1

Lgica Difusa
Bernardo Araz
Facultad de Ingeniera Elctrica, Universidad Tecnolgica de Panam
David, Chiriqu

bernar.go0291@hotmail.com
Resumenla lgica difusa sido considerada desde
sus inicios como una herramienta para la toma de
decisiones fue hecha con la finalidad de relacionar
elementos lingsticos y datos numricos con el
razonamiento del ser humano comn. Muchas de las
cosas que suceden a nuestro alrededor diariamente
est relacionado con la lgica difusa incluso ya se
han desarrollado sistemas de control basados en
esta lgica. En este documento se da a conocer de
manera general los conceptos que nos permiten
identificarla y algunas de sus aplicaciones.
I. INTRODUCCIN
La lgica difusa nace desde la antigedad para
formalizar a travs de un lenguaje matemtico
algunas situaciones de la vida cotidiana, que son
imprecisas o sin un valor explcito. Busca ms que
todo representar la forma en que pieza la mente
humana. Hoy en da muchos de los sistemas
actan de esta manera ya que la lgica difusa ha
sido implementada para el control de sistemas
controlando variables fsicas como temperatura,
humedad, luminosidad, etc. Esta lgica se
diferencia de la lgica clsica en que esta segunda
es exacta, pero al igual que todo, ambas tienen sus
ventajas y desventajas, por tal razn este trabajo
presenta la lgica difusa en un sentido muy
general, el cual resalta algunos aspectos
importantes de esta.
II. DEFINICION, CONCEPTO E HISTORIA
A. Definicin y concepto.
La lgica difusa es bsicamente una lgica que
permite valores imprecisos, inexactos intermedios
o aproximados para poder definir evaluaciones
convencionales entre s/no, verdadero/falso,
negro/blanco, etc.
La lgica difusa es vista de diferentes maneras
dependiendo del rea en la cual se aplique:
En psicologa: Resolucin de problemas
que implica cierto grado de inferencia e
intuicin para lograr la conclusin
propia; vista como una distincin crucial
entre la inteligencia humana y la
mecnica.
En inteligencia artificial: Mtodo de
razonamiento de mquina, similar al
pensamiento humano, que puede
procesar informacin incompleta o
incierta, que es una caracterstica de
muchos sistemas inciertos.
Es una lgica basada en la teora de conjuntos
que posibilita imitar el comportamiento de la logia
humana. La facilidad que esto constituye
alumbrara los prximos aos mejoras tcnicas en
los sistemas de control de nuestra sociedad.
El trmino difuso procede de la palabra inglesa
fuzz

que sirve para denominar la pelusa que
recubre el cuerpo de los polluelos al poco salir del
huevo. Este trmino significa confuso, borroso,
indefinido o desenfocado.
B. Historia
Los primeros trminos relacionados con la lgica
difusa fueron introducidos por primera vez en
1965, donde la lgica difusa era vista como un
lenguaje que permita trasladar sentencias
sofisticadas a un lenguaje natural o lenguaje
matemtico formal. Mientras la motivacin
original fue ayudar a manejar aspectos imprecisos
del mundo real, la prctica temprana de la lgica
difusa permiti el desarrollo de aplicaciones
prcticas. En 1994, la teora de la lgica difusa
estaba en la cumbre, pero esta idea no era nueva.
Dicha propiamente con el nombre de lgica difusa
era conocida hacia 25 aos atrs, pero sus
orgenes se remontan hasta 2500 aos, donde
Aristteles consideraba que existas ciertos grados
2

de veracidad y falsedad. Platn haba considerado
ya grados de pertenencia.
La primera logia ce vaguedades fue desarrollada
en 1920 por el filsofo Jan Lukasiewiez, visualizo
los conjuntos con un posible grado de pertenencia
con valores entre 0 y 1, despus se extendi a un
nmero infinito de valores entre 0 y 1. En los aos
sesentas, Lotfi Zadeh invento la lgica difusa, que
combina los conceptos de la lgica y de los
conjuntos de Lukasiewiez mediante la definicin
de grados de pertenencia.

