Control Experto e Inteligente SISTEMAS EXPERTOS INTRODUCCION Las tecnologías de control y diagnóstico de fallas más recientes integran métodos cuantitativos y métodos cualitativos. Los métodos cuantitativos se basan en modelos fenomenológicos o de principios básicos, y modelos identificados a partir de datos experimentales o adquiridos en planta. Estos modelos se formulan mediante ecuaciones de estado, ecuaciones entrada-salida o funciones de transferencia. Los métodos cualitativos generalmente se basan en el conocimiento heurístico de “expertos” en el proceso o sistema. Este conocimiento se formula mediante modelos cualitativos, estructurados en base a reglas IF-THEN. Los modelos, cuantitativos o cualitativos, permiten explicar y predecir el comportamiento del proceso o sistema, y sirven de base al diseño del sistema de control o de diagnóstico. Las técnicas de simulación o diseño requieren análisis numérico en un caso y manejo de símbolos en el otro. Los sistemas con componentes que se describen con elementos cuantitativos con elementos cualitativos se denominan sistemas híbridos. El interés en los sistemas híbridos ha crecido significativamente en el último tiempo pues permiten caracterizar de un modo más realista y completo el comportamiento de un proceso o sistema. Ejemplos de esta tendencia son: sistemas expertos con redes neuronales; sistemas expertos difusos; modelos híbridos para procesos que integran subprocesos continuos y batch; controladores predictivos híbridos; controladores lógicos programables con control PID. En general los métodos cualitativos están relacionados con la Informática. Se engloban bajo el nombre de Inteligencia Artificial o Sistemas Inteligentes. Entre éstos se encuentran los Sistemas Expertos o Sistemas basados en Conocimiento. CONCEPTOS FUNDAMENTALES DE SISTEMAS EXPERTOS Un sistema experto es un programa computacional que se comporta como un experto humano en un dominio especializado del conocimiento: • Resuelve problemas del nivel de complejidad que maneja el experto. • Utiliza un “modelo computacional” del proceso de razonamiento del experto. • Es capaz de explicar este razonamiento en base al modelo computacional. La definición enfatiza que un sistema experto debe tener un grado de competencia similar al de los expertos humanos. Un sistema experto está basado en conocimiento, el que se almacena en una Base de Conocimientos, en forma separada al mecanismo de razonamiento y utilizando un mecanismo de representación, por ejemplo reglas IF... THEN. Emplea heurísticas y procesamiento simbólico, y es capaz de explicar las decisiones que toma. Por el contrario, un programa convencional está basado en algoritmos, es decir, en procedimientos definidos por pasos elementales. Generalmente está orientado al procesamiento numérico y utiliza bases de datos. Un sistema experto es adecuado para enfrentar un determinado problema si: Página 1 Control Automático II Control Experto e Inteligente Los expertos son capaces de explicar los métodos mediante los cuales resuelven los problemas en su dominio. La naturaleza de los problemas requiere de manipulación simbólica. La formulación de soluciones requiere de habilidades cognitivas y soluciones heurísticas. Figura 1: La Evolución de los Sistemas Expertos INGENIERIA DEL CONOCIMIENTO El conocimiento es una colección integrada de hechos y relaciones que cuando se utilizan, generan un comportamiento competente. Se distingue entre conocimiento profundo y conocimiento superficial. El conocimiento profundo corresponde al de las teorías básicas, los principios, los axiomas y los algoritmos en un determinado dominio. El conocimiento superficial corresponde al obtenido por la experiencia y normalmente está constituido por hechos y reglas prácticas. Generalmente son simplificaciones de los algoritmos. La Ingeniería del Conocimiento comprende tres temas fundamentales: • Adquisición del conocimiento. • Representación del conocimiento. • Integración del conocimiento en un sistema computacional. ADQUISICIÓN DEL CONOCIMIENTO Es el