ESCUELA POLITÉCNICA NACIONAL

INFORME 1 SEMINARIO ACTUALIZACIÓN

CONTROL INTELIGENTE-Fuzzy Logic

NOMBRE : Edwin Fabricio Enríquez Gutiérrez

FECHA : 05/06/2017

LÓGICA DIFUSA PARA RESOLVER EL PROBLEMA DE DISTRIBUCIÓN DE

HORAS CLASES PARA LA ASIGNATURA DE RAZONAMIENTO LÓGICO
MATEMÁTICO DEL PREUNIVERSITARIO JEAN J. FOURIER

1. PLANTEAMIENTO DEL PROBLEMA

La distribución de las horas clases para la asignatura de razonamiento lógico-matemático

ha sido un problema que involucra a los docentes y estudiantes del preuniversitario Jean
J. Fourier, esto se debe a que no se tiene una planificación sistemática del cronograma
académico y mucho menos una distribución de las horas de cada materia, lo cual
desencadena problemas posteriores como falta de tiempo para concluir los objetivos del
curso, desorganización por parte de los docentes y desorganización en la metodología de
enseñanza impartida.
El preuniversitario ha previsto optar por la metodología de clasificación de los estudiantes
acorde a su desempeño académico, con lo cual se asegura que la enseñanza sea
optimizada ya que el ritmo de enseñanza será equitativo en el curso que se imparte. La
cantidad de estudiantes por curso depende de la difusión e inscripción de los estudiantes
por lo cual no está delimitado por número mínimo de estudiantes pero si por un número
máximo de 25 estudiantes el cual puede extenderse a 35 con previa autorización del
administrador general.
Dependiendo del rendimiento académico del curso y de la cantidad de estudiantes
presentes en el curso, las horas clases de la asignatura deben ser impartidas dependiendo
de las condiciones antes mencionadas, ya que trabajar con un número fijo de horas
semanales para todos los cursos en el preuniversitario no optimiza el rendimiento
académico.
Acorde a las circunstancias mencionadas existirán cursos rápidos y deficientes, con gran
cantidad de estudiantes o pequeñas cantidades, cuya apreciación depende específicamente
del docente que va a impartir la asignatura, por lo cual el criterio de selección debe ser
acorde a la experiencia de cada maestro.
Por tal motivo, se ha planteado solucionar el problema con la aplicación de las nociones
de un sistema Fuzzy, con el cual se encontrará las horas semanales para la asignatura de
razonamiento lógico matemático acorde al criterio del docente.

Electrónica y Control 2017

 ESCUELA POLITÉCNICA NACIONAL

2. DISEÑO DEL SISTEMA FUZZY

Para el diseño del sistema Fuzzy se consideró dos variables lingüísticas como entrada y
una variable lingüística para la salida. Como entradas se consideró el “Rendimiento
Académico” del curso y la “Cantidad de estudiantes” por aula. Para la salida la variable
lingüística será la cantidad de “Horas semanales” para la asignatura de razonamiento
lógico matemático. Los términos lingüísticos y las funciones de pertenencias de cada
variable lingüística son descritos a continuación:

Tabla 2.1 Variable Lingüística "Rendimiento Académico"

Variable Lingüística Rendimiento Académico

Deficiente
Malo
Términos Lingüísticos Promedio
Bueno
Excelente

Figura 2.1. Funciones de pertenencia "Rendimiento Académico"

Tabla 2.2. Variable lingüística "Cantidad de Estudiantes"

Variable Lingüística Cantidad de Estudiantes

Poco
Términos Lingüísticos Normal
Excesivo

Electrónica y Control 2017

 ESCUELA POLITÉCNICA NACIONAL

Figura 2.2. Funciones de pertenencia "Cantidad Estudiantes"

Tabla 2.3. Variable lingüística "Horas Semanales"

Variable Lingüística Horas Semanales

Poco
Términos Lingüísticos Normal
Excesivo

Figura 2.3. Funciones de pertenencia "Horas Clase"

Con los valores de las tablas y figuras ilustradas anteriormente se procede a definir las
reglas de operación que definirán el conjunto de condiciones para el sistema Fuzzy. Las
reglas se han incorporado con conectores lógicos y son indicadas en la siguiente figura:

Electrónica y Control 2017

 ESCUELA POLITÉCNICA NACIONAL

Figura 2.4. Conjunto de condiciones y reglas del sistema Fuzzy

3. EXPERIMENTACION

Para la experimentación se utilizó Fuzzy Logic Toolbox de Matlab, mediante la interfaz

GUI de Fuzzy Logic Designer se ingresó las variables lingüísticas con su respectiva
función de pertenencia. Con lo cual se obtuvo los siguientes resultados:

Figura 3.1. Interfaz GUI Fuzzy Logic Designer

La Figura 3.1 nos indica la interfaz GUI para el diseño del sistema Fuzzy, como se puede
visualizar consta de dos entradas y de una salida de términos lingüísticos. Para el proceso
de defuzzificación se considera un método de centroide. El ingreso de las variables

