CAPITULO VIII

INTRODUCCIÓN

Cualquiera sea el negocio particular, los desafíos que enfrenta una empresa moderna – grande o pequeña – es mejorar la calidad de sus productos y la eficiencia de su producción, y al mismo tiempo mantener su responsabilidad medioambiental y de seguridad. No es ninguna sorpresa que la automatización de los sistemas sea un contribuyente importante para lograr las metas, en que la satisfacción del cliente y la ventaja competitiva de la compañía, sea lo primordial. Las fases vitales de la automatización de un sistema son; modelado, visualización, plan de control y aplicación. Cualquier proceso – mecánico, químico, aeronáutico, etc. – debe entenderse antes de que pueda mejorarse. Los recientes adelantos en software del modelado dinámico para los sistemas de eventos continuos y discretos, hacen más fácil desarrollar simulaciones de problemas del mundo real, técnicamente definidos como complejos ( procesos multivariables no lineales). Las técnicas de diseño de sistemas de control multivariable y control adaptable, pueden mejorar la actuación de los procesos que cambian con el tiempo. Las técnicas inteligentes usan redes neuronales, algoritmos genéticos y lógica difusa para lograr el control de sistemas con características inciertas.

En este capitulo nos centraremos en conocer un poco más de los Sistemas de Control Distribuido, Controladores Programables, Controles Avanzados, Sistemas Expertos, Lógica Difusa y Redes Neuronales.

8-1

CAPITULO VIII

SISTEMA DE CONTROL DISTRIBUIDO (TDC – 3000) 1.

Introducción

El control de procesos industriales, tanto desde el punto de vista de las estrategias de control así como de las tecnologías, ha evolucionado de manera muy importante durante las últimas décadas. La industria química fue una de las primeras en aceptar el concepto de control digital por computador. Las primeras aplicaciones de computadores datan de mediados de la década de 1950, usándose al comienzo sólo para monitoreo. Luego el control de lazos cerrados comienza a ser popular y surgen las primeras aplicaciones de control digital directo (DDC), así como el control de set points desde un computador central. A medida que se desea aplicar técnicas más avanzadas de control u optimización, el tamaño de estos computadores crece cada vez más, aumentando también la complejidad de su operación y el costo de instalación de estos computadores centrales.

8-2

CAPITULO VIII

2. Descripción General del Sistema

En la figura 2.1 podemos ver la arquitectura de un sistema de control distribuido TDC3000. En ella se pueden distinguir claramente 3 vías de comunicación; dos vías de comunicación de alta velocidad de transmisión (5 Mbits/seg) llamadas LOCAL CONTROL NETWORK (LCN) y UNIVERSAL CONTROL NETWORK (UCN), y una vía de comunicación de baja velocidad de transmisión (250 Kbits/seg) llamada DATA HIWAY. En el LCN están conectados los equipos de sala de control, módulos e interfaces (gateways), los cuales constituyen los nodos del LCN. En la Data Hiway y UCN se conectan los equipos de entrada/salida al proceso. Toda la labor de control y adquisición de datos se realiza, tanto en las cajas de la Data Hiway como en los dispositivos de la UCN. Cada caja o dispositivo cuenta con los elementos electrónicos necesarios para realizar las labores asignadas en forma independiente de los demás equipos conectados a la red. En el LCN converge la información de todas las Data Hiway y/o UCN’s conectados a él. Esta información es entregada al operador a través de las estaciones de operación (conectadas al LCN), que se conocen con el nombre de Estaciones Universales.

8-3

CAPITULO VIII

Mediante estas estaciones el operador puede conocer el estado del proceso, el estado del sistema y puede operar la planta. Dado que en el nivel del LCN se cuenta con la información de toda la planta, resulta el lugar adecuado para realizar funciones de control superior (control supervisor, control avanzado, etc.) y manejo de información histórica, es así que el sistema cuenta con módulos adecuados que permiten efectuar esta labor. Equipos externos al sistema pueden ser conectados a éste a través de interfaces orientadas a la integración con otros sistemas, por ejemplo la interfaz PLC GATEWAY.

3.

Vías de Comunicación

3.1.

Local Control Network (LCN)

En la red LCN se junta toda la información de la planta. Se recolecta la información proveniente desde terreno, a través de otras vías de comunicación, y se reciben las solicitudes de los operadores a través de las estaciones de trabajo. En el LCN todos los datos de proceso provenientes de las redes conectadas al proceso están disponibles para la operación, control, historia, y funciones administrativas. En ella se puede realizar estrategias de control avanzando y un manejo centralizado de la información. -

Sistema redundante de comunicación. Velocidad de transmisión de datos de 5 Mbits/seg. Protocolo de comunicación de Token Passing. Permite conectar hasta 20 redes de comunicación (UCN o Data Hiway)

Los equipos que se conectan al LCN más utilizados son: -

Estación Universal (US) Hiway Gateway (HG) Network Interfase Module (NIM) Módulo de Historia (HM) Módulo Computador (CM) Módulo de Aplicación (AM)

8-4

CAPITULO VIII

3.2.

