Diseño de Sistemas de Apoyo a la Supervisión Industrial
Dr. Hernán E. Villanueva
Universidad de Sydney, NSW 2006, Australia
Resumen. En plantas industriales, el manejo de sus procesos y las
soluciones de problemas por medios computacionales, a menudo
consideran ineficientes a los operadores humanos. Trabajos
recientes proponen que el operador supervisor de plantas debe
permanecer como agente activo integrante de los procesos con
respaldo de software de apoyo a la supervisión. Sistemas de apoyo
a la supervisión de procesos en plantas industriales centrados en el
operador requieren un ‘ancho de banda de información y
conocimiento’ máximo entre el proceso, el computador y el
operador. La solución consiste en proveer al personal de planta con
una variedad de vistas informativas que calcen con sus modelos
mentales de los proceso industriales. La metodología KADS facilita
el desarrollo de modelos, multi-vistas, basados en el conocimiento
experto de los procesos. El trabajo describe éstos conceptos desde
la perspectiva de la supervisión industrial.
1. Introducción
La solución de problemas de control y supervisión de
procesos industriales, que utilizan computación y que
aplican métodos dirigidos por la eficiencia, usualmente
consideran ineficientes a los operadores humanos de éstos
procesos, tendiendo a eliminar a los operadores y dejar que
las decisiones se ejecuten en forma automática.
Recientemente, se ha reforzado la posición centrada en el
usuario que defiende que los operadores deben permanecer
como parte integral de los procesos disponiendo de software
que provea al operador con la información de la planta, y la
interpretación de las situaciones que acontecen en éstos
procesos [1]. Los Sistema de Apoyo a la Supervisión (SAS)
aumentan la efectividad de los operadores de plantas,
cooperando en la toma de decisiones durante las actividades
de evaluación rutinaria de los procesos físicos, diagnóstico
de fallas y optimización de los procesos. Un SAS presenta la
información contextual y el conocimiento requeridos para
enfrentar una situación anómala, en una forma que
concuerda con los modelos mentales de los operadores,
siguiendo una representación de abstracciones jerárquicas
[2]. Algunos requerimientos importantes para el apoyo a la
supervisión industrial se discuten en Leyval et al. [3]:
 Adaptabilidad: Un SAS interactua con otros agentes
que conforman el sistema físico. Por ejemplo, con la planta a
través del sistema de control distribuido de la misma y con
los operadores para obtener y proveer información
relacionada con los procesos. Para ello, debe muestrear
concurrente y asincrónicamente los datos de las diversas
variables del proceso y construir una interpretación de las
condiciones dinámicas del proceso.
 Versatilidad: Un SAS debe ocuparse durante el
monitoreo de la planta de una variedad de actividades
acopladas entre ellas de una manera suelta; por ejemplo,
debe interpretar los datos percibidos desde la planta, modelar
las condiciones de la dinámica del proceso de donde
provienen estos datos, diagnosticar o inferir signos y
síntomas, responder inmediatamente a situationes urgentes, y
finalmente planear cursos de acción para manejar las
situaciones cambiantes en la planta.
 Coherencia: Un SAS debe operar como una entidad
única. El sistema debe atender selectivamente secciones de
la planta debido la gran cantidad de datos producidos por los
sensores, para construir una interpretación consistente, con
los datos parciales, para las condiciones de la dinámica de la
planta completa. La atención selectiva también se usa para
adquirir información relevante a sus actividades corrientes
de monitoreo, y asi descubrir signos y síntomas no
anticipados que podrian requerir interpretación o acción.
Este trabajo describe una solución basada en el conocimiento
de expertos para mejorar la efectividad de la supervisión de
los operadores, e ilustra la relación de los modelos de los
procesos basados en el conocimiento con los modelos
mentales que tienen los operadores de dichos procesos [4].
