Vous êtes sur la page 1sur 15

Repblica Bolivariana de Venezuela Ministerio Popular para la Educacin Universitaria Universidad de Falcn Sist. Para la Automatizacin Industrial Prof.

Ramn Hernndez

APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN AUTOMATIZACIN INDUSTRIAL: REDES NEURONALES, ALGORITMOS GENTICOS. SISTEMAS EXPERTOS. LGICA DIFUSA. ROBTICA. EJEMPLOS Y CASOS PRACTICOS

Autor: - Juan Batista C.I. 21.156.413

Punto Fijo, 17 de Septiembre de 2013

Resumen

La inteligencia artificial (IA) surge debido a que el funcionamiento de un proceso industrial, desde el punto de vista matemtico, siempre ha sido descrito mediante la teora clsica de control la cual resulta insuficiente para ciertos comportamientos no determinsticos que presenta el sistema. Se pueden encontrar diversas clases de IA como las redes neuronales las cuales se les presentan datos de entrada y de salida y son entrenadas a partir de ellos como si de educar a una persona se tratase, la lgica difusa la cual es similar a la lgica convencional con la excepcin de que puede interpretar datos inexactos que no pertenezcan a 1 y 0 exclusivamente, los algoritmos genticos son algoritmos de bsqueda que se inspiran en la seleccin natural para descartar datos de un conjunto determinado basndose en la probabilidad y tambin estn los sistemas expertos que son IA que se programan con los conocimientos propios de un experto en una determinada rea para que la IA actu de forma similar a dicho profesional.

Luego, surge la robtica que es la combinacin de IA y maquinas con el objetivo de que la parte fsica actu en concordancia con la parte lgica haciendo, de estos mecanismos, trabajadores efectivos dentro de una industria que respondan en concordancia con la situacin que se les presenta y de forma precisa con lo que resultan ms eficientes que una persona ya que la posibilidad de error es muy poca. La IA presenta de esta forma nuevas posibilidades dentro de la automatizacin industrial pues ya no se trata de un programa que solo acta de acuerdo a un cdigo sino de una lgica que responde de forma apropiada a cada situacin que se le presenta siendo asi muy verstil para la automatizacin de procesos.

Palabras clave: Automatizacin, inteligencia artificial, redes neuronales, lgica difusa, algoritmos genticos, sistemas expertos, robtica.

ndice general

Introduccin Aplicaciones de la Inteligencia Artificial en Automatizacin Industrial Redes Neuronales Algoritmos Genticos Sistemas Expertos Lgica Difusa Robtica

4 5 7 8 10 13 14

Conclusiones y Recomendaciones Bibliografa

Introduccin

La necesidad de automatizar los procesos industriales, sobre todo en el rea de la manufactura y ensamblado, es cada vez mayor pues el automatizar un proceso implica el aumentar la produccin y eficiencia adems de que se asegura la calidad de los productos siendo poco probable que uno de ellos resulte defectuoso o mal hecho. La inteligencia artificial (IA) es una ciencia relativamente moderna la cual ofrece muchas posibilidades debido a que se intenta crear dispositivos inteligentes que poseen una cierta capacidad de tomar decisiones ante una situacin imitando la capacidad de razonamiento de un ser humano.

La aplicacin de la inteligencia artificial en la automatizacin industrial es una realidad y cada vez ms las empresas adoptan estas tecnologas adaptndolas a su ramo de trabajo. La IA puede ser utilizada en servomecanismos con lo cual se crea un robot que realiza un nmero limitado de trabajos de manera eficiente, sin embargo, aun es requerido el trabajo de personas que mantengan estos mecanismos adems, a medida que avanza la tecnologa, estos equipos necesitan ser actualizados o

remplazados por otros ms eficientes. Se debe destacar que en el presente trabajo se incluyen algunos ejemplos y casos prcticos correspondientes a la aplicacin de una determinada IA en la automatizacin industrial.

Aplicaciones de la Inteligencia Artificial en Automatizacin Industrial

El propsito de la Inteligencia Artificial (IA) es hacer computacional el conocimiento humano no analtico por procedimientos simblicos, conexionistas o hbridos. Para el conocimiento analtico existen otras ramas de la computacin que estudian los mtodos y las tcnicas adecuadas para su representacin formal y posterior desarrollo de los programas de ordenador correspondientes. A diferencia de los programas convencionales que efectan operaciones de clculo matemtico, los programas de AI procesan cantidades no numricas, tales como smbolos, conceptos e ideas. El proceso computativo es sin duda una necesidad para cualquier empresa u organizacin. No obstante, casi todo lo que la gente hace en sus actividades profesionales cotidianas es ms simblico que numrico.

