Es indiscutible que el manejo de información en todo tipo de organización es un elemento clave para su desarrollo, competitividad y sostenibilidad. Sin embargo, más que manejar datos con eficiencia y eficacia, es indispensable determinar la porción de información que crea nuevo conocimiento e información. La optimización de sistemas de conocimiento se entiende como la selección de la información más adecuada para solucionar un problema específico en espacios y dominios dados, donde usualmente existen datos heterogéneos, múltiples objetivos, múltiples criterios, múltiples tomadores de decisiones, múltiples intérpretes y limitación de recursos, en un entorno dinámico. Una solución cercana a la optimización 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 ámbito de información comercial y de gestión. Una bodega de datos (data warehouse) es una base de datos especialmente diseñada para ayudar a los analistas en la toma de decisiones, que contiene usualmente grandes volúmenes de datos históricos de una organización. Estos datos pueden ser analizados con el fin de descubrir comportamientos y tendencias. Por ejemplo, en una bodega de datos sobre ventas se podría descubrir que las ventas de un determinado producto se incrementan en ciertas épocas del año en una sucursal dada. Los analistas podrían entonces intentar determinar la razón de este fenómeno con el fin de replicarlo en otras sucursales y así incrementar las ventas en todas las sucursales de la organización. Sin embargo, hay situaciones que siguen siendo difíciles de tratar como las ocasiones en que puede haber datos faltantes en la bodega. Cuando hay información faltante, o cuando se requieren interpolaciones, estimación de parámetros, clasificación, identificación de sistemas, predicción, exploración, búsqueda y selección de la solución más adecuada, reconocimiento de patrones con información escasa,cuando hay alta dimensionalidad en los datos pero las muestras son pequeñas, cuando hay dependencia entre los datos o hay interacción entre las fuentes, o cuando la información es compleja en su composición y contenido como en el caso de ingeniería, entre otras áreas, es decir, cuando se requiere optimizar sistemas de conocimiento, las técnicas actuales son insuficientes como herramientas de solución. Esta situación es muy notoria en los campos de la Ciencia, la Tecnología y la Innovación. Se requiere, por lo tanto, analizar los datos y manejar la información desde otras perspectivas. Por esta razón, se unen el Grupo de Investigación 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 optimización de sistemas de conocimiento en Ingeniería. En este programa de fortalecimiento de grupos de investigación se propondrán e implementarán nuevos algoritmos y aplicativos de software como micromundos computacionales para la optimización del conocimiento. Además, se desarrollarán estrategias de aprendizaje para impactar con los nuevos sistemas de conocimiento resultantes del trabajo conjunto. En este programa el propósito que se busca es la optimización de conocimiento en sistemas de ingeniería más que la sistematización de posibilidades de relaciones con la industria, es decir el mejoramiento de la información técnica no de la información interorganizacional.