Bello Pérez, Rafael EstebanGrau Ábalo, Ricardo del CorazónMorell Pérez, Carlos Alexis2020-03-112020-03-112005https://dspace.uclv.edu.cu/handle/123456789/12464El presente trabajo aborda el Razonamiento Basado en Casos (RBC) como una técnica actual y de gran aplicabilidad dentro de la Inteligencia Artificial. Un concepto esencial en el RBC es la similitud, y en particular este trabajo se centra en aquellos sistemas que usan funciones de similitud para dar una medida de este concepto entre dos objetos del dominio de aplicación. Se proponen dos extensiones que lo perfeccionan mediante la utilización de conjuntos borrosos en la función de similitud y mediante un nuevo método de ponderación de los rasgos dependiente del proceso de adaptación, que permite recuperar soluciones que requieren menor esfuerzo de adaptación. Además se propone un nuevo método de RBC donde se integran las modificaciones propuestas con la selección adecuada de otros aspectos del RBC y que se acoplan con la Planificación Heurística en la solución de un problema CAPP (Computer Aided Process Planning). Específicamente, se demuestra la efectividad de la consecuente herramienta computacional para la ayuda a la confección de tecnologías de fabricación por maquinado de piezas simétrico-rotativas.esEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 LicenseRazonamiento Basado en Casos (RBC)ExtensionesFunción de SimilitudConjuntos BorrososMaquinado de PiezasPlanificación de ProcesosHerramienta ComputacionalInteligencia ArtificialThesis