Diagnóstico de fallos en sistemas industriales basado en razonamiento borroso y posibilístico

Abstract

Esta tesis aborda el diagnóstico de fallos en sistemas industriales por técnicas de Inteligencia Artificial, tratando en particular el razonamiento borroso y posibilístico. Inicialmente, se presentan los problemas a resolver en el diagnóstico de sistemas y después se plantean estrategias para abordarlos a partir de diferentes técnicas de Inteligencia Artificial, en donde destacamos los métodos relacionales borrosos que serán la base para nuestra aportación principal. También se han estudiado los sistemas expertos basados en lógica borrosa y que usan tablas de decisión, los sistemas expertos que combinan lógica borrosa con probabilidad y los sistemas de diagnóstico basados en redes Bayesianas. Se experimenta con varias técnicas de diagnóstico descritas en el estado del arte, haciendo combinaciones entre ellas. Una vez experimentadas y evaluadas las anteriores técnicas, vistos los inconvenientes que surgían, se decidió implementar una nueva metodología que diera una mejor solución al problema del diagnóstico. Esta metodología es el diagnóstico posibilístico borroso visto como un problema de optimización lineal. La metodología convierte los enunciados lingüísticos, que componen una base de reglas de un sistema experto borroso, en un conjunto de ecuaciones lineales a través de técnicas relacionales. Luego, estas ecuaciones se utilizan con algoritmos de programación lineal. Algunas modificaciones requieren programación cuadrática. Los resultados obtenidos en esta última aportación en una aplicación de análisis de aceites fueron satisfactorios, presentando al usuario una salida de diagnóstico fácil de interpretar, suficientemente exacta y teniendo en cuenta la incertidumbre en reglas y medidas.