REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL P. POPULAR PARA LA EDUCACIÓN UNIVERSITARIA

INSTITUTO UNIVERSITARIO DE TECNOLOGÍA DEL ESTADO BOLÍVAR
PROGRAMA NACIONAL DE FORMACIÓN EN MANTENIMIENTO

SISTEMA DE INFORMACIÓN EN LA ORGANIZACIÓN, SISTEMAS

EXPERTOS EN INTELIGENCIA ARTIFICIAL Y FUZZY

Profesor: Autores:

Carlos Hernández Parra Agner

CI: 25.679.905

Corredor Gladysmar

CI: 25.963.766

Ciudad Bolívar, Junio del 2018

 INTRODUCCIÓN

La Inteligencia Artificial es una combinación de la ciencia del

computador, fisiología y filosofía, tan general y amplio como eso, es que reúne
varios campos (robótica, sistemas expertos, por ejemplo), todos los cuales
tienen en común la creación de máquinas que pueden "pensar".

La idea de construir una máquina que pueda ejecutar tareas percibidas

como requerimientos de inteligencia humana es un atractivo. Las tareas que
han sido estudiadas desde este punto de vista incluyen juegos, traducción de
idiomas, comprensión de idiomas, diagnóstico de fallas, robótica, suministro
de asesoría experta en diversos temas.
1. SISTEMA DE INFORMACIÓN EN LA ORGANIZACIÓN.

1.1. Definición de sistema de información

Los sistemas de información (SI) son reconocidos como una

herramienta básica para usar y acceder a la información además de facilitar el
proceso de toma de decisiones en las organizaciones.

Los Sistemas de Información generan y gestionan información sobre

componentes relevantes para la organización como: Clientes, empleados,
compras, ventas, etc. Los datos deben ser procesados para generar
información útil mediante tres actividades indispensables:

Entrada: Ingresar al Sistema de Información los datos brutos que se generan

dentro o fuera de la empresa.

Proceso: Convierte el dato de entrada en información mediante

procesamiento interno del sistema.

Salida: Transfiere la información obtenida a los usuarios.

1.2 Componentes básicos de un sistema de información

Según Ponjuán los componentes básicos de un Sistema de Información son:

 Documentos: Cualquier fuente de información, en forma material, capaz

de ser empleada para referencia o estudio como una autoridad.
 Registros: es un conjunto de elementos que en forma colectiva aportan
información acerca del asunto que registran.
 Ficheros o archivos de registros: es un conjunto de registros, casi
siempre con características similares.
  Equipos: el equipamiento es muy variado y depende de la línea
tecnológica que emplea el sistema.
 Elementos de apoyo a los sistemas pueden citarse: manuales de
procedimiento, software específico.
 Procesos: Conjunto de tareas que se relacionan de forma lógica, para
obtener un resultado concreto. Dentro de los SI se desarrollan múltiples
procesos, con sus procedimientos, actividades y tareas
 Personas: Son las que diseñan los sistemas, operan los equipos,
realizan los procesos, y ponen gran parte de las decisiones técnicas y
profesionales que permiten que los sistemas operen con eficacia.

1.3 Tipología en el sector organizacional

En el sector organizacional se han desarrollado diversas tipologías de

sistemas de información. Estas surgen básicamente a partir de las propias
necesidades del sector y de la adecuación a los procesos fundamentales
desarrollados de acuerdo con las particularidades propias de cada
organización. Entre los mismos se tiene los siguientes

1. Sistema de información de marketing (S.I.M): están orientados a

obtener y procesar información sobre mercadotecnia, una organización
necesita tres tipos de información de mercadotecnia: inteligencia de
mercadotecnia (información sobre el entorno), información interna de
mercadotecnia (aquella que se recoge dentro de la organización) y
comunicaciones de mercadotecnia información que fluye desde la
organización hacia el entorno). Esta información básicamente responde
al área estratégica de la organización.
2. Sistemas de Información de Producción (S.I.P): tiene como objetivos
apoyar el sistema de producción físico y proporcionar información
acerca de las operaciones de producción. Esta información responde
específicamente al área productiva de la organización.
 3. Sistema de información financiera (S.I.F): proporcionan a personas y
grupos, tanto dentro como fuera de la organización, información
relacionada con los asuntos financieros de la organización.
4. Sistema de información de recursos humanos (S.I.R.H): permite
recopilar y almacenar información relacionada con los recursos
humanos para transformarla y luego distribuirla a los usuarios de la
organización.
5. Sistemas de dirección para directivos (S.D.D): proporcionan a los
directivos información sobre el desempeño global de la empresa.
Utilizan fuentes de información internas (las salidas de los sistemas de
información funcional) y fuentes del entorno (pues la información
procedente del exterior de la empresa es especialmente importante en
los niveles jerárquicos más altos).

