FACULTAD DE CIENCIAS E INGENIERÍA

ESCUELA PROFESIONAL DE INGENIERÍA DE

SISTEMAS

Asignatura: Inteligencia Artificial

Integrantes:

-Garcia Quiñones Elvita Esmeralda

-Morón Villanueva Diego

-Ordinola Dionicio Giancarlo

-Perez Ninaquispe Jerson

-Villanueva Villanueva Brayan

Tema: Lógica Difusa (Fuzzy)

Docente: Dr. Jorge Gutierrez Gutierrez

2023
 ÍNDICE

ÍNDICE.......................................................................................... 2
INTRODUCCIÓN......................................................................... 3
1. Estado actual de la lógica difusa................................................ 4
2. Aplicaciones de la lógica difusa.................................................4
3. Antecedentes nacionales............................................................ 6
4. Antecedentes internacionales..................................................... 8
5. Tipos de lógica difusa................................................................ 8
6. Futuro de la lógica difusa......................................................... 11
7. Conclusiones............................................................................ 12
Referencias bibliográficas............................................................13

2
 INTRODUCCIÓN
La lógica difusa o también conocida como lógica fuzzy o lógica borrosa, es un tema
importante dentro de la inteligencia artificial usada para trabajar con ambigüedad y la
imprecisión en los softwares de toma de decisiones, en comparación con la lógica
convencional, que trabaja con únicamente dos valores 0 y 1 (Verdadero/Falso), la lógica
fuzzy posibilita la simbolización y control de los datos imprecisos usando valores difusos.

Actualmente la lógica fuzzy ha ganado bastante terreno, esto gracias a que nos permite
trabajar con la incertidumbre e imprecisión en distintos campos. Por ejemplo, un campo en
el que se le usa es en los Sistemas de Control, más que nada en los cuales trabajan con
variables imprecisas, ayuda en gran medida en el funcionamiento de los controladores.
También son de gran importancia dentro de los sistemas de recomendación, en donde se
utiliza para obtener y clasificar las inclinaciones y tendencias de los clientes de una forma
mucho más flexible, lo que hace que estas recomendaciones sean más precisas.

Existen una gran variedad de tipos en lo que respecta a la lógica difusa, por ejemplo
tenemos la Clásica, el cual es la más conocida y común, está se fundamenta en el concepto
de conjuntos difusos y reglas de interferencia difusa, este tipo nos posibilita presentar y
controlar la ambigüedad que hay en los valores de verdad, usando conjuntos fuzzys y
grados de membresía. También tenemos la Multivaluada, que en comparación con la
clásica, el cual usa los valores de verdad (Verdadero/Falso), este tipo acepta más valores,
lo que finalmente nos proporciona una presentación mucho más variada y posibilita una
mayor sensibilidad. Por último también se tiene a la Lógica Difusa Modal, el cual como su
nombre nos lo dice combina la lógica modal con la difusa, está lógica modal se basa en las
definiciones de necesidad y posibilidad.

El futuro de lógica difusa es bastante esperanzador y se espera que siga siendo importante
para diversos campos, por ejemplo dentro de la Inteligencia Artificial en los sistemas que
toman decisiones, sistemas especialistas, reconocimiento de patrones, entre otros. También
se espera que progrese su metodología, desarrollando nuevos métodos de modelado,
optimización e inferencia, lo que facilitará una presentación y una deducción más
acertadas en problemas difusos.

3
1. Estado actual de la lógica difusa
De Miguel (1) en su blog relata qué, la lógica difusa, también conocida como lógica
borrosa, es una rama de la inteligencia artificial que se desarrolló en la década de 1960 por
el matemático Lotfi Zadeh, pero a diferencia de la lógica clásica binaria, que está basada
en valores de verdadero o falso (1 o 0), la lógica difusa permite la representación y
manipulación de la incertidumbre y la imprecisión mediante el uso de valores borrosos
entre 0 y 1. La lógica difusa se ha convertido en una herramienta fundamental en diversos
campos, una de las áreas más destacadas es el control y la toma de decisiones en sistemas
inteligentes, especialmente en aquellos que involucran variables no lineales o ambiguas,
también ha demostrado ser eficaz en el diseño de controladores para sistemas complejos,
como vehículos autónomos, sistemas de climatización, robótica y muchos otros.