Esta metodologa tiene como objetivo sustituir al hombre en el proceso de toma de decisiones. Para ello utiliza unas bases de datos obtenidos a partir de la experiencia del operador. Este constituye un elemento ms en el esquema de control clsico, que permite modelar las partes no lineales del sistema. A continuacin se observan los diversos

tipos de inteligencia artificial existentes y su utilidad dentro de la automatizacin industrial.

Redes Neuronales:

Las Redes Neuronales Artificiales (RNA) estn inspiradas en las redes neuronales biolgicas del cerebro humano. Estn constituidas por elementos que se comportan de forma similar a la neurona biolgica en sus funciones ms comunes. Estos elementos estn organizados de una forma parecida a la que presenta el cerebro humano. Las RNA al margen de parecerse al cerebro presentan una serie de caractersticas propias del cerebro. Por ejemplo las RNA aprenden de la experiencia, generalizan de ejemplos previos a ejemplos nuevos y abstraen las caractersticas principales de una serie de datos. En el desarrollo de una red neuronal no hay que programar ni el

conocimiento ni las reglas del procesamiento del conocimiento. La red neuronal aprende las reglas del procesamiento del conocimiento mediante el ajuste de las conexiones ponderadas entre las neuronas de distintas capas de la red.

Las caractersticas especiales de los sistemas de computacin neuronal permiten que sea utilizada esta nueva tcnica de clculo en una extensa variedad de aplicaciones. La computacin neuronal provee un acercamiento mayor al reconocimiento y percepcin humana que los mtodos tradicionales de clculo. Las redes neuronales artificiales presentan resultados razonables en aplicaciones donde las entradas presentan ruido o las entradas estn incompletas. Algunas de las aplicaciones de las RNA tiles dentro de la automatizacin industrial son las siguientes:

Reconocimiento de Patrones en Imgenes: una aplicacin tpica es la clasificacin de objetivos detectados por un sonar. Existen varias ANN basadas en la popular Backpropagation cuyo comportamiento es comparable con el de los operadores humanos. Otra aplicacin normal es la inspeccin industrial.

Modelado de Sistemas: los sistemas lineales son caracterizados por la funcin de transferencia que no es ms que una expresin analtica entre la variable de salida y una variable independiente y sus derivadas. Las ANN tambin son capaces de aprender una funcin de transferencia correctamente como el sistema lineal que est modelando. y comportarse

ServoControl: un problema difcil en el control de un complejo sistema de servomecanismo es encontrar un mtodo de clculo computacional aceptable para compensar las variaciones fsicas que se producen en el sistema. Entre los inconvenientes destaca la imposibilidad en algunos casos de medir con exactitud las variaciones producidas y el excesivo tiempo de clculo requerido para la obtencin de la solucin matemtica. Existen diferentes redes

neuronales que han sido entrenadas para reproducir o predecir el error que se produce en la posicin final de un robot. Este error se combina con la posicin deseada para proveer una posicin adaptativa de correccin y mejorar la exactitud de la posicin final.

Algoritmos Genticos:

Los algoritmos genticos son algoritmos de bsqueda basados en los mecanismos de seleccin natural y gentica natural. Combinan la supervivencia de los ms compatibles entre las estructuras de cadenas, con una estructura de informacin ya aleatorizada, intercambiada para construir un algoritmo de bsqueda con algunas de las capacidades de innovacin de la bsqueda humana. Bsicamente, el algoritmo gentico funciona como sigue: en cada generacin, se crea un conjunto nuevo de criaturas artificiales (cadenas) utilizando bits y partes ms adecuadas del progenitor. Esto involucra un proceso aleatorio que no es, en absoluto, simple. La novedad que introducen los algoritmos genticos es que explotan eficientemente la informacin histrica para especular sobre nuevos puntos de bsqueda, esperando un funcionamiento mejorado.

El algoritmo gentico ha servido para que los estudios realizados en torno a l, se hayan aplicado a diversos problemas y modelos en ingeniera, y en la ciencia en general. Cabe destacar entre ellos:

Programacin automtica: Los Algoritmos Genticos se han empleado para desarrollar programas para tareas especficas, y para disear otras estructuras computacionales tales como el autmata celular, y las redes de clasificacin.

