Dinmica de Sistemas formalizando el proceso de Lgica Difusa

Jesus Elman Calizaya Astete

Ingeniera de Sistemas, Universidad Mayor de San Simn, Bolivia jesus.elman@hotmail.com

Resumen. La finalidad de este trabajo es formalizar el proceso de lgica difusa mediante un modelo de dinmica de sistemas para incrementar su potencialidad en contextos imprecisos o difusos. La lgica difusa parte de la inteligencia artificial, contribuye a solucionar problemas donde la precisin es muy costosa e ineficaz, por lo que lo nico que se dispone es la imprecisin y el conocimiento de expertos en el rea. La dinmica de sistemas es una metodologa eficaz para explicar el comportamiento y funcionamiento de toda clase de sistemas, con los cuales se puede experimentar a travs de la simulacin. Palabras clave: Dinmica de Sistemas, Pensamiento Sistmico, Simulacin, Lgica Difusa.

1 Introduccin
Empezamos a entrar en la era de los sistemas donde la comprensin sistmica es crucial para sinergizar el conocimiento generado por la humanidad, con la misin de dar soluciones eficaces y eficientes a los problemas que se presentan en el desarrollo e implantacin de tecnologas en los sistemas complejos. La informtica ha hecho su gran aporte en la era de la informacin, sorprendiendo a la humanidad con sistemas de cmputo, sistemas de informacin, inteligencia artificial, sistema expertos, entre otros que son aplicados con xito a un buen nmero de reas de actividad del ser humano. La lgica Difusa en IA permite manejar la imprecisin y la incertidumbre. La Teora General de Sistemas, aporta herramientas conceptuales de gran impacto en los sistemas: el sistema generalizado y el enfoque sistmico; este ltimo se traduce en el pensamiento sistmico que permite observar realidades o sistemas como procesos de cambio. La Dinmica de sistemas, metodologa propuesta por Jay Forrester, permite aplicar el pensamiento sistmico para modelar comportamientos de los sistemas. En este trabajo se formaliza el proceso de Lgica Difusa con Dinmica de Sistemas, obteniendo una Herramienta DSFuzzy Library la cual incluye Fusicadores, DesFusificadores, Motores de inferencia y un sistema DSfuzzy (main) de manera que su modularidad permite modelar, mejorar y mantener modelos-DS de sistemas complejos donde existen situaciones imprecisas.

2 Dinmica de Sistemas
La dinmica de sistemas es una metodologa que permite la creacin de modelos que pueden ser simulados por el computador. Como metodologa se enfoca principalmente en sistemas complejos para explicar su comportamiento y evolucin en el tiempo, la caracterstica comn de estos sistemas complejos es que son contraintuitivos. Para tal fin la Dinmica de sistemas est basada en el pensamiento sistmico que le permite observar una realidad sistmica como un proceso de cambio. Este proceso de cambio se ven en todos los sistemas percibidos por el ser humano, en algunos casos no se puede notar porque dicho proceso de cambio tarda un buen periodo de tiempo, por ejemplo mencionando sistemas fsicos, el deterioro de una bombilla de luz no lo podemos observar, pero sabemos que un buen da ya no encender ms, no percibimos que se deteriora, pero est ocurriendo, la espera hasta que el filamento de tungsteno se queme, se denomina demora en la terminologa sistmica. Los sistemas complejos ofrecen situaciones ms interesantes que el proceso de deterioro de un sistema fsico, como los sistemas empresariales. Las empresas estn renovando constantemente personal de trabajo, estn realizando actividades de mercadeo, de gerencia, de finanzas, de produccin con la idea de obtener mayor rentabilidad. Centrarse en los procesos de cambio, implica conocer el por qu y cmo cambia un sistema; la explicacin est dada por el feedback o retroalimentacin, si vemos al mundo como una secuencialidad causa efecto de decisiones no se podr entender los procesos de cambio; todo esto conduce a un cambio de paradigma, hacia el sistmico el cual nos permite concebir estructuras y a partir de las mismas sus comportamientos. 2.1 Metodologa Dinmica de sistemas. Comprende cuatro etapas con sus respectivos pasos que permiten desarrollar modelos DS: Conceptualizacin. Se debe definir el propsito, la frontera e identificar las variables clave del modelo. Tambien describir el comportamiento o dibujar los modos de referencia de las variables clave. Ademas de diagramar los mecanismos bsicos y ciclos de realimentacin del sistema (diagrama causaefecto). Formulacin. Convertir los diagramas causa-efecto a diagramas y ecuaciones flujo-nivel (diagramas Forrester o DS). Adems de estimar y seleccionar valores de parmetros. Prueba. Simular el modelo y probar las hiptesis dinmicas, probando las suposiciones del modelo y probar el comportamiento del modelo y su sensibilidad a perturbaciones. Implementacin. Probar la respuesta del modelo a diferentes polticas o entornos y traducir las conclusiones del estudio a una forma accesible a la gente comn.

