Tarea de aplicación: Diagnosis

¿Qué es la diagnosis? Elementos básicos de un sistema de diagnosis.

Contenido

1. ¿Qué es la diagnosis? Definiciones y aspectos.

2. Elementos básicos de un sistema de diagnosis.

2

1. ¿Qué es la diagnosis?

Tarea de aplicación cuyo objetivo es mantener un sistema en estado operativo el mayor tiempo posible. Tradicionalmente, realizada por equipos humanos especializados Necesidad creciente de sistemas de ayuda y/o diagnosis

automática

Se aplica a sistemas de muy distinta naturaleza, como el cuerpo humano, automóviles, o sistemas socioeconómicos. Hablaremos entonces de diagnosis médica, diagnosis de dispositivos físicos, etc.

Las características de los sistemas objeto de diagnóstico son tan dispares que no existe una metodología comúnmente aceptada para la realización del diagnóstico.

3

Una primera definición.

“Proceso de razonamiento y actuación para identificar las causas de un comportamiento anómalo para recuperar la funcionalidad deseada”, [Davies, 1985].

4

La diagnosis como proceso

Necesidad de intercalar los procesos de razonamiento con la actuación sobre el sistema. Parte del proceso de razonamiento está encaminado

a la propuesta de nuevas observaciones o a la realización de pruebas sobre el comportamiento del dispositivo

De manera recíproca, el resultado de dichas pruebas u observaciones influirá en el proceso de razonamiento

5

Diagnosis frente a verificación

El proceso de diagnosis se inicia a partir de la detección de un comportamiento anómalo en un sistema

Cuando se comprueba el estado de un sistema en ausencia de un comportamiento anómalo, la tarea se denomina verificación o prueba, [Stefik, 1995].

6

El concepto de causa

Qué se entiende por causa depende de varios factores: El sistema objeto de diagnóstico, el nivel de detalle o granularidad del

diagnóstico, la capacidad de reparación, etc.

Dispositivos físicos Localización de fallos: componente que no funciona de acuerdo a sus

especificaciones Identificación de fallos: cómo falla el componente

Medicina: no hay un equivalente preciso Úlcera de duodeno, pero esta información es insuficiente, pues no hay

capacidad de sustituir el órgano afectado. La recuperación del paciente exige proponer una terapia adecuada y para ello hay que conocer si la úlcera tiene un origen vírico o psicosomático

Explicación causal o cadena de causas-efectos Si los fallos pueden propagarse entre subsistemas, una explicación causal,

que encadene el fallo original con los restantes fallos que pueda generar, sería deseable.

7

Fallos internos y externos

Fallo interno La causa del fallo se localiza en el interior del sistema: un

componente averiado o una úlcera de duodeno Fallo externo

Alguna de las variables del entorno que interactúan con el sistema se aleja del rango que el sistema puede admitir

Los fallos externos son tan importantes como los internos Provocan un comportamiento anómalo Pueden inducir fallos internos

La mayoría de los sistemas de diagnóstico sólo consideran fallos internos

8

Recuperar la funcionalidad deseada (I)

El objetivo final de un sistema de diagnosis automático es facilitar que el sistema recupere la máxima funcionalidad posible.

El diagnóstico es un medio que nos permitirá seleccionar las accionas más adecuadas para el fin buscado.

9

Recuperar la funcionalidad deseada (II)

Medicina: terapia Tratamiento farmacológico Intervención quirúrgica Modificación de los hábitos del paciente Combinación de los anteriores.

10

Recuperar la funcionalidad deseada (III)

Dispositivos físicos: algún tipo de reparación Sistemas formados por componentes

Substitución de componente defectuoso

Si la reparación no es posible, diseño que garantice funcionalidades mínimas Reconfiguración Tolerancia a fallos

11

Una segunda definición

“La diagnosis es la tarea que, dado un sistema y un conjunto de observaciones de un comportamiento anómalo, determina que está mal en el sistema, con el fin de recuperar su funcionamiento correcto”, [Console, 2000].

