Anwendungen der Künstlichen Intelligenz bei Produktionsproblemen

Freitag, 28. Oktober 2011
Anwendungen der künstlichen Intelligenz bei Produktionsproblemen
1. ZUSAMMENFASSUNG
Dieses Dokument konzentriert sich darauf, die künstliche Intelligenz mit ihren verschiedenen Paradigmen näher zu analysieren, wobei die wichtigsten neuronale Netze sind, Genetische Algorithmen, unscharfe Logiksysteme und programmierbare Automaten, mit ihren verschiedenen Anwendungen im täglichen Leben und spezifischer angewendet auf die Lösungen von Problemen im Zusammenhang mit dem Ingenieurwesen.
Es wird davon ausgegangen, dass die Produktion heutzutage stark auf neue Technologien gestützt sein kann, como es la inteligencia artificial ya sea como soporte para una toma de decisiones más eficaz en la ayuda de labores, tareas, que exijan gran demanda de tiempo representen un alto grado de peligrosidad al ser humano.
Palabras claves: Inteligencia artificial, redes neuronales, Genetische Algorithmen, sistemas de lógica difusa, producción.
2. INTRODUCCIÓN
La inteligencia artificial es un área de la investigación donde se desarrollan algoritmos para controlar cosas, y es así que en 1956 se establecen las bases para funcionar como un campo independiente de la informática.
Son muchos los estudios y aplicaciones que se han logrado con el desarrollo de esta ciencia , entre las cuales tenemos redes neuronales aplicadas al management de la calidad donde la crimson evalúa si determinado producto cumple no con las especificaciones demandadas, management del proceso químico en el grado de acidez, algoritmos genéticos aplicados al problema cuadrático de asignación de facilidades que trata de la asignación de N trabajos en M máquinas, los autómatas programables que se usan para la optimización de sistemas de producción, en fin, todavía queda mucho por descubrir con respecto a las aplicaciones de esta ciencia.
3. HISTORIA DE LA INTELIGENCIA ARTIFICIAL
Se podría situar los orígenes de la inteligencia artificial con la definición de la neurona formal dada por McCulloch & Pitts 1943, como un dispositivo binario con varias entradas y salidas.
Ya en el año de 1956 se volvió a tocar el tema de inteligencia artificial (KI) en el instituto de tecnología de Massachussets por John McCarthy donde se celebró la conferencia de Dartmouth en Hanover (USA). En este certamen McCarthy, Marvin Minsky, Nathaniel Rochester y Claude E. Shannon establecieron las bases de la inteligencia artificial como un campo independiente dentro de la informática. Previamente, im Jahr 1950, Alan M. Turing había publicado un artículo en la revista Thoughts, titulado Computing Machinery and Intelligence” (Ordenador e inteligencia”), en el que reflexionaba sobre el concepto de inteligencia artificial y establecía lo que luego se conocería como el take a look at de Turing, una prueba que permite determinar si un ordenador computadora se comporta conforme a lo que se entiende como artificialmente inteligente no.
Künstliche Intelligenz in den sechziger Jahren, hatte als solche nicht viele Erfolge, da sie zu dieser Zeit zu viel Investition erforderte und die meisten Technologien eigene großer Forschungszentren waren. In den 70er bis 80er Jahren wurden einige bedeutende Fortschritte in einem ihrer Bereiche, den sogenannten Expertensystemen, erzielt, mit der Einführung von PROLOG LISP. Im Grunde genommen zielt künstliche Intelligenz darauf ab, eine sequenzielle Maschine zu erschaffen, die programmiert ist und unendlich eine Reihe von Anweisungen wiederholt, die von einem Menschen erstellt wurden.
