UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS (UNAH)

Facultad Ciencias Económicas, administrativas y contables

Departamento informática administrativa
Computación II DAE-305
Sección: 08:00
Msc. María Lorena Alvarado Leverón

SISTEMAS EXPERTOS
Presentado por:

Julio Miguel Barreto Ponce 20121009095

Jonatan Jared Rodríguez Madariaga 20141006774

Jessica Marisol Martínez Díaz 20141011130

Elvia Lorena Flores Colindres 20151021276

Jeimy Fabiola Varela Zuniga 20151023432

Miguel Ángel Ríos Contreras 20152002141

Ciudad Universitaria | Il Período |28 Junio de 2021.

1
Contenido
Introducción.................................................................................................................................3
Objetivo General..........................................................................................................................4
Objetivos específicos....................................................................................................................4
 Adquirir los conocimientos de los sistemas expertos para tener idea clara de cómo se
realiza una toma de decisión........................................................................................................4
Sistemas expertos........................................................................................................................5
INTELIGENCIA ARTIFICIAL.........................................................................................................6
AREAS DE LA INTELIGENCIA ARTIFICIAL................................................................................7
Robótica.......................................................................................................................................8
Clasificación de los robots....................................................................................................8
Lenguajes naturales...................................................................................................................11
Sistemas Expertos (SE)...............................................................................................................11
Tipos de sistemas expertos................................................................................................12
Redes Neurales..........................................................................................................................13
Lógica Difusa..............................................................................................................................14
Agentes inteligentes...................................................................................................................14
Tarjetas Inteligentes (Smart Cards)....................................................................................15
Sistemas expertos......................................................................................................................16
Ventajas de los sistemas expertos......................................................................................18
Limitaciones de los sistemas expertos................................................................................18
Sistemas de apoyo para la toma de decisiones en grupo:..........................................................20
Recursos humanos:................................................................................................................22
Transferencia de la capacidad de decisiones..........................................................................22
Razonamiento hacia atrás......................................................................................................25
Interfaz de usuario.................................................................................................................25
Selección de aplicaciones.......................................................................................................25
Conclusiones..............................................................................................................................27
Anexos........................................................................................................................................28

2
Bibliografía................................................................................................................................31

Introducción

El presente trabajo busca aclarar los conceptos clave de los sistemas expertos, estos
sistemas resaltan a la hora de la toma de decisiones en la organización, son utilizados
para resolver problemas complejos aparte de ser muy confiables, cabe resaltar que
estos no sustituye al sistema experto humano en las organizaciones, actualmente son
muy utilizados en el área de informática y robótica, al ser desarrollados de una forma
eficaz imitan el proceso de razonamiento, de esta forma se busca introducir a los
presentes en temas como la inteligencia artificial y sus ramas como ser la simulación
sensorial, lenguas naturales, sistemas expertos, redes neurales entre otros.

3
 Objetivo General

 El presente informe muestra la investigación sobre los sistemas expertos

y su funcionamiento, tal que permita apoyar la toma de decisiones en las
empresas, al momento de evaluar la factibilidad para la implementación
dentro de las organizaciones.

Objetivos específicos

 Adquirir los conocimientos de los sistemas expertos para tener una idea
clara de cómo se realiza una toma de decisión.
 Investigar sobre los diferentes sistemas expertos
 Conocer las estructuras de los sistemas expertos que ayudan a la toma
de decisiones dentro de las organizaciones

4
 Sistemas expertos

Recuperado de [ CITATION Ber20 \l 3082 ]

Son sistemas basados en computadoras, interactivos y confiables, que pueden

tomar decisiones y resolver problemas complejos. La toma de decisiones se
considera el más alto nivel de inteligencia y experiencia humana.
La IA simula estos procesos y cuando hablamos de sistemas expertos nos
referimos a la resolución de los problemas más complejos en un dominio
específico.
Pero estos sistemas también son capaces de expresar y razonar una idea
sobre algún dominio del conocimiento. Los sistemas expertos fueron los
antecesores de los sistemas actuales de inteligencia artificial, aprendizaje
profundo y aprendizaje automático.
Por otro lado, los sistemas expertos se identifican a través de una variedad de
características como por ejemplo el alto nivel de experiencia que proporciona
eficiencia, precisión y resolución imaginativa de problemas. Además reacciona
a tiempo justo, es decir, interactúa en un período de tiempo muy razonable con
el usuario.
Los sistemas expertos son operadores confiables que no deben emitir ningún
tipo de error. Además son muy flexibles y el mecanismo de compilación de
información es muy efectivo. Finalmente, un sistema experto es capaz de
manejar problemas y decisiones desafiantes. De esa manera, brinda las
soluciones más concisas[ CITATION inf211 \l 3082 ]

5
INTELIGENCIA ARTIFICIAL
Se piensa que en el futuro muchas empresas incursionarán en esta área del
conocimiento, debido, principalmente, a las ventajas competitivas que pueden
lograrse a través de su implantación y uso.

