El Modelado Del Conocimiento en Un Sistema de Asesoramiento Experto en Producción Integrada en Agricultura

CASO 5
El Modelado del Conocimiento en un

Sistema de Asesoramiento Experto en
Produccin Integrada en Agricultura
Isabel Mara del guila Cano
Samuel Tnez Rodrguez
En este ltimo caso se describe el modelado de

conocimiento realizado para un sistema de ayuda a la toma
de decisiones, para el control fitosanitario en la norma de
calidad Produccin Integrada (http://desaveal.ual.es); el
cual proporciona soporte en la toma de decisiones de los
tcnicos agrcolas y agricultores para el control de plagas y
enfermedades que afectan a los cultivos del sudeste de
Espaa.
Uno de los procesos ms complejos dentro de la produccin
integrada es la lucha integrada contra las plagas, donde se
necesita una toma de decisiones rpida basada en mltiples
factores, junto con el manejo de informacin de diferentes
fuentes. Por estas razones, la solucin adoptada ha
consistido en el desarrollo de un sistema accesible mediante
Web aplicando tcnicas basadas en el conocimiento. Se ha
utilizado la metodologa CommonKADS, donde el desarrollo
de sistemas basados en el conocimiento se plantea como la
construccin de distintos modelos en un contexto
organizacional concreto. El modelo de conocimiento es el
elemento central en esta metodologa y el que tiene mayor
cobertura; su caracterstica bsica es la distincin entre
diferentes tipos de conocimiento en un proceso de resolucin
de problemas por parte de un experto. Un aspecto
importante de este particionamiento del conocimiento en
287
Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

Experto en Produccin Integrada en Agricultura
tipos, es que es genrico, y no especfico de aplicaciones

particulares, facilitando, por tanto, su reutilizacin. Esta es
la razn fundamental de la relacin que existe entre el
proceso de Gestin de Conocimiento y el desarrollo de un
sistema basado en el conocimiento dentro de una
organizacin utilizando metodologas basadas en el
modelado.
Este trabajo se ha desarrollo dentro de un proyecto de
investigacin coordinado por las Universidades de Murcia,
Granada y Almera, cuyo objetivo central es el desarrollo e
implementacin de un conjunto de herramienta interactivas
basadas en Web e integradas en sistemas de ayuda a la
decisin, encargados de asesorar dentro de los diversos
mbitos de la produccin agrcola de calidad, como la
planificacin de terapia fitosanitaria para la lucha contra
las plagas en los cultivos.
288
La Gestin Tecnolgica del Conocimiento
Introduccin
La modernizacin de la agricultura es en gran parte consecuencia
de la incorporacin de las nuevas tecnologas y la innovacin
tecnolgica a los sistemas de produccin agrcolas. En esta lnea, la
tecnologa de la informacin y concretamente las tecnologas
basadas en el conocimiento aplicadas a los diferentes entornos
agrcolas, puede producir mejoras sensibles en el manejo y eficacia
de los factores de produccin agrcolas. (Recio, 1999), (Torres,
1997), (Tnez, 1995).
Una de estas mejoras es la implantacin de normas en la
produccin agraria para asegurar la calidad y la salubridad de los
productos, y en definitiva, tener una garanta de mercado que
asegure la viabilidad econmica de las explotaciones. En esta lnea
los gobiernos regionales de Andaluca, Murcia, Comunidad
Valenciana, Catalua, han desarrollando la norma de calidad
Produccin Integrada para los cultivos ms importantes de cada
comunidad. La experiencia de varios aos en la aplicacin de esta
norma ha puesto de manifiesto la necesidad una fuerte carga
tcnica, que lleva implcita una alta exigencia de informacin en
los diversos procesos de la produccin vegetal. Uno de los procesos
ms complejos dentro de la produccin integrada es la lucha
integrada contra las plagas, donde se necesita una toma de
decisiones rpida basada en mltiples factores y en el manejo de
informacin de diferentes fuentes. Por estas razones, la aplicacin
de sistemas de ayuda a la decisin basados en conocimiento
facilitan el trabajo de los tcnicos agrcolas y agricultores,
convirtindose en herramientas fundamentales en el asesoramiento
experto en sanidad vegetal.
En este contexto, se ha desarrollo un proyecto de investigacin
coordinado por las Universidades de Murcia, Granada y Almera,
cuyo objetivo central es el desarrollo e implementacin de un
conjunto de herramienta interactivas basadas en Web e integradas
289

en tres sistemas de ayuda a la decisin (SAD) (Gmez-Skarmeta,

2000). Estos SAD se encargan de asesorar dentro de los siguientes
mbitos de actuacin: a) Optimizacin del uso conjunto de agua de
riego y fertilizantes. b) Valoracin de la aptitud de suelos para el
cultivo mediante tcnicas de evaluacin de suelos. c) Planificacin
de terapia fitosanitaria par la lucha contra las plagas en los cultivos
producidos bajo la Norma de Calidad Produccin Integrada. En
este trabajo se describe con detalle el Sistema Basado en
Conocimiento (SBC) SAEPI (Sistema de Asesoramiento Experto
en Produccin Integrada) (http://desaveal.ual.es) (Caadas, 2002)
desarrollado en la Universidad de Almera utilizando tcnicas
basadas en conocimiento, el cual proporciona soporte en la toma de
decisiones de los tcnicos agrcolas y agricultores para el control de
plagas y enfermedades que afectan a los cultivos del sudeste de
Espaa.
El problema de control fitosanitario se formula considerando un
cultivo como un sistema complejo que est compuesto por el
invernadero, las plantas, el conjunto de plagas y la fauna til que
puede controlar a las plagas, puesto que son sus enemigos
naturales. Este sistema evoluciona y se ve afectado por variables
externas (clima, humedad, valor de mercado del fruto,...) y para
mantener el equilibrio se pueden aplicar medidas de control o
actuaciones que han de ser especialmente respetuosas con el
cultivo, fauna til y medio ambiente. El tcnico agrcola, realiza un
muestreo del estado del cultivo cada semana que le permita hacer
una estimacin del riesgo de infestacin ligado a las distintas
plagas, y en los casos en los que exista un desequilibrio, aconsejar
posteriormente un tratamiento respetando la norma de calidad, slo
se permite tratar con un conjunto muy limitado de materias activas.
Estrategia de GTC
La Estrategia de Gestin Tecnolgica del Conocimiento (GTC)
ms adecuada para el problema planteado es el desarrollo de un
290
Sistema Basado en el Conocimiento (SBC), ya que es una

