Está en la página 1de 16

Escuela Tcnica Superior de

Ingenieros Industriales

CONTROL BORROSO:
EVOLUCIN HISTRICA
Y FUNDAMENTOS
Por el profesor

Don Fernando Mata Espada


Doctor Ingeniero Industrial
Catedrtico de Ingeniera de Sistemas y Automtica
Discurso
Ledo en el Solemne Acto de Entrega de los Diplomas
a los Titulados de la Escuela Tcnica Superior de Ingenieros
Industriales de la Universidad Politcnica de Madrid

Madrid,
Julio de 2016

2016

Escuela Tcnica Superior de


Ingenieros Industriales

CONTROL BORROSO:
EVOLUCIN HISTRICA
Y FUNDAMENTOS
Por el profesor

Don Fernando Mata Espada


Doctor Ingeniero Industrial
Catedrtico de Ingeniera de Sistemas y Automtica
Discurso
Ledo en el Solemne Acto de Entrega de los Diplomas
a los Titulados de la Escuela Tcnica Superior de Ingenieros
Industriales de la Universidad Politcnica de Madrid

Madrid,
Julio de 2016

SOLEMNE ENTREGA DE DIPLOMAS ACADMICOS DE GRADO 2016

Sr. Rector Magnfico


de la Universidad Politcnica de Madrid
Sr. Director de la Escuela Tcnica Superior
de Ingenieros Industriales
Autoridades Acadmicas
Representantes de Empresas
y Asociaciones Profesionales
Nuevos Graduados
Queridos Compaeros
Seoras y Seores

CONTROL BORROSO: EVOLUCIN HISTRICA Y FUNDAMENTOS

Quiero, en primer lugar, agradecer al Director el haber pensado en m para


impartir esta tradicional leccin de clausura del curso. Es para m un enorme
privilegio poder dirigirme a vosotros en un da tan importante para nuestra
Escuela y para nuestra Universidad. Importante para todos los que hoy os graduis,
ya que por n veis reejado el resultado del gran esfuerzo que habis realizado
durante vuestro paso por la Escuela, y que os ha permitido alcanzar una madurez
acadmica y personal difcil de imaginar hace tan slo unos aos; e importante
tambin para todos los que, de una u otra manera, hemos contribuido a formaros.
Ese es el principal objetivo de la Universidad, la misma que sin vosotros, los
estudiantes, no tendra razn de ser.
Y quiero dirigirme a vosotros presentando el tema que he titulado Control
borroso: evolucin histrica y fundamentos, un tema que tiene para m un
indudable valor sentimental, ya que fue aqul con el que comenc a dar mis
primeros pasos como investigador y uno de los que ms satisfacciones a nivel
de produccin cientca me ha proporcionado. Durante los prximos minutos
introducir los fundamentos de esta tcnica, al tiempo que facilitar algunas
pinceladas acerca de su evolucin histrica, que recorrer desde sus orgenes, hace
algo ms de 40 aos, hasta nuestros das, y que, si me lo permits, complementar
de manera puntual con alguna ancdota.
I
El control borroso, conocido tambin por su equivalente en ingls Fuzzy Control,
resulta de la conuencia de dos tcnicas: el control automtico de sistemas y el
razonamiento basado en lgica borrosa. Curiosamente, ambas tienen su origen
en el conocido afn del ser humano por imitar la naturaleza.
Efectivamente, aunque no es hasta los siglos XVII y XVIII cuando surgen los
primeros sistemas de control a nivel industrial, como el regulador de temperatura
de Drebbel, el captador centrfugo de velocidad de Mead, o el regulador de Watt,
el concepto de realimentacin haba estado ya presente en la naturaleza desde
sus orgenes: valgan como ejemplo los sistemas que regulan automticamente las
constantes vitales en los seres vivos o el propio equilibrio de las especies.