Data Hiway

La Data Hiway es una versión antigua de la UCN pero realiza la misma función. Ambas son vías de comunicación. La Data Hiway se comunica al LCN a través de una interfaz de comunicación llamada Hiway Gateway. Tiene una velocidad de transmisión de datos de 256 Kbits/seg. Entre los principales equipos conectados a la Data Hiway se tiene: -

El Controlador Básico (BC) El Controlador Multifunción (MC) La interfaz a los Controladores Programables (DHP) Las Unidades de Adquisición de Datos (HLPIU, LLPIU, LEPIU)

8-5

CAPITULO VIII

3.3.

Universal Control Network (UCN)

Es una red de control de proceso de alta velocidad (5 Mbits/seg) y gran seguridad. La UCN se conecta a la LCN a través del dispositivo NIM (Network Interface Module). En una misma LCN se pueden conectar hasta 20 UCN’s, 10 Data Hiways ó una combinación de ambas con un límite de 20 en total. El uso de cables redundantes y la verificación de cada mensaje recibido, hace a ésta una red muy segura. Cualquier error detectado puede ser corregido solicitando una retransmisión del mensaje. Cada nodo está diseñado para que frente a una falla en sus circuitos, la comunicación en la red no se vea alterada.

Las principales características son: - Sistema redundante de comunicación que interconecta diferentes equipos para la adquisición de datos y control de variables. - El protocolo de comunicación es el de Token Passing. - Se pueden conectar hasta 32 nodos. - La mayoría del hardware de los equipos es redundante, lo que significa una gran seguridad en la operación del proceso sin caídas del sistema. La UCN incorpora al mercado dos poderosos equipos que engloban las funciones de todos los anteriores equipos de la Data Hiway; - Process Manager (PM) y su versión mejorada Advanced Process Manager (APM). - Logic Manager (LM).

8-6

CAPITULO VIII

4.

Nodos del LCN

4.1.

Hiway Gateway (HG)

Este equipo está encargado de comunicar el LCN con el Data Hiway, realizando el cambio de protocolo de comunicación necesario para permitir un intercambio eficiente de información. El HG realiza una función de conversión y linealización de los datos, es capaz de detectar qué caja está mandando la información. El HG permite accesar hasta 3000 puntos de proceso. 4.2.

Network Interface Module (NIM)

El NIM es un equipo equivalente a la HG en las funciones que realiza, sin embargo difiere con la HG en que esta interfaz es capaz de manejar 8000 puntos en ves de 3000. La NIM permite traspasar los datos de proceso, comandos del operador y estados del sistema entre los dispositivos de la UCN y la red LCN. Almacena, también, parte de la base de datos de la configuración vigente en los equipos conectados al UCN. 4.3.

Enhanced PLC Gateway (EPLCG)

Permite un enlace directo entre la LCN y redes de Controladores Programables. Puede, también, enlazar otros dispositivos que utilicen el mismo protocolo de comunicación tales como subsistemas de monitoreo de vibraciones y analizadores.

8-7

CAPITULO VIII

4.4.

Estación Universal (US)

La estación universal corresponde al nodo del LCN destinado a servir de interfaz entre el usuario y el sistema TDC3000.

La US está compuesta por los siguientes elementos; - Monitor de Video. - Teclado de Operador: es un teclado de membrana de 149 teclas con realimentación audible. - Sistema Touch Screen: consiste en una serie de sensores infrarrojos localizados en el contorno de la pantalla, que hacen que esta sea sensible al tacto. - Modulo Electrónico: módulo donde se aloja toda la electrónica que maneja la estación universal. - Teclado de Ingeniero: es un teclado opcional portátil similar al teclado de los computadores personales que permite realizar la configuración del sistema. - Periféricos: son los dispositivos electrónicos opcionales; unidad de disco, impresora y registradores.

8-8

CAPITULO VIII

4.5.

Módulo de Historia (HM)

El Módulo de Historia realiza tres grandes funciones en el sistema: - Almacena el software del sistema. - Almacena la base de datos de todo el sistema, es decir, la configuración. - Realiza registro histórico de variables, pudiendo acumular hasta un año de información comprimida. El HM puede configurarse con discos redundantes, de modo de tener 2 unidades de disco duro, sincronizadas, almacenando en forma simultánea la misma información. Los eventos del proceso y del sistema también son almacenados históricamente, tales como el registro de acciones del operador, alarmas del proceso, errores del sistema, indicaciones de mantención del sistema, etc.

8-9

CAPITULO VIII

4.6.

Módulo de Aplicaciones (AM)

El Módulo de Aplicaciones es un equipo diseñado para realizar funciones de control avanzado. Su ubicación en el LCN le permite accesar y manejar toda la información del sistema, sin importar de qué red provenga dicha información. El módulo de aplicación dispone de una base de datos especialmente diseñada y estructurada para obtener datos de cualquier entrada de terreno del sistema, realizar cálculos complejos en tiempo real e interactuar con los controladores del nivel básico, proporcionando los setpoints o las salidas directas a terreno (control digital directo). De este modo, se pueden realizar elaboradas estrategias de control avanzado que no es posible implementar en los controladores del nivel básico.