En la sección 2 se introducen los conceptos relativos a
metodología de diseño de sistemas de apoyo a la
supervisión. En la Sección 3 y 4 se discuten conceptos de
control supervisor con y sin software de apoyo a la
supervisión. Seccion 5 hace una reseña sobre los pasos a
considerar en el diseño de Sistemas de Apoyo a la
supervisión centrada en el operador. La sección 6 presenta
algunos modelos de conocimiento utilizados en sistemas de
apoyo y la sección 7 termina con conclusiones.
2. Metodología de Diseño
El rol del operador humano es indispensable en la
administración de las operaciones de plantas. Tareas como
monitoreo de procesos, diagnósis de fallas, control
supervisor, planeamiento y scheduling requieren la
participación activa de los operadores para obtener una
solución completa y satisfactoria. En tópicos de riesgo ante
fallas, debido a que las fallas en una planta no son
predecibles totalmente, la intervención de los operadores
humanos es necesaria para manejar las fallas impredecibles.
De ésta manera, uno de los elementos claves de un SAS es la
interacción hombre-máquina, integrando a los operadores
como agentes activos en los procesos intelectuales de
solución de problemas, en vez de agentes con un rol
subsirviente del controlador supervisor.
La gran cantidad de sensores, que usualmente existen en
procesos industriales y que recolectan datos en forma
permanente, causan una severa carga cognitiva en los
expertos del dominio cuando ellos se enfrentan con
anormalidades de funcionamiento de las plantas. En tales
circunstancias los operadores buscan en las diversas vistas
de las pantallas de computadores de las salas de control, a
menudo bajo severas restricciones de tiempo, la información
y el conocimiento que se require para tomar una decisión.
Durante el diseño de los SAS se asume que los operadores,
en su proceso cognitivo relativo a sistemas complejos,
construyen una representación mental de la operación de la
planta, y que en cualquier situación todos sus juicios y
decisiones estan hechos en el contexto de ésta representación
mental dinámica. Una segunda consideración, relacionada
con la función primaria del SAS, asume que los sistemas de
apoyo ayudan a los operadores a adquirir y asimilar los
diversos conjuntos de conocimiento de los contextos de
apoyo al operador, de modo que ellos puedan considerar
cursos de acción alternativos en cualquier situación de la
planta [4].
Contextos de apoyo al operador se definen como cualquier
situación en la que el operador interactua con el SAS para
satisfacer el objetivo de alguna tarea de Control Supervisor.
Contextos de apoyo corresponden a tareas cognitivas que
requieren conocimiento experto del tipo solución-de-
problemas, tales como: evaluación de situaciones, selección
de acciones, evaluación del impacto de la acción
seleccionada, monitoreo del proceso, detección de fallas,
diagnósis de fallas, y otras. Los contextos de apoyo al
operador son iniciados por eventos que hacen que el usuario
interactue con el sistema en una manera orientada a una meta
u objetivo. Ejemplos de tales eventos son las alarmas que
llegan al sistema de apoyo desde el SCADA de la planta o
las solicitudes de información por parte de los operadores de
plantas.
Para el diseño un SAS, es necesario identificar y categorizar
los contextos de apoyo relevantes y debido la complejidad
de las plantas, se hace indispensable disponer de una
metodología que ayude a identificar y representar la
información y el conocimiento relacionados con cada
contexto. Además, se requiere definir los elementos de la
interface gráfica con el usuario que permita al operador
adquirir y usar la información y el conocimiento navegando
en los contextos de apoyo.
La información y el conocimiento, asociado con un contexto
de apoyo, corresponde al espacio de información y
conocimiento asociado con la tarea de control supervisor del
operador. Esta información y conocimiento, en el sentido de
la metodología KADS [5], equivalen a los modelos
genéricos de interpretación, con sus elementos en la capa del
Dominio del modelo de experticia.
Un espacio de información y conocimiento se enfoca en
‘qué’ información necesita un operador y ‘cómo’ ésta
información es usada por el operador para generar los tipos
de conocimiento requeridos para satisfacer la tarea que se
tiene como meta. En el sentido de KADS, ésta información
es la producida por una instanciación particular del modelo
de interpretación.
