“Año del Diálogo y la Reconciliación Nacional”

CONTROL PID E INTELIGENCIA ARTIFICIAL

PROFESOR : Ing. Saúl HUAQUIPACO ENCINAS

CARRERA : Ingeniería En Energías Renovables

AUTOR : Frank, QUIÑONES PUMA

SEMESTRE : VII

JULIACA – PUNO - PERÚ

2018

1
DEDICATORIA

A Dios Por iluminarme durante este trabajo

y por permitirme finalizarlo con éxito

A mis queridos padres Por su apoyo

incondicional y el esfuerzo diario que
realizan por brindarme una buena
educación.
A nuestros profesores Quienes son
nuestros guías en el aprendizaje, dándonos
los últimos conocimientos para nuestro
buen desenvolvimiento en la sociedad.

2
 AGRADECIMIENTO

A todas aquellas personas con sed de conocimiento y deseos de superación, que leen
hoy estas páginas y premian el esfuerzo de este trabajo.

Agradezco en primer lugar, al ser Supremo, único dueño de todo saber y verdad, por
iluminarme durante este trabajo y por permitirnos finalizarlo con éxito; y en segundo lugar,
pero no menos importante, a mis queridos padres, por su apoyo incondicional y el esfuerzo
diario que realizan por brindarnos una buena educación.

Los esfuerzos mayores, por más individuales que parezcan, siempre están
acompañados de apoyos imprescindibles para lograr concretarlos.

En ésta oportunidad, el reconocimiento y agradecimiento a nuestro profesor

ingeniero SAUL HUAQUIPACO ENCINAS; por su oportuna, precisa e instruida
orientación para el logro del presente trabajo.

3
 ÍNDICE

Caratula......................................................................................................................... 1

Dedicatoria.................................................................................................................... 2

Agradecimiento ............................................................................................................ 3

Índice ............................................................................................................................ 4

Introducción .................................................................................................................. 6

1. Control PID……………………………………………………………….……… 7

1.1. aplicaciones y funcionamiento………………………….……….. 8

2. Estructura del PID……………………………………………………….……..… 9

Proporcional……………………………………………………………………… 9

Integral…………………………………………………………………………… 10

Derivativo………………………………………………………………………… 11

3. Limitaciones de un control PID…………………………………………………... 12

4. Metodos experimentales de ajuste……………………………………………...… 13

4.1. - Método de Ziegler-Nichols:……………………………….....… 13

4.2. - Método de Cohen-Coon………………………………………... 15

Reglas heurísticas de ajuste……………………………………….....…… 17

5. ¿Cuándo un control PID es suficiente?................................................................... 17

6. ¿Cuándo es necesario un control más sofisticado?................................................. 18

7. INTELIGENCIA ARTIFICIAL……………………………………………...….. 19

Introducción a la inteligencia artificial………………………………...... 19

Nociones y antecedentes históricos de inteligencia artificial……………. 20
Características de la inteligencia artificial…………………………….…. 21
Diferentes metodologías de la IA…………………………………...…… 22
Clasificación…………………………………………………………...… 23

4
 Implicaciones de la ia en la agricultura……………………………….….. 24

Generaciones de la ia en la agricultura…………………………………… 25

IA En la educación……………….…..………………….…………..…… 25

IA En la actualidad……………………………………………………...… 26
IA En la industria…………………………………………………….…… 27
Los sensores inteligentes………………………………………….…….… 28
Conclusion …………………………………………………………………...…… 30
Bibliografia………………………………………………………………………... 30

5
 INTRODUCCIÓN

El presente trabajo está diseñado de forma práctica y sencilla para comenzar a

conocer un poco de esta extraordinaria herramienta “PID Controlador Proporcional-Integral-

Derivativo e INTELIGENCIA ARTIFICIAL)”, recorriendo los conceptos y características

del mismo, uso, funcionamiento, parámetros, limitaciones, dando una breve descripción de

cada punto ya planteado.

Al mismo tiempo la elección de un tema específico para esta monografía permite

conocer más sobre los “controladores” no sólo su concepto, sino sus aplicaciones y

principalmente la importancia que tiene dentro del control y automatizacion.

La motivación del presente tema es poder conocer los diferentes usos del control

“PID y LA INTELIGENCIA ARTIFICIAL” que se dan en el de la electrónica.

6
1. CONTROL PID (Controlador Proporcional-Integral-Derivativo)

Desde que James Watt inventara su primer regulador realimentado mecánico dando vida
así al Control Automático Industrial hasta hoy, los métodos de control han variado
muchísimo. Hoy día el control discreto se ha impuesto en la inmensa mayoría de las
aplicaciones permitiendo implementar desde técnicas tan sencillas como el control
proporcional hasta técnicas avanzadas como control predictivo, adaptativo, mediante
redes neuronales, en cascada, dead-bit, control borroso… No obstante, en una gran parte
de los casos de aplicación industrial, el viejo controlador PID es más que suficiente para
los requisitos de control deseados. Este hecho, junto con el buen conocimiento que se
tiene de su comportamiento, hace que a día de hoy continúe siendo uno de los
controladores más populares y empleados en la industria.

