UNIVERSIDAD NACIONAL TECNOLÓGICA DE LIMA SUR

FACULTAD DE INGENIERÍA Y GESTIÓN

ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE SISTEMAS

PROFESOR:

Quintanilla de la Cruz, Eduardo

TEMA:

Sistemas Expertos Basados en Reglas

TRABAJO DE INVESTIGACIÓN PRESENTADO POR:

Navarro Chacon, Miluska

Tueros Sanchez, Crystopher Andrew

LIMA – PERÚ

2022
 ÍNDICE
1 INTRODUCCION...................................................................................................................................3

2 DESARROLLO DEL TEMA......................................................................................................................4

2.1 Sistemas Expertos Basados en Reglas..........................................................................................4

2.2 Aplicaciones de los Sistemas Expertos Basados en Reglas...........................................................8

2.3 El Motor de Inferencia.................................................................................................................8

2.3.1 Modus Ponens y Modus Tollens..........................................................................................9

2.3.2 Encadenamiento de Reglas..................................................................................................9

2.3.3 Encadenamiento de Reglas orientada a un objeto..............................................................9

2.4 Control de Coherencia...............................................................................................................10

2.4.1 Coherencia de Reglas.........................................................................................................10

2.4.2 Coherencia de Hechos.......................................................................................................10

2.5 Tipos de Sistemas Expertos........................................................................................................10

2.5.1 Basados en reglas previamente definidas:.........................................................................10

2.5.2 Representación del Conocimiento:....................................................................................10

2.5.3 Basados en Casos:..............................................................................................................11

2.5.4 Basados en redes Bayesianas:............................................................................................11

2.6 Algunos Casos donde se implementaron Sistema Expertos:......................................................11

3 CONCLUSIONES..................................................................................................................................13

4 REFERENCIAS.....................................................................................................................................14
1 INTRODUCCION

En la actualidad y ante un mercado diverso y altamente competitivo que exige a las

empresas almacenar y analizar una gran diversidad de información, los Sistemas
Expertos se destacan entre las herramientas de soporte para la toma de decisiones.
Han sido diseñados para facilitar tareas en múltiples campos de aplicación y
proporcionar equivalentes resultados que un especialista, emulando la capacidad
humana de tomar decisiones de acuerdo con las condiciones del contexto.

El presente trabajo es un compendio donde se expone de manera introductoria el

origen de los Sistemas Expertos, sus características principales, su vinculación con la
inteligencia artificial, las diferentes tecnologías asociadas y su aplicación para la ciencia
y la industria. Asimismo, también se presentan brevemente tecnologías y frameworks
disponibles en la actualidad para diseñar e implementar un Sistema Experto en
diferentes áreas o mercados. Finalmente, se completa el trabajo con un breve análisis
describiendo las ventajas, limitaciones y tendencias actuales en Sistemas Expertos.
2 DESARROLLO DEL TEMA

2.1 Sistemas Expertos Basados en Reglas

Un sistema experto está diseñado para trabajar como si fuera una persona experta en
algún tema específico. Trata de replicar o de simular el conocimiento que han adquirido
estas personas basándose en las herramientas que ofrece la inteligencia artificial. Su
función principal es tratar de ofrecer soluciones que puedan resolver problemas
prácticos o también la creación de conocimiento nuevo.

Figura 1. Arquitectura de un Sistema Experto Basado en Reglas

Analizaremos las componentes de la arquitectura general de un sistema Experto.

 Experto: es la persona que interactúa con el sistema para “transferirle su

conocimiento”, mediante la inserción de reglas.
 Módulo de Adquisición del Conocimiento: es la interfaz entre el sistema
experto basado en reglas y el humano experto, por medio del cual ingresa nuevo
conocimiento a la base de conocimientos.

 Base de Datos (Hechos): son los datos importantes o relevantes relacionados

al problema específico. Consta de dos partes 

o Permanente: son los hechos que no cambian y que siempre se presentan

en el problema.
o Temporal: son hechos variantes que cambian mientras se intenta
solucionar el problema.

