B.

Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 1

Una herramienta experta de desarrollo de sistemas para expertos no AI

B. Ruiz-Mezcua, A. Garcia-Crespo, J.L. Lopez-Cuadrado *, I. Gonzalez-Carrasco
Computer Science Department, Universidad Carlos III de Madrid, Avda. de la Universidad 30, 28911 Leganes, Madrid, Spain

ArticlE Info abstract

Palabras: Desde sus primeras aplicaciones hasta ahora, Expert Systems ha proporcionado soluciones a múltiples problemas en
Representación del conocimiento empresas de todo tipo. Con la llegada de Internet y su evolución, los sistemas de expertos basados en la web se han vuelto
Herramienta de sistema experta muy importantes. Además, la llegada de nuevos dispositivos móviles que pueden conectarse a Internet ha facilitado el
No expertos en AI acceso a la información desde cualquier lugar en cualquier momento, creando nuevos requisitos para los sistemas Web. La
Sistema experto Framework creación de un sistema experto normalmente requiere ciertos conocimientos técnicos y conceptos de inteligencia artificial
Sistemas expertos basados en la web (AI). Si se añade la necesidad de hacerla accesible a través de Internet, el grado de conocimiento técnico necesario para su
desarrollo es mayor, lo que entraña un coste inasequible para las pequeñas y medianas empresas. En este artículo,
presentamos una herramienta para el desarrollo de sistemas de expertos basados en la web que permiten al experto definir
el conocimiento sin tener que saber nada sobre AI. El motor de inferencia propuesto se integra en un servidor Web a través
del cual se puede acceder desde cualquier dispositivo con conexión a Internet. Finalmente, el artículo presenta ejemplos de
desarrollos logrados a través del marco propuesto.

