La generación de diálogo implica diseñar un programa para generar una conversación natural, esto requiere desarrollar algoritmos que puedan conversar con un ser humano y otro programa de manera coherente y fluida. Desarrollar una conversación también depende del contexto y conocimiento del interlocutor, lo cual nos lleva a definir la existencia de niveles de complejidad conversacional, la cual se refiere a determinar que tan fácil o difícil de leer es un texto. En este aspecto, especialmente para el idioma español, no existe una herramienta que tenga un módulo propio que le permita clasificar textos en español por su complejidad textual. En el presente trabajo de fin de carrera se realiza el desarrollo de un módulo en el lenguaje de programación Python, el cual funciona como un Framework para identificar la complejidad textual de textos en español usando técnicas de Machine Learning. Para ello, en primer lugar, se implementaron 48 métricas de análisis de complejidad textual basadas en Coh-Metrix usando el lenguaje de programación Python. Dichas métricas convierten textos en español en datos numéricos con los cuales se entrenaron distintos modelos de Machine Learning, con el motivo de obtener el mejor modelo a utilizar con el Framework desarrollado, siendo este capaz de utilizar un modelo personalizado provisto por el usuario. Para ello, se necesitó obtener un corpus de 183 textos en español para realizar dicho entrenamiento, el cual fue obtenido al descargar textos educativos de nivel primaria y secundaria. Por último, se entrenó un chatbot con los textos obtenidos para el corpus, cuyas respuestas generadas fueron analizados con el Framework previamente desarrollado, identificando que el nivel de complejidad de dichas respuestas correspondía al nivel de los textos con los cuales el chatbot fue entrenado. En conclusión, en el presente proyecto de investigación se desarrolla un módulo de Python que funciona como un Framework, el cual es capaz de identificar la complejidad textual de textos en español, ya sea con el mejor modelo de Machine Learning utilizado en el presente proyecto o utilizando uno provisto por el usuario de la herramienta.

En el área de la fabricación, la simulación es una herramienta esencial para la validación de métodos y arquitecturas antes de aplicarlos en un Entorno de Fabricación. Las herramientas de simulación actuales llevan a cabo la simulación de entornos de fabricación basándose en modelos estáticos que hacen uso de la programación de procesos de fabricación secuenciales y centralizados tradicionales, donde los mecanismos de planificación y control ofrecen una flexibilidad insuficiente para responder a los estilos de fabricación cambiantes y a los entornos de fabricación altamente mezclados y de bajo volumen. En consecuencia, las herramientas de simulación convencionales limitan la escalabilidad y reconfigurabilidad para el modelado de Sistemas de Fabricación que permitan adaptarlos ante las necesidades cambiantes del Cliente. Resulta difícil encontrar una herramienta de simulación que pueda ejecutar ``inteligentemente'' la simulación de tareas cada vez más complejas. La dificultad radica en integrar en la herramienta el conocimiento necesario del sistema original y que a la vez actúe como un asistente que proporcione consejos y guíe al usuario durante la simulación. Por ello, surge la necesidad de nuevas herramientas de simulación para fábricas que contemplen características tales como: a) flexibilidad y adaptabilidad, para modelar comportamientos complejos propios de un Sistema de Fabricación, b) escalabilidad para la integración transparente de funcionalidades adicionales, c) proactividad y reactividad para la adaptación automática ante los cambios del entorno y d) características de aprendizaje (inteligencia) basado en la experiencia adquirida durante la simulación. Por su parte, las técnicas de Inteligencia Artificial han sido utilizadas en la Fabricación Inteligente por más de dos décadas. Las técnicas del área de Inteligencia Artificial permiten la definición de unidades de fabricación distribuidas, autónomas, inteligentes, flexibles, tolerantes a fallos, reutilizables, las cuales operan como un conjunto de entidades que cooperan entre sí. Además, los recientes desarrollos en el área de los Sistemas Multiagente han traído consigo nuevas e interesantes posibilidades. Algunos investigadores han aplicado la tecnología de agentes en la integración de la fabricación empresarial, la colaboración, la planificación de procesos de fabricación, la programación para el control de planta, el manejo de materiales y la gestión de inventarios, así como la implementación de nuevos tipos de sistemas de fabricación tales como los Sistemas de Fabricación Holónicos. Teniendo en cuenta estas aplicaciones exitosas de los Sistemas Multiagente en la Fabricación Inteligente, estamos convencidos de que esta tecnología puede mejorar también el desempeño de la Simulación de Sistemas de Fabricación Inteligente. En esta tesis proponemos la definición de una Arquitectura para un Entorno de Simulación de Sistemas de Fabricación asistido por agentes. Esta arquitectura integra la funcionalidad de una herramienta de simulación tradicional, permite además la simulación de comportamientos complejos asociados a los Sistemas de Fabricación Inteligentes y proporciona soluciones y mejoras que se adaptan a las necesidades de la nueva era de fabricación. / Ruiz Vega, N. (2009). Simulación asistida por agentes para sistemas de fabricación inteligentes [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/8314

