Servicios personalizados
Español (pdf)
Articulo en XML
Referencias del artículo
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
A partir del desarrollo tecnológico alcanzado por la sociedad, el hombre comenzó a mecanizar los procesos industriales con el objetivo de simplificar el trabajo que realizaba. Para ello se elaboraron ingeniosos instrumentos y máquinas que se utilizaron como herramientas en los procesos industriales.
Sin lugar a duda, la mecanización representó un paso importante como parte del desarrollo tecnológico, pero aumentar la productividad imponía nuevos retos. A partir del desarrollo energético y la motorización de los procesos mecánicos surgen los sistemas industriales, permitiendo la elaboración con mayor eficiencia de producciones en serie.
Los sistemas industriales para sus operaciones, requerían mantener o estabilizar determinados parámetros en su funcionamiento, dando inicio a los sistemas de control. Los sistemas de control permiten la operación de procesos de forma automática sustituyendo los mecanismos humanos de medición y actuación.
En Cuba la formación de profesionales para asumir las demandas de automatización se realiza a partir de la carrera de Ingeniería en Automática. Dentro de las disciplinas fundamentales de la carrera Ingeniería en Automática para respaldar el objeto de la profesión se encuentra la disciplina Sistemas de Control. La disciplina está compuesta por un grupo de asignaturas que conforman el currículo base como son: Modelado y simulación, Maquinaria Eléctrica, Ingeniería de Control I, Ingeniería de Control II, Procesos, Control de Procesos I y Accionamiento Eléctrico.
Para aplicar los contenidos de la asignatura Ingeniería de Control II, se realizan prácticas de laboratorios como tipología de clases. En este contexto el usuario puede realizar las prácticas en laboratorios físicos, con equipos afines a la materia recibida o realizar prácticas a distancia. Para ello acceden a equipamientos físicos centralizados de manera remota con el empleo de laboratorios remoto.
A partir del análisis antes expuesto se define como objetivo de la presente investigación: desarrollar un modelo basado en Mapas Cognitivos Difusos que contribuya a la toma de decisiones sobre el control de acceso para el desarrollo exitoso de las prácticas de laboratorios de Ingeniería de Control II. Se define como hipótesis: si se desarrolla un modelo basado en Mapas Cognitivos Difusos, se garantizará la toma de decisiones sobre el control de acceso para el desarrollo exitoso de las prácticas de laboratorios de Ingeniería de Control II.
Métodos o Metodología Computacional
Para el modelado se utilizó como referencia la retroalimentación causal de grafos difusos (Leyva & Rosado, 2012), basado en un enfoque multicriterio multiexperto (Grajales Quintero et al., 2013), representado mediante FCM (Merigó & Gil, 2010). Como resultado se obtuvo el modelo para la toma de decisiones sobre el control de acceso a las prácticas de laboratorios a partir del diagnóstico de habilidades basado en sus componentes (Mar & Gulín, 2018; Mar et al., 2015; Mar et al., 2017). Para cada componente se realiza una descripción textual fundamentándose el modelo matemático que sustenta el proceso de toma de decisiones. La Figura 1 presenta un esquema general del modelo propuesto.
Componente: Selección de las habilidades
El componente para selección de las habilidades se define como la tupla
, donde:
- representa el conjunto no nulo de expertos que intervienen en el proceso para seleccionar las habilidades.
- representa el conjunto de requisitos o habilidades a identificar del Plan de Estudio y la consulta a expertos.
Para el conjunto de expertos que intervienen en la identificación de habilidades y sus relaciones causales, se debe cumplir como condición necesaria, que el dominio de valores que representa a los expertos no sea nulo. Diferentes autores han teorizado sobre el número óptimo de expertos a utilizar en procesos de este tipo (ARTOLA, 2002; GARZA, 2005). Partiendo de ello se asume como umbral que el dominio de los expertos
,
y se expresa mediante la ecuación 1:
(1)
Para la selección de las habilidades se utilizó el método Delphi, mediante el cual se obtuvo el conocimiento de los expertos en condiciones de anonimato, garantizándose una dispersión geográfica de los participantes (Bouza Herrera et al., 2016). Para aplicar el método Delphi es necesaria la identificación de los expertos en el área del conocimiento de la Automática y Sistemas Computacionales.
