Architectural Innovation

25 sábado Mar 2017

Posted by José Félix Rodríguez Antón in INDUSTRIA FARMACEUTICA, Marketing farmacéutico

Etiquetas

B. Clark, incremental innovation, M. Henderson, modular innovation, radical innovation, Technological innovation

algebra-1238600_1280

Architectural innovation therefore presents established organizations with subtle challenges that may have significant competitive implications.

In 1990, Rebecca M. Henderson from MIT and Kim B.Clark from Harvard University wrote an article: “The Reconfiguration of Existing Product Technologies and the Failure of Established Firms”, describe an innovation typology that was base on an innovation´s impacto on core design components and relationships between them.

cuadro

The distinctions between radical, incremental, and architectural innovations are matters of degree

Incremental innovation: introduce quality improvements in core components. The Word renovation would more precisely describe this type of innovation.Tends to reinforce the competitive positions or established firms.

Modular innovation: may result in the complete redesign of core components, while leaving linkages between the components unchanged.

Architectural innovation: changes the nature of internations between core components, while reinforcing the core design concepts.

Is designed to draw attention to innovations that use many existing core design concepts in a new architecture and that therefore have a more significat impacto on the relationships between components than on the technologies of the components themselves.

Radical innovations: introduce a new meaning, potentially a paradigm shift.

Creates unmistakable challenges for established firms, since it destroys the usefulness of their existing capabilities.

The concept of architectural innovation and the related concepts of component and architectural knowledge have a number of important implications. Open up new areas in understanding the connections between innovation and organizational capability. An architectural innovation´s affect despends in a direct way on the nature of organizational learning. Learning about changes in architecture-about new interactions across components may therefore require explicit management and attention.

To the degree that manufacturing, marketing, and finance rely on communication channels, information filters, and problem-solving strategies to integrate their work together, architectural innovation at the firm level may also be a significant issue. An understanding of architectural innovation would be useful to discussions of the effect o technology on competitive strategy.

Modular Innovations is where you maintain the architecture and modify and modify the modules. Architectural innovation is where the architecture changes.

Some issues to consider:

By creating incompatibilities you develop lock in features and generate high switching costs.
By developing modules you do not have to change the underlying architecture.
Modular systems shorten PLC.
It stimulates specialization.
Increases scale and differentiation.
Builds alliances.
Competitiors form Satndards organizations to ensure consistency in the development of systems.
Market Power. Sometimes powerful groups and organizations can prevent the best technology from being utilized.
Reduces risk increases investment.
Adoption of new architecture can be slow.
Modular and architectural innovation are the extreme cases.
Modular complementary innovation. Complementary modules emerge that increase the potential of the new module.
Modular transformation, a new module may act as a bridge between two different architecture.
Modular upgrading may occur when a new or improved module spawns complementary modules.
Architectural Knowledge. Occasionally a company not normally seen as a threat transforms the competitie environment.
First Mover Advantage. Building a dominant market share.

Bibliography:

Henderson & Clark Architectural innovation: “The reconfiguration of existing product technologies and the failure of established firms”, Administrative Science Quarterly, Vol.35, No.1, Ed. Sage Publications, Inc; Johnson Graduate School o Management, Cornell University.:1990

Wikipedia

Links relationed:

Harvard Business School

http://www.shepleybulfinch.com/project/harvard-business-school/A42/

Rebecca M. Henderson

https://www.youtube.com/watch?v=BBgLJgAZ6wc

Innovation

20 lunes Mar 2017

Posted by José Félix Rodríguez Antón in INDUSTRIA FARMACEUTICA, Marketing farmacéutico

≈ Deja un comentario

Etiquetas

difussion curve, Gabriel Tarde, innovate, innovation processes, innovator, Peter Drucker, production, productivity

innovation

An innovator, is a person who introduces into reality, opens a new area.

Diffusion of innovation research was started in 1903 by researcher Gabriel Tarde. Was a French sociologist, criminologist and social psycologist who conceived sociology as base on small psycological interactions among individuals. Amon the concepts that Tarde initiated were the group mind and economic psychology and the develop.

Tarde defined the innovation-decision process as a series o steps that includes:

First knowledge
Forming an attitude
A decisión to adopt or reject
Implementation and use
Confirmation of the decisión

This process has been proposed that the life cycle of innovations can be described using “s-curve” or “diffusion curve”, s-curve relations the productivity against time.

