Este documento discute la arquitectura y tipos de sistemas expertos, así como su potencial para resolver problemas en ingeniería en México. Los sistemas expertos capturan el conocimiento de expertos humanos y lo hacen accesible a través de una computadora. Esto puede ayudar a mejorar la disponibilidad de conocimiento técnico y la toma de decisiones en ingeniería, especialmente en regiones donde hay escasez de expertos calificados.

1. -1-
PROPUESTA DE TRABAJO DE INGRESO
A LA ACADEMIA MEXICANA DE INGENIERIA, A.C.
EMAS EXPERTOS EN LA INGENIERIA.
Ing. Felipe Lara Rosano
Laboratorio de Inteligencia Artificial
Instituto de Ingeniería
División de Estudios de Posgrado Facultad de Ingeniería
UNAM
RESUMEN.
En este trabajo se discute la arquitectura de un Sistema Experto, sus campos de
utilización y se ejemplifica los usos que puede tener esta tecnología de punta en la
Ingeniería mexicana.
INTRODUCCION
La solución de los problemas nacionales como alimentación, educación, salud y
vivienda está muy relacionada con la capacidad del país de aprovechar más
efectivamente sus recursos naturales y de insertarse en una economía global, no ya
como un simple productor de materias primas, sino como una nación industrial,
con un nivel competitivo en relación con el resto de las naciones, que pueda
colocar sus productos ventajosamente en el mercado internacional. Clave para
ello es la mejoría tecnológica de sus procesos productivos, que es a su vez función
de la calidad de su Ingeniería. Este avance tecnológico sería la base, no sólo de
una mayor calidad y menores costos de producción, sino de una mayor flexibilidad
de los sistemas productivos frente a demandas pequeñas y volátiles de los
consumidores, trayendo como consecuencia una mayor capacidad de adaptación
frente al mercado y mejores posibilidades para ocupar en él un lugar preferente.
Esta situación hace imperativos el desarrollo y la adopción de nuevas filosofías y
enfoques relacionadas con la planeación, el análisis, el diseño, la gestión y el
control en todas las ramas de la Ingeniería, así como la utilización de tecnologías
innovadoras que permitan lograr una mayor competitividad.
Entre los desarrollos tecnológicos de mayor impacto en la Ingeniería en general
destaca la computadora, que ha transformado radicalmente la forma de concebir
los procesos de análisis y diseño, tanto en Ingeniería Civil como en las restantes
ramas ingenieriles. Es la computadora la que ha permitido vislumbrar la "fábrica
del futuro", como un sistema productivo altamente integrado, tanto en lo que se
refiere a la planeación, la gestión y el control de la producción (manufactura
integrada por comptuadora), como por lo que toca al proceso productivo mismo,
sobre todo, a partir. de los sistemas flexibles de manufactura.

2. -2-
Dentro de las ciencias computacionales, cuyas fronteras son actualmente muy
dinámicas, la Inteligencia Artificial y, en particular, los Sistemas Expertos,
representan áreas con un gran potencial de aplicación para la resolución de
problemas en los que la experiencia humana desempeña un papel importante y
cuya solución algorítmica o no existe, o es inadecuada.
Por otro lado, la toma de decisiones en Ingeniería se suele realizar a través de una
combinación de:
Teorías científicas y técnicas analíticas.
Métodos experimentales.
Experiencia, juicio y sentido común.
Esto obedece a varios factores entre los que cabe mencionar:
La escasez de información específica sobre los sistemas físicos
La incertidumbre de la información disponible sobre los mismos
La gran diversidad de fenómenos y variables que intervienen en el
comportamiento de esos mismos sistemas
La presentación de situaciones y condiciones imprevistas en el campo
La complejidad de los problemas abordados en la Ingeniería
La existencia de teorías fundamentadas en criterios y condiciones de aplicación
muy específicos.
Los problemas cuya solución depende de reglas empíricas asimiladas por un
experto a lo largo de su experiencia son bastante comunes en la Ingeniería, tanto
en lo que se refiere a los procesos de análisis, diseño y de fabricación o
construcción, como en lo relacionado a la planeación, gestión y toma de
decisiones.
Ahora bien, dada la insuficiencia de expertos de alta calificación en Ingeniería y su
inadecuada distribución en el país, así como el alto costo de la transferencia de
conocimiento y de capacitación, una manera de mejorar la disponibilidad de
conocimiento en el campo para mejorar esta toma de decisiones, sería la de
incorporar el conocimiento de los expertos en una base de conocimientos
computarizada, y a partir de la cual se pudiera recuperar este conocimiento en
forma selectiva, de acuerdo con las necesidades de las empresas consultantes.
Esta forma de capturar el conocimiento de uno o varios expertos y de hacerlo
disponible cuando se necesita, a través de una computadora, es lo que se conoce
con el nombre de Sistema Experto. Un Sistema Experto es entonces un paquete de
computación, construido en forma modular, con una base de conocirmentos, que
es donde se plasma la información de los expertos, un módulo de inferencias que
deriva conclusiones útiles a partir de la base de conocimientos y un sistema de
interfases con el usuario, para que éste pueda manejar e interrogar al sistema en
forma fácil, útil y amena.
Por otro lado, existe en el país una gran escasez de técnicos calificados y la
necesidad de descentralizar y redistribuir la planta productiva. Esta problemática
puede solo resolverse en la medida en que el acervo de conocimientos técnicos y la

