Trabajo Final de Aplicación.

Licenciatura en Sistemas Facultad de Ciencias Exactas y Naturales y Agrimensura Universidad Nacional del Nordeste

Etapas de Desarrollo del Trabajo

Investigación: Teorías y Métodos Análisis y Diseño de la Aplicación Resultados

Teorías y Métodos

Sistemas Expertos Sistemas de Soporte a la Decisión Simulación Data Warehousing SQL

Sistemas Expertos

Inteligencia Artificial Nociones de los Sistemas Expertos Sistemas Expertos Basados en Reglas Sistemas Expertos Basados en Probabilidades

Inteligencia Artificial

Antecedentes Culturales •Solución del Problema en General •Percepción •Comprensión del Lenguaje Natural •Aprendizaje, Demostración de Teoremas, Juegos •Hardware para la IA •Robótica •Cibernética •Sistemas Expertos (SE)

Alcances de la IA

Nociones de los SE

Conceptos •Diagnosis •Pronóstico •Planificación •Reparación

Áreas de Aplicación de los SE

Nociones de Funcionamiento de los SE

Funcionamiento de los SE
Descripción del Esquema.
Interactúan dos agentes. Experto del Dominio Ingeniero del Conocimiento Motor de Inferencia

Bases del Conocimiento

Procedural Declarativo

Interfase

Esquema de Inferencia

SE Basados en Reglas
•Tratan Problemas Deterministas •Dos partes la componen •El motor de Inferencia Modus Ponens, Reglas de inferencia Modus Tollens, Estrategias de inferencia Premisa Conclusión

Encadenamiento de reglas, Encadenamiento de reglas orientado a un obje

SE Basados en Probabilidades
Enfermed ad

•Tratamiento de la Incertidumbre •Las redes de creencia •El razonamiento Bayesiano •Probabilidades condicionales •Inferencia del Sistema •Probabilidades a Priori •Probabilidades a Posteriori
Enfermedad
Positivo Negativo

Prueba

Presente
0,75 0,25

Ausente
0,04 0,96

Enfermedad Presente = 0,08 Ausente = 0,92 Prueba Positivo = 0,10 Negativo = 0,90

VPP = P(Enfermedad = presente | Prueba = positivo) = [P(Prueba = positivo / Enfermedad = presente) x P(Enfermedad = presente)] / P(Prueba = positivo) VPP=[0.75 x 0.08] / 0.0968 = 0.62 = 62 %

DSS

Sistemas de Soporte a la Decisión

Introducción (Modelo Administrativo) Definición Características de los DSS Componentes Funcionales de un DSS Proceso de Toma de Decisiones Componentes de un DSS

Características de los DSS
•Interactividad •Tipo de Decisiones •Frecuencia de Uso •Variedad de Usuarios •Flexibilidad •Interacción Ambiental •Comunicación Interorganizacional •Acceso a Base de Datos •Simplicidad •Flexibilidad Implementación en la Aplicación

Componentes Funcionales
Las Herramientas de Software y Hardware permiten a los usuarios diseñar sus propios modelos para tomar decisiones…

•El Modelo •La Base de Datos •Sistemas de Software •Interfaz con el Usuario Implementación en la Aplicación

Proceso de Toma de Decisiones
•Inteligencia •Fases •Diseño •Elección •Implementación

•Soporte a cada Fase

Implementación en la Aplicación

Componentes de un DSS
•Administrador de Datos •Información Interna •Información Externa •Información Personal •Administrador de Modelos •Administrador de Diálogos •Beneficios •Consideracione s

Simulación
Procesamiento de un modelo simulado, que puede someterse a manipulaciones que serían Imposibles realizar, o muy costosas o imprácticas. Los resultados son examinados para luego Inferirse en las propiedades del comportamiento del sistema que se pretende estudiar

Fundamentos Prácticos Metodología Empleada Generación de Variables Aleatorias

Fundamentos Prácticos

No existen datos medianamente estructurados

Inferencia de la simulación según criterios adoptados •Parametrizacion de valores simulados

Pronóstico a partir de la simulación, “¿Qué pasaría si?” •Parametrización basada en información externa (pronósticos pesimistas u optimistas)

nferencia en cascada sobre otras variables (Si esto entonces…)

Metodología empleada
•Números Aleatorios
•Sucesión de números equiprobables entre 0 y 9 ubicados aleatoriamente •Periodicidad de las series aleatorias •Métodos que generan series •Manuales •Tablas de bibliotecas •Seudoaleatorios
Modulo, Iteraciones Semillas, Cttes.

