Escolar Documentos
Profissional Documentos
Cultura Documentos
Facilitador:
Dr. SORIA QUIJAITE JUAN JESS
Bach. RAMOS DIAZ JUAN VICTOR
SKYPE: juan-uap
EMAIL: jesussoria@upeu.edu.pe
ORCID: 0000-0002-4415-8622
DINA: 57631
Tema:
LA INVESTIGACIN CIENTFICA Y LA
INTELIGENCIA ARTIFICIAL
1
2
3
INTELIGENCIA ARTIFICIAL
DEFINICIN.- Es la
Ciencia e Ingeniera
en hacer mquinas
que se comporten
de una forma que
llamaramos
Inteligentes si el
humano tuviese ese
comportamiento.
4
RAMAS DE LA INTELIGENCIA ARTIFICIAL
5
RAMAS DE LA INTELIGENCIA ARTIFICIAL
2.ALGORITMOS GENTICOS: Los
Algoritmos Genticos (AGs) son mtodos
adaptativos que pueden usarse para resolver
problemas de bsqueda y optimizacin.
Estn basados en el proceso gentico de los
organismos vivos.
Aplicacin: Colonia de Ormigas
Los Algoritmos de Optimizacin por Colonias
de Hormigas (ACO) son una metodologa
inspirada en el comportamiento colectivo de
las hormigas en su bsqueda de alimentos.
Se debe recordar que las hormigas son
prcticamente ciegas, y sin embargo,
movindose prcticamente al azar, acaban
encontrando el camino ms corto desde su
nido hasta la fuente de alimentos (y
regresar). una hormiga, cuando se mueve,
deja una seal qumica en el suelo,
depositando una sustancia
denominada feromona, para que las dems
puedan seguirla. 6
ALGORITMOS GENTICOS
7
RAMAS DE LA INTELIGENCIA ARTIFICIAL
3.LGICA DIFUSA
Es la lgica que utiliza expresiones
que no son ni totalmente ciertas ni
completamente falsa, es la lgica
aplica a conceptos que pueden
tomar un valor cualquiera de
veracidad dentro de un conjunto de
valores que oscilan entre dos
extremos, la verdad absoluta y la
falsedad total.
8
MTODO DE INFERENCIA DE MANDANI
9
RAMAS DE LA INTELIGENCIA ARTIFICIAL
4.ROBTICA
Trmino atribuido a Isaac Asimov, el desarrollo
de aplicaciones de la robtica estn
condicionados al conocimiento de diversas
disciplinas como la ingeniera elctrica, la
ingeniera mecnica, la ingeniera industrial, las
ciencias computacionales y las matemticas.
10
CONTROL DE ROBOT
Mecnicamente un Robot
manipulador es un brazo mecnico
articulado formado de eslabones
conectados a travs de articulaciones
que permiten un movimiento relativo
entre dos eslabones consecutivos.
El movimiento de cada articulacin
puede ser traslacional, rotacional o
una combinacin de ambos.
El nmero de articulaciones en un
manipulador determina su nmero
de grados de libertad (gdl).
Tpicamente, un manipulador dispone
de 6 gdl de los cuales 3 ubican la
posicin del extremo del ltimo
eslabn en el espacio y 3 ms
especifican su orientacin.
11
CONTROL DE ROBOT
Las variables q1,q2,q3,q4, se refieren a las posiciones articulares del robot.
Dichas posiciones articulares, denotan en consecuencia las posiciones, ya
sean angulares o lineales, de cada una de las articulaciones del robot.
12
CONTROL DE ROBOT
El conjunto de fuerzas y pares generados por los accionadores del robot son
agrupados para fines analticos en el vector es decir:
1
2
3
n
13
ECUACIONES DE MOVIMIENTO DE LAGRANGE
Las ecuaciones dinmicas de un robot manipulador pueden obtenerse a partir de
las ecuaciones de movimiento de Newton.
En 1788 Lagrange dio a conocer sus ecuaciones de movimiento, en la que
considera a un Robot manipulador que se compone de n eslabones.
q (t ) q1 (t ), , q n (t )
T
Donde
El Lagrangiano L( q, q ) de un Robot manipulador de n grados de libertad es la
diferencia entre su energa cintica K y su energa potencial U.
L(q (t ), q (t )) K (q (t ), q (t )) U (q (t ))
Las ecuaciones de movimiento de Lagrange para un manipulador de n grados de
libertad viene dado por:
d L ( q , q ) L ( q , q )
i ; i 1, 2, , n
dt qi
qi
14
ROBOT EN MOVIMIENTO
15
TEMAS DE INVESTIGACIN
ALGORITMO K MEANS
K-means es un mtodo de agrupamiento, que tiene
como objetivo la particin de un conjunto de n
observaciones en k grupos en el que cada observacin
pertenece al grupo cuyo valor medio es ms cercano.
Es un mtodo utilizado en minera de datos.
16
ALGORITMO K MEANS
17
EJEMPLO: Chips de ADN y los tumores humanos
18
EJEMPLO: Chips de ADN y los tumores humanos
El desafo es entender cmo los genes y las muestras se organizan. Entre las preguntas
tpicas estn incluidas:
(a) qu tumores son ms similares a cules, en trminos de la expresin a travs de
sus genes?
