Trabajo Final de Aplicación.

Licenciatura en Sistemas
Facultad de Ciencias Exactas y Naturales y Agrimensura
Universidad Nacional del Nordeste
Etapas de Desarrollo del Trabajo

Investigación: Teorías y Métodos

Análisis y Diseño de la Aplicación

Resultados
 Teorías y Métodos

Sistemas Expertos

Sistemas de Soporte a la Decisión

Simulación

Data Warehousing

SQL
Sistemas Expertos

Inteligencia Artificial

Nociones de los Sistemas Expertos

Sistemas Expertos Basados en Reglas

Sistemas Expertos Basados en Probabilidades

 Inteligencia Artificial

Antecedentes Culturales

•Solución del Problema en General

•Percepción
•Comprensión del Lenguaje Natural
•Aprendizaje, Demostración de Teoremas, Juegos
Alcances de la IA
•Hardware para la IA
•Robótica
•Cibernética
•Sistemas Expertos (SE)
 Nociones de los SE

Conceptos

•Diagnosis
•Pronóstico
Áreas de Aplicación de los SE
•Planificación
•Reparación

Nociones de Funcionamiento de los SE

 Funcionamiento de los SE

Descripción del Esquema.

Experto del Dominio

Interactúan dos Motor de
agentes. Inferencia
Ingeniero del Conocimiento

Procedural
Bases del Conocimiento Interfase
Declarativo

Esquema de
Inferencia
 SE Basados en Reglas

•Tratan Problemas Deterministas

Premisa
•Dos partes la
componen Conclusión

•El motor de Inferencia

Modus Ponens,
Reglas de inferencia
Modus Tollens,

Estrategias de Encadenamiento de reglas,

inferencia Encadenamiento de reglas orientado a un obje
 SE Basados en Probabilidades
Enfermed
ad

•Tratamiento de la Incertidumbre Prueba

•Las redes de creencia Enfermedad Presente Ausente

Positivo 0,75 0,04

Negativo 0,25 0,96
•El razonamiento Bayesiano
Enfermedad
Presente =
•Probabilidades condicionales 0,08
Ausente = 0,92

Prueba
Positivo = 0,10

•Inferencia del Sistema Negativo =

0,90

•Probabilidades a Priori VPP = P(Enfermedad = presente | Prueba =

positivo) = [P(Prueba = positivo / Enfermedad =
presente) x P(Enfermedad = presente)] / P(Prueba =
•Probabilidades a Posteriori 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
Implementación en la Aplicación
•Flexibilidad 
•Interacción Ambiental

•Comunicación Interorganizacional
•Acceso a Base de Datos
•Simplicidad
•Flexibilidad
 Componentes Funcionales
Las Herramientas de Software y Hardware permiten a los usuarios diseñar sus
propios modelos para tomar decisiones…

•El
Modelo

•La Base de Datos Implementación en la Aplicación


•Sistemas de Software

•Interfaz con el Usuario

 Proceso de Toma de Decisiones

•Inteligencia
•Diseño
•Fases
•Elección
•Implementación

•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

•Consideracione
•Beneficios
s
 Simulación

Procesamiento de un modelo simulado, que puede someterse a manipulaciones que serían

Imposibles realizar, o muy costosas o imprácticas. Los resultados son examinados para luego
Inferirse en las propiedades del comportamiento del sistema que se pretende estudiar

Fundamentos Prácticos

Metodología Empleada

Generación de Variables Aleatorias

 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)
nferencia en cascada sobre otras variables (Si esto entonces…)
 Metodología empleada
•Números Aleatorios
•Sucesión de números equiprobables entre 0 y 9 ubicados aleatoriamente
Modulo, Iteraciones
•Periodicidad de las series aleatorias Semillas, Cttes.
•Métodos que generan series
•Manuales I=1 Si
I=I+1
•Tablas de bibliotecas
no
•Seudoaleatorios
I=1 Si
Semilla (K)
I=I+1
•Métodos Seudo aleatorios Vec(I)
no fin

•Los parámetros “Semillas” dan orígen a la serie. R1= Vec(i) + Vec(i-k)

•Distintos métodos, aplicando algoritmos matemáticos modifican

recurrentemente el valor de las semillas Vec(i+1)= R1 Mod M

•Testeos estadísticos pueden hacer utilizables a las series

•generadas
Método Aditivo de las Vec(i+1)

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

•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 siguiente
Cond(X) = Int((MiUltimo - MiPrimero + 1) * Rnd +
MiPrimero)
 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
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.

