UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA

TITULO: Anlisis y diseo de un sistema experto para el diagnostico de enfermedades del pltano en la provincia de Leoncio Prado

DECIMO ENTREGABLE CONTRASTACION DEL MODELO DE SISTEMA EXPERTO CON LO TRADICIONAL

CURSO: Seminario de Tesis-II DOCENTE ALUMNO : : Ing. Marco A. Canales Aguirre
Marias Prez, Gastn Severo

Mircoles, 06 de Diciembre 2010

Tingo Mara Per UNAS

Sistemas INTELIGENTES ARTIFICIALES Y SU APLICACIN EN LA AGRO TECNOLOGA Se sabe que en nuestro planeta existen al menos 15 millones de Km2 de tierras cultivables, desafortunadamente, de estas casi 10 millones de hectreas se pierden anualmente por la desertificacin. Cientficos de varias disciplinas buscan soluciones viables para afrontar este problema.

Fig. 1: Calabaza producida a travs de nuevas tecnologas en materia de agricultura en el Invernadero Inteligente de Xiquing en China. El desarrollo de herramientas computacionales aplicadas a brindar soluciones en materia de agricultura, es de vital importancia en nuestro pas que goza de una gran variedad de cultivos, los cuales podran obtener mayor valor econmico y calidad si logramos que dichas herramientas brinden el soporte necesario que estos necesitan. La Ciencia de la Computacin y la Tecnologa de la Informacin tienen un importante rol en la modernizacin de la agricultura por todas las herramientas que puede brindar para este propsito. Aplicaciones de la Inteligencia Artificial a travs de Sistemas Inteligentes que permitan un mayor control de los procesos involucrados en la agricultura se hacen ms necesarias de desarrollar en nuestro pas dada su necesidad en el sector y por los buenos resultados que este tipo de aplicaciones han mostrado hasta la actualidad.

LA COMPUTACION EN LA AGRICULTURA En el sector de la agricultura se han venido utilizando aplicaciones computacionales desde la aparicin de estas. Dichas aplicaciones estaban dirigidas a resolver tareas repetitivas, mecanicistas o de manejo de grandes volmenes de informacin. En la agricultura como actividad de campo, las aplicaciones computacionales encuentran ciertos limitantes puesto que, al tener que trabajar con seres vivos, no es posible el control de todas las variables climticas, ecolgicas, etc., que permitan obtener resultados confiables que ayuden a fortalecer las estrategias y toma de decisiones oportunas para la obtencin de productos agrcolas de mejor calidad. La Inteligencia Artificial (IA) es una disciplina de la Ciencia de la Computacin que estudia y disea agentes inteligentes, donde un agente inteligente es un sistema que percibe su entorno y toma acciones destinadas a maximizar sus posibilidades de xito para un objetivo dado. La IA ha desarrollado una serie de tcnicas, como son: bsqueda heurstica, generacin de planes, aprendizaje deductivo e inductivo, entre otros, las cuales son dirigidas la construccin de Sistemas Inteligentes Artificiales los cuales, al contar con sus propios receptores y efectores, son capaces de alcanzar su objetivo realizando sus propias acciones sin necesidad de supervisin del hombre basndose nicamente en su propia experiencia y juicio. La IA cuenta con dos campos: los sistemas expertos y la robtica, cuyas aplicaciones pueden ser dirigidas a brindar alternativas directas de apoyo a la agricultura. LOS SISTEMAS EXPERTOS tienen por objetivo emular el conocimiento de un humano experto en un determinado dominio y su aplicacin est orientada a brindar asistencia con el objetivo de una obtener una mejor calidad y rapidez en las respuestas, este objetivo ha estado siempre dirigido a brindar asistencia a la agricultura y prueba de ello existen numerosas aplicaciones de sistemas expertos dirigidos a brindar asistencia sobre diferentes tipos de diagnsticos en diferentes reas de la agricultura que permitan mejorar la productividad de un determinado producto agrcola. En este post se mostrar las diversas aplicaciones que los Sistemas Expertos tienen en la agricultura.