Pero, ¿qué es la inteligencia artificial? Se puede definir como la ciencia que

estudia de manera sistemática el comportamiento inteligente, con el fin de
imitar o simular las habilidades humanas mediante la creación y utilización de
máquinas y computadoras.[CITATION Kar09 \l 18442 ]

Estas habilidades humanas podrán incluir:

 Razonamiento
 Aprendizaje
 capacidades mecánicas,
 capacidades sensoriales

El término fue acuñado en el año de 1956. Según Laudon, se define como el

esfuerzo por desarrollar sistemas basados en computadora que se pueden
comportar como los humanos con la capacidad para aprender lenguajes
naturales, efectuar tareas físicas coordinadas, utilizar un aparato perceptor y
emular la experiencia y la toma de decisiones.

6
AREAS DE LA INTELIGENCIA ARTIFICIAL

Áreas de la inteligencia artificial recuperado de [ CITATION Kar09 \l 18442 ]

Relación de un sistema de inteligencia artificial con un sistema de información

Imagen de la relación de los sistemas de [ CITATION Kar09 \l 18442 ]

7
 Robótica
La robótica es el área de la inteligencia artificial que estudia la imitación del
movimiento humano a través de robots, los cuales son creados con el fin de
apoyar procesos mecánicos repetitivos
que requieren gran precisión.

Implementación de la robótica al área automotriz imagen recuperado de

[ CITATION GEN17 \l 18442 ]

Pues el robot está diseñado para hacer las tareas del ser humano, pero con
mayor eficiencia y eficacia.

Clasificación de los robots

Los robots se clasifican de acuerdo con su generación, nivel de inteligencia,

nivel de control y nivel de lenguaje de programación. Esta clasificación refleja la
potencia del software en el controlador, en particular, la sofisticada interacción
de los sensores. La generación de un robot se determina por el orden histórico
de desarrollos en la robótica. En los robots industriales se asignan cinco
generaciones:

1. Robots play-back: los cuales regeneran una secuencia de instrucciones

grabadas, como un robot utilizado en recubrimiento por spray o soldadura por
arco. Estos robots comúnmente tienen un control de lazo abierto.

2. Robots controlados por sensores: tienen un control en lazo cerrado de

8
movimientos manipulados, n y hacen decisiones con base en datos obtenidos
por sensores.
3. Robots controlados por visión: manipulan un objeto al utilizar información
desdeun sistema de visión.

4. Robots controlados adaptablemente: reprograman automáticamente sus

acciones
sobre la base de los datos obtenidos por los sensores. .

5. Robots con inteligencia artificial: utilizan las técnicas de inteligencia

artificial para
hacer sus propias decisiones y resolver problemas.

Los robots son utilizados para una diversidad de aplicaciones, a continuación

se lista una
serie de ejemplos:

Industria:

Brazo robótico industrial de aplicación de pintura recuperado de [ CITATION ROB20

\l 18442 ]

Laboratorios:

9
Espacio:

Vehículos submarinos:

Lenguajes naturales
Esta rama de estudio de la inteligencia artificial se enfoca en el diseño y
desarrollo de software capaz de aceptar, interpretar y ejecutar instrucciones

10
dadas por los usuarios en su lenguaje nativo, por ejemplo, español o inglés. Sin
embargo, esta área se encuentra en un estado poco desarrollado.

No obstante, el reto de los investigadores es hacer que las computadoras

comprendan

el lenguaje humano y lo conviertan en un conjunto de instrucciones que la

máquina pueda “ejecutar”. Esto permitirá que en el futuro no exista necesidad
de aprender lenguajes de programación ni reglas para dar instrucciones a una
computadora, ya que bastará hacerlo en el lenguaje natural del ser humano

Los ordenadores pueden tratar los lenguajes formales sin problemas, pero uno
de sus principales retos es entender el lenguaje natural. Con este propósito,
hay un área informática dedicada a la interacción entre ordenadores y las
lenguas habladas por los humanos denominada Procesamiento del Lenguaje
Natural (PLN).