Usando los contextos de apoyo, se requieren varios pasos
para diseñar un Sistema de Apoyo al operador para la
Supervisión Industrial.
 Primero, identificar las tareas en las que el operador
necesita ayuda en cada contexto de apoyo.
 Segundo, identificar los tipos de conocimiento que los
operadores requieren manipular en cada contexto de apoyo,
i.e. especificar los espacios de información y conocimiento
asociados con las tareas de Control Supervisor, y
 Tercero, diseñar las herramientas de interfaces gráficas
que permitan a los operadores crear y usar sus
representaciones mentales correspondientes al contexto
presente del proceso industrial.
Sundstromt [6] ha usado su propia metodología FIKA para
diseñar sistemas de apoyo y Villanueva et al. [7, 8, 9, 10]
han aplicado KADS. Los pasos 1 y 2 corresponden al
modelo Conceptual de KADS y el paso 3 corresponde al
modelo de Diseño en KADS. El primer paso en la
construcción del modelo Conceptual consiste en definir las
tareas del operador, las que en éste caso se refieren a las
tareas del Control Supervisor.
3. Control Supervisor Clásico (CS)
El Control Supervisor [9] actua como un coordinador de los
diversos grupos de lazos individuales de control bajo su
dominio, y apoyo a la toma de decisiones las que tienen que
ser efectivas aún durante situaciones que no se pueden
preveer durante el diseño del sistema de control, y como tal
la supervisión actualmente no se basa íntegramente en un
análisis matemático. El éxito del CS se fundamenta en el
progreso de las Ciencias de la Computación y de la
Tecnología de la Información industriales gracias al aumento
del procesamiento de datos. El CS usa software para manejo
de alarmas, el cual depende usualmente de valores de
umbral, acoplado tanto a sistemas de 'shutdown' automático,
para el caso de emergencias, como a la interfaz gráfica del
usuario. En éste ambiente, el operador tiene que interpretar
situaciones complejas usando los datos presentados bajo
diversas formas tales como mímicos, tendencias de diversas
variables, asociación de los puntos de operación (set points),
etc. Sin embargo, ésta misma creciente sofisticación de los
sistemas industriales ha llevado a la así llamada sobrecarga
cognitiva del operador.
La Figura 1 ilustra la arquitectura funcional de los sistemas
clásicos de Control Supervisor, los cuales contienen módulos
de procesamiento de datos y procesamiento de la
información. Los procesos de la planta son monitoreados
para identificar las tendencias de las variables y para
efectuar operaciones de control de proceso estadístico. Las
señales redundantes son reconciliadas para mejorar la
calidad de los datos. Los datos reconciliados se usan para
actualizar las estimaciones de los parámetros de los modelos
de los procesos, y son usados por el controlador supervisor
para ajustar los 'set points' de los controladores reguladores.
Los controladores reguladores usan los datos reconciliados
como entrada para sus variables controladas. La planta se
mantiene en control de lazo-cerrado por los controladores
reguladores, mientras que el controlador supervisor provée al
 CDh: \apr at 1p e r s - 9 9 \ C o n f . d e E E - C h i l e \ F i g u r a 1 . a b c
D a to s
 Distinguir entre las condiciones de operación normal y
S a t u r de an y- l,i n1 e4 a A u g u s t 1 9 9 9
1 0:43
las condiciones de operación anormales.
P r o c e s a m ie n t o

O b te n e r
d e D a to s  Evaluar las presentes tendencias del proceso y anticipar
los estados operacionales futuros.
D a to s d e
P la n t a
 Identificar las causas de las tendencias del proceso.
 Planear y asignar una secuencia de pasos operacionales.
M o n i to re a r

T e n d e n c ia
4. Apoyo a la Supervisión
d e S e n so re s
T re n d s
Para resolver éstos problemas, se han desarrollados sistemas
de apoyo a la supervisión basados en el conocimiento [7, 8].
