SISTEMA EXPERTO PARA LA TOMA DE DECISIONES EN LA

DETERMINACIÓN DE LA FACTIBILIDAD DE CONSTRUCCIÓN DE

PLANTAS DE BIOGÁS A PARTIR DE RESIDUOS DISPONIBLES
EN LA PROVINCIA DE SANCTI SPÍRITUS
EXPERT SYSTEM FOR DECISION-MAKING IN DETERMINING THE FEASIBILITY OF
BUILDING PLANTS BIOGAS FROM WASTE IN THE PROVINCE OF SANCTI SPIRITUS.
1 2 3
Orelvis López Jiménez , Roxana Martín Ramos , Leisi Laura Giraldo Delgado

1 UNISS, Cuba, olopez@suss.co.cu, Carretera Santa Lucia, Cabaiguán, Sancti Spíritus.

2 UNISS, Cuba, roxana@suss.co.cu
3 Empresa de Productos Lácteos SS, Cuba.

RESUMEN: Cada vez más las tecnologías de la información ocupan nuevas áreas del conocimiento y el apoyo
a la toma de decisiones no podía ser la excepción, en este trabajo ponemos a disposición de los especialistas y
profesionales del biogás un Sistema Experto para la toma de decisiones en la determinación de la factibilidad de
construcción de plantas de Biogás a partir de residuos disponibles en la provincia de Sancti Spíritus, específi-
camente un Sistema Basado en el Conocimiento. Para lograr el diagnóstico y la comparación de casos, se
construyen bases de casos con casos representativos, haciendo uso de WEKA como herramienta de Aprendiza-
je Automatizado. Empleando como clasificadores el método del vecino más cercano, el árbol de induccion J48 y
la red neuronal con el método MLP.

Palabras Clave: Sistema Experto, aprendizaje automatizado, IBK, J48, MLP, biogás.

ABSTRACT: Increasingly, information technologies occupy new areas of knowledge and support decision mak-
ing could not be the exception, in this paper we provide specialists and professionals biogas an expert system for
decision making in the determining the feasibility of constructing biogas from waste in the province of Sancti
Spiritus, specifically a Based System Knowledge. To achieve the diagnosis and the comparison of cases, case
bases are constructed with representative cases as WEKA using automated learning tool. Classifiers using the
nearest neighbor method, the J48 tree induction and neural network with the MLP method

KeyWords: Expert System, machine learning, IBK, J48, MLP, biogas.

1. INTRODUCCIÓN llamado una Revolución Energética de importante

El mundo actual enfrenta una crisis energética
debido al uso indiscriminado de los combustibles
convencionales (petróleo, gas natural y carbón) por
el carácter no renovable de estos recursos, una de
las vías con que cuenta la humanidad para contra-
rrestar este problema es un mayor aprovechamien-
to de las fuentes renovables de energía. Desde el
año 2005 se ha desarrollado en Cuba lo que se ha
impacto económico, social y ambiental, cuya clave
ha sido el ahorro de combustibles y la eficiencia
energética, junto al uso de las fuentes renovables
de energía por sólo señalar algunos de sus más
significativos aspectos.
Una de las principales fuentes de energía reno-
vable existente en el país es precisamente la bio-
masa, ya que no existen grandes ríos, ni zonas con
altas velocidades del viento. La biodegradación de

“II Conferencia Internacional de Ciencias Computacionales e Informáticas”

