RESUMEN DE LOGICA DIFUSA

La lgica difusa es una herramienta muy poderosa y directa, tcnica para la solucin de problemas, que ha
adquirido recientemente una gran difusin especialmente en reas de control y toma de decisiones. Ha
surgido como una herramienta para el control de subsistemas y procesos industriales complejos, as como
tambin para la electrnica de entretenimiento y hogar, sistemas de diagnstico y otros sistemas expertos.
Tradicionalmente las premisas lgicas tienen slo dos extremos: o son completamente ciertas o son
totalmente falsas. En el mundo de la lgica difusa, las premisas lgicas cambian en un rango a grado de
verdad de 0 a 100 por ciento, esto permite acercar la matemtica al lenguaje impreciso del hombre
comn, ya que est repleto de trminos vagos como poco, mucho, tibio, etc.
Visto esto, el paradigma del es y no es, es una seria limitacin al construir sistemas de control de
procesos en tiempo real y sistemas expertos de control. Muchos sistemas expertos tienen la habilidad de
tomar decisiones basados en entradas vagas o imprecisas. Esta habilidad es muy difcil o imposible de
obtener empleando lgica convencional, siendo en estos campos donde entra la lgica difusa.

BASE TERICA
Esta teora nos permite manejar y procesar ciertos tipos de informacin en
los cuales se manejen trminos inexactos, imprecisos o subjetivos. De una
manera similar a como lo hace el cerebro humano, es posible ordenar un
razonamiento basado en reglas imprecisas y en datos incompletos.
Con

los

conjuntos

difusos(Fuzzy

sets)

podemos

definir

sub-

conjuntos, de una manera tal que cualquier elemento pueda pertenecer

a ellos en diferentes grados.
Fuzzy Sets (Lofti Zadeh, 1965) - La transicin desde pertenecer a un
conjunto hasta no pertenecer a un conjunto es gradual.

Cmo representamos un Conjunto Difuso(Fuzzy set)?

Definicin 1: Sea X una coleccin de objetos, expresados de forma genrica
por x. Entonces, un conjunto difuso A en X se define como un conjunto
ordenado de pares

Obtenemos

Con lo que podemos asignar distintos grados de pertenencia.

En la practica vamos a necesitar particionar nuestro universo.
Ejemplo: sea X el concepto edad. Podemos particionar X usando los
conjuntos. Joven, maduro y viejo

Caracterizados por
joven, maduro y viejo

La funcin de pertenencia puede ser una curva arbitraria.

Dependiendo de la aplicacin y del diseador se pueden elegir diferentes
tipos de

funciones de pertenencia (membership function). Las ms

frecuentes son: triangular, trapezoidal, gausiana.

SISTEMA DIFUSO
Su

estructura

est

constituida

por

tres

bloques

principales:

el

de

transformacin de los valores numricos en valores de Lgica difusa; el

motor de inferencia que emplea las reglas; y el bloque de conversin de los
valores de la Lgica difusa en valores numricos.
En un sistema basado en lgica difusa se transforman los datos o valores
numricos de la entrada al dominio de las reglas intuitivas y lingsticas de
la LD para realizar el tratamiento de los mismos y despus convertir los
resultados en valores numricos para darles la representacin tradicional.
En resumen, puede decirse que un sistema basado en lgica difusa acta
como lo hara una persona que tuviera que reaccionar ante trminos tan
imprecisos como caluroso o rpido
Si al sistema se le incluye una regla que diga Si la temperatura es calurosa
se ha de acelerar el ventilador, se estar aplicando el principio de If/Then y
el sistema funcionar sin regirse por conceptos matemticos precisos.
ETAPAS DE LA LGICA DIFUSA

Fusificacin (Fuzzification)

La traduccin de valores del mundo real al ambiente Fuzzy mediante

el uso de funciones de membresa.