estrategia Orientada a las Personas que permite la explicitacin del
conocimiento de los expertos en la ejecucin de una determinada
tarea, en este caso para asesorar dentro de los siguientes mbitos de
actuacin: a) Optimizacin del uso conjunto de agua de riego y
fertilizantes. b) Valoracin de la aptitud de suelos para el cultivo
mediante tcnicas de evaluacin de suelos. c) Planificacin de
terapia fitosanitaria par la lucha contra las plagas en los cultivos
producidos bajo la Norma de Calidad Produccin Integrada.
Actualmente, para construir un SBC se debe aplicar una
metodologa de la Ingeniera del conocimiento basada en el
paradigma del modelado. En este paradigma el desarrollo del
sistema se centra en el modelado del conocimiento que los expertos
utilizan para resolver el problema, donde se busca un conjunto de
patrones recurrentes de comportamiento que describen los
requisitos de conocimiento necesarios para el desarrollo del SBC y,
por tanto, facilitan la adquisicin del mismo (Palma, 2000). Esta en
la razn fundamental de la relacin que existe entre el proceso de
Gestin de Conocimiento y el desarrollo de un SBC dentro de una
organizacin.
CommonKADS, es una metodologa de desarrollo de SBC basada
en el modelado, muy extendida en Europa y la que se ha utilizado
en el desarrollo de SAEPI. Esta metodologa cubre la gestin del
proyecto, el anlisis organizacional y los aspectos relativos al
desarrollo. Plantea el desarrollo de un SBC como la construccin
de distintos modelos sobre el comportamiento en la resolucin de
problemas en un contexto organizacional concreto; a esto se le
denomina Conjunto de Modelos de CommonKADS: modelo de
organizacin, modelo de tareas, modelo de experiencia, modelo de
comunicacin, modelo de agentes y modelo de diseo. (Schreiber,
1999), (Hoog, 1994).
Estos modelos se organizan en tres niveles: nivel de contexto, nivel
de concepto y nivel de artefacto o sistema. En el primero se
291

modelan las principales caractersticas de la organizacin, las tareas

relevantes para el proceso de negocio y los agentes que ejecutan
estas tareas. (Hoog, 1996). El segundo nivel incluye una
descripcin conceptual del conocimiento aplicado en las tareas. El
modelo de conocimiento que se desarrolla en este nivel de
concepto es el elemento central en esta metodologa y el que tiene
mayor cobertura. El tercer nivel conlleva aspectos ligados al
desarrollo del sistema informtico a construir (Van de Velde,
1994).
De la aplicacin de la metodologa se obtienen tres grandes tipos de
elementos o artefactos: Informacin de la gestin del proyecto,
conjunto de modelos CommonKADS y software del SBC. La
reutilizacin, clave para mejorar la productividad de estos
desarrollos (Taboada, 2001) se aplica con las llamadas bibliotecas
de elementos reutilizables (Valente, 1998). Estas bibliotecas van
ms all de una coleccin de modelos ya que recogen la
experiencia en Ingeniera de Conocimiento y tambin guan en la
construccin de un modelo concreto, sirviendo como plantilla o
esqueleto del modelo definitivo.
Descripcin del Caso

En esta seccin describiremos el proceso de modelado realizado
para el desarrollo del SBC SAEPI aplicando la metodologa
CommonKADS, centrndonos, principalmente, en el modelado de
conocimiento. En primer lugar describiremos a grandes rasgos el
anlisis organizacional, donde describiremos las tareas que se
realizan en el asesoramiento experto en la produccin agraria con
PI. A continuacin entraremos en la descripcin del modelo de
conocimiento propiamente dicho, describiendo en primer lugar las
fases que aparecen en la construccin del modelo, posteriormente
cuales han sido los componentes de conocimiento que han sido
reutilizados, para finalizar con la descripcin de las tres categoras
292
o tipos de conocimiento, por una parte el conocimiento de las

tareas y del dominio y por otra, el conocimiento de las inferencias.
El Anlisis Organizacional
Este nivel est compuesto por el modelo de organizacin, el
modelo de tareas y el modelo de agentes. El modelo de agentes
muestra los ejecutores de las tareas, el modelo de organizacin
identifica y recoge informacin relativa a las caractersticas del la
organizacin, que puedan afectar a una posterior toma de
decisiones sobre el proyecto de desarrollo del SBC (Waern ,1993).
El modelo de tareas identifica los conjuntos de actividades que se
llevan a cabo para alcanzar los objetivos dentro de la organizacin.
La descripcin de las tareas es la propia del un estudio de los
procesos del negocio y no la del conocimiento del experto que se
trata en el modelo de conocimiento (Duursma, 1993).
La Figura 1 muestra como casos de uso (Erdman, 1998) los
procesos de negocio desarrollados dentro del marco de la
aplicacin de la norma de calidad PI. El flujo de procesos se puede
describir diciendo que tras crear la asociacin de agricultores que
recoger la marca de calidad se inicializan los cultivos que son
sometidos a un seguimiento, y sobre el que se realizar actuaciones
como la recoleccin, los tratamientos con fitosanitarios, la
fertirrigacin o el laboreo segn la decisin del tcnico. De estas
actuaciones, el sistema descrito en este trabajo se centra en el
control integrado de plagas. Adems los productos recolectados y
el propio invernadero deben ser inspeccionados para controlar el
cumplimiento de la marca de calidad y la produccin debe ser
puesta en el mercado tras ser tratada en los centros de distribucin.
El modelo de tareas realiza un refinamiento de los objetivos de la
organizacin, identificando el conjunto de actividades que se llevan
a cabo para alcanzar dichos objetivos. En nuestro caso, el objetivo
perseguido por el sistema de asesoramiento experto es el
293

seguimiento del cultivo, donde se indica al agricultor las

actuaciones a realizar sobre el cultivo en base a las observaciones
realizadas en las visitas semanales del tcnico y ajustndose al
protocolo de la marca de calidad PI.
Modelamos la tarea de seguimiento del cultivo aplicando
descomposicin funcional y se obtienen las subtareas mostradas
mediante un diagrama de flujo de datos en la figura 2. Esta tarea se
descompone en cinco procesos: Muestrear, Proponer actuacin,
Estimar riesgo, Fijar actuacin y Anotar actuacin.
Figura 1: Procesos de negocio en la norma de calidad Produccin

Integrada.
Durante el proceso de muestreo se seleccionan las plantas a

observar bien de forma aleatoria o supervisada (en las bandas o
zonas de riesgo), recogiendo la informacin necesaria para indicar
que actuacin se debe realizar dependiendo del cultivo y de la
plaga. La actividad ms importante es el conteo de la plaga y la
fauna auxiliar, es decir, cuantos individuos (o los sntomas de su
presencia) hay de cada especie. Adems de calcular la incidencia
294
de cada plaga, en este proceso se obtiene informacin de factores

externos y del estado de las plantas. Se trata de una tarea lenta y
mecnica.
En base al historial del cultivo se puede adelantar que tipo de
actuaciones se han de realizar proponiendo una actuacin. Para la
fertirrigacin existen protocolos donde segn la fenologa del
cultivo se ha de regar con una determinada concentracin de
abonos. Igual ocurre con las medidas culturales como la poda,
destallado o recoleccin. Estas actuaciones se deben confirmar tras
la revisin y el muestreo. Pero en el control integrado de plagas no
existen protocolos. Se fundamenta en el recuento de agentes
nocivos y sus enemigos naturales. Solo se aplica este proceso para
los protocolos en fertirrigacin, medidas culturales y recoleccin.
295