R e c o n c ilia c io n
d e d a to s No obstante, dada la complejidad de las plantas que:
D a to s P a r a m e tr o s
 Hace dificil mantener medidas confiables de todas las
R e c o n c ilia d o s E s tim a d o s
variables deseables del proceso. El conocimiento experto
C o n tr o la d o r
capturado en los sistemas de apoyo a la supervisión es
S e le c c i o n a r
S u p e r v is o r
incierto e incompleto.
V a r ia b le s C o n tr o la d o r
 Frecuentes cambios en la configuracion de las plantas y
c o n t ro la d a s A ju sta d o
en la calidad de las materias primas usadas por el proceso.
C o n tro l In f o r m a c io n
Todos estos factores sumados hacen imperativo que los SAS
R e g u la to rio d e l O p e ra d o r
requieran trabajar en conjunto con el operador conformando
V a r ia b l e s
P r o c e s a m ie n t o
d e la in f o r m a c io n un sistema Hombre-Máquina, integrando la capacidad de
M a n ip u la d a s
procesamiento de la información temporal de un sistema de
Fig. 1 Sistema de Supervisión Clásicos apoyo basado en el conocimiento, con el proceso de
operador con los 'set-points' actualizados, la información de vigilancia humana de alto nivel y la experiencia de un
las variables de los proceso y las tendencias de dichas operador diestro.
variables. La Figura 2 ilustra la arquitectura funcional de un sistema de
Existen numerosas limitaciones en los sistemas de CS apoyo a la supervisión inteligente, la cual contiene el módulo
clásicos [10]: de procesamiento del conocimiento integrado con los
 El conocimiento de los operadores se pierde cuando un módulos de procesamiento de datos y el procesamiento de la
operador no esta disponible después de retirarse. información ilustrados en la Figura 1.
 Existe una considerable variabilidad operacional La arquitectura funcional del sistema de apoyo a la
introducida por los diversos operadores de planta. supervisión inteligente concuerda con la taxonomía de los
 El gran volumen de datos de sensores presentado a los niveles cognitivos de acción desarrollados por Rasmussen
operadores, produce una sobrecarga cognitiva. [2]. En su nivel mas bajo, nivel 1, correspondiente al módulo
 Una proporción del tiempo de producción se pierde de procesamiento de datos, el sistema de apoyo interpreta la
debido a fallas que producen shutdowns. información como señales. En un nivel intermedio, nivel 2,
 Usualmente existe un espacio importante para optimizar el módulo procesamiento de la información, el sistema de
las operaciones de los procesos. apoyo interpreta la información como signos y en el nivel
Cuando el proceso entra en una condicion transiente u ocurre superior, nivel 3, correspondiente al módulo de
alguna anormalidad, la evolución dinámica mostrada por los procesamiento del conocimiento, la información es vista por
variables puede confundir aún a los operadores mas sistema de apoyo como símbolos.
experimentados porque: Para tomar decisiones, las tareas usan diferentes
 Los datos de los procesos pueden cambiar a diferente interpretaciones de los valores numericos leídos desde la
velocidades, reflejando las diversas constantes de tiempo de planta. El nivel 1 corresponde a las tareas de monitoreo y
los procesos locales. reconciliación de datos; en éste nivel se contrasta el valor
 Las constantes de tiempo de los procesos y los retardos absoluto de las señales contra un valor de umbral o la
de transporte pueden complicar las relaciones de causalidad variación de sus incrementos para detectar tendencias o las
temporales. diferencias entre medidadas redundates para reconciliar
 La información desde diversos sensores puede ser valores. El nivel 2 corresponde a la tarea de control, y
mutuamente conflictiva. requiere la percepción de la desviación entre las variables
 La información puede ser incompleta. controladas y las variables de salidas de los lazos de control
Consecuentemente es a menudo difícil para el operador: de los procesos, éste nivel le agrega a la desviación el
significado de error respecto a un objetivo de control. Por su
D:\papers-99\Conf. de EE-Chile\Figura 2.abc Datos
Saturday, 14 August 1999 en-linea
17:13
Recoger
Datos
de la Planta
Procesamiento
del
Monitorear
conocimiento
Sintomas
de los sensores
Diagnosis
Resultados de Datos
Diagnosis Reconciliados
Planeamiento de Seleccionar
Contra-Medidas
Contra
Medidas
Valor de
Variables
Controladas
Control
Regulatorio
Variables
Manipuladas
Fig. 2 Sistema de Apoyo a la Supervisión Inteligente
parte, el nivel 3 corresponde al proceso intelectual que
soluciona problemas, requiere un procesamiento adicional a
la interpretación de la información, aquí se agrega el
elemento conocimiento, por ejemplo al monitoreo del nivel
1, le agrega el conocimiento acerca de patterns de las señales
en la ejecución de la tarea de diagnósis. Las actividades de
solución de problemas del nivel 3 incluyen evaluación de
situaciones de planta, administración de fallas (con detección
de fallas, diagnósis, compensación y corrección), y
planeamiento de actividades.
