When many users consult service desks simultaneously, these typically saturate. This causes the customer attention is delayed more than usual. The service is perceived as lousy from the point of view of the customer. Increase the amount of human agents is a costly process for organizations. In addition, the amount of sta turnover in this type of service is very high, which means make frequent training. All this has motivated the design of a knowledge-based system that automatically assists both customers and human agents at the service desk. Web technology was used to enable clients to communicate with a software agent via chat. Techniques of Natural Language Processing were used in order the software agent understands the customer requests. The domain knowledge used by the software agent to understand customer requests has been codi ed in an ontology. A rule-based expert system was designed to perform the diagnostic task. This paper presents a knowledge-based system allowing client to communicate with the service desk through a chat system using free text. A software agent automatically executes the customer request. The agent software attempts to reach a conclusion using expert system and ontology. If achieved success, returns the response to the customer, otherwise the request is redirected to a human agent. Evaluations conducted with users have shown an improvement in the attention of service desks when the software developed is used. On the other hand, since the most frequent requests are handled automatically, the workload of human agents decreases considerably. The software has also been used to train new human agents which facilitates and reduces the cost of training. / Tesis

El presente estudio a través de 5 capítulos, demuestra que la aplicación de algoritmos en un caso real tal como las rutas de distribución de productos de belleza, para las zonas de San Juan de Miraflores y Villa María del Triunfo, es posible debido a que se obtiene una óptima distribución de las rutas para ambas zonas. En el primer capítulo se definió los algoritmos a utilizar tales como: Algoritmo de Ahorros, Algoritmo de Pétalos y el Algoritmo de Inserción para cada algoritmo se analizó ambas zonas a excepción de la zona de San Juan De Miraflores ya que para esta zona el algoritmo de Inserción no aplicaba. Para realizar el estudio en ambas zonas, en el segundo capítulo se describió la situación actual, la problemática y el desempeño del sistema actual en el cual se muestra la distancia recorrida, el promedio de puntos de reparto. El tercer capítulo del estudio muestra el desarrollo de los modelos propuestos, la ruta inicial de ambas zonas y a partir de este punto se analiza y aplica los algoritmos para las dos zonas. La evaluación de resultados se verifica en el cuarto capítulo, en el cual se desarrolla una comparación de las distancias recorridas actualmente con las distancias recorridas al haberse aplicado los algoritmos y se selecciona cuál de los algoritmos logró optimizar las rutas de distribución. En el último capítulo se mencionan las conclusiones y recomendaciones, logrando así obtener una mejor visión del estudio realizado.

El presente proyecto de tesis consiste en el diseño e implementación de un Sistema Experto para el Contact Center de una aerolínea, que permita al cliente resolver sus inquietudes de forma inmediata. La solución se centrará en mejorar el módulo de correo electrónico de la plataforma haciendo uso del conocimiento extensivo de los Sistemas Expertos, permitiendo cubrir las deficiencias originadas por la gran demanda actual de atención en ese medio.

El problema de ruteo de vehículos ha sido estudiado ya hace bastante tiempo; sin embargo, no se le ha dado la importancia que merece, a pesar de que es una de las dificultades más importantes de la logística, especialmente en el área de transportes. El presente estudio es un trabajo aplicativo de un problema de este tipo, el cual se busca resolver mediante la aplicación de modelos heurísticos y un modelo computacional para ampliar la gama de posibilidades de resolución. La situación actual en donde ocurre el problema ya mencionado es una empresa dedicada a la venta de productos de consumo masivo, la cual cuenta con 42 puntos de venta alrededor de la ciudad de Lima Metropolitana. En primer lugar realizamos el mapeo de dichos puntos para luego resolver el problema con diversas metodologías y aplicaciones computacionales. Una vez concluidas todas las propuestas se llega a tomar una decisión acerca de cuál sería el mejor modelo a seguir para la resolución de este VRP (Vehicule Routing Problem) a partir de las distancias recorridas por el transporte hacia cada uno de los puntos de la red. En un futuro lo que se busca es elaborar un Traveling Management System que se ajuste a todas las necesidades de empresas con este tipo de problemas, con lo que de esta manera podrían reducir costos operativos y optimizar la cadena de abastecimiento.

