Está en la página 1de 17

UNIVERSIDAD NACIONAL DE SAN

AGUSTN
FACULTAD DE PRODUCCION DE BIENES Y
SERVICIOS
ESCUELA PROFESIONAL DE INGENIERIA
INDUSTRIAL

SISTEMAS INTELIGENTES

Lgica Difusa

Docente: Ing. Julio Ramos Q.

Integrantes:
Arizaca Callata, Ana
Quispetupac Larico, Maria
Saico Hancco, Karina
Urday Pfocco, Alonso

2017
Sistemas Inteligentes

LOGICA

DIFUSA
1

Valor Creativo
Sistemas Inteligentes

CONTENIDO
Lgica difusa............................................................................................... 3
Clasificacin de las fuentes de incertidumbre:............................................3
Caracterizacin de la Lgica Difusa...............................................................4
Conceptos bsicos de la Lgica Difusa.........................................................5
En qu situaciones es til aplicar la lgica difusa?.......................................9
Algunas aplicaciones de la lgica difusa.....................................................10
Aplicacin en robtica................................................................................ 11
Teora de conjuntos difusos........................................................................12
Conjuntos clsicos..................................................................................... 12
Conjuntos difusos...................................................................................... 13
Fusificacion............................................................................................... 14
Base de conocimiento................................................................................ 14
Inferencia................................................................................................... 14
Defusificacin............................................................................................ 14
Ventajas y desventajas............................................................................... 15 2

Valor Creativo
LOGICA DIFUSA
LGICA DIFUSA

La Lgica Difusa o Borrosa, a pesar de su corta historia, presenta un crecimiento muy


rpido, ya que es capaz de resolver problemas relacionados con la incertidumbre de la
informacin o del conocimiento, proporcionando un mtodo formal para la expresin
del conocimiento en forma entendible y compresible por los humanos. La Lgica
Difusa es una herramienta moderna y una de sus aplicaciones ms importantes es el
Control de Procesos Industriales. Se sale del tradicional esquema de control de lazo
realimentado y del rgido modo de pensar de los programas de una microcomputadora
para comenzar a emplear variables lingsticas muchas veces consideradas
imprecisas. An cuando parece ser sinnimo de imprecisin, la Lgica Difusa est
basada en una disciplina fuertemente rigurosa que permite describir exactamente un
Sistema de Control sin utilizar complicadas expresiones matemticas.

Recientemente, la cantidad y variedad de aplicaciones de la lgica difusa


han crecido considerablemente. La lgica difusa es una lgica alternativa a la
lgica clsica que pretende introducir un grado de vaguedad en las cosas que
3
evala. En el mundo en que vivimos existe mucho conocimiento ambiguo e
impreciso por naturaleza. El razonamiento humano con frecuencia acta con este
tipo de informacin. La lgica difusa fue diseada precisamente para imitar el
comportamiento del ser humano.

La lgica difusa se inici en 1965 por Lotfi A. Zadeh, profesor de la


Universidad de California en Berkeley. Surgi como una herramienta importante
para el control de sistemas y procesos industriales complejos, as como tambin
para la electrnica de entretenimiento y hogar, sistemas de diagnstico y otros
sistemas expertos.

Va
lor La lgica difusa en comparacin con la lgica convencional permite trabajar
con informacin que no es exacta para poder definir evaluaciones convencionales,
Cr
contrario con la lgica tradicional que permite trabajar con informacin definida y
ea
precisa.
tiv
o
Clasificacin de las fuentes de incertidumbre:

1 Informacin imprecisa

3
Sistemas Inteligentes

Deficiencias de la informacin

Informacin incompleta

Informacin errnea

2 Caractersticas del mundo real

Mundo real no determinista

3 Deficiencias del modelo

Modelo incomplete

Modelo inexacto

CARACTERIZACIN DE LA LGICA DIFUSA


4
El trmino "difuso" procede de la palabra inglesa "fuzz". Este trmino ingls significa
"confuso, borroso, indefinido o desenfocado

La principal motivacin de la teora de conjuntos borrosos [Zadeh, 1965] fue la


construccin de un marco formal que permitiera el tratamiento y la manipulacin de la
incertidumbre presentes en numerosos mbitos del conocimiento humano. La Lgica
Difusa, es una lgica basada en la teora de conjuntos que posibilita imitar el
comportamiento de la lgica humana

