A Multi-agent System for Emergency Decision Support

This paper describes the multi-agent organization of a computer system that was designed to assist operators in decision making in the presence of emergencies. The application was developed for the case of emergencies caused by river floods. It operates on real-time receiving data recorded by sensors (rainfall, water levels, flows, etc.) and applies multi-agent techniques to interpret the data, predict the future behavior and recommend control actions. The system includes an advanced knowledge based architecture with multiple symbolic representation with uncertainty models (bayesian networks). This system has been applied and validated at two particular sites in Spain (the Jucar basin and the South basin).

Impact attribution models to evaluate drought effects: economic impacts, risk analyses and management strategies in Spain and Chile

La sequía es un fenómeno natural que se origina por el descenso de las precipitaciones con respecto a una media, y que resulta en la disponibilidad insuficiente de agua para alguna actividad. La creciente presión que se ha venido ejerciendo sobre los recursos hídricos ha hecho que los impactos de la sequía se hayan visto agravados a la vez que ha desencadenado situaciones de escasez de agua en muchas partes del planeta. Los países con clima mediterráneo son especialmente vulnerables a las sequías, y, su crecimiento económico dependiente del agua da lugar a impactos importantes. Para reducir los impactos de la sequía es necesaria una reducción de la vulnerabilidad a las sequías que viene dada por una gestión más eficiente y por una mejor preparación. Para ello es muy importante disponer de información acerca de los impactos y el alcance de este fenómeno natural. Esta investigación trata de abarcar el tema de los impactos de las sequías, de manera que plantea todos los tipos de impactos que pueden darse y además compara sus efectos en dos países (España y Chile). Para ello se proponen modelos de atribución de impactos que sean capaces de medir las pérdidas económicas causadas por la falta de agua. Los modelos propuestos tienen una base econométrica en la que se incluyen variables clave a la hora de evaluar los impactos como es una variable relacionada con la disponibilidad de agua, y otras de otra naturaleza para distinguir los efectos causados por otras fuentes de variación. Estos modelos se adaptan según la fase del estudio en la que nos encontremos. En primer lugar se miden los impactos directos sobre el regadío y se introduce en el modelo un factor de aleatoriedad para evaluar el riesgo económico de sequía. Esto se hace a dos niveles geográficos (provincial y de Unidad de Demanda Agraria) y además en el último se introduce no solo el riesgo de oferta sino también el riesgo de demanda de agua. La introducción de la perspectiva de riesgo en el modelo da lugar a una herramienta de gestión del riesgo económico que puede ser utilizada para estrategias de planificación. Más adelante una extensión del modelo econométrico se desarrolla para medir los impactos en el sector agrario (impactos directos sobre el regadío y el secano e impactos indirectos sobre la Agro Industria) para ello se adapta el modelo y se calculan elasticidades concatenadas entre la falta de agua y los impactos secundarios. Por último se plantea un modelo econométrico para el caso de estudio en Chile y se evalúa el impacto de las sequías debidas al fenómeno de La Niña. iv Los resultados en general muestran el valor que brinda el conocimiento más preciso acerca de los impactos, ya que en muchas ocasiones se tiende a sobreestimar los daños realmente producidos por la falta de agua. Los impactos indirectos de la sequía confirman su alcance a la vez que son amortiguados a medida que nos acercamos al ámbito macroeconómico. En el caso de Chile, su diferente gestión muestra el papel que juegan el fenómeno de El Niño y La Niña sobre los precios de los principales cultivos del país y sobre el crecimiento del sector. Para reducir las pérdidas y su alcance se deben plantear más medidas de mitigación que centren su esfuerzo en una gestión eficiente del recurso. Además la prevención debe jugar un papel muy importante para reducir los riesgos que pueden sufrirse ante situaciones de escasez. ABSTRACT Drought is a natural phenomenon that originates by the decrease in rainfall in comparison to the average, and that results in water shortages for some activities. The increasing pressure on water resources has augmented the impact of droughts just as water scarcity has become an additional problem in many parts of the planet. Countries with Mediterranean climate are especially vulnerable to drought, and its waterdependent economic growth leads to significant impacts. To reduce the negative impacts it is necessary to deal with drought vulnerability, and to achieve this objective a more efficient management is needed. The availability of information about the impacts and the scope of droughts become highly important. This research attempts to encompass the issue of drought impacts, and therefore it characterizes all impact types that may occur and also compares its effects in two different countries (Spain and Chile). Impact attribution models are proposed in order to measure the economic losses caused by the lack of water. The proposed models are based on econometric approaches and they include key variables for measuring the impacts. Variables related to water availability, crop prices or time trends are included to be able to distinguish the effects caused by any of the possible sources. These models are adapted for each of the parts of the study. First, the direct impacts on irrigation are measured and a source of variability is introduced into the model to assess the economic risk of drought. This is performed at two geographic levels provincial and Agricultural Demand Unit. In the latter, not only the supply risk is considered but also the water demand risk side. The introduction of the risk perspective into the model results in a risk management tool that can be used for planning strategies. Then an extension of the econometric model is developed to measure the impacts on the agricultural sector (direct impacts on irrigated and rainfed productions and indirect impacts on the Agri-food Industry). For this aim the model is adapted and concatenated elasticities between the lack of water and the impacts are estimated. Finally an econometric model is proposed for the Chilean case study to evaluate the impact of droughts, especially caused by El Niño Southern Oscillation. The overall results show the value of knowing better about the precise impacts that often tend to be overestimated. The models allow for measuring accurate impacts due to the lack of water. Indirect impacts of drought confirm their scope while they confirm also its dilution as we approach the macroeconomic variables. In the case of Chile, different management strategies of the country show the role of ENSO phenomena on main crop prices and on economic trends. More mitigation measures focused on efficient resource management are necessary to reduce drought losses. Besides prevention must play an important role to reduce the risks that may be suffered due to shortages.

Markov blanket-based approach for learning multi-dimensional Bayesian network classifiers: An application to predict the European Quality of Life-5 Dimensions (EQ-5D) from the 39-item Parkinson's Disease Questionnaire (PDQ-39)

Multi-dimensional Bayesian network classifiers (MBCs) are probabilistic graphical models recently proposed to deal with multi-dimensional classification problems, where each instance in the data set has to be assigned to more than one class variable. In this paper, we propose a Markov blanket-based approach for learning MBCs from data. Basically, it consists of determining the Markov blanket around each class variable using the HITON algorithm, then specifying the directionality over the MBC subgraphs. Our approach is applied to the prediction problem of the European Quality of Life-5 Dimensions (EQ-5D) from the 39-item Parkinson’s Disease Questionnaire (PDQ-39) in order to estimate the health-related quality of life of Parkinson’s patients. Fivefold cross-validation experiments were carried out on randomly generated synthetic data sets, Yeast data set, as well as on a real-world Parkinson’s disease data set containing 488 patients. The experimental study, including comparison with additional Bayesian network-based approaches, back propagation for multi-label learning, multi-label k-nearest neighbor, multinomial logistic regression, ordinary least squares, and censored least absolute deviations, shows encouraging results in terms of predictive accuracy as well as the identification of dependence relationships among class and feature variables.

