Los multímetros, los cautines, los osciloscopios, los desarmadores y demás herramientas que un técnico en electrónica o un ingeniero precisan en su lugar de trabajo, siguen siendo medios necesarios para la consecución de los fines para los que fueron concebidos; pero como yo lo veo, esas herramientas convencionales distan mucho de ser suficientes. Solo asómese a YouTube y vea lo que un profesional en esta esfera de actividad es capaz de hacer, y comprenderá mejor lo que quiero decir: la competencia es feroz.
Herramientas y máquinas de la nueva y próxima generación
Quien esté deseando sobresalir de entre todo ese mar de competitividad, no le va a alcanzar con un taller desprovisto de herramientas de nueva generación. En el contexto de esta publicación, una herramienta de nueva generación es una herramienta inteligente que nos ayuda a localizar la falla en un equipo y recomienda los componentes que hay que reemplazar, así como las acciones correctivas que deben efectuarse para que el equipo vuelva a funcionar.
Ya en ensayos anteriores expliqué cómo es que una máquina aprende a reparar equipos electrónicos y cómo puede usted aprovechar esa inteligencia artificial para montar un taller que lo distinga de toda esa miríada de competidores que mencioné con anterioridad. Porque si usted hace un excelente trabajo en menos tiempo y a un menor costo, tenga la seguridad de que ello redundará en un mayor número de recomendaciones de boca en boca.
A diferencia de las herramientas convencionales, la herramienta que en breve estaré describiendo está dotada de inteligencia artificial, pues como expliqué en un artículo anterior, posee un historial de reparaciones que le permite aprender de los expertos, partiendo del consenso de sus opiniones (para una explicación detallada de este mecanismo, véase: Aprendizaje de máquina para legos: la inteligencia artificial explicada con “manzanitas», también de mi autoría).
Pronto comenzaremos a ver máquinas inteligentes que reparan otras, y quizás en un futuro cercano, máquinas que se reparan así mismas. Y no estoy hablando de ciencia ficción. Si hoy en día su servidor ya pudo implementar una herramienta para reparar hornos de microondas con WEKA, no veo por qué no, los electrodomésticos de la próxima generación ya vengan equipados con mecanismos tolerantes a fallas, que les permitan recuperarse después de una descompostura, sin la intervención de un técnico calificado. Independientemente del costo que implique su fabricación y lo factible que pueda llegar a ser su demanda, los aparatos de la próxima generación van a contribuir de manera significativa a 
mejorar nuestro medio ambiente (el consumidor promedio ha sido aleccionado para usar y desechar todo lo que compra). Pero bueno, haciendo a un lado las ventajas ecológicas y todos los demás beneficios y polémicas que pudiera suscitar el empleo de semejantes piezas de ingeniería, hoy por hoy ya podemos echar mano de programas de computadora para transformar una PC o una laptop, en una herramienta inteligente que ayuda a reparar equipos electrónicos de todo tipo.
De la misma manera en que convertí una laptop en una herramienta que ayuda a reparar hornos de microondas, estoy desarrollando ya herramientas que ayudan a reparar televisiones, DVDs, refrigeradores, ventiladores, etc. ¿Que cómo lo estoy haciendo? en seguida se lo explico.
Aprendiendo a fabricar herramientas inteligentes con WEKA
WEKA es un programa de cómputo (software) que la Universidad de Waikato desarrolló para que personas como usted y como yo pudiéramos analizar e interpretar datos, sin conocer a fondo los algoritmos matemáticos que emplea la minería de datos. WEKA es el acrónimo de Waikato Environment for Knowledge Analysis, que significa “Entorno de la Universidad de Waikato para el Análisis del Conocimiento”, y es un software libre distribuido bajo la licencia GNU-GPL.
En lo que sigue, voy a ejemplificar cómo usé WEKA para construir la primera de una serie de herramientas inteligentes que le facilitarán mucho el trabajo, tanto si usted ya es un profesional técnico calificado, somo si no lo es. Si ya lo es, puede usted solicitar una membresía de 4 horas para que en ese tiempo aprenda a instalar y a utilizar WEKA. Una vez con ese conocimiento, usted ya podrá construir la herramienta que quiera, o bien extender su membresía a una de 12 horas para que pueda comenzar a reparar hornos de microondas de inmediato con WEKAProMic.
WEKAProMic: Herramienta inteligente para reparar hornos de microondas con WEKA
En la imagen adjunta presento la pantalla que WEKA desplegó inmediatamente después de haberle pedido que abriera el historial de reparaciones cuyo formato especifiqué en mi ensayo anterior. El diagrama de barras que aparece en esta misma captura de pantalla proporciona un informe del número de casos que en cada reparación, correspondió a una marca de horno de microondas en particular (pulse sobre la imagen para agrandarla). Así por ejemplo, vemos que del total de 
reparaciones efectuadas, se registraron 10 casos en los que la marca del horno resultó ser General Electric, otros 8 en los que fue Amana y así sucesivamente para los demás casos. Asimismo, al seleccionar la localización de la falla en el recuadro de atributos, notamos que en el 22% de los casos, las fallas se producen en el circuito de alta tensión (pulse sobre la imagen de la derecha). Antes de reparar mi primer horno de microondas, yo no tenía idea de qué tan importante podía ser ese dato, mientras averiguaba porqué ese horno hacía tanto ruido y no calentaba.