Como ya es conocido, existen 2 tipos de Sistemas Expertos mayormente difundidos, los basados en reglas y los probabilsticos. SISTEMAS EXPERTOS BASADOS EN REGLAS, a pesar de su amplia presencia en este sector productivo, una buena cantidad son SE basados en reglas, los cuales, al contar con una base de conocimiento lo suficientemente robusta, otorgan resultados infalibles, sin embargo, la desventaja de su uso radica en que es necesario contar con todas las reglas para efectuar la inferencia, algo que no es posible en la realidad en problemas como diagnstico de plagas puesto que podemos observar slo unos cuantos sntomas del total que representa la presencia de un posible mal. SISTEMAS EXPERTOS PROBABILSTICOS, permiten otorgar un valor de probabilidad inicial que representaba el nivel de presencia en el entorno (prevalencias) de las variables a usar. En este enfoque, a pesar de no seguir la lgica de primer orden se logran obtener resultados mayoritariamente satisfactorios dado que las prevalencias permiten adaptar el modelo del conocimiento a un entorno especfico. Un Sistema Experto necesita de una base de conocimiento confiable, y sobre todo que se encuentre en continua actualizacin. Esto es posible nicamente si se adoptan ciertos medios para proporcionarle esta informacin, como por ejemplo que, el SE forme parte de un Sistema Inteligente Artificial que se encargue de captar informacin del entorno a travs de sus receptores. De esta manera, los Sistemas Expertos han sido aplicados a diferentes reas de la agricultura. En Planeacin Agraria y de Recursos Naturales, se busca la seleccin de una variedad de un cultivo para su posterior siembra, as mismo permitir el desarrollo de planes del uso agrario forestal que permitan la conservacin del suelo agrcola. En Gestin Integral de Cultivos, se busca maximizar el margen bruto del cultivo, lo que implica un proceso dinmico y continuo de toma de decisiones tcnico econmicas a lo largo del ciclo de cultivo. En Diagnstico de Plagas y Enfermedades, se busca minimizar el riesgo de que los cultivos contraigan un determinado mal. ste tipo de Sistemas Expertos son los que mejores resultados han brindado, y son los que ms abundan, sin embargo son los que

necesitan contar con una mayor cantidad de informacin para lograr resultados confiables.

DESARROLLO DE UN SISTEMA EXPERTO. Como primera aproximacin es necesario indicar que las herramientas pueden clasificarse en tres grupos en funcin de las diferentes etapas del proyecto en que interviene: Estudio de viabilidad: Se intenta verificar si el problema justifica el desarrollo de un sistema basado en el conocimiento (este punto es muy importante, ya que algunas veces se ha intentado resolver con este tipo de tecnologa problemas que no eran los adecuados, lo que llev a resultados decepcionantes). Las herramientas deben ser flexibles y de uso muy sencillo. Muchas veces en esta

etapa no es necesario el uso de una herramienta especfica ya que puede utilizarse un lenguaje de programacin de propsito general. Desarrollo del prototipo: En esta fase las herramientas deben poseer una serie de caractersticas a nivel de estructuras de control, permitir probar y comparar los diferentes enfoques de la resolucin del problema (representacin del conocimiento, estrategia de control, etc.) y ofrecer facilidades a los ingenieros del conocimiento (traza, gestin de coherencia, etc.) en el desarrollo del sistema. Desarrollo del sistema: El factor ms importante es la eficiencia. Asimismo, debe disponer de mdulos explicativos evolucionados para una efectiva compilacin de la base de conocimiento y los mtodos de inferencia. En resumen, deben adaptarse perfectamente al problema. El desarrollo de estos sistemas suele pasar por cuatro fases: Identificacin de la aplicacin y concepcin de la solucin. Desarrollo del (de los) prototipo(s). Ejecucin y construccin del sistema completo. Alcanzar la integracin del nuevo sistema con los anteriores y la asimilacin del uso de la nueva tecnologa. La tarea ms importante a la hora de desarrollar un sistema basado en el conocimiento consiste en la modelizacin del problema que se quiere resolver, esto es, representar el conocimiento que posee el experto en un lenguaje que permita razonar al sistema. Consiste en formalizar y estructurar los objetos y las relaciones entre ellos en la base de conocimiento. De la misma forma que no existe ningn lenguaje de programacin universal, tampoco se ha encontrado un lenguaje ideal para poder representar el conocimiento formalmente. La eleccin depender, principalmente, de la naturaleza y magnitud del problema. Existen tres tipos de representacin: La representacin procedural expresa explcitamente las relaciones entre los fragmentos de conocimiento que son complejas de modificar. No obstante, ofrece una gran facilidad en el uso del metaconocimiento. La representacin declarativa incluye el clculo de predicados, las reglas de produccin y las redes semnticas. El conocimiento queda estructurado en fragmentos independientes unos de otros y que, por tanto, son fcilmente

