Universidad de Oriente

Ncleo de Monagas
Departamento de Ingeniera de Sistemas
Curso Especial de Grado - rea: ACPI
Estrategias para la Automatizacin Industrial (EAI)

Diagnstico y decisin (parte 1)

Unidad IV: SISTEMAS DE SUPERVISIN Y CONTROL

Profesor:

Bachilleres:

Ing. Judith Devia

Arvalo Lorenzo, Danelys C.

C.I:19.663.296
Cordero Guevara, Francelys M.
C.I: 22.969.047
Equipo CRM

Maturn, Abril de 2015

NDICE

INTRODUCCIN................................................................................................... 3
MARCO TEORICO................................................................................................. 4
Diagnstico y Decisin..................................................................................... 4
Diagnstico................................................................................................... 4
Decisin........................................................................................................ 4
Diagnstico de fallos........................................................................................ 4
Estrategias para el Diagnstico de fallos.........................................................4
Conocimiento del Proceso y relaciones causa efecto.................................4
Mtodos estadsticos.................................................................................... 4
Herramientas de soporte: la Inteligencia Artificial........................................5
Representacin de conocimiento mediante lgica........................................6
Listas, tablas y rboles de decisin..............................................................6
Grafos y grafos causales............................................................................... 7
DISCUSIN.......................................................................................................... 8
CONCLUSIN..................................................................................................... 10
BIBLIOGRAFA.................................................................................................... 11
ANEXOS

INTRODUCCIN
Un aspecto significativo en la automatizacin de las industrias, son las
interrelaciones de sus componentes operacionales, cuya ocupacin primordial es
asegurar que se lleven en orden todos los trabajos del proceso, aun cuando haya
desviaciones no previstas en la automatizacin.
Para esto es necesario la intervencin de diagnsticos para su respectiva
decisin y ejercer el conjunto de herramientas que permitan contrarrestar la
situacin no deseada, su principal caracterstica es ser decisivo en la ejecucin y
evolucin de un proceso, por ello que se dice que la primera etapa, y de hecho
una parte muy importante, que existe en un proceso de diagnstico permitiendo la
deteccin de anomalas, fallas entre otros. A continuacin se estarn tratando las
diferentes herramientas y las situaciones donde posiblemente se requiera de su
aplicacin.

MARCO TEORICO
Diagnstico y Decisin
Diagnstico: Es el anlisis que se realiza para determinar cualquier situacin y
cules son las tendencias. Esta determinacin se realiza sobre la base de datos y
hechos recogidos y ordenados sistemticamente, que permiten juzgar mejor qu
es lo que est sucediendo.
Decisin: Implica siempre un proceso de elaboracin a nivel mental que puede
verse influido por diversas razones, causas y circunstancias especficas.
Diagnstico de fallos:
El diagnstico de fallos consiste principalmente en la determinacin del origen y
sus magnitudes. Al detectar un fallo, se deben conocer sus causas mediante el
uso diversas estrategias. Si la fase de deteccin consiste en la generacin de
residuos o de sntomas, entonces el diagnstico debe consistir en la evaluacin de
los mismos.
Estrategias para el Diagnstico de fallos.
Conocimiento del Proceso y relaciones causa efecto: El conocimiento del
proceso y de las dependencias entre subprocesos o la influencia del operario y
los materiales son vitales para el reconocimiento del origen de los fallos. Por este
motivo es importante el anlisis detallado del proceso.
Diagrama de Ishikawa: tambin llamado diagrama de espina de pescado. Consiste
en una representacin grfica sencilla en la que puede verse de manera relacional
una especie de espina central, que es una lnea en el plano horizontal,
representando el problema a analizar, que se escribe a su derecha. La utilizacin
de estas representaciones es de gran ayuda para la definicin, creacin y
documentacin de procedimientos de diagnstico. (Ver figura 1)
Mtodos estadsticos: Son herramientas de anlisis estadstico que con una
presentacin visual de parmetros simples dan una interpretacin cmoda de los
datos acumulados. La aplicacin de mtodos estadsticos en la vigilancia de