Después de analizar el caso más a fondo, decidí desconectar el primario del transformador principal y medir el voltaje que le estaba llegando desde la tarjeta de control (relevadores, capacitores, transistores y muchas otras cosas más), y fue así como mi multímetro registró alrededor de 120 volts de C.A. Ese hecho fue lo que me dio la pauta para determinar con mayor certeza, el lugar de la falla. Viéndolo en retrospectiva y regresando al histograma de la captura de pantalla inmediata anterior, es evidente que WEKA hubiera resultado de gran ayuda si en ese entonces alguien me lo hubiera presentado.
No obstante, es claro que esas estadísticas no nos van a servir de mucho a la hora de identificar con precisión, los componentes y las acciones correctivas que debemos realizar para consumar la reparación. Es por ello que apelé a las técnicas de la minería de datos para implementar WEKAProMic: el sistema de aprendizaje de máquina cuyo modelo conceptual propuse en Aprendizaje de máquina para legos: la inteligencia artificial explicada con “manzanitas”.
Si no ha leído ese ensayo, le recomiendo que lo haga antes de seguir leyendo, pues a menos que conozca los fundamentos de dichas técnicas, podría tener problemas para comprender el apartado que sigue.
Agrupando el historial de reparaciones para descubrir tendencias y similitudes con WEKAProMic
Se le llama clasificación (clustering) al procedimiento que emplea WEKA y otros programas de minería de datos para dividir una base de conocimientos en grupos con atributos afines. En nuestro caso particular, la base de conocimientos está representada por el historial de reparaciones en hornos de microondas. La estrategia a seguir entonces es realizar varios experimentos hasta que la máquina descubra, a través de un algoritmo de clasificación, el grupo en el que mejor encaja el caso del horno de microondas que se ha de reparar.
En la imagen adjunta muestro el resultado del primer experimento, en el que le solicité a WEKA dividir el historial en 10 grupos. Como se ve, el caso del horno que hacía ruido y no calentaba quedó clasificado en el grupo (cluster) No. 1; pero aunque la máquina intuyó que la falla podía estar en el circuito de alto voltaje y que el reemplazo de componente(s) debía ser la primera acción correctiva a efectuar, ésta no fue capaz de especificar cuáles debían ser esos componentes (pulse sobre la captura de pantalla para agrandarla). Tuve que llevar a cabo 7 experimentos en total para descubrir cuáles podrían ser los componentes a 
reemplazar en este caso. La imagen de la derecha ilustra cómo en el sexto experimento la herramienta encontró similitudes muy marcadas entre las tendencias de cada uno de los atributos del grupo 10 y las características del caso por resolver, razón de sobra para clasificarlo en ese grupo. Note cómo la mayoría de los atributos entre ambas columnas de datos se parecen, y cómo aquellos que al principio no eran conocidos (nombre del atributo=Missing), los infiere la máquina a partir de esas similitudes.
A pesar de que en esta ocasión el historial se dividió en 16 grupos, WEKAProMic tampoco pudo determinar los componentes a reemplazar. Como consecuencia de lo anterior, tuve que realizar un experimento más (recuerde que para ver los detalles es necesario pulsar sobre cada imagen).
Y fue en el séptimo experimento en donde finalmente conseguí que la herramienta me mostrara el componente que a su juicio debía ser reemplazado. Como se infiere de la imagen adjunta, éste resultó ser ni más ni menos que el magnetrón. Y aunque a simple vista uno pensaría que este experimento es el mismo que el anterior, en este último el número de grupos en los que dividí el historial fue de 20, en contraste con los 16 del anterior. Asimismo, note que el grupo 10 de este experimento consta de 7 casos, a diferencia de los 9 que se juntaron cuando ensayé con 16 grupos.
Con esa información, un técnico, un ingeniero o incluso una persona sin muchos conocimientos en electrónica, podría reparar un horno de microondas más fácilmente, que alguien que no contara con una herramienta como WEKAProMic.
Sin embargo, no hay que olvidar que para que un caso se convierta en uno de éxito, el responsable de la reparación debe conocer las medidas de seguridad que debe observar para no sufrir un accidente, así como aprender a probar componentes y saber cómo medir variables eléctricas. En el siguiente ensayo explicaré cómo se debe descargar el capacitor que todo horno de microondas trae consigo, en su circuito de alta tensión.
© Sergio López González. 4 de septiembre de 2020
Cursos 