En nuestro día a día, podemos enfrentarnos a situaciones en las que no podemos determinar si el estado es verdadero o falso. Fuzzy se refiere a algo que no está claro o es vago. Fuzzy Logic en AI proporciona una valiosa flexibilidad para el razonamiento.
En este artículo, explicamos qué es la lógica difusa, el funcionamiento de la lógica difusa, sus ventajas, desventajas, aplicaciones de la manera más simple posible.
Indice
¿Qué es la lógica difusa?
Fuzzy Logic (FL) es un método de razonamiento que se asemeja al razonamiento humano. Este enfoque es similar a cómo los humanos realizan la toma de decisiones. E involucra todas las posibilidades intermedias entre SÍ y NO.
El bloque lógico convencional que entiende una computadora toma una entrada precisa y produce una salida definida como VERDADERO o FALSO, que es equivalente al SÍ o NO de un ser humano. La lógica difusa fue inventada por Lotfi Zadeh quien observó que, a diferencia de las computadoras, los humanos tienen un rango diferente de posibilidades entre SÍ y NO.
La lógica difusa trabaja sobre los niveles de posibilidades de entrada para lograr una salida definida. Ahora, hablando de la implementación de esta lógica:
- Puede implementarse en sistemas con diferentes tamaños y capacidades, como microcontroladores, grandes sistemas en red o basados en estaciones de trabajo.
- Además, puede implementarse en hardware, software o una combinación de ambos.
La lógica difusa se utiliza como técnica para tomar decisiones humanas mientras se utiliza una plataforma de aprendizaje automático o inteligencia artificial. De manera general, se puede describir como considerando los verdaderos valores de las variables entre 0 y 1. La representación de los números reales entre los números binarios 0 y 1 se implementa mediante lógica difusa.
Para obtener valores precisos como soluciones a los problemas se utiliza la lógica difusa. La lógica difusa considera el razonamiento humano como la estructura de datos clave para tomar decisiones precisas.
Un controlador de lógica difusa es un sistema que se utiliza para controlar el funcionamiento de un sistema físico con la ayuda de fuzzy_logic. FLC se usa para controlar lavadoras, acondicionadores de aire, sistemas de calefacción, reguladores de ventiladores, control de tráfico, controlador de sistema de frenado, etc. Usamos FLC cuando no es posible una formulación matemática exacta del problema.
Estas dificultades se deben a la naturaleza variable en el tiempo del proceso lógico dado. La lógica FLC se usa ampliamente en el control de máquinas. La lógica difusa se refiere a lo verdadero o lo falso. El controlador difuso consta de tres etapas, a saber, la etapa de entrada, la etapa de procesamiento y la etapa de salida.
Historia
Al principio, Lotfi Zadeh introdujo el concepto de Fuzzy Logic (FL). Era profesor de la Universidad de California en Berkeley, y no se presentaba como una metodología de control, sino como una forma de procesamiento de datos. Según su observación, a diferencia de otras computadoras, Fuzzy Logic consiste en un rango de posibilidades entre V o F, en las decisiones humanas.
Debido a la capacidad insuficiente de las computadoras pequeñas antes de ese momento, este enfoque no se aplicó hasta los años 70. El profesor Zadeh concluyó que las personas no requieren información numérica exacta y, sin embargo, pueden tener un alto control adaptativo. Los controladores de retroalimentación, que son sistemas matemáticos para analizar los valores de entrada en términos de variables lógicas, pueden ser mucho más efectivos y fáciles de implementar si pueden programarse para aceptar ruido y entradas imprecisas.
¿Por qué usamos Lógica Difusa?
En general, utilizamos el sistema de lógica difusa tanto para fines comerciales como prácticos, tales como:
- Controla máquinas y productos de consumo.
- Si no es un razonamiento preciso, al menos proporciona un razonamiento aceptable.
- Esto ayuda a lidiar con la incertidumbre en la ingeniería.
La lógica difusa ofrece varias características únicas que la convierten en una opción perfecta para controlar muchos problemas:
- Es intrínsecamente robusto ya que no requiere entradas fijas libres de ruido y puede programarse para fallar de manera segura si un sensor de retroalimentación se desconecta o se destruye. A pesar de una amplia gama de variaciones de entrada, el control de salida es la función de control uniforme.