5. Supervisión Centrada en el Operador
Un diseño centrado en el operador requiere que las tareas de
Control Supervisor y la delegación de tareas en el SAS estén
definidas en términos de la percepción y entendimiento por
parte del operador de las tareas de control supervisor y de los
requerimientos de éstas tareas. El método requiere también
un conocimiento de las actividades que deben realizar los
procesos fisicos de la planta para producir los bienes.
En éste caso, el resultado de la fase de análisis de las tareas y
análisis del conocimiento es un modelo de tareas
compartidas [11] por el operador y el SAS. Este modelo
forma la base de las interacciones por el operador, el SAS y
la planta.
En un modelo de tareas compartidas, el tipo de información
se usa para definir los diversos niveles de interacción. La
interacción al nivel de objeto es la interacción que adquiere
elementos especificos acerca de la situación actual de la
planta. La interacción a nivel de tarea permite controlar o
cambiar de tareas. La interacción al nivel estratégico es la
que permite cambiar o comparar la estrategia de solución y
sus resultados, que se esta usando para resolver la tarea. La
interacción a diversos niveles permite al operador adaptar el
modelo de tarea a sus propias necesidades.
El modelo de conocimiento requerido en éstos tres niveles
Procesamient
o
de interacción dentro del modelo de tarea compartido
de Datos
incluye los siguientes elementos:
 Conocimiento de la estructura de la tarea:
descomposición de la tarea
 Conocimiento de la secuencialidad de tareas y objetivos:
descomposición del control
Tendencias
 Conocimiento de las estructuras de conocimiento
 Conocimiento del intercambio de información
Reconciliar
Datos
 Conocimiento de la delegacion de las tareas
Parametros
Una caracteristica propia de los SAS, basados en el método
Estimados
centrado en el operador, es disponer de un ‘ancho de banda
Controlador
de comunicación de información y conocimiento’ máximo
Supervisor
entre el proceso, el computador y el operador. La solución
Controlador
Ajustes
consiste en proveer al personal de la planta con una rica
variedad de vistas informativas, mapeando los modelos
Informacion
del
Operador
mentales del operador acerca de la operación del proceso y
Procesamiento
los modelos del diseñador técnico del sistema. La base de
de la
Informacion
ésta solución esta en la representación de abstracción
jerárquica del dominio de conocimiento y en el paradigma
de memorización el cual expresa que a mejor acceso al
significado de la información mejor es la memorización por
parte del usuario [12].
La metodología KADS (Adquisión de Conocimiento y
Diseño Estructurado) facilita el desarrollo de dichos modelos
multivistas basado en el conocimiento. KADS es un marco
conceptual para adquirir y describir la experticia en la
solución de problemas, en un dominio particular, mediante el
uso de un conjunto de modelos. Sin embargo, KADS se debe
modificar cuando se aplica al diseño de Sistemas de Apoyo a
la Supervisión de sistemas industriales. KADS apoya el
diseño de sistemas expertos independientes, los cuales estan
formados por dos agentes: el usuario y el sistema experto
encapsulado en el software. En el caso de Sistemas de
Apoyo a la Supervisión existe un tercer agente conformado
por el Control Supervisor y los procesos de planta. Además,
esta presente las propiedades de acción en tiempo-real
propias de los procesos bajo supervisión.
