Download El paradigma sensorial
Document related concepts
Transcript
Organización de Sistemas Biológicos y Automatización Industrial Daniel Sbarbaro Departamento Ing. Eléctrica Universidad de Concepción Concepción CHILE IEEE NDLP- 2009 Sumario z z z z z z Algo de historia El paradigma sensorial Procesamiento inteligente Sistemas biológicos Mapas para sintonización de controladores Palabras Finales Algo de historia Algo de historia Algo de historia Algo de historia Algo de historia El paradigma sensorial Como ha evolucionado la naturaleza El cerebro de una mosca recibe información sensorial de al rededor de 80000 partes de su cuerpo. 98% de la neuronas están especializadas para el procesamiento sensorial. El 2% realizan funciones de alto nivel tales como control de vuelo, reconocimiento de predadores y otras funciones. El paradigma sensorial Sinapsis 10-2 1 102 104 10 6 10 8 10 10 Evolución neuronal Neuronas Vida Humana 1 mm Caminar niño Redes Apredizaje destrezas 1 cm Percepción aprendizaje Mapas LTP, LTD actividad de apredizaje neuronal Sistemas Una movida de ajedrez SNC Reconocimiento de Objetos Acción de potencial Constante de tiempo membrana El paradigma sensorial 1m 10 cm 100 µm 1 µm Moleculas 1A 10 12 tiempo/s 1 dia = 8.6 × 10 4 s, 1 año = 3.2 × 10 7 s El paradigma sensorial Red corporativa 100 km Sistemas información planta Sistemas supervisores DCS o PLC redes locales 1 km 100 m Redes instrumentos e intrumentos 1m 103 104 105 106 Planinificación 102 Programación 10 Control regulatorio Instrumentación 1 Optimizacion en TR 10-1 El paradigma sensorial Como están evolucionado las TIC orientadas a procesos ¿Existirá una convergencia hacia una estructura que asemeja un organismo natural? Incremento en el número de sensores (+ datos) Uso intensivo de comunicaciones Integración creciente de sistemas Distribución creciente de funciones ( Fieldbus y Smart Instruments) El paradigma sensorial Como esta evolucionado las TIC orientadas a procesos z z z z Incremento en el número de sensores (+ datos) Uso intensivo de comunicaciones Integración creciente de sistemas Distribución creciente de funciones ( Fieldbus y Smart Instruments) El paradigma sensorial temporales Datos desierto estructurales Sin objetivos cementerio de datos de datos De sistemas de información de datos de proceso sistemas de ayuda a la toma de decisiones El paradigma sensorial Decisiones y Acciones Información Soporte para la toma de decisiones SISTEMA DE INFORMACION Sistemas de control Datos Infraestructura COMER. Recursos humanos PUERTO Tecnología CONCENTRAD UCTO PLANTA MOLI. CONCENTRAD ORA MINA Adquisiciones Procesamiento Inteligente Inteligencia del Latín: interleggere que significa “comprender”, (lit. “leer entre líneas”) Conjunto de componentes Sistema inteligente Tiene objetivos Aprende Conocimiento del proceso + Modelación + Minería de Datos + Aprendizaje (adaptación) = Procesamiento inteligente de datos Para que ? Para usar la inmensa cantidad de datos adquiridos (almacenados) y contribuir a la cadena de valor del negocio. Procesamiento Inteligente Herramientas Procesamiento de señales Procesamiento Básico Filtros Correlogramas y análisis de serie de tiempos . Transformadas (Ondelets, Fourier) 500 450 400 350 300 250 200 150 360 380 400 420 440 460 480 500 520 540 560 Procesamiento Inteligente Herramientas Análisis Exploratorio de datos y reconocimiento de patrones Análisis Componentes principales Reconocimiento no supervisado: Análisis de agrupamientos Reconocimiento supervisado Procesamiento Inteligente Herramientas Calibración y regresión Regresión lineal múltiple Regresión de componentes principales Mínimos cuadrados parciales Validación de modelos Procesamiento Inteligente Oportunidades •Permiten obtener en forma rápida información en tiempo-real de los datos del proceso. •Extraer información de gran calidad con menos datos •Entrega información clara con gran poder de resolución •Entrega una metodología para clonar sensores •Entrega diagnósticos asociados a la integridad de la información que se ha derivado de los datos •Mejora el conocimiento que se tiene del proceso. •Bajos requerimientos de capital Procesamiento Inteligente Peligros - Desventajas 1) Cualquier persona con un computador puede generar soluciones matemáticas que después son difícil de interpretar . 