Intel. Artif e Ing. del Conocimiento Metodología KADS 1 Vidal Moreno Rodilla. Dpto Inf. y Autom. USAL

Documentos relacionados
3. Componentes del Modelo de Conocimiento

FIRST INTERNATIONAL COMPARATIVE STUDY OF LANGUAGE AND MATHEMATICS of students that achieved. of students that achieved. Language: Percentage

Intel. Artif e Ing. del Conocimiento PRÁCTICAS 1

ARTICULO: 5810 Sistema de Posicionador Digital para Actuador Eléctrico Digital Positioning System for Electric Actuator

METODOLOGÍA DE LA INVESTIGACIÓN LA HIPOTESIS

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA. Dpto. Inteligencia Artificial. UNED. Diagnóstico parcial de hemorragias: Modelado e implementación.

Práctica 4 vgaribay PRÁCTICA 4. CONTRASTE DE HIPOTESIS. 1 ESTUDIO DE NORMALIDAD Plot de normalidad. Camino 1

UNIVERSIDAD ANDINA DEL CUSCO FACULTAD DE INGENIERIA Y ARQUITECTURA

6. Diseño e Implementación de Sistemas Basados en Conocimiento

Aprendizaje de conceptos. El aprendizaje como generalización

La enseñanza de la Estadística (2005) Esperanza Ayuga. José M. Moral

Estadística Aplicada y Lingüística Empírica. Introducción a las Tecnologías del Habla 2 o cuatrimestre 2014 Agustín Gravano

Access control system. Gate controller.

Aplicaciones: Herramientas clásicas, Redes Neuronales, control borroso

PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS

Inteligencia Artificial e Ingeniería del Conocimiento

5. Construcción del Modelo de Conocimiento

CommonKADS: Nivel de concepto

System monitoring Vacuum switches

CATÁLOGO DE INFERENCIAS

Relación entre tests de hipótesis bilaterales e intervalos de confianza

METODOLOGÍA DE LA INVESTIGACIÓN LA HIPOTESIS

/DGLPHQVLyQRSHUDWLYDGHOSUR\HFWR

Definir la estructura física de datos a partir del modelo lógico de datos normalizado o modelo de clases Analizar los caminos de acceso a los datos

Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos

2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)

CLAVE Lab 11 - Regresión Lineal Simple y Polinomial

Thu Aug 04 12:11: Settings And Actual Values PAGE 1

Lab 1: Representación de señales en System Generator

Equipos de Escritorio

Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis

IIC Sistemas Recomendadores

Microprocesadores, Tema 8:

EJEMPLOS PARA EL PROGRAMA SMART-BARS PARA CALCULADORAS TEXAS INSTRUMENTS VOYAGE 200 Y TI-89 TITANIUM

Se les añade una terminación en español

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE

Chapter 7 Registers & Counters

Análisis de dos muestras

Generación de variables aleatorias discretas Método de aceptación y rechazo Método de composición Método de la urna Método de tablas

Titulo: MATLAB como herramienta metodológica en la enseñanza y su incidencia en el rendimiento académico universitario.

Práctica 5 Prueba de Hipótesis

Generación de variables aleatorias discretas Método de aceptación y rechazo Método de composición Método de la urna Método de tablas

> t.test (datos_x, datos_y =NULL, alternative = "two.sided", mu = 0, paired =FALSE, var.equal = FALSE, conf.level= 0.95)

4. Plantillas de Modelos de Conocimiento

3.3 Prueba de Kolmogorov-Smirnov

Introducción al Aprendizaje de Máquina II

ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS

Práctica de CONTRASTES DE HIPÓTESIS

Examen Parcial 1. The GLM Procedure Class Level Information Class Levels Values trat

Distribuidor para Latinoamérica Importadora Bouticar, S.A. - 1 / 6

Distribuidor para Latinoamérica Importadora Bouticar, S.A. - 1 / 6

CLAVE - Lab 5 - Contrastes

Tema 5 - III: Inferencia sobre dos poblaciones: proporciones, varianzas, medias

Judo Software Programa para Competencias de Judo

Programación lineal. Optimización de procesos químicos

COMBO 700. User Manual/Manual de Uso. Rev

Unidad 1. Análisis de Algoritmos. Ing. Leonardo R. L. Estructura de datos - Generalidades Unidad I Pág 1

