UNIVERSIDAD ANDINA NÉSTOR CÁCERES VELÁSQUEZ
FACULTAD DE INGENIERÍA DE SISTEMAS
ESCUELA PROFESIONAL DE
INGENIERÍA DE SISTEMAS
“IMPLEMENTACIÓ N DE UN SISTEMA BASADO EN CONOCIMIENTO (SBC) APLICADO EN EL DIAGNÓSTICO DE AFECCIONES DE LA
PULPA DENTARIA”
TESIS
PRESENTADO POR LA BACHILLER: NADIA NATHALY QUIROZ RUIZ
PARA OPTAR EL TÍTULO PROFESIONAL DE:
“INGENIERO DE SISTEMAS”
iv
DEDICATORIA
Mi tesis le dedico con todo mi amor y cariño a mi padre; Roberto Jaime Quiroz Sosa, por su sacrificio y esfuerzo por darme una carrera para mi futuro y creer en mí, siempre
has estado brindándome tu comprensión, cariño y amor.
A mi amado hijo Joaquim Vela Quiroz, por ser mi fuente de motivación e inspiración
para poder superarme cada día más y así poder luchar para que la vida nos depare un futuro mejor.
A mi amada, madre, quien con sus palabras de aliento no me dejaba decaer para que
siguiera adelante y siempre sea perseverante y cumpla con mis ideales. Gracias a toda mi familia que estuvieron a mi lado apoyándome y lograron que este sueño se
v
AGRADECIMIENTO
A la Universidad Andina Néstor Cáceres Velásquez por las enseñanzas impartidas.
A los docentes de la facultad de ingeniería de sistemas por impartir sus conocimientos.
A los miembros del jurado calificador al M.sc. Juan Benites Noriega, al Dr. Richard
Condori cruz, al Mg. Alcides Velasquez Ari.
A la facultad de ingenierías de sistemas y la escuela profesional de ingeniería de
sistemas de la UANCV Juliaca, en particular a los docentes por haber impartido sus conocimientos, agradecer a nuestros amigos que han contribuido todos los días en nuestro aprendizaje, a todos ellos mi más profunda gratitud para siempre.
vi
RESÚMEN
El presente trabajo de investigación se denomina “Implementación de un sistema basado en conocimiento (SBC) aplicado en el diagnóstico de afecciones de la pulpa dentaria”. Desarrollado en la ciudad de Juliaca con la finalidad de desarrollar una aplicación de sistema experto de
diagnóstico basado en conocimiento son el resultado de un largo proceso de investigación realizado por los científicos en el a´ rea de la Inteligencia Artificial, cuando, en los años setenta, comenzaron a comprender que la capacidad de
un programa de ordenador para resolver problemas no reside en la expresión formal ni en los esquemas lógicos de inferencia que emplea sino en el
conocimiento que posee.
Estas características nos hacen proponer el desarrollo de un sistema que de soporte en la detección de enfermedades afecciones de la pulpa Dentaria en
nuestra región lo cual será muy útil para planificar las atenciones necesarios de los pacientes que así lo requieran.
Para tal efecto nos planteamos la siguiente interrogante básica ¿será factible desarrollar un SBC que nos de soporte en el diagnóstico de afecciones en la pulpa dentaria?
vii
ABSTRACT
This research work is called "Implementation of a knowledge-based system (KBS) applied in the diagnosis of diseases of the dental pulp. " . They
developed in the city of Juliaca in order to develop an application of diagnostic expert system based on knowledge are the result of a long process of research conducted by
scientists in the area of Artificial Intelligence, when, in the seventies, they began to understand that the ability of a computer program to solve problems does not lie in the formal expression or logical inference schemes used but in the knowledge possessed
These features make us to propose the development of a support system in detecting
diseases of the dental pulp diseases in our region, which will be very useful for planning the necessary care for patients who require it
For this purpose we have the following basic question . Is it feasible to develop a KBS we support in the diagnosis of conditions in the pulp?
viii
INDICE GENERAL
Dedicatoria ... iv
Agradecimiento ….. ... v
Resumen ... vi
Abstract ... vii
Indice General ... viii
Indice gráficos ... xii
INTRODUCCIÓN ... 13
CAPÍTULO I….. ... 14
FORMULACIÓN DEL PROBLEMA ... 14
1.1. PLANTEAMIENTO DEL PROBLEMA ... 14
1.2. DELIMITACIÓNES ... 16
1.2.1. Delimitación espacial. ... 16
1.2.2. Delimitación temporal... 16
1.2.3. Delimitación social. ... 16
1.2.4. Delimitación conceptual. ... 17
1.3. DEFINICION DEL PROBLEMA ... 17
1.4. OBJETIVOS DE LA INVESTIGACIÓN ... 18
1.4.1. Objetivo General ... 18
1.4.2. Objetivos específicos ... 18
1.5. HIPÓTESIS DE LA INVESTIGACIÓN ... 18
1.6. VARIABLES E INDICADORES ... 19
1.6.1. Variables Independientes... 19
1.6.2. Variables dependientes... 19
1.6.3. Operacionalización de variables ... 19
1.7. VIABILIDAD DE LA INVESTIGACION ... 20
1.7.1. Viabilidad Técnica ... 20
1.7.2. Viabilidad Operativa ... 20
ix
1.8. JUSTIFICACIÓN, IMPORTANCIA Y LÍMITES DE LA INVESTIGACIÓN ... 21
1.8.1. Justificación ... 21
1.8.2. Importancia ... 22
1.9. LIMITACIONES DE LA INVESTIGACION ... 23
1.10. TIPO Y NIVEL DE LA INVESTIGACION ... 23
1.10.1. tipo de investigación ... 23
1.10.2. nivel de investigación ... 23
1.11. Metodo y diseño de la investigación ... 23
1.11.1. metodo de la investigación ... 23
1.11.2. Diseño de la investigación ... 24
1.12. Técnicas e Instrumentos Recolección de Información ... 24
1.12.1. Técnicas ... 24
1.12.2. Instrumentos ... 25
1.13. Cobertura de estudio ... 25
1.13.1. Universo ... 25
1.13.2. Muestra ... 25
CAPÍTULO II 2. Marco teórico ... 27
2.1 Antecedentes de la investigación ... 27
2.2 Marco conceptual ... 30
2.2.1. Definición de sistema inteligente ... 30
2.2.2. Definición de Inteligencia Artificial (I.A.) ... 32
2.2.3. Inteligencia Máquina ... 33
2.2.4. Modelando la Inteligencia ... 35
2.2.5. Manejo del conocimiento ... 35
2.3 Definición de Sistema Basado en Conocimiento (SBC) ... 36
x
2.5 Arquitectura de los SBC ... 40
2.5.1. El Usuario ... 41
2.5.2. Interfáz Hombre Máquina... 42
2.5.3. Máquina de inferencia ... 42
2.5.4. Base de conocimientos ... 43
2.5.5. Mecanismo de aprendizaje ... 44
2.5.6. Base de datos ... 44
2.5.7. Memoria de trabajo ... 45
2.6 Análisis de viabilidad ... 46
2.6.1. Especificaciones de SBC ... 46
2.6.2. Especificación del sistema ... 46
2.7 Definicion de agente inteligente ... 47
2.7.1. Tipos de agentes ... 48
2.7.2. Redes neuronales ... 50
CAPÍTULO III…. ... 53
METODOLOGÍA DE LA INVESTIGACIÓN ... 53
3.1 Planteamiento Metodológico ... 53
3.2 Relación atributo valor ... 56
3.3 Método de Investigación... 56
3.4 Enfermedades Odontológicas ... 57
3.4.1. Atrofia Pulpar ... 58
3.4.2. Heperemia Pulpar ... 58
3.5 Pulpar ... 59
3.6 Pólido Pulpar ... 59
3.7 Grangrena Pulpar ... 60
3.8 Árbol de decisión ... 60
CAPÍTULO IV…. ... 62
xi
4.1 Ubicación ... 62
4.2 Población y Muestra ... 63
4.2.1. Población ... 63
4.2.2. Muestra ... 63
4.3 Metodologías y técnicas ... 64
4.3.1. Métodos de recopilación de datos ... 64
4.3.2. Métodos tratamientos de datos ... 65