Aprendizaje mquina: Los algoritmos genticos se han utilizado tambin en muchas de estas aplicaciones, tales como la prediccin del tiempo o la estructura de una protena. Han servido asimismo para desarrollar

determinados aspectos de sistemas particulares de aprendizaje, como pueda ser el de los pesos en una red neuronal, las reglas para sistemas de clasificacin de aprendizaje o sistemas de produccin simblica, y los sensores para robots.

Lgica Difusa

Recientemente, la cantidad y variedad de aplicaciones de la lgica difusa han crecido considerablemente. La lgica difusa es una lgica alternativa a la lgica clsica que pretende introducir un grado de vaguedad en las cosas que evala. En el mundo en que vivimos existe mucho conocimiento ambiguo e impreciso por naturaleza. El razonamiento humano con frecuencia acta con este tipo de informacin. La lgica difusa fue diseada precisamente para imitar el comportamiento del ser humano. Surgi como una herramienta importante para el control de sistemas y procesos industriales complejos, as como tambin para la electrnica de entretenimiento y hogar, sistemas de diagnstico y otros sistemas expertos

La lgica difusa en comparacin con la lgica convencional permite trabajar con informacin que no es exacta para poder definir evaluaciones convencionales, contrario con la lgica tradicional que permite trabajar con informacin definida y precisa. La lgica difusa se puede aplicar en procesos demasiado complejos, cuando no existe un modelo de solucin simple o un modelo matemtico preciso. Es til tambin cuando se necesite usar el conocimiento de un experto que utiliza conceptos ambiguos o imprecisos. De la misma manera se puede aplicar cuando ciertas partes de un sistema a controlar son desconocidas y no pueden medirse de forma confiable y cuando el ajuste de una variable puede producir el desajuste de otras.

Actualmente la lgica difusa tiene un sin nmero de aplicaciones que afectan nuestra vida cotidiana de alguna u otra manera, pero en ocasiones no nos percatamos. La

lgica difusa se ha desarrollado en diferentes reas y a continuacin se mencionan algunas:

Control de sistemas: Control de trfico, control de vehculos, control de compuertas en plantas hidroelctricas, centrales trmicas, control en mquinas lavadoras, control de metros (mejora de su conduccin, precisin en las paradas y ahorro de energa), ascensores

Reconocimiento de patrones y Visin por ordenador: Seguimiento de objetos con cmara, reconocimiento de escritura manuscrita, reconocimiento de objetos, compensacin de vibraciones en la cmara, sistemas de enfoque automtico.

Sistemas de informacin o conocimiento: Bases de datos, sistemas expertos.

Robtica:

En la actualidad los robots se usan de manera extensa en la industria, siendo un elemento indispensable en una gran parte de los procesos de manufactura. Impulsados principalmente por el sector del automvil, los robots han dejado de ser mquinas misteriosas propias de la ciencia-ficcin para ser un elemento ms de muchos de los talleres y lneas de produccin. Por su propia definicin el robot industrial es multifuncional, esto es, puede ser aplicado a un nmero, en principio ilimitado, de funciones. No obstante, la prctica ha demostrado que su adaptacin es ptima en determinados procesos (soldadura, paletizacin, etc.) en los que hoy da el robot es sin duda alguna, la solucin ms rentable.

Junto con estas aplicaciones, ya arraigadas, hay otras novedosas en las que si bien la utilizacin del robot no se realiza a gran escala, si se justifica su aplicacin por las condiciones intrnsecas del medio de trabajo (ambientes contaminados, salas

aspticas, construccin, etc.) o la elevada exigencia en cuanto a calidad de los resultados (medicina, etc.). Estos robots se han venido llamando robots de servicio. La implantacin de un robot industrial en un determinado proceso exige un detallado estudio previo del proceso en cuestin, examinando las ventajas e inconvenientes que conlleva la introduccin del robot. Ser preciso siempre estar dispuesto a admitir cambios en el desarrollo del proceso primitivo (modificaciones en el diseo de piezas, sustitucin de unos sistemas por otros, etc.) que faciliten y hagan viable la aplicacin del robot. Algunas aplicaciones son:

Trabajos en fundicin: La fundicin por inyeccin fue el primer proceso robotizado (1960). En este proceso el material usado, en estado lquido, es inyectado a presin en el molde. Este ltimo est formado por dos mitades que se mantienen unidas durante la inyeccin del metal mediante la presin ejercida por dos cilindros. La pieza solidificada se extrae del molde y se enfra para su posterior debarbado. El molde, una vez limpio de residuos de restos de metal y adecuadamente lubricado, puede ser usado de nuevo.