Heutzutage wird weiterhin viel in großen technologischen, Bildungs- und Privatlabors geforscht; ohne die bemerkenswerten Fortschritte in der Computer-Vision-Systemen zu vernachlässigen (die zum Beispiel angewendet werden, für die Klassifizierung von durcheinandergewürfelten Artikeln - Schrauben, Teile, die durch Farbcode markiert sind,, um ein Beispiel zu nennen), autonome Robotiksteuerung (Sony, mit seinen Robotern, die sich fast menschlich bewegen können und auf Druck genauso reagieren, wie es eine Person beim Gehen tut), Anwendungen der Fuzzy-Logik (Anwendung der automatischen Überwachung in unseren Videorekordern, um eine Anwendung zu nennen), and so pleth. Jedoch, Die Künstliche Intelligenz bleibt größtenteils auf ihr technologisches Gebiet beschränkt, und konnte kaum auf den Verbrauchermarkt außerhalb der Industrie gelangen.
four. DEFINITIONEN VON KÜNSTLICHER INTELLIGENZ
Hinsichtlich der aktuellen Definitionen von Künstlicher Intelligenz finden sich Autoren wie Wealthy & Knight 1994, Stuart 1996, quienes definen en forma basic la IA como la capacidad que tienen las máquinas para realizar tareas que en el momento son realizadas por seres humanos; otros autores como Nebendah 1988, Delgado 1998, arrojan definiciones más completas y las definen cómo el campo de estudio que se enfoca en la explicación y emulación de la conducta inteligente en función de procesos computacionales basadas en la experiencia y el conocimiento continuo del ambiente.
Hay más autores como Marr 1977, Mompin 1987, Rolston 1992, que en sus definiciones involucran los términos de soluciones a problemas muy complejos.
A criterio de los autores las definiciones de Delgado y Nebendan son muy completas, pero sin el apoyo del juicio formado, Die Emotionalität des Menschen kann Gewicht verlieren, diese Lösungen, deshalb, muss eine synergetische Umgebung zwischen beiden Parteien erreicht werden für eine größere Wirksamkeit der Lösungen.
5. TRENDS DER KÜNSTLICHEN INTELLIGENZ SYSTEME
Derzeit laut Delgado 1998, Stuart 1996, gibt es drei Paradigmen in Bezug auf die Entwicklung der KI.
- Neuronale Netze.
- Genetische Algorithmen.
- Fuzzy-Logik-Systeme.
Aber es haben sich auch andere Paradigmen hervorgetan, wie zum Beispiel intelligente Entscheidungsagenten und programmierbare Automaten, Hinsichtlich letzterer werden diese in großem Umfang in industriellen Prozessen eingesetzt, je nach zu erfüllenden Bedürfnissen wie, begrenzter Raum, periodisch wechselnde Produktionsprozesse, sequentielle Prozesse, maschinenvariable Prozesse, and so pleth.
A juicio de los autores se determina que todos estos desarrollos acortan bastante el proceso de decisiones y optimizan las mismas, pero ahí que tener mucho cuidado ya que hay que analizar los diferentes impactos ya sean ambientales, sozialen, políticos y económicos.
5.1 Redes neuronales
A grandes rasgos, se recordará que el cerebro humano se compone de decenas de billones de neuronas interconectadas entre sí formando circuitos redes que desarrollan funciones específicas.
Una neurona típica recoge señales procedentes de otras neuronas a través de una pléyada de delicadas estructuras llamadas dendritas. La neurona emite impulsos de actividad eléctrica a lo largo de una fina y delgada capa denominada axón, que se escinde en millares de ramificaciones.
Las extremidades de estas ramificaciones llegan hasta las dendritas de otras neuronas y establecen conexión llamada sinapsis, que transforma el impulso eléctrico en un mensaje neuroquímico mediante liberación de unas sustancias llamadas neurotransmisores que excitan inhiben sobre la neurona, de esta manera la información se transmite de neuronas a otras y va siendo procesada a través de las conexiones sinápticas y el aprendizaje varía de acuerdo a la efectividad de la sinapsis.
Figura 1. Neuronas y conexiones sinápticas.
Fuente: Sandra Patricia Daza, Universidad Militar Nueva Granada, 2003.
Un psicólogo D Hebb 1949, introdujo dos ideas fundamentales que han influido de manera decisiva en el campo de las redes neuronales. La hipótesis de Hebb, basierend auf psychophysiologischen Untersuchungen, stellen auf intuitive Weise dar, wie Neuronen Informationen speichern und synthetisch in der berühmten Hebb-Lernregel umgesetzt werden ( auch bekannt als Produkregel). Diese Regel besagt, dass die Verbindungen zwischen zwei Neuronen verstärkt werden, wenn beide aktiviert sind. Viele der heutigen Algorithmen stammen von den Konzepten dieses Psychologen.
