You are on page 1of 13

Facilitador:

Judith Devia

Equipo OPC:

Diagnstico y decisinGonzlez, Daniela


Parte II
Maturn Abril 2015

Universidad De Oriente
Ncleo Monagas
Departamento De Ingeniera De
Sistemas
Cursos Especiales De Grado
Automatizacin y Control de
Procesos Industriales

C.I: 18.652.312
Hernndez, Karla
C.I: 18.588.070

Introduccin
En la actualidad la accin de supervisar los procesos de automatizacin se
ha vuelto primordial en las industrias ya que la misma proporciona soporte a la
sistematizacin en el seguimiento de los mismo, automatizando en la medida que
sea posible, tareas como son el anlisis de datos, deteccin de fallos, diagnostico
de lo mismo, toma de decisiones o proponer acciones concretas haciendo uso
para ello de toda informacin disponible.
Para lograr la debida supervisin es necesario conocer todos los mtodos y
herramientas necesarias para poder realizar la toma de decisiones, los cuales
pueden proporcionar una representacin grafica, representaciones analticas
donde se toma en cuenta el conocimiento y la inteligencia artificial.

ndice

Introduccin.......................................................................................................... 2
ndice.................................................................................................................. 3
Marco Terico........................................................................................................ 4
Imprecisin. Representacin del conocimiento mediante lgica difusa.......................4
Sistemas expertos............................................................................................... 5
Usos de un Sistema Experto.............................................................................. 5
Aprendizaje. Redes Neuronales............................................................................ 6
Razonamiento basado en casos............................................................................7
Reconfiguracin y soporte al usuario.....................................................................7
Discusin.............................................................................................................. 9
Conclusiones....................................................................................................... 11
Bibliografa.......................................................................................................... 12

Marco Terico
Imprecisin. Representacin del conocimiento mediante lgica difusa
Conocido tambin como lgica difusa donde los procesos de decisin las
conclusiones o decisiones no siempre pueden tener estrictamente la forma de
si/no, verdadero/falso. La complejidad de un problema o las condiciones vagas,
inciertas, siempre llevan conclusiones intermedias, transitorias o vagas. Para
tratar con estos problemas, debemos relajar la dicotoma verdadero/falso de la
lgica bivaluada y permitir valores indeterminados o intermedios de verdad. En
este caso la teora de la lgica difusa da una posible solucin al problema de la
representacin del conocimiento y del razonamiento.
Con conjuntos difusos se intenta modelar la ambigedad con la que se
percibe una variable. Los conjuntos difusos son la base para la lgica difusa, del
mismo modo que la teora clsica de conjuntos es la base para la lgica Booleana.
Con los conjuntos difusos se realizan afirmaciones lgicas del tipo si-entonces,
definindose estas con Lgica Difusa. Este tema es propio de inteligencia artificial,
donde se intenta emular en pensamiento humano. Nuestro campo de estudio es el
control industrial, debemos tener en cuenta la experiencia o base de conocimiento
del operario, esto ser til para emular el comportamiento humano con una
mquina, a pesar de ser esta muy limitada.
Las aplicaciones de la logstica difusa son diversas. Un controlador difuso
es un dispositivo que convierte una estrategia de control descrita por reglas
lingsticas en un algoritmo de control del proceso o sistema. Un supervisor difuso
es un dispositivo que tambin utilizara reglas lingsticas para llevar a cabo la
capacidad humana de abrazar horizontes de informacin grandes, pero
seleccionando detalles este conjunto de datos. En ambos casos el conocimiento
humano, la experiencia y la inteligencia juegan un papel importante, fuera de toda
duda.
Sistemas expertos
Sirve para codificar conocimiento humano en trminos de experiencia,
razonamiento aproximado, imprecisin, analoga, razonamiento por defecto,
aprendizaje entre otros. Especficamente se trata de representar el conocimiento
experto en un sistema basado en reglas de produccin para tener un ordenador
que responda como lo hara el experto humano.
Es decir un sistema experto contiene un motor de inferencia que el
encargado de recorrer las reglas inspeccionando si las puede aplicar, se encarga
de ejecutar el razonamiento , tiene tambin una base de conocimiento el cual
contiene el conocimiento especializado extrado del experto en el dominio. Es
decir, contiene conocimiento general sobre el dominio en el que se trabaja. El
mtodo ms comn para representar el conocimiento es mediante reglas de
produccin, tomando en cuenta que las reglas suelen almacenarse en alguna
secuencia jerrquica lgica, pero esto no es estrictamente necesario. Se pueden
tener en cualquier secuencia y el motor de inferencia las usar en el orden
5

