IPN ESIA-EZ SEPI México, DF, mayo 09 de 2005. P.1

CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
IV.1 RESUMEN.
PALABRAS CLAVE
SISTEMA EXPERTO,
MUNICIPALES, SHELL
MÉTOS
DE
TRATAMIENTO
DE
AGUAS
RESIDUALES
Este trabajo es una obra integrada en la que se aplica un procedimiento informático, a un
problema de ingeniería ambiental como es el tratamiento de aguas residuales municipales,
caso de la Selección de Métodos de Tratamiento de Aguas Residuales Municipales,
restringiendo en un segundo plano de análisis el alcance del Sistema Experto al método de
tratamiento biológico del agua residual que en nuestro México se pueden aplicar.
La caracterización y calificación de las diferentes tecnologías de tratamiento de aguas
residuales municipales con el objetivo de modelar un sistema experto para ingeniería de
plantas de tratamiento de aguas residuales municipales a nivel de decisión en función de las
diferentes variables infraestructuras necesarias y condiciones técnico socioeconómicas fue
amplia formándose figuras, cuadros y diagramas con todos los conceptos metodológicos
relevantes en los sistemas de tratamiento de aguas residuales, planteándose los sistemas
para el método de tratamiento biológico.
Con objeto de aumentar la claridad expositiva en determinadas partes del reporte del
proyecto de investigación, se han separado la parte de selección de Selección de métodos de
tratamiento de aguas residuales municipales de la propiamente informática.
Los datos proporcionados por la ingeniería de conocimiento en métodos de tratamiento de
aguas residuales municipales son elementos para posteriormente realizar un análisis
codificándolo en el Shell LEVEL5 OBJECT® y relacionar las variables. Por lo cual, se
conformara el Sistema Experto para Selección de Métodos de Tratamiento de Aguas
Residuales Municipales (SESMTARM) mediante el Shell comercial Level5 Object, donde se
muestra a través de un amplio desplegado fotográfico las características técnicas de los
accesorios y equipos de tratamiento de aguas residuales municipales. Los elementos
aplicados requirieron del análisis profundo y de excelente nivel para definir los factores que
afectan la selección de los conceptos metodológicos de tratamiento de aguas residuales
municipales. Lográndose implementar una herramienta informática que no tiene ningún
interés creado y que está siempre disponible.
IV.2 INTRODUCCIÓN.
El sistema experto se acotará para el estudio de sistemas de Tratamiento de Aguas
Residuales Municipales (Tratamiento Biológico) en Edo. de México, Hidalgo, DDF. La
vinculación será con los organismos especializados, que podrán contar con el consejo de un
experto imparcial que no tiene sesgo o interés creado.
Un sistema experto libera al ser humano de cargas intelectuales de trabajo intelectual
aprovechando los sistemas informáticos modernos, dejando así su actividad creadora para
labores de más nivel.
La inteligencia artificial (I.A.) se define como la ciencia que trata de la comprensión de la
inteligencia y del diseño de máquinas inteligentes, es decir, el estudio y la simulación de las
actividades intelectuales del hombre (manipulación, razonamiento, percepción, aprendizaje,
creación, ...). Los Sistemas Expertos (razonamiento), son un campo de la I.A., que estudian la
simulación de los procesos intelectuales de los expertos humanos como pueden ser: la
interpretación de datos, la corrección, la monitorización, el control, la predicción, la
planificación, el diseño y la enseñanza.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.1
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
JUSTIFICACIÓN
Es una alternativa de solución en la selección de métodos de tratamiento de aguas
residuales, mediante un sistema experto que simula el comportamiento de una inteligencia
experta, orientada a realizar por el experto humano un conjunto de tareas que abrumarían a
éste por la atención, cuidado, precisión, rapidez y laboriosidad que requieren, además de que
pueden aportar recursos técnicos usualmente inaccesibles.
Para simplificar el proceso de selección de sistemas de tratamiento. Generando las bases del
conocimiento y la estructura de toma de decisión que se requieren para desarrollar un
sistema experto para la selección apropiada de sistemas de tratamiento de aguas residuales
municipales. La caracterización y calificación de las diferentes tecnologías de tratamiento de
aguas residuales son restringidas al sistema biológico.
Los sistemas expertos han sido ideados para simular el comportamiento de una inteligencia
experta, orientada a realizar por el experto humano un conjunto de tareas que abrumarían a
éste por la atención, cuidado, precisión, rapidez y laboriosidad que requieren, además, de
que pueden aportar recursos técnicos usualmente inaccesibles.
IV.3 MÉTODOS EXPERIMENTALES.
La metodología se basa en modelar conceptualmente un sistema experto para selección de
métodos de tratamiento de agua residual a nivel de decisión en función de las diferentes
variables infraestructuras necesarias y condiciones técnico socioeconómicas. Es necesario
conceptuar el desarrollo del modelo de planificación, y definir la infraestructura de
tratamiento.
El organigrama del sistema experto, que tratare es el siguiente:
1.- Base de Hechos (B.H.): Conjunto de información que es invariable (hechos) y de datos
cuyas constantes y variables; están agrupados, es una interfaz con el experto.
2.- Base de Conocimientos (B.C.): Representación del conocimiento de tipo declarativo.
interfaz con el usuario. Las características de la representación son: sencilla, con el fin de que
se pueda manipular con facilidad. Independiente, con el fin de que su inclusión, modificación
o exclusión de la unidad de conocimiento no afecte al resto de la base de conocimiento. Fácil
de modificar. Transparente. Relacional. Potente.
3.- Motor de Inferencia (M.I.): El control es independiente en la Ingeniería del conocimiento,
sus características son:
- Evaluación, se selecciona el conocimiento a emplear.
- Comprobación, que el conocimiento sea aplicable.
- Ejecución, se aplica el conocimiento.
- Controlar reglas activas.
4.- Módulos de Comunicación o de Entrada y Salida que se Subdivide en:
- Módulo de Consulta o del Usuario. Debe permitir el dialogo en un lenguaje natural,
caracterizado por entrada de datos, entrada de opciones en procesos de iniciativa
compartidas, salida de explicaciones, salida de justificaciones, salida de soluciones.
- Módulo de Trabajo o del Experto. Caracterizado por adquisición del conocimiento,
mantenimiento del conocimiento, validación y depuración del conocimiento y configuración
del sistema.
Un modulo de comunicación debe ser rápido, potente, sencillo, adecuado.
Adquisición de Conocimientos
Técnicas y Herramientas para el Desarrollo del Sistema Experto.
Técnicas para el Diseño y Selección de Sistemas de Tratamiento.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.2
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Técnicas de Extracción del Conocimiento y Entrevista Estructurada.
Ingeniería del Conocimiento
- Aprendizaje: El objetivo del aprendizaje es que observando la realidad, es decir los
hechos y los resultados, se sea capaz de extraer el conocimiento; dándose por transmisión,
por inducción y por observación y descubrimiento.
PROBLEMÁTICA DE LA INVESTIGACIÓN
Caracterización y calificación de las diferentes tecnologías de tratamiento de aguas
residuales municipales con el objetivo de modelar un sistema experto para planificación del
método de tratamiento de aguas residuales municipales a nivel de decisión con énfasis en el
tratamiento biológico son en función de las diferentes variables infraestructuras necesarias y
condiciones técnico socioeconómicas.
PREGUNTA PRINCIPAL
¿Es posible simular el proceso de toma de decisiones de un grupo de expertos en ingeniería
de tratamiento biológico de aguas residuales?
¿Un sistema experto simplificará el proceso de selección de métodos de tratamiento biológico
de aguas residuales?
¿El proceso de simulación, será una opción apropiada y respaldada técnicamente, de
acuerdo con los objetivos y las restricciones asociadas a la selección de un sistema de
tratamiento biológico de aguas residuales?
HIPÓTESIS
Un sistema experto puede, resuelve y aborda la problemática de investigación, al seleccionar
una opción apropiada, y respaldada técnicamente de acuerdo con los objetivos, y las
restricciones asociadas a la selección de un sistema de tratamiento de aguas residuales. Por
lo cual la aplicación del sistema experto será una herramienta que apoya la decisión de un
sistema de tratamiento de aguas residuales al igual que lo hace un experto cuando se le
consulta, por lo cual simula y toma decisiones igual que lo haría un grupo de expertos. Los
propósitos del Sistema Experto en Selección de Métodos de tratamiento de aguas residuales
(S.E.S.M.T.A.R.M) son los siguientes:
a). El sistema experto permite una adecuada selección y diagnóstico en metodologías de
tratamiento biológico de aguas residuales.
b) Los ambientes de desarrollo de sistemas expertos (shells) son una buena opción en el
desarrollo de una base de conocimiento ya que no requieren del Ingeniero de conocimiento
sofisticado de computación y permite que la interface de usuario presente un ambiente
amigable.
VARIABLES INDEPENDIENTES
Bases de Conocimiento en Sistemas de Tratamiento biológico de aguas residuales.
Estructura de Toma de Decisión.
VARIABLES INTERVINIENTES
Fragilidad.
Ausencia de Meta-Conocimiento.
Adquisición del Conocimiento.
Validación.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.3
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
VARIABLES DEPENDIENTES
Armazón : SHELL - LEVEL5 OBJECT®.
OBJETO
La ingeniería del conocimiento de tratamiento biológico de aguas residuales base
conocimiento para un sistema experto que simplifique el proceso de selección de sistemas de
tratamiento de aguas residuales.
OBJETIVO
Desarrollar y llevar a cabo la ingeniería del conocimiento de tratamiento biológico de aguas
residuales que permita establecer las bases para establecer un sistema experto para
simplificar el proceso de selección de sistemas de tratamiento de aguas residuales.
◊ Elaborar un Prototipo de Sistema Experto para Selección de Métodos de Tratamiento de
aguas residuales.
◊ Conocer la importancia del Ingeniero del Conocimiento en la estructuración del sistema
experto, para que sea aceptado por el usuario.
OFERTA DE AGUA
Tanto el agua, como la población no se distribuyen uniformemente en el territorio Mexicano,
lo que resulta en menores disponibilidades por habitante al norte del país, que en el sur; una
persona de Baja California dispone de aproximadamente 521 m3 de agua por año, mientras
que en Chiapas a cada persona le corresponden unos 25,800 m3, siendo que la
disponibilidad media del país es de 5,230 m3 por habitante. Además, la lluvia en México se
concentra principalmente en cuatro meses del año.
La oferta de agua promedio a nivel nacional es de 474 km3 de los cuales 410 km3
corresponden a aguas superficiales y los 63 km3 restantes a aguas subterráneas. La oferta
del agua a nivel regional se ha calculado para cada una de las trece regiones en que la
Comisión Nacional del Agua ha dividido al país, ahora con base en la unión de cuencas
hidrográficas, ya que la unidad natural del agua es la cuenca.
La mayor oferta de agua se presenta en la región X: Golfo Centro (Tabla 1), con 120,883
millones de m3, donde además se tienen los mayores volúmenes de aguas superficiales.
Tabla 1. Cuencas hidrográficas en México
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.4
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
No. Nombre
Disponibilidad
I
Península de Baja a California 1,603.0
II
III
IV
V
VI
VIl
VIII
IX
X
XI
XII
XIII
Alto Noroeste
Bajo Noroeste
Pacífico Centro
Pacífico sur
Frontera Norte
Cuencas Cerradas del Norte
Lerma - Santiago
Golfo Norte
Golfo Centro
Golfo Sur
Península de Yucatán
Valle de México
Nacional
3,612.5
6,081.1
3,891.0
13,257.0
1,396.0
1,205.0
1,315
4960
1,4012.0
24,761.3
11,079.6
161.0
5,230.0
Los
usos que se le dan al agua
en México tienen diferentes proporciones; por una parte del agua que se extrae, una parte se
consume y otra se descarga, generalmente con una calidad diferente a la que se tomó. En
1995 en todo el país se extrajeron 200 km3, 173 de aguas superficiales y los 27 restantes de
aguas subterráneas. De esta extracción, las Centrales Hidroeléctricas emplearon 120 km3 de
agua para generar electricidad, agua que después puede regresar a su cauce, o darle otro
uso, por lo que se considera que no se consume.
Los 80 km3 restantes de la extracción son llamados de uso consuntivo,
correspondiendo el mayor uso al sector agrícola con 57.8 km3 el uso doméstico empleó 8.5,
mientras que la industria utilizó 5.9, las termoeléctricas 0.3, en la recreación y turismo se
utilizaron 0.03 km3 y 6.6 se evaporaron de vasos y lagunas.
La mayor demanda de agua se tiene en la región III (figura 1.), Pacífico Norte, siendo
la Península de Yucatán, región XII, la que menor demanda de agua presenta. El uso
agrícola es altamente demandante en las regiones IV, VI y VIII, la demanda para uso
doméstico se concentra en las regiones donde más población habita como son el Valle de
México y la región de Lerma-Santiago. La mayoría de la extracción de agua para la industria
se concentra en el centro del país.
En un balance nacional, se tiene una oferta promedio total de agua de 473 km3, con
una demanda registrada, en 1995, de 200 km3 resulta una disponibilidad nacional de 272
km3. Sin embargo, en el balance regional se observa que en siete regiones existe déficit en el
uso del agua subterránea, puesto que se ha utilizado un mayor volumen que la recarga,
siendo más marcada esta sobreexplotación en las regiones de Lerma - Santiago y Valle de
México.
DEMANDA TOTAL DE AGUA
Para determinar los escenarios posibles de la demanda total de agua y obtener los balances
de cada una de las trece regiones, se plantearon tres escenarios integrales del uso del agua.
En los tres se considera el crecimiento de la población dado por CONAPO.
El escenario A, toma en cuenta las condiciones mínimas; esto es, que no crezcan las
coberturas y las pérdidas mantengan su porcentaje en los sistemas de agua potable. Para la
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.5
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
industria y la generación de electricidad, se tenga el menor crecimiento económico y se
mantenga la participación actual de la industria en el PIB. Por parte de la agricultura;
mantener la superficie con infraestructura, productividad y eficiencias actuales. Los resultados
muestran una demanda total nacional de agua para usos consuntivos de 100,331 millones de
m3 en el año 2020, que considerando la oferta promedio, resulta una disponibilidad nacional
de 376,557 millones de m3. Sin embargo, se observa que en este año, las regiones I, II, VI,
VII y XIII presentarían déficit.
El escenario B, considera los valores medios de cobertura y pérdidas en el agua potable,
crecimiento alto de la economía, pero manteniendo la participación de la industria en la
misma proporción que la actual y en la agricultura realizar acciones medias para mejorar
productividad y eficiencias, pero con la misma superficie de riego. Los resultados muestran
una demanda total nacional para usos consuntivos de 75,857 millones de m3 para el 2020,
con la que resulta una disponibilidad nacional de 401,030 millones de m3. Los déficits
regionales solo se presentarían en las regiones I, II y XIII.
Finalmente, en el escenario C se contemplan las máximas coberturas y mínimas pérdidas
para el agua potable, el máximo crecimiento y participación de la industria y la ampliación de
la superficie de riego, con acciones óptimas para incrementar productividad y eficiencia. La
demanda total nacional del agua resulta para el 2020 de 122,737 millones de m3, con una
disponibilidad nacional de 354,151 millones de m3 y con déficit en las regiones II, VI, VIl y
XIII.
Los resultados indican la necesidad de emprender acciones inmediatas para evitar se
presenten déficit regionales. Es por ello que desde el Programa Hidráulico 1995-2000 se han
planteado los objetivos y estrategias para realizar las acciones necesarias para satisfacer las
demandas del vital líquido.