2. Aplicaciones de la lógica difusa

La lógica difusa es uno de esos temas que están enteramente relacionados a múltiples
hechos, experiencias o actividades que la hacen ser aplicada, ya sea para algún control de
sistemas, toma de decisiones, sistemas de expertos, la robótica, etc.Blog de CEUPE (2)
hace un análisis a estas aplicaciones, las cuales serán mencionadas a continuación:

➢ Control de sistemas: Esta se suele aplicar ampliamente en el control de sistemas en los

que las variables de entrada y salida son continuas y difusas, en lugar de utilizar reglas
rígidas y precisas, la lógica difusa permite modelar el comportamiento de un sistema de
una manera más flexible. Por ejemplo, en un sistema de control de temperatura de un
aire acondicionado, la lógica difusa puede tomar en cuenta factores como la
temperatura actual y la velocidad del ventilador para ajustar la potencia de enfriamiento
de manera gradual y suave, en lugar de simplemente encender o apagar el compresor
(2).

➢ Toma de decisiones: Se utiliza para tomar decisiones en situaciones en las que la

información es incompleta o incierta, permitiendo evaluar y cuantificar grados de
verdad o falsedad en lugar de utilizar valores absolutos. Por ejemplo, en un sistema de
diagnóstico médico, la lógica difusa puede combinar múltiples síntomas con diferentes
grados de relevancia y determinar la probabilidad de que un paciente tenga cierta
enfermedad, esto proporciona una visión más completa y realista al médico para tomar
decisiones más informadas (2).

4
 ➢ Sistemas expertos: Los sistemas expertos basados en lógica difusa son programas de
computadora que pueden emular el razonamiento humano en dominios específicos,
utilizan una base de conocimiento compuesta por reglas difusas para resolver
problemas complejos y son aplicados en diversos campos, como asistentes virtuales,
sistemas de recomendación, análisis de riesgos, entre otros. Por ejemplo, un sistema
experto basado en lógica difusa puede recomendar una película al evaluar las
preferencias del usuario y combinar diferentes características, como el género, la
valoración y los actores principales, asignando un grado de pertenencia difuso a cada
película en función de su adecuación a los criterios del usuario (2).

➢ Reconocimiento de patrones: Se utiliza en el reconocimiento de patrones para

clasificar datos que pueden ser ambiguos o inciertos, permitiendo asignar grados de
pertenencia difusos a diferentes categorías en función de las características de los datos.
Por ejemplo, en el reconocimiento de voz, la lógica difusa puede ayudar a interpretar y
clasificar los diferentes tonos y matices en el habla para identificar las palabras
habladas con mayor precisión (2).

➢ Robótica: También se suele aplicar en este sector, ya que permite que los robots tomen
decisiones en tiempo real en entornos inciertos y cambiantes, esto permite que los
robots se adapten y respondan de manera más flexible y robusta a través de la
interpretación difusa de las entradas sensoriales. Por ejemplo, un robot móvil puede
utilizar la lógica difusa para ajustar su velocidad y dirección de movimiento en función
de la proximidad de obstáculos, la velocidad del entorno y la prioridad de la tarea
asignada (2).

Tabla aplicaciones de la lógifca difusa

Campo Aplicación Contribución

Control de sistemas - Control de temperatura en sistemas Automatización de procesos
de climatización.
- Control de velocidad en motores
eléctricos.
- Control de nivel de agua en
tanques.
- Control de tráfico en sistemas de
transporte.

5
 Toma de decisiones - Evaluación de riesgos y toma de Mejora de la precisión en la
decisiones en finanzas. toma de decisiones
- Evaluación del rendimiento de
empleados y asignación de
bonificaciones.
- Evaluación de crédito y aprobación
de préstamos.
- Toma de decisiones en sistemas de
soporte a la toma de decisiones.