1.4 Importancia de un sistema de información en la organización.

Un sistema de información para la organización es de suma importancia

pues facilita la organización y normalización de la información, con lo cual
permite conocer el estado de los datos, la información sobre mercados y
competidores, estadísticas de proyectos, proveedores y otras informaciones
relevantes para la gestión organizacional y la toma de decisiones.

Debe responder al cumplimiento de su misión y visión, como objetivos

supremos de esta, ya que los sistemas de información interactúan
directamente con el ambiente de la organización, ya que los elementos del
ambiente que incide en el sistema constituyente una entrada y todos los
resultados del sistema hacia su ambiente en una salida. De igual manera la
retroalimentación constituye un elemento clave para el desarrollo y
fortalecimiento de la organización; permitiendo conocer el impacto de los
servicios y productos, que sirvan como salidas en el ambiente y proporcionan
el rediseño del sistema en función de la satisfacción de las necesidades de los
usuarios/ clientes que formaran entradas.

2. SISTEMAS EXPERTOS EN INTELIGENCIA ARTIFICIAL.

2.1 ¿Qué es la inteligencia artificial?

Es una de las ramas de la informática con aplicación en diversas áreas

de conocimiento tales como la medicina, la robótica, la educación, entre otras
en donde además se utilizan sistemas expertos. Se define como la técnica de
software que los programas utilizan para dar solución a algún tipo de problema,
pero tratando de asemejar el comportamiento inteligente que se observa en la
naturaleza; es decir, trata de resolver problemas y tomar decisiones similares
a las que toman los seres humanos al afrontar la vida diaria, realizando
programas de computadora que aumenten la capacidad o “inteligencia“ de las
mismas; el objetivo de las investigaciones de la IA es, aumentar la utilidad de
las máquinas y sus procesos. Además de construir réplicas de la compleja red
neuronal del cerebro humano e intentar imitar el comportamiento del cerebro
humano con una computadora.

2.2 Categorías de la inteligencia artificial

Búsqueda heurística. Podemos definir una heurística como un truco o

estrategia que limita grandiosamente la búsqueda de soluciones ante grandes
espacios de problemas. Por lo tanto, ante un problema, nos ayuda a
seleccionar las bifurcaciones dentro de un árbol con más posibilidades; con
ello se restringe la búsqueda, aunque no siempre se garantiza una solución
adecuada. Todo lo que se debe tener en cuenta para que una heurística sea
adecuada es que nos proporcione soluciones que sean lo suficientemente
buenas. Además, con la utilización de la búsqueda heurística, no será
necesario replantear un problema cada vez que se afronte, ya que si ya ha
sido planteado anteriormente, ésta sugerirá la forma en que se ha de proceder
para resolverlo.

Representación del conocimiento. La representación es una cuestión clave

a la hora de encontrar soluciones adecuadas a los problemas planteados. Si
analizamos más detenidamente el término encontramos varias definiciones:
según Barr y Feigenbaum, la representación del conocimiento es una
combinación de estructuras de datos y procedimientos de interpretación que,
si son utilizados correctamente por un programa, éste podrá exhibir una
conducta inteligente; según Fariñas y Verdejo, la Inteligencia Artificial tiene
como objetivo construir modelos computacionales que al ejecutarse resuelvan
tareas con resultados similares a los obtenidos por una persona, por lo que el
tema central de esta disciplina es el estudio del conocimiento y su manejo; y
según Buchanan y Shortliffe, la Representación del Conocimiento en un
programa de Inteligencia Artificial significa elegir una serie de convenciones
para describir objetos, relaciones, y procesos en el mundo. Gran parte del
esfuerzo realizado en la consecución de ordenadores inteligentes, según
Rahael, ha sido caracterizado por el intento continuo de conseguir más y
mejores estructuras de representación del conocimiento, junto con técnicas
adecuadas para su manipulación, que permitiesen la resolución inteligente de
algunos de los problemas ya planteados. Otra característica importante es la
inclusión en los programas de Inteligencia artificial, aunque por separado, de
los conocimientos y la unidad que controla y dirige la búsqueda de soluciones.
Dada esta disposición, en estos programas la modificación, ampliación y
actualización de los mismos es sencilla.

