PROYECTO FINAL DE INGENIERÍA SISTEMA EXPERTO PARA ...

PROYECTO FINAL DE INGENIERÍA

SISTEMA EXPERTO PARA DIAGNÓSTICO DE DEFECTOS EN PIEZAS METALÚRGICAS

Aragunde, Mauro Matías – LU 1037109

Campos, Ezequiel Germán – LU 1037108

Ingeniería en Informática

Tutor: Alvarez Messina, Norberto Pablo, UADE

Co-Tutor: Castro, Marcelo Alfonso, UADE

Colaborador:

Aragunde, Hector Roberto, FSC

Agosto 09, 2017

UNIVERSIDAD ARGENTINA DE LA EMPRESA FACULTAD DE INGENIERÍA Y CIENCIAS EXACTAS


Aragunde, Mauro Matías y Campos, Ezequiel Germán

Norberto Pablo Alvarez Messina Marcelo Alfonso Castro

Firma del Tutor Firma del Co- Tutor

Mauro Matías Aragunde Ezequiel Germán Campos

Firma de los Alumnos



Agradecimientos

A Héctor R. Aragunde por habernos permitido realizar este proyecto junto a él. Fue

Héctor quien promovió esta idea desde el inicio y nosotros los encargados de convertir esta idea

en realidad. Nos acompañó en cada etapa del proyecto, colaborando a cada instante en lo

profesional y lo personal. Reconocemos el gran esfuerzo que ha tenido que realizar para que

nosotros logremos concluir este proyecto de la mejor forma posible. Castingware contiene su

trabajo y experiencia acumulada durante más de 30 años y ha decidido compartirlo con todos

nosotros.

Un agradecimiento muy especial merece la comprensión, la paciencia y el ánimo

recibidos de nuestra familia y amigos.

A nuestro tutor, Norberto Pablo Alvarez Messina, por el respeto, la dedicación y

colaboración con nosotros para la realización del presente trabajo.

A nuestro co-tutor, Marcelo Alfonso Castro, por habernos iniciado y guiado en la ciencia

de la Inteligencia Artificial.

A todos ellos,

¡Muchas Gracias!



Resumen

En la industria metalúrgica el diagnóstico de defectos en las piezas es una actividad

común y fundamental, ya que permite determinar causas puntuales de los defectos y estrategias

para evitarlos, aportando así a la mejora continua de los procesos productivos. Debido a los

altos costos asociados a los defectos hay una clara necesidad de un método rápido y preciso

para analizarlos y corregirlos.

El propósito del proyecto Castingware es satisfacer esta creciente necesidad dentro de la

industria mediante la aplicación de un sistema experto junto con distintas tecnologías para el

diagnóstico y análisis de defectos en piezas metalúrgicas y, además, de ser posible, las acciones

correctivas a tener en cuenta para reparar las mismas.

Este sistema es un paso inicial para la automatización del proceso de mejora de la calidad

de los procesos de manufactura dentro de la industria metalúrgica, el cual requiere un sistema

más comprensivo, pero, de todas formas, esta primera fase representa grandes mejoras en

tiempo y recursos para las tareas anteriormente mencionadas.



Abstract

Within the metallurgical industry, the casting defects diagnosis is a common and essential

activity since it allows determining defects’ specific causes and the ways to prevent them.

Therefore, contributing to the continuous improvement of production processes. Due to the high

costs associated with casting defects in these matters, there is a clear need for a quick and

accurate method to analyze and correct them.

Castingware’s main purpose is to satisfy this growing need within the industry by

providing an expert system along with different technologies for the diagnosis and analysis of

casting defects. It also looks upon the corrective actions to take in order to correct defects if

possible.

This system is an initial step for automating the quality improvement process of

metallurgical industries’ productive processes. Even though, this quality improvement process

requires a more comprehensive system to support it, this initial phase represents great

improvements in terms of both time and resources.

Página I de IV



Contenidos

CAPÍTULO I Introducción ........................................................................................................... 1

1. Metalurgia y fundición..................................................................................................... 2

2. Fundición San Cayetano ................................................................................................ 4

3. Proceso de manufactura en la fundición ........................................................................ 4

4. Proceso de control de calidad de piezas de fundición .................................................. 5

5. El proceso de diagnóstico de defectos .......................................................................... 6

6. Normas técnicas ............................................................................................................. 7

7. Antecedentes ................................................................................................................ 10

7.1. Attribute-Based Knowledge Representation in the Process of Defect Diagnosis 10

7.2. ESVOD - Expert System for Analysis of Casting Defects ..................................... 11

8. Técnicas y Tecnologías actuales ................................................................................. 12

8.1. Inteligencia Artificial y Sistemas Expertos ............................................................. 12

8.2. Análisis histórico de datos ..................................................................................... 14

8.3. Diagrama de causa-efecto ..................................................................................... 14

8.4. Diseño de experimentos ........................................................................................ 14

8.5. Simulación computarizada ..................................................................................... 15

8.6. Conclusión.............................................................................................................. 15

9. Tendencias de la industria ........................................................................................... 15

CAPÍTULO II Problemática Analizada ..................................................................................... 17

1. Requerimientos del negocio ......................................................................................... 18

2. Oportunidades y necesidades ...................................................................................... 18

3. Descripción de la solución ............................................................................................ 18

4. Estudio de viabilidad..................................................................................................... 20

4.1. Dimensión de Plausibilidad .................................................................................... 21

4.2. Dimensión de Justificación .................................................................................... 22

4.3. Dimensión de Adecuación ..................................................................................... 23

4.4. Dimensión de Éxito ................................................................................................ 24

4.5. Cálculos finales ...................................................................................................... 26

5. Alcance y limitaciones de la solución ........................................................................... 27

CAPÍTULO III Análisis Técnico ................................................................................................ 29

1. Adquisición de Conocimientos ..................................................................................... 30

Página II de IV



1.1. Análisis de Protocolos ............................................................................................ 30

1.2. Emparrillado ........................................................................................................... 41

1.3. Conclusión.............................................................................................................. 48

2. Conceptualización de Conocimientos .......................................................................... 49

2.1. Tabla de Concepto-Atributo-Valor ......................................................................... 49

2.2. Modelo Relacional.................................................................................................. 57

2.3. Árbol de descomposición funcional del problema ................................................. 58

2.4. Especificación de Pseudo-reglas .......................................................................... 59

3. Formalización de conocimientos .................................................................................. 61

3.1. Introducción ............................................................................................................ 61

3.2. Tipo de formalización ............................................................................................. 62

3.3. Sistema de producción .......................................................................................... 63

4. Arquitectura del prototipo ............................................................................................. 63

4.1. Introducción ............................................................................................................ 63

4.2. Alcance técnico de la solución............................................................................... 64

4.3. Diagrama de contexto ............................................................................................ 65

4.4. Definición de vistas ................................................................................................ 65

4.5. Objetivos Arquitectónicos ...................................................................................... 66

4.6. Vista de Caso de Uso ............................................................................................ 66

4.7. Vista de Desarrollo ................................................................................................. 67

4.8. Vista Física ............................................................................................................. 72

CAPÍTULO IV Análisis Económico .......................................................................................... 75

1. Introducción .................................................................................................................. 76

2. Análisis FODA .............................................................................................................. 76

3. Modelo de Negocio ....................................................................................................... 77

3.1. Diferenciación de Clientes en Castingware........................................................... 78

4. Lienzo de modelo de negocio ...................................................................................... 79

4.1. Alianzas clave ........................................................................................................ 81

4.2. Actividades clave ................................................................................................... 81

4.3. Recursos clave ....................................................................................................... 81

4.4. Propuesta de valor ................................................................................................. 82

4.5. Relaciones con los clientes ................................................................................... 82

4.6. Canales de distribución.......................................................................................... 82

Página III de IV



4.7. Segmento de clientes ............................................................................................ 82

4.8. Estructura de costos .............................................................................................. 83

4.9. Fuentes de ingresos .............................................................................................. 83

5. Costos ........................................................................................................................... 83

5.1. Hosting ................................................................................................................... 84

5.2. Dominio y DNS ....................................................................................................... 85

5.3. Desarrollo de nuevas funcionalidades................................................................... 85

6. Precio del servicio ........................................................................................................ 86

7. Período medio de maduración ..................................................................................... 87

8. Retorno de la Inversión ................................................................................................ 88

8.1. ROI del período A .................................................................................................. 89

8.2. ROI del período B .................................................................................................. 89

8.3. Conclusiones .......................................................................................................... 89

CAPÍTULO V Pruebas y Conclusiones ................................................................................... 90

1. Pruebas......................................................................................................................... 91

1.1. Pruebas funcionales .............................................................................................. 91

1.2. Pruebas no funcionales ......................................................................................... 94

2. Monitoreo ...................................................................................................................... 95

2.1. Monitoreo Amazon ................................................................................................. 96

2.2. Monitoreo Google Analitycs ................................................................................... 96

3. Conclusiones del Proyecto ........................................................................................... 97

4. Trabajos Futuros .......................................................................................................... 98

4.1. Tareas a desarrollar ............................................................................................... 99

4.2. Notas finales ........................................................................................................ 101

BIBLIOGRAFÍA....................................................................................................................... 102

ANEXO I Análisis de Viabilidad ............................................................................................. 106

1. Dimensión de Plausibilidad ........................................................................................ 107

1.1. Dimensión de Plausibilidad - Valores .................................................................. 107

1.2. Dimensión de Plausibilidad - Cálculos ................................................................ 107

2. Dimensión de Justificación ......................................................................................... 108

2.1. Dimensión de Justificación - Valores ................................................................... 108

2.2. Dimensión de Justificación - Cálculos ................................................................. 108

Página IV de IV



3. Dimensión de Adecuación .......................................................................................... 109

3.1. Dimensión de Adecuación - Valores ................................................................... 109

3.2. Dimensión de Adecuación - Cálculos .................................................................. 110

4. Dimensión de Éxito ..................................................................................................... 111

4.1. Dimensión de Éxito - Valores .............................................................................. 111

4.2. Dimensión de Éxito – Cálculos ............................................................................ 112

ANEXO II Sistemas Expertos................................................................................................. 114

1. Ventajas y Desventajas .............................................................................................. 115

1.1. Ventajas de los SE ............................................................................................... 115

1.2. Ventajas de los Expertos Humanos .................................................................... 115

2. Clasificaciones ............................................................................................................ 116

3. Detalles técnicos ........................................................................................................ 117

3.1. Arquitectura .......................................................................................................... 117

3.2. Encadenamiento de reglas .................................................................................. 119

4. Comparación SBC vs Convencionales ...................................................................... 120

5. Futuro de la Inteligencia Artificial ............................................................................... 121

ANEXO III Pseudo-reglas ...................................................................................................... 124

1. Familia Cavidades ...................................................................................................... 125

2. Familia Discontinuidades ........................................................................................... 138

3. Familia Piezas Incompletas ........................................................................................ 148

ANEXO IV Diagramas UML ................................................................................................... 158

1. Diagrama de Clases UML .......................................................................................... 159

2. Diagrama de Secuencia UML - Diagnóstico de Defecto ........................................... 160

de 155



CAPÍTULO I

Introducción

Este primer capítulo brinda al lector todos los conocimientos básicos necesarios para

completar la lectura de este documento y comprender en su totalidad el proyecto. Se explican

los conceptos de metalurgia e industria de la fundición, en particular la industria argentina.

Se presentan a los colaboradores del proyecto: Fundición San Cayetano. Se describen en

detalle los procesos productivos de este tipo de industrias, y el más importante para este

proyecto: el proceso de diagnóstico de defectos. Se destacan, además, las normas asociadas,

antecedentes a este proyecto, tecnologías empleadas en la actualidad que compiten con este

proyecto y las tendencias de la industria.

de 155



1. Metalurgia y fundición

"La metalurgia es la ciencia que estudia los comportamientos y propiedades de los

metales y su extracción de los minerales." (Bertone, 1996)

La metalurgia es de gran importancia para todo tipo de industrias, como lo son la

petrolera, eólica, automotriz, entre muchas otras, ya que les provee piezas fundamentales para

llevar a cabo sus negocios. También influye en la ciencia de los materiales, la cual se encarga

de descubrir y diseñar nuevos materiales, incluidas las aleaciones.

Durante estas actividades se producen fallas y es tarea del metalúrgico encontrar las

causas de las mismas a través del análisis y la experiencia. La metalurgia incluso juega un rol

importante en la producción de metales, desde la extracción de minerales hasta la fundición de

los mismos. En cada paso del proceso los metalúrgicos estudian el comportamiento y las

propiedades de los metales, y ofrecen su experiencia y guía para generar mejores productos.

Las empresas metalúrgicas no se encargan de todas las actividades nombradas

anteriormente, sino que generalmente se especializan sólo en alguna de estas actividades. Para

el caso de Castingware vamos a continuar analizando la industria de la fundición, sin abarcar

el resto de las actividades, dado que el alcance de este proyecto se encuentra limitado a la

misma.

Una gran variedad de piezas es creada en la industria de la fundición siendo algo

indispensable para el desarrollo humano. Las mismas pueden ser de todo tipo de tamaños y

precios desde pequeñas tuercas de valor insignificante a grandes piezas para equipos de

extracción de petróleo valuadas en millones de dólares.

La industria de fundición argentina se encuentra aproximadamente en el puesto número

26 de los países con más producción del mundo, fabricando unas 166.000 toneladas por año.

Liderando el mercado se encuentra China con 45.500.000 toneladas por año y luego USA.

La industria de fundición argentina está concentrada en productos automotrices, pero

también se fabrican productos para otras industrias, como la petrolera, agrícola y ferroviaria.

de 155



TABLA I: Producción mundial de metal fundido en toneladas

Posición País Producción [Tn]

1 China 42.500.000

2 USA 12.824.000

3 India 9.344.400

7 Brasil 2.859.898

11 México 1.651.679

... ... ...

26 Argentina 166.100

Como se mencionó anteriormente, el rubro de fundición en Argentina se centra

principalmente en abastecer a la industria automovilística, ocupando más de la mitad de sus

ventas, tal como se muestra en el siguiente gráfico (Figura 1).

Figura 1: Ventas de piezas fundidas por industria argentina

Automotríz57%

Agrícola20%

Bienes de uso10%

Ferroviaria4%

Eléctrica5%

Hogar2%

Otros2%

de 155



2. Fundición San Cayetano

Castingware se desarrolla con el apoyo de Héctor Roberto Aragunde, un experto con más

de 30 años de trabajo en la industria de fundición. Gracias a la educción de sus conocimientos

logramos un producto de gran calidad y valor para cualquier empresa del mismo rubro. Su

experiencia proviene mayormente del trabajo desempeñado en la Fundición San Cayetano S.A.

(FSC), lugar donde aún desempeña sus funciones.

FSC se considera una empresa familiar. Fundada en Argentina en 1956 por Don Nazareno

Sforzini, quien ya trabajaba como fundidor en Italia. Recién en 1979 comienzan a desarrollar

las actividades en su ubicación actual, el Parque industrial de Burzaco (Buenos Aires), con tan

solo 10 operarios.

Desde su comienzo, la producción estuvo orientada a la Industria Pesada, piezas fundidas

de gran porte, mayormente para la industria petrolera pero luego también para la eólica y otras.

En 1984, la dotación ya superaba los 120 operarios y la producción llegó a ser de 600 toneladas

por mes. Al pasar los años FSC fue expandiendo sus fronteras y aumentado su producción,

llegando, en el 2010, a tener 550 empleados. En los últimos años la actividad se redujo y

actualmente posee 330 empleados que trabajan en un predio de 45.000 m2, con 20.000 m2

cubiertos.

Si bien Castingware se nutre de los conocimientos de un experto de FSC, el mismo se

desarrolla bajo normas técnicas mundiales, compartidas por toda la industria de fundición,

permitiendo así, que cualquier empresa del rubro pueda utilizarlo y sacarle provecho sin ningún

inconveniente.

3. Proceso de manufactura en la fundición

La creación de una pieza comienza con su diseño y la construcción de un molde para la

misma. Concluidas estas fases se vierte el material fundido en el molde, el cual al solidificarse

forma la pieza moldeada. Luego de solidificado el material se destruye el molde para conseguir

la pieza (desmoldeo) o se la extrae mediante otras técnicas dependiendo si el molde en cuestión

es reutilizable o no. Una vez extraída la pieza, se procede a realizar su limpieza, acabado y

tratamientos de calor correspondientes. Finalmente, se debe controlar la calidad de la pieza

obtenida para verificar que esta cumpla con las especificaciones de diseño y fortaleza y que no

presente defectos.

de 155



Cada una de estas fases incluye diversas actividades en las cuales se involucran distintas

áreas de estudio, métodos y técnicas. Debido a su extensión, a lo largo de este documento sólo

se detallarán aquellos métodos, herramientas y piezas que se consideren necesarias para

comprender las distintas secciones y el sistema planteado. Puntualmente, Castingware da

soporte a distintas actividades dentro de los procesos de control y de mejora continua de la

calidad; y no al proceso de manufactura en su totalidad.

Figura 2: Etapas del proceso de manufactura

4. Proceso de control de calidad de piezas de fundición

El proceso de control de calidad asegura que las piezas cumplan con sus especificaciones

de dimensión, fortaleza, composición química y otras propiedades mecánicas. Para validar estas

características se realizan inspecciones sobre las piezas, por ejemplo, inspecciones visuales para

detectar defectos en las superficies, inspecciones dimensionales o de partículas magnéticas,

entre otras técnicas. También se realizan gran variedad de pruebas sobre las piezas como las

pruebas de carga, de impacto, de dureza y otras pruebas no destructivas como ultrasonido,

radiografías, etc.

El principal objetivo de las inspecciones y pruebas es detectar defectos y sus

características. Una vez detectado el defecto se puede determinar la familia a la cual pertenece

y así obtener otras características específicas de su familia.

La fase de diagnóstico toma como entradas las características del defecto y su familia y,

en base a eso, permite subclasificar el defecto dentro de la familia a la que pertenece, determinar

las causas que generaron el defecto en cuestión y proveer posibles medidas correctivas para el

proceso, las cuales contribuyen a la mejora continua de la calidad. Algunos ejemplos de

medidas correctivas son la fase de secado de la pintura no terminada o la reducción de la

cantidad de aglomerante utilizado.

Control de calidad

Tratamiento con calor

Limpieza y acabado

DesmoldeoFundición y vertido del

material

Creación del molde

Diseño de la pieza

de 155



Las piezas que no presentan defectos no son diagnosticadas, a esas piezas se las considera

de calidad y están listas para continuar con su ciclo de vida.

La fase de diagnóstico define los límites y el ámbito de aplicación de Castingware, por lo

tanto, las características de los defectos y sus familias serán las entradas del sistema y los

resultados del diagnóstico (posibles causas del defecto) junto con su clasificación serán las

salidas del mismo. De todas formas, el alcance del sistema Castingware se explicita en el

Capítulo II.

Figura 3: Etapas del proceso de control de calidad

5. El proceso de diagnóstico de defectos

El diagnóstico de defectos está compuesto por tres pasos principales:

1. Clasificar el defecto identificando la familia a la que pertenece.

2. Determinar sus características específicas según su familia.

3. Diagnosticar el defecto: consta de subclasificar y proveer las posibles causas

del defecto.

En primera instancia el experto se encarga de determinar la familia a la que pertenece el

defecto y luego determina sus características específicas según la familia, a partir de las pruebas

e inspecciones que se realizaron a las piezas. Una vez que el defecto fue subclasificado por el

experto, se desprenden del mismo sus posibles causas. Sin embargo, no todos los expertos de

Fundición San Cayetano saben realizar estas dos tareas (de igual forma ocurre en otras

fundiciones), sucediendo con mayor frecuencia, que la persona encargada de clasificar el

defecto no es la misma que asigna sus posibles causas. Castingware proporciona la asistencia

necesaria al usuario para realizar las dos tareas y a su vez capacitarlo en las mismas.

Mejora del proceso de

manufacturaDiagnóstico

Pruebas sobre la pieza

Inspección

de 155



Esta clasificación se realiza en base a las características morfológicas de la pieza según

define el International Atlas of Casting Defects of American Foundrymen’s Society 1 el cual se

detalla en más profundidad en la sección siguiente. Como resultado de este primer paso, el

experto obtiene un defecto totalmente caracterizado y clasificado, lo que le permite compararlo

con otros defectos y usar su experiencia para diagnosticarlos. La estandarización de los defectos

permite al experto reutilizar experiencia pasada en defectos similares para poder diagnosticar

las causas del defecto en cuestión y también detectar problemas en los procesos que los generan.

Así, si una pieza es de tipo prototipo, revisa el diseño; si la pieza se produce normalmente

(producción en curso) revisa que se haya cumplido el proceso teniendo en cuenta las posibles

causas que se obtuvieron en la etapa de diagnóstico.

Figura 4: Etapas del proceso de diagnóstico de defectos

6. Normas técnicas

Las normas resultan fundamentales en todos los ámbitos, ya que estas nos otorgan un

lenguaje común para poder entendernos. Al encontrar un determinado defecto en una pieza de

fundición es importante identificar el tipo de defecto ya que nos permite conocer sus causas y

acciones correctivas para impedir que este se repita. Por lo tanto, es necesario un sistema de

clasificación de acuerdo a ciertas características de los defectos que permita determinarlo

rápidamente y diagnosticarlo de la forma más precisa posible. Es por esto que expertos en la

fundición, ya desde la segunda mitad del siglo XX, han desarrollado distintas clasificaciones

de defectos cada vez más precisas y abarcativas.

El primer atlas sobre defectos de fundición llamado Atlas of defects in castings 2 fue

publicado por el British Foundry Institute por primera vez en 1946. Su segunda edición en 1961

incluía 54 defectos organizados alfabéticamente.

1 Escrito que propone una clasificación de defectos metalúrgicos basada en 7 familias, conteniendo un total de 109 defectos. 2 Atlas of defects in castings. 2 nd ed., The Institute of British Foundrymen, London, 1961.

Diagnóstico del defecto

Determinar características

del defecto

Clasificación del defecto

de 155



Checoslovaquia, en los años ’50, produjo una serie de investigaciones y manuales de muy

alta calidad con guías prácticas sobre cómo remover ciertos defectos de piezas de hierro gris y

acero; tomando como base estos 2 manuales se publicó en 1955, el estándar ČSN 3 que contiene

37 defectos clasificados en 7 grupos organizados por tipos, aplicables a cualquier tipo de

material de fundición, método de manufactura y tecnología de fundición.

El atlas más detallado sobre defectos en piezas hasta el momento fue publicado en Francia

como un acuerdo común entre especialistas de 18 países bajo el patrocinio del International

Committee of Foundry Technical Associations (CIATF). Sus dos volúmenes (Atlas Band 1 4 y

Atlas Band 2 5) cubrían 200 defectos en fundiciones, desde hierro hasta materiales no ferrosos,

y se encontraban clasificados en 9 grupos.

De este atlas surgen numerosas ediciones en distintos países, entre ellas la edición en

inglés de Rowley publicada en los Estados Unidos en 1973 llamada International Atlas of

Casting Defects of American Foundrymen’s Society 6, el cual es utilizado hoy en día por las

grandes industrias metalúrgicas alrededor del mundo para la clasificación de defectos de piezas

y, si bien no es un estándar, es utilizado como tal. Este atlas contiene la clasificación más

elaborada de defectos de fundición. Los defectos que describe son clasificados en 7 categorías

o familias, 17 grupos y 41 subgrupos conteniendo un total de 109 defectos. Cada defecto se

designa por una letra y un número de tres dígitos.

En los años posteriores, países como Rusia y Polonia continuaron generando

investigaciones y manuales con distintas clasificaciones que fueron adoptados por estos países

como sus propios estándares hasta la actualidad.

Para el caso de Castingware, la norma a seguir es la especificada por el International

Atlas of Casting Defects of American Foundrymen’s Society principalmente porque el

conocimiento y la experiencia del experto que colaboró con el proyecto se encuentran dentro

del ámbito de esta norma. A su vez, la norma tiene gran adherencia en la industria argentina y

en el resto del mundo por lo que permite que Castingware pueda ser utilizado por una gran

cantidad de empresas a nivel global y nacional.

3 ČSN 42 1240. Vady odlitků (Casting defects). Názvosloví a třídění vad (Defect nomenclature and classification). ÚNM

publishing, Prague, 1965. 4 GUSSFEHLER Atlas Band 1, Giesserei – Verlag GmbH, Düsseldorf, 1955. 5 GUSSFEHLER Atlas Band 2, Giesserei – Verlag GmbH, Düsseldorf, 1956. 6 International atlas of casting defects, American Foundrymen´s Society, Inc. Des Plaines, 1999.

de 155



Dentro del International Atlas of Casting Defects of American Foundrymen’s Society la

clasificación de los defectos ha sido establecida de acuerdo a la descripción de cada defecto

analizado. Esto permite identificar un defecto observando la pieza o a partir de su descripción

precisa, utilizando criterios de forma, aspecto, situación, y/o dimensiones. La clasificación de

acuerdo a sus caracteres morfológicos ha demostrado ser más eficaz y tiene más sentido que la

clasificación según las causas, como se ha realizado en otras normas.

Las siete familias de defectos que se establecen, cada una caracterizada por una letra

mayúscula del alfabeto, son:

A. Proyecciones metálicas

B. Cavidades

C. Discontinuidades

D. Defectos superficiales

E. Piezas incompletas

F. Dimensiones incorrectas

G. Inclusiones o anomalías de estructura

Estas letras, que representan a una familia, se asignan al primer dígito del código único

que identifica a cada defecto. El segundo dígito corresponde al grupo, el tercero corresponde al

subgrupo y el cuarto dígito identifica un defecto dentro del subgrupo. Este último dígito debe

ser mayor a 0 cuando se está refiriendo a un defecto. Hay ciertos casos en los que se utiliza el

0 y esto ocurre cuando se está refiriendo al subgrupo en sí y no a un defecto en particular.

A continuación, analizaremos un ejemplo.

Para el subgrupo B-110: “Cavidades internas tipo B-100, no visibles en la superficie de

la pieza, y detectadas por métodos especiales (mecanizado)” podemos notar que, según la

norma:

B: Corresponde a la familia Cavidades

B-110: Corresponde al subgrupo nombrado anteriormente

B-11X: Corresponde a un defecto dentro del subgrupo B110 con valores de X

mayores a 0

B-111: Corresponde al defecto “Sopladuras pin-hole”

B-112: Corresponde al defecto “Sopladuras”

B-113: Corresponde al defecto “Sopladuras por escoria”

de 155



A su vez, estos valores numéricos indican la gravedad de los defectos. A valores mayores

se entiende que el defecto es de mayor gravedad mientras que valores menores indican un

defecto de menor gravedad.

En los últimos años han surgido nuevas recomendaciones e investigaciones en materia de

calidad y defectos de las piezas de fundición en base a nuevos conocimientos en procesos de

fundición, nuevos procedimientos de detección para la inspección de defectos y el uso de

modelado matemático. Sin embargo, no se han publicado nuevas ediciones de la norma que

contemplen esta nueva información.

7. Antecedentes

7.1. Attribute-Based Knowledge Representation in the Process of Defect

Diagnosis

Este estudio busca automatizar el proceso de diagnóstico de defectos empleando

inteligencia artificial principalmente en situaciones donde la información es incompleta o

aproximada, a diferencia de Castingware donde se requiere información exacta y completa.

Además, emplea una tabla de valores para identificar los defectos. Si bien esta solución también

busca clasificar los defectos y en base a ello diagnosticarlos, el enfoque en cuanto a cómo se

debe diagnosticar es distinto, ya que prioriza el diagnóstico con información incompleta, lo que

produce soluciones no tan precisas comparadas a las que genera Castingware cuando a ambas

se les proporciona toda la información posible.

La solución está compuesta por 3 módulos principales: Identificación de defectos,

Determinación de las causas y Prevención. En cada uno de estos módulos se emplean distintas

técnicas de inteligencia artificial, lo que aumenta la dificultad de implementación de esta

solución. Castingware considera los 2 primeros módulos, pero deja excluido el módulo de

Prevención que es el encargado de determinar las acciones concretas para corregir el proceso,

en Castingware se le proporciona al experto toda la información disponible sobre las posibles

causas que generaron un defecto y se le delega la tarea de decidir cómo éstas impactan al

proceso de manufactura.

Ambas soluciones apuntan al problema de no disponer de una solución universal para el

diagnóstico de defectos y, tanto este estudio como Castingware no definen estrictamente una

norma a seguir. Finalmente “ATTRIBUTE-BASED KNOWLEDGE REPRESENTATION IN

de 155



THE PROCESS OF DEFECT DIAGNOSIS” no provee una implementación, sino que brinda

el diseño de alto nivel de cómo deberían ser diseñados este tipo de sistemas, con cada uno de

sus componentes, ejemplos de cómo deben ser definidas sus reglas y métodos de razonamiento

e inferencia.

7.2. ESVOD - Expert System for Analysis of Casting Defects

El proyecto ESVOD es una implementación de un sistema experto, al igual que

Castingware, cuyo objetivo también es el análisis y diagnóstico de defectos. De igual forma que

el estudio nombrado anteriormente, ESVOD posee 3 módulos: Identificación, Diagnóstico y

Prevención; en este sentido es más comprensivo que Castingware. ESVOD está basado, en el

Defects in Ferrous Alloy Castings 7 que es un manuscrito que contiene conocimiento sobre

cómo identificar defectos, lo que provee una serie de parámetros en común entre todos los

defectos y que a su vez es totalmente compatible con el International Atlas of Casting Defects.

