Aplicación de la teoría de conjuntos borrosos al diagnóstico de procesos industriales

Abstract

La tesis doctoral que aquí se presenta se enmarca dentro de la teoría de conjuntos borrosos por un lado, y dentro del diagnóstico y mantenimiento de procesos industriales por otro. En primer lugar se hace un análisis detallado de la inferencia en el marco de la lógica borrosa, con vistas a caracterizar desde un punto de vista semántico los distintos operadores necesarios para inferir conclusiones. Esta caracterización permite modelar distintas relaciones semánticas entre los antecedentes y consecuentes de una regla de conocimiento proporcionando una mayor riqueza y flexibilidad a la representación del conocimiento. El estudio de la inferencia ha permitido además diseñar una estrategia de razonamiento en dos niveles. El primero permite obtener conclusiones con grados de certidumbre cualitativamente altos, lo que a su vez exige observaciones o hechos precisos y con grados de certidumbre también elevados. Cuando los hechos son por algún motivo incompletos o con grados de certidumbre bajos, el primer nivel no permite inferir ningún tipo de conclusión. Por ello se recurre al segundo nivel, capaz de inferir a partir de observaciones incompletas, pero por contra sus conclusiones tienen grados de certidumbre cualitativamente menores, relacionados con el grado de contradicción entre las hipótesis de las reglas y las observaciones disponibles. Estos dos niveles se basan en dos modos de razonamiento distintos pero complementarios, que hemos denominado respectivamente razonamiento en el dominio de lo necesario y razonamiento en el dominio de lo posible. En segundo lugar se propone una metodología para el desarrollo de un sistema experto de diagnóstico basado en reglas con conocimiento borroso. Para ello se obtienen las reglas que describen el conocimiento disponible, asociando los síntomas que puedan aparecer en el proceso con las causas que los hayan originado. El conjunto de reglas debe ser lo más completo posible, de forma que contemple el mayor número de condiciones anómalas que el proceso pueda presentar, lo que a su vez facilita la determinación sistemática de las relaciones semánticas existentes entre cada antecedente y consecuente de cada una de las reglas. El sistema de reglas obtenido puede entonces ser utilizado para inferir tanto en el domino de lo necesario como en el dominio de lo posible, recurriendo a este último cuando las conclusiones del primero no sean suficientemente satisfactorias. Además el cálculo de las conclusiones se lleva a cabo mediante un mecanismo de inferencia simplificado, basado en dos índices de similitud entre hipótesis y observaciones, que resulta ser más rápido y fácil de interpretar que la tradicional regla composicional de inferencia.