1. 1
Maturín Abril 2015
Universidad De Oriente
Núcleo Monagas
Departamento De Ingeniería De Sistemas
Cursos Especiales De Grado
Automatización y Control de Procesos
Industriales
Diagnóstico y decisión
Parte II
Facilitador: Equipo OPC:
Judith Devia González, Daniela
C.I: 18.652.312
Hernández, Karla
C.I: 18.588.070
2. 2
Introducción
En la actualidad la acción de supervisar los procesos de automatización se
ha vuelto primordial en las industrias ya que la misma proporciona soporte a la
sistematización en el seguimiento de los mismo, automatizando en la medida que
sea posible, tareas como son el análisis de datos, detección de fallos, diagnostico
de lo mismo, toma de decisiones o proponer acciones concretas haciendo uso
para ello de toda información disponible.
Para lograr la debida supervisión es necesario conocer todos los métodos y
herramientas necesarias para poder realizar la toma de decisiones, los cuales
pueden proporcionar una representación grafica, representaciones analíticas
donde se toma en cuenta el conocimiento y la inteligencia artificial.
3. 3
Índice
Introducción ............................................................................................................................ 2
Índice ....................................................................................................................................... 3
Marco Teórico......................................................................................................................... 4
Imprecisión. Representación del conocimiento mediante lógica difusa........................... 4
Sistemas expertos .............................................................................................................. 4
Usos de un Sistema Experto........................................................................................... 5
Aprendizaje. Redes Neuronales......................................................................................... 6
Razonamiento basado en casos........................................................................................ 7
Reconfiguración y soporte al usuario ................................................................................. 7
Discusión ................................................................................................................................ 9
Conclusiones .........................................................................................................................11
Bibliografía .............................................................................................................................12
4. 4
Marco Teórico
Imprecisión. Representación del conocimiento mediante lógica difusa
Conocido también como lógica difusa donde los procesos de decisión 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 dicotomía verdadero/falso de la
lógica bivaluada y permitir valores indeterminados o intermedios de verdad. En
este caso la teoría de la lógica difusa da una posible solución al problema de la
representación del conocimiento y del razonamiento.
Con conjuntos difusos se intenta modelar la ambigüedad con la que se
percibe una variable. Los conjuntos difusos son la base para la lógica difusa, del
mismo modo que la teoría clásica de conjuntos es la base para la lógica Booleana.
Con los conjuntos difusos se realizan afirmaciones lógicas del tipo si-entonces,
definiéndose estas con Lógica 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 será útil para emular el comportamiento humano con una
máquina, a pesar de ser esta muy limitada.
Las aplicaciones de la logística difusa son diversas. Un controlador difuso
es un dispositivo que convierte una estrategia de control descrita por reglas
lingüísticas en un algoritmo de control del proceso o sistema. Un supervisor difuso
es un dispositivo que también utilizara reglas lingüísticas para llevar a cabo la
capacidad humana de abrazar horizontes de información 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 términos de experiencia,
razonamiento aproximado, imprecisión, analogía, razonamiento por defecto,
aprendizaje entre otros. Específicamente se trata de representar el conocimiento
experto en un sistema basado en reglas de producción para tener un ordenador
que responda como lo haría 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 también una base de conocimiento el cual
contiene el conocimiento especializado extraído del experto en el dominio. Es
decir, contiene conocimiento general sobre el dominio en el que se trabaja. El
método más común para representar el conocimiento es mediante reglas de
producción, tomando en cuenta que las reglas suelen almacenarse en alguna
secuencia jerárquica lógica, pero esto no es estrictamente necesario. Se pueden
tener en cualquier secuencia y el motor de inferencia las usará en el orden
5. 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 añaden 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 deduciéndose 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 hipotético 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 más reglas que puedan ser disparadas para deducir la hipótesis o
bien encuentra la hipótesis deducida con una certeza calculada.
Usos de un Sistema Experto
Un sistema experto es muy eficaz cuando tiene que analizar una gran
cantidad de información, interpretándola y proporcionando una recomendación a
partir de la misma. Un ejemplo es el análisis financiero, donde se estudian las
oportunidades de inversión, dependiendo de los datos financieros de un cliente y
de sus propósitos.