GESTIÓN INTEGRAL DEL AGUA EN MÉXICO
CON LA PARTICIPACIÓN DE LA SOCIEDAD
INTRODUCCION
El agua es un recurso finito y vulnerable, esencial para sostener la vida, el desarrollo y el
medio ambiente1. El aprovechamiento y la gestión del agua deben apoyarse en la
participación de los usuarios y de la sociedad al nivel de las cuencas hidrográficas2 pues
desempeñan un papel cada vez más importante e insustituible en su cuidado y preservación
El agua tiene un valor económico, social y ambiental en todos los usos a los que se destina3 y
por tanto, su análisis, administración, planificación y, en general la gestión integrada de este
recurso, debe contemplar las relaciones existentes entre economía, sociedad y medio
ambiente, en el marco geográfico de las cuencas, que son los espacios físicos en donde se
verifica el ciclo hidrológico. Estos principios ilustran la importancia del agua en el mundo
actual.
Sin agua las especies animales y vegetales no existirían. Sin embargo, siendo un recurso
natural tan importante y vital, los seres humanos parece que se empeñan en degradarlo y
usarlo ineficazmente, suponiendo, por ignorancia o por inconsciencia, que se trata de un
recurso natural infinito del que se puede disponer libre e ilimitadamente, pero no es así. El
agua se encuentra desigualmente distribuida en el espacio y el ciclo que la produce es
irregular en el tiempo. Por ello son cada vez más las regiones en las que se registra una
presión creciente sobre los recursos hídricos al aumentar la población y, con ella, la
contaminación del agua y la demanda de este recurso esencial para la vida México no es la
excepción. Por su clima y por sus características geográficas, económicas, sociales y
demográficas enfrenta problemas y retos de gran dimensión y complejidad para satisfacer
sus necesidades hídricas y desarrollar sus potencialidades. Las regiones del centro norte del
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.6
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
país son áridas o semiáridas y en ellas la escasez y los períodos recurrentes de sequía son
mayores pero son territorios en donde se asienta una parte mayoritaria de la producción y la
población mexicana. En contrapartida, en la región sureste se verifican las mayores
precipitaciones pluviales y, por ende, se concentran ahí los mayores escurrimientos y
disponibilidades de agua, pero cuentan con una menor densidad demográfica.
Al finalizar el siglo XX son múltiples los retos para conciliar la oferta con la demanda nacional
de agua. Estos retos son mayores y más complejos, cuando se analizan a la luz de las
tendencias que se perfilan para el futuro en los procesos de crecimiento demográfico,
distribución de la población rural y urbana y de la economía por regiones y cuencas
hidrográficas. Por ello, en los próximos años existe la necesidad de realizar esfuerzos
mayores y cambios de diverso tipo en las instituciones y organizaciones públicas y privadas,
así como en las actitudes y comportamientos de la sociedad para asegurar la preservación y
sustentabilidad de su fuente primordial de vida: El agua.
ESQUEMA ANALÍTICO DEL AGUA
La preservación de los recursos naturales y entre ellos, preponderantemente el agua y el
suelo, están estrechamente relacionados con las prácticas y procesos productivos, así como
con los comportamientos sociales y la percepción y valoración que la sociedad otorga a sus
diferentes formas de uso y manejo.
Con algunas variantes y énfasis, en el mundo se ha generalizado el reconocimiento de que el
agua es un bien económico de carácter público, cuyo acceso y uso tiene un valor y un costo
material que bajo ciertas condiciones de regulación puede ser objeto de transacciones que
dan origen a mercados de agua. Igualmente se admite que las prácticas de uso y
aprovechamiento tienen impactos sociales y ambientales que deben irse valorando
adecuadamente y en su expresión negativa evitarse para garantizar la sustentabilidad y el
desarrollo de las regiones y los países a mediano y largo plazo.
Por otra parte, el uso y aprovechamiento sustentable del agua depende, además de las
prácticas de manejo, de múltiples factores entre los que destacan: la educación o cultura de
la sociedad con relación al agua, las formas de organización, características y la eficacia de
las instituciones que atienden los asuntos hídricos, así como las características, modalidades
y alcances de las políticas públicas relacionadas con el agua, la participación ordenada y
organizada de los usuarios y de la sociedad en su cuidado y preservación; los sistemas de
información, administración y planificación que se ponen en práctica para ordenar sus usos;
los recursos financieros que se destinan a su aprovechamiento y manejo y la calidad de los
recursos humanos que participan en estas actividades.
Así, cada vez se comprende más ampliamente y mejor que el agua es un sistema natural
complejo que se encuentra íntimamente vinculado y en interacción permanente con otros
sistemas principalmente ambientales, económicos y sociales5, lo que significa que para lograr
su integral aprovechamiento y eficaz administración, sin afectar su calidad ni la capacidad del
ciclo que la reproduce en la naturaleza, es indispensable tomar en cuenta todas sus
relaciones de interdependencia, así como las múltiples y complejas funciones que
desempeña en las actividades humanas y en los sistemas y procesos naturales.
LA CUENCA HIDROGRÁFICA COMO TERRITORIO PARA LA GESTIÓN
INTEGRAL DEL AGUA
La cuenca es un concepto geográfico e hidrológico que se define como el área de la
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.7
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
superficie terrestre por donde el agua de lluvia escurre y tiende a ser drenada a través de una
red de corrientes que fluyen hacia una corriente principal y por ésta hacia un punto común de
salida que puede ser un almacenamiento de agua interior, como un lago, una laguna o el
embalse de una presa, en cuyo caso se llama cuenca endorreica. Cuando sus descargas
llegan hasta el mar se les denominan cuencas exorreicas. Normalmente la corriente principal
es la que define el nombre de la cuenca. El territorio de México está formado por múltiples
cuencas. Algunas de las más importantes cuencas exorreicas corresponden a los grandes
ríos nacionales como Lerma-Santiago, Balsas, Bravo, Panuco, Papaloapan, Coatzacoalcos,
Grijalva, Usumacinta, Mayo, Yaqui, Fuerte y otros de menor tamaño. Cada uno de estos
importantes ríos tiene corrientes alimentadoras que se forman con las precipitaciones que
caen sobre sus propios territorios de drenaje a las que se les llama cuencas secundarias o
subcuencas. A su vez, cada subcuenca tiene sus propios sistemas hidrológicos que les
alimentan sus caudales de agua. Estas son cuencas de tercer orden y así, sucesivamente
hasta territorios muy pequeños por los que escurre el agua sólo durante las temporadas de
lluvia y por períodos muy cortos. Para los fines de formulación y ejecución de las políticas
públicas relacionadas con el agua, de planificación hidráulica y de participación social en la
gestión integral del recurso, normalmente se toman en cuenta sólo tres niveles de cuenca.
Las macrocuencas que corresponden a grandes sistemas hidrológicos. Las subcuencas o
cuencas de segundo orden y un tercer nivel que puede denominarse de microcuencas.
LA GESTIÓN INTEGRAL DEL AGUA POR CUENCA
HIDROGRÁFICA
Con base en los alcances del concepto previo, puede definirse la gestión del agua por cuenca
hidrográfica como el conjunto de actividades, funciones, organización, recursos, instrumentos
de política y sistemas de participación, aplicados en un territorio de cuenca, que se relacionan
cuando menos con los siguientes aspectos:
a) La medición de las variables del ciclo hidrológico y el conocimiento de sus características
determinantes y consecuencias.
b) La explotación, uso, aprovechamiento, manejo y control del agua.
c) La prevención y mitigación de desastres naturales asociados a la presencia de
fenómenos hidrometereológicos.
d) La construcción, mantenimiento y operación de las obras hidráulicas y la administración
de los servicios asociados a ellas.
e) El mantenimiento, operación y administración de distritos de riego y unidades de riego.
f) El control de la calidad del agua y su saneamiento.
g) La conservación del agua y del medio acuático.
h) La determinación y satisfacción de las necesidades de agua de la población en cantidad y
calidad apropiadas y de las demandas derivadas de los procesos productivos y de
servicios de la economía.
i) Las actividades del proceso de planeación hidráulicas y su consistencia en el tiempo
(corto, mediano y largo plazos) y en diferentes espacios geográficos (nacional, regional,
estatal y de cuenca hidrológica).
j) La legislación y regulación de los usos y aprovechamientos del agua.
k) La administración de las aguas superficiales y subterráneas y sus bienes inherentes
La Gestión es el conjunto de actividades, funciones, formas de organización institucional,
recursos e instrumentos de política y sistemas de participación orientados hacia uno o varios
objetivos.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.8
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
LOS RETOS DEL AGUA PARA EL SIGLO XXI
Próximos al siglo XXI, México enfrenta retos diversos en el campo de la gestión del agua por
cuenca hidrográfica. Para ese año el país tendrá una población del orden de 96 millones de
habitantes y continuará creciendo a tasas del orden de 1.8% anual, lo que significa que en los
siguientes 25 años habrá un incremento neto de la población del orden de 30 millones de
habitantes adicionales6. Esta población sumada a la que aún no tiene acceso a los servicios
de agua potable y saneamiento estimada en 13 y 28 millones de personas respectivamente,
dimensiona el reto en los servicios más esenciales e indicadores del bienestar general.
En México como en el resto del mundo, el crecimiento de la población será uno de los
factores que continuará presionando sobre la utilización de los recursos hídricos superficiales
y subterráneos. La disponibilidad de agua per cápita estimada en 1950 era de 12,885 m3. En
1995 había disminuido hasta 3,921 m3 y, proyectando tasas bajas de crecimiento poblacional
se estima que para el año 2025 será de 2,740 m3. Este descenso por sí mismo
representativo de la severidad de los problemas futuros, se torna preocupante cuando se
verifica la distribución de la población y se le contrasta con la de los recursos hídricos
precipitados y disponibles7.
La población mexicana a finales de siglo XX se distribuye en la Zona Metropolitana de la
Ciudad de México (17%), 3 ciudades con más de 1000,000 de habitantes (4%), 15 ciudades
entre 500,000 y 1000,000 de habitantes (11%), 61 ciudades entre 100,000 y 500,000
habitantes (15%), 2,592 ciudades entre 2,500 y 100,000 habitantes (27%) y 197,216
localidades rurales con menos de 2,500 habitantes (26%). Este patrón de distribución de la
población caracterizado por la concentración urbana y la dispersión de las localidades rurales
dificulta la satisfacción de las necesidades actuales y futuras de servicios asociados al agua.
En términos territoriales, en las cuencas hidrológicas de la región sureste y en las vertientes
de las costas del golfo y del pacífico sur y centro del país, ocurre el 80% de las
precipitaciones y los escurrimientos de agua y en ellas radica el 20% de la población
nacional. En contraste, en el restante 80% del territorio del país constituido por las cuencas
localizadas en las mesetas centrales y en las regiones del norte se dispone solamente del
20% de las aguas nacionales9. Para el futuro esto significa que de continuar las tendencias
demográficas recientes, la presión que se ejercerá sobre los recursos hídricos en las regiones
áridas y semiáridas del norte del país será cada vez más intensa y aumentará las dificultades
para satisfacer las necesidades de nuevos abastecimientos y ocasionará competencias más
agudas entre usos y usuarios del agua, lo que obligará a tomar medidas reglamentarias
rigurosas para garantizar el desarrollo de esas regiones.
En las cuencas del Sureste y del Golfo y Pacifico Sur ocurre el 80% de las precipitaciones y
escurrimientos de agua, y en ellas radica sólo el 20% de la población total del país.
CONCLUSIÓN
La aportación esta reflejada en la importancia de realizar acciones conducentes en
planificación del agua, en el ámbito socioeconómico; que mediante el modelo de uso y
aprovechamiento sustentable del agua (Fig. 2 y Fig. 2.1), se realiza un aprovechamiento
racional y eficiente, siendo posible obtener un esquema equilibrado entre el medio ambiente,
la economía y la sociedad.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.9
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
El planteamiento de sistemas de administración y de planificación es un beneficio implícito
que se obtendrá con el uso de herramientas informáticas como los sistemas expertos.
BIBLIOGRAFÍA
1. Conclusiones de la Conferencia internacional sobre el Agua y el Medio Ambiente:
Cuestiones de Desarrollo para el Siglo XXI, celebrada en Dublín, Irlanda en 1992.
2. Conclusiones de la II Asamblea General de la Red Internacional de Organismos de
Cuenca, celebrada en Valencia, España en Octubre de 1997.
3. Conferencia Internacional sobre Agua y Desarrollo Sustentable, celebrada en París
Francia en Marzo de 1998.
4. Evaluación de los recursos de agua dulce del mundo. ONU. 1997.
5. El agua en el siglo XXI. Consejo Mundial del Agua. 1998.
6. Estado de la población mundial 1998. Fondo de Población de las Naciones Unidas.
Septiembre de 1998.
7. Sustaining Water, Easing Scarcity: A second Update, Tom Gardner-Outlaw and
Robert Engel man, Population Action international, 1997.
8. Consejo Nacional de Población México 1997.
9. Programa Hidráulico 1995 -2000 y Estrategias para el Sector Hidráulico Comisión
Nacional del Agua, Gobierno de México. 1995 y 1997.
MARCO TEÓRICO Y PRÁCTICO:
ESTADO DEL ARTE EN SISTEMAS EXPERTOS
4.1.- REPORTE DE SISTEMAS EXPERTOS CONOCIDOS.
El precursor de los Sistemas Expertos (S.E.) actuales es el sistema DENTRAL
(Universidad de Standford 1967) que incorporaban una gran cantidad de conocimientos.
Utilizaba para la representación del conocimiento las reglas de producción. El sistema era
capaz de determinar la estructura química de un compuesto orgánico a partir de los
resultados de un espectrógrafo de masas. Un desarrollo mejorado del mismo todavía se
utiliza en la industria farmacéutica. De los sistemas expertos que se construyeron en esta
época son famosos: el PROSPECTOR (Standford Research Institute 1974) Sistema Experto
En Prospecciones Mineras Especialmente Las Petrolíferas que cuenta entre sus méritos el
descubrimiento en 1980 en el Estado de Washington (Estados Unidos de Norteamérica) de
un importante Yacimiento de Molibdeno que fue posteriormente confirmado mediante
prospecciones, y el MYCIN (Universidad De Standford 1967) Sistema Experto en el
Diagnóstico y Terapia de Enfermedades Infecciosas de Origen Bacteriano que contaba con
unas 400 reglas.
En la década de los ochentas, existen dos grandes líneas de investigación y desarrollo, que
son:
- Divulgación o popularización de los sistemas expertos como una metodología que puede
resolver de una forma adecuada múltiples problemas.
- Generalización de los sistemas expertos que permitan ampliar el campo de conocimientos.
En pocos años de vida de los S.E. se ha asistido al nacimiento de una nueva rama del saber:
la ingeniería del conocimiento, del saber o cognoscitiva, que es la parte de la I.A. que estudia
los sistemas expertos o basados en el conocimiento y es sin duda el campo más prometedor
de la I.A.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.10
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
En las tablas (4.1) siguientes se presentan en orden alfabético los Sistemas Expertos
conocidos hasta la fecha.
La situación actual de los diferentes sistemas o proyectos es muy variada. En parte se trata
de sistemas ya implementados y listos, y en parte de proyectos de investigación menores.
Abreviaturas utilizadas
S
Shell/Lenguaje de programación utilizado.
A
Alcance del sistema.