4.4.3. Material experimental ... 67
CONCLUSIONES ... 68
RECOMENDACIONES ... 69
REFERENCIA BIBLIOGRÁFICA ... 70
xii
INDICE DE FIGURAS
Figura 2.1 Sistema Inteligente ... 32
Figura 2.2 Comparación de una persona experta y una no experta ... 37
Figura 2.3 Procesos de SBC ... 40
Figura 2.4 Arquitectura general de los componetes de un S.E. ... 41
Figura 2.5 Los agentes interactúan con los ambientes y efectores ... 47
Figura 2.6 Agente de reflejo simple ... 48
Figura 2.7 Agente reflejo con un estado interno ... 49
Figura 2.8 Elementos de la neurona. ... 51
Figura 3.1 Comparación de una persona experta y una no experta A ... .55
Figura 3.2 Comparación de una persona experta y una no experta B ... 56
Figura 3.3 Exposición pulpar, y finalmente; idiopa´ ticos. ... 57
13
INTRODUCCIÓN
El presente trabajo de investigación de tesis basado en la ciencia de sistema basado en conocimiento en el área de soporte en el diagnóstico
de afecciones y el conocimiento del especialista de la pulpa dentaria en una base conocimientos y utilizando el método inferencia basada en
datos encuentra una solución. Por lo cual se le propone el proyecto de “Implementación de un sistema basado en conocimiento (SBC) aplicado en el diagnóstico de afecciones de la pulpa dentaria”
Así un sistema experto es un cuerpo de programas de ordenador que intenta imitar e incluso superar en algunas situaciones a un experto humano
en un ámbito de su actividad. No pretende, en absoluto, reproducir el pensamiento humano, sino simplemente la pericia de un profesional competente (téngase en cuenta que para construir un SBC (Sistema Basado
en Conocimiento) se suele contar con grandes expertos en la materia que incorporan su conocimiento al sistema.
14
CAPÍTULO I
FORMULACIÓN DEL PROBLEMA
1.1.
PLANTEAMIENTO DEL PROBLEMA
Los Sistemas Basados en Conocimiento son el resultado de un largo proceso de investigación realizado por los científicos en el a´ rea de la Inteligencia Artificial, cuando, en los años setenta, comenzaron a
comprender que la capacidad de un programa de ordenador para resolver problemas no reside en la expresión formal ni en los
esquemas lógicos de inferencia que emplea sino en el conocimiento que posee.
Un experto es alguien que posee unos determinados
15 tareas diferentes aunque no le hayan sido encomendadas con
anterioridad, pero que caen dentro de su dominio.
Así un sistema experto es un cuerpo de programas de ordenador que intenta imitar e incluso superar en algunas situaciones a un
experto humano en un ámbito de su actividad. No pretende, en absoluto, reproducir el pensamiento humano, sino simplemente la
pericia de un profesional competente (téngase en cuenta que para construir un SBC (Sistema Basado en Conocimiento) se suele contar
con grandes expertos en la materia que incorporan su conocimiento al sistema.
Esta pretensión es más sencilla ya que en algunos campos reducidos los expertos trabajan siguiendo reglas, aunque, generalmente, no sean conscientes de ello. En aquellos campos en
los que no sea necesario aplicar la intuición ni el sentido común, los sistemas basados en el conocimiento han conseguido notables e´
éxitos, consiguiendo en ocasiones ser más regulares y rápidos que los propios expertos.
Estas características nos hacen proponer el desarrollo de un sistema que de soporte en la detección de enfermedades afecciones
16 planificar las atenciones necesarios de los pacientes que así lo
requieran.
Para tal efecto nos planteamos la siguiente interrogante ba´ sica ¿será factible desarrollar un SBC que nos de soporte en el
diagnóstico de afecciones en la pulpa dentaria?
1.2 DELIMITACIONES
1.2.1 Delimitación Espacial
Para la presente investigación se tomó la “implementación
n de un sistema basado en conocimiento (SBC) aplicado en el soporte en el diagnóstico de afecciones de la pulpa dentaria”.
1.2.2 Delimitación Temporal
La elaboración del Proyecto de Investigación se inició en el mes de noviembre del 2015 y se finalizará en octubre del
año 2016.
1.2.3 Delimitación Social
El trabajo de investigación se orienta a indagar, investigar y profundizar la problemática que existe en lo referente a implementación de un sistema basado en
17 1.2.4 Delimitación Conceptual
Para el presente proyecto de investigación se utilizará conocimiento (SBC) aplicado en el soporte en el diagnóstico de afecciones de la pulpa dentaria.
En cuanto al material experimental estará constituido por una implementación de un sistema basado en
conocimiento aplicando los soportes que permita realizar diagnóstico de afecciones dentarias así como también estará apoyado sobre una aplicación de tipo operativo.
1.3 Definición del Problema
Las Instituciones interesadas en el siguiente realizan una
adecuada toma de decisiones en base de información existente de sistema fallas basadas en conocimientos de soporte de diagnósticos
de afecciones.
En este sentido para mejorar la administración en cada institución o empresa ya sea de privado o estatal, se propone el
18 1.4. OBJETIVOS DE LA INVESTIGACIÓN
1.4.1. Objetivo General
Optimizar el desarrollo de un sistema basado en conocimiento que dé soporte en la detección de enfermedades de la pulpa
dentaria. Basado en sistemas conocimientos.
1.4.2. Objetivos específicos
Analizar y emplear principios, métodos y
herramientas de la inteligencia artificial en el área de los sistemas expertos utilizando la
programación lógica.
Esgrimir los árboles de decisión para generar reglas
de producción para el manejo de conocimiento.
desarrollar una aplicación de software que de
soporte al sistema de conocimiento.
1.5. HIPÓTESIS DE LA INVESTIGACIÓN
Es posible que un sistema experto, basado en conocimiento tenga la capacidad de detectar y diagnosticar las afecciones de las enfermedades de la pulpa dentaria y ser confiable en las
19
Dimensiones
1.6. Variables e Indicadores 1.6.1. Variable Independiente
Diagnóstico de afecciones de la pulpa dentaria.
1.6.2. Variable Dependiente
Aplicación de sistema basado en conocimiento (SBC)
1.6.3. Operacionalización de Variables
TABLA Nº 1
Identificación y clasificación de variables
Variables Dimensiones Técnicas Instrumentos
Variable Independiente
Encuesta a los usuarios de la aplicación
Entrevista a técnicos y profesionales entendidos Análisis de contenidos. Cuestionario de encuesta. Cuestionarios. Métricas de software. Cuestionarios y Observación. Diagnóstico de
afecciones de la pulpa dentaria
Eficacia
Presentación en diagnóstico de Afecciones.
Facilidad de uso.
Facilidad de interpretación. Consistencia.
Eficiencia
Transportabilidad.
Información oportuna y real. Seguridad.
20 Dimensiones Aplicación de sistema basado en conocimiento (SBC)
Satisfacción del cliente
Tiempo de espera antes de la consulta de diagnóstico a base (SBC) Disponibilidad de detección acertada.
Versatilidad.