- El controlador de lógica difusa procesa las reglas definidas por el usuario y anula el sistema de control objetivo. Se puede modificar fácilmente para mejorar o potenciar el rendimiento del sistema. Al generar reglas de gobierno apropiadas, se pueden generar fácilmente nuevos sensores en el sistema.
- La lógica difusa no se limita a una o dos salidas de control o pocas entradas de retroalimentación. Además, no es necesario medir los parámetros de tasa de cambio antes de su implementación. Los datos de los sensores que proporcionan alguna indicación del sistema son suficientes. Esto permitirá que los sensores sean económicos y que el coste del sistema sea bajo para la configuración general.
- Debido a la operación basada en reglas, se pueden generar entradas de números razonables como (1-6 o más) y numerosas salidas como (1-4). Aunque, definir las reglas puede volverse complejo en caso de que se elijan demasiadas entradas y salidas para una sola implementación, ya que después de definir las reglas, se deben definir sus interrelaciones. Además, será una buena idea dividir el sistema de control en porciones más pequeñas y usar múltiples controladores de lógica difusa distribuidos en el sistema, cada uno con más responsabilidades.
- La lógica difusa es capaz de gestionar sistemas no lineales que serían difíciles de gestionar matemáticamente. Esto abrirá las puertas al sistema de control y será fácil evaluar la viabilidad de la automatización.
Arquitectura
La arquitectura de lógica difusa consta de cuatro partes principales:
Reglas
Contiene todas las reglas y las condiciones si-entonces que ofrecen los expertos para controlar el sistema de toma de decisiones. La reciente actualización de la teoría difusa proporciona diferentes métodos efectivos para el diseño y ajuste de controladores difusos. Por lo general, estos desarrollos reducen el número de reglas difusas.
Fuzzificación
Este paso convierte las entradas o los números nítidos en conjuntos borrosos. Puede medir las entradas crujientes mediante sensores y pasarlas al sistema de control para su posterior procesamiento. Divide la señal de entrada en cinco pasos tales como:
- LP: X is Large Positive
- MP: X is Medium Positive
- S: Small
- MN: X is Medium Negative
- LN: X is Large Negative
Motor de inferencia
Determina el grado de coincidencia entre la entrada difusa y las reglas. Según el campo de entrada, decidirá las reglas que se van a disparar. Combinando las reglas disparadas, forman las acciones de control.
Defuzzificación
El proceso de defuzzificación convierte los conjuntos borrosos en un valor nítido. Hay diferentes tipos de técnicas disponibles, y debe seleccionar la más adecuada con un sistema experto.
Funcionamiento
La lógica difusa básicamente funciona en los conjuntos. Hay diferentes tipos de suposiciones en los conjuntos: la salida se obtendrá con precisión a partir de los valores supuestos de los conjuntos. La configuración básica utilizada en la lógica difusa es conjuntos if-else. La respuesta precisa se obtendrá de las variaciones de entrada, las consideraciones if-else nos darán el valor exacto como salida.
Las entradas se clasifican en diferentes membresías para obtener las salidas. A las entradas se les asignará la función de pertenencia utilizando la lógica if-else. En la lógica difusa en el sistema de entrada múltiple, hay diferentes tipos de variables de entrada, por lo que la salida del sistema se dará como la operación AND de las variables de entrada dadas.
Esta lógica se usa como un controlador estándar en algunas plataformas. El control de la temperatura del sistema de enfriamiento automático dependerá de la temperatura ambiente, por lo que aquí se considera como entrada una temperatura ambiente diferente y la salida se obtiene utilizando la lógica difusa que produce la salida controlada. Este es el funcionamiento básico de la lógica difusa.
El principio de funcionamiento del controlador de lógica difusa es que la salida depende de la probabilidad del estado de la entrada. Funciona en el concepto de la decisión de la salida que se basa en suposiciones. Funciona en base a los conjuntos difusos. Cada conjunto consta de variables lingüísticas que definen el estado de la salida.
Supongamos que A es un subconjunto de X y todos los miembros de A se encuentran en el intervalo 0 y 1. Entonces el conjunto A se conoce como conjunto borroso. La salida depende del grado de pertenencia de X en el conjunto. Los conjuntos borrosos se representan gráficamente con la ayuda de la función de pertenencia. La salida depende de la lógica de la operación AND del estado de la entrada y también de la tasa de cambio de la entrada.