8 - 10

CAPITULO VIII

4.7.

Personal Computer Network Manager (PCNM)

El sistema PCNM funciona como un módulo del TDC 3000 e incorpora un administrador de Microsoft OS/2 que permite conectar computadores personales a una red, accesar datos del LCN, tanto en tiempo real como historizados. Los datos son recuperados a través de la Computer Gateway (CG) y almacenados en una base de datos, en tiempo real, en el servidor de la PCNM.

8 - 11

CAPITULO VIII

4.8.

Network Gateway (NG)

La Network Gateway conecta la LCN a un Plant Information Network (PIN). permite comunicar redes LCN geográficamente separadas.

5.

Cajas de la Data Hiway

5.1.

Director de Tráfico de la Data Hiway (HTD)

Esto

Es un dispositivo con electrónica redundante que controla la comunicación de los equipos conectados en el Data Hiway. Su misión más importante es administrar el tiempo de uso de la vía de comunicación, de manera que cada dispositivo conectado a la red tenga acceso a ella de manera equitativa. Tipos de dispositivos conectados al Data Hiway y controlados por el HTD: - Dispositivo de Acceso Preferencial, comprende a las estaciones básicas de operación, los computadores y los Hiway Gateways. - Dispositivos de Llamadas, corresponden a las Process Interface Unit (PIU) y al Data Hiway Port (DHP), unidades que reportan cambios del proceso a los dispositivos de acceso preferencial. Para accesar la vía de comunicación usan un sistema de llamado al HTD, el cual le da acceso a la Data Hiway. - Dispositivos de Sólo Respuesta, corresponden a los controladores básicos, no pueden originar mensajes, sólo pueden responder a comandos de lectura y escritura generadas por los dispositivos de acceso preferencial.

8 - 12

CAPITULO VIII

5.2.

Controlador Básico (CB)

El controlador básico es una caja con tarjetas electrónicas basadas en microprocesadores, que en su conjunto permiten realizar hasta 8 lazos de control y 8 indicaciones.

5.3.

Controlador Multifunción (MC)

Está compuesto de varias cajas con tarjetas electrónicas basadas en microprocesadores, que en su conjunto permiten mandar y recibir señales de la planta, ejecutar hasta 16 lazos de control y correr hasta 16 programas escritos por el usuario. A diferencia del CB, este equipo puede manejar señales digitales (estados de equipos) y se pueden implementar bloques lógicos, lo cual permite implementar lógicas de enclavamiento para la seguridad del proceso.

8 - 13

CAPITULO VIII

5.4.

Process Interface Unit (PIU)

Las unidades de interfaz al proceso (PIU), constituyen una familia de equipos basados en microprocesadores, conectados al Data Hiway, que permiten realizar funciones de adquisición de datos y acciones de comando.

Estos dispositivos, leen periódicamente la información proveniente de los instrumentos de terreno, la procesan y la guardan en memoria, donde puede ser accesada por demanda.

La lógica de la PIU no la faculta para realizar acciones de control continuo o batch, sólo le permite realizar funciones de comando on/off, adquisición de información y manejo de salidas analógicas en forma manual.

6.

Equipos de la UCN

6.1.

Process Manager (PM)

El Process Manager es un equipo de adquisición y control de datos de proceso conectado a la UCN, el cual realiza, principalmente, las siguientes funciones; - Adquisición de datos analógicos y digitales con fines de monitoreo y control. - Control de procesos empleando algoritmos de control y/o programas de control, con el fin de manejar actuadores de terreno analógicos y/o digitales. - Implementación de enclavamientos y funciones lógicas. Cada process manager puede estar compuesto hasta por 8 files de 15 slots cada uno donde se colocan las tarjetas (procesadores), unidos por una vía de comunicación llamada I/O Link, más el grupo de tarjetas de comunicación y control llamadas (PMM).

8 - 14

CAPITULO VIII

Todas las señales de terreno son manejadas por los procesadores de entrada/salida (IOP), en los cuales se realiza el muestreo y conversión A/D de las señales externas y otras funciones adicionales como ser filtrado, conversión a unidades de ingeniería, etc. Cada IOP recibe (envía) señales desde (a) terreno a través de tarjetas terminales denominadas Field Terminal Assemblys (FTA). Se conecta a estas tarjetas mediante un cable multiconductor de 50 pares que puede tener una longitud máxima de 15 mts.

8 - 15

CAPITULO VIII

8 - 16

CAPITULO VIII

6.2.

Advanced Process Manager (APM)

El advanced process manager realiza las mismas funciones que el PM, pero posee nuevas funciones y capacidades. Se ha agregado un nuevo punto de control llamado Device Control. Este permite manejar motores con toda la información en un solo punto (estado, comandos partir/parar, lógica de enclavamiento, corriente de enrollado, estadísticas de mantenimiento, etc.)

8 - 17

CAPITULO VIII

6.3.