SOLEMNE ENTREGA DE DIPLOMAS ACADMICOS DE GRADO 2016

La realimentacin es un concepto simple, pero efectivo. En relacin con ella, es


conocido que se puede controlar una variable, sin mayores dicultades, utilizando
un simple regulador PID y que incluso, en muchas ocasiones, es ms que suciente
con una simple accin proporcional. Sin embargo, cuando lo que se pretende
abordar es el control de un sistema ms complejo, como puede ser un proceso de
produccin en una planta industrial o el vuelo de una aeronave, es preciso echar
mano de lo que se conoce como control avanzado.
Dentro de este mbito, la automtica ha venido desarrollando tcnicas muy
diversas capaces de dar respuesta a distintas particularidades del sistema a
controlar. A modo de ejemplo podemos mencionar, entre otros, el control no
lineal, el control multivariable, el control predictivo, el control adaptativo, el
control robusto, el control estocstico, o el control inteligente, en el cual nos
centraremos a continuacin. Precisamente, de todas las tcnicas que acabamos
de mencionar, el control inteligente es la que se puede considerar menos terica,
estando de hecho mucho ms cercana, en su implementacin, a la forma de actuar
del ser humano. Su principio bsico es la aplicacin de la inteligencia articial al
control de sistemas. Se trata, por tanto, de intentar imitar la forma en la que los
humanos razonamos a la hora de tomar decisiones.
Entre las distintas disciplinas que abarca la inteligencia articial, podemos
mencionar las siguientes. En primer lugar, los sistemas expertos; se trata de sistemas
basados en reglas que se encuentran almacenadas en una base de conocimiento,
previamente alimentada con la sabidura de un experto o conjunto de expertos
en el sistema objeto de control. Adicionalmente, un motor de inferencia es capaz
de recorrer dicha base de conocimiento encadenando reglas hacia delante o hacia
atrs, en busca de una respuesta al problema que se le plantea.
En segundo lugar, las redes neuronales, cuya estructura se conforma a partir de la
unin de un nmero de neuronas articiales, y cuya topologa trata de imitar la
estructura interna de la corteza cerebral. El aprendizaje en base a patrones es una
de sus caractersticas ms conocidas.
En tercer lugar los algoritmos genticos, paradigma que surge por inspiracin en
el mecanismo de evolucin de las especies; la seleccin de individuos mediante
cruces y mutaciones consigue que slo los mejores sobrevivan.

CONTROL BORROSO: EVOLUCIN HISTRICA Y FUNDAMENTOS

Y nalmente, la lgica borrosa. Los sistemas de razonamiento basados en lgica


borrosa estn basados en reglas, al igual que los sistemas expertos, pero, a diferencia
de estos, permiten manejar informacin con incertidumbre. La idea bsica es
plantear los problemas en los mismos trminos en los que lo hara un experto
humano. Uno de los ejemplos ms tpicos es el de aparcar un vehculo: nosotros
somos capaces de aparcar sin disponer de informacin precisa, sin embargo, nos
resultara mucho ms complicado hacerlo si pretendiramos medir con precisin
el espacio disponible y, a partir de l, calcular con detalle la trayectoria a seguir.
Dicho con otras palabras: si nosotros somos capaces de razonar con informacin
imprecisa, tambin debera serlo un sistema de control.
Hoy en da, que se encuentra tan de moda la automatizacin de vehculos y que
nos es tan habitual or hablar de los sistemas de asistencia a la conduccin, resulta
curioso comprobar cmo, hace ya 30 aos, se haban propuesto controladores
borrosos basados en sensores de ultrasonidos para implementar algunas de las
maniobras bsicas de un vehculo, tecnologa que no diere mucho de la utilizada
en los actuales sistemas comerciales.
II
Centrmonos pues en el origen de esta tcnica. Hace ya ms de un siglo que
diversos lsofos y matemticos de la poca haban anticipado lo que estaba por
llegar. As, Georg Cantor, en la segunda mitad del siglo XIX, mantena controversias
acerca del signicado matemtico de lo que l llamaba los conjuntos innitos;
Gottlob Frege, a nales del siglo XIX, trataba la exclusin de predicados vagos de
la lgica; Bertrand Russell, en 1923, deca que la vaguedad no estaba en el mundo,
sino en las representaciones que nosotros hacamos de l; y Max Black, en 1937,
trataba el concepto de la vaguedad, aunque de manera estadstica.
Y es aqu cuando ha llegado el momento de dar a conocer la primera fecha importante
en la historia de los controladores borrosos. En 1965, un investigador de origen
azerbaijano pero residente en los Estados Unidos, llamado Lot Asker Zadeh, publica
su archiconocido artculo titulado Fuzzy Sets (traducido al castellano conjuntos
borrosos). En l se sientan las bases de lo que estos conjuntos representan, la lgica
que permite operar con ellos y, en especial, la trascendental regla de composicin
sup-mn, que permite implementar el razonamiento con incertidumbre.