procesos ha aportado diferentes mtodos de soporte al diagnstico y la toma de

decisiones. Entre ellas, tenemos:
- Diagramas de Pareto: es una grfica para organizar datos de forma que estos
queden en orden descendente, de izquierda a derecha y separados por barras.
Hay que tener en cuenta que tanto la distribucin de los efectos como sus posibles
causas no es un proceso lineal sino que el 20% de las causas totales hace que
sean originados el 80% de los efectos. El principal uso que tiene el elaborar este
tipo de diagrama es para poder establecer un orden de prioridades en la toma de
decisiones dentro de una organizacin. Evaluar todas las fallas, saber si se
pueden resolver o mejor evitarlas. (Ver figura 2)

- Grficos estratificados (Stratified Graph): tambin conocidos como diagramas de

barras. Es un mtodo estadstico utilizado para el control, anlisis y mejora de la
calidad consistente en clasificar los datos disponibles por grupos con similares
caractersticas y permiten aislar la causa de un problema, identificando el grado
de influencia de ciertos factores en el resultado de un proceso, el histograma es el
modo ms habitual de presentarla. (Ver figura 3)
- Control estadstico de procesos: Los grficos de control, basndose en tcnicas
estadsticas, permiten usar criterios objetivos para distinguir variaciones de fondo
de eventos de importancia. Casi toda su potencia est en la capacidad de
monitorizar el centro del proceso y su variacin alrededor del centro. Recopilando
datos de mediciones en diferentes sitios en el proceso, se pueden detectar y
corregir variaciones en el proceso que puedan afectar a la calidad del producto o
servicio final, reduciendo desechos y evitando que los problemas lleguen al cliente
final. (Ver figura 4)
Todos estos diagramas guardan algo en comn, ya que aportan informacin de
conjunto en cuanto permiten comparar causas de defectos consecutivas en
importancia, a la vez que ver su importancia respecto al total.
Herramientas de soporte: la Inteligencia Artificial: Son utilizadas tanto para el
diagnstico de fallos como para la (ayuda a la) toma de decisiones. Estas
herramientas pueden integrarse a los entornos de monitorizacin para configurar,
junto con las herramientas propias de stos, lo que se conoce como un entorno de
supervisin experta.

Representacin de conocimiento mediante lgica.

Su objetivo fundamental es representar el conocimiento de una manera que
facilite la inferencia a partir de dicho conocimiento. Analiza cmo pensar
formalmente, cmo usar un sistema de smbolos para representar un dominio del
discurso, junto con funciones que permitan realizar un razonamiento formal sobre
los objetos. El formalismo lgico ms popular es el clculo proposicional, utilizado
en la representacin de modelos y en la especificacin de propiedades de
numerosos sistemas, donde el comportamiento o el estado de los elementos se
caracterizan mediante dos estados estables claramente distinguidos
(Verdadero/Falso, 1/0). Una ventaja importante, especialmente para disear
aplicaciones, del clculo proposicional consiste en su semntica simple e intuitiva.
(Ver figura 5)
Listas, tablas y rboles de decisin: La finalidad de estas tres herramientas
ofrecen un apoyo operacional eficaz a las tareas de decisin. Aunque son
herramientas relativamente simples, permiten tomar decisiones jerrquicamente,
a varios niveles, y pueden usarse para codificar procedimientos bastante
complejos.
Lista de decisin: est compuesta por una sucesin de pares (condicin binaria,
accin). La parte condicional es slo una proposicin lgica, y as es evaluada
como verdadera (V) o falsa (F). Su uso consiste en verificar los tems de la lista, y
cada vez que se satisface la condicin se ejecuta la accin apropiada. (Ver figura 6)
rbol de decisin: Son estructuras que despliegan de forma intuitiva alguna
decisin o procedimiento de clasificacin, son lebles y fciles de usar. Compuesto
por nodos y conexiones entre los mismos. La raz del rbol es el nodo de entrada,
y por debajo de cualquier nodo hay algunas conexiones de bifurcacin. La
seleccin de una conexin se lleva a cabo a partir de una declaracin condicional
asignada al nodo. La evaluacin de esta condicin (verdadera o falsa en el caso
de rboles binarios o un valor pre-especificado en el caso de rboles ms
complejos) determina la seleccin de la conexin. El rbol se cruza de arriba
abajo, y la decisin definitiva se encuentra en la parte inferior. (Ver figura 7)
Tabla de decisin: permite visualizar las secuencias de condiciones que deben
cumplirse para ejecutar alguna accin. Los conjuntos de condiciones se visualizan
de forma leble, verticalmente, como columnas de la tabla de decisin, o
horizontalmente, como filas de la tabla. (Ver figura 8)

