Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
44
U | x > 1.80 }
Es obvio que muchas de las evaluaciones obtenidas a partir de esta expresin de lgica
clsica seran ambiguas e irreales, es decir, no podramos excluir a un hombre cuya estatura
sea de 1.79 del conjunto de los hombres altos, pero tampoco es totalmente verdico incluirlo
en dicho grupo. Si se desea manejar este problema de una forma trincada a la realidad, es
aqu donde se hace meramente necesario el uso de los conjuntos difusos, que permiten
utilizar grados de verdad no absolutos, posibilitando con esto, el manejo de grados,
tambin, en la pertenencia de los valores a los conjuntos.
Segn la teora de conjuntos difusos podemos definir el conjunto de los hombres altos (A)
con respecto al conjunto universal de medidas de hombres (U), usando una funcin
45
auxiliar, llamada funcin de membresa, A(x), que relaciona el conjunto universal (U) con
un valor {0,1}. Indicando cuando toma el valor de 1 que pertenece al conjunto y el valor de
0 que NO pertenece al conjunto, pero adems de esto toma valores intermedios que
determinan numricamente el grado de pertenencia al conjunto. Esto se expresa a
continuacin:
A={
De esta forma, un hombre que mida 1.79 puede pertenecer al conjunto de hombres altos en
un grado de 0.8 de perteneca, por ejemplo.
En contraste a la lgica clsica la lgica difusa permite definir los conjuntos sin lmites
estrictos, dando la posibilidad de evaluarlos dentro del conjunto con un grado de
pertenencia al mismo. (Ver Figura 1)
Figura 1. Lgica Difusa vs Lgica Clsica.
La lgica difusa ha cobrado una fama grande por la variedad de sus aplicaciones, las cuales
van desde el control de complejos procesos industriales, hasta el diseo de dispositivos
46
47
48
49
Los elementos que se les asignan el valor de 1 pueden ser interpretados como elementos
que pertenecen al conjunto definido y los elementos a los que se les asigna el valor de 0 se
pueden interpretar como elementos que NO pertenecen al conjunto definido. Esta
conceptualizacin es suficiente para muchas reas de aplicacin, pero es fcilmente notorio,
que carece de flexibilidad para algunas aplicaciones donde se necesite un tipo raciocinio
ms humano.
Supongamos que el conjunto X de valores g entre 0 y 1, representan las notas posibles
dentro del curso de inteligencia artificial. Entonces, el subconjunto A con un intervalo
definido A = [0 , 0.2] representa el conjunto de Las Notas Bajas. Los valores g para el
subconjunto A comienzan desde 0, por lo que resulta sencillo definir un lmite inferior
claro. Por otro lado, el rango superior es difcil de determinar, vindolo desde un punto de
vista real, si tomamos el valor de su rango superior 0.2 podemos decir que pertenece al
grupo de las notas bajas, pero si tomamos como valor 0.21 entonces debemos decir que no
pertenece a las notas bajas, as mismo sucedera para cualquier valor arbitrario por encima
del rango superior del subconjunto A. Obviamente, esta apreciacin no es totalmente
verdadera, puesto que incluso si se analiza como valor de entrada 0.3, es una nota de alguna
forma baja, por tanto en algn nivel pertenece al grupo de las notas bajas.
Otra forma para construir el conjunto A podra ser flexibilizar la estricta separacin entre
las notas bajas y las notas no bajas. Esto se puede hacer permitiendo no solo las estrictas
decisiones de si no, sino tambin posibilitando reglas flexibles como bastante bajo. Un
conjunto difuso nos permite contemplar estas nociones.
En el ejemplo, los datos han sido codificados con valores de 0 1. Una alternativa para
formalizar este concepto de reglas flexibles, es permitir mas valores entre 0 y 1, inclusive
pueden permitirse valores infinitos entre los lmites de 0 y 1. Partiendo de la anterior
concepcin se hace ms difcil la interpretacin de los nmeros asignados a los elementos;
de igual forma los elementos cuyo nmero asignado sea 1 indica que pertenecen al
subconjunto A y los que tengan valor 0 no pertenecen. Todos los dems valores indicaran
una pertenencia gradual al subconjunto A.
50
Aplicndolo al ejemplo, un valor de 0.3 puede tener una membreca de 0.5 en el conjunto
de las notas bajas.
Es importante sealar la diferencia entre la lgica difusa y la probabilidad. Ambos operan
sobre el mismo rango numrico, y tienen valores similares: 0,0 representacin falsa (o no
pertenencia), y 1,0 que representa verdicamente (completo o miembros). Sin embargo,
existe una distincin entre los dos enfoques: Para el enfoque probabilstico la sentencia de
lenguaje natural es, "Hay un 50% de probabilidad de 0.3 sea una nota baja", mientras que la
terminologa difusa expresa que "el grado de pertenencia de 0.3 dentro del conjunto de las
notas bajas es de 0.5".
La diferencia semntica es importante: el primer punto de vista supone que 0.3 es o no es
bajo, slo se tiene un 50% de probabilidades de saber que se est en el conjunto. Por el
contrario, la terminologa difusa supone que 0.3 es una nota "ms o menos" baja, o en otras
palabras que corresponde al valor 0.5.