Sistemas Expertos (SE)

Los sistemas expertos constituyen el área de la inteligencia artificial que quizás
en este momento tiene más relación con el apoyo al proceso de la toma de
decisiones en las organizaciones. Estos sistemas, denominados también
sistemas basados en el conocimiento, permiten cargar bases de conocimientos
integradas por una serie de reglas de sentido común o conocimiento heurístico;
es decir, conocimientos basados u obtenidos a través de la experiencia de un
especialista o experto. Una vez cargada la base de conocimientos, diferentes
usuarios pueden emplearla para consulta, apoyo a decisiones, capacitación y
otras funciones relacionadas al tema.

Los sistemas expertos proporcionan respuestas sobre un área problemática

muy específica al hacer inferencias semejantes a las humanas sobre los
conocimientos obtenidos en una base de conocimientos especializados.

Características

11
Para que un sistema actúe como un verdadero experto, es deseable que reúna,
en lo posible, lo más importante de las características de un experto humano,
esto es:

 Habilidad para adquirir conocimiento.

 Fiabilidad, para poder confiar en sus resultados o apreciaciones.

 Solidez en el dominio de su conocimiento.

 Capacidad para resolver problemas.

Estas características le permiten almacenar datos y conocimiento, sacar

conclusiones lógicas, tomar decisiones, aprender de la experiencia y los datos
existentes, comunicarse con expertos humanos, explicar el porqué de las
decisiones tomadas y realizar acciones como consecuencia de todo lo anterior.

Componentes de un Sistema Experto

 Separan conocimientos (reglas y hechos) y el procesamiento

 Base de conocimientos

 Mecanismo de inferencia

 Componente explicativo

 Interface de usuario

 Componente de adquisición

Tipos de sistemas expertos

Existen tres tipos de sistemas expertos:

Basados en reglas: Aplicando reglas heurísticas apoyadas generalmente en

lógica difusa para su evaluación y aplicación.

Basados en casos CBR (Case Based Reasoning): Aplicando el

razonamiento basado en casos, donde la solución a un problema similar
planteado con anterioridad se adapta al nuevo problema.

12
Basados en redes: Aplicando redes bayesianas, basadas en estadística y el
teorema de Bayes.

Redes Neurales
La principal limitación que tienen los sistemas expertos se ha tratado de
eliminar con el desarrollo de las redes neurales, software diseñado para imitar
los procesos de pensar del ser humano, es decir, la forma en que se llega a
conclusiones, cómo se usa la experiencia para relacionar hechos y aprender de
los mismos. De esta manera, las redes neurales permiten que las máquinas
aprendan. El nombre de redes neurales proviene de la similitud con la forma de
operar del cerebro humano, donde las neuronas forman enlaces unas con otras
con base en pulsos eléctricos

Una red neuronal es un modelo simplificado que emula el modo en que el

cerebro humano procesa la información: Funciona simultaneando un número
elevado de unidades de procesamiento interconectadas que parecen versiones
abstractas de neuronas.

Las unidades de procesamiento se organizan en capas. Hay tres partes

normalmente en una red neuronal, una capa de entrada, con unidades que
representan los campos de entrada; una o varias capas ocultas; y una capa
de salida, con una unidad o unidades que representa el campo o los campos
de destino. Las unidades se conectan con fuerzas de conexión variables
(o ponderaciones). Los datos de entrada se presentan en la primera capa, y
los valores se propagan desde cada neurona hasta cada neurona de la capa
siguiente. al final, se envía un resultado desde la capa de salida.

La red aprende examinando los registros individuales, generando una

predicción para cada registro y realizando ajustes a las ponderaciones cuando
realiza una predicción incorrecta. Este proceso se repite muchas veces y la red
sigue mejorando sus predicciones hasta haber alcanzado uno o varios criterios
de parada.

Al principio, todas las ponderaciones son aleatorias y las respuestas que

resultan de la red son, posiblemente, disparatadas. La red aprende a través

13
del entrenamiento. Continuamente se presentan a la red ejemplos para los
que se conoce el resultado, y las respuestas que proporciona se comparan con
los resultados conocidos. La información procedente de esta comparación se
pasa hacia atrás a través de la red, cambiando las ponderaciones
gradualmente. A medida que progresa el entrenamiento, la red se va haciendo
cada vez más precisa en la replicación de resultados conocidos. Una vez
entrenada, la red se puede aplicar a casos futuros en los que se desconoce el
resultado.

