Universidad Nacional del Nordeste

Facultad de Ciencias Exactas y Naturales y Agrimensura

Licenciatura en Sistemas

Trabajo Final de Aplicación.

Investigación: Teorías y Métodos

Análisis y Diseño de la Aplicación

Resultados

Etapas de Desarrollo del Trabajo

Sistemas Expertos

Sistemas de Soporte a la Decisión

Data Warehousing

SQL

Simulación

Teorías y Métodos

Sistemas Expertos

Inteligencia Artificial

Nociones de los Sistemas Expertos

Sistemas Expertos Basados en Probabilidades

Sistemas Expertos Basados en Reglas

Antecedentes Culturales

Alcances de la IA

•Solución del Problema en General•Percepción•Comprensión del Lenguaje Natural•Aprendizaje, Demostración de Teoremas, Juegos•Hardware para la IA•Robótica•Cibernética•Sistemas Expertos (SE)

Inteligencia Artificial

Conceptos

Áreas de Aplicación de los SE

Nociones de Funcionamiento de los SE

Nociones de los SE

•Diagnosis•Pronóstico•Planificación•Reparación

Funcionamiento de los SE

Descripción del Esquema.

Interactúan dos agentes.

Experto del Dominio

Ingeniero del Conocimiento

Bases del ConocimientoProcedural

Declarativo

Motor de Inferencia

Interfase

Esquema de Inferencia

SE Basados en Reglas

•Tratan Problemas Deterministas

•Dos partes la componen

PremisaConclusión

•El motor de Inferencia

Reglas de inferencia Modus Ponens,Modus Tollens,

Estrategias de inferencia

Encadenamiento de reglas,Encadenamiento de reglas orientado a un objetivo

SE Basados en Probabilidades

Enfermedad Presente Ausente

Positivo 0,75 0,04

Negativo 0,25 0,96

•Tratamiento de la Incertidumbre

•Las redes de creencia

•El razonamiento Bayesiano

Enfermedad

Prueba

•Probabilidades condicionales

•Inferencia del Sistema

•Probabilidades a Priori

EnfermedadPresente =

0,08Ausente = 0,92

PruebaPositivo = 0,10

Negativo = 0,90

•Probabilidades a Posteriori

VPP = P(Enfermedad = presente | Prueba = positivo) = [P(Prueba = positivo / Enfermedad =

presente) x P(Enfermedad = presente)] / P(Prueba = positivo)

VPP=[0.75 x 0.08] / 0.0968 = 0.62 = 62 %

DSS Sistemas de Soporte a la Decisión

Introducción (Modelo Administrativo)

Definición

Características de los DSS

Componentes Funcionales de un DSS

Proceso de Toma de Decisiones

Componentes de un DSS

Características de los DSS

•Interactividad

•Tipo de Decisiones

•Frecuencia de Uso

•Variedad de Usuarios

•Flexibilidad

•Interacción Ambiental

•Comunicación Interorganizacional

•Acceso a Base de Datos

•Simplicidad

•Flexibilidad

Implementación en la Aplicación

Componentes Funcionales

•El Modelo

•La Base de Datos

•Sistemas de Software

•Interfaz con el Usuario

Las Herramientas de Software y Hardware permiten a los usuarios diseñar sus propios modelos para tomar decisiones…

Implementación en la Aplicación

Proceso de Toma de Decisiones

•Inteligencia

•Diseño

•Elección

•Implementación

•Fases

•Soporte a cada Fase Implementación en la Aplicación

Componentes de un DSS

•Administrador de Datos

•Información Interna

•Información Externa

•Información Personal

•Administrador de Modelos

•Administrador de Diálogos

•Beneficios•Consideraciones

Simulación

Procesamiento de un modelo simulado, que puede someterse a manipulaciones que seríanImposibles realizar, o muy costosas o imprácticas. Los resultados son examinados para luegoInferirse en las propiedades del comportamiento del sistema que se pretende estudiar

Fundamentos Prácticos

Generación de Variables Aleatorias

Metodología Empleada

Fundamentos Prácticos

•No existen datos medianamente estructurados

•Inferencia de la simulación según criterios adoptados

•Parametrizacion de valores simulados

•Pronóstico a partir de la simulación, “¿Qué pasaría si?”

•Parametrización basada en información externa (pronósticos pesimistas u optimistas)

•Inferencia en cascada sobre otras variables (Si esto entonces…)

Metodología empleada

•Números Aleatorios

•Métodos Seudo aleatorios

•Método Aditivo de las Congruencias

•Sucesión de números equiprobables entre 0 y 9 ubicados aleatoriamente•Periodicidad de las series aleatorias•Métodos que generan series

•Manuales•Tablas de bibliotecas•Seudoaleatorios

•Los parámetros “Semillas” dan orígen a la serie.•Distintos métodos, aplicando algoritmos matemáticos modifican

recurrentemente el valor de las semillas•Testeos estadísticos pueden hacer utilizables a las series generadas

•Los k+1 valores enteros positivos dan origen a la serie. A medida que k aumenta disminuye la periodicidad de la serie•Si k= 2, se toman 3 valores iniciales. El primer número que se genera es de orden 4

V(i+1) = Vi + V(i-k) (mod M)

Modulo, IteracionesSemillas, Cttes.