modificables. Estos mdulos de conocimiento se combinan mediante un mecanismo general de razonamiento y deduccin. La representacin mixta, como los objetos y marcos, emplea los dos mtodos de representacin anteriores. A continuacin se explican con mayor detalle algunos ejemplos de representacin: Reglas de produccin: Es una representacin formal de una relacin, una informacin semntica o una accin condicional. Una regla de produccin tiene, generalmente, la siguiente forma: SI Premisa ENTONCES Consecuencia. Ofrecen una gran facilidad para la creacin y la modificacin de la base de conocimiento. Permite introducir coeficientes de verosimilitud para ponderar el conocimiento (estos coeficientes se van propagando durante el proceso de razonamiento mediante unas frmulas de clculo establecidas) y, en teora, el mtodo asegura que cuantas ms reglas posea ms potente es. Lgica proposicional: Es similar a las reglas de produccin. Su diferencia principal con stas es que separa los elementos que componen la base de conocimiento de aquellos que controlan la operacin del sistema. Redes semnticas: Es un mtodo que consiste en representar el conocimiento en forma de redes o grafos; los nodos representan conceptos u objetos, y los arcos que los interconectan describen relaciones entre ellos. Marcos: Consiste en asociar propiedades a los nodos que representan los conceptos u objetos. Las propiedades son descritas en trminos de atributos y los valores asociados. Objetos: La diferencia con los marcos reside en que, en un entorno de programacin orientada a objetos, stos pueden actuar como entidades independientes. De esta forma, el control del sistema se consigue mediante el envo de mensajes del sistema a los objetos y entre ellos mismos. Representaciones mltiples: Es posible, e incluso muy frecuente, combinar dos o ms formas de representar el conocimiento en el mismo sistema para obtener la modelizacin ms adecuada a cada problema por lo que es bueno que una herramienta de desarrollo de sistemas basados en el conocimiento contemple ms de una forma de representacin. En el desarrollo del sistema es necesario idear el mecanismo de inferencia que refleje lo ms fielmente posible cmo piensa o acta el experto. Este mecanismo, que se

denomina motor de inferencia, es la parte ms importante del sistema basado en el conocimiento junto con la base de conocimiento. Existen cinco modos de razonamiento que a continuacin se explican: Encadenamiento hacia adelante: El motor de inferencia parte de los hechos para llegar a los resultados, esto es, selecciona las reglas que verifiquen las condiciones de la parte izquierda (premisas). Encadenamiento hacia atrs: En este caso el motor de inferencia parte de los resultados y trata de volver a los hechos para comprobar si encajan con el problema planteado. Encadenamiento mixto: Este modo ofrece varias posibilidades que resultan de combinar el encadenamiento hacia adelante y hacia atrs para paliar sus limitaciones y mantener las ventajas. Algoritmos de bsqueda heurstica: En los casos en los que la naturaleza de la base de conocimiento permita construir una estructura de rbol, el proceso de inferencia se convierte en un problema de bsqueda en un rbol. Existen diversos mtodos, y la eleccin depender, por lo tanto, de la naturaleza del problema. Herencia: Es el mtodo de inferencia utilizado en entornos orientados a objetos. Un objeto hijo hereda propiedades y hechos de sus padres. As, la asignacin de nuevas propiedades a un objeto se realiza a travs de las relaciones entre ese objeto y el resto.

FASE DE DISEO DE LA BASE DE DATOS

FASE DE CONSTRUCCION BASE DE CONOCIMIENTOS

%para indicar a prolog que los predicados sern afectados por el assert :- use_module(library(pce)). :- dynamic tiene/3, enfermedadEs/2.

%/////////////// HECHOS PARA LAS PREGUNTAS ///////////////%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%% MAZORCA NEGRA %%%%%%%%%%%%%%%%%%%%%%%%%% %Mazorca Negra fruto esPregunta(prematuro,'El fruto presenta madurez prematura'). esPregunta(manchaCafeChocolate,'Tiene mancha color cafe chocolate en el fruto?'). esPregunta(manchaBorde,'Borde de la mancha es bien definido?'). esPregunta(manchaCubre,'Mancha cubre todo el fruto?'). %Mazorca Negra hoja esPregunta(necrotica,'Tiene mancha necrotica en la hoja?'). %Mazorca Negra tallo esPregunta(betasOscuras,'Tiene betas oscuras bajo la corteza?'). esPregunta(exudado,'El tallo produce exudado o goma que indica lesion interna?'). esPregunta(rasparCorteza,'Al raspar la corteza se identifican las betas?').