SOLEMNE ENTREGA DE DIPLOMAS ACADMICOS DE GRADO 2016

En contraposicin a la lgica clsica, en la que cualquier enunciado o proposicin


slo puede tomar los valores lgicos verdadero o falso, 1 o 0, la lgica borrosa
es una lgica multivalorada, como pueden ser la lgica de valores nitos o la
lgica probabilstica. La lgica borrosa diere, sin embargo, de la primera en
que toma valores continuos en el intervalo real [0, 1], y de la segunda en que
no maneja grados de probabilidad, sino de posibilidad. Efectivamente, aunque
aparentemente podran parecer similares las funciones de distribucin que
permiten manejar incertidumbre de manera probabilstica y las funciones de
pertenencia que emplea la lgica borrosa, estas ltimas deben considerarse ms
bien funciones de distribucin de posibilidad. Y resulta sencillo de entender
que probabilidad y posibilidad son conceptos diferentes; de hecho, algo que es
probable siempre es posible, pero al revs no necesariamente. Por ejemplo, que
nieve en el mes de agosto en la ciudad de Sevilla no es un hecho probable, aun
siendo posible.
Pero acabemos de entender la diferente manera que tiene la lgica borrosa de
manejar la incertidumbre y, en especial, qu aporta respecto a la lgica clsica.
As, por ejemplo, a la hora de clasicar un nmero entero dentro del conjunto
de los nmeros pares o del de los impares, no existe ninguna incertidumbre,
por lo que el problema se puede abordar perfectamente con lgica clsica. Sin
embargo, a la hora clasicar la estatura de una persona en baja, media o alta,
la existencia de incertidumbre al establecer a cul de los conjuntos anteriores
pertenece se presta a utilizar lgica borrosa, y esto se lleva a cabo mediante las
anteriormente mencionadas funciones de pertenencia.
Cuando el profesor Zadeh present su famoso artculo, fueron muchos los
detractores de su nuevo planteamiento, puesto que chocaba frontalmente con las
ideas que haban sido preestablecidas desde la poca Aristotlica. Y era entendible
porque, cmo se poda defender una lgica en la que la unin del conjunto de las
personas altas con el conjunto de las no altas no resultaba en el total de personas,
y en la que la interseccin del conjunto de las personas altas con el de las no altas
no resultaba en el conjunto vaco?
A pesar de ello, se tard mucho tiempo en reconocer que la lgica clsica, a pesar
de haber dado solucin a numerosos problemas prcticos durante siglos, tena
varias cuentas pendientes por resolver. Entre ellas, quizs la ms conocida sea la
famosa paradoja del barbero, para la que la lgica tradicional no haba encontrado