Widrow 1959, veröffentlicht eine Theorie über neuronale Anpassung und einige Modelle, die von dieser Theorie inspiriert sind, der Adaline (Adaptative Lineare Neuron) und der Madaline (Multiple Adaline). Diese Modelle wurden in zahlreichen Anwendungen verwendet und ermöglichten es, , zum ersten Mal, ein neuronales Netzwerk in einem wichtigen Problem der heutigen Welt zu verwenden: adaptive Filter, die Echos in Telefonleitungen beseitigen.
Hopfield 1980, entwickelt ein Netzmodell bestehend aus miteinander verbundenen Verarbeitungseinheiten, die energetische Minima erreichen, unter Anwendung der von Grossberg entwickelten Stabilitätsprinzipien. Das Modell war sehr aufschlussreich bezüglich der Mechanismen der Speicherung und des Abrufs von Gedächtnisinhalten. Seine Begeisterung und die Klarheit der Präsentation gaben dem Feld neuen Anstoß und führten zu einer Zunahme der Forschungen.
Weitere bemerkenswerte Entwicklungen dieses Jahrzehnts sind die Boltzmann-Maschine und die Bam-Modelle (Bi-direktionales Assoziatives Gedächtnis).
Analogie zwischen biologischen und künstlichen neuronalen Netzen
Laut Herrera Fernandez1
Die Neuronen werden durch Verarbeitungseinheiten modelliert, caracterizadas por una función de actividades que convierte la entrada complete recibida de otras unidades en un valor de salida, el cual hace la función de tasa de disparo de la neurona.
Las conexiones sinápticas se simulan mediante conexiones ponderadas, la fuerza peso de la conexión cumple el papel de la efectividad de la sinapsis. Las conexiones determinan si es posible que una unidad influya sobre otra.
Una unidad de proceso recibe varias entradas procedentes de las salidas de otras unidades de proceso de entrada complete de una unidad de proceso y se suele calcular como la suma de todas las entradas ponderadas, das heißt, multiplicadas por el peso de la conexión. El efecto inhibitorio excitatorio de la sinapsis se logra usando pesos negativos positivos respectivamente
Tabla 1. Comparativo entre neuronas reales y las unidades de proceso empleadas en los modelos computacionales.
Fuente: Francisco Herrera Fernández
Estimulación total
Activación (tasa de disparo)
Función de activación (salida)
Las redes neuronales deben tener como estructura varias capas las cuales son: primera capa como buffer de entrada, almacenando la información bruta suministrada en la crimson ó realizando un sencillo preproceso de la misma, La llamamos capa de entrada; otra capa actúa como interfaz buffer de salida que almacena la respuesta de la red para que pueda ser leída, la llamamos capa de salida; y las capas intermedias, principales encargadas de extraer, procesar y memorizar la información, las denominan capas ocultas.
Figura 2. Modelo de red en cascada de varias capas.
Fuente: Sandra Patricia Daza, Universidad Militar Nueva Granada, 2003.