 Base de Conocimientos (Reglas): forma en que se guarda el conocimiento

mediante el uso de reglas. Una regla es solo una parte del conocimiento con el
cual se soluciona el problema. Se almacenan con el siguiente formato:

Hipótesis (Antecedente) à Conclusión (Consecuente)

No son deducciones lógicas, sino más bien el conocimiento adquirido por un

experto.

Se les puede asignar una prioridad para tener ordenadas las reglas de acuerdo
con su importancia de aplicación. A diferencia de los hechos, las reglas pueden
contener variables. Estas variables aumentan la expresividad de las reglas, la
complejidad de su gestión y facilitan la modificación de las reglas. 

Hay ciertos sistemas que piden que las reglas cumplan ciertas restricciones: 
 o No utilizar la disyunción (o) en la hipótesis.
o Las conclusiones solo pueden ser expresiones lógicas simples.
o Utilizar formas normales.

 Módulo de Explicación: este es el encargado de generar los resultados o

diagnósticos para el usuario, que se han obtenido del motor de inferencia.

 Motor de Inferencia: es el encargado de la generación de conocimiento nuevo

utilizando el que ya se tiene, por medio de la simulación de un procedimiento de
razonamiento. Este procedimiento parte de una serie de datos hasta obtener una
solución. Hay dos técnicas de inferencia para bases de conocimiento basadas
en reglas:

o Encadenamiento hacia adelante: a partir de una base de hechos inicial y

la base de reglas se forman soluciones intermedias para poder llegar a
una consulta final o base de hechos final.

Figura 2. Encadenamiento hacia Adelante. 

 o Encadenamiento hacia Atrás: a partir de una consulta (objetivo) y
utilizando la base de reglas y la base de hechos inicial se plantean
subobjetivos los cuales se resuelven para dar soluciones.

Figura 3. Encadenamiento hacia Atrás. 

 Interfaz de Usuario: es la parte del sistema experto basado en reglas con la

que interactúa el usuario.

 Usuario: es la persona que consulta el sistema para obtener una respuesta.

Con la información que provee se trata de generar una conclusión y si es
ambigua se obtiene más información de parte del usuario.

2.2 Aplicaciones de los Sistemas Expertos Basados en Reglas

Los campos en los que más se han desarrollado sistemas expertos basados en reglas
son los siguientes: (Madruga, 2011)

o Medicina
o Geología
o Química
o Economía
 o Ingeniería Civil

Solo que no todos los problemas en estas áreas, sino aquellos que se prestan para
utilizar la técnica de sistemas basados en reglas:

o Clasificación o interpretación.
o Diagnóstico: médico o técnico
o Predicción y previsión
o Diseño y configuración
o Planeación
o Monitoreo y control
o Vigilancia y alarma
o Manual de instrucciones

2.3 El Motor de Inferencia

Este concepto ayuda en la elaboración de dos elementos como son los datos y el
conocimiento. Asimismo, los motores de inferencia usan ambos para llegar a nuevas
conclusiones o nuevos hechos. Por ejemplo, si la hipótesis base es verdadera,
entonces la conclusión de la regla también debe ser verdadera. Los datos sin procesar
aumentan Incorporar los nuevos resultados.

Por lo tanto, los datos o los datos originales de los elementos y las conclusiones
extraídas de ellos forman parte de los hechos o datos disponibles en un momento
determinado.

Para obtener resultados se usan distintos tipos de reglas de inferencia como son:

o Modus Ponens
o Modus Tollens

y las estrategias usadas que son:

 o Encadenamiento de reglas.
o Encadenamiento de reglas encadenado a un objetivo.

2.3.1 Modus Ponens y Modus Tollens

El Modus Ponens es la regla de inferencia más conocida ya que nos ayuda a calcular
resultados simples. Su forma de trabajar es buscar la premisa de la regla y si es
verdadera forma parte del conocimiento.

Mientras que el Modus Tollens se utiliza para que nos de resultado sencillos, pero su
forma de usar se podría decir que es inversa al anterior, ya que si la conclusión es falsa
se entiende que la premisa también es falsa.