2010 Elsevier Ltd. Todos los derechos reservados.

 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609
1. Introducción
Expert Systems ha proporcionado soluciones a diferentes
problemas en las empresas, desde la planificación
estratégica del marketing (Li, 2005) para consultar en la
reingeniería de procesos (Hvam, Malis, Hansen, & Riis,
2004). En general, la mayoría de los estudios publicados
se basan en técnicas avanzadas de inteligencia artificial,
utilizando lenguajes o herramientas específicas que
requieren cierto conocimiento de los procesos de
razonamiento para modelar la información. Las grandes
empresas cuentan con personal específico que gestiona
los sistemas de información. Pueden desarrollar
aplicaciones en períodos de tiempo relativamente cortos
y mantener actualizados los sistemas. Sin embargo, las
pequeñas empresas no pueden invertir recursos para
crear sistemas ni tienen personal adecuadamente
capacitado que pueda crear sistemas expertos.
Existen potentes herramientas para la generación de
sistemas expertos. Sin embargo, la creación de un
sistema experto en base a estas herramientas se
convierte en una tarea muy difícil para los usuarios sin
formación específica en las pequeñas y medianas
empresas. Una herramienta que es fácil de usar pero que
aún tiene la potencia suficiente para resolver problemas
y que puede ser utilizada por el experto en dominio hace
que la tecnología de los sistemas expertos sea accesible
en todo tipo de empresas.
En la actual sociedad de la información, las empresas
deben ser capaces de crear nuevas soluciones en
períodos de tiempo cada vez más cortos.
* Autor correspondiente. Tel.: + 34 91 624 9117; Fax: + 34 91 624 9129.
E-mail addresses: bruiz@inf.uc3m.es (B. Ruiz-Mezcua), acrespo@ia.uc3m.es (A. Garcia-
Crespo), jllopez@inf.uc3m.es (J.L. Lopez-Cuadrado), israel.gonzalez@ uc3m.es (I. Gonzalez-
Carrasco).
0957-4174/$-ver Front Matter 2010 Elsevier Ltd. Todos los derechos reservados.
Dos:On/J. ESWA. 2010.07.009
Entre las características de los servicios para las nuevas
redes de comunicación se encuentran aquellas que
apoyan el acceso desde diferentes terminales, como los
nuevos dispositivos móviles, y se pueden comercializar
en un corto período de tiempo (Lui, Pattabhiraman,
Subramanian, & Tadicherla, 2002). Como tal, la creación
de nuevos sistemas de expertos basados en la web debe
apoyar el acceso a través de nuevos dispositivos móviles
2
y proporcionar herramientas que faciliten el rápido
desarrollo de estos sistemas.
En este artículo, proponemos un marco para el
desarrollo de sistemas expertos basados en un modelo
de representación del conocimiento que sea fácil de
entender para las personas sin formación específica en
AI. Describimos una herramienta de modelización del
conocimiento basada en el modelo referido y un motor
de inferencia integrado en Internet para la explotación
de sistemas expertos creados sobre la base de la
herramienta propuesta. El marco propuesto facilita la
creación y explotación simples y rápidas de sistemas
expertos basados en la web, accesibles a través de
navegadores web, así como dispositivos móviles.
Además, la herramienta permite analizar la información
recopilada en diferentes sesiones.
El resto de este documento se organiza de la siguiente
manera. La sección de trabajo relacionada ofrece una
visión general de los sistemas de expertos basados en la
web y de los marcos disponibles. Sección 3 resume los
objetivos del marco propuesto. Sección 4 describe la
arquitectura de marco y la sección 5 presenta un
resumen del modelo de representación del
conocimiento. Sección 6 describe la herramienta
propuesta. El caso de la sección de estudio describe
cómo se ha empleado el marco en el desarrollo de un
sistema experto para la evaluación de la garantía.
Finalmente, la sección de conclusiones y trabajos futuros
concluye el documento y esboza el trabajo futuro.
2. Trabajo relacionado
En los últimos años, Internet se ha convertido en un
negocio. Junto con la evolución de la informática y las
comunicaciones, la ingeniería del conocimiento ha
avanzado en sistemas basados en el conocimiento y
expertos, creando sistemas de gestión más eficaces. El
objetivo de estos sistemas es ayudar a la creación,
transferencia y aplicación del conocimiento en las
empresas (Alavi & Leidner, 2001). El conocimiento se ve
cada vez más como un activo importante de la empresa.
El conocimiento tiene importantes ventajas competitivas
para cualquier persona que la posea, y es necesario
gestionarla adecuadamente.
Además, Internet se ha convertido en una herramienta
de comunicación ineludible para las empresas. En primer
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609
lugar, mejora la comunicación con los clientes. En
segundo lugar, proporciona a los trabajadores grandes
beneficios, permitiéndoles trabajar en cualquier lugar. Al
integrar los sistemas expertos en Internet, se pueden
utilizar las ventajas de ambas tecnologías para construir
sistemas expertos capaces de interactuar con un usuario
o con otro sistema a través de Internet. La(Grove, 2000)
el análisis proporciona una serie de ventajas de esta
integración:
Internet es muy accesible y su capacidad de acceso es
cada vez mayor.
Los navegadores web proporcionan una interfaz
multimedia común entre los diferentes sistemas.
Basado en Internet aplicaciones son portátil,
y platformindependent.
Actual protocolos hacer apoyo colaboración
entre sistemas expertos.
Durante esta evolución, los sistemas expertos han tenido
numerosas aplicaciones, entre las que destacan los usos
médicos e industriales. En el campo de los sistemas de
expertos basados en la web, en los últimos años también
se han producido avances importantes que han creado
una variedad de aplicaciones a raíz de la expansión de
Internet. Internet puede ser una fuente de datos para
ofrecer soluciones, así como un medio para acceder a la
ayuda del sistema desde cualquier lugar (Lin,
Hamalainen, & Winston, 2002). Un ejemplo de un
sistema experto basado en la web es el que desarrolla
Slater (1999) sobre la base de la herramienta RuleWorks,
que se utilizó para consultar sobre los componentes más
apropiados en la fabricación de ordenadores por la firma
digital (que más tarde se convirtió en Compaq). Otros
ejemplos de sistemas expertos basados en la web son
aplicaciones para la planificación estratégica del
marketing (Li, 2005) y el apoyo a la toma de decisiones,
que consiste en calcular la complejidad de los diferentes
aspectos del proceso productivo de la empresa en
función de sus características específicas (Efstathiou,
Calinescu, y Blackburn, 2002). En otro campo, Thomson
y Willoughby (2004) propone crear un sistema experto
que ayude a decidir qué herbicida específico utilizar.
Uno de los problemas a los que se enfrenta el desarrollo
de sistemas expertos es la necesidad de personal
3
especializado con conocimientos específicos de AI. El
problema surge en las pequeñas empresas que no tienen
acceso a personal especializado y cuyo personal no tiene
conocimientos suficientes de AI para asumir un proyecto
de este tipo. Wiener (1988) demuestra esta necesidad
en el área específica de la medicina, y propone la
simulación de la herramienta de razonamiento médico
(SMR) para que los expertos del dominio médico puedan
crear sistemas expertos sin necesidad de ningún
conocimiento técnico. Sin embargo, este sistema está
orientado hacia el dominio específico de la medicina y
no hacia Internet. Castillo, García-Pérez, y palao (2006)
también confronta el problema de permitir a los
usuarios sin conocimiento de AI que modifiquen el
conocimiento de un sistema específico, pero su solución
se centra en el dominio específico de los incendios
extintores.
Algunas de estas aplicaciones han sido desarrolladas ad
hoc, utilizando tecnologías como Perl, ASP o CGI
combinadas con HTML para generar la interfaz de
usuario. Subyacentes a estas tecnologías web se
encuentran lenguajes específicos como prólogo, CLISP o
Jess para representar el conocimiento y las reglas de
toma de decisiones. También hay herramientas de
negocio para generar sistemas de expertos basados en la
web como ExSyS córvidos, Expertise2Go y ILOG. Sin
embargo, es necesario que, en general, el responsable
de representar el conocimiento tenga nociones de
representación en AI y estrategias de razonamiento.
Más allá del área de herramientas de desarrollo para
las empresas, el buen viejo grupo de investigación de
la AI de la Universidad de Belgrado sobresale en la
creación de sistemas de expertos basados en la web,
así como marcos y herramientas. Para evitar la
complejidad de las lenguas como Jess, se han
desarrollado iniciativas como JessGUI (Jovanovic,
Gasevic, & Devedzic, 2004). JessGUI proporciona una
interfaz gráfica para representar el conocimiento
basado en Jess. Sin embargo, la integración del
conocimiento de un sistema web aún conlleva un
trabajo extra. JavaDON (Tomic, Jovanovic, & Devedzic,
2006), desarrollada por el mismo grupo de trabajo, va
un paso más allá, permitiendo la representación del
conocimiento en formato XML, facilitando la
conversión a otros idiomas. JavaDON permite la
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609
publicación web a través de un applet. Sin embargo,
todavía requiere la noción de conceptos como marcos.
Evangelou y Karacapilidis (2006) presentar una
herramienta de gestión colaborativa del conocimiento
enfocada en el apoyo a la toma de decisiones entre
expertos. Sin embargo, este enfoque en el apoyo a la
decisión hace que sea inapropiado para otros
dominios que no han sido previamente adaptados.
Para lograr la interoperabilidad entre los diferentes
sistemas inteligentes, Jovanovic y Gasevic (2005)
propone utilizar hojas de tipo XSLT para cambiar entre
diferentes lenguajes basados en XML de
representación del conocimiento. Este enfoque
requiere al menos un lenguaje intermedio basado en
XML y conocimiento de esta lengua para poder crear
sistemas expertos. Dunstan (2008) presenta un
método para crear sistemas de expertos basados en la
web basándose en las descripciones de un dominio
específico en formato XML. El procedimiento consiste
en convertir la definición de formato XML en reglas de
prólogo, páginas HTML y programas cgi. Sin embargo,
este método requiere conocimientos técnicos de bajo
nivel para definir el dominio en formato XML.
Han y el parque (2009) proponer un sistema de
gestión del conocimiento en relación con los procesos
del negocio. Sin embargo, este sistema está orientado
a la gestión del conocimiento para facilitar la
recopilación de información y, a continuación, utilizar
esta información para apoyar las decisiones.
Con respecto a los aspectos técnicos, Kim, Song, y
Hong (2005) clasifica los sistemas basados en la web
en función de la ubicación del motor de inferencia.
Pueden ser ubicados en el servidor, accesibles a través
de programas cgi, scripts como JSP, ASP o PHP, o como
un modelo integrado en el servidor como API, o
pueden estar ubicados en el cliente, a través de un
visor externo o un applet Java. La desventaja de los
ubicados en el cliente es que el sistema tiene que ser
descargado para ser ejecutado. Tomando como punto
de partida los problemas de rendimiento que pueden
tener los sistemas basados en la web, ya sea en el
cliente o en el servidor, Kim et al. (2005) señala que,
en este tipo de sistema, un enfoque basado en HTML
es más eficiente. Los autores proponen un mecanismo
de inferencia basado en los hipervínculos de los
4
documentos HTML y aportan una herramienta para la
generación de este tipo de sistema. Sin embargo, la
desventaja de este enfoque radica en que el cambio
de normas o la incorporación de nuevos elementos
implica la generación completa de todo el sistema.
Sin embargo, los sistemas expertos basados en la web
no son siempre la mejor solución para todos los
problemas. A veces no es factible utilizar Internet
como medio de acceso al sistema de expertos, ya sea
por razones de seguridad de comunicaciones y datos o
por el tiempo de respuesta y por la falta de
consideraciones específicas de diseño (Adams, 2001).
El avance del desarrollo de aplicaciones web que
incorporen sistemas expertos ha motivado a los
ingenieros a comenzar a abordar el problema
específico de la integración de estas tecnologías
(Dokas, 2005). Duan, Edwards, y Xu (2005) identifica
una serie de oportunidades pendientes para
aprovechar los beneficios de los sistemas de expertos
basados en la web, como el desarrollo de nuevas
metodologías, herramientas y técnicas de
representación del conocimiento, ya que las formas
tradicionales pueden no ser apropiadas para una web
ambiente.
Al orientar la creación de un sistema experto basado en
la web, el uso de cuestionarios se adapta perfectamente
a la aplicación de tecnologías web asociadas a sistemas
expertos. La interacción entre el usuario y el sistema
experto conlleva un diálogo web que debe ser
controlado (Yu, 2004). En respuesta a las aplicaciones
que vinculan las preguntas de una manera estática, Yu
(2004) propone un módulo para generar un diálogo que
se manifiesta en una elección inteligente de la próxima
pregunta a realizar y grupos de posibles respuestas que
reflejan el conocimiento que el sistema posee. Este es un
claro caso de uso de Internet para llegar a los clientes y
ofrecerles soluciones personalizadas, gracias a un
sistema basado en el conocimiento.
La integración de la AI y las tecnologías basadas en el
conocimiento con la tecnología de Internet aplicada a la
fabricación lleva a una nueva tecnología que permite
alcanzar ciclos de desarrollo muy cortos y aprovechar las
oportunidades repentinas que surgen en el mercado
(Xie, 2006). Con el objetivo de integrar la gestión del
conocimiento y la gestión de los procesos empresariales,
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 5

