Revista Supraingenieria Año 2015. N° 1

1

Conocimiento al alcance de la Ingeniería

Computación

Mantenimiento Mecánico

Eléctrica

Telecomunicaciones

2

Autoridades Universitarias Dr. Jorge Benítez Rector Dr. Pedro Briceño Vicerrector Académico MSc. Rafael Rubio Vicerrector Administrativo Lcda. Vanessa Quero Secretaria General

La Revista Electrónica Supraingeniería de la Universidad Fermín Toro nace en forma impresa en Noviembre del 2000 y se convierte en Revista Electrónica el 09 de Noviembre de 2011, se publica semestralmente.

Es un medio multidisciplinario e interdisciplinario de difusión de la investigación en las áreas de la ingeniería, dirigida a profesionales y estudiantes.

Supraingeniería, nacida en el seno de los estudiantes y docentes de ingeniería, tiene como fin brindar un medio de difusión de la creatividad, innovación y conservación del ambiente.

Revista Científica de la Universidad Fermín Toro Correo: supraingenieriauft@gmail.com URL: http://www.uft.edu.ve/ingenieria/

Año: 2015 Enero – Julio Barquisimeto – Estado Lara Volumen I. No. 1 Periodicidad Semestral MSc. Rebeca Rivas Ventura Editora en Jefe Diseño y Maquetación MSc. Leidy Hernandez Redacción y Estilo

Calle Principal, Local Comercial Chucho Briceño, S/N, sector Cabudare, estado Lara. Venezuela.

Teléfonos: +58 0251-7100137 / +58 0251-7100163 Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

3

La versión trece del Seminario de Borrosidad se ha enmarcado en el 26 aniversario de nuestra Universidad Fermín Toro, agrupando a profesionales de la ingeniería de Universidades Nacionales y de la hermana república de Colombia, abordando temas de la lógica borrosa y de su aplicación en estudios de computación, control automático, matemáticas y otras disciplinas. Cuando hablamos de borrosidad nos referimos a incertidumbre o vaguedad relacionada con la descripción del significado semántico de los eventos, fenómenos, afirmaciones o sentencias. La construcción de un conjunto borroso depende de dos cosas: la identificación de un universo de discurso apropiado y la especificación de una función de pertenencia apropiada, la especificación de la función de pertenencia es subjetiva. En sentido estricto: un conjunto borroso es un sistema lógico que generaliza la lógica clásica de dos valores para el razonamiento bajo incertidumbre. En sentido ampliado: es un conjunto de teorías y tecnologías que emplean los conceptos de borrosidad y conjuntos borrosos. Las reglas involucradas en un Sistema difuso, pueden ser aprendidas con sistemas adaptativos que aprenden al ”observar”

como operan las personas los

dispositivos reales, o estas reglas pueden también ser formuladas por un experto humano.

La lógica difusa es entonces definida como un sistema matemático que modela funciones no lineales, que convierte unas entradas en salidas acordes con los planteamientos lógicos que usan el razonamiento aproximado. Se aplica tanto a sistemas de control como para modelar cualquier sistema continuo de ingeniería, física, biología o economía. De esta forma, se espera dar una nueva visión de la realidad a través de los modelos laxos (borrosos) utilizando pensamiento borroso.

MsC. Rebeca Rivas Ventura Rebecarivas2008@hotmail.com Decano de la Facultad de Ingeniería de la Universidad Fermín Toro Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

4

.

Rebeca Rivas Margarita Castillo, Jesús Contreras, Elvis Morillo UFT Belkys López de Lameda María Luisa Capodieci UCLA Carlos Lameda Manuel Picón UNEXPO

La Comisión de Estudios Interdisciplinarios de la

José Andrickson UNET

de la UNEXPO, y la Universidad Fermín Toro han

Willin Alvarez Francisco Arteaga UC

Sistemas Difusos.

Loenid Tineo USB Llelysmar Crespo Gabriel Cravo Juan Fernández M UNELLEZ Miguel Balza Esmeralda Ramos Rafael Orellana UCV

Universidad Central de Venezuela y las Facultades de Ciencias y de Ingeniería de la Universidad Central de Venezuela, junto con el Decanato de Ciencias y Tecnología de la Universidad Centro Occidental Lisandro Alvarado, la Facultad de Ingeniería de la Universidad de Carabobo, el Decanato de Investigación de la UNET, la Dirección de Investigación y Postgrado organizado

el XIII Seminario de Borrosidad

y

La lógica borrosa y de su aplicación en estudios de computación, control automático, matemáticas y otras disciplinas. Para dar una nueva visión de la realidad a través de los modelos laxos (borrosos) utilizando pensamiento difuso.

Invitados José Gerardo Chacón, Universidad Simón Bolívar Cúcuta, Colombia Ruben Miranda, Olga Leguizamon Universidad de Pamplona , Colombia

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

5

PAGINA 3

Editorial

Articulo central: Diseño sistema de control difuso de control y humedad para incubadoras neonatales

6

Resumen investigaciones de aplicaciones de lógica difusa:

1 Software educativo utilizando la realidad aumentada, aplicando el uso de la visión artificial y reconocimiento de patrones como recurso instruccional para el aprendizaje, dirigido a los niños del centro de Educación inicial Ana Elisa López, Municipio Independencia, Estado Yaracuy 2 Nuevos aportes al modelo relacional difuso 3 Aplicación sensible a múltiples contextos sobre una base de datos difusa 4 Mecanismo automatizado de estimación de respuestas a consultas en base de datos relacionales en presencia de nulos 5 Diseño de equipo de calibración para sensores de variables biométricas

Supraingeniería Num 4 Volumen I Año 2015

24

25 26 27 28

Edición Especial 26 Aniversario UFT

6

DISEÑO SISTEMA DE CONTROL DIFUSO DE CONTROL Y HUMEDAD PARA INCUBADORAS NEONATALES Autor: Manuel Dávila manueldavila@gmail.com Resumen El presente artículo presenta los resultados de una investigación que transcurrió en el marco del proceso formativo en un trabajo titulado sistema de control difuso de control y humedad para incubadoras neonatales, se abordó la lógica difusa que se ha venido utilizando en la rama de la medicina desde hace algún tiempo debido al carácter cualitativo que lo representa, de manera que se pueden realizar controles muchos más robustos y adaptativos que utilizando las técnicas tradicionales de control, como en el caso de las incubadoras neonatales donde la temperatura y la humedad relativa juegan un papel muy importante para el recién nacido y son variables con características que la hacen idóneas para ser reguladas con controladores lógicos difusos ya que en gran parte el buen desempeño de las incubadoras dependen de la experticia del ser humano. Para esta investigación se utilizó la lógica difusa para diseñar un sistema de control de temperatura y humedad para incubadoras neonatales. La metodología utilizada se ubicó bajo la modalidad de proyecto factible, ya que se desarrolló una propuesta de diseñar dos controladores difusos como modelo operativo viable para controlar la temperatura y la humedad en una incubadora neonatal, permitiendo así mejorar las condiciones de los recién nacidos que necesiten ayuda artificial para culminar su desarrollo. Para desarrollar la investigación se determinaron las funciones de transferencias de temperatura y humedad utilizando el toolbox IDENT de matlab consiguiendo una exactitud de más de 90% con respecto a los datos experimentales tomados directamente de una incubadora, luego se diseñaron ambos controladores utilizando la herramienta FUZZY de matlab utilizando la configuración CLD proporcional integral (PI). Con estas funciones de transferencia determinadas y los controladores diseñados, se procedió a realizar las simulaciones respectivas utilizando SIMULINK de matlab, demostrando que ambos controladores llevan la señal de salida de ambas variables a los valores de referencia fijados con un desempeño excelente.

