Download Descargar el Contenido 01

METODOS DE INGENIERIA I 1. PRESENTACION Actualmente las instalaciones de manufactura deben incorporar los últimos avances y las más novedosas tecnologías junto con procesos de producción automatizados de tercera generación. Esta función exclusiva de toma de decisiones automática debe permitir a la compañía acelerar su capacidad de respuesta ante las necesidades del cliente, realizar una transición más rápida a las nuevas tecnologías, mejorar la calidad y operar con un mayor nivel de eficiencia en todos los aspectos. En otras palabras lo que debe buscarse como estrategia competitiva es gestionar una planta inteligentemente de modo que se produzcan los mínimos errores y se gane tiempo para fabricar con más calidad y con menores recursos. Es bien cierto que la introducción de los microprocesadores y las herramientas de producción controlados por computadora en la industria ha dado una nueva perspectiva a los procesos de fabricación. Los sistemas integrados de manufactura (CIMS), sistemas de fabricación flexible (FMS), tecnología de grupo (GT), manufactura celular (CM), diseño asistido por computador (CAD) y fabricación asistida por computador (CAM) han sido considerados por muchos como herramientas viables para la reducción de costos directos e indirectos de fabricación y la mejora de la calidad del producto y la flexibilidad de producción. Sin embargo, muchas de estas nuevas técnicas de fabricación no han podido ser significativamente eficaces debido a la inadecuación de los equipos informáticos y software existente. Es aquí que la inteligencia artificial es considerada por muchos como una de las tecnologías más prometedoras para las fábricas del futuro. La implementación de sistemas inteligentes en las diversas tareas relacionadas con la ingeniería de diseño, planificación de la producción, control de procesos, mercadotécnica, cadenas de suministro, control de calidad, programación de tareas, seguridad, mantenimiento, etc., son realidades actuales a las que debemos acoplarnos de manera pronta y decidida. Es por ello que el objetivo de este curso es presentar los últimos avances en el modelado y la aplicación de sistemas inteligentes para resolver problemas en muchas áreas de la empresa. 2. OBJETIVO Desarrollar los aspectos teóricos y prácticos de las técnicas avanzadas de la inteligencia artificial para el desarrollo de sistemas inteligentes aplicados en todas las fases de diseño, monitoreo, control y automatización de las operaciones de sistemas de manufactura. Se proporciona a los participantes herramientas nuevas para optimizar su trabajo de ingeniería en el desarrollo integrado de productos y de procesos industriales. 3. TEMARIO 3.1. Introducción ‐ La empresa de producción moderna ‐ Proceso de toma de decisiones 3.2. Inteligencia artificial ‐
‐
‐
3.3. Sistemas Expertos ‐
‐
‐
‐
‐
‐
‐
‐
Características de un sistema experto. Función de un sistema experto. Componentes de un sistema experto. Desarrollo de un sistema experto. Lenguajes de programación de sistemas expertos. Ventajas y limitaciones de los sistemas expertos. Tipos de tareas que realiza un sistema experto. Aplicaciones de sistemas expertos en la industria: análisis de casos 3.4. Lógica difusa ‐
‐
‐
‐
‐
‐
‐
‐
‐
‐
Introducción a los sistemas difusos: Conjuntos difusos y sus operaciones básicas Variables linguísticas Maquinas de inferencia difusa Fuzzificadores y defuzzificadores Diseño y funcionamiento de sistemas difusos Toma de decisiones basado en lógica difusa Desarrollo de controladores difusos Programación lineal difusa Aplicaciones diversas en diferentes tipos de industria y tareas: análisis de casos 3.5. Agentes inteligentes ‐
‐
‐
‐
‐