CONTROL BORROSO: EVOLUCIN HISTRICA Y FUNDAMENTOS

an, ni encontrar nunca, solucin. Esta paradoja puede enunciarse como sigue:
Un barbero afeita a todos pero slo a aquellos hombres que no se afeitan a s
mismos. Quin afeita entonces al barbero?. Meditndolo un poco nos daremos
cuenta de que cualquiera de las dos posibles respuestas, que el barbero se afeite
a s mismo, o que sea afeitado por otra persona, entrar en contradiccin con el
enunciado original.
Una vez superada la inicial reaccin adversa del entorno cientco, muchos
investigadores comienzan a darse cuenta de que se abre ante sus ojos un nuevo
campo de trabajo, con cancha para varias dcadas, consistente en la extensin al
mbito borroso de numerosos teoremas matemticos y algoritmos de control.
III
Y llega as el momento de hacer conuir las dos tcnicas que mencion al
principio: los sistemas de control automtico y el razonamiento basado en lgica
borrosa. Nos encontramos as en condiciones de dar a conocer la segunda fecha
importante en la evolucin del control borroso. En 1974, el britnico Ebrahim H.
Mamdani, presenta la primera aplicacin de la lgica borrosa al control de una
planta de procesos. Se trata de un sistema basado en reglas en el que sus entradas
son el error, la derivada del error y la integral del error de la variable a controlar
(s, las mismas que se utilizan en el control PID) y su salida es, lgicamente, la
accin de control sobre el proceso.
En las reglas del controlador, el error toma valores cualitativos como negativo
grande, negativo pequeo, cero, positivo pequeo o positivo grande;
adems, unas funciones de pertenencia traducen los valores numricos
procedentes del sensor de cuantitativos a cualitativos, mientras que con la variable
de salida se realiza la operacin inversa. Son las transformaciones conocidas como
fuzzication o borrosicacin, y defuzzication o desborrosicacin.
Las aplicaciones no se hacen esperar, y muy especialmente en Japn, demostrando
una mentalidad mucho ms abierta que la occidental. As, estn documentadas
numerosas aplicaciones en el mbito industrial: control de hornos de cemento,
control de procesos de puricacin de agua, conduccin automtica de trenes,
control del trco en cruces, optimizacin global del trco en ciudades, control de
temperatura en sistemas de aire acondicionado, sistemas ABS de frenado, sistemas

SOLEMNE ENTREGA DE DIPLOMAS ACADMICOS DE GRADO 2016

de transmisin automtica en vehculos, control de brazos robotizados, navegacin


de robots mviles, autmatas programables, validacin de sensores en sistemas de
diagnosis, anlisis modal de fallos y efectos en procesos industriales, etctera; y otras
aplicaciones ms del sector servicios como videocmaras, lavadoras, freidoras, hornos
microondas, frigorcos, mquinas de afeitar, cargadores de bateras, y un largo
etctera, todas ellas con la pegatina fuzzy logic adherida en alguno de sus laterales.
Pero estaban por llegar an nuevos avances en la teora de control borroso que
dieran solidez a las aplicaciones que se estaban desarrollando. La tercera fecha
signicativa que nos falta por dar es 1985; en ella, el profesor japons Michio
Sugeno presenta un importante trabajo sobre modelado e identicacin de
sistemas basados en lgica borrosa. Al contrario del planteamiento que haba
hecho aos atrs el profesor Mamdani, que utilizaba la lgica borrosa como
un mecanismo de interpolacin entre estados cualitativos del proceso (positivo
pequeo, positivo grande), el modelo de Takagi-Sugeno propone interpolar
entre aproximaciones lineales de un mismo sistema en torno a diferentes puntos
de funcionamiento, con lo que la analoga con la teora de control de sistemas
lineales se hace evidente. Pero lo importante es que, adems, presenta un mtodo
para la identicacin de los parmetros del modelo borroso as resultante.
A principios de los aos 90, investigadores espaoles de muy variadas universidades
y centros de investigacin, entre los que podramos mencionar, aun sabiendo que
nos olvidaremos de alguno, a Claudi Alsina, Miguel Delgado, Francesc Esteva,
Ricardo Garca, Julio Gutirrez, Ramn Lpez de Mntaras, Claudio Moraga, Enric
Trillas o Lorenzo Valverde (por cierto, dos de nombrados son o han sido profesores
de nuestra Universidad), lideraban el despertar en nuestro pas de esta tcnica,
organizando congresos, escribiendo libros y coordinando esfuerzos a travs de
proyectos de investigacin. Cabe destacar entre estos ltimos el proyecto ORBEX
(Ordenador Borroso Experimental), cuya pretensin era, ni ms ni menos, que el
diseo de un computador que fuera capaz de razonar mediante lgica borrosa.
Haban lanzado en Espaa, sin saberlo, un tren que ya no se podra detener.
En el ao 1991, y tras la celebracin de un histrico congreso celebrado en la
ciudad de Granada, se funda la Asociacin Espaola de Tecnologas y Lgica Fuzzy
(ESTYLF). La asociacin tuvo no pocas dicultades para conseguir ser inscrita en
el registro, debido a no estar recogida en el diccionario de la Real Academia de la
Lengua Espaola la palabra fuzzy, pero nalmente logr superar este obstculo