Los modelos de KADS incluyen un modelo organizacional,
uno de tareas, uno de agente, uno de comunicaciones, uno de
experticia y un modelo de diseño. El modelo organizacional
analiza el impacto de un sistema experto en y sobre la
organización. El modelo de tarea describe las tareas relativas
a la realización de una función en una organización
independiente del agente responsable por el funcionamiento
de las tareas, y cuando se completa libera cada tarea a un
agente. Los agentes se describen en el modelo agente. La
capacidades de estos agentes estan descritas en el modelo de
experticia.
KADS provee a los diseñadores con biblotecas de modelos
de interpretación para las tareas requeridas, i.e. diagnósis,
monitoreo, evaluación de situación y otros. Para el caso de
una planta de lavado de carbón para acerías, la experticia de
solución de problemas esta asociado con el monitoreo del
estado de la planta, diagnóstico de fallas cuando ocurre
alguna falla en la planta, y funcionamiento óptimo de la
planta [8]. La Figura 3 muestra el modelo de interpretación M o d e lo d e l
S is t e m a
E s p a c io d e
M e d i c io n e s

genérico del razonamiento realizado por el operador. El

modelo de interpretación muestra las fuentes de S e l e c c io n a r - 1 S e l e c c io n a r - 2

conocimiento o actividades de inferencia (óvalos), los roles C o n ju n to d e

M e d i c io n e s
de conocimiento (bloques simples) y las ontologías (bloques P a r a m e tro s

con doble linea), y representa las tareas de razonamiento del I n s t a n c ia r T r a n s fo r m a r

operador desde la obtención de los datos hasta las acciones

de control. V a lo r e s d e l o s
P a r a m e tro s
V a lo r e s d e l a s
M e d i c io n e s

D a to s en lin ea C o m p a ra r

R eco ge r
D is c r e p a n c ia s

Pla nt D ata
Mo de lo Fig. 4 Modelo interpretativo KADS para Monitoreo
C om po rta m ie nto
Mo nito re ar
D a ta ba se
Mo de lo
Co m p ortam ien to S intom as
de
L im ite s 6. Modelos en el Dominio del CS
Mod elo Los diversos modelos de conocimiento en el dominio del
E structura l
D iag no stica r
Control Supervisor descrito en ésta sección, los cuales han
Mod elo
Mod elo
C a usal sido implementados en G2 [13], en varios proyectos
T e leo log ico Re su ltad os
Dia gn osis
Mod elo
industriales, corresponden a diversas vistas en la interfaz
T e leo log ico hombre-máquina que tienen los operadores. El uso de
Eva lua r Eva lua r modelos del dominio del tipo multivista permiten al
Situa cio n Presen te C on se cue nc ias
ingeniero de conocimiento adquirir y representar el
Mod elo Situa cio n Situa cio n Mod elo
conocimiento en un formato al cual, el personal de la planta
Fu ncio na l Pre se nte Fu tu ra Fu ncio na l
se siente relacionado. Esto hace el sistema aceptable para los
operadores, haciendolo mas efectivo, y permitiendo una
Pla ne ar Mo de lo
Co ntraMe did as Fu nc ion al validación y mantención del conocimiento en el futuro.