2.3.2 Encadenamiento de Reglas

La facilidad de esta estrategia de inferencia es que, al momento de que algunas
premisas coinciden con otras conclusiones da lugar a nuevos hechos, esta estrategia
se repite hasta que no haya más coincidencia, por lo que no habrá más conclusiones.

2.3.3 Encadenamiento de Reglas orientada a un objeto

El algoritmo de cadena de reglas orientado al objetivo requiere que el usuario primero
defina la variable de destino o el nodo; Entonces el algoritmo explora las reglas para
encontrar el resultado del nodo de destino. Lo correcto es que no se pueden sacar
conclusiones con la información disponible, entonces el algoritmo obliga a los usuarios
a buscar nueva información sobre elementos relevantes para recibir información sobre
la finalidad.

2.4 Control de Coherencia

Este control de coherencia nos permite controlar la coherencia de conocimientos, el

motivo es porque un experto puede dar una información no válida.

2.4.1 Coherencia de Reglas

Aquí se indica que a un grupo de reglas se denomina coherente si existe, en unos de
sus objetos, valores que producen conclusiones no contradictorias.
2.4.2 Coherencia de Hechos
Los datos o pruebas proporcionados por el usuario también deben ser compatibles con
todas las reglas de la base de datos. Por lo tanto, el sistema no debe aceptar eventos
que entren en conflicto con el conjunto de reglas o el conjunto de eventos presentes en
cada punto del proceso.

2.5 Tipos de Sistemas Expertos

2.5.1 Basados en reglas previamente definidas:

Un sistema basado en reglas funciona aplicando reglas, comparar resultados y aplicar
nuevas reglas situacionales de revisión. También pueden trabajar mediante inferencia
lógica dirigida, un buen comienzo Con la primera pista en una situación específica y
hacía obtención de una solución o con hipótesis sobre posibles soluciones y retrocede
para encontrar la evidencia que existe apoya una hipótesis particular.

2.5.2 Representación del Conocimiento:

Hay muchas formas de representar el conocimiento haciendo uso de la inteligencia
artificial, pero los sistemas expertos son llamados sistemas basados en reglas.

2.5.3 Basados en Casos:

Este tipo sistema se realiza de forma que la experiencia adquirida anteriormente lo
emplees para resolver futuros problemas, los cuales tengan coincidencias con las
anteriores. Un ejemplo a este caso sería: Cuando un técnico que da soporte en la
municipalidad anteriormente tuvo que resolver un problema de hardware en una de las
PC y actualmente se ha dañado otra PC, pero que tiene los mismos problemas que el
anterior, eso quiere decir que ya sabe cómo solucionarlo.
Este tipo de sistemas implementado a una computadora ayuda demasiado, ya que
desarrolla por sí solo problemas posteriores ya aprendido lo anterior.

2.5.4 Basados en redes Bayesianas:

Una red bayesiana es un modelo probabilístico en un gráfico acíclico dirigido es un
modelo gráfico probabilístico que representa un conjunto de variables aleatorias y sus
dependencias condicionales a través de un gráfico acíclico dirigido.

2.6 Casos donde se implementaron Sistema Expertos:

 Sistema de Ayuda sobre Legislación Argentina en Riesgos de Trabajo

Es un sistema experto que brinda información a los operadores judiciales para

decidir sobre la futura sentencia que se hará pública en un caso, a favor de la
activación de los acuerdos previos al juicio para agilizar los procedimientos.

 Sistema Experto para el entrenamiento y asistencia en la toma de

decisiones en un Centro de Información y Control Aéreo

Sistema experto destinado a facilitar la formación de los empleados y ayudar en

su entrenamiento. Las decisiones de interceptación en el centro de Información y
Control en presencia de vuelos anónimos se consideran vuelos potencialmente
ilegales.

 Diseño de un Sistema Experto Difuso: Evaluación de Riesgo Crediticio en

Firmas Comisionistas de Bolsa para el Otorgamiento de Recursos
Financieros

(Medina & Oswaldo, 2007) nos comentan que en este trabajo de investigación
revisa y describe el modelo de un sistema para asignar recursos financieros a
las sociedades comisionistas de bolsa y lograr que los recursos sean invertidos
en beneficio de la empresa de tal forma que no solo mitigue el riesgo de no
 recibir los pagos de capital, sino que también genera rendimientos adicionales
para la empresa a partir de la inversión de capital.