CULTIVOS
nmero
individuos
conteo
Muestrear
Estado cultivo
(histrico)
historia
estado plantas
ENTORNO
Observaciones
factores
externos
Tratamientos
aplicables
Tratamientos
aplicados
Estimar
riesgo
Proponer
actuacin
necesidad
actuacin actuacin
protocolizada
Fijar
actuacin
Anotar
actuacin
actuaciones
actuacin aplicada
AGRICULTOR
Figura 2: Modelo de tareas.
La estimacin del riesgo consiste en decidir en base a la

informacin del muestreo y los datos de semanas anteriores si
existen factores de riesgo que puedan afectar las actuaciones o
llevar a fijar nuevas actuaciones, es decir se decide si es necesario
realizar una actuacin de emergencia. En el caso del control de
plagas es la tarea en donde segn los umbrales de tratamiento
fijados por la marca de calidad (valores mnimos que se han de
alcanzar para poder actuar) se decide si es necesario aplicar un
296
tratamiento, pero incluso superando los umbrales, puede que no se

decida tratar porque otras observaciones no lo hagan necesario.
Durante el proceso fijar actuacin se concretan las actuaciones a
realizar, indicando dosis y cual es el producto fitosanitario (materia
activa) a aplicar segn los datos recogidos.
La labor administrativa anotar actuacin consiste en anotar sobre le
cuaderno de campo del cultivo que actuacin se ha realizado para
los tratamientos, donde se registra el producto comercial aplicado
por el agricultor de entre los posibles en el mercado que contengan
la materia activa recomendada por el tcnico.
En este trabajo se ha hecho un modelo de tareas general que refleja
todas las actuaciones que se pueden realizar sobre el cultivo. Pero
recordemos que el control fitosanitario integrado slo se ocupa del
control de los agentes nocivos. Los dos tipos de tratamientos
aplicables son: tratamientos qumicos y biolgicos. Por tanto, en la
definicin del modelo de conocimiento slo nos quedamos con los
procesos: Muestrear, Estimar riesgo y Fijar Actuacin de
tratamiento, de los cuales los dos ltimos son los que necesitan
intensamente el conocimiento, ya que como hemos indicado el
muestreo es mecnico y su automatizacin vendra de la mano de
tcnicas robticas.
Un resultado importante de este nivel de modelado del contexto es
determinar que en el proceso de asesoramiento, el experto
diferencia entre dos tareas intensivas en conocimiento: la
estimacin del riesgo debido a la plaga y el fijar o asesorar un
tratamiento. La decisin se toma a dos niveles. En primer lugar, se
decide si es necesario una accin de control sobre el cultivo,
estimando el riesgo asociado a las plagas muestreadas. En segundo
lugar, se selecciona la combinacin de productos qumicos o
biolgicos a aplicar, respetando lo ms posible la fauna til y otros
productos biolgicos aplicados previamente y la normativa de la
marca de calidad.
297

El Modelo de Conocimiento
El modelo de conocimiento modela el conocimiento que un experto
utiliza en la resolucin de un problema. Una caracterstica bsica
de los modelos de conocimiento es la distincin entre diferentes
tipos de conocimiento. Esta distincin nace de la observacin de
que las diferentes partes del conocimiento juegan distintos papeles
en un proceso de resolucin de problemas. Se considera que este
particionamiento del conocimiento en tipos es genrico, y no
especfico de aplicaciones particulares.
Para poder llevar a cabo el modelado de los distintos papeles que
puede jugar el conocimiento, se emplean tres categoras disjuntas:
el conocimiento de las tareas, del dominio y de las inferencias. El
conocimiento de tareas describe de una forma recursiva la
descomposicin de una tarea de alto nivel en varias subtareas. El
conocimiento del dominio especifica los hechos y asunciones que
necesita el proceso de razonamiento para llevar a cabo su cometido
en el dominio de la aplicacin. Por una parte se va a especificar la
forma y estructura del conocimiento que es lo que se denomina
ontologa del dominio y por otra, la instancias de estas estructuras
para el dominio de aplicacin concreto. El ltimo tipo es el
conocimiento sobre inferencias que describe los procesos bsicos
de razonamiento que tienen lugar en una aplicacin, as como los
roles de conocimiento que son usados por las inferencias.
Este modelo proporciona una descripcin conceptual del papel que
juegan los diferentes componentes de conocimiento en el proceso
de solucin del problema. Para ello se utiliza un lenguaje de
modelado conceptual CML (Anjewierden, 1997), que se
complementa con un lenguaje grfico basado en diagramas. Esta
descripcin permite que el modelo de conocimiento sirva como
medio fsico de comunicacin entre los implicados en el desarrollo.
298
La construccin del modelo de conocimiento se realiza en tres

fases, tal como se muestra en la Tabla 1: Identificacin,
Especificacin y Refinamiento del conocimiento.
Fase
Paso
Explorar las fuentes
de informacin
Enumerar los
Identificacin
componentes
potenciales
Resultado
Lista de fuentes de informacin y
glosario de trminos
Lista de posibles componentes a
reutilizar a nivel componentes
tareas y componentes del
dominio
Seleccionar la
Plantilla o combinacin de ellas
plantilla de tarea
que servir de patrn en la
elaboracin del modelo de
conocimiento
Construir primera
Principales tipos de informacin,
Especificacin versin de conceptos esquema del dominio
del dominio
Completar la
Modelo de conocimiento
especificacin del
completo a falta de rellenar
modelo de
conocimiento
Rellenar de
Conocimiento necesario para la
contenido los
tarea modelada
Refinamiento modelos de dominio
Validar el modelo de Simulacin, en papel o prototipo
conocimiento
del conocimiento.
Tabla 1: Fases del proceso de construccin del modelo de conocimiento.
En la primera fase se identifican las fuentes de informacin tiles

para modelado del conocimiento. Se construye un glosario de
trminos del dominio. Se revisan componentes de modelado ya
construidos como modelos de tareas bsicas o esquemas y
ontologas del conocimiento del dominio. Estos componentes
podrn ser reutilizados en el proyecto, partimos del modelo de
organizacin, en especial los elementos descritos sobre el dominio
y las tareas.
299

En el caso de SAEPI gran parte del conocimiento del dominio se ha

reutilizado de trabajos anteriores del grupo de investigacin
(Tnez, 2001), adaptndolos para el uso de normas de calidad
como la PI. En este trabajo tambin se desarrollo un mtodo para la
tarea de planificacin de terapia que se basada en razonamiento
abductivo para resolver el problema de tratamiento de plagas slo
para la lucha qumica, que es un elemento importante a ser
reutilizado en este nuevo proceso de modelado.
En la segunda fase, la especificacin, el ingeniero del conocimiento
comienza con la construccin de la especificacin del modelo de
conocimiento empleando diagramas y CML. Los componentes
reutilizables seleccionados en la fase anterior son el marco para la
especificacin. Para modelar el conocimiento de las tareas que
aborda el SBC se selecciona una plantilla de tarea bsica (o una
combinacin de varias) que se corresponda con las caractersticas
de la tarea a modelar. El ingeniero del conocimiento tendr que
rellenar los agujeros que aparezcan en la reutilizacin de
componentes ya existentes.
La ltima fase, refinamiento, pretende la validacin del modelo de
conocimiento y la captura de la mayor cantidad de conocimiento o
instancias de conocimiento para insertarlas en la base de
conocimiento ligada a ese modelo. La validacin consiste en
determinar si el modelo construido puede generar el
comportamiento requerido en la resolucin del problema. La
tcnica utilizada durante la validacin suele ser la simulacin en
papel o a travs de un prototipo del modelo de conocimiento.
Estas tres fases estn entrelazadas, no se tienen porqu desarrollar
de forma secuencial, es habitual necesitar iteraciones, por ejemplo,
para rellenar el modelo de dominio podemos necesitar recurrir a
nuevas fuentes de informacin que han de ser identificadas.
300
La Seleccin de los Componentes Bsicos de Modelado