Componente: Obtención y agregación de Mapas Cognitivos Difusos
Este componente presenta como objetivo la representación del conocimiento causal expresado por los expertos sobre el conjunto de habilidades. Flujo de trabajo para la obtención del modelo causal:
Determinar las relaciones causales: a partir de la valoración emitida por los expertos sobre los diferentes conceptos se establecen las relaciones causales determinando la influencia causal. La influencia puede ser representada positiva o negativamente, así como el peso de las relaciones para lo cual se utiliza el método 2-tuplas lingüísticas en la representación propuesta por Pérez (Pérez, 2014).
Comprobar la direccionalidad de las relaciones: la comprobación de la direccionalidad en las relaciones, permite a partir de las valoraciones emitidas por los expertos, determinar si un experto no insertó correctamente la dirección de las relaciones causales.
Agregar los FCM: la agregación permite, una vez obtenido el consenso entre los expertos, agregar los modelos causales individuales propuestos en una única representación. La representación agregada constituye la idealización del conocimiento expresado en las relaciones causales de todos los expertos que intervinieron.
La agregación de los FCM consiste en la fusión del conocimiento causal expresado individualmente por los expertos para representar las relaciones entre los conceptos (Kosko, 1988). La agregación de conocimiento permite mejorar la fiabilidad del modelo final, al hacerlo menos susceptible a errores (Stach et al., 2010).
Durante la determinación de las relaciones causales se obtiene un arreglo denominado matriz de adyacencia que es representada a partir de los valores asignados a los arcos y se expresa como:
El proceso de agregación tiene lugar a partir del establecimiento de una función promedio de las matrices que representan el conocimiento causal de los expertos tal como muestra la expresión 2.
(2)
Donde:
|
representa el valor agregado |
|
cantidad de expertos que participan en el proceso |
|
vector de correlación expresado por los expertos para los criterios
|
Los valores agregados emitidos por los expertos agrupados mediante la matriz de adyacencia, conforman las relaciones con los pesos de los nodos, a través del cual es generado el FCM resultante (White & Mazlack, 2011).
Componente: Realización del análisis estático
El análisis estático permite extraer un conjunto de informaciones que presentan utilidad sobre las relaciones causales. A partir de este procesamiento es posible extraer conocimiento oculto hasta el momento.
Flujo de trabajo para realizar el análisis estático:
Determinar el grado de entrada: la actividad consiste en determinar el grupo de valores que representan la naturaleza de entrada. El grado de entrada es obtenido a partir del comportamiento reflejado en la matriz de adyacencia.
Determinar el grado de salida: representa la actividad que permite obtener los parámetros atribuidos a los pesos relativos del comportamiento de las habilidades.
Normalización de los indicadores: durante las actividades de obtención del grado de entrada y el grado de salida se obtienen los vectores
, la normalización de los indicadores consiste en representar los vectores correspondientes en una escala nominal de valores
.
Determinar el vector de peso: a partir de la actividad de normalización se determina el vector de peso
atribuido a la importancia de las habilidades y es utilizado posteriormente en otros componentes del modelo.
Determinar la centralidad de los indicadores: permite determinar qué tan fuertemente está relacionado un nodo con respecto a otro a partir de sus conexiones directas.
Componente: Diagnóstico y determinación del control de acceso a las prácticas de laboratorios
El diagnóstico y determinación del control de acceso, es el componente del modelo que interactúa directamente con los estudiantes o alternativas. La actividad consiste en determinar si la persona que está accediendo al SLR reacciona coherentemente a partir de la aplicación de un conjunto de cuestionarios de comprobación, estos cuestionarios se encuentran diseñados para medir las habilidades de los estudiantes. La figura 4 muestra el flujo de trabajo definido para el componente.
Para el proceso de inferencia sobre el control de acceso a las prácticas de laboratorios se parte de la ecuación 3.
(3)
Donde:
- : representa la función resultante influenciada por una función inicial de configuración
para los atributos de
.
Conf: representa el comportamiento asumido por los
a partir de la configuración
.
- : vector de pesos de dimensiónn influenciado por la función de configuración
de los
.
- : es el j-ésimo influenciado por una función inicial de configuración
de las
.
A partir de la obtención de
, se determina si el umbral sobre las habilidades está por encima de la media tal que
, haciéndose corresponder con los valores lingüísticos expresados en la figura 2. En caso contrario se deniega el acceso a la práctica de laboratorio solicitada.
