Introducción a la Lógica

Difusa y sus aplicaciones

Trabajo de Investigación Final. 4to. año.
Guillermo Gabriel Fernández
Amado
Universidad Argentina de la Empresa
oct.2010

Abstract
La Lógica Difusa es una estructura matemática caos, la geometría fractal y la llamada lógica
ampliada de la lógica convencional, que permite borrosa.
describir el lenguaje cotidiano con ductilidad, con el Los Sistemas difusos son una alternativa a
atributo de ser sustantivamente sencillo el diseño y la nociones tradicionales de lógica y de
simulación de modelos que representan algunos de pertenencia a conjuntos, que tiene sus
los fenómenos y problemas mas comunes en la
industria y en el mundo del tratamiento de la orígenes en la filosofía Griega antigua, y
información. Este modelado y sistematización difusa aplicaciones en inteligencia artificial. A pesar
es una alternativa a la formulación de soluciones por de sus orígenes, es un campo relativamente
medio de las técnicas tradicionales de control nuevo, y como tal de mucha potencialidad
programable. El enfoque difuso del comportamiento para el desarrollo de la misma. Aquí se
de los sistemas de control permite alcanzar la presentarán algunas bases no formales ni
autonomía de su funcionamiento y visualizar al
mundo real en función de reglas expresadas en matemáticas sobre los sistemas difusos,
términos lingüísticos, facilitando la construcción de conjuntamente con algunas de las
interfases y adecuándolas al complejo mundo aplicaciones más notables de uso, con
humano y a su imprecisa realidad. ejemplos sacados de la investigación actual en
el campo de inteligencia artificial.
Palabras Clave Finalmente, se demostrará que el uso de
Lógica Difusa, Lógica Borrosa, Fuzzy Logic,
Sistemas de Control, Aplicaciones Difusas, sistemas difusos hace una aporte viable al
Aplicaciones Borrosas. Imprecisión. Caos. campo de inteligencia artificial, y quizás más
Complejidad. generalmente a las matemáticas aplicadas
como una totalidad.
Objetivos Esta nueva lógica sostiene pues, que hay
El objetivo del trabajo es definir, caracterizar pocos hechos en el mundo en que pueda
y explicar el funcionamiento de la lógica encontrarse algo blanco o algo negro, un si o
difusa incluyendo ejemplos de su aplicación un no, una dicotomía valorativa. Sólo hay
practica. raros momentos así en un mundo gris que es
el real. El principio borroso afirma que todo
Alcances es cuestión de grado, trata el principio borroso
El alcance del trabajo es realizar una breve aplicado a las cosas humanas, de cómo la
introducción al concepto de Lógica Difusa, borrosidad impregna nuestro mundo y la
sin llegar a definirla formalmente mediante visión que de él tenemos cuando
ecuaciones matemáticas, ni tampoco abandonamos aquel artificial mundo de las
desarrollar una aplicación concreta a modo de matemáticas. En el mundo real, reina la
ejemplo de su uso en sistemas de control, sino borrosidad.
solo listar experiencias de aplicación típica y
áreas de incumbencia de esta tecnología. Desarrollo
Definiciones:
Introducción Los nuevos modelos de procesamiento y
Se presentan en la actualidad nuevas control actuales como la lógica borrosa, junto
aportaciones y reflexiones científicas en torno con algunos otros de relativa novedad, se
al estudio de fenómenos difícilmente engloban en la denominada soft computing o
abordables desde concepciones clásicas, que tecnologías emergentes, que tienen en común
manifiestan una ambigüedad entre los el constituir paradigmas de procesamiento
supuestos epistemológicos que constituyen las muy diferentes a la convencional hard
perspectivas complejas de investigación computing, basada en computadores en serie
científica y las consideradas como visiones y en la separación de hardware y software.
clásicas de la ciencia, como ser la teoría del

Página 1/15
La Lógica Borrosa se puede catalogar La Lógica Borrosa o Difusa (fuzzy logic) se
entonces como propia del campo de soft, y se pronuncia respecto a la complejidad de la
puede definir como una estructura matemática siguiente manera: A medida que aumenta la
ampliada de la lógica convencional, que complejidad de un sistema, nuestra capacidad
permite describir el lenguaje cotidiano con de hacer enunciados precisos y significantes
ductilidad. sobre su comportamiento decrece hasta un
umbral más allá del cual la precisión y la
Vaguedad del mundo real: significatividad (o pertinencia) se vuelven
El problema es la vaguedad del mundo real. casi características mutuamente excluyentes.
El idioma natural abunda con conceptos Se pueden diferenciar dos etapas en la
inexactos e indistintos, tal como "Juana es evolución del conocimiento, un esfuerzo
alta," o "Esta muy caluroso hoy", tales orientado a conocer aspectos del mundo y un
declaraciones son difíciles de traducir en el posterior esfuerzo por conocer aspectos del
idioma preciso sin perder algún valor propio conocimiento. Se puede suponer que
semántico: por ejemplo, la declaración "La ésta segunda etapa, en la que nos encontramos
altura de Juana es de 152 cm.", no afirma hoy en día, surge a consecuencia de los fallos
explícitamente que ella es alta, y la de la primera, para delimitar el alcance y
declaración "La altura de Juana es 1.2 validez del conocimiento adquirido
desviaciones estándares sobre la altura para previamente. Nuestra preocupación no se
mujeres de su edad en su cultura", esta centra en la mera adquisición de
cargada de dificultades. ¿Significaría que una conocimiento, sino que, además, se intenta
mujer con 1.1999 desviaciones estándares determinar en qué medida conocemos algo,
sobre la altura para mujeres de su edad es qué grado de certeza podemos asignar a
alta? ¿ A que cultura pertenece, y como son nuestro conocimiento. Hemos desviado
los miembros en la misma? nuestros problemas desde cómo manipular el
mundo a cómo manipular el conocimiento y
su falta o parcialidad.
Se ha calificado a la nuestra como la sociedad
de la información, y se destinan gran cantidad
de recursos a la adquisición, manejo,
procesado, selección, almacenamiento,
distribución, protección, recopilación, análisis
y clasificación de la información, para lo cual
el ordenador resulta una herramienta de gran
ayuda, pero no alcanza, el mundo es infinito,
oscuro, opaco, caótico, y por tanto sus
Fig1: Ejemplo de conjuntos borrosos para la variables también. El orden es lo atípico.
variable estatura. La gran cantidad de información de que
disponemos, unida al grado de incertidumbre
Mientras que podría argumentarse que tal que lleva asociada, constituye la base de
vaguedad es un obstáculo a la claridad de muchos de los problemas actuales: la
significar, únicamente los tradicionalismos complejidad de su tratamiento.
más fieles sostendrían que no hay pérdida de Desde comienzos de los 80 se han realizado
riqueza de significado cuando las diferentes avances orientados a la
declaraciones tal como "Juana es alta" son construcción de una teoría general de la
significados perdidos en un lenguaje. Este es información. Dentro de ésta se incluyen,
un caso simple de qué sucede cuando uno además de la teoría clásica de conjuntos y de
trata de traducir el lenguaje humano en la la teoría de la probabilidad, otras como la
lógica clásica. teoría de conjuntos borrosos, la teoría de la
Tal pérdida no es notada en el desarrollo de posibilidad y la teoría de la evidencia.
un programa de nómina, quizás, pero cuando Con las nuevas teorías se ha conseguido
uno quiere preguntas de lenguaje natural, o romper la relación única que existía entre
"representación de conocimiento" en sistemas incertidumbre y teoría de la probabilidad, y se
expertos, los significados perdidos por ha pasado a considerar la incertidumbre en los
vaguedad son frecuentemente los mas términos mucho más genéricos de la teoría de
buscados y útiles. conjuntos borrosos y de medidas borrosas.
Además, ha quedado demostrado que la