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% MONILIASIS %%%%%%%%%%%%%%%%%%%%%%% esPregunta(giba,'El fruto menor de 3 meses de edad presenta abultamineto o jiba?'). esPregunta(puntosAceitosos,'El fruto presenta pequeos puntos aceitosos?'). esPregunta(manchaCafe,'El fruto mayor de 3 meses de edad presenta mancha color cafe sin bordes definidos?'). esPregunta(apariencia,'El fruto presenta apariencia de madurez en ciertas areas?'). %%%%%%%%%%%%%%%%%%%%%%%%%%%%%% MAL DEL MACHETE %%%%%%%%%%%%%%%%%%%%%%%

esPregunta(hojaAmarillento,'La hoja tiene color amarillento?'). esPregunta(hojaMarchitez,'La planta presenta marchitez total de las hojas y quedan pegadas al mismo?').

%%%%%%%%%%%%%%%%%%%%%%%%%% ESCOBA DE BRUJA %%%%%%%%%%%%%%%%%%%%%%%%%%% esPregunta(atrofia,'Los brotes de la planta presenta atrofia o crecimiento anormal?'). esPregunta(tejido,'Los tejidos de la rama son gruesas?'). esPregunta(entrenudosDeformacion,'Existe acoratacion de entrenudos y deformacion?'). esPregunta(proliferacionYema,'Existe proliferacion de yemas?'). esPregunta(formaZanahoria,'Los frutos jovenes tienen forma de zanahoria'). esPregunta(formaChirimoya,'los frutos tienen forma de chirimoya negrosados?'). esPregunta(prematuroVerdeAmarillo,'los frutos presenta maduracion prematura con zonas verdes y amarillas?'). esPregunta(necrosisRedondeada,'los frutos muestran necrosis generalmente redondeada, bordeada de un halo amarillo?'). %%%%%%%%%%%%%%%%%%%%%%%%%%%% ANTRACNOSIS %%%%%%%%%%%%%%%%%%%%%%%%%%%%% esPregunta(desnudas,'las ramas estan desnudas o caidas?'). %%%%%%%%%%%%%%%%%%%%%%%%%%%%% ENFERMEDAD ROSADA %%%%%%%%%%%%%%%%%%%%%% esPregunta(quebradas,'las ramas estan quebradas y se secan?'). esPregunta(capa,'se nota una capa delgado de color rosado?'). %%%%%%%%%%%%%%%%%%%%%%%% TIPOS DE RESPUESTAS esRespuesta(si). esRespuesta(no). %%%%%%%%%%%%%%%%%%%%%%%

%%%%%%% REALIZACION DE LA PREGUNTA Y VALIDACION DE LA RESPUESTA %%%%%

preguntar(_Cultivo, Sint, R):-

esPregunta(Sint, P), new(D, dialog('Preguntas')), send(D,append(label(k,P))), send(D, append, new(TI, text_item('Respuesta

(si/no)'))), send(D, append, button(ok, message(D, return,TI? selection))), send(D, append,button(cancel, message(D, return, @nil))), send(D, default_button, ok), get(D, confirm, Answer), write(Answer), send(D, destroy), Answer \== @nil, R = Answer, esRespuesta(R),!.

preguntar(Cultivo, Sint, R):si/no \n'),

write('No entendi tu respuesta, ingrese preguntar(Cultivo, Sint, R).

%%%%%% GUARDAMOS LA INFORMACION DE LA RESPUESTA DE LA PREGUNTA %%%%%%% evaluarCaracteristicaTiene(Cultivo, Sint, R):- tiene(Cultivo, Sint, R),!. evaluarCaracteristicaTiene(Cultivo, Sint, R):- preguntar(Cultivo, Sint, R), assert(tiene(Cultivo, Sint, R)),!.

