65 I+D La primera tarea en el ciclo de CBR es la recuperación de uno o más casos similares de la base de casos donde está almacenada la experiencia pasada. Para poder llevar a cabo la tarea de recuperación es necesario tener un al- goritmo de recuperación y una medida de similitud que serán utilizados para obtener un conjunto de casos simi- lares. Si no se encuentra un caso similar, se aplica el sis- tema de Razonamiento Basado en Reglas (Rules Based Reasoning, RBR). La metodología utilizada en este estudio se ha basado en una primera fase de adquisición de conocimiento e imple- mentación de las estructuras necesarias para representar dicho conocimiento, tanto el objetivo como el subjetivo. Por un lado, las reglas se crean en base a las recomenda- ciones de los fabricantes de sensores y estudios científi- cos que tratan de modelar casos genéricos. Esto se hace mediante el uso de un sistema basado en reglas. Por otro lado, los datos empíricos basados en la experiencia, se obtienen por medio del conocimiento de los técnicos ex- pertos que es recogido a través de cuestionarios. Una serie de casos representativos han sido objeto de es- tudio por parte de técnicos experimentados. Sus respues- tas para encontrar la solución óptima son almacenadas en una base de datos como “conocimiento tácito” y es re- cuperado en una segunda fase de extracción. Esta fase está se centra en proporcionar una solución al usuario . 3. Razonamiento Basado en Casos (CBR) Tal y como se ha explicado anteriormente, el razonamien- to basado en casos reutiliza información de situaciones pasadas. Al igual que en muchos algoritmos de aprendi- zaje automático, un caso está formado por varios atribu- tos independientes que dan una descripción del problema y una solución para el caso. Así, la contribución de un atri- buto para una clase se puede determinar de forma inde- pendiente de los otros atributos. Este requisito simplifica los algoritmos de aprendizaje y genera un rendimiento ro- busto [1]. El CBR es un proceso que consta de cuatro pasos: 1 Recuperar el caso o casos más similares. 2 Reutilizar ese caso para resolver el problema. 3 Revisar la solución propuesta. 4 Guardar las partes de esta experiencia que se conside- ren útiles para resolver futuros problemas. La principal ventaja de CBR es la gran capacidad de adap- tación a nuevos casos ya que se basa en extrapolar la so- lución. Aunque también existen algunos inconvenientes: • Precisión: Los sistemas CBR necesita una gran canti- dad de datos para ser precisos. La curva de aprendizaje de este tipo de sistemas tarda en ser estable. • Puesta en marcha: Tal y como se ha comentado ante- riormente, la necesidad de tener una base de datos sig- nificativa hace que el tiempo de puesta en marcha sea algo mayor que otras soluciones. El sistema basado en reglas permite solucionar estos in- convenientes (ver figura 1). PLASTICOS Figura 1. Esquema genérico del sistema híbrido planteado. UNIVERSALES tecnología