12

La necesidad de observaciones

“Obviedad”, pero La capacidad de diagnóstico depende fuertemente de

las observaciones disponibles Las observaciones tienen un coste La mayor parte de los sistemas proporcionan las

observaciones mínimas para supervisar y gobernar El diagnóstico suele requerir observaciones

adicionales Acceso automático a las observaciones

Considerarlo en la etapa de diseño: “diagnosibilidad”

13

2. Elementos básicos de un sistema de diagnosis

14

Modelo del Sistema

Prueba de reparaciones

Discriminación entre hipótesis

Espacio de hipótesis

Espacio de datos

Espacio de reparaciones

Operaciones de obtención de

datos

Operaciones de formación de

hipótesis

Operaciones de reparación

Generación de hipótesis

Detección de anomalías

Prueba de hipótesis

Generación de

reparaciones

Jerarquía de abstracción de

datos

Abstracción de datos

Jerarquía de abstracción de

hipótesis

Refinamiento solución

Jerarquía de abstracción de reparaciones

[Stefik, 1995],

Espacios de búsqueda

Espacio de datos. Conjunto finito de posibles datos sobre el sistema y, quizás, su

entorno: observaciones, parámetros, manifestaciones, síntomas, históricos, datos de laboratorio, hallazgos, etc.

Espacio de hipótesis. Hipótesis de qué puede estar mal en el sistema. Una hipótesis

puede agrupar numerosos fallos o describir un único fallo. Dependiendo del dominio, los fallos se pueden denominar causas, enfermedades, síndromes, componentes, etc.

Espacio de reparaciones. Acciones que se pueden realizar sobre el sistema para recuperar

su funcionalidad. Abstracción y organización

Jerarquías de abstracción de datos, hipótesis, reparaciones

15

Modelo del sistema

Ha de establecer relaciones ente los elementos de los espacios de datos, hipótesis y reparaciones

Gran variedad de modelos Implícitos/explícitos Explícitos:

Asociaciones datos/hipótesis Modelos detallados de estructura y comportamiento

Posible solapamiento con (estructuras de) espacios de búsqueda

Siempre ha de existir un modelo de sistema

16

Ejemplo de sistema a diagnosticar

Tres componentes hardware, dos multiplicadores, M1 y M2, y un sumador, A1.

A, C, B y D son las entradas al sistema y F la salida, todas ellas observables.

X e Y son puntos adicionales de medida. Los valores entre corchetes representan los valores de

las observaciones. Problema de localización o aislamiento de fallos.

17

M1

M2

A1

X

Y

A

B

D

C F [10]

[3]

[2]

[2]

[3]

Espacios de datos, reparaciones

Espacio de datos Valores, observados y predichos, de las

entradas y salidas de cada componente. Inicialmente, observaciones en A, C, B, D y

F

Espacio de reparaciones Tres acciones, reemplazar el componente

que falla por otro del mismo tipo que funcione correctamente.

18

Espacio de hipótesis

Combinaciones de componentes que pueden fallar [M1], [M2], [A1], [M1, A1], [M1, M2], [M2,

A1] y [M1, M2, A1]. En general nk -1

n: número de comportamientos que puede mostrar un componente (localización, n=2)

k: número de componentes.

19

Modelo del sistema

Modelo de estructura y comportamiento Estructura: interconexiones Comportamiento: modelos de

funcionamiento correcto de sus componentes (suficientes localización) Sumadores: función suma Multiplicadores: función producto

Modelo detallado que permite aplicar métodos formales

20

Operaciones o subtareas

Soportadas por los espacios de búsqueda, se apoyan en el modelo del sistema

Espacio de datos Obtención de datos, abstracción

Iniciativa interna/externa Síncrona/asíncrona

Espacio de Hipótesis1. Monitorización.2. Generación y prueba de hipótesis.3. Discriminación de hipótesis.

Espacio de reparaciones Substitución, terapia, reconfiguración…

21

Monitorización (Detección de fallos)

Responsable de identificar comportamiento anómalo

Distintos grados de acoplamiento con diagnosis según modelo del sistema Mínimo: comparación de observaciones con tabla de

umbrales fijos El peso de la diagnosis recae en generación y prueba,

discriminación

Máximo: comparación de observaciones con predicciones de un modelo Generación y prueba, discriminación, guiadas por

monitorización

22

Ejemplo monitorización

Predicciones: Asumiendo M1 funciona correctamente, X=6 Asumiendo M2 funciona correctamente, Y=6 Asumiendo A1 funciona correctamente, F=12