Si bien la gran mayoría de los defectos comparten parámetros comunes, Castingware no

contempla una normalización de los parámetros porque esto implicaría reducir la precisión de

los diagnósticos ya que, dependiendo de la familia de defectos, los parámetros solicitados

varían.

ESVOD permite al usuario recorrer una lista con todos los defectos y elegir el defecto

que esté buscando o, al igual que este proyecto, el usuario puede ingresar los parámetros

requeridos y recibir el diagnóstico correspondiente. También brinda opciones para modificar y

crear nuevas causas y métodos de prevención para los defectos.

En resumen, ESVOD plantea una solución muy similar a Castingware para el diagnóstico

de defectos y es incluso más comprensivo que este. La documentación que soporta este producto

no es muy específica en términos de qué familias incluye ni qué defectos. Además, no hay

referencias a ningún software de prueba o demostraciones del sistema en funcionamiento, por

lo cual, no podemos más que describir la idea que propone ESVOD. Para el caso de Castingware

se proveen tanto detalles de la implementación como acceso a la herramienta para realizar

pruebas.

7 Defects in Ferrous Alloy Castings, T. Elbel and A. Mourachkine, 1995.

de 155



8. Técnicas y Tecnologías actuales

Actualmente el análisis de defectos en fundición es llevado a cabo utilizando técnicas

como: sistemas expertos, análisis histórico de datos, diagramas de causa-efecto, diseño de

experimentos y simulación computarizada.

8.1. Inteligencia Artificial y Sistemas Expertos

Debido a la índole de este proyecto, el cual se basa en este tipo de sistemas, se

profundizará más en esta área que en el resto de las tecnologías.

8.1.1. Inteligencia Artificial

"A field of study that seeks to explain and emulate intelligent behavior in terms of

computational processes." (Schalkoff, 1990)

La Inteligencia Artificial (IA) es una de las disciplinas más recientes y su impacto en la

actualidad es cada vez mayor. Fue formalmente iniciada en 1956, aunque ya se venía trabajando

en el tema varios años antes.

La IA abarca una gran variedad de ramas, desde áreas tan generales como la lógica, hasta

áreas totalmente específicas como reconocimiento de imágenes, análisis de datos, robots

domésticos, videojuegos, etc. y, por lo tanto, se la considera universal. Es común que muchos

expertos de otras áreas se acerquen a la IA para encontrar herramientas que permiten

sistematizar y automatizar las tareas en las que trabajan día a día. Del mismo modo, los expertos

en IA pueden optar por aplicar sus métodos a cualquier área del esfuerzo intelectual humano.

Finalmente, a diferencia de otras disciplinas como la física o química, la IA aún tiene un largo

camino para desarrollarse, permitiéndonos descubrir nuevas ideas e innovar con cada avance.

8.1.2. Sistemas Expertos

La primera década de investigación de IA estuvo centrada en el desarrollo de mecanismos

de búsqueda de propósito general, que intentaban encadenar los pasos de razonamiento

elemental para encontrar soluciones completas. Tales enfoques fueron llamados métodos

débiles porque usaban información débil sobre el dominio. Funcionaban de forma aceptable en

dominios simples, pero para dominios complejos, resultó que su rendimiento también era débil.

La única manera de reducir los errores de estos algoritmos, es usar el conocimiento más

de 155



adecuado para hacer un razonamiento más amplio y resolver casos típicos en áreas estrechas de

experiencia. Se podría decir que, para resolver un problema difícil, es necesario conocer de

antemano la respuesta.

A partir de estos descubrimientos, se empezaron a realizar programas que contenían un

alto grado de conocimientos específicos y permitían resolver los problemas, tal como un ser

humano lo haría, estos programas son conocidos como “Sistemas basados en conocimiento”.

El programa “DENDRAL” fue uno de los primeros ejemplos. Diseñado en Stanford, permitía

inferir una estructura molecular a partir de la información proporcionada por un espectrómetro

de masas. El problema que surgió fue que para lograr esto hacía grandes comparaciones y, para

moléculas de un tamaño considerable, esto era inviable.

Los desarrolladores de DENDRAL tuvieron que consultar a expertos en química, dándose

cuenta que ellos trabajaban buscando patrones conocidos de picos en el espectro, que sugerían

estructuras comunes en la molécula y que de esta forma se reducía considerablemente el número

de posibles candidatos a evaluar.

Al incorporar los conocimientos y prácticas de expertos en el dominio, DENDRAL dejó

de ser un “Sistema basado en conocimiento” para convertirse en un “Sistema Experto”,

logrando una mayor eficiencia.

Se puede decir que un Sistema Experto es un tipo de Sistema basado en conocimiento,

que imita la actividad de un experto humano para resolver una determinada tarea en un dominio

específico.

Los sistemas expertos permiten procesar una gran cantidad de información en tiempos

menores, en comparación con un experto humano. Gracias a estas capacidades, son utilizados

en una gran diversidad de industrias, por ejemplo:

Médica: diagnóstico de pacientes

Militar: control de tráfico aéreo

Automotriz: diagnóstico de defectos

Petrolera: descubrimiento de yacimientos

Contable: asignación de recursos

de 155



TABLA VIII: Ejemplos de Sistemas Expertos a lo largo de la historia

Sistema Fecha Autor Aplicación

DENDRAL 1965 Stanford Deduce información sobre estructuras químicas.

HearSay 1965 Carnegie –

Mellon

Interpreta en lenguaje natural un subconjunto del

idioma.

Mycin 1972 Stanford Diagnóstico de enfermedades en la sangre.

Tieresias 1972 Stanford Herramienta para la transformación de conocimientos.

Prospector 1972 Stanford Exploración mineral y herramientas de identificación.

En el Anexo II se explican los temas mencionados a nivel técnico, su funcionamiento, sus

componentes y arquitectura.

8.2. Análisis histórico de datos

Este análisis tiene dos objetivos, por un lado, aprender de la experiencia y poder

determinar las causas de defectos ya conocidos y, por otro lado, recolectar la cantidad de

ocurrencias de los defectos ya clasificados, con el objetivo de determinar en qué situación

invertir tiempo y dinero para su prevención. De esta forma sólo los defectos más comunes son

estudiados, mientras que los ocasionales son ignorados. Por ejemplo, si un defecto se dio sólo

1 vez en 100 piezas fabricadas, se puede decir que en esa pieza hubo algún desvío aislado, pero

que el proceso es correcto y, por lo tanto, requiere un análisis mayor. Ahora bien, si de cada

100 piezas, 15 tienen el mismo defecto, se deberán concentrar las fuerzas en analizar las causas

para evitar su posterior ocurrencia.

8.3. Diagrama de causa-efecto

Esta es una forma de representar las relaciones de causa-efecto entre las diversas variables

que intervienen en un proceso. Mostrando, en este caso particular, todas las posibles causas que

pueden contribuir al defecto en sí; por lo tanto, podemos tener un diagrama de causa-efecto por

cada defecto conocido.

8.4. Diseño de experimentos

El proceso de fundición es afectado por una cantidad considerable de parámetros siendo

el ajuste certero de cada uno indispensable para evitar defectos en las piezas. El foco de diseñar

de 155



experimentos es robustecer el ajuste de estos parámetros y determinar qué efecto produce en la

pieza un mal ajuste de cada uno.

8.5. Simulación computarizada

Este enfoque involucra el principio de “aprender haciendo”, nos permite hacer

experimentos a un costo muy bajo y en tiempos considerablemente menores que fundiendo la

pieza. Por estos motivos es útil al implementar nuevos procesos no probados, o para introducir

cambios en los procesos actuales. Sin embargo, hay que tener en cuenta que la simulación se

basa en un modelo y en la práctica siempre habrá diferencias. Algunos ejemplos de este tipo de

software son FLOW-3D Cast, MAGMA, ProCast.

8.6. Conclusión

Las técnicas anteriores se pueden dividir en dos enfoques diferentes, por un lado, la

simulación y por el otro, técnicas basadas en el conocimiento. El proceso de fundición es

adecuado para el análisis basado en el conocimiento, ya que las condiciones de fundición se

basan principalmente en la experiencia. También el análisis de defectos basado en la simulación

es factible, ya que permite hacer pruebas sin utilizar materiales y, por lo tanto, con costos casi

nulos. Sin embargo, la simulación suele ser ineficiente en los casos en los que se debe examinar

un gran número de parámetros.

Por estos motivos, las industrias maduras intentan utilizar la combinación de los dos

enfoques, tomando los beneficios de ambos, sin embargo, aún queda mucho por mejorar con

respecto al software utilizado en la industria.

9. Tendencias de la industria

Según la investigación realizada de la industria de fundición, y particularmente en el

diagnóstico de defectos, podemos concluir que en cuanto a la simulación computarizada seguirá

habiendo avances, principalmente por dos razones: por un lado, las compañías que desarrollan

este tipo de software se encuentran actualizándolos constantemente, y por otro, la potencia de

hardware aumentará de forma considerable en los próximos años, permitiendo así simulaciones

más potentes, rápidas y abarcativas. De todas formas, la simulación siempre será un modelo y

se deberá seguir atacando los defectos con los dos enfoques mencionados anteriormente.

de 155



Sobre el enfoque basado en conocimiento, no hay grandes desarrollos de software y por

lo tanto creemos que deben ser impulsados para que en un futuro las tareas de diagnóstico sean

más estructuradas, sencillas y certeras, logrando así remediar las causas raíces de los defectos

y de esta forma evitar el suceso de los mismos. El objetivo de Castingware, es suplir esta

necesidad no satisfecha en la actualidad.

La American Foundry Society juega un rol importante en la capacitación e investigación

sobre el diagnóstico de defectos. Aún hoy en día siguen realizando eventos, talleres y charlas

sobre el tema, por lo que podemos decir que seguirá contribuyendo al estudio del diagnóstico

de defectos.

de 155



CAPÍTULO II

Problemática Analizada

El capítulo analiza la problemática presente en el proyecto y busca exponer los

requerimientos del negocio, oportunidades y necesidades que movilizan al mismo. A su vez,

presenta una descripción de alto nivel y el alcance de la solución propuesta junto con un

estudio de viabilidad del proyecto.

de 155



1. Requerimientos del negocio

Como se dijo anteriormente, para evaluar un defecto se pueden aplicar diferentes técnicas,

empezando desde algo tan simple como una evaluación visual, hasta exámenes más complejos

como análisis químicos, inspecciones por microscopios, etc. Cualquiera sea el método utilizado

se obtendrán ciertas características del defecto, las cuales permitirán clasificarlo y

diagnosticarlo.

Sin embargo, no existe un software que ayude a categorizar y diagnosticar el defecto una

vez identificadas sus características. El responsable de la tarea tiene que memorizar los cientos

de combinaciones posibles para poder determinar el tipo exacto de defecto o ayudarse con el

Atlas, y como si fuera poco, raramente los responsables de clasificar los defectos saben también

determinar las posibles causas de los mismos, haciendo necesario que al menos dos personas

trabajen en el diagnóstico de defectos. Podemos notar, entonces, los siguientes puntos

negativos:

Necesidad de un amplio conocimiento en el tema, dificultad para conseguir

personal con estos conocimientos, cuya capacitación demanda tiempo

Riesgo de categorizaciones erróneas

Demanda de tiempo elevada para realizar las tareas

Participación de múltiples personas

2. Oportunidades y necesidades

Hoy en día la automatización de tareas por medio de software es algo muy común e

indispensable para que una empresa pueda crecer y mantenerse competitiva. Gracias a las

nuevas tecnologías, las tareas se llevan a cabo cometiendo menos errores, en menor tiempo y

utilizando menos recursos, lo que produce una gran reducción de costos y genera valor a la

empresa. Estos motivos nos conducen a que la automatización del diagnóstico de defectos en

empresas metalúrgicas sea una gran oportunidad y satisfaga las necesidades presentes hoy en

día en este rubro, al no contar con soluciones similares ni productos alternativos.

3. Descripción de la solución

Debido a las necesidades de la industria, Castingware tiene como objetivos categorizar

un defecto en su totalidad y sugerir sus posibles causas, ayudando así a la prevención de los

de 155



mismos y a la mejora continua de los procesos en forma rápida, precisa y significativa para el

usuario. Como ya se explicó en el Capítulo I, el proyecto impacta directamente en la etapa de

diagnóstico de defectos dentro del proceso de calidad ayudando significativamente a su mejora

continua.

Teniendo en cuenta las características particulares que presenta este problema, la

posibilidad de tener a un experto a disposición y una investigación de las posibles soluciones,

se ha decidido que el desarrollo de un sistema experto [SE] es la mejor elección dentro de las

tecnologías disponibles. Además, según las características de los SE detalladas en el Anexo II

se justifica desarrollar uno cuando se cumple una o varias de las siguientes premisas:

El problema puede resolverse solamente por un conocimiento experto, y no por

algoritmos particulares

La intervención del experto dará al sistema la experiencia que necesita

El problema puede o no tener una solución única

Se necesita preservar y distribuir los conocimientos de un experto o un conjunto

de ellos

Hay escasez de experiencia humana

El diagnóstico de defectos cumple con la mayoría de las premisas listadas anteriormente.

Sin embargo, para tener mayor seguridad sobre la viabilidad de la solución y tener también una

justificación más formal que el conjunto de premisas, hemos realizado un estudio de viabilidad

propuesto por la metodología IDEAL. El mismo está compuesto de cuatro dimensiones en

donde cada una representa un factor de viabilidad diferente:

Plausibilidad: determina si es posible resolver el problema mediante la ingeniería

del conocimiento [INCO], analiza si existen expertos, sus características y las de

la tarea.

Justificación: determina si se justifica desarrollar un SE para resolver el problema,

analiza si hay necesidad de distribuir los conocimientos, si existen soluciones

alternativas, la tasa de recuperación de la inversión, etc.

Adecuación: determina si la ingeniería del conocimiento se adapta a la resolución

del problema, analiza si la tarea requiere experiencia, si es táctica o estratégica, etc.

de 155



Éxito: determina si será posible llevar a cabo el proyecto, analizando si se han

resuelto problemas similares con INCO, si sus objetivos son claros, si sus

desarrolladores, sponsors y usuarios están de acuerdo con las funcionalidades.

Cada una de estas dimensiones está compuesta por un grupo de preguntas, las cuales se

deben responder con los tipos de valores establecidos, siendo algunas respuestas valores

booleanos, numéricos o lingüísticos. Los valores lingüísticos (nada, poco, regular mucho, todo)

se definen por su función de pertenencia del intervalo [0,10] en el intervalo [0,1], que indica en

qué grado se ajusta a dicho valor lingüístico, sabiendo que mientras más cerca de 1 esté, más

cierto es el valor. Las gráficas de las funciones de pertenencia pueden ser definidas gracias a

sus puntos de ruptura. A cada valor lingüístico le será asociado un intervalo difuso determinado

por los puntos angulares vinculados en la Tabla II.

TABLA II: Valor difuso según valor lingüístico propuesto por IDEAL.

Valor Lingüístico Valor Difuso

Nada 0 0 1,2 2,2

Poco 1,2 2,2 3,4 4,4

Regular 3,4 4,4 5,6 6,6

Mucho 5,6 6,6 7,8 8,8

Todo 7,8 8,8 10 10

Una vez que todas las preguntas fueron respondidas se procede a realizar los cálculos

propuestos por esta metodología y finalmente se obtiene una media general, la cual permite

decidir si la viabilidad del proyecto está avalada por el estudio o no. Si el valor final es igual o

mayor a seis (6) se considera que el proyecto es viable.

4. Estudio de viabilidad

El estudio se realizó en conjunto con el experto, quien fue de gran ayuda para responder

las preguntas planteadas. Al observar este estudio de viabilidad se debe prestar especial atención

a las respuestas y sus correspondientes comentarios y, finalmente a la media general obtenida,

que hace posible determinar la viabilidad del sistema.

de 155



En este apartado se presentan las tablas resumidas del estudio para cada dimensión con el

objetivo de facilitar su lectura e interpretación al lector. De todos modos, en el Anexo I se

encuentran estas mismas, pero completas con todos los valores utilizados para realizar los

cálculos correspondientes.

4.1. Dimensión de Plausibilidad

TABLA III: Dimensión de Plausibilidad - Valores

Denominación de la

característica Tipo Naturaleza Valor Comentarios

Existen expertos y están

disponibles y son cooperativos Esencial Booleana Si

Tenemos un experto con más de 30 años de

experiencia, a completa disposición con un gran

interés en realizar el sistema.

El experto es capaz de

estructurar sus métodos y procedimientos de trabajo

Deseable Difusa Todo El experto es una persona muy estructurada, capaz

de describir la tarea de forma ordenada y clara.

La tarea está bien estructurada y se entiende

Deseable Difusa Todo La tarea es clara y estructurada, el diagnóstico no se hace bajo incertidumbre. Tenemos un libro a

nuestra disposición describiendo el proceso.

Existen suficientes casos de

prueba y soluciones asociadas Esencial Numérica 8 El experto tiene suficientes casos de prueba.

La tarea sólo depende de los

conocimientos y no del sentido

común

Deseable Numérica 9 No se resuelve a partir del sentido común sino a

través de conocimientos empíricos.

Luego de realizar los cálculos correspondientes se obtienen los valores difusos de esta

dimensión: 8.55; 8.91; 9.3; 9.3.

Figura 5: Función de pertenencia de Plausibilidad

de 155



Como podemos apreciar en el gráfico, la dimensión de Plausibilidad está incluida en

“Todo”, por lo tanto, se llega a la conclusión que es posible realizar el sistema mediante INCO.

4.2. Dimensión de Justificación

TABLA IV: Dimensión de Justificación - Valores

Denominación de la característica Tipo Naturaleza Valor Comentarios

Resuelve una tarea útil y necesaria Deseable Difusa Mucho

La tarea es imprescindible para una

empresa del rubro de fundición, y el SE la simplifica mucho.

Se espera una alta tasa de recuperación

de la inversión Deseable Numérica 2

No se hace una inversión importante para realizar el sistema, ni tampoco reducirá

los costos en gran medida.

Hay escasez de experiencia humana Deseable Difusa Mucho

Hay pocas personas con los

conocimientos necesarios para realizar la

tarea y por lo tanto escasez de experiencia humana.

Hay necesidad de tomar decisiones en situaciones críticas o ambientes

hostiles, penosos y, o, poco

gratificantes

Deseable Difusa Mucho Las decisiones a tomar son críticas ya que se están diagnosticando defectos en piezas

de alto costo.

Hay necesidad de distribuir los

conocimientos Deseable Difusa Mucho

Se deben distribuir los conocimientos para

reducir la posibilidad de perderlos.

Los conocimientos pueden perderse de

no realizarse el sistema Deseable Difusa Nada

Los conocimientos se encuentran en

expertos y libros.

No existen soluciones alternativas Esencial Booleana No Si hay soluciones alternativas.


dimensión: 5.6; 6.6; 7.8; 8.8

Figura 6: Función de pertenencia de Justificación

de 155



Como podemos apreciar en el gráfico, la dimensión de Justificación se superpone con

“Mucho”, por lo tanto, se llega a la conclusión que está justificado realizar el sistema mediante

INCO.

4.3. Dimensión de Adecuación

TABLA V: Dimensión de Adecuación - Valores

Denominación de la

característica Tipo Naturaleza Valor Comentarios

La transferencia de experiencia

entre humanos es factible Deseable Difusa Mucho

La tarea se puede explicar de forma teórica y

demostrar de forma práctica para transferir la

experiencia.

La tarea requiere «experiencia» Deseable Difusa Mucho La experiencia facilita la detección de los

síntomas y su posterior análisis.

Los efectos de la introducción del SE no pueden preverse

Deseable Difusa Regular

Si bien se espera que el SE se utilice en la

mayoría de los análisis, agilizando los tiempos, no sabemos con seguridad cómo va a responder

el personal.

La tarea requiere razonamiento

simbólico Deseable Difusa Mucho

Si, ya que se deben conocer conceptos teóricos

para poder llevarla a cabo.

La tarea requiere el uso de

heurísticas para acotar el

espacio de búsqueda

Deseable Difusa Poco Las heurísticas no nos pueden ayudar a reducir

los tiempos de búsqueda para esta tarea.

La tarea es de carácter práctico

y más táctica que estratégica Deseable Booleana SI Es meramente práctica.

Se espera que la tarea continúe

sin cambios significativos

durante un largo período de tiempo

Esencial Difusa Todo La tarea se realiza hace años y no hay

expectativas de que cambie.

Se necesitan varios niveles de abstracción en la resolución de

la tarea

Deseable Difusa Poco No requiere abstracción, se trabaja con características concretas de la pieza a

diagnosticar.

El problema es relativamente

simple o puede descomponerse

en subproblemas

Deseable Difusa Mucho Para el experto el problema es sencillo y es capaz

de descomponerlo en subproblemas.

El experto no sigue un proceso

determinista en la resolución del problema

Deseable Booleana SI

El proceso es no determinista, hay ciertas

resoluciones más sencillas y directas pero la

mayoría requiere análisis de varias variables y se puede llegar a más de una solución.

La tarea acepta la técnica del prototipado gradual

Deseable Booleana Si Si se pueden hacer prototipos incrementales de la misma.

El experto resuelve el problema a veces con información

incompleta o incierta

Deseable Difusa Regular Por lo general, la información está completa.

Es conveniente justificar las

soluciones adoptadas Deseable Difusa Mucho

Es necesario que se explique por qué se llegó a la

solución.

La tarea requiere investigación

básica Esencial Booleana No

No necesitamos investigar sobre conceptos

metalúrgicos.

El sistema funcionará en

«tiempo real» con otros

programas o dispositivos

Deseable Difusa Poco

Este sistema se puede acoplar a una base de

datos para registrar las fallas y luego hacer

informes sobre las mismas.


dimensión: 4.76; 5.8; 6.92; 7.7

de 155



Figura 7: Función de pertenencia de Adecuación

Como podemos apreciar en el gráfico, la dimensión de Adecuación se encuentra entre los

valores difusos “Regular” y “Mucho”, siendo de esta forma adecuado utilizar INCO para

resolver el problema.

4.4. Dimensión de Éxito

TABLA VI: Dimensión de Éxito valores


Existe una ubicación idónea para el SE Deseable Difusa Todo Se utilizará en el sector de inspección.

Problemas similares se han resuelto

mediante INCO Deseable Booleana No

No encontramos un problema similar

resuelto con este método.

El problema es similar a otros en los

que resultó imposible aplicar esta

tecnología

Deseable Booleana No No encontramos un problema similar

resuelto con esta tecnología.

La continuidad del proyecto está

influenciada por vaivenes políticos Esencial Difusa Nada La política no interfiere en este proyecto.

La inserción del sistema se efectúa sin

traumas, es decir, apenas se interfiere en la rutina cotidiana

Deseable Difusa Todo

No debe haber traumas por la inserción del

sistema, ya que no reemplaza ni amenaza el puesto de ningún empleado.

Se dispone de experiencia en INCO Deseable Difusa Nada Nunca se utilizó INCO.

Se dispone de los recursos humanos,

hardware y software necesarios para el

desarrollo e implantación del sistema

Deseable Difusa Todo Disponemos de todo lo necesario.

El experto resuelve el problema en la

actualidad Deseable Difusa Todo

Si, el experto aún trabaja en este rubro y

resuelve el problema regularmente.

La solución del problema es prioritaria

para la institución Esencial Difusa Poco No es prioritario.

Las soluciones son explicables Deseable Difusa Mucho Si, el experto puede explicar cómo llega a

la solución.

de 155




Las objetivos del sistema son claros y

evaluables Deseable Difusa Mucho

Se sabe con seguridad qué se desea

obtener.

Los conocimientos están repartidos

entre un conjunto de individuos Deseable Difusa Nada

El conocimiento necesario para el

desarrollo se obtendrá del experto y un

libro facilitado por él.

Los directivos, usuarios, expertos e IC

están de acuerdo en las

funcionalidades del SE

Esencial Difusa Mucho Todos favorecen el desarrollo del SE.

La actitud de los expertos ante el

desarrollo del sistema es positiva y no se sienten amenazados por el proyecto

Deseable Difusa Todo El SE les facilita una tarea pero no los

reemplaza.

Los expertos convergen en sus soluciones y métodos

Deseable Difusa Mucho Según el experto no hay diferencias de diagnósticos entre pares.

Se acepta la planificación del proyecto propuesto por el IC

Esencial Booleana Si Si, se acepta.

Existen limitaciones estrictas de tiempo en la realización del sistema

Deseable Difusa Nada No hay tiempos límites para el desarrollo del SE, ya que es un sistema que

complementa y facilita la tarea actual.

La dirección y usuarios apoyan los

objetivos y directrices del proyecto Esencial Difusa Todo

Todos están de acuerdo con los objetivos

del proyecto.

El nivel de formación requerido por

los usuarios del sistema es elevado Deseable Difusa Poco

Se intenta desarrollar el sistema lo más

simple posible.

Las relaciones IC-experto son fluidas Deseable Difusa Todo Sí, hay una buena relación.

El proyecto forma parte de un camino

crítico con otros sistemas Deseable Booleana No

No se relaciona ni interfiere con otros

proyectos.

Se efectuará una adecuada

transferencia tecnológica Esencial Difusa Mucho

Se logra una adecuada transferencia

tecnológica brindando una capacitación

general del sistema a los usuarios y mostrando casos prácticos.

Lo que cuenta en la solución es la calidad de la respuesta

Deseable Booleana Si Lo importante es otorgar una respuesta exacta como lo haría el experto.


dimensión: 5.36; 6.33; 7.57; 8.

Figura 8: Función de pertenencia de Éxito

de 155



Como podemos apreciar en el gráfico, la dimensión de Éxito está casi superpuesta a

“Mucho”, de esta forma, se llega a la conclusión que el sistema puede ser llevado a cabo y el

proyecto tendrá éxito según este estudio.

4.5. Cálculos finales

Se realiza el cálculo final, teniendo en cuenta los valores difusos de las 4 dimensiones

anteriores. Dado que el objetivo de esta sección es demostrar la viabilidad del proyecto, no se

explica con detalle el método empleado para obtener estos resultados.

TABLA VII: Cálculos Finales

Dimensión Coeficiente Valores difusos Peso x Valor

Plausibilidad 8 8,55 8,91 9,30 9,30 68,39 71,25 74,42 74,42

Justificación 3 5,60 6,60 7,80 8,80 16,80 19,80 23,40 26,40

Adecuación 8 4,76 5,8 6,92 7,7 38,08 46,4 55,36 61,6

Éxito 5 5,36 6,33 7,57 8 26,8 31,65 37,85 40

24 150,07 169,1 191,03 202,42

Valores Finales 6,25 7,05 7,96 8,43

Media General 7,42

Los valores difusos resultantes de todo el estudio son: 6.25; 7.05; 7.96; 8.43.

Figura 9: Función de pertenencia de los Valores Finales

de 155



La media general es de 7,42, siendo esta mayor a 6, podemos afirmar que el proyecto se

considera viable según INCO. Las cuestiones sobre la implementación del sistema en sí, serán

desarrolladas en el Capítulo III.

5. Alcance y limitaciones de la solución

Es sabido que el proceso de adquisición de conocimientos es lo más dificultoso a la hora

de crear un sistema basado en conocimiento, en sí el problema consiste en hacer que el experto

diga lo que sabe y obtener información manipulable a partir de esto. Además de este problema,

se encuentra la dificultad de validar y chequear el conocimiento adquirido. Para facilitar las

tareas mencionadas y disminuir el margen de error, nos apegamos a la metodología IDEAL

para realizar este proyecto. Dentro de la documentación encontramos:

Estudio de viabilidad de la solución

Análisis de protocolos

Análisis por técnica de emparrillado

Conceptualización de conocimientos

Para sumarle valor a este proyecto, agregamos al alcance un análisis económico de la

solución más exhaustivo que el que provee el estudio de viabilidad, junto con un modelo de

negocio, de esta forma podemos demostrar que el producto puede ser llevado a la práctica y ser

rentable.

Con respecto al desarrollo, se construirá un prototipo funcional para diagnosticar defectos

dentro de las familias listadas a continuación:

Discontinuidades

Cavidades

Piezas incompletas

Es importante remarcar que las familias restantes no se incluirán en este prototipo, debido

a que es preferible realizar un proyecto con un alcance más acotado y de buena calidad que

logre representar el objetivo principal de la solución.

Las principales funcionalidades que se incluyen son:

Diagnóstico de defectos:

o Servicio de diagnóstico tomando las características del defecto como

entrada.

de 155



Registro de actividades:

o Registro de consultas realizadas por los usuarios.