Palabras claves: Control difuso. Control de humedad. Incubadoras neonatales INTRODUCCIÓN Este trabajo consistió en diseñar un controlador difuso de la temperatura y de la humedad dentro del ambiente aislado de una incubadora. Para verificar el desempeño de los controladores se realizó la simulación del proceso en lazo abierto y en lazo cerrado mediante el software Simulink de Matlab. Para la simulación se obtuvieron dos modelos mediante identificación usando datos experimentales. En general, una incubadora consiste en un habitáculo cerrado al ambiente por medio de paredes construidas con material transparente que permiten aislar al neonato sin perderlo de vista. El habitáculo dispone de ventanas de acceso al neonato desde el exterior, la incubadora dispone de un sistema calefactor que hace circular aire con flujo constante dentro del habitáculo. La temperatura aumenta y disminuye debido a la manipulación de la corriente que circula por una resistencia eléctrica ubicada en la parte inferior de la incubadora, el mecanismo de aporte o cesión de calor al neonato es por lo tanto por convección.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

7

Planteamiento Las incubadoras a nivel mundial cumplen un papel muy importante en los hospitales pediátricos, debido a que gracias a ellas los neonatos que nacen prematuros o con problemas de salud, son llevados a ellas para crear un ambiente aislado donde los bebes puedan desarrollarse rápidamente. Una de las variables más sensibles en el neonato es la temperatura, es por ello que es el punto principal de control en las incubadoras para evitar la hipotermia y en algunos casos quemaduras por calor excesivo.

En el mismo orden de ideas, en la mayoría de los países latinoamericanos existen hospitales donde los modelos de incubadoras son obsoletos y la mayoría de ellas electrónicamente ya no cumplen con las características esenciales para mantener una temperatura estable en el ambiente que ellas crean.

En el caso específico del hospital pediátrico Dr. Agustín Zubillaga donde la gran mayoría de las incubadoras disponibles fueron adquiridas en la década de los 70, ellas son las Isollet C86 que manejan un módulo de control de temperatura electrónico con componentes analógicos e indicación de la temperatura mediante un galvanómetro, algunos modelos encontrados en el hospital no cuentan con sistemas de control ni de medición de temperatura, lo que representa un riesgo de la salud de los neonatos por fallas en la supervisión debido a que el proceso no es automatizado.

En este trabajo se propuso el diseño de un sistema de control difuso de temperatura y humedad para incubadora neonatal, que sirva de soporte para su implementación en empresas u instituciones, el cual consiste en diseñar un controlador difuso de temperatura y humedad relativa dentro del ambiente aislado de una incubadora. Para verificar el desempeño de los controladores se realizaran la simulación del proceso con el software Simulink de Matlab. Las simulaciones se obtuvieron mediante la identificación de los modelos del proceso, con salidas a controlar la temperatura y la humedad y considerando como entradas o variables manipuladas la potencia suministra a la resistencia de calentamiento y la apertura del recipiente con agua respectivamente. Se fijó como objetivo general el Diseñar un sistema de control difuso de temperatura y la humedad para incubadoras neonatales y como objetivos específicos, diagnosticar el funcionamiento de las incubadoras neonatales utilizadas para el diseño del sistema de control difuso de temperatura y humedad relativa, obtener los modelos del proceso de control de temperatura y humedad relativa de la incubadora neonatal mediante identificación considerando como variable manipulada la tensión aplicada a la resistencia de calentamiento y la apertura de la compuerta del compartimiento de agua y como salida la temperatura y la humedad relativa en el habitáculo. Seguidamente el Diseño de los controladores difusos de temperatura y humedad relativa de la incubadora neonatal, simular el proceso en lazo cerrado utilizado el software Simulink de Matlab que permita observar el desempeño del sistema y por último la validación del sistema de control diseñado tomando como referencia los datos experimentales del proceso.

Importancia Las incubadoras desde su invención cumplen un papel muy importante en la medicina, ya que ayudan a los médicos a tratar con recién nacidos prematuros o con algún tipo de problemas brindándole un ambiente controlado lo más parecido al vientre materno. Para que la incubadora sea un sustituto artificial del vientre materno es necesario controlar 2 variables que son la temperatura del neonato y la humedad que se encuentra en el ambiente que él respira. La temperatura se controla debido a que el neonato no es capaz de controlar su temperatura corporal pudiendo sufrir de hipotermia y la humedad se controla ya que al haber más aire seco se le dificulta al neonato la respiración.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

8

Es por ello la importancia de estudiar más a fondo el comportamiento de dichas variables de manera de conseguir una mejor respuesta y para ello se escoge la técnica de control difuso ya que en estudios anteriores ha demostrado ser eficiente en procesos donde la sensibilidad de las variables cumplen un papel muy importante en la estabilidad global del sistema.

Referencial Teórico La lógica difusa ha tenido un gran impacto positivo en la industria e investigación más específicamente en el área de control de procesos lineales y no lineales y donde realizar un modelo matemático se haría muy complejo.

Esto ha permitido la generación de distintos trabajos de investigación en el área del control difuso aplicada a industrias como la petrolera, alimentos, hogar y médica.

Lógica Difusa Para Sáez (2006), la denominada lógica difusa permite a los sistemas tratar con información que no es exacta; es decir, dicha información contiene un alto grado de imprecisión, contrario a la lógica tradicional que trabaja con información definida y precisa. Como ejemplo de información que maneja la lógica difusa tenemos: estatura media, temperatura alta, etc., que en términos difusos son realmente imprecisos. La teoría de conjuntos difusos parte de la similitud con los conjuntos clásicos en los cuales se tiene una función de pertenencia de 0 ó 1. En los conjuntos difusos se tiene la característica de que la función de pertenencia puede adquirir valores en el rango de 0 a 1. Es así como se introduce el concepto de conjunto difuso, el cual se encuentra asociado con un determinado valor lingüístico que está definido por una etiqueta, palabra o adjetivo.

Los conjuntos difusos pueden ser considerados como una generalización de los conjuntos clásicos la teoría clásica de conjuntos sólo contempla la pertenencia o no pertenencia de un elemento a un conjunto, sin embargo la teoría de conjuntos difusos contempla la pertenencia parcial de un elemento a un conjunto, es decir, cada elemento presenta un grado de pertenencia a un conjunto difuso que puede tomar cualquier valor entre 0 y 1.