proceso mediante el cual se localiza, recolecta y refina el conocimiento que dará origen al sistema experto. La principal fuente de conocimiento está constituida por los expertos humanos en el dominio de aplicación; otras fuentes son textos, manuales y documentos. El conocimiento generalmente se adquiera en base a entrevistas estructuradas en las que participan el desarrollador o “Ingeniero de Conocimiento” y los expertos. También existen herramientas de software específicamente para apoyar el proceso de adquisición del conocimiento. Página 2 Control Automático II Control Experto e Inteligente En las entrevistas el Ingeniero de Conocimiento formula preguntas, problemas o casos de estudio y los expertos dan soluciones a partir de las cuales el Ingeniero extrae conceptos que formaliza empleando los mecanismos de representación. Para tener éxito en el proceso es fundamental asegurar la colaboración de los expertos. REPRESENTACIÓN DEL CONOCIMIENTO El conocimiento que se desea representar y almacenar en la Base de Conocimientos incluye los hechos y las relaciones que existen entre estos hechos, que resumen el conocimiento del experto. Los mecanismos de representación más utilizados son: • • • • • Las redes semánticas Las triplas objeto-atributo-valor Las reglas Los marcos Las expresiones lógicas. REDES SEMÁNTICAS Una red semántica es una colección de objetos llamados nodos conectados por arcos o enlaces. Los nodos se utilizan para representar objetos y descriptores. Los objetos pueden ser objetos físicos visibles o tangibles, o bien entes conceptuales como actos, acontecimientos o categorías abstractas. Los descriptores proporcionan informaciones sobre los objetos. Los enlaces relacionan objetos y descriptores. Figura 2: Base del Conocimiento del detective TRIPLAS OBJETO-ATRIBUTO-VALOR Los atributos son características generales o propiedades asociadas a los objetos. El valor especifica la naturaleza concreta del atributo en una situación determinada. Ejemplo de tripla objeto-atributo-valor: Página 3 Control Automático II Control Experto e Inteligente Objeto: Chaqueta de Wilson Atributo: Fondo de los puños Valor: Gastados y brillantes REGLAS Las reglas sirven para representar relaciones y pueden utilizarse con representaciones Atributo-Valor o con representaciones Objeto-Atributo-Valor. Una regla es una sentencia condicional que tiene dos partes. La primera (la premisa o antecedente) está formada por una o varias cláusulas SI que establecen las condiciones que han de satisfacerse para que pueda afirmarse una segunda parte ENTONCES (la conclusión o consecuente). Estructura de una regla: SI < premisa > ENTONCES < conclusión > Ejemplos de reglas en detección y diagnóstico El mecanismo de reglas es una representación muy simple y flexible del pensamiento humano por lo que permite transferir muy fácilmente el conocimiento de un experto a un programa computacional. El mecanismo de reglas permite establecer jerarquías e incorporar incertezas. INCERTEZA En un sistema experto, la incerteza puede incorporarse empleando: • Factores de confianza • Redes bayesianas • Lógica difusa Los factores de confianza asignan un peso numérico a un hecho o relación. Se cumple: fc(A OR B) = máximo (fc(A), fc(B)) fe(A AND B) = mínimo (fc(A), fc(B)) También las reglas pueden ser inciertas. Si el factor de confianza se expresa en porcentaje, se cumple: fc(conclusión) = fc (premisa) * fc(regla) /100 Redes bayesianas Se basan en el teorema de Bayes: Lógica difusa La lógica difusa es una alternativa a la lógica convencional, que agrega a los elementos “verdadero” y “falso” valores intermedios. Página 4 Control Automático II Control Experto e Inteligente COMPONENTES DE UN SISTEMA EXPERTO Figura 3: Arquitectura de un Sistema Experto MOTOR DE INFERENCIAS El Motor de Inferencias realiza dos tareas principales: • Examina los hechos y las reglas, y si es posible, añade nuevos hechos • Decide el orden en que se hacen las inferencias. Para realizar estas tareas utiliza estrategias de inferencia y estrategias de control. Las