La presente tesis tiene como objetivo implementar el método más adecuado de optimización de rutas para una empresa de transporte de residuos sólidos con el fin de mejorar su rentabilidad, debido a que dentro del sector de recolección de residuos, el tema de optimización lineal de rutas no ha sido explorado ni sustentado de manera contundente en el panorama nacional, como así lo demuestra el análisis de la empresa. Esto contrasta con el hecho de que la distribución de rutas es la operación de ingresos más significativos para las empresas de este sector. En el marco teórico se analizan los métodos de optimización de rutas mediante teoremas y aplicaciones prácticas, mencionando los fundamentos, restricciones y algoritmos adecuados para el caso de la empresa en estudio. Se encuentra así que la solución propuesta combinará por el lado del microruteo la fórmula para hallar el número de vehículos necesarios para recoger los residuos de todo el distrito, mientras que para el macroruteo se ajustará el método del Agente Viajero (TSP) al caso. De esta manera se adecúa una solución relevante para el problema de la empresa. En la descripción y diagnóstico, primero se detallan las características principales de la empresa y sus distintas áreas, luego se analiza su estado actual con énfasis en la distribución de rutas. Así, se fundamenta la necesidad de aplicar el método de optimización de rutas, y se propone el enfoque a desarrollar en la solución. La solución propuesta desarrolla la optimización de rutas en dos partes: la sectorización de rutas y el modelo de optimización. En la sectorización, se define el detalle del número de rutas necesarias en el distrito, así como los recursos necesarios para ejecutarlas, mediante la maximización de la capacidad de flota disponible. Se logra reducir en 2 el número de vehículos necesarios diariamente para recoger los residuos sólidos del distrito. En el modelo de optimización, se propone una solución adecuada al modelo, mediante la teoría antes revisada y adaptándolo empíricamente a la práctica. De esa manera se reduce el tiempo total de viajes en 20% como base. En la evaluación económica, se analizan los ingresos y egresos monetarios del proyecto, además de la rentabilidad económica en un horizonte de 10 años. Como resultado, el proyecto obtiene un VPN de más de 2 millones de soles y una TIR de 75.1%. También se genera un análisis de sensibilidad, para conocer las variables más propensas a variaciones, en el cual se obtiene que el riesgo de penalización es el que más afecta al proyecto en cuanto a la generación de una rentabilidad considerable. Sin embargo, el proyecto genera beneficios desde varias aristas, lo cual permite que los escenarios, aun cuando se reduzca el beneficio respecto al escenario más atractivo, sigan teniendo un tiempo de recupero menor a diez a años y generando interés al inversionista. Finalmente, se presentan las conclusiones y recomendaciones del documento para tener una mejor visión del estudio realizado.

Se estudian y caracterizan los sistemas expertos en su aplicación a la gestión de la empresa y particularmente a los problemas de toma de decisiones de inversión. La conexión entre sistemas expertos y bases de datos ofrece, en el ámbito de la empresa, un marco de actuación que incorpora a las técnicas de almacenamiento y control de grandes volúmenes de información, aquéllas que significan conocimiento heurístico, capacidad de razonamiento, aprendizaje y comunicación con el usuario. El objetivo es establecer un marco de acción, que consiga acercarse a un control efectivo y global de la información que se requiere en los procesos de toma de decisión. La optimización de la interacción entre sistema experto y base de datos, se concreta en compartir un mismo diseño lógico de la información, para obtener tanto el esquema conceptual de la bases de datos, como la base de conocimiento del sistema experto. / This Thesis studies and characterizes the application of Expert Systems in the management of companies, particularly in problems related to decision making. The connection between Expert Systems and Databases offer new possibilities in the study of Business Management. Expert Systems provide techniques for; the control of large volumes of information and heuristic knowledge, reasoning and learning capabilities and interactive user communication. The objective of knowledge and data base integration is to establish a framework for effective and global control of decision making processes. The interaction of Expert Systems and Databases could be improved by sharing one logical design for information in order to obtain a unique Conceptual Scheme of the Database and Knowledge Base of Expert Systems.