Inferencia Difusa Para Sáez (2006), se llama reglas difusas al conjunto de proposiciones SI - ENTONCES que modelan el problema que se quiere resolver. Una regla difusa simple tiene la forma: “SI u es A ENTONCES v es B“ dónde A y B son conjuntos difusos definidos en los rangos de “u” y “v” respectivamente.

Una regla expresa un tipo de relación entre los conjuntos A y B cuya función característica sería (x, y) A®B m y representa lo que conocemos como implicación lógica. La elección apropiada de esta función característica está sujeta a las reglas de la lógica proposicional.

Reglas Difusas Para Aguilar (2001), una regla difusa base es un conjunto de reglas SI-ENTONCES que pueden ser expresadas de la siguiente forma: R^m: SI u1 es A1^m y u2 es A2^m y …. up es Ap^m ENTONCES v es B^m Con m=1,2,…, M Y donde Ai^ m y B^m son conjuntos difusos en UiÌÂ (números reales) y VÌÂ respectivamente, u = (u1, u2, …, un) Î U1 x U2 x … x Un y vÎ V, y x = x1, x2, …, xn Î U e y Î V son los valores numéricos concretos de u y v, también respectivamente.

Esta regla tiene además la particularidad de que es una regla multi-antecedente; este tipo de reglas, que combina varias variables en el antecedente, es el más utilizado en el diseño de sistemas difusos. Un sistema difuso estará formado por varias reglas difusas base con diferentes consecuentes, ya que una regla con multi antecedente Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

9

y multi consecuente siempre podrá ser descompuesta en un conjunto de reglas base con multi antecedente pero un solo consecuente.

Control Difuso Para Sáez (2006), la principal aplicación actual de la lógica difusa son los sistemas de control difuso, que utilizan las expresiones difusas para formular las reglas que controlarán dichos sistemas.

Como la lógica difusa sugiere un cierto grado de pertenencia para un dato que se presente dentro de los conjuntos difusos, permite a un controlador difuso tomar diferentes grados de acción en un sistema. En los sistemas de control debe tomarse en cuenta el conocimiento experto de una o varias personas para la realización de la base de conocimientos sobre la cual se basará la toma de decisiones.

Controladores PI Difusos Sáez (2006) presenta en la Figura 1 un diagrama de un controlador PI difuso incremental, donde las entradas son el error e(k) = ref − y(k) y su tasa de cambio de(k) = e(k) − e(k − 1), y la salida es el cambio incremental en la variable manipulada du(k). Los parámetros del controlador son las ganancias GE, GR y GU, que multiplican a e(k), de(k) y du(k) respectivamente.

Figura 1: Controlador PI Difuso Incremental

En general, estos controladores presentan las siguientes características: dos o siete conjuntos difusos para las variables de entrada, tres o siete conjuntos difusos para la variable de entrada, 3 o 7 conjuntos difusos para la variable de salida, funciones de pertenencias triangulares, fusificación con universos continuos, implicación utilizando operador Min, inferencia basada en implicancia difusa y defusificación por el método de la media de los máximos modificada.

Incubadoras Neonatales Según Aguilar (2002), una incubadora neonatal es un dispositivo médico utilizado principalmente para generar un ambiente en el que se controlan diferentes variables importantes para el desarrollo de los recién nacidos.

La necesidad de las incubadoras neonatales surgió debido a los constantes partos de bebés prematuros, los cuales, sin un medio adecuado que simule el vientre de su madre, corren el riesgo de morir.

Inicialmente, las incubadoras sólo suplían necesidades básicas de los neonatos, mediante el control de variables como temperatura, humedad y luminosidad. Su diseño era sencillo, aunque su manejo era complejo para el personal médico, lo cual implicaba mucha atención y un constante chequeo. Debido a que la incubadora se convirtió en el medio principal para la atención de neonatos, surgió una gran demanda por ésta en el sector salud.

En la figura 2 se nota los elementos básicos que comprenden una incubadora general.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

10

Figura 2: Elementos Básicos de una Incubadora

Funcionamiento de una Incubadora El funcionamiento esencial de una incubadora es mantener el ambiente térmico adecuado para la maduración del recién nacido durante periodos prolongados de tiempo y asegurar su aislamiento del ambiente exterior. En la figura 3 se muestra como el aire circula en una incubadora de doble pared.

Figura 3: Circulación del Aire en una Incubadora

Modos de Funcionamiento En el modo de piel el objetivo es mantener la temperatura del paciente en un valor constante preestablecido por el médico. La temperatura de control de piel establece en forma apropiada utilizando el teclado del módulo de comando del equipo. Para ello se coloca un sensor de temperatura cutánea en el abdomen del niño y se fija en forma apropiada el valor de temperatura de piel a controlar.

En estas condiciones la incubadora mide en forma permanente la temperatura de la piel del niño y le suministra el calor necesario para que la misma sea constante y coincidentemente con el valor de la temperatura, de control preestablecido. En forma simultánea el termómetro electrónico digital indica la temperatura del niño en forma permanente, lo que permite verificar su condición en cualquier momento.

En el modo aire el objetivo es mantener la temperatura de la incubadora, o sea la temperatura del aire, en un valor constante. La temperatura de la incubadora está indicada en el termómetro electrónico digital de temperatura de aire ubicado en el módulo de comando. La temperatura de control de aire se establece en forma Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

11

apropiada utilizando el teclado del módulo de comando del equipo. En este modo de operación el display de temperatura de piel permanece apagado.

Instrumentación de una incubadora Neonatal Se explica a continuación los elementos básicos utiliazados para instrumentar una incubadora neonatal Termorresistencias (RTD) Para Creus (1997). La medida de temperatura u_ lizando sondas de resistencia depende de la variación de resistencia en función de la temperatura, que es propia del elemento de detección.

El elemento consiste, usualmente, en un arrollamiento de hilo muy fino del conductor adecuado bobinado entre capas de material aislante y protegido con un revestimiento de vidrio o de cerámica. El material que forma el conductor se caracteriza por el llamado "coeficiente de temperatura de resistencia" que expresa, a una temperatura especificada, la variación de la resistencia en ohmios del conductor por cada grado que cambia su temperatura.

La relación entre estos factores puede verse en la siguiente expresión lineal: Rt = R0 (1 + _t) Donde:  R0 = resistencia en ohmios a 0 °C  Rt = resistencia en ohmios a t °C  t = coeficiente de temperatura de la resistencia cuyo valor entre 0 °C y 100 °C es de 0,003850 _ / (_ / °C) en la Escala Prác_ ca de Temperaturas Internacional (IPTS-68)  T: temperatura de medición Sensores de Humedad Relativa Para Creus (1997), Pueden emplearse varios métodos en la determinación de la humedad en el aire y en los gases: Método de elemento de cabello (o nylon): se basa en la expansión o contracción lineal que son características de los materiales sensibles a las variaciones de humedad, tales como las fibras orgánicas (cabellos naturales) o las fibras sintéticas (nylon). El alargamiento de estos materiales es del 2,5% cuando la humedad relativa pasa del 0% al 100%. La exactitud es del ± 3% al ± 5% H.R. Por su poca robustez no se aplica en la industria.