Para detectar y reparar fallos en equipos electrónicos, se utilizan los
sistemas expertos de diagnóstico y depuración, que formulan listas de preguntas
con las que obtienen los datos necesarios para llegar a una conclusión. 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 solución algorítmica adecuada, es
necesario usar un sistema experto. Este campo comprende el supervisar fábricas
automatizadas, factorías químicas o centrales nucleares. Estos sistemas son
extraordinariamente críticos porque normalmente tienen que trabajar a tiempo real.
El diseño 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 diseñador a completar el diseño de forma competente y
dentro de los límites de costes y de tiempo. Se diseñan circuitos electrónicos,
circuitos integrados, tarjetas de circuito impreso, estructuras arquitectónicas,
coches, piezas mecánicas, etc.
6. 6
Aprendizaje. Redes Neuronales
Es un sistema de computación que puede actuar en la misma forma que
funciona el cerebro humano, o simularlo. Además, 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 información al mismo
tiempo y aprender a reconocer patrones.
A diferencia de los sistemas expertos, un sistema de red neuronal aprende
por ensayo y error.
Características:
-Capacidad de recuperar información incluso si falla alguno de los nodos
neuronales.
-Modificación rápida de los datos almacenados como consecuencia de
nueva información.
-Capacidad de descubrir relaciones y tendencias en grandes bases de
datos.
-Capacidad de resolver problemas complejos para los cuales no
se cuento con la información.
Debido a su constitución y sus fundamentos las redes neuronales ofrecen
numerosas ventajas, que incluyen aprendizaje adaptivo, auto-organización,
tolerancia a fallos y operación en tiempo real.
Entre las aplicaciones a la supervisión de procesos podemos destacar,
filtrado de señales, reconocimiento de patrones, búsqueda en base de datos,
segmentación, comprensión y función de datos y toma de decisiones. La
utilización de redes neuronales en supervisión conlleva en muchas ocasiones la
integración con otros tipos de herramientas.
El elemento básico de una red neuronal, es la neurona artificial que puede
describirse de forma simple mediante un conjunto de funciones:
-Reglas de propagación: 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.
-Función o reglas de activacion produce un nuevo estado de activación a
partir del estado anterior y la combinación de las entradas con los pesos de las
conexiones.
-Función de salida o transferencia: transforma el estado actual de activación
en una señal de salida.
Una red neuronal se compone entonces de elementos básicos
interconectados y estructurados en varias capas, entre ellas la entrada y la salida.
7. 7
Razonamiento basado en casos
Constituye un enfoque para reutilizar el conocimiento exístete para resolver
nuevos problemas. En muchos problemas complejos existen soluciones obtenidas
como resultado de largos periodos de experimentación. Estas soluciones se basan
en la experiencia extensa, prueba y error, intuición y experiencia personal de
expertos del dominio, habilidad de las empresas, entre otros, pero no existe
ningún modelo formal. El conocimiento no puede ser fácilmente codificado, por lo
cual en estos casos uno de los enfoques más prometedores consiste en la
aplicación del conocimiento ya existente sobre nuevos casos similares para
resolverlos, quizás después de los ajustes o modificaciones necesarias.
El razonamiento basado en casos establece una metodología que
dependiendo del problema y de la representación de conocimiento puede
implementarse de diferentes formas. Puede usarse como método 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 información y el conocimiento que tenemos en
este caso para resolver el problema.
3. Revisar la solución propuesta.
4. Retener las partes de esta experiencia que nos puedan ser
útiles para la resolución de futuros problemas.
Reconfiguración y soporte al usuario
El último paso de la supervisión es la determinación 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
reconfiguración y constituye el último paso para cerrar el lazo de supervisión.
En este aspecto, en la mayoría de los casos los sistemas de supervisión no
actúan directamente sobre el proceso sino que se limitan a identificar o proponer
acciones que después son llevados a cabo por los operarios o los ingenieros del
proceso. La supervisión juega entonces un papel de soporte al usuario, sobre el
que finalmente recae la responsabilidad.
La reconfiguración del proceso o determinación 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.
