PLATAFORMA PARA DESARROLLO DE TCNICAS DE

DETECCIN E IDENTIFICACIN DE FALLOS EN ROBOTS

QUIRRGICOS
J. J. Fernndez Lozano, I. Garca Morales, V. F. Muoz, L. Molina Pastrana, J. M. Gmez de Gabriel,
A. Garca Cerezo
Dpto. Ingeniera de Sistemas y Automtica. Universidad de Mlaga
Plaza El Ejido, s/n. 29013, Mlaga. Espaa
jesus.fernandez@uma.es

Resumen
La experimentacin en robtica quirrgica se
enfrenta sistemticamente al problema de trabajar
en un entorno con mltiples riesgos para la
aplicacin y aun para las vidas humanas. Es por eso
que la seguridad cobra un papel protagonista y
deben adoptarse desde el principio tcnicas de
anlisis de riesgos y sistemas de deteccin de fallos.
Pero a su vez la prueba de estos ltimos supone un
problema, pues exige simular de alguna manera los
fallos que se pretenden evitar. En muchos casos esto
no es posible, por lo que resulta capital adoptar
estrategias de desarrollo y prueba fuera de lnea.
Palabras Clave: robtica quirrgica, ciruga,
deteccin de fallos, anlisis de riesgos, seguridad.

INTRODUCCIN

La prctica de la ciruga conlleva una serie de

problemas inherentes, tanto para el paciente como
para el cirujano. En la larga historia de esta disciplina
se han ido desarrollando soluciones a algunos de
estos problemas en forma de nuevas herramientas,
tcnicas y procedimientos. En algunos casos, han
dado pie a la aparicin de especialidades distintas, o
de filosofas de trabajo basadas en nuevos conceptos,
como es el caso de la ciruga mnimamente invasiva.
En ella se pretenden reducir las incisiones que se
practican al paciente, con objeto de disminuir su
tiempo de recuperacin y limitar la posibilidad de
complicaciones
en
el
post-operatorio.
El
inconveniente de estas nuevas tcnicas aparece bajo
la forma de nuevas restricciones y dificultades para el
trabajo del cirujano, que actualmente se solventan
mediante un riguroso aprendizaje de estas prcticas
quirrgicas.

Ante esta situacin, surge la idea de incorporar

sistemas de ayuda a los cirujanos con el uso de
nuevos procedimientos basados en la robtica. El
objetivo se centra en eliminar los inconvenientes que
introducen las metodologas basadas en la ciruga
mnimamente invasiva para su prctica con respecto
a las convencionales. Entre estos inconvenientes
destacan el efecto de movimiento en espejo del
instrumental, la falta de sensacin de tacto, o la
visin bidimensional, en un monitor, del campo de
trabajo [1] .
Un aspecto diferenciador de la robtica quirrgica
respecto de otras aplicaciones es la experimentacin. Si,
en general, se admite que solo mediante la realizacin
de experimentos reales se obtienen los datos
necesarios para validar un sistema, un algoritmo o una
tcnica, en el caso de las aplicaciones quirrgicas se
llega a la conclusin de que es preciso realizar ensayos
con seres humanos en ciruga real. Esto implica que un
prototipo debe someterse a todas las pruebas y requisitos que
las autoridades sanitarias exigen para autorizar la
realizacin de ensayos clnicos, regulados en Espaa a
travs de varios Reales Decretos.
Entre los requisitos exigidos destacan, obviamente,
las consideraciones de seguridad, siendo obligatoria
la realizacin de un anlisis de riesgos y la
superacin de pruebas de seguridad elctrica y
compatibilidad electromagntica. En el contexto del
anlisis de riesgos pueden adoptarse varias
metodologas, pero el objetivo es siempre identificar
las fuentes de riesgo entendido como el producto de la
probabilidad de ocurrencia de un fallo y el dao que
este pueda causar. A partir de este anlisis deben
explicarse las medidas tomadas para reducir o eliminar
el riesgo disminuyendo la probabilidad o el dao.
Una forma de acometer este problema es disear un
sistema de supervisin integrado en el conjunto del
sistema de robtica quirrgica. Dicho sistema de
supervisin tendr como misin, por una parte,