Sensor polimérico: Este tipo de sensor de humedad relativa consiste en un condensador formado por un polímero termoestable, electrodos de platino y una base de silicio. En operación, el vapor de agua de la capa activa dieléctrica del condensador está en equilibrio con el ambiente donde se desea medir la humedad relativa. La capa de platino poroso actúa como blindaje de las influencias externas sobre la respuesta dieléctrica, mientras que la capa de polímero proporciona una protección mecánica sobre la capa de platino.

Tipo de Investigación utilizada La metodología utilizada se ubicó bajo la modalidad de proyecto factible, ya que se desarrolla una propuesta de diseñar dos controladores difusos como modelo operativo viable para controlar la temperatura y la humedad en una incubadora neonatal, permitiendo así mejorar las condiciones de los recién nacidos que necesiten ayuda artificial para culminar su desarrollo.

El desarrollo de los proyectos factibles se dividen en tres fases que son: el diagnóstico, el estudio de factibilidad y la fase de diseño.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

12

Fase de Diagnóstico: Las herramientas utilizadas para la obtención de la información necesaria para el desarrollo del proyecto consistieron en la recolección de toda la información bibliográfica y experimental acerca del trabajo de investigación, para ello se utilizó: La Observación Directa: consiste en observar atentamente el fenómeno, hecho o caso, tomar información y registrarla para su posterior análisis. Esta fase consiste en realizar diferentes visitas observando el funcionamiento de distintas incubadoras que ayudarán a determinar las funciones de membresía y las reglas de inferencia.

Entrevista No Estructurada: Esta técnica consiste en realizar preguntas de acuerdo a las respuestas que vayan surgiendo durante la entrevista. Se realizarán entrevistas a pediatras y a enfermeras que tienen contacto directo con las incubadoras para recabar la información más exacta posible sobre los valores máximos y mínimos de la temperatura y humedad recomendables para los infantes, esta información complementará la bibliografía especializada consultada. Una vez recolectada toda la información sobre el tema tratado, se procedió a la organización clasificación y selección de la información para el desarrollo de la investigación.

Estudio de Factibilidad Siguiendo la metodología de proyecto factible, se consideran tres aspectos: técnico, operativo y económico. A continuación se describen cada uno de ellos.

Factibilidad Técnica Desde el punto de vista técnico, se dispone de la información necesaria, la asesoría de especialistas en electro medicina para el desarrollo del trabajo de investigación, así como los recursos materiales para su ejecución.

También se dispone de las herramientas de software para modelar y diseñar los controladores difusos.

Factibilidad Operativa En cuanto a la factibilidad operativa, el software para el diseño y simulación es de fácil manejo, lo cual permite diseñar los controladores de manera asistida y comprobar su funcionamiento por medio de simulaciones de las variables del proceso.

Factibilidad Económica En cuanto a la factibilidad económica, se cuenta con los recursos necesarios para realizar el sistema ya que la incubadora utilizada para realizar la identificación fue facilitada por un centro médico del estado, el software utilizado para diseñar el controlador y realizar las simulaciones.

Diseño del Sistema Diagnóstico del Funcionamiento de las Incubadoras Utilizadas para el Sistema de Control. Se realiza un estudio bibliográfico para obtener las variables a controlar (temperatura y humedad) y las variables a manipular (corriente de la resistencia de calentamiento y apertura de la compuerta del depósito de agua). También fue necesario investigar sobre los límites máximos y mínimos de temperatura y humedad según las normas internacionales así como también la precisión de los mismos.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

13

Obtención del Modelo del Proceso de Control de Temperatura y Humedad: El modelo del proceso se obtiene por medio de identificación utilizando datos experimentales del comportamiento en lazo abierto de la temperatura y la humedad. Este modelo consta de dos funciones de transferencia, una de ellas modela la temperatura ambiente del habitáculo y la otra la humedad relativa. Para obtener dichos datos experimentales se diseñó un sistema con micro controlador encargado de medir las dos variables a controlar, enviando los datos a un computador para ser almacenados en una base de datos con el fin de ser utilizados por el ToolBox de identificación de Matlab.

Diseño de los Controladores Difusos de la Temperatura y la Humedad Relativa: Luego de obtener las funciones de transferencias de la temperatura y la humedad relativa de la incubadora, se procedió al diseño de los controladores. Para realizar esta tarea se toma la pericia de los operadores los cuales aportaron información vital de los rangos de temperatura y la humedad necesarias para crear un ambiente aceptable para el infante.

También aporto datos necesarios sobre el comportamiento de las curvas de las variables a controlar. Con estos datos recolectados se realizan las reglas de inferencia difusa que permitirán la estabilización de las variables controladas en un punto de operación deseable.

Simulación del Proceso en Lazo Cerrado: La simulación del proceso es muy importante debido a que entrega información de cómo se está comportando los controladores, esto permite entonar las reglas de inferencia difusa e ir mejorando el comportamiento. Para realizar las simulaciones pertinentes se utilizó como software base Simulink de Matlab, la cual es una herramienta muy poderosa para simulaciones de sistemas de control.

Resultados de la investigación Identificación del Proceso El modelo del proceso se obtuvo a través de métodos de identificación, obteniendo datos experimentales del comportamiento en lazo abierto de la temperatura y la humedad. Este modelo consta de dos funciones de transferencia, una de ellas modela la temperatura ambiente del habitáculo y la otra la humedad relativa.

Para obtener la función de transferencia del comportamiento de la temperatura en el habitáculo de la incubadora se consideró como salida del proceso la temperatura y como variable manipulada la potencia de la resistencia de calentamiento.

Para obtener la función de transferencia del comportamiento de la humedad relativa se consideró como salida la humedad relativa y como variable manipulada la apertura de la compuerta del depósito de agua de la incubadora. Para obtener dichos datos experimentales se diseñó un hardware de adquisición de datos utilizando un micro controlador PIC18F4550 encargado de medir la temperatura y la humedad relativa , enviando los datos a un computador para ser almacenados en una base de datos con el fin de ser utilizados por el ToolBox de identificación de Matlab. El hardware de medición utiliza como sensor de humedad un sensor capacitivo HUMIREL HS1101 que conectado a un oscilador estable genera una frecuencia proporcional a la humedad relativa que se está midiendo.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

14

Los datos fueron tomados cada seis (6) segundos a una temperatura ambiente de 20°C y a una humedad relativa en el ambiente de 70%, las condiciones de las variables manipuladas fueron las siguientes: potencia de la resistencia 100% y compuerta del depósito de agua 100%. Estos datos fueron exportados al Toolbox de Identificación de Matlab, obteniendo las curvas en el tiempo para una entrada escalón de 0% a 100% de la potencia de la resistencia calefactora (para la temperatura) y de 0% a 100% de la apertura de la compuerta del depósito de agua (para la humedad relativa).