Página 2/15
incertidumbre puede manifestarse en Sets” o “Conjuntos Borrosos”, cuando era
diferentes formas o, dicho de otro modo, que profesor jefe en la Universidad de California,
existen diferentes tipos de incertidumbre y en Berkeley. Luego el artículo se tranforma
que en la teoría de la probabilidad sólo se en un libro en el año 1987, cuando publica
manifestaba una de ellas. “Fuzzy Sets and Applications”.
Los tres tipos de incertidumbre identificados La precisión de las matemáticas adeuda su
con estas cinco teorías incluidas en la teoría éxito en gran parte a los esfuerzos de
general de la información son los siguientes: Aristóteles y los filósofos que lo precedieron.
-Borrosidad: resultante de la existencia de En sus esfuerzos para idear una teoría concisa
conjuntos borrosos, con límites vagamente de la lógica, y luego de la matemática, se
definidos. postularon los llamados "Derechos de
-Imprecisión o falta de especificidad: Pensamiento". Uno de estos, el "Derecho de
relacionada con el tamaño de conjuntos de los medios excluidos”, dice que cada
alternativas. propuesta debe o ser Cierta o Falsa.
-Discordia: producida por conflictos entre Aun cuando Parmínedes propuso la primera
varios conjuntos de alternativas. versión de esta ley (alrededor 400 A.C.) había
La imprecisión y la discordia pueden objeciones inmediatas y fuertes: por ejemplo,
considerarse como diferentes modos de Heráclitus propuso que las cosas podrían ser
ambigüedad, asociando esta última con simultáneamente Ciertas y no Ciertas.
cualquier situación en la que no quede clara la Era Platón quien colocó el fundamento para
alternativa correcta de un conjunto de ellas. lo que llegaría a ser lógica difusa, indica que
Por otro lado, la borrosidad es diferente de la había una tercera región (más allá de Cierta y
ambigüedad, y se produce cuando existen Falsa). Otros filósofos más modernos
conceptos cuyos límites no están continuaron notablemente sus pensamientos,
perfectamente determinados. Hegel y su dialéctica hegeliana de los tres
momentos y otros filósofos contemporáneos,
ligados al materialismo y alejados de la
categorización idealista.
Pero fué Lukasiewicz quien primero propuso
una alternativa sistemática a la lógica bi–
valuada de Aristóteles.
A finales del siglo XIX el matemático alemán
George Cantor, inició el estudio y la
aplicación de la Teoría de Conjuntos, punto
Fig2: Diferencias de vaguedad del mundo de partida de la matemática moderna: “A una
real colección de objetos, se le llama conjunto, y
los objetos individuales de dicha colección se
Origen e historia de los sistemas borrosos dice que son elementos del conjunto o que
Esta lógica fue inicialmente desarrollada por pertenecen al conjunto”.
Peirce, en el siglo pasado, y luego de forma
independiente por Lukasiewicz. Es como la
lógica de las funciones veritativas, con la
particularidad de admitir tres o más de esos
llamados valores veritativos, en vez de
limitarse a verdadero y falso. En la década del
´20 Bertrand Russell se refería a la lógica
polivalente con la palabra “vaga”; decía:
“Todo es vago en un grado del que no te das
cuenta hasta que no intentas precisarlo”, por Fig3: Diferencias entre Lógica Clasica y
lo que Russell se convirtió en el “abuelo” de Difusa
la lógica borrosa. Asimismo, por el año ´37,
el filósofo cuántico Max Black publicó un En los comienzos de los años 1900,
artículo “Vagueness: An exercise in Logical Lukasiewicz describió una lógica tri-valuada,
Analysis” que, pese a su enorme importancia conjuntamente con las matemáticas para
en el estudio de la vaguedad del mundo real, acompañarlo.
no logró llamar la atención. Finalmente, en El tercer valor que él propuso puede
1965, el ingeniero Lofti Zadeh, iraní educado mejorarse y se traduce como el término
en Azerbaiján, publica su artículo “Fuzzy "posible," y él asignó un valor numérico entre

