tarea de aplicación: diagnosis - uvacalonso/mui-tic/tarea de aplicacion... · 2009-10-06 · tarea...
TRANSCRIPT
Tarea de aplicación: Diagnosis
¿Qué es la diagnosis? Elementos básicos de un sistema de diagnosis.
Contenido
1. ¿Qué es la diagnosis? Definiciones y aspectos.
2. Elementos básicos de un sistema de diagnosis.
2
1. ¿Qué es la diagnosis?
Tarea de aplicación cuyo objetivo es mantener un sistema en estado operativo el mayor tiempo posible. Tradicionalmente, realizada por equipos humanos especializados Necesidad creciente de sistemas de ayuda y/o diagnosis
automática
Se aplica a sistemas de muy distinta naturaleza, como el cuerpo humano, automóviles, o sistemas socioeconómicos. Hablaremos entonces de diagnosis médica, diagnosis de dispositivos físicos, etc.
Las características de los sistemas objeto de diagnóstico son tan dispares que no existe una metodología comúnmente aceptada para la realización del diagnóstico.
3
Una primera definición.
“Proceso de razonamiento y actuación para identificar las causas de un comportamiento anómalo para recuperar la funcionalidad deseada”, [Davies, 1985].
4
La diagnosis como proceso
Necesidad de intercalar los procesos de razonamiento con la actuación sobre el sistema. Parte del proceso de razonamiento está encaminado
a la propuesta de nuevas observaciones o a la realización de pruebas sobre el comportamiento del dispositivo
De manera recíproca, el resultado de dichas pruebas u observaciones influirá en el proceso de razonamiento
5
Diagnosis frente a verificación
El proceso de diagnosis se inicia a partir de la detección de un comportamiento anómalo en un sistema
Cuando se comprueba el estado de un sistema en ausencia de un comportamiento anómalo, la tarea se denomina verificación o prueba, [Stefik, 1995].
6
El concepto de causa
Qué se entiende por causa depende de varios factores: El sistema objeto de diagnóstico, el nivel de detalle o granularidad del
diagnóstico, la capacidad de reparación, etc.
Dispositivos físicos Localización de fallos: componente que no funciona de acuerdo a sus
especificaciones Identificación de fallos: cómo falla el componente
Medicina: no hay un equivalente preciso Úlcera de duodeno, pero esta información es insuficiente, pues no hay
capacidad de sustituir el órgano afectado. La recuperación del paciente exige proponer una terapia adecuada y para ello hay que conocer si la úlcera tiene un origen vírico o psicosomático
Explicación causal o cadena de causas-efectos Si los fallos pueden propagarse entre subsistemas, una explicación causal,
que encadene el fallo original con los restantes fallos que pueda generar, sería deseable.
7
Fallos internos y externos
Fallo interno La causa del fallo se localiza en el interior del sistema: un
componente averiado o una úlcera de duodeno Fallo externo
Alguna de las variables del entorno que interactúan con el sistema se aleja del rango que el sistema puede admitir
Los fallos externos son tan importantes como los internos Provocan un comportamiento anómalo Pueden inducir fallos internos
La mayoría de los sistemas de diagnóstico sólo consideran fallos internos
8
Recuperar la funcionalidad deseada (I)
El objetivo final de un sistema de diagnosis automático es facilitar que el sistema recupere la máxima funcionalidad posible.
El diagnóstico es un medio que nos permitirá seleccionar las accionas más adecuadas para el fin buscado.
9
Recuperar la funcionalidad deseada (II)
Medicina: terapia Tratamiento farmacológico Intervención quirúrgica Modificación de los hábitos del paciente Combinación de los anteriores.
10
Recuperar la funcionalidad deseada (III)
Dispositivos físicos: algún tipo de reparación Sistemas formados por componentes
Substitución de componente defectuoso
Si la reparación no es posible, diseño que garantice funcionalidades mínimas Reconfiguración Tolerancia a fallos
11
Una segunda definición
“La diagnosis es la tarea que, dado un sistema y un conjunto de observaciones de un comportamiento anómalo, determina que está mal en el sistema, con el fin de recuperar su funcionamiento correcto”, [Console, 2000].