Por ejemplo, si tenemos un paciente con fiebre, podemos plantearnos

a partir de qu temperatura empieza a tener fiebre.
Pero es ms realista plantear un modelo en el que la situacin de
fiebre no se restringe slo a dos valores ( hay fiebre o no hay fiebre),
sino que tenemos todo un rango de temperaturas posible.
Por lo tanto, la primera etapa de tratamiento de un problema para la
lgica difusa consiste en modelar cada una de las entradas del
sistema con curvas que den los grados o niveles de pertenencia a los
diferentes estados identificados anteriormente ( en nuestro caso,
fiebre).

Inferencia Lgica.
Despus de realizar la Fusificacin de las variables de entrada y de
salida, tenemos que establecer reglas que relacionen las entradas con
las salidas.
Para poder operar con los Conjuntos Difusos es necesario definir las
operaciones elementales entre ellos. Esto implica definir el modo de
calcular las funciones de pertenencia a estos tres conjuntos.
Sean FP (X) y FP (Y) las funciones de pertenencia correspondientes a
los conjuntos difusos X y Y. Zadeh propone:

Interseccin o AND FP (X AND Y) = mnimo de (FP (X), FP(Y))

Unin u OR FP (X OR Y) = mximo de (FP (X), FP (Y))
Complemento o NOT FP (Complemento X) = 1 FP (X)

En realidad, estas expresiones son bastante arbitrarias y podran

haberse definido de muchas otras maneras. Esto obliga a considerar
otras definiciones ms generales para las operaciones entre los

Conjuntos Difusos. En la actualidad se considera correcto definir el

operador interseccin mediante cualquier aplicacin t-norma y el
operador unin mediante cualquier aplicacin s-norma.

Defusificacin (Defuzzification)
Despus de computar las reglas fuzzy y evaluar las variables fuzzy,
necesitaremos trasladar estos valores nuevamente hacia el mundo
real.
El mtodo ms popular de defusificacin es el clculo del centro de
gravedad centroide, el cual retorna el centro del rea bajo la curva. Al
igual que en los pasos anteriores existen ms mtodos de clculo

APLICACIONES
La lgica difusa a pesar de su corta historia tiene un crecimiento muy rpido, ya que es
capaz de resolver problemas relacionados con la incertidumbre de la informacin o del
conocimiento, proporcionando un mtodo formal para la expresin del conocimiento en
forma entendible y compresible por los humanos. Esto hace que se le pueda asegurar y
casi garantizar un amplio campo de aplicaciones con un alto grado de inters. Entre
otras podemos mencionar las siguientes:
En el rea mdica se ha empleado para el diagnstico, desde campos como la
acupuntura, hasta el anlisis de los ritmos cardacos o de la arterioestenosis coronaria.
Dentro del apoyo a la toma de decisiones se ha utilizado para la bsqueda de caminos
crticos en la ejecucin de proyectos y asesoramiento a la inversin.
En el campo del control de sistemas en tiempo real destaca el control de un helicptero
por rdenes de voz y el control con derrapaje controlado de un modelo de auto de
carreras.
Dentro del sector automovilstico existen gran nmero de patentes sobre sistemas de
frenado y cambio de marcha automticos (Nissan).

En el sector de la fabricacin de electrodomsticos se han diseado buen nmero de

aplicaciones neuro-fuzzy como lavadoras que evalan la carga y ajustan por s mismas,
el detergente necesario, la temperatura del agua y el tipo de ciclo de lavado (Matsushita,
Hitachi, Siemens), tostadoras de pan, controles para la calefaccin y el aire
acondicionado, televisiones (SONY), que automticamente ajustan el contraste, el brillo
y las tonalidades de color.
Para el control de maquinaria destaca el control de frenado de metro de Sendai realizado
por Hitachi (en funcionamiento desde julio de 1987) para mantener los trenes rodando
rpidamente a lo largo de la ruta, frenando y acelerando suavemente, deslizndose entre
las estaciones, parando con precisin sin perder un solo segundo o sacudir fuertemente a
los pasajeros. Se han utilizado para el control de una mquina de perforacin de tneles
y para el control de ascensores (Mitsusbishi-Elec., Hitachi, Fuji Tech) que mejoran la
eficiencia en el procedimiento manual que siempre se presenta cuando grandes grupos
esperan para usar el ascensor al mismo tiempo, o para gras en el manejo y elevacin de
contenedores (Hitachi).
Se han aplicado tambin al procesado de imgenes y al reconocimiento de caracteres
que reconoce los nmeros de los cheques bancarios utilizando un sensor CCD y un
microcontrolador.
Se utiliza tambin en verificadores de ortografa, los cuales sugieren una lista de
palabras probables para reemplazar una palabra mal escrita, o en correctores de voz para
sugerir un listado de probables palabras para sustituir a una mal dicha.