Logic Manager (LM)

El Logic Manager es un equipo de adquisición y control de datos de proceso el cual se conecta a la vía de comunicación UCN, para cumplir la función de manejo rápido de señales y lógica discreta y comunicación con el PM.

Funcionalmente, el LM se compone de un Controlador Lógico Programable (PLC) que contiene un módulo de dos slots denominado Logic Manager Module (LMM), el cual permite la comunicación e implementación de una base de datos compatible con el sistema TDC3000. Además contiene un módulo denominado System Control Module (SCM) que es una extensión funcional del módulo procesador que coordina la interacción de los dispositivos instalados en el rack del procesador.

8 - 18

CAPITULO VIII

CONTROLADORES LOGICOS PROGRAMABLES (PLC) 1.

Introducción

Los Controladores Lógicos Programables (PLC) aparecieron a mediados de los 70 para reemplazar los sistemas lógicos basados en relés. Hoy en día los PLC han pasado a formar parte del equipamiento común de muchas industrias químicas, de refinación y del área de la energía, ejecutando tareas de enclavamiento y seguridad, así como también de control secuencial. Como pueden manejar señales analógicas, incluso algoritmos PID, los PLC se transformaron en un serio competidor de los sistemas de control distribuidos en plantas y/o unidades pequeñas y medianas. Finalmente, su interconectividad les permite la comunicación con un equipo central (computador personal, sistema de control, etc.), de modo que pueden integrarse al manejo centralizado de las operaciones.

2.

Arquitectura

La arquitectura de los PLC modernos se asemeja bastante a la del APM (Advanced Process Manager) del TDC-3000 (aunque lo correcto sería decir que este último se asemeja en su estructura a un PLC). Cuenta con chasis en el que se aloja el procesador (CPU) y el módulo de redundancia, más una fuente de poder. Además cuenta con bastidores (o chasis) separados, que alojan a los módulos de entrada y salida. La comunicación entre el procesador y los dispositivos de entrada/salida se realiza a través de una vía de comunicación serial llamada RIO (Remote Input/Output); cada chasis de entrada/salida cuenta para ello con un módulo llamado Remote Input/Output Adapter, que actúa como interface. Ver figura. En el procesador residen las principales funciones, como el almacenamiento y la ejecución del programa de aplicación, la comunicación con un PC portátil para programación y diagnóstico, y el manejo de la comunicación con los dispositivos de entrada/salida. Posee además una interfaz con otras vía de comunicaciones, tales como TDC-3000. Dicha vía de comunicación se denomina Data Hiway Plus (DH+).

8 - 19

CAPITULO VIII

3.

Redundancia

En los PLC, la redundancia se da sólo a nivel del procesador, es decir, los módulos de entrada/salida no cuentan con similares de respaldo. La ausencia de un mecanismo de respaldo para los módulos de entrada/salida puede suplirse con la adición de módulos y una adecuada programación.

4.

Comunicación

El PLC como todo dispositivo digital, maneja bits y palabras (16 bits por palabra). Dependiendo de las funciones internas, el programador agrupa los bits y palabras en diferentes archivos, los que se identifican mediante una letra inicial y un número.

8 - 20

CAPITULO VIII

CONTROLES AVANZADOS Durante los últimos 30 años, mucho se ha escrito sobre control avanzado; la teoría subyacente, estudios de implementación, declaraciones sobre los beneficios que sus aplicaciones traerán y proyecciones de tendencias futuras. Durante los años sesenta, el control avanzado fue tomado para medir cualquier algoritmo o estrategia que se desviara de los clásicos tres términos de control, Proporcional-Integral-Derivativo (PID). La implementacion de computadoras en el proceso significó que pudieran aplicarse algoritmos que no podrían comprenderse usando tecnología analógica ahora. El control multivariable se volvió una alternativa factible. De hecho, la proliferación de metodologías de control avanzado sólo puede atribuirse a los avances hechos en la industria de la electrónica, sobre todo en el desarrollo a bajo costo de los dispositivos digitales de computación, hacia 1970. Hoy e día, el control avanzado es sinónimo de la aplicación de tecnologías basadas en computadoras. El Control Avanzado más que el uso de computadores multiprocesos o softwares innovadores, describe una práctica en el uso de Ingeniería de Control, Estadísticas, Teoría de Decisiones, Inteligencia Artificial, etc.

1.

Modelos

El uso de modelos reduce la necesidad de la experimentación real y facilita el logro de muchos propósitos diferentes, como reducir costos, riesgos y tiempo.

8 - 21

CAPITULO VIII

En términos de los requerimientos del control, el modelo debe contener información que permita la predicción de las consecuencias en el proceso al cambiar las condiciones de operación. Dentro de este contexto, un modelo podría ser una descripción matemática o estadística de aspectos específicos del proceso. También puede estar en la forma de descripciones cualitativas del comportamiento del proceso. Una categorización no exhaustiva de modelos se muestra en la Fig.1. Dependiendo de la taréa se emplearán diferentes tipos de modelos.

2.