Una de las actuaciones posibles para la gestión de los residuos sólidos urbanos es la valorización energética, es decir la incineración con recuperación de energía. Sin embargo es muy importante controlar adecuadamente el proceso de incineración para evitar en lo posible la liberación de sustancias contaminantes a la atmósfera que puedan ocasionar problemas de contaminación industrial.Conseguir que tanto el proceso de incineración como el tratamiento de los gases se realice en condiciones óptimas presupone tener un buen conocimiento de las dependencias entre las variables de proceso. Se precisan métodos adecuados de medida de las variables más importantes y tratar los valores medidos con modelos adecuados para transformarlos en magnitudes de mando. Un modelo clásico para el control parece poco prometedor en este caso debido a la complejidad de los procesos, la falta de descripción cuantitativa y la necesidad de hacer los cálculos en tiempo real. Esto sólo se puede conseguir con la ayuda de las modernas técnicas de proceso de datos y métodos informáticos, tales como el empleo de técnicas de simulación, modelos matemáticos, sistemas basados en el conocimiento e interfases inteligentes. En [Ono, 1989] se describe un sistema de control basado en la lógica difusa aplicado al campo de la incineración de residuos urbanos. En el centro de investigación FZK de Karslruhe se están desarrollando aplicaciones que combinan la lógica difusa con las redes neuronales [Jaeschke, Keller, 1994] para el control de la planta piloto de incineración de residuos TAMARA.En esta tesis se plantea la aplicación de un método de adquisición de conocimiento para el control de sistemas complejos inspirado en el comportamiento humano. Cuando nos encontramos ante una situación desconocida al principio no sabemos como actuar, salvo por la extrapolación de experiencias anteriores que puedan ser útiles. Aplicando procedimientos de prueba y error, refuerzo de hipótesis, etc., vamos adquiriendo y refinando el conocimiento, y elaborando un modelo mental. Podemos diseñar un método análogo, que pueda ser implementado en un sistema informático, mediante el empleo de técnicas de Inteligencia Artificial.Así, en un proceso complejo muchas veces disponemos de un conjunto de datos del proceso que a priori no nos dan información suficientemente estructurada para que nos sea útil. Para la adquisición de conocimiento pasamos por una serie de etapas:- Hacemos una primera selección de cuales son las variables que nos interesa conocer.- Estado del sistema. En primer lugar podemos empezar por aplicar técnicas de clasificación (aprendizaje no supervisado) para agrupar los datos y obtener una representación del estado de la planta. Es posible establecer una clasificación, pero normalmente casi todos los datos están en una sola clase, que corresponde a la operación normal. Hecho esto y para refinar el conocimiento utilizamos métodos estadísticos clásicos para buscar correlaciones entre variables (análisis de componentes principales) y así poder simplificar y reducir la lista de variables.- Análisis de las señales. Para analizar y clasificar las señales (por ejemplo la temperatura del horno) es posible utilizar métodos capaces de describir mejor el comportamiento no lineal del sistema, como las redes neuronales. Otro paso más consiste en establecer relaciones causales entre las variables. Para ello nos sirven de ayuda los modelos analíticos- Como resultado final del proceso se pasa al diseño del sistema basado en el conocimiento.El objetivo principal es aplicar el método al caso concreto del control de una planta de tratamiento de residuos sólidos urbanos por valorización energética.En primer lugar, en el capítulo 2 Los residuos sólidos urbanos, se trata el problema global de la gestión de los residuos, dando una visión general de las diferentes alternativas existentes, y de la situación nacional e internacional en la actualidad. Se analiza con mayor detalle la problemática de la incineración de los residuos, poniendo especial interés en aquellas características de los residuos que tienen mayor importancia de cara al proceso de combustión.En el capítulo 3, Descripción del proceso, se hace una descripción general del proceso de incineración y de los distintos elementos de una planta incineradora: desde la recepción y almacenamiento de los residuos, pasando por los distintos tipos de hornos y las exigencias de los códigos de buena práctica de combustión, el sistema de aire de combustión y el sistema de humos. Se presentan también los distintos sistemas de depuración de los gases de combustión, y finalmente el sistema de evacuación de cenizas y escorias.El capítulo 4, La planta de tratamiento de residuos sólidos urbanos de Girona, describe los principales sistemas de la planta incineradora de Girona: la alimentación de residuos, el tipo de horno, el sistema de recuperación de energía, y el sistema de depuración de los gases de combustión Se describe también el sistema de control, la operación, los datos de funcionamiento de la planta, la instrumentación y las variables que son de interés para el control del proceso de combustión.En el capítulo 5, Técnicas utilizadas, se proporciona una visión global de los sistemas basados en el conocimiento y de los sistemas expertos. Se explican las diferentes técnicas utilizadas: redes neuronales, sistemas de clasificación, modelos cualitativos, y sistemas expertos, ilustradas con algunos ejemplos de aplicación.Con respecto a los sistemas basados en el conocimiento se analizan en primer lugar las condiciones para su aplicabilidad, y las formas de representación del conocimiento. A continuación se describen las distintas formas de razonamiento: redes