Flexibility, innovation and sustainability in business models as determinants of firm performance heterogeneity.

La comprensión actual de la heterogeneidad de las empresas académico rendimiento en el entorno entra industria necesita un mayor desarrollo. Gestión estratégica y el discurso sobre la literatura empresarial necesita mayor explicación de por qué los modelos de negocio aparentemente similares en el mismo sector actúan de forma diferente. También qué factores del entorno sectorial y operativo determina el surgimiento y funcionamiento de los modelos de negocio sostenibles e innovadoras permanecen sin explorar. Un marco se conceptualiza acompañado de estudios de caso sobre la compañía aérea y las industrias de energía renovable. El estudio lleva a una visión basada en los recursos de los modelos de negocio que las empresas alcancen posiciones heterogéneas de recursos. Una explicación para la heterogeneidad firme desempeño que se busca por intermediación conocimiento que genera valor a partir de la utilización eficaz de los recursos de conocimientos adquiridos a entornos entra y inter-empresa. Un marco para la aparición de nuevos modelos de negocios verdes se conceptualiza y deducciones se obtienen mediante un estudio de caso sobre la base de la industria de biocombustibles de energías renovables para explicar la dinámica de los mercados verdes y cómo se puede crear valor sostenible y capturó e innovadora de los modelos de negocios verdes. El marco desarrollado proporciona una visión cíclica de la flexibilidad del modelo de negocio en la que se propaga la acumulación de recursos basada en el conocimiento del modelo de negocio a través de los ambientes dentro y inter-empresa. Estrategias de conocimiento de corretaje del resultado ambientes inter e dentro-firma en un mejor desempeño del modelo de negocio. La flexibilidad del modelo de negocio que adquiere está determinada por la eficiencia con la acumulación de recursos está alineado con su ambiente externo. Las características de la que el modelo de negocio alcanza ventajas competitivas, como la innovación y la flexibilidad se atribuyen a la heterogeneidad de los recursos. La investigación se extiende a la literatura orientación de servicio al conceptualizar y medir la orientación a servicios como un requisito clave para la innovación del modelo de negocio, mientras que aboga por la necesidad de identificar correctamente las competencias básicas de la empresa, especialmente relevante en el contexto de la empresa orientada a los servicios, donde la creación de valor requiere recursos y la prestación eficiente de los servicios. La investigación trata de llegar a una descripción de los modelos de negocio sostenibles verdes y argumenta que la innovación, la flexibilidad y la sostenibilidad son los tres habilitadores básicos de los cuales el concepto de modelo de negocio verde puede evolucionar la explotación de nuevos mecanismos de mercado y los mercados para crear y capturar valor en el mantenimiento de su innovadora ambiente externo. La investigación integra efectivamente los conceptos de corretaje de conocimientos y modelos de negocio a partir de un recurso basado en la acumulación de vista y al mismo tiempo llega a la heterogeneidad rendimiento de los modelos de negocio aparentemente similares dentro de la misma industria. La investigación indica cómo se producen perturbaciones del mercado en una industria como resultado de modelos de negocio innovador y flexible, y cómo los nuevos modelos de negocio evolucionan en base a estos trastornos. Avanza la comprensión de cómo la estrategia de núcleo competencia y la innovación del modelo de negocio construcciones se comportan en el esfuerzo de la empresa de servicios para obtener una ventaja competitiva sostenible. Los resultados tienen implicaciones en el rendimiento de las empresas que empiezan sin recursos distintos de los suyos, o que utilizan un modelo de negocio imitado, para lograr un mejor rendimiento a través de la evolución del modelo de negocio alineado con las exitosas estrategias de conocimiento de corretaje. Dicho marco puede permitir a las empresas a evaluar y elegir un modelo de negocio basado en la innovación, la flexibilidad, la sostenibilidad y las opciones para el cambio. La investigación se suma a la literatura acumulación de recursos, explicando cómo los recursos pueden ser efectivamente adquirida para crear valor. La investigación también se suma a la literatura empresarial verde, explicando cómo las empresas crear y capturar valor en los nuevos mecanismos dinámicos de mercado.

Regularized model learning in EDAs for continuous and multi-objective optimization

Probabilistic modeling is the de�ning characteristic of estimation of distribution algorithms (EDAs) which determines their behavior and performance in optimization. Regularization is a well-known statistical technique used for obtaining an improved model by reducing the generalization error of estimation, especially in high-dimensional problems. `1-regularization is a type of this technique with the appealing variable selection property which results in sparse model estimations. In this thesis, we study the use of regularization techniques for model learning in EDAs. Several methods for regularized model estimation in continuous domains based on a Gaussian distribution assumption are presented, and analyzed from di�erent aspects when used for optimization in a high-dimensional setting, where the population size of EDA has a logarithmic scale with respect to the number of variables. The optimization results obtained for a number of continuous problems with an increasing number of variables show that the proposed EDA based on regularized model estimation performs a more robust optimization, and is able to achieve signi�cantly better results for larger dimensions than other Gaussian-based EDAs. We also propose a method for learning a marginally factorized Gaussian Markov random �eld model using regularization techniques and a clustering algorithm. The experimental results show notable optimization performance on continuous additively decomposable problems when using this model estimation method. Our study also covers multi-objective optimization and we propose joint probabilistic modeling of variables and objectives in EDAs based on Bayesian networks, speci�cally models inspired from multi-dimensional Bayesian network classi�ers. It is shown that with this approach to modeling, two new types of relationships are encoded in the estimated models in addition to the variable relationships captured in other EDAs: objectivevariable and objective-objective relationships. An extensive experimental study shows the e�ectiveness of this approach for multi- and many-objective optimization. With the proposed joint variable-objective modeling, in addition to the Pareto set approximation, the algorithm is also able to obtain an estimation of the multi-objective problem structure. Finally, the study of multi-objective optimization based on joint probabilistic modeling is extended to noisy domains, where the noise in objective values is represented by intervals. A new version of the Pareto dominance relation for ordering the solutions in these problems, namely �-degree Pareto dominance, is introduced and its properties are analyzed. We show that the ranking methods based on this dominance relation can result in competitive performance of EDAs with respect to the quality of the approximated Pareto sets. This dominance relation is then used together with a method for joint probabilistic modeling based on `1-regularization for multi-objective feature subset selection in classi�cation, where six di�erent measures of accuracy are considered as objectives with interval values. The individual assessment of the proposed joint probabilistic modeling and solution ranking methods on datasets with small-medium dimensionality, when using two di�erent Bayesian classi�ers, shows that comparable or better Pareto sets of feature subsets are approximated in comparison to standard methods.