5.2 Sistemas de lógica difusa
A concepto de Delgado 1998 es la segunda herramienta que permite emular el razonamiento humano. Los seres humanos pensamos y razonamos por medio de palabras y en grados entre dos estados por ejemplo blanco y negro ó frío y caliente, und viele andere. Estos sistemas de lógica difusa son una mejora a los sistemas experto tradicionales, en el sentido de que permiten utilizar lenguaje humano como nosotros razonamos
Ya hablando de sistemas expertos tradicionales, estos intentan reproducir el razonamiento humano de forma simbólica. Es un tipo de programa de aplicación informática que adopta decisiones resuelve problemas de un determinado campo, como los sistemas de producción, las finanzas la medicina, Utilizando los conocimientos y las reglas analíticas definidas por los expertos en dicho campo. Los expertos solucionan los problemas utilizando una combinación de conocimientos basados en hechos y en su capacidad de razonamiento. En los sistemas expertos, estos dos elementos básicos están contenidos en dos componentes separados, aunque relacionados: una base de conocimientos y una máquina de deducción, de inferencia. La base de conocimientos proporciona hechos objetivos y reglas sobre el tema, mientras que la máquina de deducción proporciona la capacidad de razonamiento que permite al sistema experto extraer conclusiones. Los sistemas expertos facilitan también herramientas adicionales en forma de interfaces de usuario y los mecanismos de explicación. Las interfaces de usuario, Al igual que en cualquier otra aplicación, Permiten al usuario formular consultas, Proporcionar información e interactuar de otras formas con el sistema. Los mecanismos de explicación, la parte más fascinante de los sistemas expertos, permiten a los sistemas explicar justificar sus conclusiones, y también posibilitan a los programadores verificar el funcionamiento de los propios sistemas. Los sistemas expertos comenzaron a aparecer en la década de 1960. Sus campos de aplicación son la química, la geología, La Medicina, la banca e inversiones y los seguros.
A experiencia de uno de los autores, el hardware en que se fundamentan estos sistemas que son circuitos integrados digitales son muy eficaces y de durabilidad de por vida si se les da correcto uso.
5.3 Algoritmos genéticos:
Según Delgado 1998 son una técnica inspirada en aspectos biológicos, el proceso de la evolución del que Charles Darwin hace referencia se puede aplicar para optimizar dispositivos de control robots cualquier otro tipo de aspectos que sean susceptibles de ser optimizados como líneas de producción.
En basic es aceptado que cualquier algoritmo genético para resolver un problema, Debe tener cinco componentes básicos como se vera a continuación
-Se necesita una codificación representación del problema, que resulte adecuada al mismo.
-Una manera de crear una población inicial de soluciones.
-Una función de ajuste ó adaptación al problema, también llamada función de evaluación, la cual asigna un número actual a cada posible solución codificada.
-Durante la ejecución del algoritmo, los padres – dos individuos pertenecientes a la población inicial, que son soluciones factibles del problema- deben ser seleccionados para la reproducción; a continuación dichos padres seleccionados se cruzarán generando dos hijos, nuevas soluciones al problema, sobre cada technologische Religion uno de los cuales actuará un operador de mutación de acuerdo con una cierta probabilidad. El resultado de la combinación de las anteriores funciones será un conjunto de individuos (posibles soluciones al problema), los cuales en la evolución del Algoritmo Genético formarán parte de la siguiente población.
-Valores para los parámetros: tamaño de la población, Wahrscheinlichkeit der Anwendung genetischer Operatoren.
6. ANWENDUNGEN DER KÜNSTLICHEN INTELLIGENZ UND DEREN EINGESETZTE TECHNIKEN
Innerhalb des Ansatzes der Ingenieurwissenschaft der Künstlichen Intelligenz, werden die Techniken, die als Werkzeuge zur Lösung von Problemen eingesetzt werden können, in die folgenden Kategorien eingeteilt:
1. Grundlegende Techniken, so genannt, weil sie die Basis verschiedener Anwendungen der KI bilden. Unter anderem zählen dazu die Heuristische Lösungssuche, Wissensrepräsentation, Automatische Ableitung, Symbolische Programmierung (LISP) und Neuronale Netze. Diese Techniken bilden die Grundlage der Anwendungen. Meistens, muss der Benutzer sie nicht kennen, sino los profesionales que se dedican a su aplicación y la generación de aplicaciones comerciales.
2. Tecnologías, combinaciones de varias técnicas básicas, orientadas a resolver familias de problemas. Las tecnologías son más especializadas que las técnicas básicas y están más cerca de las aplicaciones finales. Se pueden mencionar a la Robótica y Visión, Lenguaje Natural, Sistemas Expertos
three. Clases tipos de aplicaciones: Diagnose, Predicción (sistemas de autocontrol de reactores atómicos), Secuenciamiento de operaciones (“Scheduling”), Diseño, Interpretación de datos. Todas ellas son familias de problemas tipo. Por ejemplo, el diagnóstico se refiere a encontrar las causas de fallas, ya sea que se trate de fallas en una línea de producción de enfermedades en una persona.