CONTROL BORROSO: EVOLUCIN HISTRICA Y FUNDAMENTOS

y constituirse. As, trminos como fuzzy, difuso y borroso, comienzan a utilizarse


con alegra en las publicaciones cientcas espaolas de la poca.
Pero llegados a este punto, permitidme una ancdota. A principios de los aos 90,
el suplemento cientco semanal de un conocido diario de tirada nacional publica
un reportaje titulado, con bastante poco acierto, La lgica confusa se inltra en el
metro y hasta en las lavadoras. En l premiaba ms el sensacionalismo que el rigor
cientco, por lo que sospecho que seran las numerosas quejas de investigadores
del momento las que motivaron que la redaccin del diario se viera obligada
a preparar, para la edicin de la semana siguiente, un nuevo artculo, esta vez
mucho ms documentado y con aportaciones ya de expertos en el tema.
Y mientras tanto, a nivel internacional, haban comenzado a prosperar las revistas
especializadas en lgica borrosa y sus aplicaciones, como la conocida Fuzzy Sets
and Systems de Elsevier o la clsica Transactions on Fuzzy Systems de IEEE.
IV
Pero dediquemos un momento a comentar las principales tcnicas de diseo
de controladores borrosos existentes. El hecho es que un controlador borroso
no tiene como parmetros las convencionales ganancias proporcional, integral
y derivativa, sino reglas del tipo: si el error de temperatura es positivo grande,
entonces hay que abrir un poco la vlvula de control. Pues bien, tres son las
tcnicas en las que se pueden condensar las principales formas de abordar este
problema de diseo.
La primera de ellas es sin duda la ms romntica: las reglas de control se obtienen
por entrevista directa con las personas expertas en el proceso, normalmente
operarios de planta o ingenieros de procesos. Pero, aun suponiendo que estos
consigan poner de acuerdo su conocimiento emprico en forma de reglas, qu
ocurre con las funciones de pertenencia? Lo habitual es que el experto no sea
capaz de bajar hasta el detalle cuantitativo que implican las mismas, pero ah
es donde entra en juego la habilidad del ingeniero de conocimiento para
entresacarle al menos rangos de valores caractersticos de las variables afectadas
y transformarlos en conjuntos borrosos o, en su defecto, utilizar alguna tcnica
de particionamiento borroso (ms conocidas en la literatura anglosajona como
fuzzy clustering).