I=1 I=I+1
no

Si

Semilla (K)

•Métodos Seudo aleatorios
•Los parámetros “Semillas” dan orígen a la serie. •Distintos métodos, aplicando algoritmos matemáticos modifican recurrentemente el valor de las semillas •Testeos estadísticos pueden hacer utilizables a las series •generadas Aditivo de las Método

I=1 I=I+1
no R1= Vec(i) + Vec(i-k) Vec(i+1)= R1 Mod M

Si

fin

Vec(I)

Vec(i+1)

Congruencias
V(i+1) = Vi + V(i-k) (mod M)
•Los k+1 valores enteros positivos dan origen a la serie. A medida que k aumenta disminuye la periodicidad de la serie •Si k= 2, se toman 3 valores iniciales. El primer número que se genera es de orden 4

Las variables aleatorias

•Simulación de mediciones de pesos.

Simulación Experta Simulación controlable por el usuario Con los primeros parámetros se inicia el método Aditivo de las Congruencias La fórmula principal es la siguiente.

V(i+1) = Vi + V(i-k) (mod M) •Simulación de Condiciones Corporales. valores contiene los valores simulados •Una matriz de

•Se ingresan los valores máximos y mínimos como extremos de valores •El algoritmo codificado es el siguiente

Cond(X) = Int((MiUltimo - MiPrimero + 1) * Rnd + MiPrimero)

Data Warehousing
Introducción Características de un Data Warehouse Estructura y Arquitectura de un Data Warehouse Operaciones en un Data Warehouse Uso del Data Warehouse

Introducción al DW
Colección de datos centralizados, o no, en el cual se encuentra integrada la información de la institución y que se usa como soporte para el proceso de toma de decisiones.

•Sistemas de Información

•Diferencias con las Base de datos Transaccionales
Base de Datos Operacional Datos Operacionales Orientado a la aplicación Actual Detallada Cambia continuamente Data Warehouse Datos del negocio para Información Orientado al sujeto Actual + histórico Detallada + más resumida Estable

•Soporte a DSS

Características de un DW
•Orientado al
•Codificación •Medida de Atributos •Convenciones de Nombramiento •Fuentes múltiples •El DW excluye la data no usada para el Tema análisis •Los RDB están orientadas a las aplicaciones. •Las relaciones encontradas en un DW son muchas

•Integrado

•De Tiempo Variante

•No Volátil

Estructura y Arquitectura de un DW
•Detalle de datos actuales •Detalle de datos antiguos •Datos ligeramente resumidos •Datos completamente resumidos •Metadata

•Estructura

•Arquitectura

•DB operacional / Nivel de DB externo •Nivel de Acceso a la Información •Nivel de Acceso a los datos •Nivel de directorio de datos (Metadata) •Nivel de Gestión de Proceso •Nivel de Mensaje a la Aplicación •Nivel de Data Warehouse •Nivel de Organización de Datos

Operaciones en un DW
Db Operacional Integración Transformación GUI

DW

Acceso de usuarios Finales
MDX SQL Sist. A Medida OLAP Integrados

Data externa Meta Data

•Plataforma DW
•Servidores de Db Relacional •Bloques Unix con MSP o MPP •Ej. Teradata

•Objeto tiempo •Reemplazan datos idénticos •Horizonte de tiempo 5 a 10 años

•Evolución del Deposito

•Datos sobre datos •Las técnicas y métodos dependen del soft Elegido •Es el corazón del DW

•Metadat a

•Flujo de Datos

Flujo de Datos en un DW
Procesos de calculo de forma ligera y completamente resumido

Ingreso de información desde base de datos transaccionales •Dependiendo del criterio y del tiempo Data Antigua, almacenad a en Cinta.

Usos del Data Warehousing
Uso de Base de Datos Operacionales Muchos usuarios concurrentes Consultas predefinidas y actualizables Cantidades pequeñas de datos detallados Requerimientos de respuesta inmediata Uso de Data Warehouse Pocos usuarios concurrentes Consultas complejas, frecuentemente no anticipadas. Cantidades grandes de datos detallados Requerimientos de respuesta no críticos

SQL

MDX

Lenguaje de Consulta Estructurado
•Comandos •Cláusulas •Componentes del SQL •Operadores •Funciones de Agregado
•DLL: Create, Drop, Alter •DML: Select, Insert, Update, Delete
•And •Or •Not •From •Where •Group By •Having •Order By

•Comandos

•Cláusulas

•Operadores Lógicos

•Operadores de Comparación

•< •> •<> •= •<= •>= •Between •Like •In

•Funciones

•Avg •Count •Sum •Max •Min •etc

Análisis y diseño de la Aplicación
Análisis del Problema Informatización en la Producción Ganadera Trazabilida d El modelo propuesto

Análisis del Problema
•Las posibilidades de la producción Ganadera •La Cría del Ganado Vacuno •Estructuración de los procesos •Necesidad de Informatización •Ingeniería y reingeniería de datosAccess SQL Server •Antecedentes •Fuentes de Información