4. Campos de aplicación: Ingenieurwesen, Medizin, Sistemas de Manufactura, Administración, Apoyo a la Toma de Decisiones Gerenciales, and so on. Todas caen dentro de las áreas de los sistemas computacionales, pero que se consideran como clientes de la Inteligencia Artificial.
7. APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LOS SISTEMAS PRODUCTIVOS
La incorporación de agentes de decisión inteligente, redes neuronales, Expertensysteme, algoritmos genéticos y autómatas programables para optimización de sistemas de producción es una tendencia activa en el ambiente industrial de países con alto desarrollo tecnológico y con una gran inversión en investigación y desarrollo. Dichos componentes de la Inteligencia Artificial tienen como función principal controlar de manera independiente, y en coordinación con otros agentes, Componentes industriales tales como celdas de manufactura ensamblaje, y operaciones de mantenimiento, unter anderem.
Existe una tendencia creciente a la implementación de sistemas de manufactura/ensamblaje más autónomos e inteligentes, Debido a las exigencias del mercado por obtener productos con niveles muy altos de calidad; Lo cual con operaciones manuales se hace complicada y hace que los países subdesarrollados como el nuestro no alcance niveles competitivos a nivel mundial. Al diseñar un sistema de producción integrado por computadora se debe dar importancia a la supervisión, planificación, secuenciación cooperación y ejecución de las tareas de operación en centros de trabajo, agregado al control de los niveles de inventario y características de calidad y confiabilidad del sistema. Die genannten Faktoren bestimmen die Struktur des Systems und ihre Koordination stellt eine der wichtigsten Funktionen im Management und in der Verwaltung der Produktion dar.
Sehr häufig, Der Grund, ein Simulationsmodell zu erstellen, besteht darin, Antworten auf Fragen wie 'Welche Parameter sind optimal, um eine bestimmte Zielgröße zu maximieren oder zu minimieren' zu finden? In den letzten Jahren wurden große Fortschritte auf dem Gebiet der Optimierung von Produktionssystemen erzielt. Jedoch, Der Fortschritt bei der Entwicklung von Analysetools für die Ergebnisse von Simulationsmodellen war sehr langsam. Existe una gran cantidad de técnicas tradicionales de optimización que sólo individuos con gran conocimiento estadístico y de conceptos de simulación han logrado aportes significativos en el área.
Debido al auge de los algoritmos de búsqueda meta-heurísticos, se ha abierto un nuevo campo en el área de optimización con simulación. Nuevos paquetes de software program, tales como OptQuest (Optimum Applied sciences), SIMRUNNER (Promodel Corporation) y Evolver (Palisade Software), han salido al mercado brindando soluciones amigables de optimización de sistemas que no requieren control interno sobre el modelo construido, sino sobre los resultados que dicho modelo arroja bajo diferentes condiciones. Außerdem, Neue Techniken der künstlichen Intelligenz, die auf Probleme der stochastischen Optimierung angewendet werden, haben ihre Effizienz sowie Rechen- und Annäherungsfähigkeit gezeigt.
Das Verstärkende Lernen (Reinforcement Studying) ist eine Menge von Techniken, die entwickelt wurden, um Probleme zu lösen, deren Grundlage Markovsche Entscheidungsprozesse sind. Markovsche Prozesse sind stochastische Entscheidungsprozesse, die auf dem Konzept basieren, dass die zu treffende Handlung in einem bestimmten Zustand, zu einem bestimmten Zeitpunkt, nur vom Zustand abhängt, in dem sich das System zum Zeitpunkt der Entscheidungsfindung befindet.
Eines der Gebiete, das unmittelbare Auswirkungen auf die Produktionsprozesse der Industrie weltweit haben kann, es el diseño de sistemas de soporte para la toma de decisiones basados en la optimización de los parámetros de operación del sistema. Para tal efecto, el uso de técnicas inteligentes paramétricas y no paramétricas para el análisis de datos es de gran interés.