Jung, Choi, y Song (2007) propone una arquitectura cuyo
objetivo es combinar las ventajas de ambos paradigmas.
Sin embargo, es necesario disponer de herramientas que
hagan que sea fácil para las personas que no son
expertos en informática crear estos sistemas, y
especialmente para las pequeñas y medianas empresas
que no pueden permitirse el coste de un desarrollo que
está en escala con su potencial.
En este artículo, presentamos una herramienta para el
desarrollo de sistemas de expertos basados en
websystem orientados a personas sin conocimientos
previos de AI. La herramienta se integra en un marco
que permite la explotación de sistemas creados rápida y
fácilmente a través de Internet, haciéndolo accesible a
navegadores convencionales así como a dispositivos
móviles.
3. Objetivos
El objetivo principal es obtener un marco que facilite el
desarrollo de sistemas expertos dirigidos a sectores que
carezcan de personal especializado en el desarrollo de
sistemas. En este caso, los expertos en dominio deben
ser capaces de representar el conocimiento para que
puedan crear el sistema experto. Además, la simplicidad
en la creación del sistema favorecerá el rápido desarrollo
de los sistemas de expertos para las pequeñas empresas
que no pueden permitirse grandes avances, pero que no
tienen que perder ningún beneficio como resultado. Los
objetivos del marco propuesto son los siguientes:
5. Integración con sistemas de software de la compañía,
especialmente el software de ofimática que las
pequeñas empresas normalmente emplean.
6. Integración con dispositivos móviles. Los sistemas
expertos desarrollados sobre la base del marco
propuesto deben ser accesibles a través de un simple
navegador web, así como a través de dispositivos
móviles.
Las funciones requeridas por los responsables del
desarrollo de los sistemas son las siguientes:
1. Crear y modificar bases de conocimiento que
representen sus procesos de toma de decisiones.
2. Probar los sistemas desarrollados sin tener que
elevarlos al nivel de explotación.
3. Tener acceso a la información obtenida de los usuarios
de los sistemas desarrollados y poder analizar esta
información.
4. Ser capaz de publicar el sistema a través de Internet en
un simplemanner.
En cuanto a los usuarios de los sistemas desarrollados, el
único requisito identificado es que pueden obtener
acceso a través de navegadores web convencionales, así
como a través de navegadores disponibles en
dispositivos móviles, tales como asistentes digitales
personales o teléfonos móviles.

1. Abstracción de conceptos complejos, es decir, que un

usuario withno conocimiento de AI debe ser capaz de
expresar sus conocimientos en un dominio específico.
2. Interfaz de desarrollo intuitivo. La herramienta de
desarrollo Eagleton fácil de crear sistemas expertos.
3. Basado en la Web. La interacción con el sistema
experto debe occurthrough las páginas Web definidas
por el usuario con aplicaciones convencionales.
4. No requiriendo desarrollos adicionales. En muchos
casos, la creación de un sistema experto basado en la
web implica el desarrollo tanto de la base de
conocimientos como de la interfaz Web, que implica el
conocimiento de la programación o personal
especializado que puede conectar todo el sistema.
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609
4. Arquitectura del marco
Fig. 1 muestra la arquitectura del marco propuesto. La
idea es que el experto en el dominio es capaz de
representar su conocimiento mediante una herramienta
intuitiva, fácil de usar. Esta herramienta se basa en un
modelo de representación expresado a través de
conceptos fácilmente comprensibles para usuarios sin
experiencia en AI.
La herramienta utilizada por el experto para representar
su conocimiento almacena información en una base de
conocimiento. El experto podrá crear y modificar
procesos que automaticen sus procesos de toma de
decisiones.
El motor de inferencia, integrado en un servidor Web,
leerá el proceso definido por el experto y lo reproducirá
a petición de un usuario externo. El motor tomará
Fig. 1. Arquitectura de marco.
decisiones de acuerdo con la información aportada por
el experto, interactuando con el usuario a través del
servidor Web. Además, podrá establecer sesiones con
varios usuarios. Como el protocolo http es un protocolo
5. Modelo de conocimiento
apátrida, el motor de inferencia almacenará la memoria
de trabajo en una base de datos. Gracias a esta
característica, el experto podrá posteriormente analizar
las respuestas proporcionadas por los usuarios del
sistema y estudiar los resultados generados por el
sistema Expert. De esta forma podrá generar nuevos
conocimientos y mejorar los sistemas creados.
Además de la interfaz http, el motor de inferencia tiene
una interfaz de software definida para la interacción con
6
otros sistemas que el experto puede utilizar en su
trabajo diario. Como tal, cuando el experto define sus
conocimientos para automatizar la solución a un
problema, también podrá definir la forma de acceder a
la información encontrada en otras aplicaciones. Esta
interfaz se implementa a través de un formato definido
de objetos que permite al motor de inferencia crear
instancias de la misma.
El usuario externo del sistema Expert accede a él a través
de un navegador web que puede ser en un PC
convencional o en un dispositivo móvil como un
asistente personal digital. La interacción con el motor de
inferencia se produce a través de un intercambio de
mensajes http. El motor de inferencia envía las páginas
web de usuario externas que contienen formularios en
los que el usuario introduce la información necesaria
para tomar decisiones. Una vez completado el
formulario, el usuario envía el motor de inferencia a los
valores a través de un mensaje http para que pueda
continuar con el proceso de toma de decisiones.
En esta sección, las características básicas del modelo de
representación se describen desde el punto de vista del
usuario. La descripción formal del modelo de
representación subyacente está fuera del alcance de
este artículo.
Una manera intuitiva de definir el conocimiento es a
través de las reglas de si-entonces-else. Los modelos
existentes basados en reglas generalmente usan dos
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609
tipos de inferencia: encadenamiento hacia adelante y
encadenamiento hacia atrás. La representación del
conocimiento sobre la base de estos modelos requiere
un cierto conocimiento de AI.
En las entrevistas que realizamos al principio del
desarrollo de nuestro modelo, se preguntó a
diferentes expertos: ' ' ¿cómo se resuelve un
problema? ' Al explicar el proceso de solución, el
experto comenzó con una descripción de un estado
inicial del problema. Desde este estado inicial, el
experto describió las condiciones bajo las cuales este
estado inicial cambió hasta que se alcanzó una
solución al problema.
Cada uno de los Estados posibles fue nombrado
situación. El estado inicial es la situación inicial del
proceso. En una situación es necesario hacer alguna
acción que proporcione la información necesaria para
avanzar hacia la solución al problema. Esta
información se obtiene a través de páginas web en
formato HTML y XML. Se llaman situaciones
interactivas. La información también puede obtenerse
a través de la conexión a otras aplicaciones de la
empresa, como una hoja de cálculo o una base de
datos. Cuando la información obtenida proviene de un
sistema externo en lugar de un usuario, la situación se
denomina situación automática o llamadas de
biblioteca.
Las situaciones interactivas significan un intercambio
de información entre el usuario del sistema experto y
el motor de inferencia. Esta interacción debe
traducirse en un intercambio de mensajes para que
haya al menos un mensaje que indique la conclusión
del proceso de resolución en respuesta al mensaje de
7
inicio enviado por el usuario del sistema. Sin embargo,
al igual que muchos sistemas basados en el
conocimiento, normalmente es necesario que el
usuario proporcione información adicional que el
motor de inferencia puede utilizar para tomar
decisiones. Las situaciones interactivas harán posible
que el usuario del sistema envíe información adicional
al motor de inferencia para que pueda encontrar una
solución.
Por lo tanto, las situaciones interactivas modelan una
conversación entre el motor de inferencia y un
usuario. En esta conversación, debe haber una
respuesta a cada mensaje recibido por el motor de
inferencia. Esta respuesta puede ser una conclusión o
una solicitud de más datos.
Sin embargo, después de recibir un mensaje del
usuario, el motor de inferencia puede realizar una
secuencia de acciones, llamando a otros sistemas a
través de llamadas de biblioteca y respondiendo al
usuario con los resultados que obtiene. La interacción
con la aplicación externa se representa a través de un
conjunto de parámetros que definen la información
enviada a la aplicación y la información que el motor
de inferencia espera recibir.
La información relativa al estado del problema está
representada por medio de hechos, que se definen
por medio de hvalor de atributome parejas asociadas
con una situación.
Cuando el motor de inferencia ha recibido todos los
valores de los hechos que corresponden a una situación
del problema, podría ser
B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 8