LOGICA DIFUSA O LOGICA BORROSA

La lgica difusa o borrosa es un tipo de lgica basado en la teora de
conjuntos y que trata de copiar el mtodo de razonamiento que
usualmente los humanos utilizamos en nuestra vida diaria. Las cosas
no son blancas o negras, sino que tienen un grado muy diverso de
matices. A tal diversidad algunos le llaman los grados de verdad.
QUE ES LA LOGICA BORROSA?

Segn el Prof. Lotfi Zadeh, creador de la Lgica Borrosa: La lgica

borrosa constituye un sistema lgico que est dedicado a la
formalizacin de modos de razonamiento que son aproximados y no
exactos. En ese sentido la lgica borrosa es una extensin de los
sistemas lgicos polivalentes, pero sus objetivos son bastante
diferentes, tanto en espritu como en esencia. (Zadeh). A pesar de
que en la vida real las cosas casi nunca son de un carcter absoluto,
por siglos nos hemos limitado mayoritariamente a la lgica
Aristotlica, que solo acepta dos proposiciones: VERDADERO o FALSO.
Cuando en realidad, en ese camino del 0 al 1, existe un amplio rango
de situaciones posibles. La lgica borrosa se trata de una lgica
multivaluada. Las proposiciones no son nicamente de tipo Falso o
Verdadero. Existen muchos grados de verdad. En relacin con la
Teora de las Probabilidades, el Prof. Zadeh afirma que ambas pueden
considerarse complementarias y no competitivas una con la otra.
Expresiones tales como Alto, Gordo, la Mayora, Lentamente,
Viejo, Familiar, Relevante, Mucho Mayor que, Amable y otras
similares, se explican mejor cuando se aplica la lgica Borrosa. Qu

significa Alto, Gordo, Muchos, La Mayora, Lentamente, Viejo, Familiar,

Relevante, Mucho Mayor que, Amable? , Como se podr ver estamos
hablando de situaciones imprecisas, trminos que algunas veces son
vagos, y que utilizando la lgica convencional no podemos
transferirlos al lenguaje de las computadoras, pero que empleando la
lgica borrosa s podemos hacerlo. Refirindose a conceptos de este
tipo, el Prof. Zadeh afirma: Una suposicin clave en la lgica borrosa
es que tales conceptos denotan conjuntos borrosos, es decir clases de
objetos en los que la transicin de la pertenencia a la no-pertenencia
es gradual y no abrupta". (Zadeh).
HISTORIA DE LA LOGICA BORROSA

Los orgenes de la Lgica Difusa pueden remontarse hasta Platn

quien planteaba que exista una tercera regin entre verdadero y
falso: los grados de pertenencia. George Berkeley y David Hume
(Siglo XVIII), Bertrand Russell (principios del siglo XX), Ludwig
Wittgenstein (1950s), Jan Lukasiewicz (1920-1939) y Max Black
(1937), deben tambin ser considerados precursores importantes en
el desarrollo de esta teora. Fue a principios de los 60s que el Dr. Lotfi
Zadeh, Jefe del Departamento de Ingeniera de la Universidad de
California en Berkley cre la Lgica Difusa y en 1973 propuso la Teora
de la Lgica Difusa que ha revolucionado la Lgica Clsica. En Espaa
los Dres. Jaume Gil Aluja y Enric Trillas son destacados investigadores
y propulsores de esta Lgica.
En Londres, Inglaterra, en el Imperial College, UK, 1973, el Profesor
Mandami y su alumno S. Assilian fueron quienes disearon el primer
sistema de Control aplicando esta Lgica. Ms informacin aqu

CMO SE APLICA LA LOGICA BORROSA?