neuronales, sistemas expertos y lógica difusa, y se realiza una comparación entre ellas. Se presenta una aplicación de las redes neuronales al análisis de series temporales de temperatura.Se trata también la problemática del análisis de los datos de operación mediante técnicas estadísticas y el empleo de técnicas de clasificación. Otro apartado está dedicado a los distintos tipos de modelos, incluyendo una discusión de los modelos cualitativos.Se describe el sistema de diseño asistido por ordenador para el diseño de sistemas de supervisión CASSD que se utiliza en esta tesis, y las herramientas de análisis para obtener información cualitativa del comportamiento del proceso: Abstractores y ALCMEN. Se incluye un ejemplo de aplicación de estas técnicas para hallar las relaciones entre la temperatura y las acciones del operador. Finalmente se analizan las principales características de los sistemas expertos en general, y del sistema experto CEES 2.0 que también forma parte del sistema CASSD que se ha utilizado.El capítulo 6, Resultados, muestra los resultados obtenidos mediante la aplicación de las diferentes técnicas, redes neuronales, clasificación, el desarrollo de la modelización del proceso de combustión, y la generación de reglas. Dentro del apartado de análisis de datos se emplea una red neuronal para la clasificación de una señal de temperatura. También se describe la utilización del método LINNEO+ para la clasificación de los estados de operación de la planta.En el apartado dedicado a la modelización se desarrolla un modelo de combustión que sirve de base para analizar el comportamiento del horno en régimen estacionario y dinámico. Se define un parámetro, la superficie de llama, relacionado con la extensión del fuego en la parrilla. Mediante un modelo linealizado se analiza la respuesta dinámica del proceso de incineración.Luego se pasa a la definición de relaciones cualitativas entre las variables que se utilizan en la elaboración de un modelo cualitativo. A continuación se desarrolla un nuevo modelo cualitativo, tomando como base el modelo dinámico analítico.Finalmente se aborda el desarrollo de la base de conocimiento del sistema experto, mediante la generación de reglasEn el capítulo 7, Sistema de control de una planta incineradora, se analizan los objetivos de un sistema de control de una planta incineradora, su diseño e implementación. Se describen los objetivos básicos del sistema de control de la combustión, su configuración y la implementación en Matlab/Simulink utilizando las distintas herramientas que se han desarrollado en el capítulo anterior.Por último para mostrar como pueden aplicarse los distintos métodos desarrollados en esta tesis se construye un sistema experto para mantener constante la temperatura del horno actuando sobre la alimentación de residuos.Finalmente en el capítulo Conclusiones, se presentan las conclusiones y resultados de esta tesis. / One of the possible alternatives for the management of the municipal solid waste is the energy recovery in waste-to- energy facilities, i.e. the incineration with energy recovery. However, it is very important to control the incineration process properly in order to avoid, as far as possible, the liberation of pollutants to the atmosphere that could occasion problems of industrial contamination. To achieve that, both the incineration process and the treatment of flue gases are carried out in good conditions it presupposes to have a good knowledge of the dependences between process variables. It is necessary to have adequate measuring methods of the most important variables and to treat the measured values with appropriate models in order to transform them in control magnitudes. A classical control model looks not very promising in this case due to the complexity of the processes, the lack of quantitative description and the necessity of performing real-time calculations. This can only be achieved with the help of the modern techniques of data processing and informatics methods, like the use of simulation techniques, mathematical models, knowledge based systems and intelligent interfaces. A control system based on fuzzy logic applied to the field of the incineration of municipal solid waste is described in [ Ono, 1989]. In the Karslruhe center of investigation FZK applications that combine fuzzy logic with neural networks [Jaeschke, Keller, 1994] are being developed for the control of the TAMARA pilot plant for waste incineration.In this thesis it is outlined the application of a method of knowledge acquisition for the control of complex systems inspired by the human behaviour. When we are placed in face of an unknown situation, at the beginning we don't know how to act, except for the extrapolation of previous experiences that could be useful. Applying procedures of trial and error, reinforcement of hypothesis, etc, one goes acquiring and refining the knowledge, and elaborating a mental model. We can design a similar method, which could be implemented in an informatics system, by means of the use of Artificial Intelligence techniques.So, in a complex process often we have a group of process data that a priori don't give us sufficiently structured information to be useful. For the knowledge acquisition we went by a series of steps:- We make a first selection of which are the variables that we are interested to know.- State of the system. In first place we could begin applying classification techniques (unsupervised learning) in order to group the data and obtain a representation of the state of the plant. It is possible to establish a classification, but normally almost all the data are in a single class, that corresponds to the normal operation. Done this and in order to refine the knowledge we use classical statistical methods in order to look for correlations between variables (principal components analysis) to simplify and reduce the list of variables.