 López Jiménez, Orelvis.; Martín Ramos, Roxana., Giraldo Delgado, Laura. | “SISTEMA EXPERTO PARA LA TOMA DE DECISIONES EN LA
DETERMINACIÓN DE LA FACTIBILIDAD DE CONSTRUCCIÓN DE PLANTAS DE BIOGÁS A PARTIR DE RESIDUOS DISPONIBLES EN LA PROVINCIA DE
SANCTI SPÍRITUS”
esta biomasa para la producción de biogás podría
aportar beneficios no sólo energéticos, sino también
ambientales contribuyendo al mejoramiento del
entorno rural, urbano e industrial y a la recuperación
de los suelos. Una de las maneras de convertir esta
biomasa en energía ha sido mediante la degrada-
ción anaerobia para la obtención de biogás o gas de
los pantanos como también se le conoce. Existen
reportes en la literatura que afirman que el uso del
biogás podría sustituir a estos combustibles fósiles
en un 80 % o más.[1]
Como una problemática general se plantea la im-
portancia de conocer con certeza los potenciales de
residuos que verdaderamente existen, el equivalen-
te a biogás que representan, la factibilidad de la
selección del residuo y de la construcción de la
planta, en nuestra provincia la información referente
al mismo se encuentra descentralizada y en diferen-
tes formatos ocasionando demoras a la hora de
tomar las decisiones, planteándonos la siguiente
interrogante. ¿Cómo contribuir a la toma de deci-
siones en la determinación de la factibilidad de
construcción de plantas de Biogás a partir de resi-
duos disponibles en la provincia de Sancti Spíritus?
2. CONTENIDO Y MATERIALES
En el año 1956, durante un Congreso en Dart-
mouth (U.S.A.) se propuso el término de Inteligencia
Artificial para agrupar a todos los métodos, técnicas
e intentos de simular el intelecto humano en la
computadora. Casi todos los especialistas están de
acuerdo con esto, y quien acuñó este término fue el
1
matemático John McCarthy . Además de McCarthy,
son considerados padres de esta disciplina Marvin
2
Minsky y Herbert Simon y Allen Newell de la Uni-
versidad de Carnegie-Mellon.
En la década del 70 se reconoció que los méto-
dos de solución de problemas generales eran insu-
ficientes para resolver los problemas orientados a
aplicaciones. Se determinó que era necesario el
conocimiento específico sobre el problema, limitado
a los dominios de aplicación de interés, en lugar de
conocimiento general aplicable a muchos domi-
nios. Este reconocimiento condujo al desarrollo de
Sistemas Basados en el Conocimiento (SBC).
El conocimiento representado en los SBC es el
1
Creador del LISP, profesor del Instituto de Tec-
nología de Massachusetts (MIT).
2
Profesor del Instituto de Tecnología de Massa-
chusetts (MIT).
“II Conferencia Internacional de Ciencias Computacionales e Informáticas”
de los expertos en el dominio y ejemplos del domi-
nio específico del problema. Un experto es una
persona que posee habilidades que le permiten
sacar conclusiones de experiencias pasadas y
rápidamente focalizar sobre el centro de un proble-
ma dado. Las mayores posibilidades del éxito de
un experto en la solución de problemas, se deben a
que ha adquirido un conjunto de relaciones de cau-
sa y efecto poderosas, basadas en la experiencia.
Un experto es capaz de utilizar este conocimiento
básico para reconocer rápidamente rasgos sobre-
salientes del problema, clasificar este de acuerdo
a estas características y buscar una solución;
también se basan en casos similares al problema a
resolver y toman de ellos las soluciones dadas
como punto de partida para encontrar la solución
al nuevo problema, de ahí que la potencia de un
SBC radica en el conocimiento que posee.
En términos generales, un SBC puede ser defi-
nido como:
Un sistema computarizado que usa conocimien-
to sobre un dominio para arribar a una solución de
un problema de ese dominio. Esta solución es
esencialmente la misma que la obtenida por
una persona experimentada en el dominio del pro-
blema cuando se enfrenta al mismo problema [2].
Según [3], un SBC se puede definir como: “Un
sistema informático que simula el proceso de
aprendizaje, de memorización, de razonamiento, de
comunicación y de acción de un experto humano en
una determinada rama de la ciencia, suministrando,
de esta forma, un consultor que puede sustituirle
con unas ciertas garantías de éxito”
Tres conceptos fundamentales relativos a los
SBC lo distinguen de los programas basados en
búsqueda general:
 La separación del conocimiento de cómo este
es usado (distinción entre conocimiento y estra-
tegia de control).
 El uso de conocimiento muy específico del do-