3. -3-
pericia de los expertos disponibles puedan hacerse accesibles en las regiones
donde surgen y se dan los problemas. Por eso creemos que los Sistemas Expertos
constituyen una solución a nivel tecnológico que puede ser de incalculable valor en
la situación actual de México, al hacer accesibles dichos conocimientos a una gran
cantidad de usuarios y a un costo promedio por usuario muy bajo.
VENTAJAS DE LOS SISTEMAS EXPERTOS
Los Sistemas Expertos son programas de computadora en los que, a diferencia de
los programas tradicionales, no se ha vertido una solución dada a un problema,
sino el conjunto de conocimientos y reglas de operación de un experto humano, en
torno a un problema específico, que le permiten al programa, a semejanza del
experto humano, buscar la mejor solución, entre un gran número de posibilidades,
atendiendo a la naturaleza del problema y a la situación contextual en el que éste
se da. Además, los Sistemas Expertos tienen incorporadas facilidades de
explicación de cómo llegaron a determinada solución y, en ciertos casos,
mecanismos para aprender de la experiencia.
Las ventajas del uso de Sistemas Expertos son:
Autonomía. Una vez que el Sistema Experto ha sido diseñado y completado, se
hace autónomo, es decir, independiente de la presencia física del especialista.
Reproducibilidad. El Sistema Experto en sí y el conocimiento que abarca son
reproducibles a voluntad de su autor. Esto implica que, en caso de ser necesario, el
producto puede reproducirse para dar servicio a miles de usuarios. Por otro lado,
en contraposición con la lentitud del proceso de formación de mentores
especialistas, la reproducción de un Sistema Experto es del orden de unos minutos
solamente.
Bajo costo de adquisición y operación. En tanto que disponer permanentemente
de un experto supone altos costos, un Sistema Experto requiere únicamente pagar
por su diseño y construcción. Este costo después se distribuye entre todos los
usuarios del sistema, por lo que el costo por copia es muy reducido.
Facilidad de distribución. Por la naturaleza del sistema, pueden cubrirse
necesidades en localizaciones geográficas muy dispersas e bajo condiciones de
trabajo difíciles.
Mínimos requerimientos de hardware. Los requerimientos de hardware se limitan
a una computadora PC compatible con memoria RAM de 640K, que es el tipo de
más amplio uso en las empresas.
Flexibilidad para modificaciones y expansión. El sistema experto puede ser
actualizado en el contenido de información -con fines de ampliación o
profundización- con sólo accesar a sus archivos de texto, ya que estos no forman
parte integrante de las bases de conocimiento.

4. TIPOS DE SISTEMAS EXPERTOS
La mayoría de los sistemas expertos pueden clasificarse, dependiendo de su tipo,
de la siguiente forma:
De interpretación. Este tipo de sistemas infiere significados de estados y
situaciones a partir de datos. Esta categoría incluye la comprensión de mensajes,
analisis de imágenes, interpretación de señales, etc.
De predicción. Esta clase de sistemas infiere las probables consecuencias de
una situación dada. Esta catogoría incluye las predicciones del clima, del tráfico,
las predicciones demográficas, etc.
De diagnóstico. Son aquellos artefactos que infieren malfuncionamientos de un
sistema a partir de signos y síntomas. Incluyen el diagnóstico médico, electrónico,
mecánico, etc.
De diseño. Estos sistemas desarrollan las configuraciones que resuelven un
problema satisfaciendo sus restricciones. Incluyen diseños de edifícios, de circuitos,
etc.
De planeación. Esta categoría permite diseñar acciones interrelacionadas para
lograr algún objetivo, utilizando ciertos recursos y sujetándose a ciertas
restricciones. Incluye diseño de rutas, de proyectos, de experimentos, etc.
De monitoreo. Esta clase analiza observaciones del comportamiento de un
sistema para detectar posibles desviaciones de la norma y tomar eventuales
medidas correctivas con toda oportunidad. Estos sistemas se aplican en las plantas
nucleares, tráfico aéreo, etc.
De depuración. Son aquellos sistemas que prescriben los remedios para los
casos en los que existen condiciones anómalas. Estos sistemas se aplican en la
depuración de programas de computadora y en la detección de posibles causas de
falla de equipo de toda índole.
De reparación. Estos sistemas desarrollan y ejecutan planes para corregir fallas
de toda índole.
De instrucción. Son los sistemas que ayudan en el aprendizaje, haciendo un
diagnóstico de la situación de cada alumno y proporcionando a cada quien la
orientación e información pertinentes para avanzar óptimamente en el
conocimiento.
J. De control. Esta categoría tiene como tarea el cumplimiento de un objetivo
dado, a través de interpretar la situación actual, comparar con la norma, detectar
desviaciones, formular el plan de corrección y monitorear su ejecución.
Las principales áreas en que se han desarrollado sistemas expertos a la fecha son:
diagnóstico médico y técnico, reparación de equipo, interpretación de datos
experimentales, decisiones financieras, exploración minera y petrolera, ingeniería
de desastres, inteligencia militar, diseños ingenieriles y otras.
-4-