Posibilidades de producción

•La Cría •La Cría y Recría •Invernada •Tambo •Cabañas

La Cría del Ganado Vacuno

•Objetivos de la cría •Zonas de Cría y Estadísticas •Categorías que componen el rodeo de cría •Etapas de la Cría

Objetivos de la Cría
•Lograr un ternero por vaca y por año •Llegar al destete con el mayor peso •Entorar la vaquilla de reposición lo antes posible (recría corta) •Lograr la mayor longevidad (vida útil) en los vientres •Alcanzar la mayor cantidad de kg. de carne/ha/año •Manejar la máxima carga animal •Lograr el menor intervalo entre partos

Zonas de Cría
•NEA
•Segunda zona de importancia en la cria. •8.080.00 cabezas •46 % de vientres •Corrientes: 4.260.243 cabezas •50% de ésta cabezas son vacas de cría •30 kg. Carne/ha/año.

•La pampa húmeda
•Mayor producción de terneros del país •15.000.000 de vientres •60 % del total de bovinos del país

Categorías y Etapas
•Vacas de Cría, vientres o madres •Etapas •Toros o padres •Vaquillonas de reposición •Servicio o Entore •Gestación o Preñez •Etapas de la Cría •Parición •Lactancia o Cría •Destete

Inf. En la producción ganadera

•Organizar y estructurar la información •Seguridad de la información •Decisiones acertadas •Ampliar el mercado, competir en el mundo •Estadísticas globales

Trazabilidad

•¿Qué es la Trazabilidad? •Situación en la Argentina y en el mundo •Tipos de Identificación •Soporte de la información

Qué es la Trazabilidad?
Una vulgar definición: Seguirle el rastro a la carne

•Entidades involucradas en el negocio de la carne

•Criadores. •Invernadores •Comercializadores •Procesadores •Distribuidores •Exportadores •Consumidores

Implementación en la Aplicación 

•Medio de identificación del

•Desde el establecimiento a la góndola del supermercado. •Desde el nacimiento hasta la faena del animal. •…….”La ficha del Animal”…….. •La sanidad del animal…

•Caravana • animal. Micro chip •Bolo de identificación •Otros

La situación Actual

•Compromiso privado y público •Imposición Europea •El ejemplo de Holanda
marcada) (plus 15% al corte con la ruta

•EL sistema Español

El sistema Español
•Mediante el código (ID del animal), provisto en la “bandeja” del producto. Se puede obtener la iformación o ficha histórica del animal, a travez de Internet.
NÚMERO DE IDENTIFICACION: ES 010101504543
ALTA

ANIMAL nacido en la explotación: X FECHA DE NACIMIENTO Día: 05 Mes: 03 Año: 1998 SEXO Macho: Hembra :X RAZA: CRUZADA Código de la Madre: CO-2208-U EXPLOTACION DONDE ES IDENTIFICADO: 009-CO-087 TITULAR DE LA EXPLOTACION JUAN CARLOS BALMASEDA DE SILVEIRA DNI/CIF 50683911

BAJA ANIMAL Sacrificado en Matadero :X FECHA Día 30 Mes 04 Año 1999

El Modelo propuesto
•Modelo Técnico/Operativo
•Soporte al sistema de Trazabilidad animal •Registro de todas la prácticas hechas en el establecimiento •Soporte al registro de los planes sanitarios vigentes. •Árbol genealógico del animal •Reportes con soporte a la mercadotecnia •Registro, reportes y estadísticas de la evolución individual y grupal •Ubicación espacial, individual y grupal.

•Modelo Estratégico
•Soporte a la •Soporte a la •Soporte a la •Soporte a la alimentaria •Soporte a la selección de animales para servicio selección de animales para descarte elección de la ubicación de los animales. elección del plan de suplementación toma de decisiones en general.

Modelo Idealizado
Pesos Marcas/Señales Ingreso del Animal Simulación Planes Sanitarios Ubicación Prácticas Tactos Servicio s Nacimiento s Evol. Animal. Compra/Venta Estadísticas DSS Reportes

Pronóstico

Resultados…
Utilidades Operativas Estrategias de Simulación Utilidades de Soporte a la Decisión Técnicas OLAP para DSS 

Estrategias de Simulación
•Simulador de Pesos
El Simulador Experto (Selecciona Etapa y asigna parámetros) Obviar el Experto (Ingresar los parámetros máximos y mínimos)

•Simulador de Condiciones Corporales
Elegir intervalos de fecha de nacimiento Elegir intervalos de caravanas

Usabilidad y Utilidad

Usabilidad y Utilidad
•Simulación y Sistemas Expertos
La base del conocimiento, según etapa de la cría (Solo experto puede modificarla) Según Perspectivas

(Optimistas y pesimistas)

•Pronóstico a partir de la simulación
Que pasaría sí….. Intervalos de fechas de nacimientos, caravanas, etapa de cría…

Utilidades DSS
Estrategias de “Soporte a la Decisión”, aplicadas a la selección de animales para Servicios, basadas en políticas de producción.