Jedoch, a juicio de los autores en la mayoría de las arquitecturas propuestas hasta el momento para manufactura integrada por computadora, carecen de un issue de integración basic. La comunicación entre los diversos niveles jerárquicos de una planta de producción es muy poca, ya que cada departamento se limita a realizar su función sin buscar una integración de toda la planta productiva a excepciones de empresas como ABB con su software program Baan, and so on.
acht. APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN LA SOLUCION DE PROBLEMAS ESPECIFICOS DE PRODUCCION
Operación automática de control de calidad usando un sistema de visión por computador (Royman López Beltrán, Edgar Sotter Solano, Eduardo Zurek Varela. Laboratorio de Robótica y Producción Automática. Universidad del Norte)
Todo proceso industrial es evaluado por la calidad de su producto ultimate, esto hace de la etapa de control de calidad una fase essential del proceso. Los mecanismos utilizados para establecer la calidad de un producto varían dependiendo de los parámetros que tengan relevancia en el mismo. Cuando el parámetro relevante es la geometría forma del objeto fabricado se suele dejar a la vista del operario que lleve a cabo tal función tanto de inspección como de verificación para el management de calidad, sin embargo pueden existir errores en la geometría de un objeto que escapen de la vista de un operario y que luego impidan el buen funcionamiento de dicho objeto. En un caso como éste, surge como una buena alternativa el utilizar un sistema de visión artificial capaz de detectar aquellos errores que un operario pudiera pasar por alto. El sistema de visión artificial Robotic Visión PROFESSIONAL, es capaz de ejecutar de manera totalmente automática las labores de identificación de objetos y de control de calidad de los mismos.
El sistema Robotic Visión PROFESSIONAL es un paquete de software de visión que permite la adquisición de imágenes, preprocesamiento y segmentación. Además realiza procesamiento de datos de alto nivel que brinda filtrado de imágenes, elaboración de clusters y patrones, e identificación de objetos. Este sistema cuenta con una videocámara y un monitor encargado de identificar cada una de las piezas salientes del proceso y hacer una comparación con piezas de one hundred% calidad para luego determinar si el empaque puede salir al mercado debe desecharse.
A continuación se presentan algunas imágenes suministradas por el sistema Robotic Visión PROFESSIONAL Para la ejecución de la operación de management de calidad. Fueron dispuestos los empaques de tal forma que las geometrías quedaran plenamente contenidas en el programa, y se procedió posteriormente a realizar de forma individual el management de calidad para cada uno de los empaques.
Figura 3.empaque bueno con a hundred% de calidad
En las dos figuras posteriores se muestra empaques defectuosos porque no cumple con las especificaciones necesarias y por ende el sistema de calidad rechaza el producto.
Figura 4. Empaque rechazado por mala calidad
Figura 5. Empaque rechazado por mala calidad
El sistema de visión por computador Robotic Visión PRO después de ser evaluado en la empresa resultó eficiente para la detección de defectos geométricos en los empaques de compresores centrífugos, ya que la flexibilidad del software program permitió ajustar las condiciones del proceso al sistema de calidad requerido para la apropiada medición de los empaques. Este sistema es lo bastante didáctico como para desarrollar expresiones que permitan realizar de manera totalmente automática mediciones del objeto, labores de reconocimiento y de management de calidad.
Los autores opinan que es muy adecuado el uso de esta tecnología en empresas donde el acabado superficial de una pieza sea muy exigente ó estrechas tolerancias como por ejemplo repuestos de carros, instrumentación industrial, etc.
eight.1 Proyectos en vía de desarrollo por la línea de investigación y desarrollo de inteligencia artificial (grupo de investigación de la Universidad de Manizales)
JAT (Sistema Inteligente de despacho y Management para el Transporte Publico): su idea principal es mejorar el servicio de transporte urbano de la ciudad de Manizales a través de despacho y control inteligente que permita mejorar la calidad del servicio y reduzca los costos de operación. Der intelligente Teil ist dafür zuständig, die Routenplanung so zu programmieren, dass alle Kleinbusse sie gleichmäßig abdecken.
