unidad iv-eai-scm
TRANSCRIPT
BIENVENIDOS
BIENVENIDOS
DIAGNOSTICO Y DECISIÓN
SISTEMAS DE SUPERVISIÓN
SCMF e r n á n d e z N o r v e l i s
F e r n á n d e z D a v i d
Áreas de GradoIngeniería de Sistemas
Seminario: Estrategias Para laAutomatización Industrial
Herramientas de Soporte:
Inteligencia ArtificialPara el Diagnostico y
Decisión en la Supervisión de
Procesos
CONTENIDOINTRODUCCION
SISTEMAS EXPERTOS
REDES NEURONALES ARTIFICIALESRAZONAMIENTO BASADO EN CASOS
RECONFIGURACION
CONCLUSIONES
REFERENCIAS
INTRODUCCION
SISTEMAS EXPERTO
SSe 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
SISTEMAS EXPERTO
SEsta Compuesto por:Motor de Inferencia y Una Base de Conocimientos
Una Base de Reglas Una Base de Hechos
IF[Sucede_Algo]THEN[Decide/Concluye_Algo]CERTAINTY[Valoración]
Una Base de Regla es un conjunto de reglas del tipo:Una Base de Hechos: es el conjunto de Evidencias junto con sus certezas asociadas
Ejemplo: Problemas con la Valvula 12, con certeza de 90%
SISTEMAS EXPERTO
S
Motor de InferenciaSe encarga de recorrer las reglas inspeccionando si las puede aplicar. Es decir, se encarga de ejecutar el razonamiento.
SISTEMAS EXPERTO
STipos básicos de motores de inferencia
Motor de Inferencia
FORWARD CHAINING(Encadenamiento Hacia
Adelante).Busca qué 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 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 ejecutar.
BACKWARD CHAINING (Encadenamiento Hacia Atrás).
En este caso, dado un hecho especial (hipótesis), 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.
SISTEMAS EXPERTO
S
Permanencia: A diferencia de un experto humano un SE no envejece, y por tanto no sufre pérdida de facultades con el paso del tiempo.
Replicación: Una vez programado un SE lo podemos replicar infinidad de veces.
Rapidez: Un SE puede obtener información de una base de datos y realizar cálculos numéricos mucho más rápido que cualquier ser humano.
VENTAJAS DE UN SE
Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias a la capacidad de duplicación el coste finalmente es bajo.
Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o dañinos para el ser humano.
Fiabilidad: Los SE no se ven afectados por condiciones externas, un humano sí (cansancio, presión, etc.)
SISTEMAS EXPERTO
S
Sentido común: Para un Sistema Experto no hay nada obvio. Por ejemplo, un sistema experto sobre medicina podría admitir que un hombre lleva 40 meses embarazado, a no ser que se especifique que esto no es posible ya que un hombre no puede gestar hijos.Lenguaje natural: Con un experto humano podemos mantener una conversación informal mientras que con un SE no podemos.Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus errores y de errores ajenos, que un SE haga esto es muy complicado.
LIMITACIONES DE UN SE
Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias.Capacidad sensorial: Un SE carece de sentidos.Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la resolución de un problema.Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento poco estructurado.
REDES NEURONALE
SLas redes neuronales artificiales pueden definirse como sistemas de computación constituidos por un gran número de elementos de proceso simples y muy interconectados.
APLICACIONES A LA SUPERVISION Filtrado de señales Reconocimiento de patrones Búsqueda en bases de datos Segmentación Compresión y fusión de datos Toma de decisiones
VENTAJAS:Aprendizaje adaptativoAuto-organizaciónTolerancia a fallosOperación en tiempo real
REDES NEURONALE
SLa unidad análoga a la neurona biológica es el elemento procesadorUn PE tiene varias entradas y las combina, normalmente con una
suma básica.La suma de las entradas es
modificada por una función de transferencia y el valor de la salida de esta función de transferencia se pasa directamente a la salida del PE
La salida del PE se puede conectar a las entradas de otras neuronas artificiales (PE) mediante conexiones ponderadas
REDES NEURONALE
S
Elemento procesador de una red neuronal artificial implementada en un
ordenador
Una red neuronal consiste en un conjunto de unidades elementales PE conectadas de una forma concreta.
REDES NEURONALE
S
El interés de las ANN no reside solamente en el
modelo del elemento PE sino en las formas en
que se conectan estos elementos procesadores.
Generalmente los elementos PE están organizados en grupos llamados niveles o capas
Existen dos capas con conexiones con el mundo exterior. Una capa de entrada, buffer de entrada, donde se presentan los datos a la red, y
una capa buffer de salida que mantiene la respuesta de la red a una entrada. El resto de las capas
reciben el nombre de capas ocultas.
REDES NEURONALE
S
CBRRAZONAMIENTO BASADO EN
CASOSConstituye un enfoque para reutilizar el conocimiento existente 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, etc., pero no existe ningún
modelo formal.
CBRRAZONAMIENTO BASADO EN
CASOSEs aplicable en un caso de supervisión de procesos de
naturaleza compleja y sin ningún modelo matemático preciso, donde la
experiencia, el conocimiento y la intuición de los especialistas
proporcionan un control satisfactorio y seguro.
Simplemente la reutilización de ese conocimiento puede
constituir un acercamiento constructivo para una
supervisión eficaz.
CBR 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.
CBRRAZONAMIENTO BASADO EN
CASOSEn general, se dice que el CBR comprende las siguientes cuatro actividades RE
REcuperación del caso (o casos)
más similar(es).
REutilización de casos como
soluciones potenciales para
resolver el problema.
REvisión de la solución propuesta.
REtención de la solución obtenida
(después de su comprobación) en
la base de conocimiento para
su posterior utilización.
RECONFIGURACIÓNDeterminación de las acciones
necesarias para restablecer el funcionamiento normal del proceso o para minimizar en lo posible el efecto de los fallos.
En cualquier caso, se trata de reconducir el proceso
desde un estado anormal (de fallo) al estado normal
con el mínimo coste posible.
RECONFIGURACIÓN
descrito mediante estados y transiciones, en los que cada estado representa una situación (normal o alguna de las posibles situaciones de fallo) del proceso.
El proceso supervisado, aunque continuo, puede ser estudiado de forma más general como un sistema de eventos discretos,
CONCLUSION
REFERENCIASStuart Russell y Peter Norving, "Inteligencia Artificial, Un enfoque Moderno", 53500 Naucalpan de Juárez Estado de México, Editorial Prentice Hall Hispanoamericana, S. A. Razonamiento basado en casos. Disponible en: http://es.wikipedia.org/wiki/Razonamiento_basado_en_casos. (Consultado el 29 de Marzo de 2014) Sistema Experto. Disponible en: http://es.wikipedia.org/wiki/Sistema_experto. (Consultado el 29 de Marzo de 2014) Sistemas Expertos. Disponible en: http://sistemasexpertosfer.blogspot.com/2012/03/motor-de-inferencia.html. (Consultado el 29 de Marzo de 2014) Xabier Basogain Olabe, REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES [Documento en línea] Disponible en: http://cvb.ehu.es/open_course_ware/castellano/tecnicas/redes_neuro/contenidos/pdf/libro-del-curso.pdf
MUCHAS GRACIAS POR SU
ATENCION