Eficacia por parte de Red de conocimientos a base de hechos de motor de inferencia interfaz.
Observación directa
de la aplicación Para la encuesta se usó la ficha de encuesta y para la observación se usa una Guía de Observación.
Aplicación de sistema basado en conocimiento (SBC)
1.7. Viabilidad de la Investigación. 1.7.1. Viabilidad Técnica
Es técnicamente viable ya que se cuenta con los equipos (Hardware y Software) necesarios para el desarrollo del
material experimental.
1.7.2. Viabilidad Operativa
Es operativamente viable ya que el investigador posee
conocimientos necesarios de tecnologías existentes de soporte y diagnóstico de detección de enfermedades de la pulpa
dentaria y la elaboración de la aplicación.
1.7.3. Viabilidad Económica
Es económicamente viable ya que el investigador
21 1.8. JUSTIFICACIÓN E IMPORTANCIA DE LA INVESTIGACIÓN
1.8.1. Justificación
Está demás señalar que las computadoras en nuestro medio, desempeñan vital importancia al servicio de la
humanidad, es más aún las instituciones educativas superiores, empresas, entidades financieras, instituciones prestadoras de salud y entre otras hacen un mejor uso de estas tecnologías.
El recurso de información hoy en día es tan importante
en las empresas y/o organizaciones actuales y las Los
Sistemas Basados en el Conocimiento no son sistemas que
puedan normalmente existir aislados de otros sistemas de
tecnologías más convencionales. Normalmente se trata de
sistemas que complementan la funcionalidad que otros
aportan.
Actualmente en el mercado de informática1 de la región
Puno, aún no se cuenta con aplicaciones de este tipo; puesto
que la complejidad y particularidad de estas aplicaciones requieren de la colaboración de expertos en el área de
Sistemas de basados en conocimientos en diagnósticos de detección de enfermedades de la pulpa dentaria en muchos casos también los resultados de un sistema basado en
conocimientos que tiene que ser exportados a otros sistemas
22 para su tratamiento y de ahí la importancia, a la hora de diseñar
sistemas basados en conocimientos para contemplar la necesidad de conexión con otros sistemas o con base de datos. Por otro lado también es frecuente el almacenamiento de la
propia información del sistema basado en conocimiento.
La particularidad y con la realidad del personal experto
necesario hace posible justificar la necesidad desarrollar un sistema de conocimiento en el cual que dé soporte en la
detección de enfermedades de la pulpa dentaria.
1.8.2. Importancia
Se considera importante ya que el desarrollo del proyecto constituye una herramienta novedosa.
Finalmente las organizaciones basan su desarrollo en el manejo de la información, y la información es un medio para encontrar ventaja competitiva respecto a sus competidores,
siendo esta un recurso muy importante para liderar en la toma de decisiones.
Además se considera importante porque incrementará la
rapidez y la eficiencia en la atención a los usuarios pues la información que fluirá en el área de diagnóstico de
23 1.9. Limitaciones de la Investigación de la Bibliografía:
Actualmente en el mercado regional aún no existe Bibliografía adecuada para desarrollar aplicaciones de sistemas basados en conocimiento (SBC) y expertos que controle el desarrollo de
diagnóstico y detección de enfermedades de la pulpa dentaria.
1.10. Tipo y Nivel de Investigación 1.10.1. Tipo de Investigación
El tipo de investigación es aplicada ya que se interesa
en la aplicación de los conocimientos pre existente para la
solución de un problema real, en este caso por medio de un “Implementación de un sistema basado en conocimiento
(SBC) aplicado en el soporte en el diagnóstico de afecciones de la pulpa dentaria”
1.10.2. Nivel de Investigación
El nivel de investigación es descriptiva – explicativa
1.11. Método y diseño de la Investigación 1.11.1. Método de la Investigación
Se aplica el método científico, complementado con el
24 1.11.2. Diseño de la Investigación
El diseño es experimental, ya que la “Implementación
de un sistema basado en conocimiento (SBC) aplicado en el soporte en el diagnóstico de afecciones de la pulpa dentaria”
Se pondrá a prueba para ver su funcionalidad y la
necesidad del mismo.
1.12. Técnicas e Instrumentos de Recolección de Información 1.12.1. Técnicas
La misma que se realizará en función a la hipótesis que se
pretende validar.
A. Encuesta a los usuarios de la aplicación
Se utilizara esta técnica con la finalidad de recabar información sobre el desempeño de la aplicación de Implementación de un sistema basado en conocimiento
(SBC) aplicado en el soporte en el diagnóstico de afecciones de la pulpa dentaria
B. Entrevista a técnicos y profesionales entendidos
Técnica por el que se obtendrá la apreciación en lo concerniente al análisis, diseño, codificación y
25 C. Observación directa de la aplicación
Por el que, se observará en forma directa el desempeño del sistema de información basados en conocimiento y la satisfacción de los usuarios.
1.12.2. Instrumentos
Para la Encuesta se usará la Ficha de Encuesta y para la Observación se usará una Guía de Observación.
1.13. Cobertura de Estudio 1.13.1. Universo
El Universo de estudio, estará conformado por los
usuarios de consultorios dentales, redes de salud, estudiantes y personal que laboran en empresas privadas y públicas de la
ciudad de Juliaca.
1.13.2. Muestra
La muestra es de tipo cualitativo con afijación
proporcional, que consisten en:
Donde:
P : Proporción de Usuarios que hace uso de detección de
enfermedades de la pulpa dentaria PQ
Z Nd
PQ NZ
n 2 2
2
26 Q : Proporción de Usuarios que no hace uso de la sistemas
basados en conocimientos.
Z : Valor de la distribución normal al 95%
d : Error absoluto aceptado
N : Población de Estudio
n : Tamaño de muestra
La muestra para el presente trabajo es de 79 usuarios que fueron obtenidos y calculados de la forma siguiente:
n = (450)(1.96)2(0.5)(0.5)
(450)(0.10)2 + (1.96)2(0.5) (0.5)
27
CAPÍTULO II
MARCO TEÓRICO
2.1 ANTECEDENTES DE LA INVESTIGACIÓNDesde que se inició el desarrollo de sistemas expertos en los
años cincuenta existen muchos trabajos orientados a áreas de medicina, ingeniería electrónica, computación y existen aplicaciones con similitud a nuestro proyecto “Implementación de un sistema basado
en conocimiento (SBC) aplicado en el soporte en el diagnóstico de afecciones de la pulpa dentaria”
A: Tesis: “Modelo de Sistema Basado en Conocimiento en el Dominio de la Seguridad de Aplicaciones”
Autor: CARDENAS, Omar. 2005
28 sistema basado en conocimiento (SBC) que cuenta con un componente
cognitivo que le permite incorporar conocimiento. En virtud de que las amenazas y los ataques informáticos representan un problema constante y creciente se puede suponer que el SBC, a través del
aprendizaje dinámico que lo mantendrá actualizado, podrá asistir a los especialistas en Seguridad de la Información.
Objetivo: aplicación de un sistema basado en conocimiento (SBC) aplicado al análisis de la seguridad de aplicaciones.
Metodología: Para la construcción del modelo se seleccionó una metodología adecuada del área de Ingeniería de Conocimiento (INCO):
Metodología IDEAL. El desarrollo se articuló considerando las fases I y II de la metodología IDEAL en virtud de que permiten alcanzar el estado de un prototipo para la explotación de los conocimientos basales del
dominio en cuestión. Dando como resultado productos como el Diccionario de Conceptos, la Tabla Concepto-Atributo-Valor, el Modelo
de Entidad y Relación, el Mapa de Conocimiento, la Formalización en Marcos, la Base de Hechos, la Base de Reglas y el Motor de Inferencias.