%%%%%%%%%%%%%%%%%%%%%%%%%%

BASE DE CONOCIMIENTOS %%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%% TIPO DE ENFERMEDADES %%%%%%%%%%%% esMazorcaNegra(X):- evaluarCaracteristicaTiene(X, prematuro, R), R=si, evaluarCaracteristicaTiene(X, manchaCafeChocolate, R1), R1=si, evaluarCaracteristicaTiene(X, manchaBorde, R2), R2=si, evaluarCaracteristicaTiene(X, manchaCubre, R3), R3=si, evaluarCaracteristicaTiene(X, necrotica, R4), R4=si, evaluarCaracteristicaTiene(X, betasOscuras, R5), R5=si, evaluarCaracteristicaTiene(X, exudado, R6), R6=si, evaluarCaracteristicaTiene(X, rasparCorteza, R7), R7=si,!. esMoniliasis(X):- evaluarCaracteristicaTiene(X, giba,R),R=si, evaluarCaracteristicaTiene(X, puntosAceitosos, R1), R1=si, evaluarCaracteristicaTiene(X, manchaCafe, R2), R2=si, evaluarCaracteristicaTiene(X, apariencia, R3), R3=si,!. esMalMachete(X):- evaluarCaracteristicaTiene(X, hojaAmarillento, R),R=si, evaluarCaracteristicaTiene(X, hojaMarchitez, R1), R1=si,!. esEscobaBruja(X):- evaluarCaracteristicaTiene(X, atrofia, R), R=si, evaluarCaracteristicaTiene(X, tejido, R1), R1=si, evaluarCaracteristicaTiene(X, entrenudosDeformacion, R2), R2=si, evaluarCaracteristicaTiene(X, proliferacionYema, R3), R3=si, evaluarCaracteristicaTiene(X, formaZanahoria, R4), R4=si, evaluarCaracteristicaTiene(X, formaChirimoya, R5), R5=si,

evaluarCaracteristicaTiene(X, prematuroVerdeAmarillo, R6), R6=si, evaluarCaracteristicaTiene(X, necrosisRedondeada, R7), R7=si,!. esAntracnosis(X):- evaluarCaracteristicaTiene(X, desnudas, R), R=si,!. esEnfermedadRosada(X):-evaluarCaracteristicaTiene(X, quebradas, R), R=si, evaluarCaracteristicaTiene(X, capa, R), R=si,!. %//////////////////// EVALUACION DE ENFERMEDADES ///////////////////%

%%%%%%%%%%%%%%%% ALTERNATIVA DE SOLUCION %%%%%%%%%%%%%%%%%%%% elCultivoTiene1(X,E):-enfermedadEs(X,E),!. elCultivoTiene1(X, frutas) \n Usar 'Enfermedad: fungicidas Mazorca de Negra 120 g \n\n Alternativa con 2 ml de de la

Solucin:\n\n eliminar peridicamente los rganos enfermos (chupones, dosis p.c/201 que adherente. a base de cobre dirigido al fruto '):- esMazorcaNegra(X), assert(enfermedadEs(X,mazorcaNegra)),!. %para almacene enfermedad y ya no busque si es Mazorca Negra elCultivoTiene1(X, 'Enfermedad: Moniliasis \n\n Alternativa de

Solucin:\n\n Eliminar las mazorcas enfermas que presenten sntomas iniciales o avanzados cada ocho o quince das depositarlas en el suelo y cubrirlas con tierra u hojarasca para evitar que liberen las esporas del hongo.\n cosechar semanalmente las mazorcas sanas y maduras para evitar la exposicin el que se al debe hongo. aplicar \n Aplicar clorotalonil en el (Bravo, fruto'):Daconil), principalmente

esMoniliasis(X),assert(enfermedadEs(X,moniliasis)),!. elCultivoTiene1(X, 'Enfermedad: Mal Del Machete \n\n Alternativa de Solucin:\n\n El rbol atacado debe ser destroncado, sacado y quemado fuera de la plantacin; la tierra que se extrajo, se solea y se le aplica cal. \n evitar herir las plantas y desinfectar constantemente toda herramienta durante la poda. \n Aplicar una dosis de formalina a 5%'):- esMalMachete(X),assert(enfermedadEs(X,malDelMachete)),!. elCultivoTiene1(X, 'Enfermedad: Escoba De Bruja \n\n Alternativa de Solucin:\n\n Remover todas las escobas y mazorcas infectadas

quemndolas infectados

o \n

enterrndolas Aplicar los

\n

Eliminar

las

ramas o

frutos

fungicidas

Tebucozanol

Ziproconazol

mensualmente'):esEscobaBruja(X),assert(enfermedadEs(X,escobaDeBruja)),!. elCultivoTiene1(X, 'Enfermedad: Antracnosis \n\n Alternativa de