Intelligentes Überwachungs- und Fernüberwachungssystem: Es soll angestrebt werden, geschlossene Fernsehkamerasysteme zu implementieren, die die Fähigkeit zur Fernüberwachung über einen Computer und eine Telefonleitung von jedem Ort der Welt und über das Web hinweg beinhalten.
eight.2 Umgebungs-Erkennung in mobiler Robotik mittels neuronaler Netze3
Diese Studie konzentriert sich auf die globale Identifizierung von Umgebungen, durchgeführt von einem mobilen Roboter auf Basis des Trainings eines neuronalen Netzes, das die vom Sensorsystem des Roboters erfassten Umgebungsinformationen erhält (Ultraschall). Es wird angenommen, dass der Roboter, durch das neuronale Netzwerk, hat als einzige Aufgabe, das Wissen über die Umgebung, die ihm präsentiert wird, zu maximieren. Auf diese Weise modelliert und erkundet es die Umgebung effizient, während Algorithmen zur Hindernisvermeidung ausgeführt werden.
Das Ergebnis dieser Studie ist von großer Bedeutung im Bereich der mobilen Robotik, da: der Roboter eine größere Bewegungsautonomie erlangt, die Nutzung von Ultraschall als Hindernisdetektor optimiert wird und es ein wichtiges Werkzeug für die Entwicklung von Trajektorienplanern und 'intelligenten' Steuerungen ist.
Unter Verwendung einer Architektur: 2 – 2 -1
Nih: Anzahl der Eingangsneuronen(2).
Nhid: Anzahl der Neuronen der Zwischenschicht(1).
Nout: Anzahl der Ausgangsneuronen(2).
Es wird grob eines der Beispiele gezeigt, mit denen die Pink trainiert wurde (Für weitere Details siehe die Forschung von Rivera & Gauthier 1995 Universität der Anden).
Die beim Training verwendeten Parameter waren Lernrate 0,2 und Momentenfaktor 0,9
Fuente: Claudia Rivera 1995
Abbildung 6. Trainingsumgebung mit drei Hindernissen
Der Roboter wird an acht verschiedenen Positionen platziert und an jeder Position wurde ein Durchlauf gemacht, wodurch acht Dateien entstanden, mit denen die Crimson trainiert wurde, Und da sie nun die Umgebung erkennt, wird sie mit keinem Hindernis zusammenstoßen.
In dem neuronalen Netzwerk, je mehr interne Schichten hinzugefügt werden, desto größer wird die Fähigkeit und Geschwindigkeit, verschiedene Umgebungen zu lernen.
A intervención de los autores, determinan que es muy importante el uso de la robótica móvil en procesos productivos donde el hombre no pueda soportar ambientes de altas temperaturas bajas temperaturas por intervalos largos de tiempo, como por ejemplo en MEALS, donde se podría entrenar un robot y a medida que se perfeccione su entrenamiento prepararlo posteriormente como transportador de carga.
eight.three Algoritmos genéticos aplicados al problema cuadrático de asignación de facilidades QAP (Departamento de Investigación Operativa, Escuela de Ingeniería Industrial, Universidad de Carabobo, Valencia, Venezuela. Ninoska Maneiro. Algoritmo Genético Aplicado a Problemas de Localización de Facilidades. Año 2001 /area3 ).
El QAP es un problema combinatorio, considerado por algunos autores como NP-completo. El objetivo del QAP es encontrar una asignación de facilidades a sitios, a fin de minimizar una función que expresa costos distancias.
La localización y distribución de facilidades es uno de los tópicos más importantes en la formación de profesionales en el área de Ingeniería Industrial y de todos aquellos
Profesionales que se encargan de la planificación, organización y crecimiento sistemático de las ciudades. En la vida cotidiana y profesional de todo individuo, se presentan una gran variedad de problemas de localización de facilidades.