detectar e identificar los fallos que se produzcan en el

sistema robtico; y por otra, adoptar las medidas
adecuadas para reducir el dao cuando se produce un
fallo. Pero nuevamente surge el problema de la
experimentacin y la validacin de tal sistema. Como
alternativa al problema se propone la plataforma de
desarrollo ERM-V que describe este trabajo. En l,
despus de la introduccin anterior, se describe el
sistema quirrgico ERM en el que se basa. A
continuacin se presenta la plataforma de desarrollo
como tal. En tercer lugar se describe una parte del
trabajo realizado gracias a la plataforma, consistente
en el desarrollo y la prueba de nuevas tcnicas de
deteccin de fallos para el robot ERM, y en la
realizacin de comparaciones entre ellas. Por ltimo,
se acaba con las conclusiones del trabajo.
2
3
d1

4
5

= 2 + 3 + 4
= 5

(1)

La articulacin prismtica del manipulador se

consigue a travs de un desplazador lineal accionado
por un motor con reduccin, similar a los encargados
de las articulaciones rotacionales.
La interfaz del robot con el usuario permite dos
modos de funcionamiento: a travs de rdenes
verbales, y mediante el movimiento de un joystick.
En cuanto al primer modo de funcionamiento, se han
considerado seis instrucciones de voz bsicas: arriba,
abajo, izquierda, derecha, dentro y fuera. Todas ellas
producen un movimiento del robot que corresponde a
un incremento del extremo de la ptica en la
direccin seleccionada en funcin de la distancia al
punto de fulcro estimada. De este modo, un
movimiento de la ptica hacia la izquierda o la
derecha implica un desplazamiento que modifica
nicamente la variable esfrica en una determinada
magnitud. En el caso de las rdenes arriba y abajo,
es la variable esfrica afectada. Por ltimo, las
rdenes dentro y fuera suponen una modificacin de
la variable esfrica . Por el contrario, con el joystick
se proporciona un movimiento continuo del extremo
de la ptica, hasta que ste deje de actuarse.
Cmara

ZF

1
/

Figura 1. Asistente robtico ERM

ptica

XF

Punto de fulcro

Trcar
{F}

Cuerpo del paciente

EL ROBOT QUIRRGICO ERM

Uno de estos robots quirrgicos mencionados es el

que se ha diseado y construido ntegramente en la
Universidad de Mlaga, con el propsito de
funcionar como asistente en ciruga laparoscpica
moviendo la cmara [5] . Se trata de un robot
compuesto por cinco grados de libertad (ver Figura
1), divididos en dos componentes: tres grados de
libertad activos (d1 , 2 , 3 ) con una configuracin
PRR clsica, encargados del posicionamiento de la
cmara laparoscpica, y una mueca pasiva de dos
grados de libertad ( 4 , 5 ) perpendiculares entre s,
para lograr la orientacin requerida. Tanto los grados
de libertad activos como pasivos se encuentran
dotados de codificadores angulares de posicin, de
manera que la orientacin y altitud reales de la
cmara (variables esfricas y de la Figura 2) se
pueden calcular en todo momento mediante las
siguientes expresiones:

YF

Figura 2. Coordenadas esfricas en la navegacin

de la cmara laparoscpica.
Este sistema robtico se ha empleado con xito en
ensayos clnicos con pacientes humanos. Para ello se
han realizado previamente ensayos in vitro (con
simuladores de paciente) e in vivo (con animales de
experimentacin). Estos experimentos, unidos a un
anlisis de riesgos realizado, han demostrado que el
sistema posee la seguridad requerida para ensayos
con humanos. De esta forma y tras una serie de
pruebas necesarias para la homologacin del
asistente robtico por parte de las autoridades
sanitarias, se han llevado a cabo los ensayos clnicos.
No obstante lo anterior, la complejidad de las pruebas
y la naturaleza de la aplicacin han sugerido la
necesidad de disponer de una plataforma donde