La Lgica Difusa es una rama de la inteligencia artificial que se funda en el concepto


Todo es cuestin de grado, lo cual permite manejar informacin vaga o de difcil
especificacin si quisiramos hacer cambiar con esta informacin el funcionamiento o
el estado de un sistema especfico. En cierto nivel, puede ser vista como un lenguaje
que permite trasladar sentencias sofisticadas en lenguaje natural a un lenguaje
matemtico formal. Con la Lgica Difusa, es entonces posible gobernar un sistema por
Valor Creativo

medio de reglas de sentido comn, las cuales se refieren a cantidades indefinidas.


Establecen una frontera gradual entre la no-pertenencia y la pertenencia, y por tanto
conforman una herramienta para el modelado de la imprecisin o la incertidumbre.
El adjetivo difuso aplicado a esta lgica se debe a que en ellas los valores de verdad
no-deterministas utilizados tienen, por lo general, una connotacin de incertidumbre.
LOGICA DIFUSA
Por ejemplo, un vaso medio lleno, independientemente de que tambin est medio
vaco, no est lleno completamente ni est vaco completamente. Qu tan lleno puede
estar, es un elemento de incertidumbre, es decir, de difusidad, entendida esta ltima
como una propiedad de indeterminismo.

La Lgica Difusa ha cobrado fama por la variedad de sus aplicaciones. En general se


aplica tanto a sistemas de control de complejos procesos industriales como para
modelar cualquier sistema continuo de ingeniera, fsica, biologa o economa.

CONCEPTOS BSICOS DE LA LGICA DIFUSA


Un universo es una coleccin de objetos de los que se hablar en una lgica
especfica. Por ejemplo, el universo de los nmeros naturales o el universo de las
edades.

Un conjunto en el universo es, desde un punto de vista intuitivo, una coleccin de


objetos tal que sea posible decidir cundo un objeto del universo est o no en esa
coleccin. Abstrayendo la nocin de conjunto, se puede considerar que un conjunto es
exactamente una funcin del universo en el conjunto de valores 0,1 que asocia
5 precisamente el valor 1 a los objetos que estn en el conjunto y el valor 0 a los que no.

Desde el punto de vista de la teora clsica de conjuntos se establece que los distintos
elementos de un universo pueden pertenecer a un conjunto o no, siempre y cuando
satisfagan o no una determinada propiedad, por ejemplo, el conjunto de los nmeros
pares est formado por los nmeros que son divisibles por dos.

De esta manera, si consideramos el universo de los nmeros naturales positivos U={1,


2, 3, 4, 5,} podramos decir que 3 pertenece al conjunto de los nmeros impares,
mientras que 8 no. Igualmente, 9 pertenece al conjunto de los nmeros mayores que
5, mientras que 3 no .

Va
La pertenencia a un conjunto de diferentes elementos suele representarse
lor
grficamente mediante la denominada funcin de pertenencia o de membresa, como
Cr la que se muestra en la Figura 1.1 para los nmeros mayores que 5. En esta funcin
ea de pertenencia, toman valor 1 aquellos elementos que pertenecen al conjunto,
tiv mientras que toman valor 0 aquellos que no pertenecen .
o

5
Sistemas Inteligentes

Figura 1.1 Representacin grfica de la funcin de pertenencia del conjunto "nmeros


mayores que 5".

Este concepto es suficiente en muchas reas de aplicacin, pero fcilmente se puede


encontrar situaciones donde se necesita ms flexibilidad. La mayora de los
fenmenos que encontramos cada da son imprecisos, es decir, tienen implcito un
cierto grado de difusidad en la descripcin de su naturaleza. Esta imprecisin puede
estar asociada con su forma, posicin, momento, color, textura, o incluso en la
semntica que describe lo que son.

Por ejemplo, para la representacin de la funcin de pertenencia del conjunto 6


caliente, haciendo uso de la teora clsica, como se aprecia en la Figura 1.2,
quedara:

Figura 1.2 Representacin grfica de la funcin de pertenencia del conjunto " caliente".