minio.
 Naturaleza heurística, en lugar de algorít-
mica, del conocimiento empleado.
Un ejemplo específico de SBC lo es el Razona-
miento Basado en Casos (RBCa), el cual consiste
en un método para resolver problemas no estructu-
 López Jiménez, Orelvis.; Martín Ramos, Roxana., Giraldo Delgado, Laura. | “SISTEMA EXPERTO PARA LA TOMA DE DECISIONES EN LA
DETERMINACIÓN DE LA FACTIBILIDAD DE CONSTRUCCIÓN DE PLANTAS DE BIOGÁS A PARTIR DE RESIDUOS DISPONIBLES EN LA PROVINCIA DE
SANCTI SPÍRITUS”
rados en el cual el razonamiento se realiza a partir
de una memoria asociativa que usa un algoritmo
para determinar cierta medida de semejanza entre
dos objetos. La base de su comportamiento inteli-
gente radica en la capacidad de recordar situacio-
nes similares ocurridas en el pasado. En esa técni-
ca la memoria asociativa se sitúa como fundamento
de la IA y más concretamente de los sistemas ba-
sados en el conocimiento, cálculo de niveles de
activación de neuronas [4]. O los métodos basados
en el enfoque lógico combinatorio para el reconoci-
miento de patrones caracterizados por análisis de
cercanía o semejanza entre objetos tales como el
método del vecino más cercano o el vecino más
semejante, algoritmos basados en el peso informa-
cional de objetos o rasgos, algoritmos de votación,
otros métodos de búsqueda pueden estudiarse en
[5].
Básicamente un Sistema Experto (S.E), se divi-
de en tres módulos:
 Base de Conocimiento (B.C.): Es el corazón
del S.E. La misma contiene el conocimiento
tanto público como privado que posee el
experto para la solución de problemas en
un dominio de aplicación concreto.
 Máquina de Inferencia (M.I.): Implementa
algún Método de Solución del Problema
(MSP). que manipula el conocimiento alma-
cenado en la B.C.
 Interface con el Usuario.
 Entre los campos donde se aplican con
más frecuencia se encuentran [6]:
 Medicina. Gran parte de los Sistemas Ex-
pertos que se han desarrollado se aplican
en el área de la medicina, donde su función
es realizar diagnósticos de enfermedades
basados en el cálculo de probabilidades.
[6]. MYCIN. Diagnóstico y terapia de enfer-
medades infecciosas bacterianas, creado
en la Universidad de Stamford. Varios test
han demostrado que MYCIN trabaja tan
bien o mejor que un médico.[2]. CASEY [7],
para diagnosticar problemas cardiacos.
SHRINK [8], parta el diagnóstico en psiquia-
tría. PROTOS [9], para el diagnóstico de
trastornos auditivos.
 Finanzas. Es un campo importante debido
“II Conferencia Internacional de Ciencias Computacionales e Informáticas”
a las grandes inversiones realizadas por en-
tidades financieras, bancarias y asegurado-
ras. DIRECTOR IDEAL: Del banco Santan-
der. Valoración de la situación financiera de
una empresa o cliente. EXPERT EDGE:
Concesión de créditos y préstamos.
 Industria: CSA Manejo de centrales nu-
cleares. KRITIK:[10] para el diseño de pe-
queños ensambles mecánicos. XBE: [11],
para diseñar sistemas de manufactura
 Electrónica. Se orientan al diseño, diag-
nóstico y reparación. El uso de Sistemas
Expertos se debe a la creciente compleji-
dad de los circuitos y al gran número de pa-
rámetros a considera en los mismos. DAA:
Diseño de circuitos con alto grado de inte-
gración. ARGOS-2: Simulación de la toma
de decisión de un robot.
 Militar. En actividades de monitoreo, dise-
ño, planeación, educación y control. SOL-
DIER: Manejo de vehículos y proyectiles
semiautomáticamente. REACTOR: Detec-
ción y actuación en caso de alarmas y
emergencias.
 Aeronáutica. Orientado al control de la po-
sición de los satélites y la interpretación de
sus imágenes. AIRPLAN: Planificación de
lanzamientos y despegues, recuperación de
aviones sobre una base o un portaaviones.
CAT: Evaluación de una amenaza de abor-
do de un avión.
 Agricultura. Diagnóstico y tratamiento de
tierras, control de plagas, creación de nue-
vos herbicidas y tratamiento de animales.
VP-EXPERT:[12], diagnóstico de plagas in-
3
sectiles en el maíz. TOMATEX ver.3: apli-
cado en el tomate averigua los desórdenes
más típicos en las plantas para poder dar
unas especificaciones para su solución.
 Arqueología. Para determinar la antigüe-
dad de los restos arqueológicos, composi-
ción de las piedras. ARCHES: Experto en
arqueología.
3
Comercializado en el quinto taller sobre Inteli-
gencia Artificial en la agricultura en el Cairo del 8 al
10 de marzo de 2004
 López Jiménez, Orelvis.; Martín Ramos, Roxana., Giraldo Delgado, Laura. | “SISTEMA EXPERTO PARA LA TOMA DE DECISIONES EN LA