puedan ensayarse cmodamente y con seguridad

nuevas tcnicas de deteccin de fallos. Si bien el
sistema robtico es completamente seguro, las
modificaciones en los sistemas de control, en los
algoritmos, etc., obligan a redisear y a probar
nuevamente todo el sistema, incluyendo los
subsistemas de seguridad, y a homologarlo. El
carcter de sistema empotrado, que favorece su
integracin en el quirfano, se vuelve aqu en contra
del desarrollo, dificultndolo y ralentizndolo. Se
plantea por tanto realizar una plataforma que permita
acelerar el desarrollo y la prueba de nuevos sistemas
de deteccin de fallos, que permita probar con
seguridad y rapidez nuevas tcnicas antes de
implantarlas en el sistema real.

LA PLATAFORMA DE PRUEBAS
ERM-V

Como se ha explicado en la introduccin, el sistema

ERM ha superado las pruebas de seguridad exigidas
para realizar ensayos clnicos con pacientes humanos.
Ello ha supuesto, obviamente, la integracin de
sistemas de deteccin de fallos en el diseo. Sin
embargo, por ser un sistema empotrado, el desarrollo
y la prueba de nuevas estrategias resulta complejo y
lento. Como respuesta se ha diseado la plataforma
ERM-V, un simulador avanzado implantado
mediante SimulinkTM. Dicha herramienta no permite
una ejecucin en tiempo real, pero facilita el
desarrollo y la prueba rpida de estrategias de
deteccin de fallos. A partir de las conclusiones
extradas puede procederse al desarrollo de los
algoritmos especficos que puedan implantarse en el
sistema real.

Para desarrollar esta plataforma se ha partido del

anlisis de riesgos del sistema ERM, el modelo
dinmico del manipulador, el modelado de los fallos
y un mdulo de supervisin que implementa las
estrategias de deteccin de fallos.
3.1

ANLISIS DE RIESGOS

Los fallos que afectan al robot quirrgico ERM se

recogen en el anlisis de riesgos FMEA [3] [2] . En
l se contemplan, por bloques funcionales, el fallo, el
comportamiento anmalo asociado, el dao, y por
ltimo, el ndice de riesgo, entendido como el
producto de la probabilidad y el dao producido por
el fallo (ver Tabla 1). Para simplificar el modelo de
los fallos, solamente se han tenido en cuenta, en lo
que sigue, aquellos fallos cuyo ndice de riesgo es
superior cero, ya que los que son cero, obviamente,
no suponen ningn peligro.
3.2

MODELO
DINMICO
MANIPULADOR

DEL

El robot ERM se compone de diversos elementos:

sistema de alimentacin, brazo servocontrolado,
mueca pasiva, supervisor y sistema de
comunicacin por la voz. Para modelar el
comportamiento del brazo servocontrolado se ha
elaborado un modelo dinmico que incluye tambin a
la mueca pasiva. Sobre este modelo, basado en [4]
se ha creado un simulador del brazo, cuyo diagrama
de flujo puede verse en la Figura 3. En dicho
diagrama puede verse que se consideran dos bucles:
uno interior, que modela el control de bajo nivel, y
uno exterior, que refleja el funcionamiento de la
planificacin de trayectorias. Esa misma estructura se
ha considerado en la implantacin en Simulink.

Tabla 1 Anlisis de riesgos para el bloque funcional del brazo servocontrolado.

Modo de fallo
a) Fallo en los
actuadores, reductores
o transmisiones de las
articulaciones.

b) Fallo en alguno de
los codificadores de
posicin de los tres
actuadores, ya sean por
motivos mecnicos o
electrnicos.
c) Fallo en algn
controlador articular
del brazo.

ndice de
riesgo
Dao
ocasional y
leve (2)

Efecto en el sistema

Posibles peligros

La articulacin afectada deja

de moverse, y el brazo
ejecuta una trayectoria
errnea, aunque sin ejercer
fuerzas indeseadas sobre el
cuerpo del paciente gracias a
la acomodacin realizada
por la mueca pasiva.
El brazo comienza a ejecutar
una trayectoria errnea.