Sistemas Expertos - Diagnóstico médico. Captura y utilización de

- Asesoramiento en sistemas de conocimiento experto
atención al cliente.
- Análisis de datos en tiempo real en
sistemas de monitorización.
- Soporte en sistemas de
planificación y programación.

Reconocimiento de - Reconocimiento de voz. Capacidad de análisis y

patrones - Reconocimiento facial. reconocimiento de patrones
- Reconocimiento de escritura a complejos
mano.
- Clasificación de imágenes y
reconocimiento de objetos.

3. Antecedentes nacionales

Según Astocondor (3), en su tesis que trata sobre “Diseño del sistema de control por lógica
difusa aplicado al brazo robótico translacional de 2DOF” que consta de un móvil
accionado por una polea y un eslabón articulado en el CG (centro de gravedad) de dicho
móvil. Este proceso será controlado mediante la técnica de control fuzzy. La acción de
control está orientada a controlar el movimiento traslacional del móvil y el movimiento
angular del brazo que es libre de girar en ambas direcciones. Las metas impuestas en la
tesis son: Diseño, modelado, simulación en tiempo real del sistema, controlado con la ley
de control fuzzy. Los sistemas convencionales de control son diseñados tradicionalmente
usando modelos matemáticos de sistemas físicos para posteriormente aplicar técnicas de
diseño para obtener controladores apropiados para el sistema. Sin embargo, en la realidad,
el modelo y sus parámetros son con frecuencia desconocidos. Esto se debe a cambios en el
ambiente de trabajo, dinámicas no modeladas y la presencia de no linealidades e

6
incertidumbres que son difícil de tratar con los controladores convencionales los cuales no
siempre son capaces de aprender o de adaptarse a nuevas situaciones a continuación se
plantea este problema y la solución del mismo utilizando la técnica de lógica difusa.
Actualmente las técnicas avanzadas de control basadas en modelos, como son el control
predictivo, el control por modos deslizantes, el control adaptable, entre otras, están siendo
combinadas con técnicas de control basadas en los sistemas difusos.

Según Gómez y Idelza (4), en su trabajo de investigación: "Lógica Difusa en el Prototipo

de Sistemas Expertos", tiene por objetivo la construcción de reglas de producción difusas
para diseñar sistemas expertos, y la aplicación de la lógica difusa en la construcción y
desarrollo del Sistema Experto Difuso de Orientación Vocacional SEDOV. El dominio de
este sistema se ubica en el área científico-tecnológica donde está comprendido la
Psicología Educativa. La presente investigación propone metodologías y técnicas
diferentes a las convencionales para la construcción de reglas que faciliten la
programación de los sistemas expertos, de tal manera que la máquina de inferencia esté
construida con reglas de producción difusas; dentro de las cuales se destacan aquellas que
permiten la conversión de reglas de la forma Si A Entonces B, en una relación difusa; para
lo cual se utilizaron las metodologías de Mamdani y Zadeh. El Software SEDOV
construido permite medir el nivel de éxito que alcanza un estudiante al elegir una carrera
propuesta por el Sistema. Para el desarrollo del mismo se construyó conjuntos difusos que
modelan la base de conocimientos de los tests de orientación vocacional, utilizando el
lenguaje de programación Microsoft Visual Basic v6.0 en el ambiente Windows XP. Las
principales conclusiones a las que se arribó en la investigación son: Que con el uso de la
lógica difusa la programación de un sistema experto es más flexible dado que ésta es
numérica lo que hace posible el uso de cualquier lenguaje de programación, como el
Microsoft Visual Basic v6.0 que se ha utilizado en la investigación. Las metodologías que
ofrece la lógica difusa permiten determinar grados de afinidad que son valores tomados
del intervalo entre O y 1, permitiendo la construcción de una función continua que define
a un conjunto difuso, en contraposición al sistema clásico que sólo toma valores discretos
O ó l. El sistema SEDOV construido en base al razonamiento difuso, brinda al usuario una
mayor cantidad de respuestas dado que la estructura de las reglas difusas hace posible esto.