Modelos Matemáticos Modelo Mecanizado:

Si es conocido el proceso y sus características se definen bien, entonces un set de ecuaciones diferenciales pueden ser usadas para describir su comportamiento dinámico. Esto es conocido como el desarrollo de un “modelo mecanizado”. El modelo mecanizado normalmente se deriva de la física y química que gobierna al proceso. En muchos casos, típicamente debido a contratiempos financieros y de tiempo, el desarrollo de modelos mecanizados puede no ser prácticamente factible. Esto es particularmente verdad cuando el conocimiento sobre el proceso es inicialmente vago o si el proceso es tan complejo que las ecuaciones resultantes no pueden resolverse. Bajo tales circunstancias, los modelos empíricos o de “caja negra” puden ser construidos usando datos coleccionados de planta. Modelo de Caja Negra: El modelo de caja negra describe las relaciones funcionales entre las entradas del sistema y los rendimientos del sistema. Los parámetros de estas funciones no tienen importancia física en términos de equivalencia de procesos, tales como calor o coeficientes de transferencia de masa, cinética de reacciones químicas, etc. Esta es la desventaja de los modelos de caja negra comparado con modelos mecanizados. Sin embargo, si el objetivo es representar fielmente algunas tendencias en el comportamiento del proceso, entonces la aproximación del modelo de caja negra es efectivo. Es más, el costo de modelado es órdenes de magnitud más bajo que el asociado al desarrollo de modelos mecanizados.

3.

Modelos Cualitativos

Hay casos donde la naturaleza del proceso impide la descripción matemática de éste, por ejemplo cuando el proceso es operado en distintas regiones de operación o cuando los límites físicos existen, esto produce discontinuidades que no son sensibles a las descripciones matemáticas, en este caso pueden formularse modelos cualitativos. La forma más simple de un modelo cualitativo es el modelo basado en reglas, que hace uso de el “SI-ENTONCES-SINO” para describir el comportamiento del proceso.

8 - 22

CAPITULO VIII

4.

Modelos Estadísticos

La descripción de los procesos en términos estadísticos es otra técnica del modelado. El acercamiento estadístico se hace necesario por las incertidumbres que rodean algunos sistemas del proceso. Esta técnica tiene raices en el análisis de los datos estadísticos, tería de información, teoría de juegos y la teoría de sistemas de decisión.

La utilización de modelos de probabilidad, caracterizados por las funciones de probabilidad y densidad de las variables, como la distribución normal, proporciona información sobre la probabilidad que una variable pueda tomar cierto valor. La dinámica del sistema no es capturada por modelos estadísticos. Sin embargo, en la práctica del control moderno, ellos juegan un papel importante particularmente ayudando a tomar decisiones a un nivel más alto, supervisando procesos, análisis de datos y obviamente, en Control de Procesos Estocásticos.

5.

Filosofía del Control Avanzado

El control local es implementado, usando controladores apropiados, para mantener el proceso operando en las condiciones deseadas. Aquí, el tipo de controladores locales empleado depende de la tarea a realizar. Aunque es más fácil de poner a punto y mantener a los controladores simples, algunos procesos requieren control por algoritmos más sofisticados. Sin embargo, a menos que se instalen tales controladores sofisticados y sean mantenidos por personal especializado bien entrenado, ellos pueden ser propensos al fracaso. Hasta la última década, las más altas tareas de supervisión, optimización, y vigilancia eran llevadas por sere humanos. Debido a la incorporación de tecnología moderna, y los adelantos en el campo de la

8 - 23

CAPITULO VIII

Inteligencia Artificial, éstos pueden automatizarse ahora. En particular, la instalación, funcionamiento e integridad de controladores modernos pueden ser dirigidas por sistemas de nivel más altos. El control avanzado es la aplicación de esta información jerárquica y estructura del control. El flujo de información es bidireccional, de la capa de la dirección hasta el proceso y viceversa. La tarea aquí es poder integrar varios omponentes en un modo eficáz y manejable. El control avanzado, hoy día, juega un papel muy importante en el avance de la ciencia y de la ingeniería, para esto utiliza como herramienta el control automático. Ha colaborado en el desarrollo de por ejemplo sistemas de guía de proyectiles, sistemas de piloto automático de aeronaves, sistemas robóticos, control numérico de las máquinas herramientas de la industria manufacturera y otros. Además los avances en la teoría y práctica del control automático y avanzado brindan medios para lograr el funcionamiento óptimo de sistemas dinámicos, mejorar la productividad, liberarse de la monotonía de muchas operaciones manuales rutinarias y repetitivas, y otras ventajas.

8 - 24

CAPITULO VIII

SISTEMAS EXPERTOS 1.