•Sistemas de Información

•Diferencias con las Base de datos Transaccionales •Soporte a DSS

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
 Características de un DW
•El DW excluye la data no usada para el
•Orientado al Tema análisis
•Los RDB están orientadas a las aplicaciones.
•Las relaciones encontradas en un DW son
muchas
•Codificación
•Medida de Atributos
•Integrado
•Convenciones de
Nombramiento
•Fuentes múltiples
•De Tiempo
Variante

•No Volátil
 Estructura y Arquitectura de un DW

•Detalle de datos actuales

•Detalle de datos antiguos
•Estructura •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
•Arquitectura •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
GUI
Db Operacional
Integración Acceso de usuarios
DW Finales
Transformación
MDX
Sist. A Medida
SQL
OLAP
Integrados
Data externa

Meta Data

•Evolución del
•Plataforma DW
Deposito
•Servidores de Db Relacional •Objeto tiempo
•Bloques Unix con MSP o MPP •Reemplazan datos idénticos
•Ej. Teradata •Horizonte de tiempo 5 a 10 años

•Metadat
•Flujo de Datos
a
•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

Ingreso de información
desde base de datos
transaccionales

•Dependiendo del
criterio y del tiempo

Data
Antigua,
almacenad
a en Cinta.
Usos del Data Warehousing
Uso de Base de Datos Operacionales
Muchos usuarios concurrentes
Consultas predefinidas y actualizables
Cantidades pequeñas de datos detallados
Requerimientos de respuesta inmediata
Uso de Data Warehouse
Pocos usuarios concurrentes
Consultas complejas, frecuentemente no anticipadas.
Cantidades grandes de datos detallados
Requerimientos de respuesta no críticos
SQL
MDX
 Lenguaje de Consulta Estructurado

•Comandos
•Cláusulas
•Componentes del SQL •Operadores
•Funciones de Agregado

•From
•DLL: Create, Drop, Alter •Where
•Comandos •Cláusulas •Group By
•DML: Select, Insert, Update, Delete
•Having
•Order By

•And
•Operadores Lógicos •Or
•Not •<
•>
•<> •Avg
•= •Count
•Operadores de Comparación •<= •Funciones •Sum
•>= •Max
•Between •Min
•Like •etc
•In
 Análisis y diseño de la Aplicación

Análisis del
Problema
Informatización en la Producción
Ganadera
Trazabilida
d
El modelo
propuesto
 Análisis del Problema

•Las posibilidades de la producción Ganadera

•La Cría del Ganado Vacuno

•Estructuración de los
procesos
•Necesidad de Informatización

•Ingeniería y reingeniería de datosAccess SQL

Server
•Antecedentes

•Fuentes de Información
 Posibilidades de producción

•La Cría

•La Cría y Recría

•Invernada

•Tambo

•Cabañas
 La Cría del Ganado Vacuno

•Objetivos de la cría

•Zonas de Cría y Estadísticas

•Categorías que componen el rodeo de cría

•Etapas de la Cría
 Objetivos de la Cría

•Lograr un ternero por vaca y por año

•Llegar al destete con el mayor peso

•Entorar la vaquilla de reposición lo antes posible
(recría corta)
•Lograr la mayor longevidad (vida útil) en los vientres

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

•Manejar la máxima carga animal

•Lograr el menor intervalo entre partos

 Zonas de Cría

•NEA
•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.

•La pampa húmeda

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

•Vacas de Cría, vientres o madres

•Etapas •Toros o padres
•Vaquillonas de reposición

•Servicio o Entore
•Gestación o Preñez
•Etapas de la Cría •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

•¿Qué es la Trazabilidad?
•Situación en la Argentina y en el
mundo
•Tipos de Identificación

•Soporte de la información
 Qué es la Trazabilidad?
Una vulgar definición: Seguirle el rastro a la
carne
•Criadores.
•Entidades •Invernadores
•Comercializadores
involucradas en •Procesadores Implementación en
el negocio de la •Distribuidores la Aplicación
•Exportadores 
carne
•Consumidores

•Caravana
•Medio de identificación del animal.•Micro chip
•Bolo de
identificación
•Otros
•Desde el establecimiento a la góndola del supermercado.
•Desde el nacimiento hasta la faena del animal.
•…….”La ficha del Animal”……..
•La sanidad del animal…
 La situación Actual

•Compromiso privado y público

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

•EL sistema Español

 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
•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.