Equity pricing in the mining sector: evidence from NYSE and LSE

The study examines the Capital Asset Pricing Model (CAPM) for the mining sector using weekly stock returns from 27 companies traded on the New York Stock Exchange (NYSE) or on the London Stock Exchange (LSE) for the period of December 2008 to December 2010. The results support the use of the CAPM for the allocation of risk to companies. Most companies involved in precious metals (particularly gold), which have a beta value less than unity (Table 1), have been actuated as shelter values during the financial crisis. Values of R2 do not shown very explanatory power of fitted models (R2 < 70 %). Estimated coefficients beta are not sufficient to determine the expected returns on securities but the results of the tests conducted on sample data for the period analysed do not appear to clearly reject the CAPM

ARGoS: a modular, multi-engine simulator for heterogeneous swarm robotics

We present ARGoS, a novel open source multi-robot simulator. The main design focus of ARGoS is the real-time simulation of large heterogeneous swarms of robots. Existing robot simulators obtain scalability by imposing limitations on their extensibility and on the accuracy of the robot models. By contrast, in ARGoS we pursue a deeply modular approach that allows the user both to easily add custom features and to allocate computational resources where needed by the experiment. A unique feature of ARGoS is the possibility to use multiple physics engines of different types and to assign them to different parts of the environment. Robots can migrate from one engine to another transparently. This feature enables entirely novel classes of optimizations to improve scalability and paves the way for a new approach to parallelism in robotics simulation. Results show that ARGoS can simulate about 10,000 simple wheeled robots 40% faster than real-time.

A federated repository for PaaS components in a multi-cloud environment

Cloud computing has seen an impressive growth in recent years, with virtualization technologies being massively adopted to create IaaS (Infrastructure as a Service) public and private solutions. Today, the interest is shifting towards the PaaS (Platform as a Service) model, which allows developers to abstract from the execution platform and focus only on the functionality. There are several public PaaS offerings available, but currently no private PaaS solution is ready for production environments. To fill this gap a new solution must be developed. In this paper we present a key element for enabling this model: a cloud repository based on the OSGi component model. The repository stores, manages, provisions and resolves the dependencies of PaaS software components and services. This repository can federate with other repositories located in the same or different clouds, both private and public. This way, dependencies can be fulfilled collaboratively, and new business models can be implemented.

Application of self-organizing techniques for the distribution of heterogeneous multi-tasks in multi-robot systems

This paper focuses on the general problem of coordinating of multi-robot systems, more specifically, it addresses the self-election of heterogeneous and specialized tasks by autonomous robots. In this regard, it has proposed experimenting with two different techniques based chiefly on selforganization and emergence biologically inspired, by applying response threshold models as well as ant colony optimization. Under this approach it can speak of multi-tasks selection instead of multi-tasks allocation, that means, as the agents or robots select the tasks instead of being assigned a task by a central controller. The key element in these algorithms is the estimation of the stimuli and the adaptive update of the thresholds. This means that each robot performs this estimate locally depending on the load or the number of pending tasks to be performed. It has evaluated the robustness of the algorithms, perturbing the number of pending loads to simulate the robot’s error in estimating the real number of pending tasks and also the dynamic generation of loads through time. The paper ends with a critical discussion of experimental results.

Diseño de una Metodología de Política Pública de I+D+i para el Desarrollo de la Capacidad de la Innovación en el Sector PYMIS del estado Bolívar, Venezuela