estrategias de inferencia que más se emplean en sistemas expertos están basadas en la aplicación de las reglas lógicas denominadas “modus ponens” y modus tollens”. “Modus ponens”: Si existe una regla “SI A ENTONCES B”, y A es verdadero, se puede concluir que B es verdadero. “Modus tollens”: Si existe una regla “SI A ENTONCES B”, y B es falso, se puede concluir que A es falso. ESTRATEGIAS DE CONTROL Desde el punto de vista del control, el Motor de Inferencias debe resolver dos problemas: • Cómo iniciar el proceso de razonamiento, considerando las reglas y los hechos existentes en la Base de Conocimiento. • Cómo seleccionar qué regla procesar, cuando existen varias alternativas. Las estrategias de control presentan diversas clasificaciones: • Encadenamiento hacia adelante y encadenamiento hacia atrás • Búsqueda en profundidad y búsqueda en extensión • Razonamiento monotónico y razonamiento no monotónico. Encadenamiento hacia delante o “forward chaining” • Se construye el objetivo o se elabora la solución, para lo cual se consideran primero todas las reglas cuyas premisas son verdaderas, se establecen nuevos hechos y se determina qué nuevas reglas pueden procesarse; el proceso termina cuando se alcanza un objetivo o se agotan las posibilidades. Página 5 Control Automático II Control Experto e Inteligente • Este mecanismo se denomina también “impulsado por datos” y es el más apropiado en el caso de sistemas expertos que construyen soluciones a partir de especificaciones, por ejemplo, en sistemas para diseño de planes. Encadenamiento hacia atrás o “backward chaining” • Se intenta determinar si la regla objetivo es correcta, para lo cual se consideran sus premisas y se trata de comprobar que a su vez éstas son correctas, lo cual conduce a determinar otras reglas que podrían confirmar estas premisas; de esta manera, se retrocede a lo largo de las reglas hasta encontrar hechos que indiquen que todas las premisas previas son correctas, o bien hasta que se determine que esto no es efectivo. • Este mecanismo se denomina también “impulsado por objetivos” y se utiliza preferentemente en sistemas en que los resultados posibles son conocidos, por ejemplo en clasificación de muestras, diagnóstico médico y diagnóstico de fallas. Búsqueda en profundidad • Siempre que puede, el Motor de Inferencias genera un subobjetivo, buscando el máximo detalle. Se asocia a las personas especialistas. Búsqueda en extensión • El Motor de Inferencias barre todas las premisas de la regla antes de profundizar en búsqueda de más detalles. Se asocia a las personas generalistas. Razonamiento monotónico • Todos los valores que se obtienen para los atributos quedan marcados y permanecen siempre como verdaderos. Razonamiento no monotónico • En este caso los hechos verdaderos pueden anularse. Por ejemplo, el camino determinado como óptimo en un proceso de planificación puede dejar de serlo cuando se recibe nueva información. Figura 4: Principales tipos de estrategias de búsqueda utilizadas en los motores de inferencias. Página 6 Control Automático II Control Experto e Inteligente Hechos: a) Fido es un perro b) Lika es un perro c) Los perros son animales Reglas: 1) SI X es un perro ENTONCES X tiene cola 2) SI X es un animal ENTONCES X tiene cabeza 3) SI X es un perro ENTONCES X es un animal Hecho que se desea probar: Fido tiene cabeza Si bien en este caso pueden utilizarse ambos mecanismos de encadenamiento, backward chaining es el más apropiado. ETAPAS EN EL DESARROLLO DE UN SISTEMA EXPERTO Para el desarrollo de un sistema experto, se recomienda utilizar un esquema “incremental de prototipos”, en el cual el sistema experto resuelve primeramente un problema simple. La evaluación del sistema permite refinar la Base de Conocimientos y desarrollar una segunda versión, capaz de resolver problemas de mayor complejidad o enfrentarlas en forma más apropiada. El desarrollo incremental presenta la siguiente evolución: Prototipo inicial Prototipos intermedios Prototipo de trabajo Modelo productivo Sistema comercial. El desarrollo de un