En el mismo orden de ideas, se procedió a conseguir las funciones a calcular las funciones de transferencia para la temperatura y la humedad relativa, para esto se usó el Modelo de función de transferencia contenido en el Toolbox Identificación de Matlab. Se Realizaron las pruebas necesarias con funciones de diferentes órdenes hasta conseguir el modelo que más se acercaba al modelo real. En las gráficas de las figuras 4 y 5 se muestra la correlación entre los datos experimentales y el modelo de salida conseguido por identificación para la temperatura y la humedad y sus respectivas funciones de transferencia.

Figura 4: Datos experimentales y simulación del modelo temperatura

Gs  

0.49524 13.93s  1

Figura 5: Datos experimentales y simulación del modelo Humedad Relativa

G2 s  

Supraingeniería Num 4 Volumen I Año 2015

0.42892 7.7151s  1

Edición Especial 26 Aniversario UFT

15

Diseño de los Controladores Difusos Para el diseño de estos controladores difusos se utilizó el ToolBox Fuzzy Logic incluido en Matlab. Este ToolBox permite crear las funciones de membrecías necesarias para establecer el controlador, al igual que las reglas de inferencia respectivas para cada uno de los controladores. También es posible escoger el método de desfusificación más adecuado para la aplicación a realizar.

Para ambos controladores difusos se tomó como base CLD tipo PI (Proporcional – Integral), debido a que la acción integral lleva el error en estado estacionario a cero (0) para un valor de referencia constante. A continuación se detallan las características de cada controlador.

Controlador Lógico Difuso de Temperatura Para diseñar este controlador se tomaron en cuenta como entradas la señal del error que se calcula restando el valor de referencia de temperatura con el valor de temperatura actual de la incubadora (salida de lazo cerrado) y los cambios del error que se calculan restando el valor actual con el valor anterior para un periodo de muestreo constante. La salida del controlador está dada por los cambios requeridos en el aumento o disminución de la potencia de la resistencia de calentamiento.

Luego de concretar las entradas y salidas del CLD se procedió a crear las funciones de membresía. Se detallan a continuación.

Funciones de Membresía para el Error y la Derivada del Error Se utilizaron funciones de membresías triangulares y trapezoidales (estas últimas en cada uno de los extremos).

En la figura 6 se muestra las funciones de membresía del error y en la figura 7 se muestran las funciones de membresía de la derivada del error. También se definieron las etiquetas lingüísticas necesarias para el diseño del CLD, ellas son Negativo Grande (NG), Negativo Pequeño (NP), Cero, Positivo Grande (PG), Positivo Pequeño (PP).

Figura 6: funciones de membrecía para el error

Se puede observar en la figura que el span tomado para el error va de -20 a 20 ºC. esto es debido a que la temperatura a controlar esta en el rango de 20 a 40 ºC. la posición de cada una de las funciones se tomaron tomando en cuenta que la salida de la planta no debería tener sobreimpulso. Por recomendaciones médicas la temperatura no debería exceder la temperatura de referencia en un máximo de 0.1 ºC.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

16

Figura 7: Funciones de membrecía para la derivada del error

El rango tomado para el cambio del error fue ajustado observando el comportamiento del mismo en los ensayos con las simulaciones y está en el rango de -2 y 2 Funciones de Membresía de Salida Las funciones de membresía utilizadas para el cambio de la salida se muestran en la figura 8. Ellas representan la velocidad en que aumenta o disminuye la potencia en la resistencia de calentamiento. Se definieron las siguientes etiquetas lingüísticas, Potencia máxima negativa (PMN), Potencia Negativa (PN), Cero, Potencia Positiva (PP), y Potencia máxima Positiva (PMP). Cabe destacar que a la salida del controlador se suma la salida anterior produciendo una señal de control que está en el rango de 0 a 100% equivalente a la potencia suministrada a la resistencia de calentamiento. Los cambios por periodo de muestreo se tomaron de -4 a 4. Es de importancia mencionar que si se aumenta este rango se aumenta la ganancia de lazo lo que puede producir sobreimpulso en la salida.

Figura 8: Funciones de membrecía de la salida

Reglas Difusas Las reglas difusas utilizan la nomenclatura SI ---> ENTONCES, como se tienen dos entradas las mismas debes ser combinadas con el operador lógico AND. Por ejemplo: SI Error = Positivo Grande AND Aerror = Negativo Pequeño ENTONCES Cambios de la Salida = Aumento Grande de la Potencia de la Resistencia. En la tabla 5 se muestra un resumen de las reglas de inferencias aplicadas al CLD.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

17

DELTA ERROR

Tabla 1: Reglas de Inferencia Difusa para la Temperatura ERROR SALIDA NG NP CERO NG PMN CERO PN NP PMN CERO PN CERO PMN PN CERO PP PMN CERO PP PG PMN CERO PP

PP PN PN PP PP PP

PG PMP PMP PMP PMP PMP

En la siguiente tabla se muestra el significado de la simbología de la variable de salida Tabla 2: Significado de las Reglas de Inferencia Difusa para la Temperatura SIMBOLOGIA PN CERO PP PMP PMN

SIGNIFICADO Disminuye la potencia de la resistencia realizando cambios pequeños Mantiene la potencia de la resistencia constante Aumenta la potencia de la resistencia realizando cambios pequeños Aumenta la potencia de la resistencia realizando cambios significativos Disminuye la potencia de la resistencia realizando cambios significativos

Controlador Lógico Difuso de Humedad Relativa Para diseñar este controlador se tomaron en cuenta como entradas la señal del error que se calcula restando el valor de referencia de la humedad relativa con el valor actual medido (salida de lazo cerrado) y los cambios del error que se calculan restando el valor actual con el valor anterior para un periodo de muestreo constante. La salida del controlador está dada por los cambios requeridos en la apertura o cierre de la compuerta del depósito de agua.

Luego de concretar las entradas y salidas del CLD se procedió a crear las funciones de membresía. Se detallan a continuación.

Funciones de Membresía para el Error y la Derivada del Error Se utilizaron funciones de membrecías triangulares y trapezoidales (estas últimas en cada uno de los extremos).

En la figura 9 se muestra las funciones de membrecía del error y en la figura 10 se muestran las funciones de membrecía de la derivada del error. También se definieron las etiquetas lingüísticas necesarias para el diseño del CLD, ellas son Negativo Grande (NG), Negativo Pequeño (NP), Cero, Positivo Grande (PG), Positivo Pequeño (PP).

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

18

Figura 9: Funciones de Membresía para el Error

Se puede observar en la figura 9 que el span tomado para el error va de -30 a 30 ºC. Esto es debido a que el porcentaje de humedad relativa a controlar esta en el rango de 30 a 60 %. La posición de cada una de las funciones de membrecía se ajustó tomando en cuenta el comportamiento de la variable de proceso.