Electrónica y Control 2017

 ESCUELA POLITÉCNICA NACIONAL

lingüísticas, términos lingüísticos con su respectiva función de pertenencia se lo realizó

acorde a las Figuras 2.1, 2.2 y 2.3. En las cuales se puede distinguir los valores asignados
para cada función de pertenencia, así como también la forma de función de pertenencia
asignada acorde a la experiencia del docente.
Con el ingreso de los parámetros antes mencionados, se procede a realizar las pruebas
asignando un valor de rendimiento académico y de la cantidad de estudiantes por aula,
con lo cual se obtuvieron los siguientes resultados ilustrados a continuación:

Figura 3.2. Experimentación Rendimiento Académico=3, Cantidad Estudiantes=20

Figura 3.3. Experimentación Rendimiento Académico=3, Cantidad Estudiantes=30

Electrónica y Control 2017

 ESCUELA POLITÉCNICA NACIONAL

Figura 3.4. Experimentación Rendimiento Académico=6, Cantidad Estudiantes=10

Figura 3.5. Experimentación Rendimiento Académico=6, Cantidad Estudiantes=26

Electrónica y Control 2017

 ESCUELA POLITÉCNICA NACIONAL

Figura 3.6. Experimentación Rendimiento Académico=6, Cantidad Estudiantes=32

Figura 3.7. Experimentación Rendimiento Académico=9.5, Cantidad Estudiantes=12

Electrónica y Control 2017

 ESCUELA POLITÉCNICA NACIONAL

Figura 3.8. Experimentación Rendimiento Académico=9.5, Cantidad Estudiantes=34

4. DISCUSIÓN

Con los valores experimentales se puede distinguir que se realiza una distribución más
optimizada de las horas clase para la asignatura de razonamiento lógico matemático del
preuniversitario Jean J. Fourier, lo cual queda expresado en los valores experimentados
de las ilustraciones anteriores. En la Figura 3.2 y 3.3 se realiza las pruebas con un
rendimiento académico de 3, mientras que se varía la cantidad de estudiantes de 20 a 30,
lo cual da como resultado un total de 10 horas y de 17.8 horas respectivamente, lo cual
resulta factible ya que el curso no posee una gran preparación académica y a medida de
que se aumenta la cantidad de estudiantes resulta más complicado el trabajo grupal y por
tal motivo se aumenta la cantidad de horas para la asignatura.
En las Figuras 3.4, 3.5 y 3.6 se considera un rendimiento académico de 6 mientras que
se varía en la cantidad de estudiantes de 10, 26 y 32 por aula de clase. Los resultados
obtenidos nos indican una distribución de 3.43, 13 y 17.8 horas respectivamente, lo cual
considerando que su rendimiento académico se encuentra en un parámetro normal, la
cantidad de horas clases depende del número de estudiantes por curso, lo cual como se
visualiza con un aumento de horas clase.
Las Figuras 3.7 y 3.8, nos indica un rendimiento académico de excelencia de 9.5, con
una cantidad de horas clase de 3.06 lo cual no repercute con la cantidad de estudiantes
por aula, ya que si el curso posee un excelente rendimiento académico no se necesitará
gran cantidad de horas clases, ya que los conocimientos ya están adquiridos y solo se
necesita reforzar temas puntuales de la asignatura. Por lo cual si el curso posee mayor o
menor cantidad de estudiantes no representa cambios en las horas clases ya que todos los
integrantes del aula posee un rendimiento académico de excelencia.

Electrónica y Control 2017

 ESCUELA POLITÉCNICA NACIONAL

5. CONCLUSIÓN

 Con el uso de la lógica difusa se optimiza la asignación de horas clases para los
docentes del preuniversitario Jean J. Fourier, ya que los valores experimentales
obtenidos indican una distribución de horas clases acorde al rendimiento
académico del curso y a la cantidad de estudiantes que existen por aula.
 El uso de la lógica difusa nos permite integrar condiciones que son adquiridas con
la experiencia, es decir puede incluir aspectos cuantitativos y cualitativos de los
problemas a resolver, lo cual es de mucha utilidad en la enseñanza en un
preuniversitario, ya que cada docente presenta su propia expectativa y visión de
cada circunstancia.
 Con los valores de hora clase optimizado se dará paso a una mayor organización
del tiempo de los estudiantes y de los docentes, permitiendo al preuniversitario
planificar de una mejor manera el resto de las asignaturas a impartirse.
 El Fuzzy Logic Toolbox de Matlab es una herramienta de gran utilidad que cuenta
con una interfaz amigable al usuario con una programación de alto nivel, lo cual
permite que el ingreso de las condiciones, variables y funciones de pertenencia
sea de una manera sencilla y práctica.

Electrónica y Control 2017