Lógica Difusa
Esta nueva forma de solucionar problemas desarrollada por la inteligencia
artificial corrige parte de las debilidades de los sistemas expertos, debido a que
los programas utilizados por las computadoras dan respuestas precisas, tales
como sí/no, bien/mal, pero existen problemas en donde priva la incertidumbre o
los términos medios. Por ejemplo, si se desea evaluar el riesgo de otorgar un
crédito a una persona o negocio es muy factible que exista 80% de seguridad
de cumplimiento y 20% de factibilidad de no pago. Este tipo de conclusiones
pueden ser elaboradas por un programa con la ayuda de la lógica difusa.
Según Alan Freedman, la lógica difusa es una técnica matemática para el
tratamiento de datos imprecisos y problemas que tienen más de una solución.
La lógica difusa puede tratar con valores entre 0 y 1, y es más parecida a la
lógica humana que la lógica binaria tradicional de las computadoras digitales.

Agentes inteligentes
De las recientes investigaciones practicadas por los impulsadores de la
inteligencia artificial ha surgido el concepto de “agente inteligente”, un
programa diseñado con conocimiento para realizar ciertas tareas específicas,
normalmente repetitivas. Un agente inteligente se programa para tomar
decisiones con base en las preferencias de una persona. El propósito principal
es asignar tareas al agente inteligente, las cuales hará más rápido, más
frecuentemente y con mayor eficacia que el ser humano, tal como lo harían los
asistentes de ayuda que hoy tienen algunos paquetes para enseñar al usuario
a realizar una actividad específica. Un ejemplo de esta tecnología es el
asistente para crear gráficos en Excel.
14
Otra aplicación que comienza a desarrollarse es la capacidad para realizar
tareas en Internet, en donde, por ejemplo, un agente inteligente deberá ser
capaz de comprar cierto producto en la Web, con la condición de que sea al
mínimo precio. Es decir, el usuario dará las condiciones y el agente inteligente
buscará en toda la red el artículo que cumple las condiciones, mostrando la
respuesta al usuario. En términos generales los agentes se clasifican en dos
tipos:

a) Agentes cognitivos: capaces de efectuar operaciones complejas. Son

individualmente inteligentes (sistemas expertos con capacidad de razonamiento
sobre su base de conocimiento), pueden comunicarse con los demás agentes y
llegar a un acuerdo con todos o alguno de ellos.

b) Agentes reactivos: son agentes de bajo nivel y no disponen de un

protocolo ni de un lenguaje de comunicación; su única capacidad es responder
a estímulos

Tarjetas Inteligentes (Smart Cards)

Una smart card es un pedazo de plástico del mismo tamaño que una tarjeta de
crédito con un chip de silicio integrado. La tarjeta es “inteligente” porque está
activa, puede recibir información, procesarla y tomar una decisión. Cuando se
introduce una smart card en una terminal, la terminal envía su firma digital al
microprocesador, si la firma digital coincide con los parámetros guardados en la
memoria del microprocesador, se habilitan los datos de la tarjeta y son leídos
por la terminal. Entre las ventajas de una smart card en comparación con una
tarjeta tradicional están las siguientes:

• Mayor seguridad: los datos almacenados en una smart card están

protegidos por complejos mecanismos de seguridad. Esto hace difícil y costoso
copiar las tarjetas.

• Mayor rapidez: las smart card pueden realizar transacciones seguras fuera
de línea en menor tiempo que las tarjetas que requieren transacciones en línea.

• Mayor capacidad para datos: una smart card puede almacenar más datos
que una tarjeta tradicional de cinta magnética. De esta manera, en una misma

15
tarjeta se pueden tener varios tipos de servicios, como tarjeta de crédito, de
débito, programa de puntos, etcétera.

Algunas aplicaciones de las tarjetas inteligentes son:

• Tarjetas telefónicas: una Smart cards puede identificar a la persona que

llama desde un teléfono público y cargar el costo de la llamada a una cuenta de
teléfono.

• Tarjetas de asistencia de salud: las tarjetas inteligentes pueden almacenar

expedientes médicos, información para casos de emergencia, etcétera.

• Control de seguridad: pueden programarse para permitir el acceso a edificios

o datos, dependiendo del cargo y puesto en una organización.

• Tarjetas de fidelidad para clientes: en varios programas de fidelidad de

clientes de líneas aéreas, hoteles, etc., se utilizan Smart cards para que
registren puntos y premios, logrando ofrecer detalle sobre los hábitos de los
clientes a los operadores de dichos programas, con el fin de elaborar
campañas de promoción con mayor precisión.