Esta Lgica se basa en reglas heursticas del tipo if-then SI
(antecedente) ENTONCES (consecuente), el antecedente y el
consecuente son tambin conjuntos difusos. Estos son ejemplos de
reglas heursticas:

SI hace muchsimo calor ENTONCES disminuyo

drsticamente la temperatura.

SI voy a llegar un poco tarde ENTONCES aumento levemente

la velocidad.
Los mtodos de inferencia para esta base de reglas deben ser
simples, veloces y eficaces. Los resultados de dichos mtodos son un
rea final, fruto de un conjunto de reas solapadas entre s (cada
rea es resultado de una regla de inferencia). Para escoger una salida
concreta a partir de tanta premisa difusa, el mtodo ms usado es el

del centroide, en el que la salida final ser el centro de gravedad del

rea total resultante.Las reglas de las que dispone el motor de
inferencia de un sistema difuso pueden ser formuladas por expertos,
o bien aprendidas por el propio sistema, haciendo uso en este caso
de redes neuronales para fortalecer las futuras tomas de
decisiones.Los datos de entrada suelen ser recogidos por sensores,
que miden las variables de entrada de un sistema. El motor de
inferencias se basa en chips difusos, que estn aumentando
exponencialmente su capacidad de procesamiento de reglas ao a
ao.
En la vida real aplicamos la lgica difusa que poseemos en forma
innata. Observamos las situaciones, y en forma natural las
resumimos, ponderamos y evaluamos para tomar decisiones. Cuando
el tipo de informacin de que disponemos est compuesto de
trminos inexactos, imprecisos y subjetivos, la lgica difusa viene en
nuestra ayuda para procesar esa informacin. Se ampla la teora de
conjuntos y la lgica booleana, un individuo puede pertenecer en
forma parcial a un conjunto, y las operaciones lgicas no son
solamente con unos y ceros sino con fracciones tales como 0.03 o
0.70.

En los conjuntos nebulosos se pueden definir sub-conjuntos, y los

elementos pueden pertenecer a ellos en grados diferentes. Utilizando
reglas difusas se procesan relaciones entre variables difusas y se
producen salidas fuzzy (difusas). Y nuevamente partiendo de salidas
difusas se puede llegar a cantidades binarias y cantidades continuas.

Las operaciones utilizadas en la matemtica difusa son: Fuzzyficacin,

que es traducir a valores difusos los valores del mundo real;
Evaluacin de reglas: que es la determinacin de la fuerza de las
reglas basndose en valores de entrada y las reglas; y
Defuzzyficacin: consistente en traducir los resultados difusos
nuevamente a valores del mundo real. Esta lgica ha venido teniendo
una aplicacin extensa en muchos pases, desde 1990, especialmente
en el Japn y Alemania, y se ha dado origen a ms de 5,000 patentes
en la industria.Ya existen muchos productos como cmaras
fotogrficas y de video con auto foco, lavadoras inteligentes,
medidores
de
presin
sangunea,
aspiradoras,
ascensores,
refrigeradoras,
hornos
de
microonda,
aires
acondicionados
inteligentes, e incluso el metro Senday en Japn que utilizan esta

metodologa con gran xito. Tambin puede aplicarse en control de

luminosidad, control de humedad, control de temperatura, sistemas
de reconocimiento y sistemas basados en Inteligencia Artificial. A
pesar de esto algunos miembros de la comunidad cientfica ven
todava con desconfianza esta teora y an hay pases desarrollados
donde se aplica en forma limitada. Segn Zadeh: La tradicin
Cartesiana de respeto por lo que es cuantitativo y preciso, y de
desdn por lo cualitativo e impreciso, est arraigada demasiado
profundamente como para desprenderse de ella sin presentar
combate (Zadeh) La aplicacin de la Lgica Difusa va ms all del
campo industrial, Jos Amozorrutia ha publicado un trabajo sobre la
aplicacin de Lgica Borrosa y redes neuronales en las Ciencias
Sociales. (Amozorrutia)
CONCEPTOS IMPORTANTES EN ESTA CLASE DE LOGICA