Sin embargo, realmente no se puede tener una definicin exacta de cundo un valor
de temperatura pasa del conjunto fro a caliente.
Valor Creativo

Aceptamos la imprecisin como una consecuencia natural de la forma de las cosas en


el mundo. Simplemente se aproximan estos eventos a funciones numricas y se
escoge un resultado en lugar de hacer un anlisis del conocimiento emprico.
Consideremos las siguientes sentencias:
LOGICA DIFUSA
La temperatura est caliente

Los grandes proyectos generalmente tardan mucho

IBM es una compaa grande y agresiva

Alejandro es alto pero Ana no es bajita

Este tipo de proposiciones forman parte de nuestras relaciones cotidianas, sin


embargo, son incompatibles con el modelado tradicional de sistemas de informacin.
Si se pudieran incorporar estos conceptos se lograra que los sistemas sean potentes
y se aproximen ms a la realidad .
Los conjuntos clsicos se definen mediante un predicado que da lugar a una clara
divisin del Universo de Discurso X en los valores "Verdadero" y "Falso". Sin embargo,
el razonamiento humano utiliza frecuentemente predicados que no se pueden reducir
a este tipo de divisin: son los denominados predicados difusos.

7 La teora de conjuntos difusos propone la extensin del concepto de pertenencia para


que admita graduacin entre la no-pertenencia y la pertenencia total al conjunto. La
fusificacin es independiente de cualquier capacidad para medir, ya que, un conjunto
difuso, es un conjunto que no tiene lmites bien definidos y es tambin una funcin que
asocia a cada objeto del universo un valor en el intervalo [0,1].

Para el ejemplo del conjunto caliente es imposible dar al conjunto una definicin
clsica, ya que su correspondiente predicado no divide claramente el universo de las
temperaturas en conjuntos fro o caliente. La manera ms apropiada de dar
solucin a este problema es considerar que la pertenencia o no pertenencia de un
elemento x al conjunto, no es absoluta sino gradual, definindose este conjunto como
un Conjunto Difuso .
Va Por tanto, se relajara la separacin estricta entre stos conjuntos, permitiendo la
lor pertenencia Si o NO al conjunto pero suavizando su funcin de pertenencia con frases
Cr del tipo: pertenece un poco menos a o casi pertenece a. Es decir, ya no
ea adoptar valores en el conjunto discreto {0,1} (lgica booleana), sino en el intervalo
tiv cerrado [0,1] como se aprecia en la Figura 1.3.
o
El valor 1 representa que el elemento pertenece ntidamente al conjunto, el valor 0
representa la no pertenencia absoluta al conjunto, y los dems valores indican una
pertenencia parcial al conjunto.

7
Sistemas Inteligentes

Figura 1.3 Representacin grfica de la funcin de pertenencia del conjunto difuso


"caliente.

La funcin de pertenencia se establece de una manera arbitraria, lo cual es uno de los


aspectos ms flexibles de los Conjuntos Difusos. Por ejemplo, se puede convenir que
la temperatura de 900 C pertenece al conjunto con grado 1, la de 500 C con grado
0.4 y la de 200 C con grado 0. Luego, cuanto mayor sea el valor de una temperatura,
mayor es su grado de pertenencia al conjunto caliente.

Estos valores entre 0 y 1 son llamados grados de pertenencia. El grado de pertenencia


de un elemento a un conjunto va a venir determinado por su funcin de pertenencia.
8

As, si se habla del conjunto Joven dentro del universo de las edades, se podra decir
que una persona de 10 aos pertenece a dicho conjunto con grado 1 (pertenece
completamente), una de 35 pertenece con algn grado (por ejemplo, 0.5) y una
persona de 70 aos pertenecera con grado 0 (no pertenece). Esto es apreciable en su
funcin de pertenencia (Figura 1.4) .

Valor Creativo

Figura 1.4 Representacin grfica de la funcin de pertenencia del conjunto difuso


"Joven".

Como se puede apreciar, en los dos ejemplos anteriores, la funcin de pertenencia del
conjunto difuso toma todos los valores reales comprendidos en el intervalo [0,1]. Por
LOGICA DIFUSA
tanto, la funcin que a cada elemento asigna un grado de pertenencia a un cierto
conjunto, se denomina funcin de pertenencia del conjunto difuso.