I=1I=I+1

I=1I=I+1Semilla (K)

Si

no

Vec(I)no

Si

fin

R1= Vec(i) + Vec(i-k)

Vec(i+1)= R1 Mod M

Vec(i+1)

Las variables aleatorias

•Simulación de mediciones de pesos.

•Simulación Experta•Simulación controlable por el usuario•Con los primeros parámetros se inicia el método Aditivo de las Congruencias•La fórmula principal es la siguiente.

•Simulación de Condiciones Corporales.•Una matriz de valores contiene los valores simulados•Se ingresan los valores máximos y mínimos como extremos de valores•El algoritmo codificado es el siguienteCond(X) = Int((MiUltimo - MiPrimero + 1) * Rnd + MiPrimero)

V(i+1) = Vi + V(i-k) (mod M)

Data Warehousing

Introducción

Características de un Data Warehouse

Estructura y Arquitectura de un Data Warehouse

Operaciones en un Data Warehouse

Uso del Data Warehouse

Introducción al DW

Base de Datos Operacional Data Warehouse

Datos Operacionales Datos del negocio para Información

Orientado a la aplicación Orientado al sujeto

Actual Actual + histórico

Detallada Detallada + más resumida

Cambia continuamente Estable

Colección de datos centralizados, o no, en el cual se encuentra integrada la información de la institución y que se usa como soporte para el proceso de toma de decisiones.

•Diferencias con las Base de datos Transaccionales

•Sistemas de Información

•Soporte a DSS

Características de un DW

•Orientado al Tema

•Integrado

•De Tiempo Variante

•No Volátil

•El DW excluye la data no usada para el análisis•Los RDB están orientadas a las aplicaciones.•Las relaciones encontradas en un DW son muchas

•Codificación•Medida de Atributos•Convenciones de Nombramiento•Fuentes múltiples

Estructura y Arquitectura de un DW

•Estructura

•Arquitectura

•Detalle de datos actuales•Detalle de datos antiguos•Datos ligeramente resumidos•Datos completamente resumidos•Metadata

•DB operacional / Nivel de DB externo•Nivel de Acceso a la Información•Nivel de Acceso a los datos•Nivel de directorio de datos (Metadata)•Nivel de Gestión de Proceso•Nivel de Mensaje a la Aplicación•Nivel de Data Warehouse•Nivel de Organización de Datos

Operaciones en un DW

Db OperacionalIntegración

TransformaciónDW Acceso de usuarios

Finales

Data externa

Meta Data

GUI

Sist. A MedidaOLAPIntegrados

MDXSQL

•Flujo de Datos

•Plataforma DW

•Servidores de Db Relacional•Bloques Unix con MSP o MPP•Ej. Teradata

•Evolución del Deposito

•Objeto tiempo•Reemplazan datos idénticos•Horizonte de tiempo 5 a 10 años

•Metadata

•Datos sobre datos•Las técnicas y métodos dependen del soft Elegido•Es el corazón del DW

Flujo de Datos en un DW

Procesos de calculo de forma ligera y completamente resumido

Data Antigua, almacenada en Cinta.

Ingreso de información desde base de datos transaccionales

•Dependiendo del criterio y del tiempo

Usos del Data Warehousing

Uso de Base de Datos Operacionales Uso de Data Warehouse

Muchos usuarios concurrentes Pocos usuarios concurrentes

Consultas predefinidas y actualizables Consultas complejas, frecuentemente no anticipadas.

Cantidades pequeñas de datos detallados Cantidades grandes de datos detallados

Requerimientos de respuesta inmediata Requerimientos de respuesta no críticos

SQL

MDX

Lenguaje de Consulta Estructurado

•Componentes del SQL

•Comandos •Cláusulas

•Operadores Lógicos

•Operadores de Comparación •Funciones

•Comandos•Cláusulas•Operadores•Funciones de Agregado

•DLL: Create, Drop, Alter

•DML: Select, Insert, Update, Delete

•From•Where•Group By•Having•Order By

•And•Or•Not •<

•>•<>•=•<=•>=•Between•Like•In

•Avg•Count•Sum•Max•Min•etc

Análisis y diseño de la Aplicación

Análisis del Problema

Informatización en la Producción Ganadera

Trazabilidad

El modelo propuesto

Análisis del Problema

•Estructuración de los procesos

•Ingeniería y reingeniería de datos

•Necesidad de Informatización

•Antecedentes

•Fuentes de Información

•Las posibilidades de la producción Ganadera

•La Cría del Ganado Vacuno

Access SQL Server

Posibilidades de producción

•Invernada

•Tambo

•La Cría

•La Cría y Recría

•Cabañas

La Cría del Ganado Vacuno

•Etapas de la Cría

•Categorías que componen el rodeo de cría

•Objetivos de la cría

•Zonas de Cría y Estadísticas

Objetivos de la Cría

•Entorar la vaquilla de reposición lo antes posible (recría corta)