Resultados y discusión
Con el objetivo de validar la investigación se realizó un estudio que involucra la manipulación intencionada de una acción para analizar su posible resultado o efecto conocido en la literatura científica como experimento. La propuesta de diseño experimental está guiada por una secuencia de pasos propuestos por Grau (Grau & Correa, 2004). Se describen los pasos propuestos para realizar un experimento:
Paso 1: Decidir cuántas y cuáles variables independientes y dependientes son incluidas en el experimento.
Para identificar las variables de la investigación se parte del planteamiento realizado en el diseño teórico, donde se define como hipótesis: si se desarrolla un modelo basado en FCM, se garantizará la toma de decisiones sobre el control de acceso para el desarrollo exitoso de las prácticas de laboratorios de Ingeniería de Control II en un Sistema de Laboratorios Remoto. Es posible identificar en el contexto de la presente investigación las siguientes variables:
Variable independiente: modelo basado en FCM.
Variable dependiente: control de acceso para el desarrollo exitoso a las prácticas de Ingeniería de Control II.
Paso 2: Elegir los niveles de manipulación (nivel de medición) de las variables independientes y traducirlos en tratamientos experimentales (convertir variables teóricas a manipular en grupos o tratamientos).
Este paso no es aplicable en la investigación en cuestión, ya que no se desea la manipulación de la variable independiente.
Paso 3: Elegir o desarrollar un instrumento o los instrumentos para medir las variables dependientes.
Los instrumentos de medición utilizados para la medición en la preprueba y postprueba estuvieron soportados sobre el software informático SPSS v13.0.
Paso 4: Seleccionar el diseño experimental a realizar. En el caso de experimentos verdaderos, decidir si los participantes se aleatorizan o aparean respecto a alguna(s) variable(s).
Se selecciona el preexperimento del tipo pre y postprueba con un solo grupo. (G O1 X O2 )
Donde:
- : representa el grupo experimental utilizado.
- : condición experimental (variable independiente de la hipótesis).
- : medición de la variable dependiente de la hipótesis (
, preprueba
, postprueba).
Para el diseño propuesto, no se desea manipular la variable independiente por lo que no es necesaria la introducción de un grupo de control. El resultado experimental expresa la variación de la variable dependiente en relación con su historial.
Paso 5: Seleccionar una muestra de personas para realizar el preexperimento.
Para la experimentación se tiene como reglas de implementación que se trabaja con la asignatura de Ingeniería de Control II del Plan de Estudio D, de la carrera de Ingeniería en Automática. Se aplica el diseño experimental propuesto en el curso escolar 2018-2019 a estudiantes de 4to año de la carrera de Ingeniería en Automática que reciben la asignatura Ingeniería de Control II en la Universidad Central “Marta Abreu” de las Villas. Se identifica una población a 38 estudiantes de los cuales participan en el preexperimento 28 para un 73,7 % de representatividad.
Preprueba
, condición experimental (X) y postprueba
:
: 28 controles de accesos que representan los 28 estudiantes analizados como casos de estudio.
: medición de la variable dependiente de la hipótesis sobre la aplicación del modelo.
: aplicación del modelo.
: medición de la variable dependiente de la hipótesis después de la aplicación del modelo.
En análisis de los resultados se utilizó como método estadístico la prueba no paramétrica de rango con signo de Wilcoxon.
Paso 6: Si se trata de sujetos, reclutarlos. Ello implica tener contacto con ellos, dar las explicaciones necesarias y citarlos. Dar facilidades y motivarlos.
Paso 7: Aplicar las prepruebas, tratamientos y postpruebas.
Declaración del preexperimento uno
El preexperimento está diseñado para comparar el control de acceso total y el control de acceso inferido por el modelo propuesto. Su objetivo es demostrar que el control de acceso total y el control de acceso inferido por el modelo difieren estadísticamente. El método se aplica para determinar que hay diferencia estadística significativa entre el control de acceso total y el control de acceso inferido mediante la prueba no paramétrica de los rangos con signo Wilcoxon.
Paso 1: Recolectar los datos y analizarlos con las pruebas estadísticas pertinentes para el preexperimento uno.
De acuerdo al preexperimento realizado se comprobó el control de acceso total y el control de acceso inferido por el modelo para 28 casos de estudios mediante la prueba no paramétrica de rango con signo Wilcoxon.
Medición
Hipótesis de la prueba de Wilcoxon
No existe diferencia entre la medida del control de acceso total y el control de acceso inferido por el modelo.
Existe diferencia entre la medida del control de acceso total y el control de acceso inferido por el modelo.