Página 3/15
Cierto y Falso. Eventualmente, él propuso información sobre numerosas aplicaciones
una notación entera y el sistema axiomático prácticas. A partir de entonces, empresas
desde el cual propuso derivar las matemáticas norteamericanas como NASA, Boeing, Ford,
modernas. Rockwell o Bell comenzaron a aplicar la
Luego, él exploró lógicas cuatro-valuadas, lógica borrosa.
lógicas cinco-valuadas y entonces declaró
que en principio nada había para prevenir la Modelado y Simulación de Sistemas Borrosos
derivación de una lógica infinita-valuada o Estas formulaciones imprecisas y vagas han
multi-valuada. sido frecuentemente subestimadas en aras de
Knuth también propuso una lógica tri- la exactitud y la precisión, abordándolas
valuada parecida a Lukasiewiczs. Su mediante modelos matemáticos que intentan
conocimiento, aparentemente inspirado por describir la vaguedad e imprecisión inherente
Lukasiewiczs, utilizó la gama entera [-1, 0, a los sistemas económicos por medio de
+1] más bien que [0, 1, 2]. Sin embargo, esta técnicas de la estadística.
alternativa fracasó en su búsqueda de Un sistema es un modelo que caracteriza un
aceptación, y pasó a una oscuridad relativa. tipo apropiado de relación entre entidades
En 1965, Lofti Zadeh, profesor de Ingeniería abstractas. El término “relación” es utilizado
Eléctrica y Ciencias de la Computación, de la aquí en general para representar no sólo el
Universidad de Berkeley, basándose en el concepto bien definido de relación
trabajo de Lukasiewicz, introduce la Lógica matemática, sino a una clase más amplia de
Difusa basada en una Teoría de Conjuntos ideas tales como restricción,
Difusos, donde un elemento no interdependencia, estructura, cohesión y
necesariamente pertenece o no pertenece a un similares. El modelado de sistemas es, en
conjunto, sino que hay un continuo de general, el conjunto de actividades, métodos y
"grados de pertenencia ". Esta teoría propuso técnicas mediante las cuales se aborda la
hacer una función de membresía o construcción de sistemas que sean modelos
pertenencia operando sobre la gama de adecuados de algún aspecto de la realidad.
números reales [0.0, 1.0]. Las operaciones Un modelo de un sistema debe contener un
nuevas para el cálculo de la lógica se conjunto de variables descriptivas, cada una
propusieron, en un principio como con valores en un cierto espacio o dominio,
generalización de la lógica clásica. junto con un conjunto de relaciones, que
establecen entre otras cosas un conjunto de
restricciones que deben cumplirse para
cualquier asignación de valores a las variables
descriptivas. Pueden definirse diferentes
modelos de un mismo sistema, cambiando las
variables descriptivas, los espacios de valores,
y las relaciones involucradas. Cada uno de
estos modelos podía representar una visión
distinta del mismo sistema mostrándonos
Fig4: Operaciones lógicas difusas diferentes aspectos del mismo o distintos
niveles de abstracción.
No fue hasta 1973 que Zadeh no presentó la Dada la admiración histórica por lo preciso,
teoría básica de los controladores borrosos. riguroso y cuantitativo en contraposición a lo
Aunque el trabajo de Zadeh fue recibido muy difuso, inexacto, no riguroso y cualitativo, no
fríamente, especialmente en Estados Unidos, ha de sorprender el éxito que los
a partir de él otros investigadores comenzaron computadores han tenido en el uso de los
a aplicar la lógica borrosa a diversos métodos cuantitativos de la mayoría de las
procesos. Así, fue que E. Mamdani, aplicó la ciencias. Indiscutiblemente las computadoras
lógica borrosa por primera vez a un sistema se han mostrado muy eficientes en relación a
de control de vapor, y se inauguró una época los sistemas mecanicistas, esto es, aquellos
de aplicaciones y desarrollos difusos que se sistemas inanimados cuyo comportamiento se
han venido sucediendo en muy numerosas rige por las leyes de la física, mecánica,
ocasiones. química y el electromagnetismo.
En Estados Unidos (y Europa) solamente se Desafortunadamente no se puede decir lo
empezó a dar importancia a la lógica borrosa mismo para los sistemas que involucran la
cuando desde Japón empezó a llegar actuación humana, los cuales

Página 4/15
tradicionalmente se resisten al análisis concreta del estado del sistema y establecer la
matemático clásico y a la modelización acción adecuada que se ha de realizar. Debido
cuantitativa, dado que tienen dos a la complejidad de los sistemas estas
características que hacen difícil o situaciones o estados son expresados en
simplemente imposible su tratamiento términos lingüísticos o vagos. Por esta razón
cuantitativo: el uso de los conjuntos difusos, variables
a) El razonamiento y la toma de decisiones lingüísticas y en general los mecanismos de
de las personas se suelen llevar acabo representación utilizados por el Razonamiento
empleando el lenguaje natural, que juega un Aproximado se muestran adecuados para su
papel fundamental como mecanismo de modelización.
expresión y definición dentro de las ciencias En general la creación de estos modelos
sociales. Esto aporta una vaguedad o difusos se realiza expresando en forma de
incertidumbre propia del lenguaje natural que regla lingüística el conocimiento deductivo
los modelos matemáticos no pueden expresar que emplea el experto. Este puede hacerse
en toda su plenitud. mediante complicadas técnicas matemáticas
b) La complejidad de los sistemas abordados (Matrices Max-Min, diagramas de centroide
impiden una formulación matemática exacta. para el calculo de premisas y de ingeniería del
Esta característica viene expresada en el conocimiento), pero más modernamente
principio de incompatibilidad expresado por gracias al uso de las computadoras, así como
Zadeh. Este principio dice que una gran también mejoró la potencia de cálculo y el
precisión en el modelo de un sistema es almacenamiento de datos, originando la
incompatible con su capacidad para manejar proliferación de técnicas inductivas para la
una complejidad grande. En otras palabras, la obtención de tales modelos de sistemas a
complejidad de un sistema mantiene una partir de datos conocidos o aprendizaje
relación inversa con la exactitud con la que inductivo.
podemos determinar dicho sistema.
Una forma de abordar problemas con estas
características es la utilización del
denominado Razonamiento Aproximado
donde los modelos dejan de ser cuantitativos
para transformase en modelos cualitativos.
Estos modelos cualitativos intentan capturar
el razonamiento humano mediante el uso de
relaciones causa-efecto expresada en términos
lingüísticos o vagos. La teoría de los
conjuntos difusos formulada por Zadeh en su
trabajo “Fuzzy Sets” y posteriormente
completada con sus aportes del concepto de
variable lingüística, es el intento de introducir
un marco de trabajo bien definido para el
tratamiento de estos modelos cuantitativos en
donde los términos difusos, vagos e
imprecisos son fundamentales.
En las últimas décadas el uso de estos
modelos ha sufrido un gran auge, debido a los
increíbles resultados obtenidos en distintos
campos de la ciencia. Se ha de destacar su uso
dentro de la ingeniería y más concretamente
en el control industrial. Estos sistemas se han
beneficiado del uso del razonamiento
aproximado permitiendo abordar el control de
sistemas complejos, que tradicionalmente
eran tratados de forma exacta con complejas
ecuaciones matemáticas..
La idea que subyace en todas estas técnicas
consiste en extraer los conocimientos que el
experto posee para identificar una situación

Página 5/15
 7 .5

Fig5: Ejemplo de calculo manual a partir de

matrices Max-Min y de diagramas de
centroide para el calculo de premisas.

Este enfoque inductivo ha posibilitado la

creación de modelos para los cuales ya no es
necesario disponer de expertos que nos
proporcionen el conocimiento sobre los Fig7: Ejemplo de modelo computrizado
mismos, sino su conocimiento plasmado en usando AB-Flex
reglas de inferencia.
Estas reglas, se asociarán a cada una de las Modelado de Sistemas borrosos:
posibles combinaciones de las entradas, Un “sistema” puede visualizarse como el
generando un valor de salida. Es posible conjunto de "relaciones", en el sentido más
amplio de la palabra, entre unas variables de
describir esta base de reglas con el uso de una
entrada y otras variables de salida. Estas
memoria asociativa borrosa o FAM,
utilizamos las abreviaturas ya conocidas {NG, relaciones provocan el cambio temporal de
NP, Z, PP, PG}, para denotar {Negativo los valores de las variables de salida al
Grande, Negativo Pequeño, Cero, Positivo modificarse los valores de las variables de
Pequeño, Positivo Grande} y la ilustramos entrada, constituyendo un modelo
multivariado.
mediante un cuadro un poco mas acotado
como es la FAM. Esquemáticamente un sistema se representa
mediante una “caja negra” donde
encontramos variables de entrada que
introducen sus valores en la misma y
variables de salida que toman sus valores de
ella.