El catalogo de plantillas de tareas de CommonKADS se puede
utilizar para modelar cualquier tipo de problema. En nuestro caso,
el problema es asesorar acerca de cual es la terapia a administrar
para reparar un problema en el dominio del control de plagas
dentro de la norma de calidad PI. As, asignaremos el nombre de
Administracin de Terapia al problema a modelar que se
instanciar sobre el dominio de la PI en agricultura, que tambin
tiene que ser modelado.
En la Ingeniera del conocimiento se distingue dos tipos de tareas
bsicas: de anlisis y de sntesis. Las primeras tienen por objetivo
identificar o clasificar los componentes o atributos desconocidos de
un sistema conocido. El objetivo de las segundas es ensamblar una
descripcin estructural de un sistema, inicialmente desconocido, a
partir de sus partes conocidas. La Tabla 2 muestra la taxonoma de
plantillas de tareas bsicas de CommonKADS.
Tipo de tarea
Anlisis
Valoracin
Diagnstico
Entrada
Observaciones
sobre el
sistema
Descripcin
del caso
Salida
Caracterizacin
del sistema
Tipo de decisin
Sntomas/
quejas
Tipo de fallo
Monitorizacin Datos del

sistema
Clase de
discrepancia
Clasificacin
Caractersticas Clase del objeto
Conocimiento
Modelo del
sistema
Caractersticas
Se da una
descripcin del
sistema
Criterios
La valoracin
Normas
se realiza en un
momento
puntual en el
tiempo.
Modelo de
La salida varia
comportamiento
(cadena causal,
del sistema
estado,
componente) y
depende del uso
que se haga
(reparacin)
Comportamiento
El sistema
normal del sistema cambia con el
tiempo. La
tarea se repite
cclicamente
Asociaciones
Conjunto de
301

del objeto
clasecaracterstica
Modelo de
comportamiento
del sistema
Prediccin
Datos del
sistema
Estado del
sistema
Sntesis
Requisitos
Estructura del
sistema
Elementos,
Restricciones,
Preferencias
Planificacin
Objetivos
Requisitos
Plan de accin
Diseo
Requisitos
Descripcin del
artefacto
Funciones,
Componentes,
Diseos
squeltales,
Restricciones,
Preferencias
Funciones,
Componentes,
Restricciones,
Preferencias
Diseo de
Requisitos
configuraciones
Descripcin del
artefacto
Programacin
Temporal
Trabajos
Restricciones y
asignados a
preferencias
momentos de
tiempo y recursos
Asignacin
Trabajos,
recursos,
unidades de
tiempo,
recursos
Dos conjuntos
de objetos
Acciones,
Restricciones,
Preferencias
Correspondencias Restricciones,
entre conjuntos
preferencias
clases
predefinidas
La salida es la
descripcin del
sistema en un
tiempo futuro
Se necesita
generar una
descripcin del
sistema
Puede incluir el
diseo creativo
de los
componentes
Es un subtipo
del diseo en el
que todos los
componentes
estn
predefinidos.
Las acciones
estn
parcialmente
ordenadas en el
tiempo.
El carcter
orientado al
tiempo la
distingue de la
asignacin
El reparto no
tiene porque ser
uno a uno
Tabla 2: Taxonoma Tareas en CommonKADS.
En la metodologa CommonKADS las caractersticas del problema

o tarea a modelar guan el proceso de modelado de conocimiento
(Aamodt, 1993). Para problemas de administracin de terapia como
el considerado, no existe coincidencia exacta con ninguna de las
tareas bsicas anteriores, una alternativa es recurrir a componentes
ms elementales para construir el modelo de conocimiento,
302
olvidando la reutilizacin a nivel de tarea genrica; pero tal como

propone la propia metodologa, en ocasiones se puede abordar el
modelado desde la combinacin de algunas de las plantillas de
tarea. De hecho existen un conjunto clsico de posibles
combinaciones de las tareas bsicas, que se describen en la Tabla 3:
Combinacin de tareas Descripcin
bsicas
Monitorizacin
+ Combinacin habitual, puesto que la salida
Diagnstico
de una es la entrada de la siguiente. Muchos
de los sistemas tcnicos actuales incluyen
esta funcionalidad de monitorizacin y
diagnstico
Monitorizacin
+ En aplicaciones donde no hay la posibilidad
Valoracin
real del diagnstico debido a la no
disponibilidad de los expertos o la ausencia
de modelos causales apropiados
la
monitorizacin va seguida de una
valoracin, en la que la decisin se toma
segn la situacin.
Diagnstico
+ El resultado del diagnstico suele utilizarse
Planificacin
como un objetivo para la planificacin de
acciones correctivas (trouble-shooting)
Valoracin + Planificacin Un ejemplo son los planes de recuperacin
Tabla 3: Combinaciones de Tareas Bsicas.
Si enlazamos estas combinaciones podemos proponer cadenas

como: monitorizacin + valoracin + planificacin o bien
monitorizacin + diagnstico + planificacin, como se muestran en
la Figura 2.
Cabe decir que las tareas de planificacin y tratamiento se pueden
considerar equivalentes (Tunez, 2001). El objetivo del tratamiento
es disear un plan teraputico, es decir, un plan cuyas acciones
consisten en la administracin de productos teraputicos, y cuyo
objetivo es remediar un proceso anmalo previamente identificado.
La estructura del plan consiste en una secuencia de acciones de
303

administracin y los elementos del plan son las propias acciones de

administracin. Cada una de estas acciones especifica un producto
teraputico y unos detalles de administracin (dosis, forma de
aplicacin,). Por esta razn, es frecuente referirse a la tarea de
tratamiento como una tarea de planificacin teraputica. Como ya
hemos indicado la planificacin de terapia ya ha sido modelada con
xito en trabajos anteriores y disponemos de una plantilla
modificada apropiada para este dominio (Tnez, 1998).
En otros trabajos tambin se han relacionado estos tres tipos de
tareas monitorizacin+diagnstico+tratamiento (Breuker, 1993). El
proceso comienza con una tarea de monitorizacin que genera un
conjunto de situaciones de error (discrepancias con el
comportamiento normal esperado). A continuacin, se busca la
causa de la discrepancia capaz de explicar el comportamiento
observado. Finalmente se prescribe un tratamiento para detener el
problema. Esta es la combinacin que mejor se adapta a la
administracin de terapia, sin embargo las tareas de monitorizacin
y diagnstico tienen diferentes matices en el dominio agrcola y
necesitan ser adaptadas. El dao se detecta mediante la inspeccin
del cultivo y la hiptesis de diagnstico es siempre una plaga o
enfermedad que afecta al cultivo. El experto identifica el agente
perjudicial mediante la observacin directa de las plantas en le
muestreo y despus analiza los datos recolectados para detectar un
desequilibrio, lo que corresponde tambin con una tarea de
valoracin, mas que un diagnostico o lo que llamaremos
diagnstico por valoracin.
Consecuentemente, hemos seleccionado como componentes
potenciales para la reutilizacin las plantillas de las tareas bsicas
de CommonKADS de monitorizacin, diagnostico y valoracin,
adems el modelo previo de plantificacin de terapia ya
desarrollado por el grupo. La Figura 2 muestra la versin cero del
modelo de conocimiento, que se obtiene de la fase de
indentificacin, el ingeniero del conocimiento debera adaptar y
304
completar estos componentes para construir el modelo de

conocimiento completo para nuestro problema, en la misma figura
se muestran los diagramas de inferencias correspondientes a estas
tareas bsicas y en las zonas sombreadas aparece la porcin de la
plantilla que se ha adaptado, tal y como se describe en los
siguientes apartados.
Monitorizacin
Diagnstico por valoracin