3. Proceso de Lgica Difusa

La Lgica difusa es una metodologa de inteligencia artificial, ideada para solucionar problemas donde la incertidumbre es lo nico que se tiene como entradas, para ello es necesario agenciarse del conocimiento del experto en el rea donde se presenta el problema, de manera que el sistema experto que se desarrolla sea de gran utilidad. La importancia de la Lgica Difusa se pone de manifiesto cuando ser precisos es demasiado costoso e ineficaz, dada la complejidad del sistema en el que desarrolla sus actividades objetivo. Entonces en lugar de emplear entradas precisas se emplea entradas difusas que se procesan en el sistema de inferencia difuso obtenindose una salida difusa eficaz en la resolucin del problema. Las bondades de esta metodologa permiten desarrollar sistemas expertos de control, de monitoreo, entre otros; muy aplicados en varias reas de la actividad y saber humano. En la siguiente figura se puede apreciar el sistema de inferencia difusa.

Fig.1. Sistema de inferencia difuso, entradas (variables lingsticas), componentes de proceso difuso, Fusificador, reglas de inferencia, motor de inferencia, Des-Fusificador y salidas (variables lingsticas). Fuente: Elaboracin propia.

3.1 Elementos del sistema de lgica. Un sistema de lgica difusa est formado por cuatro componentes: Las variables lingsticas cualifican de cierta manera y en cierto grado la imprecisin, con la que pretende trabajar el sistema, esta cualificacin en el lenguaje natural est dado por adjetivos como mucho, medio, poco, alto, bajo, cerca, muy cerca, lejos, muy lejos, alto, bajo, pronto, tarde, temprano, madrugada, tarde, noche, izquierda, derecha, arriba, abajo, inclinado, caro, costoso, fuerte, rpido, lento, etc. Como se notara ninguno de estos adjetivos denota precisin sin embargo se utiliza cotidianamente para llevar a cabo las actividades en las cuales se manifiestan y que la magnitud puede ser entendida de diferente manera para cada persona en particular, as lo que es lejos para una, puede ser cerca para otra o muy lejos para una tercera. Para poder diferenciar las variables lingsticas estas deben recaer en un cierto rango de valores reales y tener cierto grado de verdad (segn la persona que interprete) asocindose a una distribucin probabilidad de ocurrencia, lo que se denomina funcin de membreca de la variable lingstica. Al hablar de rango de valores se hace referencia a conjuntos y como estos se asocian a una distribucin de