5. -5-
ARQUITECTURA DE UN SISTEMA EXPERTO
La arquitectura de un Sistema Experto consta de cinco bloques funcionales:
La base de conocimientos, que guarda el conocimiento del Sistema Experto.
Este conocimiento está expresado en una serie de hechos conocidos, plasmados en
una base de hechos y en un conjunto de relaciones cognoscitivas que configuran
una base de relaciones.
La máquina de inferencia que, con base en el conocimiento almacenado en la
base de conocimientos, infiere nuevos hechos y relaciones que amplían el
conocimiento y resuelven el problema planteado, si éste es soluble en este entorno.
El sistema de adquisición de conocimientos, que sirve para transferir el
conocimiento de uno o varios expertos a la base de conocimientos.
La inferfaz del usuari que permite la comunicación entre el usuario y el
Sistema Experto.
La interfaz explicativa,
explique cómo obtuvo sus
preguntas al usuario.
que permite cuestionar al Sistema Experto para que
conclusiones o por qué es que hace determinadas
REPRESENTACION DE CONOCIMIENTOS EN UN SISTEMA EXPERTO
El principal problema en la creación de un sistema experto es la manera de
representar el conocimiento experto que éste usa para la obtención de resultados.
En un principio se creyó que con un reducido número de leyes y con unas
computadoras poderosas se podría simular e inclusive superar a los expertos
humanos. Con el tiempo se vió que las estrategias usadas para la solución de los
problemas eran demasiado débiles, por lo que la mayoría de los investigadores se
concentraron en problemas de aplicación específica.
Hoy en día la mayoría de los sistemas expertos únicamente emplean conocimiento
específico ya sea de tipo cierto o incierto. La mayoría del conocimiento descriptivo
se localiza en la base de conocimientos mientras que el del tipo prescriptivo está
distribuido entre la base de conocimientos, la máquina de inferencia y el
paradigma de solución del problema.
La representación del conocimiento mediante reglas de producción se fundamenta
en dos estructuras proposicionales:
La proposición enunciativa, que es una estructura lógica que expresa una
afirmación categórica acerca de un objeto. Ej. "El suelo es arcilloso".
La proposición condicional, que es una estructura lógica formada por una parte
condicional o hipotética constituida por la conjunción de una o más proposiciones
enunciativas y una parte concluyente formada por otra proposición que es
implicada por la parte condicional. Ej. "Si el suelo es arcilloso y está saturado , su

6. comportamiento no es elástico". Las proposiciones condicionales en Inteligencia
Artificial también reciben el nombre de reglas lógicas, en tanto que las
enunciativas reciben el nombre de hechos.
Los hechos son en general proposiciones particulares que se refieren a casos
específicos y que, por lo tanto, varían de problema a problema. Las reglas, en
cambio, expresan relaciones entre proposiciones y son de naturaleza más
permanente. Por esa razón,se acostumbra agrupar los hechos y las reglas en
archivos diferentes, dando lugar a la base de hechos y a la base de reglas
respectivamente. El conjunto de estas dos bases constituye la base de
conocimientos.
Tanto los hechos como las reglas pueden ser categóricamente verdaderos o
contener incertidumbre. Por ejemplo, "Es probable que existan cavernas en el
subsuelo de este lugar" es un hecho incierto. En la misma forma la regla "Si tomas
agua no potabilizada entonces te puedes enfermar", es una regla que refleja
incertidumbre.
La incertidumbre de hechos y reglas se puede manejar definiendo la probabilidad
de que el hecho o la regla sea verdadero y aplicando la teoría de probabilidades.
Sin embargo, tratándose de hechos y reglas interdependientes, los requerimientos
de información son tantos y tan costosos, que se han desarrollado otro tipo de
enfoques aproximados pero más prácticos que superan esas dificultades. El
método más utilizado es el llamado de "coeficientes de certidumbre", (certainty
factors) desarrollado en 1975 para MYCIN, un Sistema Experto en diagnóstico de
enfermedades infecciosas bacterianas.
Un coeficiente de certidumbre puede definirse de varias maneras, por ejemplo,
asignando un valor 0 a un hecho totalmente falso, un valor 5 a un hecho
totalmente incierto y un valor 10 a un hecho absolutamente verdadero. Los
coeficientes son asignados por expertos y se combinan con arreglo a fórmulas
derivadas de la teoría de conjuntos difusos y de aproximaciones ad hoc. Sin
embargo, las aproximaciones son lo suficientemente buenas como para resolver
problemas prácticos en forma muy eficiente.
ALGUNOS SISTEMAS EXPERTOS PARA LA INGENIERIA
DESARROLLADOS EN LA UNAM.
A continuación se detallan algunos de los Sistemas Expertos desarrollados para
aplicaciones de Ingeniería en el Laboratorio Conjunto de Inteligencia Artificial del
Instituto de Ingeniería y de la División de Estudios de Posgrado de la UNAM.
A) SEILUM. SISTEMA EXPERTO PARA ILUMINACION INDUSTRIAL.
El Sistema Experto desarrollado cumple los siguientes objetivos:
Asesorar y apoyar el ahorro y uso eficiente de la energía en iluminación
industrial.
Identificar las mejoras y los probables ahorros de energía eléctrica en las