Ante lo anterior el uso de tarjetas inteligentes se incrementará y aparecerán

nuevas aplicaciones para estos dispositivos de gran versatilidad y seguridad.

Sistemas expertos
Antes de abundar en los sistemas expertos, se explicará el concepto
conocimiento en contraste con los conceptos de datos e información
clásicos que son captados y producidos por los sistemas de información
o procesamiento de datos convencionales.

Datos: En un contexto no computacional, es posible concebir los datos

como el valor que, por ejemplo, toma una variable matemática y que
probablemente carece de importancia para quien toma decisiones. De
esta manera, el número 4 es un dato porque no afecta el proceso de
decisiones de un supervisor o ejecutivo. Como consecuencia, al recibir
datos cuya interpretación es subjetiva, quien toma decisiones no genera

16
acciones concretas ni toma decisiones, debido a que dichos datos
carecen de valor para su problema o análisis.

Información: El concepto de información nace cuando un dato o conjunto

de datos es de utilidad para quien toma decisiones. .

Conocimiento: En contraste con los conceptos de datos e información,

el conocimiento sugiere alternativas de acción o guías de actuación
específicas relacionadas con la información.

Definición de sistema experto

Con base en los conceptos de datos, información y conocimientos

anteriores, se puede definir un sistema experto como un sistema
computacional interactivo que permite la creación de bases de
conocimiento, las cuales una vez cargadas responden a preguntas,
despejan y sugieren cursos de acción emulando/simulando el proceso de
razonamiento de un experto para resolver problemas en un área
específica del conocimiento humano.

De esta definición se desprenden las dos capacidades fundamentales

que poseen los sistemas expertos:

 Capacidad para aprender.

 Capacidad para simular el proceso del razonamiento humano.

La capacidad para aprender requiere la interacción de un experto en

alguna rama específica del saber y un ingeniero de conocimiento, que se
encarga de traducir este conocimiento del experto a reglas heurísticas
para formar la base del conocimiento.

un sistema experto sea una herramienta efectiva, los usuarios deben

interactuar de una forma fácil, reuniendo dos capacidades para poder
cumplirlo:

1. Explicar sus razonamientos o base del conocimiento: los

sistemas expertos se deben realizar siguiendo ciertas reglas o
pasos comprensibles de manera que se pueda generar la

17
 explicación para cada una de estas reglas, que a la vez se basan en
hechos.

2. Adquisición de nuevos conocimientos o integrador del sistema:

son mecanismos de razonamiento que sirven para modificar los
conocimientos anteriores.

Sobre la base de lo anterior se puede decir que los sistemas expertos

son el producto de investigaciones en el campo de la inteligencia
artificial ya que ésta no intenta sustituir a los expertos humanos, sino
que se desea ayudarlos a realizar con más rapidez y eficacia todas las
tareas que realizan.

Ventajas de los sistemas expertos

• Permanencia: a diferencia de un experto humano un sistema experto
no envejece y, por tanto, no sufre pérdida de facultades con el paso del
tiempo.

• Duplicación: una vez programado un sistema experto es posible

duplicarlo infinidad de veces.

• Rapidez: un sistema experto puede obtener información de una base

de datos y realizar cálculos numéricos mucho más rápido que cualquier ser
humano.

• Bajo costo: a pesar de que el costo inicial pueda ser elevado, gracias
a la capacidad de duplicación el costo final es bajo.

• Fiabilidad: los sistemas expertos no se ven afectados por condiciones

externas, las personas sí.

• Permiten consolidar varios conocimientos.

Limitaciones de los sistemas expertos

• Sentido común: para un sistema experto no hay nada obvio.

• Lenguaje natural: con un experto humano es posible mantener una

conversación informal mientras que con un SE no.

18
 • Capacidad de aprendizaje: cualquier persona aprende con relativa
facilidad de sus errores y de errores ajenos.

• Perspectiva global: un experto humano es capaz de distinguir cuáles

son las cuestiones relevantes de un problema y separarlas de cuestiones
secundarias.

• Capacidad sensorial: un sistema experto carece de sentidos.

• Flexibilidad: un humano es sumamente flexible a la hora de aceptar

datos para la resolución de un problema.

Conocimiento no estructurado: un sistema experto no es capaz de manejar

conocimiento poco estructurado.