Estrategias de “Soporte a la Decisión” y “Sistemas Expertos”, aplicadas a la selección de animales para Descarte

Servicios
•Etapa de la cría •Tipo racial Variables que •Peso •Eficiencia Reproductiva (Caract. intervienen Feno) •Condición Corporal •Área Pélvica

Condición para ingresar a servicio (Los porques)

Inferencia del Sistema

Inferencia del Sistema
e-ganadero realiza la siguiente operación para realizar lo que el usuario requiere.
Ingreso de parámetros (criterios de selección/elección)

Experto, actúa según etapa de la cría seleccionada Consulta BD. Para comp. Si existen registros cargados Descarta Criterio No

Exi. Reg?

si

Incluir criterio

Según reg. setea variables para consulta
Combina criterios

Ejecuta script SQL (único), para cualquier situación y/o combinación de criterios

Informe: Caravanas encontradas
Fin

Descartes
soporte a la decisión, para descartar los animales que no rinden en la producción propiamente dicha.

Cuando descartar animales?

•Cuando no ingresan a servicio/s •Cuando no se preñan •Cuando no destetan un ternero

Posibilidad de elegir el período Relación con la utilidad para servicios La decisión del experto

Decisiones del experto
Decisiones estructuradas

•Descartar animales •Implica reponer plantel de reproductoras Las opciones •Suplementar con alimentación •Cambiar el plan sanitario

Estimación de la venta (algunos pesos estimados, precio Kg. viv
Las metodologías empleadas, utilizan técnicas de sistemas expertos basados en reglas de decisión combinadas con consultas estructuradas a la base de datos.

Inferencia del sistema

OLAP en DSS
Procesamiento Analítico en Línea.
•Modelo de datos multidimensional, facilita la exploración y el análisis •capacidad de explorar las complejas relaciones existentes entre los datos

Característic as

empresariales. •Otras explicadas en tema DW •La tecnología OLAP permite un uso más eficaz de los almacenes de datos para el análisis en línea, lo que proporciona respuestas rápidas a consultas analíticas complejas e iterativas. Realizan todas las operaciones explicadas en el capitulo DW. OLAP Transformación de datos, filtros, administración de los datos, etc.

Las herramientas

Conceptos sobre OLAP

Conceptos sobre OLAP
Cubos
Un cubo es un conjunto de datos que normalmente se construye a partir de un subconjunto de un almacén de datos y se organiza y resume en una estructura multidimensional definida por un conjunto de dimensiones y medida

Las dimensiones son un atributo estructural de los cubos. Están organizadas que describen los datos de las tablas Dimensionesen jerarquías de categorías yy(niveles)describen conjuntos similares de de hechos. Estas categorías niveles miembros en los que el usuario desea basar un análisis.

Medida s

En un cubo, una medida es un conjunto de valores de una columna de la tabla de hechos del cubo, valores que suelen ser numéricos. Además, las medidas son los valores centrales del cubo que se analizan. Es decir, las medidas son datos numéricos de gran interés para los usuarios finales cuando examinan un cubo.

Inventari o Condición Corporal

Implementaciones Futuras
•Pronóstico

Utilidades de (probabilidad de preñez según Condición Corporal) Planificación •Planificación Mediante Modelado y
Simulación

Utilizando SE basados en probabilidades. Ejemplo INTA

Utilizando Criterios de parametrización Optimista, Pesimista y Medio. (Ej. Proyección de cuantos terneros nacerán el próximo año)

Utilidades Expertas Para el Soporte a la Decisión

•Inferencia de Enfermedades (A partir de datos de Abortos) •Tipo de Destete a Realizar (De acruerdo a la Cond. Corp. de la
madre)

•Donde ubicar a los animales
animales)

(Según datos de los potreros y los

Generación de Informes

•Inf. De Vacunos (Particulares) •Inf. De Pesos •Inf. De Condiciones Corporales •Informes de Ubicaciones (Potreros) •Inf. De Servicios, Preñeses, Destetes, Pariciones, etc. •Inf. De Planes Sanitarios •Inf. Para Trazabilidad. •Inf. De Árbol Genealógico

•GIS

(para conocer la Ubicación de los animales)

Conclusiones
Tendencias de los DSS Las Posibilidades de la Región La Trazabilidad de la Carne El aporte de la Informática Los propósitos del trabajo