DETERMINACIÓN DE LA FACTIBILIDAD DE CONSTRUCCIÓN DE PLANTAS DE BIOGÁS A PARTIR DE RESIDUOS DISPONIBLES EN LA PROVINCIA DE
SANCTI SPÍRITUS”
 Geología. Se emplea en la exploración de
suelos, búsqueda de recursos, etc. PROS-
PECTO: Explorador de yacimientos minera-
les partiendo de información descriptiva de
una zona.
 Química. Estudio de las propiedades de
compuestos, interpretación de los resulta-
dos obtenidos en los análisis, planificación
de los procesos de síntesis. DENDRAL: Es
un sistema que determina la estructura mo-
lecular de los compuestos químicos a partir
de una información primaria, procedente de
ensayos.
Estudios recientes realizados en la provincia de
Sancti Spíritus se han basado en la estimación teó-
rica de los potenciales de biomasa a partir de recur-
sos agrícolas, pecuarios e industriales, utilizando
como base la información de los anuarios estadísti-
cos del año anterior y referido principalmente al
sector estatal aunque como se reconoce el principal
aporte estaría en los excrementos porcinos y va-
cuno [13].
2.4 El biogás como fuente de energía
renovable.
El biogás se puede también extraer del abono ani-
mal y puede ser quemado para producir electrici-
dad. Los combustibles de la biomasa y del biogás
se pueden almacenar para producir energía. Usar
este combustible podría también reducir el consumo
del combustible fósil y la contaminación atmosférica
[13].
Se llama biogás al gas que se produce mediante un
proceso metabólico de descomposición de la mate-
ria orgánica sin la presencia del oxígeno del aire.
Este biogás es combustible, tiene un valor calórico
3
alto de 4 700 a 5 500 kcal/m y puede ser utilizado
en la cocción de alimentos, para la iluminación de
naves y viviendas, así como para la alimentación de
motores de combustión interna que accionan, má-
quinas herramientas, molinos de granos, generado-
res eléctricos, bombas de agua y vehículos agríco-
las o de cualquier otro tipo. La generación natural
de biogás es una parte importante del ciclo biogeo-
químico del carbono. El metano producido por bac-
terias es el último eslabón en una cadena de micro-
organismos que degradan material orgánico y de-
vuelven los productos de la descomposición al me-
dio ambiente [14].
“II Conferencia Internacional de Ciencias Computacionales e Informáticas”
2.4 Planteamiento del problema.
La importancia de conocer con certeza los potencia-
les de residuos que verdaderamente existen, el
equivalente a biogás que representan, la factibili-
dad de la selección del residuo y de la construcción
de la planta, en nuestra provincia la información
referente al mismo se encuentra descentralizada y
en diferentes formatos ocasionando demoras a la
hora de tomar las decisiones, además esta es ge-
neralizada y los cálculos que posibilitan conocer los
datos precisos no son automáticos por lo que cuan-
do se desean conocer los mismos los resultados
pueden no ser seguros Se quiere llevar a cabo la
construcción de un SE para determinar la factibili-
dad de construir plantas de biogás a partir del po-
tencial de los residuos en la provincia de Sancti
Spíritus.
2.4 Proceso de adquisición de conocimien-
tos para la factibilidad de construcción
de plantas de biogás.
El proceso de IC siguió las etapas concebidas para
la elaboración de un SBC y comenzó con la identifi-
cación del problema y su compresión, para transitar
por un proceso de formalización del conocimiento
partiendo del supuesto que los expertos nos habla-
ban de casos, lo cual nos hizo pensar en archivos
de ejemplos de plantas de biogás debidamente
calculadas y construidas por campesinos e institu-
ciones. Pero no resulto ser así, pues la falta de
personal calificado y las pocas plantas de biogás
funcionando eficientemente nos hizo unir a criterio
de los expertos los ejemplos prácticos con los teóri-
cos. Sacando a relucir los rasgos más importantes
del problema para la toma de decisiones en la cons-
trucción de plantas de biogás. Teniendo en cuenta
los potenciales de los residuos, su cantidad y uso
del biogás.
2.3.1 Construcción de la Base de Conoci-
miento
Para la construcción de la Base de Conocimiento se
utilizó como Forma de Representación de Conoci-
miento los casos, ya que los datos que se manejan
son reales y teóricos, por tanto significa razonar
sobre la base de experiencias o casos previos,
cada una de las instancias construidas poseen un
conjunto atributos, alguno de ellos son irrelevantes
a la hora de la predicción. El fichero tiene 11 atribu-