adecuado que necesite para resolver un problema, y por ultimo tiene una base de
hechos que constituye el conjunto de evidencias junto con sus certezas asociadas.
A medida que se van aplicando las reglas se deducen nuevos hechos que
se aaden a la base de hechos, hay dos tipos de motores de inferencia:
-Forward chaining: busca que reglas se pueden aplicar con la base de
hechos actual. Para ello se recorren todas las reglas una a una inspeccionando las
premisas para ver si se pueden ejecutar o disparar deducindose nuevos hechos
que se insertan en la base de hechos y que pueden disparar otras reglas. El motor
se para cuando no encuentra ninguna regla que se pueda disparar.
-Backwar chaining: en este caso, dado un hecho hipottico se buscan todas
las reglas que concluyen ese hecho y se mira si sus premisas se pueden cumplir.
Esto implica hurgar en la base de hechos para buscar hechos actuales que sean
evidencia o bien puedan ser deducidos por otras reglas. El motor se para cuando
no encuentra ms reglas que puedan ser disparadas para deducir la hiptesis o
bien encuentra la hiptesis deducida con una certeza calculada.
Usos de un Sistema Experto
Un sistema experto es muy eficaz cuando tiene que analizar una gran
cantidad de informacin, interpretndola y proporcionando una recomendacin a
partir de la misma. Un ejemplo es el anlisis financiero, donde se estudian las
oportunidades de inversin, dependiendo de los datos financieros de un cliente y
de sus propsitos.
Para detectar y reparar fallos en equipos electrnicos, se utilizan los
sistemas expertos de diagnstico y depuracin, que formulan listas de preguntas
con las que obtienen los datos necesarios para llegar a una conclusin. Entonces
recomiendan las acciones adecuadas para corregir los problemas descubiertos.
Los sistemas expertos son buenos para predecir resultados futuros a partir del
conocimiento que tienen.
Cuando se necesita controlar un proceso tomando decisiones como
respuesta a su estado y no existe una solucin algortmica adecuada, es
necesario usar un sistema experto. Este campo comprende el supervisar fbricas
automatizadas, factoras qumicas o centrales nucleares. Estos sistemas son
extraordinariamente crticos porque normalmente tienen que trabajar a tiempo real.
El diseo requiere una enorme cantidad de conocimientos debido a que hay
que tener en cuenta muchas especificaciones y restricciones. En este caso, el
sistema experto ayuda al diseador a completar el diseo de forma competente y
dentro de los lmites de costes y de tiempo. Se disean circuitos electrnicos,

circuitos integrados, tarjetas de circuito impreso, estructuras arquitectnicas,


coches, piezas mecnicas, etc.
Aprendizaje. Redes Neuronales
Es un sistema de computacin que puede actuar en la misma forma que
funciona el cerebro humano, o simularlo. Adems, el software de red neuronal se
puede usar para simular una red neuronal por medio de computadoras normales.
La redes neuronales pueden procesar muchas piezas de informacin al mismo
tiempo y aprender a reconocer patrones.
A diferencia de los sistemas expertos, un sistema de red neuronal aprende
por ensayo y error.
Caractersticas:
-Capacidad de recuperar informacin incluso si falla alguno de los nodos
neuronales.
-Modificacin rpida de los datos almacenados como consecuencia de
nueva informacin.
-Capacidad de descubrir relaciones y tendencias en grandes bases de
datos.
-Capacidad de resolver problemas complejos para los cuales no
se cuento con la informacin.
Debido a su constitucin y sus fundamentos las redes neuronales ofrecen
numerosas ventajas, que incluyen aprendizaje adaptivo, auto-organizacin,
tolerancia a fallos y operacin en tiempo real.
Entre las aplicaciones a la supervisin de procesos podemos destacar,
filtrado de seales, reconocimiento de patrones, bsqueda en base de datos,
segmentacin, comprensin y funcin de datos y toma de decisiones. La
utilizacin de redes neuronales en supervisin conlleva en muchas ocasiones la
integracin con otros tipos de herramientas.
El elemento bsico de una red neuronal, es la neurona artificial que puede
describirse de forma simple mediante un conjunto de funciones:
-Reglas de propagacin: una neurona artificial recibe entradas de otros
elementos de la red o del exterior. Cada una de estas entradas es ponderada por
un peso, de forma que la entrada neta de una neurona se puede escribir como el
producto escalar del vector de entrada por el vector de pesos.
-Funcin o reglas de activacion produce un nuevo estado de activacin a
partir del estado anterior y la combinacin de las entradas con los pesos de las
conexiones.
-Funcin de salida o transferencia: transforma el estado actual de activacin
en una seal de salida.
7