Fig. 2. Muestra de la red de situaciones.

Fig. 3. Muestra de la red de contextos.

 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 9

necesario hacer pruebas adicionales para decidir si el proceso de solución puede continuar: estas son las
verificaciones. Una verificación es un conjunto de condiciones que deben cumplir los datos recibidos por
el sistema de expertos para garantizar que es válido para continuar. Un ejemplo de verificación sería
comprobar que el usuario ha escrito un número en el hecho de que representa su edad. Otra
verificación podría ser comprobar que tiene más de 18 años de edad para continuar con el proceso de
decisión.

Finalmente, las reglas que el experto sigue en una situación específica para decidir el siguiente paso para
resolver el problema están representadas por objetos llamados decisiones. En el modelo, una decisión
se representa como un conjunto de condiciones que el motor de inferencia debe evaluar, y un destino
que será la siguiente situación del problema siguiente situación del problema, si se cumplen las
condiciones. Este destino puede ser una situación, un nuevo contexto u otra decisión. Cuando el destino
es un contexto, la situación en la que se encuentra el problema será la situación inicial asociada con el
contexto.

Se puede observar una visión general de la representación de un proceso de solución en Fig. 2. Esto
muestra el conjunto de situaciones como un gráfico donde cada nodo es una situación potencial en la
que se realiza una acción específica. Cada situación está conectada a otras situaciones por medio de las
decisiones. Las decisiones incluyen las condiciones que determinan el paso a una u otra situación sobre
la base de una situación dada.

En la definición de un problema, es posible identificar diferentes contextos que pueden ocurrir durante
el proceso de resolución. El contexto del objeto agrupa situaciones que van a estar relacionadas
lógicamente entre sí. Por ejemplo, en el caso de un sistema experto en consultoría de seguros, se puede
establecer un contexto diferente según el tipo de seguro que se decida sacar. Los contextos permiten
definir el problema en los subproblemas; es así, permiten que el problema se divida en diferentes
bloques que más tarde se relacionarán para dar forma a la solución global. Una situación puede
pertenecer a diferentes contextos. Una situación tendrá diferentes decisiones basándose en el contexto
en el que se presenta.

Fig. 3 muestra cada una de las situaciones en el contexto al que pertenece. De esta forma se está
representando una red de contextos. Cada contexto agrupa un conjunto de situaciones que tienen una
relación lógica entre ellos y que se pueden producir dentro de un conjunto determinado de condiciones.
Gráficamente, también se puede observar cómo el contexto puede representar un subproblema dentro
del problema global cuyo proceso de resolución está siendo modelado.
6. Herramienta de representación de conocimientos

La herramienta de representación permite definir los diferentes objetos de conocimiento descritos en la

sección 5. A través de estos objetos, el experto representa, en forma de árbol, el proceso de toma de
decisiones que utiliza en su obra. Estos objetos, descritos en la sección anterior, se resumen en:

Contextos: permiten agrupar situaciones relacionadas de forma lógica. Los contextos tienen una doble
función. En primer lugar, establecen diferentes configuraciones dentro del problema, ya que una
situación en diferentes contextos se comportará de manera diferente. En segundo lugar, pueden
definir subproblemas dentro de un problema más general, permitiendo que el problema sea tratado
en conjuntos más reducidos que luego se relacionarán a través de decisiones.
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 10

Situaciones: diferentes Estados en los que se puede encontrar el estado del problema. En situaciones
interactivas, se envía una página web a

Fig. 4. Vista de árbol para la muestra de aseguramiento.

el usuario, donde introducirá la información necesaria para que el motor de inferencia continúe con
el proceso de toma de decisiones. Bibliotecas: son un tipo especial de situación en la que se obtiene
información de la llamada a otro sistema mediante el intercambio de parámetros.

Verificaciones: son un conjunto de reglas para comprobar que los valores de los hechos recibidos por
el motor de inferencia son válidos. Cada situación o biblioteca tiene un conjunto de comprobaciones
asociadas.

Decisiones: son un conjunto de condiciones que se asocian con una situación y que determinan la
siguiente situación en la que se encuentra el problema.

El elemento principal de la herramienta es la vista de árbol. El árbol muestra la relación entre los
diferentes objetos de conocimiento que se pueden utilizar.

Fig. 4 muestra cómo se organizan los objetos definidos en la vista de árbol. En el nivel superior uno ve el
contexto inicial del proceso. En el nivel justo debajo de esto, aparece la situación inicial para este
contexto. Esta situación inicial se ramifica, mostrando, agrupada en diferentes carpetas, las
verificaciones que se deben realizar, las decisiones que se pueden tomar y los hechos que reciben valor
en esta situación. Asimismo, cada decisión se ramifica, mostrando el destino al que está asociado si se
realiza. Desde esta vista de árbol, al hacer clic en un objeto, los valores del objeto seleccionado se
muestran en los editores de la parte derecha de la pantalla (Fig. 5).
B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 11

Fig. 5. Cargando situaciones y hechos.

 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 12

Fig. 6. Llamada de biblioteca externa.