El razonamiento que puede tener cualquier persona, ha demostrado ser una

de los aspectos más difíciles de modelar "dentro" de un ordenador. El sentido
común a menudo nos ayuda a prever multitud de hechos y fenómenos
corrientes, pero, como ya hemos dicho, es muy complicado representarlos en
un ordenador, dado que los razonamientos son casi siempre inexactos y que
sus conclusiones y reglas en las que se basan solamente son
aproximadamente verdaderas.

Lenguajes, entornos y herramientas de Inteligencia Artificial. En la

Inteligencia Artificial, se han desarrollado diferentes lenguajes específicos para
los diferentes campos de aplicación. Estos lenguajes en su mayoría cuentan
con una serie de características comunes que podemos resumir de la siguiente
forma: Este tipo de software ofrece una gran modularidad. Poseen gran
capacidad de tomar decisiones de programación hasta el último momento, es
decir cuando el programa ya está ejecutándose. Ofrecen grandes facilidades
en el manejo de listas, y esto es importante, ya que las listas son la estructura
más habitual usada para la representación del conocimiento en la Inteligencia
Artificial. Facilitan la realización de ciertos tipos de deducción automática
permitiendo también la creación de una base de hechos (lugar donde se
recogen los datos iniciales del problema a resolver y los resultados intermedios
una vez obtenidos). Permite el uso simultáneo de estructuras que incorporan
conocimiento declarativo y conocimiento procedimental. Tienen una marcada
orientación gráfica. Además, las herramientas de Inteligencia Artificial permiten
hacer un seguimiento de todos los cambios realizados a lo largo de toda la
sesión. Disponen herramientas capaces de desarrollar programas que son
capaces de comprender otros programas y también de realizar modificaciones
sobre ellos.

Stuart Russell y Peter Norvig diferencian estos tipos de la inteligencia artificial:

 Sistemas que piensan como humanos.- Estos sistemas tratan de

emular el pensamiento humano; por ejemplo las redes neuronales
artificiales. La automatización de actividades que vinculamos con
procesos de pensamiento humano, actividades como la toma de
decisiones, resolución de problemas y aprendizaje.
  Sistemas que actúan como humanos.- Estos sistemas tratan de
actuar como humanos; es decir, imitan el comportamiento humano; por
ejemplo la robótica. El estudio de cómo lograr que los computadores
realicen tareas que, por el momento, los humanos hacen mejor.
 Sistemas que piensan racionalmente. Es decir, con lógica
(idealmente), tratan de imitar o emular el pensamiento lógico racional
del ser humano; por ejemplo los sistemas expertos. El estudio de los
cálculos que hacen posible percibir, razonar y actuar.
 Sistemas que actúan racionalmente (idealmente). Tratan de emular
de forma racional el comportamiento humano; por ejemplo los agentes
inteligentes. Está relacionado con conductas inteligentes en artefactos.


2.3 Definición de Sistemas experto en la inteligencia artificial.

Los sistemas expertos utilizados en inteligencia artificial son software

que emula el comportamiento de un experto humano en la solución de un
problema. Los sistemas expertos funcionan de manera que almacenan
conocimientos concretos para un campo determinado y solucionan los
problemas, utilizando esos conocimientos, mediante deducción lógica de
conclusiones. Con ellos se busca una mejora en calidad y rapidez de
respuestas dando así lugar a una mejora de la productividad del experto.

Son SE aquellos programas que se realizan haciendo explicito el

conocimiento en ellos, que tienen información específica de un dominio
concreto y que realizan una tarea relativa a este dominio.

Programas que manipulan conocimiento codificado para resolver

problemas en un dominio especializado en un dominio que generalmente
requiere de experiencia humana.

Programas que contienen tanto conocimiento declarativo (hechos a

cerca de objetos, eventos y/o situaciones) como conocimiento de control
(información acerca de los cursos de una acción), para emular el proceso de
razonamiento de los expertos humanos en un dominio en particular y/o área
de experiencia.

