sistemas expertos - Electricidad Aplicada I

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 y2y(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