Para definir una situación, la herramienta de modelado permite la selección de una página HTML o
XML. Esta es la página que el motor de inferencia enviará al usuario para obtener los valores que
corresponden a los hechos asociados con la página. Estos hechos son las respuestas a las preguntas
contenidas en la página web, representadas en un formulario. La herramienta escanea
automáticamente los formularios de la página HTML para cargar todos los datos que pueden tener un
valor (Fig. 5). Para los usuarios con mayor conocimiento técnico, la herramienta permite la selección
de una hoja de estilos para aplicar en cada situación, así como algunos botones que se usarán para
enviar los datos del formulario al motor de inferencia. También es posible definir la estrategia para
seleccionar las reglas para este
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 13

situación, eligiendo una de dos posibilidades: ejecutar la primera que se activa, evaluarlas en orden de
definición, o ejecutar todas las que se activan.

Un tipo particular de situación es la biblioteca. Como se ha descrito en el modelo, las bibliotecas

permiten que el sistema interopere con aquellas aplicaciones que el experto utiliza para realizar
acciones y obtener datos adicionales en forma de hechos. Fig. 6 muestra la definición de una llamada de
biblioteca en la herramienta propuesta. La parte superior de la ventana es similar a la de las situaciones
convencionales. Una pieza de información que se debe proporcionar es el nombre del objeto, es decir, el
nombre de la interfaz que solicita al motor de inferencia que ejecute la acción. Todas las bibliotecas
deben seguir algunas convenciones en su definición para permitir que el motor de inferencia las
instancias, enviar los parámetros y ejecutar la acción correspondiente. En la parte inferior de la ventana,
se define el conjunto de parámetros que se pasa a la biblioteca. Si se declara que la biblioteca es virtual,
no enviará ningún resultado al usuario del sistema experto. El proceso de resolución simplemente
seguirá basándose en los datos producidos en la convocatoria.
B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 14
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 15

Fig. 7. Verificaciones para una situación en un contexto.

Fig. 8. Decisiones para una situación en un contexto.

Para una situación o una biblioteca en un contexto específico, se definen las reglas para verificar la
validez de los hechos que se producen. Fig. 7 muestra el editor de reglas de verificación. El usuario de la
herramienta de sistema Expert seleccionará la situación y el contexto para definir la verificación. A
través del editor de condiciones, el usuario establecerá las condiciones bajo las cuales se realiza la
verificación. Si un
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 16

se realiza la verificación, se pueden tomar dos decisiones diferentes: detener el proceso de

razonamiento o continuar. En ambos casos, se mostrará un mensaje que se puede definir en el editor de
verificaciones.

Cuando se hayan realizado todas las verificaciones relacionadas con una situación, el perito determinará
las normas necesarias para establecer la siguiente situación en la que se encuentra el proceso de
resolución de problemas. Fig. 8 muestra el editor de decisiones. En este editor, el usuario puede
seleccionar la situación y el contexto para el que quiere definir las decisiones. Una decisión también
tiene la estructura si hcondicionesme Entonces hnueva situacióni, donde las condiciones se definen
como ya descritas con el editor de condiciones, y la nueva situación es establecida por el experto. La
nueva situación se puede establecer de diferentes maneras: seleccionando la situación correspondiente;
establecer un contexto como destino de la norma, en cuyo caso la siguiente situación será la situación
inicial de este contexto; u otra decisión, en cuyo caso la siguiente situación se determina por el destino
de dicha decisión.
B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 17

Fig. 9. Datos almacenados de la sesión.

 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 18

Fig. 10. Esquema de situación interactiva.

La herramienta de gestión permite al usuario establecer los parámetros de configuración del sistema
web. La experiencia del usuario ayudó a definir estos parámetros. Como tal, es posible definir una
ruta de acceso predeterminada en la que se encuentran las páginas web de las situaciones. De esta
manera, la definición de las situaciones es independiente de la ruta donde se encuentran las páginas
HTML o XML. La herramienta también permite el establecimiento de hojas de estilo predeterminadas
para todas las situaciones. Además, un
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 19

se puede definir el conjunto de botones utilizados por defecto en la interfaz de usuario. Por último, es
posible desactivar todos los controles JavaScript que utiliza el Framework para controlar la navegación
de modo que funcione correctamente en navegadores de dispositivos móviles como personal de
asistencia digital o teléfonos móviles.

La herramienta de modelado también permite al usuario simular el funcionamiento del sistema experto
en modo off-line, de forma que el experto pueda comprobar si el funcionamiento del sistema se ajusta a
sus necesidades. Fig. 9 muestra la pantalla que permite al experto analizar los datos relativos a las
sesiones que los usuarios han establecido con el sistema Expert. La herramienta hace posible exportar
estos datos a Excel para facilitar su análisis más adelante.

7. Proceso de razonamiento

En esta sección, describimos cómo el motor de inferencia decide los próximos pasos de acuerdo con las
reglas establecidas por el experto después de recibir los hechos de una situación. El proceso de
razonamiento se basa en la estrategia de encadenamiento hacia adelante. La interacción con un sistema
experto definido en el marco propuesto comienza con la llegada de un mensaje de inicio de un agente
externo.

Cuando el motor de inferencia recibe el mensaje inicial, asigna un identificador de sesión al proceso. En
todos los intercambios de mensajes con un usuario a través de situaciones interactivas, el identificador
de sesión se incluirá en el mensaje. La respuesta del usuario incluirá también este identificador para
permitir al motor de inferencia determinar cuál de los procesos activos está utilizando en ese momento.

Después de asignar un código de sesión, el motor de inferencia busca la situación inicial y el contexto en
la definición del proceso. Una vez encontrados, determina la acción asociada a la situación y la ejecuta.
Las situaciones pueden ser interactivas, llamadas de biblioteca o virtuales.

El proceso de una situación interactiva por el motor de inferencia es el siguiente (Fig. 10):

1. El motor de inferencia recibe un mensaje del usuario externo.

2. El motor de inferencia comprueba el estado del proceso en la base de hechos.
3. El motor de inferencia recupera la página web asociada a la situación actual y al contexto de la
definición del proceso.
4. El motor de inferencia envía la página web al usuario. Después de enviar la página web al usuario
externo, la inferencia
B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 20
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 21

Fig. 12. Situación de ' ' asistencia a la muerte ' '.

el motor espera la llegada de nuevos hechos producidos como resultado de la acción realizada.

Una llamada de biblioteca es la que implica la interacción con una aplicación externa. Ejemplos de
este tipo de acción pueden ser la consulta de una base de datos para reunir información en forma
de hechos necesarios para el proceso de decisión, o consultas de hojas de cálculo, por ejemplo, para
hacer cálculos complejos que ya están incluidos en una hoja de cálculo , con lo que se utiliza este
conocimiento para facilitar el proceso de decisión. Los pasos que toma el motor de inferencia son
los siguientes (ver Fig. 11):

1. El motor de inferencia recibe un mensaje del usuario.

2. El motor de inferencia comprueba el estado del proceso en la base de hechos.
3. El motor de inferencia recupera la llamada de la biblioteca asociada a la situación actual desde la
definición del proceso. También recupera los parámetros de llamada correspondientes a la situación
actual y al contexto. Para cada parámetro, el motor de inferencia sustituye el nombre de los hechos
por su valor correspondiente.
4. El motor de inferencia crea una instancia de la interfaz con la aplicación externa y ejecuta una función.
5. Después de esta ejecución, el motor de inferencia recibirá en consecuencia un conjunto de
parámetros que contendrán los hechos para continuar el proceso de decisión.
Las situaciones virtuales son aquellas en las que no es necesario realizar ninguna acción. En este caso,

Fig. 11. Esquema de llamada de biblioteca.

el motor de inferencia continúa con el algoritmo de solución como si hubiera ejecutado

correctamente una acción, desplazándose directamente a la evaluación de las verificaciones.