Tambin, podemos introducir operaciones bsicas de los conjuntos definidos, sobre los
conjuntos difusos de forma similar, tales como, interseccin, unin y negacin. (Ver Figura
4)
51
.
El Bloque Difusor: En este bloque los datos de entrada son procesados y les son asignados
sus respectivos grados de pertenencia a cada uno de los conjuntos difusos considerados.
Este bloque conoce todas las funciones caractersticas o funciones de membresa.
52
Es por lo dicho anteriormente que el control difuso se considera como una prctica
alternativa para manejar una gran variedad de complejas aplicaciones de control, ya que
proporciona un mtodo conveniente para la construccin de los controladores no lineales a
travs de la utilizacin de la informacin heurstica, esta informacin puede provenir de un
operador. En la metodologa de diseo de control difuso, utilizamos a este operador para
escribir una serie de reglas sobre cmo debe ser controlado un proceso y despus incorporar
esa informacin en un controlador difuso que emula el proceso de decisin de los humanos.
53
Un modelo de balancn con bola sirve de sistema mecnico de una variable. Por medio de
un control difuso se intenta mantener la bola en una posicin determinada inclinando el
balancn, incluso cuando la posicin de la bola es modificada por intervenciones externas.
54
La posicin del carro se mide a travs del giro de las ruedas con un sensor de giro. Un
potencimetro giratorio capta la inclinacin del pndulo. Este sensor enva seales exactas
al regulador difuso. All las seales se transforman e infieren en valores de entrada difusos,
y se vuelven a transformar en un valor de salida exacto. Este valor de salida controla un
actuador, el motor de accionamiento del carro. Las exigencias a la regulacin se ven
aumentadas adems por el hecho de que el carro slo debe abandonar su posicin con
relacin a la inicial dentro de lmites muy estrechos. (G.U.N.T)
CONCLUSIONES
Gracias a la lgica difusa, las computadoras incorporan una nueva capacidad para realizar
evaluaciones y decisiones con un criterio ms amplio, volcndolas en un conjunto simple
de reglas del tipo if - then, que permiten describir el funcionamiento del sistema que se
pretende automatizar.
55
Los sistemas basados en los conceptos de la lgica difusa, se rigen por una estructura
general. Para disear un controlador difuso se necesitan especificar al menos todos los
subconjuntos difusos, obtener todas las reglas difusas necesarias, elegir los operadores de
inferencia, el mtodo de desfusificacin y las ganancias normalizantes.
La lgica Difusa se est consolidando a travs del tiempo cada vez ms. Prueba fehaciente
de esto son las mltiples aplicaciones en el rea del Control Automtico, tales como,
Balancn con Bola y Carro con Pndulo Invertido. Algunos pases, de gran avance
tecnolgico, como Japn, y grandes Industrias, como NISSAN y Mitsubishi, han utilizado
los conceptos de la teora del Control Difuso para crear e implementar sistemas
automatizados que simulen de forma anloga el raciocinio humano. Ejemplo de lo anterior,
la mquina de lavado creada por Matsushita, los sistemas de transmisin automtica y
frenos antibloqueo.
Es posible cometer muchos errores en la inmersin a las teoras Difusas. No es posible
afirmar que el desarrollo y ajuste de un controlador difuso es una tarea muy fcil. Esto es
absolutamente falso.
Finalmente, Zadeh relaciona la complejidad de los sistemas con nuestra capacidad de
comprenderlos, definiendo el principio de incompatibilidad: Conforme la complejidad de
un sistema aumenta, nuestra capacidad para ser precisos y construir instrucciones sobre su
comportamiento disminuye hasta un umbral ms all del cual, la precisin y el significado
son caractersticas excluyentes.
REFERENCIAS
Aceves Lopez, A. (2001). Usos y abusos de la Logica Difusa para el control de procesos: Una alternativa
para modelar lo incompleto de la informacin y lo impreciso de una observacin. Con mantenimiento
productivo .
Alzate, A., & Mancera, D. (2007). Aplicacin del Control Difuso en un Statcom. Scientia et Technica Ao
XIII .
Aranguren, S. M., & Muzachiodi, S. L. (2003). Capitulo VIII - Lgica Difusa o Matemtica Borrosa. En S.
M. Aranguren, & S. L. Muzachiodi, Implicancias del Data Mining.
Bustamante Zamudio, G. (2008). Los tres principios de la lgica aristotlica:son del mundo o del hablar?
G.U.N.T. (s.f.). Control Difuso: Balancn con Bola.
G.U.N.T. (s.f.). Control Difuso: Carro con Pndulo Invertido.
Gmez Marn, R. A. (2006). Lgicas no Clsicas. Principios y Fundamentos. Universidad EAFIT.
Hellman, M. (2008). Fuzzy Logic Introduction.
I.T. Informtica de Sistemas. (2004). Lgica y Sistemas Difusos.
J. Norberto Pires, T. G. (2008). Control difuso de fuerza en robtica industrial. Revista Iberoamericana de
Ingeniera Mecnica .
56