tos, separados por su relevancia en relevantes e
irrelevantes a criterio de los expertos, estos son:
 Municipio: (irrelevante) contiene los 8 muni-
cipios de la provincia de Sancti Spíritus
 López Jiménez, Orelvis.; Martín Ramos, Roxana., Giraldo Delgado, Laura. | “SISTEMA EXPERTO PARA LA TOMA DE DECISIONES EN LA
DETERMINACIÓN DE LA FACTIBILIDAD DE CONSTRUCCIÓN DE PLANTAS DE BIOGÁS A PARTIR DE RESIDUOS DISPONIBLES EN LA PROVINCIA DE
SANCTI SPÍRITUS”
 Proveedores: (irrelevante) contiene los pro-
veedores de la provincia de los diferentes
residuos existentes
 Producto: contiene los diferentes productos
que aportan el residuo (arroz, tabaco, caña,
café, porcino).
 Residuos: contiene los diferentes residuos
que aporta cada producto (paja, cascarilla,
secadero, vena, palo, cachaza, vinaza, ba-
gazo, cáscara, pulpa, excreta, aguas resi-
duales).
 Índice de metano: es un valor real que de-
pende del residuo que se analice pues varía
según él tipo.
 Índice cantidad de residuo: es un valor real
y depende del residuo que se utilice.
 Utilización: contiene los diferentes usos que
se le da al Biogás en la provincia (cocinar,
generar electricidad, biofertilizante, calefac-
ción, iluminación).
 Cantidad: contiene la cantidad que se tiene
de un producto es un valor real.
 Metano: Es un valor real ya que es un
cálculo que se hace en dependencia del
producto, índice y residuo que se seleccio-
ne.
 Biogás: Es un valor real ya que es un cálcu-
lo que se hace en dependencia del produc-
to, índice y residuo que se seleccione.
 Clasificación: Es la valoración que se le da
a la instancia en relación al entrenamiento
que se le ha dado a la base de conocimien-
to, esta puede ser (buena, regular o mala).
Un ejemplo de una instancia lo es:
 jatibonico, uruguay, caña, vinaza, 76.8,
14.1, cocinar, 30, 2304, 4608, buena
2.3.2 Estructura del fichero para almace-
nar la Base de Casos.
La forma en que se almacena la base de casos es
fundamental para el proceso de adquisición del
conocimiento en sí, puesto que debe poderse car-
gar y modificar con facilidad por parte del Editor de
“II Conferencia Internacional de Ciencias Computacionales e Informáticas”
Base de Conocimientos o por el mecanismo de
inferencia. La estructura del fichero responde a las
necesidades y restricciones obtenidas después de
hacer el análisis del problema, la extensión del fi-
4
chero es .arff , para que pueda ser interpretado por
WEKA. Inicialmente se construyeron 150 casos
repartidos 50 en buena, 50 en regular y 50 mala.
El fichero se divide en tres secciones:
 Cabecera: Se define el nombre de la
relación, en este caso el nombre que
tiene es biogás.
 Declaraciones de atributos: En esta
sección se declaran los atributos que
compondrán al archivo junto a su tipo,
el fichero cuenta con 11 atributos, los
cuales son el municipio, provincia, resi-
duo, producto, cantidad, metano, bio-
gás, índice de la cantidad de residuo.
 Sección de datos: Se declaran los da-
tos que componen la relación separan-
do por comas los atributos y con saltos
de línea las relaciones, a cada línea es
a lo que se le llama instancia.
2.4 Afiliación de los Autores
Se implementó un editor de base de conocimientos
para facilitar la adquisición de conocimiento, puesto
que disminuye el tiempo de ingresar conocimiento
y la posibilidad de errores, al evitar las fallas que
pueden ocurrir en la edición o modificación de los
casos de la Base de Conocimientos. Además de
constituir una GUI más amigable para el experto.
Con la ayuda del editor el experto puede:
 Generar rápidamente los casos para las
distintas bases de casos que posee el sis-
tema, editar los rasgos complementarios
con facilidad.
 Realizar operaciones de inserción y elimi-
nación de casos de una forma eficiente y
transparente para el usuario.
 Listar los casos existentes en la base.
 Modificar el contenido de rasgos predicto-
res existentes.
 Obtener salvas como actualizaciones del
sistema completo, referenciando las BC en
uso o salvadas para evitar la pérdida de in-
formación teniendo la posibilidad de trabajar
con diferentes BC en dependencia de lo
que desee el experto.
Una de las características más importantes que
4
Acrónimo de Attribute-Relation File Format
 López Jiménez, Orelvis.; Martín Ramos, Roxana., Giraldo Delgado, Laura. | “SISTEMA EXPERTO PARA LA TOMA DE DECISIONES EN LA
DETERMINACIÓN DE LA FACTIBILIDAD DE CONSTRUCCIÓN DE PLANTAS DE BIOGÁS A PARTIR DE RESIDUOS DISPONIBLES EN LA PROVINCIA DE
SANCTI SPÍRITUS”