Diagnstico
Valoracin
Tratamiento
Monitorizacin
receive
hallazgo
compare
diferencia
Modelo del sistema
select
norma
classify
parametro
Diagnstico
specify
sntoma
discrepancia
cover
hiptesis
specify
observable
select
hiptesis
histrico
obtain
hallazgo
specify
Resultado
Valoracin
caso
abstract
caso
abstracto
specify
normas
evaluate
decisin
match
select
norma
valor normal
Figura 2: Tareas bsicas reutilizadas en el modelo de conocimiento.
Los diagramas de inferencias de la Figura 2 nos describen de forma

general el proceso de razonamiento modelado en las tareas:
La tarea de monitorizacin recibe un nuevo dato normalmente
cada cierto intervalo de tiempo y se selecciona un parmetro del
305
295

sistema que nos pueda decir algo acerca del nuevo dato, a partir de
un modelo de lo que se espera del sistema, especificando el valor
normal para ese parmetro y este valor normal se compara con este
nuevo dato. Si se detecta una diferencia y se considera o no una
discrepancia clasificndola segn los valores recogidos
anteriormente en otros ciclos de monitorizacin. Se hace necesario
tener conocimiento del comportamiento normal del sistema y esta
tarea se repite cclicamente, cada intervalo de tiempo o cada vez
que se recibe u se obtiene un nuevo dato.
La tarea de diagnstico parte de unos sntomas y busca cual es el
conjunto de posibles hiptesis diagnsticas que cubran o
justifiquen estos sntomas. Una a una estas hiptesis se van
seleccionando para verificar si los datos observados en el sistema la
confirman o la descartan. En base a las posibles hiptesis
diagnsticas se especifican los datos a obtener del sistema.
La tarea de valoracin fija una categora de decisin segn los
datos del caso. Aplicando abstraccin se define un caso abstracto
partiendo de los datos concretos del caso, que permite especificar
los criterios a aplicar en la valoracin. Uno a uno se selecciona
cada uno de estos criterios que es evaluado, y tras esto se
comprueba si concuerdan con los valores establecidos para tomar
una decisin. La valoracin se realiza en un momento puntual de
tiempo
La tarea de tratamiento resuelta con el mtodo abductivo es una
tarea compleja que se no se describe mediante inferencias, sino con
su descomposicin en otras tareas que han de seguir
descomponindose hasta llegar a las inferencias. Sera demasiado
extenso mostrar el proceso de adaptacin del tratamiento que
tendra que comenzar por describir y comprender este modelo hasta
el nivel de inferencias. En este trabajo nos centraremos en la
descripcin del proceso de adaptacin de las tareas de
monitorizacin y diagnstico por valoracin, ya descritas en
306
trminos de inferencias, para resolver la tarea seleccionar objetivos

teraputicos.
El Conocimiento de las Tareas y del Dominio

Se modela el conocimiento de tareas y
har corresponder con el proceso
conocimiento de las inferencias. Las
modelan de forma general para poder
similares, despus es necesario hacer
conceptos del dominio o roles.
del dominio, despus se

de razonamiento del
tareas e inferencias se
reutilizarse en dominios
un mapeado sobre los
De esta forma, se parte de una tarea genrica administracin de

terapia que se resuelve por descomposicin en dos subtareas:
seleccin de objetivos teraputicos y tratamiento, reflejando el
modo en que el experto realiza la tarea de asesoramiento
teraputico para la PI, tal como mostramos en la Figura 3. Para
resolver la tarea de tratamiento hemos reutilizado el mtodo de
planificacin de terapia basada en razonamiento abductivo, cuyo
proceso de adaptacin para la produccin integrada no se trata en
este trabajo tal como ya hemos justificado en el apartado anterior y
nos centraremos por tanto en la tarea seleccin de objetivos
teraputicos.
307

CULTIVOS
administracin
terapia
nmero
individuos
conteo
Muestrear
Estado cultivo
(histrico)
historia
estado plantas
anlisis por descomposicin
selecionar
objetivos
terapeticos
ENTORNO
Observaciones
factores
externos
tratamiento
Tratamientos
aplicables
proponer
y ajustar
hasta llegar a inferencias
proponer
objetivos
terapeticos
descartar
objetivos
terapeticos
Tratamientos
aplicados
Estimar
riesgo
Proponer
actuacin
necesidad
actuacin actuacin
protocolizada
Fijar
actuacin
Anotar
actuacin
actuaciones
actuacin aplicada
AGRICULTOR
Figura 3: Conocimiento de tareas.
La seleccin de objetivos teraputicos cuyo objetivo, en nuestro

caso, ser seleccionar de entre todas las posibles plagas que puedan
afectar al cultivo, aquellas que por su incidencia lleguen a
desequilibrar el sistema, se resuelve aplicando el mtodo proponer
y ajustar. Este mtodo realiza la seleccin de objetivos teraputicos
gracias a dos las tareas: proponer objetivos teraputicos y
descartar objetivo teraputico. Estas dos tareas se definen en
trminos de inferencias primitivas. CommonKADS plantea la
descripcin de la tarea de forma independiente al mtodo que se
aplique para resolverla; de esta forma, puede producirse un cambio
de mtodo que afecte slo a las tareas descendientes. Una tarea
puede resolverse mediante varios mtodos alternativos. La
descripcin CML de cada tarea tiene dos partes diferenciadas tal
como se muestra en la Tabla 4, la propia tarea (TASK) y el mtodo
por el que se resuelve (TASK-METHOD), en la tabla se incluyen
las descripciones CML de las tareas.
Este modelo de conocimiento refleja el mecanismo que aplica el
tcnico agrcola durante las visitas a los cultivos. Partiendo de unos
formularios donde se registran las observaciones sobre plantas
elegidas al azar, el tcnico fija la presencia perjudicial de
308
determinadas plagas, es decir propone unas plagas como objetivos

teraputicos (propose_therapuetic-objectives). Para poder tomar la
decisin sobre la necesidad de actuar sobre estas plagas candidatas,
se consideran datos adicionales que permiten convertirlas
definitivamente en objetivos teraputicos sobre los que recomendar
una actuacin o descartarlos para la tarea de tratamiento. Para
entender el proceso de modelado del conocimiento completo, este
conocimiento de tareas se debe relacionar con los conceptos del
dominio y lo que se llaman objetivos teraputicos, despus sern
patologas concretas.
Cdigo CML del modelo de tareas
TASKS
METHODS APPLIED
TASK administracin_terapia
ROLES:
INPUT: caso:Datos de la visita
al cultivo;
OUTPUT: plan_tratamiento:
secuencia de acciones
terapeuticas ;
END TASK
administracin_terapia;
TASK seleccionar- objetivosterapeticos

ROLES:
INPUT: :Datos de la visita al
cultivo;
OUTPUT: objetivosterapeticos-:problemas a
resolver;
END TASK seleccionarobjetivos-terapeticos;
TASK METHOD analisis_por_descomposicion