ENTRADA S A L ID A

Fig6: Matriz FAM de reglas de inferencia S IS T E M A

A modo de ejemplo, las dos siguientes reglas

pueden extraerse de la FAM:
RI : Si o es Z y w es Z Entonces F es Z
R2: Si o es PP y w es NP Entonces F es
NP
Estas técnicas se emplean en la construcción
de modelos, y más concretamente, en la
construcción de modelos difusos o vagos que
representen hipótesis devenidas en reglas de
inferencia, las cuales son enfocadas en el
sentido del razonamiento aproximado y la
relación causa-efecto con el objetivo de
identificar los estados del sistema a partir de
un conjunto de valores conocidos del mismo.

Fig8: Sistema de caja negra y Modelo

Computarizado de variables difusas entrada-
intermedias- salida difusas en FuzzyTech.

Página 6/15
 sistema de deducción definido mediante un
Características como el tipo de valores de las conjunto de axiomas. Este tipo de modelo ha
variables de entrada y salida, el número de tenido un gran auge en los últimos 50 años,
éstas, su dependencia del tiempo, la años en que ha proliferado la representación
retroalimentación de las salidas hacia las lógica fundamentada en el concepto de regla
entradas, etc., originan una multitud de lógica, que tiene la forma "Si A entonces B",
clasificaciones de los sistemas. basada en la interpretación de una implicación
De igual manera, los valores que toman las que permite una fácil identificación de una
variables, tanto las de entrada como las de relación causa-efecto de los valores de
salida, pueden clasificarse en dos grandes entrada sobre los valores de salida del
categorías: cuantitativos, cuando los valores sistema.
de las variables son numéricos, o cualitativos En la mayoría de los actuales sistemas
cuando los valores de las variables no son expertos se presenta este problema: es
numéricos, que originan nuevas categorías de necesario representar en la máquina los
sistemas. En ambos casos se conocimientos y procedimientos inciertos e
deberá llevar a estos valores a un calor difuso, imprecisos que utilizan los expertos humanos
es decir, lingüístico y por tanto cualitativo en para resolver problemas, y para ello se
el ámbito de los conjuntos difusos del adoptan normalmente técnicas ad hoc, aunque
modelo. existen intentos teóricos para introducir en la
Un objetivo de la ciencia es la definición de lógica formal la imprecisión y subjetividad
modelos de los sistemas existentes en la característica de la actividad humana, como
realidad. es en el caso de la lógica borrosa.
Un modelo es la abstracción y simplificación
de un sistema real, que sintetiza de alguna
forma las variables y sus relaciones más
significativas. Este proceso de abstracción
que se produce en un modelo se realiza por
dos motivos: el primero de ellos es la
comprensión del sistema y de los fenómenos
asociados al mismo, el segundo, posibilitar su
manipulación para alcanzar algún fin
concreto.
Las relaciones que unen las variables de Fig.9: Matriz de reglas difusas IF-THEN en
salida con las variables de entrada se pueden el entorno computarizado FuzzyTech.
modelar de muy diversas formas; entre ellas
destacan aquéllas que utilizan mecanismos Parece claro que el conocimiento humano se
formales para su representación, como pueden basa en apreciaciones tanto de naturaleza
ser las funciones matemáticas y lógicas. probabilística como de tipo subjetivo o
Cuando un modelo se expresa mediante una particular, que hacen necesario trabajar
función matemática, lo que se trata de simultáneamente con probabilidades y con
describir en términos precisos es la relación posibilidades para modelar de forma
existente entre los valores de entrada y salida. adecuada este conocimiento. Por ejemplo, en
Estos modelos matemáticos han de estar medicina es frecuente encontrar reglas
descritos sobre variables con valores probabilísticas como "la droga X provoca
cuantitativos, en cuyo caso su interpretación vómitos en un 2 por 1000 de los casos",
es inmediata. Sin embargo, cuando los valores basadas en un estudio previo de pacientes a
de las variables no son numéricos es los que se ha suministrado dicha medicina.
necesario un proceso de abstracción anterior Sin embargo, reglas como "una persona es
para trasladar los valores cualitativos a unos atractiva si tiene buena presencia y es
valores cuantitativos. divertida e inteligente", están basadas en
Otra forma de describir un modelo es apreciaciones más o menos subjetivas sobre la
mediante relaciones lógicas, donde los atracción de las personas. Por tanto, es
elementos que utilizamos son proposiciones deseable utilizar un modelo en el que se
lógicas que unimos mediante conectivas, para puedan manipular conjuntamente ambos tipos
formar nuevas proposiciones. La de incertidumbre.
interpretación de estos modelos lógicos se
enmarca dentro de la aceptación de un Sistemas de control borroso(FLC):

Página 7/15
Hay que señalar que dentro de los sistemas cuando el entorno no es conocido de forma
borrosos se incluyen diversas teorías, como la precisa.
teoría de conjuntos borrosos, extensión de la Para desarrollar estos sistemas de control se
teoría de conjuntos clásica, o la lógica precisan herramientas de diseño de
borrosa, que puede ser considerada una controladores que faciliten la adquisición de
ampliación de las lógicas n-valuadas conocimiento y el análisis del sistema de
propuestas por Lukasiewiez en 1930, y que control resultante, incluyendo las propiedades
son, a su vez, extensión de la lógica tri dinámicas de estabilidad y robustez.
valuada (verdadero, falso e indeterminado). En caso contrario, el diseño puede convertirse
No obstante, quizás la principal aplicación en un proceso muy tedioso, y no garantizarse
actual de la lógica borrosa sean los sistemas el comportamiento correcto del sistema de
de control basados en lógica borrosa o control.
sistemas de control borroso, que utilizan las En la década del 60 se creía que en los años
expresiones de la lógica borrosa para formular venideros el hombre llegaría a construir
reglas orientadas al control de sistemas. máquinas "pensantes", sin embargo, pasadas
Dichos sistemas de control borroso pueden tres décadas no se ha podido cumplir con esta
considerarse una extensión de los sistemas meta, y aún los computadores no logran
expertos, pero superando los problemas simular el razonamiento de los humanos
prácticos que éstos presentan en el porque están facultados para trabajar con
razonamiento en tiempo real, causados por la matemáticas precisas, mientras el mundo real
explosión exponencial de las necesidades de está lleno de imprecisión e incertidumbre.
cálculo requeridas para el análisis lógico Este dilema puede afrontarse desde dos
completo de las amplias bases de reglas que puntos de vista. Uno es asumir que el
manejan. problema está en el método de control, y por
Adelantaremos que este control de sistemas tanto la solución es aplicar más matemática.
puede ser realizado a diferentes niveles. En el El otro punto de vista consiste en aceptar que
nivel inferior, un controlador borroso puede la matemática es el problema, y es allí donde
realizar el control en bucle cerrado de una aparece la lógica difusa. En efecto, la lógica
determinada magnitud física del sistema, con difusa encuentra que en el mundo real son
el fin de mantenerla en tomo a un valor de muy escasos los conjuntos no difusos o
referencia. A modo de ejemplo, un convencionales. Por ejemplo, el conjunto de
controlador de este tipo puede decidir la los mamíferos encuentra un problema al tratar
potencia que se ha de suministrar al sistema con el ornitorrinco. La lógica Difusa no tiene
de calefacción de una habitación para que tratar con este tipo de excepciones debido
mantener la temperatura en un valor de a que permite una pertenencia parcial a un
referencia (por ejemplo, 21°C), utilizando conjunto.
como información la temperatura actual en la A partir de la Teoría de Conjuntos se
habitación y en el exterior de la casa. Por otro desarrolló la lógica binaria, soporte
lado, aplicado a los niveles superiores de matemático de los sistemas digitales.
planificación, un controlador puede aconsejar Similarmente, la Teoría de Conjuntos Difusos
los grados de almacenamiento necesarios para ha desarrollado sistemas de control
mantener la producción prevista, con los electrónico, procesadores, coprocesadores,
mínimos costes y teniendo en cuenta los datos tarjetas y computadores. Y la implementación
históricos. puede llevarse a cabo exactamente igual a la
Estos métodos de control pueden aplicarse lógica binaria.
también en brazos articulados y vehículos Sistemas basados en lógica difusa pueden
autónomos, en los cuales los modelos controlar más adecuadamente procesos que
matemáticos significativos son muy estén gobernados por reglas intuitivas que
complejos. En muchos de estos casos interesa difícilmente puede expresarse
combinar las propiedades de un control matemáticamente. Por ejemplo, en el control
basado en el modelo del sistema con el de de un ascensor puede determinarse una
reglas heurísticas, las cuales pueden desaceleración gradual cuando el ascensor
emplearse para seleccionar o ajustar está próximo a su destino.
automáticamente sus parámetros. Asimismo, La gran potencia de esta metodología
las técnicas de razonamiento aproximado programable se debe a la posibilidad de
resultan interesantes para los niveles expresar operaciones y controlar las reglas del
superiores de control y planificación de robots sistema mediante palabras de uso cotidiano.

Página 8/15
Volviendo al ejemplo anterior, podría
programarse: SI esta cerca a un piso Y hay
orden de parar ENTONCES disminuir la
velocidad. En este caso una entrada al sistema
de control sería la posición del ascensor, y
como "cerca" es un conjunto difuso, el valor
de verdad de la premisa, y por tanto el de la
velocidad varía de acuerdo a dicha posición.
La Lógica Difusa elimina los altos contenidos
de matemática y física de un proceso y va Fig10: Estructura del controlador (el núcleo
directo al nivel en que el sistema trabaja, esto FLC es el controlador borroso)
permite aproximarse intuitivamente a la
solución de un problema mediante la Para controlar un proceso o sistema se hace
formulación de reglas. uso de un módulo controlador, que recibe
La forma de expresar las reglas de operación como entradas una o varias variables de
mediante palabras permite controlar procesos control, llamadas generalmente referencias,
sencillos con una decena de reglas, y procesos R, y una o varias variables de salida del
complejos con 30 o 40, reduciendo propio proceso, S, produciendo como salida
considerablemente la cantidad de código de una o varias variables, que se conocen como
programación, y por tanto el tiempo de actuadores A. Normalmente, el objetivo del
diseño, el tiempo de desarrollo de un control es mantener R = S. Por ejemplo, en el
prototipo, la cantidad de memoria para caso de una calefacción doméstica, el
almacenarlo, etc. controlador recibe una consigna de
Además puede implementarse en software temperatura que fija el usuario, y mide la
haciendo uso de herramientas tipo CASE, que temperatura de la habitación por medio de un
generalmente generan código en lenguaje C o sensor. En función de los valores de estas dos
en ensamblador para su uso en entradas, el controlador de temperatura
microcontroladores convencionales; conecta o desconecta el sistema de
convirtiendo al control difuso en una calentamiento, si la calefacción es eléctrica,
alternativa más apropiada y económica. actuando sobre los radiadores de cada
Otra ventaja del control difuso es la fácil habitación, y si es de gas o fuel, encendiendo
modificación que puede llevarse a cabo o apagando el quemador.
cambiando algunas premisas y operaciones o La estructura típica de un controlador basado
adicionando reglas (el criterio de en un sistema borroso consta de un primer
comportamiento del sistema va implícito en bloque que realiza un preprocesado de las
las reglas), mientras en un sistema variables de entrada, que proporciona el
convencional, un pequeño cambio requiere de vector de entradas al controlador borroso o
la derivación completa de nuevas ecuaciones. FLC. El controlador borroso aplica la entrada
El control difuso no necesita de la etapa de que recibe a la base de reglas para obtener la
obtención del modelo matemático del salida. Finalmente, esta salida puede requerir
proceso. un procesado final (post procesado) con el fin
de adecuarla al proceso que se ha de
Descripción de la estructura y procesos de un controlar. El tipo de preprocesado y post
sistema de control borroso procesado determina la clase de controlador, e
Los sistemas expertos de control borroso influye de forma considerable en sus
basados en reglas, conocidos como propiedades.
controladores borrosos o FLC (Fuzzy Logic La estructura interna de un controlador
Controllers), o también sistemas de inferencia borroso o FLC consta de un primer elemento,
borrosa o FIS (Fuzzy lnference Systems, FIS), llamado borrosificador, realiza la conversión
son sin duda la aplicación más extendida de la de valores discretos a términos borrosos. Su
lógica borrosa. salida es utilizada por el dispositivo de
inferencia borrosa para aplicarla a cada una
de las reglas de la base de reglas, siguiendo el
método de inferencia seleccionado.

Página 9/15
 Fig. 11: Estructura de un controlador
borroso o FLC

En términos generales y resumiendo el uso

de técnicas difusas para el control automático,
trata de imitar el comportamiento consciente
de un operador humano, controlando procesos
no-lineales complejos o plantas de producción
las cuales difícilmente pueden ser modeladas
por reflexiones físico-matemáticas. Estas Fig12: Grados de pertenencia respecto a la
circunstancias deshabilitan el diseño función de Membresía Sospechoso (25) en la
sistemático de un controlador basado en variable de salida Nivel de Acceso Indebido,
modelos convencionales. Ejemplos de esta de acuerdo a los valores precedentes de las
clase de procesos son procesos de producción variables de entrada.
biotecnológicos, procesos químicos,
procesamiento de imágenes, plantas de
tratamiento de aguas residuales, entre otros. El grado de Membresía es un número entre 0
En un sistema experto de control borroso, el y 1 que representa el grado en donde un valor
proceso de inferencia es una combinación de concreto es compatible con la función de
cuatro subprocesos, que se ampliará más Membresía.
adelante en la construcción del prototipo: *Inferencia: De acuerdo con las definiciones
*Borrosificación o Fuzzificación: La primer usadas en inteligencia artificial, la
tarea de un controlador Difuso es la determinación de conclusiones o la
traducción de las entradas numéricas en generación de hipótesis basados en el estado
variables lingüísticas las cuales van a ser de una entrada es llamado inferencia. Para la
posteriormente utilizadas, etiquetando el valor operación del control en lazo cerrado, esto
crisp de la variable de entrada (variable significa, que las reglas definen las
numérica) con un término lingüístico y dependencias entre los valores lingüísticos de
determinando el correspondiente grado de entrada y los valores lingüísticos de salida. El
pertenencia, esto es llamado fuzzificación. Se resultado una variable manipulada que varia
asume que la variable de salida y puede ser de acuerdo a una situación de entrada.
medida en un control estándar de lazo Principalmente los componentes de la
cerrado, en los siguientes pasos solo las inferencia imitan las estrategias de un
correspondientes variables lingüísticas con operador humano, pero estas acciones
términos como negativo grande, negativo simbólicas de control no pueden ser usadas
pequeño, etc. serán procesados. Por tanto es para una planta real, a menos que la variable
necesario que se definan funciones de lingüística obtenida sea defuzzificada.
pertenencia para la salida y. Este es el proceso A partir del valor de verdad calculado para las
por el que se aplican las funciones de premisas de cada regla se calcula el de la
pertenencia definidas en las variables de conclusión de la misma. Este resultado es un
entrada sobre los valores reales de los subconjunto borroso aplicable a cada variable
atributos, para determinar el grado de verdad de salida de cada regla. Es frecuente hablar de
de las premisas de cada regla. La inferencia de tipo MAX-MIN o de tipo
determinación de los grados de pertenencia SUMA-PRODUCTO, que deben interpretarse
suele realizarse mediante métodos empíricos. como la combinación de una composición
Comprende el cómputo de los grados de MAX con una inferencia MIN, o una
Membresía de los valores de entrada respecto composición SUMA con una inferencia
a las funciones de Membresía definidas para PRODUCTO, usando esta división en
las entradas: subprocesos.

Página 10/15
Una regla difusa es una sentencia if-then que *Composición: se combinan los subconjuntos
describe el comportamiento de salida del borrosos obtenidos para las variables de salida
controlador como una función de las entradas. en un único subconjunto borroso para cada
Por ejemplo: variable. Para ello se suele usar una
1.00 if nivel is bajo and temperatura is not alta then composición de tipo MAX o de tipo SUMA.
interruptor is prendido, válvula is abriendo Se puede asumir a modo de ejemplo (elección
Cada regla en A-B Flex consiste en tres partes del experto) que la función minimum es usada
básicas: El peso de la regla (1.0), la como operador and, y la función maximum es
preposición y la conclusión. usada como operador or, obteniendo los
1.0 - if nivel is bajo and temperatura is not alta
grados de membresía para los valores de
(preposición o antecedente) then interruptor is
prendido, valve is abriendo (conclusión o entrada:
DOF regla1 = 0.3 * MIN( 0.25, 0.36 ) = 0.075
consecuente)
DOF regla2 = 1.0 * MAX( 0.0, MIN( 0.6, 0.36) ) = 0.36
El antecedente es la parte de la regla que Hay dos reglas con la misma proposición
consiste en una palabra seguida por uno o más difusa en su conclusión, por lo tanto el
preposiciones difusas combinadas con operador or debe ser aplicado al DOF regla1 y
operadores difusos. La conclusión es la parte DOF regla2. El grado de membresía para el
de la regla que consiste en una palabra ejemplo anterior, de los valores de la variable
seguida por una o mas proposiciones difusas de salida respecto a la función de membresía
combinadas con un operador. Algunos es MAX( 0.075, 0.36 ) = 0.36 .
operadores son: *Desborrosificación o Desfuzzificación: Es el
is - El operador de evaluación del grado de
Membresía. proceso de llevar los resultados simbólicos
is not - El complemento del operador de evaluación obtenidos a valores que puedan ser utilizados
del grado de Membresía. para que las acciones de control sean
and - El operador conjunción. activadas.
or - El operador disyunción. A veces es útil examinar los conjuntos
Evaluación del antecedente: Los operadores borrosos resultantes del proceso de
difusos, si existiesen, son aplicados (de composición, aunque otras veces se necesita
acuerdo a su definición, precedencia y convertir el valor borroso en un valor no
asociatividad) a las proposiciones borroso, para lo que se aplica un proceso de
mencionadas en el antecedente. El resultado desborrosificación. Dos de las técnicas más
es multiplicado por el peso dando el grado de usadas de desborrosificación son la del
llenado de la regla (DOF, degree of fill). CENTROIDE y el PESOS DE CENTROIDE,
Evaluación de la conclusión: Las funciones de aunque existen diferentes variantes de ellas.
membresía referenciadas en las proposiciones El método del centroide es un método de
difusas de la conclusión de una regla son defuzzificación que calcula los valores de
aplicadas al grado de llenado de todas las salida como un peso de promedios de los
reglas haciendo referencia a la función de centroides de cada función de membresía
membresía en sus conclusiones. definida para las salidas. Los factores de peso
son grados de membresía de las
correspondientes funciones de membresía. El
método de pesos de centroide es un método
de defuzzificación que calcula los valores
instantáneos de salida como pesos del
promedio del centroide de las funciones de
membresía definidas para la salida. Los
factores de peso son productos del grado de
membresía y del área total de la
correspondiente función de membresía.
En este paso, estos métodos son usados para
derivar una salida concreta desde los grados
de membresía respecto a las funciones de
membresía definidas para una salida. Una
salida es un valor concreto, una instantánea
Fig13: Reglas difusas y activacion de algunas que es calculada por el controlador difuso y
de ellas, según valor de las variables de usada luego como valor de entrada
entrada. (retroalimentación del sistema) en
combinación con algún otro elemento del