El controlador de lógica difusa realiza la operación fuzzy_logic en la que la asignación de las salidas se basa en la información de las variables lingüísticas. Este controlador consta de funciones de pertenencia y reglas difusas que se obtienen por el conocimiento del funcionamiento del sistema según el entorno.
El sensor de temperatura mide el valor de la temperatura. Los valores obtenidos se entregan luego al fuzzificador. Este fuzzificador asigna variables lingüísticas para el valor medido individual y la tasa de cambio del valor medido.
La función de la base de conocimientos contiene la información relativa a estas funciones miembro, así como la base de reglas. El siguiente paso es convertir las variables de salida lingüística en variables numéricas que se utilizan para accionar el motor.
Aplicaciones
La lógica difusa se utiliza en diversos campos, como sistemas de automoción, bienes domésticos, control ambiental, etc. Algunas de las aplicaciones comunes son:
- Campo aeroespacial para el control de altitud de naves espaciales y satélites.
- Controla la velocidad y el tráfico en los sistemas automotrices.
- Sistemas de apoyo a la toma de decisiones y evaluación personal en el negocio de las grandes empresas.
- Controla el proceso de pH, secado, destilación química en la industria química.
- Procesamiento del lenguaje natural y varias aplicaciones intensivas en inteligencia artificial.
- Sistemas de control modernos, como los sistemas expertos.
- Eficiencia de combustible en motores.
- Nevera, lavadora.
- El piloto automático se basa en Fuzzy_logic. Esto hace que las aplicaciones en el sistema de transporte. Los vehículos autónomos submarinos se trabajan sobre la base de la lógica difusa.
- También es aplicable en Defensa, como la localización de objetivos, la generación de imágenes infrarrojas para el reconocimiento de objetivos.
- Principalmente apoya los sistemas de defensa naval.
- La purificación del agua y el control de calidad se realizan mediante fuzzy_logic. El manejo de datos estructurales también se realiza utilizando esta lógica en los sectores industriales.
- En el sector médico, se utiliza sobre todo en el diagnóstico de pacientes con cáncer y diabéticos.
- En muchos sectores de automatización, la lógica difusa se utiliza con fines de simplificación.
Fuzzy Logic imita cómo una persona tomaría decisiones, solo que mucho más rápido. Así, puedes usarlo con Redes Neuronales.
Ventajas
Las ventajas de la lógica difusa son:
- Este sistema es flexible y también puede permitir modificaciones.
- Los sistemas de lógica difusa se pueden construir fácilmente.
- Estos sistemas aportan soluciones a soluciones complejas.
- La lógica es robusta, simple y se puede modificar según nuestros requisitos.
- Esta puede manejar lógicamente diferentes tipos de entradas a la vez y puede tomar una decisión precisa utilizando funciones precisas.
- Estos sistemas lógicos tienen una estructura simple y pueden construirse fácilmente.
- El requisito de espacio es menor para este tipo de lógica y se pueden codificar utilizando menos datos.
- Las decisiones se pueden tomar fácilmente ya que se asemeja al razonamiento humano en su sistema lógico, lo que hace que resuelva los problemas más complejos con facilidad.
- Si el sistema de retroalimentación falla en el sistema lógico, entonces puede ser fácilmente reprogramable.
Desventajas
La lógica difusa también tiene algunas desventajas:
- Se requieren actualizaciones periódicas en el sistema de control de lógica difusa
- Estos sistemas no podrán reconocer el aprendizaje automático y las plataformas de redes neuronales.
- El inconveniente básico de la lógica difusa es que depende completamente de la inteligencia y la experiencia humanas.
- Estos no son muy utilizados debido a la adquisición de datos inexactos.
- La eficiencia del sistema no es alta porque en su mayoría funcionan con entradas inexactas.
- Un controlador de lógica difusa depende totalmente del conocimiento y la experiencia humana. Estos controladores no pueden reconocer el aprendizaje automático o las redes neuronales.
Fuzzy Vs Probabilidad
Ahora, destacamos la distinción entre la lógica difusa y la posibilidad considerando que un principiante está obligado a enfrentarse con el problema de asociar la lógica difusa con la oportunidad porque tiene una comprensión de esta última y los valores de probabilidad también se encuentran entre 0 y 1.