Hoy en día existen numerosas tipologías e implementaciones de estos controladores,

aunque la esencia del PID, un regulador que incluye acciones proporcional, integral y
derivativa, es común a todos ellos y comenzó a utilizarse en controladores ya en el siglo
diecinueve. Concretamente se dice que fue la Taylor Instrument Company la que
introdujo el primer controlador de este tipo, primero en 1936 con una constante derivativa
fijada en fábrica y luego por fin, en 1939, con una acción derivativa variable.

Ya en 1922, bastante antes de su comercialización, Nicolás Minorsky había analizado las

propiedades de los controladores tipo PID en su publicación “Estabilidad direccional de
cuerpos dirigidos automáticamente”. Dicho trabajo, que constituye una de las primeras
discusiones sobre Teoría de Control, describe el uso de los controladores de tres términos
para el gobierno de la dirección de un buque: el “New Mexico”.

En la década de 1910 se construyeron por fin los primeros sistemas de gobierno

automático basados en un control de tipo proporcional que dieron buenos resultados en
pequeños buques. Sin embargo, el comienzo de la guerra en 1914 interrumpió el
desarrollo de los “giropilotos”, que no fue reanudado hasta 1921 ya de la mano de
Minorsky. En mi opinión personal el control PID se inventó por las necesidades que había
en ese tiempo y para mejorar la forma de vivir de las personas.

7
1.1. Aplicaciones

Esta es la razón por la cual los lazos PID fueron inventados. Para simplificar las labores
de los operadores y ejercer un mejor control sobre las operaciones. Algunas de las
aplicaciones más comunes son:

 Lazos de temperatura (aire acondicionado, calentadores, refrigeradores, etc.)

 Lazos de nivel (nivel en tanques de líquidos como agua, lácteos, mezclas, crudo, etc.)
 Lazos de presión (para mantener una presión predeterminada en tanques, tubos,
recipientes, etc.)
 Lazos de caudal (mantienen el caudal dentro de una línea o cañería).

1.2. Funcionamiento

Para el correcto funcionamiento de un controlador PID que regule un proceso o sistema

se necesita, al menos:

1. Un sensor, que determine el estado del sistema

(termómetro, caudalímetro, manómetro, etc).
2. Un controlador, que genere la señal que gobierna al actuador.
3. Un actuador, que modifique al sistema de manera controlada (resistencia eléctrica,
motor, válvula, bomba, etc).

El sensor proporciona una señal analógica o digital al controlador, la cual representa

el punto actual en el que se encuentra el proceso o sistema. La señal puede representar
ese valor en tensión eléctrica, intensidad de corriente eléctrica o frecuencia.

El controlador recibe una señal externa que representa el valor que se desea alcanzar. Esta
señal recibe el nombre de punto de consigna (o punto de referencia, valor deseado o set
point), la cual es de la misma naturaleza y tiene el mismo rango de valores que la señal
que proporciona el sensor. Para hacer posible esta compatibilidad y que, a su vez, la señal
pueda ser entendida por un humano, habrá que establecer algún tipo de interfaz (HMI-
Human Machine Interface), son pantallas de gran valor visual y fácil manejo que se usan
para hacer más intuitivo el control de un proceso.

El controlador resta la señal de punto actual a la señal de punto de consigna, obteniendo

así la señal de error, que determina en cada instante la diferencia que hay entre el valor
deseado (consigna) y el valor medido.

8
2. Estructura del PID

Consideremos un lazo de control de una entrada y una salida (SISO) de un grado de

libertad:

Los miembros de la familia de controladores PID, incluyen tres acciones: proporcional

(P), integral (I) y derivativa (D). Estos controladores son los denominados P, I, PI, PD y
PID.

Proporcional

La parte proporcional consiste en el producto entre la señal de error y la constante

proporcional para lograr que el error en estado estacionario se aproxime a cero, pero en
la mayoría de los casos, estos valores solo serán óptimos en una determinada porción del
rango total de control, siendo distintos los valores óptimos para cada porción del rango.

La fórmula del proporcional está dada por:

El error, la banda proporcional y la posición inicial del elemento final de control se

expresan en tanto por uno. Nos indicará la posición que pasará a ocupar el elemento final
de control.

Figura N° 01: diagrama de un controlador proporcional

9
Integral

El modo de control Integral tiene como propósito disminuir y eliminar el error en estado
estacionario, provocado por perturbaciones exteriores y los cuales no pueden ser
corregidos por el control proporcional. El control integral actúa cuando hay una
desviación entre la variable y el punto de consigna, integrando esta desviación en el
tiempo y sumándola a la acción proporcional. El error es integrado, lo cual tiene la
función de promediarloo sumarlo por un período determinado. El control integral se
utiliza para obviar el inconveniente del offset (desviación permanente de la variable con
respecto al punto de consigna) de la banda proporcional.

La fórmula de la integral está dada por:

Ejemplo: Mover la válvula (elemento final de control) a una velocidad proporcional a la

desviación respecto al punto de consigna (variable deseada).

Figura N° 02: diagrama de un controlador integral

10
Derivativo

La acción derivativa se manifiesta cuando hay un cambio en el valor absoluto del error;
(si el error es constante, solamente actúan los modos proporcional e integral).