Comportamiento anómalo Fobs=[10] y Fpre=12 Anomalía, síntoma, discrepancia, queja

Información adicional Componentes involucrados en la predicción

23

M1

M2

A1

X=6

Y=6

A

B

D

C F [10]

[3]

[2]

[2]

[3] F= 12

Generación y prueba de hipótesis

1. Generar hipótesis que puedan explicar anomalía

2. Probar viabilidad de las mismas, contrastando con observaciones

Generación Hipótesis de fallos único: enumeración

fallos considerados por el sistema Hipótesis de fallo múltiple: crecimiento

exponencial Jerarquías de fallos, componentes,

funcionalidades… 24

Ejemplo Generación hipótesis

Fallo multiple Anomalía detectada asumiendo funcionamiento

correcto de M1, M2, A1 Cualquier combinación de ellos es coherente con las

observaciones [M1], [M2], [A1], [M1, A1], [M1, M2], [M2, A1] y

[M1, M2, A1]

25

M1

M2

A1

X=6

Y=6

A

B

D

C F [10]

[3]

[2]

[2]

[3] F= 12

Jerarquía de hipótesis

Espacio de hipótesis: estructura de retículo inducida por la relación de inclusión

Criterio de minimalidad (cra. inclusión): [M1], [M2] y [A1]

26

[M1, M2, A2]

[M1, M2] [M1, A1] [ M2, A1]

[M1]

[ ]

[A1] [M2]

Prueba de hipótesis (I)

Eliminar hipótesis no coherentes con observacioens disponibles Se apoya en modelo del sistema Requiere conocer asociación fallos/síntomas

Caso más simple Fallo único, fallo genera siempre mismos

síntomas, estático, espacio de hipótesis “pequeño”

Generación y prueba exhaustiva

27

Prueba de hipótesis (II)

Fallo múltiple y síntomas Solapamiento de síntomas: dos fallos tienen síntomas

comunes. Compensación de síntomas: dos fallos ejercen efectos

contrarios sobre un mismo parámetro del sistema, de modo que síntomas que serían observables si los fallos se presentasen por separado no se manifiestan cuando se producen ambos fallos.

Sinergia de síntomas: dos fallos ejercen el mismo efecto sobre el mismo parámetro, de forma que síntomas ausentes cuando los fallos se producen por separado, sólo se manifiestan en presencia de ambos.

Enmascaramiento de síntomas: un regulador reacciona para contrarrestar el efecto de un fallo, de modo que un síntoma que sería apreciable en ausencia de regulación no se manifiesta. 28

Prueba de hipótesis (III)

Fallo múltiple y síntomas Fallo múltiple y generación exponencial de hipótesis Soluciones

Considerar solo combinaciones de fallos más probables Descripción probabilística asociaciones fallos/síntomas Razonar con los modelos

29

Ejemplo prueba de hipótesis

Generación de hipótesis restringuida por el modelo y forma de predecir

Sólo se generan las hipótesis que son consistentes con las observaciones actuales

El proceso de prueba no puede podar ninguna de las hipótesis generadas y se omite.

30

M1

M2

A1

X=6

Y=6

A

B

D

C F [10]

[3]

[2]

[2]

[3] F= 12

Discriminación de hipótesis

Proporcionar un diagnóstico más preciso reduciendo el número de hipótesis

Generación y prueba ya ha utilizado el modelo del sistema y las observaciones disponibles para mantener las hipótesis plausibles

Alternativas Métodos más sofisticados de razonamiento

Más conocimiento Nuevas observaciones

31

Nuevas observaciones para la discrimianción de hipótesis

Opciones Acumular evidencia a favor de hipótesis Buscar evidencia para descarta hipótesis

Obtención nuevas observaciones: Nuevos puntos de observación Nuevos vectores de entrada Ejecutando procedimientos de prueba Evolución de sistema dinámico

Criterios nuevas observaciones Hipótesis críticas Teoría información Coste obtención medidas

32

Ejemplo discriminación hipótesis (I)

Generación y prueba: [M1], [M2], [A1], minimales Suponer observamos X=[6] Predicciones:

Asumiendo M2 funciona correctamente, Y=6 Asumiendo A1 funciona correctamente, F=12

¿Nuevas diagnosis minimales?