7. -7-
instalaciones de iluminación industrial.
Evaluar técnica y económicamente las mejoras,
sustituciones de equipos e instalaciones.
Recomendar la ejecución de las medidas
económicamente.
detallando las modificaciones y
más apropiadas técnica y
Este Sistema Experto es aplicable tanto para evaluar instalaciones de iluminación
existentes (mejoras puntuales o especfticas), como en el diseño de instalaciones de
iluminación nuevas (mejora total de la instalación) y puede ser usado por un
usuario no necesariamente especializado en el diseño de sistemas de iluminación
industrial.
Las funciones que realiza el Sistema Experto están agrupadas en 5 módulos o
áreas de conocimiento.
Módulo 1: Análisis del servicio de alumbrado. A través de este módulo, el Sistema
Experto determina el nivel de iluminación actual y evalúa si está de acuerdo con el
nivel recomendado. Así también, evalúa el consumo de energía, la potencia
instalada, las exigencias ambientales y problemas de deslumbramiento,
recomendando al final posibles modificaciones.
Módulo 2 : Análisis de la utilización del alumbrado. Este módulo permite realizar
un análisis de cómo se utiliza la instalación de alumbrado en el tiempo y en el
espacio, así como si su uso se armoniza con la disponibilidad de luz natural.
Además permite efectuar un diagnóstico de la adecuación de la utilización del
alumbrado a las exigencias reales y, en su caso, estudia medidas correctoras que
pueden limitarse a motivar a los responsables de las instalaciones o a los usuarios
para que racionalicen su uso, o también recomendar modificaciones en la
instalación actual.
Módulo 3 : Análisis de la conservación del alumbrado. Con este módulo el usuario
puede analizar cómo se conservan los equipos de alumbrado, obteniendo
recomendaciones de métodos y programas de conservación (mantenimiento) que
deben adoptarse.
Módulo 4 : Análisis del equipo de alumbrado. Este módulo permite realizar un
análisis de la instalación actual para determinar aquellos equipos que influyen
negativamente en el balance energético del alumbrado o en su economicidad,
diagnósticar la posibilidad de reemplazamientos, modificaciones, etc. También
analiza si la instalación permite una operación racional identificando medidas
correctoras que puedan implantarse.
Módulo 5 : Análisis de la rentabilidad. Por medio de este módulo se efectúa un
análisis económico de las medidas propuestas en los modulos anteriores y se
seleccionan las medidas más apropiadas técnica y económicamente.
Puesto que todos los módulos requieren de información adicional a la que brinda
el usuario, el Sistema Experto se comunica con bases de datos según necesidades
espedficas. En el sistema se manejan dos tipos de archivos externos: bases de
datos, creadas en Lotus 123 y programas externos elaborados en lenguaje BASIC.
Estos archivos se refieren a:

8. .Niveles de iluminación recomendados para diferentes industrias y
características técnicas de equipos de alumbrado.
.Programas para calcular la rentabilidad de las medidas.
El conocimiento incorporado en el Sistema Experto se ha obtenido mediante
consulta a una amplia bibliografía, diversos manuales técnicos y documentación
facilitada por los fabricantes de equipos de iluminación.
Para el manejo y ejecución de la reglas que conforman los diferentes módulos de
la base de conocimientos, se empleó el paquete EXSYS Profesional (1988), cuya
máquina de inferencia utiliza reglas de producción con encadenamiento hacia
atrás y hacia adelante, para confeccionar las soluciones finales que son presentadas
al usuario. Este paquete se eligió por su rapidéz de ejecución, facilidad para
interactuar con bases de datos (dbase III), hojas de calculo (Lotus 1-2-3), paquetes
gráficos y programas externos, manejo de funciones matemáticas, explicación de la
solución final de varias formas, análisis de sensibilidad, etc.
La Base de Conocimientos del sistema completo se debe conformar de
aproximadamente 250 reglas de producción, con 20 bases de datos y 4 programas
externos. También se elaborarán las diversas pantallas de ayuda, a fin de que se
cumplan los objetivos de fácil y amena interacción entre sistema y usuario.
B) SECALDE. SISTEMA EXPERTO PARA AHORRO ENERGETICO EN
CALDERAS
El rendimento de una caldera se define como la relación entre la energía útil y la
energia suministrada. Un método para determinar el rendimiento es evaluar las
pérdidas que tiene y deducirlas de la energía aportada.
En terminos generales, una buena parte de la contribución a un rendimiento
adecuado de una caldera, está en su diseño y en la compatibilidad de la caldera
con su quemador. Sin embargo, el usuario aun mantiene una considerable
influencia sobre el rendimiento que finalmente se obtenga, especialmente si
tienen en cuenta tres aspectos fundamentales:
-Llevar a cabo la combustión eficientemente.
-Procurar que la demanda sea lo mas estable posible
-Que la potencia máxima de fuego se aproxime lo más posible a la demanda
máxima de calor, para que asi tenga períodos de funcionamiento prolongados en
lugar de encendidos y cortes frecuentes.
-Dar un mantenimento adecuado a las instalaciones.
Cuando una caldera no tiene el mantenimiento adecuado o se está operando en
forma incorrecta, presenta síntomas que advierten sobre su mal funcionamiento y
permiten diagnosticar el origen del problema. Estos síntomas se agrupan en diez
clases:
Presencia de humo oscuro en la chimenea.
Alteraciones en la intensidad de la flama o en su color