12
La necesidad de observaciones
“Obviedad”, pero La capacidad de diagnóstico depende fuertemente de
las observaciones disponibles Las observaciones tienen un coste La mayor parte de los sistemas proporcionan las
observaciones mínimas para supervisar y gobernar El diagnóstico suele requerir observaciones
adicionales Acceso automático a las observaciones
Considerarlo en la etapa de diseño: “diagnosibilidad”
13
2. Elementos básicos de un sistema de diagnosis
14
Modelo del Sistema
Prueba de reparaciones
Discriminación entre hipótesis
Espacio de hipótesis
Espacio de datos
Espacio de reparaciones
Operaciones de obtención de
datos
Operaciones de formación de
hipótesis
Operaciones de reparación
Generación de hipótesis
Detección de anomalías
Prueba de hipótesis
Generación de
reparaciones
Jerarquía de abstracción de
datos
Abstracción de datos
Jerarquía de abstracción de
hipótesis
Refinamiento solución
Jerarquía de abstracción de reparaciones
[Stefik, 1995],
Espacios de búsqueda
Espacio de datos. Conjunto finito de posibles datos sobre el sistema y, quizás, su
entorno: observaciones, parámetros, manifestaciones, síntomas, históricos, datos de laboratorio, hallazgos, etc.
Espacio de hipótesis. Hipótesis de qué puede estar mal en el sistema. Una hipótesis
puede agrupar numerosos fallos o describir un único fallo. Dependiendo del dominio, los fallos se pueden denominar causas, enfermedades, síndromes, componentes, etc.
Espacio de reparaciones. Acciones que se pueden realizar sobre el sistema para recuperar
su funcionalidad. Abstracción y organización
Jerarquías de abstracción de datos, hipótesis, reparaciones
15
Modelo del sistema
Ha de establecer relaciones ente los elementos de los espacios de datos, hipótesis y reparaciones
Gran variedad de modelos Implícitos/explícitos Explícitos:
Asociaciones datos/hipótesis Modelos detallados de estructura y comportamiento
Posible solapamiento con (estructuras de) espacios de búsqueda
Siempre ha de existir un modelo de sistema
16
Ejemplo de sistema a diagnosticar
Tres componentes hardware, dos multiplicadores, M1 y M2, y un sumador, A1.
A, C, B y D son las entradas al sistema y F la salida, todas ellas observables.
X e Y son puntos adicionales de medida. Los valores entre corchetes representan los valores de
las observaciones. Problema de localización o aislamiento de fallos.
17
M1
M2
A1
X
Y
A
B
D
C F [10]
[3]
[2]
[2]
[3]
Espacios de datos, reparaciones
Espacio de datos Valores, observados y predichos, de las
entradas y salidas de cada componente. Inicialmente, observaciones en A, C, B, D y
F
Espacio de reparaciones Tres acciones, reemplazar el componente
que falla por otro del mismo tipo que funcione correctamente.
18
Espacio de hipótesis
Combinaciones de componentes que pueden fallar [M1], [M2], [A1], [M1, A1], [M1, M2], [M2,
A1] y [M1, M2, A1]. En general nk -1
n: número de comportamientos que puede mostrar un componente (localización, n=2)
k: número de componentes.
19
Modelo del sistema
Modelo de estructura y comportamiento Estructura: interconexiones Comportamiento: modelos de
funcionamiento correcto de sus componentes (suficientes localización) Sumadores: función suma Multiplicadores: función producto
Modelo detallado que permite aplicar métodos formales
20
Operaciones o subtareas
Soportadas por los espacios de búsqueda, se apoyan en el modelo del sistema
Espacio de datos Obtención de datos, abstracción
Iniciativa interna/externa Síncrona/asíncrona
Espacio de Hipótesis1. Monitorización.2. Generación y prueba de hipótesis.3. Discriminación de hipótesis.
