Resumen
Esta tesis aborda el diagnŽostico de fallos en sistemas industriales por tŽecnicas de Inteligencia
Artificial, tratando en particular el razonamiento borroso y posibilŽistico. Inicialmente,
se presentan los problemas a resolver en el diagnŽostico de sistemas y despuŽes
se plantean estrategias para abordarlos a partir de diferentes tŽecnicas de Inteligencia
Artificial, en donde destacamos los mŽetodos relacionales borrosos que serŽan la base para
nuestra aportaciŽon principal. TambiŽen se han estudiado los sistemas expertos basados
en lŽogica borrosa y que usan tablas de decisiŽon, los sistemas expertos que combinan
lŽogica borrosa con probabilidad y los sistemas de diagnŽostico basados en redes Bayesianas.
Se experimenta con varias tŽecnicas de diagnŽostico descritas en el estado del arte,
haciendo combinaciones entre ellas. Una vez experimentadas y evaluadas las anteriores
tŽecnicas, vistos los inconvenientes que surgŽian, se decidiŽo implementar una nueva metodolog
Žia que diera una mejor soluciŽon al problema del diagnŽostico. Esta metodologŽia es
el diagnŽostico posibilŽistico borroso visto como un problema de optimizaciŽon lineal. La
metodologŽia convierte los enunciados lingšuŽisticos, que componen una base de reglas de
un sistema experto borroso, en un conjunto de ecuaciones lineales a travŽes de tŽecnicas
relacionales. Luego, estas ecuaciones se utilizan con algoritmos de programaciŽon lineal.
Algunas modificaciones requieren programaciŽon cuadrŽatica. Los resultados obtenidos
en esta Žultima aportaciŽon en una aplicaciŽon de anŽalisis de aceites fueron satisfactorios,
presentando al usuario una salida de diagnŽostico fŽacil de interpretar, suficientemente
exacta y teniendo en cuenta la incertidumbre en reglas y medidas.