9. Presencia de ruidos de ebullición en la caldera
Daños de corrosión u oxidación excesivas en la chimenea
Escapes de vapor
Fugas de agua
Exceso de purgas
Reducción en la producción de vapor
Temperatura creciente de humos
Rendimiento de la caldera menor al nominal.
SECALDE determina, a partir de una serie de preguntas sobre los síntomas de la
caldera, cuál es el tipo de problema que presenta y las medidas que hay que tomar
para remediarlo. SECALDE caracteriza seis tipos de falla
Combustión defectuosa
Problemas del agua de alimentación
Mala conducción del calor
Escapes de calor por radiación
Escapes de vapor.
Fallas complejas cuya detección requiere un análisis de las pérdidas.
Para la construcción de SECALDE, se decidió utilizar el lenguaje Knowledge Pro.
Esta decisión se basó en los siguientes factores: facilidad de programación,
capacidad de ser utilizado en computadoras IBM-PC XT o compatibles, capacidad
suficiente para manejar la información que requiere el sistema experto y capacidad
de manejar hipertextos.
C) SECALIDAD. SISTEMA EXPERTO ASESOR EN LA ELECCION DE
GRÁFICAS DE CONTROL
El objetivo del Sistema Experto SECALIDAD fue el de asesorar en la elección de
la gráfica de control apropiada a cada proceso de producción, sin requerir para
ello de personal con conocimientos especializados en control de calidad o en
procesos producción.
SECALIDAD es capaz de encontrar el tipo de gráfica de control adecuada a partir
de preguntas relativamente sencillas que pudiera responder cualquier persona
familiarizada con el proceso de producción sin requerir de conocimientos
especializados en control de calidad o en procesos de producción.
El sistema maneja las siguientes gráficas:
- Gráfica de la media y el rango
- Gráfica de la media y la desviación estándar
- Gráfica de la media y rangos móviles
- Gráfica de sumas acumuladas (cusum)
- Gráfica p
- Gráfica np
- Gráfica c
- Gráfica u

10. - lo-
SECALIDAD explica conceptos que pudieran no entenderse tanto en las
preguntas como en los textos que en general aparezcan en el sistema. Estas
explicaciones y aclaraciones se hacen mediante hipertextos. Estos hipertextos
contienen desde conceptos básicos (como qué se entiende por calidad o qué es una
gráfica de control) hasta explicación de las características de cada uno de los tipos
de gráfica de control y las fórmulas necesarias para obtener los límites de control
de estas gráficas. La interfaz explicativa también contiene información sobre los
valores de las constantes de las distintas fórmulas estadísticas y sobre las
características de los diferentes factores de muestreo (frecuencia, tamaño).
D) SEGEO. Un Sistema Experto asesor en la exploración geotednica en el Valle
de México.
El objetivo principal de SEGEO es servir como asesor en la programación de la
exploración geotecnica necesaria para la construcción de cimentaciones en el DF,
atendiendo a los requisitos del Reglamento de construcciones y al conocimiento
experto acumulado en la práctica; además se preveé que en etapas subsecuentes,
éste pueda interactuar con otras bases de conocimiento relacionadas con las
restantes etapas de los estudios geotecnicos.
El sistema consta de dos bases de conocimiento. La primera (KB 1) contiene
información relativa a cada una de las tres zonas geotécnicas en que se ha divido el
Distrito Federal, y la segunda contiene el conocimiento y los procesos de
inferencia necesarios para definir el programa de exploración geotédnica. (KB2)
El sistema interacciona con el usuario a partir de una serie de preguntas que el
sistema formula (algunas veces ayudado con gráficas para ilustrar el concepto o
dato que se pide) referentes a la zona en la que se encuentra el predio en
estudio(KB1), las caracteristicas de la estructura y las peculiaridades del predio
(KB2).
El sistema experto explica conceptos o preguntas en la que hubiese dudas ó que
fuese necesario proporcionar información adicional. Estas explicaciones y
aclaraciones se dan mediante hipertextos y gráficas adicionales que contienen
información que va desde conceptos básicos (peso medio, cimentaciones
superficiales, zona de lago, zona de lomas ect), hasta descripciones detalladas de
algunos procesos (fotointerpretación, recorrido de campo ect) y gráficas (perfiles
estratigráficos, sondeos de cono etc).
La base de conocimiento KB1, encargada de definir la zona y las características
geotécnicas del predio en estudio se formó a través de un modelo de árbol de
decisiones. En este modelo se relacionan por medio de reglas de inferencia,
diferentes hechos, en este caso, las características de ubicación en el mapa de la
zonificación geotécnica del Valle de México (Manual de diseño geotécnico,
COVITUR) y las caracteristicás superficiales del predio en estudio; con el fin de
definir sus propiedades geotécnicas preliminares y el grado de certeza, las cuales
son utilizados por la base de conocimiento KB2. Es importante señalar que esta
estructura, por su sencillez, permite incorporar nuevos procedimientos en esta
base para futuras versiones.

11. -11-
En forma similar la base de conocimiento para la programación de la exploración
KB2 se basó en un árbol de decisiones cuyas puntas representan cada uno de los
métodos definidos. Las reglas del inferencia implícitas en este árbol se obtuvieron
del Manual de Diseño Geotécnico de COVITUR (Comisión de Vialidad y
Transporte Urbano del D.D.F.), del Reglamento de Construcciones, de las
Normas Técnicas Complementarias para el Diseño de Cimentaciones del DDF y
de ingenieros con experiencia.
Esta base trabaja a partir de una serie de procesos de inferencia que permiten
seleccionar la técnica de exploración más adecuada a las condiciones de la
estructura y del predio (definidas en la base de conocimiento 1) y en preguntas que
el sistema realiza en esta segunda base. Para definir la herramienta de
exploración, el sistema revisa las restricciones de los posibles equipos que pueden
ser empleados de acuerdo a las condiciones del terreno, reteniendo sólo aquellos
que rebasen un cierto valor de aceptabilidad previamente definido. Finalmente, y
con toda esta información, el sistema recomienda el tipo y número de sondeos
necesarios.
Actualmente el sistema se encuentra en su fase de prototipo operacional. En el se
han incorporado los elementos definidos en los árboles de decisiones. La
estructura del sistema definida es lo suficientemente flexible para permitir
incorporar en futuras versiones algunas otras restricciones relativas a las
características de las diferentes alternativas de los equipos de exploración é incluso
nuevos métodos o equipos, asi como para incorporar nuevas fuentes de
conocimiento.
Una ayuda que se presenta bastante atractiva para el desarrollo del sistema es la
incorporación de la base de datos CATSON; que es una base de datos
desarrollada en la Sociedad Mexicana de Mecánica de Suelos (SMMS), relativa a
la información de sondeos realizados en el Valle de México. Esto proporcionaría
información más localizada y confiable respecto a los probables condiciones
geotécnicas por enfrentar en la realización de los estudios y en las posteriores
interpretaciones de las condiciones locales.
SEGEO está programado en Level 5 Object, que es un shell de Sistemas Expertos
que trabaja en ambiente Windows 3.0 La implantación de este sistema requiere
sólo una computadora personal compatible AT, y el paquete Windows.
E) AGRUPA. UN SISTEMA EXPERTO PARA LA FORMACIÓN DE GRUPOS
OPERATIVOS EN INGENIERIA DE MANUFACTURA.
La Tecnología de Grupos (en adelante TG) se define como una metodología de
manufactura que explota las similitudes de diseño y fabricación de un conjunto de
partes para procesarlas de manera grupal, obteniendo importantes reducciones en
los tiempos y costos de producción. En la terminología de la TG se designa a cada
conjunto de piezas con características similares como familia de partes y a cada
unidad operativa, compuesta por máquinas, operarios y sistemas de manejo de
materiales como célufri
AGRUPA es un Sistema Experto que asesora en la conformación de familias de

12. -12-
partes. La estructura básica de AGRUPA está conformada por cinco etapas:
ETAPA 1: Generación de una matriz de secuencias.
El objetivo de esta etapa consiste en procesar los datos de las hojas de ruta de los
productos por agrupar, de manera que puedan ser fácilmente manipulados durante
el examen de similitudes. Esto se lleva a cabo mediante el Análisis de Flujo de la
Producción (PFA) vaciando la información de estos documentos en una matriz de
incidencia producto/operación con la secuencia de procesamiento como
coeficiente.
ETAPA 2: Generación de una matriz de similitudes
Una vez que se ha concentrado la información básica de productos y operaciones,
es posible identificar similitudes entre productos que posteriormente servirán de
base para la agrupación. Esto se lleva a cabo comparando todos los pares de
renglones (productos) de la matriz de secuencias con base en un coeficiente de
similitud que involucra dos criterios: el número de operaciones comunes a los dos
productos y la similitud de la secuencia de procesamiento.
Una vez obtenido el coeficiente de similitud de todos los pares de productos
posibles, esta información se concentra en una matriz de similitudes, que es un
arreglo bidimensional producto/producto con la similitud calculada como
coeficiente.
ETAPA 3: Formación de familias.
En esta etapa se configuran los grupos iniciales de acuerdo con los datos de la
matriz de similitudes obtenida. Esto se logra mediante un proceso secuencial de
revisión de similitudes en orden decreciente hasta que se llegue a los límites
determinados por el usuario (tamaño de célula, similitud de grupo máxima) o bien
hasta que la máxima similitud encontrada no justifque la formación de nuevas
familias o la entrada a las ya existentes.
ETAPA 4: Asignación de equipos.
Esta etapa es la encargada de asignar el equipo de producción necesario para la
operación de los grupos conceptuales. Esto se lleva a cabo examinando
secuencialmente la ruta estándar de cada familia y asignando máquinas a las
operaciones que la conformen, de tal manera que se garantice:
La asignación de máquinas específicas a las familias que lo requieran.
Un tamaño de grupo operativo que no rebase los requerimientos del usuario.
Un adecuado porcentaje de utilización de los equipos, a nivel de grupo y global.
El cumplimiento de las restricciones de capacidad del equipo asignado para el
programa de producción.
ETAPA 5: Instalación inicial.
Para explotar de manera eficiente las ventajas de una aplicación de Inteligencia
Artificial, en este desarrollo se incluye un módulo que ayuda al usuario a definir
las características físicas de la agrupación inicial. En este caso se determina el

13. patrón de flujo de materiales más adecuado, de acuerdo con caracterísiticas
operativas de los grupos resultantes y con las condiciones generales de la empresa.
También se sugiere la utilización de un método de control de producción acorde
con el patrón de flujo.
En la aplicación pueden identificarse tres elementos estructurales:
Procedimientos numéricos utilizados para definir variables importantes a partir de
la información contenida en la base de datos.
Una base de datos que almacena la información del Sistema de Manufactura
necesaria para el desarrollo de la aplicación. En esta categoría se halla la
información descriptiva de los productos, el detalle de las rutas de procesamiento
finales y las características de operación de los grupos finales.
Procedimientos inteligentes, que orientan al usuario en el desarrollo de las tres
últimas etapas de la metodología.
AGRUPA utiliza dos aplicaciones Windows: la hoja de cálculo Excel de Microsoft
y el shell de desarrollo de sistemas expertos Symbologic Adept.
F) SEDOI Sistema Experto para el Diagnóstico Operativo Industrial
SEDOI utiliza una metodología para el diagnóstico de la operación industrial a
partir del concepto de productividad. Esta decisión obedeció a las siguientes
razones:
- Su mejoramiento representa un objetivo ampliamente aceptado en el sector
industrial.
- Existe un importante desarrollo mundial asociado a la evaluación de este
concepto. Esto significa que existe suficiente conocimiento experto acumulado del
cual se puede partir para estructurar una metodología para el diagnóstico
industrial.
- Es un elemento en donde se pueden realizar importantes mejoras dentro del
sector industrial nacional; es decir , los resultados de un diagnóstico basado en la
productividad puden resgistrar un mayor impacto económico en la firma, lo cual
facilita la aceptación por parte del usuario.
La arquitectura general del SEDOI cuenta con dos partes que son, en sí dos
subsistemas expertos, practicamente independientes, con una forma de razonar
completamente diferente.
En la primera parte, o parte A, se efectúa el análisis de la productividad. Para ésto
se efectua un procedimiento que parte de ciertos datos iniciales sobre las salidas y
entradas de las diferentes unidades productivas de una empresa para obtener al
final ciertos índices de productividad a partir de los cuales el usuario selecciona
aquella unidad productiva que considera problemática y sobre la cual desea
profundizar el análisis.

14. -14-
En la segunda parte, o parte B,. se efectúa propiamente el diagnóstico de cuales
son las causas de los problemas de productividad en la empresa. Debido a que en
este caso se conoce un número finito de las diferentes causas posibles de los
problemas de productividad, el objetivo de esta parte del SEDOI es, simplemente,
determinar si una causa es probable o no es probable. Para ésto el Sistema
Experto parte de una lista de diagnóstico posibles y procede, hacia atrás, buscando
todos los datos necesarios para probar o descartar cada diagnóstico.
Entre ambas partes existe un puente que transfiere los datos requeridos por la
parte B que ya han sido alimentados por el usuarion mientras se ejecuta la parte
A.
Parte A, Análisis de la Productividad
En esta parte del SEDOI se realiza un procedimiento de manera muy similar a
aquellos que pueden ser programados mediante lenguajes convencionales.
Durante la primera etapa del procedimiento se pregunta al usuario, de manera
secuencial, todos los datos necesarios. Una vez que se obtienen cada uno de los
datos anteriores se calcula el costo total de cada rubro.
En la segunda etapa del procedimiento de la parte A se calculan los datos de
productividad, primero para las unidades productivas que están siendo evaluadas,
luego se agregan los totales de entradas y salidas para toda la empresa, y se
calculan los datos de productividad para toda la empresa.
En la tercera etapa se calculan los índices de productividad comparando los datos
obtenidos con los datos almacenados como 'datos del período base", primero para
las diferentes unidades productivas y luego para toda la empresa:
En un despliege final se presentan los índices de productividad de mano de obra,
de maquinaria y equipo, de materiales, de instalaciones, de servicios y totales, para
las unidades productivas que desee ver el usuario de manera simultanea y para el
total de la empresa. Los índices se muestran sobre un recuadro verde si son
mayores o iguales a uno y sobre un recuadro rojo si son menores que uno. En este
despliege final se muestran tambien los índices de gravedad de las unidades
productivas estudiadas.
Parte B, Análisis de las Causas de los Problemas de Productividad
La forma en que la parte B del SEDOI llega a las conclusiones sobre el
diagnóstico no puede ser descrita en forma de un diagrama de flujo. Para ésto se
utiliza, más bien un árbol de decisiones en el cual se muestran a través de sus
ramas los diferentes caminos que puede utilizar el Sistema para razonar.
Esta parte del Sistema Experto comienza su análisis a partir de una lista de 22
diagnósticos posibles.
Posteriormente se evalua, dentro de la lista de reglas asociadas al diagnóstico
posible, cuales presentan, en su conclusión, un predicado que coincide con este
diagnóstico. El sistema entonces evalúa, uno por uno, el coeficiente de