•Modelo Estratégico
•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
Pesos
Marcas/Señales
Reportes
Planes
Ingreso Sanitarios
del Ubicación
Animal
Prácticas
Estadísticas DSS
Simulación Tactos
Servicio
s
Nacimiento
s Pronóstico
Evol. Animal.
Compra/Venta
Resultados…

Utilidades
Operativas
Estrategias de
Simulación
Utilidades de Soporte a la
Decisión
Técnicas OLAP para
DSS


 Estrategias de Simulación

•Simulador de Pesos
El Simulador Experto (Selecciona Etapa y asigna parámetros)

Obviar el Experto (Ingresar los parámetros máximos y mínimos)

•Simulador de Condiciones Corporales

Elegir intervalos de fecha de nacimiento

Elegir intervalos de caravanas

Usabilidad y Utilidad 
 Usabilidad y Utilidad

•Simulación y Sistemas Expertos

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

Según Perspectivas (Optimistas y pesimistas)

•Pronóstico a partir de la simulación

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

Condición para ingresar a servicio

(Los porques)

Inferencia del Sistema


 Inferencia del Sistema
e-ganadero realiza la siguiente operación para realizar lo que el usuario
requiere.
Ingreso de parámetros (criterios de
selección/elección)

Experto, actúa según etapa de la cría seleccionada

Consulta BD. Para comp. Si existen registros cargados

Descarta Criterio No si Incluir criterio

Exi. Reg?

Según reg. setea variables para consulta

Combina criterios

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

Informe: Caravanas encontradas

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

Cuando •Cuando no ingresan a servicio/s

•Cuando no se preñan
descartar
•Cuando no destetan un ternero
animales?

Posibilidad de elegir el período

Relación con la utilidad para servicios

La decisión del experto


 Decisiones del experto
Decisiones estructuradas

•Descartar animales
•Implica reponer plantel de reproductoras
Las opciones •Suplementar con alimentación
•Cambiar el plan sanitario

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

Las metodologías empleadas, utilizan técnicas de

sistemas expertos basados en reglas de decisión
Inferencia del sistema combinadas con consultas estructuradas a la base de
datos.


 OLAP en DSS
Procesamiento Analítico en
Línea.

•Modelo de datos multidimensional, facilita la exploración y el análisis

•capacidad de explorar las complejas relaciones existentes entre los datos
empresariales.
Característic •Otras explicadas en tema DW
as •La tecnología OLAP permite un uso más eficaz de los almacenes de datos
para el
análisis en línea, lo que proporciona respuestas rápidas a consultas
analíticas
complejas e iterativas.
Realizan todas las operaciones explicadas en el capitulo DW.
Las herramientas OLAPTransformación de datos, filtros, administración de los datos,
etc.

Conceptos sobre OLAP

 Conceptos sobre OLAP

Un cubo es un conjunto de datos que normalmente se construye a partir de un subconjunto

Cubos 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

Dimensionesen 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

Medida tabla de hechos del cubo, valores que suelen ser numéricos. Además, las
s 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.

Inventari
o

Condición
Corporal
 Implementaciones Futuras
•Pronóstico
Utilizando SE basados en probabilidades. Ejemplo INTA
Utilidades de (probabilidad de preñez según Condición Corporal)
Planificación •Planificación Mediante Modelado y
Simulación
Utilizando Criterios de parametrización Optimista, Pesimista y Medio. (Ej.
Proyección de cuantos terneros nacerán el próximo año)

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

Expertas •Tipo de Destete a Realizar (De acruerdo a la Cond. Corp. de la
madre)
Para el Soporte a •Donde ubicar a los animales (Según datos de los potreros y los
la Decisión animales)
•GIS (para conocer la Ubicación de los animales)
•Inf. De Vacunos (Particulares)
•Inf. De Pesos
Generación de •Inf. De Condiciones Corporales
•Informes de Ubicaciones (Potreros)
Informes •Inf. De Servicios, Preñeses, Destetes, Pariciones, etc.
•Inf. De Planes Sanitarios
•Inf. Para Trazabilidad.
•Inf. De Árbol Genealógico
Conclusiones

Tendencias de los
DSS
Las Posibilidades de la Región

La Trazabilidad de la Carne

El aporte de la Informática

Los propósitos del trabajo