Introducción

Los sistemas expertos corresponden a un subcampo de la inteligencia artificial junto con los sistemas de lenguaje natural, los sistemas de reconocimiento de imágenes y la robótica. Un sistema experto puede almacenar el conocimiento de expertos para un campo de especialidad determinada y muy estrechamente delimitada, y con ello lograr solucionar un problema mediante la deducción lógica. La base de este avance tecnológico fue el desarrollo de nuevos lenguajes de programación que permitieron representar y procesar expresiones y amplias estructuras de conocimiento. Los sistemas expertos encuentran aplicación en las áreas donde existen conocimientos especializados y en donde no es rentable una solución convencional de procesamiento de datos. Se debe destacar el amplio campo o la gran diversidad de áreas del que hacer humano donde se pueden aplicar y desarrollar sistemas expertos, como por ejemplo: en el ámbito militar, medicina, psicología, aeronáutica, matemáticas, planificación financiera, biología, cardiología, sistemas CAD, diseño de chips, y un sin numero de otras aplicaciones.

2.

Definición

Un sistema experto es la incorporación dentro de un sistema computacional de un componente basado en el conocimiento, correspondiente a una habilidad experta, de tal forma que el sistema pueda ofrecer asesoramiento inteligente o tomar una decisión inteligente sobre una función del proceso. Una característica adicional deseable, que muchos consideran fundamental, es la capacidad del sistema, si se le solicita, de justificar su propia línea de razonamiento de un modo directamente inteligible para el interrogador. El estilo adoptado para alcanzar estas características es la programación basda en reglas. Sus dos componentes principales son la base de conocimientos y un programa de inferencia. El conocimiento se representa mediante el úso de símbolos, y así se crea una base de conocimiento. Una vez creada la base de conocimiento, se debe diseñar un método para utilizarla, que es el programa de inferencia. El programa de inferencia manipula la información simbólica almacenada en la base de conocimiento mediante un proceso de búsqueda.

3.

Ventajas

Uno de los grandes problemas a los que se enfrenta el analista es el gran caudal de información a manejar, que puede afectar negativamente a la toma de decisiones. Ante tal circunstancia los sistemas expertos pueden ser unos valiosos aliados.

8 - 25

CAPITULO VIII

Los sistemas expertos recopilan los datos, los analizan y asimilan, convierten grandes volúmenes de datos en información útil. Cuando se requiere analizar un gran volumen de datos en un corto espacio de tiempo. El experto humano se verá obligado a despreciar parte de la información desechando la que no considere relevante; sin embargo, el sistema experto, dada su mayor velocidad de proceso, puede analizar toda la información, sin que aparezca fatiga u otros efectos propios del ser humano que empeoran los resultados. Cuando la decisión exige aplicar conocimientos en varios campos.

4.

Limitaciones La programación es muy difícil de elaborar y precisan mantenimiento complejo.

Posee un elevado costo en tiempo y dinero para extraer el conocimiento de los especialistas humanos. Además, los especialistas pueden estar en desacuerdo entre ellos mismos a la hora de tomar las mejores decisiones para la solución de problemas particulares. Posee poca flexibilidad a los cambios, hay que reprogramar el sistema. Dificultad para manipular la información no estructurada, especialmente la información incompleta, inconsistente o errónea.

8 - 26

CAPITULO VIII

LOGICA DIFUSA 1.

Introducción

En la resolución cotidiana de los problemas que se presentan en ingeniería coexisten dos tipos de conocimientos principales; Conocimiento Objetivo, que incluye ecuaciones de modelado, leyes físicas, datos experimentales, y en general todo el conocimiento que se expresa en términos matemáticos. Conocimiento Subjetivo, que se relaciona con información expresada en forma lingüística y que es difícil de cuantificar, pero que a menudo se utiliza para la evaluación cualitativa y supervisión de las soluciones y diseños formales. Dependiendo del contexto de aplicación esta segunda forma, a pesar de su grado de subjetividad, puede entregar una mejor información a la persona que diseñe o evalúe un desempeño. A medida que los sistemas se van tornando más complejos, cada vez es más difícil hacer afirmaciones sobre su comportamiento que sean a la vez exactas y significativas. La incorporación de clases definidas en forma “imprecisa” constituyen la base de la lógica difusa, estas se presentan como una extensión que puede ser de utilidad en la resolución de algunos problemas que por su complejidad, inexactitudes o no linealidades sean difíciles de tratar con métodos más convencionales.

2.

Estructura General

Un sistema de lógica difusa (SLD) es una relación o mapeo no lineal de un vector de datos de entrada a una salida escalar.

8 - 27

CAPITULO VIII

La figura muestra la estructura básica de un controlador difuso y está compuesto por cuatro secciones principales: Base del conocimiento, se expresan usando argumentos del tipo, Si ⇒ Entonces (If ⇒ Then), por ejemplo: “si el agua está muy fría, entonces debo aumentar fuertemente la energía”. Las reglas pueden ser proporcionadas por expertos o extraídas desde un conjunto de datos numéricos. Fuzyficador, transforma los números exactos en conjuntos difusos, sobre los cuales se puede operar usando lógica difusa. A cada variable lingüística se le asocia un grupo de conjuntos difusos. Máquina de inferencia, relaciona los conjuntos difusos de entrada con los de salida, tomando en cuenta las reglas contenidas en la base del conocimiento. Existen diversos procedimientos de inferencia, que permiten regular la forma en que las reglas son combinadas. Defuzificador, en esta etapa, el conjunto difuso de respuesta es transformado a un número exacto, debido a que en la mayoría de las aplicaciones de ingeniería se requiere contar con números exactos a la salida del sistema.