Documentación interactiva desde la aplicación

En futuros desarrollos, Castingware deberá contemplar una gestión de usuarios más

abarcativa en la cual se controlará el acceso a los usuarios autorizados. Otro punto importante

para aclarar es que el alcance cubre el desarrollo del sistema sólo en idioma Castellano, siendo

posible, luego, expandirlo a otros idiomas. En el Capítulo III, se especifica el alcance

correspondiente a cuestiones más técnicas del producto.

de 155



CAPÍTULO III

Análisis Técnico

En este capítulo se explican los diferentes métodos que se utilizaron para construir el

sistema y la documentación obtenida. El capítulo se organiza conforme a la metodología

IDEAL, empezando con la educción del conocimiento del experto y terminando con

cuestiones más técnicas de la arquitectura del proyecto.

de 155



1. Adquisición de Conocimientos

En la etapa de adquisición de conocimientos se recolecta la información necesaria para

comenzar la documentación y construcción del sistema. Se pueden utilizar diferentes fuentes

dependiendo del método de adquisición aplicado, en el caso particular de Castingware, la

mayoría de los métodos involucran al experto. Es importante aclarar que, si bien la adquisición

de conocimientos se detalla en esta sección, es una tarea que se produce en paralelo a todas las

etapas de construcción del sistema experto, lo que permite adquirir el conocimiento de forma

iterativa e incremental a medida que es requerido por cada una de ellas.

1.1. Análisis de Protocolos

El análisis de protocolos es un método que nos permite adquirir conocimientos a partir de

casos particulares resueltos por el experto para comprender la tarea que realiza y, por lo tanto,

pasar de lo específico a lo general. Se basa en presentar un caso al experto y pedirle que lo

resuelva, especificando todas las acciones que realiza y piensa en voz alta, lo que permite grabar

la secuencia.

Una vez que grabado y transcripto el protocolo se desarrolla un análisis del mismo,

obteniendo de esta forma una identificación certera de conceptos, atributos, valores, relaciones

e inferencias. También brinda una interpretación por parte del Ingeniero en Conocimiento de

cómo el experto realiza sus tareas, basándose en la información adquirida.

Se aplicó este método a un caso particular de la familia de defectos: “Cavidades”. El

objetivo fue entender a grandes rasgos cómo trabaja el experto y comprender la naturaleza de

la tarea, el cual se logró con éxito debido a que la información obtenida fue altamente

representativa y por ese motivo no fue necesario aplicarlo en casos adicionales. Hechas estas

aclaraciones, podemos proceder con el método en cuestión. A continuación, se detallan los

pasos realizados para llevar a cabo el método de análisis de protocolos y sus correspondientes

resultados.

de 155



1.1.1. Grabación del protocolo

a. El Ingeniero en Conocimiento (I.C.) explica lo que se espera del experto:

“Procederemos a registrar una situación en la cual se le presentará un caso a resolver y

usted deberá informar todas y cada una de las acciones que realiza o piensa y con qué objeto o

material, como si estuviera pensando en voz alta.”

b. Puesta en situación:

Se presenta al experto el siguiente caso de práctica: Se toma una pieza ya diagnosticada

con una proyección metálica y se le pide que realice el diagnóstico nuevamente. El experto

practica el procedimiento de razonar en voz alta.

c. Registro del protocolo:

Se presenta al experto el siguiente caso real: El experto recibe un email notificando que

hay un producto no conforme junto con una breve descripción (motivo). El experto entonces se

acerca a la pieza para diagnosticarla de forma más precisa. El escenario está formado por el

experto, el I.C. que lo observa, y la pieza no conforme a diagnosticar.

1.1.2. Transcripción del protocolo

Nota: Las anotaciones del Ingeniero en Conocimiento (I.C.) se encuentran en letra

negrita.

Experto:

- Me presento ante el producto no conforme por inspección visual.

- Observo el producto detalladamente, haciendo foco sobre el motivo de la no

conformidad.

I.C.:

- El motivo que fue informado por email.

- Se acerca a la pieza para inspeccionarla mejor.

Experto:

- Una vez que recaudo suficiente información intento asignar la familia de defectos a la

cual pertenece.

- En este caso en particular, la familia está muy definida y no hay dudas, es una cavidad.

Pero, en otros casos, se presentan ciertas dudas de que pertenezcan a una u otra familia,

de 155



lo cual requiere de datos o inspecciones de otro nivel, como por ejemplo una lupa,

extraer una partícula y verla en el microscopio, ver qué forma tiene, ensayo de partículas

magnéticas, ultrasonido o una inspección del proceso de fabricación para esa pieza en

particular.

- Una vez que realicé esto voy a hacer una descripción detallada del defecto para empezar

a buscar la causa. Me hago las siguientes preguntas:

o Primero el aspecto de la superficie es dendrítico, se puede ver a simple vista o

tocando la pieza.

I.C.:

- Dendrítico es una estructura con ramificaciones repetitivas características de

procesos de crecimiento de cristales como pequeños pinos de material sólido, no es

liso.

Experto:

- continúa...

o El color es oscuro, cuando una cavidad se produce en contacto con la atmósfera,

se oxida y el color es oscuro, si no está en contacto con el aire queda más clara.

o La forma representativa es irregular alargada.

o El tamaño, se nota a simple vista que es muy grande. En otros casos es necesario

medir.

o La cantidad de cavidades es una.

o La distribución no la tengo en cuenta porque es una sola, se podría decir que está

aproximadamente centrada en el cuello de corte del montante o alimentador.

o La ubicación es en la cara sobre. Cuando una pieza se funde la cara que mira

hacia arriba se llama sobre y la que está abajo se llama bajo.

o La posición es dentro del cuello del montante.

o Para ver la forma a veces hay que inspeccionar con una linterna, tocando la

cavidad, haciendo algún corte, etc.

- A partir de estos datos defino exactamente cuál es la defectología, en este caso es un

rechupe. O sea, lo que empezó como una cavidad se define como algo específico, un

rechupe por contracción líquida.

de 155



- Ahora bien, para asignar las causas de este defecto se requiere de mayor información.

Hay dos grandes divisiones: si la pieza es un prototipo o si la pieza ya se venía

fabricando desde antes.

- Si era un prototipo hay que revisar el diseño.

- Si es una producción en curso hay que revisar qué partes del proceso no se cumplieron.

Entonces, uno va a revisar los datos representativos del proceso.

I.C.:

- Producción en curso significa que es una pieza que ya se fabrica normalmente, no

es algo nuevo.

Experto:

- En este caso en particular voy a revisar los datos de la colada en donde se indica una

composición química que debería respetarse y la real, también la temperatura de colada

planeada y la real y el nivel de llenado del montante.

- A partir de esto reviso el tiempo que tarda en realizarse el llenado (en segundos). Entre

estas causas debería encontrar algún desvío del proceso. Si todo esto está OK, entonces,

se revisan los materiales que se utilizaron.

I.C.:

- Se acerca a una computadora y revisa el registro de fabricación de la pieza.

Experto:

- En este caso es una pieza de la cual ya se habían fabricado cientos de ejemplares

anteriormente. La temperatura de colada estaba solicitada como 1515-1530 °C.

- La temperatura de colado/llenado del molde estaba fuera de rango, se declaró como

1545 °C.

- Reviso la composición química declarada y es correcta.

- Nivel de llenado del montante declarado es correcto.

- El tiempo de llenado declarado es de 33 segundos, debería haber tardado entre 38 – 45

segundos. Cuanto más alta es la temperatura del metal, menos tarda en llenarse, ya que

fluye más rápido.

- Por lo tanto, las causas son las definidas anteriormente, temperatura mayor a la

solicitada y, por lo tanto, menor tiempo de llenado.

de 155



- La solución no es cambiar el proceso, sino que se solicita a los operadores respetar los

requisitos ya definidos.

Figura 11: Foto del defecto analizado por el Experto 8

1.1.3. Codificación del protocolo

Glosario

El glosario nos permite comprender los conceptos principales empleados por el experto

durante la grabación del protocolo y otros utilizados con gran frecuencia en la industria.

TABLA X: Glosario de Conceptos

Concepto Definición

Producto no conforme Es un producto que no cumple con las especificaciones.

Motivo Razón por la cual el producto no está conforme. Indica tipo de

defecto.

Defecto Requisito no satisfactorio.

Familia Es una clasificación muy general que agrupa los mismos tipos

de defectos que se presentan en las piezas.

Cavidad Espacio hueco no deseado en una pieza.

Análisis de defectos

Es el proceso por el cual se recaudan datos del defecto, se

procede primero por observación a simple vista y si no es

suficiente hay otros métodos de análisis.

8 La imagen fue obtenida por el Experto.

de 155



Concepto Definición

Método de análisis Procedimiento por el cual se obtienen datos en particular de un

defecto.

Observación

Mirar el defecto a simple vista para recaudar la información

básica, que en algunos casos es suficiente para realizar el

diagnóstico.

Ensayo de partículas

magnéticas

Método no destructivo de detección de fisuras o grietas

superficiales o sub-superficiales.

Ultrasonido Método no destructivo que detecta heterogeneidades (fisuras,

huecos, estructura anómala, etc.) internas de la pieza.

Dendrítico

Es una estructura con ramificaciones repetitivas características

de procesos de crecimiento de cristales (como pequeños pinos

de material sólido, no es liso).

Rechupe

Es un tipo de cavidad indeseada, que se produce a veces en una

pieza colada como consecuencia de su contracción en la

solidificación.

Contracción líquida

Es la correspondiente al cambio de volumen dado por la

diferencia entre la temperatura de colada/llenado y la

temperatura de inicio de la solidificación. Se expresa en

porcentaje de volumen.

Colada/llenado Es el hecho de introducir material líquido dentro de un molde.

Montante

(alimentador/mazarota)

Es un reservorio lleno de metal fundido que alimenta la pieza

que se está fabricando. Se coloca en los sitios del molde que

son críticos (es decir, que tienden a generar rechupes) y aportan

material para evitarlos.

Noyo Todos los huecos que tenga la pieza que no puedan ser

moldeados naturalmente son salvados a partir de noyos.

Galleta de corte La conexión entre la pieza y el montante. En esta parte se

separa el montante de la pieza.

Inoculante

Material granuloso basado en aleaciones de ferrosilicio que

contienen elementos como, por ejemplo, el Calcio, Bario,

Circonio, Aluminio y Estroncio.

Inoculación Agregar el inoculante.

C.E. Carbono Equivalente.

Identificación de conceptos, características, valores y relaciones

Este entregable es esencial para el desarrollo del sistema experto, si bien en este estadio

del proceso es sólo una primera versión y luego se sigue refinando, nos permite comprender el

de 155



vocabulario utilizado por el experto. Cada concepto está acompañado por sus características

particulares y posibles valores que puede tomar dicha característica.

TABLA XI: Especificación de Conceptos – Atributos – Valores

Concepto Atributo Valores

Defecto Código

Letra + número de 3 dígitos.

Familia Nombre Cavidades

Discontinuidades

Cavidad

Aspecto de superficie

Liso

Dendrítico

Rugoso

Color

Negruzco

Amarronado

Rojizo

Dorado

Plateado

Acabado de la superficie

Mate

Brillante

Forma

Irregular alargada

Irregular redonda

Irregular cuadrada

Cilíndrica alargada

Cilíndrica corta

Cónica

Esférica

Tamaño

Pequeño (cabeza o cuerpo de un clavo pequeño o menor)

Mediano (alguna de sus dimensiones supera tamaño de un cilindro de aproximadamente 4 a 7 mm de diámetro)

Grande (llega hasta 15mm)

Muy grande (mayor a 15 mm)

Cantidad

Una

Pocas (entre 2 y 5)

Muchas (entre 5 y 10)

Muchísimas (más de 10)

de 155




Distribución

Única

Alineadas rectas

Alineadas circulares

Azarosa

Ubicación

Semi-molde superior

Superficie definida por noyo o lado sobre

Semi-molde inferior

No definida (dispersas en zonas)

En toda la pieza

Posición

En la superficie

Subsuperficial

Próximas a enfriadores

Sobre un vértice interior

En el centro del espesor

Sobre ataques de colada

Intersección de secciones a 90°

Próximas cuello de montante

Dentro del cuello del montante

Tipo

B-111: Sopladuras pinholes

B-112: Sopladuras

B-113: Sopladuras por escoria

B-121: Sopladuras superficiales

B-122: Sopladura por ángulo vivo

B-123: Pinhole de superficie

B-124: Rechupe disperso

B-211: Rechupe abierto o externo

B-212: Rechupe en ángulos o bordes

B-213: Rechupe por noyo

B-221: Rechupe interno o ciego

B-222: Rechupe central

B-311: Micro-rechupe

Las relaciones entre los conceptos son importantes a la hora de modelar la forma de

razonar del experto. Es por esto que en este apartado se indican las relaciones identificadas en

el protocolo.

a. Defecto ES CAUSAL DE Producto no conforme.

b. Defecto ES PARTE DE Familia de defectos.

c. Cavidad ES UN Familia de defectos.

d. Método de análisis ES PARTE DE Análisis de defecto.

de 155



e. Ultrasonido ES UN Método de análisis.

f. Ensayo de partículas magnéticas ES UN Método de análisis.

g. Observación ES UN Método de análisis.

Identificación de los operadores

Los operadores son los medios usados por el experto para generar nuevos estados, es

decir, permiten el paso de un estado del problema a otro. De esta forma, el método nos permite

saber cuáles son las causas de los cambios de estado.

Experto:

- Me presento ante el producto no conforme por inspección visual.

- Observo el producto detalladamente, haciendo foco sobre el motivo de la no

conformidad.

- Una vez que recaudo suficiente información intento asignar la familia de defectos a la

cual pertenece.

- En este caso en particular la familia está muy definida y no hay dudas, es una

cavidad, pero en otros casos se presentan ciertas dudas de que pertenezcan a una u

otra familia, lo cual requiere de datos o inspecciones de otro nivel, como por ejemplo

una lupa, extraer una partícula y verla en el microscopio, ver qué forma tiene, ensayo

de partículas magnéticas, ultrasonido o una inspección del proceso de fabricación para

esa pieza en particular.

- Una vez que realicé esto, voy a hacer una descripción detallada del defecto para

empezar a buscar la causa. Me hago las siguientes preguntas:

o Primero el aspecto de la superficie es dendrítico, se puede ver a simple vista o

tocando la pieza.

o El color es oscuro, cuando una cavidad se produce en contacto con la

atmósfera, se oxida y el color es oscuro, si no está en contacto con el aire queda

más clara.

o La forma representativa es irregular alargada.

o El tamaño, se nota a simple vista que es muy grande. En otros casos es

necesario medir.

o La cantidad de cavidades es una.

de 155



o La distribución no la tengo en cuenta porque es una sola, se podría decir que

está aproximadamente centrada en el cuello de corte del montante o alimentador.

o La ubicación es en la cara sobre. Cuando una pieza se funde la cara que mira

hacia arriba se llama sobre y la que está abajo se llama bajo.

o La posición es dentro del cuello del montante.

o Para ver la forma a veces hay que inspeccionar con una linterna, tocando la

cavidad, haciendo algún corte, etc.

- A partir de estos datos, defino exactamente cuál es la defectología, en este caso es un

rechupe. O sea, lo que empezó como una cavidad se define como algo específico, un

rechupe por contracción líquida.

- Ahora bien, para asignar las causas de este defecto se requiere de mayor información.

Hay dos grandes divisiones: si la pieza es un prototipo o si la pieza ya se venía

fabricando desde antes.

- Si era un prototipo hay que revisar el diseño.

- Si es una producción en curso hay que revisar qué partes del proceso no se cumplieron.

Entonces uno va a revisar los datos representativos del proceso.

- En este caso en particular voy a revisar los datos de la colada en donde se indica una

composición química, que debería respetarse y la real, también la temperatura de

colada planeada y la real y el nivel de llenado del montante.

- A partir de esto reviso el tiempo que tarda en realizarse el llenado (en segundos). Entre

estas causas debería encontrar algún desvío del proceso. Si todo esto está OK entonces

se revisan los materiales que se utilizaron.

- En este caso es una pieza de la cual ya se habían fabricado cientos de ejemplares

anteriormente. La temperatura de colada estaba solicitada como 1515-1530 °C.

- La temperatura de colado/llenado del molde estaba fuera de rango, se declaró como

1545 °C.

- Reviso la composición química declarada y es correcta.

- Nivel de llenado del montante declarado es correcto.

- El tiempo de llenado declarado es de 33 segundos, debería haber tardado entre 38

– 45 segundos. Cuanto más alta es la temperatura del metal, menos tarda en llenarse,

ya que fluye más rápido.

de 155



- Por lo tanto, las causas son las definidas anteriormente, temperatura mayor a la

solicitada y, por lo tanto, menor tiempo de llenado.

- La solución no es cambiar el proceso, sino que se solicita a los operadores respetar los

requisitos ya definidos.

Identificación de inferencias

En esta etapa se identifican todas las reglas de producción utilizadas explícitamente por

el experto en este caso particular. Es importante aclarar que el I.C. no debe intentar generar

todas las reglas imaginables sino sólo formalizar las que realmente utiliza el experto.

a. SI inicialmente se recauda suficiente información ENTONCES se asigna una familia

de defectos.

b. SI la familia de defectos no está bien definida en la pieza y hay dudas de su pertenencia

a una u otra familia ENTONCES requiere de datos o inspecciones de otro nivel.

c. SI es una cavidad y se produjo en contacto con la atmósfera (aire) ENTONCES se

oxida y el color es oscuro.

d. SI es una cavidad y no se produjo en contacto con la atmósfera (aire) ENTONCES el

color es claro.

e. SI es una cavidad y es una sola ENTONCES no se considera la distribución.

f. SI la pieza es defectuosa y es un prototipo ENTONCES revisar diseño.

g. SI la pieza es defectuosa y es una producción en curso ENTONCES revisar los datos

del proceso realizado y buscar desvíos.

h. SI la pieza es defectuosa y es una producción en curso y no se encuentran desvíos en el

proceso ENTONCES revisar materiales utilizados.

i. SI la temperatura del metal es más alta que la solicitada ENTONCES el tiempo de

llenado es menor.

j. SI la pieza es defectuosa y es una producción en curso y se encuentran desvíos en el

proceso ENTONCES se solicita a los operadores respetar los requisitos ya definidos.

1.1.4. Interpretación

Se busca poner en evidencia y consolidar las reglas implícitas, estrategias y planes

utilizados por el experto en el curso de su razonamiento.

de 155



El experto fija una estrategia inicial:

a. Determinar el método de análisis necesario y proceder con este.

b. Determinar la familia del defecto.

c. Estudiar características puntuales de la pieza:

i. Aspecto de la superficie del defecto.

ii. Color del defecto.

iii. Forma del defecto.

iv. Tamaño del defecto.

v. Cantidad de defectos.

vi. Distribución de los defectos.

vii. Ubicación del defecto.

viii. Posición del defecto.

d. Reconocer tipo de pieza (prototipo o producción en curso).

Luego de estos pasos el experto es capaz de determinar las posibles causas del defecto,

por lo tanto, procede a realizar una investigación para confirmar la causa.

Si es una pieza de tipo prototipo, revisa el diseño. Si es una pieza que se produce

normalmente (producción en curso) revisa que se haya cumplido el proceso, siempre teniendo

en cuenta las posibles causas que se obtuvieron anteriormente.

1.2. Emparrillado

La técnica consiste esencialmente en un test de clasificación complejo en el cual se decide

una lista de elementos en base a un conjunto de características. Cada característica se define

como una dimensión de escala interna que extrae la similitud de un conjunto de elementos y la

diferencia de este conjunto de elementos de los otros. Los datos generados por cada sujeto se

introducen en una tabla bidimensional (parrilla) en la cual existe una columna por cada

elemento y una fila por cada característica. Cada intersección fila-columna en la tabla contiene

un valor indicando cómo una característica dada se aplicó a un elemento particular.

Una vez completada la parrilla se realizan los cálculos propuestos por el método.

Finalmente, se obtienen como resultado dos gráficos, uno mostrando la relación entre los

elementos y el otro entre las características. Gracias a estos gráficos podemos corroborar con

de 155



ayuda del experto que los conocimientos adquiridos son correctos, hacer un refinamiento del

problema y, a veces, encontrar asociaciones no consideradas anteriormente.

Hay tres tipos principales de parrillas:

a. Evaluativa. En la cual se define una escala de valores de 0 a N (N puede ser cualquier

valor entero mayor al límite inferior) y a cada combinación de elemento-característica

se asigna un valor dependiendo qué tanto cumpla ese elemento con esa característica.

b. Dicotómica. Sólo se utilizan valores binarios dependiendo si el elemento posee o no esa

característica.

c. Clasificatoria. Donde se asigna para cada uno de los n elementos un valor entre 1 y n

dependiendo del orden lógico que tenga esa característica.

Para este caso en particular se utilizó la parrilla evaluativa con un rango de 0 a 10 para la

familia de defectos “Cavidades”. Sin embargo, debido a dificultades en cuanto a la

cuantificación numérica de ciertas características, no todas fueron consideradas, y los

resultados, si bien fueron positivos cuando se validaron con el experto, no otorgaron mayores

beneficios. Por estos motivos se decidió no realizar este método en las restantes familias de

defectos. Cabe aclarar que la idea del método no apunta a corroborar todo el conocimiento

adquirido, sino que propone evaluar determinados conocimientos en los que se tengan dudas o

se noten irregularidades. No se explica con detalle el método, ya que este no es el propósito del

apartado, sino validar las diferencias entre cada elemento y cada característica con el Experto.

Aclarados estos puntos se procede con el método en cuestión.

1.1.1 Análisis de elementos

Diseño de la parrilla

TABLA XII: Parrilla Evaluativa con valores de entrada

Características B-111 B-112 B-113 B-121 B-122 B-123 B-124 B-212 B-221 B-311

C1 0 0 2 0 5 0 5 10 10 10

C2 10 7 0 0 0 10 10 0 10 10

C3 10 10 0 0 0 10 10 0 10 10

C4 2 4 4 6 6 4 4 6 8 0

C5 10 10 10 10 0 10 5 0 0 10

C6 10 3 3 7 0 10 7 0 0 10

de 155



TABLA XIII: Referencia entre nomenclatura y característica

Referencia Características

C1 Aspecto de superficie

C2 Color

C3 Acabado de la superficie

C4 Tamaño

C5 Distribución

C6 Cantidad

TABLA XIV: Referencia entre código y nombre de cada elemento

Referencia Elemento

B-111 Sopladuras pinholes

B-112 Sopladuras

B-113 Sopladuras por escoria

B-121 Sopladuras superficiales

B-122 Sopladura por ángulo vivo

B-123 Pinhole de superficie

B-124 Rechupe disperso

B-212 Rechupe en ángulos o bordes

B-221 Rechupe interno o ciego

B-311 Micro rechupe

A continuación, se realizan las matrices de distancia para elementos por valores mínimos.

Cada iteración realizada se representa en una nueva tabla, hasta llegar al final del método, donde

se obtiene un único valor.

TABLA XV: Distancia calculada entre elementos primera iteración

B-111 B-112 B-113 B-121 B-122 B-123 B-124 B-212 B-221 B-311

B-111 12 31 27 49 2 15 54 36 12

B-112 19 23 37 10 17 42 30 24

B-113 8 18 29 32 23 45 39

B-121 22 25 32 27 49 39

B-122 47 34 5 27 51

B-123 13 52 34 14

B-124 39 21 17

B-212 22 46

B-221 28

B-311

de 155



TABLA XVI: Distancia calculada entre elementos segunda iteración

111-123 B-112 B-113 B-121 B-122 B-124 B-212 B-221 B-311

111-123 10 29 25 47 13 52 34 12

B-112 19 23 37 17 42 30 24

B-113 8 18 32 23 45 39

B-121 22 32 27 49 39

B-122 34 5 27 51

B-124 39 21 17

B-212 22 46

B-221 28

B-311

TABLA XVII: Distancia calculada entre elementos tercera iteración

111-123 B-112 B-113 B-121 122-212 B-124 B-221 B-311

111-123 10 29 25 47 13 34 12

B-112 19 23 37 17 30 24

B-113 8 18 32 45 39

B-121 22 32 49 39

122-212 34 22 46

B-124 21 17

B-221 28

B-311

TABLA XVIII: Distancia calculada entre elementos cuarta iteración

111-123 B-112 113-121 122-212 B-124 B-221 B-311

111-123 10 25 47 13 34 12

B-112 19 37 17 30 24

113-121 18 32 45 39

122-212 34 22 46

B-124 21 17

B-221 28

B-311

TABLA XIX: Distancia calculada entre elementos quinta iteración

111-123-112 113-121 122-212 B-124 B-221 B-311

111-123-112 19 37 13 30 12

113-121 18 32 45 39

122-212 34 22 46

B-124 21 17

B-221 28

B-311

de 155



TABLA XX: Distancia calculada entre elementos sexta iteración

111-123-112-311 113-121 122-212 B-124 B-221

111-123-112-311 19 37 13 28

113-121 18 32 45

122-212 34 22

B-124 21

B-221

TABLA XXI: Distancia calculada entre elementos séptima iteración

111-123-112-311-124 113-121 122-212 B-221

111-123-112-311-124 19 34 21

113-121 18 45

122-212 22

B-221

TABLA XXII: Distancia calculada entre elementos octava iteración

111-123-112-311-124 113-121-122-212 B-221

111-123-112-311-124 19 21

113-121-122-212 22

B-221

TABLA XXIII: Distancia calculada entre elementos novena iteración

111-123-112-311-124-113-121-122-212 B-221

111-123-112-311-124-113-121-122-212 21

B-221

de 155



Árbol de distancia entre elementos

Figura 12: Distancia entre elementos 9

1.2.1. Análisis de características

A continuación, se realizan las matrices de distancia para características. Al igual que con

el análisis de elementos, cada iteración realizada se representa en una nueva tabla, hasta llegar

al final del método, donde se obtiene un único valor.

TABLA XXIV: Tabla Complementada 10

Características B-111 B-112 B-113 B-121 B-122 B-123 B-124 B-212 B-221 B-

311

NO C1 10 10 8 10 5 10 5 0 0 0

NO C2 0 3 10 10 10 0 0 10 0 0

NO C3 0 0 10 10 10 0 0 10 0 0

NO C4 8 6 6 4 4 6 6 4 2 10

NO C5 0 0 0 0 10 0 5 10 10 0

NO C6 0 7 7 3 10 0 3 10 10 0

9 Este gráfico muestra la diferencia que hay entre elementos. Un número mayor representa una diferencia más notoria entre

un elemento y otro. En la conclusión del método se da una explicación más detallada. 10 Se construye con los valores complementarios de las características para cada elemento.

de 155



TABLA XXV: Distancia entre características

C1 C2 C3 C4 C5 C6

C1 49 52 36 73 58

C2 51 3 57 38 27

C3 48 97 60 35 30

C4 44 37 40 61 50

C5 17 62 65 31 19

C6 32 67 70 26 75

TABLA XXVI: Distancia entre características por valores mínimos primera iteración

C1 C2 NO C3 NO C4 NO C5 NO C6

C1 49 48 36 17 32

C2 3 37 38 27

C3 40 35 30

C4 31 26

C5 19

C6

TABLA XXVII: Distancia entre características por valores mínimos segunda iteración

C1 C2 NOC3 NO C4 NO C5 NO C6

C1 48 36 17 32

C2 NOC3 37 35 27

C4 31 26

C5 19

C6

TABLA XXVIII: Distancia entre características por valores mínimos tercera iteración

C1 NOC5 C2 NOC3 NO C4 NO C6

C1 NOC5 35 31 19

C2 NOC3 37 27

C4 26

C6

TABLA XXIX: Distancia entre características por valores mínimos cuarta iteración

C1 NOC5 NOC6 C2 NOC3 NO C4

C1 NOC5 NOC6 27 26

C2 NOC3 37

C4

de 155



TABLA XXX: Distancia entre características por valores mínimos quinta iteración

C1 NOC5 NOC6 NOC4 C2 NOC3

C1 NOC5 NOC6 NOC4 27

C2 NOC3

Árbol de Distancia entre características

Figura 13: Distancia entre características 11

1.3. Conclusión

Luego de obtener los resultados de la parrilla de elementos se realizó un árbol de

distancias mínimas. Se analizó esta información y se programó una reunión con el experto para

enseñarle los resultados y así poder validarlos. A partir de esto se le indicó al experto que hay

dos grandes conjuntos de elementos que se parecen más entre sí, lo cual al experto le pareció

correcto. Por otro lado, confirmó que tanto los elementos B-111 y B-123, como así también el

B-122 y B-212 poseen en la práctica ciertos rasgos que hacen que se parezcan entre sí, pudiendo

ser similares. Con respecto a las características, los resultados obtenidos permiten concluir que

existe principalmente una relación entre colores negruzcos y acabado de superficie brillante, y

otro grupo formado por superficies de aspecto liso, distribuciones azarosas y cantidad

muchísimas, lo cual también fue aceptado por el experto.

11 Este gráfico muestra la relación que hay entre características. Un número bajo, representa una relación fuerte entre características. En la conclusión del método se da una explicación más detallada.

de 155



2. Conceptualización de Conocimientos

Esta es la segunda etapa de la fase de la metodología IDEAL. Su principal objetivo es

entender el dominio del problema y la terminología usada en el mismo, que nos permite formar

un “mapa mental” del dominio de la aplicación haciendo explícitos los conceptos y relaciones

claves. Otro objetivo importante de esta etapa es ordenar los conocimientos que surgieron en la

anterior, los cuales no estaban totalmente estructurados. Estos conocimientos se pueden dividir

en tres tipos:

a. Fácticos, los que están relacionados con la descripción de los objetos conceptuales,

especifican lo que es o se cree que es.

b. Tácticos, estos conocimientos están vinculados con las relaciones entre objetos

conceptuales, por ejemplo, las pseudo-reglas que relacionan una o varias condiciones

con una acción.

c. Estratégicos, son los que fijan la secuencia de pasos que el SE deberá seguir para

ejecutar su tarea.