Conclusiones: Los resultados de este trabajo es La formalización del conocimiento es el resultado obtenido a partir de la conceptualización
29 B. Tesis: “Automatización del sistema de administración A base
de gestión de conocimiento para toma de decisiones” Autor: ROMERO MENDOZA, Antonio. 2002
Definición del Problema:
Es el proceso durante el cual la persona debe escoger entre dos o más alternativas. Todos y cada uno de nosotros pasamos los días y las
horas de nuestra vida teniendo que tomar decisiones. Algunas decisiones tienen una importancia relativa en el desarrollo de nuestra
vida, mientras otras son gravitantes en ella. Para los administradores, el proceso de toma de decisión es sin duda una de las mayores responsabilidades.
La toma de decisiones en una organización se circunscribe a una serie de personas que están apoyando el mismo proyecto. Debemos empezar por hacer una selección de decisiones, y esta selección es
una de las tareas de gran trascendencia.
Conclusiones: Es importante porque mediante el empleo de un buen juicio, la Toma de Decisiones nos indica que un problema o situación es valorado y considerado profundamente para elegir el mejor camino
a seguir según las diferentes alternativas y operaciones. También es de vital importancia para la administración ya que
30 2. 2 MARCO CONCEPTUAL
2.2.1 Definición de Sistema Inteligente
Un sistema inteligente es un programa de computación que reúne características y comportamientos asimilables a la inteligencia
humana o animal.Un sistema inteligente es una entidad capaz de decidir por sí misma que acciones llevará a cabo para alcanzar sus
metas basándose en sus percepciones, conocimientos y experiencias acumuladas.
Los requisitos generales de un Sistema Inteligente son los siguientes: A) El sistema deberá ser capaz de aprender. Esto implica que el sistema DEBE tener un recuerdo para el aprendizaje que
se mantenga. También el aprendizaje viene en un número de variedades:
I) TIENE que ser capaz de aprender de sus propias
experiencias. Estas se pueden dividir en nuevas agrupaciones:
El aprendizaje a través de ensayo y error.
El aprendizaje a través de la observación.
El aprendizaje a través del activo razonamiento.
II) Deberá ser capaz de aprender de la instrucción, pero esto
31 B) El sistema deberá ser autónomo. Es decir, que deberá ser capaz de hacer las cosas por sí mismo (sin embargo puede optar por aceptar la ayuda).
I) El sistema deberá ser capaz de afectar el medio
ambiente sobre la base de sus propias conclusiones independientes.
II) El sistema deberá ser su propio maestro, ante todo, y por lo tanto no requerir de la intervención del operador para
funcionar. Esto no necesariamente excluye la adopción de las órdenes de otro sistema, pero la elección de obedecer deberá ser hecha por el propio sistema.
III) El sistema deberá ser motivado. Debe tener necesidades y requerimientos que pueden ser satisfechos por sus propias acciones.
C) El sistema deberá ser capaz de razonar. Es decir, se debe utilizar algún tipo de razonamiento, basado en hechos conocidos y capaces de producir las ideas que más tarde se hacen hechos conocidos.
32 consideración de la necesidad de los sentidos internos y
externos.
En la figura 2.1 se muestra un sistema inteligente básico.
Figura. 2.1 Sistema Inteligente.
FUENTE: ELABORACIÓN PROPIA
2.2.2 Definición de Inteligencia Artificial (I.A)
Es una de las áreas de las ciencias computacionales encargadas de la creación de hardware y software que tenga comportamientos
inteligentes.
La capacidad de acción de las máquinas para realizar determinados procesos.
La inteligencia artificial se define como aquella inteligencia exhibida por artefactos creados por humanos es decir, artificial. A
menudo se aplica hipotéticamente a las computadoras. El nombre I.A se usa para referirse al campo de la investigación científica que intenta acercarse a la creación de los sistemas inteligentes.
Entonces, se puede decir que la I.A incluye características humanas tales como el aprendizaje, la adaptación, el razonamiento, la
33 2.2.3 Inteligencia Máquina
Al tratar de duplicar algunas de las funciones inteligentes humanas en las máquinas, se ha dado origen a las llamadas máquinas o sistemas inteligentes. De estas máquinas, las más notables son las
computadoras. Pero hay muchas otras clases de máquinas que se comportan apropiadamente en respuesta a varias señales y que
también son llamadas máquinas inteligentes.
Los avances de las tecnologías de Hardware y de Software han
mejorado la eficacia de los sistemas inteligentes, resultando en decisiones “casi humanas”, mejoras en la calidad de ejecución y en la
robustez en la percepción, a velocidades y tolerancias sobrehumanas.
Las nuevas tecnologías de Hardware incluyen: 1. Procesadores Masivamente Paralelos.
2. Implementaciones Especiales de Alta Velocidad de Sistemas
Cognoscitivos Difusos.
3. Aceleradores celulares para computadoras personales.
Los sistemas inteligentes están diseñados para tratar con problemas altamente variantes, complejos, ruidosos, y confusos en:
1. Administración.
2. Finanzas. 3. Manufactura.
34 7. Robótica.
8. Diagnostico.
9. Bases de Datos Inteligentes. 10. Máquinas Diccionario, etc.
En las décadas pasadas, la inteligencia hecha por el hombre fue
canalizada por dos caminos, la inteligencia artificial simbólica (sistemas expertos) y redes neurales (sistemas de aprendizaje adaptativo). Estas
dos tendencias en conjunto con el razonamiento difuso han dado paso a grandes avances en las siguientes áreas cruciales.
1. Procesamiento de información (Soft): Aprendizaje Rápido,
Asociaciones Difusas, Razonamiento y Control Difuso, Generalización.
2. Procesamiento de Información Masivamente en Paralelo:
Hardware Concurrente, Paralelo, Asociativo, y Celular.
Las técnicas aplicadas en los sistemas inteligentes conducen en la
elección de sistemas de razonamiento cuyo comportamiento emula el de la mente humana. Los sistemas deben de ser capaces de describir, evaluar y aproximar información con algún grado de difusión,
incertidumbre o incompletos. La meta última es hacer el procesamiento de información intuitivo que muestran los humanos:
1. Razonamiento Inconsciente, Análogo, Paralelo y Distribuido. 2. Reconocimiento de Patrones.
35 4. Razonamiento Inductivo en situaciones de información difusa o
incompleta.
2.2.4 Modelando la Inteligencia
La inteligencia natural es abundante en todos los ámbitos de la naturaleza. Las redes neuronales extraen sus principios de las ciencias
del cerebro para modelar reconocimiento, aprendizaje y procesos de planeación. La lógica difusa refleja muy cercanamente la manera en
que razonamos los humanos con reglas aproximadas. Los algoritmos genéticos aprovechan directamente los conocimientos obtenidos a través de la investigación en genética, modelando los principios de
Darwin de selección natural.
Una desventaja de las técnicas de computación cognoscitiva es
que, frecuentemente, no se puede probar su estabilidad de otra manera que con pruebas de campo extensivas. Las pruebas analíticas
tradicionales son imposibles de obtener para un enfoque donde no se usa metodología analítica o no se sigue un modelo matemático.
2.2.5 Manejo del Conocimiento A. Con Lógica Binaria
36 representación utiliza la lógica binaria como base para el
almacenamiento y recuperación de información. B. Con Lógica Difusa
¿Qué es la Lógica Difusa?
Método de razonamiento de maquina similar al pensamiento humano, que puede procesar información
incompleta o incierta, característico de muchos sistemas expertos.
2.3 Definición de Sistema Basado en Conocimiento (SBC)
Un Sistema basado en conocimiento (SBC) es un sistema
computacional que adquiere conocimiento especializado en un campo específico para explotarlo mediante métodos de razonamiento que emulan el desempeño del experto humano en la solución de problemas.