Software que incorpora conocimiento de experto sobre un dominio de

aplicación dado, de manera que es capaz de resolver problemas de relativa
dificultad y apoyar la toma de decisiones inteligentes en base a un proceso de
razonamiento simbólico.

¿Por qué emplear un sistema experto?

Con su ayuda, personas con poca experiencia pueden resolver

problemas que requieren un “conocimiento formal especializado”. Se pueden
obtener conclusiones y resolver problemas de forma más rápida que los
expertos humanos. Estos sistemas razonan, pero en base a un conocimiento
adquirido y no tienen sitio para la subjetividad. Se ha comprobado que tienen
al menos, la misma competencia que un especialista humano.

Su uso es especialmente recomendado en las siguientes situaciones:

• Cuando los expertos humanos en una determinada materia son escasos.

• En situaciones complejas, donde la subjetividad humana puede llevar a

conclusiones erróneas.

2.4 Historia de los sistemas expertos

Sus inicios datan a mediados de los años sesenta. Durante esta década
los investigadores Alan Newell y Herbert Simon desarrollaron un programa
llamado GPS (General Problem Solver; solucionador general de
problemas). Podía trabajar con criptoaritmética, con las torres de Hanoi y con
otros problemas similares. Lo que no podía hacer el GPS era resolver
problemas del mundo real, tales como un diagnóstico médico.
 Algunos investigadores decidieron entonces cambiar por completo el
enfoque del problema restringiendo su ambición a un dominio específico e
intentando simular el razonamiento de un experto humano. En vez de
dedicarse a computarizar la inteligencia general, se centraron en dominios de
conocimiento muy concretos. De esta manera nacieron los SE.

A partir de 1965, un equipo dirigido por Edward Feigenbaum, comenzó

a desarrollar SE utilizando bases de conocimiento definidas
minuciosamente. Dos años más tarde se construye DENDRAL, el cual es
considerado como el primer SE. La ficción de dicho SE era identificar
estructuras químicas moleculares a partir de su análisis espectrográfico.

En la década de los setenta se desarrolló MYCIN para consulta y

diagnóstico de infecciones de la sangre. Este sistema introdujo nuevas
características: utilización de conocimiento impreciso para razonar y
posibilidad de explicar el proceso de razonamiento. Lo más importante es que
funcionaba de manera correcta, dando conclusiones análogas a las que un ser
humano daría tras largos años de experiencia. En MYCIN aparecen
claramente diferenciados motor de inferencia y base de conocimientos. Al
separar esas dos partes, se puede considerar el motor de inferencias
aisladamente. Esto da como resultado un sistema vacío o shell (concha). Así
surgió EMYCIN (MYCIN Esencial) con el que se construyó SACON, utilizado
para estructuras de ingeniería, PUFF para estudiar la función pulmonar y
GUIDON para elegir tratamientos terapéuticos.

En esa época se desarrollaron también: HERSAY, que intentaba

identificar la palabra hablada, y PROSPECTOR, utilizado para hallar
yacimientos de minerales.

De este último derivó el shell KAS (Knowledge Adquisition System).

 En la década de los ochenta se ponen de moda los SE, numerosas
empresas de alta tecnología investigan en este área de la inteligencia artificial,
desarrollando SE para su comercialización. Se llega a la conclusión de que el
éxito de un SE depende casi exclusivamente de la calidad de su base de
conocimiento. El inconveniente es que codificar la pericia de un experto
humano puede resultar difícil, largo y laborioso.

Un ejemplo de SE moderno es CASHVALUE, que evalúa proyectos de

inversión y VATIA, que asesora acerca del impuesto sobre el valor añadido o
IVA.

2.4 Componentes de un sistema experto.

La Base de conocimiento nos halla la base datos y estas están

compuestas por lenguajes de predicado, esta es uno de los componentes que
contiene el conocimiento del experto o también llamado base de datos, su
función es almacenar experiencias, conocimientos, etc. de una determinada
área.

Existen dos tipos de base de conocimiento:

El procedural:

 Se usa en los lenguajes. estructurados como son Pascal, C, Visual

Basic etc.