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduaçao em Engenharia Mecânica / Made available in DSpace on 2012-10-24T01:05:26Z (GMT). No. of bitstreams: 1 262294.pdf: 2409341 bytes, checksum: 2919d8c38ca9d6d163e37eb87314a706 (MD5) / Cogeração é definida como a produção simultânea de energia eletromecânica e energia térmica útil a partir de uma mesma fonte energética, permitindo assim que a energia contida no combustível seja utilizada de modo mais eficiente e racional do que a geração independente de energia elétrica e calor. Conseqüentemente, tem um forte apelo tanto do ponto de vista de eficiência, devido principalmente aos custos de ombustíveis e impactos ambientais, como do ponto de vista de geração distribuída de energia, já que, dada a proximidade entre a planta e o local de consumo, dispensam-se subestações e linhas de transmissão de alta tensão. O projeto de uma planta de cogeração é um problema de síntese sujeito fundamentalmente a restrições termodinâmicas. Inclui a alocação e dimensionamento de componentes diversos, de modo a satisfazer as demandas de energia elétrica e de calor útil. Apesar de sua complexidade, é um problema que é resolvido de modo robusto por especialistas, o que sugere o uso de ferramentas de inteligência artificial (IA) para resolvê-lo computacionalmente, tais como Sistemas Especialistas (SE) e Raciocínio Baseado em Casos (RBC). No presente trabalho são desenvolvidos dois protótipos de sistemas computacionais inteligentes, baseados nas técnicas SE e RBC, respectivamente. Os protótipos são utilizados para apoio às fases de projeto conceitual e preliminar de plantas de cogeração, considerando cargas de energia elétrica, vapor saturado e água gelada como requisitos de projeto. Os protótipos apresentam características que não são encontradas em nenhum sistema computacional para esse domínio disponível até o momento, tais como explicação da solução (no protótipo SE) e aprendizado a partir da própria experiência (no protótipo RBC). A combinação das duas técnicas em um único protótipo é também discutida. Finalmente, o uso dos protótipos é demonstrado através da resolução de alguns casos selecionados, sendo que cada um representa um diferente conjunto de requisitos de projeto. Cogeneration is defined as the simultaneous production of power and useful thermal energy from the same energy source, so that the fuel energy is used in a more rational and efficient way when compared to the separated production of power and heat. Thus, it has a strong appeal from both an efficiency point of view (due mainly to the fuel costs and environmental impact) and a distributed generation point of view, for the proximity between the plant and the user makes substations and transmission lines superfluous. The design of a cogeneration plant is a synthesis problem subject to thermodynamic constraints. It includes allocation and sizing of several components, such that power and useful heat demands must be satisfied. Despite its complexity, it is a problem that is robustly solved by human experts, which suggests the use of artificial intelligence (AI) tools to solve it computationally. Well known AI tools are Expert Systems (ES) and Case-Based Reasoning (CBR). In this work, two intelligent computational prototypes are developed, based on ES and CBR techniques, respectively. The prototypes are used to support the conceptual and preliminary phases of the cogeneration plant design, considering power, saturated steam and chilled water as design requirements. The prototypes present characteristics # such as solution explanation (ES prototype) and learning from previous experiences (CBR prototype) # that are not known in any of the available computational systems in this engineering domain. The combination of both ES and CBR techniques in a single prototype is discussed as well. Finally, the prototype use is shown by solving some selected cases, each case representing a different set of design requirements.