In early stage of a particular innovation, growth is relativey slow,
after customers begin to demand and the product growth increases more rapidly
Towards the end o its lifecyce, growth slows and maye ven begin to decline
In the later stages, no amount of new investment in that product will yield a normal rate of return.

Innovation is the result o a process that brings various novel ideas in a way that they affect society: Industrial economics will typically be working on innovations renewal and enlargement of products, services and markets, development of new methods of production; and establishment of new management systems; and found services to meet the growing consumer demand.

Positive changes in the organizational context:

Efficiency
Productivity
Quality
Competitiveness
Market sahere

Peter Drucker (Austrian-born American management consultant, educator, and autor, the founder of modern management ), wrote:

“Executives and managers need to break away from traditional ways of thinking and use chang to their advantage. It is a time of risk bute ven greater opportunity. The world of work is changing with the increase in the use of technology and both companies and businesses are becoming increasingly competitive”.

“Changes in industry structure, in market structure, in local and global demographics, in human perception, mood and menaning, in scientific knowledge, etc.”

Measure of innovation at the organizational level relates to individuals, team-level assessments, and prívate companies with workshops, consultants, or internal benchmarking.

Companies will typically be working on new innovations that will eventually replace older ones.

Bibliografía:

Burgher, Peter H, “Changement, Understanding&Managing Business”, Lexington Books, 1979
Carl Heyel “ The encyclopedia of management”, Van Nostrand Rinhold Company, 1982
Eliot D. Chapple “Culture and Biological man, explorations in behavioral anthropology”, Cornell University, 1970
Spencer Johnson “Who Moved my Cheese?”Spencer Jhonson, 1998
Tom Peters “Liberation Management” Excel, 1992
Wikipedia

Links:

“Innovation” Harvard

https://hbr.org/topic/innovation

https://i-lab.harvard.edu/

“20 Innovation tools” Implement consulting group
http://implementconsultinggroup.com/inspiration/articles/20-innovation-tools/

Superbacterias en busca de antibióticos

11 sábado Mar 2017

Posted by José Félix Rodríguez Antón in Bioquímica, CIENCIA

≈ Deja un comentario

Etiquetas

antibiótico, carbapenémicos, Fleming, Gram-negativa, Gram-positiva, Koch, oms, peptidoglicano, Selman Waksman

school-40847_1280

Con la llegada de los antibióticos se produjo un cambio en la historia de la medicina, a partir de los años cuarenta del siglo XX, disminuye considerablemente el número de fallecimientos. Pero con el abuso, están perdiendo efectividad. Aumentando las infecciones por microorganismos resistentes a los antibióticos: “bacterias multiresistentes” o “superbacterias”. Aumentan las infecciones y aumentan las muertes.

Koch, publicó un artículo en 1879 “Etiología de las enfermedades infecciosas traumáticas”, donde demuestra que la bacteria podía causar la enfermedad cuando se inoculaba a un animal sano y que para que un microorganismo produzca una enfermedad se tiene que cumplir cuatro requisitos o “postulados”:

El agente patógeno debe estar presente en los animales enfermos y ausentes en los sanos.
El agente debe ser cultivado en un cultivo axénico puro aislado del cuerpo del animal.
El agente aislado en un cultivo axénico debe provocar la enfermedad en un animal susceptible al ser inoculado.
El agente debe ser aislado de nuevo de las lesiones producidas en los animales de experimentación y ser idéntico al inoculado originalmente.

Caracterizó los organismos responsables de tuberculosis, cólera; y sus discípulos identificaron: los microorganismos causantes del tifus, la difteria, la neumonía, la gonorrea, la fiebre ondulante, la meningitis, la lepra, el tétanos, la peste, la sífilis, la tos ferina y otras muchas causadas por estafilococos y estreptococos.