probabilidad, porque pueden pertenecer o no al conjunto, se habla entonces de conjuntos difusos donde cada valor del conjunto esta asociado a una probabilidad de pertenencia, es decir membresa. Entonces el sistema difuso debe ser capaz de trabajar con las variables lingsticas entendiendo que ellas representan un conjunto difuso, a travs de sus componentes. El Fusificador, tiene la funcin de asociar las variables lingsticas a un conjunto difuso cuya funcin de membresa sigue una distribucin de probabilidad, por ejemplo triangular, uniforme, exponencial, normal, etc.; para lo cual emplea las funciones estadsticas que definen la distribucin, asignando una membresa referencia Ux a la variable lingstica de entrada, este proceso se conoce como fusificar. Las Reglas de inferencia, es el conocimiento de un experto de rea en forma de sentencias lgicas SI ENTONCES (IF-THEN) que trabaja hilando proposiciones lingsticas, de manera que concluye en una afirmacin, estas reglas de inferencia se procesan e implementan en el motor de inferencia, la conclusin inferida se asocia a un conjunto difuso. El Des-Fusificador, cumple el proceso inverso de la Fusificacin, su funcin es entregar una variable lingstica, que ha sido inferida en el motor de inferencia. Esto lo logra mediante mtodos matemticos, como la Media del Mximo, que es el promedio de los valores de x del conjunto inferido que tiene un grado de pertenencia; otro mtodo es el Mximo, donde el valor de x de la funcin de membresa de Ux alcanza su mximo grado de pertenencia; otro mtodo matemtico es el del Centroide o centro de gravedad, etc.

3.2 El proceso de lgica difusa. Para el tratado informtico y sistmico de esta metodologa, hay que hacer un proceso de inferencia difuso, donde los valores de entrada lingsticos se procesan en los diferentes componentes, donde uno de ellos hace uso de reglas de inferencia provedas de expertos, obtenindose una salida lingstica, til al usuario final.

Fig. 2. Modelo DS del proceso de lgica Difusa, donde se procesan las entradas de tal manera que haciendo uso del conocimiento de expertos en el rea y operaciones entre conjuntos difusos, el usuario final obtiene una solucin eficaz. Fuente: Elaboracin propia.

4 Formalizando el sistema de Lgica difusa con Dinmica de Sistemas

Para la prctica de la modelizacin, el sistema de inferencia difuso se encuentra en la primera situacin de las cuatro situaciones en las que se puede encontrar un sistema. La primera situacin, percibe al objeto como estable, dotado de proyectos estables y un entorno estable, con la existencia una conexin de realimentacin entre las salidas y las entradas. Siguiendo la metodologa de dinmica de sistemas se puede empezar a formalizar haciendo uso del software especfico iThink versin 9.1.3. 4.1 Formalizacin del Proceso Fusificar. Las variables lingsticas pueden seguir la distribucin triangular como membresa, para el sistema a desarrollar se ha elegido una distribucin triangular, para otras distribuciones se sigue un proceso similar.

Fig. 3. Conceptualizacin de una distribucin triangular. Fuente: Elaboracin propia.

Fig. 4. Formalizacin de la distribucin triangular, se estable primero el modelo y luego se establecen las ecuaciones. El resultado obtenido es un modelo DS fusificador, que se puede reutilizar posteriormente. Fuente: Elaboracin propia.

Fig. 5. Formalizacin del Fusificador para tres variables modo grfico. El resultado obtenido es un modelo DS Fusificador de tres entradas, que se puede reutilizar posteriormente. Se repite el proceso para los dems componentes del FIS (Fuzzy Inference System). Fuente: Elaboracin propia.

Fig. 6. Formalizacin del Fusificador para tres variables modo Cdigo. El resultado obtenido es un modelo DS Fusificador de tres entradas, que se puede reutilizar posteriormente. Se repite el proceso para los dems componentes del FIS (Fuzzy Inference System). Fuente: Elaboracin propia.

4.2 Formalizacin del Motor de inferencia. Se disean las reglas de inferencia con el experto de rea, que siguen el modelo lgico IF ( var1 AND var2 OR var3) THEN var4, que es una estructura bsica de decisin con la que se construye una base

conocimiento, para este caso una base de reglas de inferencia, implementndose el modelo DS motor de inferencia que se ha diseado para recibir tres variables y entregar una salida.

Fig. 7. Formalizacin del motor con las reglas de inferencia. El resultado obtenido es un modelo DS motor de inferencia, que se puede reutilizar posteriormente. Fuente: Elaboracin propia.

4.3 Formalizacin del Proceso Des-Fusificar. Se procesa el conjunto inferido y la funcin de membreca Ux para transformarse en una variable lingstica.

Fig. 8. Formalizacin del Des-Fusificador con el mtodo media del maximo. El resultado obtenido es un modelo DS des-fusificador medMax, que se puede reutilizar posteriormente. Fuente: Elaboracin propia.