3.

Aplicaciones En la actualidad se perfilan 4 grandes áreas de desarrollo de la lógica difusa; Control Difuso, basado en el sistema de control de proceso.

Análisis difuso de datos, reducción de la complejidad de un conjunto de información para lograr una mejor comprensión por parte de los seres humanos. Su principal aplicación está en el campo de la lectura de manuscritos, procesamiento de imágenes, análisis de espectros y procesamiento de señales de sensores. Sistemas expertos difusos, utilizan la lógica difusa para configurar un “shell”, a partir del conocimiento difuso de un experto. Investigación de operación difusa, se encuentra en la programación lineal difusa, los modelos difusos de colas y el análisis difuso de redes, además de la planificación estratégica de la producción.

4.

Conjuntos Difusos

Un conjunto difuso F, definido en un universo U, se caracteriza por su función de pertenencia µF(x), cuyo recorrido se encuentra en el intervalo [0,1]. Un conjunto difuso es una generalización de un conjunto exacto, en cuanto los elementos de éste pueden tomar valores de pertenencia 0 o 1, mientras que los elementos de un conjunto difuso pueden asumir valores de pertenencia a lo largo del intervalo [0,1].

8 - 28

CAPITULO VIII

Si se considera por ejemplo la variable lingüística “temperatura del agua” en un universo U = [0,100] ºC, esta variable se podría descomponer en una serie de términos tales como: muy frío, frío, tibio, caliente y muy caliente. Se puede asociar entonces una función de pertenencia a cada uno de estos términos, tal como se observa en la figura. Si se tiene una medición de temperatura de 70 ºC se puede decir que tiene un grado de pertenencia de 0,8 al conjunto de temperatura caliente, una pertenencia de 0,2 al tibio y pertenencia cero a todos los demás conjuntos difusos de la variable. Es interesante observar que para un valor dado de la medición puede existir más de un conjunto difuso para el cual el valor de pertenencia sea distinto de cero, debido a la superposición en las funciones de pertenencia. Esto le da mayor robustez al sistema, ya que expresa la observación de que un vaso de agua pude estar “mitad vacío o mitad lleno”, según se lo mire.

5.

Ventajas del Uso de Lógica Difusa

La lógica difusa elimina los altos contenidos de matemática y física de un proceso y va directo al nivel en que el sistema trabaja, esto permite aproximarse intuitivamente a la solución de un problema mediante la formulación de reglas. La forma de expresar las reglas de operación mediante palabras permite controlar procesos sencillos con una decena de reglas, y procesos complejos con 30 o 40 reglas, reduciendo considerablemente la cantidad de código de programación, y por tanto el tiempo de diseño y la cantidad de memoria para almacenarlo. Otra ventaja del control difuso es la fácil modificación que puede llevarse a cabo cambiando algunas premisas y operaciones, o adicionando reglas, mientras en un sistema convencional, un pequeño cambio requiere de la derivación completa de nuevas ecuaciones. El control difuso no necesita de la etapa de obtención del modelo matemático del proceso.

8 - 29

CAPITULO VIII

REDES NEURONALES 1.

Introducción

La incapacidad de la generación actual de computadores para interpretar el mundo en general, ha llevado a quienes diseñan computadores a crear sistemas de computadores más inteligentes. Hay muchas aplicaciones que se desearían automatizar, pero no se ha hecho por lo complejo que sería la programación de un computador para llevar a cabo esas tareas. Los problemas son difíciles de resolver empleando sistemas de computadores secuenciales. Esta distinción es importante. Si la única herramienta de la que se dispone es un computador secuencial, entonces de forma natural, se intentará resolver todos los problemas en términos de algoritmos secuenciales. Uno de las mayores dificultades se encuentra al intentar hacer que un computador secuencial lleve a cabo una tarea que sea intrínsecamente paralela, por ejemplo reconocimiento de una figura en perspectiva. ¿Cómo es que el ser humano reconoce fácilmente una figura en perspectiva, mientras un computador no puede hacerlo? A esta pregunta, responde en parte, el hecho que la arquitectura del cerebro humano es significativamente distinta a la de un computador convencional. La interconectabilidad que se observan en los sistemas biológicos complejos son las causas de la capacidad del cerebro para llevar a cabo complejos reconocimientos en pocos centenares de milisegundos. Dado que los computadores convencionales son evidentemente poco adecuados para este tipo de problemas, se va a tomar ciertas características de la fisiología del cerebro como base para el nuevo modelo de procesamiento. Estas técnicas han recibido el nombre de sistemas neuronales articificiales (ANS) o simplemente redes neuronales. Las redes neuronales se caracterizan principalmente por: La habilidad de competir con grandes volúmenes y varios formatos de información sensorial. Esta información usualmente interactúa de maneras complejas. La habilidad de aprender. Una falla en un número de neuronas da como resultado la disminución del rendimiento, pero no es una falla catastrófica. Estructura altamente paralela. La habilidad de generalizar por sobre experiencias específicas. Estas propiedades claramente contrastan con las arquitecturas computacionales convencionales y pueden tener un gran potencial en distintas áreas de la ciencia y la ingeniería.