Como resultado de la ejecución de una acción en una situación de cualquier tipo (enviar una página
web al usuario o interactuar con otro sistema), habrá un cambio en los valores de un conjunto de
hechos que se asociarán con la situación y el contexto en el que la acción es por formado. Otra forma
de modificar el estado de la memoria de trabajo es utilizando operadores específicos en las
condiciones de las decisiones.
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 22

Después de recibir los hechos que corresponden a una situación, el motor de inferencia comprueba su
validez a través de las verificaciones. El proceso de verificación consiste en el motor de inferencia
recuperando el conjunto de verificaciones relacionadas con la situación y el contexto desde el cual se
reciben los datos, y evaluando las condiciones asociadas. Si se cumplen las condiciones, el proceso
puede detenerse o continuar de acuerdo con lo que el perito haya definido. Si las verificaciones no
han determinado la detención del proceso de solución, es posible continuar con el siguiente paso del
proceso de razonamiento.

Después de comprobar a través de las comprobaciones que las condiciones del área circundante del
problema tienen un valor apropiado para continuar el proceso de la solución, el motor de inferencia
evalúa las reglas de decisión que determinarán la siguiente situación en la que se encuentra el
proceso.
B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 23
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 24

Fig. 13. Selección de seguros disponibles.

Uno de los problemas que los sistemas basados en reglas deben resolver es la resolución de
conflictos, esto es, determinar la regla que se ejecuta en el caso donde hay varios activados. En el
modelo de representación, las reglas se expresan en forma de decisiones. Una decisión se activa
cuando se cumplen las condiciones asociadas con ella. Las estrategias clásicas (Brachman & Levesque,
2004) para resolver conflictos se emplean sobre la base de lo siguiente: el orden en que se han
definido las reglas, la especificidad de las condiciones, el último
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 25

tiempo en que se ejecutó una regla, o si se ejecutó o no una regla previamente.

El motor de inferencia emplea dos estrategias posibles para evaluar las reglas asociadas a cada
situación: seleccionar la primera regla que se activa, evaluarlas en el orden en que fueron definidas, o
ejecutar todas las decisiones que se llevan a cabo para este situación (bifurcación múltiple). En este
último caso, las reglas de ejecución pendientes se gestionan a partir de una pila de decisiones con las
que se explora primero en profundidad el árbol que representa el proceso de decisión. Por defecto, la
estrategia en una situación es seleccionar la primera regla que se activa.

La estrategia para seleccionar las reglas activas se establece para cada situación en cada uno de los
contextos que pueden ocurrir. De esta manera la misma situación en diferentes contextos podría tener
diferentes estrategias de activación.

Una vez que se evalúa el conjunto de decisiones que se asocian a una situación para el contexto actual,
el motor de inferencia debe decidir la siguiente situación de acuerdo con la estrategia que se ha
establecido. El destino de la decisión que se activa determina la siguiente situación en la que se
encuentra el problema.

Después de determinar la nueva situación y el contexto en el que se encuentra el proceso de solución en

base a las decisiones, el motor de inferencia actualiza la situación y el contexto asociado con la sesión
actual en la memoria de trabajo. A continuación, el motor de inferencia ejecuta la acción asociada a la
situación, repitiendo los pasos descritos hasta llegar a una solución o no es posible continuar porque no
se activa ninguna regla. El usuario puede utilizar un botón ' ' anterior ' ' en cualquier momento para
restaurar el estado de la memoria de trabajo a la situación anterior en el proceso de razonamiento. De
esta manera los resultados pueden ser cambiados y diferentes alternativas para las soluciones pueden
ser exploradas.
8. Estudio de caso: Asistente de seguros

La arquitectura propuesta ha evolucionado con el tiempo hasta llegar a su estado actual (Lopez-
cuadrado, Gonzalez-Carrasco, García-Crespo, & Ruiz-Mezcua, 2006). Durante la evolución del marco
presentado en este artículo se han desarrollado diferentes sistemas de expertos, entre ellos destacan el
sistema de elaboración de presupuestos (López-cuadrado, García-Crespo, Ruiz-Mezcua, Gómez-Berbis,
& González-Carrasco, 2010; López-cuadrado et al., 2005).

En lo que sigue, describimos la creación de un sistema simple de la recomendación desarrollado por un

vendedor experto forma la compañía de seguros. En esta sección nos referimos al vendedor que accede
al sistema de expertos de seguros para obtener una recomendación con el nombre de usuario.

El caso de estudio consiste en la creación de un asistente para la consultoría de vendedores de una

compañía de seguros sobre las características de las diferentes políticas. El objetivo era que un experto
de la compañía centralizara el conocimiento de este sistema, y para vendedores, a través de un
asistente digital personal con una conexión a Internet, para acceder al sistema cuando se contacte con
un cliente. Basándose en las características del cliente, el sistema propondría al vendedor las diferentes
opciones de seguro para que las opciones más interesantes y recientes se ofrezcan siempre. Para la
interacción entre el sistema Expert, las aplicaciones de base de datos y la hoja de cálculo, se utilizan las
interfaces predeterminadas desarrolladas con la herramienta de sistema Expert.
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 26

Después de acceder al sistema de recomendación, el usuario del sistema experto debe seleccionar el
tipo de seguro que desea ofrecer al cliente.

Fig. 13 muestra en el rastro de la herramienta de modelado la página creada por el vendedor para
seleccionar uno de los seguros disponibles. Esta página corresponde a la situación de ' ' seleccionar
seguro ' '. Después de seleccionar el seguro, haciendo clic en el botón ' ' Next ' ' los datos del formulario
se envían al motor de inferencia. El motor de inferencia, evaluando las decisiones asociadas a esta
situación, decide la siguiente situación correspondiente al seguro que ha sido seleccionado. Para el
prototipo se creó una situación para el seguro de ' ' asistencia a la muerte ' '. En esta página, un
formulario reúne toda la información necesaria para determinar las características de este seguro: edad
del titular de la póliza, tipo de servicio requerido, tipo de entierro, e información relativa a otros
servicios complementarios del seguro (Fig. 12). Si el cliente desea ser incinerado, entonces el sistema
debe calcular directamente el precio del seguro. Con este fin, el experto definió una llamada de
biblioteca que accede a la hoja de cálculo que utiliza para calcular el precio del seguro.

Los parámetros de llamada a la biblioteca representan los valores de las características de seguro cuyo
valor se ha recibido. Se envían a las celdas de la hoja de cálculo mencionada y los precios del seguro se
toman de otra celda. Si el cliente desea ser enterrado, entonces, dependiendo del tipo de seguro
seleccionado, él se deriva a una situación donde él selecciona el ataúd que él quiere utilizar.
Dependiendo del ataúd seleccionado, el precio total del seguro variará.