Para que un sistema experto sea una herramienta efectiva, los usuarios deben
interactuar de una forma fácil, para ello es necesario reunir dos capacidades:

• Explicar sus razonamientos o base del conocimiento: los sistemas expertos se

deben realizar siguiendo ciertas reglas o pasos comprensibles de manera que
se pueda generar la explicación para cada una de estas reglas, que a la vez se
basan en hechos.

• Adquisición de nuevos conocimientos o integrador del sistema: son

mecanismos de razonamiento que sirven para modificar los conocimientos
anteriores.

La capacidad para imitar el razonamiento que posee el sistema experto se

desprende de “caminar” a lo largo de las reglas heurísticas introducidas o
enseñadas al sistema por un experto, a través del proceso de aprendizaje
durante la carga o generación de las bases del conocimiento.

Este proceso de razonamiento ocurre cuando se consulta la base del conocí-

miento para la solución de un problema que se le presenta a quien toma
decisiones. [ CITATION Coh09 \l 3082 ]

19
 Sistemas de apoyo para la toma de decisiones en grupo:
Un sistema de soporte para la toma de decisiones de grupo (GDSS) es un
sistema interactivo basado en computadora, el cual facilita la solución de
problemas no estructuradas por un conjunto de tomadores de decisiones que
trabajan juntos como un grupo.

(DSS por sus siglas en inglés Decisión Support System), es un sistema

informático que sustenta el proceso de toma de decisiones, lo cual implica la
utilización de datos y modelos para la generación, la estimación, la evaluación
y/o la comparación sistemática de alternativas.

Los componentes de que consta son: hardware, software, recursos humanos y

procedimientos.

Hardware:

Para trabajar con un GDSS es necesario contar con los requerimientos

mínimos de hardware para este tipo de sistemas:

• Un dispositivo de entrada/salida, mediante el cual sea posible darle datos de

entrada

al sistema y producir una salida. Por ejemplo, como dispositivo de entrada

puede

usarse el teclado o el mouse y como dispositivo de salida el monitor de una

computadora.

• Un procesador para realizar los procesos necesarios y generar resultados

útiles a

quienes toman decisiones. Por lo general, este procesador es una

computadora que

se encarga de realizar esta tarea.

• Una línea de comunicación entre el dispositivo de entrada/salida y el

procesador,

20
Que permite la comunicación interactiva entre los miembros del grupo. Por
ejemplo,

Una red local (LAN) que conecte a la computadora o servidor encargado del
proceso

con las demás terminales que se utilizan para permitir la entrada y salida de
información.

• Una pantalla o monitores individuales para apreciar las aportaciones que hace
cada

Miembro del grupo o para analizar resultados.

Software:

Además del equipo necesario para operar un GDSS, se requiere el software

adecuado para

Realizar el proceso de toma de decisiones en grupo. Los componentes del

software de un

GDSS son:

• Una base de datos que cuente con información relacionada con la decisión
que debe

tomarse y que permita la consulta y búsqueda de temas específicos.

• Una base de modelos, de la cual se puedan elegir diferentes alternativas para

tomar

Una decisión. Por ejemplo, un modelo que permita proyectar las ventas de un
producto si se suponen diferentes mezclas o alternativas de promoción,
publicidad o

21
Precio. Estos modelos pueden incluir, entre otros modelos de programación
lineal,

modelos de inventarios, modelos de simulación y modelos estadísticos.

• Programas de aplicaciones específicos para que el grupo los use como

procesadores

De palabras, graficadores, hojas de cálculo o paquetes estadísticos. Estos

programas

son muy útiles para la toma de decisiones.

• Una interfaz flexible y fácil de usar, que permita al ejecutivo interactuar de la

manera

adecuada con el sistema sin requerir de mucha asesoría o capacitación.

Recursos humanos:
Este componente incluye a las personas que participan en el proceso de toma
de decisiones, a un operador del GDSS y a un facilitador, quien se encarga de
controlar el desarrollo de la junta. En este punto es importante delimitar la
función del operador y del facilitador en este proceso.

Transferencia de la capacidad de decisiones

Un sistema experto facilita la descentralización de datos en el proceso de la
toma de decisiones en aquellos casos que se consideren convenientes. Por
ello, el conocimiento de un experto puede transferirse a varias personas, de tal
forma que las decisiones sean tomadas en el nivel más bajo. En ocasiones es
imposible que un experto se encuentre presente en todos los lugares donde es
requerido, por lo que el apoyo de un sistema experto mejora la calidad de las
decisiones. La transferencia de la capacidad para tomar decisiones a otras
personas permitirá reflexionar y cuestionar la forma de resolver problemas,
generar cambios en las actividades de trabajo y liberar o dar tiempo a los
expertos para que resuelvan problemas más difíciles e importantes. Así, al

22
tener disponible el sistema experto para la autorización de pedidos a clientes,
es posible que se pueda delegar esta función en otras personas de menor
jerarquía dentro de la organización.