Figura 10: Funciones de Membresía para el Error

Las funciones de membresía utilizadas para el cambio de la salida se muestran en la figura 11. Ellas representan la velocidad en que aumenta o disminuye la apertura de la compuerta del depósito de agua. Se definieron las siguientes etiquetas lingüísticas, Cerrar máximo (CM), Cerrar Poco (CP), Cero, Abrir Poco (AP), y Abrir Máximo (AM). Cabe destacar que a la salida del controlador se suma la salida anterior produciendo una señal de control que está en el rango de 0 a 100% equivalente a la apertura de la compuerta del depósito de agua. Los cambios por periodo de muestreo se tomó de -4 a 4.

Figura 11: Funciones de Membresía para la derivada del error

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

19

Reglas Difusas para la Humedad Relativa Las reglas difusas utilizan la nomenclatura SI ---> ENTONCES, como se tienen dos entradas las mismas debes ser combinadas con el operador lógico AND. Por ejemplo: SI Error = PG AND Aerror = NP ENTONCES Cambios ASalida = AM. En la tabla 6 se muestra un resumen de las reglas de inferencias aplicadas al CLD. Tabla 3: Reglas de Inferencia Difusa para la Humedad Relativa

DELTA ERROR

ERROR SALIDA NG NP CERO PP PG NG CM CERO CP CP AM NP CM CERO CP CP AM CERO CM CP CERO AP AM PP CM CERO AP AP AM PG CM CERO AP AP AM En la tabla 4, se muestra el significado de la simbología de la variable de salida

Tabla 4: Significado de las Reglas de Inferencia Difusa para la Humedad Relativa SIMBOLOGIA SIGNIFICADO CM Disminuye la apertura de la compuerta realizando cambios grandes CERO Mantiene la apertura de la compuerta constante CP Disminuye la apertura de la compuerta realizando cambios pequeños AP Aumenta la apertura de la compuerta realizando cambios grandes AM Aumenta la apertura de la compuerta realizando cambios prqueños Simulación del Proceso para la Temperatura La simulación fue implementada en el software SIMULINK de MATLAB. En la figura 12 se muestra el proceso simulado a través de diagramas de bloques interconectados.

La señal aplicada al sistema es un escalón. Este escalón permite colocar el valor de referencia del proceso. El CLD tiene como entrada el error y el cambio del error, el cual es generado con un retardo. Las dos entradas son aplicadas al bloque CLD por medio de un multiplexor. La salida del controlador es sumada a la salida anterior por medio de un retardo y un sumador que permite modificar los cambios de la salida a un valor real que va de 0 a 100%. Por ultima esta señal es inyecta a la función de transferencia para realizar las correcciones de la salida (temperatura).

En la figura 13 se describe la respuesta del sistema (temperatura) para un valor de referencia de 40ºC y a distintos valores de referencia.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

20

Figura 12: Simulación en Lazo Cerrado de la Temperatura

Figura 13: Simulación en Lazo Cerrado de la Temperatura a 40ºC y a diferentes valores de referencia

En las incubadoras neonatales se producen reiteradamente perturbaciones a la temperatura del habitáculo. Para probar el desempeño del controlador se aplica una señal escalón descendente a la salida de la planta simulando la caída de la temperatura debido a la apertura de las puertas de acceso al habitáculo donde se encuentra el recién nacido. En la figura 14 se muestra el diagrama de la simulación.

Figura 14: Diagrama de Bloques para Simulación con una Perturbación

Se puede observar en la figura 14 que la perturbación es aplicada a la salida de la función de transferencia, es decir que está modificando directamente la salida de temperatura. La perturbación es aplicada por un interruptor manual y el funcionamiento es el siguiente:

Fuente: Dávila

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

21

Cuando la perturbación no ha sido aplicada el interruptor inyecta una señal de amplitud cero, la cual no afecta el comportamiento. Al pasar el interruptor, el escalón es aplicado restándole la amplitud del escalón a la señal de salida de la planta. En la figura 15 se muestra la simulación del comportamiento de la temperatura tomando en cuenta esta perturbación.

Figura 15: Simulación con una Perturbación

Simulación del Proceso para la Humedad Relativa En la figura 16 se muestra el proceso simulado representado mediante un diagrama de bloques.

Figura 16: Simulación en Lazo Cerrado de la Humedad Relativa

El valor de referencia aplicada es una señal escalón. El CLD tiene como entradas el error, dado por la diferencia entre el valor de referencia y el valor actual de la humedad relativa, y el cambio del error definido por la diferencia entre el valor actual del error y la muestra del error anterior. Las dos entradas son aplicadas al bloque CLD por medio de un multiplexor. La salida del controlador es la suma de la apertura de la compuerta tomada en la muestra anterior y el cambio que debe realizar ésta dado por la respuesta actual del CLD. La señal de salida del CLD es la variable manipulada de la planta cuya salida es la humedad relativa. En la figura 17 se describe la respuesta del sistema (humedad relativa) para un valor de referencia de 50% de humedad y a distintos valores de referencia

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

22

Figura 17: Simulación en Lazo Cerrado de Humedad Relativa a 50% y a distintos valores de referencia

Conclusiones y Recomendaciones Conclusiones Las conclusiones realizadas para este trabajo de investigación se muestran a continuación:  Se obtuvo para la temperatura una función de transferencia de premier orden con una ganancia de 0,4924 y una constante de tiempo de 13.93 minutos con una correlación con respecto a los datos experimentales de 90,38%, demostrando que el modelo conseguido por identificación describe satisfactoriamente el comportamiento de la temperatura en el habitáculo de la incubadora.  Se Obtuvo para la humedad relativa una función de transferencia de primer orden con una ganancia de 0.42892 y una constante de tiempo de 7.7151 minutos con una correlación con respecto a los datos experimentales de 93.71%, demostrando que el modelo conseguido por identificación describe satisfactoriamente el comportamiento de la humedad relativa en el habitáculo de la incubadora.  Se pudo demostrar por medio de las simulaciones realizadas que el CLD de temperatura estabiliza la señal de salida en el valor de referencia que oscila entre 80 y 100 minutos, inclusive agregando perturbaciones que modifican la señal de salida. Este tiempo está limitado por las características eléctricas de la resistencia la cual es de baja potencia.  Se puede afirmar que los controladores difusos son una alternativa importante para resolver problemas en el área de ingeniería de control basado en los resultados obtenidos en los diferentes experimentos realizados durante la simulación.

Recomendaciones   

Implementar ambos controladores para ser probados directamente en una incubadora.

Agregarle al sistema alarmas que permitan identificar fallos de sobre temperatura y mal funcionamiento del motor ventilador.

Se pueden utilizar otros tipos de funciones de membresías para determinar las diferencias entre los resultados obtenidos.

Referencias Bibliográficas Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

23

Aguilar. J. (2001). Introducción a las técnicas de control inteligente.