sistema experto comprende las siguientes etapas (si bien en casos especiales algunas pueden no considerarse): Identificación Conceptualización Formalización Implementación Prueba Integración Mantenimiento. Identificación. Los desarrolladores y expertos identifican los problemas y subproblemas, formulan los objetivos globales del sistema y definen las necesidades de hardware y software. En esta etapa se estudia también la relación costo-beneficio esperada. Conceptualización. A partir de su interacción con el experto, el desarrollador define los objetos y sus interrelaciones, los mecanismos de solución de problemas y los datos que el experto utiliza en dichas soluciones. Formalización. Los conceptos y relaciones identificados se expresan formalmente utilizando algún mecanismo de representación dado por las herramientas disponibles y las características propias del problema. Página 7 Control Automático II Control Experto e Inteligente Implementación. El conocimiento formalizado se incorpora al sistema experto, utilizando alguna herramienta de desarrollo, para convertir el conjunto de reglas en un programa computacional. El conocimiento almacenado se organiza de forma de reflejar el mecanismo de razonamiento del experto. El resultado de esta etapa es un programa factible de ser probado. Prueba. Se evalúa el desempeño del sistema experto, revisando su capacidad para plantear soluciones a problemas y cumplir los requisitos impuestos por los expertos. La evaluación la llevan a cabo los expertos quienes sugieren aspectos en que el sistema debe ser mejorado. En esta etapa se inicia el desarrollo incremental. Dependiendo del resultado de las pruebas, será necesario volver a la Implementación o inclusive a etapas anteriores. Integración. Una vez terminado el desarrollo del sistema experto comercial, éste se integrará a su entorno de trabajo, lo cual incluye la conexión a bases de datos, equipos e instrumentos, y la capacitación de los usuarios. Mantenimiento. Esta etapa considera la modificación de la Base de Conocimientos, lo que dependiendo del sistema puede ser realizado por un usuario experto o el desarrollador. LENGUAJES Y HERRAMIENTAS PARA EL DESARROLLO DE SISTEMAS EXPERTOS Las herramientas que pueden utilizarse para el desarrollo de un sistema experto se clasifican en: • Herramientas o entornos especializados (KEE, OPS5, Nexpert, G2). • Lenguajes de programación orientados al desarrollo de aplicaciones de Inteligencia Artificial (Lisp, Prolog, Smalltalk). • Lenguajes de programación tradicional (Fortran, C, C++). La elección de la herramienta dependerá de los recursos disponibles, las capacidades de los desarrolladores y las características de la aplicación, por ejemplo, si existen requerimientos de tiempo real. APLICACIONES DE SISTEMAS EXPERTOS Dentral. Desarrollado en 1964 en Stanford; examina un análisis espectroscópico de una molécula desconocida y predice qué estructuras moleculares pueden explicar ese análisis. Hearsay. Desarrollado hacia fines de los 60 en Carnegie Mellon; comprende el lenguaje hablado. Internist. Desarrollado a principios de los 70 en Pittsburg; diagnóstico en medicina interna. Mycin. Desarrollado en Stanford a mediados de los años 70; ayuda a los médicos en el diagnóstico y tratamiento de infecciones de meningitis y bacteriemia. Fue el primer sistema que separó claramente la Base de Conocimientos y el Motor de Inferencias. Prospector. Desarrollado a fines de los 70 en Stanford; sistema de consulta para geólogos en detección de yacimientos. Genesis. Desarrollado en los años 70 en Stanford; apoya a un genético molecular en el diseño de experimentos complejos para determinar la naturaleza de una molécula de ADN. Delta/Cats (Diesel-Electric Locomotive Troubleshooting Aid/Computer Aided Troubleshooting System). Desarrollado por General Electric en 1982; asistencia al personal de mantenimiento en diagnóstico y reparación de fallas en locomotoras Diesel; 1200 reglas, programado en Lisp y reprogramado en Forth. Página 8 Control Automático II Control Experto e Inteligente