REALIZES:administracion_terapia;
DECOMPOSITION:
seleccionar-objetivos-terapeuticos, tratamiento
CONTROL-STRUCTURE:
seleccionar-objetivos-terapeuticos (caso -> objetivosterapeuticos );
tratamiento(objetivos-terapeuticos -> plan-tratamiento);
END TAKS METHOD analisis_por_descomposicion
TASK METHOD proponer-y-ajustar
REALIZES: seleccionar-objetivos-terapeticos
DECOMPOSITION:
proponer-objetivos-terapeticos, descartar-objetivosterapeticos;
CONTROL-STRUCTURE:
proponer-objetivos-terapeticos (caso -> objetivosterapeticos);
FOR EACH objetivos-terapetico IN objetivos-terapeticos
DO
descartar-objetivos-terapeticos (objetivos-terapeticos +
nuevos_hallazgos -> resultado);
IF resultado == false
objetivos-terapeticos:= objetivos-terapeticos
SUBTRACT objetivos-terapetico;
END FOR-EACH
END TAKS METHOD proponer-y-ajustar
309

TASK tratamiento
ROLES:
INPUT: objetivos-terapeticos:problemas a resolver;
OUTPUT: plan_tratamiento:
secuencia de acciones
terapeuticas ;
END TASK tratamiento;
TASK proponer-objetivosterapeticos
ROLES:
INPUT: caso:Datos de la visita
al cultivo;
OUTPUT: objetivosterapeticos-:problemas
candidatos a ser resueltos;
END TASK proponer-objetivos
terapeticos;
TASK METHOD tratamiento-abductivo

REALIZES:tratamiento;
DECOMPOSITION:
............
CONTROL-STRUCTURE:
...............
END TAKS METHOD tratamiento-abductivo
(heredados de las plantillas de tareas, descritos en apartado

siguiente)
TASK descartar-objetivosterapeticos
ROLES:
INPUT: objetivos-terapeticos:problemas candidatos a ser
resueltos, nuevos-hallazgos;
OUTPUT: objetivosterapeticos-:problemas
candidatos a ser resueltos;
END TASK descartar-objetivosterapeticos;
Tabla 4: Cdigo CML de las Tareas.
En paralelo al proceso anterior, se tiene que definir el modelo del

conocimiento del dominio utilizando UML para modelar los
conceptos y sus relaciones. Este modelo refleja la ontologa del
dominio y las estructuras y relaciones entre los conceptos para la
administracin de terapia fitosanitaria. La Figura 4 muestra una
porcin de este modelo, la relativa a la tarea de seleccin de
objetivos teraputicos. En las Visitas semanales a las Parcelas se
Muestrea el cultivo y se realizan Observaciones de otra
informacin de inters que puede detectar la Infestacin de las
Plantas con algn Agente nocivo lo que detecta una posible
Patologa que debe llevar asociada un conjunto de Acciones.
310
Parcela
Tomate
Se realizan
Visita
Hallazgo
Plantado con
Valor
cultivo
Plantas
nmero de
flores =6
Infestation
Reclamar
al semillero
Dato
externo
muestreo
Mosca Blanca
Agente
nocivo
Muestra
caracteristica
presencia
TCLV Virus
valor observado
no virus
val valido (umbral)
Accin
fecha plantacin < 10

del
20%
0%
Patologa
Se detecta
infestado por
mosca blanca
Figura 4: Conocimiento del dominio.
Conocimiento de las inferencias

Para resolver las subtareas proponer y descartar objetivos
teraputicos se adaptan de las plantillas de las tareas bsicas
monitorizacin, diagnstico y valoracin, como se ha indicado en
el apartado anterior. A continuacin analizaremos los ajustes
realizados para generar el modelo conocimiento completo.
En el problema de administracin de terapia en agricultura se
parece a la tarea bsica monitorizacin, donde se obtiene un dato y
se compara con lo que se espera del sistema para detectar
discrepancias, pero slo se consideran los datos recolectados en
una visita semanal, no se mantienen datos de la evolucin. Por otra
parte, la discrepancia es siempre la presencia descontrolada de un
agente nocivo, de aquel del que se estn obteniendo los datos o
medidas. Esto lleva a que slo sea til en nuestro caso la primera
parte de la plantilla, tal como se muestra de forma aproximada en la
zona sombreada en la Figura 3. Pero esta tarea de monitorizacin
no es suficiente, puesto que no refleja el anlisis o reconsideracin
311

de otros datos para descartar los objetivos teraputicos aun

superados los umbrales de tratamiento, ni tampoco se puede
expresar el hecho de que los datos que se obtienen y se registran; es
decir, el patrn de observacin, depende del caso, puesto que no se
observa lo mismo si el cultivo es de tomate o de pepino. La primera
deficiencia se inyecta sobre el conocimiento de las inferencias de la
tarea de diagnstico que veremos a continuacin y la segunda de la
de valoracin.
La tarea bsica diagnstico propuesta por CK se basa en la
cobertura causal. Se parte de unos sntomas y genera un conjunto
de posibles hiptesis diagnsticas que puedan justificarlos, stas
son verificadas o descartadas una a una con nuevos datos
observados del problema. En nuestro caso, la hiptesis es siempre
una plaga sobre la que se debe actuar o potencial objetivo
teraputico (que ha sido definido como tal en base a los umbrales
de tratamiento) y que, segn los datos, pueden ser descartados
como objetivos teraputicos. Tambin es necesario indicar
recomendaciones adicionales y en cada visita se generan valores
indicadores del estado del cultivo, que reflejan el nivel de
infestacin del cultivo debido a todos los objetivos teraputicos ya
verificados.
La plantilla de valoracin parte de los datos del caso y se define un
caso abstracto para especificar los criterios o normas a aplicar que
se evalan para tomar una decisin. Para nuestro caso, los criterios
corresponderan a los umbrales de tratamiento de la PI, y la
evaluacin es sencilla, consistira en comprobar si se superan los
umbrales. Lo que no se recoge en esta plantilla de tarea es que
estos umbrales se seleccionan en funcin de un patrn de
comportamiento y del caso concreto, que vienen definidos por la
visita.
Una cuestin importante para el modelado de las inferencias, que
no aparece recogido en ninguna de las tres plantillas es que el
312
proceso de proponer y descartar un objetivo teraputico se repite

para todos los agentes nocivos de un cultivo que son muestreados.
El resultado del modelado del conocimiento de inferencias para las
tareas proponer y descartar objetivos teraputicos se muestra en la
Figura 5. En primer lugar, se fijan los parmetros segn el caso, al
modo de la plantilla valoracin. Estos parmetros se comparan con
unos umbrales, obtenidos como se propone en la plantilla
monitorizacin, y se fija un objetivo teraputico cuando se detecta
una discrepancia. Cada posible objetivo teraputico puede ser
descartado posteriormente en funcin de otro conjunto de datos a
valorar o descubrimientos que se seleccionan dependiendo de cada
objetivo teraputico concreto, al modo de la plantilla diagnstico, y
se generan las recomendaciones y el estado del cultivo.
Algunas propiedades de
( Planta, Parcela,
Visita, Agente nocivo)
MODELO OBSERVACIN
UMBRALES
hallazgos o caractersticas
CASO
select
PARAMETROS
select
hallazgo
o caracterstica
select
PARAMETRO
obtain
UMBRAL
VALOR
compare
Agente nocivo
valor vlido
valor observado
DIFERENCIA
select
OBJETIVOS
TERAPETICOS
valor booleano
Agente nocivo
Agente nocivo
OBJETIVOS
TERAPETICOS
select
instance
hallazgo o caracterstica
OBJETIVO
TERAPETICO
specify
OBSERVABLES
obtain
specify
HALLAZGOS
hallazgo o caracterstica
evaluate
ESTADO
specify
Patologa
RESULTADO
Patologa o accin
RECOMENDACIONES
Accin
Figura 5: Conocimiento de inferencias de la tarea seleccionar objetivos