El estado Bolívar con una superficie de 238.000 Km2 se encuentra ubicado al SE de Venezuela y su capital es Ciudad Bolívar. Ocupa el 26,24% de la superficie del territorio nacional. Ciudad Guayana es la principal región del desarrollo económico del estado siendo sede de las empresas básicas de los sectores siderúrgicos y del aluminio que se encargan de la extracción, procesamiento y transformación del mineral de hierro y de la transformación de la bauxita en aluminio primario. Además, cuenta con un gran potencial hidroeléctrico, garantizando el suministro de energía eléctrica para el funcionamiento de las empresas básicas, para el parque industrial de la región, así como para el desarrollo industrial, económico y social de la nación. Con relación al sector de la industria del mineral de hierro y del aluminio, las empresas destinan más del 60 por ciento de su producción al mercado internacional. A pesar de que el sector de las Pequeñas y Medianas Industrias (PYMIS) del estado Bolívar cuenta con un mercado cercano y seguro, no se le ha propiciado un desarrollo integral en términos de orientar sus esfuerzos en innovar en nuevos productos o mejoras de procesos. Debido a la falta del personal de investigación calificado, la escasa vinculación con centros de investigación, la baja inversión en investigación, desarrollo tecnológico e innovación (I+D+i), la ausencia de la aplicación de una política pública de I+D+i y la desarticulación de los miembros del Sistema Regional de Innovación (SRI), constituyen los principales obstáculos para generar bienes y servicios con un alto valor agregado. Esta situación desequilibra y hace ineficiente el funcionamiento del SRI. La baja capacidad de las PYMIS del estado Bolívar en I+D+i, es una situación que impide generar por si sola nuevos productos o procesos para satisfacer las demandas del mercado regional. Por lo tanto, se requiere de la intervención y participación activa de la institución gubernamental responsable del diseño y aplicación de una política pública de I+D+i para dinamizar la capacidad de innovación en las PYMIS, en su articulación y vinculación con los miembros del SRI. xiii El presente proyecto se planteó como objetivo diseñar una metodología de política pública de I+D+i para liderar, coordinar y direccionar el SRI del estado Bolívar, para el desarrollo de la capacidad de innovación en el sector industrial y específicamente en las PYMIS. La presente tesis representa una investigación no experimental de tipo proyectivo que analiza la situación actual del Sistema Regional de Innovación del estado Bolívar. El análisis de los resultados se ha dividido en tres fases. En la primera se realizan diagnósticos por medio de encuestas de las PYMIS en materia de I+D+i, de los centros y laboratorios de investigación pertenecientes a las universidades de la región en el área de Materiales y de los sectores financieros público y privado. En dichas encuestas se evalúa el nivel de integración con los entes gubernamentales que definen y administran la política pública de I+D+i. En la segunda fase, con el diagnóstico y procesamiento de los resultados de la primera fase, se procede a desarrollar un análisis de las fortalezas, oportunidades, debilidades y amenazas (FODA) del Sistema Regional de Innovación, permitiendo comprender la situación actual de la relación y vinculación de las PYMIS con los centros de investigación, instituciones financieras y entes gubernamentales. Con la problemática detectada, resultó necesario el diseño de estrategias y un modelo de gestión de política pública de I+D+i para la articulación de los miembros del SRI, para el apoyo de las PYMIS. En la tercera fase se diseña la metodología de política pública de I+D+i para fortalecer la innovación en las PYMIS. La metodología se representa a través de un modelo propuesto que se relaciona con las teorías de los procesos de innovación, con los modelos de sistemas de innovación y con las reflexiones y recomendaciones hechas por diferentes investigadores e instituciones de cooperación internacional referentes a la aplicación de políticas públicas de I+D+i para dinamizar la capacidad de innovación en el sector industrial. La metodología diseñada es comparada con diferentes modelos de aplicación de política pública de I+D+i. Cada modelo se representa en una figura y se analiza su xiv situación presente y la función que desempeña el ente gubernamental en la aplicación del enfoque de política pública de I+D+i. El diseño de la metodología de política pública de I+D+i propuesta aportará nuevos conocimientos y podrá ser aplicado para apoyar el progreso de la I+D+i en las PYMIS de la región, como caso de estudio, con el fin de impulsar una economía más competitiva y reducir el grado de dependencia tecnológica. La metodología una vez evaluada podrá ser empleada en el contexto de la gran industria y en otras regiones de Venezuela y además, puede aplicarse en otros países con características similares en su tejido industrial. En la tesis doctoral se concluye que el desarrollo de la capacidad de innovación en las PYMIS depende del diseño y aplicación de la política pública de I+D+i como elemento dinamizador y articulador del SRI del estado Bolívar. xv ABSTRACT The Bolivar state with an area of 238,000 km2 is located in the SE of Venezuela and its capital is Ciudad Bolivar. It occupies a surface which is 26.24% of the national territory. Ciudad Guayana is the main area of the state's economic development and the location of the corporate headquarters of the basic steel and aluminum sectors that are responsible for the extraction, processing and transformation of iron ore and bauxite processing for primary aluminum. It also has a great hydroelectric potential, ensuring the supply of electricity for the operation of enterprises, for the regional industrial park as well as for the industrial, economic and social development of the nation. With regard to the iron ore and aluminum industry, companies allocate more than 60 percent of their production to the international market. Although the sector of Small and Medium Industries (SMIs) of the Bolivar state has a secure market, it has not been led to an integral development in terms of targeting its efforts on innovating new products or improving processes. Due to the lack of qualified research staff, poor links with research centers, low investment in research, technological development and innovation (R & D & I), the absence of the implementation of a public policy for R & D & I and the dismantling of the members of the Regional Innovation System (RIS), are the main obstacles to generate goods and services with high added value. This situation makes the RIS unbalanced and inefficient. The low capacity of Bolivar state’s SMIs in R & D & I, is a situation that cannot generate by itself new products or processes to meet regional market demands. Therefore, it requires the active involvement and participation of the government institution responsible for the design and implementation of R & D & I public policy to boost the innovation capacity in SMIs, through the connection and integration with members of the RIS. This project is intended to design a methodology aimed at public policy for R & D & I to lead, coordinate and direct the RIS of Bolivar state, for the development of innovation capacity in the industrial sector and specifically in the SMIs. xvi This thesis is an experimental investigation of projective type which analyzes the current situation of the Regional Innovation System of the Bolivar state. The analysis of the results is divided into three phases. In the first one, a diagnosis is performed through surveys of SMIs in R & D & I centers and research laboratories belonging to the universities of the region in the area of materials and public and private financial sectors. In such surveys the level of integration with government agencies that define and manage the public policy of R & D & I is assessed. In the second phase, with the diagnosis and processing of the results of the first phase, we proceed to develop an analysis of the strengths, weaknesses, opportunities and threats (SWOT) of the Regional Innovation System, allowing the comprehension of the current status of the relationship of SMIs with research centers, financial institutions and government agencies. With the problems identified it was necessary to design strategies and a model of public policy management of R & D & I for the articulation of the members of the RIS, to support the SMIs. In the third phase a public policy methodology for R & D & I is designed in order to strengthen innovation in SMIs. The methodology is shown through a proposed model that relates to the theories of the innovation process, with models of innovation systems and with the discussions and recommendations made by different researchers and institutions of international cooperation concerning the implementation of policies public for R & D & I to boost innovation capacity in the industrial sector. The methodology designed is compared with different models of public policy implementation for R & D & I. Each model is represented in a figure and its current situation and the role of the government agency in the implementation of the public policy approach to R & D & I is analyzed. The design of the proposed public policy methodology for R & D & I will provide new knowledge and can be applied to support the progress of R & D & I in the region’s SMIs, as a case study, in order to boost a more competitive economy and reduce the degree of technological dependence. After being evaluated the methodology can be used in the context of big industry and in other regions of Venezuela and can also be applied in other countries with similar characteristics in their industrial structure. xvii The thesis concludes that the development of the innovation capacity in SMIs depends on the design and implementation of the public policy for R & D & I as a catalyst and coordination mechanism of the Regional Innovation System of the Bolivar state.