Página 11/15
controlador (demas valores de las variables de El paso inmediato en cuanto a la mejora del
entrada, si cambiaron o no en la nueva diseño difuso es también un área poco
iteración). desarrollada que es la simulación virtual o
En los sistemas difusos de navegación computacional, trabajando sobre la
autónoma, es mas evidente visualizar como simulación del sistema difuso mediante el uso
una variable de salida como la aceleración, de interfases de adquisición de datos con el
cambia todas las variables de entrada por fin de proporcionar las lecturas de los
cinemática, como ser velocidad, direccion, sensores al controlador borroso, utilizando los
etc. puertos de entrada de la misma y utilizar los
puertos de salida de la interfase para las
acciones correctivas y directivas del
controlador.
En términos generales el uso de técnicas
difusas para el control automático, trata de
imitar el comportamiento consciente de un
operador humano, controlando procesos no-
Fig.14: Retroalimentación de un sistema lineales complejos los cuales difícilmente
difuso de navegación autónoma. pueden ser modeladas por reflexiones físico-
matemáticas. Estas circunstancias
Aporte deshabilitan el diseño sistemático de un
Una importante ventaja de los sistemas controlador basado en modelos
difusos es que gracias a la simplicidad de los convencionales. Mientras algunas decisiones
cálculos requeridos (sumas y comparaciones, y cálculos podrían hacerse usando lógica
fundamentalmente) pueden utilizarse en la tradicional, nosotros veremos como los
construcción de sistemas de control baratos y sistemas difusos afrontan un campo más rico
rápidos, con lo que pueden implementarse en y más amplio de datos y de manipulación de
sistemas específicos de diversas ramas de la datos que los métodos más tradicionales.
industria. Aunque el uso de los modelos matemáticos
Este es uno de los motivos fundamentales del proporciona un gran avance dentro de las
hecho constatado de la existencia en la ciencias, es previsible que la utilización de
actualidad de muchas aplicaciones prácticas modelos difusos que reflejen el
en funcionamiento basadas en lógica difusa. comportamiento vago e impreciso de los
Por otro lado se pretende demostrar como sistemas complejos y que faciliten la
aporte, la fiabilidad del sistema frente al postulación de teorías en términos lingüísticos
control humano, evitando posibles errores producirá un enorme beneficio a ciencias
imprevistos, siendo también más preciso y como la economía.
rápidamente adaptable a los cambios que se
proponen en el ambiente de trabajo. Areas de aplicación:
La Lógica Difusa ha sido aplicada en áreas
Discusión tan diversas como Control, Medicina,
Mejoras posibles a los sistemas difusos Biología, Ecología, Economía, Política y más
A grandes rasgos, y situándonos en el detalle disciplinas.
del controlador difuso, se pueden mencionar Ingenieros japoneses iniciaron el estudio y
las siguientes propuestas de mejora en aplicación en la década del 70 y hoy se
escenarios futuros sobre el diseño de encuentran a la vanguardia en el diseño con
aplicaciones de lógica difusa: lógica Difusa; la han incorporado en
- Utilizar redes neuronales artificiales y electrodomésticos, cámaras fotográficas y
algoritmos genéticos para la definición de la equipos de aire acondicionado, reduciendo
base de reglas lingüísticas y para su considerablemente su consumo de potencia,
evaluación. mejorando su eficiencia e introduciendo gran
- Mezclar funciones de membresía triangular versatilidad y funcionalidad en dichos
con trapezoidal, o utilizar otra de las formas aparatos.
conocidas. Se enumerarán algunos ejemplos de
- Realizar la definición de funciones de aplicaciones prácticas de los sistemas
membresía utilizando técnicas de inteligencia borrosos, simplemente ilustrando los
artificial, tal como algoritmos genéticos. diferentes tipos de problemas que en la
- Permitir al usuario elegir entre diferentes
métodos de defuzzificación.

Página 12/15
actualidad se abordan mediante el uso de las que no es raro encontrarse con propaganda
técnicas procedentes de la lógica borrosa. del tipo “Incluye inteligencia artificial fuzzy”
Haciendo un poco de historia, la primera en catálogos de electrodomésticos (por
aplicación práctica operativa de la lógica ejemplo, en las cámaras de vídeo Hitachi). En
borrosa la desarrolló E. Mamdani en Europa, este sector se ha diseminado un buen número
realizando el control borroso de un sistema de de aplicaciones neuroborrosas, como en
vapor de una planta industrial. Otra de las lavadoras de ropa (Matsushita, Hitachi,
clásicas aplicaciones quizás sea la de Smidth Siemens), tostadoras de pan, controles de
y otros, que en 1980 aplicaron técnicas de calefacción y aire acondicionado.
lógica borrosa al control de hornos rotativos Para el control de maquinaria, destaca el ya
en una cementera. El control en planta clásico control de frenado del metro de
industrial sigue siendo hoy en día uno de los Sendai (Japón), realizado por Hitachi, y que
campos de aplicación más destacables. funciona desde Julio de 1987. Se han aplicado
Los sistemas basados en lógica borrosa se sistemas borrosos en el control de una
vienen utilizando en aplicaciones procedentes máquina de perforación de túneles y en el
de diversos campos. Así, en el área médica se control de ascensores (Mitsubishi-Elec. ,
emplea en diagnóstico, acupuntura, análisis Hitachi, Fuji Tech) y grúas pendulares para
de ritmos cardíacos o arterioestenosis contenedores (Hitachi). Se han aplicado
coronaria. Dentro del apoyo a la toma de también al procesado de imágenes y
decisiones, otra de las grandes áreas de reconocimiento de caracteres; por ejemplo en
aplicación de estos sistemas, se han utilizado, un sistema que reconoce los números de los
por ejemplo, en la búsqueda de caminos cheques bancarios.
críticos en la ejecución de proyectos y En España, la Universidad de Zaragoza
asesoramiento a la inversión, así como en la desarrollo un robot autónomo controlado con
constitución de Bases de Datos no reglas borrosas bautizado PILAR.
relacionales (difusas). Son varias también las soluciones difusas para
Otros campos son el Social y el de controlar la temperatura y humedad relativa
Clasificación, con casi nulas aplicaciones en en invernaderos, calderas y edificios
el primer caso pero con algunas iniciativas inteligentes.
muy útiles en el campo de la clasificación de Mención especial merece el interés del mundo
patrones complejos, como los de detección de empresarial japonés en la aplicación de la
intrusos en redes de computadoras. lógica borrosa en la industria y en aparatos de
Sin duda, el principal campo de aplicación de consumo, ya que recién en Estados Unidos y
la lógica borrosa es el control a partir del Europa se empezó a dar importancia a la
empleo de las expresiones de la lógica lógica borrosa una vez que desde Japón
borrosa para formular reglas orientadas al empezó a llegar abundante información sobre
control de sistemas. Dichos sistemas de numerosas aplicaciones prácticas de esta
control borroso pueden considerarse una técnica, desarrolladas y comercializadas por
extensión de los sistemas expertos, pero compañías japonesas.
superando los problemas que éstos presentan
para el razonamiento en tiempo real, Fusión con otras tecnologías:
ocasionados por la explosión exponencial de Para resolver problemas complejos, como los
las necesidades de cálculo requerido para un pertenecientes a un entorno industrial o a
análisis lógico completo de las amplias muchos otros entornos (economía y finanzas,
combinatorias posibles de las reglas de las medicina, etc.), con frecuencia la solución
bases que éstos manejan. óptima consiste en una inteligente
En el campo de control de sistemas en tiempo combinación de diversas técnicas, cada una
real, se llegó al extremo de confianza en la de las cuales debe ser aplicada a aquel aspecto
tecnología tal, que se destaca el control de un parcial del problema que mejor se adecue.
helicóptero por órdenes pronunciadas de viva En este sentido, los sistemas borrosos se
voz y el control con derrape controlado de un aplicarán especialmente allá donde los
modelo de coche de carreras. Dentro del comportamientos no lineales sean
sector del automóvil existe gran número de importantes. Cuando no se posea un modelo
patentes sobre sistemas de frenado ABS y suficientemente bueno, pero sin embargo, se
cambios de marcha automáticos. disponga de un conjunto de reglas
El área de la aparatos de consumo masivo es proporcionadas por los expertos en un
otra de las más destacables, hasta el punto de determinado tema, el empleo de sistemas