Supongamos que tenemos dos módems de hechos A y B. Ambos tienen un valor de 0,9 para la probabilidad y la pertenencia de estar ‘libres de errores’. La membresía cuesta 0.9 significa que B es bastante similar a estar ‘libre de errores’. Por otro lado, la oportunidad de que A se desabroche de errores = 0.9 significa que se espera que A se desabroche de errores en el 90% de los intentos. En los 10 casos opuestos, el módem entregará resultados fallidos (es decir, 1 en 10 probabilidades de ser un éxito), por lo que la persona elegiría el módem A.
Ahora ten en cuenta un escenario exclusivo. Supongamos que intercambiamos los valores numéricos y recordamos que tanto la pertenencia como los valores son 0,5. En este caso, la mayoría de los clientes se transferirían al módem B debido a que ofrece un 50% de posibilidades de éxito, mientras que un precio de club tan bajo sugeriría la inadecuación para tal uso.
Ejemplo
El diseño de un sistema de lógica difusa comienza con un conjunto de funciones de pertenencia para cada entrada y un conjunto para cada salida. Luego se aplica un conjunto de reglas a las funciones de membresía para generar un valor de salida nítido. Tomemos un ejemplo de control de procesos y comprendamos la lógica difusa.
Paso 1
Aquí, la temperatura es la entrada y la velocidad del ventilador es la salida. Debes crear un conjunto de funciones de membresía para cada entrada. Una función de pertenencia es simplemente una representación gráfica de los conjuntos de variables difusas. Para este ejemplo, usaremos tres conjuntos difusos, Frío, Tibio y Caliente. Luego crearemos una función de membresía para cada uno de los tres conjuntos de temperatura.
Paso 2
En el siguiente paso, usaremos tres conjuntos difusos para la salida, Lento, Medio y Rápido. Se crea un conjunto de funciones para cada conjunto de salida al igual que para los conjuntos de entrada.
Paso 3
Ahora que tenemos nuestras funciones de pertenencia definidas, podemos crear las reglas que definirán cómo se aplicarán las funciones de pertenencia al sistema final. Crearemos tres reglas para este sistema.
- Si está caliente entonces rápido
- Si es cálido, entonces medio
- Y, si es frío entonces lento
Estas reglas se aplican a las funciones de membresía para producir el valor de salida nítido para impulsar el sistema. Por lo tanto, para un valor de entrada de 52 grados, intersecamos las funciones de pertenencia. Aquí, estamos aplicando dos reglas ya que la intersección ocurre en ambas funciones. Puedes extender los puntos de intersección a las funciones de salida para producir un punto de intersección. A continuación, puedes truncar las funciones de salida a la altura de los puntos de intersección.
Conclusión
Ahora debes tener una idea de lo que es la lógica difusa y debes haber visto que una regla de lógica difusa se expresa por implicación de un sistema difuso en forma de «si… entonces…» que incluye variables difusas llamadas variables lingüísticas. Fuzzy puede definirse efectivamente como el proceso del pensamiento humano. En este proceso se suelen tratar conceptos mal definidos y lingüísticos. La razón detrás de esto es que las proposiciones difusas son cualitativas y no cuantitativas. Los conjuntos borrosos y la lógica difusa son las dos herramientas impactantes para manejar complejidades. Pueden facilitar el puente entre modelos matemáticos y la realidad física asociada.
En un futuro próximo, existe una enorme variedad de productos basados en lógica difusa. Una de las principales áreas en las que es necesario investigar su uso es el sistema de comunicación móvil. Además, también abre una oportunidad para diseñar ASIC que comprendan circuitos integrados para módulos computacionales. En los últimos tiempos, la lógica difusa se ha convertido en un sistema poderoso para tratar problemas complejos. Además, su papel en el manejo de la incertidumbre de los problemas complejos de ingeniería también es importante. Generalmente, los ingenieros y científicos se enfrentan a problemas tan complejos que no pueden resolverse numéricamente a través de métodos matemáticos tradicionales, pero al implementar la lógica difusa a los mismos, uno puede caracterizar y resolver el problema complejo.
La lógica difusa tiene la capacidad de capturar la inexactitud de los términos lingüísticos en las declaraciones. Y se puede concluir que la lógica difusa viene con una mayor capacidad para modelar el razonamiento humano de sentido común y la toma de decisiones.