Design and control of multi-finger haptic devices for dexterous manipulation

En la interacción con el entorno que nos rodea durante nuestra vida diaria (utilizar un cepillo de dientes, abrir puertas, utilizar el teléfono móvil, etc.) y en situaciones profesionales (intervenciones médicas, procesos de producción, etc.), típicamente realizamos manipulaciones avanzadas que incluyen la utilización de los dedos de ambas manos. De esta forma el desarrollo de métodos de interacción háptica multi-dedo dan lugar a interfaces hombre-máquina más naturales y realistas. No obstante, la mayoría de interfaces hápticas disponibles en el mercado están basadas en interacciones con un solo punto de contacto; esto puede ser suficiente para la exploración o palpación del entorno pero no permite la realización de tareas más avanzadas como agarres. En esta tesis, se investiga el diseño mecánico, control y aplicaciones de dispositivos hápticos modulares con capacidad de reflexión de fuerzas en los dedos índice, corazón y pulgar del usuario. El diseño mecánico de la interfaz diseñada, ha sido optimizado con funciones multi-objetivo para conseguir una baja inercia, un amplio espacio de trabajo, alta manipulabilidad y reflexión de fuerzas superiores a 3 N en el espacio de trabajo. El ancho de banda y la rigidez del dispositivo se han evaluado mediante simulación y experimentación real. Una de las áreas más importantes en el diseño de estos dispositivos es el efector final, ya que es la parte que está en contacto con el usuario. Durante este trabajo se ha diseñado un dedal de bajo peso, adaptable a diferentes usuarios que, mediante la incorporación de sensores de contacto, permite estimar fuerzas normales y tangenciales durante la interacción con entornos reales y virtuales. Para el diseño de la arquitectura de control, se estudiaron los principales requisitos para estos dispositivos. Entre estos, cabe destacar la adquisición, procesado e intercambio a través de internet de numerosas señales de control e instrumentación; la computación de equaciones matemáticas incluyendo la cinemática directa e inversa, jacobiana, algoritmos de detección de agarres, etc. Todos estos componentes deben calcularse en tiempo real garantizando una frecuencia mínima de 1 KHz. Además, se describen sistemas para manipulación de precisión virtual y remota; así como el diseño de un método denominado "desacoplo cinemático iterativo" para computar la cinemática inversa de robots y la comparación con otros métodos actuales. Para entender la importancia de la interacción multimodal, se ha llevado a cabo un estudio para comprobar qué estímulos sensoriales se correlacionan con tiempos de respuesta más rápidos y de mayor precisión. Estos experimentos se desarrollaron en colaboración con neurocientíficos del instituto Technion Israel Institute of Technology. Comparando los tiempos de respuesta en la interacción unimodal (auditiva, visual y háptica) con combinaciones bimodales y trimodales de los mismos, se demuestra que el movimiento sincronizado de los dedos para generar respuestas de agarre se basa principalmente en la percepción háptica. La ventaja en el tiempo de procesamiento de los estímulos hápticos, sugiere que los entornos virtuales que incluyen esta componente sensorial generan mejores contingencias motoras y mejoran la credibilidad de los eventos. Se concluye que, los sistemas que incluyen percepción háptica dotan a los usuarios de más tiempo en las etapas cognitivas para rellenar información de forma creativa y formar una experiencia más rica. Una aplicación interesante de los dispositivos hápticos es el diseño de nuevos simuladores que permitan entrenar habilidades manuales en el sector médico. En colaboración con fisioterapeutas de Griffith University en Australia, se desarrolló un simulador que permite realizar ejercicios de rehabilitación de la mano. Las propiedades de rigidez no lineales de la articulación metacarpofalange del dedo índice se estimaron mediante la utilización del efector final diseñado. Estos parámetros, se han implementado en un escenario que simula el comportamiento de la mano humana y que permite la interacción háptica a través de esta interfaz. Las aplicaciones potenciales de este simulador están relacionadas con entrenamiento y educación de estudiantes de fisioterapia. En esta tesis, se han desarrollado nuevos métodos que permiten el control simultáneo de robots y manos robóticas en la interacción con entornos reales. El espacio de trabajo alcanzable por el dispositivo háptico, se extiende mediante el cambio de modo de control automático entre posición y velocidad. Además, estos métodos permiten reconocer el gesto del usuario durante las primeras etapas de aproximación al objeto para su agarre. Mediante experimentos de manipulación avanzada de objetos con un manipulador y diferentes manos robóticas, se muestra que el tiempo en realizar una tarea se reduce y que el sistema permite la realización de la tarea con precisión. Este trabajo, es el resultado de una colaboración con investigadores de Harvard BioRobotics Laboratory. ABSTRACT When we interact with the environment in our daily life (using a toothbrush, opening doors, using cell-phones, etc.), or in professional situations (medical interventions, manufacturing processes, etc.) we typically perform dexterous manipulations that involve multiple fingers and palm for both hands. Therefore, multi-Finger haptic methods can provide a realistic and natural human-machine interface to enhance immersion when interacting with simulated or remote environments. Most commercial devices allow haptic interaction with only one contact point, which may be sufficient for some exploration or palpation tasks but are not enough to perform advanced object manipulations such as grasping. In this thesis, I investigate the mechanical design, control and applications of a modular haptic device that can provide force feedback to the index, thumb and middle fingers of the user. The designed mechanical device is optimized with a multi-objective design function to achieve a low inertia, a large workspace, manipulability, and force-feedback of up to 3 N within the workspace; the bandwidth and rigidity for the device is assessed through simulation and real experimentation. One of the most important areas when designing haptic devices is the end-effector, since it is in contact with the user. In this thesis the design and evaluation of a thimble-like, lightweight, user-adaptable, and cost-effective device that incorporates four contact force sensors is described. This design allows estimation of the forces applied by a user during manipulation of virtual and real objects. The design of a real-time, modular control architecture for multi-finger haptic interaction is described. Requirements for control of multi-finger haptic devices are explored. Moreover, a large number of signals have to be acquired, processed, sent over the network and mathematical computations such as device direct and inverse kinematics, jacobian, grasp detection algorithms, etc. have to be calculated in Real Time to assure the required high fidelity for the haptic interaction. The Hardware control architecture has different modules and consists of an FPGA for the low-level controller and a RT controller for managing all the complex calculations (jacobian, kinematics, etc.); this provides a compact and scalable solution for the required high computation capabilities assuring a correct frequency rate for the control loop of 1 kHz. A set-up for dexterous virtual and real manipulation is described. Moreover, a new algorithm named the iterative kinematic decoupling method was implemented to solve the inverse kinematics of a robotic manipulator. In order to understand the importance of multi-modal interaction including haptics, a subject study was carried out to look for sensory stimuli that correlate with fast response time and enhanced accuracy. This experiment was carried out in collaboration with neuro-scientists from Technion Israel Institute of Technology. By comparing the grasping response times in unimodal (auditory, visual, and haptic) events with the response times in events with bimodal and trimodal combinations. It is concluded that in grasping tasks the synchronized motion of the fingers to generate the grasping response relies on haptic cues. This processing-speed advantage of haptic cues suggests that multimodalhaptic virtual environments are superior in generating motor contingencies, enhancing the plausibility of events. Applications that include haptics provide users with more time at the cognitive stages to fill in missing information creatively and form a richer experience. A major application of haptic devices is the design of new simulators to train manual skills for the medical sector. In collaboration with physical therapists from Griffith University in Australia, we developed a simulator to allow hand rehabilitation manipulations. First, the non-linear stiffness properties of the metacarpophalangeal joint of the index finger were estimated by using the designed end-effector; these parameters are implemented in a scenario that simulates the behavior of the human hand and that allows haptic interaction through the designed haptic device. The potential application of this work is related to educational and medical training purposes. In this thesis, new methods to simultaneously control the position and orientation of a robotic manipulator and the grasp of a robotic hand when interacting with large real environments are studied. The reachable workspace is extended by automatically switching between rate and position control modes. Moreover, the human hand gesture is recognized by reading the relative movements of the index, thumb and middle fingers of the user during the early stages of the approximation-to-the-object phase and then mapped to the robotic hand actuators. These methods are validated to perform dexterous manipulation of objects with a robotic manipulator, and different robotic hands. This work is the result of a research collaboration with researchers from the Harvard BioRobotics Laboratory. The developed experiments show that the overall task time is reduced and that the developed methods allow for full dexterity and correct completion of dexterous manipulations.