7
4. Antecedentes internacionales

Según Casadesús y Castro (5), en su artículo “De la lógica difusa a la inteligencia

artificial, hacia un mundo Transhumano” el cual propone explicar los fundamentos de la
inteligencia artificial en la lógica difusa y otros sistemas avanzados de conocimiento.
También describe varios ejemplos de aplicaciones actuales de la inteligencia artificial,
especialmente los robots. Por último, presenta una reflexión argumentada sobre las
consecuencias metafísicas y éticas que pueden acarrear algunas máquinas inteligentes.
Algunas de estas consecuencias pueden ser positivas para el avance de la inteligencia y el
conocimiento universal, pero otras serán desastrosas para la humanidad y el planeta. Sin
embargo, lo que es seguro es que estos avances tecnológicos provocan un cambio de
paradigma en la concepción de los seres humanos, así como en las ciencias jurídicas y en
el comportamiento hacia las entidades.

5. Tipos de lógica difusa

Existen diferentes tipos de lógica fuzzy, según el tipo de operadores que se utilicen para
definir las funciones de verdad, las reglas de inferencia y los métodos de agregación. El
autor Diciembre (6) en su investigación hace mención a dos lógicas difusas, la de
Mamdani y la de Takagi-Sugeno, la cual veremos a continuación:

★ Lógica difusa clásica (Mamdani): Es ampliamente utilizada y fue planteada por

Ebrahim Mamdani, allá por el año 1975. Se lleva a cabo en cuatro pasos:
● Fuzzificación de las variables de entrada.
● Evaluación de las reglas.
● Agregación de las salidas de las reglas.
● Definición.

En la formulación de Mamdani, se emplean reglas difusas "SI-ENTONCES"

(IF-THEN). Estas reglas toman los valores de fuzzificación como entrada y se aplican
a los antecedentes de las reglas difusas. Si una regla tiene múltiples antecedentes, se
utiliza el operador AND u OR para obtener un único número que represente el
resultado de la evaluación. Este número, conocido como valor de verdad, se aplica al
consecuente. En el método planteado por Mamdani, es común listar todas las reglas
difusas para comprender cómo se obtiene la salida del sistema (6).

8
 Ejemplificación del método Mamdani

★ Lógica difusa tipo Takagi-Sugeno (T-S): se basa en reglas difusas, pero a diferencia
del método de Mamdani, el consecuente no es un conjunto difuso, sino una serie de
funciones lineales. Este modelo es muy usado y enfocado para sistemas complejos y
de dimensiones mayores a los que se pueden resolver mediante el método de
Mamdani (6).

Supongamos que tenemos los conjuntos difusos Ai y Bi, con i = 1, 2, ..., n, en nuestro
sistema. Las reglas tendrían la siguiente forma:

En comparación con el método de Mamdani, la diferencia radica en que no es

necesario llevar a cabo un proceso de defuzzificación. Esto se debe a que no
obtenemos conjuntos difusos, sino un conjunto de funciones lineales. Mediante el
método TSK, podemos obtener directamente el valor de salida del sistema mediante la
siguiente expresión:

Donde el valor ωi se calcula tomando el mínimo de los valores de entrada en cada

regla Ri.

★ Lógica Difusa Generalizada (Zadeh): Por otro lada Hurtado (7) hace mención a la
lógica propuesta por Lotfi Zadeh, el padre de la lógica difusa, la lógica difusa
generalizada amplía el enfoque de Mamdani al permitir que los conjuntos difusos

9
 tengan múltiples grados de pertenencia. Esto significa que los elementos pueden
pertenecer de manera parcial a varios conjuntos difusos simultáneamente.
★ Lógica Difusa Modal: Es una variante de la lógica difusa que permite representar y
manejar modalidades o grados de creencia en los enunciados. Las modalidades se
refieren a diferentes formas de creencia o certeza en la verdad de un enunciado, como
"posible", "probable", "necesario", entre otros. Esto es especialmente útil en
aplicaciones donde se requiere modelar creencias y estados mentales inciertos, como
la inteligencia artificial, la toma de decisiones y la representación del conocimiento
(7).
★ Lógica Difusa Intuicionista: Es una extensión de la lógica difusa clásica que
incorpora el concepto de incertidumbre y duda en los enunciados. Además de la
noción de verdad difusa presente en la lógica difusa clásica, la lógica difusa
intuicionista también permite expresar la incertidumbre en cuanto a la validez o
falsedad de un enunciado. Esto es útil en situaciones donde se necesita modelar
decisiones con información incompleta o insuficiente, como en la toma de decisiones
en entornos inestables o en sistemas de razonamiento basados en evidencia limitada
(7).