Generalmente un sistema basado en conocimiento puede comprender: Amplio conocimiento específico a partir del campo de interés.
Aplicación de técnicas de búsqueda y heurísticas.
Habilidad para inferir nuevos conocimientos a partir de los
actuales y de las experiencias obtenidas durante su operación. Procesamiento simbólico.
Capacidad para explicar su propio razonamiento.
37 Para comprender la naturaleza de un sistema basado en
conocimiento, supongamos que tenemos a una persona competente en un área determinada del conocimiento que cuenta con un largo periodo de preparación y practica a
comparación con otra persona no especializada como se ilustra en la figura 2.1.
Actividad Experto No experto Tiempo de resolución de problemas
de su área Grande Pequeño
Eficacia Alta Baja
Organización Alta Baja
Posee estrategias y tácticas Si No
Búsqueda de soluciones Heurística No heurística
Cálculos aproximados Si No
Figura. 2.2 Comparación de una persona experta y una no experta. FUENTE: ELABORACIÓN PROPIA
2.4 Estructura del Ciclo de Vida de los (SBC)
A continuación se mencionan las nueve fases del ciclo de vida de los sistemas basados en conocimiento.
38 - beneficio del SBC propuesto para saber si su desarrollo
puede ser garantizado.
2. Especificación de Requerimientos: Formalizar y poner por escrito lo que fue adquirido durante la fase de análisis. Esto
permite determinar los objetivos del proyecto, idealmente, de una manera inequívoca y establece los medios para obtener
dichos objetivos.
3. Diseño Preliminar: Esta etapa considera únicamente las decisiones de alto nivel necesarias para preparar y desarrollar rápidamente el prototipo inicial. Específicamente, esta etapa determina el paradigma de representación del
conocimiento, la herramienta elegida para construir el prototipo, y la selección de los expertos.
4. Prototipo Inicial y Evaluación: Esta es una etapa clave debido a que todas las decisiones tomadas en el diseño preliminar deben ser ya sea confirmadas, rectificadas o
desechadas, sobre la base del conocimiento recopilado de los expertos en el proceso hasta completar esta etapa. 5. Diseño Final: comprende la selección de las herramientas
y de los recursos necesarios para desarrollar el sistema a ser entregado. En muchos casos puede ser aplicable y muy
39 6. Implementación: comprende el proceso completo de adquisición del conocimiento para todos los módulos o subsistemas. Es en esta etapa que tiene lugar el desarrollo incremental.
7. Pruebas: El asegurar la calidad de un SBC es una tarea muy importante que debe ser cuidadosamente planificada,
especialmente a medida que el SBC es más grande y complejo, o es de aplicación crítica. El plan de pruebas, es
bastante similar al que se prepara para un sistema convencional, basándose en la validación y la verificación. 8. Ajustes al Diseño: A medida que el trabajo avanza y los
ingenieros cognoscitivos tienen a la vista los problemas detectados, deben realizar los ajustes necesarios al inicio de cada iteración. Si estos ajustes cada vez son relativamente
más pequeños y no son retroactivos, se tiene una buena medida de que se está progresando. Pero si ocurre lo
contrario, puede representar un serio retardo al proyecto y posiblemente requerir un cambio de paradigma.
9. Instalación, Implantación y Mantenimiento: En la etapa final del ciclo de vida de un SBC se traslada el sistema desarrollado, como un producto operativo hacia el entorno
40 En la figura 2.3 se muestra el ciclo de vida de los SBC.
Fig. 2.3 Proceso de los SBC. FUENTE: ELABORACIÓN PROPIA
2.5 Arquitectura de los SBC
Los Sistemas Expertos emplean una amplia variedad de arquitecturas específicas a las aplicaciones, sin embargo, se puede
generalizar un módulo de componentes que normalmente se deben integrar en cualquier ámbito, cuyos elementos se ilustran en la Figura
2.4
Requerimientos del usuario
Feedback del usuario
Elicitación Especificación Validación
Usuario Dominio del Problema Modelos a validar por el usuario Conocimiento Modelos de requerimientos Conocimiento del dominio Conocimiento del dominio Necesidad de más
conocimiento
41 Fig. 2.4 Arquitectura general de los componentes de un Sistema
Experto.
FUENTE: ELABORACIÓN PROPIA
2.5.1 EL USUARIO
El usuario de un Sistema Experto puede operar la aplicación en cualquiera de las siguientes modalidades:
Verificador: Intenta comprobar la validez del desempeño del sistema.
Tutor: Brinda información adicional al sistema o modifica el conocimiento que ya está presente en el sistema.
Alumno: Busca rápidamente desarrollar habilidad personal relacionada con el área específica mediante la
recuperación de conocimientos organizados y condensados del sistema.
42 El reconocimiento de las caracterizaciones anteriores
contrasta con la percepción de un simple papel (el cliente) de los sistemas de información tradicionales.
2.5.2 INTERFAZ HOMBRE-MÁQUINA Es el subsistema responsable de:
Interactuar con el usuario: Inicia, desarrolla, suspende,
reanuda y concluye la sesión.
Establecer el protocolo de dialogo: Mediante parámetros,
menús, iconos, Lenguaje natural o cualquier otro medio de
expansión, como el reconocimiento de voz y sensores y servomecanismos que operan en tiempo real.
Explicar el comportamiento del sistema: Debe ser capaz de
argumentar las razones por las que formula cierta pregunta,
hace un razonamiento y llega a una conclusión específica. Este componente puede ser un sistema completo en sí
mismo, con su propia base de conocimiento, motores de
inferencias y áreas de trabajo. 2.5.3 MÁQUINA DE INFERENCIA
Conocida como Motor, se encarga de:
Representar los mecanismos de solución: Son los
procedimientos que identifican y resuelven el problema,
43 Implementar los criterios de búsqueda: Conforme a la
naturaleza del problema, diseña búsqueda ciegas, heurísticas o aplica métodos más ad-hoc, como agenda, alfa-beta y
pizarrón.
Fundamentar la inferencia: Congruente al tipo de
conocimiento representado en la "base de conocimientos" establece el método de inferencia correspondiente; por ejemplo; al emplear reglas de predicados entonces hará uso
de la resolución unificación.
2.5.4 BASE DE CONOCIMIENTOS
Constituye el acervo de conocimiento especializado del Sistema
Experto. Consta de:
El formalismo para representar conocimiento: Emplea una o
varias técnicas que permiten caracterizar y organizar conocimiento específico; por ejemplo; "frames", "redes semánticas" y "scripts".
Un administrador: Responsable del almacenamiento,
recuperación y actualización en las estructuras de
representación correspondientes.
Servicio: Es el mecanismo encargado de responder a las
demandas de acceso a elementos específicos de conocimiento (reglas, hechos, objetos, etc.) efectuados por
44 2.5.5 MECANISMO DE APRENDIZAJE
Es el módulo responsable de adquirir nuevo conocimiento y actualizar el existente, alterando a los subsistemas:
Base de conocimientos: Modifica las declaraciones de
conocimiento, agrega nuevas, verifica la consistencia entre ellas resolviendo los conflictos.
Máquina de Inferencia: Puede cambiar los mecanismos de
inferencia, depurar las heurísticas y métodos de búsqueda,
en aras de hacer más eficiente la solución de problemas, aprovechando la experiencia en la solución de problemas
semejantes.
Interface Hombre-Máquina: Entre más refinado sea el
conocimiento y los mecanismos de inferencia, más eficiente deberá ser la comunicación con el usuario.