Grafos y grafos causales.

Grafo: son un conjunto de objetos llamados vrtices o nodos (puntos) unidos por
enlaces llamados aristas (lneas) o arcos, que permiten representar relaciones
binarias entre elementos de un conjunto, representando una estructura de datos,
en concreto un tipo abstracto de datos. (Ver figura 9)
rbol de Fallos: consiste en nodos (que representan eventos) y puertas lgicas
(normalmente AND y OR) para representar las relaciones entre eventos. Los
eventos se conectan mediante flechas de unin. Una puerta OR representa la
disyuncin de condiciones que causan una salida, mientras una puerta AND
representa la conjuncin de condiciones que causan la salida. Este mtodo de
anlisis se utiliza principalmente en el campo de la ingeniera de seguridad y
fiabilidad de ingeniera para determinar la probabilidad de un accidente de
seguridad o un fallo de nivel de sistema en particular. (Ver figura 10)

Grafos dirigidos simples: representan relaciones mutuas entre fallos y residuos. La

construccin bsica es un grafo de dos niveles, donde el nivel superior consiste en
posibles fallos y el nivel inferior en posibles residuos (observaciones). Los fallos
apuntan a residuos que (normalmente) son observados si el fallo ocurre. (Ver
figura 11)

DISCUSIN

El diagnostico de fallos es un componente clave de muchos sistemas de

automatizacin de la gestin de operaciones. Es una solucin, que puede conducir
a otras soluciones y sntomas observables. Permite reconocer que se ha
producido un problema, incluso si todava no sabe la causa raz. Los Fallos
pueden ser detectados por una variedad de estrategias como la que se
desarrollaron englobando los mtodos estadsticos y de las herramientas de
inteligencia artificial. Esto incluye muchos de los enfoques multivariados, basados
en distintos modelos. Tambin incluye tcnicas sencillas y tradicionales para las
distintas situaciones, como el control estadstico de procesos (SPC); medicin de
sus magnitudes generadas por subsistemas.

Las herramientas para un diagnstico de fallos se desempean en funcin de

la data recopilada, esto es, el analista que debe juntar toda la informacin posible
de los hechos y conocer las interrelaciones de los componentes sean humanos o
materiales. En muchas aplicaciones, tales como los de las industrias de proceso,
los fallos se encuentran entre los equipos ms comunes. As que un foco
importante en las industrias tiene que estar en el reconocimiento de los problemas,
as como problemas en el proceso. La distincin entre los problemas y los
problemas del proceso es un problema importante en estas aplicaciones.

En una situacin pueden que los factores no sea directamente observable

cuando la causa de la raz tambin se asocia generalmente con los
procedimientos para la reparacin. El diagnostico de fallos se puede realizar
cuando existe un evento anormal, por ejemplo: de una pieza de equipo, o incluso
involucrar a hardware especfico, u operadores

Por ejemplo; en una planta de procesos, las causas profundas de la

operacin no ptima podra ser fallos de hardware, pero los problemas tambin
puede ser causado por una ineficiencia en eleccin de los objetivos operativos, la
ineficiencia calidad del material de insumos, falta de optimizacin del regulador,
errores de calibracin del sensor, o error humano.