CMU
Carnegie-Mellon-University
DEC
Digital Equipment Corporation
GMD
Gesellschft für Mathematik und Datenverarbeitung
(Asociación para Matemáticas y Procesamiento de Datos)
HP
Hewlett Packard
MIT
Massachussets Institute of Technology
PARC
Palo Alto Research Institute
PMC
Pacific Medical Center, San Francisco
SRI
Stanford Research Institute
SU
Stanford University
Tabla 4.1. Sistemas Expertos conocidos
Nombre del
Campo
de Función/clase
de Empresa/
Observaciones.
Sistema
Aplicación.
función.
Institución.
Experto.
AALPS
Ámbito militar
Optimización
de Ejercito USA
carga
(aparatos
carga en aviones)
AARÓN
Arte formativo
Creación
de Univ. de Calif., San A: aprox. 300
gráficos abstractos Diego.
reglas
ABEL
Medicina
Diagnósticos
de MIT
disfunciones
metabólicas
y
disfunciones
del
nivel
de
bases
ácidas
ACE
Enseñanza
Análisis
de Univ. de Leeds
(Automated
explicaciones
Cable
complejas
en
Expertise)
sistemas CAI
ACT
Psicología
Modelado
de CMU
fenómenos
mentales humanos
Computer Thought
ADA*
Tecnología de Instrucción
TUTOR
software
computerizada para Corp.
el aprendizaje del
lenguaje
de
programación ADA
IBM
Scientific
ADS
Proyectos
de Apoyo
Sistema
automatizado
de Center
programación para
aplicaciones
médicas
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.11
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
COMES
HYDRO
RIVER
FLOOD
EXPERT
TEIRESIAS
R1/XCON
MYCIN
PROSPECTOR
Bolsa
Asesoría mercantil
sobre
materias
primas
ref.
a
producción
y
comercio
con
productos agrícolas
Hidrología
Solución
de
problemas
en
recursos
hidrológicos
Gestión
de Prevención
de
agua
inundaciones
por
ríos con caudal
elevado
Proyecto
de Simplificación de la
sistemas
transferencia
interactiva
de
conocimientos del
experto a la base
de
conocimientos
(bugging interactivo,
manipulación
de
estructuras
de
control
mediante
metareglas)
Técnica
de Configuración
de
procesamiento sistemas
de
de datos
ordenadores
a
gusto del cliente
Medicina
Diagnóstico
y
interna
determinación
de
terapia
en
enfermedades
infecciosas
Geología/
Búsqueda
Minería
yacimientos
de
minerales
(oro,
uranio, molibdeno)
y petróleo
MIT
S: FRL
SRI
Universidad
Politécnica
Madrid
de
SU/
MIT
A: aprox. 55000
palabras de
36 bits.
CMU/
DEC
S: OPS5
A: aprox. 1000
reglas
SU
A: aprox.
reglas
PDP-11
SRI
A: aprox. 1600
reglas
500
Técnicas: Sistemas Experto.
El desarrollo de Sistemas Expertos está en los Shells y en las herramientas, con las que se
crean estos Sistemas. Un Shell es la parte que queda cuando se le extrae el conocimiento
almacenado en la base de conocimientos -Shell significa concha. Otra acepción de Shell es
“interfaz de usuario”, entendiéndose por esta al programa que sirve para comunicarse con el
usuario, y lo normal es que desde este tipo de aplicaciones se pueda acceder a la mayor
parte de las funciones y características de producto. Este tipo de programa (shell) debe ser lo
más llamativo y sencillo de utilizar ya que es la parte que el usuario ve en la pantalla de su
ordenador. De esta forma es posible utilizar un Shell con varias bases de conocimientos. Los
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.12
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
problemas que se pueden solucionar con un Sistema Experto, son demasiado distintos, por lo
cual hace falta realizar adaptaciones específicas para cada proyecto. El Sistema Experto se
adapta al comportamiento del experto, el cual decide cómo y en que secuencia se procesa el
conocimiento. El experto se apoya en la base de conocimientos. El ingeniero del
conocimiento, que del término lingüístico anglosajón significa Knowledge Enginee, es el
mediador entre el experto, que pone a su disposición sus conocimientos, y el ingeniero de
software, que procede a la implementación. El ingeniero del conocimiento analiza la viabilidad
y rentabilidad de sus proyectos. Es el especialista que extrae el conocimiento mediante
preguntas, lo estructura y lo convierte en formas de representación del conocimiento
interpretables por un ordenador. Elige los medios auxiliares necesarios para su actividad,
sean métodos, hardware, lenguajes o Shells. También es el responsable de la correcta
utilización del Sistema Experto y de la primera formación del usuario final.
Las técnicas utilizadas para el desarrollo de Sistemas Expertos, son los lenguajes de
representación del conocimiento, principios particulares de arquitectura y las herramientas
para Sistemas Expertos.
4.2.- LENGUAJES DE REPRESENTACIÓN DEL CONOCIMIENTO.
El conocimiento de los expertos debe formularse de tal forma, que pueda ser almacenado en
ordenadores y procesado y analizado por programas. Esta imagen del conocimiento recibe el
nombre de Representación del conocimiento.
Los lenguajes de representación del conocimiento son herramientas auxiliares que permiten
una representación clara y compresible del mismo; las características son las siguientes: 1° la
cantidad de los formalismos disponibles en cada caso para la representación del
conocimiento, 2° el funcionamiento de los correspondientes mecanismos de valoración.
Reglas. El conocimiento práctico se formula a menudo, en lenguaje coloquial, en forma de un
“si...entonces”.
La parte “si...”de una regla se definirá, como la Premisa y la parte “entonces...” como la parte
de las Conclusiones y Acciones.
Un mecanismo de valoración de reglas recibe el nombre de Mecanismo de Inferencia.
Una ampliación de las reglas consiste en permitir la anudación lógica de hechos y acciones
en la premisa y en la parte de las conclusiones.
Otra ampliación del formalismo de reglas es la posibilidad de indicar valores de probabilidad.
Otra ampliación frecuentemente utilizada del formalismo de reglas consiste en la posibilidad
de utilizar variables en lugar de hechos. El mecanismo de inferencia correspondiente controla
entonces la forma en que se otorgan valores a las variables.
El conocimiento del experto estará configurado, en parte o en su totalidad, por una cantidad
de reglas y hechos. La interrelación de las distintas reglas y sus efectos se controla a través
del mecanismo de inferencia correspondiente.
Los mecanismos de inferencia más utilizados en la actualidad se basan en dos principios que
también pueden estar combinados: 1° Valoración por encadenamiento hacia adelante
(accionado por datos), 2° Valoración por encadenamiento hacia atrás (accionado por
hipótesis y orientado al objetivo).
En la valoración por encadenamiento hacia delante: se parte de hechos conocidos (datos). Si
las premisas se pueden concluir con estos hechos, entonces se realiza la parte de las
conclusiones. Se dice que también que la regla “se dispara”. El resultado de “disparar” estas
reglas puede acarrear la creación de nuevos hechos (datos). La valoración por
encadenamiento hacia delante finaliza cuando ya no pueden disparar más reglas o cuando el
mecanismo de inferencia encuentra otro criterio de finalización.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.13
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
En la valoración por encadenamiento hacia atrás: se parte de la suposición de una conclusión
(hipótesis). La elección de esta hipótesis la realiza el mecanismo de inferencia. Para ello se
utilizan datos obtenidos generalmente mediante preguntas hechas al usuario. Por regla
general se tienen que analizar varias hipótesis hasta que una de ellas se pueda confirmar. Se
alcanza una solución del problema cuando una o, según el planteamiento, varias hipótesis de
partida puedan ser confirmadas. Incluso el hecho de no haber podido confirmar ninguna
hipótesis puede ser considerado como resultado de una valoración.
Frames. El término de Frame (marco) se utiliza de varias formas de representación del
conocimiento: 1° Los Frames se utilizan preferentemente para la representación de
conocimientos susceptibles de división en unidades, describibles mediante la indicación de
cualidades, 2° Los Frames son una especie de formulario, un “armazón de datos”, que puede
contener las cualidades de una unidad de conocimiento.
Un Frame se divide en campos, llamados Slots (descriptores). Un Slot se define también
como un Atributo. Un Slot describe una cualidad de una unidad de conocimiento.
Un Slot contiene, por su parte, las llamadas Facets (facetas). El tipo y la cantidad de Slots y
de Facets dependen de la variante de Frame. En la mayoría de ellas hay, al menos, una
Facet para su definición y una para su valor. Las demás se utilizan, por ejemplo, para fijar
limitaciones para posibles valores de Slot.
Con un Frame se describe una unidad de conocimiento. Para ello hay que definir unos Slots
apropiados con los que se puedan definir las cualidades de esta unidad de conocimiento. Los
Slots suelen designarse por un Facets con el nombre de Slot. La cantidad de Slots de un
Frame puede elegirse de forma variable en la mayoría de los lenguajes de representación del
conocimiento orientado a Frames. La cantidad y la importancia de cada Facet viene
normalmente fijada por el lenguaje de representación del conocimiento, que permite aplicar
de forma más eficiente los mecanismos de valoración.
Mecanismos de herencia: La mayoría de lenguajes de representación del conocimiento
orientados a Frames permiten estructurar jerarquías para las unidades de conocimiento
representadas. Con los Frames se pueden crear relaciones de clase/subclase/instancias. Un
Frame, especificado como clase, puede ceder contenidos de las Facets de sus Slots (en
especial los valores de Slot) a subclases. Las instancias son los elementos más inferiores de
la jerarquía. Los Frames que actúan como instancias se pueden heredar. Los mecanismos de
herencia son una característica muy importante de las formas de representación del
conocimiento orientadas a Frames. En los mecanismos de herencia se traspasan los valores
de Facet definidos en la clase superior a las subclases. Para la definición de las subclases se
indica sólo los datos adicionales específicos.
Mecanismos de valoración de Frames: Aparte de los mecanismos de herencia, los Frames,
ofrecen sólo la posibilidad de representar un conocimiento estático, declarativo.
Para la valoración del conocimiento representado por Frames, hay que relacionar entre sí
reglas y procedimientos y la forma en que se haga dependerá del mecanismo de valoración
sobre el que se base.
Otras formas de representación del conocimiento: Las Redes Semánticas no se utilizan en la
práctica tanto como la representación por Reglas o Frames. Las Redes Semánticas se
caracterizan por la posibilidad de representar el conocimiento en unidades (similar a los
Frames) y por relaciones entre las diferentes unidades. Esta forma de representación resulta
útil para la estructuración del conocimiento en conocimientos parciales (unidades). La
representación en forma gráfica de la Red Semántica, contiene unas cajas (nodos) y unas
Flechas (relaciones). Los nodos en la representación gráfica de una Red Semántica
corresponden a las unidades de conocimiento. Las relaciones describen las conexiones entre
las unidades de conocimiento. El significado de la dirección (sentido de la flecha) viene
determinado por el mecanismo de valoración de la Red Semántica.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.14
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Como otra posibilidad de representación del conocimiento existe también la lógica de
predicados. En la base del lenguaje PROLOG, que se utiliza en algunos casos como lenguaje
de representación del conocimiento.
4.2.1.- Codificación.
El proceso de codificación consiste en traducir la base de conocimientos a una sintaxis que
se puede implementar en la computadora. Una consideración de gran importancia para el
ingeniero que desarrolla un sistema experto es la selección entre un lenguaje, utilería y
envolventes.
4.2.1.1.- Lenguajes.
Los lenguajes convencionales que se enfocan hacia la aplicación de procedimientos
(imperativos) no son adecuados para el desarrollo de sistemas expertos. Una diferencia
fundamental entre estos lenguajes y los lenguajes especializados para sistemas expertos es
el enfoque sobre la representación del conocimiento. En general, los lenguajes enfocados
hacia procedimientos proveen técnicas robustas y flexibles para representar datos. Por
ejemplo, vectores, matrices, registros, variantes, listas encadenadas, pilas (stacks), colas y
árboles son fácilmente creados y manipulados. Sin embargo, en los lenguajes enfocados a
procedimientos los datos y los métodos que los manipulan están íntimamente ligados. A
diferencia de estos, los lenguajes usados para sistemas expertos se basan en dos niveles de
abstracción: abstracción de datos y abstracción de conocimiento. En estos lenguajes los
datos están separados de los métodos que los manipulan.
Ejemplos de lenguajes apropiados para el desarrollo de sistemas expertos se muestran en la
Tabla 4.1.1.
El uso de lenguajes tiene la principal desventaja de requerir de una inversión de tiempo y
esfuerzo considerable para aprenderlos y utilizarlos. Su ventaja principal es el poder y la
flexibilidad que le proporciona al programador en desarrollar aplicaciones.
Tabla 4.1.1. Algunos lenguajes utilizados en sistemas expertos
LISP
PROLOG
PL-II
SAIL
CONNIVER
KRL
Smalltalk
4.2.1.2.- Utilería.
La utilería consiste de un lenguaje y útiles asociados para facilitar el proceso de desarrollo de
un sistema experto. La utilería tiene la ventaja de que eliminan una gran parte de los
esfuerzos requeridos para el desarrollo de sistemas expertos utilizando lenguajes y a la vez
mantienen el acceso a todas las funciones del lenguaje. Aún y cuando para utilizar requiere
de alguna familiaridad con un lenguaje, modificar programas producidos con utilería requiere
de un conocimiento moderadamente profundo. Por otra parte, para desarrollar aplicaciones
similares se requiere de conocimientos poco profundos. Esto hace que sea posible para
individuos aprendiendo el lenguaje el empezar a producir sistemas expertos en un período de
tiempo breve. Ejemplos de utilería son KnowledgeMaker y TXPERT.
4.2.1.3.- Envolventes (shells).
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.15
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Una envolvente es un programa especializado diseñado para desarrollar aplicaciones
específicas de sistemas expertos. En el desarrollo de estas aplicaciones el usuario
proporciona únicamente la base de conocimiento.
Las envolventes son la forma más eficiente de desarrollar un sistema experto. Las
envolventes modernas proveen una gran variedad de herramientas para el desarrollo de
sistemas expertos complejos, integrando encadenamiento hada adelante y atrás,
herramientas para el desarrollo de aplicaciones de hipertexto y multimedia basados en
objetos. Evaluaciones de distintas envolventes abundan en la literatura relacionada a
sistemas expertos. The nature and evaluation of commercial building tools, (W.B. Gevarter)
contiene una revisión de la capacidad funcional de un sistema experto, aún y cuando la
revisión de las envolventes es obsoleta. Two PC-Based ES Shells for the First Time
Developer (P.G. Raeth) incluye una crítica de CLIPS. CLIPS es una envolvente desarrollada
por NASA que está disponible a bajo costo y es ejecutable bajo una variedad de plataformas.
CLIPS se ha popularizado en ambientes académicos.
La regla general para seleccionar un lenguaje, herramienta o envolvente es siempre tratar de
utilizar el software de nivel más alto con el cual se pueda hacer el trabajo en forma confiable y
económica. El propósito del ingeniero que desarrolla el sistema experto es producir un
sistema experto y no elaborar ejercicios en programación. Economía y eficiencia se debe
entender desde el punto de vista global del proyecto (incluyendo mantenimiento en el futuro)
y no como velocidad de ejecución y costo del software. Evitar el uso de lenguajes es
generalmente deseable (aunque no siempre posible), ya que la programación a bajo nivel
consume mucho tiempo y distrae al ingeniero de conocimiento de las tareas relacionadas a la
extracción y producción de conocimiento de la aplicación. En otras palabras, el desarrollo de
un sistema experto es un problema más de producción de bases de conocimiento que de
programación.