El error es la desviación existente entre el punto de medida y el valor consigna, o "Set

Point".

Se deriva con respecto al tiempo y se multiplica por una constante Kd y luego se suma a
las señales anteriores (P+I). Es importante adaptar la respuesta de control a los cambios
en el sistema ya que una mayor derivativa corresponde a un cambio más rápido y el
controlador puede responder acordemente.

La fórmula del derivativo está dada por:

El control derivativo se caracteriza por el tiempo de acción derivada en minutos de

anticipo. La acción derivada es adecuada cuando hay retraso entre el movimiento de la
válvula de control y su repercusión a la variable controlada.

Ejemplo: Corrige la posición de la válvula (elemento final de control)

proporcionalmente a la velocidad de cambio de la variable controlada.

La acción derivada puede ayudar a disminuir el rebasamiento de la variable durante el

arranque del proceso. Puede emplearse en sistemas con tiempo de retardo considerables,
porque permite una repercusión rápida de la variable después de presentarse una
perturbación en el proceso.

Figura N° 03: diagrama de un controlador derivativo

11
3. Limitaciones de un control PID

Mientras que los controladores PID son aplicables a la mayoría de los problemas de
control, puede ser pobres en otras aplicaciones. Los controladores PID, cuando se usan
solos, pueden dar un desempeño pobre cuando la ganancia del lazo del PID debe ser
reducida para que no se dispare u oscile sobre el valor del "setpoint". El desempeño del
sistema de control puede ser mejorado combinando el lazo cerrado de un control PID con
un lazo abierto. Conociendo el sistema (como la aceleración necesaria o la inercia) puede
ser accionado y combinado con la salida del PID para aumentar el desempeño final del
sistema. Solamente el valor de avanacción (o Control prealimentado) puede proveer la
mayor porción de la salida del controlador. El controlador PID puede ser usado
principalmente para responder a cualquier diferencia o "error" que quede entre el setpoint
y el valor actual del proceso. Como la salida del lazo de avanacción no se ve afectada a
la realimentación del proceso, nunca puede causar que el sistema oscile, aumentando el
desempeño del sistema, su respuesta y estabilidad.

Por ejemplo, en la mayoría de los sistemas de control con movimiento, para acelerar una
carga mecánica, se necesita de más fuerza (o torque) para el motor. Si se usa un lazo PID
para controlar la velocidad de la carga y manejar la fuerza o torque necesaria para el
motor, puede ser útil tomar el valor de aceleración instantánea deseada para la carga, y
agregarla a la salida del controlador PID. Esto significa que sin importar si la carga está
siendo acelerada o desacelerada, una cantidad proporcional de fuerza está siendo
manejada por el motor además del valor de realimentación del PID. El lazo del PID en
esta situación usa la información de la realimentación para incrementar o decrementar la
diferencia entre el setpoint y el valor del primero. Trabajando juntos, la combinación
avanacción-realimentación provee un sistema más confiable y estable.

Otro problema que posee el PID es que es lineal. Principalmente el desempeño de los
controladores PID en sistemas no lineales es variable. También otro problema común que
posee el PID es, que en la parte derivativa, el ruido puede afectar al sistema, haciendo que
esas pequeñas variaciones, hagan que el cambio a la salida sea muy grande. Generalmente
un Filtro pasa bajo ayuda, ya que elimina las componentes de alta frecuencia del ruido.
Sin embargo, un FPB y un control derivativo pueden hacer que se anulen entre ellos.
Alternativamente, el control derivativo puede ser sacado en algunos sistemas sin mucha
pérdida de control. Esto es equivalente a usar un controlador PID como PI solamente.

12
4. Métodos experimentales de ajuste
4.1. Método de Ziegler-Nichols:
 En bucle abierto

En el primer método, la respuesta de la planta a una entrada escalón unitario se obtiene

de manera experimental. Si la planta no contiene integradores ni polos dominantes
complejos conjugados, la curva de respuesta escalón unitario puede tener forma de S,
como se observa en las siguientes figuras. La curva con forma de S se caracteriza por dos
parámetros: el tiempo de retardo T0 y la constante de tiempo Tp. El tiempo de retardo y
la constante de tiempo se determinan dibujando una recta tangente en el punto de
inflexión de la curva con forma de S y determinando las intersecciones de esta tangente
con el eje del tiempo y la línea c(t)=K, como se aprecia en la versión 1. En este caso, la
función de transferencia C(s)/U(s) se aproxima mediante un sistema de primer orden con
un retardo de transporte del modo siguiente:

Figura N° 04: diagrama de Ziegler-Nichols versión 01

13
 Figura N° 05: diagrama de Ziegler-Nichols versión 02

Tabla 0.1ccontroladores en funcion a versión 1 y 2 constantes

Kp Ti Td

Controlador P Tp/T0 - -

Controlador PI 0.9*Tp/T0 T0/0.3 -

Controlador PID 1.2*Tp/T0 2*Tp 0.5*T0

 En bucle cerrado:

En el segundo método, primero establecemos Ti=Inf y Td=0. Usando sólo la acción de

control proporcional, se incrementa Kp de 0 a un valor crítico Kc en donde la salida
exhiba primero oscilaciones sostenidas. Si la salida no presenta oscilaciones sostenidas
para cualquier valor que pueda tomar Kp, no se aplica este método. Por tanto, la ganancia
critica Kc y el periodo P correspondiente se determinan experimentalmente. Ziegler-
Nichols sugirieron que se establecieran los valores de los parámetros Kp, Ti y Td de
acuerdo con la fórmula que aparece en la siguiente tabla.