ESPECIFICACIONES T CNICAS DEL GRUPO ELECTR GENO

TEORIA GENERAL DE SISTEMAS. Principios Básicos

De los casos de uso a los casos de prueba

Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas

10. DISEÑOS EXPERIMENTALES

Andrid Kary Poma Acevedo

Vista impresión: Acoplador de bus de campo sercos - Código:

ESPECIFICACIONES TÉCNICAS DEL GRUPO ELECTRÓGENO

PARA OPTAR EL GRADO ACADÉMICO DE: MAGISTER EN EDUCACIÓN CON MENCIÓN EN DOCENCIA Y GESTIÓN EDUCATIVA AUTORES:

Convocatoria Ordinaria de Junio, Curso 2011/12 8/6/2012

Capítulo 11. Modelo VAR Javier Galán Figueroa. Econometría Aplicada Utilizando R

Sección 4. Steam System Assessment Tool - P2

Cátedra de Sistemas Distribuidos Escuela de Ingeniería Electrónica Departamento de Sistemas e Informática

SISTEMA DE LÓGICA DIFUSA BASADO EN PROTOCOLOS DE RIESGO PARA LA GESTIÓN DE EQUIPO MÉDICO EN LABVIEW. Politécnico Nacional, Ciudad de México.

Pruebas para evaluar diferencias

5a JORNADA ITV CATALUÑA 2015 EVOLUCIÓN Y FUTURO DE LOS SISTEMAS OBD

MEDIDAS DE ASOCIACION

Sample UP Artifact Relationships. Domain Model. Sale... LineItem... quantity. Use-Case Model. Operation: enteritem( ) Cashier: Item ID:...

FLACSO / Facultad Latinoamericana de Ciencias Sociales Maestría en Ciencias Políticas & Sociología Metodología de la Investigación Social

SQL PROCEDURAL Triggers y Stored Procedures. Ing. Gustavo A. Correa Reina UNCPBA 2008

DIRECCION OPERACIONAL, ADMINISTRACION DE OPERACIONES O ADMINISTRACION DE LA PRODUCCIÓN

COMPROBACIÓN DE HIPÓTESIS

ANÁLISIS DE REGRESIÓN

ART: 8210 POSICIONADOR ELECTRO/NEUMATICO LINEAL LINEAR ELECTRO/PNEUMATIC POSITIONER

6. PROGRAMACIÓN CON TRANSACT-SQL

Organización del Computador 1 Entradas / Salidas

El juego didáctico y su efecto en el aprendizaje de la matemática de los niños de 4 años de la I.E.I N 878 Niño Jesús del Gran Poder, Carabayllo, 2015

SCAN WHITE PAPER CONSIDERACIONES BÁSICAS EN LA SUPERVISIÓN Y CONTROL DE PROCESOS INDUSTRIALES

Edificio Genebre. Av. de Joan Carles I, L'Hospitalet de Llobregat. Barcelona (Spain) -

Si L es recursivo, entonces es recursivamente numerable

Ejemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)

INGENIERÍA DEL SOFTWARE. 4º ING. INFORMÁTICA (UPV/EHU) 14 de SEPTIEMBRE de 2006

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

SEMINARIO PRÁCTICO NI VISION- SMART CAMERA

Inferenciasacercade unamediade unapoblación Técnicasinferencialt-test (Cap. 8)

2EMHWLYRV 5HIHUHQFLDV. Procesadores vectoriales

Pentaho y SAS. Integración de sistemas 2013

Introducción a MINITAB 15. David R. González Barreto. Ofrecido en Wyeth, Carolina, Puerto Rico

Clase de Métodos 1: Inferencia Causal y Métodos Cuasi-Experimentales. Sveta Milusheva DIME, World Bank

UTN FRLP Ing. en Sistemas de Información Algoritmos y Estructura de Datos Trabajos Prácticos Curso 2010

DeSeCo (2002, 2003) Definition and Selection of Competencies

La investigación se propuso como objetivo general determinar si el taller lúdico bajo

Transcripción:

,QWHOLJHQFLD$UWLILFLDOH,QJHQLHUtDGHO&RQRFLPLHQWR 5HYLVLyQGHOD,$FOiVLFD 5HSUHVHQWDFLyQ\E~VTXHGD 6LVWHPDVH[SHUWRV 0(72/2*,$.$'6 ³1XHYRV HQIRTXHVGHOD,$ $JHQWHV,QWHOLJHQWHV $SUHQGL]DMH /yjlfdvpxowlydoxdgdv &RPSXWDFLyQHYROXWLYD Intel. Artif e Ing. del Conocimiento Metodología KADS 1 0HWRGRORJtD.$'6,QWURGXFFLyQ 0RGHORGHSHULFLD &RQRFLPLHQWRGHOGRPLQLR &RQRFLPLHQWRLQIHUHQFLDO &RQRFLPLHQWRGHWDUHDV (MHPSOR 6LVWHPDH[SHUWREDVDGRHQUHJODVFRQ1(;3(57 Intel. Artif e Ing. del Conocimiento Metodología KADS 2 1

,QWURGXFFLyQ 1LYHOFRQFHSWXDOHQHOGLVHxRGHXQVLVWHPDLQWHOLJHQWH 'HVULSFLRQHV DEVWUDFWDVGHORVREMHWRV \RSHUDFLRQHV TXHXQ VLVWHPDGHEHUtDFRQRFHUIRUPXODGDVGHWDOIRUPDTXHFDSWXUHQHO FRQRFLPLHQWR TXHWLHQHHOKXPDQRGHWDOFRPSRUWDPLHQWR,QGHSHQGLHQWHGHODLPSOHPHQWDFLyQ 0(72'2/2*,$.$'6 KWWSZZZVZLSV\XYDQOSURMHFWV&RPPRQ.$'6DEVWUDFWV6FKUHLEHUHKWPO 0RGHORFRQFHSWXDO.$'6 0RGHORGHSHULFLD 0RGHORGHFRRSHUDFLyQ (VSHFLILFDFLyQGHODIXQFLRQDOLGDGGHDTXHOODVVXEWDUHDV TXH UHTXLHUHXQHVIXHU]RFRRSHUDWLYR6RQWDUHDVGHQRPLQDGDVGH WUDQIHUHQFLD GHLQIRUPDFLyQDRWURVDJHQWHV Intel. Artif e Ing. del Conocimiento Metodología KADS 3 0RGHORGHSHULFLD 6HVXSRQHSRVLEOH\~WLOODGLVWLQFLyQHQWUHGLVWLQWRVWLSRV GHFRQRFLPLHQWRGHDFXHUGRDORVGLIHUHQWHV³SDSHOHV TXHVHSXHGHQUHSUHVHQWDUHQHOSURFHVRGH UD]RQDPLHQWR 6HDVXPHTXHGLFKRVWLSRVGHFRQRFLPLHQWRFRQVWLWX\HQ ³FDSDV HQWUHODVFXDOHVODLQWHUDFFLyQHVOLPLWDGD 7LSRVGHFRQRFLPLHQWR &RQRFLPLHQWRHVWiWLFR (QWLGDGHVGHOGRPLQLRFRQLQGHSHQGHQFLDGHVXPDQHMR6H GLVWLQJXHQORVFRQFHSWRVGHODVRSHUDFLRQHV &RQRFLPLHQWRLQIHUHQFLDO &RQRFLPLHQWRGHWDUHDV &RQRFLPLHQWRHVWUDWpJLFR Intel. Artif e Ing. del Conocimiento Metodología KADS 4 2

0RGHORGHSHULFLD7LSRVGH FRQRFLPLHQWR, &RQRFLPLHQWRHVWiWLFR &RQRFLPLHQWRLQIHUHQFLDO 3DVRVHOHPHQWDOHVGHUD]RQDPLHQWR7LHQHQHQWUDGD\VDOLGD SDSHOHVGHOGRPLQLR &RQRFLPLHQWRGHWDUHDV (VSHFLILFDHOREMHWLYRGHODWDUHD TXHVHSUHWHQGHVROXFLRQDU\HO PpWRGRSRUHOFXDOVHUHVXHOYH'HVFULELUXQPpWRGRGHVROXFLyQ GHXQDWDUHDHVGHILQLUVXGHVFRPSRVLFLyQUHFXUVLYDHQ VXEWDUHDV \GHWHUPLQDUHORUGHQHQTXHpVWDVGHEHQHMHFXWDUVH SDUDUHVROYHUOD &RQRFLPLHQWRHVWUDWpJLFR 6HUHILHUHDODSODQLILFDFLyQGHODWDUHDGHWHUPLQDQGRODVGLIHUHQWHV FRQGLFLRQHVHQTXHVHOOHYDUiQDFDERPpWRGRVDOWHUQDWLYRVGH HMHFXFLyQ Intel. Artif e Ing. del Conocimiento Metodología KADS 5 0RGHORGHSHULFLD7LSRVGH FRQRFLPLHQWR\,, Intel. Artif e Ing. del Conocimiento Metodología KADS 6 3