Multi-dimensional classification using Bayesian networks for stationary and evolving streaming data

Hoy en día, con la evolución continua y rápida de las tecnologías de la información y los dispositivos de computación, se recogen y almacenan continuamente grandes volúmenes de datos en distintos dominios y a través de diversas aplicaciones del mundo real. La extracción de conocimiento útil de una cantidad tan enorme de datos no se puede realizar habitualmente de forma manual, y requiere el uso de técnicas adecuadas de aprendizaje automático y de minería de datos. La clasificación es una de las técnicas más importantes que ha sido aplicada con éxito a varias áreas. En general, la clasificación se compone de dos pasos principales: en primer lugar, aprender un modelo de clasificación o clasificador a partir de un conjunto de datos de entrenamiento, y en segundo lugar, clasificar las nuevas instancias de datos utilizando el clasificador aprendido. La clasificación es supervisada cuando todas las etiquetas están presentes en los datos de entrenamiento (es decir, datos completamente etiquetados), semi-supervisada cuando sólo algunas etiquetas son conocidas (es decir, datos parcialmente etiquetados), y no supervisada cuando todas las etiquetas están ausentes en los datos de entrenamiento (es decir, datos no etiquetados). Además, aparte de esta taxonomía, el problema de clasificación se puede categorizar en unidimensional o multidimensional en función del número de variables clase, una o más, respectivamente; o también puede ser categorizado en estacionario o cambiante con el tiempo en función de las características de los datos y de la tasa de cambio subyacente. A lo largo de esta tesis, tratamos el problema de clasificación desde tres perspectivas diferentes, a saber, clasificación supervisada multidimensional estacionaria, clasificación semisupervisada unidimensional cambiante con el tiempo, y clasificación supervisada multidimensional cambiante con el tiempo. Para llevar a cabo esta tarea, hemos usado básicamente los clasificadores Bayesianos como modelos. La primera contribución, dirigiéndose al problema de clasificación supervisada multidimensional estacionaria, se compone de dos nuevos métodos de aprendizaje de clasificadores Bayesianos multidimensionales a partir de datos estacionarios. Los métodos se proponen desde dos puntos de vista diferentes. El primer método, denominado CB-MBC, se basa en una estrategia de envoltura de selección de variables que es voraz y hacia delante, mientras que el segundo, denominado MB-MBC, es una estrategia de filtrado de variables con una aproximación basada en restricciones y en el manto de Markov. Ambos métodos han sido aplicados a dos problemas reales importantes, a saber, la predicción de los inhibidores de la transcriptasa inversa y de la proteasa para el problema de infección por el virus de la inmunodeficiencia humana tipo 1 (HIV-1), y la predicción del European Quality of Life-5 Dimensions (EQ-5D) a partir de los cuestionarios de la enfermedad de Parkinson con 39 ítems (PDQ-39). El estudio experimental incluye comparaciones de CB-MBC y MB-MBC con los métodos del estado del arte de la clasificación multidimensional, así como con métodos comúnmente utilizados para resolver el problema de predicción de la enfermedad de Parkinson, a saber, la regresión logística multinomial, mínimos cuadrados ordinarios, y mínimas desviaciones absolutas censuradas. En ambas aplicaciones, los resultados han sido prometedores con respecto a la precisión de la clasificación, así como en relación al análisis de las estructuras gráficas que identifican interacciones conocidas y novedosas entre las variables. La segunda contribución, referida al problema de clasificación semi-supervisada unidimensional cambiante con el tiempo, consiste en un método nuevo (CPL-DS) para clasificar flujos de datos parcialmente etiquetados. Los flujos de datos difieren de los conjuntos de datos estacionarios en su proceso de generación muy rápido y en su aspecto de cambio de concepto. Es decir, los conceptos aprendidos y/o la distribución subyacente están probablemente cambiando y evolucionando en el tiempo, lo que hace que el modelo de clasificación actual sea obsoleto y deba ser actualizado. CPL-DS utiliza la divergencia de Kullback-Leibler y el método de bootstrapping para cuantificar y detectar tres tipos posibles de cambio: en las predictoras, en la a posteriori de la clase o en ambas. Después, si se detecta cualquier cambio, un nuevo modelo de clasificación se aprende usando el algoritmo EM; si no, el modelo de clasificación actual se mantiene sin modificaciones. CPL-DS es general, ya que puede ser aplicado a varios modelos de clasificación. Usando dos modelos diferentes, el clasificador naive Bayes y la regresión logística, CPL-DS se ha probado con flujos de datos sintéticos y también se ha aplicado al problema real de la detección de código malware, en el cual los nuevos ficheros recibidos deben ser continuamente clasificados en malware o goodware. Los resultados experimentales muestran que nuestro método es efectivo para la detección de diferentes tipos de cambio a partir de los flujos de datos parcialmente etiquetados y también tiene una buena precisión de la clasificación. Finalmente, la tercera contribución, sobre el problema de clasificación supervisada multidimensional cambiante con el tiempo, consiste en dos métodos adaptativos, a saber, Locally Adpative-MB-MBC (LA-MB-MBC) y Globally Adpative-MB-MBC (GA-MB-MBC). Ambos métodos monitorizan el cambio de concepto a lo largo del tiempo utilizando la log-verosimilitud media como métrica y el test de Page-Hinkley. Luego, si se detecta un cambio de concepto, LA-MB-MBC adapta el actual clasificador Bayesiano multidimensional localmente alrededor de cada nodo cambiado, mientras que GA-MB-MBC aprende un nuevo clasificador Bayesiano multidimensional. El estudio experimental realizado usando flujos de datos sintéticos multidimensionales indica los méritos de los métodos adaptativos propuestos. ABSTRACT Nowadays, with the ongoing and rapid evolution of information technology and computing devices, large volumes of data are continuously collected and stored in different domains and through various real-world applications. Extracting useful knowledge from such a huge amount of data usually cannot be performed manually, and requires the use of adequate machine learning and data mining techniques. Classification is one of the most important techniques that has been successfully applied to several areas. Roughly speaking, classification consists of two main steps: first, learn a classification model or classifier from an available training data, and secondly, classify the new incoming unseen data instances using the learned classifier. Classification is supervised when the whole class values are present in the training data (i.e., fully labeled data), semi-supervised when only some class values are known (i.e., partially labeled data), and unsupervised when the whole class values are missing in the training data (i.e., unlabeled data). In addition, besides this taxonomy, the classification problem can be categorized into uni-dimensional or multi-dimensional depending on the number of class variables, one or more, respectively; or can be also categorized into stationary or streaming depending on the characteristics of the data and the rate of change underlying it. Through this thesis, we deal with the classification problem under three different settings, namely, supervised multi-dimensional stationary classification, semi-supervised unidimensional streaming classification, and supervised multi-dimensional streaming classification. To accomplish this task, we basically used Bayesian network classifiers as models. The first contribution, addressing the supervised multi-dimensional stationary classification problem, consists of two new methods for learning multi-dimensional Bayesian network classifiers from stationary data. They are proposed from two different points of view. The first method, named CB-MBC, is based on a wrapper greedy forward selection approach, while the second one, named MB-MBC, is a filter constraint-based approach based on Markov blankets. Both methods are applied to two important real-world problems, namely, the prediction of the human immunodeficiency virus type 1 (HIV-1) reverse transcriptase and protease inhibitors, and the prediction of the European Quality of Life-5 Dimensions (EQ-5D) from 39-item Parkinson’s Disease Questionnaire (PDQ-39). The experimental study includes comparisons of CB-MBC and MB-MBC against state-of-the-art multi-dimensional classification methods, as well as against commonly used methods for solving the Parkinson’s disease prediction problem, namely, multinomial logistic regression, ordinary least squares, and censored least absolute deviations. For both considered case studies, results are promising in terms of classification accuracy as well as regarding the analysis of the learned MBC graphical structures identifying known and novel interactions among variables. The second contribution, addressing the semi-supervised uni-dimensional streaming classification problem, consists of a novel method (CPL-DS) for classifying partially labeled data streams. Data streams differ from the stationary data sets by their highly rapid generation process and their concept-drifting aspect. That is, the learned concepts and/or the underlying distribution are likely changing and evolving over time, which makes the current classification model out-of-date requiring to be updated. CPL-DS uses the Kullback-Leibler divergence and bootstrapping method to quantify and detect three possible kinds of drift: feature, conditional or dual. Then, if any occurs, a new classification model is learned using the expectation-maximization algorithm; otherwise, the current classification model is kept unchanged. CPL-DS is general as it can be applied to several classification models. Using two different models, namely, naive Bayes classifier and logistic regression, CPL-DS is tested with synthetic data streams and applied to the real-world problem of malware detection, where the new received files should be continuously classified into malware or goodware. Experimental results show that our approach is effective for detecting different kinds of drift from partially labeled data streams, as well as having a good classification performance. Finally, the third contribution, addressing the supervised multi-dimensional streaming classification problem, consists of two adaptive methods, namely, Locally Adaptive-MB-MBC (LA-MB-MBC) and Globally Adaptive-MB-MBC (GA-MB-MBC). Both methods monitor the concept drift over time using the average log-likelihood score and the Page-Hinkley test. Then, if a drift is detected, LA-MB-MBC adapts the current multi-dimensional Bayesian network classifier locally around each changed node, whereas GA-MB-MBC learns a new multi-dimensional Bayesian network classifier from scratch. Experimental study carried out using synthetic multi-dimensional data streams shows the merits of both proposed adaptive methods.