El declarativo:

 Está basado en hechos que vienen a ser acciones que se dan dentro
del problema que utilizan los lenguajes Prolog y Lisp.

El Motor de Inferencia:
  Su función es administrar , como, cuando, y las reglas
de producción que se aplicaran para la solución de un determinado
problema
 Dirige y controla la implementación del conocimiento, además permite
decidir qué tipo de técnicas se usaran durante el diseño del sistema
experto.

La Interface:

 Parte que permite la comunicación con el usuario, en forma

bidireccional (ambos lados). Mediante al Interface el Motor de
Inferencia reconoce la pregunta y saca datos de la Base de
Conocimiento y mediante la Interface responde la pregunta.

2.5 Aplicaciones de los Sistemas Expertos.

Sus principales aplicaciones se dan en las gestiones empresariales

debido a que:

A. Casi todas las empresas disponen de un ordenador que realiza

las funciones básicas de tratamiento de
la información: contabilidad general, decisiones
financieras, gestión de la tesorería, planificación, etc.
B. Este trabajo implica manejar grandes volúmenes de información y
realizar operaciones numéricas para después tomar decisiones. Esto
crea un terreno ideal para la implantación de los SE.

Además los SE también se aplican en la contabilidad en apartados como:

Auditoria(es el campo en el que más aplicaciones de SE se está realizando)
Fiscalidad, planificación, análisis financiero y la contabilidad financiera.
2.6 Áreas de aplicación

Los SE se aplican a una gran diversidad de campos y/o áreas. A

continuación se listan algunas de las principales:

Militar Informática Telecomunicaciones

Química Derecho Aeronáutica

Geología Arqueología Agricultura

Electrónica Transporte Educación

Medicina Industria Finanzas y Gestión

2.7 Ventajas de los sistemas expertos

Estos programas proporcionan la capacidad de trabajar con grandes

cantidades de información, que son uno de los grandes problemas que
enfrenta el analista humano que puede afectar negativamente a la toma de
decisiones pues el analista humano puede depurar datos que no considere
relevantes, mientras un SE debido a su gran velocidad de proceso analiza toda
la información incluyendo las no útiles para de esta manera aportar una
decisión más sólida.

2.8 Limitaciones de los sistemas expertos.

Es evidente que para actualizar se necesita de reprogramación de estos

(tal vez este sea una de sus limitaciones más acentuadas) otra de sus
limitaciones puede ser el elevado costo en dinero y tiempo, además que estos
programas son poco flexibles a cambios y de difícil acceso a información no
estructurada.
 Debido a la escasez de expertos humanos en determinadas áreas, los
SE pueden almacenar su conocimiento para cuando sea
necesario poder aplicarlo. Así mismo los SE pueden ser utilizados por
personas no especializadas para resolver problemas. Además si una persona
utiliza con frecuencia un SE aprenderá de él.

Por otra parte la inteligencia artificial no ha podido desarrollar sistemas

que sean capaces de resolver problemas de manera general, de aplicar el
sentido común para resolver situaciones complejas ni de controlar situaciones
ambiguas.

El futuro de los SE da vueltas por la cabeza de cada persona, siempre

que el campo elegido tenga la necesidad y/o presencia de un experto para la
obtención de cualquier tipo de beneficio.

2.9 Desarrollo de los Sistemas Expertos

2.9.1 El Equipo de desarrollo

Las personas que componen un grupo o un equipo, como en todos los

ámbitos deben cumplir unas características y cada uno de ellos dentro del
equipo desarrolla un papel distinto.

A continuación detallaremos cada componente del equipo dentro del desarrollo

y cuál es la función de cada uno:

1. El experto

La función del experto es la de poner sus conocimientos especializados a

disposición del Sistema Experto.

2. El ingeniero del conocimiento

 El ingeniero que plantea las preguntas al experto, estructura sus
conocimientos y los implementa en la base de conocimientos.

3. El usuario

El usuario aporta sus deseos y sus ideas, determinado especialmente el

escenario en el que debe aplicarse el Sistema Experto.

Esquema de representación en el que figura el equipo de desarrollo:

En el desarrollo del Sistema Experto, el ingeniero del conocimiento y el

experto trabajan muy unidos. El primer paso consiste en elaborar los
problemas que deben ser resueltos por el sistema. Precisamente en la primera
fase de un proyecto es de vital importancia determinar correctamente el ámbito
estrechamente delimitado de trabajo. Aquí se incluye ya el usuario posterior, o
un representante del grupo de usuarios. Para la aceptación, y en consecuencia
para el éxito, es de vital y suma importancia tener en cuenta los deseos y las
ideas del usuario.