También sufrirán alteración los argumentos de "explicación". Inclusive, se puede "personalizar" el lenguaje en función al usuario y problema, como fruto de las
sesiones previas.
2.5.6 BASE DE DATOS
Es el depósito de conocimiento complementario a la "base de conocimientos" que por su naturaleza, representación y
45 Almacenamiento de datos: Todos aquellos elementos
del dominio de conocimiento del sistema experto, los específicos al problema y los particulares del usuario
pueden registrarse en archivos o tablas convencionales. Administración: Ofrece los servicios de inserción,
acceso, actualización y borrado de datos, seguridad, integridad, confiabilidad, respaldo, restauración y monitoreo de la información.
Normalmente el Sistema Experto debe tener una interfaz con el software especializado en la administración de archivos o bases de datos, tales como los "engine" de
los RDBMS ("Sistemas Manejadores de Bases de Datos
Relacionales").
2.5.7 MEMORIA DE TRABAJO
Es el depósito de almacenamiento del código, conocimiento y resultado de las inferencias que se genera
a lo largo de la sesión. Donde se desarrolla la solución del problema. En esta área se realiza:
La representación de "espacio de estados": Que
corresponda a la búsqueda de la solución.
La administración de la red o estructura de
46 2.6 Análisis de Viabilidad
2.6.1 ESPECIFICACIÓN DE UN SBC
Para la especificación del sistema SBC seguiremos el siguiente esquema:
Análisis de alternativas
o Alternativa 1
o Alternativa 2
o Alternativa 3 Análisis de viabilidad
o Alternativa 1
o Alternativa 2
o Alternativa 3
Especificación del sistema elegido
o Definición del sistema y asignación de
funciones
o Restricciones
o Diagramas de arquitectura
o Planificación
2.6.2 ESPECIFICACIÓN DEL SISTEMA
Definición del Sistema y Asignación de Funciones En este sistema hay dos partes diferenciadas:
47 computadora ha de ser potente ya que debe de soportar
muchas peticiones concurrentemente sin que el tiempo de espera de los usuarios sea mayor del esperado (características de sistema de tiempo real) y sin perder
ninguna consistencia en las diversas transacciones.
2.7 Definición de Agente Inteligente
Un agente es todo aquello que puede considerarse que percibe
su ambiente mediante sensores y que responde a éste por medio de efectores. Los agentes humanos tienen ojos, oídos y otros órganos que les sirven de sensores, así como manos,
piernas, boca y otras partes de su cuerpo que les sirven de efectores
Fig. 2.5 Los agentes interactúan con los ambientes a través de sensores y efectores.
FUENTE: ELABORACIÓN PROPIA Ambiente
Percepciones
Acciones
Sensores
Efectores
48 2.7.1 Tipos de agentes
Agentes de reflejo simple: Este tipo de agente no contiene internamente estados y sus procesos o acciones que realiza son respuestas a la entrada de percepciones, a esta conexión entre
percepciones y acciones se les denomina reglas de condición-acción. Ejemplo: Si el carro de adelante está frenando entonces
empiece a frenar.
En la figura 2.6 se muestra un agente de reflejo simple.
Fig. 2.6 Agente de reflejo simple. FUENTE: ELABORACIÓN PROPIA
Un agente de reflejo simple actúa encontrando una regla cuya
condición coincida con la situación actual (definida por la percepción) y efectuando la acción que corresponda a tal regla. Función AGENTE-REFLEJO-SIMPLE (percepción) responde con una acción
Estático: reglas, un conjunto de reglas de condición-acción ¿
¿
¿Cómo es el mundo en este momento?
¿Qué acción debo emprender en este
49 Estado ← INTERPRETAR-ENTRADA (percepción)
Regla ← REGLA-COINCIDENCIA (estado, reglas)
Acción ← REGLA-ACCION
Agentes bien informados de todo lo que pasa: Este tipo de agente guarda estados internos que le sirven sin consideración
para ejecutar una acción. Los sensores no le pueden informar a la vez de todos los estados que maneja su ambiente, es por este
caso que el agente necesita actualizar algo de información en el estado interno. Esto le permite discernir entre estados del ambiente que genera la misma entrada de percepciones pero,
sin embargo; para cada uno de los estados se necesitan acciones distintas.
En la figura 2.7 se muestra un agente reflejo con estado interno.
Fig. 2.7 Agente reflejo con un estado interno. FUENTE: ELABORACIÓN PROPIA
¿
¿Cómo evoluciona el mundo? ¿Qué producen mis
acciones?
¿Cómo es el mundo en este momento?
50 2.7.2 Redes Neuronales
a. La Neurona
La célula nerviosa es la neurona, que es la unidad funcional del sistema nervioso.
El cerebro era algo totalmente desconocido hasta finales del siglo XIX gracias a las aportaciones de Sherrington, Ramón
y Cajal.
Ramón y Cajal en 1888 descubren el mecanismo de los
procesos colectivos de las células nerviosas. Sus trabajos en esta doctrina se conocen como “doctrina de la neurona”, en la
cual destaca la ley de polarización dinámica. Esta ley describe
como se propagan los impulsos nerviosos. Las dendritas captan el impulso nervioso, lo transmiten al soma y de éste pasan al axón que a su vez lo transmite a la dendrita de la otra
neurona.[19] En la figura 4.2 se muestra los elementos de una
neurona.
Clásicamente se consideran cuatro zonas funcionalmente distintas en una neurona:
1. Soma o pericarion: Es el cuerpo de la neurona y su centro metabólico. Contiene los elementos o componentes necesarios
51 constituye un elemento típico de las neuronas, los cuerpos de
Nills. Las neuronas adultas no poseen centriolos, motivo por el que no se multiplican para reemplazar las neuronas adultas destruidas a causas de una lesión, enfermedad o
envejecimiento.
Fig. 2.8 Elementos de la neurona. FUENTE: ELABORACIÓN PROPIA
2. Dendritas: Prolongaciones citoplasmáticas que se
extienden a partir del cuerpo celular. Las dendritas y el soma constituyen la zona receptora destinada a recibir la información
de otras células nerviosas, del medio interno o del medio externo.
3. Axón: También es una prolongación a modo de fibra de
52 las señales que recibe de la parte receptora y “decide” las
señales o potenciales de acción que ha de transmitir. Por ese motivo a esta zona se la denomina zona propagadora o conductora.
4. El axón termina en muchas terminales axónicos, las cuales hacen contacto con otras células nerviosas en uniones
denominadas sinápsis, transmitiéndoles la información que ellas portaban. A esta región de la neurona se le denomina
zona transmisora.
b. Tipos de Neurona
Las neuronas pueden clasificarse según su estructura o según su función.
1) Según su estructura: Neuronas multipolar, con varias dendritas cortas y un axón largo. Neurona bipolar, de una sola dendrita y un axón en sitios opuestos del soma. Neuronas
monopolar, con dos largas prolongaciones que surgen como un tallo único del soma.
53
CAPÍTULO III
METODOLOGÍA DE LA INVESTIGACIÓN
3.1 PLANTEAMIENTO METODOLÓGICO
La metodología que se usa en el presente proyecto es la investigación descriptiva y aplicada.
Nos permite modelar el comportamiento del experto en la solución de los
problemas de su competencia, en dos modelos: el estático (que se
corresponde con la estructura del sistema) y el dina´ mico (que se corresponde
con la funcionalidad del sistema). La conceptualización establece que
conocimientos maneja el experto, como los utiliza, donde los emplea y
cuando los usa. Estos conocimientos a su vez los clasifica en: Modelo
estático: Conocimiento fáctico o declarativos: conceptos, atributos y valores
asociados en:
Diccionario de conceptos
54 Mapa de relaciones entre conceptos.
Definición de atributos Conocimiento estrate´ gico:
estrategias seguidas por el experto para llevar adelante la
tarea:
Árbol de descomposición funcional.