Tmese nuevamente el universo de la edad. Se haba visto que el Conjunto Difuso


"Joven" representa el grado de pertenencia respecto al parmetro juventud que
tendran los individuos de cada edad. Es decir, el conjunto expresa la posibilidad de
que un individuo sea considerado joven. De igual manera, se puede definir un conjunto
Maduro y uno Viejo(Figura 1.5). Los Conjuntos Difusos de la Figura 1.5 se
superponen, por lo que un individuo podra tener distintos grados de pertenencia en
dos conjuntos al mismo tiempo: "Joven" y "Maduro". Esto indica que posee cualidades
asociadas con ambos conjuntos .

Figura 1.5 Ejemplo de Conjuntos Difusos en el universo de la edad.

Tmese un individuo x cuya edad sea de 20 aos. Como se puede observar en la


figura anterior, pertenece al Conjunto Difuso "Joven" y al Conjunto Difuso "Maduro". Se
puede observar que posee un grado de pertenencia (x) de 0.6 para el Conjunto
Difuso Joven y un grado de 0.4 para el Conjunto Difuso Maduro; tambin posee un
grado de 0 para el conjunto Viejo.

Va De este ejemplo se puede deducir que un elemento puede pertenecer a varios


lor Conjuntos Difusos a la vez aunque con distinto grado. As, el individuo x tiene un grado
Cr de pertenencia mayor al conjunto "Joven " que al conjunto "Maduro"(0.6 > 0.4), pero
ea no se puede decir, tratndose de Conjuntos Difusos, que x es joven o que x es maduro

tiv de manera rotunda .

o
EN QU SITUACIONES ES TIL APLICAR LA LGICA DIFUSA?

9
Sistemas Inteligentes

La lgica difusa se puede aplicar en procesos demasiado complejos, cuando


no existe un modelo de solucin simple o un modelo matemtico preciso. Es til
tambin cuando se necesite usar el conocimiento de un experto que utiliza
conceptos ambiguos o imprecisos. De la misma manera se puede aplicar cuando
ciertas partes de un sistema a controlar son desconocidas y no pueden medirse de
forma confiable y cuando el ajuste de una variable puede producir el desajuste de
otras. No es recomendable utilizar la lgica difusa cuando algn modelo matemtico
ya soluciona eficientemente el problema, cuando los problemas son lineales o
cuando no tienen solucin.

ALGUNAS APLICACIONES DE LA LGICA DIFUSA

Actualmente la lgica difusa tiene un sin nmero de aplicaciones que afectan


nuestra vida cotidiana de alguna u otra manera, pero en ocasiones no nos
percatamos. La lgica difusa se ha desarrollado en diferentes reas y a
continuacin se mencionan algunas:
10

Control de sistemas: Control de trfico, control de vehculos, control de


compuertas en plantas hidroelctricas, centrales trmicas, control de metros
(mejora de su conduccin, precisin en las paradas y ahorro de energa),
ascensores, etc. .
Prediccin de terremotos, optimizacin de horarios
Reconocimiento de patrones y Visin por ordenador: Seguimiento de objetos
con cmara, reconocimiento de escritura manuscrita, reconocimiento de
objetos, compensacin de vibraciones en la cmara, sistemas de enfoque
automtico.
Sistemas de informacin o conocimiento: Bases de datos, sistemas expertos.
Diagnsticos mdicos como el anlisis de los ritmos cardacos o de la
arterioestenosis coronaria.
Fabricacin de electrodomsticos como lavadoras que evalan la carga y
ajustan por s mismas, el detergente necesario, la temperatura del agua y el
tipo de ciclo de lavado; televisores, que automticamente ajustan el contraste,
Valor Creativo

el brillo y las tonalidades de color; tostadoras de pan; controles para la


calefaccin.

Verificadores de ortografa, los cuales sugieren una lista de palabras probables


para reemplazar una palabra mal escrita.
LOGICA DIFUSA
Control de sistemas de trenes subterrneos (mantener los trenes rodando
rpidamente a lo largo de la ruta, frenando y acelerando suavemente,
deslizndose entre las estaciones, parando con precisin sin sacudir
fuertemente a los pasajeros). Aplicado por Hitachi en el metro de Sendai (julio
de 1987).

Control de mquinas de perforacin de tneles.

Control de ascensores (Mitsusbishi-Elec., Hitachi, Fuji Tech) que mejoran la


eficiencia en el procedimiento manual que siempre se presenta cuando
grandes grupos esperan para usar el ascensor al mismo tiempo.