&RQRFLPLHQWRHVWiWLFR &RQFHSWR8QLGDGUHSUHVHQWDWLYDFHQWUDO,GHQWLILFDGRSRUXQQRPEUH +DFHUHIHUHQFLDDHQWLGDGHV$EVWUDFWDV FODVHV(MSDFLHQWHVR (QWLGDGHVFRQFUHWDV REMHWR(M9LGDO 3URSLHGDGYDORU/RVFRQFHSWRVGLVSRQHQGHSURSLHGDGHV 1RPEUH 9DORU 9DORUÃSRUÃRPLVLyQÃ\ó1RUPD Ã9DORUÃGHÃFRPSDUDFLyQ 5HODFLRQHV ([SUHVDQODUHODFLRQHVPHQWDOHVTXHXWLOL]DHOH[SHUWRSDUDHQOD]DU FRQFHSWRV(MHPSOR5HGHVVHPiQWLFDV (MHPSORVHVXQHVSDUWHGHHVFDXVDGH Intel. Artif e Ing. del Conocimiento Metodología KADS 7,QIHUHQFLDV &RQRFLPLHQWRLQIHUHQFLDO, &RQMXQWRGHWDUHDVQRSHUPLWHQXQDSRVWHULRUGHVFRPSRVLFLyQ 3ULPLWLYDVGHOUD]RQDPLHQWR 6HGHVFULEHHVSHFLILFDQGRODIXQFLyQTXHUHDOL]DQ WUDQVIRUPDFLyQGHHVWUXFWXUDGHGDWRV7LHQHQXQDHQWUDGD\ XQDVDOLGD 3DSHOHVHVWiWLFRV (OHPHQWRVGHOFRQRFLPLHQWRGHOGRPLQLRTXHVRQQHFHVDULRV SHURTXHQRVRQDIHFWDGRVSRUHOSURFHVRGHUD]RQDPLHQWR 3DSHOHVGLQiPLFRV (QWUDGDV\VDOLGDVGHODVLQIHUHQFLDVTXHVHxDODQORVHOHPHQWRV TXHVRQPDQLSXODGRVSRUHOUD]RQDPLHQWR Intel. Artif e Ing. del Conocimiento Metodología KADS 8 4

&RQRFLPLHQWRLQIHUHQFLDO,, (VSHFLILFDFLyQ 7LSRGHRSHUDFLyQ0pWRGRGH UD]RQDPLHQWR 'HVFRPSRQHUUHILQDU 3DSHOHVGHHQWUDGD 3DSHOHVGHVDOLGD 3DSHOHVHVWiWLFRV (VSHFLILFDFLyQ inferencia descompone operation-type: descomposición; input-roles: modelo del sistema; output-roles: hipótesis; static-roles: ; spec: Refina una causa/componentes en causas másespecíficas /subcomponentes Intel. Artif e Ing. del Conocimiento Metodología KADS 9 &RQRFLPLHQWRLQIHUHQFLDO,,, (VSHFLILFDFLyQ 7DEODGHSDSHOHVUHIHUHQFLDGRV 7DEODGHLQIHUHQFLDVXWLOL]DGDV /DVLQIHUHQFLDVVHLQWHJUDQHQ XQGLDJUDPDGHLQIHUHQFLDV (OGLDJUDPDGHLQIHUHQFLDVH[SUHVD HO³PpWRGR VHOHFFLRQDGRSDUD UHVROYHUXQDWDUHD 0DUFDODVHSDUDFLyQ &212&,0,(172,1)(5(1&,$/ &212&,0,(172'(7$5($6 Inferencia Concepto Intel. Artif e Ing. del Conocimiento Metodología KADS 10 5