Solucin:\n\n Para ataques bien dainos aplicar fungicidas como maneb, mancozeb \n Para ataques severos aplicar una mezcla de mancozeb con benomil, con un insecticida como endosulfan'):esAntracnosis(X),assert(enfermedadEs(X,antracnosis)),!. elCultivoTiene1(X, 'Enfermedad: Enfermedad Rosada \n\n Alternativa de Solucin:\n\n Evitar humedad dentro de la plantacin que se logra drenando, corte podando de el platano \n y regulando el sombro \n al podar el material enfermo y quemarlo \n Usar adems, pasta cicatrizante en todo poda Aplicar formalina 5%'):esEnfermedadRosada(X),assert(enfermedadEs(X,enfermedadRosada)),!. elCultivoTiene1(_X, noDeterminado):-!. %el retractall para borrar lo almacenado en la memoria de la variable tiene y enfermedades empezar:- retractall(tiene(_,_,_)), retractall(enfermedadEs(_,_)), new(Dialogo, dialog('Sistema Experto diagnostico de enfermedades del cultivo de Platano')), send_list(Dialogo, append,[ new(TU, text_item(usuario)), button(cancelar, message(Dialogo, destroy)), button(comenzar, and(message(@prolog,assert_empezar, TU?selection), message(Dialogo, destroy)))]), send(Dialogo, default_button, comenzar), send(Dialogo, open),!. assert_empezar(Cultivo) :- elCultivoTiene1(Cultivo,Tipo), new(Dialogo, dialog('LA ENFERMEDAD ES')), send_list(Dialogo, append,[ label(k,Tipo), button(cancelar, message(Dialogo, destroy))]), send(Dialogo, open),!.

FASE MAPA SEMNTICO (MAQUINA DE INFERENCIA, BUSQUEDA

LaApariencia aparecemanchachocolate se vuelven en la Seinfeccin duraFrutforma iniciay mueren forma ManchaGranesporas blancospelotas jibas Cuerpos Padre ennegrecende la hongo se Borde CubreHoEnferme pequeos una capa de 2 alargante Bordetodo el pequeas lesin SeTroncse caf Manchas dondelas Menorcomo Pndulo color secolor fructferos y ManchaMazorca bien Adquieren formas de Jven Sec Fru Fru Brotas Flor Hojas caf superficie uninalmendras fresa cremasdesarrollaasja dad conocidonecrticas de la puntos paragua definido deas meses estn como y hacia Mal decuandomazorcao Escobamachetees maduros Moniliasis zanahoriaadelante de fruto gruesos bruja Bubas oscuroto aceitosos des opuntos to nuevas negra Mazorca Negra

Mazorca Mazorca Negra Negra

Buba Bub Tron AbultamientoTiposHdeparte y anormal de Aparece y Ramtronco situada Muerte de la de en Mal Buba crecimiento ramas el Marchites, amarillento se seca y muerte de la perilla Machete as los Floral troncorbol. cerca co florales arribadel la lesin ojas de cojines as hoja adherida al

VARIABLES

E INDIADORES DEL SISTEMA EXPERTO

Hiptesis: Con el uso de un sistema experto incrementar el diagnostico de plagas y enfermedades en el cultivo de pltano. Variable Definicin conceptual Definicin operacional indicadores

VI: Sistema experto.

Sistema basado en la computadora que Es el elemento contenedor de toda la es capaz de en un resolver dominios nivel de problemas informacin til en pos de la solucin a la especficos, problemtica. desempeo complejos mostrando humanos.

nmero

de

preguntas

realizadas al software por temporada. nmero en de respuestas de realizadas por el sistema temporada produccin. Costo del sistema experto.

comparado con el de los expertos

VD: Diagnstico de plagas y enfermedades en el cultivo de pltano.

Identificacin detallada de la informacin Producto resultante del sistema experto. que se necesita con relacin al tema, la especialistas en el cultivo de pltano. Abarca en si todos los inconvenientes que tiene el cultivo para su normal desarrollo. Contiene la descripcin del dominio del cual ser brindada por los expertos y problema y de los requerimientos.

