CASO DE APLICACIN DE LGICA DIFUSA

Aplicacin
Para ilustrar el proceso de rusificacin, veamos lo que sucedera en una virtual situacin de clasificacin de
una empresa del sector agrcola en funcin de su desempeo en produccin limpia, situacin que tendra
como criterios norma: eficiencia hdrica y uso de plaguicidas.

Es decir, podramos seguir el siguiente camino:

1. Definicin del problema:
"Clasificar una empresa agrcola en funcin de su desempeo en produccin limpia".

2.Definicin de un conjunto X = (x1, x2, x3,.........xn) de criterios a considerar. En nuestro caso se define:
x1 = cantidad de agua ocupada en la produccin de tomate (m3/ha)
x2 = cantidad de pesticida ocupado en la produccin de tomate (Ug/1)

3. Asignar un peso o grado de importancia a cada uno de los criterios, el cual puede ser generado a
partir de: estadsticas, panel de expertos. Es decir, se asignar, dentro del universo de discurso, una etiqueta
por criterio. Por ejemplo, para el criterio consumo de agua y pesticidas, se asignaron las siguientes etiquetas:

Grficamente:

El eje U(x) de cada grfica se refiere al grado de membresa para el cual los valores de entrada pertenecen a
la funcin. Se ha construido una "regla" que permite comparar y clasificar segn criterios y pesos definidos.

4. Evaluacin de una empresa agrcola en cada uno de los atributos (auditoria).

5.Clasificacin y evaluacin de la empresa.
En este ejemplo, las etiquetas de las variables consumo de agua y pesticida permiten clasificar la empresa
agrcola desde el punto de vista de la produccin limpia con una eficacia: alta. media o baja:

Segn la matriz, existen 12 potenciales reglas, pero solamente sern ocupadas las reglas que fueron
obtenidas por la empresa agrcola despus de la auditora de eficiencia en produccin limpia, entonces:

En el caso en estudio, solamente:

Los antecedentes poseen un grado de pertenencia, que representan el nivel de veracidad en relacin al
universo de discurso para cada criterio seleccionado, en donde la regla de fuerza asume como resultado el
mnimo valor de los antecedentes, es decir:
Se ha evaluado 4 reglas posibles, ahora se hace necesario comparar las reglas que coinciden en arrojar el
mismo consecuente, es decir, la misma clasificacin de eficiencia, pero de antecedentes con distintos grados
de veracidad. Se puede observar que las reglas 1 y 4 arrojan la misma clasificacin, empresa de alta
eficiencia, en tanto que las reglas 2 y 3 clasifican a la empresa como de eficiencia media, en todos los casos
la clasificacin final es determinada por la regla de mxima fuerza: es decir, si dos o ms reglas sentencian lo
mismo, la regla ms verdadera se impone, entonces:

El mtodo de regla de evaluacin usado es conocido como min-MAX, porque toma el mnimo de los
antecedentes para determinar la fuerza de cada regla y toma la regla ms fuerte para cada consecuente,
siendo esta la salida. Entonces clasificamos nuestra empresa agrcola como de eficiencia media con un 60%
de certidumbre y como de alta eficiencia con un 40% de certeza. Concluyendo, la empresa obtiene el
siguiente gradiente de veracidad para cada una de las etiquetas asignadas en cada caso:

CONCLUSIN
Por medio de la lgica difusa se puede caracterizar una empresa agrcola con diferentes grados de eficiencia
en funcin del manejo de los recursos de que dispone, pero a diferencia de un sistema tradicional de
comparacin con una norma preestablecida, en cuyo caso la clasificacin hubiera sido en funcin de un
parmetro rgido (por ejemplo consumo no mayor a 3.700 m3 de agua es eficiente, en otro caso es
ineficiente), la lgica difusa aporta y enriquece con ms informacin porque realiza la clasificacin y asigna
una ponderacin a sta, pero adems tambin se pueden crear otros escenarios si se siguen tomando hacia
atrs las clasificaciones que precedieron a la de mayor puntuacin: en nuestro ejemplo, la empresa en
cuestin tambin es de eficiencia alta con un grado de verdad 0,25, que es una de las clasificaciones
desplazadas al comparar las mismas salidas para un mismo criterio, pero con distinta ponderacin final, esto
permite tener ms de un escenario al momento de escoger estrategias de optimizacin y bsqueda de
soluciones. Por otra parte, este tipo de abordaje hace posible el "rescate" de la opinin de expertos, como
puede ser un trabajador agrcola, al momento de definir las etiquetas de las funciones de pertenencia;
tambin logra caracterizar dichos criterios en el universo de discusin en cuestin, por ejemplo, la eficiencia
hdrica puede ser ms crtica (mayor peso del criterio en la evaluacin) en la agricultura del norte del pas que
en el sur, es decir, se pueden contemplar particularidades y situaciones singulares que permitan pasar de
informacin cuantitativa a una de tipo cualitativo, logrando as mejores herramientas para la toma de
decisiones. Tambin es pertinente indicar que si bien el presente informe trabaja con una sola empresa
hipottica, es perfectamente extensible a un mayor nmero de ellas, lo cual permitira realizar comparaciones
y clasificarlas; anlogamente podemos decir lo mismo de los criterios ya que el enfoque de la lgica difusa
permite analizar a la diferencia de los sistemas tradicionales de manipulacin de datos numricos, trabajar en
forma ascendente de manera multivariable agregando ms informacin sin por ello perder coherencia,
abarcando as problemas de alta complejidad multivaluada.

Tcnicas como la descrita en este documento cobran relevancia en el sector agrcola debido a su alta
heterogeneidad de modelos de produccin, escenarios siempre cambiantes, dependencia de factores difciles
de modelar por los mtodos tradicionales (clima), gran incertidumbre de eventos y constante evolucin de los
mercados que ejercen presin sobre los modos de produccin.

Esto es de importancia mayor cuando los pases pretenden ser potencias agroalimentarias con una economa
abierta y permeable a los mercados externos que son exigentes y con elevados estndares de calidad e
inocuidad, mxime en el ltimo tiempo en que las variables ambientales llevan a definir criterios
paraarancelarios (por ejemplo, cadena de C02) asociados a esta condicin (dumping ambiental).