Conocimiento ta´ ctico: pasos seguidos en cada estrategia para poder realizarla.
- Tabla de decisión.
- Fórmulas
- Seudorreglas
Modelo dina´ mico: integracio´ n de los conocimientos fa´ cticos, estrate´ gicos y ta´ cticos en:
- A´ rbol de estrategias o a´ rbol jera´ rquico de tareas.
- Mapa de conocimientos.
De acuerdo a lo especificado en la historia cl´ınica del paciente, y
dialogando con el mismo se puede conocer que afeccio´ n dentaria se debe tratar, es decir:
- Si el color de la pieza dentaria tiene manchas localizadas, y su
tipo de cavidad es dura, la pulpa es integra, la pieza dentaria duele con el fr´ıo, el calor y la exploracio´ n y este dolor es fugaz, estamos
en presencia de una atrofia pulpar
- En cambio, si las piezas dentarias tienen manchas
55 dentaria duele con el fr´ıo, el calor, la exploracio´ n, al comer dulces y
al comer comidas a´ cidas o cualquier cosa, y este dolor es localizado y fugaz, estamos en presencia de una hiperemia pulpar.
En el caso de que las piezas dentarias tengan manchas
localizadas, y la exposición pulpar sea integra y tenga dolor al frío, al calor, al masticar dulces, ácidos o cualquier alimento, a la exploración
y el dolor sea persistente y localizado, estamos en presencia de un pulpitis infiltrativa.
En cambio, si las manchas son localizadas y la pulpa
hipertrofiada, y presenta dolor al calor y a la exploración y el dolor está localizado, está en presencia de un pólipo pulpar.
Si las piezas dentarias tienen manchas difusas. La cavidad no
es dura y la pulpa está parcialmente o totalmente destruida y no presenta síntomas de dolor, estamos en presencia de una gangrena pulpar.
56 3.2 RELACION ATRIBUTO VALOR
A continuación se mostrará lo obtenido y consultado a nuestros expertos para realización de nuestro sistema experto, allí se podrá observar los síntomas que se introducen al sistema y su
correspondiente relación con la afección odontológica.
Figura. 3.2 Comparación de una persona experta y una no experta. B
FUENTE: ELABORACIÓN PROPIA
3.3 MÉTODO DE INVESTIGACIÓN
Cuyo método de investigación se concentró en la recopilación
de información en forma documental de sistemas basados en conocimiento (SBC) aplicando en el soporte en el diagnóstico de
57 artificial basados en Neuronales, en el que se presentó un fenómeno
o hecho que lo estudiamos (Problemas hardware y software de la red LAN) que son las fallas hardware y software de la red LAN, durante su utilización y en el análisis de información se utilizó métodos y técnicas
de la ingeniería de software.
3.4 ENFERMEDADES ODONTOLÓGICAS
Pulpitis es la de la pulpa dentaria provocada por inflamación
estímulos nocivos de variada ´índole; dentro de los cuales esta´ n: los
agentes bacterianos que pueden tener una vía de acceso coronario
(caries, anomalías dentarias: (lesiones endoperiodontales, caries
radicular); trauma´ ticos: trauma agudo (fractura coronaria y radicular,
luxación) y cro´ nico (atricio´ n, absfraccio´ n, erosio´ n); qu´ımicos a trave´ s
del uso de materiales de obturacio´ n (resinas - cementos) antise´
pticos, desecantes (alcohol - cloroformo) y desmineralizantes; calor
de fresado, pulido y de fraguado.
58 3.4.1 ATROFIA PULPAR
Proceso degenerativo de la pulpa dentaria
caracterizado por la disminución de tamaño y desaparición de las células pulpares. Usualmente
va asociado a una nutrición deficiente.
3.4.2 HIPEREMIA PULPAR
Es una congestión pulpar que se da por la mayor
afluencia de sangre por algún tejido, se esto sucede es un llamado de atención para que la pulpa (tejido nervioso),
sea tomada en cuenta, no es exactamente una patología pulpar, se da por causas externas como un mal cepillado alterando de esta manera el esmalte dentario, quedando
al descubierto la dentina que tiene terminaciones nerviosas que alterarán la pulpa que recibirá más sangre
para defenderse de la injuria. Cuando recibe sangre arterial es hiperemia arterial y si recibe sangre venosa es hiperemia venosa.
Por causas trauma´ ticas puede ser por tener un hábito de masticar hielo, por efecto de un golpe, esto
59 Por causas térmicas.- Puede darse el caso por
beber sustancias demasiadas calientes o frías.
Mala operatoria.- La produce el profesional al
realizar una mala práctica. Es estos casos puede ser por
una falta de refrigeración de la pieza de mano, restos de
dentina afectada, utilización de fresas viejas.
Se produce cuando colocamos cementos
restauradores con PH alcalino, pero una resina puesta
en una cavidad profunda sin protección puede causar
necrosis pulpar.
3.5 PULPAR
Se caracteriza por un dolor agudo, localizado, que no cede tras
la aplicación de un estímulo doloroso, principalmente el frío, aunque el
calor o el contacto con determinados alimentos también pueden producir
dolor.
3.6 PÓLIDO PULPAR
Es una inflamación productiva de la pulpa debida a una
exposición cariosa extensa en dientes jóvenes caracterizada por tejido
de granulacio´ n recubierto a veces de epitelio resultante de irritacio´ n
60 3.7 GRANGRENA PULPAR
La inflamación del tejido pulpar en el interior del diente impide
que el riego sanguíneo sea viable, con lo que el tejido empieza a
degradarse y sufre una degeneración o necrosis. El diente se vuelve
insensible al frio o al calor, pero extremadamente doloroso al tacto,
puesto que se produce una salida de pus y bacterias hacia el
periapece Se entiende por necrosis pulpar la muerte de la pulpa por
irritación química bacteriana o trauma´ tica (fracturas dentarias, fuerzas
sobrecarga oclusal).
3.8 ÁRBOL DE DECISIÓN
A continuación presentaremos el árbol de decisión desarrollado
a partir de nuestros conceptos captados anteriormente mediante al
implementación de este podremos nosotros realizar las inferencias
necesarias para así poder reconocer una afección odontolo´ gica lo cual
es el objetivo de nuestro trabajo de este a´ rbol podemos obtener las
siguientes reglas de desicio´ n las cuales nos permiten generar la base
de conocimientos de nuestro sistema, estas reglas se generan de una
manera ordenada empleando nuestros conceptos, atributos y valores
61 Exposición pulpar, y finalmente; idiopáticos.
62
CAPÍTULO IV
ANÁLISIS Y RESULTADOS
4.1. UBICACIÓN
El presente trabajo tuvo como escenario, Para tal efecto nos planteamos la siguiente interrogante ba´ sica ¿será factible desarrollar
un SBC que nos de soporte en el diagnóstico de afecciones en la pulpa dentaria? Por lo cual se propone
“implementación de un sistema basado en conocimiento (SBC)
aplicado en el soporte en el diagnóstico de afecciones de la pulpa dentaria”
63 En el ámbito el Colegio de Educación Secundaria: “María Asunción Galindo” de Juli, de la provincia de Chucuito y departamento de Puno,
en donde ha sido desarrollado el prototipo de aplicación. En la dimensión tiempo, la investigación se realizó durante el año 2015.
4.2. POBLACION Y MUESTRA 4.2.1. POBLACION
La Población para el presente trabajo de investigación estuvo conformado por el personal administrativo, docente, alumnos y padres de familia que son en un total de 79 personas.