hacen de la herramienta útil; es su sistema de ac- de 10 x 10 en validación cruzada, dando los siguien-
tualización del conocimiento mediante un editor de tes resultados ver Figura. 1.
base de conocimientos. En todo momento es posi-
ble modificar la base de conocimientos para que de
esa manera el sistema cuente siempre con nueva
información. Es importante destacar que la adición
o eliminación de conocimiento debe de realizarse
por expertos. El experto, tiene la posibilidad de
cambiar la BC ya que es posible que la misma se
vuelva obsoleta o que con el tiempo vayan apare-
ciendo nuevos casos.

2.5 Solución del problema.

Para determinar el método de solución a em-

plear partimos precisamente de cómo resuelve el
experto este problema. Para lo cual el experto bus-
ca el nivel de similitud que tiene la nueva planta de
biogás y sus requisitos en cuanto a residuo y tama-
ño con los casos anteriormente concebidos. Ade-
más los expertos consideran igual peso para todos
los rasgos predictores.
Se trata entonces de adivinar una propiedad, sin
que se disponga de otra cosa más que un conjunto
de casos de referencia, por tanto, hallar el caso
más parecido, con respecto a propiedades conoci-
das y del cual se conoce la propiedad buscada.
Deducir que la propiedad desconocida es la misma
que la propiedad conocida [15].
Los métodos basados en vecindad son funda-
mentalmente dependientes de la distancia y en
consecuencia poseen características propias de
ésta como la cercanía, la lejanía y la magnitud de
longitud, entre otras aplicándose el método del ve-
cino más cercano. También se le aplicó uno de los
métodos de aprendizaje inductivo supervisado no
paramétrico más utilizado J48. Como forma de re-
presentación del conocimiento, los árboles de clasi-
ficación destacan por su sencillez. Otro de los mé-
todos utilizados por su potencia en la solución de
este problema lo fue el Multi Layer Perceptron
(MLP).
Analicemos entonces el los métodos empleados,
los cuales se implementa como métodos de solu-
5 clases destinados al sistema de clasificación. Las
ción para nuestro problema. Usando WEKA en su
versión 3.5.5 se entrenaron los diferentes modelos,
los cuales serán cargados por la aplicación a la
hora de inferir los resultados. Se realizó una corrida
5 gradiente se para reducir al mínimo el error cuadrá-
Acrónimo de Waikato Environment for Kno-
wledge Analysis. Herramienta para minería de datos
y aprendizaje automatizado.
Figura. 1: % de clasificación de los clasificadores.
En cada caso se realizaron configuraciones especí-
ficas para cada método empleado. Tanto para IB1
como para IB5[16] se tomó como función de distan-
cia la Distancia Euclidiana. Este método de aprendi-
zaje se basa en que los módulos de clasificación
mantienen en memoria una selección de ejemplos
sin crear ningún tipo de abstracción en forma de
reglas o de árboles de decisión.
El J48 es un algoritmo implementación hecha por
WEKA basado en el algoritmo conocido como C4.5
[17], forma parte también de los algoritmos basados
en árboles de decisión. Este algoritmo emplea el
concepto Razón de Ganancia ver Ecuación 1 que
define la cantidad de información mutua entre dicha
variable y la variable clase.
(1)
Un MLP es una red de alimentación hacia adelante
que consta de una capa de entrada, una capa de
salida, y una o más capas ocultas. El número de
unidades de procesamiento en la capa de entrada
es igual a la dimensionalidad del vector de entrada.
El número de unidades de procesamiento en la
capa de salida es el mismo que el número de las
unidades de tratamiento entre dos capas consecuti-
vas están totalmente conectadas con enlaces pon-
derados. Así como la regresión lineal se utiliza para
encontrar el conjunto de coeficientes que produzcan
el mínimo error, retropropagación con descenso de
tico medio entre la salida real de la MLP y la salida
deseada. Una descripción precisa del algoritmo se

