24
Feb
Monthly Archives: February 2016
23
Feb
AnyLogic 7.3 Lanzamiento Oficial
El pasado 19 de febrero se hizo el lanzamiento oficial de la versión 7.3 de AnyLogic (ver blog) que como se había anticipado (ver post del 11 de noviembre y 21 de enero) cuenta como atracción princial con una nueva librería de tráfico así como algunas mejoras adicionales en a librería de fluídos.
Los invito a descargar la nueva versión el el siguiente link.
22
Feb
Libro: Simulación de Operaciones y Cadena de Abastecimiento con AnyLogic 7.2 (Prof. Dmitry Ivanov)
El profesor Dmitry Ivanov de la universidad Berlin School of Economics ha publicado recientemente un libro (aún en proceso) con tutoriales de modelos en AnyLogic dedicados a casos de producción y logística de grados MBA, Maestría y Doctorado en estudios relacionados con administración y gerencia de operaciones y logística.
18
Feb
11
Feb
Integrando AnyLogic y R Parte 1
Como se explicó en el post anterior, R es un poderoso lenguaje de programación especializado en el análisis y manipulación de datos, gratuito y de gran popularidad a nivel mundial (ver post). Por su parte AnyLogic es un software de simulación cuyo lenguaje de base es Java lo que permite la integracion de librerias externas (ver wiki).
Al combinar ambos sistemas es posible aprovechar de las funcionalidades de cada uno como gráficos, analisis y minería de datos, pronósticos, etc.
En este post explicaremos cómo llamar R a partir de AnyLogic utilizando dos diferentes librerías: AJAL Data Exporter y RCaller (se utilizan por separado y segun el caso se utiliza una u otra).
09
Feb
Paquetes de R indispensables para Analytics
- Intro
- Paquetes R
- Analytics
- Versión corta
Si usted está interesado en Analytics es indispensable no solo tener un buen conocimiento de estadística y manejo de datos, sino también conocer al menos un software especializado.
De acuerdo a la encuesta anual realizada por el sitio especializado en Analytics y Big Data KDNuggets, los programas de análisis y minería de datos más populares en 2015 fueron: R, RapidMiner, SQL, Python y Excel.
De manera similar la empresa de consultoría en Analytics REXER realiza otra encuesta anual cuya última edición (2015) presentó el los siguientes resultados:
Donde R es el claro ganador, seguido de SPSS y SAS (y JMP).
Como lo he expresado en otros posts, tengo gran inclinación hacia R y JMP (una ramificación de SAS un poco menos complejo y por más económico).
Dado que R es el más popular, es gratuito y de gran difusión, dedicaré varias entradas del blog a este tópico, explicando cómo usarlo y cómo integrarlo con otras aplicaciones en particular de simulación.
A continuación se presentan algunos de los paquetes básicos para utilizar R en el análisis, manipulación y representación de datos.
Qué es un paquete de R?
Los paquetes son compilaciones de funciones propias de R (u otros lenguajes compilados en librerías) que al unirse pueden ser procesos específicos bien sea de manipulación de datos, análisis, gráficas, etc. Al igual que R, los paquetes son gratuitos y de acceso público (usualmente).
El lugar donde se almacenan los paquetes en el computador local se llama librería.
La versión estandar de R viene normalmente con una serie de paquetes básicos, sin embargo si se requiere de operaciones y/o análisis más complejos, es necesario instalar nuevos paquetes.
Un paquete se instala usando el siguiente comando (nombre del paquete entre comillas):
|
1 |
install.packages('nombre') |
El siguiente infographics realizado por el sitio especializado Analytics Vidhya presenta una lista de paquetes indispensables para realizar Analytics: Todos ellos muy relevantes y recomendados. Adicionalmente sugiero los siguientes: El lector puede copiar y pegar el siguiente código en R o RStudio para instalar todos estos paquetes en secuencia.
Para los interesados en simulación la técnica de montecarlo les recomiendo los siguientes links: Una lista adicional puede ser encontrada en la el sitio KDnuggets donde se identifican los 20 paquetes más populares en descargas en R durante el 2015 algunos de ellos se encuentran dentro del listado anterior (ver link).