2.9 Lenguajes de programación de sistemas expertos

Son programas que se han diseñado principalmente para emular un

comportamiento inteligente. Incluyen algoritmos de juego tales como el
ajedrez, programas de comprensión del lenguaje natural, visión por
computadora, robótica y "sistemas de expertos". Responde a una interfaz
ensamblador, el segundo a interfaz compilador y el último a interfaz interprete.

Un Lenguaje de Programación se basa en reglas de acción

(silogismos), y el análisis de posibilidades dándonos una ayuda muy útil en
todas las ramas de la acción humana. Es así como los Sistemas Expertos
desarrollan una Función muy importante "Realizar tareas genéricas: es decir
para la monitorización y el diagnóstico, además de los trabajos de simulación
de la realidad (Realidad Virtual en la actualidad).

Algunos lenguajes son lenguajes principalmente interpretados, como

APL, PROLOG y LISP.

APL (A Programing Language). Diseñado para tablas, vectores y

matrices; utiliza símbolos especiales, distintos que el ASCII.

El nombre LISP es la abreviatura de List-Processing, ya que el LISP fue

desarrollado para el procesamiento de listas. La lista es la estructura más
importante de LISP. El lenguaje LISP fue diseñado ya a finales de los años 50
por McCarthy. A lo largo de los últimos años se han desarrollado muchos
dialectos, por ejemplo MACLISP, COMMONLISP, INTERLISP, ZETALISP,
donde el COMMONLISP se está imponiendo cada vez más como estándar.
3. FUZZY (lógica difusa)

3.1 Definición de FUZZY o lógica difusa.

Lógica Difusa

La lógica difusa o lógica heurística se basa en lo relativo de lo

observado como posición diferencial. Este tipo de lógica toma dos
valores aleatorios, pero contextualizados y referidos entre sí. Así, por ejemplo,
una persona que mida 2 metros es claramente una persona alta, si
previamente se ha tomado el valor de persona baja y se ha establecido en 1
metro. Ambos valores están contextualizados a personas y referidos a una
medida métrica lineal.

3.2 Funcionamiento de la lógica difusa.

La lógica difusa se adapta mejor al mundo real en el que vivimos, e
incluso puede comprender y funcionar con nuestras expresiones, del tipo
"hace mucho calor", "no es muy alto", "el ritmo del corazón está un poco
acelerado", etc.
La clave de esta adaptación al lenguaje, se basa en comprender
los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho",
"muy" y "un poco").
En la teoría de conjuntos difusos se definen también las operaciones
de unión, intersección, diferencia, negación o complemento, y otras
operaciones sobre conjuntos (ver también subconjunto difuso), en los que se
basa esta lógica.

3.3 Aplicaciones generales.

 La lógica difusa se utiliza cuando la complejidad del proceso en cuestión
es muy alta y no existen modelos matemáticos precisos, para procesos
altamente no lineales y cuando se envuelven definiciones y conocimiento no
estrictamente definido (impreciso o subjetivo).
En cambio, no es una buena idea usarla cuando algún modelo
matemático ya soluciona eficientemente el problema, cuando los problemas
son lineales o cuando no tienen solución.
Esta técnica se ha empleado con bastante éxito en la industria,
principalmente en Japón, extendiéndose sus aplicaciones a multitud de
campos. La primera vez que se usó de forma importante fue en el metro
japonés, con excelentes resultados. Posteriormente se generalizó según la
teoría de la incertidumbre desarrollada por el matemático y economista
español Jaume Gil Aluja.

A continuación se citan algunos ejemplos de su aplicación:

 Sistemas de control de acondicionadores de aire.