Al no ejecutar el brazo
servocontrolado la trayectoria
prevista, la ptica se mueve dentro de
la cavidad abdominal por un
recorrido distinto al esperado. Podra
tocar un tejido.

La ptica se mueve dentro del

abdomen por un recorrido distinto al
esperado. Podra tocar un tejido.

Dao
remoto y
crtico (2)

El brazo comienza a ejecutar

una trayectoria errnea.

La ptica se mueve dentro del

abdomen por un recorrido distinto al
esperado. Podra tocar un tejido.

Dao
remoto y
crtico (2)

3.3

OTROS ELEMENTOS: SISTEMA DE

ALIMENTACIN
E
INTERFAZ
PERSONA-MQUINA

El sistema de alimentacin no se ha modelado de

forma explcita, es decir, no se ha diseado un bloque
funcional que simule su comportamiento, pero s se
han tenido en cuenta los posibles fallos que puedan
darse en l, tratando el sistema de alimentacin de
forma implcita en el modelo.
Como interfaz persona-mquina, el sistema ERM
cuenta con un sistema de reconocimiento de voz que
se encarga de capturar el comando de movimiento
indicado por el cirujano durante la intervencin.
Alternativamente, se cuenta con un joystick como
medio de entrada de rdenes.
La implementacin de la interfaz cuenta con un
mdulo con siete entradas: seis del tipo todo/nada,
que reproducen las rdenes verbales que puede
reconocer el ERM, y una sptima para el joystick.

3.4

MODELADO DE LOS FALLOS

Se han considerado tres estrategias de modelado de

los fallos, segn su naturaleza:
Fallos modelados como un bloqueo, como los que
se manifiestan en la inmovilizacin del brazo o de
una articulacin. Se han implementado en la
plataforma haciendo constante, en un instante
arbitrario del tiempo de ejecucin, el valor de la
variable correspondiente del bucle interior (control a
bajo nivel).
Fallos modelados como un ruido, como aquellos
cuyo efecto consiste en una prdida de precisin en el
posicionamiento. Su implementacin se ha realizado
sumando un nmero aleatorio a la variable de inters.
La eleccin de la funcin aleatoria y de su escalado
se ha realizado heursticamente, a partir del
conocimiento en el funcionamiento del sistema ERM
real.
Fallo debido al joystick, en el que un fallo en algn
componente del mismo deriva en una consigna de
movimiento no deseada. Se ha implementado
cambiando el valor de la seal del joystick por otro
mucho mayor, de acuerdo con el comportamiento
que tiene el sistema real.

3.5

SISTEMA SUPERVISOR

El ltimo elemento de la plataforma es el mdulo de

supervisin, que sirve para modelar y simular las
estrategias de deteccin de fallos que interesen.
Simula el papel del microcontrolador que en el robot
real se encarga de controlar que en todo momento la
operacin del sistema es segura. Se ha implementado
como un bloque funcional independiente que recibe
como entrada los datos calculados por el conjunto de
bloques funcionales brazo servocontrolado y mueca
pasiva, y como salida el resultado de cada una de las
estrategias de deteccin y diagnosis de faltas
implementadas. Las variables que entran en dicho
bloque, provenientes del bloque sensores son las
siguientes:

Figura 3. Diagrama de flujo del simulador del brazo

servocontrolado.

Q, vector articular: Q = [d1 2 3 4 5].

x1ref, referencias de posicin para las
articulaciones activas.
Ef, trayectoria esfrica deseada: Ef = [ ].
x, vector de estado continuo compuesto por
la posicin y la velocidad articular.
ALFA y BETA, las variables y
realimentadas.

Hasta el momento se han implementado dos

estrategias de deteccin de fallos:

Una estrategia basada en el concepto de

diagnosticador propuesto en [6] [7] que es
una formalizacin y extensin de la
estrategia implantada realmente en el ERM.
Una estrategia nueva, basada en inferencia
borrosa.