“II Conferencia Internacional de Ciencias Computacionales e Informáticas”

 López Jiménez, Orelvis.; Martín Ramos, Roxana., Giraldo Delgado, Laura. | “SISTEMA EXPERTO PARA LA TOMA DE DECISIONES EN LA
DETERMINACIÓN DE LA FACTIBILIDAD DE CONSTRUCCIÓN DE PLANTAS DE BIOGÁS A PARTIR DE RESIDUOS DISPONIBLES EN LA PROVINCIA DE
SANCTI SPÍRITUS”

puede encontrar en [18] o en [19]. gración de los mismos. Tras el proceso de Ingenie-
ría del Conocimiento se logró formalizar el conoci-
miento de expertos en la rama de construcción de
2.6 Inferencia de la Solución. plantas de biogás; pudiendo formalizarlo en una
base de casos con formato legible desde WEKA. Se
Para clasificar una nueva instancia se siguen los
implementaron los clasificadores IBK, J48 y MLP
pasos siguientes:
para la construcción de los modelos de aprendizaje.
1. Se carga la base de conocimiento Se desarrolló un editor de base de conocimiento
2. Se conforma la instancia a entrenar para la manipulación de los casos por parte de los
3. Se selecciona el método por el cual se va a clasi- expertos. Se desarrolló un software con una interfa-
ficar. ce de usuario amigable para su uso por parte de los
usuarios como los expertos.
4. Se calcula los valores de metano y biogás según
el residuo y el índice correspondiente.
5. Se selecciona el mayor valor del grado de certeza 4. REFERENCIAS BIBLIOGRÁFICAS
y según este se muestra la solución.
1. Meneces, R.E. Establecimiento y
6. Se guarda el caso de entrenamiento si el grado evaluación de indicadores de desarrollo
de certeza es mayor al 85% y se está conforme a la sostenible en la electroenergética cubana.
solución obtenida. in Ética y Cultura del Desarrollo:
Construyendo una economía Sostenible.
2.7 Explicación de la solución. 1998.
2. Bello, R., Aplicaciones de la Inteligencia
Este elemento se construye con la intención de Artificial2002, Guadalajara: Universidad de
justificar la solución que el sistema ha encontrado, y Guadalajara.
para ello se lista las características de la solución
3. Zenaida García, I.B., Norma E. Cabrera,
mejor encontrada según el método seleccionado.
Sistema de diagnóstico para la estimación
Estas características incluyen la descripción del
de secciones en fallo en sistemas eléctricos
método que se utiliza para evaluar el nuevo caso en
de potencia. 2006.
análisis y la explicación de cómo llega a la solución
que se le muestra al usuario por pantalla. 4. Lawrence and Jeanette, Introduction to
Neural Networks1994: California Scientific
2.8 Recuperación de nuevos casos hacia la Software Press.
Base de Casos.
5. Rich, E., Inteligencia Artificial1988,
Un razonador basado en casos es bueno sólo en la Barcelona: Editorial Gustavo Gili.
medida de los casos que este pueda recordar. Por 6. Ayala, A.P., Sistemas basados en
eso el proceso más importante que facilita el razo- Conocimiento: Una Base para su
namiento basado en casos es la recuperación y Concepción y Desarrollo.2006, Mexico.
selección de los casos apropiados. La recuperación 199.
de nuevos casos hacia la BC permite la retroalimen- 7. Koton, P., Using experience in learning and
tación del sistema y la actualización del mismo, en problem solving, in Computer Science
la misma manera en que el usuario experto se en- Dept1988, MIT.
frente a problemas reales o simulados. Esta tarea
se realiza de manera independiente a la de actuali- 8. Kolodner, J.L.K.y.R., Using experience in
zar la BC desde el editor de conocimiento puesto clinical problem solving: Introduction and
que esta tarea se realiza de forma automática, pri- framework. Vol. 3. 1987.
mero si cumple con un nivel de similitud por encima 9. Lehnert, S.B.y.W.G., Some experiments
del 85% y segundo si el usuario está de acuerdo with case-based search. 1988.
con la solución que arrojó el sistema. Para estos 10. Goel, A., Integration of case-based
casos se conforma un fichero temporal, los cuales reasoning and model-based reasoning for
serán adicionados a la base de casos si el experto adaptive design problem solving, in Dept. of
da su aceptación. Computer and Informatic Science1989, The
Ohio State University.
3. CONCLUSIONES 11. Pankakoski, Manofacture Sistem. 1991.
Tanto el proceso de apoyo a la toma de decisiones, 12. Cisneros, F.L.M., Sistema Experto para
como la construcción de plantas de biogás están Diagnóstico de Plagas Insectiles de Maíz.
bien consolidados como procesos independientes. Agronomía Mesoamericana, 1991. Vol 2.
Con este Sistema Experto se llevó a cabo la inte- 13. López, L. Estimación de la producción de