Paquetes recomendados para hacer Analytics
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657#Pre Modeling Stageinstall.packages('ggplot2')install.packages('googleVis')install.packages('plyr')install.packages('data.table')install.packages('missForest')install.packages('missMDA')install.packages('outliers')install.packages('evir')install.packages('features')install.packages('RRF')install.packages('FactoMineR')install.packages('CCP')#Modeling Stageinstall.packages('car')install.packages('randomForest')install.packages('rminer')install.packages('CORELearn')install.packages('caret')install.packages('BigRF')install.packages('cba')install.packages('Rankcluster')install.packages('forecast')install.packages('ltsa')install.packages('survival')install.packages('BaSTA')#Post Modeling Stageinstall.packages('lsmeans')install.packages('comparison')install.packages('regtest')install.packages('ACD')install.packages('binomTools')install.packages('Daim')install.packages('clusteval')install.packages('sigclust')install.packages('pROC')install.packages('timeROC')#Other Librariesinstall.packages('Rcpp')install.packages('parallel')install.packages('tm')install.packages('twitterR')install.packages('XML')install.packages('jasonlite')install.packages('httr')install.packages('sqldf')install.packages('RODBC')install.packages('RMongo')install.packages('shiny')install.packages('rmarkdown')install.packages('swirl')install.packages('reshape2')install.packages('qcc') install.packages('RCurl')install.packages('manipulate')install.packages('ggmap')
Instale todos estos paquetes con solo copiar y pegar el siguiente código en su línea de comandos de R (o su IDE).
|
1 |
source('http://agiltools.com/R/rp.R') |
07
Feb
IIE será ahora IISE
Esta semana el Instuto de Ingenieros Industriales (IIE por sus siglas en inglés) anunció su decisión de cambiar su nombre a Instituto de Ingenieros Industriales y de Sistemas IISE (ver anuncio).
El cambio era esperado y sorprende por qué tomó tanto para llegar a él dado que muchas voces reconocidas vienen solicitando esta adaptación hace años.
Autores como James Womack y Daniel Jones lo sugirieron en su libro "Lean Thinking: Banish Waste and Create Wealth in Your Corporation" (Simon & Schuster, New York 1996), y desde entonces muchas voces se han sumado a la misma iniciativa, como es el caso del libro "Handbook of Industrial Engineering: Technology and Operations Management" (John Wiley & Sons, New York 2001) editado Gavriel Salvendy donde en el capítulo 1 ("Full Potential Utilization of Industrial and Systems Engineering in Organizations") escrito por D. Scott Sink (Exchange Partners) David Poirier (Hudson’s Bay Company) y George Smith (The Ohio State University) proponen una definición clara de la ingeniería industrial y de sistemas así:
An Industrial and Systems Engineer is one who is concerned with the design, installation, and improvement of integrated systems of people, material, information, equipment, and energy by drawing upon specialized knowledge and skills in the mathematical, physical, and social sciences, together with the principles and methods of engineering analysis and design to specify, predict, and evaluate the results to be obtained from such systems.
Es decir, el ingeniero industrial y de sistemas es alguien quien se ocupa por el diseño, instalación y mejora de sistemas integrados de personas, materiales, información, equipos y energía, integrando conocimiento integrado y habilidades basadas en matemáticas, física y ciencias socieales, con principios y métodos de ingeniería para especificar, predecir y evaluar resultados obtenidos por estos sistemas.
En escencia esta definición no cambia la base de la ingeniería industrial, sin embargo implica un acercamiento mayor a los sistemas tanto en el conocimiento y manipulación de los mismos como en la integración de estos a los métodos tradicionales de la ingeniería industrial, lo que va en concordancia con las exigencias del mundo actual en el cuál conceptos como el Big Data o el Internet of Things han tomado total relevancia en las empresas y requiere de profesionales preparados para estos retos.
En otras palabras un buen ingeniero industrial (o ingeniero industrial y de sistemas) debe tener un conocimiento de sistemas avanzados incluyendo manejo avanzado de hojas de cálculo (incluyendo macros), programación (al menos un lenguaje), manipulación de bases de datos (MS Access, SQL, etc.), sistemas matemáticos y estadísticos (Matlab y/o cualquier otro softeare especializado), simulación (al menos un software o una librería de un lengaje reconocido), así como la integración de estos con los sistemas empresariales para la aplicación de los métodos tradicionales de ingeniería.
Esta nueva habilidad es definida por Sink, Poirier y Smith como Gestión de sistemas y se convierte en el cuarto pilar de la ingeniería industrial y de sistemas (ISE), como se muestra en la siguiente figura:
En horabuena por esta iniciativa, esperemos las universidades adapten sus currículos de acuerdo a estos preceptos.