Fig. 14 muestra la situación en la que se muestran los resultados de los costos y características del
seguro adecuado para las características del cliente. Si el vendedor que utiliza el sistema experto desea,
puede almacenar los datos en una base de datos presionando un botón para que la empresa procese el
seguro.

Para evaluar la validez del Framework para sus posibles usuarios, diez personas probaron el Framework
y la herramienta de desarrollo a diferentes niveles. Seis personas tenían formación industrial o
empresarial y ningún conocimiento de AI, mientras que los otros cuatro tenían algún conocimiento de la
informática. Dos de estos cuatro tenían conocimiento de AI. Las seis personas con formación industrial y
empresarial tenían conocimientos informáticos a nivel de usuario. Cuatro de ellos tenían alguna
experiencia de programación, pero ninguno de los seis había trabajado con herramientas de AI antes. En
este
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 27

Fig. 14. Costos y características del seguro.

Fig. 15. Resultados de la evaluación.

caso, enfatizaron que, después de un período de adaptación en el que aprendieron cómo funcionaba la
herramienta, era fácil expresar el proceso en el que tomaban una decisión, utilizando los conceptos de
situaciones y decisiones. El árbol en el que los objetos están representados les ayudó a seguir el proceso
y la herramienta Trace les da la posibilidad de comprobar si el sistema se comportó de la manera en que
querían. Para la creación de las páginas web, se utilizó un sistema provisto de una suite ofimática. El
grupo de usuarios no AI coincidió con los cuatro expertos en la ventaja de poder acceder a los datos
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 28

almacenados en sistemas convencionales gracias a este aspecto, pudiendo definir un sistema,

actualizando posteriormente la información con las aplicaciones que normalmente trabajar.

Fig. 15 muestra los resultados de la evaluación realizada. La evaluación consistió en cuestiones relativas
a la facilidad de uso de la herramienta, el poder percibido del marco y la adaptación del sistema a las
necesidades de los usuarios. Cada aspecto se da un valor de 0 a 10, con 0 siendo totalmente
insatisfactorio y 10 siendo muy satisfactorio. En cuanto a la facilidad de uso, el valor promedio de las
respuestas fue de 9,2, mientras que para el poder del sistema era 8,7 y para la adaptación a los
objetivos era 9,6. La razón por la que el poder percibido del sistema tiene una puntuación más baja que
las otras áreas es que la puntuación se da en base a una comparación con herramientas de AI
Professional. Sin embargo, dada la orientación del marco a las personas sin conocimiento de AI, es
lógico que se perciba que el poder es menor hasta cierto punto, ya que la explotación de ciertas
características requiere un conocimiento más avanzado de AI. Sin embargo, la adaptación a los objetivos
de desarrollos que expertos sin conocimiento de AI pueden enfrentar puntuado 9,6.

Además, se reunieron opiniones más subjetivas en las entrevistas. Al ser preguntado por su experiencia
con la herramienta de desarrollo, los expertos en informática dijeron que era fácil de usar, dándoles
flexibilidad gracias a la posibilidad de definir las páginas HTML con total libertad. Además, enfatizaron
que la posibilidad de consultar otros sistemas les dio la oportunidad de crear sistemas más complejos.
En cuanto a la potencia, coincidieron en que se podían obtener sistemas más poderosos a través de
herramientas de negocio, pero que existía un nicho para las aplicaciones que no exigía requisitos
complejos en los que la herramienta propuesta ofrecía la posibilidad de un desarrollo rápido y sencillo.

Gracias a la retroalimentación proporcionada por los usuarios que probaron la herramienta de

modelado, se completaron las funciones del Framework.

9. Conclusiones y trabajo futuro

En este artículo, hemos presentado un marco orientado al desarrollo de sistemas de expertos basados
en la web por personas sin conocimiento o experiencia de AI. En comparación con las tecnologías
empresariales, el marco propuesto se basa en una herramienta de desarrollo que es fácil de usar con el
objetivo de permitir a los expertos de dominio crear sistemas expertos. Además, permite que los
sistemas expertos creados sean accesibles a través de navegadores en PCS convencionales así como a
través de dispositivos móviles.

El modelo de representación del conocimiento se basa en una forma natural de expresar la manera de
resolver un problema por parte de los expertos: identificar diferentes situaciones y la forma de actuar
en ellas. La herramienta de modelado permite el uso de páginas web creadas con herramientas de
automatización de oficina convencionales para la definición de situaciones, permitiendo la libertad en
el diseño, sin complicaciones técnicas que están fuera del alcance de los expertos de dominio. La
facilidad de uso y la expresión natural del conocimiento favorecen la rápida creación y actualización
de sistemas expertos. Además, los usuarios con conocimientos técnicos tienen la flexibilidad de
ampliar la capacidad del sistema mediante el desarrollo de nuevos componentes y la creación de
sistemas realmente potentes (LópezCuadrado et al., 2005).

En los estudios de caso en los que se probó el marco, se verificó cómo los expertos profesionales de
un determinado dominio, sin conocimientos previos de AI, eran capaces de crear sistemas de expertos
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 29

basados en la web para las necesidades de sus empresas en poco tiempo. Las ventajas son las
siguientes:

Es fácil para los expertos de dominio describir su conocimiento en la solución de un problema a través
de la herramienta.

Las páginas web utilizadas en el sistema pueden ser creadas por los propios expertos con
aplicaciones convencionales (FrontPage, Dream Weaver, etc.).

El acceso se puede obtener a través de un dispositivo móvil, así como a través de un navegador
convencional.

La actualización de los conocimientos puede llevarse a cabo por el propio experto y hacerlo de forma
rápida y sencilla.

La traza permite al experto comprobar que el sistema está funcionando de la manera que él lo desea
antes de ponerlo en el ambiente de la producción.

La simplicidad en la definición y el uso no está reñida con la falta de poder. Sobre la base del marco
propuesto, se han desarrollado sistemas de media y alta complejidad, recogiendo el conocimiento
crítico de las grandes empresas. En el futuro, se pueden ampliar los modos de razonamiento y se
pueden proporcionar análisis automáticos para crear deducciones automáticas basándose en los
conocimientos expresados por el experto.

Actualmente estamos trabajando en la migración del sistema a una herramienta web colaborativa para
la gestión del conocimiento, combinando los puntos de vista de Evangelou y Karacapilidis (2006) y Han y
el parque (2009) en la definición de un entorno donde a través de foros y mensajes es posible que
diferentes expertos discutan diferentes procesos. Además, estamos trabajando en la anotación
semántica de los expertos, así como en los elementos de la representación del conocimiento. Este
trabajo se basa en las ontologías del dominio. De esta manera un experto en un dominio podrá buscar
otros expertos relacionados con su dominio de conocimiento. Además, el sistema permitirá la búsqueda
de procesos definidos en entornos similares, la recopilación de situaciones y decisiones relacionadas con
las que el experto está definiendo en un momento determinado. El sistema podrá sugerir expertos y
elementos de conocimiento para entornos similares. Finalmente, el sistema podrá sugerir la conexión a
procesos complementarios. Por ejemplo, con el nuevo entorno colaborativo, el proceso de seguro
podría ser anotado sobre la base de una ontología del dominio del seguro de vida. El experto podría
buscar otros expertos relacionados con el seguro de vida para intercambiar opiniones al definir su
sistema. Además, el sistema sugiere otras situaciones y procesos relacionados con el seguro de vida.
Supongamos que el seguro de vida estaba relacionado con el seguro de viaje. En este caso, el sistema
sugeriría la conexión a otros sistemas anotados existentes como el seguro de viaje. Una de las ventajas
de este nuevo sistema es que no sólo facilitará la definición colaborativa de sistemas expertos basados
en la web, sino que también permitirá el acceso directo a ellos a través de Internet, ya que el motor de
inferencia se encuentra en el mismo servidor Web.