El conocimiento estructurado que obtenemos en esta etapa tiene como ventaja que es

independiente de la posterior implementación y de las herramientas que se vayan a utilizar, de

esta manera, no tenemos que preocuparnos por temas de implementación en etapas tempranas.

Esta etapa es indispensable para poder contemplar todos los conocimientos durante el

desarrollo del sistema y, así, obtener un software de alta calidad. En nuestro caso realizamos la

“tabla Concepto-Atributo-Valor”, el “Modelo Relacional”, el “Árbol de Descomposición

Funcional del problema” y finalmente, la “especificación de pseudo-reglas”. Con estos

productos se logra abarcar los tres tipos de conocimientos mencionados anteriormente.

2.1. Tabla de Concepto-Atributo-Valor

En la siguiente tabla se muestran todos los conceptos que se tienen en cuenta para el

desarrollo del SE considerando las tres familias de defectos que abarcan el alcance de

Castingware, con sus respectivos atributos y los posibles valores que pueden tomar. Este

producto es fundamental ya que es nuestro marco para el desarrollo del sistema. Si luego de la

implementación del sistema se introducen nuevos conceptos, también se deberán añadir a esta

tabla.

de 155



TABLA XXXI: Concepto-Atributo-Valor (CAV) 12


Cavidad

Aspecto

Liso

Dendrítico

Rugoso

Color

Negruzco

Amarronado

Rojizo

Dorado

Plateado

Acabado Mate

Brillante

Forma

Irregular alargada

Irregular redonda

Irregular cuadrada

Cilíndrica alargada

Cilíndrica corta

Cónica

Esférica

Redondeada

Tamaño

Pequeño (menor a 4mm)

Mediano (4mm a 7mm)

Grande (mayor a 7mm y menor a 15mm)

Muy grande (mayor a 15mm)

Cantidad

Una

Pocas (entre 2 y 5)

Muchas (entre 6 y 10)

Muchísimas (más de 10)

Distribución

Única

Alineadas rectas

Alineadas circulares

Azarosa

Ubicación

Semi-molde superior

Superficie definida por noyo o lado sobre

Semi-molde inferior

No definida (dispersas en zonas)

En toda la pieza

12 Para facilitar la lectura, se repite el encabezado de la tabla en cada hoja.

de 155




Posición

En la superficie

Subsuperficial

Próximas a enfriadores

Sobre un vértice interior

En el centro del espesor

Sobre ataques de colada

Intersección de secciones a 90°

Próximas cuello de montante

Dentro del cuello del montante

Discontinuidad

Estado En bruto de colada

Luego del tratamiento térmico

Forma Sinuosa

Rectilínea

Espesor

Muy apretada

Apretada

Abierta

Muy abierta

Profundidad

Pasante

No pasante (entre 8% y 99% del espesor

Superficial (hasta 8% del espesor)

Raíz

Aguda

Redondeada

Sin raíz

Camino

Perpendicular a la superficie

Paralelo a la superficie

Oblicuo a la superficie

Color

Negruzco

Ocre

Dorado

Plateado

Aspecto

Sin grano

Grano fino

Grano dendrítico (concoidal)

Grano grueso

Ubicación

Dentro de ataque de colada

Próxima a ataque de colada

Próxima a encuentros de secciones diferentes

Por el cuello del montante

de 155




Próxima a enfriadores

Entre enfriadores

Indistinta

Otros puntos calientes

Pieza

Incompleta

Cumplió con la

forma buscada en

algún momento

Si

No

Tipo de

incompletitud

Fractura

Faltante

Tamaño del faltante

Pequeño

Grande

No aplica

Ubicación faltante

Solo en esquinas

Dispersa

En la cara superior

No aplica

Aspecto de la cara

superior

Con bordes redondeados

Con bordes definidos (plano recto)

Con zona central deprimida (tipo olla)

No aplica

Tipo de fractura

De la pieza

De partes de la pieza

No aplica

Aspecto de la

fractura

Oxidada

No oxidada

No aplica

Diagnóstico Subfamilia

B-111: Sopladuras pinholes

B-112: Sopladuras

B-113: Sopladuras por escoria

B-121: Sopladuras superficiales

B-122: Sopladura por ángulo vivo

B-123: Pinhole de superficie

B-124: Rechupe disperso

B-211: Rechupe abierto o externo

B-212: Rechupe en ángulos o bordes

B-213: Rechupe por noyo

B-221: Rechupe interno o ciego

B-222: Rechupe central

B-311: Micro-rechupe

C-111: Grietas en frío

C-121: Grietas en caliente

de 155




C-211: Fisura en frío

C-221: Fisura en caliente

C-222: Fisura por temple

C-311: Colado frío

C-321: Colada interrumpida

C-331: Colado frío no fusión de insertos

C-411: Fractura concoidea

C-412: Corrosión intergranular

E-111

E-112

E-121

E-122

E-123

E-124

E-125

E-211

E-221 E-231

Causa

Humedad en los materiales de inoculación

Tenor de Aluminio en el metal (ref. menor a

0.02%)

Humedad en la masa de moldeo y su permeabilidad

Elementos carbonáceos en la masa de moldeo

Fase de secado de la pintura, tanto en base

agua como alcohol, no terminada

Posible exceso de aglomerante

Noyos sin salidas de aires o respiraderos a la atmósfera

Falta de limpieza de enfriadores/soportines

Condensación de humedad sobre

enfriadores/soportines (puede darse por

colocar partes frías y calientes dentro del

molde)

Enfriadores con superficies porosas o agrietamiento superficial en la cara de

contacto con el metal colado

Metal no limpio (asegure la limpieza del metal antes de volcarlo en el molde puede

usar atrapa escorias, son provistos por

muchos proveedores).

de 155




Reacciones no deseadas entre el metal y los

revestimientos de hornos y cucharas o partes

del molde

Molde no limpio antes del ensamble definitivo (aspire preferentemente)

Llenado turbulento

Temperatura incorrecta

En hierro: relación magnesio/azufre menor a 4

Gas atrapado en los sistemas de salida de aire, principalmente en las partes más altas del

semi-molde superior

Temperatura de llenado baja

Llenado lento y turbulento

Baja permeabilidad del molde

Posible exceso de aglomerante o compactación

Acumulación de pintura sin secar

Material extraño, grumos de aglomerante, falta de homogeneidad en el mezclado del material

del molde

Posibles partes húmedas no deseadas en el molde

Temperatura de llenado baja y turbulenta

Baja permeabilidad del semi-molde superior

Cuchara de llenado húmeda

Sistema de alimentación inadecuado (revisar distribución de alimentadores, posibles zonas

aisladas de alimentación)

En acero: sistema de alimentación inadecuado

(revisar distribución de alimentadores,

posibles zonas aisladas de alimentación)

Alta temperatura de llenado

Desbalance de la composición química

Inoculación ineficiente

Falta de direccionalidad de la solidificación

Sistema de alimentación inadecuado (revisar distribución de alimentadores, revisar el

módulo de enfriamiento de alimentadores y

revisar el aporte de metal de cada alimentador)

Desbalance de la composición química (para fundición de hierros C.E bajo)

Falta de rigidez del molde

Pobre condición metalúrgica del metal

de 155




Falta de inoculación

Tiempo desde la inoculación al llenado demasiado prolongado “Fading”

Si usa camisas aislantes o exotérmicas para los montantes, revisar su calidad

Diseño de pieza inadecuado, noyo demasiado fino para la sección de metal que lo rodea

(punto caliente)

En hierro nodular: Auto-compensación de

alimentación desequilibrado (rigidez del

molde, calidad metalúrgica del metal,

temperatura de llenado, inoculación)

En hierro gris: Alto contenido de nitrógeno en el metal

Manipulación en: desmoldeo, rebaba, acopio, traslado, granallado, tamboreo, etc.

Manipulación en caliente de la pieza (tiempo

de desmoldeo escaso)

Molde/noyo demasiado duro, elevada cantidad de aglomerante

Compactado de la arena de moldeo en exceso

Aglomerante con alta resistencia en caliente

Diseños de encuentros de forma inadecuados

Muy baja temperatura de llenado

Diseños de pieza con cambios de secciones muy abruptas

Falta de redondeo en los encuentros de

secciones

Material del molde/noyo con baja colapsabilidad

En fundición de acero, alto valor de fósforo (mayor a 0.03)

En fundición de hierro, excesiva cantidad de

carburos en la matriz (alta contracción inicial)

Alta velocidad de enfriamiento

Alta velocidad de calentamiento

Transformación de matriz (primordialmente martensítica)

Falta de temperatura en el colado

Muy baja velocidad de llenado

Colada interrumpida

Insertos con falta de limpieza (oxidados)

de 155




Para fundición de acero: Elevado nivel de

nitrógeno y muy alta temperatura de colada

Para fundición de acero: Exceso de tiempo en tratamiento térmico de alta temperatura

Alta temperatura de colada

Diseño inadecuado de pieza por falta de redondez en los ángulos, formación de puntos

calientes (efecto punta)

Metal frío al momento de llenado

Acumulación de pintura de molde solo en vértices

Modelo desgastado por erosión

Mala reparación del molde

Acumulación de pintura por mala aplicación

Modelo deteriorado

Metal oxidado (baja fluidez al momento de

llenado)

Falta de un sistema de salida de gases

Insuficiente cantidad de metal líquido en cuchara

Interrupción del llenado por error del operador

Interrupción del llenado por pérdida de metal

Muy baja velocidad de llenado por sección insuficiente de los ataques de llenado

Nivel de la balsa de llenado (basín) próxima o por debajo de la altura de la pieza

Fuga del metal una vez completo el llenado

Falta de sello entre los semi-moldes

Presión metalostática vence el sello de los semi-moldes

Pared de molde lateral rota

Exceso en la remoción de metal por efecto de

granallado

Temperatura y tiempo de tratamiento térmico elevados

Golpes durante el desmoldeo

Traslado de la pieza descuidado

Dimensiones incorrectas de los ataques de colada o salidas de gases

Ubicación incorrecta de los ataques de colada o salidas de gases

de 155




Manipulación desde las salidas de gases o

ataques de colada durante el desmoldeo

Retiro de salida de gases o ataques de colada por medio de golpes sin entallar por amolado

la zona de corte

Desmoldeo prematuro de la pieza (a alta temperatura)

Diseño de pieza que acumula altas tensiones internas

Contracciones impedidas por materiales del

molde

2.2. Modelo Relacional

El modelo relacional representa la manera en la que se ven ciertas relaciones relevantes

entre conceptos. Al emplear este método, pretendemos describir gráficamente el modelo mental

que el experto tiene sobre el problema. Es importante que las visiones del experto y el I.C.

coincidan.

Figura 14: Modelo Relacional

de 155



2.3. Árbol de descomposición funcional del problema

Ilustra cómo puede descomponerse la tarea del SE en pasos modulares.

Figura 15: Descomposición funcional para familia Cavidad

Figura 16: Descomposición funcional para familia Discontinuidad

Figura 17: Descomposición funcional para familia Pieza Incompleta

de 155



2.4. Especificación de Pseudo-reglas

Dada la cantidad de pseudo-reglas y su longitud, sólo exponemos en este documento un

ejemplo de pseudo-regla de cada familia de defectos. Si el lector desea consultar una no

incluida, puede dirigirse al Anexo III, donde se encuentra la totalidad de las mismas.

2.4.1. Familia Cavidad

Estado de la

regla Texto de la regla

Nombre de la

regla R-B-111

Palabras del

experto

Si se observan muchísimas cavidades con forma redondeada de tamaño

pequeño o mediano, distribuidas en forma aleatoria a lo largo de toda la

superficie de la pieza. Y si sus superficies son lisas de color plateado y

brillantes entonces estamos frente a un defecto de la subfamilia

sopladuras pinholes.

Formulación

externa de la

regla

SI Aspecto es Liso y

Color es Plateado y

Acabado es Brillante y

Forma es Redondeada y

Tamaño es Pequeño o Mediano y

Cantidad es Muchísimas y

Distribución es Azarosas y

Ubicación es En toda la pieza y

Posición es En la superficie

ENTONCES Subfamilia es B-111: Sopladuras pinholes y

Causas son

1. Humedad en los materiales de inoculación

2. Tenor de Aluminio en el metal (ref menor a 0.02%)

3. Humedad en la masa de moldeo y su permeabilidad

4. Elementos carbonáceos en la masa de moldeo

5. Fase de secado de la pintura, tanto en base agua como alcohol, no

terminada

6. Posible exceso de aglomerante

7. Noyos sin salidas de aires o respiraderos a la atmosfera

de 155



2.4.2. Familia Discontinuidad

Estado de la


Nombre de la

regla R-C-111

Palabras del

experto

Si el estado de la pieza es en bruto de colada o luego del tratamiento

térmico y se observan grietas rectilíneas en ubicaciones indistintas, muy

abiertas en espesor, de profundidad pasante, y raíz aguda. Y además el

camino de las grietas es perpendicular a la superficie y en su interior se

puede observar que la pared de la grieta es de color plateado y el aspecto

de la pared es granulado fino estamos frente a un defecto de la subfamilia

Grieta en Frío.

Formulación

externa de la

regla

SI

Estado es En bruto de colada o Luego del tratamiento térmico y

Forma es Rectilínea y

Espesor de la grieta es Muy abierta y

Profundidad es Pasante y

Tipo de raíz Aguda y

Camino es Perpendicular a la superficie y

Color de pared es Plateado y

Aspecto de pared es Grano fino y

Ubicación es Indistinta

ENTONCES Subfamilia es C-111: Grietas en frío y

Causas son

1. Manipulación en: desmoldeo, rebaba, acopio, traslado, granallado,

tamboreo, etc.

2.4.3. Familia Pieza Incompleta

Estado de la


Nombre de la

regla R-E-111

Palabras del

experto

Si la pieza en ningún momento del proceso cumplió con su forma y se ven

solo las esquinas incompletas (o sea un faltante), con una forma

redondeada y el desvío es pequeño en comparación con el tamaño de la

pieza se puede decir que es un E-111, en cuanto al aspecto de la cara

superior debe ser con bordes redondeados, pero no es necesario para

identificar el defecto.

de 155



Formulación

externa de la

regla

SI Cumplió con la forma buscada en algún momento: No

Tipo de incompletitud: Faltante

Tamaño del faltante: Pequeño

Ubicación faltante: Solo en esquinas

Aspecto de la cara superior: No aplica o Con bordes redondeados

Tipo de fractura: No aplica

Aspecto de la fractura: No aplica

ENTONCES Subfamilia es E-111:

Causas son

1. Metal frío al momento de llenado

2. Muy baja velocidad de llenado

3. Acumulación de pintura de molde solo en vértices

4. Modelo desgastado por erosión

5. Baja permeabilidad del molde

3. Formalización de conocimientos

3.1. Introducción

Con la etapa de conceptualización de conocimientos termina el trabajo de modelización

del problema desde el punto de vista del usuario. A continuación, se procede con la

formalización de esos conocimientos, cuyo objetivo es la modelización del problema, esta vez

desde el punto de vista del sistema. Al final de esta etapa se deberán tener:

Los conocimientos representados mediante algún formalismo de representación y

organizados en bases de conocimientos.

Las técnicas de inferencia.

Los mecanismos de control del razonamiento y conocimientos.

Para el desarrollo de esta etapa hay tres tipos de opciones principales, sea cual sea la

opción, permitirá representar los conocimientos formalmente. Sin embargo, unos formalismos

son más adecuados que otros para representar ciertos tipos de conocimientos y el I.C. deberá

seleccionar con precaución cual se adapta mejor. No se considera relevante dar una explicación

extensa de cada uno, por este motivo, sólo se presentará una explicación breve y luego se

proporcionará una descripción más extensa de la alternativa elegida.

de 155



3.1.1. Formalismos basados en conceptos

Representan las principales clases y entidades del dominio, sus propiedades y posibles

valores. Las técnicas más conocidas son los Marcos y las ternas Objeto-Atributo-Valor.

3.1.2. Formalismos basados en relaciones

Centran su atención en las relaciones que aparecen entre los conceptos o entidades del

dominio. Los más importantes son las Redes Semánticas, la Lógica y la Teoría de la

Dependencia Conceptual.

3.1.3. Formalismos basados en acciones

Describen los conocimientos del dominio como un conjunto de acciones básicas. Los

principales son los Sistemas de Producción y los Guiones.

3.2. Tipo de formalización

Dado que la tarea que abarca Castingware puede verse como transiciones de un estado a

otro dentro de un espacio de problemas, se ha considerado que la formalización mediante un

Sistema de Producción (SP) es la alternativa más adecuada. Esta es una de las técnicas más

utilizadas para expresar formalmente los conocimientos de un dominio y está formada por una

base de hechos (BH), una base de reglas (BR) y la estrategia de control (EC).

La base de hechos o memoria de trabajo almacena información sobre la tarea y las metas

a alcanzar. La base de reglas está formada por un conjunto de reglas, las cuales se componen

de dos partes: un antecedente (condición) y un consecuente (acciones a realizar si se cumple la

condición). Por lo tanto, por cada regla que se cumpla, se ejecutará una acción, por ejemplo,

dar un resultado al usuario, pedir más datos, etc. Finalmente, la estrategia de control es el

mecanismo que examina la base de hechos y determina la regla que se ejecuta.

De esta manera, el estado actual de la tarea se almacena en la BH. En este caso, se

almacenará un defecto perteneciente a una familia particular, con todas sus características

completas, por ejemplo, una cavidad con su tamaño, distribución, color, etc. Además,

Castingware posee una BR definida en el Capítulo III: Análisis Técnico, sección 2.4

“Especificación de pseudo-reglas”, con sus reglas representadas en un lenguaje de

programación. Una vez que el mecanismo de control detecta un cambio en la BH, se recorren

de 155



todas las reglas de la BR que aplican a ese hecho. En este caso particular, todas las reglas que

aplican a la familia Cavidad, y si alguna de ellas se cumple se dispara su parte de consecuente,

creándose un diagnóstico con la subfamilia y posibles causas del defecto. Cada uno de estos

componentes se explica en detalle en el Anexo II.

3.3. Sistema de producción

En la actualidad hay una gran cantidad de opciones en cuanto a lenguajes de programación

para sistemas expertos; CLIPS, JESS, Drools y SWI-Prolog son algunos ejemplos. En el caso

de Castingware se decidió utilizar CLIPS, dado que se disponía de experiencia previa en el uso

del mismo, sumado a que es una alternativa totalmente gratuita y tiene librerías disponibles para

conectarse con aplicaciones JAVA (lenguaje con el cual también disponíamos de experiencia).

Finalizamos esta etapa con los entregables mencionados al principio de la misma. Los

conocimientos representados en CLIPS se pueden consultar en el archivo con extensión “clp”

que se encuentra junto al código fuente del software. Las técnicas de inferencia y los

mecanismos de control del razonamiento y conocimientos son controlados por CLIPS.

4. Arquitectura del prototipo

4.1. Introducción

En la actualidad la integración entre sistemas es algo indispensable para el desarrollo de

software. Nos permite modularizar nuestros sistemas, permitiendo que estos resuelvan

problemas específicos de forma independiente. Al desarrollar sistemas modulares relativamente

pequeños, favorecemos en gran medida a la adaptación ante cambios, los cuales son muy

comunes y, además, promueve el crecimiento horizontal de los sistemas. De esta forma, si se

necesita una nueva funcionalidad no contemplada en el inicio del sistema, sólo se la deberá

desarrollar e integrar con el resto de los módulos, sin afectarlos.

Hoy en día las empresas tienden a arquitecturas de micro-servicios. Este enfoque se basa

en desarrollar una aplicación como una serie de pequeños servicios, cada uno ejecutándose de

forma autónoma y comunicándose con el resto. La mayoría de estas aplicaciones proveen sus

servicios mediante APIs REST como, por ejemplo, los servicios que ofrece Twitter, YouTube,

Google, etc. ya que es el estándar más lógico y eficiente.

de 155



Castingware no debe ser la excepción de esta tendencia, y por este motivo no sólo se

desarrolló una interfaz web para los usuarios, sino que también se ofrece un conjunto de

servicios REST, permitiendo el uso completo de la aplicación y la integración con otros

sistemas.

4.2. Alcance técnico de la solución

En el Capítulo II se especificó el Alcance de la solución con un enfoque de negocio

orientado a la problemática en sí, y evitando dar detalles técnicos de implementación, ya que

ese no era el objetivo. Por este motivo, en este apartado detallamos más técnicamente qué se

incluye en este proyecto y qué no, sin repetir lo especificado en el alcance del Capítulo II.

Se incluye:

Sitio web con las siguientes funcionalidades:

o Diagnosticar defectos de familias Cavidad; Discontinuidad; Pieza

Incompleta.

o Consultar Registro de Operaciones, que guarda las operaciones realizadas

por un determinado usuario.

o Consultar documentación de la API.

o Enviar peticiones de forma interactiva a la API.

API con las siguientes funcionalidades:

o Listar familias de defectos implementadas, con sus características y posibles

valores.

o Diagnosticar defectos de familias Cavidad; Discontinuidad; Pieza

Incompleta.

o Consultar Registro de Operaciones, que guarda las operaciones realizadas

por un determinado usuario.

o Consultar documentación de la API.

No se incluye:

Validación de usuarios.

ABM de usuarios.

de 155



Con respecto a los usuarios, dado que esta versión no ofrece la creación ni validación de

los mismos, los identificamos a partir de una dirección de email. Esta dirección es utilizada para

poder generar el Registro de Operaciones.

4.3. Diagrama de contexto

El siguiente diagrama de alto nivel permite ver que entidades externas pueden interactuar

con Castingware y de qué forma.

Figura 18: Diagrama de contexto

4.4. Definición de vistas

Se empleará el conocido modelo de vistas “4+1” del cual solo se incluyen las vistas de

Caso de Uso, Desarrollo y Física, considerando que las mismas son las que proveen mayor

valor. En cuanto a los diagramas, no se utiliza la notación UML, sino distintos tipos de

diagramas sin una notación en particular, con el objetivo de que sea más amigable y fácil de

comprender para el lector. De todas formas, los diagramas más relevantes se encuentran en

notación UML en el Anexo IV. A continuación, se detalla el alcance y contenido de cada una

de las vistas:

I. Vista de Caso de Uso

a. Audiencia: usuarios finales, desarrolladores.

b. Área: describe el conjunto de escenarios más críticos para la aplicación.

c. Artefactos: Diagrama de Casos de Uso, descripción de Casos de Uso.

de 155



II. Vista de Desarrollo

a. Audiencia: desarrolladores.

b. Área: describe la organización de los subsistemas, cantidad de capas, interfaces

y dependencias.

c. Artefactos: Diagrama de alto nivel de arquitectura, descripción por capa,

Diagrama de clases informal.

III. Vista Física

a. Audiencia: desarrolladores, equipo de deployment.

b. Área: representa el mapeo entre el software y el hardware.

c. Artefactos: Diagrama de vista física.

4.5. Objetivos Arquitectónicos

Las elecciones arquitectónicas fueron hechas considerando los siguientes objetivos:

Simple expansión de funcionalidades en el sistema.

Adaptabilidad ante cambios en la base de conocimientos.

Simple y rápida integración de sistemas externos con Castingware.

4.6. Vista de Caso de Uso

Las funcionalidades más críticas dentro de Castingware son Diagnóstico, Documentación

y el Registro de Operaciones.

Figura 19: Diagrama de Casos de Uso

de 155



Solicitar Diagnóstico

El usuario WEB completa su email, ingresa a la página de Diagnosticar, selecciona la

familia de defectos correspondiente, completa todas las características solicitadas en el

formulario (las cuales cambian según la familia) y solicita el diagnóstico haciendo click en

“Diagnosticar”. El sistema muestra el resultado del diagnóstico y lo asienta en el Registro de

Operaciones.

El usuario API hace una solicitud a la API, enviando en la misma su dirección de email

y una familia de defectos con todas sus características completas. El sistema responde con un

archivo JSON que contiene el resultado del diagnóstico y lo asienta en el Registro de

Operaciones.

Solicitar API Docs

El usuario WEB ingresa a la página de Documentación. El sistema muestra toda la

documentación de la API autogenerada.

El usuario API hace una solicitud de la documentación a la API. El sistema responde con

un archivo JSON con toda la documentación de la API autogenerada.

Solicitar Registro de Operaciones

El usuario WEB completa su email e ingresa a la página de Registro de Operaciones. El

sistema muestra una tabla con todas las operaciones realizadas por ese usuario.

El usuario API hace una solicitud del Registro de Operaciones, enviando en la misma su

dirección de email. El sistema responde con todas las operaciones realizadas por ese usuario.

4.7. Vista de Desarrollo

La arquitectura de Castingware considera principalmente la fácil integración con otros

sistemas. Como resultado, posee una API REST que brinda todos los servicios de la aplicación

a cualquier sistema y, además, al portal web propio para que los usuarios finales puedan acceder

a los servicios mediante una interfaz

de 160



4.7.1. Diagrama de arquitectura de alto nivel

Figura 20: Diagrama de Arquitectura de alto nivel

de 160



Capa de Inferencias

Se encuentra el Motor de Inferencias y la Base de Conocimientos, es decir, todo lo

relacionado al Sistema Experto en sí. La herramienta utilizada es CLIPS, e internamente está

compuesto por cada una de las partes que tiene un SE, descriptas anteriormente. Se comunica

con el módulo de Web App para procesar las peticiones y con la Base de Conocimientos, en la

cual se encuentran las reglas y conceptos que utiliza para razonar. Estos conocimientos están

representados con el lenguaje CLIPS en archivos de extensión “.clp”.

La Base de Conocimientos es totalmente transparente a CLIPS y a la Web App, si en la

misma se agregan nuevas reglas o modifican las existentes, no se debe modificar nada en los

módulos restantes para que siga funcionando correctamente. De igual manera, si se agregara

una nueva familia de defectos, no habría que modificar la interfaz, ya que se reconocería la

nueva familia y se generaría el formulario de diagnóstico para la misma de forma automática.

Capa de Aplicación

Aquí es donde encontramos la mayor cantidad de lógica, como las funcionalidades de

logs y conexión entre la API REST y CLIPS.

Utilizamos como lenguaje de programación Java, siendo uno de los más potentes y

utilizados en el mercado, la conexión con CLIPS se logra a través de un JNI (Java Native

Interface), que permite manejar completamente el entorno de CLIPS de forma muy sencilla.

La librería gson, nos sirve para el manejo de JSON en Java, tanto para los logs como para

devolver ciertos objetos a la API. En cuanto a los logs, son registros de los diagnósticos

realizados por los diferentes usuarios.

Capa de API

En esta capa encontramos la definición de los servicios que ofrecemos. Para la misma,

utilizamos Java Jersey, el cual es un framework abierto, que facilita el desarrollo de RESTful

Web Services para APIs JAX-RS.

Finalmente, como creemos que la API es uno de los puntos más importantes de la

aplicación, utilizamos Swagger logrando así una documentación generada automáticamente de

la API en formato JSON, de forma que, si la misma es modificada, la documentación se

actualiza de forma instantánea, evitando así que la documentación quede desactualizada. Por

de 160



este motivo, no incluimos su documentación en el presente documento, pero se puede consultar

en http://castingware.ga/#/docs.

Esta API se comunica tanto con la interfaz web propia como con cualquier otro sistema

que requiera integrarse con Castingware.

Capa de Presentación

Se desarrolló una interfaz web con el objetivo de que cualquier usuario con acceso a

internet y un explorador web pueda acceder a la aplicación. Otros de los motivos por los cual

se optó por crear una aplicación web es la simple integración con aplicaciones RESTful y la

facilidad de acceso que otorga a los usuarios.

En cuanto a las funcionalidades, permite realizar todo lo que provee el back-end. Además,

incluimos una página principal, comentando lo que ofrecemos y un “About”, presentando al

equipo y la historia del proyecto.

En el siguiente diagrama podemos observar que servicio de la RESTful API utiliza cada

archivo HTML de la página web, con su respectiva dirección para accederlo.

Figura 21: Mapeo API – Páginas HTML

Las tecnologías que soportan esta capa y facilitaron su desarrollo son: Swagger UI,

AngularJS y Bulma.

Swagger UI nos permite visualizar de forma sencilla la documentación de la API

generada por Swagger y, además, provee ciertos mecanismos para probar directamente desde

la UI los servicios REST que ofrecemos. De este modo se pueden hacer peticiones REST con

los parámetros necesarios desde la interfaz web.

AngularJS es un framework desarrollado en JavaScript por Google para el desarrollo de

aplicaciones web dinámicas que se ejecuta del lado del cliente (browser). Básicamente permite

extender el lenguaje HTML y así poder definir los componentes de la aplicación y su

comportamiento en forma clara y consistente.

http://castingware.ga/#/docs

de 160



Bulma es un framework de CSS con una gran cantidad de elementos ya definidos,

facilitando así, la creación de la interfaz web a nivel visual.