Los ingenieros y los tcnicos deben de estar capacitados para diagnosticar y,

de ser posible, tambin estar capacitados para el adecuado y preciso uso de las
herramientas cuando se presenten las anomalas y as reaccionar a tiempo de
manera eficaz. El diagnstico Inteligente de los diferentes escenarios es aplicable
a diverso segmentos donde la disponibilidad y la complejidad surjan de los
mismos. La solucin que ofrece las herramientas para el debido diagnstico y
decisin de situaciones no deseadas y prever las mismas, tiene como objetivo
principal, detectar de forma rpida y precisa el origen de algn defecto, ahorrar
dinero, minimizar los costos por roturas imprevistas y mejorar la confiabilidad de
plantas industriales.

En general las fallas en un sistema de automatizacin tendrn impacto

directo en cualquier industria. Esto se traduce la mayor parte del tiempo, en altos
costos de mantenimiento, altos costos de reparacin y en oportunidades en la
prdida total o parcial de los niveles de produccin. Una aproximacin para
minimizar estas fallas, es disponer de un mejor uso de las herramientas de causaefecto, mtodos estadsticos y herramientas inteligencia artificial ya que
conociendo su capacidad de identificar escenarios potencialmente alarmantes o
antes de que la misma ocurra, tomando as las acciones correctivas apropiadas.

En vista de lo anterior es necesario implementar sistemas de deteccin y

diagnstico de fallas, que permitan la investigacin y la determinacin de aquellas
fallas que causan los impactos de mayor magnitud. Esta identificacin permitir
detectar las fallas importantes en el sistema de automatizacin con antelacin lo
cual puede garantizar el xito o fracaso de los procesos en la industria.

CONCLUSIN

En las empresas existe una infinidad de procesos que deben de mantenerse

estables durante su operacin, esto se logra manteniendo un adecuado y continuo
diagnstico en donde las operaciones que puedan estar ejecutndose asegurando
as la fiabilidad de las mismas. Para mantener estable los procesos es necesario
un sistema de control de procesos basados en las herramientas de causa-efecto,
mtodos estadsticos, y de inteligencia artificial de manera que mantenga sus
parmetros dentro de los lmites y a su vez que permita la visualizacin del
proceso para tomar acciones correctivas inmediatas. Es importante saber que toda
falla deja unas pistas que permiten encontrar su origen. Es por esto que se debe
conocer muy bien las herramientas mencionadas anteriormente a fin de interpretar
adecuadamente estas pistas.

Al ejercer una decisin debe realizarse un anlisis minucioso de la misma,

para garantizar el continuo funcionamiento de los componentes que se encuentran
interrelacionados. Cuando las acciones adecuadas se han determinado, es
necesario comprobar su eficiencia y realizar una verificacin, esto conducir a
evaluar la calidad de la decisin tomada de modo de minimizar los diferentes
costos, tiempo valioso, vidas, materiales, es decir, antes de que se detecte una
situacin no deseada.

BIBLIOGRAFA

AITECO, Estratificacin. Herramienta estadstica para el anlisis y la mejora,

[Pgina web en lnea]. Disponible en: http://www.aiteco.com/estratificacion/ [2015,
20 Abril]
DefinicinABC, Definicin de Decisin, [Pgina web en lnea]. Disponible en:
http://www.definicionabc.com/general/decision.php [2015, 20 Abril]
DOCSETOOLS, El anlisis del rbol de fallos, [Pgina web en lnea]. Disponible
en: http://docsetools.com/articulos-educativos/article_18509.html [2015, 20 Abril]
Wikipedia, rbol de decisin (modelo de clasificacin ID3), [Pgina web en
lnea].
Disponible
en:
http://es.wikipedia.org/wiki/%C3%81rbol_de_decisi
%C3%B3n_%28modelo_de_clasificaci%C3%B3n_ID3%29 [2015, 20 Abril]
Wikipedia, Control estadstico de procesos, [Pgina web en lnea]. Disponible en:
http://es.wikipedia.org/wiki/Control_estad%C3%ADstico_de_procesos [2015, 20
Abril]
Wikipedia,
Diagnstico,
[Pgina
web
en
lnea].
http://es.wikipedia.org/wiki/Diagn%C3%B3stico [2015, 20 Abril]