Espacio de reparaciones Substitución, terapia, reconfiguración…
21
Monitorización (Detección de fallos)
Responsable de identificar comportamiento anómalo
Distintos grados de acoplamiento con diagnosis según modelo del sistema Mínimo: comparación de observaciones con tabla de
umbrales fijos El peso de la diagnosis recae en generación y prueba,
discriminación
Máximo: comparación de observaciones con predicciones de un modelo Generación y prueba, discriminación, guiadas por
monitorización
22
Ejemplo monitorización
Predicciones: Asumiendo M1 funciona correctamente, X=6 Asumiendo M2 funciona correctamente, Y=6 Asumiendo A1 funciona correctamente, F=12
Comportamiento anómalo Fobs=[10] y Fpre=12 Anomalía, síntoma, discrepancia, queja
Información adicional Componentes involucrados en la predicción
23
M1
M2
A1
X=6
Y=6
A
B
D
C F [10]
[3]
[2]
[2]
[3] F= 12
Generación y prueba de hipótesis
1. Generar hipótesis que puedan explicar anomalía
2. Probar viabilidad de las mismas, contrastando con observaciones
Generación Hipótesis de fallos único: enumeración
fallos considerados por el sistema Hipótesis de fallo múltiple: crecimiento
exponencial Jerarquías de fallos, componentes,
funcionalidades… 24
Ejemplo Generación hipótesis
Fallo multiple Anomalía detectada asumiendo funcionamiento
correcto de M1, M2, A1 Cualquier combinación de ellos es coherente con las
observaciones [M1], [M2], [A1], [M1, A1], [M1, M2], [M2, A1] y
[M1, M2, A1]
25
M1
M2
A1
X=6
Y=6
A
B
D
C F [10]
[3]
[2]
[2]
[3] F= 12
Jerarquía de hipótesis
Espacio de hipótesis: estructura de retículo inducida por la relación de inclusión
Criterio de minimalidad (cra. inclusión): [M1], [M2] y [A1]
26
[M1, M2, A2]
[M1, M2] [M1, A1] [ M2, A1]
[M1]
[ ]
[A1] [M2]
Prueba de hipótesis (I)
Eliminar hipótesis no coherentes con observacioens disponibles Se apoya en modelo del sistema Requiere conocer asociación fallos/síntomas
Caso más simple Fallo único, fallo genera siempre mismos
síntomas, estático, espacio de hipótesis “pequeño”
Generación y prueba exhaustiva
27
Prueba de hipótesis (II)
Fallo múltiple y síntomas Solapamiento de síntomas: dos fallos tienen síntomas
comunes. Compensación de síntomas: dos fallos ejercen efectos
contrarios sobre un mismo parámetro del sistema, de modo que síntomas que serían observables si los fallos se presentasen por separado no se manifiestan cuando se producen ambos fallos.
Sinergia de síntomas: dos fallos ejercen el mismo efecto sobre el mismo parámetro, de forma que síntomas ausentes cuando los fallos se producen por separado, sólo se manifiestan en presencia de ambos.
Enmascaramiento de síntomas: un regulador reacciona para contrarrestar el efecto de un fallo, de modo que un síntoma que sería apreciable en ausencia de regulación no se manifiesta. 28
Prueba de hipótesis (III)
Fallo múltiple y síntomas Fallo múltiple y generación exponencial de hipótesis Soluciones
Considerar solo combinaciones de fallos más probables Descripción probabilística asociaciones fallos/síntomas Razonar con los modelos
29
Ejemplo prueba de hipótesis
Generación de hipótesis restringuida por el modelo y forma de predecir
Sólo se generan las hipótesis que son consistentes con las observaciones actuales
El proceso de prueba no puede podar ninguna de las hipótesis generadas y se omite.
30
M1
M2
A1
X=6
Y=6
A
B
D
C F [10]
[3]
[2]
[2]
[3] F= 12
Discriminación de hipótesis
Proporcionar un diagnóstico más preciso reduciendo el número de hipótesis
Generación y prueba ya ha utilizado el modelo del sistema y las observaciones disponibles para mantener las hipótesis plausibles
Alternativas Métodos más sofisticados de razonamiento
Más conocimiento Nuevas observaciones
31
Nuevas observaciones para la discrimianción de hipótesis
Opciones Acumular evidencia a favor de hipótesis Buscar evidencia para descarta hipótesis
Obtención nuevas observaciones: Nuevos puntos de observación Nuevos vectores de entrada Ejecutando procedimientos de prueba Evolución de sistema dinámico
Criterios nuevas observaciones Hipótesis críticas Teoría información Coste obtención medidas
32
Ejemplo discriminación hipótesis (I)
Generación y prueba: [M1], [M2], [A1], minimales Suponer observamos X=[6] Predicciones:
Asumiendo M2 funciona correctamente, Y=6 Asumiendo A1 funciona correctamente, F=12
¿Nuevas diagnosis minimales?