Procesado de imgenes y reconocimiento de caracteres como nmeros de


cheques bancarios utilizando un sensor CCD y un microcontrolador.

Correctores de voz para sugerir un listado de probables palabras para sustituir


a una mal dicha.

11
Reconocimiento de patrones y visin por ordenador (seguimiento de objetos
con cmara, reconocimiento de escritura manuscrita, reconocimiento de
objetos).

Control de cierre de compuertas en presas (Chile).

Control de secaderos de hojas de tabaco (Cuba).

Control de balanceo en puentes gra.

Va
lor
APLICACIN EN ROBTICA
Cr
ea . En el caso de la robtica el sistema est formado por el propio robot y el entorno en
tiv que ste opera. Aunque normalmente se puede obtener el modelo del robot, no ocurre
o lo mismo cuando se considera al robot situado en un entorno no estructurado. Los
entornos estn caracterizados por una fuerte presencia de incertidumbre debida, por
ejemplo, a la existencia de personas que se desplazan, objetos que pueden cambiar
de posicin, nuevos obstculos, etc.
11
Sistemas Inteligentes

Adems, existen numerosos factores que pueden conducir a un sistema de robtica a


un estado errneo durante la ejecucin de una secuencia de tareas: errores
sensoriales, factores debidos al ambiente de trabajo, informacin imprecisa del
proceso, informacin errnea, etc. En este sentido, la Lgica Difusa incorpora al
sistema la capacidad para recuperarse de los posibles errores, presentando as a la
vez robustez en la deteccin y recuperacin de estos estados errneos.

El tratamiento de la borrosidad permite representar de forma aproximada la geometra


del problema, ordenar las distintas alternativas (subtareas) en funcin de la
pertenencia a los estados previos, tratamiento de incertidumbre en las medidas de los
sensores, etc.

Una de las aplicaciones ms extendidas de las tcnicas borrosas es el diseo de


comportamientos. Los comportamientos son tareas como: evitar obstculos fijos,
seguir un contorno, evitar obstculos mviles, cruzar puertas, seguir una trayectoria,
empujar o cargar un objeto, etc. Estas son tareas de muy diferente complejidad. Los
controladores borrosos incorporan conocimiento heurstico en forma de reglas del tipo
si-entonces, y son una alternativa adecuada en el caso de que no se pueda obtener un 12
modelo preciso del sistema a controlar.

TEORA DE CONJUNTOS DIFUSOS

La lgica difusa permite tratar con informacin que no es exacta o con un alto grado de
imprecisin a diferencia de la lgica convencional la cual trabaja con informacin
precisa. El problema principal surge de la poca capacidad de expresin de la lgica
clsica.

CONJUNTOS CLSICOS

Los conjuntos clsicos surgen por la necesidad del ser humano de clasificar objetos y
conceptos. Estos conjuntos pueden definirse como un conjunto bien definido de
elementos o mediante una funcin de pertenencia que toma valores de 0 1 de un
universo en discurso para todos los elementos que pueden o no pertenecer al
Valor Creativo

conjunto. Un conjunto clsico se puede definir con la funcin de pertenencia mostrada


en la ecuacin 3.1.

3.1
LOGICA DIFUSA
CONJUNTOS DIFUSOS

La necesidad de trabajar con conjuntos difusos surge del hecho que existen conceptos
que no tienen lmites claros. Un conjunto difuso se encuentra asociado por un valor
lingstico que est definido por una palabra, etiqueta lingstica o adjetivo. En los
conjuntos difusos la funcin de pertenencia puede tomar valores del intervalo entre 0 y
1, y la transicin del valor entre cero y uno es gradual y no cambia de manera
instantnea como pasa con los conjuntos clsicos [7]. Un conjunto difuso en un
universo en discurso pude definirse como lo muestra la ecuacin 3.2.