8 - 30

CAPITULO VIII

2.

Conceptos de Redes Neuronales

Una red neuronal artificial es, básicamente, el resultado de los intentos por reproducir mediante computadores el funcionamiento del cerebro humano. Nuestro cerebro está formado por miles de millones de neuronas ínter conectadas entre sí en forma variable y compleja. Cada neurona recibe señales de las otras neuronas, o señales provenientes del exterior de la red, las procesa, ponderando o dándole distinta importancia a cada una de ellas, y genera una única señal de salida que se transmite a las otras neuronas. La información que procesa una red neuronal se encuentra dispersa entre todas sus interconexiones, lo que la hace fundamentalmente diferente a un computador tradicional, en que la información se encuentra totalmente localizada y no distribuida como en este caso. Esta cualidad hace que las redes neuronales posean una gran tolerancia a fallas.

3.

Operación de una red neuronal

Las redes neuronales operan en dos fases: aprendizaje y evocación o recuerdo. El aprendizaje es el proceso en el cual se adaptan o modifican los pesos de las conexiones en respuesta a un estimulo que ha sido presentado en sus entradas y opcionalmente su salida. El estímulo presentado a la salida corresponde a la salida deseada para una determinada entrada; esta salida deseada debe ser entregada por un “instructor”. En tal caso se habla de un aprendizaje supervisado (o entrenamiento supervisado) La evocación o recuerdo se refiere a cómo la red procesa los estímulos presentados en sus entradas y genera una respuesta en su salida. A menudo la evocación o recuerdo es una parte del aprendizaje; esto sucede cuando la salida deseada debe ser comparada con la salida actual de la red para originar la señal de error.

8 - 31

CAPITULO VIII

4.

Redes Neuronales v/s Computadores Tradicionales

Las redes neuronales no son un reemplazo de los computadores tradicionales, sino que son una clase totalmente distinta de dispositivos computacionales capaces de realizar tareas cualitativamente diferentes. Estas han sido enfocadas a la resolución de problemas más dificiles o imposibles para la computación convencional ya que exhiben habilidades que las diferencian fundamentalemente, y que son: Aprendizaje: las redes neuronales no ejecutan instrucciones secuenciales; así como tampoco contienen memoria de almacenamiento, de instrucciones o de datos. En vez de esto, las redes neuronales son entrenadas, presentándoles ejemplos de entrada y salidas, los que son memorizados alterando los vectores de pesos. Generalización: las redes neuronales acomodan los pesos de interconexión de modo de lograr una salida correcta frente a una entrada determinada. Esto sucede aún cuando una de las neuronas esté inhabilitada o alterada (tolerancia a fallas), lo que en la computación clásica puede ser logrado sólo con algoritmos complejos y de alto costo. Abstracción: la red neuronal tiene capacidad para abstraer un ente ideal desde un conjunto de entrenamiento no ideal, y recordar algo que no necesariamente se le haya enseñado. Velocidad: el tiempo requerido para obtener una salida es suficientemente independiente del número de asociaciones almacenadas en la red. Multiproceso: cada neurona de la red es un procesador que opera sobre sus entradas independientemente de los otros procesadores y la convergencia ocupa a todas ellas, aunque se agreguen más procesadores. Esto contrasta con los problemas que presenta la programación paralela convencional.

5.

Tipos de redes neuronales

Existen numerosos tipos de redes neuronales, que pueden ser clasificadas y diferenciadas de variadas formas. De éstas, las más clásicas se refieren a su estructura, tipo de aprendizaje y operación, y a su aplicación. En lo referente a la estructura, la atención se concentra en las capas de la red, neuronas, conexiones y funciones de activación. La clasificación según el aprendizaje y operación básicamente se concentra en el algoritmo de aprendizaje que se utilice, tipo de supervisión que posea y a como opera la red en su evocación. Por último, su aplicación puede ser enfocada de variadas formas: puede referirse a si la red es hetero-asociativa o auto-asociativa.

6.

Aplicaciones

Poco a poco en los últimos años las redes neuronales han sido aplicadas en cientos de problemas. Los más representativos son; Sistema controlador de pH.

8 - 32

CAPITULO VIII

Reconocimiento de caracteres ópticos OCR, es la tarea de convertir letras desde una página impresa a letras reconocidas por una computadora. Entrenamiento para juegos. Reconocimiento del habla. Música. Procesamiento de señales de radar. Predicción de series de tiempo. Robótica. Citodiagnósticos. Detección de Electroencefalogramas. Aplicaciones comerciales, tales como; rectificación de datos, evaluación y optimización de un proceso, diagnóstico de fallas, identificación de procesos y mediciones inferenciales de índices de calidad.

8 - 33