“II Conferencia Internacional de Ciencias Computacionales e Informáticas”

 López Jiménez, Orelvis.; Martín Ramos, Roxana., Giraldo Delgado, Laura. | “SISTEMA EXPERTO PARA LA TOMA DE DECISIONES EN LA
DETERMINACIÓN DE LA FACTIBILIDAD DE CONSTRUCCIÓN DE PLANTAS DE BIOGÁS A PARTIR DE RESIDUOS DISPONIBLES EN LA PROVINCIA DE
SANCTI SPÍRITUS”

biogás con fines nergéticos en la provincia C. Identidad: 86090314984

Sancti Spíritus. in Evento Internacional Organizaciones a que pertenece: CTC, CDR, MTT, UJC.
“Entorno Agrario”. 2006. Centro Actualmente me desempeño como profesor de Inteligencia
Universitario José Martí Pérez Sancti Artificial de la carrera Ingeniería Informática de la UNISS.
Spíritus. Estudios de Pregrado:
14. Brinkman, J. Anaerobic digestion of mixed •Licenciatura en Ciencias de la Computación. UCLV (2005-2010)
waste slurries from kitchens, Estudios de Postgrado
laughterhouses and meat processing Curso de superación política para profesores noveles, recibido
industries. in II International symposium on es Escuela Superior del PCC, Sancti Spíritus. Curso para la
Anaerobic Digestion of Soild Waste. 1999. construcción de plantas de biogás en 2010 y 2011, recibido en
UNISS. Soy matricula del Doctorado Curricular en Ciencias de la
Barcelona. Computación impartido por la UCLV en 2012.
15. Winston, P.H., Inteligencia artificial1994,
Iberoamericana: Addison-Wesley
16. Mitchell, T., Machine Learning1997, NY:
McGraw Hill.
17. Quinlan, J., C4.5: Programs for Machine
Learning. Morgan Kaufmann. . 1993.
18. Lippmann, R., An introduction to computing with
neural nets. BEE ASSP Magazine, 1987.
19. Richards, J.A., Classification using neural networks,
Remote Sensing Digital Image Analysis Vol. Second
Editions. 1993, Berlin: Springer-Verlag. 207-223.

5. SÍNTESIS CURRICULARES DE LOS AU-

TORES
Nombre y Apellidos: Orelvis López Jiménez
Dirección Particular: Carretera Santa Lucia Km #1, Casa Bajo
Costo, Cabaiguán, Sancti Spíritus.
Fecha de Nacimiento: 3 de septiembre de 1986.
Nacionalidad: cubana

“II Conferencia Internacional de Ciencias Computacionales e Informáticas”