- Analysis of the signals. In order to analyse and classify the signals (for example the temperature of the furnace) it is possible to use methods capable to better describe the non-linear behaviour of the system, like the neural networks. Another step consists in to establish causal relationships between the variables. For this purpose the analytical models are helpful.- As final result of the process go over the design of the knowledge based system.The main objective is to apply the method to the concrete case of the control of a plant of treatment of municipal solid waste by waste-to- energy process.First, chapter 2 The municipal solid waste, treats the global problem of waste management, giving an overview of the several existent alternatives, and of the national and international situation at the present time. The problems of the waste incineration are analysed with more detail, putting special interest in those waste characteristics that have more importance for the combustion process.In the chapter 3, Description of the process, is made a general description of the incineration process and of the different elements of a incineration plant: from the reception and storage of the waste, going by the different types of furnaces and the demands of the codes of good combustion practice, the combustion air system and the exhaust system. The different systems for cleaning the combustion gases, and the system of evacuation of ash residues are presented.The chapter 4, The municipal solid waste treatment plant of Girona, describes the main systems of the Girona incineration plant: the feeding of waste, the type of furnace, the energy recovery system, and the flue gas cleaning system. Are also described in this chapter, the control system, the operation, the data of operation of the plant, the instrumentation and the variables that are of interest for the control of the combustion process.In the chapter 5, Used techniques, is provided a global vision of the knowledge-based systems and of the expert systems. The diverse techniques used are explained: neural networks, systems of classification, qualitative models, and expert systems, illustrated with some examples of application.With regard to the knowledge-based systems, in first place are analysed the conditions for their suitability, and the forms of representation of the knowledge. Next the different forms of reasoning are described: neural networks, expert systems and fuzzy logic, and a comparison between them it is carried out. An application of the neural networks to the analysis of time series of temperature is presented.It is also treated the problem of the analysis of the operation data by means of statistical techniques and the use of techniques of classification. Another paragraph is dedicated to the different types of models, including a discussion of the qualitative models.The Computer Aided Supervisory System Design CASSD that is used in this thesis is described, and the analysis tools employed to obtain qualitative information from the behaviour of the process: ors and ALCMEN. An example of application of these techniques is included in order to find the relationships between the temperature and the actions of the operator. Finally are analysed the main characteristics of expert systems in general, and of the system expert CEES 2.0 that also are part of the CASSD system that has been used.The chapter 6, Results, shows the results obtained by means of the application of the several techniques, neural networks, classification, the development of the model of the combustion process, and the generation of rules. Inside the paragraph of analysis of data a neural network is used for the classification of a temperature signal. The use of the LINNEO+ method is also described for the classification of the states of operation of the plant.In the paragraph dedicated to the modelling a model of combustion is developed that is used as base in order to analyse the behaviour of the furnace in stationary and dynamic conditions. It is defined a parameter, the surface of flame, related with the extension of the fire in the grate. By means of a liberalized model the dynamic answer of the incineration process is analysed.Then we go over to the definition of qualitative relationships between the variables that are used in the elaboration of a qualitative model. Next a new qualitative model is developed, taking as base the analytic dynamic model.Finally the development of the knowledge base of the expert system is approached, by means of the generation of rules.In the chapter 7, Control system of an incineration plant, the objectives of a control system of an incineration plant are analysed, their design and implementation. Are described the basic objectives of the combustion control system, their configuration and the implementation in MATLAB/ SIMULINK using the different tools that have been developed in the previous chapter.Lastly in order to show how the different methods developed in this thesis could be applied it is built an expert system to maintain constant the temperature of the furnace acting on the waste feeding.Finally in the chapter Conclusions, the conclusions and results of this thesis are presented.