4.7.2. Diagrama de clases informal

A partir de una segunda explotación del Diagrama de Arquitectura en la parte del back-

end, obtenemos el siguiente diagrama con el objetivo de mostrar como la Web App se comunica

con las demás capas:

Figura 22: Diagrama de clases informal 13

En el mismo podemos ver tres clases principales y un conjunto de clases correspondientes

al modelo en sí, cada una de ellas cumple una función específica.

Recurso: Se encuentran definidos todos los métodos de la API.

Servicio: Le provee a la clase Recurso las respuestas que este le solicita, además

se encarga de generar los Logs de usuarios.

13 Se lo considera informal ya que no se utiliza ninguna notación estándar y además muestra una visión simplificada de las clases, junto con la arquitectura de alto nivel del sistema. Diagrama de Clases UML adjunto en el Anexo IV.

de 160



ClipsEngine: Es la clase que se comunica con CLIPS a través del JNI que proveen,

otorgando los métodos necesarios para realizar los diagnósticos.

Modelo: Son las clases que representan el modelo de esta solución en particular,

referirse al Anexo IV para ver detalladamente cada una de ellas.

4.8. Vista Física

La aplicación será deployada en los servicios de Amazon EC2, utilizando una instancia

del tipo t2.micro, la misma cuenta con 1 GiB de memoria y proporciona un desempeño base de

1 CPU virtual, teniendo la posibilidad de alcanzar ráfagas por encima de ese nivel cuando es

necesario.

4.8.1. Diagrama de arquitectura Física

Figura 23: Diagrama de arquitectura Física

Servidor DNS

El proveedor seleccionado es Freenom, ya que nos permite el registro de nuestro dominio

y el uso de sus servidores DNS de forma totalmente gratuita por 1 año. Con respecto a la

configuración del mismo, es muy sencilla y se hace a través de una interfaz gráfica, requiriendo

de 160



muy poco tiempo para el primer setup. Si bien Freenom no nos especifica un porcentaje de up-

time del servicio, aseguran que el mismo es continuo, ya que utilizan AnyCast, operando con

nodos alrededor del mundo. Los dominios registrados son:

http://castingware.ga

http://castingware.tk

Siendo los mismos registros de tipo “CNAME”, que apuntan a la dirección DNS de la

instancia EC2 que provee Amazon.

Instancia Amazon EC2

El proveedor seleccionado para el servidor es Amazon, no solo porque nos provee sus

servicios por 1 año de forma gratuita, sino que también nos asegura un up-time de mínimo

99.0% y nos permite montar instancias escalables de forma muy sencilla. En cuanto a la

instancia que utilizada, se escogió la t2.micro, la cual tiene especificaciones más que suficientes

para nuestra aplicación.

Las instancias EC2 son instancias de desempeño con ráfagas, significa que proporcionan

un desempeño base de la CPU, pero con capacidad de alcanzar ráfagas por encima del nivel

base. Se utilizan para cargas de trabajo que no usan la CPU por completo de manera frecuente

o constante, pero que en ocasiones necesitan alcanzar ráfagas. Esto es ideal para Castingware,

en donde la mayor parte del tiempo no se utiliza de forma exhaustiva la CPU, pero si cuando se

realiza un diagnóstico. Amazon también provee otros tipos de instancias con CPU dedicada,

pero no son necesarias para Castingware y su costo es mucho mayor.

Además, se debe seleccionar si se contrata la instancia como “Bajo demanda” o

“Reservada”, en el primer caso sólo se cobra por el tiempo de uso que se le da, y en el segundo

caso se cobra un monto fijo por mes, de todas formas, esta decisión es de tipo económica y se

discute en el siguiente capítulo.

El sistema operativo seleccionado es Windows, por el simple hecho de que Clips está

desarrollado en C y requiere utilizar una dll (dynamic-link library) para funcionar.

Se utiliza como servidor HTTP y Servlet Container el Apache Tomcat, debido a que se

integra perfectamente con aplicaciones hechas en Java, es gratuito, multiplataforma y su

comunidad de usuarios es muy amplia, permitiendo un mayor soporte.

http://castingware.ga/

http://castingware.tk/

de 160



Content Delivery Network (CDN)

Un CDN es una red de servidores distribuida globalmente que permite entregar contenido

a sus usuarios de una forma altamente veloz. Para lograr esto, cuando un usuario hace una

solicitud de contenido, el CDN evalúa la velocidad que tiene el usuario con cada servidor de la

red y le entrega el contenido con el servidor más veloz para ese usuario particular. Si se suponen

2 usuarios, el usuario A, que solicita contenido desde Argentina y el usuario B, que solicita

contenido desde Alemania, el CDN les proveerá el contenido desde el servidor más cercano a

su país.

En nuestro caso utilizamos el servicio CDN que provee Cloudinary, para entregarles a los

usuarios las imágenes de los defectos y otros contenidos de una forma eficiente.

de 160



CAPÍTULO IV

Análisis Económico

En este capítulo se desarrolla un análisis económico de la solución, dando a conocer las

principales características del proyecto a través de herramientas como análisis FODA y

Lienzo de Modelo de Negocio. Finalmente, se determinan los costos y precios del servicio

junto con un análisis de Pay-back.

de 160



1. Introducción

Creemos principalmente que, para que un producto tenga éxito, debe llamar la atención

de los clientes potenciales, satisfacer una necesidad puntual y ser accesible para el segmento de

mercado al que apunta.

Castingware satisface una necesidad puntual, no tiene competidores directos y a grandes

rasgos su costo no es alto. Por lo tanto, se asegura que cumplimos dos características de las

mencionadas anteriormente. Sin embargo, uno de los grandes desafíos se presenta cuando

queremos llamar la atención de nuestros posibles clientes, dado que el producto que ofrecemos

no tiene un atractivo visual como, por ejemplo, los conocidos softwares de simulación. De esta

manera, necesitamos llamar la atención de otra forma. Sabemos que el valor de Castingware se

percibe cuando se lo comienza a utilizar en el día a día, y es por este motivo que la mejor

alternativa es ofrecerles a los clientes una versión gratuita para que puedan probarlo.

El modelo de negocios Freemium es el que más se adapta a nuestra necesidad, se basa en

ofrecer servicios básicos de forma gratuita y cobrar por otros más avanzados. Justamente la

palabra Freemium proviene de la contracción entre “free” y “premium”. Con este modelo

logramos atraer por primera vez a los clientes con la versión gratuita, mostrándoles el valor de

Castingware, y al mismo tiempo tenemos la posibilidad de obtener ingresos con los clientes que

utilizan una versión Premium del servicio.

Sin embargo, debemos determinar muchas variables antes de lanzar el servicio Premium,

y por este motivo, comenzamos con un análisis FODA.

2. Análisis FODA

Este análisis muestra la situación actual de una empresa o proyecto, considerando tanto

las características internas del mismo, como las externas que la rodean. Se presenta en forma

de una matriz con cuatro cuadrantes, cada uno representando una de las siguientes

características: fortalezas, debilidades, amenazas y oportunidades. Siendo las dos primeras

características internas del proyecto y las dos restantes, externas al mismo. Bajo este análisis se

pueden determinar las ventajas competitivas y, por lo tanto, el camino a seguir para explotarlas.

A continuación, se explica cada una de las características.

Fortalezas: aspectos positivos internos que diferencian al proyecto en cuestión de

la competencia. Se intenta sacarles el mayor beneficio posible.

de 160



Debilidades: aspectos negativos internos que provocan una posición desfavorable

ante la competencia. Se intenta reducirlas.

Oportunidades: factores externos que resultan positivos, favorables y explotables.

Permiten obtener ventajas competitivas si se las aprovecha.

Amenazas: situaciones del entorno que pueden llegar a atentar contra el proyecto

u organización. Se intenta mitigarlas.

TABLA XXXII: Análisis FODA

Fortalezas Debilidades

Análisis

Interno

Producto único en el mercado

Provee una solución a una necesidad aún no satisfecha que tienen las empresas de

fundición

Recursos humanos y capacidades económicas

menores a otras empresas

Oportunidades Amenazas

Análisis

Externo

Posibilidades de expansión del producto, otorgando nuevas funcionalidades

innovadoras, como estadísticas de defectos,

asistencia personalizada por medio de

expertos, etc.

Resistencia al cambio por parte de los usuarios

(empresas y sus

empleados)

Desarrollo de productos similares por parte de

empresas con mayor

poder adquisitivo

3. Modelo de Negocio

El modelo de negocio Freemium fue popularizado por el capitalista Fred Wilson en el

2006, quien lo describía de la siguiente forma:

"Ofrezca su servicio en forma gratuita, posiblemente apoyado por publicidad, pero tal

vez no, adquiera a muchos clientes gracias al boca a boca, a través de recomendaciones y

referidos, marketing de buscadores, etc., y luego ofrezca servicios pagados de valor añadido o

una versión potenciada de su servicio a su base de clientes." (Fred Wilson, marzo 2006)

El mismo es utilizado por una gran cantidad de compañías en la actualidad como, por

ejemplo, páginas web como LinkedIn o videojuegos online como Guild Wars 2 y The Lord Of

The Rings Online, entre otros. En este modelo se deben definir al menos 2 niveles de servicio,

por ejemplo, un nivel gratuito y otro pago. También se pueden hacer más divisiones con el fin

de 160



de orientarlas a diferentes segmentos del mercado, ofreciendo de esta forma diferentes niveles

de pago con costos y funcionalidades distintivas entre sí.

Para el desarrollo de este capítulo tendremos en cuenta los siguientes puntos clave,

tratándose cada uno a medida que avancemos en el capítulo.

Valor: El producto gratuito debe dar mayor valor que la competencia. No sólo por

ser gratuito atrae a los clientes.

Precio: Se debe tener en cuenta que los clientes pagos deben soportar todos los

costos, este equilibrio no suele darse desde el principio del lanzamiento.

Conversión: Es el factor entre clientes gratuitos y pagos. Se debe pensar una

estrategia para tener la mayor cantidad de clientes pagos posible.

Feedback: Este modelo puede ser utilizado para validar el servicio, y obtener

opiniones sobre el mismo.

Difusión: el costo de adquisición de nuevos clientes debe ser muy bajo. Como

dice su creador, aprovechar el “boca a boca”.

Costos: deben ser lo más cercanos a costo cero, intentando que un incremento en

los clientes gratuitos no sea una carga para los clientes de pago.

3.1. Diferenciación de Clientes en Castingware

Castingware es un prototipo funcional que actualmente incluye 3 de las 7 familias de

defectos que reconoce el International Atlas of Casting Defects. Teniendo en cuenta que el costo

de su desarrollo fue casi nulo (ya que se realizó para un proyecto sin fines de lucro), que no

tiene competencia directa y que, como mencionamos anteriormente, este modelo de negocio se

puede utilizar para obtener cierto feedback por parte de los clientes, hemos decidido lanzar el

producto con las 3 familias actuales de forma gratuita. Así, al mismo tiempo que obtenemos

feedback sobre sus funcionalidades, desarrollamos las nuevas familias, las cuales necesitarán

un acceso pago para ser utilizadas. Una vez terminado el desarrollo de todas las familias, se

lanzará la versión paga, esperando que los clientes gratuitos quieran probar sus beneficios.

De esta forma, la versión completa de Castingware ofrecerá dos niveles de servicios bien

diferenciados.

Cliente Starter: Es gratuito. Ofrece al usuario una cantidad ilimitada de

diagnósticos mensuales (WEB y API), para las familias de defectos Cavidad,

de 160



Discontinuidad y Pieza Incompleta, sin incluir las restantes familias. Además,

también se ofrece la función de Registro de operaciones.

Cliente Premium: Es pago. Ofrece al usuario el mismo servicio que la versión

Starter, pero ofrece diagnósticos para todas las familias de defectos que se

incluyen en el International Atlas of Casting Defects.

Es importante remarcar que el acceso Premium se otorga a una cuenta en particular, una

misma organización puede requerir de múltiples cuentas si necesita realizar diagnósticos

simultáneos entre más de un usuario.

Esta división de funcionalidades permite llamar la atención de los Clientes con la versión

Starter, pero al mismo tiempo esperamos tener un factor de conversión muy bueno, ya que en

una empresa de fundición se producen defectos de todas las familias, por lo tanto, será necesario

tener la versión Premium para poder diagnosticar todos los defectos y, de esta forma, unificar

su método de diagnóstico.

4. Lienzo de modelo de negocio

Para modelar mejor el negocio descrito anteriormente, utilizamos el Lienzo de modelo de

negocio creado por Alex Osterwalder.

Es un esquema muy sencillo para el desarrollo de nuevos modelos de negocio, o

documentación de los ya existentes. El esquema está dividido en 9 secciones principales y nos

permite ver de forma rápida cómo se compone el negocio. A continuación, se presenta el lienzo

realizado para Castingware y luego se expone una descripción con más detalles de cada sección.

de 160



Figura 24: Lienzo de Modelo de Negocio

de 160



4.1. Alianzas clave

Se refiere a las principales alianzas que se hacen para optimizar y reducir los riesgos de

un modelo de negocio.

Creemos que las alianzas son algo importante para mantenernos a la vanguardia y,

además, para publicitar nuestro producto. Lo ideal es ser aliados de la American Foundry

Society (AFS) para poder obtener soporte en el diagnóstico de defectos y, a su vez, ser

publicitados por esta asociación que es reconocida por la mayoría de las empresas Fundidoras.

Cualquier alianza con empresas Fundidoras reduciría nuestros riesgos, ya que permitiría

obtener un feedback constante sobre los diagnósticos realizados por Castingware siendo así más

sencillo realizar una mejora continua del servicio.

4.2. Actividades clave

Son las actividades internas de la organización, que permiten entregar la propuesta de

valor a los clientes, procesos de producción, etc.

Nuestro servicio se basa en una idea innovadora, creemos que este es el camino a seguir

para desarrollar nuevas funcionalidades. Con respecto a la mejora continua, es algo necesario

en todo producto, y aún más en Castingware. Si los diagnósticos no son certeros, nuestro

servicio pierde toda su utilidad. Por este motivo, es necesario estar siempre pendiente de

corregir los desvíos encontrados por los clientes de forma rápida y precisa.

4.3. Recursos clave

Se detalla la infraestructura necesaria para realizar el negocio, se tienen en cuenta tanto

los recursos físicos, como intelectuales, financieros y humanos.

El principal recurso humano que necesitamos para desarrollar nuestro producto es el

Experto en el diagnóstico de defectos, sin embargo, este recurso es temporal, ya que es

necesario en la etapa de desarrollo del Sistema Experto.

El segundo recurso clave es la infraestructura necesaria para ofrecer el servicio, de todas

formas, hay muchas alternativas para este recurso, en este sentido, no se lo considera crítico.

de 160



4.4. Propuesta de valor

Es el conjunto de servicios que se ofrecen para satisfacer las necesidades de los clientes

y resolver sus problemas, además se especifican las características del producto que lo

diferencian de la competencia.

Si bien la propuesta de valor ya fue mencionada con detalles a lo largo de todo el proyecto,

es importante remarcar que se presenta el producto como algo innovador, sencillo de usar y que

se diferencia totalmente de las tecnologías que actualmente hay en el mercado.

4.5. Relaciones con los clientes

Se identifica el tipo de relación que se quiere crear con el segmento de clientes, para

asegurar la continuidad de los mismos con el producto. Algunas relaciones pueden ser

asistencia personal, self-service, servicios automatizados, etc.

Dependiendo el tipo de cliente se consolida una relación diferente, para los clientes

Starter, se ofrece un servicio Self Service, de forma que no generen mayores costos. En cambio,

para los clientes Premium, se piensa ofrecer en el futuro una asistencia personal a partir de

consultas por email o chat. Con esta estrategia también logramos una tendencia a contratar el

servicio Premium.

4.6. Canales de distribución

Cómo se distribuye el producto para que llegue al cliente y cómo se comunica su

promoción.

Al ser un servicio web no es necesario especificar cómo el producto llega al cliente, pero

si cómo se comunica su promoción, es decir, cómo el cliente conoce el producto por primera

vez. Para su comunicación decidimos realizar email marketing a los potenciales clientes.

Además, como bien aclaramos anteriormente, los productos Freemium pretenden conocerse a

partir del boca en boca.

4.7. Segmento de clientes

Se refiere a qué tipo de clientes apunta el producto, varios grupos de clientes se pueden

segmentar sobre la base de las diferentes necesidades y atributos.

A diferencia de los habituales productos Freemium, Castingware no está enfocado en

satisfacer la necesidad de un mercado amplio, sino más bien a un nicho de mercado, las

de 160



Fundidoras. Además, hacemos una segmentación en dos tipos de clientes, los Starter, que

utilizan parte del servicio de forma gratuita, y los clientes Premium, que tienen el servicio

completo a partir de una suscripción mensual.

4.8. Estructura de costos

Se define el enfoque comercial buscado, ya sea un enfoque dirigido por costos, que se

centra en minimizar los costos o un enfoque dirigido por valor, donde el principal objetivo es

aumentar el valor que se le entrega al cliente. Además, se pueden detallar los costos fijos y

variables de la organización.

En nuestro caso nos centramos en un enfoque dirigido por valor ya que creemos que esta

es la mejor estrategia para retener a nuestros clientes. En cuanto a los costos, se estudian en el

apartado siguiente con más detalle.

4.9. Fuentes de ingresos

Especifica dónde y cómo se obtienen los ingresos para mantener el negocio y lograr un

margen de ganancia.

En el caso de Castingware se obtienen a partir de una tasa de suscripción mensual que

pagan los clientes Premium. Con esos ingresos pensamos cubrir los costos necesarios para

mantener el servicio operativo y a la vez tener una ganancia.

5. Costos

A continuación, se especifican los costos necesarios para agregar las funciones de

diagnóstico de las familias de defectos faltantes y mantener Castingware operativo. Los mismos

se dividirán en diferentes secciones según corresponda para facilitar su análisis. Para realizar el

estudio, es necesario establecer ciertas consideraciones, ya que es imposible predecir los valores

de las variables a futuro como, por ejemplo, la cantidad de usuarios registrados, usuarios

concurrentes, precios futuros, entre muchas otras. Es importante destacar que el costo de

desarrollo hasta el momento no será considerado debido a que se realizó con el fin de cumplir

con el Proyecto Final de Ingeniería y nos permitió lograr un prototipo funcional del sistema.

de 160



Se realizó el análisis con un supuesto de 10 usuarios estables registrados utilizando el

servicio. Por lo general, se estima que la cantidad de usuarios concurrentes 14 es de 5% a 20%

del total de usuarios, pero varía completamente según cada aplicación. Para el análisis

consideramos que como máximo habrá un 20% de ellos utilizando la aplicación al mismo

tiempo, es decir, 2 usuarios, si esta cantidad aumenta, puede ser necesario aumentar los recursos

de hardware y, por lo tanto, el costo para mantener el servicio operativo sube.

Otro supuesto a tener en cuenta es cuántos de estos usuarios pagarán el servicio Premium.

Considerando que una empresa necesita diagnosticar defectos de todas las familias, suponemos

que, en el peor de los casos, solo el 30% de estos usuarios paga la membresía Premium, por lo

tanto, son 7 usuarios Starter y 3 Premium.

5.1. Hosting

Si bien hay una enorme cantidad de servicios de hosting para aplicaciones web, hemos

decidido utilizar Amazon, debido a las ventajas mencionadas en el Capítulo III.

Una de las grandes ventajas que nos proporciona Amazon a la hora de usar sus servicios,

es proveernos el primer año de servicio de forma gratuita, permitiéndonos lanzar el prototipo

funcional ya desarrollado, con el objetivo de atraer clientes Starter sin incurrir en gastos.

El servicio gratuito de Amazon provee una instancia EC2 Bajo Demanda, esto quiere

decir que, una vez finalizado el primer año, se paga por horas de uso y, por lo tanto, el costo

depende de que tanto la aplicación sea utilizada. Dado que Castingware debe estar activa de

forma ininterrumpida los 365 días del año, no es necesario utilizar una instancia bajo demanda,

porque si el uso es continuo (como en este caso), es más costosa que una instancia reservada,

la cual se paga por mes de uso y no por hora como la anterior.

Una instancia “t2.micro” reservada cuesta 0.019 USD por hora, mientras que una bajo

demanda 0.025 USD por hora, esto es un 32% más. Por estos motivos, se utiliza el primer año

la instancia bajo demanda que provee Amazon de forma gratuita, y luego se migra a una

instancia reservada, con un costo mensual de 13.87 USD por mes. Si la cantidad de usuarios

crece, se deberá considerar utilizar una instancia con más potencia, lo que modifica el costo de

la misma.

14 Usuarios que utilizan el sistema al mismo tiempo.

de 160



En conclusión, el costo del hosting es de 13.87 USD mensual, o 167 USD anual, y es

suficiente para soportar los 2 usuarios concurrentes mencionados anteriormente. Considerando

una conversión de 1 USD igual a 16 pesos argentinos obtenemos la siguiente tabla.

TABLA XXXIII: Costo Hosting

Moneda Costo mensual Hosting Costo anual Hosting

Dólar 13.87 167

Peso Argentino 222 2664

5.2. Dominio y DNS

Se decidió utilizar Freenom, una organización que provee nombres de dominio y

servidores DNS de forma gratuita por el primer año de uso. Por lo tanto, podemos continuar

con nuestro objetivo de atraer clientes el primer año, sin incurrir en gastos. Luego de este

período, el costo de mantener el nombre de dominio es de 10 USD anual y el servicio de DNS

sigue siendo gratuito. Se detalla el costo mensual del dominio para facilidad de las posteriores

cuentas, pero el mismo se abona de forma anual.

TABLA XXXIV: Costo Dominio

Moneda Costo mensual del Dominio Costo anual del Dominio

Dólar 0.84 10

Peso Argentino 13.34 160

5.3. Desarrollo de nuevas funcionalidades

Castingware es actualmente un prototipo funcional, y como dijimos anteriormente, para

poder incluir los servicios Premium, hace falta mínimamente incluir todas las familias de

defectos que define el International Atlas of Casting Defects. En total son 7 familias de defectos,

de las cuales restan 4 por desarrollar. Gracias a la arquitectura que tiene actualmente la

aplicación, los desarrolladores no necesitan dedicar demasiado tiempo para agregar nuevas

familias de defectos, pero sí deberán hacerlo el Ingeniero en Conocimiento y el Experto en

defectos de fundición. Por lo tanto, estimamos el tiempo requerido de cada perfil para la

inclusión de las 4 familias restantes, junto con el costo de cada uno en pesos argentinos y

obtenemos un total estimado.

de 160



TABLA XXXV: Costos para nuevas familias de defectos

Perfil Costo por

hora [ARS$]

Tiempo promedio por

familia de defectos [Hs]

Costo total para 4

familias [ARS$]

Experto Metalúrgico 350 25 35000

Ing. en Conocimiento 250 30 30000

Desarrollador back-end 150 15 9000

Desarrollador front-end 150 8 4800

Total 78800

El tiempo estimado por familia de defectos para el experto contempla las horas necesarias

para determinar las características de la familia, con sus posibles valores y la especificación de

pseudo-reglas. El Ingeniero en Conocimiento necesita una mayor cantidad de horas, ya que

debe trabajar a la par con el Experto para poder educir los conocimientos. Necesitando, también,

tiempo extra para ordenar y documentar la información.

El desarrollador back-end cuenta con el tiempo necesario para agregar la familia y sus

reglas al Sistema Experto y verificar que esta funcione correctamente, mientras que el

desarrollador front-end debe adaptar la capa de presentación para la nueva familia.

6. Precio del servicio

Hay diferentes estrategias para calcular el precio de venta de un servicio, siendo estas

estrategias subjetivas y, por lo tanto, no se puede determinar cuál es la correcta a la hora de

elegir una. Las más conocidas son:

El precio de costo incrementado, la cual se basa en fijar el precio igual al costo

más un determinado porcentaje de ganancia.

Precio basado en el valor, se centra principalmente en los clientes y responde a

dos cuestiones importantes, si el cliente puede pagarlo y si va a pagarlo.

En el caso particular de Castingware, en el cual no tenemos una competencia directa,

como punto de comparación, hemos decidido adoptar la estrategia de Precio basado en el valor.

El factor determinante en esta estrategia es la cantidad que los clientes están dispuestos a pagar

en función del valor que se les ofrece, sin embargo, se debe tener en cuenta que no debemos

fijar un precio menor al costo de prestar el servicio.

Nuestro costo fijo mensual, según el estudio de costos realizado anteriormente es de $222

del hosting más $13.34 del nombre de dominio, lo que da un total de $236 mensual. Si

utilizamos la estrategia de precio según costo incrementado, con un margen del 20%,

de 160



tendríamos que cobrar $285 por el servicio, lo que es un número muy pequeño considerando lo

que el cliente puede pagar. Es por esto que evaluamos una cifra más alta, $1000 por mes, y nos

formulamos las preguntas que propone la estrategia del precio basado en el valor.

¿Puede el cliente pagar $1000 por mes?

Definitivamente. Las empresas fundidoras importantes, que es a quienes apunta

esta aplicación, pueden pagar esta suma sin ningún problema.

¿Pagará el cliente $1000 por mes por el servicio que ofrece Castingware?

Esta pregunta es más subjetiva, y depende de cada cliente, pero creemos que, si

utilizan la versión Starter, definitivamente van a pagar el precio por los beneficios de la

versión Premium.

7. Período medio de maduración

Este período, también conocido como Pay-back nos permite tener una idea aproximada

de cuál será el período necesario para recuperar la inversión realizada, para realizarlo se necesita

saber de forma estimada, cuál serán los ingresos por período.

TABLA XXXVI: Datos utilizados para análisis de pay-back

Inversión inicial [ARS$] 78800

Cantidad de usuarios Premium 3

Precio mensual [ARS$] 1000

Ingresos mensuales [ARS$] 3000

Ingresos anuales [ARS$] 36000

Costos fijos mensuales [ARS$] 236

Costos fijos anuales [ARS$] 2832

Una vez que conseguimos los datos necesarios, completamos la siguiente tabla. El

período se encuentra en años. El flujo de caja representa los ingresos menos los egresos de un

período puntual, mientras que el flujo de caja acumulado contempla todos los períodos

anteriores y el actual.

TABLA XXXVII: Flujos de caja

Período 0 1 2 3

Flujo de caja [ARS$] -81632 33168 33168 33168

Flujo acumulado [ARS$] -81632 -48464 -15296 17872

de 160



A simple vista ya podemos ver que en el tercer período el flujo de caja acumulado es

positivo, esto quiere decir que recuperamos nuestra inversión inicial. Para obtener un valor más

preciso del momento en que recuperamos la inversión utilizamos la siguiente fórmula.

𝑃𝑒𝑟í𝑜𝑑𝑜 𝑑𝑒 𝑃𝑎𝑦𝑏𝑎𝑐𝑘 = (Ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑐𝑜𝑛 𝐹𝑙𝑢𝑗𝑜

𝐴𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑜 𝑁𝑒𝑔𝑎𝑡𝑖𝑣𝑜 ) +

𝑉𝑎𝑙𝑜𝑟 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑑𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝐹𝑙𝑢𝑗𝑜 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜

𝑉𝑎𝑙𝑜𝑟 𝑑𝑒𝑙 𝑓𝑙𝑢𝑗𝑜 𝑑𝑒 𝑐𝑎𝑗𝑎

𝑒𝑛 𝑒𝑙 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑝𝑒𝑟í𝑜𝑑𝑜

𝑃𝑒𝑟í𝑜𝑑𝑜 𝑑𝑒 𝑃𝑎𝑦𝑏𝑎𝑐𝑘 = (2) +15296

33168

𝑃𝑒𝑟í𝑜𝑑𝑜 𝑑𝑒 𝑃𝑎𝑦𝑏𝑎𝑐𝑘 = 2.46

Esto quiere decir que en 2.46 años (29 meses) se recuperará la inversión, considerando el

peor escenario de mantener el precio de $1000 mensuales y sólo 3 usuarios Premium.

8. Retorno de la Inversión

El Retorno de la Inversión (ROI) es un indicador que nos permite cuantificar que tan

rentable es una inversión, de esta forma, podemos comparar los ROI de diferentes inversiones

y saber cuál dará un mejor resultado. Las variables que se tienen en cuenta para su cálculo son:

inversión, ingresos y tiempo transcurrido. Con respecto a la fórmula, se utiliza la siguiente:

𝑅𝑂𝐼 =(𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 − 𝑖𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 )

𝑖𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛 ∗ 100

En nuestro caso se realiza el cálculo de ROI considerando dos períodos, el período A, que

abarca 1 año luego de la inversión, y el período B, que abarca 3 años después de la misma.

TABLA XXXVIII: Datos utilizados para análisis de ROI

Inversión inicial [ARS$] 78800

Ingresos período A [ARS$] 33168

Ingresos período B [ARS$] 99504

de 160



8.1. ROI del período A

𝑅𝑂𝐼(𝐴) =(33168 − 78800 )

78800 ∗ 100

𝑅𝑂𝐼(𝐴) = −58%

8.2. ROI del período B

𝑅𝑂𝐼(𝐵) =(99504 − 78800 )

78800

𝑅𝑂𝐼(𝐵) = 26.27%

8.3. Conclusiones

Una vez realizadas los cálculos anteriores, podemos observar que el ROI del período A

es negativo, esto quiere decir que no se producen ganancias en el primer año, como ya se había

mostrado en el análisis de pay-back. En cambio, en el período B, tenemos un ROI de 26.27%,

revelando así, ganancias con respecto a la inversión realizada. Otro punto importante es que

hay una gran diferencia de ROI entre los dos períodos (31,73%), lo que denota que la inversión

produce ganancias significativas a largo plazo.