El término “antibiosis” se refiere a cuando se destruye la vida de un organismo por otro organismo para preservar su propia vida, y Selman Waksman (1888-1973) acuñó la palabra “antibiótico” (destructor de la vida). El primer antibiótico fue la penicilina, un producto derivado de un hongo del género Penicillium, Fleming un bacteriólogo escocés que trabajaba en el Hospital de St. Mary´s de Londres, comunicó su descubrimiento sobre la penicilina en el British Journal of Experimental Pathology en 1929, al inspeccionar los cultivos antes de destruirlos vio que la colonia de un hongo había crecido espontáneamente, como un contaminante, en una de las placas de Petri sembradas de Staphylococcus aureus, compartió el Premio Nobel de Medicina en 1945 junto a Ernst Boris Chain y Howard Walter Florey.

El peptidoglicano o mureína es un copolímero formado por una secuencia alternante de N-acetil-glucosamina y el Ácido N-acetilmurámico unidos mediante enlaces B-1,4. Es muy resistente y protege a las bacterias de una ruptura osmótica en ambientes acuáticos y da a los tipos diferentes de bacterias sus formas. La cadena es recta y no ramificada. Constituye la estructura básica de la pared celular de las bacterias.

La pared celular Gram-positiva, contiene una capa de peptidoglicano muy gruesa, muy desarrollada, y llega a tener hasta 40 capas. Responsable de la retención de los tintes violetas durante la tinción de Gram. La constitución de la estructura química es característica de la especie y constituye un buen parámetro taxonómico.

La pared celular Gram-negativa, contiene una capa fina de peptidoglicano adyacente a la membrana citoplasmática, presenta una sola capa. La constitución es igual en todas las bacterias Gram negativas. Responsable de la incapacidad de la pared celular para conservar el color violeta en la decoloración con etanol durante la tinción de Gram. La pared celular Gram-negativa contiene una membrana externa adicional compuesta por fosfolipidos y lipopolisacáridos que hacen frente a las condiciones exteriores.

La OMS (Organización Mundial de la Salud) ha afirmado que en la etapa de los posantibióticos las infecciones comunes volverán a ser potencialmente mortales. Sí en los próximos años no se desarrollan nuevos antibióticos que sustituyan a los que están perdiendo su efectividad, morirán millones de personas por infecciones bacterianas.

La mayor amenaza a la que se enfrenta Europa es la de las superbacterias resistentes a un grupo de antibióticos muy potentes llamados “de último recurso”, los carbapenémicos. Hay un grupo de enterobacterias productoras de carbapenemasas (CPE), las carbapenemasas son unas enzimas que inactivan al que prácticamente es el último escalón terapéutico frente a los microorganismos multirressitentes. Las bacterias gramnegativas son resistentes a múltiples antibióticos, tienen la capacidad de encontrar nuevas formas de resistir a los tratamientos y pueden transmitir material genético que hace a otras bacterias farmacorresistentes.

La OMS ha publicado una lista de las bacterias para las que necesitan urgentemente antibióticos, se divide en tres categorías con arreglo a la urgencia en que se necesitan los nuevos antibióticos: prioridad crítica, alta y media.

La lista se elaboró con la División de Enfermedades Infecciosas de la Universidad de Tübingen (Alemania). Los criterios para incluir patógenos en la lista fueron los siguientes:

El grado de letalidad de las infecciones que provocan
El hecho de que el tratamiento requiera o no una hospitalización larga
La frecuencia con que presentan resistencia a los antibióticos existentes cuando infectan a las personas de las comunidades
La facilidad con la que se transmiten entre animales, de animales a personas y entre personas
Si las infecciones que provocan pueden o no prevenirse
Opciones terapéuticas que quedan
Si se están investigando y desarrollando nuevos antibióticos para tratar las infecciones que causan

El grupo de prioridad crítica: bacterias multirresistentes, que son peligrosas en hospitales, residencias de ancianos y pacientes que necesitan ser atendidos con dispositivos como ventiladores y catéteres intravenosos. Han adquirido las bacterias resistencias a una gran cantidad de antibióticos, como los carbapenémicos y las cefalosporinas de tercera generación.

Prioridad 1: CRÍTICA

Acinetobacter baumannii, resistente a los carbapenémicos
Pseudomonas aeruginosa, resistente a los carbapenémicos
Enterobacteriaceae, resistente a los carbapenémicos, productoras de ESBL

Los niveles segundo y tercero, categorías de prioridad alta y media: bacterias que exhiben una farmacorresistencia creciente y provocan enfermedades comunes como la gonorrea o intoxicación alimentarias por salmonela.