Figura 1. Lotfi Zadeh
III. FUNCIONAMIENTO
La clave de esta adaptacin al lenguaje, se basa en
comprender los cuantificadores de nuestro
lenguaje (en los ejemplos de arriba "mucho",
"muy" y "un poco").
En la teora de conjuntos difusos se definen
tambin las operaciones de unin, interseccin,
diferencia, negacin o complemento, y otras
operaciones sobre conjuntos, en los que se basa
esta lgica.
Se basa en reglas heursticas de la forma SI
(antecedente) ENTONCES (consecuente),
donde el antecedente y el consecuente son
tambin conjuntos difusos, ya sea puros o
resultado de operar con ellos. Sirvan como
ejemplos de regla heurstica para esta lgica
(ntese la importancia de las palabras
"muchsimo", "drsticamente", "un poco" y
"levemente" para la lgica difusa):
SI hace muchsimo fro ENTONCES
aumento 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).
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.
A. Sistema de Control Difuso
En la figura2, el sistema de control hace los
clculos con base en sus reglas heursticas. La
salida final actuara sobre el entorno fsico, y los
valores sobre el entorno fsico de las nuevas
entradas (modificado por la salida del sistema de
control) seran tomados por sensores del sistema.
Por ejemplo, imaginando que nuestro sistema
difuso fuese el climatizador de un coche que se
autorregula segn las necesidades: Los chips
difusos del climatizador recogen los datos de
entrada, que en este caso bien podran ser la
temperatura y humedad simplemente. Estos datos
se someten a las reglas del motor de inferencia
(como se ha comentado antes, de la forma SI...
ENTONCES...), resultando un rea de resultados.
De esa rea se escoger el centro de gravedad,
proporcionndola como salida. Dependiendo del
resultado, el climatizador podra aumentar la
temperatura o disminuirla dependiendo del grado
de la salida.
3


Figura 2. Esquema de funcionamiento tpico para un sistema
difuso.

IV. LOGICA DIFUSA VS LOGICA CLASICA.
Figura 3. Visin de la lgica clsica vs Visin de la logia
difusa.
Mientras que la teora de conjuntos tradicional
(pertenece o no pertenece a un determinado conjunto)]
define ser miembro de un conjunto como un predicado
booleano, la teora de conjunto difuso permite
representar el ser miembro de un conjunto como una
distribucin de posibilidades.
La lgica difusa, es una lgica matemtica basada en la
teora de conjuntos que posibilita imitar el
comportamiento de la lgica humana.
La lgica difusa se utiliza para representar la
informacin imprecisa, ambigua, o vaga. Se utiliza para
realizar operaciones en los conceptos que estn fuera de
las definiciones de la lgica booleana, un tipo de lgica
que reconoce valores verdaderos y falsos ms simples.
Con la lgica difusa, los subconjuntos se pueden
representar con grados de verdad y de falsedad. Por
ejemplo, la declaracin, hoy es soleado, pudo ser 100%
verdad si no hay nubes, 80% verdad si hay algunas
nubes, 50% verdad si esta nublado y 0% verdad si
llueve todo el da.
IV. CARACTERISTICAS
Soporta datos imprecisos
Es conceptualmente fcil de entender
Es flexible
Se basa en el lenguaje humano
Puede modelar funciones no lineales de
alguna complejidad.
Combina en forma unificada expresiones
lingsticas con datos numricos.
V. CONCEPTOS BASICOS
A. Difusividad
Es una incertidumbre determinstica
Est relacionada al grado con el cual los
eventos ocurren sin importar la
probabilidad de su ocurrencia.
Por ejemplo, el grado de juventud de una
persona es un evento difuso sin importar
que sea un elemento aleatorio.

B. Proceso de Fuzzificacin
El proceso de fuzzificacin consiste en convertir
una variable real en un grado de pertenencia que
cuantifica el grado de posesin hacia su
correspondiente variable lingstica.
Las variables lingsticas son representativas de
situaciones como: Positivo, alrededor de, alto,
medio, etc.
El primer paso consiste en tomar las entradas y
determinar el grado al que ellos pertenecen a cada
uno de los conjuntos fuzzy apropiados.
La entrada siempre es un valor numrico limitado
al universo del discurso de la variable de entrada
(0-10).


C. Funciones de pertenencias.
Las funciones de pertenencia representan
coordenadas difusas del atributo. Hay ciertas
funciones de pertenencia tpicas que siempre se
suelen utilizar, tanto por la facilidad de
computacin que su uso conlleva, como por su
estructura lgica para definir su valor lingstico
asociado, estas pueden tener diferentes
estructuras, como son rectas, en Z, gaussianas
entre otras.
1) Sigmoidal o sigmoidea, definida por sus
lmites, inferior a, superior b y el valor o
punto de inflexin, tales que a<b.
El crecimiento es ms lento cuanto
mayor sea la distancia a-b.
2) Trapezoidal, definida por sus lmites,
inferior a, superior d, y los lmites de
soporte inferior b y superior c, tal que
a<b<c<d.
4

3) Exponenciales, muestran un
comportamiento muy adecuado y no
representan discontinuidad en la
derivada.
4) Polinmicas, son funciones sencillas de
calcular y tienen una forma similar a las
de las funciones de densidad normal.
Figura 4. Funcin sigmoidal, representacin grfica y funcin
de pertenencia.
Figura 5. Funcin trapezoidal, representacin grfica y funcin
de pertenencia.
D. Conjuntos difusos.
Es un conjunto que puede contener elementos con
grados de pertenencia parciales, a diferencia de los
conjuntos clsicos en los que los elementos
pueden pertenecer o no pertenecer a dichos
conjuntos.
Desde el punto de vista de que se aplican palabras
a la definicin de cualquier propiedad por
ejemplo: mujeres altas, edificios viejos, hombres
bajos, elevada inteligencia, baja velocidad,
viscosidad moderada Desde este punto de vista
estos valores no pueden ser definidos cono solo 0
y 1, se ha de establecer un peso o rango para la
caracterstica estableciendo valores intermedios.

VI. APLICACIONES
A. Aplicaciones generales
A continuacin se citan algunos ejemplos de su
aplicacin:
Sistemas de control de acondicionadores
de aire
Sistemas de foco automtico en cmaras
fotogrficas
Electrodomsticos familiares
(frigorficos, lavadoras...)
Optimizacin de sistemas de control
industriales
Sistemas expertos del conocimiento
(simular el comportamiento de un
experto humano)
B. En inteligencia artificial
En Inteligencia artificial, la lgica difusa, o lgica
borrosa se utiliza para la resolucin de una
variedad de problemas, principalmente los
relacionados con control de procesos industriales
complejos y sistemas de decisin en general, la
resolucin y la compresin de datos. Los sistemas
de lgica difusa estn tambin muy extendidos en
la tecnologa cotidiana, por ejemplo en cmaras
digitales, sistemas de aire acondicionado,
lavarropas, etc. Los sistemas basados en lgica
difusa imitan la forma en que toman decisiones
los humanos, con la ventaja de ser mucho ms
rpidos. Estos sistemas son generalmente robustos
y tolerantes a imprecisiones y ruidos en los datos
de entrada. Algunos lenguajes de programacin
lgica que han incorporado la lgica difusa seran
por ejemplo las diversas implementaciones de
Fuzzy PROLOG o el lenguaje Fril.
Consiste en la aplicacin de la lgica difusa con la
intencin de imitar el razonamiento humano en la
programacin de computadoras. Con la lgica
convencional, las computadoras pueden manipular
valores estrictamente duales, como
verdadero/falso, s/no o ligado/desligado. En la
lgica difusa, se usan modelos matemticos para
representar nociones subjetivas, como
caliente/tibio/fro, para valores concretos que
puedan ser manipuladas por los ordenadores.
En este paradigma, tambin tiene un especial
valor la variable del tiempo, ya que los sistemas
de control pueden necesitar retroalimentarse en un
espacio concreto de tiempo, pueden necesitarse
datos anteriores para hacer una evaluacin media
de la situacin en un perodo anterior.
VII. VENTAJAS E INCONVENIENTES
5

Como principal ventaja, cabe destacar los
excelentes resultados que brinda un sistema de
control basado en lgica difusa: ofrece salidas de
una forma veloz y precisa, disminuyendo as las
transiciones de estados fundamentales en el
entorno fsico que controle. Por ejemplo, si el aire
acondicionado se encendiese al llegar a la
temperatura de 30, y la temperatura actual
oscilase entre los 29-30, nuestro sistema de aire
acondicionado estara encendindose y
apagndose continuamente, con el gasto
energtico que ello conllevara. Si estuviese
regulado por lgica difusa, esos 30 no seran
ningn umbral, y el sistema de control aprendera
a mantener una temperatura estable sin continuos
apagados y encendidos.
Tambin est la indecisin de decantarse bien por
los expertos o bien por la tecnologa
(principalmente mediante redes neuronales) para
reforzar las reglas heursticas iniciales de
cualquier sistema de control basado en este tipo de
lgica.
A. Ventajas
Facilidad de implementacin
Da buenos resultados en procesos no
lineales y de difcil modelacin
Su funcionamiento es similar al
razonamiento humano
Es una forma rpida y econmica de
resolver un problema
No se necesita conocer el modelo
matemtico que rige su funcionamiento
B. Desventajas
En la redes neuronales se requiere de un
tiempo de aprendizaje para obtener los
mejores resultados en la salida (de
manera similar a como ocurre con los
humanos).
Ante un problema que tiene solucin
mediante modelo matemtico, obtenemos
peores resultados usando lgica difusa.
VIII. SISTEMAS BASADO EN LGICA
DIFUSA.
Un sistema de lgica difusa estar siempre
compuesto por los elementos de la figura 6.
Figura 6. Bloques de un sistema de lgica difusa
BLOQUE DIFUSOR: en este bloque a cada dato
de entrada se le asigna un grado de pertenencia a
cada uno de los conjuntos difusos considerados
mediante la funcin caracterstica asociada a estos
conjuntos difusos. Las entradas a este bloque son
valores concretos de la variable a analizar y los
datos de salida son los grados de pertenencia a los
conjuntos estudiados.
BLOQUE DE INFERENCIA: este bloque
relaciona conjuntos difusos de entrada y de salida
y representa a las reglas que definen el sistema. La
entrada a este bloque son conjuntos difusos
(grados de pertenencia) y las salidas tambin son
conjuntos difusos, asociados a la variable de
salida.
DESDIFUSOR: bloque en el cual a partir del
conjunto difuso obtenido en el mecanismo de
inferencia y mediante mtodos matemticos y de
desdifusion, se obtiene un valor concreto de la
variable de respuesta, es decir, el resultado.
IX. CONCLUSIONES
La lgica difusa nos presenta una imponente
ventaja al incluir este lenguaje a los sistemas de
control.
Su facilidad de implementacin y los buenos
resultados son caractersticas que la destacan y la
hacen atractiva para su implementacin en
sistemas de control.
Su relacin con el pensamiento humano est
creando una nueva ventana a los sistemas de
control ya que permite que los procesos sean
similares a los realizados por el hombre.
REFERENCIAS
[1].http://profesores.elo.utfsm.cl/~tarredondo/info/soft-
comp/Introduccion%20a%20la%20Logica%20Difusa.pdf
[2]. http://es.wikipedia.org/wiki/L%C3%B3gica_difusa
[3].http://www.slideshare.net/renatolachira/logica-difusa
[4].http://www.muyinteresante.es/tecnologia/articulo/la-logica-
difusa-permite-que-los-ordenadores-sean-mas-humanos
[5]. http://archivos.labcontrol.cl/SI/fuzzy.pdf
[6].http://www.slideshare.net/CrypticHernndezOrtega/lgica-
difusa-fuzzy-logic
[7].http://www.dii.uchile.cl/~cgo2007/seminarios/la_logica_dif
usa_compensatoria/
[8].http://www.monografias.com/trabajos95/master-
direccion/master-direccion.shtml
[9].http://www.slideshare.net/mentelibre/ll-fundamentos-de-la-
lgica-difusa
[10].http://www.slideshare.net/mentelibre/logica-difusa-
controladores-logicos