(b) qu genes son ms similares a cules, segn su aparicin en las distintas
muestras?
(c) (c) qu genes aparecen mucho o poco en cierto tipo de muestras de cncer?
19
TEMAS DE INVESTIGACIN
20
RED BAYESIANA CON NETICA
21
TEMAS DE INVESTIGACIN
22
TEMAS DE INVESTIGACIN
PROBLEMA DE LA RUTA CRTICA
23
ALGORTMO DE LA RUTA CRTICA
24
ALGORTMOS SOMA
DEFINICIN
El conjunto de funciones
en las que un algoritmo
dado muestra un buen
rendimiento (es decir, su
dominio de algoritmo) debe
definirse claramente
25
ALGORTMOS SOMA
26
ALGORTMOS SOMA
27
FRACTALES
QU ES UN FRACTAL?
Que est relacionado con un modelo
matemtico que describe y estudia objetos y
fenmenos frecuentes en la naturaleza que
no se pueden explicar por las teoras
clsicas y que se obtienen mediante
simulaciones del proceso que los crea.
28
SIX SIGMA
SIGNIFICADO
Six Sigma representa una mtrica, una
filosofa y una meta.
Como Mtrica
Six sigma representa una manera de medir el
desempeo de un proceso en cuando a su nivel
de productos o servicios fuera de su
especificacin.
Como Filosofa de Trabajo
Six sigma significa mejoramiento continuo de
procesos y productos apoyado en la aplicacin
de la metodologa seis-sigma, la cual incluye
principalmente el uso de herramientas
estadsticas.
Como Meta
Un proceso con nivel de calidad Seis sigma
significa estadsticamente tener un nivel de
clase mundial al no producir servicios o
productos defectuosos
29
SIX SIGMA
32
CAPACIDAD SIX SIGMA
MISIN:
Un proceso con una curva de
Proporcionar Informacin adecuada
capacidad afinada para seis (6)
para ayudar a la implementacin de
sigma, es capaz de producir con un
la MAXIMA CALIDAD del producto o
mnimo de hasta 3,4 defectos por
servicio en cualquier actividad, as
milln de oportunidades(DPMO), lo
como crear confianza y
que equivale a un nivel de calidad del
comunicacin entre todos los
99,9997%
participantes. 33
LA VARIABILIDAD ES EL PEOR ENEMIGO DE LA CALIDAD
34
LA VARIABILIDAD ES EL PEOR ENEMIGO DE LA CALIDAD
35
EL CICLO SHEWHART/DEMING
Modificado de Deming, 1982
El programa six sigma (SS) se basa, aunque no est
expresado directamente, en el ciclo Deming.
El ciclo Deming es un procedimiento para el mejoramiento.
Es una gua lgica y racional para actuar en una gran
variedad de situaciones, una de las cuales es resolver
problemas.
36
FASES Y PASOS DE SIX SIGMA
1. PLANEAR
A) Definir el problema/seleccionar el proyecto.
B) Definir y describir el proceso
2. HACER
A) Evaluar los sistemas de medicin
B) Determinar las variables significativas
C) Evaluar la capacidad del proceso
D) Optimizar y robustecer el proceso
3. VERIFICAR
A) Validar la mejora
4. ACTUAR
A) Controlar y dar seguimiento al proceso
B) Mejorar continuamente
37
DESARROLLO DE LA METODOLOGA SIX SIGMA
1. DEFINIR
A) Definir el problema/seleccionar el proyecto. Describir el efecto provocado por una situacin
adversa, o el proyecto de mejora que se desea realizar, con la finalidad de entender la situacin
actual y definir objetivos. (Seleccionar el equipo. Preferentemente un equipo interfuncional, con
un objetivo definido de manera clara y completa)
2. MEDIR
A) Definir y describir el proceso. Definir los elementos del proceso, sus pasos, entradas, salidas
y caractersticas.
B) Evaluar los sistemas de medicin. Evaluar la capacidad y estabilidad de los sistemas de
medicin por medio de estudios de repetibilidad, reproducibilidad, linealidad, exactitud y
estabilidad.
3. ANALIZAR
A) Determinar las variables significativas. Las variables del proceso definidas en el inciso a del
punto 2 deben ser confirmadas por medio de diseo de experimentos y/o estudios
multivariados, para medir la contribucin de esos factores en la variacin del proceso. Las
pruebas de hiptesis e intervalos de confianza tambin son tiles para el anlisis del proceso.
B) Evaluar la estabilidad y la capacidad del proceso. Determinar la habilidad del proceso para
producir dentro de especificaciones por medio de estudios de capacidad largos y cortos, a la vez
que se evala la fraccin defectuosa.
4. MEJORAR
A) Optimizar y robustecer el proceso. Si el proceso no es capaz, se deber optimizar para reducir
su variacin. Se recomienda usar diseo de experimentos, anlisis de regresin y superficies de
respuesta.
B) Validar la mejora. Realizar estudios de capacidad.
5. CONTROLA 38
A) Controlar y dar seguimiento al proceso. Monitorear y mantener el control al proceso.
B) Mejorar continuamente. Una vez que el proceso es capaz, se debern buscar mejores
condiciones de operacin, materiales, procedimientos, etc que conduzcan a un mejor
desempeo del proceso.
CICLO DMAMC
39
41
Dr. Soria Quijaite Juan Jess