14
 Figura N° 06: diagrama de Ziegler-Nicholsen bucle cerrado

Tabla 0.2 en bucle cerrado

Kp Ti Td

Controlador P 0.5*Kc - -

Controlador PI 0.45*Kc (1/1.2)*P -

Controlador PID 0.6*Kc 0.5*P 0.125*P

4.2. Método de Cohen-Coon:

El ajuste de Ziegler y Nichols para la curva de reacción es muy sensible a variaciones de

t/Y0. Cohen y Coon desarrollaron una tabla modificada para mejorar esta limitación
usando datos del mismo ensayo.

En este método se obtiene experimentalmente la respuesta de la planta al aplicar un

escalón unitario, como se muestra en la siguiente figura. Si la planta no incluye
integrador(es) o polos dominantes complejos conjugados, la curva de respuesta al escalón
unitario puede tener el aspecto de una curva en forma de S, como se observa en dicha
figura, en el caso en que la curva no presente esta forma, no se puede aplicar el método.

Si la planta no incluye integrador(es) o polos dominantes complejos conjugados, la curva

de respuesta al escalón unitario puede tener el aspecto de una curva en forma de S, como
se observa en dicha figura, en el caso en que la curva no presente esta forma, no se puede
aplicar el método.

15
 Figura N° 07: diagrama de Cohen-Coon

Tabla 0.3 tabla de Cohen-Coon

Kp Ti Td

Controlador
(Y0/(K0*T0))*(1+3*T0/Y0) - -
P

Controlador
(Y0/(K0*T0))*(0.9+T0/(12*Y0)) (T0*(30*Y0+3*T0))/(9*Y0+20*T0) -
PI

Controlador
(Y0/(K0*T0))*(4/3+T0/(4*Y0)) (T0*(32*Y0+6*T0))/(13*Y0+8*T0) (4*T0*Y0)/(11*Y0+2*T0)
PID

16
- Reglas heurísticas de ajuste:

Paso 1: Acción Proporcional

 Tiempo integral (TI), a su máximo valor.

 Tiempo derivativo (TD), a su mínimo valor.
 Empezando con ganancia baja se va aumentando hasta obtener las características de
respuesta deseadas.

Paso 2: Acción integral

 Reducir el TI hasta anular el error en estado estacionario, aunque la oscilación sea

excesiva.
 Disminuir ligeramente la ganancia.
 Repetir hasta obtener las características de respuesta deseadas.

Paso 3: Acción Derivativa

 Aumentar el TD hasta obtener características similares, pero con la respuesta más

rápida.
 Aumentar ligeramente la ganancia si fuera necesario.
 Mantener ganancia y tiempo integral obtenidos anteriormente.

5. ¿Cuándo un control PID es suficiente?

El control PID es suficiente para procesos donde la dinámica dominante es de segundo

orden. Para estos procesos no existe mayor beneficio con el uso de un controlador más
sofisticado.
Un caso típico de la acción derivativa, introducida para mejorar la respuesta, es cuando
la dinámica del proceso está caracterizada por constantes de tiempo que difieren en
magnitud. La acción derivativa puede dar buenos resultados para aumentar la velocidad
de respuesta. El control de temperatura es un caso típico. La acción derivativa es también
beneficiosa cuando se requiere un control más fino para un sistema de alto orden.

17
6. ¿Cuándo es necesario un control más sofisticado?

Se necesitan controladores más sofisticados cuando nos encontramos con:

 Procesos de orden elevado

Cuando el sistema es de orden mayor a dos, el control puede ser mejorado usando un
controlador más complejo que el controlador PID.

 Sistemas con grandes retardos

Los sistemas de control con un retardo de tiempo dominante son notoriamente difíciles.
Es también un tópico sobre el cual existen diferentes opiniones, concernientes al mérito
del control PID. Sin embargo, todos parecen estar de acuerdo en que la acción derivativa
no ayuda mucho a los procesos con retardo dominantes. Para un proceso estable en lazo
abierto, la respuesta se puede mejorar sustancialmente introduciendo una compensación
de tiempo muerto. El rechazo a las perturbaciones de carga también puede ser mejorado
en algún grado, debido a que el compensador de tiempo muerto permite una mayor
ganancia de lazo que un controlador PID. Los sistemas con retardo de tiempo dominante
son, de esta manera, candidatos para la aplicación de controladores más sofisticados.

 Sistemas con modos oscilatorios

 Procesos con ruidos significativos
 Cuando se plantean objetivos de control ambiciosos.

Se incluyen aspectos como la limitación de la ganancia derivativa, el antiwindup del

integrador, la mejora del desempeño a partir del análisis estático y dinámico de los
sistemas de control.