Diseña un sistema basado en el conocimiento utilizando la metodología CommonKADS que permite administrar el proceso de la Gestión del Aprendizaje para el logro de los objetivos de las instituciones educativas, a fin de evaluar el nivel de aprendizaje e inteligencia alcanzado por los niños de 5 años de edad del nivel inicial y realiza el control y seguimiento del proceso evaluativo mediante la clasificación e interpretación de acuerdo al puntaje alcanzado, de esta manera mejora los tiempos de procesamiento y obtención de resultados que permita identificar las capacidades a ser reforzados y visualizar los logros alcanzados. / Tesis

El presente trabajo busca desarrollar un modelo y un prototipo del sistema multi-agente para medir la confiabilidad, disponibilidad y fiabilidad de un sistema ERP. Se describe cómo se monitorea, actualmente, los sistemas ERP, sea manualmente o con apoyo de otros sistemas; se menciona cuales son los roles que actualmente administran cada uno de estos sistemas; se muestra el problema actual de manera gráfica; se formula el problema; se detalla los objetivos del presente trabajo; se muestra gráficamente la solución final al problema; se determina la justificación del presente trabajo; se muestra los procedimientos actuales utilizados para resolver parcialmente el problema y se identifica los programas de software que dan solución parcial al problema, siendo los más usados por las empresas; se detalla la funcionalidad de los sistemas ERP; se revisa los sistemas ERP, el posicionamiento mundial de estos sistemas; se explica la teoría de sistemas críticos y la metodología de construcción de agentes Zeus así como su utilización en el desarrollo de los agentes del presente trabajo; se explica detalladamente la identificación de indicadores de desempeño del sistema ERP; se detalla el modelamiento de cada uno de los agentes de software utilizados en el desarrollo del sistema CODA utilizando la metodología Ingenias; se detalla la implementación de la aplicación sistema CODA y finalmente; se detalla las conclusiones y trabajos futuros. / --- Multi-agent system to measure the trustworthiness, availability and reliability of an ERP system”. This article aims to describe a system model and a software named system CODA, which is intended to recover information from the main server where is installed the Enterprise Resource Planning System (ERP Baan IV), the data base (Oracle) and the operating system (AIX), those tasks are performed by software agents, then this information will be processed and validated by the agents, finally the critical information is send to the system “CODA”; this system has two sub systems, the Intranet sub system will be managed by an Administrator, who will coordinate the creation of the indicators, maintain the users and clients, the parameters, basic tables. The Extranet sub system will be used by the clients (General Manager, Operations Manager, Information Manager), they will see graphs for each indicator defined in the system, also they will see how the system is running and also if there are problems, they can drill down the problems and see the detail. The system send mails and alerts to the technical persons who will solve the problems, each mail is associated with the error code, a description called “sintoma”, the real problem and a propose solution, when a new problem appears the administrator must add the solution to the data base, so if in the future the problem occurs, the system propose the solution.

Desarrolla un Sistema Experto para la selección de personal en puestos de agencias bancarias. El objetivo principal es obtener al personal mejor capacitado para el puesto de trabajo. Los resultados obtenidos son reflejados en la eficiencia del proceso: reducción del tiempo de selección y de los costos del mismo, y del resultado final del proceso de selección.

Memoria para optar al título de Ingeniero Civil Industrial / 16/11/2020

No description available.

No description available.

No description available.