El presente artículo tiene como objetivo analizar la gestión del postgrado en ciencias administrativas, mención gerencia general con la finalidad de proponer un modelo de gestión del conocimiento (GC) para los estudios de postgrado, tomando como caso de estudio la Maestría en Ciencias Administrativas Mención Gerencia General, Universidad de Oriente, Núcleo Anzoátegui. Se pretende fortalecer e integrar las funciones de docencia e investigación, así como, incrementar la producción científica con mayor pertinencia social. La investigación realizada es de tipo cualicuantitativa, diagnóstica y de campo, se asume la revisión documental y entrevistas en profundidad. Los resultados evidenciaron deficiencias relacionadas con la GC y un débil vínculo con el área de investigación. Se concluye que es necesario reorientar las políticas, planes y objetivos en materia de investigación y GC; utilizar un modelo de GC para redimensionar y fortalecer la investigación; diversificar las líneas de investigación para alinear y articular los esfuerzos investigativos y dar respuesta a las necesidades nacionales, locales y globales; establecer alianzas intra e interinstitucionales; disponer de recursos tecnológicos adecuados, todo ello para impulsar la producción, difusión y transferencia de conocimientos.

En la fase temprana de diseño de un multisensor están las especificaciones funcionales que establecen el comportamiento sus señales, donde es importante analizar la influencia de los tiempos de muestreo en el despliegue temporal entre los datos de entrada y salida disponibles del multisensor, como del enlace de comunicación que pudieran utilizar. Por tanto, en este trabajo se desarrolla un modelo de sistema multisensor considerando múltiples señales con periodos de muestreo que pueden ser diferentes del proceso y datos de estado, incluyendo la limitación temporal del enlace de comunicación. El sistema consta de los componentes: multisensor y estación base. Además, se desarrolló un modelo de simulación en Scilab/Xcos para ejercitar diferentes escenarios. El modelo ofrece un perfil temporal de la secuencia de datos sensoriales bajo diferentes esquemas de muestreo, permitiendo presentar la evolución de las señales con pérdidas o ausencias de muestras, las cuales al ser tratadas sistemáticamente con operadores multifrecuencia y funciones de interpolación para su reconstrucción, conducen a resultados utilizables para la abstracción del mundo real. Finalmente, la efectividad del modelo se ilustra mediante simulaciones numéricas.