Fig. 9. Formalizacin del Des-Fusificador con el mtodo Maximo. El resultado obtenido es un modelo DS des-fusificador Max, que se puede reutilizar posteriormente. Fuente: Elaboracin propia.

Fig. 10. Formalizacin del Des-Fusificador con el mtodo Centroide. El resultado obtenido es un modelo DS des-fusificador Centroide, que se puede reutilizar posteriormente. Fuente: Elaboracin propia.

Fig. 10. Formalizacin del Des-Fusificador con el mtodo Centroide. El resultado obtenido es un modelo DS des-fusificador Centroide, que se puede reutilizar posteriormente. Fuente: Elaboracin propia.

4.4 Formalizacin el Sistema de Lgica Difusa FIS. Se reutilizan los componentes anteriormente modelados en el desarrollo, desarrollando un modelo con tres entradas y una salida, lo cual conlleva a formalizar en diagramas e implementacin similares.

Fig. 11. Sistema de Inferencia Difuso formalizado con tcnicas propias de la dinmica de sistemas, componentes desarrollados anteriormente se reutilizan y relacionan para dar forma al FIS (DSfuzzy). Fuente: Elaboracin propia.

4.5 Herramienta DS Fuzzy Library. Es el resultado de este trabajo, un modelo DS Fuzzy Library reutilizable, que es un sistema de inferencia difuso para el modelado de sistemas complejos donde existe incertidumbre con tcnicas de Dinmica de sistemas.

Fig. 12. DSfuzzy Library, herramienta para el modelado de situaciones imprecisas o inciertas en sistemas complejos con dinmica de sistemas, recurriendo al proceso de lgica difusa como estrategia de solucinmodelado. Fuente: Elaboracin propia.

5 Caso prctico, utilizacin de la Herramienta DS Fuzzy Library. Se da cuando se identifica una situacin incierta en el sistema complejo, recurrindose al proceso de lgica difusa. Entonces se utiliza la DS Fuzzy Library que se desarroll para el modelado DS. La siguiente secuencia de pasos indica cmo utilizar el DSfuzzy desarrollado, de una manera eficaz y elegante.

Fig. 13. Paso 1: Se modela un sistema en el cual se considere situaciones de incertidumbre o imprecisin definidas por variables lingsticas, en este caso consideramos las ventas dadas por las cualidades del producto Bueno, Bonito y Barato que determinan el inters de compra . Fuente: Elaboracin propia.

Fig. 14. Paso 2: Se importa el Sistema Inferencia Difuso, de la DS Fuzzy Library, en el mdulo DS fuzzy del sistema que se pretende modelar. Fuente: Elaboracin propia.

Fig. 14. Paso 3 y 4: Se enlazan las variables en cuestin con las variables-interfaz del DSfuzzy, integrndose el sistema de ventas por percepcin con el DSfuzzy. Fuente: Elaboracin propia.

Fig. 15. Paso 5: Se hace un test del modelo integrado DSfuzzy-ventas por percepcin, para verificar que el enlace e variables ha sido coherente y exitoso. Fuente: Elaboracin propia.

Fig. 16. Paso 6: Se incorpora nuevas variables de control e interfaz que permitirn la simulacin y experimentacin del modelo DSfuzzy Ventas por percepcin. Fuente: Elaboracin propia.

Fig. 17. Paso 7: finalmente se disea la interfaz de usuario incorporando componentes de manejo, control ejecucin (Run), restauracin de valores (Restore) y salidas de informacin grficas y numricas para que el usuario final pueda experimentar y aprender con el modelo DSFuzzy. Fuente: Elaboracin propia.