&RQRFLPLHQWRGHWDUHDV 8QDWDUHD HVXQREMHWLYRJHQHUDO GLDJQRVWLFDUSODQLILFDU SDUDFX\DFRQVHFXFLyQVHVLJXHXQPpWRGR 8QPpWRGRVHFRQFUHWDHQODGHVFRPSRVLFLyQGHODWDUHDHQ VXEWDUHDV LQIHUHQFLDV\XQFRQWUROFULWHULRGHVHOHFFLyQ (MHPSOR',$*1267,&26,67(0$7,&2 (/FRQRFLPLHQWRGHOFRQWURO GHOPpWRGRHVSHFLILFDHO SURFHGLPLHQWRGHHQODFHGHODVLQIHUHQFLDV,PSUHVFLQGLEOHSDUDODLPSOHPHQWDFLyQ (VSHFLILFDFLyQ SVHXGRFyGLJRDXWyPDWDVILQLWRV &RPSRVLFLyQ(VSHFLILFDFLyQIXQFLRQDO VXVREMHWLYRV 6XSRVLFLRQHV FRQRFLPLHQWRUHTXHULGR(VSHFLILFDFLyQ RSHUDFLRQDO,QIHUHQFLDV\HOIOXMRGHFRQWURO Intel. Artif e Ing. del Conocimiento Metodología KADS 11 &RQRFLPLHQWRGHWDUHDV 'HVFULSFLyQ&0/ Intel. Artif e Ing. del Conocimiento Metodología KADS 12 6

(MHPSOR1(;3(57, 3UREOHPDSURSXHVWR 'LDJQyVWLFRGHHQIHUPHGDGHVKHPDWROyJLFDV 'HILQLUODFDXVDGHXQFXDGURGHKHPRUUDJLDV 6HxDOGHDODUPD%DMRQLYHOGHKHPRJORELQD 6HFRQVLGHUDHOPRGHORGHSURGXFFLyQGHFRiJXORV 0RGHORFDXVDO 6HFXHQFLDGHWHVW 7HVW GH5XPSHOO/HHGH IUDJLOLGDGYDVFXODU 5HFXHQWRGHSODTXHWDV 'LIHUHQWHVSRVLELOLGDGHV Intel. Artif e Ing. del Conocimiento Metodología KADS 13 (MHPSOR1(;3(57,, 'LDJQyVWLFRÃGHÃHQIHUPHGDGHVÃKHPDWROyJLFDV Intel. Artif e Ing. del Conocimiento Metodología KADS 14 7

(MHPSOR1(;3(57,,, 'LDJUDPDÃGHÃLQIHUHQFLDVÃHQÃODÃWDUHDÃGHÃGLDJQyVWLFRÃVLVWHPiWLFR Intel. Artif e Ing. del Conocimiento Metodología KADS 15 (MHPSOR1(;3(57,9 &RQRFLPLHQWRLQIHUHQFLDO 3DSHOHVGHOGRPLQLR 3DSHOÃGHOÃGRPLQLR Complaint System model Possible observables Hypothesis Variable value Norm Difference Conclusion ([SOLFDFLyQ Llamada de atención, aviso que desencadena el diagnóstico Modelo del sistema, que principio puede ser causal o FRQVWDGe. Variables u estados observables. Subsistema. Valor de salida o Estado observado Valor de salida o Estado esperado, de normalidad Clase de diferenciación Si o no es el elemento que falló o la causa del problema Intel. Artif e Ing. del Conocimiento Metodología KADS 16 8

(MHPSOR1(;3(579 &RQRFLPLHQWRLQIHUHQFLDO 3DSHOHVGHOGRPLQLR Intel. Artif e Ing. del Conocimiento Metodología KADS 17 (MHPSOR1(;3(579, &RQRFLPLHQWRGHWDUHDV Systematic Diagnosis (+complaint, +possible observables, -system model) b select 1 (+complaint, -system model) REPEAT decompose (+system model, -hypothesis) WHILE number of hypotheses > 1 select 2 (+possible obsevables, -variable value) select 3 (+hypothesis, -norm) compare (+variable value, +norm, -difference) system model current decomposition level of system model UNTIL confirm (+hypothesis). Intel. Artif e Ing. del Conocimiento Metodología KADS 18 9

