Las motivaciones para utilizar representaciones de las señales
basadas en episodios en Supervisión de procesos provienen de las
propias necesidades de los sistemas de Supervisión. A continuación,
se presenta una descripción de los diferentes aspectos que afectan
a la Supervisión sobre los cuales la representación de las
señales basada en episodios ofrece un tratamiento adecuado a las
necesidades.
'En el instante inicial del escalón la señal empieza
a subir y sigue subiendo cada vez mas lentamente hasta que se estabiliza
cuando ha pasado un tiempo de aproximadamente 5 veces la constante de tiempo
del sistema'
La división del tiempo en eventos importantes i en intervalos
en què no hay cambios importantes, juntamente con las características
representativas de estos intervalos o instantes, es una forma natural de
describir los hechos.
Fig. -1 Relación entere la forma de la señal de salida
i las deficiencias
en un amplificador de baja frecuencia .
Como ejemplo de la utilidad de la representación en episodios, se presenta un caso sobre diagnostico de averías en electrónica destinado a técnicos [Loveday, 1996] donde se relacionen los posibles fallos que pueden afectar a circuitos amplificadores con las posibles respuestas a una señal de prueba. Ejemplos similares pueden encontrarse en libros o manuales de reparación dedicados a otros sistemas (aparatos de TV [Philips, 1990], aparatos de vídeo [Gesti, 1989], alternadores para automóviles [Pijanowski, 1991] ).
En la figura Fig. 1-1 puede verse como diferentes respuestas a una señal de entrada son indicadores de los diferentes problemas que pueden afectar el circuito amplificador. Cada posible respuesta está relacionada con un fallo, descrito de forma que es posible localizarlo en distintas partes o componentes del circuito.
Para poder utilizar estos conocimientos en un sistema de supervisión experta de procesos, se dispone de Tablas, Sistemas Expertos, Arboles de Decisión u otros métodos de representación del conocimiento. Pero, en cualquier caso, es necesaria una descripción de las señales que sea al mismo tiempo lo suficientemente concisa i expresiva para hacer posible, o facilitar, la utilización de estos métodos.
El concepto general de episodio fue introducido en el campo de la IA
en el área del Razonamente Cualitativo. Williams [Williams,
1986] propone una definición general de episodio como un conjunto
de dos elementos:
Esta definición general permite definir un episodio tan explícitamente
como explícito sea el contexto cualitativo. En función de
las aplicaciones pueden definirse diversos contextos cualitativos. En Control,
por ejemplo: respuesta de primer orden, respuesta oscilatoria ... ; en
Detección de fallos: fuera de rango, funcionamiento normal ... ;
o en monitoritzación: crecimiento, decrecimiento,...
También se define la historia de una variable como la descripción del comportamiento de una variable a lo largo del tiempo, consistente en una secuencia de episodios contiguos.
En las subsecciones siguientes se muestran, además de la formalización de la representación en episodios, cuatro aproximaciones donde, además del contexto cualitativo se utiliza información cuantitativa que permite una descripción mas expresiva de las señales i, por tanto, una mayor aplicabilidad de las representaciones.
Formalización. Representación cualitativa de tendencias [Cheung and Stephanopoulos, 1990]
Para representar i razonar con representaciones temporales es necesario
tener una representación explícita i concisa del tiempo.
Cuando se trabaja con señales muestreadas, el tiempo se representa
de forma natural como una secuencia lineal i estrictamente creciente de
instantes:
t={t-¥ , ti, tj, t-¥ } donde ti < tj Û i<j
Para mantener la noción de continuidad en el tiempo, se define
un intervalo temporal como un intervalo abierto I de la siguiente manera:
Iij=(ti,tj) donde ti < tj
Entonces, el tiempo puede representarse como una secuencia de intervalos
abiertos separados por instantes; o bien, si se considera un instante como
un intervalo de duración cero, como una secuencia de intervalos
temporales.
Estado cualitativo: El estado cualitativo de una variable x:[a,b]à
 , para t Π[a,b] se define como un triplete de valores cualitativos
de la siguiente forma:
Tendencia cualitativa: La tendencia de una variable x:[a,b]à
 se representa cualitativamente mediante la secuencia continua de
los datos cualitativos en [a,b]. Esta definición hace necesaria
la construcción de esta secuencia, deben determinarse los intervalos
temporales donde el estado cualitativo de la variable sea constante i los
instantes donde hay algún cambio.