4.3.- Herramientas Computacionales de los Sistemas Expertos.
Ventajas y Desventajas.
En las siguientes tablas (4.2) se presenta una serie de herramientas por orden alfabético.
Abreviaturas utilizadas.
MIT
Massachussets Institute of Technology
PARC Palo Alto Research Institute
SRI
Stanford Research Institute
SU
Stanford University
CMU
Carnegie-Mellon-University
Tabla 4.2 Herramientas Computacionales de los Sistemas Expertos
Nombre de
Representación Aplicación
Empresa/
la
del
especial
Institución.
Herramienta. conocimiento.
ACTOR
Objetos
son Investigación de MIT
“actors”, “actors” la manipulación
de
datos
pueden
mediante
comunicarse
con
otros “mesagepassing”.
“actors”.
AGE
frameworks: p. Desarrollo
de SU
ej.
backward frameworks
Observaciones.
Lenguaje
programación de IA.
de
Entorno de desarrollo de
programación.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.16
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
chaining,
blackboard.
CRYSTAL
EMYCIN
EXPERT
LOGLISP
(marcos)
para
mecanismos de
control.
Sistema
de
producciones
Intelligent
Environment
Ltd.
MYCIN es un SE SU
para
diagnósticos
médicos
Reglas
de Oftalmología,
Rutgers
conocimiento
Geología
Univ./Univ. de
causales
y
Missouri
taxonómicas
Listas
de
Syracuse
objetos
University
OPS (OPS4, Sistemas
OPS5,
reglas
OPS7, OPS- producción
83)
de Sistemas
de reglas
producción
de CMU
de
Shell
Shell
Shell implementado en
FORTRAN
Lenguaje
de
programación de IA.
Dialecto
LISP
con
características
del
PROLOG
Lenguaje
de
programación de IA en
Franz-LISP (Obs.:R1 fue
escrito en OPS)
ALGUNAS REFERENCIAS GENERALES.
Handbook of Artificial Intelligence (Barr et al., 1981).
Encyclopedia of Artificial Intelligence (Shaphiro y Eckroth, 1987).
4.4.- INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS.
4.4.1- Introducción a la Inteligencia Artificial.
Las definiciones de inteligencia humana son generalmente vagas e imprecisas. Considérense
por ejemplo las definiciones dadas en la Tabla 4.3. Estas definiciones varían desde un tipo
operacional (2, 5 y 6) basada en valores (1), basada en ignorancia (3), a cualquier cosa que
un humano puede hacer y una máquina no puede hacer (4).
Tabla 4.3. Algunas Definiciones de Inteligencia
1) Aristóteles
El estado de conocer la verdad, que involucra la razón, y tomando en
consideración lo bueno y malo para el ser humano.
2) Henri Bergson
La facultad de construir objetos artificiales. En particular la habilidad de
construir herramientas para fabricar herramientas.
3) Marvin Minsky
Toda facultad mental que en un momento dado admiramos y no entendemos.
4) Elaine Rich
La cualidad común a todos los seres humanos que en cualquier momento efectúan mejor que
una computadora.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.17
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
5) Robert Stemberg
Un agente inteligente es aquel que muestra un comportamiento dirigido a lograr metas y que
es adaptable.
6) Webster
La habilidad de aprender o entender por experiencia; habilidad de adquirir y retener
conocimiento; habilidad mental; la habilidad de responder rápida y exitosamente a una nueva
situación; uso de las facultades de la razón en resolver problemas, dirigiendo la conducta en
forma efectiva.
4.4.2. Herramientas computacionales para representar información.
La programación orientada a agentes (AOP) es motivada por la necesidad de arquitectos
abiertos que cambian continuamente y evolucionan adaptándose a nuevos componentes y
nuevos requerimientos de metas. P648 A know Level Software Engineering Methodology
Agent Orient Programming. Bresciani, Paolo, et al.
AOP es frecuentemente introducido como una especialización o como un “desarrollo natural”
de la Programación Orientada a Objetos [Object Oriented Programming (OOP)].
En nuestra opinión, la etapa de OOP a AOP es más un breve paradigma que una simple
especialización. Por lo que las características de AOP pueden ser encontradas en lenguajes
de OOP, para instancias, movilidad, sucesión, por lo que en este contexto se torna más
abstracto y diferente.
Definiciones de agente de José Cuena, et al. Inteligencia artificial: sistemas expertos. Alianza
Editorial, 1985.
Un agente en general, se considera inteligente en un tema (<<entiende>> de ese tema)
cuando incorpora conocimientos sobre él, de forma que al planteársele un problema de ese
ámbito, encuentra fácilmente la solución, sin requerir (o requiriendo en menor medida) el
esfuerzo de pruebas y ensayos estériles de otros agentes que <<no entienden>> del tema.
Un sistema de inteligencia artificial es un tipo de agente muy concreto: es aquel sistema que
incorpora, en forma manipulable por computador, el conocimiento sobre un tema y los
procedimientos generales para encontrar respuestas, dentro de esa representación, a los
problemas sobre un determinado tema.
En los algoritmos tradicionales, los conceptos en base a los que se resuelve el problema
(conocimiento) y procedimiento de resolución están integrados en un proceso unificado, de
forma que si se modifica el conocimiento a utilizar para resolución, es preciso modificar el
programa completo. Los sistemas de inteligencia artificial al utilizar mecanismos procedurales
estándar permiten la modificación de los procesos sin más que modificar el conocimiento.
Los proyectos de inteligencia artificial son aquellos proyectos informáticos que están
relacionados parcial o totalmente con la construcción de este tipo de sistemas, es decir:
1) Con la transformación de datos en elementos de conocimiento representados en
forma tratable por el sistema inteligente (sistemas de percepción).
2) Con el diseño de formas de representación y utilización del conocimiento para
resolución de problemas.
3) Con la adquisición del conocimiento (sistemas de aprendizaje).
4) Con la instrumentación de estas tareas vía entornos de apoyo (lenguajes, sistemas
operativos, específicos de lógica)
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.18
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
El primer campo trata de proyectos de comprensión del lenguaje o bien la visión
computarizada.
El segundo campo constituye el núcleo conceptual de los sistemas de inteligencia artificial y
en el se inscriben los sistemas expertos y de planificación inteligente de robots.
4.4.2.1. Descripción de reglas.
Los métodos de búsqueda heurística: la resolución de un problema se describe como la
búsqueda en un espacio de estados posibles de la secuencia de operaciones de
transformación que conducen de la situación inicial, dato del problema, a una situación que
cumple las condiciones exigidas a la solución del problema; la conducción de este proceso de
búsqueda se realiza con criterios restrictivos (heurísticos) basados en el conocimiento sobre
el tema.
La formalización de los procesos de búsqueda heurística, se realizo por Newell Shaw y
Simon en las denominadas reglas de producción o de reescritura, constituidas por pares
situación-acción:
-
Características de la situación del universo en que se describe el problema que
verifica el antecedente.
-
Conjunto de operaciones básicas a realizar.
La dinámica de aplicación de un conjunto de reglas consiste en un ciclo repetido de dos
pasos:
1º Paso de selección de posibles acciones, para las que se comparan los antecedentes de
reglas y el estado del problema que se trata.
2º Paso de decisión y acción en donde se aplican, de los posibles, todavía no aplicadas, la
regla más conveniente según el criterio heurístico que se elija y se modifica el estado en
forma acorde.
Hasta que el estado encontrado cumpla la condición solución o se trate de un nodo en
adelante no es aplicable ninguna regla, en cuyo caso se vuelve atrás y se selecciona en
algún nodo antecedente, la primera de las reglas posibles todavía no seleccionadas.
Uno de sus objetivos de la Inteligencia Artificial en sus comienzos fue desarrollar programas
que pudieran imitar todas las habilidades humanas basándose en la idea de que la relación
de un gran problema podría ser realizada sin la incorporación de una significativa cantidad de
conocimientos. Ni decir tiene, que ese ambicioso proyecto no se hizo realidad. Excepto en los
casos más sencillos, la inteligencia artificial se vio desbordada por la complejidad de los
problemas tratados.
Aunque hoy por hoy no se pueden comparar la inteligencia artificial y la natural podemos
exponer algunas de las características positivas de cada una de ellas, como se muestra en la
siguiente tabla 4.4:
Tabla 4.4. Inteligencia Artificial vs. Inteligencia Natural
Inteligencia Artificial
Inteligencia Natural
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.19
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
-
Permanente
- Creativa
-
Transportable
- Sensorial
-
Económica
- Sentido común
-
Consistente
- Carácter genético
-
Documentable
- Capacidad refleja
4.5 ¿Que es un Sistema Experto?
Sistemas expertos es una rama de la inteligencia artificial que utiliza una serie de técnicas
(independientes de la aplicación en que se usan) para el desarrollo de programas que utilizan
una base de conocimientos para emular el proceso de toma de decisiones que un experto
humano aplica para resolver un problema. Un experto humano es un individuo que puede
resolver problemas en un dominio restringido (área de pericia) y que la mayoría de los
individuos no están en capacidad de resolver. Como mínimo, un experto puede resolver
problemas en menos tiempo y más económicamente que la mayoría de los individuos. Una
definición aceptada de sistemas expertos es:
Los sistemas expertos son programas de computadoras inteligentes que utilizan
conocimiento y una máquina de inferencia para resolver problemas que son lo
suficientemente difíciles para que éstos requieran de pericia para su solución [Fergenbaum,
E.A., 1982].
Feigenbaum en 1977 introduce el concepto de SE de su experiencia en el proyecto
DENTRAL[p15] Sistemas expertos (SE).
Un sistema experto es un sistema informático que incorpora, en forma operativa, el
conocimiento de una persona experimentada, de forma que sea capaz tanto de responder
como esta persona, como de explicar y justificar sus respuestas. Así cuando diagnostica un
caso real no sólo le atribuye los calificativos que considera adecuados, sino que justifica las
razones que llevaron a ellos.
Los sistemas expertos se han basado en modelos de los procesos cognitivos humanos que
han sido desarrollados en el área de la sicología. Un modelo cognitivo frecuentemente
utilizado consiste de un procesador cognitivo, memoria de largo plazo y memoria de corto
plazo. Cada uno de estos elementos se representan en un sistema experto por una máquina
de inferencia, una base de conocimientos y una memoria de trabajo.
Una característica importante de los sistemas expertos es que no pueden ser utilizados para
proporcionar soluciones generales a problemas. Un sistema experto es aplicable solamente a
un dominio de conocimiento restringido. El dominio del conocimiento es el conocimiento que
tiene el experto sobre la solución de problemas en el dominio del problema. Para obtener
soluciones a problemas, el experto hace inferencias dentro del dominio del problema. Para
obtener una solución a un problema, un sistema experto hace inferencias en una forma que
es similar a las que hace un experto humano cuando a ambos se les presentan los mismos
datos.
4.6. Ventajas y Desventajas de los Sistemas Expertos Frente a los Expertos
Humanos.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.20
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Aunque hoy por hoy los Sistemas Expertos no pueden sustituir a los expertos humanos son,
sin embargo, una herramienta que puede ayudar a realizar el trabajo de forma más rápida,
fácil y completa. Además poseen una serie de importantes ventajas como son:
-
El Sistema Experto es fácil de transportar, un simple disquete puede ser suficiente
para contenerlo.
-
El Sistema Experto es permanente, los problemas se pueden ir resolviendo a medida
que se van planteando y las decisiones se pueden tomar rápidamente, lo que en
algunos casos es de vital importancia.
-
El Sistema Experto puede ayudar a mejorar la productividad haciéndose cargo, por
ejemplo, de trabajos rutinarios o ayudando a realizar el trabajo más rápidamente.
-
El Sistema Experto permite conservar los valiosos conocimientos de un especialista,
auque este desaparezca. Además, es sencillo de documentar, mediante la inclusión
de datos.
-
El Sistema Experto tiene una gran capacidad educativa, ya que puede ayudar a
formar nuevos técnicos ayudando a entender como un especialista resuelve un
problema o aplica sus conocimientos.
Sin embargo existen algunas características intrínsecamente humanas que el sistema
experto no pueden <<imitar>>, por ejemplo, el experto humano es más creativo, adaptable,
posee percepción Sensorial y, algunas veces, incluso sentido del humor.
4.7. Diferencias con los Programas Informáticos
Tradicionales.
Los sistemas expertos no dejan de ser programas informáticos sin embargo la diferencia
básica con los programas <<tradicionales>> es que los sistemas expertos manipulan
conocimiento y estos últimos manipulan datos. Para resolver un problema los programas
<<tradicionales>> utilizan algoritmos, mientras que el proceso básico de resolución de
problemas por los sistemas expertos sería un proceso de búsqueda y comparación de
patrones para buscar conexiones y relaciones.
A continuación daré un resumen comparativo de algunas diferencias entre ambos tipos de
programas. Como características de los sistemas expertos podemos citar:
-
Representación y uso de conocimiento.
-
Métodos heurísticos.
-
Proceso inferencial.
-
Fácil actualización.
-
Las respuestas incorrectas pueden ser admitidas.
-
Control separado del dominio del conocimiento.
Frente a las características de los programas clásicos que son:
o Representación y uso de datos.
o Método algorítmico.
o Proceso repetitivo.
o Difícil de actualizar.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.21
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
o
o
Las respuestas deben ser correctas.
Control y dominio del conocimiento integrados.
4.8. Tipos de Sistemas Expertos
Cada día que pasa se están abriendo nuevos campos de aplicación de los sistemas expertos
con lo cual la clasificación que se realiza se queda obsoleta rápidamente.
A riesgo de que suceda lo mismo daré una clasificación según su área de aplicación, a pesar
de que empiezan a ser demasiado amplias, pero hay ciertas áreas donde los sistemas
expertos han alcanzado importantes éxitos. En esta tesis daré una nueva clasificación más
enfocada a la agricultura.
4.8.1. Análisis e Interpretación
Los sistemas expertos son muy eficientes a la hora de interpretar una gran cantidad de
información. Este tipo de programa es muy utilizado en las actividades financieras. El sistema
recibe los datos financieros del cliente y da recomendaciones de inversión. En agricultura se
están utilizando cada vez más para analizar e interpretar los resultados producidos por los
modelos de simulación tan extendidos en el campo agrícola; como ejemplo tenemos el
sistema GOSSYM/COMAS donde el sistema experto COMAS interpreta la salida del modelo
de simulación del modelo de simulación del crecimiento del algodón GOSSYM, para facilitar
un calendario de riego y fertilización para dicho cultivo.
4.8.2. Predicción
Este tipo de programa establece la predicción de nuevas situaciones a partir de una situación
dada. Un ejemplo, muy rentable económicamente, es PROSPECTOR comentado con
anterioridad, que ayuda al descubrimiento de yacimientos mineros y petrolíferos.
La agricultura es otro campo donde la realización de predicciones mediante la utilización de
los sistemas expertos ha sido muy positiva. Existen sistemas que realizan estimaciones de
cosechas, previsiones de plagas, etc.
4.9.- Ingeniería de Software
La ingeniería de software consiste de una colección de técnicas, independientes de la
aplicación, que son utilizadas para implementar soluciones basadas en computadoras. La
ingeniería del software se basa en reconocer que cualquier proyecto de un sistema experto
pasa por un ciclo que tiene como mínimo cuatro etapas reconocibles: planeación, ingeniería
del conocimiento, codificación y pruebas. A medida que el sistema experto se incrementa, el
ciclo se repite. Una línea de tiempo mostrada en la figura 4.1. Tareas que se tienen que llevar
a cabo durante el ciclo de vida de un Sistema Experto. Muestra los resultados del proceso y
su documentación. Cada una de las etapas y sus tareas correspondientes se describen a
continuación.
