(1) “Administrando procesos de innovación a través de mejoras incrementales: Evidencia empírica en la industria de refinación de petróleo” (Managing process innovation through incremental improvements: Empirical evidence in the petroleum refining industry), Jason Zunsheng Yin, pp. 265-276.

Este artículo desarrolla un modelo de índice de valor presente para ofrecer una nueva solución para diferenciar los efectos de innovación radical y mejoras incrementales. Luego de comparar los retornos de una innovación de proceso inicial radical y los retornos de cambios incrementales en los procesos de refinación de petróleo, encuentra que las mejoras incrementales generan mayores retornos que los de sus innovaciones iniciales. Los hallazgos sugieren que, en contraste con una estrategia de investigación y desarrollo convencional con un foco en las innovaciones del estado del arte, las empresas manufactureras deberían hacer suficiente énfasis sobre el capital incremental y mejoras operativas para explotar de manera completa los beneficios económicos de una innovación.

Palabras clave: innovación radical; mejoras incrementales; retornos; modelo de índice de valor presente; procesos de refinación de petróleo.

(2) “Disciplina contextual: Lo esencial de ella dentro del análisis de sistemas sociales” (Contextual discipline: Its essentiality within social-systems análisis), Russel F. Rhyne, pp. 277-292.

Se argumenta que la disciplina contextual, bajo la cual todos los actos de juicio (tales como las suposiciones) durante un evaluación dada son tomados de un patrón contextual designado, es esencial si tales juicios van a ser asociados después de una manera que tenga significado. Más aún, si se realizan varios estudios con referencia a contextos disímiles, debe esperarse que sus resultados sean tan no integrables como las partes de varios rompecabezas seleccionados al azar. Existe un requerimiento correspondiente con respecto a la inferencia estadística: si falta disciplina contextual, de tal manera que los datos son tomados de contextos disímiles, no mezcle esos datos juntos. La importancia de la disciplina contextual es observable de la práctica, pero puede apoyarse también de manera lógica. Las razones se derivan de una teoría de elección (toma de decisiones) de empate de contextos. Esa teoría es tratada en detalle en un artículo compañero de éste; aquí se describe y defiende de manera resumida. Se aduce a ejemplos del pasado mostrando la importancia de la disciplina contextual, junto con impactos revolucionarios sobre el análisis de sistemas sociales si el caso presentado aquí es sólido.

Palabras clave: disciplina contextual; análisis de sistemas sociales; inferencia estadística; teoría de elección; toma de decisiones.

(3) “Entrenando a los modelos KSIM a partir de datos de series de tiempo” (Training KSIM models from time series data), Ronald L. Black, William J. B. Oldham, William M. Marcy, pp. 293-307.

En este artículo se evalúa críticamente lo apropiado de modelos KSIM derivados de estrategias de participación de grupo en comparación con modelos generados por un algoritmo de gradiente de aprendizaje descendente. Se describen dos algoritmos de aprendizaje para entrenar a lo modelos socioeconómicos KSIM. Los algoritmos son empleados para entrenar a las matrices de impactos cruzados KSIM de los pesos aleatorios iniciales a valores finales que producen un modelo que ajusta de manera cercana una serie de tiempo dada. La serie de tiempo puede obtenerse integrando un modelo KSIM o empleando datos crudos de otras fuentes. El modelado KSIM descansaba previamente en percepción, intuición o conocimiento del modelado KSIM para encontrar parámetros adecuados. Los algoritmos de entrenamiento proveen un enfoque organizado para minimizar una función de costo adecuada. Al mismo tiempo, cualquier conocimiento sobre el sistema puede incorporarse en las condiciones iniciales con lo que el aprendizaje se realiza alrededor de fundamentos físicos sólidos. Se anotan algunos límites del comportamiento dinámico del modelo KSIM, estableciendo todavía más lo no apropiado del modelo KSIM para muchos sistemas reales.

Palabras clave: modelos KSIM; algoritmo de gradiente de aprendizaje descendente; matrices de impactos cruzados; series de tiempo; algoritmos de entrenamiento; limitantes de los modelos KSIM.

(4) “Los mecanismos institucionales japoneses para el crecimiento industrial: Una perspectiva de sistemas -Parte II” (The Japanese institutional mechanisms for industrial growth: A systems perspective – Part II), B. Bowonder, T. Miyake, H. A. Linstone, pp. 309-344.

Este artículo, la segunda parte de dos, se centra en el arreglo institucional único que ha permitido a Japón convertirse en un líder en el crecimiento industrial rápido basado en tecnología. Se comparan los sistemas de innovación de Estados Unidos y Japón. Se examinan tres casos -lógica borrosa, despliegues de cristal de matriz activa, y realidad virtual. Se sondean después las características sistémicas subyacentes.

Palabras clave: Innovación; arreglo