 Sistemas de foco automático en cámaras fotográficas
 Electrodomésticos familiares (frigoríficos, lavadoras...)
 Optimización de sistemas de control industriales.
 Sistemas de escritura.
 Mejora en la eficiencia del uso de combustible en motores.
 Sistemas expertos del conocimiento (simular el comportamiento de un
experto humano).
 Tecnología informática.
 Bases de datos difusas: Almacenar y consultar información imprecisa.
Para este punto, por ejemplo, existe el lenguaje FSQL. y, en general,
en la gran mayoría de los sistemas de control que no dependen de un
Sí/No.
3.4 La lógica difusa en inteligencia artificial

La lógica difusa es una rama de la inteligencia artificial que le permite a

una computadora analizar información del mundo real en una escala entre lo
falso y lo verdadero, manipula conceptos vagos, como "caliente" o "húmedo",
y permite a los ingenieros construir dispositivos que juzgan la información difícil
de definir.

En Inteligencia artificial, la lógica difusa, o lógica borrosa se utiliza para

la resolución de una variedad de problemas, principalmente los relacionados
con control de procesos industriales complejos y sistemas de decisión en
general, la resolución y la compresión de datos. Los sistemas de lógica difusa
están también muy extendidos en la tecnología cotidiana, por ejemplo en
cámaras digitales, sistemas de aire acondicionado, lavar ropas, etc. Los
sistemas basados en lógica difusa imitan la forma en que toman decisiones
los humanos, con la ventaja de ser mucho más rápidos. Estos sistemas son
generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de
entrada. Algunos lenguajes de programación lógica que han incorporado la
lógica difusa serían por ejemplo las diversas implementaciones de Fuzzy
PROLOG o el lenguaje Fril.

Consiste en la aplicación de la lógica difusa con la intención de imitar el

razonamiento humano en la programación de computadoras. Con la lógica
convencional, las computadoras pueden manipular valores estrictamente
duales, como verdadero/falso, sí/no o ligado/desligado. En la lógica difusa, se
usan modelos matemáticos para representar nociones subjetivas, como
caliente/tibio/frío, para valores concretos que puedan ser manipuladas por los
ordenadores.
 En este paradigma, también tiene un especial valor la variable del
tiempo, ya que los sistemas de control pueden necesitar retroalimentarse en
un espacio concreto de tiempo, pueden necesitarse datos anteriores para
hacer una evaluación media de la situación en un período anterior.

3.5 Ventajas e inconvenientes de la logia difusa

Como principal ventaja, cabe destacar los excelentes resultados que

brinda un sistema de control basado en lógica difusa: ofrece salidas de una
forma veloz y precisa, disminuyendo así las transiciones de estados
fundamentales en el entorno físico que controle. Por ejemplo, si el aire
acondicionado se encendiese al llegar a la temperatura de 30º, y la
temperatura actual oscilase entre los 29º-30º, nuestro sistema de aire
acondicionado estaría encendiéndose y apagándose continuamente, con el
gasto energético que ello conllevaría. Si estuviese regulado por lógica difusa,
esos 30º no serían ningún umbral, y el sistema de control aprendería a
mantener una temperatura estable sin continuos apagados y encendidos.

También está la indecisión de decantarse bien por los expertos o bien

por la tecnología (principalmente mediante redes neuronales) para reforzar las
reglas heurísticas iniciales de cualquier sistema de control basado en este tipo
de lógica.
3.6 Ejemplos de la lógica difusa.

Ejemplo 1.

Predicados vagos son: rico, feliz, joven, grande, alto... A partir de ellos
formulamos enunciados borrosos:

 Juan es alto y no es muy joven.

 Mi casa es grande.
 El vecino es feliz porque le ha tocado la lotería.

Ante esto, se necesita una nueva herramienta para poder realizar

cálculos matemáticos y surge el concepto de conjuntos difusos o borrosos, es
decir, conjuntos que no tienen bien definida su frontera frente a los conjuntos
clásicos, usados en la Lógica Clásica, en los que la frontera está definida
nítidamente.

Ejemplo 2.

Estudiamos el conjunto de los números reales entre 0 y 1. Dado el

intervalo [0,1] y el predicado "más grande que 0.5", vemos que es un predicado
nítido ya que lo verifican los números del subconjunto (1/2,1] y no lo verifican
los del subconjunto [0,1/2]. Con este predicado se puede observar que se
realiza una partición del conjunto inicial [0,1]. Una de las partes satisface la
propiedad dada en el predicado y la otra parte contiene los que no satisfacen
la propiedad.
Sin embargo, en el intervalo [0,1], el predicado "grande" no realiza una
partición del conjunto anterior, ya que no queda claro qué es grande y qué no.
Por ejemplo, si establecemos que los números grandes son los pertenecientes
al intervalo [0.75,1], y preguntáramos, ¿es el 0.7499 un número grande?