1) La etapa de planeación.
La etapa de planeación tiene como propósito el desarrollar un conjunto de documentos que
detallan a un plan formal para el desarrollo del sistema experto. La fase de planeación incluye
las siguientes tareas:
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.22
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
a) Análisis de factibilidad.
Como primer paso se analiza si es deseable y redituable (económicamente) el desarrollo de
una solución al problema que este basada en computadora. De ser así, se determina si un
sistema experto es la forma que debe ser utilizada para la solución del problema particular.
b) Manejo de recursos.
En este paso se lleva a cabo una estimación de los recursos que se requerirán para
desarrollar al sistema experto. Estos incluyen recursos humanos, económicos, software y
hardware. Las especificaciones deben indicar como se deben adquirir y administrar los
recursos específicos.
c)
Tareas.
En este paso se especifican las tareas requeridas en cada una de las etapas de desarrollo
del sistema experto. Además, se especifica el orden en que se deben ejecutar y su duración
aproximada.
d)
Calendarios.
Este paso especifica la fecha en que debe iniciarse una tarea y la fecha en que debe
completarse.
e)
Especificación preliminar de funciones.
En este paso se especifica en términos generales el propósito del sistema experto y que se
logrará con este.
f)
Ingeniería del Conocimiento
g)
Requerimientos de alto nivel.
Este paso se describe en términos generales como se implementarán las funciones del
sistema experto.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.23
4.10.-
Dentro
Ingeniería
de
las
Definición
Diseño
Conocimiento
Base
del
Pruebas
formales
Auditoria
Revisión
de
Pruebas
Revisión
Final
Evaluación
del Sistema
Línea
Base del
Proyecto
Análisis
de
Pruebas
Verificación del
Conocimiento
Revisión,
Disponibilidad
de Pruebas
y Pruebas
Codificación
Representación
,
Diseño
y
Sistema
de
Conocimientos
Diseño
separado
del
Línea
Base de
Diseño
Figura 4.1. Tareas que se tienen que llevar a cabo durante el ciclo de vida de un Sistema Experto.
Revisión
Prelimin
ar
de
Adquisición,
Análisis
y
Selección
Revisión del
Conocimiento
Identificación
y selección
de Fuentes
Plan de
Trabajo
Planeació
n
Definición del
Conocimiento
Línea
de
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Conocimiento.
tareas que se tienen que llevar a cabo
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.24
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
durante el ciclo de vida de un sistema experto (figura 4.1) es necesario definir y reorientar el
sistema siguiendo los objetivos al definir el conocimiento, y especificar los detalles de diseño.
Esta experiencia fue recabada en los proyectos de investigación CGPI No. 990226 y CGPI
No. 20010581, los cuales dirigí en el Instituto Politécnico Nacional de México en mi calidad de
profesor.
Que abundando más en los criterios es lo siguiente:
a) Definir el conocimiento.
Definir el conocimiento incluye las siguientes tareas:
Especificar como se representará el conocimiento (reglas, marcos, lógica, etc.). Esta tarea se
ve afectada por las herramientas que van a ser utilizadas para desarrollar el sistema experto.
Especificar en forma general las estructuras de control: a) ¿Se encuentra el sistema experto
incrustado en otra aplicación?, b) ¿Como se ejecutarán grupos de reglas relacionados?, c)
Especificar a metanivel las estructuras de control que serán utilizadas.
Especificar la estructura interna de los hechos utilizando un estilo de representación y
organización que haga que esta sea fácil de entender. Desarrollar en forma preliminar la
interfase del usuario y sometería a crítica por parte de los usuarios usando pantallas de
papel. Desarrollar los criterios de prueba a los que se someterá el sistema experto,
incluyendo datos para las pruebas, impulsores y como se analizarán los resultados.
b) Especificar los detalles del diseño.
Estructura de diseño. Esta tarea especifica la organización lógica del conocimiento dentro de
la base de conocimiento así como el contenido de la base de conocimiento. Especificar como
va a implementarse el sistema. Detallar y finalizar la interfase del usuario. Documentar el
proceso de diseño.
Especificar en detalle como el código será probado y verificado.
4.11.- Codificación y Pruebas.
En esta etapa se lleva a cabo la implementación del sistema experto. Las tareas que se
llevan a cabo durante esta etapa son:
o
o
o
o
o
o
Codificar el sistema.
Conducir pruebas del código utilizando datos, impulsores de prueba y procedimientos
de análisis de pruebas.
Documentar completamente el código.
Escribir un manual preliminar para el usuario.
Someter el manual a critica por parte de los usuarios y expertos.
Documentar la funcionalidad, limitaciones y problemas del sistema experto.
4.12.- Verificación del conocimiento.
Esta etapa consiste de las tareas siguientes:
o
o
o
Pruebas formales y documentación de los resultados de las pruebas.
Análisis de los resultados y documentación de las conclusiones de las pruebas.
Evaluación del sistema.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.25
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Esta etapa resume los resultados de los procedimientos y las recomendaciones
resultantes al equipo de desarrollo. Además valida el sistema experto en relación a las
necesidades de los usuarios. Cuando el sistema se completa se produce un reporte final.
Bajo la mayoría de las condiciones el reporte final incluye recomendaciones que proporcionan
la base para iniciar el ciclo una vez más.
4.13.- Habilidades Básicas para Desarrollar Sistemas Expertos.
67
Una vez que se entiende claramente el proceso de ingeniería de software, sistemas expertos
basados en reglas pueden ser desarrollados si se tienen como mínimo las siguientes
habilidades. Ser capaz de: 1) elegir el conocimiento de las fuentes de conocimiento, 2)
expresar el conocimiento en reglas, y 3) codificar el sistema experto en un lenguaje que
puede ser interpretado o compilado por la computadora.
4.14.- Extracción de Conocimiento.
La extracción del conocimiento de las fuentes de conocimiento es el proceso más difícil y
limitante en el desarrollo de sistemas expertos. La primera dificultad es el determinar el
paradigma apropiado para la solución correcta del problema. Independientemente del
paradigma utilizado, para desarrollar un sistema experto es necesario construir una base de
conocimiento, la representación de esta puede ser afectada por la clase de problema. Por
ejemplo, un problema que involucra clasificación (como el diagnóstico de una enfermedad)
requiere de estructuras distintas a problemas de configuración (determinar la lista de
materiales requeridos para un sistema de riego).
Varias estrategias de elección de conocimiento han sido desarrolladas para distintos tipos de
sistemas expertos10,11,12. Ejemplos de dos técnicas comúnmente utilizadas son la entrevista
estructurada y el análisis de protocolo. Estas se describen a continuación.
1)
Entrevista estructurada.
Una entrevista estructurada es una discusión enfocada sobre el problema que se desea
resolver que tiene por objeto el definir los límites del problema y la base de conocimientos
requerida para la implementación de un sistema experto. Los pasos que se siguen en una
entrevista estructurada son:
a)
Pedirle al experto que enumere todas las conclusiones posibles.
Esto proporciona un grupo bien definido de metas y es muy útil en definir los límites del
sistema experto.
b)
Enumerar todas las condiciones relacionadas a las conclusiones.
Esta es una lista de variables que es utilizada por el experto para establecer las condiciones
que tienen como consecuencia las conclusiones.
c)
Conectar las variables a las conclusiones.
Esto determina la relación entre las conclusiones y las variables en forma tal que pueden
desarrollarse reglas de producción. Durante esta etapa, variables que no habían sido
consideradas o variables espurias, al igual que conclusiones faltantes, pueden ser
identificadas.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.26
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
La entrevista estructurada proporciona un punto de partida para desarrollar el prototipo de un
sistema experto. Eventualmente, las entrevistas tienden a ser parte de un proceso de ensayo
y error a través del cual se descubren varios aspectos del problema y los conocimientos del
experto relacionados. En este proceso se hace uso de escenarios derivados de casos
estudiados anteriormente o experiencias de campo.
4.15.- Planeación del Sistema.
Algunas técnicas tratan de utilizar conocimiento profundo (relaciones causales). En el análisis
se le presenta un escenario al experto y se le pide que formule un diagnóstico y
recomendaciones. Luego, se le pregunta al experto que explique su secuencia de
razonamiento heurístico o las relaciones causales que utilizó en la solución del problema.
Después de esto, el razonamiento del experto se resume en un protocolo. El protocolo se
divide en episodios de acuerdo a la estrategia usada durante la secuencia de pasos que se
siguieron para llegar a la solución. Los episodios pueden estar relacionados a:
o
o
o
o
o
Descripción inicial del problema.
Identificación de fronteras.
Formulación de una hipótesis.
Simulación del sistema (uso de relaciones causa-efecto).
Análisis de la solución candidato.
El análisis de protocolo es una técnica que familiariza al ingeniero de conocimiento con los
procedimientos cognitivos que sigue el experto basados en principios generales y heurísticos.
Generalmente es una técnica muy útil en el análisis de conocimiento que llevada en forma
sistemática y ordenada proporciona bases de conocimiento bien estructuradas. Esto es muy
importante debido a que el encontrar errores e interacciones así como el llevar a cabo
cambios correctivos, perfectivos y adoptivos se simplifican grandemente.
4.16.- Organización del Conocimiento.
Algunas representaciones básicas usadas en la organización del conocimiento y que son
útiles en el desarrollo de sistemas expertos son:
4.16.1.- Árboles de decisión.
Un árbol de decisión es un caso especial de una red semántica. Consiste en una estructura
de datos jerárquica formada por nodos, en cada uno de los cuales se almacena
conocimiento, y ramas que conectan a nodos relacionados.
Los árboles de decisión son muy útiles en problemas de clasificación (identificación de
variedades, enfermedades, etc.). Un ejemplo de un árbol de decisión13.
Un árbol de decisión puede fácilmente ser traducido a reglas. Esto se hace empezando en la
raíz del árbol siguiendo la trayectoria por cada rama hasta la conclusión final. La tabla 4.5.
muestra las reglas derivadas del árbol de decisión.
Tabla 4.5. Ejemplo de reglas derivadas de un árbol de decisión.
IF temperaturaDeLaSangre IS caliente
AND
metodoDeReproduccion IS vivo
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.27
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
THEN mamifero.
IF temperaturaDeLa Sangre IS caliente
AND
metodoDeReproduccion IS huevo
THEN ave.
IF temperaturaDeLaSangre IS fria
AND
mecanismoDeRespiracion IS agalla
THEN pez.
4.16.2.- Tablas de decisión.
Una tabla de decisión es una forma tabular que determina reglas de decisión basándose en
condiciones claramente identificadas y sus acciones resultantes14. Una tabla de decisión está
compuesta de cuatro clases de elementos relacionados entre si y que se muestran en la tabla
4.6.
Tabla 4.6. Componentes básicos de una tabla de decisión
Membretes de condición
Matriz de condición
Membretes de acción
Matriz de acción
Los tipos de elementos en una tabla de decisión se describen a continuación:
4.16.2.1.- Membretes de condición.
Un membrete de condición es un conjunto de membretes presentado como una columna que
contiene una descripción única para cada una de las condiciones en el dominio. Los
membretes de la condición se utilizan después para formar los antecedentes de las reglas.
4.16.2.2.- Membretes de acción.
Un membrete de acción es una columna que contiene las acciones (o metas) que deben
tomarse cuando combinaciones anteriormente especificadas correspondientes a los
membretes de condición se satisfacen.
4.16.2.3.- Tabla de condiciones.
La tabla de condiciones es una matriz que contiene valores correspondientes a los
membretes de las condiciones. Cada columna de la matriz se asocia a una acción o
acciones.
4.16.2.4.- Tabla de acciones.
La tabla de acciones especifica la acción (o secuencia de acciones) que se debe llevar a
cabo según la combinación de condiciones que se den. Las tablas de decisión son
apropiadas cuando se tiene que ejecutar una secuencia de acciones si se dan una serie de
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.28
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
condiciones. Este tipo de representación es fácil de implementar para arrancar
procedimientos o para activar eventos a tiempo real.
Un ejemplo simplificado de una tabla de decisión para un problema hidráulico en un sistema
de riego con un controlador automático.
Las tablas de decisión pueden ser utilizadas como un útil para el desarrollo de reglas si se
utiliza solamente una entrada por membrete de acción. La tabla de decisión (Tabla 4.7)
puede ser utilizada en el desarrollo de un sistema de diagnóstico similar al del problema.
Nótese que debido a que solo hay una entrada por membrete de acción, los membretes de
acción pueden ser utilizados directamente como consecuentes de las reglas. La Tabla 4.7.1.
muestra algunos ejemplos de las reglas derivadas de la tabla de decisión.
Tabla 4.7. de decisión para un problema de monitoreo de un sistema hidráulico simple.
Presión alta
T
T
Presión baja
T
T
Presión normal
T
Flujo alto
T
T
Flujo bajo
T
T
T
Flujo normal
T
Válvula abierta
T
Horas de oficina
T
T
F
Sin problemas
x
Alarma: Válvula
X
Alarma: Tubo roto
X
Alarma: Taponamiento
X
Alarma: Falla en bomba o transductor
X
Llamada telefónica al operador
2
Apagar el sistema
1
T
T
F
2
1
Tabla 4.7.1. Ejemplos de reglas derivados. Del problema hidráulico en forma apropiada para
derivar reglas de producción.
(Nótese que se ha agregado un criterio de uniformidad).
Presión alta
T
T
Presión baja
T
T
T
Presión normal
T
Flujo alto
T
T
T
Flujo bajo
T
T
T
Flujo normal
T
Válvula abierta
T
Horas de oficina
T
T
F
F
Sin problemas
X
Alarma: Válvula
X
Alarma: Tubo roto
X
Alarma: Taponamiento
X
Alarma: Falla en bomba o transductor
X
IF presionNormal
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.29
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
AND
flujoNormal
THEN
sinProblemas.
If presionAlta
AND
flujoBajo
AND
uniformidadBaja
THEN
problemaDeTaponamiento.
4.17.- Diseño Estructural del Sistema.
4.17.1.- Introducción.
La experiencia en la construcción de los sistemas expertos nos enseña que una de las
decisiones más importantes a la hora de desarrollar uno de tales sistemas es la elección de
una herramienta de desarrollo. Una herramienta de desarrollo es un programa o conjunto de
programas que facilitan la creación de otros programas.
En el desarrollo de un Sistema Experto se pueden utilizar tres tipos de herramientas:
lenguajes genéricos, lenguajes específicos y los sistemas shells ó <<concha>>. En la figura
4.2. se ilustra un espectro de las herramientas de desarrollo para los sistemas expertos
según su <<facilidad de uso>> y <<tiempo de desarrollo>>. Los lenguajes genéricos son los
más difíciles de usar y se debería elegir como última alternativa; dentro de los lenguajes
específicos el Prolog es más fácil que el Lisp y, por último, los shells ó <<conchas>>son los
más sencillos de utilizar. Actualmente la mayoría de los sistemas expertos que se desarrollan
en la Agricultura son realizados con shells.
Figura 4.2.
Facilidades de Uso de las Distintas Herramientas
Utilizadas en el Desarrollo de los Sistemas Expertos
GENÉRICOS
SHELLS
ESPECÍFICOS
FACILIDADES DE USO
4.17.2.- Lenguajes Genéricos para el Desarrollo de Sistemas Expertos.