Soldadura: En este proceso, dos piezas metlicas se unen en un punto para la fusin conjunta de ambas partes, denominndose a este tipo de soldadura por puntos. Para ello, se hace pasar una corriente elctrica elevada y a baja tensin a travs de dos electrodos enfrentados entre los que se sitan las piezas a unir. Los electrodos instalados en una pinza de soldadora, deben sujetar las piezas con una presin determinada (de lo que depende la precisin de la soldadura). Adems deben ser controlados los niveles de tensin e intensidad necesarios, as como el tiempo de aplicacin. Todo ello exige el empleo de un sistema de control del proceso de soldadura.

Aplicacin de materiales: El acabado de superficies por recubrimiento de un cierto material (pintura, esmalte, partculas de metal, etc.) con fines decorativos o de proteccin, es una parte crtica en muchos procesos de

10

fabricacin. Normalmente los robots de pintura son especficos para este fin. Suelen ser robots articulares, ligeros, con 6 o ms grados de libertad que les permiten proyectar pintura en todos los huecos de la pieza. Cuentan con protecciones especiales para defenderse de las partculas en suspensin dentro de la cabina de pintura y sus posibles consecuencias (explosiones, incendio, deterioro mecnico). Este mismo motivo origina que, en muchos casos, el accionamiento de los robots de pintura sea hidrulico o, de ser elctrico, que los cables vayan por el interior de conductos a sobrepresin, evitndose as, el riesgo de explosin

Corte: El corte de materiales mediante el robot es una aplicacin reciente que cuenta con notable inters. La capacidad de reprogramacin del robot y su integracin en un sistema, hacen que aqul sea el elemento ideal para transportar la herramienta de corte sobre la pieza, realizando con precisin un programa de corte definido previamente desde un sistema de diseo asistido por computador (CAD). Los mtodos de corte no mecnico ms empleados son oxicorte, plasma, lser y chorro de agua, dependiendo de la naturaleza del material a cortar. En todos ellos el robot transporta la boquilla por la que se emite el material de corte, proyectando ste sobre la pieza al tiempo que sigue una trayectoria determinada.

Sistemas Expertos:

Un sistema experto puede definirse como un sistema informtico (hardware y software) que simula a los expertos humanos en un rea de especializacin dada. Como tal, un sistema experto debera ser capaz de procesar y memorizar informacin, aprender y razonar en situaciones deterministas e inciertas, comunicar con los hombres y/u otros sistemas expertos, tomar decisiones apropiadas, y explicar por que se han tomado tales decisiones. Por ejemplo, un mdico examinando a un paciente puede percibir sutiles seales y sntomas que le recuerdan un caso que se present

11

diez aos atrs. Estos recuerdos les ayudan a hacer un diagnstico correcto. Ninguna mquina puede percibir y diagnosticar de este modo. Las mquinas carecen de la intuicin y de la cordial afectividad que se precisa para desarrollar determinadas labores.

Los sistemas expertos realizan a la perfeccin es el seguimiento sistemtico de la lnea de pensamiento de un especialista humano, garantizando que ninguna hiptesis razonable ha sido olvidada. Tambin verifican si la intuicin del especialista humano es coherente con la evidencia presente. Este procedimiento de verificacin suele hacerse en muchos sistemas expertos en paralelo con el anlisis que hace del problema el mismo especialista, que ha transferido sus conocimientos al sistema. En sus anlisis, el sistema experto aplica conocimientos codificados proporcionados por un experto real. Por tanto, los especialistas utilizan estos sistemas de base cognoscitiva como consultores de ayuda para sus diagnsticos, planes y tareas analticas; tambin para agilizar y consolidar su propio sistema de toma de decisiones.

Con la ayuda de estos consultores y consejeros, los especialistas humanos pueden multiplicar el potencial de sus capacidades. Varias estadsticas industriales indican que los especialistas que trabajan al 75 por 100 de sus posibilidades humanas pueden elevar su nivel de experticidad a un 85 por 100; los que lo hacen a un 85 por 100 pueden llegar al 90 por 100, y los del 90 por 100 pueden alcanzar el 92 por 100. Aunque estas ganancias en experticidad pueden parecer mnimas segn ciertos estndares, suponen para las empresas el ahorro de mucho dinero. Con dichas ganancias, las empresas pueden proporcionar mejores respuestas y mayor capacidad de anlisis por una inversin equivalente utilizando mtodos tradicionales, aumentando as su capacidad de competitividad comercial. Mejores soluciones y mayor efectividad analtica contribuyen a garantizar la satisfaccin del cliente.