teraputicos
313

El proceso de razonamiento modelado en el conocimiento de

inferencias, tambin queda reflejado en el cdigo CML de los
mtodos de resolucin seleccionados para cada tarea, como se
muestra en la Tabla 5. En la figura 6 y con diferente tipo de letra,
tambin se refleja la correspondencia entre los elementos del
dominio y los conceptos descritos en las inferencias. Utilizando
esta correspondencia podemos describir el proceso de
razonamiento general modelado en los diagramas de inferencias,
pero ya instanciado para nuestro dominio concreto: durante las
visitas, el tcnico selecciona un conjunto aleatorio de plantas,
detecta la poblacin de agentes perjudiciales, y registra estos y
otros datos sobre el estado de las plagas, de las plantas y del
contexto que pueda afectarle. El experto determina si es necesario
realizar un tratamiento, basndose en estos datos y los umbrales de
tratamiento. Finalmente, para comprender mejor el proceso de
razonamiento modelado, volvemos a describir el mismo mediante
un ejemplo que refleja una visita concreta del tcnico agrcola,
cuyo conocimiento hemos modelado: Tenemos un cultivo de
tomate. Durante la visita se ha detectado el virus TCLV
(provocado por la mosca blanca) en un 20% de las plantas
muestreadas. La norma indica que hay que tratar la mosca a la
primera presencia si la planta tiene menos de 6 ramilletes
cuajados. La mosca blanca sera un objetivo teraputico pero si
aadimos el dato de que esa planta est recin trasplantada, el
virus procede del semillero, se descarta la hiptesis de tratamiento
y habra que reclamar al semillero.
314
Mtodos aplicados en las tareas

TASK-METHOD monitorizacinbasada-en-umbrales
REALIZES: proponer-objetivosterapeticos
CONTROL STRUCTURE:
select (caso -> parametros);
FOR EACH parametro IN parametros
select (parametro -> umbral)
obtain(parametro-> valor);
compare (umbral + valor ->
diferencia);
IF diferencia == true
THEN select-instance(caso +
diferencia
-> problema-elemental)
objetivos-terapeticos:=
objetivos-terapeticos ADD problemaelemental;
END IF
END FOR EACH
END TASK-METHOD monitorizacinbasada-en umbrales
TASK-METHOD valoracin-nuevoshallazgos
REALIZES: descartar-objetivos-terapeticos
CONTROL STRUCTURE:
specify(-objetivo-terapetico >observables)
FOR EACH observable IN observables DO
obtain(observables ->hallazgos)
END FOR EACH
specify (objetivos-terapeticos +hallazgos > estado)
specify (estado - > recomendacion)
evaluate(estado + objetivos-terapeticos ->
resultado)
END TASK-METHOD valoracin-nuevoshallazgos
Tabla 5: Los Mtodos.
El trabajo de construccin del modelo de conocimiento para la

tarea de administracin de terapia en el dominio de produccin
integrada en agricultura se completara rellenando las bases de
conocimiento con toda la informacin ligada a la marca de calidad
para poder ser utilizado en la implementacin posterior del SBC.
Conclusiones
En este trabajo presentamos el modelado de conocimiento
realizado para el desarrollo de un sistema de ayuda a la decisin
(SAD) para el control fitosanitario en Produccin Integrada (PI),
utilizando la metodologa CommonKADS.
315

El control fitosanitario es uno de los procesos ms complejos de la

produccin agraria aplicando la norma de calidad PI. Donde es
necesaria una toma de decisiones rpida basada en mltiples
factores y el manejo de informacin de diferentes fuentes. Por estas
razones, la aplicacin de SAD basados en conocimiento, facilitan el
trabajo de los tcnicos agrcolas y agricultores, y se convirtindose
en herramientas fundamentales en el asesoramiento experto en
sanidad vegetal.
Este SAD forma parte de los resultados del proyecto de
investigacin Sistema Inteligente para la Ayuda a la toma de
Decisiones en Agricultura, financiado por la UE y por el
Ministerio de Ciencia y Tecnologa de Espaa y desarrollado de
forma coordinada entre las Universidades de Murcia, Granada y
Almera (Espaa). En este proyecto se ofrece un conjunto de
herramientas integradas en la Web de asesoramiento y ayuda a la
toma de decisiones a los agricultores y tcnicos agrcolas en los
aspectos de control fitosanitario, fertirrigacin, y evaluacin de
suelos.
CommonKADS es una metodologa de la Ingeniera del
conocimiento basada en el paradigma del modelado. En este
paradigma el desarrollo del SAD se centra en el modelado del
conocimiento que los expertos utilizan para resolver el problema
del control fitosanitario. Para lo cual, se busca un conjunto de
patrones recurrentes de comportamiento o tareas bsicas, que
describen los requisitos de conocimiento necesarios para el
desarrollo del SBC y, por tanto, facilitan la adquisicin y
reutilizacin del mismo y por lo tanto, el proceso de gestin de
conocimiento dentro de la organizacin.
En la construccin del modelo de conocimiento se ha reutilizado
como base las tareas bsicas de CommonKADS de monitorizacin,
diagnstico y valoracin, junto con un mtodo de planificacin de
terapia basada en razonamiento abductivo propuesto por nuestro
316
grupo de investigacin para resolver el problema de tratamiento de

plagas slo con lucha qumica. El conocimiento de tareas, de
inferencias y del dominio que forman el modelo de conocimiento
propuesto, es, a su vez, reutilizable en dominios donde la
administracin de terapia se realiza mediante un seguimiento
guiado por patrn o modelo de observacin que se compara con los
umbrales establecidos segn el caso y la decisin final de la
administracin de terapia se reconsidera en funcin de hallazgos
adicionales.
Respecto a los trabajos futuros esta previsto ampliar el mbito del
SAD para que incluya ms cultivos y plagas, rellenando la base de
conocimiento. Adems, de extenderlo a los aspectos de inspeccin
y de comercializacin bajo PI no contemplados actualmente,
generando el modelo de conocimiento de estas tareas y sus
correspondientes SAD.
Bibliografa
AAMODT, A.; BREDEWEG, B.; BREUKER, J.; DUURSMA, C.;
LCKENHOFF, C.; ORSVARN, K.; TOP, J.; VALENTE, A.
AND VAN DE VELDE, W. (1993). The Common KADS Library.
Technical Report. University of msterdam.
AAMODT, A.; BREDEWEG, B.; BREUKER, J.; DUURSMA, C.;
LCKENHOFF, C.; ORSVARN, K.; TOP, J.; VALENTE, A.
AND VAN DE VELDE, W. (1993). The Common KADS Library.
Technical Report. University of msterdam.
A. ANJEWIERDEN. CML2. Technical Report 11, University of
Amasterdam , http://www.swi.psy.uva.nl/usr/anjo/cml2, 1997.
317