Definición de agente inteligente Características de un agente inteligente Tipos de agentes inteligentes Sistemas Multiagentes Aplicaciones en la industria: análisis de casos 3.6. Proyecto final: ‐
Definiciones básicas Proceso de la Ingeniería del conocimiento Razonamiento y Aprendizaje Los alumnos desarrollaran un proyecto aplicativo a un problema real empleando algunas de las técnicas y herramientas que les proporcionará en profesor. 4. BIBLIOGRAFIA: (1) Russell Stuart and Peter Norvig, “Artificial Intelligence, A Modern Approach”, Prenctice Hill, New Jersey, 1995. (2) Amit Konar, “Artificial Intelligence and Soft Computing: Behavioral and Cognitive Modeling of the Human Brain, CRC Press, New York, 2000, USA. (3) Sriram Ram D., “Intelligent Systems for Engineering”, Springer, 1997, USA. (4) Meystel Alexander, Albus James, “Intelligente Systems, Architecture, Design and Control”, John Wiley & Sons Inc. New York, 2002. (5) Hopgood Adrian, “Intelligent Systems for Engineers and Scientists”, CRC Press, Florida, 2001. (6) Meystel Alexander, Albus James, “Intelligente Systems, Architecture, Design and Control”, John Wiley & Sons Inc. New York, 2002. (7) David Poole, Alan Macworth, Randy Goebel, “Computational Intelligence: A Logical Approach”. Oxford University Press, 1998. (8) Olson David, James Couttney Jr. “Decision Support Models and Expert Systems”, Macmillan Publishing Company, New York, 1992. (9) Turban Efraim, Jay Aronson, “Decision Support Systems and Intelligent Systems”, Prencitce Hall, 2000. (10) Turban Efraim, “Expert Systems and Applied Artificial Intelligence”. Macmillan Publishing Company, New York, 1992 (11) Turban Efraim, “Decision Support and Expert Systems: Management Support Systems”, Macmillan Publishing Company, New York, 1993. (12) Dieter Nebendahl. “Sistemas Expertos: Tomos 1 y 2”. Editorial Marcombo, España, 1991 (13) Jackson, P. “Introducction to Expert Systems”, Second Edition, Addison Wesley, 1990 (14) Giarratano Joseph, Riley Gary, “Sistemas Expertos, Principios y Programación”, International Thomson Editores, 2001. (15) Durkin John , “Expert Systems Design and Development”, , Macmillan, 1994, Canada. (16) Parsaye K. y M. Chignell. “Expert Systems For Expert”. John Wiley & Sons Inc. New York, 1988. (17) Cox Earl, “The Fuzzy Systems Handbook”, Academic Press, Inc. USA, 1994. (18) Ross Timothy , “Fuzzy Logic with Engineering Applications”, , McGraw Hill, 1995. (19) Riza Berkan, Sheldon Trubatch, “Fuzzy Systems Design Principles”, IEEE Press, 1997. (20) Martin McNeil F., Ellen Thro, “Fuzzy Logic a Practical Approach”, Academic Press, Inc., Boston, USA, 1994. (21) Olson David, James Couttney Jr. ,”Decision Support Models and Expert Systems”, Macmillan Publishing Company, New York, 1992. (22) Goldberg A.G. “Genetic Algorithms in Search, Optimization, and Machine Learning”, Addison Wesley, 1987. (23) Patrick Henry Wiston, “Artificial Intelligence”, Third Edition, Addison Wesley Publishing Co.,E.U.A., 1992. (24) Yager Ronald R., Zadeh A. Lotfi, “An Introduction to Fuzzy Logic Applications in Intelligent Systems”, Kluwer Academic Publishers, Massachussetts, USA, 1992. (25) Waterman, D.A. A Guide to Expert Systems. Addison Wesley Publishing Company, USA 1986. (26) Martin McNeil F., Ellen Thro. “Fuzzy Logic a Practical Approach”, Academic Press, Inc., Boston, USA, 1994. (27) AI Expert, The Magazine of Artificial Intelligence in Practice, published monthly by Miller Freeman Publications, California, USA. (28) PC AI, Intelligent Solutions for Desktop Computers, is published bi­monthly by Knowledge Technology, Inc., Phoenix, USA. (29) Elements of Artificial Neural Networks (Complex Adaptive Systems) by Kishan Mehrotra (Author), Chilukuri K. Mohan (Author), Sanjay Ranka (Author) MIT Press; (October 11, 1996) (30) Neural and Adaptive Systems: Fundamentals through Simulations, by José C. Principe (Author), Neil