El modelo basado en sistemas expertos difusos permite sustentar estas

decisiones de asignación de recursos financieros. El trabajo proporciona
inicialmente una descripción del marco conceptual necesario para asegurar una
comprensión adecuada del sistema. Luego se discute una descripción general
del sistema de inferencia, teniendo en cuenta la selección de variables de
entrada y la creación de 3 macro evaluaciones integradas.

Estas valoraciones permiten calcular los recursos financieros o límites de crédito

asignados a cada sociedad comisionista de bolsa.

La última sección proporciona una revisión de 10 empresas seleccionadas al

azar para probar y validar el modelo y garantizar que arroje resultados que sean
consistentes con la evaluación de un experto. Los resultados se pueden utilizar
en la evaluación diaria de las casas de bolsa.

 SISTEMA EXPERTO BASADO EN REGLAS PARA UNA APLICACIÓN DE

MONITORIZACIÓN DE PRODUCCIÓN INDUSTRIAL

(Curiel, 2013) en su trabajo menciona que las compañías de todo tipo se

interesan cada vez más en aumentar su rendimiento, reducir sus costes y
disminuir su impacto ambiental. Para ello, hay que ser conscientes de que todo
proceso tiene pérdidas. Si no se controlan continuamente estos procesos para
saber qué está ocurriendo, se puede estar perdiendo capacidad productiva y, por
lo tanto, dinero.

El software edinn R M2 es un sistema que monitoriza automáticamente en

tiempo real a las personas y las máquinas de cualquier sector, e integra las
funciones y estándares necesarios para la mejora total de la eficiencia.
 Para poder tener una visión lo más real posible de lo que ocurre en una
compañía, y poder tomar de esta forma las medidas adecuadas para mejorar, es
muy importante la correcta configuración del sistema edinn R M2. Para ello, se
da la formación inicial necesaria al cliente. Un elevado porcentaje del personal
que recibe la formación no está familiarizado con todos los conceptos de
producción que se manejan en el sistema. Además, ciertos cambios que se
realizan en el proceso de producción (introducción de nuevo producto, o
proceso, una modificación de la agrupación para un área de la planta, etc.)
requieren, como es evidente, reajustar los parámetros del sistema.

La solución aquí planteada es un sistema experto capaz de manejar las

complejas relaciones que existen en el proceso de producción, así como la
correcta configuración de los parámetros del sistema respecto a ellas.

3 CONCLUSIONES

El sistema experto ha sido diseñado para respaldar tareas en muchas áreas de

aplicación y ofrecer resultados similares a los de un experto humano. Sabemos que no
es adecuado para solucionar problemas generales, pero su eficacia es mayor cuando
el campo de aplicación es acotado. Actualmente, los sistemas expertos se utilizan en
muchas áreas diferentes y existen muchas herramientas y técnicas para su
implementación. Sin embargo, como cualquier sistema, tienen fortalezas y debilidades
y, en general, debido a su flexibilidad, confiabilidad y escalabilidad, pueden
considerarse una tecnología efectiva que ha sido lo suficientemente probada y madura
para tomar decisiones importantes.

4 REFERENCIAS
Curiel, A. (2013). SISTEMA EXPERTO BASADO EN. Obtenido de
https://riunet.upv.es/bitstream/handle/10251/39143/TFM%20-%20IARFID%20-
%20Alexander%20Curiel%20Robles.pdf?sequence=1
Madruga, A. (2011). Sistemas Expertos. Obtenido de
https://blogs.sld.cu/alejandro/files/2016/04/Sistemas-Expertos.pdf

Medina, S., & Oswaldo, O. (2007). DISEÑO DE UN SISTEMA EXPERTO DIFUSO:

EVALUACIÓN DE RIESGO CREDITICIO EN FIRMAS COMISIONISTAS DE
BOLSA PARA EL OTORGAMIENTO DE RECURSOS FINANCIEROS. Obtenido
de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0123-
59232007000300005