Avui en dia no es pot negar el fet que els humans són un component més de les conques fluvials i que la seva activitat afecta enormement la qualitat de les aigües. A nivell europeu, l'elevada densitat de població situada en les conques fluvials ha comportat un increment de la mala qualitat de les seves aigües fluvials. En les darreres dècades l'increment de les càrregues de nutrients en els sistemes aquàtics ha esdevingut un problema prioritari a solucionar per les administracions competents en matèria d'aigua.La gestió dels ecosistemes fluvials no és una tasca fàcil. Els gestors es troben amb què són sistemes molt complexos, donada l'estreta relació existent entre els ecosistemes fluvials i els ecosistemes terrestres que drenen. Addicionalment a la complexitat d'aquests sistemes es troba la dificultat associada de la gestió o control de les entrades de substàncies contaminants tant de fonts puntuals com difoses. Per totes aquestes raons la gestió de la qualitat de les aigües fluvials esdevé una tasca complexa que requereix un enfocament multidisciplinar. Per tal d'assolir aquest enfocament diverses eines han estat utilitzades, des de models matemàtics fins a sistemes experts i sistemes de suport a la decisió. Però, la major part dels esforços han estat encarats cap a la resolució de problemes de reduïda complexitat, fent que molts dels problemes ambientals complexos, com ara la gestió dels ecosistemes fluvials, no hagin estat vertaderament tractats. Per tant, es requereix l'aplicació d'eines que siguin de gran ajuda en els processos de presa de decisions i que incorporin un ampli coneixement heurístic i empíric: sistemes experts i sistemes de suport a la decisió. L'òptima gestió de la qualitat de l'aigua fluvial requereix una aproximació integrada i multidisciplinar, que pot ésser aconseguida amb una eina intel·ligent construïda sobre els conceptes i mètodes del raonament humà. La present tesi descriu la metodologia desenvolupada i aplicada per a la creació i construcció d'un Sistema Expert, així com el procés de desenvolupament d'aquest Sistema Expert, com el principal mòdul de raonament d'un Sistema de Suport a la Decisió Ambiental. L'objectiu principal de la present tesi ha estat el desenvolupament d'una eina d'ajuda en el procés de presa de decisions dels gestors de l'aigua en la gestió de trams fluvials alterats antròpicament per tal de millorar la qualitat de la seva aigua fluvial. Alhora, es mostra el funcionament de l'eina desenvolupada a través de dos casos d'estudi.Els resultats derivats del Sistema Expert desenvolupat, implementat i presentat en la present tesi mostren que aquests sistemes poden ésser eines útils per a millorar la gestió dels ecosistemes fluvials. / Nowadays it is not possible to deny the fact that the human are one more component of river basins and that their activity affects enormously the water quality. To European level, the high density of population placed in the river basins has supposed an increase of the bad river water quality. In the last decades the increase of nutrient loads in the aquatic systems has turned into a priority problem to solve for the competent water agencies.The management of the fluvial ecosystems is not an easy task. They are complex systems due to the narrow relationship among fluvial and terrestrial ecosystems. Additional to the complexity of these systems, one finds the associate difficulty of the management or control of pollutant inputs (from point and/or non-point sources). For all these reasons the management of the river water quality is a complex task that requires a multidisciplinary approach.With the aim to reach this approach, different tools have been used, from mathematical models to expert systems and decision support systems. However, most of the efforts have been directed to the resolution of limited complexity problems, doing that many of the environmental complex problems, as river ecosystems management, have not been really treated. For this reason, there is needed the application of helping tools in the decision-making processes and that incorporate wide heuristic and empirical knowledge: expert systems and decision support systems. The ideal management of the river water quality requires an integrated and multidisciplinary approach, which can be reached by an intelligent tool based on the concepts and methods of the human reasoning.The present thesis describes the methodology developed and applied in the building of an Expert System, as well as the development process of this Expert System, as the main module of reasoning of an Environmental Decision Support System. The main objective of the present thesis has been the development of a tool to help water managers in the decision-making processes to improve water quality of altered reaches. In addition, the thesis shows the functioning of the developed tool by means two study cases.The results derived from the developed, implemented and presented Expert System show that these systems can be useful tools to improve the management of fluvial ecosystems.

Publicación a texto completo no autorizada por el autor / Diseña un sistema de evaluación de impacto ambiental en el sector minero. El sistema experto es un sistema informático simula el proceso de aprendizaje, de memorización, de razonamiento, de comunicación de la ciencia. Estas características le permiten almacenar datos y conocimiento, sacar conclusiones lógicas, tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse con expertos humanos. La solución propuesta permitirá el almacenamiento de datos, conocimiento y al apoyo en la toma de decisiones mediante un método que pueda ser fácilmente empleado en cualquier institución. / Trabajo de suficiencia profesional