Una red neuronal se compone entonces de elementos bsicos


interconectados y estructurados en varias capas, entre ellas la entrada y la salida.
Razonamiento basado en casos
Constituye un enfoque para reutilizar el conocimiento exstete para resolver
nuevos problemas. En muchos problemas complejos existen soluciones obtenidas
como resultado de largos periodos de experimentacin. Estas soluciones se basan
en la experiencia extensa, prueba y error, intuicin y experiencia personal de
expertos del dominio, habilidad de las empresas, entre otros, pero no existe
ningn modelo formal. El conocimiento no puede ser fcilmente codificado, por lo
cual en estos casos uno de los enfoques ms prometedores consiste en la
aplicacin del conocimiento ya existente sobre nuevos casos similares para
resolverlos, quizs despus de los ajustes o modificaciones necesarias.
El razonamiento basado en casos establece una metodologa que
dependiendo del problema y de la representacin de conocimiento puede
implementarse de diferentes formas. Puede usarse como mtodo independiente o
para apoyar y reforzar herramientas existentes, el razonamiento de casos
comprende las siguientes actividades:
1. Recordar los casos similares al que analizamos.
2. Reutilizar la informacin y el conocimiento que tenemos en este caso para
resolver el problema.
3. Revisar la solucin propuesta.
4. Retener las partes de esta experiencia que nos puedan ser tiles para la
resolucin de futuros problemas.
Reconfiguracin y soporte al usuario
El ltimo paso de la supervisin es la determinacin de las acciones
necesarias para restablecer el funcionamiento normal del proceso o para
minimizar en lo posible el efecto de los fallos. Esta fase puede llamarse de
reconfiguracin y constituye el ltimo paso para cerrar el lazo de supervisin.
En este aspecto, en la mayora de los casos los sistemas de supervisin no
actan directamente sobre el proceso sino que se limitan a identificar o proponer
acciones que despus son llevados a cabo por los operarios o los ingenieros del
proceso. La supervisin juega entonces un papel de soporte al usuario, sobre el
que finalmente recae la responsabilidad.
La reconfiguracin del proceso o determinacin de las acciones correctoras
se basan normalmente en la experiencia, en los conocimientos adquiridos sobre
en funcionamiento del proceso o sobre la estructura del mismo. En este sentido,
las herramientas de la inteligencia artificial anteriormente descritas pueden ser
utilizadas en esta etapa de decisiones igualmente que en la etapa de diagnostico.
8

De la misma forma que podemos deducir el origen de los fallos a partir de los
sntomas o residuos, tambin podemos deducir las acciones correctoras a partir
de los fallos diagnosticados.
En cualquier caso se trata de reconducir el proceso desde un estado
anormal al estado normal con el mnimo coste posible. Desde este punto de vista
el proceso de supervisin, aunque continuo, puede ser estudiado de forma ms
general como un sistema de eventos discretos, descrito mediante estados y
transiciones, en los que cada estado representa una situacin del proceso.

