LÓGICA FUZZI O DIFUSA

El concepto de lógica difusa es muy común, está asociado con la manera en que las
personas perciben el medio, por ejemplo ideas relacionadas con la altura de una persona,
velocidad con la que se mueve un objeto, la temperatura dominante en una habitación,
cotidianamente se formulan de manera ambigua y depende de quien percibe el efecto físico
o químico, será su enunciado acerca de tal fenómeno. Una persona puede ser alta o baja,
algo puede moverse rápido o lento, una temperatura puede ser baja o moderada o alta, se
dice que estas afirmaciones acerca de una variable son ambiguas por que rápido, bajo, alto
son afirmaciones del observador, y estas pueden variar de un observador a otro. Uno se
puede preguntar cuándo algo es frío o caliente, que tan baja es la temperatura cuando
decimos frío, o que tan alta es cuando decimos caliente.
Los conjuntos difusos definen justamente estas ambigüedades, y son una extensión de
la teoría clásica de conjuntos, donde un elemento pertenece o no a un conjunto, tal
elemento tiene solo 2 posibilidades, pertenecer o no, un elemento es bi-valuado y no se
definen ambigüedades.

CONTROLADOR FUZZY O DIFUSO

La incorporación de lógica difusa a los sistemas de control da lugar a lo que llamaremos
sistemas de control difuso. Dentro de los sistemas de control se encuentran dos grandes
áreas, el modelado o identificación y el control propiamente dicho o control directo. Nos
enfocaremos en el control de procesos suponiendo conocido el modelo de este. La idea es
muy simple, se trata de determinar de manera lógica que se debe hacer para lograr los
objetivos de control de mejor manera posible a partir de una base de conocimiento
proporcionada por un operador humano, sin esta base no es posible desarrollar una
aplicación y que esta funcione de manera correcta.
Se utiliza el conocimiento y experiencia de un operador humano para construir un
controlador que emule el comportamiento de tal persona. Comparado con el control
tradicional, el control difuso tiene dos ventajas practicas, una es que el modelo matemático
del proceso a controlar no es requerido y otra es que se obtiene un controlador no líneal
desarrollado empíricamente sin complicaciones matemáticas, en realidad los desarrollos
matemáticos de este tema todavía están en su infancia.

El control difuso es una técnica que se encuentra agrupada bajo el esquema de los
sistemas expertos, y su popularidad se basa en la dificultad (o imposibilidad) de modelar
algunos sistemas a través de ecuaciones matemáticas. Adicionalmente la lógica fuzzy o
lógica borrosa es una extensión de la lógica clásica diseñada para permitir el razonamiento
sobre conceptos imprecisos [9]. Entre sus aplicaciones es posible encontrar el desarrollo
de sistemas expertos difusos para reconocimiento de patrones y clasificación, fuzzy
clustering, control fuzzy, monitoreo, diagnóstico, optimización, entre otros.
 DESARROLLO DE LA LÓGICA FUZZY