Son los lenguajes de alto nivel utilizados en programación, FORTRAN (1954), BASIC (1964),
C (comienzo de la década de los setenta), PASCAL (finales de la década de los setenta),
COBOL (1959/60), etc. Se han desarrollado sistemas expertos en casi todos ellos. Siendo el
lenguaje C el más utilizado en la actualidad, dentro de este grupo de lenguajes, por su
flexibilidad.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.30
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Cuando desarrollamos un sistema experto a partir de uno de estos lenguajes necesitamos
crear el sistema experto de la nada, hay que crear la base de conocimientos, el motor de
inferencia, la interfase con el usuario, etc., ello lleva mucho tiempo y es necesario disponer de
un programador competente.
4.17.3.- Lenguajes Específicos para el Desarrollo de Sistemas Expertos.
Los lenguajes más populares en el desarrollo de sistemas expertos son el LISP y el PROLOG
de tal forma que la mayoría de las aplicaciones se desarrollan en estos dos lenguajes,
especialmente en LISP, aunque en los últimos años está creciendo de una forma importante
la utilización del PROLOG y de una corriente distinta de programación basada en los
Lenguajes Orientados al Objeto, siendo Smalltalk su más importante representante. Con este
tipo de lenguajes se puede crear los sistemas expertos de manera más rápida que con los
lenguajes genéricos.
4.17.3.1.- LISP
El nombre LISP es la abreviatura de LISt-Processing (Procesamiento de listas) es un
lenguaje simbólico desarrollado para el procesamiento de listas y ha sido el principal lenguaje
utilizado en Inteligencia Artificial. Es un lenguaje de gran flexibilidad y extensibilidad, modular
e interactivo, que posee una sintaxis sencilla, lo que le hace fácil de aprender.
El Lisp es un lenguaje ya antiguo que fue desarrollado en 1959 en el MIT (Estados Unidos)
por John McCarthy junto a un grupo de colaboradores. Aunque ha sufrido muchas
variaciones desde entonces, apareciendo una gran cantidad de <<dialectos>> como son
ZetaLisp; Common Lisp; Interlisp; Expertlisp, Microsoft Lisp, etc. Estos <<dialectos>> no son
intercambiables de unos ordenadores a otros, siendo Common Lisp el resultado de los
esfuerzos por producir una versión estándar del Lisp que se pueda utilizar en todos los
ordenadores.
4.17.3.2.- PROLOG
PROLOG abreviatura de PROgramming in LOGic (Programación en Lógica). Fue
desarrollado por A. Colmerauer, R. Kolwalski y P. Roussel de la Universidad de d´AixMarsella (Francia) en 1972 y mientras el LISP ha sido muy utilizado en Estados Unidos, el
PROLOG lo ha sido en Europa y desde 1981 en Japón al haber sido elegido como el
lenguaje del proyecto de la quinta generación de ordenadores.
El Lisp y el Prolog son lenguajes totalmente diferentes. El Lisp es un lenguaje procedural, se
indican los pasos a seguir para resolver un problema, en cambio, el Prolog es un lenguaje
declarativo, al realizar un programa no hay que indicarle los pasos que hay que dar, sino que
hay que dar al ordenador un conjunto de hechos y reglas que describen sus relaciones.
Al igual que el Lisp el Prolog posee una gran cantidad de <<dialectos>> como son:
Turboprolog; Microprolog; Arti Prolog; etc. Pero no existe ningún estándar.
4.17.3.3.- Smalltalk
Smalltalk es el primer lenguaje de programación orientada al objeto, desarrollado en el
Laboratorio de investigación de Xerox en Palo Alto (Estados Unidos) al inicio de la década de
los setenta, comercializándose en los primeros años de los ochentas. Actualmente es muy
utilizado en los desarrollados de la Inteligencia Artificial y en especial de los Sistemas
Expertos gracias a su gran capacidad para soportar gráficos.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.31
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Los lenguajes orientados al objeto poseen una característica importante y es que no existe
distinción entre los procedimientos y los datos. La programación se contempla como un
conjunto de objetos que se comunican entre sí mediante mensajes.
Otros lenguajes orientados al objeto son el FLAVORS, ROSS, LOOPS o el OPS5 que es un
lenguaje basado en reglas que ha sido muy utilizado en el desarrollo de sistemas expertos en
agricultura.
4.17.3.4.- Sistemas Shell o <<Concha>>
Un shell o <<concha>> como a veces se les denomina no es más que un sistema experto
con su motor de inferencia y interfase con el usuario que esta vaciado de la base de
conocimiento (Figura 4.3). Los shells han contribuido notablemente al auge de los sistemas
expertos al simplificar y acelerar el desarrollo de los mismos con la eliminación de los
problemas de programación y, por consiguiente, de fácil uso para las personas no
familiarizadas con la informática.
Actualmente existe una amplia gama de shells que pueden ser utilizados en todo tipo de
ordenadores. En la tabla 4.8. se muestran algunos de los shells existentes en el mercado.
Figura 4.3
Estructura de un Shell
SHELL
Base
conocimiento
de
Motor de inferencia
Interfase
usuario
con
el
Básicamente se dividen en shells basados en reglas y los basados en inducción, aunque
también existen sistemas híbridos.
En los shell basados en reglas la base de conocimiento esta compuesta por reglas de
producción. Las reglas se introducen en el sistema a través de un tratamiento de texto
muchas veces incorporado en el mismo shell. Los shell basados en inducción permiten
construir un sistema experto dando al programa una serie de ejemplos.
La mayoría de los shells están escritos en lenguajes de alto nivel como C, otros tienen
conexiones con otros productos software, lo que es muy deseable al igual que la existencia
de una buena interfase con el usuario.
Tabla 4.8.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.32
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Algunos de los Shells Existentes en el Mercado que han sido utilizados en el Desarrollo de
Sistemas Expertos en Agricultura
Producto
Sistema
Tipo
ADVISOR
Apple
Reglas
EXPERT EASY
Pc
Inducción
EXSYS
Pc
Reglas
EXPERT SYSTEM
Pc
Reglas
INSIGHT
Pc
Reglas
KES II
Pc
Reglas
NEXPERT
Pc, Macintosh
Reglas
OPS5+
Pc, Macintosh
Reglas
XSYS
Pc
Reglas
EXPERTOPS5
Macintosh
Reglas
GURU
Pc
Reglas
4.17.3.5.- La potencia de un Sistema Experto.
La potencia de un Sistema Experto radica en su base de conocimiento cuanto más amplia
sea esta mejor será el sistema experto desarrollado. Pero una vez que se dispone de ese
conocimiento se plantea el problema de cómo implementarlo dentro del ordenador. Este es
un tema donde se está realizando actualmente un gran esfuerzo de investigación dentro de la
Inteligencia Artificial. Aunque existen muchas maneras de representar el conocimiento,
consideramos las de más frecuente utilización en agricultura, como son:
Redes semánticas.
Reglas.
Marcos de referencia (Frames).
4.17.3.5.1.- Redes Semánticas.
Introducidas a final de los años setenta es el sistema más sencillo y antiguo de representar el
conocimiento y consiste en una representación gráfica del mismo que ilustra las relaciones
entre objetos, conceptos, situaciones, etc. Llamados nodos, unidos mediante arcos o enlaces
que indican las relaciones existentes entre ellos, formando una red. Normalmente llevan
asociada una palabra, que en el caso de los nodos es un nombre y en el de los enlaces es un
verbo.
El interés de las redes semánticas se basa en varios puntos:
-
Presentan un esquema útil de presentar la información.
Permiten codificar o presentar hechos o conceptos que se pueden representar en
cualquier otro sistema formal.
En la figura 4.4 se ilustra un ejemplo de una sencilla red semántica sobre algunas plagas de
cereales. Utilizando la red semántica es posible responder a multitud de preguntas
recorriendo los nodos y arcos.
-
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.33
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
4.17.3.5.2.- Reglas
Las reglas o producciones, son una colección de la heurística que los expertos usan
típicamente para alcanzar una solución, no necesariamente óptima, en un tiempo razonable.
Es el método más común de representar el conocimiento dentro de los sistemas expertos
desarrollados en la agricultura.
Las reglas constan de dos partes : <<la premisa>> y la <<conclusión>>. A su vez, la premisa
consta del condicional <<SI>> y a veces de una o varias expresiones lógicas (Y, O, NO).
La conclusión consta del adverbio <<ENTONCES>>. Por ejemplo,
SI plaga=Mosca Blanca Y el cultivo=tomate
ENTONCES aplicar el insecticida Buprofezin 25%
La conclusión será cierta si se cumplen las premisas o situaciones (Mosca Blanca y Tomate).
Otra forma de establecer la sentencia es :
SI mala hierba=avena loca
O mala hierba=Bromus sp.
ENTONCES aplicar el herbicida Trialato
En este tipo de sentencias la conclusión será cierta si se cumplen algunas de las dos
premisas. Evidentemente reglas más complejas incluyen las expresiones O, Y, y NO. Los
grandes sistemas expertos pueden contener miles de estas reglas de este tipo.
Las reglas dotan de una gran flexibilidad a los sistemas expertos permitiendo la modificación,
borrado y creación de las bases de conocimiento de una forma rápida y cómoda.
4.17.3.5.3.- Marcos de Referencia (Frames)
Fueron propuestos a mediados de los años setenta y pueden ser contemplados como una
colección de conocimientos interrelacionados sobre un determinado tópico. Un marco nos da
toda la información existente sobre un determinado objeto con lo cual se describe en detalle.
El marco de referencia está compuesto por diferentes elementos denominados ranuras (slots)
donde se contienen los atributos del objeto que se describe.
Se utilizan principalmente para representar el conocimiento que tenemos de las cosas,
podemos decir que es como un resumen de las mismas.
La figura 4.5 presenta el esquema general de un marco de referencia para herbicidas.
Los marcos de referencia se pueden encadenar entre sí formando jerarquías, lo que hace
más compacto el conocimiento y permite su representación de una forma más profunda.
Figura 4.5
Esquema General de un Marco de Referencia (Frame)
para la Representación de la Información sobre Herbicidas.
Frame: Nombre del Herbicida
MALAS HIERBAS CONTROLADAS
Ranura (Slot): Mala hierba
Mala hierba 1, Control, Estado de desarrollo
Mala hierba 2, Control, Estado de desarrollo
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.34
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
................................................
Mala hierba N, Control, Estado de desarrollo
CULTIVOS
Ranura (Slot): Cultivo
Cultivo 1, Estado de desarrollo
Cultivo 2, Estado de desarrollo
................................................
Cultivo M, Estado de desarrollo
INFORMACIÓN AMBIENTAL
Ranura (Slot): Tipo de suelo
Ranura (Slot): pH del suelo
Ranura (Slot): Temperatura de aplicación
Ranura (Slot): Evoca de aplicación
OTRA INFORMACIÓN
Ranura (Slot): Nombre comercial
Ranura (Slot): Formulación
Ranura (Slot): Toxicidad
Ranura (Slot): Dosis de aplicación
Ranura (Slot): Coste de aplicación
4.18.- Resumen
Dentro de las tareas que se tienen que llevar a cabo durante el ciclo de vida de un sistema
experto (figura 4.1) es necesario definir y reorientar el sistema siguiendo los objetivos de cada
etapa y consisten en definir el conocimiento, y especificar los detalles de diseño.
La implementación del sistema experto requiere la verificación del conocimiento, para lo cual
es necesario codificar el sistema, documentar el código, así como documentar la
funcionalidad, limitaciones y problemas del sistema experto. Posteriormente es necesario
evaluar el sistema, y en esta etapa se resumen los resultados de los procedimientos y las
recomendaciones resultantes al equipo de desarrollo. Además valida el sistema experto en
relación a las necesidades de los usuarios. Cuando el sistema se completa y se produce un
reporte final.
Bajo la mayoría de las condiciones el reporte final incluye recomendaciones que proporcionan
la base para iniciar el ciclo una vez más.
La fase extracción del conocimiento de las fuentes de conocimiento es el proceso más difícil y
limitante en el desarrollo de sistemas expertos. La primera dificultad es el determinar el
paradigma apropiado para la solución correcta del problema. Independientemente del
paradigma utilizado, para desarrollar un sistema experto es necesario construir una base de
conocimiento, que en el caso de la investigación es la selección de métodos de tratamiento
de aguas residuales. La representación de esta puede ser afectada por la clase de problema.
Por ejemplo, un la gran diversidad de métodos de tratamiento de aguas residuales que
involucrará una clasificación y requiere de estructuras distintas a problemas de configuración
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.35
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
(determinar la lista de criterios requeridos para elegir un sistema de tratamiento biológico del
agua residual).
En cuanto a la planeación del sistema, algunas técnicas son tratadas utilizando conocimiento
profundo (relaciones causales). En el análisis se le presenta un escenario al experto y se le
pide que formule un diagnóstico y recomendaciones. Luego, se le pregunta al experto que
explique su secuencia de razonamiento o las relaciones causales que utilizó en la solución
del problema. Después de esto, el razonamiento del experto se resume en un protocolo. El
protocolo se divide en episodios de acuerdo a la estrategia usada durante la secuencia de
pasos que se siguieron para llegar a la solución.
El proceso de codificación consiste en traducir la base de conocimientos a una sintaxis que
se puede implementar en la computadora.
ANÁLISIS DE LOS METODOS DE TRATAMIENTO PRIMARIO Y SECUNDARIO DEL AGUA
RESIDUAL MUNICIPAL.
INTRODUCCIÓN
Cada persona consume un promedio de 150 galones (570 l) de agua al día. Toda el agua que
llega a tu casa por la tuberia, sale de tu casa por otra tubería distinta; el agua fresca se
convierte en agua residual. El agua residual proviene de hogares, escuelas, negocios,
industrias, y de la escorrentía producida por tormentas.
En las ciudades, el agua residual se va por las cloacas hasta las plantas de tratamiento de
aguas residuales. En el campo, el agua residual va a tanques grandes subterráneos llamados
tanques sépticos.
El tratamiento de aguas residuales en una planta de tratamiento incluye los siguientes pasos;
tratamiento primario, secundario, y avanzado. En el tratamiento primario de las agua
residuales se usan parillas de barrotes para filtrar objetos como palos, trapos, y rocas, y
tanques de sedimentación para asentar los sólidos suspendidos. Los sólidos suspendidos
son sondeados desde el fondo hasta otro depósito de sedimentación. El tratamiento
secundario usa procesos biológicos en el cual los desperdicios se descomponen por medio
de bacterias. El agua residual es pasada por tanques de aireación donde se le añade aire y
se revuelven los desperdicios para ayudar a que crezca la bacteria. La bacteria se pega de
los sólidos suspendidos; los cuales se asientan en el tanque de sedimentación secundario. El
proceso de tratamiento avanzado incluye filtración por arena o grava, desinfección con el uso
de cloro, luz ultravioleta, u ozono para matar bacteria peligrosa o patogénica.
El agua residual ya limpia se puede usar para irrigación o puede ser arrojada de nuevo a un
lago
o río. Para poder descargar y eliminar el agua residual, se deben cumplir ciertas normas
establecidas por los gobiernos federales y estatales. Los sólidos del agua residual, al cumplir
normas adicionales para uso benéfico, son llamados biosólidos. Estos, pueden usarse como
fertilizantes. Cada humano produce aproximadamente 200 libras de biosólidos al año.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.36
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Tratamiento Primario una planta de tratamiento de aguas residuales. El primer paso en el
tratamiento de aguas residuales se llama: Tratamiento primario.