Los Sistemas Expertos se están utilizando cada vez más en las

organizaciones, debido a que la tecnología también es cada vez más accesible
para una gran mayoría de las empresas.

Se piensa que en el futuro las interfaces de los Sistemas Expertos serán en

leguaje natural, lo cual facilitará la comunicación entre usuarios y el sistema.
Los Sistemas Expertos darán mayor soporte en el proceso de toma de
decisiones, permitiendo tener el conocimiento del experto capturando en una
base de conocimiento y utilizarlo cuando se requiera sin que esté él presente.
Se manejarán herramientas inteligentes para explotar la información que
contengan las bases de datos, permitiendo con ello un mejor uso de la
información. Los Sistemas Expertos se integrarán a otras tecnologías para dar
un mayor soporte en todas las áreas de la empresa. La utilización de los
Sistemas Expertos en las organizaciones puede traer varios beneficios, los
cuales serán comentados a continuación:

REDUCCIÓN EN LA DEPENDENCIA DE PERONAL CLAVE. Esto se debe a

que los conocimientos del personal especializado son retenidos durante el
proceso de aprendizaje, y están listos para ser utilizados por diferentes
personas. Esto es útil cuando la experiencia es escasa o costosa, o bien,
cuando los expertos no se encuentran disponibles para la solución de un
problema en particular.

FACILITA EL ENTRENAMIENTO DEL PERSONAL. El Sistema Expertos puede

ayudar de manera importante, y a costo menor, a la capacitación y
adiestramiento del personal sin experiencia.

MEJORA EN LA CALIDAD Y EFICIENCIA EN EL PROCESO DE LA TOMA DE

DECISIONES. Lo anterior implica que las decisiones podrán tomarse de una
forma más ágil con el apoyo de un Sistema Experto. Incluso, las decisiones
podrán ser consistentes al presentarse situaciones equivalentes. Esto significa
que un Sistema Expertos responderá siempre de la misma forma ante las
mismas situaciones, lo cual no necesariamente ocurre con las personas.

23
TRANFERENCIA DE LA CAPACIDAD DE DECISIONES. Un Sistema Experto
puede facilitar la descentralización de datos en el proceso de la toma de
decisiones en aquellos casos que se consideren convenientes. Así, el
conocimiento de un experto puede transferirse a varias personas, de tal forma
que las decisiones sean tomadas en el nivel más bajo. [ CITATION SIS20 \l 3082 ]

Costos que involucra

Existe una serie de costos involucrados en el desarrollo y uso de los sistemas

expertos, que deberán considerarse durante el análisis de factibilidad de un
sistema en particular, entre los cuales se pueden incluir:

• El Shell o paquete generador del sistema experto.

• El equipo computacional o hardware requerido.

• Consultoría especializada.

• Contratación o pago a los ingenieros del conocimiento.

• El tiempo de los expertos.

• Costos de implantación.

• Costos involucrados con el mantenimiento y seguimiento del sistema.

Cabe recalcar que todos estos costos son gastos únicos, es decir, no
repetitivos, con excepción de los costos de mantenimiento y seguimiento del
sistema. Finalmente, es necesario agregar que la evaluación económica de un
proyecto de inversión para el desarrollo e implantación de un sistema experto
en gran medida depende de la capacidad para traducir los beneficios en
ingresos o ahorros, lo cual puede resultar una labor no tan sencilla. En los
casos en que sea posible cuantificar estos beneficios, se podrán aplicar los
métodos clásicos de evaluación de proyectos, como la tasa interna de
rendimiento (TIR) o el método valor presente neto (VPN). Para mayor
información al respecto, se sugiere consultar el libro de R. Coss, cuya
referencia se encuentra al final de este capítulo.

24
Razonamiento hacia atrás
En este razonamiento “se transita” a través de las reglas a partir de algunas
hipótesis buscando las reglas o hechos reales que confirmen la hipótesis o la
idea que se tiene del problema. Si se aplica este razonamiento al ejemplo de la
figura 9.29 se puede partir de la hipótesis de que es necesario cambiar la
batería del automóvil. En este caso, el motor de inferencia recorre hacia atrás
las reglas, para lo cual hace las siguientes preguntas al usuario:

• ¿La batería ha estado descargada y tiene más de dos años?