La lógica fuzzy creada por Zadeh (1973) se origina con la idea de poder manejar
conocimiento incierto en forma automática. En la década de 1970, los sistemas fuzzy y las
teorías de control basadas en esta lógica añadieron una nueva dimensión a la ingeniería
de sistemas de control. Desde sus inicios, con desarrollos ad-hoc y
básicamente heurísticos, nuevos y más rigurosos enfoques de la teoría de control fuzzy
han contribuido a afianzarla en la teoría de control moderna, avalada por gran cantidad de
desarrollos y aplicaciones exitosos.
El control de equipos y procesos es una actividad indispensable en muchos campos,
especialmente en la industria. Los sistemas de control convencionales requieren un
conocimiento muy preciso del proceso sobre el que se aplican, ya que trabajan sobre un
modelo de la planta a controlar y necesitan de los datos que éste
proporciona. En muchos casos, la obtención del modelo exacto no es posible o sólo se
puede contar con un modelo aproximado.
Un sistema de inferencia fuzzy (FIS – Fuzzy Inference System) –donde un FLC es un
caso particular–, es capaz de aproximar a un nivel de precisión arbitrario, cualquier función
lineal o no lineal, por lo cual los sistemas fuzzy se conocen también como “aproximadores
universales”, y de hecho, también están incluidos los controladores fuzzy (Cox, 1999). Al
considerar un controlador de lógica fuzzy (FLC – Fuzzy Logic Controller) o simplemente
controlador fuzzy, se hace referencia a una ley de control descrita por un sistema basado
en conocimiento, formado por reglas condicionales de tipo SI ENTONCES, donde sus
antecedentes, consecuentes y mecanismos de inferencia se configuran mediante lógica
fuzzy.
La utilización de esta lógica en el campo del control se ha extendido de manera
considerable en las últimas décadas donde numerosos autores e investigadores produjeron
una gran cantidad de artículos y libros de gran trascendencia en el ámbito científico (Zadeh,
1973; Mamdani, 1977; Takagi & Sugeno, 1985; Cox, 1999; Michels et al., 2006; Jantsen,
2007; Driankov et al., 1993; Seborg et al., 2010). También se pueden mencionar exitosas
aplicaciones industriales basadas en control fuzzy tales como una interesante y completa
revisión de control fuzzy en procesos biológicos industriales (Horiuchi, 2002); el enfoque de
diagnóstico de fallas basado en un estrategia off-line y en tiempo real para lazos de control
de procesos (Chang & Chang, 2003); el diseño y desarrollo de un controlador de proceso
automatizado para la separación de líquido-gas en petróleo, basado en lógica fuzzy y
configurado sobre la experiencia de ingenieros en petróleo (Liao et al., 2008) o el desarrollo
de un controlador PID fuzzy auto sintonizado para mejorar el comportamiento de un
actuador electro-hidráulico (Zulfatman & Rahmat, 2009), entre muchas otras.
 FUNCIONAMIENTO

La lógica difusa (fuzzy logic, en inglés) se adapta mejor al mundo real en el que vivimos,
e incluso puede comprender y funcionar con nuestras expresiones, del tipo «hace mucho
calor», «no es muy alto», «el ritmo del corazón está un poco acelerado», etc.

La clave de esta adaptación al lenguaje se basa en comprender los cuantificadores de

cualidad para nuestras inferencias (en los ejemplos de arriba, «mucho», «muy» y «un
poco»). En la teoría de conjuntos difusos se definen también las operaciones de unión,
intersección, diferencia, negación o complemento, y otras operaciones sobre conjuntos, en
los que se basa esta lógica.

Para cada conjunto difuso, existe asociada una función de pertenencia para sus
elementos, que indica en qué medida el elemento forma parte de ese conjunto difuso. Las
formas de las funciones de pertenencia más típicas son trapezoidal, lineal y curva. Se basa
en reglas heurísticas de la forma SI (antecedente) ENTONCES (consecuente), donde el
antecedente y el consecuente son también conjuntos difusos, ya sea puros o resultado de
operar con ellos. Sirvan como ejemplos de regla heurística para esta lógica (nótese la
importancia de las palabras «muchísimo», «drásticamente», «un poco» y «levemente» para
la lógica difusa):

SI hace muchísimo frío. ENTONCES aumento drásticamente la temperatura.

SI voy a llegar un poco tarde. ENTONCES aumento levemente la velocidad.

Los métodos de inferencia para esta base de reglas deben ser sencillos, versátiles y
eficientes. Los resultados de dichos métodos son un área final, fruto de un conjunto de
áreas solapadas entre sí (cada área es resultado de una regla de inferencia). Para escoger
una salida concreta a partir de tanta premisa difusa, el método más usado es el del
centroide, en el que la salida final será el centro de gravedad del área 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 están aumentando
exponencialmente su capacidad de procesamiento de reglas año a año.
 Un esquema de funcionamiento típico para un sistema difuso podría ser de la siguiente
manera:

Funcionamiento de un sistema de control difuso.