Gear dynamics monitoring using discrete wavelet transformation and multi-layer perceptron neural networks

This paper presents a multi-stage algorithm for the dynamic condition monitoring of a gear. The algorithm provides information referred to the gear status (fault or normal condition) and estimates the mesh stiffness per shaft revolution in case that any abnormality is detected. In the first stage, the analysis of coefficients generated through discrete wavelet transformation (DWT) is proposed as a fault detection and localization tool. The second stage consists in establishing the mesh stiffness reduction associated with local failures by applying a supervised learning mode and coupled with analytical models. To do this, a multi-layer perceptron neural network has been configured using as input features statistical parameters sensitive to torsional stiffness decrease and derived from wavelet transforms of the response signal. The proposed method is applied to the gear condition monitoring and results show that it can update the mesh dynamic properties of the gear on line.

Direct and indirect economic impacts of drought in the agri-food sector in the Ebro River basin (Spain).

The economic evaluation of drought impacts is essential in order to define efficient and sustainable management and mitigation strategies. The aim of this study is to evaluate the economic impacts of a drought event on the agricultural sector and measure how they are transmitted from primary production to industrial output and related employment. We fit econometric models to determine the magnitude of the economic loss attributable to water storage. The direct impacts of drought on agricultural productivity are measured through a direct attribution model. Indirect impacts on agricultural employment and the agri-food industry are evaluated through a nested indirect attribution model. The transmission of water scarcity effects from agricultural production to macroeconomic variables is measured through chained elasticities. The models allow for differentiating the impacts deriving from water scarcity from other sources of economic losses. Results show that the importance of drought impacts are less relevant at the macroeconomic level, but are more significant for those activities directly dependent on water abstractions and precipitation. From a management perspective, implications of these findings are important to develop effective mitigation strategies to reduce drought risk exposure.

Modelo de Gestión del Conocimiento para la Competitividad del Sector de las Construcciones Petroleras, Petroquímicas y Energéticas Venezolanas