Eficiencia en el diagnostico de plagas del sistema experto en temporada de produccin.

cantidad de enfermedades diagnosticadas sistema por el en experto

temporada de produccin. Tiempo de respuesta del sistema experto.

CONTRASTACION TRADICIONAL

DEL

MODELO

PROPUESTO

CON

EL

MODELO

Para poder determinar con claridad los resultados de la contrastacin es necesario tomar en cuenta los indicadores que se obtuvieron al momento de realizar las encuestas al campesino agricultor que produce el cultivo de pltano en sus tierras o fincas. INDICADORES IDENTIFICADOS AL MOMENTO DE LA TOMA DE DATOS Se pudieron tomar en cuenta los siguientes indicadores que nos permitirn evaluar el modelo del sistema experto propuesto para la alternativa de solucin:

TIEMPO; resulta ser un indicador bastante imprescindible para la evaluacin de un modelo propuesto, ya que es un indicador que va medir en un intervalo de tiempo en que se tomaron las medidas correspondientes a un determinado problema.

COSTO; hoy en da en que la agricultura en el Per esta alinendose con la tecnologa, resulta bastante econmico para los agricultores apoyarse en la tecnologa para abaratar costos y maximizar sus ganancias.

NUMERO DE CONSULTAS REALIZADAS AL SISTEMA EXPERTO POR TEMPORADA DE PRODUCCION; se tomo en cuenta este indicador para poder analizar el nmero de consultas que se realizaran al sistema experto propuesto y poder evaluar sus resultados.

NUMERO DE RESPUESTAS DEL SISTEMA EXPERTO POR TEMPORADA DE PRODUCCION; por otro lado se considero este tipo de indicador ya que nos ser de mucha ayuda poder identificar el nmero de respuestas que el sistema experto ofrece al agricultor que acude a ordenador en busca de alguna respuesta acerca de las dificultades que tiene con su cultivo.

EFICIENCIA; eficiencia en el sentido en que el agricultor toma en cuenta la posible solucin y toma cartas en el asunto segn la respuesta del sistema experto.

COMPORTAMIENTO DE LOS INDICADORES SEGN EL MODELO TRADICIONAL

TIEMPO; con el modelo tradicional los agricultores productores del cultivo de pltano tenan que ir en bsqueda del ingeniero experto para que obtuviera alguna respuesta acerca del problema con su cultivo, con respecto al tipo de enfermedad que estaba atacando a su cultivo, en este andar y ajetreo el agricultor dejaba pasar el tiempo puesto que ir en bsqueda del experto implicaba dejar sus labores cotidianas, y por ende el agricultor realizaba esta labor los fines de meses o de semana cuando este se desocupaba de sus labores, dejando pasar el tiempo, tiempo en que la enfermedad carcoma cada vez ms a su cultivo.

COSTO; si ir en bsqueda de algn ingeniero experto implica tiempo, esta bsqueda tambin implica dinero o alguna clase de costo, tanto costo de transporte como costo por la asesora del experto o su remuneracin por los servicios que presta. En consecuencia el costo es un indicador preponderante para poder evaluar el sistema experto propuesto. En lo que respecta al modelo tradicional el costo que implicaba todo esta labor era es y ser elevado si los agricultores productores del cultivo de pltano no toman medidas pertinentes en al asunto, como la de optar por alguna solucin informtica o tecnolgica

NUMERO DE CONSULTAS; este tipo de indicador est relacionado con la cantidad de veces que el agricultor iba en bsqueda del ingeniero experto para que este le pudiera dar alguna alternativa de solucin acerca de la problemtica con respecto a su cultivo. En consecuencia este indicador es preponderante puesto que en este modelo tradicional el agricultor realiza las consultar mnimas al ingeniero experto porque este implica prdida de tiempo en ir en busca del experto, implica tambin un costo por los honorarios del experto, es por esta razn que el agricultor realiza las consultas mnimas al experto por no incurrir en gastos. El agricultor es consciente de lo que implica realizar constantes consultar al ingeniero es por esta razn que el nmero de consultas eran pocas.

NUMERO DE RESPUESTAS;

en el modelo tradicional el numero de

respuestas satisfactorias que el agricultor espera saber por parte del ingeniero experto son relativamente inciertas puesto que esto depende de los vastos

conocimientos del experto, y si este no se actualiza o no tiene la filosofa de seguir profundizando en temas nuevos, sera muy frustrante para el agricultor quien confa en el ingeniero experto.