3.5.1 Estrategia basada en sistemas de eventos

discretos
La primera metodologa empleada se basa en el
concepto de diagnosticador. El diagnosticador Gd es
una mquina de estado finitos (MEF), obtenida del
modelo de eventos discretos del sistema. Cada estado
del diagnosticador qd tiene la forma qd= {(x1,l1), ,
(xm,lm)}, y contiene informacin que indica el
conjunto de x estados en los que el sistema se puede
encontrar. En realidad, cada estado del
diagnosticador qd est formado por todos los posibles
estados xi que pueden ser alcanzados como
consecuencia de la ocurrencia de cierto evento
observable . Esos estado qd, estn formados por
parejas {(x,l)}, donde l puede ser o bien una etiqueta
de funcionamiento normal N, o bien una etiqueta de
fallo F. El objetivo consiste en obtener que el
diagnosticador sea capaz de diagnosticar, de cierta
manera, la ocurrencia de algn tipo de fallo, con un
retardo finito, como consecuencia de un evento de
fallo, Fi.
El modelo de eventos discretos debe capturar tanto el
comportamiento normal como el comportamiento en
caso de fallo del sistema. Los fallos se modelan
mediante eventos no observables, y el objetivo es
inferir sucesos de fallos a partir de los eventos
observables. Especficamente, se dice que el sistema
es
diagnosticable,
si
el
correspondiente
diagnosticador entra un bucle de estados Fi-ciertos
donde todos los estados qi del modelo del
diagnosticador contienen una sola etiqueta aislada [6]
. Otra condicin de diagnosticabilidad ms relajada
definida i-diagnosticabilidad, que se da cuando en un
sistema es posible diagnosticar fallos, no siempre,
pero s cuando los eventos de fallo van seguidos por
un evento indicador.
En la implantacin, el diagnosticador ha tomado la
forma de una mquina de estados ejecutada en
paralelo con los dems mdulos de la plataforma.
Cabe destacar que el sistema es diagnosticable, ya
que todos los estados de fallo pueden detectarse a
partir de eventos observables. Esto es lgico, ya que
el sistema era, en origen, seguro. Por ejemplo, un
fallo en los actuadores, reductores o transmisiones de
la articulacin prismtica es diagnosticable
nicamente con la variable x, o la rotura de algn
componente electrnico del joystick mediante las
variables ALFA y BETA.

3.5.2 Estrategia basada en lgica borrosa

La otra estrategia implantada se aleja ms del sistema
que incorpora el robot ERM. Se trata de una
estrategia de deteccin basada en lgica borrosa,
desarrollada con el propsito de mejorar los tiempos
de deteccin de los fallos y por tanto permitir un
comportamiento ms inteligente del sistema,
tendiendo al concepto de graceful degradation.
Se ha empleado el enfoque Mamdani porque es ms
intuitivo, est ms ampliamente aceptado y se adapta
ms fcilmente al lenguaje humano. Las funciones de
pertenencia empleadas son de tipo triangular porque
son ms fciles de implementar y requieren menos
recursos, y son simtricas, para evitar conflictos
cuando el valor de la funcin de pertenencia es uno.
Como mtodo de desborrosificacin se utiliza el
centro de gravedad. Para desarrollar y sintonizar las
reglas se ha acudido, una vez ms, a la experiencia
disponible en el funcionamiento del sistema real.
Los valores de los sensores sirven de entrada, una
vez procesados, a un bloque de inferencia. Este
bloque se ha modelado como un conjunto de sistemas
de inferencia que se ejecutan en paralelo, para
simplificar el desarrollo y sobre todo la sintona de
las reglas. Adems, se facilita la reconstruccin del
proceso de diagnosis seguido.