Drilling Advisor. Apoyo a supervisores de sondeo para resolver problema de atascamiento del taladro en la perforación de pozos. SISTEMAS EXPERTOS EN TIEMPO REAL Los sistemas en tiempo real deben hacer frente a una serie de características propias de la aplicación, las que plantean requerimientos particulares: Interfaz con ambiente externo. Los datos se adquieren de sensores. Falta de monotocidad. Los datos no permanecen estáticos, varían en el tiempo y pierden validez. Datos inciertos o que faltan. Puede haber por fallas en sensores o sistemas de transmisión. Eventos asíncronos. El sistema debe hacer frente a eventos no programados previamente que lo interrumpen asíncronamente y que pueden variar en importancia relativa. Operación continua. El sistema debe operar sin detenerse, hasta que ocurra un evento externo o sea detenido por un usuario; como consecuencia, puede generarse un requerimiento creciente de memoria (“garbage collection”). Razonamiento temporal. El sistema debe razonar acerca de eventos ocurridos en el pasado, en el presente y en futuro, así como sobre la secuencia en que ellos ocurren. Elevada capacidad de procesamiento. Puede requerirse tiempos de respuesta muy cortos, por ejemplo 100 mseg. en sistemas aerodinámicos, lo cual constituye una fuerte exigencia si la Base de Conocimientos incluye muchas reglas que deben ser procesadas. Tiempos de respuesta garantizados. Se requiere producir la mejor respuesta posible, pero en un tiempo máximo predefinido. Integración con componentes procedurales. El sistema experto en tiempo real debe integrarse con software de tiempo real convencional. LENGUAJES Y HERRAMIENTAS PARA EL DESARROLLO DE SISTEMAS EXPERTOS EN TIEMPO REAL IF/PROLOG. Prolog para ambientes de tiempo real. FORTH Personal Consultant. Basado en LISP y desarrollado por Texas Instruments. Los hechos se representan como triplas objeto-atributovalor, con factores de confianza; el motor de inferencias emplea encadenamiento hacia atrás. PICON (Process Intelligent Control). Primer sistema experto comercial desarrollado inicialmente en Lisp y después reprogramado en C. Ha sido utilizado en numerosas aplicaciones incluyendo sistemas de energía, petroquímica e industria aerospacial. G2. Desarrollado por Gensym Corp. inicialmente en Common Lisp, se ha constituido en un estándar mundial. Ofrece un ambiente gráfico orientado al objeto para crear aplicaciones inteligentes relacionados con monitoreo, diagnóstico y control de eventos dinámicos en línea. Ofrece un lenguaje natural y estructurado para crear reglas, modelos y procedimientos. Incluye ejecución recursiva de reglas y procedimientos. Página 9 Control Automático II Control Experto e Inteligente APLICACIONES DE SISTEMAS EXPERTOS EN TIEMPO REAL En medicina: • • • • • Intérprete de electroforesis Análisis de EEG Monitoreo respiratorio y anestésico Monitoreo de recién nacidos Monitoreo de pacientes con asistencia ventilatoria mecánica. En la industria aeroespacial: • • • • • • Monitoreo predictivo y reconfiguración de sensores de navegación Análisis de errores de telemetría Control de órbita satelital Apoyo a la navegación en le reingreso a la atmósfera Evaluación de situaciones y manejo de emergencias Planificación táctica y de rutas. En comunicaciones: • Interpretación de reportes diarios de buques • Interpretación de comunicaciones de radio. En robótica: • Generación de planes en vehículos autónomos guiados. En supervisión y control: • • • • Supervisión de señales Control inteligente Sistemas de supervisión inteligente Detección y diagnóstico de fallas. CASO DE ESTUDIO: PUFF, UN SISTEMA DE DIAGNOSTICO DE ENFERMEDADES PULMONARES Se construyó en Stanford en 1979 para interpretar los resultados de una prueba de función ventricular. Utiliza encadenamiento hacia atrás. En su primera versión incluía 64 reglas de producción y 400 en la definitiva. El 85% de sus informes se acepta sin modificaciones. Regla de PUFF: SI (1) A: La relación entre los volúmenes máximos espirados por segundo, observado y predicho, está entre 35% y 45%, y