EFICIENCIA; el agricultor realiza gastos necesarios en ir en bsqueda del experto humano quien se encuentra en su oficina en la ciudad o en alguna institucin de apoyo agrcola, para que este acuda a su finca con el cultivo que requiere de sus conocimientos tcnicos.

COMPORTAMIENTO DEL LOS INDICADORES SEGN EL MODELO DEL SISTEMA EXPERTO PROPUESTO

TIEMPO; en lo que respecta al tiempo el agricultor con el uso del sistema experto podr minimizar de manera considerable el tiempo, puesto que las consultas las podr hacer en la comodidad de su casa simplemente con el encendido del computador e ingresar al software del sistema y hacer las consultas segn las caractersticas o sntomas que presenta su cultivo de pltano, y podr tener respuestas instantneas con todos los pasos a seguir para contrarrestar la posible enfermedad que tiene su cultivo.

COSTO; con relacin al costo bastara con la adquisicin de un computador y olvidarse del pago al ingeniero experto, puesto que el sistema experto trata de emular el comportamiento de un experto en un determinado campo del saber humano. En conclusin, el agricultor podr ahorrar tiempo y dinero con la solucin informtica propuesta, obviamente que el sistema estar expuesto a actualizaciones, puesto que el conocimiento humano cada vez se va perfeccionando y/o profundizando y es necesario actualizar el sistema experto. Y esto conlleva a un costo pero que a la larga no es nada con relacin al beneficio que el agricultor obtendr con su aplicacin del sistema.

NMERO DE CONSULTAS; el nmero de consultas que el agricultor realiza al sistema experto, en bsqueda de alguna solucin a la problemtica que el agricultor tiene con su cultivo este realiza las consultas necesarias al sistema.

Por lo tanto este indicador va ayudar a evaluar el sistema experto segn las consultar realizadas por los diferentes usuarios que ingresan al sistema y resuelven sus dudas con respecto a su cultivo.

NUMERO DE RESPUESTAS; relacionado con la cantidad de respuestas que satisfacan las necesidades del agricultor al momento de realizar alguna pregunta al sistema experto, cuantas ms respuestas satisfactorias mayores ser el grado de aceptacin de la solucin propuesta y por ende mayor valor tomara dicho indicador al momento de hacer la evaluacin del modelo propuesto. En conclusin el sistema experto realiza numerosas respuestas satisfactorias puesto que est diseada de tal manera que no cabe lugar a dudas, ya que la base de conocimiento del sistema experto est fundamentada no por un solo experto sino por varios que aportaron sus experiencias y sabidura para la construccin de dicha base de conocimiento. Por tal razn resulta ms confiable y ms especializada que la misma consulta a un experto humano.

EFICIENCIA; menor tiempo en el diagnostico de enfermedades sin tener que realizar gastos innecesarios de ir en bsqueda del experto humano.

ESTADISTICAS DE LOS INDICADORES IDENTIFICADOS

INTERPRETACION: se puede observar que el tiempo de respuesta del sistema experto con relacin al modelo tradicional es bastante notorio, esto significa que es ms beneficioso para el agricultor el sistema experto con relacin al tiempo.

INTERPRETACION: se puede ver claramente que el numero de respuestas del sistema experto es mucho mas rpida que la consulta a un experto humano, puesto que las consultas las puedes hacer desde la comodidad de su casa.

INTERPRETACION: Con respecto al costo se puede apreciar que el costo de la consulta del sistema experto es mucho menor con relacin al costo del experto humano como se puede apreciar en el grafico estadstico.

INTERPRETACION: en lo que respecta al nmero de consultas, el sistema experto acepta el nmero de consultas indefinidas a cualquier hora del da y la noche, no tiene restricciones de disponibilidad puesto que siempre est a disposicin del agricultor que lo requiera. Esto se puede apreciar claramente en el grafico estadstico.

INTERPRETACION: se observa en el grafico estadstico que la eficiencia del sistema experto es relativamente buena tan buena como la eficiencia del experto humano, esto nos da a entender que el sistema experto tiene las mismas o mas experiencias relacionadas a un determinado tema, puesto que un sistema experto es la recoleccin de experiencias profesionales de muchos expertos en el tema.