Discusin
Al momento de supervisar observamos situaciones anmalas las cuales
necesitan una solucin, para poder tomar la decisin que ayude a eliminar esta
situacin anmala necesitamos diagnosticar que est generando la situacin,
existen diversas herramientas que sirven para diagnosticar y tomar decisiones
algunas de ellas son:
La Imprecisin, representacin del conocimiento mediante lgica
difusa se basa es tomar decisiones respondiendo muy parecido al ser humano,
donde no se tiene un respuesta de si o no, si no respuestas que pueden ser
confusas tales como tal vez, quizs por lo tanto se die que refleja cmo piensan
las personas, porque responde tomando en cuenta caractersticas u otros.
Sistemas expertos son programas de ordenador diseado para actuar
como un especialista humano en un dominio particular o rea de conocimiento. En
este sentido, pueden considerarse como intermediarios entre el experto humano,
que transmite su conocimiento al sistema, y el usuario que lo utiliza para resolver
un problema con la eficacia del especialista. El sistema experto utilizar para ello
el conocimiento que tenga almacenado y algunos mtodos de inferencia.
Por lo tanto el usuario tambin aprende A la vez, el usuario puede aprender
viendo como acta el sistema siendo considerados simultneamente como un
medio de ejecucin y transmisin del conocimiento.
La caracterstica fundamental de este sistema es que diferencia los
conocimientos obtenidos del programa que lo controlas y almacena aparte los
nuevos datos adquirido de los hechos, por esto se dice que un sistema experto se
basa en un motor de inferencia, base de contenido y una base de hechos.
Aprendizaje. Redes Neuronales es un sistema de computacin constituido
por un gran nmero de elementos de proceso simples y muy interconectados. La
informacin se procesa como respuesta a entradas externas teniendo en
consideracin el estado interno de los elementos, la misma ofrece numerosas
ventajas, que incluyen aprendizaje adaptivo, auto-organizacin, tolerancia a fallos
y operacin en tiempo real.
Los sistemas de inteligencia artificial incluyen a las personas,
los procedimientos, el hardware y software, los datos y los conocimientos
10

necesarios para desarrollar sistemas, y mquinas de computacin que presenten


caractersticas de inteligencia. El objetivo del desarrollo de sistemas de IA
contemporneos no es el reemplazo completo de la toma de decisiones de los
humanos, pero s duplicarlas para ciertos tipos de problemas bien definidos.
Razonamiento basado en casos en este se utiliza las experiencias
pasados en casos o situaciones que ya han pasado, tomando de cada situacin
informacin que luego pueda aplicarse en otro caso, por lo tanto se dice que la
misma se ejecuta a travs de estas actividades:
1. Recordar los casos similares al que analizamos.
2.
3.
4.

Reutilizar la informacin y el conocimiento que tenemos en este


caso para resolver el problema.
Revisar la solucin propuesta.
Retener las partes de esta experiencia que nos puedan ser tiles
para la resolucin de futuros problemas.

Reconfiguracin y soporte al usuario esta es la ltima etapa de la


supervisin se dice que con esta se cierra el ciclo, la cual consiste en utilizar la
supervisin como una herramienta de apoyo por lo cual no interfiere en el proceso
si no que solo da propuestas de accin al operario y luego se pasa a la
reconfiguracin la cual utiliza el conocimiento o experiencias pasadas basada en
lo mtodos nombrados anteriormente como la inteligencia artificial para determinar
el origen del fallo y realizar las correcciones.

11

Conclusiones
La calidad del producto fabricado y la ausencia de fallos en el
proceso de fabricacin son requisitos fundamentales en una planta
industrial por lo cual la toma de decisin es esencial, la automatizacin
industrial no escapa de la necesidad de saber cmo debe tomar una decisin al
momento de que se vean anomalas que interfieran en el proceso, teniendo claro
que un eslabn indispensable de la automatizacin es el de la supervisin donde
el encargado de ejercer la misma debe saber cmo tomar la mejor decisin.
Por lo tanto se crearon herramientas que permiten incorporar conocimiento
previo que posee el ser humano sobre el proceso, y extraer nuevo conocimiento
relacionando experiencia y datos provenientes del proceso, para poder tomar la
mejor decisin.
.

12

Bibliografa

Introduccin
a
los
sistemas
expertos.http://www.profesormolina.com.ar/tecnologia/robotica/sist_e
xp.htm
Razonamiento
basado
en
casos
http://es.wikipedia.org/wiki/Razonamiento_basado_en_casos
Sistemas
expertos
http://scielo.sld.cu/scielo.php?pid=S222718992013000200010&script=sci_arttext.
Reyes
Olivans.
20
de
agosto
de
2005.
http://www.monografias.com/trabajos26/sistemas-expertos/sistemasexpertos.shtml#ixzz3Xtc85cKB.
Colomer Joan,Melendez Joaquim, Ayza Jordi. Sistema de
supervisin.

13

You might also like