33
M1
M2
A1
X=6
Y=6
A
B
D
C F [10]
[3]
[2]
[2]
[3] F= 12
X [6]
Ejemplo discriminación hipótesis (II)
Diagnosis minimales: [M2], [A1] M1, sólo, no puede fallar, pues no explica el síntoma en
F M1 puede fallar, si además fallan M2 o M2 y A1
34
[M1, M2, A1]
[M1, M2] [M1, A1] [ M2, A1]
[M1]
[ ]
[A1] [M2]
Un método popular: diagnosis basada en árboles de fallos.
Árbol de fallos: árbol de decisión Nodos internos etiquetados con pruebas
Nuevas observaciones Nuevos puntos de medida, procedimientos de prueba,
intervención sobre el sistema,
Nodos terminales etiquetados con fallos o acciones de reparación.
Proceso de diagnosis Recorrer árbol comenzando por nodo raíz Realizar operaciones de los nodos prueba Alcanzar nodo terminal
35
36
no
Solo problemas de arranque.
sí no
Tiene combustible?
Funciona motor
arranque?
sí no
Lucen faros
delanteros?
Rellenar tanque.
Arranca el coche?
Problema motor arranque.
Batería descargada.
sí no no
Chispa en bujías?
sí
Llega combustible a
bujías?
Corriente en bobina?
Fallo circuito A. tensión.
no
no sí
Fallo circuito B. tensión.
sí no
Problema sincronización.
sí
Bloqueo alimentación combustible.
Llega combustible al
carburador?
sí
Problema carburación.
[Price, 1999]
Origen y desarrollo
Método basado en la experiencia Desarrollo
Herramientas basadas en reglas Flexibilidad en desarrollos, facilidades de
explicación y traza de actividad proporcionadas por la herramienta y utilidades de interfaz.
Sujeto a errores de codificación
Herramientas para la edición gráfica del árbol de fallos Generación de código ejecutable, con facilidades
de explciación y traza
37
Reescritura mediante reglas
A. Aproximación directaB. Introduciendo conceptos intermedios
38
SI arranca coche=no, funciona motor arranque=si, tiene combustible=no ENTONCES rellenar tanque
SI arranca coche=no, ENTONCES problema_arranque
SI problema_arranque, funciona motor arranque=si ENTONCES motor arranque funciona
SI motor arranque funciona, tiene combustible=no ENTONCES rellenar tanque
A)
B)
Herramienta popular
Ingeniería Documentar los procesos de diagnosis y
reparación en los manuales de mantenimiento
Medicina Planes y protocolos específicos para
diagnosis y tratamientos
Soporte computacional que reproduce la estrategia de los profesionales
39
Árboles de fallos y esquema genérico
40
Espacio de datos
Explícito
Generación de hipótesis
Prueba de hipótesis
Espacio de hipótesis
Implícito
Generación de
reparaciones
Espacio de reparaciones
Explícito
Modelo del Sistema : árbol de fallos Estructura del sistema: implícita
Comportamiento del sistema: implícito
Prueba de reparaciones
Adaptación del esquema genérico
Espacio de datos: explícito Nodos prueba
Espacio de reparaciones: explícito Nodos terminales
Espacio de hipótesis: implícito Modelo del sistema: árbol de fallos
Estrategia de solución que utiliza información sobre estructura y comportamiento de forma implícita
Consecuencia: difíciles de elaborar y mantener pequeños cambios en el dispositivo a diagnosticar
pueden requerir reelaborar gran parte del árbol
41
Aproximaciones a la diagnosis:métodos y modelos.
Métodos de clasificación
Métodos basados en casos
Métodos basados en modelos
Modelos
implícitos
Diagnosis mediante modelos de clasificación de caja negra: • Redes de neuronas • SVM
Diagnosis basada en casos
Diagnosis mediante árboles de fallos Diagnosis mediante modelos de clasificación simbólica: • Clasificación simple • Clasificación jerárquica • Redes causales
Modelos explícitos
Diagnosis mediante modelos estadísticos: • Clasificador Bayesiano • Redes bayesianas
Diagnosis basada en modelos: DX Orientado a componentes: • Modelos estructurales • Modelos funcionales • Modelos de estructura y
comportamiento Orientado a procesos • Modelos causales • Modelos globales de
simulación FDI Modelos globales de simulación