Referencias

Adams, J., (2001). La viabilidad de sistemas de expertos basados en Web distribuidos. En Anon. (Ed.), IEEE Conferencia Internacional sobre sistemas, hombre y cibernética.
Alavi, M., & Leidner, D. (2001). Gestión del conocimiento y sistemas de gestión del conocimiento: fundamentos conceptuales y temas de investigación. MIS trimestres, 25 (1),
107 – 136.
 B. Ruiz-Mezcua y otros sistemas expertos con aplicaciones 38 (2011) 597 – 609 30

Brachman, r. j., & Levesque, h. j. (2004). Representación y razonamiento del conocimiento.

Más cuatro.
Castillo, L., Fdez.-Olivares, J., García-Pérez, O., Palao, F. (2006). Reunir a los usuarios y la tecnología de planificación. Experiencias en siadex. En la decimosexta Conferencia
Internacional sobre planificación y programación automatizada.
Dokas, I. M. (2005). Desarrollo de sitios web para sistemas expertos basados en Web: un enfoque de Ingeniería Web. En los procedimientos de las tecnologías de la
información en ingeniería ambiental (ITEE2005) (PP. 202 – 217).
Duan, y., Edwards, j. s., y Xu, M. X. (2005). Sistemas expertos basados en la web: beneficios y desafíos. Information & Management, 42 (6), 799 – 811.
Dunstan, N. (2008). Generación de sistemas expertos basados en Web específicos del dominio. Sistemas expertos con aplicaciones, 35, 686 – 690.
Efstathiou, J., Calinescu, A., y Blackburn, G. (2002). Un sistema de expertos basado en la web para evaluar la complejidad de las organizaciones manufactureras. Fabricación de
robótica y ComputerIntegrated, 18 (3), 305 – 311.
Evangelou, C., Karacapilidis, N., (2006). Manejo de cuestiones de toma de decisiones basadas en el conocimiento en entornos de colaboración: un enfoque integrado. En avances
en inteligencia artificial, cuarta Conferencia helenic sobre AI (SETN 2006) (PP. 46 – 55).
Arboleda, R. (2000). Sistemas expertos basados en Internet. Sistemas expertos, 17 (3), 129 – 135.
Han, k. h., & Park, j. w. (2009). Modelo de conocimiento centrado en el proceso y ontología empresarial para el desarrollo del sistema de gestión del conocimiento, 36, 7441 –
7447.
Hvam, L., Malis, M., Hansen, B., & Riis, J. (2004). Reingeniería del proceso de cotización: aplicación de sistemas basados en el conocimiento. Diario de gestión de procesos de
negocio, 10 (2), 200 – 213.
Jovanovic, J., & Gasevic, D. (2005). Lograr la interoperabilidad del conocimiento: un enfoque XML/XSLT. Sistemas expertos con aplicaciones, 29, 535 – 553.
Jovanovic, J., Gasevic, D., & Devedzic, V. (2004). Una GUI para Jess. Sistemas expertos con aplicaciones, 26 (4), 625 – 637.
Jung, J., Choi, I., & Song, M. (2007). Una arquitectura de integración para sistemas de gestión de conocimiento y sistemas de gestión de procesos empresariales. Computadoras
en la industria, 58 (1), 21 – 34.
Kim, W., Song, y. U., & Hong, j. s. (2005). Sistema experto web habilitado mediante inferencia basada en hipervínculos. Sistemas expertos con aplicaciones, 28, 79 – 91.
Li, S. (2005). Un enfoque híbrido habilitado para la web para la planificación estratégica del marketing: Grupo Delphi + un sistema experto basado en la Web. Sistemas expertos
con aplicaciones, 29, 393 – 400.
Lin, Z., Hamalainen, M., & Winston, A. (2002). Expert Systems: tecnología de gestión del conocimiento y toma de decisiones para el siglo XXI. Base de conocimientos... Prensa
académica [pp. 1155 – 1172].
López-cuadrado, j. l., González-Carrasco, I., García-Crespo, A., Ruiz-Mezcua, B., Fernandez-Heijnen, Y., Cantero-Guisández, j. l. (2005). Aplicando un sistema experto a cálculos
presupuestarios de fábrica. En la décima Conferencia Internacional IEEE sobre tecnologías emergentes y automatización de fábricas, Catania, Italia.
Lopez-cuadrado, j. l., Gonzalez-Carrasco, I., García-Crespo, n., Ruiz-Mezcua, B. (2006). Una herramienta de sistema experto completamente orientada A la Web. En IADIS
Conferencia Internacional www/Internet, Murcia, España.
López-cuadrado, j. l., García-Crespo, A., Ruiz-Mezcua, B., Gómez-Berbis, j. m., & González-Carrasco, I. (2010). Desarrollo de un sistema experto de presupuestos web para piezas
mecanizadas. Revista Internacional de aplicaciones informáticas en tecnología, 37 (2), 87 – 100.
Lui, A., Pattabhiraman, R., Subramanian, S., & Tadicherla, P. (2002). ESAE: un entorno de creación de servicio rápido para servicios de próxima generación. Diario técnico de Bell
Labs, 6 (2), 18 – 29.
Slater, p. j. (1999). Pconfig: una herramienta de configuración basada en la web para los productos configurados a pedido. Sistemas basados en el conocimiento, 12 (5), 223 –
230.
Thomson, A., y Willoughby, I. (2004). Un sistema experto en la web para asesorar sobre el uso de herbicidas en Gran Bretaña. Computadoras y electrónica en la agricultura, 42
(1), 43 – 49.
Tomic, B., Jovanovic, J., & Devedzic, V. (2006). Javadon: un shell de sistema experto de código abierto. Sistemas expertos con aplicaciones, 31, 595 – 606.
Wiener, F. (1988). SMR (simulando el razonamiento médico): un shell experto para los expertos de la no-AI. Métodos y programas informáticos en biomedicina, 26 (1), 19 – 31.
Xie, S. Q. (2006). Un sistema de apoyo a la decisión para un rápido desarrollo de productos. Revista Internacional de tecnología de fabricación avanzada, 28, 643 – 652.
Yu, c.-c. (2004). un sistema de apoyo a la decisión inteligente orientado al consumidor basado en la web para servicios electrónicos personalizados. En Anon (Ed.), ICEC ' 04: Actas
de la sexta Conferencia Internacional sobre comercio electrónico (págs. 429 – 437). ACM Press.