(MHPSOR1(;3(579,, &RQRFLPLHQWRHVWiWLFR 3DSHOHVHQHOGLDJQyVWLFR 3DSHOHVÃGHOÃGRPLQLR PiVÃJHQpULFR 3DSHOHVÃGHOÃGRPLQLR SDUDÃPRGHORÃFDXVDO 'HVFULSFLyQ Complaint Fallo Descripción de estado de anormalidad System model Modelo causal Modelo causal del sistema Possible observables Estados observables Estados observables Hypothesis Causa posible Submodelo causal Variable value Valor de la variable Estado observado Norm Norma Estado esperado, de normalidad Difference Diferencia Clase de diferenciación Conclusion Conclusión Si o no la hipótesis fue causa del fallo Intel. Artif e Ing. del Conocimiento Metodología KADS 19 (MHPSOR1(;3(579,,, &RQRFLPLHQWRHVWiWLFR 3DSHOHVHQHOGLDJQyVWLFRGRPLQLRGHODKHPDWRORJtD Intel. Artif e Ing. del Conocimiento Metodología KADS 20 10

(MHPSOR1(;3(57,; 'LVHxRHLPSOHPHQWDFLyQVROXFLyQOLQHDO $UERO GHSUXHEDV!VORWVGHXQVRORREMHWRGHSUXHEDV 5HJODV 7DQWDVFRPRSRVLELOLGDGHVGH+LSyWHVLVGHGLDJQyVWLFR +LSyWHVLVGHUHJODV +LSyWHVLVGHGLDJQyVWLFR 6RORVHGHILQHXQREMHWRGHKLSyWHVLVGHGLDJQyVWLFRFRQ HOHPHQWRV ± 5HDOL]DGR%RROHDQ ± 5HVXOWDGR VLPEyOLFR $QWHFHGHQWHV 3UHPLVDVHQHORUGHQHQTXHVHUHFRUUHHOiUEROGHOD GHVFULSFLyQGHGLDJQRVLV (OFRQMXQWRVHFRPSRUWDVLJXLHQGRXQUHFRUULGRVLVWHPiWLFR/D HYROXFLyQHVVHPHMDQWHDODTXHGHILQHODWDUHD 3RFRSDUHFLGRHVWUXFWXUDOFRQHOPRGHORGHSHULFLD Intel. Artif e Ing. del Conocimiento Metodología KADS 21 (MHPSOR1(;3(57; 'HILQLFLyQGHREMHWRV3UXHED\GLDJQyVWLFR Intel. Artif e Ing. del Conocimiento Metodología KADS 22 11

(MHPSOR1(;3(57;, 'HILQLFLyQGHREMHWRV Intel. Artif e Ing. del Conocimiento Metodología KADS 23 (MHPSOR1(;3(57;,, 'HILQLFLyQGHUHJODV Intel. Artif e Ing. del Conocimiento Metodología KADS 24 12

(MHPSOR1(;3(57;,,, 'HILQLFLyQGHUHJODV Intel. Artif e Ing. del Conocimiento Metodología KADS 25 (MHPSOR1(;3(57;,9 (MHFXFLyQž'HILQLFLyQGHHVWUDWHJLD Intel. Artif e Ing. del Conocimiento Metodología KADS 26 13

(MHPSOR1(;3(57;9 (MHFXFLyQž'HILQLFLyQGHREMHWLYRV Intel. Artif e Ing. del Conocimiento Metodología KADS 27 (MHPSOR1(;3(57;9, (MHFXFLyQž&RQVXOWD Intel. Artif e Ing. del Conocimiento Metodología KADS 28 14

&ygljr, (MHPSOR1(;3(57;9,, Intel. Artif e Ing. del Conocimiento Metodología KADS 29 &ygljr,, (MHPSOR1(;3(57;9,,, Intel. Artif e Ing. del Conocimiento Metodología KADS 30 15

(MHPSOR1(;3(57;,; 2WUDVLPSOHPHQWDFLRQHV,PSOHPHQWDFLyQSRUGLIHUHQFLDFLyQ (QFDGHQDPLHQWRKDFLDDWUiV (VWUXFWXUDGHUHJODVVHPHMDQWHDOiUEROGHGLDJQyVWLFRVLVWHPiWLFR (MHPSOR³3UREOHPDSODTXHWDULR Intel. Artif e Ing. del Conocimiento Metodología KADS 31 (MHPSOR1(;3(57\;; 2WUDV LPSOHPHQWDFLRQHV,PSOHPHQWDFLyQ GHFODUDWLYD 9iOLGDSDUDiUEROHV GHGHFLVLyQ ELQDULRV Intel. Artif e Ing. del Conocimiento Metodología KADS 32 16