Prioridad 2: ELEVADA

Enterococcus faecium, resistente a la vancomicina
Staphylococcus aureus, resistente a la meticilina, con sensibilidad intermedia y resistencia a la vancomicina.
Helicobacter pylori, resistente a la claritromicina
Campylobacter spp. Resistente a las fluoroquinolonas
Salmonellae, resistentes a las fluoroquinolonas
Neisseria gonorrhoeae, resistente a la cefalosporina, resistente a las fluoroquinolonas

Prioridad 3: MEDIA

Streptococcus pneumoniae, sin sensibilidad a la penicilina
Haemophilus influenzae, resistente a la ampicilina
Shigella spp, resistente a las fluoroquinolonas

Bibliografía:

OMS
Wikipedia

Links relacionados:

OMS: Bacterias de nuevos antibióticos

http://www.who.int/mediacentre/news/releases/2017/bacteria-antibiotics-needed/es/

Instituto de Salud Carlos III: Microbiología
http://www.isciii.es/ISCIII/es/contenidos/fd-el-instituto/fd-organizacion/fd-estructura-directiva/fd-subdireccion-general-servicios-aplicados-formacion-investigacion/fd-centros-unidades/centro-nacional-microbiologia.shtml

El Big Data y la salud

04 sábado Mar 2017

Posted by José Félix Rodríguez Antón in CIENCIA, SANIDAD

≈ Deja un comentario

Etiquetas

big data, biometric, Cisco, Hadooc, HBase, IBM, IBM Infosphere BigInsights, IBM Infosphere Streams, M2M, Mike 2.0, NASA, petabyte, terabyte

digital-388075_640

La explosión del “Big Data” está modificando los procesos de análisis de datos, para resolver problemas complejos relacionados con la investigación científica y biomédica, educación en la salud, etc.

Las empresas, los usuarios y dispositivos, generan gran cantidad de datos; que han crecido exponencialmente, cuyo análisis ayudará a conseguir ventajas competitivas. Es necesario una tecnología para mover el volumen de datos. También metodologías y procesos para acceder y explotar esta información.

Enviar correos electrónicos por e-mail, mensajes por WhatsApp, publicar un estado en Facebook, twittear contenidos o responder a una encuesta por la calle son cosas que hacemos a diario y que generan datos y metadatos que pueden ser analizados.

Big Data o Datos masivos son una cantidad de datos tal que supera la capacidad del software convencional para ser capturados, administrados y procesados en un tiempo razonable. En 2012 se estimaba su tamaño de entre una docena de terabytes hasta varios petabytes en un único conjunto de datos. Suficientemente masivo, como para poner de relieve cuestiones referentes al anonimato.

Gibabyte: 1.000.000.000

Terabyte: 1.000.000.000.000

Petabyte: 1.000.000.000.000.000

Exabyte: 1000.000.000.000.000.000

Tipos principales de datos Big Data:

Datos estructurados: datos que tienen bien definidos su longitud y su formato, como las fechas, los números o las cadenas de caracteres. Ej.: Las bases de datos y las hojas de datos.
Datos no estructurados: datos en el formato tal y como fueron recolectados, carecen de formato específicos: Ej.: e-mails, Pdf
Datos semiestructurados: datos que no se limitan a campos determinados, pero que contienen marcadores para separan los diferentes elementos. Poseen los propios metadatos semiestructurados Ej.: HTML, XML y JSON.

Además del gran volumen de información, hay que tener en cuenta en el manejo del Big Data la gran variedad de datos (dispositivos móviles, audio, video, sistemas GPS, incontables sensores digitales en equipos industriales, automóviles, medidores eléctricos, veletas, anemómetros, etc.), y la velocidad de respuesta para obtener la información adecuada en el momento preciso.

Esta información es generada por las personas directa e indirectamente de forma continuada en cada una de las actividades que realizamos varias veces al día con los “smartphones”, transacciones financieras en línea y bases de datos con datos de la población. También en la comunicación entre ordenadores (M2M machine-to-machine).