Disponible

en:

Wikipedia, Diagrama de Ishikawa, [Pgina web en lnea]. Disponible en:

http://es.wikipedia.org/wiki/Diagrama_de_Ishikawa [2015, 20 Abril]
Wikipedia, Diagrama de Pareto, [Pgina web en lnea]. Disponible en:
http://es.wikipedia.org/wiki/Diagrama_de_Pareto [2015, 20 Abril]
Wikipedia, Grafo (estructura de datos), [Pgina web en lnea]. Disponible en:
http://es.wikipedia.org/wiki/Grafo_%28estructura_de_datos%29 [2015, 20 Abril]
Wikipedia, Representacin del conocimiento, [Pgina web en lnea]. Disponible
en: http://es.wikipedia.org/wiki/Representaci%C3%B3n_del_conocimiento [2015,
20 Abril]

ANEXOS

Figura 1: Diagrama de espina de pescado

Fuente: http://3.bp.blogspot.com/-HStsoa-fGqw/TywUjVzT7I/AAAAAAAAAFM/jxT35sgWNXg/s1600/Ishikawa-PettersShoes.PNG

Figura 2: Diagramas de Pareto

Fuente:http://upload.wikimedia.org/wikipedia/commons/thumb/8/89/Pareto.png/800
px-Pareto.png

Figura 3: Grficos estratificados

Fuente: http://www.aiteco.com/web/wp-content/uploads/2012/03/estratif.gif

Figura 4: Control estadstico de procesos

Fuente:http://www.google.co.ve/url?
sa=i&source=images&cd=&ved=0CAUQjBw&url=http%3A%2F
%2Fimages.slideplayer.es%2F2%2F1032071%2Fslides
%2Fslide_3.jpg&ei=q1g1VdHkOYqKsQT6NQ&psig=AFQjCNGKPDhW40ZgKT42h
Kba4UHmgkFnWQ&ust=1429645868056940

Figura 5: Conectivas lgicas

Fuente: http://www.ceautomatica.es/sites/default/files/upload/10/files/sistemas
%20de%20supervision.pdf , pg. 61.

Figura 6: Lista de decisin de factores climatolgicos

Fuente: http://1.bp.blogspot.com/Hr2fVvzf8kw/UpN6Lcm7WFI/AAAAAAAAAIM/qVRlNYhx_mk/s1600/ssaassa2.jpg

Figura 7: rbol de decisin para la clasificacin de notas de alumnos

Fuente:http://upload.wikimedia.org/wikipedia/commons/thumb/c/cd/Arbol3.PNG/35
0px-Arbol3.PNG

Figura 8: tabla de decisin para determinar la existencia de gripe en 6 pacientes.

Fuente: http://www.scielo.org.co/img/revistas/iei/v30n1/1a08t02.jpg

Figura 9: Grafo con 6 nodos y 7 aristas

Fuente: http://upload.wikimedia.org/wikipedia/commons/thumb/5/5b/6ngraf.svg/333px-6n-graf.svg.png

Figura 10: ARBOL DE FALLOS para el anlisis de lesin de un operario.

Fuente: http://syar.cl.tripod.com/8_imagenes/fta_cp.gif

Figura 11: Grafico dirigido simple

Fuente:http://www.ceautomatica.es/sites/default/files/upload/10/files/sistemas
%20de%20supervision.pdf ,pg. 65.