Los problemas de localización y distribución de facilidades son estratégicos para el éxito de cualquier operación de manufactura. Der Hauptgrund ist, dass die Handhabungskosten für Materialien zwischen 30 und 75% der gesamten Herstellungskosten ausmachen. Eine gute Lösung des Facility-Layout-Problems würde zur Gesamteffizienz der Abläufe beitragen, Eine schlechte Verteilung kann zur Ansammlung von Halbfertigprodukten führen, Überlastung der Materialflusssysteme, Ineffiziente Inbetriebnahmen und lange Warteschlangen. Innerhalb dieser breiten Klasse von Problemen, die als QAP katalogisiert werden können, befindet sich das generalisierte Flusslinienproblem, bei dem es sich um eine Flusslinie handelt, in der die Operationen vorwärts fließen und nicht unbedingt auf allen Maschinen der Linie verarbeitet werden.
Un trabajo en tal clase de línea puede comenzar a procesarse y completar su proceso en cualquier máquina, moviéndose siempre hacia delante (downstream) por operaciones sucesivas de acuerdo con la secuencia de trabajo del proceso. Cuando la secuencia de operaciones para un trabajo no especifica una máquina colocada delante de su localización precise, el trabajo tiene que viajar en sentido contrario (upstream) a fin de completar la operación requerida. Este viaje en reversa” de las operaciones, es llamado backtracking, y se desvía de una línea de flujo ultimate para un trabajo específico, resultando en una estructura de trabajo menos eficiente, como se muestra en la siguiente figura.
Al parecer de los autores, este problema de asignación cuadrática debería tratarse en la clase de taller de producción por su relevancia al analizar secuencias N / M.
Fig. 7. Una línea de flujo generalizada Fuente: Ninoska Maneiro 2001.
9. SCHLUSSFOLGERUNGEN
En la universidad Nacional sede Manizales en el programa de ingeniería industrial se debería trabajar más en las ciencias informáticas, con el fin, de profundizar en áreas de la inteligencia artificial aplicadas a la ingeniería industrial.
Con el desarrollo de este trabajo se han obtenido resultados satisfactorios a nivel de investigación teórica, ya que con la documentación obtenida se conocieron avances en las ciencias informáticas que en algunos casos eran desconocidos para los autores.
Los grandes avances de I.A aplicada a sistemas de producción han hecho que día a día la industria en su constante búsqueda por mejorar su competitividad logren dicho objetivo, pero en muchos de los casos desplazar gran cantidad de mano de obra que llevan consigo un deterioro social que se ve reflejado en los indicadores globales de desempleo y niveles de pobreza.
10. BIBLIOGRAFIA
Elaine Wealthy. Knight Kevin. Künstliche Intelligenz. Segunda Edición. Mc Graw Hill. México 1994.
Stuart Rusell. Norving Meter. Inteligencia Artificial un Enfoque Moderno. Printice Hall. México 1996.
Revista La Ventana Informática. Edición N0 9. Universidad de Manizales. Pág. fifty six – fifty seven. Mayo 2003.
Delgado Alberto. Inteligencia Artificial y Mini robots. Segunda Edición. Ecoe Ediciones. Julio 1998.
Delgado Alberto. Inteligencia Artificial y Mini robots. VII Congreso Nacional de Estudiantes de Ingeniería Industrial, Administrativa y de Producción Universidad Nacional Sede Manizales. Memorias Congreso. Octubre 4 – 10 de 1998.
Enciclopedia Informática y Computación. Ingeniería del Software e Inteligencia Artificial. Julio 1992.
Nebendah Dieter. Sistemas Expertos. Ingeniería y Comunicación. Editores Marcombo. Barcelona 1988.
Marr D.C. Künstliche Intelligenz: A Personal View, Künstliche Intelligenz. EEUU 1977.
Rolston W. David. Principios de Inteligencia Artificial y Sistemas Expertos. Mc Graw Hill. México 1992.
Mompin P. José. Künstliche Intelligenz: Conceptos, Técnicas y aplicaciones. Marcomobo S.A Ediciones. España 1987.
Revista Iberoamericana de Inteligencia Artificial. Aplicación de Inteligencia Artificial en Sistemas Automatizados de Producción. Llata, J.R. , Sarabia, E.G., Fernández, D., Arce J., Oria, J.P.. Numero 10, páginas 100-110. Verfügbar unter ().
Seguidores