Universidad de los Andes 2001

Editores

Aguilar, J (2002). Tratado de enfermería infantil. España, Editorial Elsevier Sciece.

Creus, A. (1997). Instrumentacion Industrial. España Editorial Marcombo.

Dossat, R (1980). Principios de refrigeración. Houston, Mexico, editoeiral continental S.A Driankov, d. Y otros (1993). An introduction to fuzzy control. Nueva york, Editorial Springer-Verlag.

Garima M. (2006). Fuzzy logic control for infant - incubator systems. Estados unidos, Universidad de Akron.

MACVICAR-WHELA, PJ. (1976) Difuso set for man-machine interaction, International Journal of Man-Machines Studies, Vol 8 pp 687-697 Perez I. (2007). Lógica difusa para principiantes. Venezuela, publicaciones UCAB. Universidad Católica Andrés Bello.

Ponce, S. (2001). Incubadora de cuidados intensivos controlada con lógica difusa. Argentina, universidad nacional de Tucumán Sáez D. (2006). Control de sistemas. Dpto. Ing. Eléctrica, Universidad. Chile.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

24

SOFTWARE EDUCATIVO UTILIZANDO LA REALIDAD AUMENTADA, APLICANDO EL USO DE LA VISION ARTIFICIAL Y RECONOCIMIENTO DE PATRONES COMO RECURSO INSTRUCCIONAL PARA EL APRENDIZAJE, DIRIGIDO A LOS NIÑOS DEL CENTRO DE EDUCACION INICIAL ANA ELISA LOPEZ, MUNICIPIO INDEPENDENCIA, ESTADO YARACUY

Autor: Tsu. Ynés Polini Fuentes Resumen El presente trabajo de investigación tiene como finalidad desarrollar un software educativo aplicando una de las técnicas de la Inteligencia Artificial (I.A.) como es la visión artificial combinada con la realidad aumentada, mediante imágenes en tres dimensiones, lo cual ofrece a los niños en edad preescolar una herramienta de apoyo que les permite aprender de forma dinámica e interactiva. Para esto se crean varios marcadores físicos para los usuarios (niños) que al ser captados por una cámara web conectada al sistema, son reconocidos mediante visión artificial simulando una figura en 3D relacionada al mismo, que pueden mover y girar, convirtiendo el aprendizaje en algo divertido y entretenido. Está basada en investigación de campo e investigación documental; se usó la observación directa y para la recolección de datos, la entrevista informal tanto a los docentes, como a los niños.

Esta investigación se encuentra enmarcada dentro de la modalidad de proyecto factible como propuesta basada en la factibilidad para la resolución de un problema dado. La presente investigación se encuentra enmarcada dentro del polo “Hombre ciudad y territorio”, teniendo como línea de investigación “Desarrollo de sistemas de programación utilizando nuevas tecnologías para el desarrollo del hombre”.

Palabras claves: Software educativo, inteligencia artificial, visión artificial, realidad aumentada, aprendizaje.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

25

NUEVOS APORTES AL MODELO RELACIONAL DIFUSO S. Carrasquel1, D. Coronado2, R. Monascal1, R. Rodríguez1, L. Tineo1.

Universidad Simón Bolívar. 1Departamento de Computación.

2 Departamento de Formación General.

Email: {scarrasquel,dcoronado,rmonascal,crodrig,leonid}@usb.ve Resumen El Modelo Relacional Difuso Generalizado GEFRED y el Modelo Entidad Relación Extendido Difuso (Fuzzy EER) pretenden representar en bases de datos, la imprecisión, incertidumbre o vaguedad en los datos, mediante la aplicación de la teoría de conjuntos difusos propuestas por Zadeh. En este sentido, clasifican los datos difusos en cuatro tipos: Tipo 1, datos precisos sobre los cuales se permiten consultas con etiquetas lingüísticas interpretadas como números difusos; Tipo 2, datos posibilísticos sobre dominios ordenados; Tipo 3, etiquetas lingüísticas no ordenadas provistas de una relación de similitud, y distribuciones de posibilidad sobre ellas; Tipo 4, similar a los Tipo 3 pero sin la relación de similitud. El Lenguaje Estructurado de Consultas Difusas (FSQL) no admite ordenamiento ni agrupamiento basado en atributos difusos, salvo Tipo 1. El proyecto pretende subsanar esta carencia de FSQL. La metodología ha sido enfocarse en cada tipo a la vez, estudiar las propuestas existentes de ordenamiento para estos datos, escoger o proponer la más adecuada, definir formalmente las operaciones de consulta extendida con ordenamiento (cláusula ORDER BY) y agrupamiento (cláusula GROUP BY), extender un Manejador de Bases de Datos para soportar la nueva funcionalidad. Como resultados tenemos ya completado el tratamiento de datos Tipo 2, así como el de datos Tipo 3 pero sin distribuciones de posibilidad. Adicionalmente hemos hecho aplicaciones experimentales que usan estas nuevas funcionalidades. También se definieron los esquemas de traducción de las principales instrucciones del lenguaje SQL extendido con estas funcionalidades al lenguaje SQL nativo. Actualmente trabajamos sobre datos Tipo 4 y datos Tipo 3 con distribuciones de posibilidad, a los cuales hemos preferido renombrar como datos Tipo 5. Para ellos se han definido algunas propuestas de ordenamiento que están siendo evaluadas para concretar su utilidad en el contexto de las Bases de Datos. También se han elaborado nuevas aplicaciones experimentales y pruebas de desempeño. En trabajos futuros estudiaremos otros operadores basados en ordenamiento, como lo es la cláusula WINDOW del estándar SQL.

Palabras claves: Modelo GEFRED, Datos Difusos, Consultas Difusas, Ordenamiento, Agrupamiento.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

26

APLICACIÓN SENSIBLE A MÚLTIPLES CONTEXTOS SOBRE UNA BASE DE DATOS DIFUSA José Tomas Cadenas, Soraya Carrasquel, Darwin Rocha, Rosseline Rodríguez Departamento de Computación y Tecnología de Información Universidad Simón Bolívar, Caracas, Venezuela Resumen Bajo el marco tradicional, el flujo de una aplicación sigue caminos establecidos, ignorando características particulares del usuario y su entorno. Sin embargo, es conveniente ofrecer la posibilidad de personalizar el comportamiento de una aplicación de acuerdo a las preferencias del usuario, y la situación en la que se encuentre.

De esta forma el resultado obtenido puede ser más satisfactorio para el usuario.

El concepto de “sensibilización al contexto” ha comenzado a estudiarse de manera que se pueda especificar información relativa a la situación “contextual” en la que se encuentra un sistema computacional. Se habla entonces de contexto implícito cuando se trata de datos que pueden tomarse del ambiente que lo circunda, como la hora o la ubicación geográfica, y de contexto explícito cuando se toman datos personalizados provistos por el usuario, como sus preferencias e historial. Así, considerando el contexto global, se puede proporcionar un servicio adaptado a las necesidades y circunstancias de dicho usuario.