Entre los conceptos relacionados con este tema y que es conveniente

conocer estn:
Conjuntos difusos (Fuzzy Sets) : Un conjunto difuso A se define
como una Funcin de Pertenencia que enlaza o empareja los
elementos de un dominio o Universo de discurso X con elementos del
intervalo (0,1): A: X----> (0,1)La palabra fuzzy es un termino
fotogrfico que se asigna a la condicin de movido o borroso en el
sentido de imgenes con los contornos mal definidos. De ah se
origina la traduccin de Difuso o Borroso que empleamos en
castellano
Granulacin: Proceso de formar clases borrosas de objetos que
estn agrupados por similaridad... La necesidad de granulacin
obedece a la capacidad limitada de los humanos para resolver y/o
almacenar detalles (Zadeh)
Grado de Pertenencia: Establece el punto de transicin entre 0 y 1
entre las condiciones del conjunto difuso. Cuanto ms cerca est A(x)
del valor 1, mayor ser la pertenencia del objeto x al conjunto A.Los
valores de pertenencia varan entre 0 (no pertenece en absoluto) y 1
(pertenencia total).
Las funciones de pertenencia pueden ser: Triangular, Gamma, L,
S, Gausiana, trapezoidal, pseudo exponencial y de trapecio
extendido.
Resumen de la informacin: la percepcin que tienen los seres
humanos de su entorno es difusa. La gran cantidad de informacin de
conjuntos difusos que los seres humanos reciben es resumida,
diferencindose as los procesos que ocurren en los seres humanos
con los de las mquinas.

Variable Difusa: cualquier valor que est basado en la percepcin

humana ms que en valores precisos de medicin (ejs. Color, presin
excesiva en una caldera, cantidad excesiva de sal en una tortilla,
elevada velocidad del tren, etc.
Variable lingstica: aquella nocin o concepto que vamos a
calificar de forma difusa. Por ejemplo: la altura, la edad, el error, la
variacin del error... Le aplicamos el adjetivo "lingstica" porque
definiremos sus caractersticas mediante el lenguaje hablado.
Universo de discurso: rango de valores que pueden tomar los
elementos que poseen la propiedad expresada por la variable
lingstica. En el caso de la variable lingstica 'altura', seria el
conjunto de valores comprendido entre 1.5 y 2.3 m. Los conceptos
anteriores han sido tomados de las siguientes fuentes:
Lgica Disposicional: En esta lgica, las proposiciones se supone
que estn calificadas por usualidad, por ejempl, ^usualmente hace
fro y niebla en San Francisco durante el verano^, y ^usualmente lo
que es escaso resulta caro^ . (Zadeh).
Soft Computing: Una especie de consorcio o sociedad entre la
lgica borrosa, la neurocomputacin y el razonamiento probabilstico,
en el que la ltima incluira los algoritmos genticos, el razonamiento
evidencial y los sistemas caticos (Zadeh).
En su discurso presentado para la recepcin del Doctorado Honoris
Causa por la Facultad de Ciencias de la Universidad de Oviedo,
Espaa (1-XII-1955) el Prof. Lotfi A. Zadeh presenta su visin sobre
los acontecimientos que han determinado el nacimiento y evolucin
de la Lgica Borrosa y sus derivados conceptuales.
Discurso
APLICACIN DE LA LOGICA BORROSA EN LA COMPLEJIDAD SOCIAL

