Facultad de Ingeniera de Sistemas, Computacin y

Telecomunicaciones

<Titulo de la Tesis>

Tesis para obtener el Titulo de:

Ingeniero de Sistemas y Cmputo

Presentado por

Apellidos y nombres del autor

Lima Per
Mes Ao

Tesis
Sistema Experto para la planificacin de cultivo de Arroz en el departamento de
Ucayali, Zona Agropecuaria Virgen de Lourdes.

3. Mtodos para la construccin de la solucin tecnolgica

3.1 Metodologas, Modelos Algoritmos
3.1.1. Metodologa Commonkads.
CommonKADS proporciona una definicin ms precisa de una metodologa, segn la
cual, una metodologa puede considerarse como una tecnologa de capas donde cada
capa puede verse como un bloque de construccin empleado por las capas
superiores. Esta definicin se asemeja a la definicin de Pressman para la ingeniera
de software. En la Figura 3.1 se muestra una pirmide metodolgica que aade una
capa de proceso al resto de capas definidas en la pirmide metodolgica de
CommonKADS. Las capas que se distinguen son las siguientes:

Figura 3.1 La Pirmide Metodolgica.

Visin del mundo :perspectiva, principios y asunciones con que se analiza el

problema. Como ejemplo de principios de una metodologa podemos citar el
principio de modelado en el nivel del conocimiento o la reutilizacin de
componentes. Los enfoques ms frecuentes para analizar un problema son:

Enfoques estructurados orientados a funciones, que ven el software como la

transformacin de informacin, descomponiendo en funciones con entradas y
salidas.

Enfoques orientados a objetos, que ven el software como un conjunto de objetos

derivados de clases genricas que se comunican mediante paso de mensajes.

Enfoques formales, que describen el software en trminos matemticos,

permitiendo una evaluacin de su completitud, consistencia y correccin.

Enfoques de ingeniera del conocimiento, que se centran en el modelado del

conocimiento que necesita una aplicacin basada en conocimiento para llevar a
cabo sus razonamientos y en la descripcin de estos mecanismos de
razonamiento.

Enfoques orientados agentes, que definen el software como un conjunto de

agentes autnomos que cooperan para satisfacer los objetivos de la aplicacin.

Teora y modelos:la teora recoge un conjunto de teoremas del dominio de

aplicacin de la metodologa, mientas que los modelos indican los diferentes
puntos de vista con que se analiza el problema (p.ej. esttico y dinmico). Por
ejemplo, los enfoques formales suelen ofrecer teora matemtica que permiten
su verificacin.

Proceso de ingeniera software: los procesos de ingeniera software son la

base de la gestin del control de los procesos software, y establecen el contexto
en que los mtodos tcnicos son aplicados, los productos (modelos, documentos,
informes de datos, formularios, etc.) son entregados, los hitos del proyecto
establecidos, el nivel de calidad asegurada y los cambios son gestionados
adecuadamente. Las principales preguntas que debe responder un proceso de
ingeniera software son: qu haremos a continuacin y cunto tiempo tardaremos
en hacerlo.

Mtodos de ingeniera software: se aplican en una gran variedad de tareas,

que incluyen el anlisis de requisitos, el diseo, la codificacin, prueba y
mantenimiento. Los mtodos de ingeniera software deben incluir actividades de
modelado, heursticos de modelado y tcnicas de descripcin del modelo. Los
mtodos de ingeniera software (a menudo denominados metodologas) se
centran en determinar cmo navegar a travs de cada fase, determinando los
datos, el control o las jerarquas de uso; asignacin de requisitos, etc.) y cmo
representar los productos de cada fase (diagramas de estructura, diagramas de
transicin de estado, diagramas de objetos, etc.).

Herramientas de ingeniera software: proporcionan un soporte automatizado o

semiautomatizado para el proceso y los mtodos. Las herramientas CASE
(Ingeniera

Software

Asistida

por

Ordenador;

Computer-Aided

Software

Engineering) proporcionan un entorno integrado en que las distintas herramientas

que soportan los mtodos y procesos pueden compartir la informacin.

Uso y transferencia: utilizacin de la metodologa y elaboracin de mtodos y

programas para su transferencia y enseanza.