Tipos de procedencia datos Big Data:

Web and Social Media: procedente de redes sociales como Facebook, Twitter, Linkedin, blogs, etc.
Machine-to-Machine (M2M): procedente de conexiones entre dispositivos, con transmisiones a través de redes alámbricas, inalámbricas o híbridas.
Big Transaction Data: registros de facturación, telecomunicaciones con registro de las llamadas (CDR).
Biometrics: información biométrica como reconocimiento facial, genética, etc.
Human generated: llamadas telefónicas, notas de voz, documentos electrónicos, etc.

Hay bases de datos OLTP (On Line Transaction Processing), dinámicas, donde la información se puede consultar y modificar en tiempo real y bases de datos OLAP (On Line Analytical Processing), estáticas, donde la información en tiempo real no está afectada.

Principales herramientas para trabajar con Big Data:

Son ecosistemas de proyectos que permiten simplificar, administrar, coordinar y analizar grandes volúmenes de información.

Hadoop: es un proyecto de alto nivel Apache, construido y usado por una comunidad global de contribuyentes, mediante programación Java. Un clúster típico Hadoop incluye un nodo maestro y múltiples nodos esclavos.

hadoop_1

El nodo maestro consiste en Jobtracker (rastreador de trabajos), Tasktracker (rastreador de tareas), Namenode (nodo de nombres), Datanode (nodo de datos); un nodo esclavo o compute node (nodo de cómputo) es un Datanode y un Tasktracker .

Hadoop MapReduce: es el núcleo de Hadoop, se refiere al proceso map (toma un conjunto de datos y lo convierte en otro conjunto), una fase intermedia es la denominada shuffle (obtiene las tuplas (pares de llave/valor) del proceso map y determina que nodo procesará estos datos dirigiendo la salida a una tarea reduce en específico.

Hadoop Common: son un conjunto de librerías que soportan varios subproyectos de Hadoop.

Avro: es un proyecto de Apache que provee servicios de serialización.

Cassandra: es una base de datos no relacional distribuida y basada en un modelo de almacenamiento de “clave-valor”, desarrollada en Java.

Chukwa: diseñado para la colección y análisis a gran escala de “logs”.

Flume: su tarea principal es dirigir los datos de una fuente hacia otra localidad, hay tres entidades principales: sources (fuente), decorators (operación dentro del flujo de datos) y sinks( destinos).

HBase: base de datos columnar (column-oriented database) que se ejecuta en HDFS.

Hive: una infraestructura de data warehouse que facilita administrar grandes conjuntos de datos que se encuentran almacenados.

Jaql: fue donado por IBM a la comunidad de software libre. Formato JSON( Query Language for Javasript Object Notation) lenguaje funcional y declarativo, diseñado para procesar grandes volúmenes de información .

Lucene: proyecto de Apache para realizar búsquedas sobre textos.

Oozie: proyecto de código abierto que simplifica los flujos de trabajo y la coordinación entre cada uno de los procesos.

Pig: el lenguaje PigLatín diseñado para manejar cualquier tipo de dato y Pig es el ambiente de ejecución.

ZooKeeper: proyecto de código abierto de Apache que provee infraestructura centralizada y de servicios que pueden ser utilizados por aplicaciones para asegurarse procesos en los cluster serializados o sincronizados.

En la investigación biomédica, salud, educación hay proyectos donde se emplea análisis Big Data:

En la pandemia de la gripe A, el website Google Flu Trends, gracias a los resultados de las búsquedas de usuarios que contienen “Influenza-Like Illness Symptoms”, agregando ubicación y fecha, se predijo la actividad de la gripe con dos semanas de antelación. Los países con sistemas de predicción poco desarrollados pueden hacer uso, tomando las medidas oportunas.
En la esclerosis múltiple, una enfermedad que afecta a la médula espinal y al cerebro, la Universidad de Nueva York (SUNY), están aplicando análisis con big data.
Monitorización de bebes prematuros, en el instituto de Tecnología de la Universidad de Ontario (UOIT), análisis en tiempo real de IBM (IBM InfoSphere Streams).
Investigaciones relacionadas con el cáncer, por el Lineberger Comprehensive Cancer Center, utilizan Hadoop y HBase en el proyecto The Cancer Genome Atlas (TCGA).
Investigación de secuencias de proteínas, para determinar enlaces evolutivos se usa Hadoop en el PSG College of Technology, India.

Bibliografía: