SEMINARIO EAI EQUIPO PLC

1. UNIVERSIDAD DE ORIENTE
NÚCLEO DE MONAGAS
ESCUELA DE INGENIERÍA Y CIENCIAS APLICADAS
CURSOS ESPECIALES DE GRADO
ESTRATEGIAS PARA LA AUTOMATIZACIÓN INDUSTRIAL
TEMA 6.- Diagnóstico y decisión (Parte II)
Unidad IV: Sistemas de supervisión y control
Seminario: Estrategias para la Automatización Industrial (EAI)
Equipo PLC:
Hernández, Leivi C.I. 24.579.134
Viña, Maria C.I. 24.277.423
Tutor: Judith Devia

2. MATURÍN, MARZO 2016.
ÍNDICE
INTRODUCCIÓN..................................................................................................................3
MARCO TEÓRICO ...............................................................................................................4
1. Sistemas expertos (SE) ................................................................................................4
1.1 Estructura básica de un SE ........................................................................................4
1.2 Ventajas de un SE......................................................................................................5
1.3 Limitaciones de un SE...............................................................................................5
2. Aprendizaje. Redes neuronales....................................................................................6
2.1 Aplicaciones de las redes neuronales ........................................................................6
2.2 Ventajas de las redes neuronales ......................................................................6
2.3 Elemento básico de una red neuronal ...............................................................6
3. El razonamiento basado en casos o case based reasoning (CBR) ...............................7
3.1 El ciclo del razonamiento basado en casos.......................................................7
4. Reconfiguración y soporte al usuario ..........................................................................8
DISCUSIÓN ......................................................................................................................9
CONCLUSIÓN..................................................................................................................9
REFERENCIAS BIBLIOGRÁFICAS.............................................................................12

3. 3
INTRODUCCIÓN
Hoy en día, las industrias con diversos procedimientos y procesos automatizados,
requieren de mecanismos de que les permita controlar y supervisar todas las actividades
que se desarrollan en su organización. Del mismo modo, buscan prevenir posibles fallos en
el sistema, con la finalidad de evitar a toda costa paradas de sistema por errores que se
pudiesen impedir y que acarrean múltiples perdidas. En este sentido, la supervisión
participa en este cometido de manera fundamental, debido a que provee mecanismos para
garantizar la ordenación de las tareas desarrolladas por la automatización. En el mismo
orden de ideas, la detección y el diagnostico de fallos constituyen una parte fundamental de
la supervisión, puesto que se encargan de encontrar los posibles errores y a su vez,
estudiarlos para definir si es muy perjudicial y como se pueden reparar.
En concordancia con lo anterior, persiguiendo un interés académico, se definirán
herramientas de soporte de supervisión, entre las primeras a mencionar son los sistemas
expertos (SE), de los cuales se destacara su estructura, ventajas y limitaciones. Otra de los
instrumento son las redes neuronales, de las que se describirá su aplicaciones en el área de
supervisión, ventajas y su elemento básico. Los últimos a establecer serán los
razonamientos basados en casos con su respectivo ciclo. Asimismo, se conceptualizara a la
reconfiguración y soporte al usuario, la cual es el último paso de la supervisión y se basa en
la determinación de las acciones necesarias para minimizar los efectos de los fallos. Las
técnicas mencionadas, ayudan a diagnosticar los fallos y posteriormente a tomar decisiones.
Además, se definirá en el apartado de discusión, la relación que posee el tema en cuestión
con el contenido del proyecto final a desarrollar por el equipo PLC (diseño de un sistema de
supervisión y control automatizado para línea de mezclado y empaquetado de especias).

4. 4
MARCO TEÓRICO
1. Sistemas expertos (SE)
Es una aplicación informática capaz de solucionar un conjunto de problemas que exigen
un gran conocimiento sobre un determinado tema. Un sistema experto es un conjunto de
programas que, sobre una base de conocimientos, posee información de uno o más expertos
en un área específica. Se puede entender como una rama de la inteligencia artificial, donde
el poder de resolución de un problema en un programa de computadora viene del
conocimiento de un dominio específico. Estos sistemas imitan las actividades de un
humano para resolver problemas de distinta índole (no necesariamente tiene que ser de
inteligencia artificial). También se dice que un sistema experto se basa en el conocimiento
declarativo (hechos sobre objetos, situaciones) y el conocimiento de control (información
sobre el seguimiento de una acción). 
Para que un sistema experto sea una herramienta efectiva, los usuarios deben interactuar
de una forma fácil, para ello, deben reunir dos capacidades para poder cumplirlo, las cuales
son: 
 Explicar sus razonamientos o base del conocimiento: Los sistemas expertos se deben
realizar siguiendo ciertas reglas o pasos comprensibles de manera que se pueda generar la
explicación para cada una de estas reglas, que a la vez se basan en hechos.
 Adquisición de nuevos conocimientos o integrador del sistema: Son mecanismos de
razonamiento que sirven para modificar los conocimientos anteriores. Sobre la base de lo
anterior se puede decir que los sistemas expertos son el producto de investigaciones en el
campo de la inteligencia artificial ya que ésta no intenta sustituir a los expertos humanos,
sino que se desea ayudarlos a realizar con más rapidez y eficacia todas las tareas que
realiza.
1.1 Estructura básica de un SE
Un sistema experto está conformado por: 
Especialistas Humanos: Son los expertos que aportan la información en un área
específica, de la cual se alimentará el SE.
Ingenieros en Conocimientos: Es la persona que tiene el entrenamiento y la experiencia
en el diseño, desarrollo, puesta en operación y mantenimiento de un SE, incluyendo
entrenamiento y experiencia con shells de SE.
Base de conocimientos (BC): Contiene conocimiento modelado extraído del diálogo con
un experto.
Base de hechos (memoria de trabajo): Contiene los hechos sobre un problema que se ha
descubierto durante el análisis.
Motor de inferencia: Modela el proceso de razonamiento humano.

5. 5
Módulos de justificación: Explica el razonamiento utilizado por el sistema para llegar a
una determinada conclusión.
Interfaz de usuario: Es la interacción entre el SE y el usuario, y se realiza mediante el
lenguaje natural.
1.2 Ventajas de un SE
Un sistema experto posee las siguientes ventajas: 
Permanencia: A diferencia de un experto humano, un SE (sistema experto) no envejece,
y por tanto no sufre pérdida de facultades con el paso del tiempo.
Replicación: Una vez programado un SE se puede replicar infinidad de veces.
Rapidez: Un SE puede obtener información de una base de datos y realizar cálculos
numéricos mucho más rápido que cualquier ser humano.
Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias a la capacidad de
duplicación el coste finalmente es bajo.
Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o dañinos para el ser
humano.
Fiabilidad: Los SE no se ven afectados por condiciones externas, un humano sí
(cansancio, presión, etc.).
Consolidar varios conocimientos.
Apoyo Académico.
1.3 Limitaciones de un SE
Las limitaciones de los sistemas expertos son: 
Sentido común: Para un sistema experto no hay nada obvio. Por ejemplo, un sistema
experto sobre medicina podría admitir que un hombre lleva 40 meses embarazado, a no ser
que se especifique que esto no es posible ya que un hombre no puede gestar hijos.
Lenguaje natural: Con un experto humano se puede mantener una conversación
informal mientras que con un SE no se puede.
Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus
errores y de errores ajenos, que un SE haga esto es muy complicado.
Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones
relevantes de un problema y separarlas de cuestiones secundarias.
Capacidad sensorial: Un SE carece de sentidos.
Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la
resolución de un problema.
Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento poco
estructurado.

6. 6
2. Aprendizaje. Redes neuronales
Las redes neuronales son sistemas de computación que pueden actuar en la misma forma
que funciona el cerebro humano, o simularlo. Además, el software de red neuronal se puede
usar para simular una red neuronal por medio de computadoras normales. Las redes
neuronales pueden procesar muchas piezas de información al mismo tiempo y aprender a
reconocer patrones. 5 La información se procesa como respuesta a entradas externas
teniendo en consideración el estado interno de los elementos. 2 A diferencia de los
sistemas expertos, un sistema de red neuronal aprende por ensayo y error.
2.1 Aplicaciones de las redes neuronales
Entre las aplicaciones a la supervisión de procesos, se puede destacar: 2
El filtrado de señales.
El reconocimiento de patrones.
Búsqueda en bases de datos.
Segmentación, compresión y fusión de datos y toma de decisiones.
La utilización de redes neuronales en supervisión conlleva en muchas ocasiones la
integración con otros tipos de herramientas.
2.2 Ventajas de las redes neuronales
Debido a su constitución y sus fundamentos las redes neuronales ofrecen numerosas
ventajas, que incluyen: 3
 Aprendizaje adaptativo: Capacidad de aprender a realizar tareas basadas en un
entrenamiento o una experiencia inicial.
 Auto-organización: Una red neuronal, puede crear su propia organización o
representación de la información que recibe mediante una etapa de aprendizaje.
 Tolerancia a fallos: La destrucción parcial de una red conduce a una degradación de su
estructura; sin embargo, algunas capacidades de la red se pueden retener, incluso sufriendo
un gran daño.
 Operación en tiempo real: Los computadores neuronales pueden ser realizados en
paralelo y se diseñan y fabrican máquinas con hardware especial para obtener esta
capacidad.
2.3 Elemento básico de una red neuronal
Elemento básico de una red neuronal, es la neurona artificial Uj, la cual, puede
describirse de forma simple mediante un conjunto de funciones: 2
Regla de propagación: Una neurona Uj recibe entradas de otros elementos de la red o del
exterior. Cada una de estas entradas es ponderada por un peso, de forma que la entrada neta

7. 7
de una neurona se puede escribir como el producto escalar del vector de entradas por el
vector de pesos.
Función o regla de activación: Produce un nuevo estado de activación a partir del estado
anterior y la combinación de las entradas con los pesos de las conexiones.
Función de salida o transferencia: Transforma el estado actual de activación en una
señal de salida.
3. El razonamiento basado en casos o case based reasoning (CBR)
Es el proceso de solucionar nuevos problemas basándose en las soluciones de problemas
anteriores. El Razonamiento basado en casos es una manera de razonar haciendo analogías.
Se ha argumentado que el razonamiento basado en casos no sólo es un método poderoso
para el razonamiento de computadoras, sino que es usado por las personas para solucionar
problemas cotidianos. Más radicalmente se ha sostenido que todo razonamiento es basado
en casos porque está basado en la experiencia previa. 4
Por ejemplo, en las siguientes situaciones, se está usando razonamiento basado en casos:
4
Un mecánico de automóviles que repara un motor porque recordó que otro auto
presentaba los mismos síntomas.
Un abogado que apela a precedentes legales para defender alguna causa.
Un ingeniero cuando copia elementos de la naturaleza, está tratando a esta como una
“base de datos de soluciones”.
3.1 El ciclo del razonamiento basado en casos
En el procedimiento de dividir el razonamiento basado en casos en diferentes
subprocesos, se puede encontrar el ciclo que lo conforma, el cual es dividido en 4 procesos
claramente diferenciados, los cuales son: 4
Recordar los casos similares al que se analiza: En el momento en que se presenta un
nuevo problema, para el cual se debe dar una solución, lo que primero que se debe hacer es,
dado ese determinado problema, recordar los casos relevantes que pueden solucionarlo.
Estos casos relevantes tendrán que ser una selección de aquellos casos disponibles en la
base de conocimiento del sistema experto.
Es importante destacar, que uno de los intereses del razonamiento basado en casos,
residen no sólo en recordar los casos resultantes que hayan sido acierto, sino también
aquellos en que se ha fallado, puesto que, con estos se podrán mejorar el razonamiento del
sistema experto, de modo que, cuando se tenga que llevar a cabo un tipo de razonamiento
similar, se sabrá que no se tiene que seguir esa línea de razonamiento pues lleva a un
resultado incorrecto.

8. 8
Reutilizar la información y el conocimiento que se posee, para resolver el problema:
Una vez se posee un conjunto de casos que guardan una serie de similitudes con el caso
para el cual se debe proponer una solución, lo que se debe realizar es adaptar la solución de
todos esos problemas, en su globalidad o solamente en las partes que sean de interés, para
de este modo, transformar el contexto de esos problemas en el problema que se posee
actualmente. Con esto lo que se quiere decir, es que este es un proceso circular en el que
reutiliza diversos casos de la base de conocimiento
Revisar la solución propuesta: Con los dos pasos anteriores, se tendría una primera
versión de la solución. Aun así, es necesario probar la solución en el mundo real o en una
simulación, a fin de revisarla, de modo que, si no es satisfactoria, se vuelve a modificar con
la inclusión o la eliminación de los casos que fuesen incorrectos o añadiendo aquellos que
faltasen para perfeccionar la solución.
Retener las partes de esta experiencia que puedan ser útiles para la resolución de
futuros problemas: Finalmente el último paso es la retención. Después de que la solución
haya sido adaptada satisfactoriamente para solucionar el problema dado, se almacena la
experiencia resultante como un nuevo caso en la memoria, haya sido la misma, una
respuesta satisfactoria o errónea al problema.
4. Reconfiguración y soporte al usuario
El último paso de la supervisión es la determinación de las acciones necesarias para
restablecer el funcionamiento normal del proceso o para minimizar en lo posible, el efecto
de los fallos. Esta fase se denomina reconfiguración y constituye el último paso para cerrar
el lazo de supervisión. 2
En este aspecto, en la mayoría de los casos, los sistemas de supervisión no actúan
directamente sobre el proceso sino que se limitan a indicar o proponer acciones que después
son llevadas a cabo (o no) por los operarios o los ingenieros del proceso. La supervisión
juega, entonces, un papel de soporte al usuario (en este caso el ingeniero de proceso), sobre
el que finalmente recae la responsabilidad. 2
La reconfiguración del proceso o determinación de las acciones correctoras se basan
normalmente en la experiencia y en los conocimientos adquiridos sobre el funcionamiento
del proceso o sobre la estructura del mismo. En este sentido, las herramientas de la
inteligencia artificial anteriormente descritas, pueden ser utilizadas tanto en la etapa de
decisión, como en la de diagnóstico. De la misma forma se puede deducir el origen de los
fallos a partir de los síntomas o residuos, y a su vez, las acciones correctoras a partir de los
fallos diagnosticados. 2

9. 9
DISCUSIÓN
En la actualidad, las nuevas tecnologías representan el todo en las industrias con
procesos automatizados, debido a que estas respaldan y hacen funcionar todo los
mecanismos de una planta, con una construcción previa en sus circuitos. Sin embargo, todo
proceso que disminuye la participación humana, requiere de supervisión para evitar fallas.
Es acá en la que se incorpora y es necesario, sistemas de detección de fallas, los cuales son
muy beneficiosos, pero pudiesen acarrear gastos de implementación elevados.
En este sentido, al ser la propuesta planteada el diseño de un sistema de supervisión y
control automatizado para línea de mezclado y empaquetado de especias, la
implementación de la supervisión con inteligencia artificial, no es viable, debido a que
implementar alguna de las herramientas descritas a lo largo del presente trabajo, incurriría
muchas complejidades y elevados costos iniciales. Además, se tiene planeado, utilizar un
sistema SCADA, para cubrir el área de supervisión en la propuesta.
Sin embargo, en caso de que un inversionista estuviese dispuesto a invertir en el
proyecto planteado y a su vez, exige un sistema de supervisión con inteligencia artificial, se
le aconsejaría un sistema experto, debido a que sería un programa, con interfaz amigable,
donde el poder de resolución de un problema vendría o se basaría en conocimientos creados
por especialistas en el área, lo cual, sería muy beneficioso, debido a que estos sistemas
imitan las actividades de un humano para resolver problemas de cualquier índoles.
Además, el uso de un sistema experto, traería consigo, las siguientes ventajas:
Un sistema experto no envejece, y por tanto no sufre pérdida de facultades con el paso del
tiempo.
Una vez programado un sistema experto, se puede replicar infinidad de veces.
Un sistema experto obtiene información de una base de datos y realiza cálculos numéricos
mucho más rápido que un humano.
A pesar de que el costo inicial es elevado, gracias a la capacidad de duplicación el coste
finalmente es bajo.
Un sistema experto puede trabajar en entornos peligrosos o dañinos para el ser humano.
Los sistemas expertos no se ven afectados por condiciones externas.

10. 10
Funciona para consolidar varios conocimientos y aporta apoyo académico.
Sin embargo, el uso de un sistema experto, traería consigo, las siguientes desventajas:
• Un sistema experto no posee sentido común, todo lo que procesa, se le debió ser
programado.
• Cualquier persona aprende con relativa facilidad de sus errores y de errores ajenos,
que un SE haga esto es muy complicado.
• Un experto humano es capaz de distinguir cuales son los temas relevantes de un
problema y separarlos de los secundarios.
• Un SE no flexible a la hora de aceptar datos para la resolución de un problema.
• Un SE no es capaz de manejar conocimiento poco estructurado.

11. 11
CONCLUSIÓN
Como resultado de la investigación presentada, es posible concluir que la detección y el
diagnostico de fallos constituyen una parte fundamental de la supervisión, por lo que contar
con técnicas que permitan encontrar los errores y estudiarlos para la posterior toma de
decisiones, es fundamental y útil. Entre los mecanismos que permiten esto, están
primeramente los sistemas expertos, los cuales son programas que pueden solucionar
problemas, tomando como requerimiento conocimientos de expertos, insertados en su base
de datos con anticipación.
Las redes neuronales, por su parte, resuelven problemas pero aplicando el ensayo y
error. Además, posee aprendizaje adaptativo, auto-organización, tolerancia a fallos y a su
vez, opera en tiempo real. El razonamiento basado en casos, por otro lado, utiliza como
referencia, la experiencia de soluciones a problemas anteriores, para resolver problemas
nuevos. Asimismo, posee un ciclo que se basa recordar, reutilizar, revisar y retener
información.
Además, el último pasó de supervisión es la reconfiguración y soporte al usuario, que
aporta las acciones necesarias para restablecer el funcionamiento normal del proceso. Esta
fase, se basa en los conocimientos adquiridos sobre el funcionamiento de los
procedimientos. En este sentido, las herramientas de la inteligencia artificial anteriormente
descritas, pueden ser utilizadas tanto en la etapa de decisión, como en la de diagnóstico.
Asimismo, se puede deducir el origen de los fallos a partir del análisis de estos, a fin de
definir el camino más idóneo a tomar para corregirlos.

12. 12
REFERENCIAS BIBLIOGRÁFICAS
 Colaboradores de Wikipedia. Sistema experto [en línea]. Extraído el 29 de Febrero del
2016 desde: https://es.wikipedia.org/w/index.php?title=Sistema_experto&oldid=89502519.
2 Colomer, Melendez y Ayza. Sistema de supervisión. Extraído el 29 de Febrero del 2016
desde:http://www.ceautomatica.es/sites/default/files/upload/10/files/sistemas%20de%20sup
ervision.pdf
3 Autor desconocido. Introducción a la computación neuronal. Extraído el 29 de Febrero
del 2016 desde: http://thales.cica.es/rd/Recursos/rd98/TecInfo/07/capitulo1.html
4 Colaboradores de Wikipedia. Razonamiento basado en casos [en línea]. Extraído el 29
de Febrero del 2016 desde:
https://es.wikipedia.org/w/index.php?title=Razonamiento_basado_en_casos&oldid=891119
55
5 Anónimo. Herramientas de Software. Inteligencia Artificial y Sistemas Expertos.
Extraído el 29 de Febrero del 2016 desde:
http://www.monografias.com/trabajos26/sistemas-expertos/sistemas-expertos.shtml