La empresa Schlumberger ha plasmado sus conocimientos y experiencia en perforacin de pozos petrolferos en un sistema experto denominado Dipmeter

12

Advisor. Este sistema experto interpreta los datos sismolgicos y los refleja en un sismograma del subsuelo que permite determinar con certeza la presencia de petrleo. Los especialistas en sondeos petrolferos suelen interpretar los datos sismolgicos in situ mediante procedimientos manuales. En primer lugar, no existen muchos profesionales de esta especialidad con la formacin adecuada. Adems, los ms preparados, y por tanto los que pueden hacer diagnsticos ms fiables, tienen ms de treinta aos de experiencia y estn muy prximos a la edad de retiro.

Los gelogos y geofsicos que utilizan procedimientos manuales de anlisis sismolgico estn aprendiendo a usar el Dipmeter Advisor. Este sistema experto no sustituye a los especialistas, pero aumenta su potencial, mejora su capacidad de anlisis de interpretacin de datos y les permite proporcionar mejores soluciones, predicciones y recomendaciones sobre la deteccin de bolsas petrolferas y los procedimientos de recuperacin aplicables.

13

Conclusiones y Recomendaciones

Por medio de este trabajo queda clara la gran utilidad que posee la inteligencia artificial para la automatizacin industrial ya que en la actualidad resultan prcticamente indispensables dentro de la industria. Una IA correctamente configurada, puesto a que en el caso de las redes neuronales no sera correcto decir que son programadas, en combinacin con un mecanismo adecuado podra hacer cosas tan sencillas como controlar una cinta transportadora que controle su velocidad en relacin al peso u objetos que estn el ella hasta controlar un robot soldador que se encargue de unir cientos de piezas para el ensamblado de un automvil.

La construccin de un mecanismo con una IA bien configurada puede resultar excesivamente costosa para empresas pequeas pero para las grandes empresas es una gran ventaja pues el aumento en el rendimiento, comparado con la actividad laboral de un ser humano, es evidentemente mayor. Sin embargo, se debe destacar que estas maquinas no pretenden desplazar a los obreros pues si bien resultan excelentes para ciertas actividades para otras existen impedimentos para implementar una IA y, adems, deben de haber personas que supervisen la actividad de estas maquinas y las mantengan funcionando en condiciones optimas por lo que estas tecnologas no desplazaran a las personas sino que harn ms sencillo sus trabajos. Se debe destacar que las tecnologas ms importantes son las de Sistemas Expertos y Redes Neuronales las cuales pueden aprovecharse en mltiples formas.

14

Bibliografa

Aplicaciones de la Robtica. Extrado el 15 de septiembre de 2013 desde: http://www.juntadeandalucia.es/averroes/iesalfonso_romero_barcojo/departa mentos/tecnologia/unidades_didacticas/ud_controlroboticav1/Aplicaciones%2 0de%20los%20robots.pdf

Basogain, X. (2005). Redes Neuronales Artificiales y sus Aplicaciones. Extrado el 15 de septiembre de 2013 desde:

http://cvb.ehu.es/open_course_ware/castellano/tecnicas/redes_neuro/contenid os/pdf/libro-del-curso.pdf

Castillo, Gutirrez y Hadi (1998). Sistemas Expertos y Modelos de Redes Probabilsticas. 1ra Edicin. Academia Espaola de Ingeniera.

Lled, G (2007). Automatizacin de una Planta Industrial. Trabajo de Doctorado. Universidad de Alicante.

Lgica Difusa. Extrado el 15 de septiembre de 2013 desde: http://catarina.udlap.mx/u_dl_a/tales/documentos/lmt/ramirez_r_o/capitulo3.p df

Rodrguez, P. Introduccin a los Algoritmos Genticos y sus Aplicaciones. Extrado el 15 de septiembre de 2013 desde:

http://www.uv.es/asepuma/X/J24C.pdf

Rauch-Hindin, W. (1989). Aplicaciones de la Inteligencia Artificial en la Actividad Empresarial, la Ciencia y la Industria. 1ra Edicin. Editorial Prentice-Hall.

15