Tabla comparativa entre lógica difusa de Zadeh y lógica difusa Modal

Aspecto Lógica Difusa de Lógica Difusa Modal

Zadeh

Definición Permite trabajar con Combina la lógica difusa

conjuntos difusos no con la lógica modal para
necesariamente convexos abordar la incertidumbre
y amplía la representación y la vaguedad en el
de la incertidumbre. razonamiento lógico.

Características principales - Permite trabajar con - Combina la lógica difusa

conjuntos difusos no con la lógica modal.
convexos. - Aborda la incertidumbre
- Amplía la y la vaguedad en el
representación de la razonamiento lógico.
incertidumbre.

10
 Reglas de inferencia Utiliza reglas de Combina las reglas de
inferencia difusas basadas inferencia difusa con las
en conjuntos difusos y reglas de inferencia
operadores difusos. modal.

Aplicaciones principales Ampliamente utilizado en Principalmente utilizado

sistemas de control y en razonamiento lógico y
toma de decisiones. sistemas de lógica difusa
modal.

Ventajas - Permite trabajar con - Combina la lógica difusa

conjuntos difusos no y la lógica modal, lo que
convexos, lo que amplía permite abordar la
la representación de la incertidumbre y la
incertidumbre. vaguedad en el ra-
- Es flexible y puede Permite un razonamiento
adaptarse a diversos más completo y
contextos. sofisticado.zonamiento
lógico.

Desafíos - Requiere de un mayor - La interpretación y

esfuerzo computacional. explicación de los
resultados pueden ser más
complejas.

6. Futuro de la lógica difusa

Guzmán (8) hace referencia a la lógica difusa y la influencia que parece tener un futuro,
recalca que los problemas que son difíciles de modelar y resolver utilizando la lógica
convencional, ya que han demostrado ser un punto fuerte de esta área de la inteligencia
artificial y la informática. Por otro lado, al utilizar la noción de grados de pertenencia, la
lógica difusa se basaría estrechamente en la noción de que los valores pueden ser
parcialmente verdaderos o falsos, ya que esto hace posible capturar la ambigüedad y la
imprecisión que frecuentemente están presentes en una variedad de circunstancias del
mundo real.

11
 La lógica difusa puede ofrecer soluciones más adaptables y precisas porque muchos
problemas en muchos campos, incluido el procesamiento de imágenes, la robótica, el
control de sistemas y la toma de decisiones, son propensos a la incertidumbre y la
ambigüedad la lógica difusa también se ha utilizado junto con otras metodologías,
incluidos los sistemas expertos y la inteligencia artificial, para crear sistemas inteligentes y
adaptables que sean capaces de crecer y aprender con el tiempo en pocas palabras, la
lógica difusa tiene un futuro brillante por delante y se prevé que siga desarrollándose y
ofreciendo soluciones exitosas a problemas desafiantes con variables ambiguas y
complejas en una variedad de dominios de aplicación (8).

7. Conclusiones
Respecto al estado actual de la lógica fuzzy podemos decir que hoy en día se ha
establecido como una definición bastante firme y viene siendo aplicada en distintos
campos como por ejemplo en el control de sistemas, sistemas expertos, toma de
decisiones, entre otras. Respecto al control de sistemas la lógica fuzzy posibilita construir
y manejar complejos sistemas en ambientes de incertidumbre, acomodandose a los
cambios del sistema. En la toma de decisiones apoya en el manejo de lo incierto y la
ambiguedad en la evaluación y elección de opciones.