•Alcanzar la mayor cantidad de kg. de carne/ha/año

•Lograr la mayor longevidad (vida útil) en los vientres

•Manejar la máxima carga animal

•Lograr el menor intervalo entre partos

•Lograr un ternero por vaca y por año

•Llegar al destete con el mayor peso

Zonas de Cría

•La pampa húmeda

•NEA

•Mayor producción de terneros del país•15.000.000 de vientres•60 % del total de bovinos del país

•Segunda zona de importancia en la cria.•8.080.00 cabezas•46 % de vientres•Corrientes: 4.260.243 cabezas•50% de ésta cabezas son vacas de cría•30 kg. Carne/ha/año.

Categorías y Etapas

•Etapas de la Cría

•Vaquillonas de reposición

•Servicio o Entore

•Gestación o Preñez

•Vacas de Cría, vientres o madres

•Toros o padres•Etapas

•Parición

•Lactancia o Cría

•Destete

Inf. En la producción ganadera

•Organizar y estructurar la información

•Seguridad de la información

•Decisiones acertadas•Ampliar el mercado, competir en el mundo•Estadísticas globales

Trazabilidad

•Situación en la Argentina y en el mundo •Tipos de Identificación

•Soporte de la información

•¿Qué es la Trazabilidad?

Qué es la Trazabilidad?

•Medio de identificación del animal.

•Entidades involucradas en el negocio de la carne

•Caravana•Micro chip•Bolo de identificación•Otros

•Criadores.•Invernadores•Comercializadores•Procesadores•Distribuidores•Exportadores•Consumidores

•Desde el establecimiento a la góndola del supermercado.•Desde el nacimiento hasta la faena del animal.•…….”La ficha del Animal”……..•La sanidad del animal…

Implementación en la Aplicación

Una vulgar definición: Seguirle el rastro a la carne

La situación Actual

•Imposición Europea

•El ejemplo de Holanda (plus 15% al corte con la ruta marcada)

•EL sistema Español

•Compromiso privado y público

El sistema Español

•Mediante el código (ID del animal), provisto en la “bandeja” del producto. Se puede obtener la iformación o ficha histórica del animal, a travez de Internet.

NÚMERO DE IDENTIFICACION: ES 010101504543

ALTA

ANIMAL nacido en la explotación: X

FECHA DE NACIMIENTO Día: 05 Mes: 03 Año: 1998

SEXO Macho: Hembra :X RAZA: CRUZADA Código de la Madre: CO-2208-U

EXPLOTACION DONDE ES IDENTIFICADO: 009-CO-087

TITULAR DE LA EXPLOTACION JUAN CARLOS BALMASEDA DE SILVEIRA DNI/CIF 50683911

   

BAJA

ANIMAL Sacrificado en Matadero :X

FECHA Día 30 Mes 04 Año 1999

El Modelo propuesto

•Modelo Técnico/Operativo

•Modelo Estratégico

•Soporte al sistema de Trazabilidad animal•Registro de todas la prácticas hechas en el establecimiento•Soporte al registro de los planes sanitarios vigentes.•Árbol genealógico del animal•Reportes con soporte a la mercadotecnia•Registro, reportes y estadísticas de la evolución individual y grupal•Ubicación espacial, individual y grupal.

•Soporte a la selección de animales para servicio•Soporte a la selección de animales para descarte•Soporte a la elección de la ubicación de los animales.•Soporte a la elección del plan de suplementación alimentaria•Soporte a la toma de decisiones en general.

Modelo Idealizado

Ingreso del

Animal

Evol. Animal.

Marcas/Señales

Planes SanitariosUbicación

Prácticas

Servicios

Tactos

Compra/Venta

Pesos

Nacimientos

Reportes

EstadísticasSimulación

DSS

Pronóstico

Resultados…

Utilidades Operativas

Estrategias de Simulación

Utilidades de Soporte a la Decisión

Técnicas OLAP para DSS

Estrategias de Simulación

•Simulador de Pesos

•Simulador de Condiciones Corporales

El Simulador Experto (Selecciona Etapa y asigna parámetros)

Obviar el Experto (Ingresar los parámetros máximos y mínimos)

Elegir intervalos de fecha de nacimiento

Elegir intervalos de caravanas

Usabilidad y Utilidad

Usabilidad y Utilidad

•Simulación y Sistemas Expertos

•Pronóstico a partir de la simulación

La base del conocimiento, según etapa de la cría (Solo experto puede modificarla)

Según Perspectivas (Optimistas y pesimistas)

Que pasaría sí…..