B: La relación entre las capacidades vitales forzadas, observada y predicha, es mayor que 80%, o SI (2) A: La relación entre los volúmenes máximos espirados por segundo, observado o predicho, está entre 25% y 35%, y B: La relación entre las capacidades vitales forzadas, observada y predicha, es menor que 80%. ENTONCES: Existe bastante evidencia (0.8) de que el grado de enfermedad obstructiva de las vías respiratorias es moderado. Página 10 Control Automático II Control Experto e Inteligente Figura 5: Pantalla PUFF correspondiente al análisis de un paciente. SISTEMAS EXPERTOS EN SUPERVISIÓN Y CONTROL Los sistemas expertos se aplican en variadas funciones de supervisión y control: • Supervisión de señales • Control inteligente • Sistemas de supervisión inteligente. En general estos sistemas representan el conocimiento en base a reglas. Dependiendo de la aplicación pueden utilizar forward chaining (para control) o backward chaining (para supervisión) como mecanismo de inferencia. SISTEMAS EXPERTOS EN SUPERVISIÓN DE SEÑALES Se emplean funciones lógicas que pueden representarse en forma de reglas para: Supervisar que una variable y(t) se mantenga en un rango apropiado de operación. Controlar una variable y(t), supervisando que la variable z(t) no se aleje del rango especificado. Controlar dos variables con una sola variable manipulada (control por override). Un sistema de supervisión de señales incluye reglas como: si y(t)y1 ENTONCES Mensaje 1 si y2y(t) y1 ENTONCES Mensaje 2 si y(t)y2 ENTONCES Mensaje 3 En un controlador PID también existen funciones lógicas que pueden representarse en forma de reglas para: • • • • • Seleccionar el modo de operación (P, PI, PD, PID) Comprobar que la variable controlada y(t) está dentro de límites Comprobar que la referencia r(t) está dentro de limites Limitar la variable manipulada u(t) Limitar la velocidad de variación de u(t) Página 11 Control Automático II Control Experto e Inteligente • • • • Incorporar filtraje de señales Incorporar funciones de compensación de no linealidades Activar la función de reset antiwindup Gestionar el techado y la pantalla de visualización. CONTROL INTELIGENTE Con el nombre de “control inteligente” se designa una familia de controladores, que incluyen: • Controladores expertos que reproducen las funciones de control regulatorio del PID, pero implementadas en base a reglas. • Controladores basados en reglas de operación, que reproducen las acciones que realiza un operador muy capacitado en un proceso específico, por lo cual son muy dependientes del proceso. • Controladores que incorporan el conocimiento de Ingenieros de control, por ejemplo para sintonizar controladores. CONTROL EXPERTO REGULATORIO En su forma más simple, se formula reglas de control linguístico: SI e(t) es grande y positivo, ENTONCES disminuya u(t) en Δu SI e(t) es grande y negativo, ENTONCES aumente u(t) en Δu SI e(t) es cero , ENTONCES mantenga u(t) Para ejecutar el conjunto de reglas el sistema de control experto, se necesita definir los términos “grande”, “positivo”, “negativo”, “cero” y asignar un valor a Δu. Por ejemplo: “grande” es mayor que 80% “positivo” es mayor que 10% “negativo” es menor que –10% “cero” es de módulo menor que 10% Δu = 5% SISTEMAS EXPERTOS EN SINTONÍA DE CONTROLADORES • EXPERTUNE Desarrollado por Gerry Engineering Software, ha sido utilizado en numerosas instalaciones para ajustar parámetros de controladores industriales. Corre en un PC e incorpora también funciones de adquisición y análisis de datos. • EXACT (Expert Adaptive Controller Tuning) Desarrollado por Foxboro, incorpora una metodología similar a la de Ziegler-Nichols pero basada en reconocimiento de patrones, la que es utilizada por los instrumentistas para sintonizar los parámetros de controladores. El método requiere introducir una perturbación en el proceso y el propio controlador realiza el análisis de la respuesta para determinar el nuevo conjunto de parámetros óptimos (ganancia proporcional, tiempo integral, tiempo derivativo). Página 12 Control Automático II