PRIMER PROYECTO INTEGRADOR - INTELIGENCIA ARTIFICIAL

Sistemas Basados en Conocimiento y Lógica Difusa

Este repositorio contiene la implementación matemática y computacional de dos sistemas expertos diseñados para la resolución de problemas de ingeniería bajo incertidumbre.

📋 Estructura del Proyecto

El proyecto está organizado en las siguientes directivas:

📦 primer-proyecto-integrador-ia
 ┣ 📂 docs               # Memorias de cálculo y justificaciones matemáticas
 ┣ 📂 src                # Código fuente principal de los motores de inferencia
 ┣ 📜 .gitignore         # Archivos ignorados por el control de versiones
 ┣ 📜 requirements.txt   # Dependencias necesarias para ejecutar el proyecto
 ┗ 📜 README.md          # Instructivo de ejecución

🛠️ Requisitos del Sistema

Para ejecutar los scripts de este proyecto se requiere Python 3.8 o superior. Se recomienda encarecidamente utilizar un entorno virtual (venv) para la instalación de las dependencias.

1. Crear y activar el entorno virtual:

   python -m venv venv
   # En Windows:
   .\venv\Scripts\activate
   # En macOS/Linux:
   source venv/bin/activate

2. Instalar dependencias requeridas:

   pip install -r requirements.txt

   (Dependencias principales: numpy y matplotlib)

---

🚀 Ejecución de los Programas

A) CASO 1: Lógica Difusa (Sistema de Alerta Temprana)

Implementación paramétrica de un algoritmo de inferencia difusa (Mamdani/Larsen) que incluye una Interfaz Gráfica de Usuario (Dashboard) interactiva para el trazado de funciones de membresía y cálculo del centroide.

Instrucciones de ejecución:

1. Ejecute el siguiente comando en la raíz del proyecto:

   python src/caso_1_difuso.py

2. Se desplegará el Dashboard Difuso.
3. Ingrese los valores numéricos nítidos para Nivel del Río (0 a 10) y Precipitación (0 a 200).
4. Haga clic en el botón verde "EJECUTAR ANÁLISIS".
5. Navegue por las pestañas para auditar el proceso completo: Fusificación, Activación de la Base de Reglas, Gráficas de Inferencia y Desfusificación (Decisión Final).

B) CASO 2: Factores de Certeza (Triage SOC)

Motor de inferencia lógico desarrollado para un Centro de Operaciones de Seguridad (SOC). Utiliza las fórmulas de propagación y co-suscripción del modelo MYCIN para clasificar incidentes cibernéticos.

Instrucciones de ejecución:

1. Ejecute el siguiente comando en la raíz del proyecto:

   python src/caso_2_certeza.py

2. El sistema interactivo en consola le solicitará ingresar los 4 valores de certeza de los sensores (rango entre -1.0 y 1.0).
3. (Opcional): Si desea evaluar rápidamente el caso de estudio base documentado, simplemente presione la tecla ENTER en cada pregunta para cargar los valores por defecto.
4. El motor imprimirá un reporte diagnóstico estructurado detallando las reglas disparadas, descartadas, y la jerarquía de las amenazas detectadas.

---

📝 Resultados Esperados y Justificación

• Caso 1: El sistema demuestra visualmente el efecto matemático del operador Mínimo (recorte de Mamdani) frente al operador Producto (escalado de Larsen), y recomienda de manera autónoma la alerta más conservadora para protección civil.
• Caso 2: El algoritmo propaga exitosamente las certezas mediante los operadores AND/OR/NOT y resuelve hipótesis concurrentes de manera asintótica para entregar una recomendación de triage al ingeniero en tiempo real.