En este proceso las aguas residuales que llegan reciben un tratamiento preliminar: Los
materiales flotantes son retirados, las aguas pasan a través de cámaras de sedimentación
para eliminar la arena y materiales semejantes. Palas superficiales retiran las grasas y
aceites, y otros restos flotantes son raspados o molidos. Los residuos sólidos recolectados en
el fondo se llaman lodos residuales. En esta fase se denominan lodos primarios. En cuanto a
los sólidos en suspensión, del 40 al 60% se eliminan en el proceso de sedimentación al que a
veces se añaden floculantes. La actividad biológica no es particularmente importante en el
tratamiento primario aunque la materia orgánica y los lodos residuales pueden sufrir una
digestión parcial si el tiempo de retención es largo. El tratamiento primario elimina del 25 al
30% de la DBO. Los lodos se retiran y el efluente pasa al tratamiento secundario.
Tratamiento Secundario. Las aguas claras (efluente) provenientes del tratamiento
primario fluyen a un segundo tanque donde por procesos biológicos (degradación bacteriana)
se remueve el 85% o más de los SS y del BOD. El principio es que las bacterias que viven
en el tanque degraden las sustancias orgánicas del efluente primario. Se reduce la cantidad
de material potencialmente oxidable (degradable). El tratamiento secundario más utilizado en
Puerto Rico es el de los tanques de lodos activados. Estos son tanques rectangulares de 3-5
m de profundidad que contienen flóculos de bacterias, protozoarios y otros microorganismos.
El efluente entra a este tanque y permanece entre 4-8 horas con agitación constante para
que las bacterias degraden el material y haya suficiente suministro de oxígeno. Luego el
efluente pasa a otro tanque donde se clarifica, se desinfecta con cloro, se oxigena y se vierte
al cuerpo de agua receptor.
Las aguas residuales contienen residuos procedentes de las ciudades y fábricas. Es
necesario tratarlos antes de enterrarlos o devolverlos a los sistemas hídricos locales. En una
depuradora, los residuos atraviesan una serie de cedazos, cámaras y procesos químicos
para reducir su volumen y toxicidad. Las tres fases del tratamiento son la primaria, la
secundaria y la terciaria. En la primaria, se elimina un gran porcentaje de sólidos en
suspensión y materia inorgánica. En la secundaria se trata de reducir el contenido en materia
orgánica acelerando los procesos biológicos naturales. La terciaria es necesaria cuando el
agua va a ser reutilizada; elimina un 99% de los sólidos y además se emplean varios
procesos químicos para garantizar que el agua esté tan libre de impurezas como sea posible.
TRATAMIENTO PRIMARIO
Las aguas residuales que entran en una depuradora contienen materiales que podrían
atascar o dañar las bombas y la maquinaria. Estos materiales se eliminan por medio de
enrejados o barras verticales, y se queman o se entierran tras ser recogidos manual o
mecánicamente. El agua residual pasa a continuación a través de una trituradora, donde las
hojas y otros materiales orgánicos son triturados para facilitar su posterior procesamiento y
eliminación.
En el pasado, se usaban tanques de deposición, largos y estrechos, en forma de canales,
para eliminar materia inorgánica o mineral como arena, sedimentos y grava. Estas cámaras
estaban diseñadas de modo que permitieran que las partículas inorgánicas de 0,2 mm o más
se depositaran en el fondo, mientras que las partículas más pequeñas y la mayoría de los
sólidos orgánicos que permanecen en suspensión continuaban su recorrido. Hoy en día las
más usadas son las cámaras aireadas de flujo en espiral con fondo en tolva, o clarificadores,
provistos de brazos mecánicos encargados de raspar. Se elimina el residuo mineral y se
vierte en vertederos sanitarios. La acumulación de estos residuos puede ir de los 0,08 a los
0,23 m3 por cada 3,8 millones de litros de aguas residuales.
Sedimentación. Una vez eliminada la fracción mineral sólida, el agua pasa a un depósito de
sedimentación donde se depositan los materiales orgánicos, que son retirados para su
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.37
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
eliminación. El proceso de sedimentación puede reducir de un 20 a un 40% la DBO5 y de un
40 a un 60% los sólidos en suspensión.
La tasa de sedimentación se incrementa en algunas plantas de tratamiento industrial
incorporando procesos llamados coagulación y floculación químicas al tanque de
sedimentación. La coagulación es un proceso que consiste en añadir productos químicos
como el sulfato de aluminio, el cloruro férrico o polielectrolitos a las aguas residuales; esto
altera las características superficiales de los sólidos en suspensión de modo que se adhieren
los unos a los otros y precipitan. La floculación provoca la aglutinación de los sólidos en
suspensión. Ambos procesos eliminan más del 80% de los sólidos en suspensión.
Flotación. Una alternativa a la sedimentación, utilizada en el tratamiento de algunas aguas
residuales, es la flotación, en la que se fuerza la entrada de aire en las mismas, a presiones
de entre 1,75 y 3,5 kg por cm2. El agua residual, supersaturada de aire, se descarga a
continuación en un depósito abierto. En él, la ascensión de las burbujas de aire hace que los
sólidos en suspensión suban a la superficie, de donde son retirados. La flotación puede
eliminar más de un 75% de los sólidos en suspensión.
Digestión. La digestión es un proceso microbiológico que convierte el lodo, orgánicamente
complejo, en metano, dióxido de carbono y un material inofensivo similar al humus. Las
reacciones se producen en un tanque cerrado o digestor, y son anaerobias, esto es, se
producen en ausencia de oxígeno. La conversión se produce mediante una serie de
reacciones. En primer lugar, la materia sólida se hace soluble por la acción de enzimas. La
sustancia resultante fermenta por la acción de un grupo de bacterias productoras de ácidos,
que la reducen a ácidos orgánicos sencillos, como el ácido acético. Entonces los ácidos
orgánicos son convertidos en metano y dióxido de carbono por bacterias. Se añade lodo
espesado y calentado al digestor tan frecuentemente como sea posible, donde permanece
entre 10 y 30 días hasta que se descompone. La digestión reduce el contenido en materia
orgánica entre un 45 y un 60 por ciento.
Desecación. El lodo digerido se extiende sobre lechos de arena para que se seque al aire. La
absorción por la arena y la evaporación son los principales procesos responsables de la
desecación. El secado al aire requiere un clima seco y relativamente cálido para que su
eficacia sea óptima, y algunas depuradoras tienen una estructura tipo invernadero para
proteger los lechos de arena. El lodo desecado se usa sobre todo como acondicionador del
suelo; en ocasiones se usa como fertilizante, debido a que contiene un 2% de nitrógeno y un
1% de fósforo.
TRATAMIENTO SECUNDARIO
Una vez eliminados de un 40 a un 60% de los sólidos en suspensión y reducida de un 20 a
un 40% la DBO5 por medios físicos en el tratamiento primario, el tratamiento secundario
reduce la cantidad de materia orgánica en el agua. Por lo general, los procesos microbianos
empleados son aeróbicos, es decir, los microorganismos actúan en presencia de oxígeno
disuelto. El tratamiento secundario supone, de hecho, emplear y acelerar los procesos
naturales de eliminación de los residuos. En presencia de oxígeno, las bacterias aeróbicas
convierten la materia orgánica en formas estables, como dióxido de carbono, agua, nitratos y
fosfatos, así como otros materiales orgánicos. La producción de materia orgánica nueva es
un resultado indirecto de los procesos de tratamiento biológico, y debe eliminarse antes de
descargar el agua en el cauce receptor.
Hay diversos procesos alternativos para el tratamiento secundario, incluyendo el filtro de
goteo, el lodo activado y las lagunas.
Filtro de goteo. En este proceso, una corriente de aguas residuales se distribuye
intermitentemente sobre un lecho o columna de algún medio poroso revestido con una
película gelatinosa de microorganismos que actúan como agentes destructores. La materia
orgánica de la corriente de agua residual es absorbida por la película microbiana y
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.38
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
transformada en dióxido de carbono y agua. El proceso de goteo, cuando va precedido de
sedimentación, puede reducir cerca de un 85% la DBO5.
Fango activado. Se trata de un proceso aeróbico en el que partículas gelatinosas de lodo
quedan suspendidas en un tanque de aireación y reciben oxígeno. Las partículas de lodo
activado, llamadas floc, están compuestas por millones de bacterias en crecimiento activo
aglutinadas por una sustancia gelatinosa. El floc absorbe la materia orgánica y la convierte en
productos aeróbicos. La reducción de la DBO5 fluctúa entre el 60 y el 85 por ciento.
Un importante acompañante en toda planta que use lodo activado o un filtro de goteo es el
clarificador secundario, que elimina las bacterias del agua antes de su descarga.
Estanque de estabilización o laguna. Otra forma de tratamiento biológico es el estanque de
estabilización o laguna, que requiere una extensión de terreno considerable y, por tanto,
suelen construirse en zonas rurales. Las lagunas opcionales, que funcionan en condiciones
mixtas, son las más comunes, con una profundidad de 0,6 a 1,5 m y una extensión superior a
una hectárea. En la zona del fondo, donde se descomponen los sólidos, las condiciones son
anaerobias; la zona próxima a la superficie es aeróbica, permitiendo la oxidación de la
materia orgánica disuelta y coloidal. Puede lograrse una reducción de la DBO5 de un 75 a un
85 por ciento.
TRATAMIENTO AVANZADO DE LAS AGUAS RESIDUALES (TERCIARIO)
Si el agua que ha de recibir el vertido requiere un grado de tratamiento mayor que el que
puede aportar el proceso secundario, o si el efluente va a reutilizarse, es necesario un
tratamiento avanzado de las aguas residuales. A menudo se usa el término tratamiento
terciario como sinónimo de tratamiento avanzado, pero no son exactamente lo mismo. El
tratamiento terciario, o de tercera fase, suele emplearse para eliminar el fósforo, mientras que
el tratamiento avanzado podría incluir pasos adicionales para mejorar la calidad del efluente
eliminando los contaminantes recalcitrantes. Hay procesos que permiten eliminar más de un
99% de los sólidos en suspensión y reducir la DBO5 en similar medida. Los sólidos disueltos
se reducen por medio de procesos como la ósmosis inversa y la electrodiálisis. La eliminación
del amoníaco, la desnitrificación y la precipitación de los fosfatos pueden reducir el contenido
en nutrientes. Si se pretende la reutilización del agua residual, la desinfección por tratamiento
con ozono es considerada el método más fiable, excepción hecha de la cloración extrema. Es
probable que en el futuro se generalice el uso de estos y otros métodos de tratamiento de los
residuos a la vista de los esfuerzos que se están haciendo para conservar el agua mediante
su reutilización.
LODOS ACTIVADOS
La tecnología más común para el tratamiento de aguas residuales municipales, aplicada, es
el proceso de lodos activos, un proceso biológico que consume grandes cantidades de
energía y genera grandes cantidades de lodos orgánicos. Estos lodos, separados del agua
tratada en la última etapa del proceso, contienen más del 90 % de agua y son altamente
biodegradables. Para facilitar el manejo y la eliminación de los lodos se suelen aplicar
procesos de desecación. Hasta ahora, las principales vías de eliminación han sido transportar
los lodos a vertederos, esparcirlos en la tierra, verterlos al mar (sobre todo en el Reino Unido)
e incinerarlos.
1 PROCESO DE FANGOS ACTIVADOS
Este proceso fue desarrollado en Inglaterra en 1914 por Ardra y Lockett y su nombre proviene
de la producción de una masa activada de microorganismos capaz de estabilizar un residuo
por vía aerobia. Existen diversas versiones del proceso original, en nuestro caso nos
decantamos por el de "AEREACION PROLONGADA CON RECIRCULACION DE LODOS",
proceso que tiene una gran aceptación en el tratamiento de aguas residuales en pequeñas
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.39
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
comunidades principalmente por su gran efectividad entre el 75 y el 95%, poca producción de
lodo y sencillez en su funcionamiento.
2 DESCRIPCIÓN DEL PROCESO
Desde el punto de vista de funcionamiento, el tratamiento biológico de aguas residuales
mediante el proceso de fangos activados, se realiza a través de un tanque o reactor biológico,
donde se mantiene un cultivo bacteriano aerobio en suspensión y se realiza la oxidación de la
materia orgánica. El contenido del reactor se conoce con el nombre de "liquido mezcla".
El ambiente aerobio en el reactor se consigue mediante el uso de difusores, que también
sirve para mantener el líquido mezcla en estado de mezcla completa. Al cabo de un periodo
determinado de tiempo, la mezcla de las nuevas células con las viejas se conduce hasta un
tanque de sedimentación para su separación del agua residual tratada.
Una parte de las células sedimentadas se recircula para mantener en el reactor la
concentración de células deseada, mientras que la otra parte se purga del sistema (fango en
exceso). En el proceso de fangos activados, las bacterias son los microorganismos más
importantes, ya que son los causantes de la descomposición de la materia orgánica del
afluente. En el reactor, o tanque biológico, las bacterias aerobias o facultativas utilizan parte
de la materia orgánica del agua residual con el fin de obtener energía para la síntesis del
resto de la materia orgánica en forma de células nuevas.
El de aireación prolongada es una variante del proceso de flujo en pistón con recirculación,
donde todas las partículas que entran en el reactor biológico permanecen en el interior del
mismo durante idéntico periodo de tiempo. El agua procedente del tratamiento primario:
Arqueta de debaste, cámara de grasas, pasa al tanque de aireación donde es mezclada con
aire disuelto que fluye por los difusores siendo uniforme este suministro de aire disuelto que
fluye por los difusores siendo uniforme este suministro de aire a lo largo de toda la longitud
del tanque. Durante el periodo de aireación se produce la absorción, floculación y oxidación
de la materia orgánica. Los sólidos del fango activado se separan en un decantador
secundario. Este proceso necesita de una carga orgánica reducida y un largo periodo de
aireación
3 CARACTERÍSTICAS DEL FUNCIONAMIENTO DEL PROCESO DE FANGOS ACTIVADOS
Modelo de flujo:
Flujo de pistón:
Sistema de aireación :
Soplante y distribución por difusores
Eficacia eliminación DBO5 75 al95%
4 PARÁMETROS DE DISEÑO
En este proceso además de los parámetros necesitados para el dimensionamiento de la fosa
séptica es necesario conocer:
Carga diaria de DBO5 ó materia orgánica que entra en el tanque biológico.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.40
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Carga diaria de SST.
Tiempo de retención celular c, d = 20-30
Carga másica aplicada relación Kg DBO5/Kg SSVLM. d = 0.05 - 1.5
Carga volumétrica Kg DBO5/m3 d = 0.16-0.40
SSLM mg/l = 3000-6000
Tiempo de retención hidráulica horas = 18-36
Coeficiente de recirculación del decantador el tanque biológico = 1-1.5
Carga de superficie = 1.0-1.33 m3/m2.h
Oxígeno necesario KgO2/KgDBO5 = 2 a 2.5Kg
Transferencia de oxígeno de los difusores (según modelo y fabricante)
El agua del efluente procedente de un tratamiento biológico por fangos activados puede ser
vertido a cauces, canales o embalses al estar dentro de los parámetros exigidos por la Ley.