Episodio: Un episodio, de una variable x:[a,b]à Â se define
para cualquier intervalo temporal (ti,tj)Ì
[a,b] donde QS(x,t) es constante " tÎ (ti,tj)
como el par:
< t-extensión,QS(x,ti,tj)>
extensión temporal del episodio: t-extensión=(ti,tj)
estado cualitativo de x en (ti,tj): ,QS(x,ti,tj)=QS(x,t)
" tÎ (ti,tj)
Història cualitativa: Para una variable x:[a,b]à Â i una secuencia estrictamente creciente de instantes temporales T={a=t0, tj, tn=b} de forma que entre cada par de instantes adyacentes de T se puede definir un episodio. Una historia cualitativa de x a T se define como la secuencia de episodios, alternando instantes i intervalos temporales de la siguiente manera:
Historia cualitativa concisa: Una historia cualitativa es concisa
si todos los episodios son maximales.
Instante temporal geométricamente distinguido: Para una variable
x:[a,b]à Â , lo son, además de a i b, todos los elementos
tÎ (a,b) en los que se cumple alguna de estas condiciones:
De esta forma, la extensión temporal de los episodios maximales
debe estar siempre entre dos instantes temporales geométricamente
distinguidos.
A partir de estas definiciones que constituyen, básicamente, la formalización de la Representación Cualitativa de Tendencias, se propone una extensión que permite la incorporación de los conocimientos específicos sobre las variables representadas. Esta extensión se forma añadiendo algunos conceptos que, respetando la formalización anterior, permiten tener en cuenta otras consideraciones además de las puramente abstractas o geométricas.
Valor importante en el dominio: Para una variable x:[a,b]à Â los valores importantes en el dominio son aquellos valores de x(t) o x'(t) que resulten interesantes (alarmas, consignas ...)
Instante temporal distinguido en el dominio: Para una variable x:[a,b]à Â , son los elementos del conjunto:
Representaciones triangular i trapezoidal [Cheung and Stephanopoulos, 1990], [Bakshi and Stephanopoulos, 1994], [Ayrolles, 1996]
La representación triangular de tendencias es la extensión
práctica de la formalización descrita en la sección
anterior. Las características mas importantes de esta representación
son que conserva una parte de información cuantitativa i que permite
una representación a diferentes resoluciones. Consiste en una división
del señal en episodios triangulares. Para un intervalo de tiempo
( ti , tj ), un episodio triangular esta definido
por el conjunto de valores:
< [¶ ¶ x] , ( ti , tj ) , < x(
ti ) , x( ti ) > , < x( tj ) , x(
tj ) > >
ì + si x > 0
donde [¶ ¶ x] = í 0 si x > 0 es constante en todo
el episodio
î - si x < 0
En esta representación, se define un triángulo para cada
episodio en el que los lados quedan determinados por la recta que une los
dos puntos (ti , x( ti )) i (tj , x( tj
))
i las tangentes en estos dos puntos.
Fig. -2 Construcción de un episodio triangular.
Los episodios se caracterizan por la constancia de [¶ ¶ x]
i de [¶ x], en total puede haber 7 tipos de triángulos.
Fig. -3 Tipos de episodios triangulares.
Así pues, la representación triangular de tendencias consiste
en una sucesión temporal de triangulos de diferentes tipas. A partir
de esta representación puede hacerse un estudio de las tendencias
con diferentes resoluciones, aumentando la escala de observación.
Esto se consigue a partir de los episodios trapezoidales. Un episodio trapezoidal
está definido de la misma forma que un episodio triangular, pero
con un punto añadido; en este punto, llamado punto de convexidad,
la derivada es igual a la pendiente media del episodio. Tomando la tangente
en est punto i el triángulo que define el episodio triangular, se
puede construir el trapecio que define el episodio trapezoidal.
Fig. -4 Construcción de un episodio trapezoidal.
Otra forma de construir episodios trapezoidales, utilizada para hacer
la representación a diferentes escalas temporales, se fa a partir
de los episodios triangulares o de otros episodios trapezoidales.
Fig. -5 Tipos de episodios trapezoidales.