• ¿Saltan chispas al unir los polos?

• ¿No encienden las luces del automóvil?

• ¿No da marcha el automóvil?

Interfaz de usuario
La interfaz de usuario es la parte del Shell que le permite interactuar con el
sistema para resolver sus problemas cotidianos. En este contexto, el usuario
tiene un problema, y a través del uso del Shell llega a las soluciones o
recomendaciones.

Selección de aplicaciones
Para sistemas expertos En esta sección se analizan las características que
deben tener los problemas para considerarlos susceptibles de resolverse a
través de un sistema experto. A continuación, se desglosan algunas de estas
características:

• Utilización de varios expertos dentro del trabajo rutinario. Esta característica

se debe a que varias personas usarán este sistema durante el desempeño de
su trabajo.

• Las decisiones que se toman son complejas y siguen una secuencia lógica.
Estas decisiones involucran muchos aspectos y un amplio conocimiento y
experiencia en el área. Además, deben seguir una secuencia de pasos durante
la solución de un problema.

25
• Las decisiones lógicas, así como las soluciones del problema, pueden
expresarse o traducirse a reglas heurísticas. Esto se refiere a que la lógica de
la toma de decisiones y la solución al problema se pueden traducir en un árbol
de decisión que muestre todos los cambios posibles y la acción que debe
realizarse en cada caso.

• El conocimiento que se está modelando se encuentra bien delimitado y es

profundo, no amplio ni superficial. Un sistema experto debe estar enfocado en
problemas profundos, que requieren estudio y conocimiento.

• El problema no tiene solución analítica; de lo contrario se sugiere la solución a

través de técnicas analíticas. Un ejemplo de lo anterior es la solución de algún
problema a través del método Simplex. No debe tratarse de usar un sistema
experto para resolver cualquier problema, pues si el problema tiene otra
solución debe evaluarse la factibilidad de aplicarla.

• Cuando las reglas del juego no cambian con demasiada frecuencia será
incosteable el desarrollo del modelo experto; por ejemplo, las políticas fiscales.
Si las reglas para tomar la decisión son muy variables no es conveniente
desarrollarlo, ya que se tendrá que modificar la base del conocimiento con
mucha frecuencia.

• Cuando hay pocos expertos en otras áreas de la organización o localidades

remotas. En este caso se trata de capturar el conocimiento de los expertos
para usarlo después sin necesidad de que los mismos se encuentren
presentes.

26
 Conclusiones

Los sistemas expertos son de mucha utilidad en la vida real, y apoyan en gran
manera a los sistemas de soporte a la decisión, ya que nos permiten realizar
decisiones basadas en la experiencia humana (EH) de algún especialista en
determinada área, esto es con el fin de retener el conocimiento y de esa
manera lograr convertirlo en un activo importante en una organización y que se
traduce en un valor importante para la misma, pues con ese tipo de sistemas,
nos permiten contar con la experiencia primordial, aunque sea de manera
virtual. Conllevándonos a una toma de decisiones más apegada a la realidad y
con más información de primer nivel.

27
 Anexos
Áreas de la inteligencia artificial

Imagen de la relación de los sistemas

Implementación de la robótica al área automotriz

28
Brazo robótico industrial de aplicación de pintura

Laboratorios

29
Espacio

30
Bibliografía
Bermudez, D. (21 de Julio de 2020). Inteligencia Artificial. Recuperado el 24 de Junio de 2021,
de https://aprender-libre.com/sistemas-expertos/

Cohen , d. k., & Asin, E. L. (2009). Tecnologias de informacion en los negocios . Mexico D.F:
McGRAW-HILL./INTERAMERICANA EDITORES, S.A.

Cohen, D. K. (2009). Tecnologias de informacion en los negocios. Ciudad de Mexico: The

McGraw-Hill. doi:ISBN 13: 978-970-10-6666-9

informacion, T. (s.f.). Recuperado el 24 de Junio de 2021, de https://www.tecnologias-

informacion.com/sistemas-expertos.html

MOTORS, G. (5 de ABRIL de 2017). Obtenido de

https://www.motorpasion.com/industria/general-motors-esta-conectando-los-robots-
de-sus-fabricas-a-internet-y-ya-comienza-a-cosechar-beneficios

ROBOTICS, E. (2020). Obtenido de https://www.edsrobotics.com/blog/brazo-robotico/

31