Cómo aclaración final, se debe tener en cuenta que la cantidad de clientes Premium se

mantuvo en 3 para todos los cálculos, siendo este el peor escenario posible, si se considerara un

aumento en la cantidad de clientes, el ROI aumentaría significativamente.

de 160



CAPÍTULO V

Pruebas y Conclusiones

En este capítulo se detallan las distintas pruebas que se realizaron sobre Castingware.

También se indican las limitaciones y dificultades encontradas junto con las conclusiones

finales sobre el desarrollo de este proyecto y el producto final obtenido, destacando las

ventajas y desventajas que presenta. Finalmente, se exponen los posibles trabajos futuros para

mejorar y expandir Castingware.

de 160



1. Pruebas

En esta sección se detallan las pruebas funcionales y no funcionales que se realizaron en

el producto.

1.1. Pruebas funcionales

A lo largo del proyecto se fueron realizando múltiples pruebas funcionales con diferentes

alcances. Por un lado, pruebas por parte de los desarrolladores tanto sobre el código como sobre

la interfaz, comprobando de esta forma que el sistema se comporte como fue documentado por

el Ingeniero en Conocimiento. Por otro lado, se realizaron las llamadas User Acceptance

Testing (UAT), que son pruebas llevadas a cabo por el usuario para validar que el

comportamiento del sistema era el buscado por este.

En el primer tipo de pruebas surgieron ciertos errores los cuales se fueron solucionando

sin inconvenientes para lograr una aplicación totalmente funcional. También se detectaron

ciertas mejoras en cuanto a la usabilidad de la aplicación, la mayoría de ellas fueron

implementadas. De todas formas, el producto puede seguir perfeccionándose.

Una vez que se corrigieron todos los errores detectados, se realizaron los UAT por parte

del experto. A continuación se detallan algunos de los UAT realizados utilizando el lenguaje

estructurado Gherkin, el cual se basa en describir las pruebas a partir de escenarios

independientes, redactados en un lenguaje natural pero utilizando ciertas palabras clave, las más

utilizadas son “Dado”, “Cuando” y “Entonces”.

1.1.1. Escenarios UAT

Escenario: Elegir familia de defectos a diagnosticar

Dado que entro a la página principal de Castingware

Cuando me dirijo a la sección de Diagnosticar

Entonces tengo que poder seleccionar la familia de defectos a diagnosticar, entre:

Cavidad

Discontinuidad

Pieza Incompleta

de 160



Escenario: Características solicitadas de Pieza Incompleta válidas

Dado que quiero diagnosticar un defecto de la familia Pieza Incompleta

Cuando me dirijo a la sección de Diagnosticar Pieza Incompleta

Entonces se me solicita ingresar las siguientes características:

Cumplió con la forma buscada en algún momento

Tipo de incompletitud

Tamaño del faltante

Ubicación faltante

Aspecto de la cara superior

Tipo de fractura

Aspecto de la fractura

Escenario: Diagnóstico de Pieza Incompleta válido


Cuando ingreso los siguientes valores:

Cumplió con la forma buscada en algún momento: “Si”

Tipo de incompletitud: “Fractura”

Tamaño del faltante: “No aplica”

Ubicación faltante: “No aplica”

Aspecto de la cara superior: “No aplica”

Tipo de fractura: “De la pieza”

Aspecto de la fractura: “Oxidada”

Entonces obtengo el diagnóstico, indicando un defecto tipo E-231, y sus posibles causas

Y la operación es guardada en la sección de Registro de Operaciones

Escenario: Diagnóstico de Pieza Incompleta inválido


Cuando ingreso los siguientes valores:

Cumplió con la forma buscada en algún momento: “Si”

Tipo de incompletitud: “Fractura”

Tamaño del faltante: “Pequeño”

de 160



Ubicación faltante: “No aplica”

Aspecto de la cara superior: “No aplica”

Tipo de fractura: “De la pieza”

Aspecto de la fractura: “Oxidada”

Entonces obtengo un mensaje de subfamilia no definida

Y la operación es guardada en la sección de Registro de Operaciones

Escenario: Visualización del Registro de Operaciones

Dado que quiero revisar mi historial de Operaciones

Cuando me dirijo a la sección de Registro de Operaciones

Entonces veo todas mis operaciones realizadas, incluyendo los datos ingresados y el

Diagnóstico obtenido

Escenario: Exportación del Registro de Operaciones

Dado que quiero exportar mi historial de Operaciones

Cuando me dirijo a la sección de Registro de Operaciones

Entonces tengo la opción de exportar todo mi Registro de Operaciones

1.1.2. Resultados obtenidos

Todos los UAT tuvieron resultados exitosos, y la percepción del experto sobre la

aplicación fue muy positiva, solamente se encontraron algunas mejoras de usabilidad como que

al momento de hacer click en “Diagnosticar”, se debe reiniciar la posición de la pantalla a la

parte superior de forma automática para poder visualizar el diagnóstico más facilmente.

Luego de las pruebas UAT con el experto, se solicitó a empleados de FSC que utilicen la

aplicación para obtener un feedback más amplio. El resultado de estas pruebas fue muy

provechoso y nos permitió entender cuál era la mayor problemática de ellos al utilizar el

sistema: les costaba obtener una clasificación a partir de las características ingresadas,

obteniendo en múltiples ocasiones un diagnóstico de “Familia no definida”. Si bien esto es

factible en la realidad, en estos casos la aplicación no provee un consejo o ayuda para poder

diagnosticar el defecto. Creemos que la imposibilidad de identificar un defecto se debe

principalmente a dos causas:

Algunas reglas no han sido definidas por el experto.

de 160



La subjetividad de algunas características, como el color que dependiendo la persona

puede ser interpretado de forma diferente.

Gracias a este feedback podemos priorizar las tareas a futuro que se deben cumplir para

mejorar el actual prototipo de Castingware.

1.2. Pruebas no funcionales

Se realizaron pruebas no funcionales a partir de herramientas que analizan la aplicación

web y la puntúan indicando los principales problemas que tiene. En base a las pruebas se

realizaron una gran cantidad de correcciones, logrando así aumentar la puntuación hasta casi el

100%. Un ejemplo de estas herramientas es gtmetrix.com, con la cual hoy en día tenemos la

siguiente puntuación:

Figura 25: Resultados de pruebas con gtmetrix

Para llegar a estos resultados tuvimos que aplicar las mejoras que la herramienta propone,

como habilitar la compresión gzip, comprimir los “.css” y “.js”, optimizar imágenes, entre otras

recomendaciones. El reporte completo puede visualizarse desde gtmetrix.com pasando el sitio

castingware.ga para ser analizado por cualquier usuario.

Otra de las herramientas que utilizamos para medir la performance de nuestra aplicación

es website.grader.com que si bien sus consejos sobre la performance no son tan detallados como

gtmetrix.com, provee también un análisis SEO y Mobile sobre los cuales también se hicieron

mejoras. El Search Engine Optimization (SEO) es el proceso técnico mediante el cual se

realizan cambios en la estructura e información de una página web, con el objetivo de mejorar

la visibilidad del mismo en los resultados de los diferentes buscadores web.

de 160



Figura 26: Resultados de pruebas con grader

En cuanto a las pruebas Mobile, se analiza que la página sea adaptativa respondiendo así

a los diferentes tamaños de pantalla. Para realizar estas pruebas no sólo se utilizó este sitio, sino

que también se realizaron múltiples pruebas manuales con las herramientas que provee Google

Chrome y diferentes dispositivos. Los resultados se consiguieron gracias al uso de un

framework CSS adaptativo llamado Bulma y, además ajustar manualmente algunos elementos

que no se adaptaban de forma automática a los diferentes tamaños de pantalla.

Con respecto al SEO, las pruebas y mejoras se basaron principalmente en las métricas de

esta herramienta. Las mejoras incluyen la creación un sitemap.xml, la inclusión de una “meta

description” y mejorar los títulos de las páginas.

Con respecto a la seguridad de la aplicación, la mejora propuesta por este sitio es

únicamente incluir un certificado SSL. De todos modos, no fue implementado dado que no se

encontraba dentro del alcance del prototipo.

El reporte completo puede visualizarse desde website.grader.com pasando el sitio

castingware.ga para ser analizado por cualquier usuario.

2. Monitoreo

Otra sección que creemos importante es el monitoreo y, si bien no son pruebas

propiamente dichas, se encuentra vinculado en cierto aspecto con estas. El monitoreo da la

posibilidad de detectar problemas y solucionarlos.

de 160



Tenemos dos herramientas principales de monitoreo, cada una con fines diferentes. Por

un lado, el monitoreo técnico de los servidores que se hace a partir de la consola de Amazon, y

por el otro el monitoreo del uso de la aplicación que se hace a partir de Google Analytics.

2.1. Monitoreo Amazon

Nos permite visualizar todos los recursos del servidor de forma sencilla y rápida, como

el uso de memoria, disco, etc. Además de darnos la posibilidad de crear alarmas personalizables

para saber si el servidor esta caído o si se está consumiendo algún recurso en exceso. Gracias a

esta herramienta en una ocasión se detectó la caída del servidor de Amazon, una vez que se

restauró el servidor nuestra aplicación no había iniciado ya que no estaba corriendo como un

servicio. Para evitar que esto vuelva a ocurrir, instalamos nuestra aplicación como un servicio

que se inicie automáticamente con el servidor de Amazon.

A continuación, se pueden ver los gráficos de monitoreo básicos que provee Amazon.

Figura 27: Gráficos de monitoreo de Amazon

2.2. Monitoreo Google Analitycs

Esta herramienta nos permite tener una visión global del tráfico de usuarios en la

aplicación, mostrando datos como la ubicación desde donde se accedió, duración de la estadía

en el sitio, la forma en que ingresó a la aplicación (si fue por un buscador o de forma directa),

entre otros.

de 160



Gracias a la misma podemos saber que tanto está siendo utilizada nuestra aplicación y

medir cómo las campañas de marketing impactan en la cantidad de usuarios que tiene

Castingware.

A continuación, se pueden ver los gráficos que provee Google Analitycs para el mes de

junio, en el cuál tuvimos 22 usuarios.

Figura 28: Gráficos de monitoreo con Google Analitycs

3. Conclusiones del Proyecto

Desde el primer momento que surgió la idea de realizar este proyecto nos sentimos

entusiasmados debido a su carácter innovador y poco convencional, pero al mismo tiempo

factible de desarrollar. Lo más importante es que satisfacía una necesidad aún no explotada y

que es compartida por un conjunto de empresas de una industria particular, promoviendo que

sea un producto ciertamente útil.

A lo largo del desarrollo se intentó poner atención en cada detalle, para que finalmente el

usuario pueda incluirlo en su proceso, utilizarlo de forma natural y realizar su trabajo con mayor

de 160



precisión y rapidez. Creemos que logramos totalmente este cometido tanto en el aspecto técnico

como económico. En cuanto al aspecto técnico, los diagnósticos son casi instantáneos para el

usuario y además permite la integración con sistemas propios. Mientras que, en lo económico,

el costo de mantenimiento en cuanto a infraestructura es muy bajo y esto permite ofrecer el

servicio a un bajo precio sin dejar de lado la calidad.

Con respecto a los conocimientos que maneja el sistema experto, y siendo este uno de los

puntos más importantes para que el sistema sea realmente útil, consideramos que deben seguir

siendo mejorados constantemente. Si bien dedicamos la mayor parte del tiempo a este tema, y

la documentación así lo demuestra, es difícil lograr que el sistema sea lo más objetivo posible

y estructurar perfectamente los métodos y conceptos para que todos los usuarios los entiendan.

Un ejemplo concreto es el de las características y sus valores, quizás para el experto con el que

desarrollamos el sistema es obvio cuando, por ejemplo, el color de una cavidad es negruzco,

pero quizás otra persona ve un color amarronado o, con respecto a la forma, u otros atributos

que pueden llegar a ser subjetivos según la persona que hace el análisis.

Dadas estas condiciones, creemos que es necesario perseguir dos objetivos. En primer

lugar, las empresas que utilizan el sistema deben capacitar a sus usuarios en el uso de

Castingware, principalmente para que entiendan correctamente cada característica y valor

solicitado al realizar un diagnóstico. En segundo lugar, por nuestra parte debemos seguir

mejorando los conocimientos del sistema, y la mejor forma de hacerlo, es a partir del feedback

que proveen los usuarios que utilizarán Castingware día a día.

4. Trabajos Futuros

El prototipo funcional de Castingware es sólo el principio de un conjunto de herramientas

posibles para el diagnóstico de defectos metalúrgicos. Las aplicaciones que se pueden

desarrollar para este ámbito son innumerables y dependen de la creatividad de cada persona,

nosotros listamos a continuación las que creemos más importantes tanto para completar este

prototipo como para expandir y mejorar sus funcionalidades.

de 160



4.1. Tareas a desarrollar

Consideramos a las primeras cuatro tareas fundamentales para que Castingware pase de

ser un prototipo funcional a una aplicación terminada, sin embargo, hay otros trabajos a futuro

que incrementarían el valor de la aplicación y harían que fuera aún más innovadora.

4.1.1. Gestión de Usuarios

Es imprescindible para que la aplicación funcione como fue analizado en el capítulo

anterior la posibilidad de gestionar usuarios, y con esto nos referimos a poder darlos de alta,

validarlos de forma segura y otorgarles permisos según corresponda.

4.1.2. Módulo de Pago

Al ofrecer un servicio pago es necesario integrar un módulo que permita a los usuarios

contratar el servicio Premium y gestionar su suscripción, desde la misma página de Castingware

para mayor comodidad. No es algo difícil de lograr, pero si necesario.

4.1.3. Grupos de Usuarios

Supongamos que una misma empresa necesita realizar diagnósticos Premium de forma

concurrente por diferentes usuarios, por lo tanto, necesita tener más de una cuenta. Administrar

los pagos de cada cuenta de forma separada puede ser tedioso para el cliente, por este motivo,

debería ofrecerse un grupo de usuarios para el mismo cliente que gestione el pago desde un solo

lugar para todos ellos, permitiéndole también visualizar sus Registros de Operaciones y

actividad, entre otras.

4.1.4. Implementación de familias de defectos restantes

Esta es una de las tareas más importantes para que Castingware pase a ser un producto

terminado, la implementación de las restantes 4 familias de defectos, tarea que fue analizada en

el capítulo anterior.

4.1.5. Estadísticas de Diagnósticos

Un módulo interesante para implementar es el de estadísticas, a partir de los Registros de

Operaciones, Castingware podría informar al usuario que tantos defectos diagnosticó, de qué

de 160



tipo, advertir los más recurrentes, o quizás hasta permitir al usuario que pueda construir sus

propios indicadores y advertencias. El valor que aporta esta funcionalidad es invaluable, ya que

las empresas realizan investigaciones más profundas de los defectos que son recurrentes, y no

de los que suceden esporádicamente. Castingware, en este caso, informaría sobre en qué

defectos se debe hacer foco y sobre cuáles no.

4.1.6. Asistencia para Diagnóstico

Uno de los problemas que se pueden presentar al realizar un diagnóstico por medio de

Castingware, es que el usuario no esté familiarizado con las características que debe completar

y como resultado del diagnóstico no obtenga ninguna subfamilia de defectos, para estos casos,

sería útil asistirlo, indicando qué subfamilia es la más cercana a los valores que introdujo y

cuáles de estos valores son los que no concuerdan con la regla para esa subfamilia particular.

4.1.7. Consulta de Efectividad

Para lograr el feedback que necesitamos, una de las opciones es preguntar a los usuarios

del sistema, por medio del sitio web y de forma automática, si el diagnóstico obtenido fue

efectivo o no, si definió bien la subfamilia, si las posibles causas lo ayudaron a remediarlo, etc.

Es importante aclarar que estas preguntas no se deben realizar en el 100% de los diagnósticos,

ya que sería demasiado tedioso para los usuarios, por este motivo, se debe definir un porcentaje

de ocurrencia de las preguntas, sin que sea excesivo pero que al mismo tiempo permita recaudar

suficiente información.

4.1.8. Reconocimiento Automático de Características

Una de las opciones para automatizar totalmente el diagnóstico de estos defectos, es

integrar nuestro sistema con otro, de forma que, dado un defecto reconozca de forma automática

las características necesarias para realizar el diagnóstico. Por ejemplo, el sistema que reconoce

las características debería tener una cámara que determine el color, forma, ubicación, etc. Una

vez detectada cada característica, enviarla a Castingware para que diagnostique el defecto. Si

bien ya es una tarea mucho más avanzada y complicada, creemos que es posible.

de 160



4.1.9. Soporte al cliente

Integrar una funcionalidad de soporte para los clientes Premium desde la web, por

ejemplo, un chat online sería algo muy sencillo y permitiría dar una diferenciación más entre

los clientes Starter y Premium. Si bien la tarea no es difícil, requiere de un empleado dedicado

a esta tarea, y el costo de mantener la aplicación aumentaría.

4.1.10. Mejora continua

Como mencionamos en la conclusión, la mejora continua es algo indispensable, tanto

para Castingware como para cualquier sistema, es por este motivo que lo incluimos en la

sección de trabajos a futuro.

4.2. Notas finales

Mencionados los posibles trabajos a futuro, podemos decir que hay una gran variedad de

alternativas para continuar, algunas sencillas e indispensables, otras más difíciles e innovadoras.

En la actualidad, la Inteligencia Artificial está ganando cada vez más fuerza, y nos abre más

alternativas para la asistencia y automatización. Podemos decir que la creatividad es nuestra

única limitación.

de 160



BIBLIOGRAFÍA

de 160



Ali Ahmed. Software Architecture Document [en línea] [consulta: 1 abril 2017]. Disponible

en: https://es.slideshare.net/ahmali86/software-architecture-document-final

Amazon AWS [en línea] [consulta: 5 abril 2017]. Disponible en: https://aws.amazon.com

ARCHIVES of FOUNDRY ENGINEERING. Expert System for Analysis of Casting

Defects – ESVOD [en línea]. July, 2014, vol 15, no. 1 [consulta: 8 enero 2017]. ISSN

1897-3310. Disponible en: http://www.afe.polsl.pl/index.php/en/3943/expert-system-for-

analysis-of-casting-defects-esvod.pdf

Casting Quality Test Methods. En: AFS INC [en línea] [consulta: 7 enero 2017].

Disponible en: http://www.afsinc.org/content.cfm?ItemNumber=6955

De Simone Remo. THE LATIN AMERICA FOUNDRY INDUSTRY. En: Global Casting

Magazine [en linea]. São Paulo – SP – Brazil. Septiembre 2014 [consulta: 7 enero 2017].

Disponible en: http://www.globalcastingmagazine.com/wp-

content/uploads/2013/08/IFF_2014_Brazil.pdf

Diánez Eduardo J. Mejías. Modelo de Negocio Freemium. En Orientador Web [en línea]

[consulta: 16 abril 2017]. Disponible en: https://www.orientadorweb.com/freemium/

Fundición San Cayetano S.A. [en línea] [consulta: 15 enero 2017]. Disponible en:

http://www.fscnet.com.ar/index.php

Freenom world [en línea] [consulta: 5 abril 2017]. Disponible en:

http://www.freenom.world/

Gómez Asunción, Juristo Natalia, Montes César y Pazos Juan. INGENIERÍA DEL

CONOCIMIENTO. Madrid: Tomás Bretón, 1997. ISBN 84-8004-269-9

GÓRNY, S. KLUSKA-NAWARECKA y D. ILK-KOŁODZIEJCZYK. ATTRIBUTE-

BASED KNOWLEDGE REPRESENTATION IN THE PROCESS OF DEFECT

DIAGNOSIS. En: Instytut Metalurgii i Inżynierii Materiałowej [en línea]. 2010 [consulta:

7 enero 2017]. Disponible en: http://imim.pl/files/archiwum/Vol3_2010/24.pdf

Guía del emprendedor: Cómo hacer un Modelo de Negocio. En Lancetalent [en línea]

[consulta: 16 abril 2017]. Disponible en: https://www.lancetalent.com/blog/guia-del-

emprendedor-modelo-de-negocio/

How to Write an Abstract [en línea]. Pittsburgh, EE. UU: Carnegie Mellon University,

Philip Koopman [actualizada: Octubre, 1997] [consulta: 10 diciembre 2016]. Disponible

en: https://users.ece.cmu.edu/~koopman/essays/abstract.html

https://es.slideshare.net/ahmali86/software-architecture-document-final

https://aws.amazon.com/

http://www.afe.polsl.pl/index.php/en/3943/expert-system-for-analysis-of-casting-defects-esvod.pdf

http://www.afe.polsl.pl/index.php/en/3943/expert-system-for-analysis-of-casting-defects-esvod.pdf

http://www.afsinc.org/content.cfm?ItemNumber=6955

http://www.globalcastingmagazine.com/wp-content/uploads/2013/08/IFF_2014_Brazil.pdf


https://www.orientadorweb.com/freemium/

http://www.freenom.world/en/faq.html

http://www.imim.pl/

http://imim.pl/files/archiwum/Vol3_2010/24.pdf

https://www.lancetalent.com/blog/guia-del-emprendedor-modelo-de-negocio/

https://www.lancetalent.com/blog/guia-del-emprendedor-modelo-de-negocio/

http://www.ece.cmu.edu/~koopman

https://users.ece.cmu.edu/~koopman/essays/abstract.html

de 160



International Journal of Engineering Research & Technology (IJERT). Identification of

Casting Defects by Computer Simulation - A Review [en línea]. Aug. 2013, vol 2, no. 8

[consulta: 8 enero 2017]. ISSN 2278-0181. Disponible en:

http://www.academia.edu/6065083/Identification_of_Casting_Defects_by_Computer_Sim

ulation_A_Review

Kumar P. Sathish, Ramesh A., Gokul M.. PRESENT APPROACHES FOR ANALYSIS

OF CASTING DEFECTS: A REVIEW [en línea]. May, 2016, vol 11, no. 9 [consulta: 8

enero 2017]. ISSN 1819 - 6608. Disponible en:

http://www.arpnjournals.org/jeas/research_papers/rp_2016/jeas_0516_4237.pdf

Leyton Roger Ucañan. Cálculo del periodo de recuperación de la inversión o payback. En

Gestiopolis [en línea] [consulta: 18 abril 2017]. Disponible en:

https://www.gestiopolis.com/calculo-del-periodo-de-recuperacion-de-la-inversion-o-

payback/

Loaiza Roberth Paul. Vistas Arquitectónicas Ingenieria de Software [en línea] [consulta: 1

abril 2017]. Disponible en: https://es.slideshare.net/rploaiza/vistas-arquitectonicas-

ingenieria-de-software

Lozano Alejandro. Cómo calcular la rentabilidad de una inversión. En Asesor Financiero

Personal [en línea] [consulta: 19 abril 2017]. Disponible en:

https://www.asesorfinancieropersonal.com/como-calcular-la-rentabilidad/

Mane V. V., Sata Amit y Khire M. Y.. New Approach to Casting Defects Classification

and Analysis Supported by Simulation. En: Foundry Informatics Centre [en línea]

[consulta: 9 enero 2017]. Disponible en: http://www.foundryinfo-

india.org/tech_section/pdf/TS-3A-I.pdf

Metallurgy [en línea]. © 2017 [consulta: 5 enero 2017]. Disponible en:

http://www.metallurgy.com/

Precios de las instancias reservadas de Amazon EC2. En Amazon AWS [en línea] [consulta:

18 abril 2017]. Disponible en: https://aws.amazon.com/es/ec2/pricing/reserved-

instances/pricing/

Purdy Mark y Daugherty Paul. INTELIGENCIA ARTIFICIAL, EL FUTURO DEL

CRECIMIENTO [en línea]. Accenture 2016 [consulta: 20 marzo 2017]. Disponible en:

http://www.academia.edu/6065083/Identification_of_Casting_Defects_by_Computer_Simulation_A_Review

http://www.academia.edu/6065083/Identification_of_Casting_Defects_by_Computer_Simulation_A_Review

http://www.arpnjournals.org/jeas/research_papers/rp_2016/jeas_0516_4237.pdf

https://www.gestiopolis.com/calculo-del-periodo-de-recuperacion-de-la-inversion-o-payback/

https://www.gestiopolis.com/calculo-del-periodo-de-recuperacion-de-la-inversion-o-payback/

https://es.slideshare.net/rploaiza/vistas-arquitectonicas-ingenieria-de-software

https://es.slideshare.net/rploaiza/vistas-arquitectonicas-ingenieria-de-software

https://www.asesorfinancieropersonal.com/como-calcular-la-rentabilidad/

http://www.imim.pl/

http://www.foundryinfo-india.org/tech_section/pdf/TS-3A-I.pdf

http://www.foundryinfo-india.org/tech_section/pdf/TS-3A-I.pdf

http://www.metallurgy.com/

https://aws.amazon.com/es/ec2/pricing/reserved-instances/pricing/

https://aws.amazon.com/es/ec2/pricing/reserved-instances/pricing/

de 160



https://www.accenture.com/t00010101T000000__w__/es-es/_acnmedia/PDF-

16/Accenture_Inteligencia_artificial_el%20futuro%20del_crecimiento_esp.pdf

Quintanar Tomás León. SISTEMAS EXPERTOS Y SUS APLICACIONES [en línea].

México, Pachuca de Soto, 2013 [consulta: 20 febrero 2017]. Disponible en:

https://es.slideshare.net/uni_fcys_sistemas/sistemas-expertos-y-sus-aplicaciones

Remo De Simone. THE LATIN AMERICA FOUNDRY INDUSTRY. En: Global Casting

Magazine [en linea]. São Paulo – SP – Brazil. Septiembre 2014 [consulta: 7 enero 2017].

Disponible en: http://www.globalcastingmagazine.com/wp-

content/uploads/2013/08/IFF_2014_Brazil.pdf

Russell, Stuart y Norvig, Peter. Artificial Intelligence: a Modern Approach. New Jersey,

Englewood Cliff, Prentice Hall, 1995. ISBN 0-13-103805-2.

THE LIBRARY OF MANUFACTURING [en linea] [consulta: 7 enero 2017]. Disponible

en: http://thelibraryofmanufacturing.com

Villena Julio Román, García Raquel M. Crespo y Rueda José Jesús García. Sistemas

Basados en Conocimiento [en línea] [consulta: 20 febrero 2017]. Disponible en:

http://ocw.uc3m.es/ingenieria-telematica/inteligencia-en-redes-de-

comunicaciones/material-de-clase-1/03-sistemas-basados-en-conocimiento

VINAY. S. CASTING QUALITY CONTROL. En: slideshare [en línea]. 2008 [consulta:

7 enero 2017]. Disponible en: https://es.slideshare.net/vins049/casting-quality-control-

presentation

https://www.accenture.com/t00010101T000000__w__/es-es/_acnmedia/PDF-16/Accenture_Inteligencia_artificial_el%20futuro%20del_crecimiento_esp.pdf

https://www.accenture.com/t00010101T000000__w__/es-es/_acnmedia/PDF-16/Accenture_Inteligencia_artificial_el%20futuro%20del_crecimiento_esp.pdf

https://es.slideshare.net/uni_fcys_sistemas/sistemas-expertos-y-sus-aplicaciones



http://thelibraryofmanufacturing.com/

http://ocw.uc3m.es/ingenieria-telematica/inteligencia-en-redes-de-comunicaciones/material-de-clase-1/03-sistemas-basados-en-conocimiento

http://ocw.uc3m.es/ingenieria-telematica/inteligencia-en-redes-de-comunicaciones/material-de-clase-1/03-sistemas-basados-en-conocimiento

https://es.slideshare.net/vins049/casting-quality-control-presentation

https://es.slideshare.net/vins049/casting-quality-control-presentation

de 160



ANEXO I

Análisis de Viabilidad

de 160



1. Dimensión de Plausibilidad

1.1. Dimensión de Plausibilidad - Valores

Denominación de la característica Categoría Dimensión Peso

(P) Tipo Naturaleza Umbral Valor Comentarios

Existen expertos y están disponibles y

son cooperativos Experto P1 10 Esencial Booleana Si (si) Si

Tenemos un experto con más de 30 años de experiencia, a

completa disposición con un gran interés en realizar el sistema.

El experto es capaz de estructurar sus métodos y procedimientos de trabajo

Experto P2 7 Deseable Difusa No Todo El experto es una persona muy estructurada, capaz de describir la tarea de forma ordenada y clara.

La tarea está bien estructurada y se

entiende Tarea P3 8 Deseable Difusa No Todo

La tarea es clara y estructurada, el diagnóstico no se hace bajo incertidumbre. Tenemos un libro a nuestra disposición

describiendo el proceso.

Existen suficientes casos de prueba y

soluciones asociadas Tarea P4 10 Esencial Numérica Si (8) 8 El experto tiene suficientes casos de prueba.

La tarea sólo depende de los

conocimientos y no del sentido común Tarea P5 9 Deseable Numérica No 9

No se resuelve a partir del sentido común sino a través

de conocimientos empíricos.