El modelo GTST (Goal Tree Success Tree) [14] es un
modelo de conocimiento de la clase propósitos – objetivos
Mo de lo C on tra Med ida s
T ele ol ogico que captura los aspectos intensionales de la planta mediante
Mo de lo
Estru ctu ral una estrategia de reducción del problema. El GTST
Ac onse jar
A ccion
representa los mappings de las relaciones propósito / función
Mo de lo
Co m p ortam ien to / equipamiento el cual es el contexto para la toma de
S ecu en cia
de decisiones en control supervisor. El modelo GTST incluye
Accio ne s
los modelos teleológicos y funcionales de la Figura 3, y
Fig 3 Modelo Interpretativo KADS para la Supervisión podria incluir a los modelos estructurales y de
Este modelo muestra un mapping directo entre las comportamiento dinámico de la planta (considerando por
actividades de razonamiento modeladas en KADS y los ejemplo los retardos propios de los componentes de la
modelos mentales del operador. Las inferencias, la planta). El conocimiento se modela con una estructura árbol
información requerida por ellas y el conocimiento en la capa que satisface la operación correcta de la planta. La sección
dominio, son apoyadas por los modelos de bajo nivel superior del GTST consiste de metas y submetas que
provisto por las biblotecas de KADS. La Figura 4 muestra capturan el propósito de los procesos en la planta. La sección
un modelo de interpretación para la actividad genérica de inferior relacionada al equipamiento de la planta, consiste de
monitoreo de procesos industriales. los criterios de satisfacción o éxito que capturan la función
El conocimiento profundo acerca del proceso se captura o roles de los diversos componentes de la planta, (Figura 5).
modelando los objetivos funcionales, geografía, Metas y funciones son características intensionales de una
conectividad y los principios fisicos de todos los planta de procesos, la función de un componente tiene
componentes de la planta. Los modelos producen un significado sólo en conexión con un conjunto de metas
entendimiento mas acabado y por ello una mejor visión para preestablecidas a las cuales la función contribuye con sus
el manejo inteligente. La modularidad natural ayuda a las capacidades y los comportamientos de sus componentes.
reglas que controlan acortando las busquedas, se minimizan El esquemático de la planta es un modelo del tipo estructural
los efectos colaterales entre las reglas, y hace que la que captura graficamente la topología y conectividad de los
mantención del conocimiento sea mas simple. componentes de la planta, también se capturan el flujo de
información, el control y el flujo de materiales en la planta
[8]. Un esquemático de alto nivel provée un vista general de
la planta. Un número variable de esquemáticos de bajo nivel
permiten al operador aumentar el detalle de la representación adquisición del conocimiento es mas rápida y sencilla, con
M e ta d e la una cooperación mayor por parte de los operadores a medida
P la n ta
que que sus modelos mentales son traspasados a los sistemas
A t r i b u to de software, de ésta modo se va desarrollando un
S u b m e ta S u b m e ta S u b m e ta
C o n d icio n
1 2 3 sentimiento de propiedad del sistema. En resúmen, el uso de
modelos basados en el conocimiento mejora la aceptación de
S u b m e ta
4
S u b m e ta
5
S u b m e ta
6
éstos sistemas por parte del usuario operador/supervisor
porque ellos no tienen que aprender nuevos conocimientos
AND para usar el sistema.
El uso de modelos basados en el conocimiento provée a los
operadores con el apoyo a la toma de decisiones mas
T r a y e c t o ri a d e T ra ye cto ria d e
s a t is f a c c i o n - 1 S a ti s f a c c i o n -2 efectivo ya que el ancho de banda de información y
conocimiento, entre el proceso, el computador y el operador
AND es mayor a medida que el calzado entre los modelos
A t r i b u to
mentales del operador y los modelos basados en el
S a t i s f a c c io n - 3

S a t i s f a c c io n - 1 S a t is f a c c i o n - 2
conocimiento usados para mostrar el diseño es mayor de
C o n d icio n
acuerdo con el principio de memorización.
Fig 5 Modelo GTST esquemático de una planta Agradecimientos – Este trabajo se ha realizado bajo el
de la vistas de las secciones y componentes de la planta. Esta auspicio del Large grant ARC A899801261, Australia. Se
representación jerárquica permite al SAS capturar las agradece a Gensym por proveer excelente apoyo con G2.
asociación del tipo todo-parte en la planta.