La construcción es una de las actividades más valiosas para la sociedad debido a la naturaleza de los servicios que ofrece y por el volumen de empleos y movimiento económico que genera. Por ello es un elemento fundamental para el desarrollo sustentable. Es una industria compleja, cada vez más dependiente del conocimiento. Debido a su naturaleza fragmentaria y temporal y la alta rotación de personal presenta grandes retos y complicaciones particulares. Estas dificultades en oportunidades pueden transformarse en problemas por la complejidad, localización geográfica o los requisitos técnicos, financieros e innovaciones de los proyectos. Debido a sus características, las construcciones sufren cambios en las condiciones planificadas. Con frecuencia estos cambios conducen a retrasos en la ejecución de los proyectos, costes superiores a los presupuestados y conflictos entre los clientes y los ejecutores. Esto genera problemas de competitividad que afectan tanto a países desarrollados como países en vías de desarrollo. Los problemas de la construcción tienen perniciosos efectos para la sociedad, que pierde recursos que deberían permitir mejores resultados en términos de calidad de vida y beneficios sociales y económicos. Debido a la importancia del sector y los ingentes recursos que se invierten en cada proyecto se justifican los máximos esfuerzos para lograr los mejores desempeños de esta industria. Éste interés ha orientado el desarrollo de investigaciones, para apoyar el logro de los objetivos de mejoramiento continuo y construcción sustentable. Los estudios desarrollados han permitido demostrar el valor añadido del conocimiento en todos los sectores productivos. Para la construcción, los conocimientos ofrecen indicadores de desempeño, datos y lecciones aprendidas provenientes de aciertos y errores. Estos deben conducir a aprendizajes fundamentales para sustentar su competitividad. Sin embargo, a pesar de los conocimientos disponibles y los avances en las técnicas de control gerencial y de proyectos, es alarmante la recurrencia de los problemas de construcción. Esta problemática se manifiesta con severidad en los proyectos de construcción industrial que se desarrollan para el sector petrolero, petroquímico y energético venezolano. El sector presenta evidentes necesidades para un mejor desempeño competitivo por la alta incidencia de retrasos de los proyectos, que implican pérdidas de gran parte de los recursos humanos, financieros, técnicos y conocimientos invertidos. Esta investigación plantea como objetivos analizar la importancia de la construcción y su sustentabilidad, los principales problemas que afectan el sector, la gestión del conocimiento y algunos modelos disponibles para gestionarlos. Igualmente examina las lecciones aprendidas y la productividad y competitividad, con particular atención a los problemas de competitividad venezolanos. Adicionalmente se evalúan las implicaciones del conocimiento como activo estratégico y se caracterizan las empresas de construcción industrial venezolanas. Para ello se identifican las dimensiones que sustentan la gestión del conocimiento en estas empresas, para finalmente determinar las que resultan más idóneas para el nuevo modelo a ser propuesto. Con estos objetivos se desarrolló el estudio empírico. Para ello fueron invitados a participar representantes de 105 empresas y expertos de construcción distintos, todos con experiencias de construcción al sector industrial venezolano. Se obtuvieron 112 respuestas en representación de 41 organizaciones y expertos diferentes. El trabajo de campo inició en Junio de 2012 y culminó en Noviembre de 2012. Los datos obtenidos fueron analizados con apoyo de técnicas estadísticas descriptivas y multivariables. Los objetivos de la investigación se alcanzaron ya que se logró caracterizar el sector de las construcciones industriales y se propuso un nuevo modelo de gestión del conocimiento adecuado a sus características. El nuevo modelo fue formulado atendiendo a criterios de sencillez, bajos costes y facilidad de adaptación para motivar su utilización en organizaciones de construcción industrial variadas. Con ello se busca que resulte de utilidad aún para las organizaciones más pequeñas, con menores recursos o aquellas que enfrentan entornos constructivos complicados. Por último se presentan algunas sugerencias para motivar la comprensión de los fenómenos estudiados en los grupos de interés de la construcción. Se propone analizar estos problemas desde las etapas iniciales de los estudios de ingeniería, de arquitectura, de construcción, de economía y administración. Igualmente se propone desarrollar acciones conjuntas de parte de los sectores académicos, gubernamentales, industriales y asociaciones para el mejoramiento competitivo y desarrollo sustentable global. La propuesta aporta datos sobre el sector constructivo venezolano en un área que presenta grandes carencias y propone un modelo innovador por su sencillez y orientación hacia el uso diario e intuitivo de los conocimientos como recursos fundamentales para la competitividad. Esta orientación puede tener trascendencia más allá del sector descrito, para apoyar la solución de problemas de otras industrias en entornos globales. ABSTRACT Construction is one of the most valuable activities for society due to the nature of the services offered and the number of jobs and revenues generated. Therefore it is a key element for sustainable development. Construction is a complex industry increasingly dependent on knowledge. Its temporary and fragmentary nature and the high staff turnover present great challenges and particular complications to construction. In some cases these conditions may evolve to serious problems because of the complexity, geographic location or even technical, financial and innovative requirements of each project. Due to their characteristics, constructions frequently undergo changes in planned conditions. Often these changes lead to delays in project completion, costs higher than budgeted and conflicts between clients and performers. This creates problems of competitiveness affecting both developed and developing countries. The construction problems have harmful effects on society, since it loses resources that would otherwise allow better results in terms of quality of life and social and economic benefits. The importance and the enormous resources invested in each project justify the efforts to achieve the best performance of this industry. This interest has guided the development of multiple research efforts to support the achievement of construction performance improvements and sustainable construction. The studies carried out have demonstrated the added value of knowledge in all productive sectors. For construction, knowledge offers performance indicators, data and lessons learned from successes and failures. These should lead to fundamental learning to sustain sector competitiveness. However, despite the available knowledge and advances in techniques and project management control, the recurrence of construction problems is alarming. This problem shows itself severely in industrial construction projects that are developed for the Venezuelan oil, petrochemical and energy sectors. These sectors have evident needs for better competitive performance because of the high incidence of project delays, involving loss of much of the human, financial, technical and knowledge resources invested. This research analyzes the importance of construction and sustainability, the main problems affecting the sector, knowledge and some models available to manage them. It also examines the lessons learned and the productivity and competitiveness, with particular attention to the problems of Venezuelan competitiveness. Additionally, the Venezuelan industrial construction companies are characterized evaluating the implications of knowledge as an strategic asset for construction. Moreover, the research evaluates the dimensions that support knowledge management in these companies, to finally identify those that are the most suitable for the new model to be proposed. With these objectives in mind the empirical study was developed. 105 different companies and experts with Venezuelan industrial construction experiences were invited to participate on the survey. 112 responses were obtained representing 41 different organizations and experts. Fieldwork started in June 2012 and ended in November 2012. The data obtained was analyzed with descriptive and multivariate statistical techniques. The research objectives were achieved since the industrial construction sector was characterized and a new management model was proposed based on the particular characteristics of these companies. The new model was formulated according to the criteria of simplicity, low cost and ease of adaptation. This was performed to motivate the use of the new model in various industrial construction organizations, even in smaller companies, with limited resources or those facing complex construction environments. Finally some suggestions to encourage understanding of the phenomena studied among construction stakeholders were proposed. The importance of studying these problems at an early stage of the engineering, architectural, construction, economic and administration studies is highlighted. Additionally, academic, government, industrial organizations and associations are invited to join efforts to improve the competitive and sustainable global development. The proposal provides data on the Venezuelan construction sector in an area that has large gaps and proposes a model which is innovative for its simplicity and suggests the daily and intuitive use of knowledge resources as a key issue to competitiveness. This orientation may have implications beyond the described sector to support the solution of problems of other industries in a global environment.