1.2. Dimensión de Plausibilidad - Cálculos

Denominación de la característica Peso (P) Valores difusos Peso / Valor Peso * Valor

Existen expertos y están disponibles y son cooperativos 10 10,0 10,0 10,0 10,0 1,00 1,00 1,00 1,00 100 100 100 100

El experto es capaz de estructurar sus métodos y procedimientos de trabajo 7 7,8 8,8 10,0 10,0 0,90 0,80 0,70 0,70 54,6 61,6 70 70

La tarea está bien estructurada y se entiende 8 7,8 8,8 10,0 10,0 1,03 0,91 0,80 0,80 62,4 70,4 80 80

Existen suficientes casos de prueba y soluciones asociadas 10 8,0 8,0 8,0 8,0 1,25 1,25 1,25 1,25 80 80 80 80

La tarea sólo depende de los conocimientos y no del sentido común 9 9,0 9,0 9,0 9,0 1,00 1,00 1,00 1,00 81 81 81 81

44 5,17 4,95 4,75 4,75 378 393 411 411

VC Plausibilidad 8,55 8,91 9,3 9,3

de 160



2. Dimensión de Justificación

2.1. Dimensión de Justificación - Valores

Denominación de la

característica Categoría Dimensión

Peso


Resuelve una tarea útil y necesaria Tarea J1 8 Deseable Difusa No Mucho La tarea es imprescindible para una empresa del rubro de

fundición, y el SE la simplifica mucho.

Se espera una alta tasa de

recuperación de la inversión

Directivos/

usuarios J2 7 Deseable Numérica No 2

No se hace una inversión importante para realizar el sistema, ni

tampoco reducirá los costos en gran medida.

Hay escasez de experiencia

humana Experto J3 6 Deseable Difusa No Mucho

Hay pocas personas con los conocimientos necesarios para

realizar la tarea y, por lo tanto, escasez de experiencia humana.

Hay necesidad de tomar decisiones

en situaciones críticas o ambientes

hostiles, penosos y, o, poco

gratificantes

Tarea J4 10 Deseable Difusa No Mucho Las decisiones a tomar son críticas ya que se están

diagnosticando defectos en piezas de alto costo.

Hay necesidad de distribuir los

conocimientos Tarea J5 10 Deseable Difusa No Mucho

Se deben distribuir los conocimiento para reducir la posibilidad

de perderlos.

Los conocimientos pueden

perderse de no realizarse el

sistema

Experto J6 10 Deseable Difusa No Nada Los conocimientos se encuentran en expertos y libros.

No existen soluciones alternativas Tarea J7 8 Esencial Booleana Sí (Si) No Si hay soluciones alternativas.

2.2. Dimensión de Justificación - Cálculos

Denominación de la característica Peso (P) Valores difusos Valoración

Resuelve una tarea útil y necesaria 8 5,6 6,6 7,8 8,8 57,6

Se espera una alta tasa de recuperación de la inversión 7 2,0 2,0 2,0 2,0 14

Hay escasez de experiencia humana 6 5,6 6,6 7,8 8,8 43,2

Hay necesidad de tomar decisiones en situaciones críticas o ambientes hostiles, penosos y, o, poco gratificantes 10 5,6 6,6 7,8 8,8 72

Hay necesidad de distribuir los conocimientos 10 5,6 6,6 7,8 8,8 72

Los conocimientos pueden perderse de no realizarse el sistema 10 0 0 1,2 2,2 8,5

No existen soluciones alternativas 8 0 0 0 0 0

MAX 72

VC Justificación 5,6 6,6 7,8 8,8

de 160



3. Dimensión de Adecuación

3.1. Dimensión de Adecuación - Valores

Denominación de la


Peso


La transferencia de experiencia

entre humanos es factible Tarea AI 7 Deseable Difusa No Mucho

La tarea se puede explicar de forma teórica y demostrar de forma

práctica para transferir la experiencia.

La tarea requiere «experiencia» Tarea A2 10 Deseable Difusa No Mucho La experiencia facilita la detección de los síntomas y su posterior

análisis.

Los efectos de la introducción del

SE no pueden preverse Tarea A3 -2 Deseable Difusa No Regular

Si bien se espera que el SE se utilice en la mayoría de los análisis,

agilizando los tiempos, no sabemos con seguridad cómo va a responder el personal.

La tarea requiere razonamiento simbólico

Tarea A4 5 Deseable Difusa No Mucho Si, ya que se deben conocer conceptos teóricos para poder llevarla a cabo.

La tarea requiere el uso de heurísticas para acotar el espacio

de búsqueda

Tarea AS 7 Deseable Difusa No Poco Las heurísticas no nos pueden ayudar a reducir los tiempos de búsqueda para esta tarea.

La tarea es de carácter práctico y

más táctica que estratégica Tarea A6 8 Deseable Booleana No SI Es meramente práctica.

Se espera que la tarea continúe sin

cambios significativos durante un

largo período de tiempo

Tarea A7 8 Esencial Difusa Sí

(mucho) Todo La tarea se realiza hace años y no hay expectativas de que cambie.

Se necesitan varios niveles de

abstracción en la resolución de la

tarea

Tarea A8 8 Deseable Difusa No Poco No requiere abstracción, se trabaja con características concretas de

la pieza a diagnosticar.

El problema es relativamente

simple o puede descomponerse en subproblemas

Tarea A9 6 Deseable Difusa No Mucho Para el experto el problema es sencillo y es capaz de

descomponerlo en subproblemas.

El experto no sigue un proceso determinista en la resolución

del problema

Experto A10 3 Deseable Booleana No SI El proceso es no determinista, hay ciertas resoluciones más sencillas y directas pero la mayoría requiere análisis de varias

variables y se puede llegar a más de una solución.

La tarea acepta la técnica del

prototipado gradual Tarea A11 8 Deseable Booleana No Si Si se pueden hacer prototipos incrementales de la misma.

El experto resuelve el problema a

veces con información incompleta

o incierta

Experto A12 3 Deseable Difusa No Regular Por lo general, la información está completa.

de 160



Denominación de la


Peso


Es conveniente justificar las soluciones adoptadas

Tarea A13 3 Deseable Difusa No Mucho Es necesario que se explique por qué se llegó a la solución.

La tarea requiere investigación básica

Tarea A14 -10 Esencial Booleana Si (No) No No necesitamos investigar sobre conceptos metalúrgicos.

El sistema funcionará en «tiempo real» con otros programas o

dispositivos

Tarea A15 -6 Deseable Difusa No Poco Este sistema se puede acoplar a una base de datos para registrar las fallas y luego hacer informes sobre las mismas.

3.2. Dimensión de Adecuación - Cálculos

Denominación de la característica Peso

(P) Valores difusos Peso / Valor Peso * Valor

La transferencia de experiencia entre humanos es factible 7 5,6 6,6 7,8 8,8 1,3 1,1 0,9 0,8 39,2 46,2 54,6 61,6

La tarea requiere «experiencia» 10 5,6 6,6 7,8 8,8 1,8 1,5 1,3 1,1 56,0 66,0 78,0 88,0

Los efectos de la introducción del SE no pueden preverse -2 3,4 4,4 5,6 6,6 0,6 0,5 0,4 0,3 -13,2 -11,2 -8,8 -6,8

La tarea requiere razonamiento simbólico 5 5,6 6,6 7,8 8,8 0,9 0,8 0,6 0,6 28,0 33,0 39,0 44,0

La tarea requiere el uso de heurísticas para acotar el espacio de búsqueda 7 1,2 2,2 3,4 4,4 5,8 3,2 2,1 1,6 8,4 15,4 23,8 30,8

La tarea es de carácter práctico y más táctica que estratégica 8 10,0 10,0 10,0 10,0 0,8 0,8 0,8 0,8 80,0 80,0 80,0 80,0

Se espera que la tarea continúe sin cambios significativos durante un largo período de

tiempo 8 7,8 8,8 10,0 10,0 1,0 0,9 0,8 0,8 62,4 70,4 80,0 80,0

Se necesitan varios niveles de abstracción en la resolución de la tarea 8 1,2 2,2 3,4 4,4 6,7 3,6 2,4 1,8 9,6 17,6 27,2 35,2

El problema es relativamente simple o puede descomponerse en subproblemas 6 5,6 6,6 7,8 8,8 1,1 0,9 0,8 0,7 33,6 39,6 46,8 52,8

El experto no sigue un proceso determinista en la resolución del problema 3 10,0 10,0 10,0 10,0 0,3 0,3 0,3 0,3 30,0 30,0 30,0 30,0

La tarea acepta la técnica del prototipado gradual 8 10,0 10,0 10,0 10,0 0,8 0,8 0,8 0,8 80,0 80,0 80,0 80,0

El experto resuelve el problema a veces con información incompleta o incierta 3 3,4 4,4 5,6 6,6 0,9 0,7 0,5 0,5 10,2 13,2 16,8 19,8

Es conveniente justificar las soluciones adoptadas 3 5,6 6,6 7,8 8,8 0,5 0,5 0,4 0,3 16,8 19,8 23,4 26,4

La tarea requiere investigación básica -10 0,0 0,0 0,0 0,0 1 1 1 1 -0,1 -0,1 -0,1 -0,1

El sistema funcionará en «tiempo real» con otros programas o dispositivos -6 1,2 2,2 3,4 4,4 1 1 0,8 0,7 -26,4 -20,4 -13,2 -7,2

58 24,5 17,4 13,7 12,1 414,5 479,5 557,5 614,5

VC Adecuación 4,76 5,8 6,92 7,7

de 160



4. Dimensión de Éxito

4.1. Dimensión de Éxito - Valores



Existe una ubicación idónea para el SE Directivos/Usuarios E1 7 Deseable Difusa No Todo Se utilizará en el sector de inspección.

Problemas similares se han resuelto

mediante INCO Tarea E2 8 Deseable Booleana No No

No encontramos un problema similar resuelto

con este método.

El problema es similar a otros en los que

resultó imposible aplicar esta tecnología Tarea E3 -5 Deseable Booleana No No

No encontramos un problema similar resuelto

con esta tecnología.

La continuidad del proyecto está

influenciada por vaivenes políticos Directivos/Usuarios E4 -9 Esencial Difusa Si (poco) Nada La política no interfiere en este proyecto.

La inserción del sistema se efectúa sin traumas, es decir, apenas se interfiere en

la rutina cotidiana

Directivos/Usuarios E5 8 Deseable Difusa No Todo No debe haber traumas por la inserción del sistema, ya que no reemplaza ni amenaza el

puesto de ningún empleado.

Se dispone de experiencia en INCO Tarea E6 7 Deseable Difusa No Nada Nunca se utilizó INCO.

Se dispone de los recursos humanos, hardware y software necesarios para el

desarrollo e implantación del sistema

Tarea E7 4 Deseable Difusa No Todo Disponemos de todo lo necesario.

El experto resuelve el problema en la

actualidad Experto E8 4 Deseable Difusa No Todo

Si, el experto aún trabaja en este rubro y

resuelve el problema regularmente.

La solución del problema es prioritaria

para la institución Directivos/Usuarios E9 8 Esencial Difusa No Poco No es prioritario.

Las soluciones son explicables Tarea E10 5 Deseable Difusa No Mucho Si, el experto puede explicar cómo llega a la

solución.

Las objetivos del sistema son claros y

evaluables Tarea E11 6 Deseable Difusa No Mucho Se sabe con seguridad que se desea obtener.

Los conocimientos están repartidos entre

un conjunto de individuos Experto E12 -7 Deseable Difusa No Nada

El conocimiento necesario para el desarrollo se

obtendrá del experto y un libro facilitado por él.

Los directivos, usuarios, expertos e IC

están de acuerdo en las funcionalidades del

SE

Directivos/Usuarios E13 4 Esencial Difusa Sí

(mucho) Mucho Todos favorecen el desarrollo del SE.

La actitud de los expertos ante el

desarrollo del sistema es positiva y no se

sienten amenazados por el proyecto

Experto E14 8 Deseable Difusa No Todo El SE les facilita una tarea pero no los

reemplaza.

de 160





Los expertos convergen en sus soluciones

y métodos Experto E15 5 Deseable Difusa No Mucho

Según el experto no hay diferencias de

diagnósticos entre pares.

Se acepta la planificación del proyecto

propuesto por el IC Directivos/Usuarios E16 8 Esencial Booleana Si (Si) Si Si, se acepta.

Existen limitaciones estrictas de tiempo en

la realización del sistema Tarea E17 -6 Deseable Difusa No Nada

No hay tiempos límites para el desarrollo del

SE, ya que es un sistema que complementa y

facilita la tarea actual.

La dirección y usuarios apoyan los

objetivos y directrices del proyecto Directivos/Usuarios E18 7 Esencial Difusa

Sí

(mucho) Todo

Todos están de acuerdo con los objetivos del

proyecto.

El nivel de formación requerido por los

usuarios del sistema es elevado

Directivos

/Usuarios E19 -2 Deseable Difusa No Poco

Se intenta desarrollar el sistema lo más simple

posible.

Las relaciones IC-experto son fluidas Experto E20 4 Deseable Difusa No Todo Sí, hay una buena relación.

El proyecto forma parte de un camino

crítico con otros sistemas Tarea E21 -6 Deseable Booleana No No No se relaciona ni interfiere con otros proyectos.

Se efectuará una adecuada transferencia

tecnológica Directivos/Usuarios E22 8 Esencial Difusa

Sí

(mucho) Mucho

Se logra una adecuada transferencia tecnológica

brindando una capacitación general del sistema

a los usuarios y mostrando casos prácticos.

Lo que cuenta en la solución es la calidad

de la respuesta Experto E23 5 Deseable Booleana No Si

Lo importante es otorgar una respuesta exacta

como lo haría el experto.

4.2. Dimensión de Éxito – Cálculos


Existe una ubicación idónea para el SE 7 7,8 8,8 10,0 10,0 0,9 0,8 0,7 0,7 54,6 61,6 70,0 70,0

Problemas similares se han resuelto mediante INCO 8 0,0 0,0 0,0 0,0 800 800 800 800 0,1 0,1 0,1 0,1

El problema es similar a otros en los que resultó imposible aplicar esta

tecnología -5 0,0 0,0 0,0 0,0 -500 -500 -500 -500 -0,1 -0,1 -0,1 -0,1

La continuidad del proyecto está influenciada por vaivenes políticos -9 0,0 0,0 1,2 2,2 -900 -900 -7,5 -4,1 -0,1 -0,1 -10,8 -19,8

La inserción del sistema se efectúa sin traumas, es decir, apenas se interfiere en

la rutina cotidiana 8 7,8 8,8 10,0 10,0 1,0 0,9 0,8 0,8 62,4 70,4 80,0 80,0

Se dispone de experiencia en INCO 7 0,0 0,0 1,2 2,2 700 700 5,8 3,2 0,1 0,1 8,4 15,4

Se dispone de los recursos humanos, hardware y software necesarios para el

desarrollo e implantación del sistema 4 7,8 8,8 10,0 10,0 0,5 0,5 0,4 0,4 31,2 35,2 40,0 40,0

de 160




El experto resuelve el problema en la actualidad 4 7,8 8,8 10,0 10,0 0,5 0,5 0,4 0,4 31,2 35,2 40,0 40,0

La solución del problema es prioritaria para la institución 8 1,2 2,2 3,4 4,4 6,7 3,6 2,4 1,8 9,6 17,6 27,2 35,2

Las soluciones son explicables 5 5,6 6,6 7,8 8,8 0,9 0,8 0,6 0,6 28,0 33,0 39,0 44,0

Las objetivos del sistema son claros y evaluables 6 5,6 6,6 7,8 8,8 1,1 0,9 0,8 0,7 33,6 39,6 46,8 52,8

Los conocimientos están repartidos entre un conjunto de individuos -7 0,0 0,0 1,2 2,2 -700 -700 -5,8 -3,2 -0,1 -0,1 -8,4 -15,4

Los directivos, usuarios, expertos e IC están de acuerdo en las funcionalidades

del SE 4 5,6 6,6 7,8 8,8 0,7 0,6 0,5 0,5 22,4 26,4 31,2 35,2

La actitud de los expertos ante el desarrollo del sistema es positiva 8 7,8 8,8 10,0 10,0 1,0 0,9 0,8 0,8 62,4 70,4 80,0 80,0

Los expertos convergen en sus soluciones y métodos 5 5,6 6,6 7,8 8,8 0,9 0,8 0,6 0,6 28,0 33,0 39,0 44,0

Se acepta la planificación del proyecto propuesto por el IC 8 10,0 10,0 10,0 10,0 0,8 0,8 0,8 0,8 80,0 80,0 80,0 80,0

Existen limitaciones estrictas de tiempo en la realización del sistema -6 0,0 0,0 1,2 2,2 -600 -600 -5,0 -2,7 -0,1 -0,1 -7,2 -13,2

La dirección y usuarios apoyan los objetivos y directrices del proyecto 7 7,8 8,8 10,0 10,0 0,9 0,8 0,7 0,7 54,6 61,6 70,0 70,0

El nivel de formación requerido por los usuarios del sistema es elevado -2 1,2 2,2 3,4 4,4 -1,7 -0,9 -0,6 -0,5 -2,4 -4,4 -6,8 -8,8

Las relaciones IC-experto son fluidas 4 7,8 8,8 10,0 10,0 0,5 0,5 0,4 0,4 31,2 35,2 40,0 40,0

El proyecto forma parte de un camino crítico con otros sistemas -6 0,0 0,0 0,0 0,0 -600 -600 -600 -600 -0,1 -0,1 -0,1 -0,1

Se efectuará una adecuada transferencia tecnológica 8 5,6 6,6 7,8 8,8 1,4 1,2 1,0 0,9 44,8 52,8 62,4 70,4

Lo que cuenta en la solución es la calidad de la respuesta 5 10,0 10,0 10,0 10,0 0,5 0,5 0,5 0,5 50,0 50,0 50,0 50,0

71 -1783 -1787 -301 -296 621,4 697,4 770,8 789,8

VC Éxito 5,36 6,33 7,57 8

de 160



ANEXO II

Sistemas Expertos

de 160



1. Ventajas y Desventajas

Si bien un Sistema Experto (SE) nunca será igual a un verdadero experto, los dos tienen

sus ventajas y desventajas, siendo para algunos casos particulares mejor un SE y para otros,

tener a un experto humano a disposición. Para decidir en cada situación cuál es mejor,

presentamos una comparación entre ambos.

1.1. Ventajas de los SE

Disponibilidad de consultas: suele ser mucho mayor a la de un experto humano.

Es posible tener un SE disponible las 24 horas los 365 días del año en cambio para

una persona esto no sería posible.

Costo de retención: un buen experto suele ser muy costoso ya que los mismos son

escasos, en cambio, una vez desarrollado el SE, este tiene un costo nulo de

retención.

Homogeneidad de respuestas: siempre darán la misma respuesta a las mismas

entradas a menos que sea reprogramado. Una persona tiene mayor posibilidad de

equivocarse y dar respuestas incorrectas o no homogéneas ante casos repetidos.

Preservación: el sistema puede durar tanto como sea mantenido y al mismo

tiempo crecer, aprendiendo nuevos conocimientos. Con respecto al experto

humano, llegará un momento en el que se retire laboralmente siendo necesario

contratar uno nuevo.

Velocidad: como se mencionó anteriormente, la velocidad de análisis y respuesta

del SE siempre serán superiores.

Integración: el hecho de tener un SE permite integrarlo con otros sistemas y de

esta forma automatizar una gran cantidad de tareas.

1.2. Ventajas de los Expertos Humanos

Intuición: es posible que una persona resuelva ciertos problemas nuevos a partir

de la intuición y de conocimientos previos, lo cual sería imposible para el SE si

este no está programado para esos casos particulares.

Incorporación: un experto puede comenzar a resolver los problemas en

relativamente poco tiempo, mientras que desarrollar un SE desde cero requiere

de 160



mucho más tiempo y, si se decide comprar uno, puede que no se adapte a los casos

particulares a resolver.

Aprendizaje: si bien los SE podrían aprender solos a partir de diferentes técnicas,

estos conocimientos deberían ser validados por un experto humano, lo que los hace

dependientes de una persona.

Confiabilidad: aún hoy en día muchas personas confían más en un experto

humano que en un sistema. Este punto es relativo según las personas que trabajarán

con el experto y se debe investigar su preferencia.

Dada esta lista de ventajas y desventajas podemos decidir en cada caso qué camino seguir,

siempre teniendo en cuenta el entorno de trabajo junto con la capacidad de cambio y adaptación

de los usuarios.

2. Clasificaciones

A partir del uso y desarrollo de los sistemas expertos se fueron creando nuevas

clasificaciones para los mismos teniendo en cuenta diferentes atributos. Sin embargo, no todas

ellas son útiles para describir un SE. Las siguientes tres son las que se consideran importantes

para este proyecto:

A. Según la naturaleza de la tarea a realizar:

Monitorización: análisis del comportamiento de un sistema, buscando posibles

fallos.

Diagnóstico/Clasificación: a partir de ciertos datos de entrada se diagnostica un

problema.

B. Según la interacción del usuario:

Apoyo: el sistema aconseja al usuario, pero este último tiene la capacidad de

decidir.

Control: el sistema actúa directamente sin intervención humana.

Crítica: analiza y critica las decisiones tomadas por el usuario.

C. Según la certeza de la información:

Completa: se conocen todos los datos y las reglas necesarias para la decisión.

Incompleta: falta información para tomar decisiones, se busca la solución más

adecuada.

de 160



Estas clasificaciones nos ayudan a describir de una forma más adecuada los sistemas

expertos, facilitándoles a los usuarios la comprensión del mismo. Para este caso en particular,

Castingware es un sistema experto de diagnóstico, para apoyo con información completa.

3. Detalles técnicos

Los detalles específicos nos permiten hacer comparaciones más certeras y, por lo tanto,

deliberar mejor entre las alternativas a la hora de tomar una decisión. A esto se debe la

importancia de explicar técnicamente cómo está compuesto un SE y cómo estos se diferencian

de otros tipos de sistemas que podrían haber sido una alternativa al momento de desarrollar

Castingware.

3.1. Arquitectura

Comenzando por la arquitectura de un SE ya se pueden notar grandes diferencias con los

sistemas convencionales. La misma está constituida por cinco componentes principales:

Base de conocimientos

Motor de inferencia

Base de datos

Memoria de trabajo

Interfaz de comunicaciones

Cada componente tiene una función particular, siendo los cinco indispensables para que

el sistema funcione.

Figura 29: Arquitectura de los Sistemas Expertos 15

15 Los datos para la tabla se reunieron de diversas fuentes, las cuáles se aclaran en la bibliografía.

de 160



3.1.1. Base de conocimientos

Una base de conocimientos (BC) para un SE es un espacio en donde se guardan todos los

conocimientos que el sistema usa para razonar. Estos conocimientos son específicos para el

dominio sobre el cual trabaja el SE y están codificados en un lenguaje determinado para que el

sistema los pueda entender. Estos incluyen reglas, predicados, redes semánticas y objetos.

Las bases de conocimiento surgieron a partir de las necesidades de los sistemas basados

en conocimiento (SBC). Estos requerían datos organizados de formas muy diferentes a lo que

permitían las bases de datos convencionales. Un SBC requiere datos estructurados, con objetos

que a su vez tienen punteros a otros objetos, no sólo tablas con números y cadenas como las

bases de datos relacionales. A su vez, los SBC permiten deducir nuevos conocimientos a partir

de la aplicación de reglas y de esta forma poseen información que no se encuentra almacenada

de forma explícita.

Por lo general, las BC también contienen conocimiento sobre sí mismas, es decir, pueden

“saber lo que saben” y de esta forma responder si tiene el conocimiento o no ante cualquier

consulta que se les haga.

3.1.2. Motor de inferencia

El motor de inferencia es el componente encargado de administrar y controlar

lógicamente el manejo del conocimiento almacenado en la BC. Recibe las consultas por medio

de la interfaz, aplica las reglas que se encuentran en la base de conocimientos y produce las

salidas necesarias para la interfaz.

Este componente contiene algoritmos independientes al dominio, que le permiten

controlar el orden y la ejecución de las inferencias. Es por este motivo que el motor de inferencia

no se modifica al cambiar el dominio del problema.

El motor de inferencia es independiente de la base de conocimientos y viceversa, lo que

permite cambiar los conocimientos sin modificar el motor de inferencia o modificar el motor

de inferencia y no los conocimientos.

de 160



3.1.3. Base de datos

Se utiliza para almacenar los datos recibidos inicialmente, es decir, los conocimientos

sobre el caso concreto en que se trabaja. Suministra al motor de inferencia los valores de los

atributos que requieren las reglas a recorrer.

3.1.4. Memoria de trabajo

En la memoria de trabajo se registran las conclusiones intermedias y los datos generados

en el proceso de inferencia, además de las reglas que han sido aplicadas. Gracias a esto es

posible saber cómo se obtuvo la solución final a partir de los datos iniciales.

3.1.5. Interfaz de comunicaciones

La interfaz le otorga al usuario una forma sencilla para que pueda interactuar con el

sistema ya sea tanto para describir el problema como para recibir la respuesta por parte del

sistema. La interfaz puede estar implementada en, por ejemplo, una página web, una API, etc.

También permite al usuario acceder a un módulo de explicación (si es que está implementado

en el sistema). El objetivo de este módulo es explicar al usuario la línea de razonamiento seguida

en el proceso de inferencia.

Otro módulo que se puede implementar en la interfaz es el de adquisición del

conocimiento, lo que permite que se puedan añadir, eliminar o modificar elementos de

conocimiento en el SE. Este módulo suele ser útil cuando el conocimiento es dinámico y varía

con rapidez; para este caso en particular, el conocimiento no es propenso al cambio.

3.2. Encadenamiento de reglas

El motor de inferencias puede recorrer las reglas de dos formas diferentes, con

encadenamiento progresivo o regresivo.

El encadenamiento progresivo comienza recorriendo los hechos disponibles en la base

de datos, y luego sigue buscando las reglas que satisfagan esos datos. Normalmente el sistema

ejecuta los siguientes pasos:

1. Evaluar las condiciones de todas las reglas respecto a la base de datos,

identificando el conjunto de reglas que se puedan aplicar (las que satisfacen su

parte de condición).

de 160



2. Si no se puede aplicar ninguna regla, se termina. En caso contrario se elige

cualquiera de las reglas aplicables y se ejecuta su parte de acción (generando así

nuevos hechos).

3. Si se llega al objetivo, se ha resuelto el problema, en caso contrario se vuelve al

paso 1.

El encadenamiento regresivo, también llamado “guiado por objetivos” comienza por los

objetivos (parte de acción de las reglas) y operará retrocediendo para ver como se deduce ese

objetivo partiendo de los datos. Esto se produce directamente o a través de conclusiones

intermedias o sub-objetivos. Lo que se intenta es probar una hipótesis a partir de los hechos

contenidos en la base de datos y de los obtenidos en el proceso de inferencia. Normalmente, el

sistema sigue los siguientes pasos:

1. El usuario comienza declarando una expresión “E”.

2. Obtener las reglas relevantes, buscando la expresión “E” en la parte acción.

3. Si no se encuentran reglas para aplicar, entonces no se tienen datos suficientes para

resolver el problema.

4. Si hay reglas para aplicar, se elige una y se verifica su parte de condición “C” con

respecto a la base de datos.

5. Si “C” es verdadera en la base de datos, se establece la veracidad de “E” y se

resuelve el problema.

6. Si “C” es falsa, se descarta la regla en curso y se selecciona otra regla.

7. Si “C” es desconocida en la base de datos (no es ni verdadera ni falsa), se la

considera como sub-objetivo y se vuelve al paso 1, siendo “C” ahora la expresión

“E”.

4. Comparación SBC vs Convencionales

Desde el comienzo de este capítulo, pudimos percibir diferencias entre los SE y los

convencionales, en este apartado se muestran en un cuadro las principales diferencias.

de 160



TABLA IX: Comparación entre SBC y Convencionales 16

Característica Sistemas Basados en

conocimiento Sistemas convencionales

Conocimiento Separado de las estructuras de control

Conocimiento y estructuras de control integrados

Tipos de datos Simbólicos Numéricos

Resolución Heurística Combinatoria

Solución Satisfactoria Óptima

Dominio Específico Amplio

Procesamiento Inferencial y deductivo Sistemático y procedimental

Explicación de resolución

Comúnmente No se suele dar explicaciones de los resultados

Luego de este cuadro comparativo, quedan en claro las notables diferencias que tienen

los dos tipos de sistemas y los diferentes aplicativos.

5. Futuro de la Inteligencia Artificial

Cada día la Inteligencia Artificial avanza de a pequeños pasos, pero sin pausa. Muchas

veces, sin darnos cuenta, la utilizamos en nuestra vida cotidiana, por ejemplo, cuando jugamos

a algún videojuego, traducimos textos por medio de aplicaciones o escuchamos música en

Spotify y la misma aplicación nos recomienda canciones similares a las que escuchamos. Es

una disciplina tan apasionante y extensa, que siempre habrá algo nuevo para desarrollar,

aprender e investigar.

Considerando un futuro cercano, la IA abre al menos dos vías importantes para el

crecimiento, el complemento y asistencia de la mano de obra actual y la creación de mano de

obra inteligente.