Regla de decisión: Si
no se rechaza la hipótesis
Tabla 1 Estadística de muestras relacionadas del experimento 1.
| N | Z | (p_valor) | ||
|---|---|---|---|---|
| Par | Control de acceso total | 28 | 1,637 | 0,009 |
| Control de acceso inferido por el modelo | ||||
Los resultados experimentales muestran un
tal como se evidencia en la tabla 1, el resto del procesamiento es realizado para el preexperimento en el estadígrafo SPSS. A partir del p_valor obtenido, se rechaza la hipótesis nula, la cual indica que “no hay diferencia estadística significativa entre los valores del control de acceso total y el control de acceso inferido por el modelo”. Z= 1,637, p_valor=0,009. Concluyéndose que la diferencia estadística es significativa. A partir del análisis estadístico, se puede concluir que existe un conjunto de estudiantes que accedieron al RLS y el método de clasificación del modelo infiere que no poseen las habilidades necesarias para realizar el acceso a las prácticas de laboratorio. Se demuestra mediante el experimento la importancia de haber incluido un mecanismo de control para validar el acceso a las prácticas de laboratorios en el RLS.
Declaración del preexperimento dos
El preexperimento está diseñado para comparar el resultado de las prácticas de laboratorios realizadas satisfactoriamente respecto al control de acceso inferido por el modelo propuesto. Su objetivo es demostrar que el control de acceso inferido por el modelo no difiere estadísticamente respecto al desarrollo satisfactorio de las prácticas de laboratorios. El método permite determinar que no hay diferencia estadística significativa entre el control de acceso inferido por el modelo y el desarrollo satisfactorio de las prácticas de laboratorios mediante la prueba no paramétrica del rango con signo Wilcoxon.
Paso 1: Recolectar los datos y analizar los mismos con las pruebas estadísticas pertinentes para el preexperimento dos.
De acuerdo al preexperimento uno realizado se comprobó que, de los 28 casos de estudios, el método de clasificación utilizado por el modelo infiere que 24 pueden acceder al desarrollo de las prácticas de laboratorios representando este el valor de los datos para la aplicación del preexperimento dos, mediante la prueba no paramétrica de rango con signo Wilcoxon.
Medición
Control de acceso inferido por el modelo (preprueba).
Desarrollo satisfactorio de las prácticas de laboratorios (postprueba).
Hipótesis de la prueba de Wilcoxon
No existe diferencia entre la medida del control de acceso inferido por el modelo y el desarrollo satisfactorio de las prácticas de laboratorios.
Existe diferencia entre la medida del control de acceso inferido por el modelo y el desarrollo satisfactorio de las prácticas de laboratorios.
Regla de decisión: Si
no se rechaza la hipótesis
Tabla 2 Estadística de muestras relacionadas del experimento 2.
| N | Z | (p_valor) | ||
|---|---|---|---|---|
| Par | Control de acceso inferido por el modelo | 24 | -1,722 | 0,085 |
| Desarrollo satisfactorio de las prácticas de laboratorios | ||||
Los resultados experimentales muestran un
tal como se evidencia en la tabla 2, el resto del procesamiento es realizado para el preexperimento en el estadígrafo SPSS. A partir del p_valor obtenido, no se rechaza la hipótesis nula, la cual indica que no hay diferencia estadística significativa entre los valores del control de acceso inferido por el modelo y el desarrollo satisfactorio de las prácticas de laboratorios. Z=-1,722, p_valor=0,0857. La diferencia estadística no es significativa, demuestra que el modelo de inferencia sobre el control de acceso a las prácticas de laboratorios respecto al desarrollo satisfactorio de las prácticas de laboratorios no difiere, o lo que es lo mismo, que los estudiantes que acceden a las prácticas de laboratorios poseen el conjunto de habilidades para realizar las mismas de forma exitosa.
Conclusiones
A partir del estudio de la literatura consultada se constató la necesidad de implementar un modelo para la toma de decisiones sobre el control de acceso a las prácticas de laboratorio de Ingeniería de Control II.
El modelo desarrollado con técnicas de inteligencia artificial a partir de la representación del conocimiento causal mediante Mapas Cognitivos Difusos para el diagnóstico de habilidades, garantizó la toma de decisiones sobre el control de acceso a las prácticas de laboratorios de Ingeniería de Control II.
La aplicación del diseño experimental mediante el preexperimento permitió corroborar la correlación existente entre las variables del diseño de la investigación, así como la demostración de la hipótesis de la investigación.