Otra representación triangular parecida a la anterior puede
hallarse en [Ayrolles, 1996]. En
este caso, los episodios triangulares se construyen siguiendo el método
anterior, pero el conjunto de triángulos se amplia distinguiendo
entre diferentes tipos según el signo de la derivada en los extremos
del episodio. En esta aproximación también se construyen
episodios trapezoidales que permiten obtener representaciones de un mismo
señal a diversas escales. En est caso los episodios trapezoidales
se caracterizan per la constancia de uno de los valores cualitativos [¶
x] o [¶ ¶ x], i se construyen agrupando dos episodios triangulares
consecutivos.
Las representaciones trapezoidales aquí descritas han estado utilizadas en la Supervisión de procesos biológicos o químicos (batch), donde la representación de los señales se lleva a cabo fuera de línea. En estos casos la representación se obtiene a partir de señales previamente almacenadas [Bakshi B.R. et al., 1994].
Lenguaje de Descripción de Tendencias (TDL)
Janunsz i Venkatasubramanian [Janusnz
and Venkatasubramanian, 1991] proponen una descripción cualitativa
que consta de cuatro elementos principales: primitivas, episodios, tendencias
i perfiles. El conjunto de primitivas se basa en una cualificación
de la primera i segunda derivadas de la señal, que pueden tomar
tres valores: positivo, cero o negativo. Por lo tanto, el conjunto de primitivas
esta formado por 9 elementos, representados en la Fig. 1-6.
Fig. -6 Conjunto de primitivas
El primer paso para obtener el perfil de la señal es la obtención
de las primitivas, en cada instante de muestreo se identifica la primitiva
de la señal a partir de la primera i segunda derivadas (Fig. 1-7b).
El siguiente paso es la combinación de primitivas para generar episodios;
los intervalos consecutivos con la misma primitiva se agrupan para formar
episodios (Fig. 1-7c), de forma que cada episodio estará caracterizado
por una primitiva i su duración temporal. La tendencia de la señal
consiste en la sucesión de episodios que la forman, i, finalmente,
el perfil se obtiene a partir de la tendencia enriqueciéndola con
información cuantitativa consistente en el valor de la señal
en los extremos de los episodios.
Fig. -7 Obtención de episodios.
(D3)(H1)(G3)(E3)(I1)(B3) D3 7.3)(7.3 H1 7.3)(7.3 G3 6.4)(6.4 E3 5.5)(5.5 I1 5.5)(5.5 B3 7.0)
Fig. -8 Tendencia i perfil de la señal de la Fig. 1-8.
En esta representación la información cuantitativa utilizada es la duración y el valor de la señal en los extremos de los episodios. Esta información se puede considerar como la mínima para poder obtener una representación suficientemente completa, que no se podría conseguir sólo con información cualitativa.
Análisis cualitativo de perfiles temporales
Konstandoinov i Yoshida [Konstantinov
and Yoshida, 1992] proponen una representación parecida a la
anterior con algunas diferencias. En este caso, la representación
no se lleva a cabo a partir de primitivas, sino que, a partir de la señal
original en un determinado intervalo de tiempo, se obtienen dos secuencias
(sd1 i sd2) que representan la evolución de los signos de la primera
i segunda derivadas en este intervalo temporal:
SD1(x(t))=sd1=(+,-,
)
SD2(x(t))=sd2=(+,-,
)
tÎ [t1,t2]
Entonces, el perfil cualitativo (qshape) de la variable en el intervalo
temporal se expresa mediante la combinación de estas dos secuencias:
qshape[x(t)]={ SD1(x(t)), SD2(x(t))} = {(+,-, ) ; (+,-, )} tÎ [t1,t2]
El siguiente paso es la identificación del perfil obtenido con alguna de las formas de librería expansible donde estan definidas un conjunto de formes posibles en termes de perfiles cualitativos (Fig. 1-9).
Esta librería, a diferencia de la representación anterior,
no representa un conjunto mínimo de formes primitivas, sino que
un conjunto de formas 'compuestas' que permiten describir completamente
dinámicas concretes (empieza a crecer, decreciente cóncavo-convexo
).
Esto provoca que la medida de esta librería pueda llegar a ser muy
grande, ja que se puede ampliar en función de las necesidades, pero
al mismo tiempo facilita el reconocimiento de formas complejas.
Fig. -9 Elementos de la librería expansible. Cada forma se guarda
de forma simbólica
mediante las secuencias sd1 i sd2