El controlador PID puede ser estructurado de diferentes maneras. Las formas

comúnmente usadas son las formas serie y paralelas. En este sentido, se discuten las
diferencias entre éstas desde el punto de vista de sus parámetros.

También se discute la implementación de los controladores PID usando computadoras

digitales. Al respecto, se tratan los conceptos fundamentales del proceso muestreo, la
elección del periodo de muestreo y los filtros antialiasing.

18
7. Inteligencia artificial

INTRODUCCION

La Inteligencia Artificial comenzó como el resultado de la investigación en psicología

cognitiva y lógica matemática. Se ha enfocado sobre la explicación del trabajo mental y
construcción de algoritmos de solución a problemas de propósito general. Punto de vista
que favorece la abstracción y la generalidad.

La Inteligencia Artificial es una combinación de la ciencia del computador, fisiología y

filosofía, tan general y amplio como eso, es que reúne varios campos (robótica, sistemas
expertos, por ejemplo), todos los cuales tienen en común la creación de máquinas que
pueden "pensar".

La idea de construir una máquina que pueda ejecutar tareas percibidas como
requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas
desde este punto de vista incluyen juegos, traducción de idiomas, comprensión de
idiomas, diagnóstico de fallas, robótica, suministro de asesoría experta en diversos temas.

Es así como los sistemas de administración de base de datos cada vez más sofisticados,
la estructura de datos y el desarrollo de algoritmos de inserción, borrado y locación de
datos, así como el intento de crear máquinas capaces de realizar tareas que son pensadas
como típicas del ámbito de la inteligencia humana, acuñaron el término Inteligencia
Artificial en 1956.

Trabajos teóricos fundamentales fueron el desarrollo de algoritmos matemáticos por

Warren McCullock y Walter Pitts, en 1943, necesarios para posibilitar el trabajo de
clasificación, o funcionamiento en sentido general, de una red neuronal. En 1949 Donald
Hebb desarrolló un algoritmo de aprendizaje para dichas redes neuronales creando, en
conjunto con los trabajos de McCullock y Pitts, la escuela creacionista. Esta escuela se
considera hoy como el origen de la Inteligencia Artificial, sin embargo se trató poco por
muchos años, dando paso al razonamiento simbólico basado en reglas de producción, lo
que se conoce como sistemas expertos.

19
NOCIONES Y ANTECEDENTES HISTÓRICOS DE INTELIGENCIA
ARTIFICIAL.

Definiciones sobre Inteligencia Artificial:

 Disciplina científico-técnica que trata de crear sistemas artificiales capaces de

comportamientos que, de ser realizados por seres humanos, se diría que requieren
inteligencia.

 Estudio de los mecanismos de la inteligencia y las tecnologías que lo sustentan.

(Newell, 91)

 Intento de reproducir (modelar) la manera en que las personas identifican,

estructuran y resuelven problemas difíciles (Pople, 84)

 Son ciertas herramientas de programación, entendiendo por herramientas:

o Lenguajes: LISP, PROLOG

o Entornos de desarrollo: shells

o Arquitecturas de alto nivel: nodo y arco, sistemas de producciones

Desde sus comienzos hasta la actualidad, la Inteligencia Artificial ha tenido que hacer
frente a una serie de problemas:

 Los computadores no pueden manejar (no contienen) verdaderos significados.

 Los computadores no tienen autoconciencia (emociones, sociabilidad, etc.).

 Un computador sólo puede hacer aquello para lo que está programado.

En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage planteó el asunto
de si la máquina de Babbage podía "pensar".

Los primeros problemas que se trató de resolver fueron puzzles, juegos de ajedrez,
traducción de textos a otro idioma.

Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron

los principios de la cibernética en relación con la realización de decisiones complejas
y control de funciones en máquinas.

20
CARACTERÍSTICAS DE LA INTELIGENCIA ARTIFICIAL.

 Una característica fundamental que distingue a los métodos de Inteligencia

Artificial de los métodos numéricos es el uso de símbolos no matemáticos,
aunque no es suficiente para distinguirlo completamente.

 El comportamiento de los programas no es descrito explícitamente por

el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por
el problema particular presente. El programa especifica cómo encontrar la
secuencia de pasos necesarios para resolver un problema dado (programa
declarativo).

 Las conclusiones de un programa declarativo no son fijas y son determinadas

parcialmente por las conclusiones intermedias alcanzadas durante las
consideraciones al problema específico. Los lenguajes orientados al objeto
comparten esta propiedad y se han caracterizado por su afinidad con la
Inteligencia Artificial.

 El razonamiento basado en el conocimiento, implica que estos programas

incorporan factores y relaciones del mundo real y del ámbito del conocimiento en
que ellos operan. Al contrario de los programas para propósito específico, como
los de contabilidad y cálculos científicos; los programas de Inteligencia Artificial
pueden distinguir entre el programa de razonamiento o motor de inferencia y base
de conocimientos dándole la capacidad de explicar discrepancias entre ellas.

 Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de

Inteligencia Artificial los programas no pueden trabajar con este tipo de
problemas. Un ejemplo es la resolución de conflictos en tareas orientadas a metas
como en planificación, o el diagnóstico de tareas en un sistema del mundo real:
con poca información, con una solución cercana y no necesariamente exacta.