Página 13/15
basados en lógica borrosa puede ser interesantes para los problemas no lineales o
tremendamente útil. no bien definidos. Los sistemas basados en
Dichos sistemas de control borroso pueden lógica borrosa, igual que los neuronales,
considerarse una extensión de los sistemas pueden modelar cualquier proceso no lineal y
expertos, pero superando los problemas aprender de los datos haciendo uso de
prácticos que éstos presentan en el determinados algoritmos de aprendizaje, a
razonamiento en tiempo real para el análisis veces tomados de otros campos, como las
lógico completo de las amplias bases de redes neuronales o los algoritmos genéticos.
reglas que manejan. El otro gran denominador común de ambas
Estas nuevas técnicas se inspiran en las técnicas es su orientación hacia el tratamiento
soluciones que la naturaleza ha encontrado de tareas que involucran el procesamiento de
durante millones de años de evolución a cantidades masivas de información de tipo
numerosos problemas tecnológicos que redundante, imprecisa y con ruido, que
involucran el tratamiento de cantidades aparecen en problemas tecnológicos cruciales
masivas de información, redundante, a los que en la actualidad se enfrenta el ser
imprecisa y ruidosa, problemas a los que en la humano como ser bases de datos difusas,
actualidad se enfrenta el ser humano (visión, algoritmos de Datamining y análisis
habla, control en ambiente natural). Debe estadístico de semejanza entre datos o
quedar perfectamente claro que estas nuevas patrones de similitud difusa (deduplicación de
técnicas no vienen a suplantar a las más datos).
tradicionales, sino más bien a completarlas en La equivalencia que se establece entre ciertos
aquellos problemas donde menos eficacia modelos neuronales y borrosos puede ser
proporciona. empleada para extraer las reglas que una red
No obstante, el futuro apunta en la dirección neuronal ha encontrado en el entrenamiento,
de combinar distintas técnicas para resolver eliminando uno de los grandes problemas
problemas complejos. clásicamente atribuidos a los sistemas
Los problemas tecnológicos de mundo real neuronales artificiales, su operación en forma
resultan en general de gran complejidad, por de caja negra. Por todo ello, la combinación
lo que para su resolución conviene que sean de redes neuronales y sistemas borrosos es un
divididos en partes más simples, de manera campo de intenso trabajo en la actualidad del
que cada una pueda ser resuelta mediante la que ambas técnicas se benefician.
técnica más indicada, procedente del campo Las implementaciones en Hardware también
de la estadística, procesamiento de señal, son un importante perfil evolutivo de la lógica
reconocimiento de patrones, redes neuronales, difusa, gracias a la realización de tarjetas
sistemas borrosos, algoritmos genéticos o aceleradoras, microprocesadores o
cualquier otra. coprocesadores borrosos, máquinas de control
Merece la pena recordar el intenso trabajo que borroso en tareas de automatización industrial
se desarrolla en sistemas neuroborrosos, los basadas en autómatas o PLC.
sistemas borrosos pueden aprovechar la
capacidad de aprendizaje de la red neuronal Conclusión
para optimizar su funcionamiento. La lógica borrosa tiene una historia corta,
Es fácil deducir que, tanto las redes pero un rápido crecimiento debido a su
neuronales artificiales como los sistemas capacidad de resolver problemas relacionados
borrosos, constituyen en la actualidad áreas con la incertidumbre de la información o del
de investigación y desarrollo (I+D) muy conocimiento de los expertos. Además,
activas, no sólo desde un punto de vista proporciona un método formal para la
académico, sino comercial e industrial. expresión del conocimiento en forma
Recordemos que grandes compañías del entendible por los humanos. El uso de
sector electrónico e informático, como Intel. sistemas difusos hace una aporte viable al
Philips, Siemens, Motorola, SGS-Thomson, campo de inteligencia artificial, y quizás más
Toshiba. National Semiconductors, OMROM, generalmente a la matemáticas formal como
etc., trabajan en redes neuronales y sistemas una totalidad. Estas cualidades le aseguran un
borrosos. amplio campo de aplicabilidad y un alto
Los sistemas basados en lógica borrosa interés para las aplicaciones industriales,
pueden ser aplicados prácticamente a los presentes y futuras.
mismos problemas que las redes neuronales. No hay panacea, no existen soluciones
De esta manera, resultarán especialmente simples a problemas complejos. Estas nuevas

Página 14/15
técnicas emergentes aportan características
sumamente interesantes, pero por sí solas no
resolverán todos nuestros problemas
tecnológicos, sino que contribuirán de forma
importante en determinados aspectos, pero
otros seguirán siendo mejor abordados
mediante técnicas tradicionales. Mediante un
sistema borroso no se logra un rendimiento
superior, ni inferior al que se alcanza con un
enfoque clásico, pero el tiempo de desarrollo
es con frecuencia inferior, y el sistema final
resulta más barato.
Para concluir se enuncia un principio de
Terano, cuanto más humano deba ser un
sistema, más lógica borrosa contendrá.

Agradecimientos
Gracias a Luis Arana, Vanesa Maiorana, Silvana
Rojo, Andres Mutti, Alejo Rubin e Isabel Sánchez de
UADE y al profesor Pedro Eduardo Tarocco de la
UCALP por la ayuda y asistencia recibida durante
todos estos años de estudio.

Referencias
Bibliografía y Documentación utilizada de
referencia:
•Redes Neuronales y Sistemas Borrosos. Introducción
teórica y práctica. B. Martín del Brío - A. Sanz
Molina. RA-MA. Textos Universitarios, 1997.
•Applied Fuzzy Systems. Toshiro Terano, Kiyoji
Asai, Michio Sugeno. Ap. Proffesional. 1994.
•Fuzzy Logic & Neurofuzzy Applications Explained.
Constantin Von Altrock.
•Pensamiento borroso: La nueva ciencia de la lógica
borrosa, Barcelona, Grijal-bo/Mondadori.
•Arquitectura para sistemas expertos con
razonamiento aproximado, Tesis Doctoral, J. C.
González. Dpto. Ing. Sistemas Telemáticos, E.T.S.I.
Telecomunicación, Universidad Politécnica, Madrid,
1989.
•An Interface Between Logic and Human Reasoning.
Kosko, B. 1995.
•Ingeniería de Control Moderna, Ogata, Katsuhiko,
Prentice Hall Hispanoamericana, México, D.F., 1980.
•Diseño de un controlador difuso para temperatura,
Tesis de Andrade G. Enrique, Ingeniería en
Electrónica y Computadoras, Universidad de las
Américas, Puebla, México, 1996.
•Fuzzy Expert Systems, E. Horstkotte. 1996.
•Abstracts y Articulos varios en IEEE Expert,
Intelligent Systems & Their Applications. A Fuzzy
Logic Symposium.

Datos de Contacto:
Guillermo Gabriel Fernández Amado
Ingeniería en Informática
Universidad Argentina de la Empresa
[email protected]

Página 15/15