Intervalos de fechas de nacimientos, caravanas, etapa de cría…

Utilidades DSS

Estrategias de “Soporte a la Decisión”, aplicadas a la selección de animales para Servicios, basadas en políticas de producción.

Estrategias de “Soporte a la Decisión” y “Sistemas Expertos”, aplicadas a la selección de animales para Descarte

Servicios

Condición para ingresar a servicio(Los porques)

Variables que intervienen

•Etapa de la cría•Tipo racial•Peso•Eficiencia Reproductiva (Caract. Feno)•Condición Corporal•Área Pélvica

Inferencia del Sistema

Inferencia del Sistemae-ganadero realiza la siguiente operación para realizar lo que el usuario requiere.

Ejecuta script SQL (único), para cualquier situación y/o combinación de criterios

Ingreso de parámetros (criterios de selección/elección)

Consulta BD. Para comp. Si existen registros cargados

Exi. Reg?Incluir criterioDescarta Criterio siNo

Experto, actúa según etapa de la cría seleccionada

Según reg. setea variables para consulta

Informe: Caravanas encontradas

Combina criterios

Fin

Descartes

Relación con la utilidad para servicios

Cuando descartar animales?

•Cuando no ingresan a servicio/s•Cuando no se preñan•Cuando no destetan un ternero

soporte a la decisión, para descartar los animales que no rinden en la producción propiamente dicha.

La decisión del experto

Posibilidad de elegir el período

Decisiones del experto

Estimación de la venta (algunos pesos estimados, precio Kg. vivo)

Las opciones

•Descartar animales•Implica reponer plantel de reproductoras

•Suplementar con alimentación•Cambiar el plan sanitario

Decisiones estructuradas

Inferencia del sistemaLas metodologías empleadas, utilizan técnicas de sistemas expertos basados en reglas de decisión combinadas con consultas estructuradas a la base de datos.

OLAP en DSS

Conceptos sobre OLAP

Características

•Modelo de datos multidimensional, facilita la exploración y el análisis•capacidad de explorar las complejas relaciones existentes entre los datos

empresariales.•Otras explicadas en tema DW•La tecnología OLAP permite un uso más eficaz de los almacenes de datos para elanálisis en línea, lo que proporciona respuestas rápidas a consultas analíticascomplejas e iterativas.

Procesamiento Analítico en Línea.

Las herramientas OLAP Realizan todas las operaciones explicadas en el capitulo DW. Transformación de datos, filtros, administración de los datos, etc.

Conceptos sobre OLAP

Medidas

Cubos

Dimensiones

Un cubo es un conjunto de datos que normalmente se construye a partir de un subconjunto de un almacén de datos y se organiza y resume en una estructura multidimensional definida por un conjunto de dimensiones y medida

Las dimensiones son un atributo estructural de los cubos. Están organizadas en jerarquías de categorías y (niveles) que describen los datos de las tablas de hechos. Estas categorías y niveles describen conjuntos similares de miembros en los que el usuario desea basar un análisis.

En un cubo, una medida es un conjunto de valores de una columna de la tabla de hechos del cubo, valores que suelen ser numéricos. Además, las medidas son los valores centrales del cubo que se analizan. Es decir, las medidas son datos numéricos de gran interés para los usuarios finales cuando examinan un cubo.

Inventario

Condición Corporal

Implementaciones Futuras

Utilidades Expertas Para el Soporte a la Decisión

Utilidades de Planificación

•PronósticoUtilizando SE basados en probabilidades. Ejemplo INTA (probabilidad de preñez según Condición Corporal)

•Planificación Mediante Modelado y Simulación

Utilizando Criterios de parametrización Optimista, Pesimista y Medio. (Ej. Proyección de cuantos terneros nacerán el próximo año)

Generación de Informes

•Inferencia de Enfermedades (A partir de datos de Abortos)

•Tipo de Destete a Realizar (De acruerdo a la Cond. Corp. de la madre)

•Donde ubicar a los animales (Según datos de los potreros y los

animales) •GIS (para conocer la Ubicación de los animales)

•Inf. De Vacunos (Particulares)•Inf. De Pesos•Inf. De Condiciones Corporales•Informes de Ubicaciones (Potreros)•Inf. De Servicios, Preñeses, Destetes, Pariciones, etc.•Inf. De Planes Sanitarios•Inf. Para Trazabilidad.•Inf. De Árbol Genealógico

Conclusiones

Las Posibilidades de la Región

Tendencias de los DSS

La Trazabilidad de la Carne

El aporte de la Informática

Los propósitos del trabajo