BREUKER, J., AND VAN DE VELDE, W. (1994). The

CommonKADS Library of expertise modelling. Netherland, IOS
press.
J. CAADAS, I. M. AGUILA, A. BOSCH, AND S. TNEZ, "An
Intelligent System for Therapy Control in a Distributed
Organization", Springer-Verlag, Lecture Notes in Computer
Science 2510, 19-26, 2002.
C. DUURSMA, O. OLSSON, AND U. SUNDIN. Task model
definition and task analysis process. Deliverable ESPRIT Project
P5248 KADS-II/M5/VUB/RR/004/2.0, Free University Brussels,
December 1993.
ERDMAN, M. STUDER, R. "Use-Cases and scenarios for
developing Knowledge-based systems. It& knows Information
technologies and knowledge system proceedings of the XV IFIP
World Computer Congress 259-264, 1998.
GMEZ-SKARMETA, A.; VILA, A.; TNEZ, S. An Intelligent
Decision Support System for the South-East Agricultural
Environment Jornadas de Seguimiento de Proyectos CICYT-TICINFO. Departamento de Informtica, Universidad de Valladolid y
Ministerio de Ciencia y Tecnologa. pp 35-40 Valladolid 2000.
R. DE HOOG, R. MARTIL, B. WIELINGA, R. TAYLOR, C.
BRIGHT, AND W. VAN DE VELDE. The CommonKADS model
set. ESPRIT Project P5248 KADS-II/M1/DM.1b/UvA/018/6.0,
University of Amsterdam, Lloyd's Register, Touche Ross
Management Consultants & Free University of Brussels, June
1994.
HOOG, BENUS, B. METSELAAR, V MATSELAAR, C, "The
CommonKADS organization model: Content, Usage, and
318
Computer Support" Expert System With Application, 11, 1 pp 2940

PALMA J.T., PANIAGUA, E. MARTN, F., MARN, R.
Ingeniera del conocimiento.De la extraccin al modelado del
conocimiento. Revista Iberoamericana de la inteligencia artificial
11 (2000) 46-72.
B. RECIO, S. T. ACUA AND N. JURISTO Methodological
proposal for modelling and implementing regulation application
problems in a knowledge-based system, Agricultural Systems,
Volume 60, Issue 1, May 1999, Pages 17-53.
SCHREIBER, A. TH., AKKERMANS, J.M, ANJEWIERDEN, A
, DE HOOG, R.,. AND VAN DE VELDE, W. WIELINGA, B.J.
"Knowledge engineering and management. The CommonKADS
methodology". MIT press. Massachusetts, 1999.
TABOADA, M., DES, J., MIRA, J., AND MARIN, R., 2001.
Diagnosis systems in medicine with reusable knowledge
components. In IEEE Intelligent Systems, Vol 16, 6, pp. 68 73.
TORRES, M; BOSCH, A; TNEZ, S; DEL GUILA, I.M Y
MARN, R Integracin de una Base de Datos en un Sistema de
Soporte para la Decisin. Aplicacin en Sanidad Vegetal"
Proceedings INFONOR '97. X Simposio Internacional de
Aplicaciones de Informtica, Antofagasta, Chile 1997, pp. 2.342.40.
TNEZ, S; DEL GUILA, I; BOSCH, A; Y MARN, R "Un
sistema de ayuda a la decisin basado en objetos: Aplicacin en
agricultura" Actas CAEPIA '95. VI, Conferencia de la Asociacin
Espaola para la Inteligencia Artificial, pp. 515-523, 1995.
TNEZ, S; MARN, R; DEL GUILA, I.M; BOSCH, A. Y
TORRES, M "An Abductive Method to Solve a Treatment
319

Problem" International Workshop on Computational Intelligence

EUROMICRO'98, Vasteras (Suecia) 1998. pp. 737-744 IEEE
Computer Society.
S. TNEZ, I. M. AGUILA, AND R. MARN "An Expertise Model
for Therapy Planning Using Abductive Reasoning" Cybernetics
and Systems: An international Journal, 32: 829-849, 2001.
W. VAN DE VELDE, C. DUURSMA, G. SCHREIBER, P.
TERPSTRA, R. SCHROOTEN, V. GOLFINOPOULOS, O.
OLSSON, U. UNDIN, AND M. GUSTAVSSON. Design model
and process. deliverable DM7.1, ESPRIT Project P5248 KADSII/M7/VUB/RR/064/2.1, Free University Brussels, University of
Amsterdam, Swedish Institute for Computer Science and Cap
Programmator, Brussels, 1994.
ANNIKA
WAERN
AND
SANTIAGO
GALA.
The
CommonKADS agent model. Technical reportESPRIT Project
5248 KADS-II/M4/TR/SICS/002/V.2.0, Swedish Institute of
Computer Science and ERITEL, December 1993.
320
RESEA DE LOS AUTORES
321

El Modelado Del Conocimiento en Un Sistema de Asesoramiento Experto en Producción Integrada en Agricultura

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

El Modelado Del Conocimiento en Un Sistema de Asesoramiento Experto en Producción Integrada en Agricultura

Diunggah oleh

Hak Cipta:

Format Tersedia

CASO 5

El Modelado del Conocimiento en un

En este ltimo caso se describe el modelado de

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

tipos, es que es genrico, y no especfico de aplicaciones

La Gestin Tecnolgica del Conocimiento

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

en tres sistemas de ayuda a la decisin (SAD) (Gmez-Skarmeta,

La Gestin Tecnolgica del Conocimiento

Sistema Basado en el Conocimiento (SBC), ya que es una

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

modelan las principales caractersticas de la organizacin, las tareas

Descripcin del Caso

La Gestin Tecnolgica del Conocimiento

o tipos de conocimiento, por una parte el conocimiento de las

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

seguimiento del cultivo, donde se indica al agricultor las

Figura 1: Procesos de negocio en la norma de calidad Produccin

Durante el proceso de muestreo se seleccionan las plantas a

La Gestin Tecnolgica del Conocimiento

de cada plaga, en este proceso se obtiene informacin de factores

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

La estimacin del riesgo consiste en decidir en base a la

La Gestin Tecnolgica del Conocimiento

tratamiento, pero incluso superando los umbrales, puede que no se

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

La Gestin Tecnolgica del Conocimiento

La construccin del modelo de conocimiento se realiza en tres

En la primera fase se identifican las fuentes de informacin tiles

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

En el caso de SAEPI gran parte del conocimiento del dominio se ha

La Gestin Tecnolgica del Conocimiento

La Seleccin de los Componentes Bsicos de Modelado

Monitorizacin Datos del

Caractersticas Clase del objeto

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

Tabla 2: Taxonoma Tareas en CommonKADS.

En la metodologa CommonKADS las caractersticas del problema

La Gestin Tecnolgica del Conocimiento

olvidando la reutilizacin a nivel de tarea genrica; pero tal como

Si enlazamos estas combinaciones podemos proponer cadenas

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

administracin y los elementos del plan son las propias acciones de

La Gestin Tecnolgica del Conocimiento

completar estos componentes para construir el modelo de

Diagnstico por valoracin

Modelo del sistema

Figura 2: Tareas bsicas reutilizadas en el modelo de conocimiento.

Los diagramas de inferencias de la Figura 2 nos describen de forma

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

La Gestin Tecnolgica del Conocimiento

trminos de inferencias, para resolver la tarea seleccionar objetivos

El Conocimiento de las Tareas y del Dominio

del dominio, despus se

De esta forma, se parte de una tarea genrica administracin de

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento

Figura 3: Conocimiento de tareas.

La seleccin de objetivos teraputicos cuyo objetivo, en nuestro

La Gestin Tecnolgica del Conocimiento

determinadas plagas, es decir propone unas plagas como objetivos

TASK seleccionar- objetivosterapeticos

TASK METHOD analisis_por_descomposicion

Caso 5: El Modelado del Conocimiento en un Sistema de Asesoramiento