4.2.2. MUESTRA
Según el texto “Muestra y de autores: Wladimir Ibáñez Banda y
Percy Calsín Enríquez, editado en el año 2012 en la UNA-Puno. Para determinar la muestra se utilizó la técnica de muestreo cualitativo con
afijación proporcional, que consisten en:
n = NZ2PQ
Nd2 + Z2PQ
Donde:
P = Proporción de Usuarios que hace uso de la computación.
Q = Proporción de Usuarios que no hace uso de la computación.
64 d = Error absoluto aceptado
N = Población de Estudio
n = Tamaño de muestra
La muestra para el presente trabajo es de 90 usuarios que fueron obtenidos en el actual año académico 2013 y calculados de la
forma siguiente:
n = 1467(1.96)2 (0.5)(0.5) = 90.13 90
1467 (0.10)2 + (1.96)2 (0.5)(0.5)
n = 90
En el siguiente Cuadro se muestra el número de usuarios tomados para la muestra de la población.
4.3. METODOLOGIA Y TECNICAS
4.3.1. MÉTODOS DE RECOPILACIÓN DE DATOS
La cual se realizó en función a la hipótesis que se pretende validar.
Entrevista y Encuesta a los usuarios del prototipo. Se utilizó esta técnica con la finalidad de recabar información
65 respuestas cualitativas, los mismos que fueron entregados a los clientes usuarios, para obtener sus
diferentes percepciones; y a medida que daban respuesta sobre el desempeño del software también se aprovechó en la entrevista con preguntas semi-estructuradas del
mismo que se obtuvo observaciones y puntos de vista para la mejoría del software.
En el Cuadro Nro 02, se muestra el número de clientes y/o usuarios que fueron encuestados y entrevistados:
Entrevista a técnicos y profesionales entendidos. Técnica por el que se obtuvo la apreciación en lo
concerniente al diseño, codificación y funcionamiento del prototipo por parte de los técnicos y profesionales entendidos en la materia1.
Observación de la aplicación. Por el que, se observó en forma directa el desempeño de los prototipos de
aplicación, y la satisfacción de los usuarios que utilizaron los mismos.
4.3.2. MÉTODOS DE TRATAMIENTO DE DATOS.
Para el procesamiento de datos se cumplió con las
siguientes acciones:
1 Para efectos de validar la hipótesis, también se ha tomado la opinión de expertos y profesionales
66 Recopilación y tabulación de datos.
Análisis y consistencia de los datos. Y
Finalmente la interpretación de datos y la validación de la
hipótesis mediante la prueba de hipótesis estadística. Para esta fase se empleó la prueba de la distribución normal como aproximación de la binomial, se utiliza esta
distribución porque la variable en estudio es del tipo cualitativo y el tamaño de muestra es mayor que 30.
a) Hipótesis:
H0: p = p0; los resultados del prototipo de aplicación son
satisfactorios en el apoyo a la toma de decisiones.
H1: p < p0; los resultados del prototipo de aplicación no
apoyan a la toma de decisiones.
b) Nivel de significancia: = 0.01
c) Estadística.
P = x/n
Z = (P – p0)/( p0(1-p0)/n)1/2
En donde:
P : Proporción de éxitos en la muestra P0 : Probabilidad de éxito
n : Tamaño de muestra
67 R.C. = -, -z1-
El valor z1- se obtiene de la tabla normal N(0,1) de manera
que
P[Z z1-] = 1-
e) Decisión.
Se rechaza H0 si zk < -z1- , no se rechaza H0 en caso
contrario.
4.3.3. MATERIAL EXPERIMENTAL.
El material experimental está constituido por sistemas de información basados en conocimientos y para los prototipos de sistemas de información se usa expertos, como lenguaje anfitrión el
visual prolog y como gestor de base de datos el Interbase 6.0.1.0; para la aplicación (SBC) se usó como lenguaje de Prolog. En cuanto al
modelo de desarrollo de software para los prototipos de sistemas basados en conocimiento. Una vez desarrollados todos los softwares éstas fueron integradas y puestas a disposición de clientes usuarios
68 CONCLUSIONES
PRIMERO: Se desarrollo un sistema de conocimiento h´ıbrido que da soporte a la deteccio´ n de enfermedades odontologicas, para ello se
empleo un a´ rbol de decisio´ n mediante el cual se pudo obtener las reglas
de produccio´ n que conforman la base de conocimientos del sistema.
El componente explicativo del sistema experto resultó uno de los
elementos más importantes debido que los usuarios novatos
pudieron hacer uso del mismo sin mayores dificultades.
SEGUNDO: Se ha elaborado un sistema hibrido que modela conocimiento habiendo uso de árboles de decision lo cual demuestra que es factible su uso
y mejora el modelado, ya que permitió estructurar de forma sencilla lo obtenido
de nuestros expertos de una forma coherente y fácil de implementar
TERCERO: Se ha logrado cumplir con nuestras metas al desarrollar un me´ todo eficiente y ordenado para generar sistemas expertos, lo cual brinda
una gran ayuda a los desarrolladores de sistemas expertos de este tipo.
Se demostró que el uso de la red conocimiento y las reglas de
producción son válidas y aceptables para modelar los conocimientos
69 RECOMENDACIONES
PRIMERO: Se recomienda en poner práctica para nueva generación de profesionales de sistemas que dediquen tiempo e investigación al desarrollo de los sistemas expertos. Basados en gestión de conocimientos Como un área de investigación de la inteligencia artificial, hacen uso del
conocimiento especializado para resolver problemas. Un sistema experto o sistema basado en conocimiento se puede definir como un
sistema que resuelve problemas utilizando una representación simbólica del conocimiento humano.
SEGUNDO: Se recomiend un sistema experto, y que pueda interactúar con sistemas expertos de diagnóstico mediante sistema
basados de conocimientos y dar solución de diagnóstico de consultas mediante un sistema expeto.
CUARTO: Sistemas expertos aquellos programas que se realizan haciendo explicito el conocimiento en ellos, que tienen información
específica de un dominio concreto y que realizan una tarea relativa a este dominio.Programas que manipulan conocimiento codificado para resolver problemas en un dominio especializado en un dominio que generalmente
70 REFERENCIAS BIBLIOGRAFICAS
1. CALERO, Mavilo (2012) “Técnicas de Estudio de Investigación”
Editorial San Marcos Perú.
2. RICH ELAINE, Knight Kevin. (2011) Inteligencia Artificial, Edit Mc
Graw Hill. España. Cap.8 Razonamiento Estad´ıstico, Pa´ g. 253.
3. COMER, Douglas (2009) “Internet el Futuro” Edit. Prentice – Hall Hispanoamericana.
4. PRESSMAN, Roger (2002) “Ingeniería de Software”. Quinta Edición. 5. CONDORI Amanqui, Cesar, TICONA HUANCA, Ernesto Walter (2001)
tesis “prototipo de sistema experto para el diagnostico de fallas en una red de area local”
6. CORDOVA, Manuel (2000) “Estadística Descriptiva e Inferencial”
Tercera Edición, Edit. MOSHERA S.R.L. Lima.
7. GIARRATANO RILEY, Joseph Giarratano - Gary Riley. (2000) 8. CRISOLOGO, Aurelio (1999) “Conceptos Métodos y Modelos de la
Investigación científica” Tercera Edición, Edit. Abedul Perú.
9. Nuñez Osorio, Abraham Sistemas Expertos Seis – Unsa (1998 – 1999) Arequipa.
10. Harmon – King, (1998) Sistemas Expertos Aplicaciones de la Inteligencia Artificial en la Actividad Empresarial. Madrid, Ediciones Díaz de Santos S.A.