 El programa especifica cómo encontrar la secuencia de pasos necesarios para

resolver un problema dado

 Las conclusiones de un programa declarativo no son fijas y son determinadas

parcialmente por las conclusiones intermedias alcanzadas durante las
consideraciones al problema específico

21
 DIFERENTES METODOLOGIAS

1. La lógica difusa: permite tomar decisiones bajo condiciones de incerteza.También

llamada lógica borrosa o lógica heurística, en inglés Fuzzi Logic se basa en lo relativo de
lo observado como posición diferencial. Este tipo de lógica toma dos valores aleatorios,
pero contextualizados y referidos entre sí.

2. Redes neuronales: poderosa ante tareas como la clasificación y el reconocimiento de

patrones. Es basada en el concepto de "aprender" por agregación de un gran número de
muy simples elementos. Este modelo considera que una neurona puede ser representada
por una unidad binaria: a cada instante su estado puede ser activo o inactivo.
La interacción entre las neuronas se lleva a cabo a través de sinapsis. Según el signo, la
sinapsis es excitadora o inhibidora. Un Perceptrón es una Red Neuronal lo más simple
posible, es aquella donde no existen capas ocultas. Para cada configuración de los estados
de las neuronas de entrada (estímulo) la respuesta del perceptrón obedece a la
siguiente dinámica: se suman los potenciales sinápticos y se comparan con un umbral de
activación. Esta suma es también llamada campo. Si el campo es mayor que un umbral,
la respuesta de la neurona es activa, si no, es inactiva. Si se quieren
realizar funciones complejas con Redes Neuronales, es necesario intercalar neuronas
entre las capas de entradas y de salida, llamadas neuronas ocultas. Una de las arquitecturas
más usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y de
éstas hacia la salida.

Figura N° 08: capas de redes neuronales

22
 CLASIFICACION

A. Inteligencia artificial convencional

Basada en análisis formal y estadístico del comportamiento humano ante diferentes

problemas. Tienen las siguientes características:

 Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven

ciertos problemas concretos.

 Sistemas expertos: infieren una solución a través del conocimiento previo del
contexto en que se aplica y de ciertas reglas o relaciones.

 Redes bayesianas: propone soluciones mediante inferencia estadística.

 Inteligencia artificial basada en comportamientos: sistemas complejos que tienen

autonomía y pueden auto-regularse y controlarse para mejorar.

B. Inteligencia artificial computacional

La inteligencia computacional (también conocida como inteligencia artificial sub

simbólica) implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de
los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos
empíricos. Algunos métodos de esta rama incluyen:

 Máquina de vectores soporte: sistemas que permiten reconocimiento de patrones

genéricos de gran potencia.

 Redes neuronales: sistemas con grandes capacidades de reconocimiento de

patrones.

 Modelos ocultos de Markov: aprendizaje basado en dependencia temporal

de eventos probabilísticos.

 Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre. Ha

sido ampliamente usada en la industria moderna y
en productos de consumo masivo, como las lavadoras

23
IMPLICACIONES DE LA IA EN LA AGRICULTURA

El desarrollo de herramientas computacionales aplicadas a brindar soluciones

en materia de agricultura, es de vital importancia, ya que hay gran variedad de cultivos,
los cuales podrán obtener mayor valor económico y calidad si logramos que dichas
herramientas brinden el soporte necesario que estos necesitan.

La I.A a través de Sistemas Inteligentes permiten un mayor control de los procesos

involucrados en la agricultura que se hacen más necesarios de desarrollar, dada la
necesidad en el sector y por los buenos resultados que este tipo de aplicaciones han
mostrado hasta la actualidad.

Las principales áreas de la agricultura en las que se puede utilizar la I.A son:

 Planificación agraria y de recursos naturales.

 Gestión integral de cultivo.
 Control de plagas y enfermedades.
 Diagnóstico.
 Análisis de inversiones.
 Control de automatismos.
 Selección de maquinaria.
 Control de riego y otros.

Los sistemas expertos son programas de ordenador y base de datos diseñados para simular
la experiencia acumulada de un experto humano cuando hace una recomendación. El
trabajo analiza varios sistemas expertos de reciente aparición en la agricultura. Las áreas
de interés en que pueden aplicarse los sistemas expertos son: planificación agraria y de
recursos naturales, gestión integral de cultivos, control de plagas y enfermedades,
diagnóstico, análisis de inversiones, control de automatismos, selección de maquinaria,
control de riego y otros. La conclusión final es que la agricultura se enfrenta a una
importante mejora tecnológica.

24
 GENERACIONES DE LA IA EN LA AGRICULTURA

a) Primera Generación:

Es en la que estamos viviendo y se caracteriza por que los robots agricultores son
pequeños y están dotados principalmente de un sistema de visión artificial. Son capaces
de realizar tareas de búsqueda y transmisión de información sobre el terreno de una forma
totalmente nueva en el sector agrícola:

 Distribuidos por hectáreas de terreno.