3.2

Donde A(x) es la funcin de perteneca de la variable x, y U es el universo en


discurso. Cuando ms cerca este la pertenencia del conjunto A al valor de 1, mayor
ser la pertenencia de la variable x al conjunto A, esto se puede ver en la figura 3.1.
13

Va
lor Figura 3.1: Ejemplo de Conjuntos Difusos .
Cr El controlador difuso
ea
La lgica difusa se aplica principalmente en sistemas de control difuso que utilizan
tiv
expresiones ambiguas para formular reglas que controlen el sistema. Un sistema de
o
control difuso trabaja de manera muy diferente a los sistemas de control
convencionales. Estos usan el conocimiento experto para generar una base de
conocimientos que dar al sistema la capacidad de tomar decisiones sobre ciertas

13
Sistemas Inteligentes

acciones que se presentan en su funcionamiento. Los sistemas de control difuso


permiten describir un conjunto de reglas que utilizara una persona para controlar un
proceso y a partir de estas reglas generar acciones de control. El control difuso puede
aplicarse tanto en sistemas muy sencillos como en sistemas cuyos modelos
matemticos sean muy complejos.

Estructura de un modelo difuso

14

FUSIFICACION
La fusificacin tiene como objetivo convertir valores crisp o valores reales en valores
difusos. En la fusificacin se asignan grados de pertenencia a cada una de las
variables de entrada con relacin a los conjuntos difusos previamente definidos
utilizando las funciones de pertenencia asociadas a los conjuntos difusos
BASE DE CONOCIMIENTO
La base de conocimiento contiene el conocimiento asociado con el dominio de la
aplicacin y los objetivos del control. En esta etapa se deben definir las reglas
lingsticas de control que realizarn la toma de decisiones que decidirn la forma en
la que debe actuar el sistema
INFERENCIA
La inferencia relaciona los conjuntos difusos de entrada y salida para representar las
reglas que definirn el sistema. En la inferencia se utiliza la informacin de la base de
conocimiento para generar reglas mediante el uso de condiciones, por ejemplo: si
caso1 y caso2, entonces accin
Valor Creativo

DEFUSIFICACIN
La defusificacin realiza el proceso de adecuar los valores difusos generados en la
inferencia en valores crisp, que posteriormente se utilizarn en el proceso de control.
En la defusificacin se utilizan mtodos matemticos simples como el mtodo del
Centroide, Mtodo del Promedio Ponderado y Mtodo de Membresa del Medio del
Mximo
LOGICA DIFUSA
En este captulo se describi de forma breve pero concisa el material bsico de la
lgica difusa. Es importante conocer el material de este captulo con la idea de
comprender como debe aplicarse para realizar el sistema de control difuso que se
utilizar en el Robot UDLAP.
VENTAJAS Y DESVENTAJAS

Ventajas:

El control borroso ofrece varios beneficios a los controladores industriales:

Robustez frente a cambios en el sistema.


Tolerancia mayor a las seales ruidosas que otros mtodos tradicionales de
control.
Capacidad de manejar informacin que contiene gran incertidumbre.
No depende de ecuaciones matemticas complejas o extensas.
Sencillez para desarrollar controladores para los distintos comportamientos
(sin utilizar complejos modelos matemticos), gracias al formato de las reglas.
Posibilidad de utilizar los mismos controladores sobre diferentes plataformas
sin realizar muchos cambios, debido a su naturaleza cualitativa.
Posibilidad de evaluar mayor cantidad de variables, entre otras, variables
lingsticas, no numricas, simulando el conocimiento humano.
Relaciona entradas y salidas, sin tener que entender todas las variables,
15
permitiendo que el sistema pueda ser ms confiable y estable que uno con un
sistema de control convencional.
Capacidad de simplificar la asignacin de soluciones previas a problemas sin
resolver.
Posibilidad de obtener prototipos, rpidamente, ya que no requiere conocer
todas las variables acerca del sistema antes de empezar a trabajar, siendo su
desarrollo ms econmico que el de sistemas convencionales, porque son ms
fciles de designar.
Simplifica tambin la adquisicin y representacin del conocimiento y unas
pocas reglas abarcan gran cantidad de complejidades.

Es importante sealar, que los sistemas basados en la Lgica Difusa requieren mayor
simulacin y una excelente depuracin y prueba antes de pasar a ser operacionales.

Va Desventajas
lor
Cr No hay actualmente un anlisis matemtico riguroso que garantice que el uso
ea de un sistema experto difuso, para controlar un sistema, d como resultado un
tiv sistema estable.
o
Es difcil llegar a una funcin de membresa y a una regla confiable sin la
participacin de un experto humano.

15
Sistemas Inteligentes

Dificultad de interpretacin de valores difusos

Mltiples definiciones de operadores y reglas de inferencia difusas

16

Valor Creativo

También podría gustarte