EXPERIMENTOS

Con la plataforma ERM-V se han llevado a cabo dos

tipos de experimentos: unos destinados a validar la
plataforma comparando sus resultados simulados con
los reales y otros dedicados ya a obtener
conclusiones acerca de diferentes estrategias de
deteccin de fallos.
4.1 EXPERIMENTO 1
Respecto al primer tipo de experimento, se han
simulado los diferentes tipos de fallo que se han
contemplado. Por ejemplo, la Figura 4 muestra una
simulacin en la que se comparan los valores
articulares de la segunda articulacin de rotacin
durante la simulacin de un fallo consistente en el
bloqueo de la articulacin. Como puede verse, los
valores articulares de la articulacin se separan de la
referencia. La magnitud del error es comparable a la
que se aprecia en el robot real, aunque la informacin
disponible al respecto es slo cualitativa.
Los resultados son equivalentes en todos los tipos de
fallo implementados, que son todos los que recoge el
anlisis de riesgos mencionado anteriormente.

situacin ambas tcnicas daban el comportamiento

como correcto.

Figura 4. Respuesta de la segunda articulacin de

rotacin durante la simulacin de un fallo de
bloqueo.
4.2

Figura 5. Respuesta de la articulacin activa

prismtica.

EXPERIMENTO 2

Dando un paso ms, se han implantado las dos

estrategias mencionadas anteriormente y se han
simulado para comprobar en qu medida detectaban
los fallos modelados.
Una vez depuradas las dos implementaciones, se
procedi a probarlas en presencia de todos los fallos
incluidos en la plataforma. Cabe destacar que la
implementacin de la misma limita la ejecucin de
las estrategias de deteccin y diagnosis al tratamiento
del conjunto de datos de un determinado periodo de
tiempo. Es decir, que se ejecuta el modelo del
sistema ERM durante un periodo determinado y
luego se pasan todos los datos al mdulo de
supervisin, que ofrecer la salida oportuna. El
motivo de este enfoque se encuentra en las
limitaciones de ejecucin de la herramienta elegida
(Simulink). Se trabaja en una versin que elimine
este inconveniente, pero mientras tanto se trabaja del
modo explicado para acelerar el desarrollo.
Los resultados obtenidos durante los experimentos
son equivalentes para las dos estrategias. Al final del
periodo de simulacin ambas tcnicas consiguen
detectar la presencia del fallo e identificar su tipo.
Por ejemplo, en la Figura 5, puede verse la
comparacin entre los valores articulares de la
articulacin prismtica en el caso de bloqueo de la
misma, comparados con la referencia. Al final del
periodo ambas tcnicas identifican correctamente el
fallo.

4.3

EXPERIMENTO 3

La implementacin del modelo en la plataforma

ERM-V (con procesamiento de la informacin
sensorial por lotes de acuerdo con un periodo
establecido) limita los resultados del experimento
anterior a conclusiones en torno a si la tcnica
aplicada detecta o no un determinado fallo, y no
aporta informacin acerca de la velocidad de la
identificacin. Para ello se ha realizado un
experimento en el que se han limitado
progresivamente los datos que se han introducido al
mdulo de supervisin. La Tabla 2 presenta un
resumen de los resultados de las dos tcnicas
implementadas en funcin del porcentaje de los datos
sensoriales empleados para el proceso de deteccin e
identificacin.
Tabla 2

Porcentaje
de datos
98,55 %
92,75 %
85,51 %
71,01 %

Otro resultado de inters es el comportamiento ante

funcionamiento correcto; es decir, si se dan como
fallos situaciones que no lo son. Por ejemplo, en la
Figura 6, se muestra la respuesta de la primera
articulacin de rotacin durante una consigna de
movimiento, comparada con su referencia. En dicha

Resultados ante limitacin de datos de

entrada

56,52 %
46,38 %
14,49 %

Diagnosticador
(eventos discretos)

Deteccin
correcta
Deteccin
correcta
Deteccin
correcta
Deteccin
correcta
Deteccin
correcta
No concluyente
No concluyente

Lgica
borrosa
Deteccin
correcta
Deteccin
correcta
Deteccin
correcta
Deteccin
correcta
Deteccin
correcta
Deteccin
correcta
No
concluyente

