Resum
La present tesi tracta el diagn`ostic de fallades en sistemes industrials amb t`ecniques
d’intel·lig`encia artificial, en particular el raonament borr´os i possibil´istic. Inicialment,
es presenten els problemes a resoldre en el diagn`ostic de sistemes i despr´es es plantegen
estrat`egies per a abordar-los a partir de diferents t`ecniques d’intel·lig`encia artificial, on
destaquem els m`etodes relacionals borrosos que seran la base de la aportaci´o principal.
Tamb´e s’han estudiat els sistemes experts que combinen l`ogica borrosa amb probabilitat,
i els sistemes bassats en xarxes baiessianes. S’experimenta amb v`aries t`ecniques de
diagn`ostic descrites en l’estat de l’art fent combinacions entre elles. Una vegada experimentades
i avaluades, vistos els inconvenients de les mateixes, es decideix implementar
una nova metodologia per tractar de millorar les solucions existents. Aquesta metodologia
´es el diagn`ostic possibil´istic borr´os vist com un problema d’optimitzaci´o lineal. La
metodologia converteix els enunciats ling¨u´istics de les regles d’un sistema expert borr´os
en un conjunt d’equacions lineals a partir de t`ecniques relacionals. Aquestes equacions
s’utilitzen amb algoritmes de programaci´o lineal. Algunes modificacions requereixen
programaci´o quadr`atica. Els resultats obtinguts en una aplicaci´o d’an`alisi d’olis han segut
satisfactoris i presenten una eixida f`acil d’interpretar, tenint en compte la incertesa
en regles i mesuraments.