Combinan factores de producción a través de los procesos de trabajo, de las relaciones técnicas y sociales de la producción.

  4. Planean sus actividades de acuerdo a los objetivos que desean alcanzar.

  5. Son una organización social muy importante que forman parte del ambiente económico y social de un país.

  6. Son un instrumento muy importante del proceso de crecimiento y desarrollo económico y social.

  7. Para sobrevivir debe de competir con otras empresas, lo que exige: modernización, racionalización y programación.

  8. El modelo de desarrollo empresarial reposa sobre las nociones de riesgo, beneficio y mercado.

  9. Es el lugar donde se desarrollan y combinan el capital y el trabajo, mediante la administración, coordinación e integración que es una función de la organización.

  10. La competencia y la evolución industrial promueven el funcionamiento eficiente de la empresa.

  11. Se encuentran influenciadas por todo lo que suceda en el medio ambiente natural, social, económico y político, al mismo tiempo que su actividad repercute en la propia dinámica social.




      1. Entorno empresarial de las empresas familiares12.


Las empresas familiares son analizadas tomando en cuenta su importancia en México y el mundo, la participación e influencia de los accionistas, los miembros integrantes del consejo de administración y/o aquellos directivos que son representantes clave dentro de las compañías.
Por su parte, las definiciones y contextos de las empresas familiares, sus ventajas y limitaciones, así como la representación de modelos, las resoluciones de conflictos y los retos que enfrentan estas organizaciones son considerados para determinar y facilitar su gestión y desarrollo.
Hoy las empresas Pymes enfrentan el gran reto del cambio generacional para procurar la permanencia, continuidad y crecimiento de los negocios a través de estructuras y funciones familiares y empresariales.


  1   2   3   4   5   6   7

similar:

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconLas Redes Neuronales surgieron del movimiento conexionista, que nació...

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconLas redes sociales aplicadas a la práctica docente Juan José de Haro Introducción

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconRedes neuronales en macroeconomia

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconLos pictogramas se desarrollan para simplificar la comunicación de...

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconLos organofosforados son un grupo de pesticidas artificiales aplicados...

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconOmi en la Ciudad de Toluca, Capital del Estado de México, del día...

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconResumen Las redes sociales tienen un gran potencial en Educación,...

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconEl comercio de fármacos falsificados también abarca a los medicamentos...

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconResumen El artículo expone las nociones, conceptos y referentes básicos...

Las redes neuronales artificiales aplicadas a los riesgos de negocios de las pyme’s de servicios en la Ciudad de México iconNinja Saga es uno de los juegos online más populares disponibles...


Medicina



Todos los derechos reservados. Copyright © 2015
contactos
med.se-todo.com