En un artculo muy interesante (fuzzy-socio) sobre la utilizacin de la

Lgica Difusa en servicio de un Mundo Mejor, el Dr. Vladimir Dimitrov,
de University of Western Sydney-Hawkesbury, Australia , presenta las
ventajas del empleo de la lgica difusa en el manejo de la
Complejidad Social.
Aqu un resumen de algunos de sus conceptos:
En la Emergencia de decisiones grupales, el enfoque de
conjuntos difusos da opciones viables para evitar la indecisin y la
confrontacin. El Teorema de la Imposibilidad de Arrow o Paradoja de
Arrow (poner referencia a Wikipedia) que indica la imposibilidad de
disear una regla de eleccin social que satisfaga a todas las

preferencias personales de un grupo. Pero la existencia de Borrosidad

en las elecciones personales permitir suavizar las condiciones de
eleccin individual y har posible la emergencia de un agregado
socialmente satisfactorio. Esto es valioso en la negociacin y el
manejo de conflictos.
En la bsqueda de Orden dentro del Caos: los modelos de
borrosidad con que se visualizan a los otros agentes, mueven el
sistema de agentes interactuantes de un campo catico hacia un
rgimen de orden dinmicamente estable.
Para permanecer en el borde del caos, donde los agentes de un
sistema complejo adaptativo se sitan para lograr mayor creatividad,
la razn de Borrosidad (fuzziness ratio) les proporciona la flexibilidad
y maleabilidad necesarias para mantener la coherencia y estabilidad
necesarias en esta zona de gran actividad.
El empleo del enfoque Borroso tambin est relacionado con el nivel
de coherencia dentro de una organizacin, evitando que se
transforme en una organizacin dictatorial con imposiciones desde
arriba.Tambin los conceptos Borrosos poseen significado virtual que
facilita un espacio para la extensin, elaboracin y negociacin y
cataliza la creatividad humana y favorece la interdependencia y la
necesidad mutua.Otra ventaja del uso de la Borrosidad en las
interacciones sociales es que permite la ocurrencia del fenmeno de
equivocaciones creativas. Estas se manifiestan cuando se comunican
conceptos borrosos en una sociedad. Si A lleva un concepto borroso a
B y B lo malinterpreta, o sea lo interpreta de manera diferente a como
espera A, esto no destruye la comunicacin sino que se ampla el
significado virtual del concepto y se estimula as la creatividad de A.
Entonces A y B se vuelven co-creadores del concepto. As se facilita el
flujo de interacciones sociales y la sobrevivencia y evolucin de la
sociedad como un todo.La existencia de Grnulos Borrosos en la
Lgica Borrosa ayuda a trascender la dualidad entre el pensamiento
diferenciador y el unificador. El primero que profundiza en los detalles
de los fenmenos y el segundo que persigue la integracin, sabiendo
que el conocimiento disponible del todo es siempre borroso. Los
fractales y los grnulos borrosos refuerzan la capacidad de los
investigadores sociales para profundizar en los enigmas y paradojas
de la complejidad social.
Finalmente la lgica difusa ayuda a las inteligencias humanas y de
mquina a enlazar A con no A. Las matemticas difusas nos permiten
a enlazar polaridades del tipo SI y NO, CAOS y Orden, Simplicidad y
Complejidad, Palabras y Nmeros, Subjetivo y Objetivo, Dentro y
Fuera, Apego y Desapego. Y aunque an no hemos logrado la
metodologa borrosa necesaria, estamos en caminos de llegar a

trascender otras dualidades ms profundas como mo y tuyo,

nuestro y de ellos, nosotros y ellos, yo y el otro.
El Ing. Hugo Luis Daniel Allevato, presenta en forma muy clara un Documento
de proyecto para la Aplicacin de la Lgica Borrosa en el Manejo de datos
Ambientales.

OPERACIONES EN LA MATEMTICA DIFUSA

La matemtica
operaciones:

Fuzzy

en

general

involucra

las

siguientes

Borrificacin (Fuzzyfication): Traduccin de los valores del

mundo real a valores difusos.
Evaluacin de reglas (Rule Evaluation): Determinacin de la
fuerza de las reglas basado en los valores de entrada y las
reglas.
Desborrificacin (Defuzzyfication): Traducir
resultados difusos a valores del mundo real

de

vuelta

los

La traduccin de valores del mundo real al ambiente Fuzzy mediante

el uso de funciones de membresa. Las funciones de membresa de la
Fig. 1, traducen una velocidad= 55 en los valores difusos (Grados de
membresa),
SLOW(LENTO)=0.25,
MEDIUM(MEDIO)=0.75
y
FAST(RPIDO)=0