2) Soluciones matemáticamente complejas pueden dejar espacio para ser mal interpretadas, si es que no se siguen estrictos estándares. 3) Se requiere un cambio en el enfoque de resolución de problemas desde un enfoque monovariable a un paradigma multivariable. 4) Se requiere recolectar las buenas prácticas y codificadarlas en estándares útiles, esto requiere un esfuerzo colaborativo entre los usuarios y los desarrolladores. Procesamiento Inteligente Cual es el valor de la información? “No se obtienen puntos por predecir lluvia. Los punto se obtienen por construir el arca.” Lou Gertner (Ex. IBM CEO) “La información es Información, no es materia ni energía” (Norbert Wiener) Valor=f( información, organización, finalidad, acciones y resultados) Modelos de redes neuronales Motora primaria: movimientos voluntarios Procesamiento somáticos básicos: tactile, dolor, presión, posición, temp., movt. Asociación motora: coordinación de mov. complejos Asociación sensorial: procesamiento de información multisensorial Prefrontal: planificación, emoción, y juicio. Centro del habla (área de Broca): producción del habla y articulación. Área de Wernicke: compresión del habla Audición: escucha Asociación auditiva: procesamiento complejo de la audición. Visual: visión de bajo nivel Asociación Visual: visión de alto nivel Enfoque electrónico "Zeichnende Hände" von M. C. Escher Redes neuronales artificiales 1era y 2nda Generación ENTRADAS CONEXIONES X1 FUNCION DE RED W1 X2 W2 X3 W3 dendritas FUNCION DE ACTIVACION net(.) Σ act(.) SALIDA ENTRADAS PONDERADAS soma Axon con terminales simpáticos Redes neuronales biológicas z Las palomas como expertos de Arte (Watanabe et al. 1995) z Experimento: z z z Paloma en una Skinner box Se presentaron pinturas de dos artistas (e.g. Chagall / Van Gogh) Se le recompensó al reconocer una artista (e.g. Van Gogh) z La palomas fueron capaces de discriminar entre Van Gogh y Chagall con 95% exactitud(cuando se le presentaron pinturas del conjunto de entrenamiento) z La discrimación fue 85% para experiencias donde se presentaron pinturas de los artistas nunca ante vistas z Las palomas no solamente memorizaron las pinturas Ellas pueden reconocer y extraer patrones ( el ‘estilo’) Ellas generalizan a partir de lo que han visto z z z Estas son funciones que pueden realizar las neuronas biológicas (y artificiales) y que son difícil de realizar por otros medios. normal Clasificador de patrones anormal ? t B t+T Redes neuronales artificiales prealimentadas Una capa Multi capa realimentadas Base radial competitivas Auto-organiz. realimentadas + +/-: signo de los pesos Capa salida Solo elementos de la capa competitiva conectados de tal forma que el ganador se mantiene activo. Esto se logra mediante realimentación positiva, e inhibición de los otros. [oncenter, off-surround] - - - entradas 15 2 2 4 4 6 6 8 8 10 10 2 4 6 8 10 12 12 14 14 16 16 18 18 20 20 12 14 16 2 4 6 8 10 12 14 16 18 20 18 2 4 6 8 10 12 14 16 18 20 20 2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20 2 4 1.4 6 8 10 12 1.2 14 16 18 20 1 2 4 6 0.8 8 10 12 14 16 0.6 18 20 0.4 2 4 6 8 0.2 10 12 14 16 0 0 1 2 3 4 5 6 7 8 18 20 2 4 6 8 10 12 14 16 18 20 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 5 10 15 20 25 a) 30 35 40 45 50 0 5 10 15 20 25 b) 30 35 40 45 50 7 6 5 4 3 2 1 Palabras Finales z La evolución de los sistemas de automatización sigue el camino recorrido por la naturaleza. z Modelos simples basados en los principios biológicos aportan poderosas herramientas para enfrentar problemas complejos de análisis de información de proceso.