De la misma forma que podemos deducir el origen de los fallos a partir de los
síntomas o residuos, también podemos deducir las acciones correctoras a partir
de los fallos diagnosticados.
8. 8
En cualquier caso se trata de reconducir el proceso desde un estado
anormal al estado normal con el mínimo coste posible. Desde este punto de vista
el proceso de supervisión, aunque continuo, puede ser estudiado de forma más
general como un sistema de eventos discretos, descrito mediante estados y
transiciones, en los que cada estado representa una situación del proceso.
9. 9
Discusión
Al momento de supervisar observamos situaciones anómalas las cuales
necesitan una solución, para poder tomar la decisión que ayude a eliminar esta
situación anómala necesitamos diagnosticar que está generando la situación,
existen diversas herramientas que sirven para diagnosticar y tomar decisiones
algunas de ellas son:
La Imprecisión, representación del conocimiento mediante lógica
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, quizás por lo tanto se die que refleja cómo piensan
las personas, porque responde tomando en cuenta características u otros.
Sistemas expertos son programas de ordenador diseñado para actuar
como un especialista humano en un dominio particular o área 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 utilizará para ello
el conocimiento que tenga almacenado y algunos métodos de inferencia.
Por lo tanto el usuario también aprende A la vez, el usuario puede aprender
viendo como actúa el sistema siendo considerados simultáneamente como un
medio de ejecución y transmisión del conocimiento.
La característica 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 computación constituido
por un gran número de elementos de proceso simples y muy interconectados. La
información se procesa como respuesta a entradas externas teniendo en
consideración el estado interno de los elementos, la misma ofrece numerosas
ventajas, que incluyen aprendizaje adaptivo, auto-organización, tolerancia a fallos
y operación en tiempo real.
Los sistemas de inteligencia artificial incluyen a las personas,
los procedimientos, el hardware y software, los datos y los conocimientos
necesarios para desarrollar sistemas, y máquinas de computación que presenten
características de inteligencia. El objetivo del desarrollo de sistemas de IA
contemporáneos no es el reemplazo completo de la toma de decisiones de los
humanos, pero sí duplicarlas para ciertos tipos de problemas bien definidos.
10. 10
Razonamiento basado en casos en este se utiliza las experiencias
pasados en casos o situaciones que ya han pasado, tomando de cada situación
información que luego pueda aplicarse en otro caso, por lo tanto se dice que la
misma se ejecuta a través de estas actividades:
1. Recordar los casos similares al que analizamos.
2. Reutilizar la información y el conocimiento que tenemos en este
caso para resolver el problema.
3. Revisar la solución propuesta.
4. Retener las partes de esta experiencia que nos puedan ser útiles
para la resolución de futuros problemas.
Reconfiguración y soporte al usuario esta es la última etapa de la
supervisión se dice que con esta se cierra el ciclo, la cual consiste en utilizar la
supervisión como una herramienta de apoyo por lo cual no interfiere en el proceso
si no que solo da propuestas de acción al operario y luego se pasa a la
reconfiguración la cual utiliza el conocimiento o experiencias pasadas basada en
lo métodos nombrados anteriormente como la inteligencia artificial para determinar
el origen del fallo y realizar las correcciones.
11. 11
Conclusiones
La calidad del producto fabricado y la ausencia de fallos en el proceso de
fabricación son requisitos fundamentales en una planta industrial por lo cual la
toma de decisión es esencial, la automatización industrial no escapa de la
necesidad de saber cómo debe tomar una decisión al momento de que se vean
anomalías que interfieran en el proceso, teniendo claro que un eslabón
indispensable de la automatización es el de la supervisión donde el encargado de
ejercer la misma debe saber cómo tomar la mejor decisión.
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 decisión.
.
12. 12
Bibliografía
Introducción 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=S2227-
18992013000200010&script=sci_arttext.
Reyes Olivans. 20 de agosto de 2005.
http://www.monografias.com/trabajos26/sistemas-expertos/sistemas-
expertos.shtml#ixzz3Xtc85cKB.
Colomer Joan,Melendez Joaquim, Ayza Jordi. Sistema de
supervisión.