SOLEMNE ENTREGA DE DIPLOMAS ACADMICOS DE GRADO 2016

La segunda resulta algo ms intuitiva y requiere de una menor involucracin del


experto: se trata de disear, si es que no existe ya, un controlador lineal de tipo
PID, para lo cual existe abundante literatura, y a partir de ah el ingeniero de
control construye un controlador borroso con reglas alineadas, de forma que su
comportamiento sea idntico al controlador lineal de partida. En una segunda
fase, se le pide al experto que observe el funcionamiento en lnea del controlador
y sugiera mejoras en su comportamiento. No ser muy complicado traducir
posteriormente estas mejoras en pequeos retoques en las reglas, que resultarn
indirectamente en un controlador no lineal, en nuestro caso borroso. Esta tcnica
se encuentra perfectamente documentada desde principios de los aos 90 y resulta
de muy sencilla implementacin.
La tercera y ltima tcnica que presentaremos reemplaza el conocimiento del
experto por un modelo no lineal del proceso. En primer lugar se construye un
modelo borroso de Takagi-Sugeno linealizando el sistema en varios puntos de
funcionamiento. A continuacin, para cada uno de estos subsistemas lineales, se
disea un controlador lineal mediante tcnicas convencionales. Y nalmente, se
obtiene el controlador borroso como la unin estos controladores lineales.
V
Cumplidos ya 40 aos del primer controlador de Mamdani, cabra preguntarse
qu perspectivas tiene en la actualidad el control borroso, tanto a nivel de avances
tericos como de nuevas aplicaciones industriales. A este respecto, en el ao 2014
tuve la fortuna de coordinar la edicin del libro titulado Fuzzy Modeling and
Control: Theory and Applications, de Springer. Este libro rene, por una parte, las
ltimas novedades a nivel terico en el campo del modelado e identicacin de
sistemas borrosos, donde se comprueba que hoy en da el modelo de Takagi-Sugeno
es el ms utilizado; y por otra, ejemplos de aplicaciones recientes de controladores
borrosos, como amortiguadores semiactivos para la reduccin de vibraciones en
helicpteros y grandes puentes, estabilizacin de barcos en presencia de fuerte
oleaje, sistemas de energa renovable hbrida con almacenamiento de energa de
hidrgeno, control de los pedales de un vehculo en trco urbano, o conduccin
autnoma de vehculos.

CONTROL BORROSO: EVOLUCIN HISTRICA Y FUNDAMENTOS

A nivel de grupos de investigacin, la antigua asociacin espaola ESTYLF que


contaba en sus inicios con apenas un centenar de miembros, se transform con los
aos en EUSFLAT (Asociacin Europea de Tecnologas y Lgica Fuzzy), con cerca
de 900 investigadores asociados; se cre el European Center for Soft Computing,
en Mieres (Gijn), y es difcil encontrar una universidad espaola en la que no
existan varios grupos de investigacin que trabajen en control borroso.
Respecto al profesor Zadeh, ste se ha pasado las ltimas dcadas impartiendo
la conferencia plenaria, ao tras ao, en los congresos internacionales de mayor
prestigio sobre lgica borrosa: FUZZ-IEEE, IPMU, EUSFLAT e IFSA entre otros
muchos. En relacin con l, y acercndome ya al nal de esta disertacin, no
puedo dejar pasar la ocasin de comentar otra ancdota que gura en el libro
de Daniel McNeill titulado: La Lgica Borrosa: El Descubrimiento de una
Revolucionaria Tecnologa de la Computacin y cmo est Cambiando Nuestro
Mundo. En este libro se relata cmo, veintisiete aos despus de haber publicado
su famoso artculo en la revista Information and Control, el propio Zadeh, durante
una conferencia que estaba impartiendo en Tokio, reconoce que unos das antes
se haba encontrado con el entonces editor de la revista, y que ste le haba
conrmado algo que l ya sospechaba: que le haban aceptado el artculo slo
porque en aquel entonces formaba parte del comit editorial de la misma.
Para terminar, confo en que este pequeo resumen que he presentado haya
servido para que, al menos, os hagis una idea sobre en qu consiste el control
borroso y cules son sus campos de aplicacin.
Quiero terminar mis palabras agradeciendo vuestra atencin y recordando la
importancia de lo que representa para todos los aqu presentes este solemne acto
de entrega de diplomas: la culminacin de una etapa fundamental en vuestras
vidas. Aprovecho asimismo para felicitaros a vosotros y a vuestras familias por
el xito que habis conseguido, y os deseo lo mejor tanto en el mbito personal
como en el profesional.
Muchas gracias.

Escuela Tcnica Superior de Ingenieros Industriales


Universidad Politcnica de Madrid
Jos Gutirrez Abascal, 2. 28006 Madrid

www.industriales.upm.es