Control Experto e Inteligente • También existen controladores adaptivos que incluyen estimación en línea y en tiempo real de parámetros de modelos. El proceso de estimación de parámetros se supervisa con un sistema experto, que por ejemplo adecua el factor de olvido del algoritmo de estimación a partir de las condiciones de ruido imperantes. • Asimismo, existen sistemas expertos especializados en el diseño de sistemas de control. En estos casos, el sistema experto tiene interfaces con programas desarrollados en lenguajes convencionales, por ejemplo, simuladores y rutinas de optimziación y cálculo matricial. SISTEMAS DE SUPERVISIÓN INTELIGENTE Un sistema de supervisión inteligente realiza las siguientes tareas: • • • • • Analiza las variables adquiridas por los sensores A partir de este análisis reconoce la situación operacional La informa al operador, por ejemplo mediante alarmas Realiza acciones necesarias para superar dicha situación, o bien Realiza acciones para optimizar en algún sentido la operación. Las diferentes funciones de un sistema de supervisión inteligente se basan en heurísticas que sintetizan el conocimiento de operadores y expertos en el proceso, y por tanto emulan a un operador experimentado. En algunos casos el sistema de supervisión inteligente integra funciones de sistemas expertos con algoritmos numéricos. De acuerdo a la aplicación específica, existen diferentes variantes de sistemas de supervisión inteligente: • • • • • • • • • • Sistemas de ayuda a la operación Sistemas de detección y diagnóstico de fallas de equipos, componentes o instrumentos Sistemas de detección y predicción de contingencias Sistemas de procesamiento e interpretación de alarmas Sistemas de puesta en marcha y parada de plantas Sistemas de evaluación de seguridad Sistemas de restauración de la operación Sistemas de predicción de demanda (de energía, de agua) Sistemas de planificación de operaciones Sistemas de supervisión optimizante. CARACTERISTICAS DE LA APLICACION DE SISTEMAS EXPERTOS EN SUPERVISIÓN Y CONTROL Referencia: Shirley, R. S. Some lessons learned using expert systems for process control. IEEE Control Systems Magazine, 7, 6, pp. 11-15, 1987. Shirley sintetizó en 17 lecciones su experiencia de varios años en Foxboro Co. interactuando con sistemas expertos, en especial con Exact, Falcon y Personal Consultant: • • • • • Los sistemas expertos no son una panacea Los sistemas expertos no son expertos Existe (y sigue existiendo) un gran interés en sistemas expertos Existe un amplio espectro de clases de sistemas expertos, cada una con características propias El costo de desarrollo de los sistemas expertos se ha ido reduciendo Página 13 Control Automático II Control Experto e Inteligente • Las herramientas utilizadas en el desarrollo de un sistema experto no necesitan ser las mismas que aquellos empleadas por el producto • La interfaz de usuario es fundamental en un sistema experto • Los sistemas expertos no actúan aislados • La Base de Conocimientos es clave • Un sistema experto necesita heurísticas y principios básicos (fenomenología) • Los frames (marcos) son un buen formato para representar el conocimiento • Las reglas generales son más poderosas que las reglas específicas • Un sistema experto necesita datos • Un ambiente de software poderoso aumenta la productividad de los programadores • La capacidad computacional y la memoria no son infinitas • Los sistemas expertos requieren control de calidad. SISTEMAS EXPERTOS EN SISTEMAS ELÉCTRICOS • • • • • • • • • • Alfa, Sistema de predicción de demanda eléctrica con un horizonte de 48 horas Cealmon, Sistema de monitorización en tiempo real de una central nuclear Toast, Sistema de apoyo a operadores en sistemas de energía Sistemas de procesamiento inteligente de alarmas y control de contingencias, desarrollados para Energy Management Systems por EPRI, Electric Power Research Institute Sistema experto para localización y diagnóstico de fallas, Taiwán Power Co. Sistema experto distribuido para diagnóstico de fallas desarrollado para Allegheny