La respuesta desde el punto de vista de la Lógica Clásica sería que no lo es,

puesto que no está dentro del intervalo que hemos propuesto, y esto sería
totalmente válido.
Pero, si lo consideramos bajo nuestro sentido común, o desde el punto de vista
de la Lógica Borrosa, diríamos que 0.7499 es un número grande ya que está
muy próximo al valor de 0.75.

Un conjunto borroso es aquél al que los elementos no tienen por qué

pertenecer o no pertenecer, sino que pertenecen con un cierto grado. Para
poder trabajar con los conjuntos borrosos, usamos los grados de pertenencia
que los elementos tienen a dicho conjunto borroso.

Los grados de pertenencia tienen valores reales definidos en [0,1], es decir, si

el grado de pertenencia es 0, el elemento no pertenece al conjunto que
estamos estudiando, si el grado de pertenencia es 1, el elemento pertenece al
conjunto de estudio; y los valores intermedios (0.33, 0.5, 0.75, ..) tendrán su
propia representación dependiendo del problema que estemos estudiando en
cada caso.
Ejemplo 3.

Una persona que mide 2 metros es una persona alta (es alta con grado 1) y
una persona que mide 1 metro no es una persona alta (es alta con grado 0).
Si tenemos una persona que mide 1.80 metros, podemos decir que es alta (es
alta con grado 0.75). Como 0.75 es un valor próximo a 1 podemos decir que
esta persona es bastante alta.

Si en este ejemplo solamente dispusiéramos de la Lógica Clásica una persona

que mida 2 metros sería alta pero si midiese 1.99 metros claramente no,
aunque la diferencia entre 2 y 1.99 metros sea mínima.

La Lógica Borrosa nos permite dar valores intermedios dentro del límite de
verdad y falsedad, ya que hay enunciados cuyo valor de verdad depende del
contexto. Por esto, tenemos que tener cuidado al definir el dominio en el cual
estamos en cada caso.

Ejemplo 4.

Si estamos hablando de los jugadores de un equipo de baloncesto, un jugador

que mide 1.80 metros se considera que no es tan alto, mientras que si nos
fijamos en los alumnos que hay en una clase, podemos afirmar que los
alumnos que miden 1.80 metros sí son altos.

Este tipo de lógica intenta construir modelos que reflejan el razonamiento

humano, ya que éste no puede tomar sólo dos valores de certeza como en el
caso de la Lógica Clásica que sólo posee dos valores, 0 y 1, ó verdadero y
falso.
 CONCLUSIÓN

Los Sistemas de Información, se enfatizan en las urgentes necesidades

de entender los diferentes SI en las diferentes organizaciones como
instrumento que permita responder de manera ágil y efectiva en los diferentes
entornos turbulentos. Para ello, resulta conveniente plantear las relaciones de
cambios en las estructuras organizacionales pertinentes, con el fin de crear
una cultura informacional.

Las consideraciones fundamentales destacan que, se requiere una

clara concepción del valor de los SI en los diferentes niveles de las empresas,
pues sólo es bajo estas ópticas que la firman pudiendo dirigir sus estrategias
de los sistemas, sobreviviendo en el contexto de las diferentes demandas a
nivel competitividad de las diferentes empresas en la actualidad que brindan
sus servicios.
 REFERENCIAS BIBLIOGRÁFICAS

Cohen, D., (1998). Sistemas de Información para la toma de decisiones. 2ª.

Edición. Ed. Mc Graw Hill.

Cursack, M., & Camussi, E. (2005). Importancia de los Sistemas de

Información para la toma de decisiones. Tesis. Facultad de Ciencias
Económicas, Universidad Nacional del Litoral. Santa Fe, Argentina

Laudon, K. C. & Laudon, J. P., (2012). Sistemas de información gerencial. 12ª.

Edición. Ed. Pearson. 557 pág

Andreu, R, & Ricart. (1996). Estrategias y sistemas de información. 2 ed. MC

Graw-Hill.

Ponjuan, & Gloria. (2004). Sistemas de Información: principios y aplicaciones.

La Habana.