Hay una gran variedad de tipos entre los cuales se tiene la clásica (la más común), la de
Takigi-Sugeno, la generalizada, la modal, entre otras. Cada uno de los mencionados cuenta
con atributos y aplicaciones diferentes y especiales. Por un lado la lógica fuzzy clásica es
la más común y se apoya en los conjuntos difusos y normas de interferencia difusas. Por
otro lado la de Takigi-Sugeno usa las normas de interferencia apoyado en los modelos
lineales y se utiliza en gran parte en los campos de toma de decisiones y en los sistemas de
control.

Ha demostrado ser útil en muchas aplicaciones, como sistemas de control, inteligencia

artificial, diagnósticos médicos, toma de decisiones, modelado de incertidumbre y más. Su
capacidad para lidiar con la incertidumbre y la imprecisión lo hace adecuado para resolver
problemas del mundo real donde los valores binarios y exactos no son suficientes para
describir completamente la situación.

12
 Referencias bibliográficas
1. De Miguel L. El País [Internet]. ¿Qué es la lógica difusa y para qué sirve?; 1 de junio de
2023 [consultado el 3 de julio de 2023]. Disponible en:
https://elpais.com/ciencia/las-cientificas-responden/2023-06-01/que-es-la-logica-difusa-y-
para-que-sirve.html
2. Blog de CEUPE. Masters, cursos y MBA online. Escuela de Negocios - CEUPE
[Internet]. Lógica difusa en la inteligencia artificial: Concepto y sus aplicaciones; 2 de
abril de 2022 [consultado el 3 de julio de 2023]. Disponible en:
https://www.ceupe.com/blog/logica-difusa-en-la-inteligencia-artificial.html
3. Astocondor Villar J. Diseño del sistema de control por lógica difusa aplicado al brazo
robótico translacional de 2DOF. 2011 [citado 3 de julio de 2023]; Disponible en:
https://alicia.concytec.gob.pe/vufind/Record/UNAC_fa5e85a45fa4be4048328010dce30ac
a
4. Gómez Z, Idelza J. Lógica difusa en el prototipo de sistemas expertos. 2004 [citado 3 de
julio de 2023]; Disponible en:
https://alicia.concytec.gob.pe/vufind/Record/RNAP_ba82af97b9a242e85ea5e815573568c
c
5. Richard, C & Ignacio, C. La lógica difusa de la inteligencia artificial. Hacia un futuro
transhumano [Internet]. Raco.cat. [citado 3 de julio de 2023]. Disponible en:
https://raco.cat/index.php/ArsBrevis/article/view/359072/451096
6. Casadesús R, Castro I. De la lógica difusa a la inteligencia artificial, hacia un mundo
Transhumano [Internet]. Institut de Teologia Fonamental. 2018 [citado 3 de julio de 2023].
Disponible en:
https://www.raco.cat/index.php/ArsBrevis/article/download/359072/451096
7. Diciembre Sanahuja, S. Sistemas de Control con Lógica Difusa: Métodos de Mamdani y
de Takagi-Sugeno-Kang (TSK) [Internet]. Universidad Jaume I. 2017 [citado 3 de julio de
2023]; Disponible en:
https://repositori.uji.es/xmlui/bitstream/handle/10234/173788/TFG_2017_DiciembreSana
huja_Samuel.pdf?sequence=1&isAllowed=y
8. Hurtado Palacio, J. Lógica difusa: perspectiva y aplicaciones [Internet]. Edu.co. 2014
[citado el 3 de julio de 2023]. Disponible en:
https://bdigital.uniquindio.edu.co/bitstream/handle/001/5517/MONOGRAF%C3%8DA-J
UAN%20PABLO%20HURTADO%20PALACIO.pdf?sequence=1&isAllowed=y

13
9. Guzmán, D, & Castaño, V. La lógica difusa en ingeniería: principios, aplicaciones y
futuro. [Internet] .2006 [Citado el 2 de julio 2023]; Disponible en:
https://revistas.ucr.ac.cr/index.php/cienciaytecnologia/article/view/2640/2591

Anexos (Pantallazo Turnitin)

No sale el porcentaje del Turnitin.

14