Como puede verse, la tcnica basada en lgica

borrosa es ms robusta, y ms rpida en cuanto al
instante de ejecucin en el que puede detectarse el
funcionamiento anmalo. Queda fuera de
consideracin el tiempo de ejecucin del algoritmo,
previsiblemente algo mayor en el caso de la lgica
borrosa.

detectando todos los fallos y sin dar falsas alarmas

durante el comportamiento correcto. Adicionalmente
se han comparado sus resultados limitando el nmero
de datos que empleaban para la deteccin y la
identificacin, resultando ms robusta la tcnica
basada en lgica borrosa.
En etapas posteriores se pretende mejorar la
estrategia de simulacin de la plataforma, que
actualmente impide el procesamiento en lnea de la
informacin sensorial, y que se basa en el tratamiento
de la informacin por lotes al final de un periodo
predeterminado de simulacin. Este inconveniente no
limita la aplicacin al desarrollo de tcnicas de
deteccin e identificacin de fallos, pero s a la
acomodacin a los fallos o al desarrollo de tcnicas
de control tolerante a fallos.

Referencias
[1]

Figura 6. Respuesta de la segunda articulacin

activa (primera de rotacin).

[2]

[3]

CONCLUSIONES

La naturaleza da las aplicaciones de robtica

quirrgica hacen que, por una parte, sea necesario
realizar experimentos en clnica humana para validar
los resultados, y por otra, se exija una enorme
seguridad para realizar tales experimentos. Esta
dinmica ralentiza el desarrollo y las pruebas de
nuevas tcnicas. En particular, se complica
notablemente la experimentacin en torno al
problema de la deteccin e identificacin de fallos,
que en el caso de sistemas empotrados cuenta
tambin con el inconveniente de la integracin en
tales sistemas.
Como alternativa para mejorar la experimentacin en
ese campo, se ha desarrollado una plataforma de
ensayos para el robot ERM denominada ERM-V, que
simula el comportamiento real del sistema y permite
desarrollar con mayor libertad y seguridad diversas
tcnicas, en particular las de deteccin e
identificacin de fallos.
Tras validar la plataforma ERM-V en cuanto a su
similitud con el sistema real, se han realizado
experimentos con dos tcnicas de deteccin de fallos:
una basada en sistemas de eventos discretos y el
concepto de diagnosticador, y otra basada en lgica
borrosa. Ambas han funcionado correctamente,

[4]

[5]

[6]

[7]

Faraz A., S. Payandeh (2000). Engineering

approaches to Mechanical and Robotic Design
For Minimally Invasive Surgery. Kluwer.
EEUU. ISBN 0-7923-7792-3.
Garca Morales, I. Control operacional para un
robot asistente de ciruga laparoscpica. Tesis
doctoral, Universidad de Mlaga, 2006.
Manual de Usuario y Anlisis de Riesgos.
Asistente quirrgico. Sistema automtico para
el manejo de cmaras laparoscpicas. Instituto
de Automtica Avanzada y Robtica, 2002.
Morales Rodrguez, Jess: Modelado y control
operacional de un robot asistente de ciruga
laparoscpica. Informe interno. Universidad de
Mlaga, 2005
Muoz V.F., J. Fernandez-Lozano, J. Gomezde-Gabriel, I. Garcia-Morales, R. Molina-Mesa,
C. Perez-del-Pulgar (2003). On Laparoscopic
Robot Design and Validation. Integrated
Computer Aided Engineering, Num. 3, Vol. 10,
pp 211-229. ISSN 1069-2509. IOS Press. The
Netherlands.
M.Sampath, R. Sengupta, S. Lafortune, K.
Sinnamohideen,
and
D.
Teneketzis:
Diagnosability of discrete-event systems. IEEE
Trans. Automat.Contr., vol.40, n19, pp.15551575, 1995
M.Sampath, R. Sengupta, S. Lafortune, K.
Sinnamohideen, and D. Teneketzis: Failure
diagnosis using discrete-event models. IEEE
Trans. On Contr. Systems, vol.4, n2, pp. 105124, March 1996.