[EN] The aim of the fault diagnosis techniques of rotatory electrical machine is to determine the condition of the motor in order to reduce economical loses. In the technical literature is found different signal processing techniques that allow discriminate with the help of an expert that recognize the results, between the healthy and faulty condition of the electrical machines. It is therefore essential to automate this expert task. It is also a priority to research and to develop new detection systems more accurate than the previous ones. Complex systems based on expert systems are used to improve the classification of faults. For this research thesis, has been developed an automatic "supra-system" capable to generate optimal fault diagnosis systems. The proposed "supra-system" is able to generate the optimal diagnostic system for the fault detection induction motors. This has been achieved following these steps: Sample collection: an experimental test bench has been build, where the test motor current and speed are sampled. These samples are obtained for different motor speeds and different load torque. A total of 735 samples has been analyzed in the thesis. The samples have been processed with different techniques of diagnosis according to the working regime. For the steady-state regime is: - Signal analysis. - The analytical signal modulus (Hilbert transform). - Cepstrum transform. - Analysis of Park transform modulus. - Harmonic order tracking analysis (HOTA). For the steady-state regime 20 different diagnostic methods have been explored, resulting from the variations of these techniques. While the techniques used for the transient regime are: - Harmonic order tracking analysis (HOTA) using the Short-Time Fourier Transform (STFT) with Gaussian window. - Harmonic order tracking analysis (HOTA) using the Short-Time Fourier Transform (STFT) with Prolate window (This window is a contribution of this thesis). - Harmonic order tracking analysis (HOTA) using the Short-Frequency Fourier Transform (SFFT) with Gaussian window (This technique is a contribution of this thesis) - Harmonic order tracking analysis (HOTA) using the Short-Frequency Fourier Transform (SFFT) with Prolate window. In addition to these two contributions that are integrated into the HOTA method, have been applied to the original algorithm improvements that helps to decrease the computation time and memory space needed. The improvements are: - A new band-pass filtering stage. - The minimization of the edge effect. - A new faster algorithm for the optimum setting of the filter window. For the transient regime 4 different diagnostic methods are explored. For each of the techniques used, the relevant features are obtained. Thus, a matrix is obtained with feature vectors column with 24 dimension length (20 in steady-state and 4 in transient) and as many rows as the number of tests used in this thesis (735 tests). For each of the feature vectors obtained different classifiers are generated based on artificial neural networks (with one and two hidden layer) and Support Vector Machine (with polynomial or Gaussian kernel function). In other words, four different classifier methods that run in parallel and automatically obtain the optimum parameters according to its parameters. In the final step, the results are analysed and the optimal diagnosis system is selected. The "supra-system" developed in this thesis have the following advantages: 1. It achieves a final optimal diagnostic system. 2. It produces several local optimal diagnostic systems taking into account the training time and the estimated diagnosis time. 3. It is completely autonomous. 4. It is adaptable to the induction motor type, as it can generate an optimal diagnostic system specific for each type of motor. / [ES] El objetivo de las técnicas de diagnóstico de fallo en las máquinas eléctricas rotativas es el de determinar el estado del motor para minimizar costes. En la literatura técnica se encuentran diversas técnicas de análisis de señal que permiten discriminar, mediante un experto capaz de interpretar los resultados, entre una máquina eléctrica en estado de fallo o en estado sano. Por tanto, se hace necesaria la automatización de esta labor. Es prioritario investigar y desarrollar nuevos sistemas de detección que maximicen la precisión respecto a las características disponibles. Para mejorar la clasificación de fallos se estudian sistemas cada vez más complejos basados en sistemas expertos. Se ha desarrollado para esta tesis de investigación un "suprasistema" automático capaz de generar sistemas óptimos de diagnóstico de fallos. Este "suprasistema" se encarga de generar el sistema de diagnóstico óptimo para la detección de fallos en motores de inducción. Para ello se han seguido los siguientes pasos: Obtención de muestras: se ha diseñado un banco de ensayos experimental del cual se obtienen las corrientes y velocidad del motor de estudio. Los ensayos permiten diferentes velocidades del motor y diferentes pares resistentes. Se analizan un total de 735 muestras en la tesis. A estas muestras se les han aplicado diferentes técnicas de diagnosis según el régimen de funcionamiento. Para régimen estacionario son: - Análisis de la señal. - Transformada de Hilbert (módulo de la señal analítica). - Transformada Cepstrum. - Transformada del módulo de Park. - Análisis del orden de armónico (HOTA). Para el régimen estacionario se han explorado 20 métodos, resultado de las diferentes variantes de las técnicas empleadas. Mientras que las técnicas usadas para el régimen transitorio son: - Análisis del orden de armónico (HOTA) de la señal con Short Time Fourier Transform y con ventana Gaussiana. - Análisis del orden de armónico (HOTA) de la señal con Short Time Fourier Transform y con ventana Prolate. (Aportación a la tesis de la aplicación de esta ventana). - Análisis del orden de armónico (HOTA) de la señal con Short Frequency Fourier Transform y con ventana Gaussiana. (Aportación a la