Por otro lado, aunque una aplicación puede adaptar su comportamiento de acuerdo a la información contextual proporcionada, en algunos casos se hace necesario poder especificarle información imperfecta, es decir, basada en percepciones humanas, en lugar de valores precisos. En estos casos se puede utilizar la Teoría Computacional de Percepciones (TCP) propuesta por Zadeh.

En el caso particular de las bases de datos tradicionales, éstas fueron diseñadas para almacenar información con gran precisión. Por ejemplo, en una base de datos tradicional se realizan consultas del estilo: “obtener los niños que pesan entre 45 y 60 kg”. Sin embargo, en algunos casos esto no es posible porque en el mundo real las personas se comunican usando información imprecisa y vaga. Por ejemplo, se desea conocer los niños delgados u obesos.

En una aplicación sensible al contexto que usa bases de datos difusas, los módulos TCP, encargados de la interpretación y conversión de información han permitido gestionar datos imperfectos. Esto se logra usando un lenguaje que permite representar los diferentes dominios difusos. Por lo cual en dichas bases de datos se puede representar que un niño es de contextura obesa sin la necesidad de especificar su peso preciso. Además, se puede agregar la noción de gradualidad en los términos lingüísticos utilizados.

En la Universidad Simón Bolívar se ha desarrollado una aplicación sensible al contexto que utiliza una base de datos difusa para el Laboratorio de Marcha del Hospital Ortopédico Infantil, de tal manera que el personal de salud que trabaja en dicho laboratorio pueda expresar sus preferencias. Para ello, se utilizó el Sistema Gestor de Bases de Datos Objeto Relacional Oracle. Además, se implementó una versión móvil de esta aplicación. En su última versión se adaptó el modelo de dominios difusos implementado y sus interfaces para trabajar con múltiples contextos.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

27

MECANISMO AUTOMATIZADO DE ESTIMACIÓN DE RESPUESTAS A CONSULTAS EN BASE DE DATOS RELACIONALES EN PRESENCIA DE NULOS L. Tineo1, J. Ramírez1 Universidad Simón Bolívar. 1 Departamento de Computación Email: leonid@usb.ve, josuearamirez@gmail.com Resumen En cualquier descripción del mundo real se pueden distinguir modelos de tratamiento para la imprecisión a nivel de los atributos: valores probabilísticos, valores difusos, distancias, solidez y completitud, y valores nulos. En cuanto al valor nulo se refiere, varios trabajos previos centran sus esfuerzos en dar un tratamiento adecuado a los valores nulos. Algunos de ellos los ignoran bajo el argumento de no tener suficiente significancia estadística.

Otros usan técnicas de reescritura tratando de evitar, en lo posible, condiciones que involucran valores nulos. Una estrategia muy conocida es la llamada “imputación” que consiste en cambiar los valores nulos en la base de datos por valores sustitutos elegidos con algún tipo de criterio establecido. Usando técnicas de inferencia es posible hacer estimación de valores en lugar de los nulos. Cualquiera de estos mecanismos de tratamiento de valores nulos tiene sus desventajas como pueden ser muy poca aplicabilidad práctica, inviabilidad de aplicación o introducción de ruido. Específicamente el presente trabajo plantea la aplicación de un método en bases de datos relacionales, en donde no se realiza la imputación, sino una estimación en forma dinámica en el momento de ejecutar una consulta que involucre un atributo que tenga valores nulos. De esta manera se evitan las desventajas antes descritas asociadas a otros trabajos. Por otro lado, para la estimación del valor que será usado en la consulta se plantea el uso de reglas de asociación difusas, técnica ésta que permite obtener un conjunto de reglas para estimar los valores nulos en función de los demás valores presentes en los registros y cuya aplicación se extiende a atributos con valores cuantitativos y no sólo categóricos.

PALABRAS CLAVES: Valores Nulos, Reglas Asociación Difusas, Procedimientos Almacenados, Bases de datos Incompletas, Consultas Relacionales.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

28

DISEÑO DE EQUIPO DE CALIBRACIÓN PARA SENSORES DE VARIABLES BIOMÉTRICAS Julio Ramos (UNEFM) Eduardo Giménez (UNEFM) Alvaro Sandoval (UNY) Rafael Volcanes (IUJO) El Problema Las evaluaciones a los equipos médicos son de vital importancia y para garantizar que estos equipos se encuentran en condiciones óptimas de trabajo, es imprescindible la evaluación de los sensores de variables biomédicas que miden a fin de evitar que los primeros puedan afectar las condiciones del paciente. El equipo para evaluación utilizado para la valoración de los equipos médicos es costoso y de difícil ubicación lo que dificulta su adquisición, cuestión de la que no escapa el Hospital Pediátrico “Dr. Agustín Zubillaga” HPAZ. Generalmente solo se encuentran unidades que evalúan solamente uno de los parámetros, por lo que se dificulta para el Ingª Biomédico hacer una valoración de diferentes equipos.

Objetivo General Diseñar un equipo para evaluación de temperatura y humedad en incubadoras neonatales y presión para monitores de presión no invasiva en el HPAZ. Objetivos Específicos • Diagnosticar las características técnicas de funcionamiento que poseen incubadoras neonatales y monitores de presión no invasiva en el HPAZ. • Definir el diseño del equipo electrónico de calibración, con parámetros específicos para el diagnóstico técnico de incubadoras neonatales y monitores de presión no invasiva.

• Diseñar un sistema de comunicación amigable al usuario.

• Desarrollar el sistema que reciba y procese los datos generados por el equipo.

Curva de calentamiento en Incubadoras y sobrecalentamiento

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

29

Relación Edad – Presión Arterial

Diseño del Equipo

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT

30

Conclusiones 





Este equipo de evaluación puede medir la temperatura en dos rangos de medición, con un error máximo de ±0.25 ºC en el rango de medición de 0 a 43º C, con una resolución de 1.1ºC y un error 0.75ºC en el rango de la temperatura 0 a 150ºC, con una presión de 1ºC y con una salida completamente lineal. Además de visualizarse en el equipo la temperatura en ºC se visualiza en ºF. En las pruebas de medición de la presión, estas se realizan en dos rangos, en dos unidades de medición.

Mm de Hg y cm de H2O, para poder utilizar este equipo en las presiones que se utilizan en ventilación mecánica, y visualizadas en la pantalla LCD en la unidad escogida y su conversión en PSI, el transductor empleado posee un error de 1.5% y en las pruebas se determinó un error de 1%.

Se relaizaron pruebas de medición de humedad con un error de 1% visualizada en la pantalla de LCD en % de HR.

Recomendaciones Se recomienda su en otros equipos médicos que son factibles de medición y que pueden ser calibrados; por ejemplo, se puede medir la presión en vías aéreas del ventilador mecánico, que también está establecida como norma de presión interna en los equipos de ventilación, donde hay distintos rangos de medición que no es solamente la presión inspiratoria.

Supraingeniería Num 4 Volumen I Año 2015

Edición Especial 26 Aniversario UFT