 Son capaces de orientar sus búsquedas.
 Intercambiar información con otras unidades.
 Detectar epidemias e insectos peligrosos, advirtiendo de ello a los demás robots
desplegados sobre el terreno.
b) Segunda Generación:

Pretende llegar más lejos y realizar tareas agrícolas más complejas, como roturar
mecánicamente un terreno y fumigarlo con la ayuda de GPS. Estos robots también serán
de pequeño tamaño, excepto los que se dediquen a cosechar, los cuales deberán tener un
tamaño equivalente al de las maquinas actuales, conducidas directamente por el hombre.

c) Tercera Generación:

Formará parte de un sistema más amplio para gestionar en su conjunto la granja del futuro,
con actividades complementarias a las estrictamente agrícolas, como la ganadera y la
gestión comercial. En Japón ya existen unos pequeños robots autónomos que plantan
arroz en plantaciones reales.

LA IA Y LA EDUCACIÓN

En los años 50 aparecieron los primeros sistemas de enseñanza llamados programas

lineales. Aquellos programas eran muy básicos y la mayor desventaja era que el método
de enseñanza no se podía cambiar ni el programador podía realizar dicho cambio. A
principio de los años 60, las computadoras, la compra y venta de las mismas, comenzó a
emerger gracias a que las universidades las requerían en gran cantidad, sobre todo Estados
Unidos. De allí que la computadora llego a formar gran parte de la educación de los
profesionales. Tan rápido como las universidades adquirieron las computadoras
comenzaron a cambiar su método de enseñanza obteniendo magníficos resultados.

25
EN LA ACTUALIDAD

La historia de los ordenadores en la enseñanza es una historia breve, de poco más de

cuarenta años, y está vinculada de forma muy estrecha a la propia evolución y avance de
la tecnología informática por una parte, y al desarrollo de las teorías del aprendizaje y
enseñanza por otra. Desde que a mediados del siglo XX, Skinner propusiera el concepto
de "máquinas de enseñar", el desarrollo y preocupación de la utilización de los
ordenadores en la enseñanza ha estado dominado por esta idea: ¿es posible lograr que un
sujeto humano aprenda a través de la interacción, casi exclusiva, con una máquina? Los
logros y avances a lo largo de varias décadas de investigación fueron menos exitosos de
lo esperado. La adaptación de los sistemas escolares a un modelo de escolaridad apoyado
en las tecnologías digitales es y será un proceso parsimonioso[1]lento, con altibajos, con
avances y retrocesos. Este proceso de cambio exige, como condición inicial, pero no
única, la disponibilidad de recursos tecnológicos abundantes en los centros educativos.
Sin un número adecuado de ordenadores, sin software apropiado, sin cableado ni
infraestructuras no habrá, evidentemente, prácticas educativas apoyadas en las
tecnologías informáticas. Pero esto es, a todas luces, insuficiente si lo que perseguimos
es la innovación y mejora educativa.

De cómo serán los libros en el futuro no tengo ni idea, pero sí sé cómo es el presente
del libro con inteligencia artificial. Y en esta materia, los referentes son los bidibooks
de la empresa gallega Netbiblo. Los gallegos estaremos a la cola en el ranking de lectura o
de uso de Internet en España, pero a la hora de innovar pocos nos ganan en esto de
la sociedad de la información (permitidme, de nuevo, hacer patria).Los bidibooks
funcionan por un código QR (Quick Response Codes) para teléfonos móviles. Para
usarlos sólo hay que descargar al móvil un programa lector de QR y hacer una foto con
la cámara del teléfono al código. Pero para que funcione este sistema es, además,
necesario tener conexión a Internet en el móvil o poder hacerlo vía Wi-Fi. Esos códigos
QR (códigos de barras en dos dimensiones impresos en el papel) la cámara los traduce al
teléfono en una URL que remite al lector a más información en la Red sobre esa obra que
tiene entre sus manos. Así, se tiene acceso a vídeos, fotografías y textos vinculados al
libro, desde fuentes como Wikipedia, Flickr o YouTube.

26
INTELIGENCIA ARTIFICIAL EN LA INDUSTRIA

La Inteligencia Artificial es una rama de la ciencia de computación que comprende el

estudio y creación de sistemas computarizados que manifiestan cierta forma de
inteligencia: sistemas que aprenden nuevos conceptos y tareas, sistemas que pueden
razonar y derivar conclusiones útiles acerca del mundo que nos rodea, sistemas que
pueden comprender un lenguaje natural o percibir y comprender una escena visual, y
sistemas que realizan otro tipo de actividades que requieren de inteligencia humana.

Una de las áreas que puede tener mayor incidencia directa en los procesos productivos de
la industria nivel mundial, es el diseño de sistemas de soporte para la toma de decisiones
basados en la optimización de los parámetros de operación del sistema.

Ejemplo: El sistema de visión artificial Robot Visión PRO, es capaz de ejecutar de manera
totalmente automática las labores de identificación de objetos y de control de calidad de
los mismos.