Power Systems Sistema para monitorización de estabilidad y diagnóstico de fallas en el sistema de generación hidráulica de New Brunswick Sistema experto parta localizar fallas en el centro de Control de Taiwán Power Co. y Puget Sound Power and Light, Washington Sistema de diagnóstico experto de turbinas Westinghouse SISTEMAS EXPERTOS EN LA INDUSTRIA DE PROCESOS • • • • • • • • • • Sistema experto para supervisión de la planta de purificación de agua de Toyoiwa, Akita City Sistema experto para el control de un alto horno en Kawasaki Steel Co. Sistema experto de apoyo a la operación de una planta de flotación de minerales, Outokumpu Control experto de una planta de molienda semiautógena, Dizon Sistema experto de apoyo a la supervisión de plantas de lixiaviación, Canmet Stochasm, Sistema para detección y diagnóstico de fallas en tiempo real del sistema de lubricación de una turbina de propulsión de un buque Falcon (Fault Analizer Consultant), Sistema de monitorización y análisis de fallas para plantas químicas desarrollado por Du Pont Sedaft, Sistema experto para detección y diagnóstico de fallas en la línea Norte Sur del metro de Sao Paulo Sistema de control del metro de Tokio y Sendai Página 14 Control Automático II Control Experto e Inteligente SISTEMAS EXPERTOS DESARROLLADOS EN CHILE • Control experto de molienda semiautógena (Muñoz, 1988) • Sistema de supervisión inteligente del sistema de lubricación de un molino semiautógeno (Escobedo, 1990) • Sistema de control experto para planta de flotación (Ríos, 1990) • Control experto de flotación columnar (Atero, 1991) • Procesamiento inteligente de alarmas en sistemas SCADA/EMS (Murray, 1994) • Sistema experto para predicción de demanda eléctrica (Prina, 1994) • Sistema experto para el control de voltaje y despacho de potencia reactiva (Talavera, 1995) • Sistema experto para procesamiento inteligente de señales fisiológicas adquiridas por monitores computarizados (Oberli, 1996) SISTEMA DE APOYO EXPERTO PARA UNA PLANTA DE FLOTACION DE CONCENTRADO DE COBRE • El proceso de flotación de concentrado presenta diversas complejidades, debidas al número de celdas que integran la planta, las perturbaciones, las realimentaciones y la falta de modelos validados. • En términos muy simplificados, la planta presenta dos variables controladas (la ley de concentrado y la ley de cola) y dos variables manipuladas (el flujo de colector y la referencia media del nivel de pulpa en las celdas). • Las relaciones entre variables controladas y variables manipuladas son las siguientes: - La ley de concentrado presenta un máximo respecto al flujo de colector - La ley de cola disminuye con el flujo de colector - Las leyes de concentrado y cola disminuyen con el nivel de pulpa. • Los objetivos de control se sintetizan en: máxima ley de concentrado, mínima ley de cola y mínimo consumo de reactivos. • A partir de estos objetivos de control y otras consideraciones de operación es posible formular una estrategia de control basada en una matriz de dimensión mxn (m estados para la ley de concentrado y n estados para la ley de cola). Para cada estado se define una acción que aumenta, mantiene o disminuye las variables manipuladas. • El sistema experto se desarrolló para una matriz de estado de dimensión 3x3, utilizando el módulo Superintendent del software de automatización Onspec. El módulo Superintendent es un sistema experto en tiempo real que permite programar reglas y modificarlas en línea. Onspec corre en un PC que se comunica en forma serial con un sistema de control distribuido TDC 3000. SISTEMAS EXPERTOS EN DIAGNOSTICO DE FALLAS Referencia: Kramer, M. A. Malfunction diagnosis using quantitative models with non-boolean reasoning in expert systems. AIChE Journal, 33, 1, pp 130- 140, 1987. • Los sistemas expertos encuentran amplia aplicación en el diseño de sistemas de diagnóstico de fallas. En su diseño se emplean Grafos direccionados con signo, modelación cualitativa u otras técnicas para representar las relaciones-causa efecto. Página 15 Control Automático II