Los operadores usan modelos heurísticos basados en Referencias
primeros principios para efectuar diagnósis. Como éstos 1. J.L. Alty, G. Johannsen, “Knowledge-based Dialogue for
sistemas se tratan de sistemas de tiempo real, con el Dynamic Systems”, Automatica, 25 (6), 829-840, 1989.
propósito de ganar en velocidad, eficiencia e independizarse 2. J. Rasmussen, “Information Processing and Human-Machine
de la restricción temporal, se hace uso de conocimiento Interaction. An Approach to Cognitive Engineering”, North-
heurístico compilado y de los primeros principios de las Holland Series in System Science and Eng, vol 12, 1986.
leyes naturales, expresadas en forma de una malla causal de 3. L.Leyval et al, “Model-Based Causal Reasoning for Process
fallas. Estas mallas provéen un medio para identificar la Supervision', Automatica, 30 (8), 1295-1306, 1994.
causa raíz de una falla que se observe en la planta [8]. 4. J. Rasmussen, “Mental Models and the Control of Action in
Complex Environments”, Mental Models and Human
En un espacio de optimización se puede mostrar Computer-Interaction, Tauber, Ackerman, Eds., 41-69, 1990.
gráficamente el estado de la planta [8], junto con una 5. B. J. Wielinga, A. T. Schreiber, J. A. Breuker, “KADS: a
secuencia de acciones a tomar que se actualizan Modelling Approach to Knowledge Engineering ”, Knowledge
dinámicamente. El punto de operación de cada circuito de Acquisition, 4, 45-53, 1992.
planta se compara con el objetivo predefinido. Es necesario 6. G.A. Sundstrom, “Towards Models of Tasks and Task
calcular los puntos de operación de cada circuito y los Complexity in Supervisory Control Applications”,
coeficientes de optimabilidad. El circuito con el coeficiente Ergonomics, 36 (11), 1413-1423, 1993.
de optimabilidad mayor es el aquel que se encuentra mas 7. H Villanueva, H. Lamba, “Process Optimization in a
lejos del punto de operación objetivo y es el que ofrece el Supervision Support System”, International Journal of
Systems Science, 30 (4), 355-368, 1999.
mayor espacio de posibilidades de mejoría. En tal caso éste 8. H Villanueva, H. Lamba, “Operator Guidance System for Coal
circuito se resalta en rojo en el espacio de optimización y se Washing”, Artificial Intelligence in Eng, 12 (3), 261-273,1998.
indica la acción de mejoría requerida por la planta y que se 9. T.B. Sheridan, “Tele-Robotics, Automation and Human
le sugiere al operador. Supervision Control”, MA, The MIT Press, 1992.
10. G., Stephanopoulos, “Artificial Intelligence in Process
Engineering – Current State and Future trends”, Computers
7. Conclusiones and Chemical Engineering, 14, 1259-1270, 1990.
Se ha enfatizado la importancia del rol de los operadores en 11. F.M.T. Frazier and J.Treur, “User Centered Knowledge-Based
un sistema de apoyo a la supervisión industrial. Se indica System Design: a Formal Modelling Approach”, Proceeding
que el uso de modelos basados en el conocimiento permite a 8th European Knowledge Acquisition Workshop. EKAW’94,
un operador ganar acceso a información y conocimiento Springer-Verlag, Lecture Notes in AI 867, 283-300, 1994.
12. K.J. Vicente, “Memory Recall in a Process Control System: A
relevante de una manera efectiva. El uso de modelos Measure of Expertise and Display Effectiveness”, Memory
mentales, la construcción de modelos de conocimiento y su and Cognition, 20 (4), 356-373, 1992.
implementación mediante interfaces hombre-computador 13. Gensym, “Gensym Corp Home Page”, http://gensym. com/
reduce la sobrecarga cognitiva de los operadores. Esto hace 14. I. Kim, M. Modarres, “Application of GTST Models as the
el SAS mas transparente para los operadores porque mejora Knowledge-Base of Operator Advisory Systems”, Nuclear
el mapping entre la realidad y la abstracción mental. La Eng and Design, 104, 66-81, 1989.