Con respecto a la primera, permitirá el crecimiento económico sin sustituir el capital o

trabajo existentes, sino utilizándolos con mayor eficacia, permitiendo a los trabajadores

concentrarse en las tareas que generan más valor. Un ejemplo concreto de esto es el sistema

FIELD (Fanuc Intelligent Edge Link and Drive), que es una plataforma analítica con

aprendizaje automático la cual utiliza Deep Learning para capturar y analizar datos de distintas

partes del proceso de producción para mejorarlo. Otro ejemplo es el proyecto en cuestión,

16 Los datos para la tabla se reunieron de diversas fuentes, las cuáles se aclaran en la bibliografía.

de 160



Castingware, que ayuda al rápido y certero diagnóstico de defectos permitiendo al trabajador

hacer énfasis en otras tareas.

Con respecto a la segunda, para las tareas repetitivas e inmutables, no es difícil desarrollar

una IA que realice la tarea. Por ejemplo, en las fábricas automovilísticas se deben soldar gran

cantidad de partes y por este motivo requieren de un robot que realiza siempre la misma

soldadura, haciéndolo de forma más rápida y con mayor calidad que una persona, pero si la

soldadura a realizar cambia, el robot no sabrá hacerlo. Por este motivo, podemos decir que los

desafíos surgen cuando se deben automatizar tareas complejas que requieren cierta

adaptabilidad a medida que van mutando. De todas formas, el aprendizaje es posible y cada vez

hay más avances. En la actualidad hay robots que permiten ir cambiando su comportamiento

para adaptarse a la tarea según ciertas reglas, por ejemplo, las aspiradoras inteligentes, las cuales

aprenden del medio en el que trabajan evitando de esta forma chocar objetos o ir a cargar su

batería automáticamente. Otro ejemplo es Amelia (una plataforma de IA de IPsoft con

capacidad de procesamiento de lenguajes naturales) que ayuda a ingenieros de mantenimiento

que trabajan en lugares remotos. Después de leer todos los manuales, Amelia puede

diagnosticar un problema y proponer una solución.

La característica más potente de las IA es el autoaprendizaje, la aspiradora aprende del

medio en que se encuentra para evitar chocar, Amelia detecta lagunas en sus propios

conocimientos y toma las medidas necesarias para cubrirlas. Si alguien le hace una pregunta

que no puede responder, Amelia traslada la pregunta a una persona y observa cómo resuelve el

problema.

La pregunta clave es ¿hasta dónde llegará la IA?, hay decenas de películas y libros que

plantean escenarios en donde computadoras dotadas de inteligencia superan a las personas en

todas sus tareas y surgen múltiples problemas éticos y filosóficos. Circunstancias que parecen

imposibles en la actualidad, pero quizás no lo sean en algunos años, al igual que el primer vuelo

tripulado parecía imposible en el 1900, cuando hoy en día los aviones transportan millones de

personas diariamente.

El profesor Joseph Weizenbaum, creador de ELIZA (programa informático para el

estudio del lenguaje natural en la comunicación Hombre-Máquina) ha argumentado que el

efecto de las máquinas inteligentes sobre la sociedad humana será tal que el trabajo continuado

en inteligencia artificial es tal vez poco ético. De todas formas, no podemos predecir un futuro

de 160



tan lejano; como decía Alan Turing: “Podemos observar sólo a poca distancia hacia delante,

pero también se puede ver que todavía queda mucho por hacer.” y es por este motivo que

creemos necesario analizar con cada avance en este campo, hacia donde estamos yendo, que

regulaciones son necesarias y cómo afectará a la humanidad para que los argumentos de ciencia

ficción no se vuelvan realidad.

de 160



ANEXO III

Pseudo-reglas

de 160



1. Familia Cavidades

Estado de la regla Texto de la regla

Nombre de la regla R-B-111

Palabras del

experto

Si se observan muchísimas cavidades con forma redondeada de tamaño pequeño o mediano, distribuidas en forma

aleatoria a lo largo de toda la superficie de la pieza. Y si sus superficies son lisas de color plateado y brillantes entonces

estamos frente a un defecto de la subfamilia sopladuras pinholes.

Formulación

externa de la regla


Color es Plateado y



Tamaño es Pequeño o Mediano y


Distribución es Azarosas y

Ubicación es En toda la pieza y


ENTONCES

Subfamilia es B-111: Sopladuras pinholes y

Causas son


Tenor de Aluminio en el metal (ref menor a 0.02%)

Humedad en la masa de moldeo y su permeabilidad

Elementos carbonáceos en la masa de moldeo

Fase de secado de la pintura, tanto en base agua como alcohol, no terminada


Noyos sin salidas de aires o respiraderos a la atmosfera

de 160





Palabras del experto

Si se observan pocas cavidades con forma irregular alargada de tamaño mediano, distribuidas en la zona del semi-molde

superior y próximas a enfriadores. Y si sus superficies son lisas de color rojizo o dorado, y brillantes entonces estamos

frente a un defecto de la subfamilia sopladuras.

Formulación

externa de la regla

SI

Aspecto es Liso y

Color es Rojizo o Dorado y


Forma es Irregular alargada y

Tamaño es Mediano y

Cantidad es Pocas y

Distribución es Azarosa y

Ubicación es Semi-molde superior y

Posición es Próxima a enfriadores

ENTONCES Subfamilia es B-112: Sopladuras y

Causas son

Falta de limpieza de enfriadores/soportines

Condensación de humedad sobre enfriadores/soportines (puede darse por colocar partes frías y calientes dentro del molde)

Enfriadores con superficies porosas o agrietamiento superficial en la cara de contacto con el metal colado

de 160





Palabras del

experto

Si se observan pocas cavidades con forma irregular alargada o irregular redonda de tamaño mediano, distribuidas en la

zona del semi-molde superior y por toda su superficie. Y si sus superficies son lisas o rugosas de color negruzco, y mate

entonces estamos frente a un defecto de la subfamilia sopladuras por escoria.

Formulación

externa de la regla

SI Aspecto es Liso o Rugoso y

Color es Negruzco y

Acabado es Mate y

Forma es Irregular alargada o Irregular redonda y


Cantidad es Pocas y




ENTONCES Subfamilia es B-113: Sopladuras por escoria y

Causas son

Metal no limpio (asegure la limpieza del metal antes de volcarlo en el molde puede usar atrapa escorias, son provistos por muchos

proveedores)

Reacciones no deseadas entre el metal y los revestimientos de hornos y cucharas o partes del molde

Molde no limpio antes del ensamble definitivo (aspire preferentemente)

Llenado turbulento

Temperatura incorrecta

En hierro: relación magnesio/azufre menor a 4

de 160






Si se observan muchas cavidades con forma irregular redonda de gran tamaño, distribuidas aleatoriamente en la zona

del semi-molde superior y por toda su superficie. Y si sus superficies son lisas de color negruzco, y mate entonces

estamos frente a un defecto de la subfamilia sopladuras superficiales.

Formulación

externa de la regla


Color es Negruzco y

Acabado es Mate y

Forma es Irregular redonda y

Tamaño es Grande y

Cantidad es Muchas y




ENTONCES Subfamilia es B-121: Sopladuras superficiales y

Causas son

Gas atrapado en los sistemas de salida de aire, principalmente en las partes más altas del semi-molde superior

Temperatura de llenado baja

Llenado lento y turbulento


Posible exceso de aglomerante o compactación

de 160






Si se observa una única cavidad con forma irregular alargada de tamaño grande, sin importar su ubicación, pero sobre

un vértice interior. Y si su superficie es rugosa de color negruzco, y mate entonces estamos frente a un defecto de la

subfamilia sopladuras por ángulo vivo.

Formulación externa

de la regla

SI

Aspecto es Rugoso y

Color es Negruzco y

Acabado es Mate y

Forma es Irregular alargada y

Tamaño es Grande y

Cantidad es Una y

Distribución es Única y

Ubicación es Semi-molde superior o Superficie definida por noyo o lado sobre o Semi-molde inferior o No definida (dispersas

en zonas) o En toda la pieza y

Posición es Sobre un vértice interior

ENTONCES Subfamilia es B-122: Sopladuras por ángulo vivo y

Causas son


Acumulación de pintura sin secar

Material extraño, grumos de aglomerante, falta de homogeneidad en el mezclado del material del molde

de 160





Palabras del

experto

En caso que la superficie sea lisa, de color plateado y brillante. Y, además, se detectan muchísimas cavidades de forma

redondeada de tamaño mediano con una distribución azarosa, ubicadas sobre semimolde superior y posicionadas en su

superficie. Estamos frente a una cavidad de la subfamilia pinhole de superficie.

Formulación

externa de la regla

SI

Aspecto es Liso y

Color es Plateado y






Ubicación es Semi-Molde Superior y


ENTONCES Subfamilia es B-123: Pinhole de superficie y

Causas son

Posibles partes húmedas no deseadas en el molde

Temperatura de llenado baja y turbulenta

Baja permeabilidad del semi-molde superior

Cuchara de llenado húmeda


de 160





Palabras del

experto

Si se observa por debajo de la superficie muchas cavidades con forma cilíndrica alargada de tamaño mediano, alineadas

en forma recta o circular, y dispersas por distintas zonas. Y su superficie es de aspecto rugoso de color plateado, y

acabado brillante entonces estamos frente a un defecto de la subfamilia rechupe disperso.

Formulación

externa de la regla

SI Aspecto es Rugoso y

Color es Plateado y


Forma es Cilíndrica alargada y


Cantidad es Muchas y

Distribución Alineadas rectas o Alineadas circulares y

Ubicación es No definida (dispersas en zonas)

Posición es Subsuperficial

ENTONCES Subfamilia es B-124: Rechupe disperso y

Causas son

Sistema de alimentación inadecuado (revisar distribución de alimentadores, posibles zonas aisladas de alimentación)


Desbalance de la composición química

Inoculación ineficiente


de 160






Si se observa una única cavidad de muy gran tamaño, ubicada en el semi-molde superior dentro del cuello de montante,

y si el aspecto de la superficie es dendrítico de un color negruzco mate y con una forma cónica, la cavidad es de la

subfamilia rechupe abierto o externo.


de la regla

SI

Aspecto es Dendrítico y

Color es Negruzco y

Acabado es Mate y

Forma es Cónica y

Tamaño es Muy grande y

Cantidad es Una y


Ubicación es Semi-Molde Superior y

Posición es Dentro del cuello del montante

ENTONCES Subfamilia es B-211: Rechupe abierto o externo y

Causas son

Sistema de alimentación inadecuado (revisar distribución de alimentadores, revisar el módulo de enfriamiento de alimentadores

y revisar el aporte de metal de cada alimentador)








de 160





Palabras del

experto

Otra subfamilia de cavidad es el rechupe en ángulos o borde. Este se puede observar cuando el aspecto de la superficie

es dendrítico de un color negruzco y mate. Además, la cavidad debe ser sólo una de gran tamaño y con forma irregular

(ya sea alargada, redonda o cuadrada), sin importar su ubicación. Debe estar posicionada sobre un vértice interior, o

sobre ataques de colada o próximas al cuello de montante.

Formulación

externa de la regla

SI


Color es Negruzco y

Acabado es Mate y

Forma es Irregular Alargada o Irregular redonda o Irregular cuadrada y

Tamaño es Grande y

Cantidad es Una y


Ubicación es Semi-molde superior o Superficie definida por noyo o lado sobre o Semi-molde inferior o No definida (dispersas en

zonas) o En toda la pieza y

Posición es Sobre un vértice interior o Sobre ataques de colada o Próximas cuello del montante

ENTONCES Subfamilia es B-212: Rechupe en ángulos o bordes y

Causas son

Diseño inadecuado de pieza por falta de redondez en los ángulos, formación de puntos calientes (efecto punta)


Alta temperatura de colada

de 160






Si se observa una única gran cavidad en la superficie definida por el noyo o lado sobre, en el centro del espesor. Y el

aspecto de la superficie es dendrítico negruzco y mate, la cavidad es irregular alargada o redonda o cuadrada. Entonces

pertenece a la subfamilia rechupe por noyo.


de la regla

SI


Color es Negruzco y

Acabado es Mate y

Forma es Irregular Alargada o Irregular redonda o Irregular cuadrada y

Tamaño es Grande y

Cantidad es Una y


Ubicación es Superficie definida por noyo o lado sobre y

Posición es En el centro del espesor

ENTONCES Subfamilia es B-213: Rechupe por noyo y

Causas son


Diseño de pieza inadecuado, noyo demasiado fino para la sección de metal que lo rodea (punto caliente)

de 160






Si se observa una única cavidad cónica de tamaño grande o muy grande, ubicada en el semi-molde superior en la

intersección de secciones a 90°. Y si su superficie es de aspecto dendrítico de color plateado, y acabado brillante

entonces estamos frente a un defecto de la subfamilia rechupe interno o ciego.

Formulación

externa de la regla

SI Aspecto Dendrítico y

Color es Plateado y


Forma es Cónica y

Tamaño es Grande o Muy grande y

Cantidad es Una y



Posición es Intersección de secciones a 90°

ENTONCES Subfamilia es B-221: Rechupe interno o ciego y

Causas son

Sistema de alimentación inadecuado (revisar distribución de alimentadores, revisar el módulo de enfriamiento de alimentadores y

revisar el aporte de metal de cada alimentador)








de 160






Si se observa una única cavidad irregular redonda de tamaño grande o muy grande, ubicada en el semi-molde superior

en el centro del espesor. Y si el aspecto de su superficie es dendrítico de color plateado, y acabado brillante entonces

estamos frente a un defecto de la subfamilia rechupe central.

Formulación

externa de la regla

SI


Color es Plateado y


Forma es Irregular redonda y

Tamaño es Grande o Muy grande y

Cantidad es Una y



Posición es En el centro del espesor

ENTONCES Subfamilia es B-222: Rechupe central y

Causas son

Sistema de alimentación inadecuado (revisar distribución de alimentadores, posibles zonas aisladas de alimentación)


de 160





Palabras del

experto

Si se observan muchísimas cavidades redondeadas de tamaño pequeño distribuidas en forma azarosa, ubicadas en el

semi-molde superior o inferior y en la intersección de secciones a 90°. Y si su superficie es de aspecto dendrítico de

color plateado, y acabado brillante entonces estamos frente a un defecto de la subfamilia micro-rechupe.

Formulación

externa de la regla

SI


Color es Plateado y



Tamaño es Pequeño y



Ubicación es Semi-molde superior o Semi-molde inferior y

Posición es Intersección de secciones a 90°

ENTONCES Subfamilia es B-311: Micro-rechupe y

Causas son

En hierro gris: alto contenido de nitrógeno en el metal

En hierro nodular: Auto-compensación de alimentación desequilibrado (rigidez del molde, calidad metalúrgica del metal,

temperatura de llenado, inoculación)

En acero: sistema de alimentación inadecuado (revisar distribución de alimentadores, posibles zonas aisladas de alimentación)

de 160



2. Familia Discontinuidades


Nombre de la regla R-C-111

Palabras del

experto

Si el estado de la pieza es en bruto de colada o luego del tratamiento térmico y se observan grietas rectilíneas en

ubicaciones indistintas, muy abiertas en espesor, de profundidad pasante, y raíz aguda. Y además el camino de las grietas

es perpendicular a la superficie y en su interior se puede observar que la pared de la grieta es de color plateado y el

aspecto de la pared es granulado fino estamos frente a un defecto de la subfamilia Grieta en Frío.

Formulación

externa de la regla

SI










ENTONCES Subfamilia es C-111: Grietas en frío y

Causas son

Manipulación en: desmoldeo, rebaba, acopio, traslado, granallado, tamboreo, etc.

de 160





Palabras del

experto

Si el estado de la pieza es en bruto de colada o luego del tratamiento térmico y se observa una grieta sinuosa de espesor

muy abierta, con un camino perpendicular a la superficie y profundidad pasante sin importar su ubicación. En donde el

tipo de raíz es aguda y la pared es de Grano fino de color negruzca, ocre o dorado. Entonces se trata de una grieta en

caliente y se produce por la manipulación de la pieza en caliente, por ejemplo cuando el tiempo de desmoldeo es escaso.

Formulación

externa de la regla

SI


Forma de la grieta es Sinuosa y



Tipo de Raíz de la Grieta es Aguda y

Camino de la Grieta es Perpendicular a la superficie y

Color de la pared es Negruzco u Ocre o Dorado y

Aspecto de la pared es Grano fino y


ENTONCES Subfamilia es C-121: Grietas en caliente y

Causas son

Manipulación en caliente de la pieza (tiempo de desmoldeo escaso)

de 160





Palabras del

experto

Si el estado de la pieza es en bruto de colada o luego del tratamiento térmico y se observan fisuras rectilíneas en

ubicaciones indistintas, muy abiertas en espesor, de profundidad pasante, y sin raíz. Y además el camino de las fisuras

es perpendicular u oblicuo a la superficie y en su interior se puede observar que la pared de la fisura es de color plateado

y aspecto Grano fino estamos frente a un defecto de la subfamilia Fisura en Frío.

Formulación

externa de la regla

SI



Espesor de la fisura es Muy abierta y


Tipo de raíz es Sin Raíz y

Camino es Perpendicular a la superficie o

Camino es Oblicuo a la superficie y




ENTONCES Subfamilia es C-211: Fisura en Frío y

Causas son

Molde/noyo demasiado duro, elevada cantidad de aglomerante

Compactado de la arena de moldeo en exceso

Aglomerante con alta resistencia en caliente

Diseños de encuentros de forma inadecuados

Muy baja temperatura de llenado

de 160





Palabras del

experto

En caso de encontrar una grieta sinuosa con estado es en bruto de colada y cuyo espesor es apretado o abierta, de

profundidad no pasante cuyo tipo de raíz es redondeada. Y además se ve que el color de la pared es negruzco u ocre con

un aspecto de grano dendrítico y está ubicado entre enfriadores o Próxima a enfriadores o Por el cuello del montante o

Próxima a ataques de colada o Dentro de ataque de coladas u Otros puntos calientes. Entonces se trata de una Fisura en

caliente.

Formulación

externa de la regla

SI

Estado es En bruto de colada y

Forma de la grieta es Sinuosa y

Espesor de la grieta es Apretada O Abierta y

Profundidad es No Pasante y

Tipo de Raíz de la Grieta es Redondeada y

Camino de la Grieta es Perpendicular a la superficie y

Color de la pared es Negruzco u Ocre y

Aspecto de la pared es Grano Dendrítico y

Ubicación es Entre enfriadores o Próxima a enfriadores o Por el cuello del montante o Próxima a ataques de colada o Dentro de

ataque de coladas o próximos a encuentros de secciones diferentes u Otros puntos calientes.

ENTONCES Subfamilia es C-221: Fisura en caliente y

Causas son


Falta de redondeo en los encuentros de secciones

Material del molde/noyo con baja colapsabilidad

En fundición de acero, alto valor de fosforo (mayor a 0.03)

En fundición de hierro, excesiva cantidad de carburos en la matriz (alta contracción inicial)

de 160





Palabras del

experto

Si el estado de la pieza es en bruto de colada o luego del tratamiento térmico y se observan fisuras sinuosas en ubicaciones

indistintas, muy apretadas, apretadas o abiertas en espesor, de profundidad no pasante, y raíz aguda. Y además el camino

de las fisuras es perpendicular a la superficie y en su interior se puede observar que la pared de la fisura es de color ocre

o dorada y aspecto grano grueso estamos frente a un defecto de la subfamilia Fisura por temple.

Formulación

externa de la regla

SI


Forma es Sinuosa y

Espesor de la fisura es Muy apretada o

Apretada o Abierta y

Profundidad es No Pasante y



Color de pared es Ocre o Dorado y

Aspecto de pared es Grano Grueso y


ENTONCES Subfamilia es C-222: Fisura por temple y

Causas son

Alta velocidad de enfriamiento

Alta velocidad de calentamiento

Transformación de matriz (primordialmente martensítica)

de 160





Palabras del

experto

Si la pieza está en estado en bruto de colada se observan grietas sinuosas o rectilíneas en ubicaciones indistintas, abiertas

en espesor, de profundidad pasante o no pasante, y raíz redondeada. Y además el camino de las fisuras es perpendicular

a la superficie y en su interior se puede observar que la pared de la grieta es de color negruzco y sin grano estamos frente

a un defecto de la subfamilia Colado frío.

Formulación

externa de la regla

SI

El estado es En bruto de colada y

Forma es Sinuosa o Rectilínea y

Espesor de la grieta es Abierta y

Profundidad es Pasante o No Pasante y

Tipo de raíz Redondeada y


Color de pared es Negruzco y

Aspecto de pared es Sin Grano y


ENTONCES Subfamilia es C-311: Colado frío y

Causas son



de 160





Palabras del

experto

Si la pieza está en estado en bruto de colada y se observan grietas sinuosas o rectilíneas en ubicaciones indistintas,

abiertas en espesor, de profundidad pasante o no pasante, y raíz redondeada. Y además el camino de las fisuras es paralelo

a la superficie y en su interior se puede observar que la pared de la grieta es de color negruzco y sin grano estamos frente

a un defecto de la subfamilia Colada interrumpida.

Formulación

externa de la regla

SI






Camino es Paralelo a la superficie y




ENTONCES Subfamilia es C-321: Colada interrumpida y

Causas son


Colada interrumpida


de 160





Palabras del

experto

Si la pieza está en estado en bruto de colada y se observan grietas sinuosas o rectilíneas próximas a enfriadores, abiertas

en espesor, de profundidad pasante o no pasante, y raíz redondeada. Y además el camino de las fisuras es paralelo a la

superficie y en su interior se puede observar que la pared de la grieta es de color negruzco y sin grano estamos frente a

un defecto de la subfamilia Colado frío no fusión de insertos.

Formulación

externa de la regla

SI









Ubicación es Próxima a enfriadores

ENTONCES Subfamilia es C-331: Colado frío no fusión de insertos y

Causas son


Insertos con falta de limpieza (oxidados)


de 160





Palabras del

experto

Si la pieza está en estado en bruto de colada y se observan grietas sinuosas ubicadas por el cuello del montante u otros

puntos calientes, muy abiertas en espesor, de profundidad pasante, y sin raíz. Y además, el camino de las fisuras es paralelo

a la superficie y en su interior se puede observar que la pared de la grieta es de color plateado y con grano dendrítico o

grueso estamos frente a un defecto de la subfamilia Fractura concoidea.

Formulación

externa de la regla

SI


Forma es Sinuosa y



Tipo de raíz Sin raíz y



Aspecto de pared es Grano dendrítico (concoidal) o Grano grueso y

Ubicación es Por el cuello del montante u Otros puntos calientes

ENTONCES Subfamilia es C-411: Fractura concoidea y

Causas son

Para fundición de acero: elevado nivel de nitrógeno y muy alta temperatura de colada

de 160





Palabras del

experto

Si el estado de la pieza es luego del tratamiento térmico y se observan grietas sinuosas en ubicaciones indistintas, muy

abiertas en espesor, de profundidad superficial, y raíz aguda. Y además, el camino de las fisuras es perpendicular a la

superficie y en su interior se puede observar que la pared de la grieta es de color negruzco y sin grano estamos frente a

un defecto de la subfamilia Corrosión intergranular.

Formulación

externa de la regla

SI

El estado es Luego del tratamiento térmico y

Forma es Sinuosa y


Profundidad es Superficial (hasta 8% del espesor) y




Aspecto de pared es Sin grano y


ENTONCES Subfamilia es C-412: Corrosión intergranular y

Causas son

Para fundición de acero: exceso de tiempo en tratamiento térmico de alta temperatura

de 160



3. Familia Piezas Incompletas


Nombre de la regla R-E-111

Palabras del

experto

Si la pieza en ningún momento del proceso cumplió con su forma y se ven solo las esquinas incompletas (o sea un

faltante), con una forma redondeada y el desvío es pequeño en comparación con el tamaño de la pieza se puede decir que

es un E-111, en cuanto al aspecto de la cara superior debe ser con bordes redondeados, pero no es necesario para

identificar el defecto.

Formulación

externa de la regla

SI

Cumplió con la forma buscada en algún momento: No



Ubicación faltante: Solo en esquinas

Aspecto de la cara superior: No aplica o Con bordes redondeados



ENTONCES

Subfamilia es E-111

Causas son



Acumulación de pintura de molde solo en vértices

Modelo desgastado por erosión


de 160





Palabras del experto Si la pieza en ningún momento del proceso cumplió con su forma y se observan pequeñas partes incompletas, de

forma dispersa, se puede decir que es un E-112, sin importar el aspecto de la cara superior.


de la regla

SI




Ubicación faltante: Dispersa

Aspecto de la cara superior: Con bordes redondeados o Con bordes definidos (plano recto) o Con zona central deprimida (tipo

olla) o No aplica



ENTONCES Subfamilia es E-112

Causas son

Mala reparación del molde

Acumulación de pintura por mala aplicación

Modelo deteriorado

de 160






Si a la primera observación que le hacemos a la pieza, vemos un faltante grande con respecto al tamaño de la pieza, y

este se ubica en la cara superior, observamos su aspecto, si este tiene los bordes redondeados, se puede decir que se

trata de un defecto E-121.


de la regla

SI



Tamaño del faltante: Grande

Ubicación faltante: En la cara superior

Aspecto de la cara superior: Con bordes redondeados




Causas son


Metal oxidado (baja fluidez al momento de llenado)


Falta de un sistema de salida de gases

Colada interrumpida

de 160





Palabras del

experto


este se ubica en la cara superior, observamos su aspecto, si este tiene los bordes bien definidos (son rectos y no hay

curvatura en los mismos), se puede decir que se trata de un defecto E-122.

Formulación

externa de la regla

SI





Aspecto de la cara superior: Con bordes definidos (plano recto)




Causas son

Insuficiente cantidad de metal líquido en cuchara

Interrupción del llenado por error del operador

Interrupción del llenado por pérdida de metal

Muy baja velocidad de llenado por sección insuficiente de los ataques de llenado

Nivel de la balsa de llenado (basín) próxima o por debajo de la altura de la pieza

de 160







este se ubica en la cara superior, observamos su aspecto, si está deprimida en el centro como si fuera una olla, se puede

decir que se trata de un defecto E-123.


de la regla

SI





Aspecto de la cara superior: Con zona central deprimida (tipo olla)




Causas son

Fuga del metal una vez completo el llenado

Falta de sello entre los semi-moldes

Presión metalostática vence el sello de los semi-moldes

Pared de molde lateral rota

de 160






Si a la primera observación que le hacemos a la pieza, no hay desvíos, pero luego de diferentes tratamientos, como el

granallado, vemos que hay un faltante de tamaño pequeño, se puede decir que la pieza tiene un defecto E-124, sin

importar las demás características.


de la regla

SI

Cumplió con la forma buscada en algún momento: Si



Ubicación faltante: Solo en esquinas o Dispersa o En la cara superior o No aplica


olla) o No aplica




Causas son

Exceso en la remoción de metal por efecto de granallado

de 160





Palabras del experto Si a la primera observación que le hacemos a la pieza, no hay desvíos, pero luego del tratamiento térmico, vemos que

hay un desvío grande, se puede decir que la pieza tiene un defecto E-125, sin importar las demás características.


de la regla

SI




Ubicación faltante: Solo en esquinas o Dispersa o En la cara superior o No aplica


olla) o No aplica




Causas son

Temperatura y tiempo de tratamiento térmico elevados

de 160





Palabras del experto Si a la primera observación que le hacemos a la pieza, no tiene desvíos, pero luego esta se quiebra y la quebradura

no está oxidada, se trata de un defecto E-211.

Formulación externa de la

regla

SI


Tipo de incompletitud: Fractura

Tamaño del faltante: No aplica

Ubicación faltante: No aplica

Aspecto de la cara superior: No aplica

Tipo de fractura: De la pieza

Aspecto de la fractura: No oxidada


Causas son

Golpes durante el desmoldeo

Traslado de la pieza descuidado

de 160





Palabras del experto Si a la primera observación que le hacemos a la pieza, no tiene defectos, pero luego, alguna parte de la misma se

desprende, como por ejemplo debido a la extracción de un montante, se trata de un defecto E-221.


de la regla

SI






Tipo de fractura: De partes de la pieza

Aspecto de la fractura: No oxidada


Causas son

Dimensiones incorrectas de los ataques de colada o salidas de gases

Ubicación incorrecta de los ataques de colada o salidas de gases

Manipulación desde las salidas de gases o ataques de colada durante el desmoldeo

Retiro de salida de gases o ataques de colada por medio de golpes sin entallar por amolado la zona de corte

de 160





Palabras del experto Si a la primera observación que le hacemos a la pieza, no tiene defectos, pero luego, la pieza se fractura, y esta

fractura está oxidada, estamos en la presencia de un defecto E-231.

Formulación externa de

la regla

SI






Tipo de fractura: De la pieza

Aspecto de la fractura: Oxidada


Causas son

Desmoldeo prematuro de la pieza (a alta temperatura)

Diseño de pieza que acumula altas tensiones internas

Contracciones impedidas por materiales del molde

de 160



ANEXO IV

Diagramas UML

de 160



1. Diagrama de Clases UML

de 160



2. Diagrama de Secuencia UML - Diagnóstico de Defecto

PROYECTO FINAL DE INGENIERÍA SISTEMA EXPERTO PARA ...

Documents

Transcript of PROYECTO FINAL DE INGENIERÍA SISTEMA EXPERTO PARA ...