Análisis de las Necesidades de un Robot:

 Producción Anual

 Almacenamiento

 Tiempo de Manipuleo

 Layout(plan) de Máquinas

 Accesibilidad

 Dotación de Operación y Supervisión

Procesos válidos para obtener resultados racionales:

 Agente inteligente

 Redes neuronales

 Sistemas de lógica difusa

 Sistemas Expertos

27
LOS SENSORES INTELIGENTES

El ser humano por naturaleza siempre ha utilizado sus sentidos para mejorar su calidad
de vida. Su comodidad depende de visualizar las grandes áreas
de producción de alimentos, detección de la temperatura y humedad favorables. La
tecnología actual hace que vivamos en un ambiente con la temperatura regulada,
nos muestra la mejor manera de llegar a un destino y nos sugiere las mejores prendas
según las previsiones meteorológicas.

 ¿Qué son los sensores inteligentes?

Son aquellos dispositivos que nos permiten palpar, medir o sentir por medios externos las
magnitudes de todo aquello que nuestros cinco sentidos de por sí ya realizan. Si se quiere,
podemos hasta decir que realizan funciones que si bien nosotros los seres humanos
pudiéramos realizar, nos tardaríamos horas o hasta días y semanas en realizar. Hay sin
embargo condiciones o información que los sensores inteligentes nos entregan que ni los
mismos seres humanos podríamos dar con tanta precisión. Tal es el sencillo caso de la
temperatura ambiente. Podemos sentir el calor y el frío. Podemos estimar un aproximado
de la misma en grados centígrados, pero no podremos dar un valor preciso de dicha
temperatura.

Hoy en día, nuestra calidad de vida se define al decidir qué hacer con el tiempo libre que
ganamos gracias a la tecnología: ir a un gimnasio, viajar, disfrutar de la familia o amigos,
etc.

Los sensores tienen un papel fundamental en este avance tecnológico, convirtiendo

máquinas y procesos más autónomos en nuestra búsqueda de una calidad de vida más
tranquila. Empresas dedicadas a la construcción de sensores tienen una gran variedad de
los mismos. Las magnitudes físicas que podemos medir hoy en día con la línea de
sensores inteligentes son muy variadas.

Sensores primitivos vs sensores inteligentes

En contraste con los sensores inteligentes, los sensores primitivos son dispositivos
o materiales que tienen alguna propiedad eléctrica que cambia con algún fenómeno físico.
Un ejemplo de un sensor primitivo es la fotorresistencia de sulfato de cadmio.
Su resistencia cambia con la intensidad de la luz.

28
Con el programa y el circuito adecuados, es posible realizar mediciones de luz con un
micro controlador. Otros ejemplos de sensores primitivos comunes son los sensores de
temperatura con salida de corriente/tensión, transductores de micrófonos y aún el
potenciómetro, que es un sensor de posición rotacional.

Dentro de cada sensor inteligente radica uno o más sensores primitivos y la circuitería de
soporte. Lo que hace a un sensor inteligente "inteligente" es la electrónica interconstruída
adicional. Esta electrónica hace que estos sensores sean capaces de hacer una o más de
las siguientes funciones:

 Pre-procesar los valores medidos en cantidades que posean algún significado.

 Comunicar las medidas con señales digitales y protocolos de comunicación.

 Orquestar las acciones de los sensores primitivos y sus circuitos para "tomar"
mediciones.

 Tomar decisiones e iniciar alguna acción en base a las condiciones censadas, de

manera independiente al micro controlador.

 Recordar la calibración o la configuración de sus parámetros.

29
CONCLUSIÓN

Con la finalización de este proyecto escrito, se podría resaltar que se ha logrado abarcar
diferentes temas, desde varios puntos de vista, todos tratando acerca de CONTROL PID
e inteligencia artificial, tales temas como, su historia, sus implicaciones en diferentes
áreas, así como en nuestra vida diaria, es posible decir que con este trabajo no logramos
atender completamente a fondo, toda la información que la inteligencia artificial y como
dicho control proporcional integral y derivativo nos brinda, pero si logramos aprender
una gran parte de ella. Ahora es posible abstraer el cómo ha afectado el cambio
tecnológico con el diario vivir de las personas de una manera tanto para bien como para
mal.

BIBLIOGRAFIA:

 ftp://soporte.uson.mx/PUBLICO/18_INGENIERIA.MECATRONICA/Control%
20PID%20avanzado%20-%201ed.pdf
 https://es.wikipedia.org/wiki/Controlador_PID

 http://noticias.tudiscovery.com/carrera-el-espacio-lanzan-innovadores-robots-
espaciales/ (Tomado el 21/03/2013)
 http://es.wikipedia.org/wiki/L%C3%B3gica_difusa (Definición Lógica Difusa
tomada el 28/03/2031)
 http://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial (Tomado el
27/03/2013)
 http://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial (Tomado el
27/03/2013)
 http://www.slideshare.net/uni_fcys_sistemas/inteligencia-artificial-en-las-
industrias (Autor: Chavez, Ariel. Tomado el 10/04/2013)
 http://www.slideshare.net/uni_fcys_sistemas/la-i-a-en-la-agricultura (Autores:
Ayestas, Carlos. Sarantez, Eddy. Tomado el 10/04/2013)
 http://www.slideshare.net/joismael/inteligencia-artificial-en-la-educacin (Autor:
Arias, Jonnathan. Tomado el 10/04/2013)

30