tesis de la aplicación de esta técnica). - Análisis del orden de armónico (HOTA) de la señal con Short Frequency Fourier Transform y con ventana Prolate. Además de estas dos aportaciones que se integran en el método HOTA se han aplicado mejoras al algoritmo original que permiten disminuir el tiempo de cálculo y el espacio de memoria necesario. Las mejoras son: - Un filtrado paso banda. - La minimización del efecto de borde. - Un nuevo algoritmo más rápido para el ajuste óptimo de la ventana de filtro. En conclusión, para el régimen transitorio se exploran 4 métodos de diagnóstico. Se ha obtenido características relevantes con cada técnica empleada. En conjunto se obtiene una matriz de vectores de características de dimensión 24 (20 estacionario y 4 en transitorio), donde cada vector tiene la dimensión del número de ensayos realizados, 735. Para cada vector de características se generan varios clasificadores basados en Redes Neuronales Artificiales (de 1 y 2 capas ocultas) y Máquina de vectores de soporte (con kernel polinomial o de base radial). Es decir, se aplican 4 técnicas diferentes de clasificadores, que de forma paralela y automática obtienen los óptimos según los parámetros de los mismos. Como paso final, se analizan los resultados obtenidos y se realiza la selección del sistema óptimo de diagnóstico. El suprasistema desarrollado en esta tesis aporta las siguientes ventajas: 1. Obtiene un sistema de diagnóstico óptimo final. 2. Obtiene varios sistemas de diagnóstico óptimos locales con los tiempos de entrenamiento y los tiempos de diagnóstico. 3. El suprasistema es totalmente autónomo. 4. El suprasistema es adaptable al tipo de motor / [CAT] El principal objectiu de les tècniques de diagnosis es determinar l'estat del motor per minimitzar costos. En la literatura s'hi troben diferents tècniques de anàlisi i processament de la senyal que permeten identificar, amb ajuda de personal altament qualificat amb capacitat d'interpretar els resultats, si la maquina es troba en estat sa o en estat d'averia. Per tot això, resulta necessari la tasca d'automatitzar aquesta labor. Es prioritari investigar nous sistemes de detecció que maximitzen la precisió, tenint en compte les característiques disponibles. Per millorar aquestes característiques de classificació es proposen sistemes cada vegada més complexos basats en sistemes experts. S'ha desenvolupat un "suprasistema" automàtic capaç de generar sistemes òptims de diagnosi de falles. Aquest "suprasistema" proposat s'encarrega de generar el sistema de diagnosi òptim per a la detecció de fallades en motors de inducció. Per al seu desenvolupament s'han seguit les següents etapes: Obtenció d'assajos: s'ha dissenyat un banc d'assajos experimental del qual s'obtenen les corrents i la velocitat del motor d'estudi. Els assaigs permeten diferents velocitats del motor i diferents parells resistents. S'analitzen un total de 735 mostres en la tesi. A aquestes assajos se'ls han aplicat diferents tècniques de diagnosi segons el règim de funcionament. Per al règim estacionari són: - Anàlisi de la senyal. - Transformada de Hilbert (mòdul de la senyal analítica). - Transformada Cepstrum. - Transformada del mòdul de Park. - Anàlisi de l'ordre d'harmònic (HOTA). Per a la diagnosi en règim estacionari s'han explorat 20 mètodes distints, resultat de diferents variacions de les tècniques utilitzades. Mentre que les tècniques aplicades al règim transitori han estat: - Anàlisi de l'ordre d'harmònic (HOTA) de la senyal amb transformada de Fourier curta en temps i finestra Gaussiana. - Anàlisi de l'ordre d'harmònic (HOTA) de la senyal amb transformada de Fourier curta en temps i finestra Prolate. (Aportació a la tesi de l'aplicació d'aquesta finestra) - Anàlisi de l'ordre d'harmònic (HOTA) de la senyal amb transformada de Fourier curta en freqüència i finestra Gaussiana. (Aportació a la tesi de l'aplicació d'aquesta tècnica). - Anàlisi de l'ordre d'harmònic (HOTA) de la senyal amb transformada de Fourier curta en freqüència i finestra Prolate. A més d'aquestes dues aportacions que s'integren en el mètode HOTA s'han aplicat millores a l'algoritme original que permeten disminuir el temps de càlcul i l'espai de memòria necessari. Les millores són: - Una etapa de filtrat pas banda. - Minimització del efectes de costat. - Algoritme més ràpid per a l'ajust òptim de la finestra de filtrat. En conclusió, per al règim transitori s'han analitzat quatre mètodes de diagnosi diferents. Amb les tècniques utilitzades s'obté les característiques rellevants. En conjunt s'obté una matriu de vectors de característiques de dimensió 24 (20 estacionari més 4 en transitori), on cada vector té la dimensió del nombre d'assajos que s'han realitzat, 735. Per cada un dels vectors de característiques obtinguts es desenvolupen distints tipus de classificadors basats en Xarxes neuronals artificials (d'una i de dues capes ocultes) y Màquines de vectors de suport (amb kernel polinomial o base radial gaussiana). És a dir, s'apliquen 4 tècniques diferents de classificadors, que de forma paral·lela i automàtica obtenen els òptims segons els paràmetres dels mateixos. Finalment, es analitza els resultats i es realitza la selecció del sistema de diagnòstic òptim. El suprasistema construït en aquesta tesi aporta els següents avantatges: 1. Obtenir un sistema de diagnosi òptim final. 2. Obté diversos sistemes de diagnosi localment amb els temps del procés d'entrament i el temps de diagnosi 3. Es totalment autònom. 4. Es adaptable y pot generar un sistema de diagnosi específi / Burriel Valencia, J. (2016). Aplicación de sistemas de autoaprendizaje al diagnóstico de máquinas eléctricas [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/68498 / TESIS