6 Conclusiones.
La Herramienta DSFuzzy Library, es fruto del desarrollo del presente proyecto, la cual incluye Fusicadores, Des-Fusificadores, Motores de inferencia y un sistema DSfuzzy (main) de manera que su modularidad permite modelar, mejorar y mantener modelos-DSfuzzy de sistemas complejos donde existen situaciones imprecisas. Esta Herramienta pude seguir creciendo al trabajar solo en los mdulos requeridos. En el trabajo se trata de mantener un nivel META de modelamiento, para que haciendo uso del concepto de reutilizacin, se utilice la Herramienta DSfuzzy Library, la cual puede ser importada a cualquier Modelo o proyecto que se desarrolle con DS, como se demuestra en el caso prctico sistema de ventas por percepcin. Si bien la Dinmica de Sistemas crea modelos DS de simulacin, y la lgica difusa realiza procesos de inferencia para afrontar la incertidumbre; la flexibilidad de implementacin del modelo DS y la concepcin sistmica de ambas metodologas, isomorfismo y homomorfismo, permite el desarrollo del sistema DSfuzzy. Como no hay periodos de simulacin, entonces se ejecuta el sistema en un DT=1 (un periodo). El proceso de desarrollo del sistema est conformado por un 65% de Modelado y un 35% de codificacin, y en su estructura posee una fuerte presentacin visual muy

parecida, por no decir igual, al proceso de Lgica Difusa. Esto conlleva a que sea fcilmente mantenible y comprendido por los usuarios. La Lgica Difusa en definicin es parte de la inteligencia artificial que haciendo uso del conocimiento de expertos se puede solucionar problemas donde es difcil o muy costoso ser precisos, de manera que el sistema desarrollado facilite soluciones eficaces a los usuarios que lo requieran. La motivacin de integrar una metodologa de inteligencia artificial con la metodologa DS, puede conceptualizar y sentar bases de crear modelos DS con tcnicas de inteligencia artificial, dando forma as al concepto de modelo-DSExperto cuya caracterstica principal es el de tener potencialidad de conocimiento e inferencia en situaciones imprecisas, flexibilidad a la hora explotar el modelo y amplitud para comprender y modelar los procesos de cambio presentes en los sistemas complejos. Incrementndose notablemente las posibilidades de experimentacin y conocimiento del sistema observado, ya sea en el mundo de las empresas, organizaciones sociales de cualquier ndole, investigacin cientfica, etc.

Referencias
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Bertalanffy Ludwing Von. Teora General de Sistemas. Ed. Fondo de cultura Mxico (1986) Checkland, Peter. Pensamiento de Sistemas, Prctica de Sistemas - LimusaNoriega, Mxico (1993) Forrester, Jay W.. Industrial dynamics. Pegasus communications (1961) Menchn, A.J. La lgica y los conjuntos borrosos. Aplicaciones en inteligencia artificial, control de procesos e ingeniera. Apuntes de la facultad de informtica Universidad Politcnica de Madrid, Espaa. Orellana, Jorge. Dinmica de sistemas. Fundamentos y aplicacin. (2011) Rodrigues Ulloa, Ricardo. La Sistmica, los sistemas blandos y los sistemas de informacin.Editorial Universidad del Pacfico. Lima, Per (1993). Senge, Peter. La Quinta Disciplina. Ed. Granica (1994). Sivanandam, S.N.; Sumathi, S.; Deepa S.N. Introduction to fuzzy logic using matlab. Ed. Springer, New York. (2007) Durkin, John. Expert Systems: Design and Development, Prentice Hall Benito,Tamara & Durn, Ma Isabel. Lgica Borrosa. Extraido de http://www.it.uc3m.es/jvillena/irc/practicas/08-09/10.pdf Londoo, Libardo et. al. Uso de micromundos con dinmica de sistemas y lgica difusa para el diseo de evaluacin de competencias en ciencias bsicas en ingeniera. Extraido de http://www.colombiaaprende.edu.co/html/mediateca/1607/articles106907_archivo.pdf Garca, Germn & Vera, Carlos. Un modelo de sistema dinmico hbrido utilizando el enfoque de la lgica difusa. Extraido de http://ergosum.uaemex.mx/pdfs/pdf_vol_17_2/09_german_garcia.pdf

12. 13.

14. Ingeniera del Conocimiento -IE 15. Bibliografa y material didctico. Extraido http://www.dsi.fceia.unr.edu.ar/downloads/IC-Bibliografia2011.pdf

de