En la figura, el sistema de control hace los cálculos con base en sus reglas heurísticas,
comentadas anteriormente. La salida final actuaría sobre el entorno físico, y los valores
sobre el entorno físico de las nuevas entradas (modificado por la salida del sistema de
control) serían tomadas por sensores del sistema.

Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un coche
que se autorregula según las necesidades: Los chips difusos del climatizador recogen los
datos de entrada, que en este caso bien podrían 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 área de resultados. De
esa área se escogerá el centro de gravedad, proporcionándola como salida. Dependiendo
del resultado, el climatizador podría aumentar la temperatura o disminuirla dependiendo del
grado de la salida.

APLICACIONES
 La lógica difusa se utiliza cuando la complejidad del proceso en cuestión es muy alta y
no existen modelos matemáticos precisos, para procesos altamente no lineales y cuando
se envuelven definiciones y conocimiento no estrictamente definido (impreciso o subjetivo).

En cambio, no es una buena idea usarla cuando algún modelo matemático ya soluciona
eficientemente el problema, cuando los problemas son lineales o cuando no tienen solución.

Esta técnica se ha empleado con bastante éxito en la industria, principalmente en Japón,

extendiéndose sus aplicaciones a multitud de campos. La primera vez que se usó de forma
importante fue en el metro japonés, con excelentes resultados. Posteriormente se
generalizó según la teoría de la incertidumbre desarrollada por el matemático y economista
español Jaume Gil Aluja.

A continuación, se citan algunos ejemplos de su aplicación:

 Sistemas de control de acondicionadores de aire

 Sistemas de foco automático en cámaras fotográficas
 Electrodomésticos familiares (frigoríficos, lavadoras...)
 Optimización de sistemas de control industriales
 Sistemas de escritura
 Mejora en la eficiencia del uso de combustible en motores
 Sistemas expertos del conocimiento (simular el comportamiento de un experto
humano)
 Tecnología informática
 Bases de datos difusas: Almacenar y consultar información imprecisa. Para este
punto, por ejemplo, existe el lenguaje FSQL.
...y, en general, en la gran mayoría de los sistemas de control que no dependen de un
Sí/No.

VENTAJAS E INCONVENIENTES

Como principal ventaja, cabe destacar los excelentes resultados que brinda un sistema
de control basado en lógica difusa: ofrece salidas de una forma veloz y precisa,
disminuyendo así las transiciones de estados fundamentales en el entorno físico que
controle. Por ejemplo, si el aire acondicionado se encendiese al llegar a la temperatura de
30º, y la temperatura actual oscilase entre los 29º-30º, nuestro sistema de aire
acondicionado estaría encendiéndose y apagándose continuamente, con el gasto
energético que ello conllevaría. Si estuviese regulado por lógica difusa, esos 30º no serían
ningún umbral, y el sistema de control aprendería a mantener una temperatura estable sin
continuos apagados y encendidos.

También está la indecisión de decantarse bien por los expertos o bien por la tecnología
(principalmente mediante redes neuronales) para reforzar las reglas heurísticas iniciales de
cualquier sistema de control basado en este tipo de lógica.

Estructura de un controlador fuzzy

El controlador tiene como entradas a la referencia y a la salida del proceso, como salida
del controlador tenemos a las variables que se conectan a la entrada de los actuadores.
Normalmente las variables de entrada (referencia y salida del proceso) necesitan un
procesamiento para que lleguen al corazón del controlador difuso, es decir al sistema de
inferencia propiamente dicho, a esta etapa se le llama preprocesado, las operaciones
comunes aquí son escalamiento, conversión a digital, eliminación de ruido y tendencias,
obtención de la señal de error, derivación e integración. La salida también puede requerir
algún tipo de procesamiento, a este se le llama post-procesado. El tipo de controlador es
determinado por el preprocesado, aunque el post-procesado también puede determinar el
tipo de controlador. En la Figura I-13 y Figura I-14 se puede observar un esquema general
y otro particular de controlador difuso.