La metodologa CommonKADS sigue una aproximacin al desarrollo de SBC como la

construccin de un nmero de modelos interrelacionados que capturan los principales
rasgos del sistema y de su entorno.
El proceso de desarrollo de SBC consiste en rellenar un conjunto de plantillas de los
modelos. Asociados a estas plantillas, CommonKADS define estados de los modelos
que caracterizan hitos en el desarrollo de cada modelo. Estos estados permiten la
gestin del proyecto, cuyo desarrollo se realiza de una forma cclica dirigida por
riesgos. [2]
Hay seis modelos definidos en CommonKADS, en la figura 3.2 se observa la
estructura:
Modelo de la Organizacin (OM): es una herramienta para analizar la organizacin
en que el SBC va a ser introducido.
Modelo de Tarea (TM): describe a un nivel general las tareas que son realizadas o
sern realizadas en el entorno organizativo en que se propone instalar el SBC y
proporciona el marco para la distribucin de tareas entre los agentes.
Modelo de Agente (AM):un agente es un ejecutor de una tarea. Puede ser humano,
software o cualquier otra entidad capaz de realizar una tarea. Este modelo describe
las capacidades y caractersticas de los agentes.
Modelo de Comunicaciones (CM):detalla el intercambio de informacin entre los
diferentes agentes involucrados en la ejecucin de las tareas descritas en el modelo
de tarea.
Modelo de la Experiencia (EM): este es el corazn de la metodologa CommonKADS
y modela el conocimiento de resolucin de problemas empleado por un agente para
realizar una tarea. El Modelo de la Experiencia distingue entre el conocimiento de la
aplicacin y el conocimiento de resolucin del problema. El conocimiento de la
aplicacin se divide en tres subniveles: nivel del dominio (conocimiento declarativo
sobre el dominio), nivel de inferencia (una biblioteca de estructuras genricas de
inferencia) y nivel de tarea (orden de las inferencias).

 Modelo de Diseo (DM): mientras que los otros cinco modelos tratan del anlisis del
SBC, este modelo se utiliza para describir la arquitectura y el diseo tcnico del SBC
como paso previo a su implementacin.

Figura 3.2 Modelos CommonKads.. (Mrquez, 2009).

3.1.1 Desarrollo de Kads.

Para modelarla, KADS asume que es posible distinguir entre varios tipos de
conocimiento segn los diversos papeles que ste puede desempear en el proceso
de razonamiento y que se pueden organizar en varias capas, que tienen solo
interaccin limitada. Las categoras en las cuales el conocimiento de la maestra
puede ser analizado y descrito se basan en distinciones epistemolgicas: contienen
diferentes tipos de conocimiento. As distingue entre:
a) Conocimiento del dominio: conocimiento esttico que describe una afirmacin del
dominio del uso.
b) Conocimiento de la inferencia: conocimiento de diversos tipos de inferencias que
se pueden hacer.
c) Conocimiento de la tarea: conocimiento que representa las tareas elementales.
d) Conocimiento estratgico: conocimiento que controla el proceso total del
razonamiento.

La tcnica adoptada para la validacin del sistema experto es la evaluacin de su

comportamiento respecto al de expertos humanos a travs de una coleccin de
casos cuidadosamente seleccionados. Los casos de prueba son solucionados por un
nmero de expertos del dominio as como por el sistema experto. Los expertos

humanos evaluarn todas las soluciones de los casos de prueba usando una cierta
frmula de evaluacin. Despus tiene lugar una discusin donde los expertos
humanos pueden justificar sus soluciones. Esta discusin puede cambiar la
evaluacin de soluciones y as se alcanza la gradacin final de soluciones. En caso
de que el sistema experto se encuentre lejos, la base de conocimiento debe ser
modificada.
Para cada uno de los tres expertos del dominio y para el sistema experto se calcula
un factor del funcionamiento de cada subsistema:

P = (n casos E * 3 + n casos G * 2 + n casos A * 1) / n total de casos

Donde E, G y A, representan los casos excelente, bueno y aceptable. Este factor

toma valores desde 0 (cuando todos los casos son evaluados como inaceptable)
hasta 3 (cuando todos los casos son evaluados como excelente). Se calcula as:

P = (n de casos verdaderos / n total de casos) * 3

En la Figura 3.3, se muestra la tabla representando los factores calculados:

Figura 3.3. Contribucin de la IA a Proyectos de Desarrollo Sostenible

Segn esta tabla, el sistema experto es el mejor en cuatro subsistemas y ocupa el

segundo lugar en los otros dos (irrigacin y fertilizacin). Finalmente, el sistema
experto ostenta el mejor factor de funcionamiento del sistema total.

3.1.2 Metodologa ABC

.
.

REFERENCIAS BIBLIOGRFICAS
[1] Millan J., Adaptative Brain Interfaces, Communications of the ACM, v. 46, n. 3,
2003, pp. 74-80.
[2] Shumin Z., Whats in the eyes for attentive inputs, Communications of the ACM, v.
46, n. 3, 2003, pp. 34-39.
[3] Maglio P. y Christopher C., Attentive agents, Communications of the ACM, v. 46, n.
3, 2003, pp. 47-51.