Los lodos residuales se deben tratar para facilitar su manejo y evitar posibles problemas,
desde el olor a los agentes patógenos. Estos tratamientos modifican las propiedades de los
lodos, haciéndolos más adecuados para su reutilización o eliminación. Entre estos procesos
cabe citar: espesamiento, desinfección, estabilización, acondicionamiento, desecación,
secado final, composting y otros. Después de tratar los lodos se obtienen los siguientes
productos: lodos líquidos (estabilizados o no), lodos sólidos (estabilizados o no), lodos
desecados y compost. El coste del tratamiento y eliminación de los lodos supone hasta la
mitad del coste total del tratamiento de aguas residuales, y probablemente aumentará, debido
al endurecimiento de la legislación europea.
A causa de las características físico-químicas del proceso de lodos activados, el lodo tiende a
acumular una serie de metales y compuestos orgánicos. Esta propiedad es una ventaja,
cuando se considera la calidad del agua residual tratada, pero hace que la calidad del lodo
dependa, fundamentalmente, de cuatro grupos de contaminantes principales:
Metales
Principalmente zinc (Zn), cobre (Cu), níquel (Ni), cadmio (Cd), plomo (Pb), mercurio (Hg) y
cromo (Cr). Su potencial de acumulación en los tejidos humanos y su biomagnificación en la
cadena alimentaria suscitan preocupaciones, tanto medioambientales como sanitarias. Los
metales están siempre presentes, a concentraciones bajas, en las aguas residuales
domésticas, pero las concentraciones preocupantes son sobre todo las que se encuentran en
las aguas residuales industriales.
Nutrientes importantes de las plantas
Son el nitrógeno y el fósforo. Su peligrosidad radica en su potencial de eutrofización para las
aguas subterráneas y superficiales. Sin embargo, se pueden considerar como fertilizantes
valiosos, y su principal valor para la agricultura reside en su alto contenido en materia
orgánica. En las áreas sensibles identificadas, la directiva sobre aguas residuales exige un
tratamiento terciario de éstas (eliminación de los nutrientes). Estos tratamientos también
producen lodos, siempre con alto contenido en nutrientes y de distinta naturaleza según el
proceso utilizado.
Contaminantes orgánicos
Los plaguicidas, los disolventes industriales, los colorantes, los plastificantes, los agentes
tensioactivos y muchas otras moléculas orgánicas complejas, generalmente con poca
solubilidad en agua y elevada capacidad de adsorción, tienden a acumularse en los lodos.
Incluso están presentes en los lodos residuales hidrocarburos aromáticos polinucleares,
procedentes de la combustión de los combustibles fósiles. Todos ellos son motivo de
preocupación por sus efectos potenciales sobre el medio ambiente y, en particular, sobre la
salud humana. Una característica específica de este tipo de contaminantes, en comparación
con los dos anteriores, es su (variado) potencial de biodegradación. Muchas de estas
moléculas tienen un potencial de biodegradación lento, pero significativo. Por tanto, los
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.41
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
sistemas biológicos de tratamiento de aguas residuales, con tiempos de residencia más
largos, tendrán una mayor capacidad para biodegradar estos compuestos indeseables. La
biodegradación también puede ocurrir después de esparcir los lodos en la tierra o durante el
composting.
El Grupo de Trabajo de la OMS sobre Riesgos para la salud de los productos químicos
presentes en los lodos residuales aplicados a las tierras llegó a la conclusión de que "la
absorción total por el hombre de contaminantes orgánicos identificados procedentes de la
aplicación de lodos a las tierras de cultivo es poco importante y probablemente no causará
efectos adversos para la salud". Sin embargo, a pesar de que cada vez se investiga más, el
papel ecotoxicológico de los contaminantes orgánicos en el sistema suelo-planta-agua y en la
cadena alimentaria es aún poco claro.
Agentes patógenos
Los agentes patógenos más importantes que existen en el agua y que se han encontrado en
los lodos son las bacterias (como la Salmonella), los virus (sobre todo, enterovirus), los
protozoos, los trematodos, los cestodos y los nematodos. Como resultado, para que cualquier
vertido de los lodos sea seguro se precisa la eliminación, o al menos una inactivación
suficiente, de estos agentes patógenos. A este fin, se pueden aplicar a los lodos una serie de
tratamientos, como la pasteurización, la digestión aerobia o anaerobia, el composting, la
estabilización con cal, el almacenamiento en estado líquido y la desecación y el
almacenamiento en seco.
Vías de eliminación de los lodos
Las vías tradicionales de eliminación de lodos residuales son:
Transporte a vertederos
Durante las últimas décadas, el transporte a vertederos ha sido y continúa siendo, véase
figura 1, una vía de eliminación de los lodos ampliamente utilizada.
En forma de tablas se presentan los conceptos metodológicos más importantes que son
desarrollados en el diseño y cálculo de los sistemas de tratamiento de aguas residuales
municipales, los cuales son considerados en el Sistema Experto S.E.S.M.T.A.R.M.
TRATAMIENTO Y EVACUACIÓN DEL FANGO
CONCEPTO
Calculo del
Peso
Especifico de
toda la
materia
sólida
FORMULA
Ms = Mf + Mv
Ssρ Sfρ Svρ
Volumen de
un fango
V=
Ms__
ρw Ssl Ps
DEFINICION
Ms = Peso de los sólidos
Ss = peso especifico de los sólidos
ρ = Densidad del agua
Mf = Peso de los sólidos fijo (materia mineral)
Sf = Peso especifico de los sólidos fijos
Mv = Peso de los sólidos volátiles
Sv = Peso especifico de los sólidos volátiles
V = volumen del fango (m³)
Ms = Peso de los sólidos (kg)
ρ = Densidad del agua(10³ Kg/m³=1000Kg/m³)
Ssl = Peso especifico del fango
Ps = Fracción de sólidos expresada en tanto por
uno
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.42
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
Cálculo para
un contenido
dado en
sólidos. El
vol. varía
inversamente
con el % de
mat. Sólida
contenida en
el fango.
Masa de
sólidos
biológicos
sintetizados
diariamente
V 1 = P2
V 2 = P1
V1 y V2 = volúmenes de fango
P1 y P2 = Porcentajes de materia sólida
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.43
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
CONCEPTO
Volumen de
digestor
Cálculo de
las perdidas
de calor a
través de las
paredes
laterales
cubierta y
solera del
digestor
Calculo de la
cantidad de
gas metano
FORMULA
DEFINICION
V = volumen del digestor (m³)
V f = Vol. Diario de fango crudo añadido (m³/d)
V d = Vol. Diario de fango digerido extraido
T = Tiempo de digestión (días)
q = Pérdida de calor (W)
U = coeficiente global de transmisión de calor
(W/m² °C)
A = área de la sección transversal a través de la
cual se produce la perdida de calor (m²)
∆T = caída de Temp..a través de la superficie en
cuestión (°C)
q = UA ∆T
FILTRACIÓN AL VACIO
CONCEPTO
FORMULA
DEFINICION
V = volumen del filtrado (m³)
t = tiempo (seg)
P = presión (N/m²)
A = área (m²)
µ = viscosidad del filtrado (Nseg/m²)
W = masa de sólidos secos x unidad de
volumen de filtrado (Kg/m³)
Rm = resistencia del medio filtrante (m-1)
Ecuación básica de la
Filtración
Para presión
constante
Resistencia especifica
a partir de la ecc.
Anterior
1/2
Rendimiento Del Filtro L = 484.8 ( x PW / µ r θ)
L = rendimiento del filtro (kg solidos secos/m²h)
W = masa de sólidos secos x unidad de
volumen de filtrado (Kg/m³)
P = presión (N/m²)
µ = viscosidad del filtrado (Nseg/m²)
x = tiempo de formación de la torta
r = resistenciaespecifica
θ = tiempo de un ciclo (min)
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.44
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
SECADO TERMICO
CONCEPTO
FORMULA
DEFINICION
Coeficiente de
transferencia de
masa
W = tasa de evaporación (Kg/hr)
ky = coeficiente de transferencia de
masa de la fase gas, (Kg / unidad de
diferencia de humedad (∆H) m² Hr)
Hs = Humedad de saturación del aire en
la interfase fango-aire, (Kg de vapor de
agua/Kg de aire seco)
Ha = humedad del aire de secado (Kg de
vapor de agua/Kg de aire seco)
Calor total requerido
Cp = calor especifico para cada
categoría de sustancias en la ceniza y
gases de combustión
Ws = peso de cada sustancia
T1 y T2 = temperatura inicial y final
λ = calor latente de evaporación por Kg
Ww = peso de la humedad del fango
Valor calorifico
Q = valor calorífico (Kcal/Kg de sólidos
secos)
a = coeficiente (3x105 para el fango
primario, sin tratar o digerir, 2.5x105 para
el fango activado reciente
b = coeficiente (10 para fango primario, 5
para el fango activado)
Pv = % de sòlidos volátiles en el fango
Pc = % de sólidos procedentes del
coagulante añadido al fango
IV.4 RESULTADOS.
Se describió los datos proporcionados por la ingeniería de conocimiento en métodos de
tratamiento de aguas residuales municipales y posteriormente se realizo un análisis
codificándolo en el Shell LEVEL5 OBJECT® para relacionar las variables. Por lo cual, se
conformara el Sistema Experto para Selección de Métodos de Tratamiento de Aguas
Residuales Municipales (SESMTARM) mediante el Shell comercial Level5 Object, donde se
muestra a través de un amplio desplegado fotográfico las características técnicas de los
accesorios y equipos de tratamiento de aguas residuales municipales. Los elementos
aplicados requirieron del análisis profundo y de excelente nivel para definir los factores que
afectan la selección de los conceptos metodológicos de tratamiento de aguas residuales
municipales.
-panorama de los principales métodos de análisis de información
Una vez que los datos proporcionados en el análisis de ingeniería del conocimiento se han
codificado y guardado en el Shell LEVEL5 OBJECT®, se procedio a analizarlos, para lo cual
se dio seguimiento y se contemplaran los siguientes conceptos:
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.45
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
♦ FRAGILIDAD: Dado que los sistemas expertos solamente tienen acceso a un
conocimiento altamente específico del dominio, no pueden retroceder a un conocimiento
más general cuando lo necesitan.
♦ AUSENCIA DE META-CONOCIMIENTO: Los sistemas expertos no tienen un
conocimiento profundo acerca de su propia gestión. Normalmente no pueden razonar
sobre su campo de acción y limitaciones, haciéndolo más difícil frente a su fragilidad.
♦ ADQUISICIÓN DEL CONOCIMIENTO. La adquisición aún ignora el cuello de botella que
supone aplicar la tecnología de los sistemas expertos a nuevos dominios.
♦ Validación: La medición de los resultados de un sistema experto es difícil porque no se
sabe cómo cuantificar el uso del conocimiento. Desde luego que es imposible presentar
pruebas concluyentes formales de la corrección de los sistemas expertos. Una cosa que
se puede hacer es oponer estos sistemas con los seres humanos de cara a los problemas
del mundo real.
Por otro lado la codificación del conocimiento experto en Level5 Object, implica
desplegar otros programas como el Visual Basic, C++ y el dBASE III. Cada vez que se
despliega una base de conocimientos en Level5 Object, este la reconoce nuevamente,
requiriendo tener mucho cuidado al estar validándola.
Por lo que el procedimiento de validación solamente se podrá alcanzar hasta que se
genere una amplia interacción con los usuarios finales.
IV.5 CONCLUSIONES.
♦ La caracterización y calificación de las diferentes tecnologías de tratamiento de aguas
residuales municipales con el objetivo de modelar un sistema experto para ingeniería de
plantas de tratamiento de aguas residuales municipales a nivel de decisión en función de
las diferentes variables infraestructuras necesarias y condiciones técnico socioeconómicas
fue amplia formándose cuadros y diagramas con todos los conceptos metodológicos
relevantes en los sistemas de tratamiento de aguas residuales, planteándose los sistemas
para el método de tratamiento biológico. Se aplicaron los que los principales factores que
afectan la selección del método de tratamiento biológico, los cuales son: las características
del cálculo para un contenido dado en sólidos. El volumen varía inversamente con el % de
materia Sólida contenida en el fango. Calculo del Peso Especifico de toda la materia
sólida. Masa de sólidos biológicos sintetizados diariamente. Volumen de tanque de lodos
activados y digestor.
♦ El buen manejo y administración de los anteriores factores mediante el sistema experto
permitirá favorecer la eficiencia en el diseño de los sistemas de tratamiento de agua
residual municipal al seleccionar la tecnología de tratamiento de aguas residuales más
eficiente, en concordancia con las condiciones propias de la urbe de estudio.
♦ La Ciudades seleccionada Toluca Edo. de Méx., Cd. de México DDF, Cd. de Pachuca
Hgo., es considerada de alto impacto en generación de aguas residuales municipales por
su alto nivel de urbanización, motivo por el cual es necesario aplicar medidas de
corrección a la carga contaminante de las aguas residuales que inciden directamente en
sus ríos, tal medida comienza desde la instrumentación de una herramienta informática en
toma de decisiones como lo es el Sistema Experto para Selección de Métodos de
Tratamiento de Aguas Residuales [S.E.S.M.T.A.R.M.], la cual es una opinión virtual que no
tiene sesgos ni intereses creados.
♦ El Sistemas Expertos es una rama de la inteligencia artificial que al hacer uso de Level5
Object utiliza una serie de técnicas en Visual Basic y C++ (independientes de la aplicación
en que se usan), aplicación para el desarrollo de programas que utilizan una base de
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.46
CGPI No. 20040375
Sistema Experto para Selección de Métodos de Tratamiento de Aguas Residuales Municipales.
Director de Proyecto de Investigación CGPI 20040375: Dr. Raúl Tito Monroy Salgado.
Anexo IV. Desarrollo Tecnico de la Investigación.
♦
♦
♦
♦
♦
♦
conocimientos (en dBASE III) para emular el proceso de toma de decisiones que un
experto humano aplica para resolver un problema.
Un sistema experto es aplicable solamente a un dominio de conocimiento restringido. El
dominio del conocimiento es el conocimiento que tiene el experto sobre la solución de
problemas en el dominio del problema. Por lo cual requiere constantes evoluciones en el
campo de la ingeniería del conocimiento, recurriendo al paradigma de Sistemas Expertos e
Ingeniería del Conocimiento.
Los sistemas expertos están limitados por la información en la base de conocimiento y por
la naturaleza del proceso utilizado para crearlo. Otra limitante es que los sistemas expertos
solo pueden generar conclusiones que ya están implícitas en ellos.
En términos generales, los sistemas expertos pueden ser la mejor alternativa para
proporcionar una solución al problema si éste es complejo y no hay una solución
algorítmica eficiente.
LEVEL5 OBJECT es un equipo de herramientas de inteligencia artificial, aplicadas al uso,
servicio y orientación en el desarrollo del software de sistemas expertos, con lo cuál las
aplicaciones complejas se pueden crear, incluso con pequeña o ninguna experiencia de la
programación. Es un idioma de alto nivel llamado PRL, que se usa como la sintaxis en
inglés.
LEVEL5 OBJECT captura reglas simples y por medio del mecanismo de inferencia de
reglas del sistema, Level5 Object puede: razonar y modelar, accionado mecanismos
disparadores, que pueden reaccionar a las situaciones descritas en las reglas. El Idioma
de Producción de Regla (PRL), es el idioma para el desarrollo de bases de conocimiento.
Integrando las bases de conocimiento en una interacción con Level5 Object. Por lo cual,
Level5 Object es el medio para organizar, dirigir las acciones y descripción de situaciones
que definen el conocimiento a aplicar.
Level5 Object puede ser usado al crear aplicaciones grandes y complejas que aplican
muchas formas de conocimiento al resolver un problema difícil.
IPN ESIA-EZ SEPI México, D.F., mayo 09 de 2005. P.47