33

M1

M2

A1

X=6

Y=6

A

B

D

C F [10]

[3]

[2]

[2]

[3] F= 12

X [6]

Ejemplo discriminación hipótesis (II)

Diagnosis minimales: [M2], [A1] M1, sólo, no puede fallar, pues no explica el síntoma en

F M1 puede fallar, si además fallan M2 o M2 y A1

34

[M1, M2, A1]

[M1, M2] [M1, A1] [ M2, A1]

[M1]

[ ]

[A1] [M2]

Un método popular: diagnosis basada en árboles de fallos.

Árbol de fallos: árbol de decisión Nodos internos etiquetados con pruebas

Nuevas observaciones Nuevos puntos de medida, procedimientos de prueba,

intervención sobre el sistema,

Nodos terminales etiquetados con fallos o acciones de reparación.

Proceso de diagnosis Recorrer árbol comenzando por nodo raíz Realizar operaciones de los nodos prueba Alcanzar nodo terminal

35

36

no

Solo problemas de arranque.

sí no

Tiene combustible?

Funciona motor

arranque?

sí no

Lucen faros

delanteros?

Rellenar tanque.

Arranca el coche?

Problema motor arranque.

Batería descargada.

sí no no

Chispa en bujías?

sí

Llega combustible a

bujías?

Corriente en bobina?

Fallo circuito A. tensión.

no

no sí

Fallo circuito B. tensión.

sí no

Problema sincronización.

sí

Bloqueo alimentación combustible.

Llega combustible al

carburador?

sí

Problema carburación.

[Price, 1999]

Origen y desarrollo

Método basado en la experiencia Desarrollo

Herramientas basadas en reglas Flexibilidad en desarrollos, facilidades de

explicación y traza de actividad proporcionadas por la herramienta y utilidades de interfaz.

Sujeto a errores de codificación

Herramientas para la edición gráfica del árbol de fallos Generación de código ejecutable, con facilidades

de explciación y traza

37

Reescritura mediante reglas

A. Aproximación directaB. Introduciendo conceptos intermedios

38

SI arranca coche=no, funciona motor arranque=si, tiene combustible=no ENTONCES rellenar tanque

SI arranca coche=no, ENTONCES problema_arranque

SI problema_arranque, funciona motor arranque=si ENTONCES motor arranque funciona

SI motor arranque funciona, tiene combustible=no ENTONCES rellenar tanque

A)

B)

Herramienta popular

Ingeniería Documentar los procesos de diagnosis y

reparación en los manuales de mantenimiento

Medicina Planes y protocolos específicos para

diagnosis y tratamientos

Soporte computacional que reproduce la estrategia de los profesionales

39

Árboles de fallos y esquema genérico

40

Espacio de datos

Explícito

Generación de hipótesis

Prueba de hipótesis

Espacio de hipótesis

Implícito

Generación de

reparaciones

Espacio de reparaciones

Explícito

Modelo del Sistema : árbol de fallos Estructura del sistema: implícita

Comportamiento del sistema: implícito

Prueba de reparaciones

Adaptación del esquema genérico

Espacio de datos: explícito Nodos prueba

Espacio de reparaciones: explícito Nodos terminales

Espacio de hipótesis: implícito Modelo del sistema: árbol de fallos

Estrategia de solución que utiliza información sobre estructura y comportamiento de forma implícita

Consecuencia: difíciles de elaborar y mantener pequeños cambios en el dispositivo a diagnosticar

pueden requerir reelaborar gran parte del árbol

41

Aproximaciones a la diagnosis:métodos y modelos.

Métodos de clasificación

Métodos basados en casos

Métodos basados en modelos

Modelos

implícitos

Diagnosis mediante modelos de clasificación de caja negra: • Redes de neuronas • SVM

Diagnosis basada en casos

Diagnosis mediante árboles de fallos Diagnosis mediante modelos de clasificación simbólica: • Clasificación simple • Clasificación jerárquica • Redes causales

Modelos explícitos

Diagnosis mediante modelos estadísticos: • Clasificador Bayesiano • Redes bayesianas

Diagnosis basada en modelos: DX Orientado a componentes: • Modelos estructurales • Modelos funcionales • Modelos de estructura y

comportamiento Orientado a procesos • Modelos causales • Modelos globales de

simulación FDI Modelos globales de simulación