15. -15-
certidumbre de cada una de las condiciones de la regla.
Dependiendo del resultado que se obtenga de los valores actuales el sistema
regresará,punto por punto, para determinar, la certidumbre de las condiciones de
las reglas, la certidumbre de las reglas y por último la certidumbre de los posibles
diagnósticos. Lo mismo se realiza para cada una de las reglas relacionadas con
cada uno de las posibles causas de los problemas deproductividad. De esta
manera, al final de la corrida del SEDO!, éste le muestra al usuario una lista de los
posibles diagnósticos, señalando aquellos que son posibles y dejando en blanco
aquellos que no.
A lo largo del desarrollo del SEDO1 se le ha dado particular importancia a la
interfaz con el usuario. Para facilitar su construcción, se eligió como shell de
desarrollo el Level 5 Object que tiene incorporado un sistema para el diseño de la
interfaz gráfica. Así, al usuario del SEDOI se le presentarán diferentes pantallas
en donde se solicitan diferentes datos y se le ofrece, a través de una hiperregión, la
posibilidad de indagar, de manera más a fondo, en qué consiste la información que
se le solícita y/o que se le presenta al usuario en cada pantalla. De esta forma el
Sistema Experto lo va guiando a través de toda la corrida del programa. Esto,
aunado a la posibilidad que ofrece el ambiente Windows, sobre la cual esta
construido el Level 5 Object, de accesar todos los comandos utilizando el mouse,
posibilita correr el SEDO1 sin necesidad de conocer ningún comando específico.
CONCLUSIONES
En síntesis, la Inteligencia Artificial representa un área con un desarrollo
relativamente incipiente en nuestro país, lo cual no es congruente con sus
necesidades y prioridades. Por otro lado, los Sistemas Expertos representan una
disciplina tecnológica que permite resolver de manera eficiente muchos de los
problemas abordados de manera poco eficiente en la Ingeniería. La situación
descrita justifica, entonces, todo esfuerzo por realizar investigación relacionada
con la aplicación de la Inteligencia Artificial, particularmente los Sistemas
Expertos, para la resolución de problemas relacionados con la Ingeniería en
general, especialmente la Ingemería Civil y la Ingeniería Industrial y de
Manufactura.
En el Instituto de Ingeniería de la UNAM, el Laboratorio de Inteligencia Artificial
de la Coordinación de Sistemas está actualmente desarrollando aplicaciones de los
Sistemas Expertos a la Ingeniería, con la intención de difundir el avance en esta
rama entre los investigadores y profesionales y elaborar, con ayuda de
investigadores de otras Coordinaciones del Instituto y la División de Posgrado de
la Facultad de Ingeniería de la UNAM, Sistemas Expertos como prototipos de
demostración en diversas áreas, para .poder lograr en el país niveles de excelencia
a este respecto, comparables a los de las naciones más desarrolladas.

16. BIBLIOGRAFIA.
Lara Rosano, F y Rodríguez Viqueira L "Utilización de Sistemas Expertos para
racionalizar el uso de la energía en la pequeña y mediana industria". Informe
Interno, Instituto de Ingeniería, UNAM. México. 1990.
Lara Rosano, F "Utilización de Sistemas Expertos en la Geotecnia". Memorias
XV Reunión Nacional de Mecánica de Suelos, noviembre 1990, San Luis Potosí,
MEXICO.
Lara Rosano, F & F. Lara García "Sistema Experto asesor para la elección de
gráficas de control de calidad en la industria". Memorias XVII Congreso de la
Academia Nacional de Ingeniería, octubre 1991, Monterrey, MEXICO. pp 125-129
Lara Rosano, F, E. L45pez y J. García "Metodología para el diagnóstico de la
operación industrial". Memorias XVII Congreso de la Academia Nacional de
Ingeniería, octubre 1991, Monterrey, MEXICO. pp 135-140
Lara Rosano, F & G. Gelman "Métodos y modelos de la Ingeniería del
Conocimiento para Sistemas Expertos", Instituto de Ingeniería UNAM, 1989, 35
pp
Lara Rosano, F "Asesoría geotécnica a través de Sistemas Expertos". Instituto de
Ingeniería UNAM, 1991,13 pp.
Lara Rosano, F & L. Rodríguez "Aplicación de los Sistemas Expertos para el
diagnóstico de calderas en la pequeña y mediana industria". Instituto de Ingeniería
UNAM, 1991, 20 pp
Lara Rosano, F & J.L.García "Un Sistema Experto Tutorial sobre Sistemas de
Manufactura Celular". Instituto de Ingeniería UNAM, 1991, 21 pp
Lara Rosano, F & J. García "Sistema Tutorial de Procesos de Manufactura: un
enfoque a partir de diseño". Instituto de Ingeniería UNAM, 1991, 12 pp.
Lara Rosano, F & N. Kemper "Aplicación de Sistemas Expertos al ahorro
energético para la iluminación en la pequeña y mediana industria". Instituto de
Ingeniería UNAM, 1992, 211 pp.
Lara Rosano, F & J. García "Aplicación de Sistemas Expertos al diagnóstico
operativo en la pequeña y mediana industria". Instituto de Ingeniería UNAM,
1992, 82pp.
Lara Rosano, F & J.L.García "Aplicación de Sistemas Expertos a la implantación
de la tecnología de grupos en la industria de manufactura". Instituto de Ingeniería
UNAM, 1992, 115 pp
-16-