R. Euliano (Author), W. Curt Lefebvre (Author) Wiley Text Books; Book and CD­ROM edition (December 3, 1999) (31) Genetic Programming : An Introduction : On the Automatic Evolution of Computer Programs and Its Applications, by Wolfgang Banzhaf, Peter Nordin, Robert E. Keller, Frank D. Francone Morgan Kaufmann; 1st edition (December 1, 1997) (32) Genetic Algorithms in Search, Optimization, and Machine Learning, by David E. Goldberg (Author), Addison­Wesley Pub Co; (January 1, 1989) (33) Genetic Algorithms + Data Structures = Evolution Programs, by Zbigniew Michalewicz Springer Verlag; 3rd Revision edition (March 1996) (34) Tom Mitchell, "Machine Learning", McGraw Hill, 1997. (35) Christopher Bishop, "Neural Networks for Pattern Recognition", Oxford University Press, 1996. (36) Sutton, R.S. and Barto, A.G. (1998) Reinforcement Learning: An introduction. MIT Press, Cambridge Mass. (37) Koza, John R. Genetic Programming: On the Programming of Computers, By Means of Natural Selection. MIT Press, 1992 (38) Pang­Ning Tan, Michael Steinbach y Vipin Kumar, "Introduction to Data Mining". Addison Wesley. 2005 (39) Jiawei Han y Micheline Kamber, "Data Mining: Concepts and Techniques". Morgan Kaufmann Publishers. (40) Mehmed Kantardzic, "Data Mining: Concepts, Models, Methods, and Algorithms", John Wiley – IEEE Inter­science Publishers (41) J. Hernández Orallo, M.J. Ramírez, C. Ferri, Introducción a la Minería de Datos, Pearson­
Prentice Hall, Madrid, 2004 (42) J. Han, M.Kamber, Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, 2001. (43) H. Witten, E. Frank, Data mining: Practical Machine Learning Tools and Techniques (Second Edition). Morgan Kaufmann Publishers, 2005. (44) B.Pyle, Data Preparation for Data Mining. Morgan Kaufmann Publishers, 1999 (45) C.M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006 (46) Berry, M., Linoff, G., Mastering Data Mining: The Art and Science of Customer Relationship Management. John Wiley, 2000. (47) Grossman, R., Kamath, C., Kegelmeyer, W., Kumar, V., Namburu, R. (eds.). Data Mining for Scientific and Engineering Applications, Kluwer, September, 2001. (48) W. Kloesgen, JM Zytkow (Eds.), Handbook of data Mining and Knowledge Discovery. Oxford University Press, 2002. (49) Krzysztof J. (ed.), Medical Data Mining and Knowledge Discovery. Physica­Verlag, Springer, New York, 2001. (50) R. Mattison, Data Warehousing and Data Mining for Telecommunications. Artech House Computer Science Library, 1997 (51) F. Provost, V. Kolluri. A survey of methods for scaling up inductive algorithms. Data Mining and Knowledge Discovery, 3(2), pp. 131­169, 1999. (52) B. Park and H. Kargupta. Distributed Data Mining: Algorithms, Systems, and Applications. In Nong Ye, editor, Data Mining Handbook, pages 341­358. IEA, 2002. 5. PAGINAS WEB 1. http://www.exsys.com (sistemas expertos) 2. http://www.xpertrule.com (sistemas expertos) 3. http://www.gensym.com (sistemas expertos) 4. http://www.visual­prolog.com (sistemas expertos) 5. http://www.fuzzytech.com (lógica difusa) 6. http://www.aptronix.com (lógica difusa) 7. http://www.neuroshell.com (redes neuronales) 8. http://www.neurosolution.com (redes neuronales) 9. http://www.kdnuggets.com (Portal sobre DM muy completo), 10. http://www.r­project.org (Página Principal de la Herramienta R), 11. http://www.cs.waikato.ac.nz/~ml/index.html (Página principal de la Herramienta WEKA) 12. http://www­ra.informatik.uni­tuebingen.de/SNNS/ 13. http://wwwra.informatik.uni­tuebingen.de/software/JavaNNS/ 14. http://www.cis.hut.fi/research/som_lvq_pak.shtml 6. DATOS DEL PROFESOR Dr. Nicolás Kemper Valverde Jefe Departamento de Tecnologías de Información Centro de Ciencias Aplicadas y Desarrollo Tecnológico Universidad Nacional Autónoma de México Apartado Postal 70­186 C.P. 04510 México D.F. MEXICO