Es indiscutible que el manejo de informacion en todo tipo de organizacion es un elemento clave para su desarrollo, competitividad y sostenibilidad. Sin embargo, mas que manejar datos con eficiencia y eficacia, es indispensable determinar la porcion de informacion que crea nuevo conocimiento e informacion. La optimizacion de sistemas de conocimiento se entiende como la seleccion de la informacion mas adecuada para solucionar un problema especifico en espacios y dominios dados, donde usualmente existen datos heterogeneos, multiples objetivos, multiples criterios, multiples tomadores de decisiones, multiples interpretes y limitacion de recursos, en un entorno dinamico. Una solucion cercana a la optimizacion de este tipo de sistemas ha sido el paradigma de descubrimiento de conocimiento por medio de bases de datos, el cual ha sido exitoso en particular en el ambito de informacion comercial y de gestion. Una bodega de datos (data warehouse) es una base de datos especialmente disenada para ayudar a los analistas en la toma de decisiones, que contiene usualmente grandes volumenes de datos historicos de una organizacion. Estos datos pueden ser analizados con el fin de descubrir comportamientos y tendencias. Por ejemplo, en una bodega de datos sobre ventas se podria descubrir que las ventas de un determinado producto se incrementan en ciertas epocas del ano en una sucursal dada. Los analistas podrian entonces intentar determinar la razon de este fenomeno con el fin de replicarlo en otras sucursales y asi incrementar las ventas en todas las sucursales de la organizacion. Sin embargo, hay situaciones que siguen siendo dificiles de tratar como las ocasiones en que puede haber datos faltantes en la bodega. Cuando hay informacion faltante, o cuando se requieren interpolaciones, estimacion de parametros, clasificacion, identificacion de sistemas, prediccion, exploracion, busqueda y seleccion de la solucion mas adecuada, reconocimiento de patrones con informacion escasa,cuando hay alta dimensionalidad en los datos pero las muestras son pequenas, cuando hay dependencia entre los datos o hay interaccion entre las fuentes, o cuando la informacion es compleja en su composicion y contenido como en el caso de ingenieria, entre otras areas, es decir, cuando se requiere optimizar sistemas de conocimiento, las tecnicas actuales son insuficientes como herramientas de solucion. Esta situacion es muy notoria en los campos de la Ciencia, la Tecnologia y la Innovacion. Se requiere, por lo tanto, analizar los datos y manejar la informacion desde otras perspectivas. Por esta razon, se unen el Grupo de Investigacion en Inteligencia Computacional (GIIC) y el Grupo de Bases de Datos (GBD) con el fin de generar enfoques integradores que potencialicen y exploten sus experiencias y fortalezas para desarrollar instrumentos que faciliten la optimizacion de sistemas de conocimiento en Ingenieria. En este programa de fortalecimiento de grupos de investigacion se propondran e implementaran nuevos algoritmos y aplicativos de software como micromundos computacionales para la optimizacion del conocimiento. Ademas, se desarrollaran estrategias de aprendizaje para impactar con los nuevos sistemas de conocimiento resultantes del trabajo conjunto. En este programa el proposito que se busca es la optimizacion de conocimiento en sistemas de ingenieria mas que la sistematizacion de posibilidades de relaciones con la industria, es decir el mejoramiento de la informacion tecnica no de la informacion interorganizacional.