Dise

1
Diseñando Bases de Datos Difusas

• Doctora Angélica Urrutia Sepúlveda
• Universidad Católica del Maule
• Talca Chile

2
INDICE

• Introducción
• Estado del Arte
• Propuesta del modelo FuzzyEER
• Validación de modelo FuzzyEER
• Herramienta FuzzyCASE
• Conclusiones
• Líneas futuras

3
Introducción

• Las Bases de Datos Relacionales (BDR) gestionan
  datos precisos o clásicos. Ejemplo Edad 30
  años.
• Las Bases de Datos Relacionales Difusas (BDRD)
  gestionan además, datos imprecisos o difusos.
  Ejemplo Persona joven.

4
Introducción

• Existe información incompleta, imprecisa, vaga,
  ... (Motro, 1995).
• Existe restricción en la lógica clásica al ser
  bivaluada. La cual se extiende con la lógica
  difusa (Zadeh , 1965).

5
Introducción

• Metodología de diseño de bases de datos

Urrutia (2003)
Diseño Conceptual FuzzyEER
Medina (1994)
Diseño Lógico Grefed
Galindo (1999)
Implementación FSQL
6
Introducción FuzzyEER

• Selección de las notaciones a extender en ER/ERR

• Selección de los conceptos de la teoría de
  conjuntos difusos a partir del FSQL

• Se construye el modelo FuzzyEER

• Se valida con usuarios FuzzzEER y FuzzyCASE

• Se construye la herramienta FuzzyCASE

7
INDICE

• Introducción
• Estado del Arte
• Propuesta del modelo FuzzyEER
• Validación de modelo FuzzyEER
• Herramienta FuzzyCASE
• Conclusiones
• Líneas futuras

8
Estado del Arte Grado de Pertenencia
?A (u) se denomina grado de pertenencia del
elemento u al conjunto difuso A.
?A (u) 0, indica que u no pertenece en
absoluto al conjunto difuso A.
?A (u) 1, indica que u pertenece totalmente al
conjunto difuso A.
9
Estado del Arte Grado de Similitud
?A (u,v) se denomina grado de similitud de los
elementos u,v en conjunto difuso A.
?A (u,v) 0, indica que u,v son totalmente
diferentes.
?A (u,v) 1, indica que u,v son totalmente
parecidos .
10
Estado del Arte Conjunto Difuso
Etiqueta Lingüística Los datos expresados de
esta forma hacen referencia a un conjunto
impreciso, que lleva asociado una distribución de
posibilidad en representación trapezoidal
11
Estado del Arte Bases de datos difusas

• Medina (1994)
• GREFED modelo de bases de datos difusas
  generalizado
• Umano-Fukami (referencia ordenado)
• Prade Testemale (referencial no ordenado)
• FIRST

12
Estado del Arte Bases de datos difusas
Medina (1994) y Galindo (1999)

• Valores Tipo 1, Tipo 2
• y Tipo 3
• Grado en cada valor
• Grado en toda la instancia
• Grado de un conjunto de valores

• Grado de cumplimiento
• Grado de incertidumbre
• Grado de posibilidad
• Grado de importancia

13
Estado del Arte Modelo conceptual difuso

• Modelo de Yasici y Merdan (1996)

14
Estado del Arte Chen (1998)

• Modelo de
• Chen (1998)

15
Estado del Arte

• Modelo de
• Ma et al. (2001)

16
INDICE

• Introducción
• Estado del Arte
• Propuesta del modelo FuzzyEER
• Validación de modelo FuzzyEER
• Herramienta FuzzyCASE
• Conclusiones
• Líneas futuras

17
Propuesta del Modelo FuzzyEER

• Extensión del modelo conceptual ER/EER
• De Miguel et al. (1999) y Elmasri y Navathe
  (2001)
• Incorporación de Tipos de Atributos difusos,
  grados en cada valor de atributos, grado de un
  conjunto de valores, cuantificadores difusos en
  restricciones...
• Medina (1994) y Galindo (1999)

18
Propuesta del Modelo FuzzyEER

• Atributo difuso
• Atributos difusos simple, compuesto, derivado,
  múltivaluado y compuestos
• Grado difuso asociado a un atributo
• Grado asociado a los valores de diversos
  atributos
• Tipo de entidad difusa
• Entidad débil difusa
• Interrelación difusa
• Restricción de participación difusa
• Restricción de tipo de correspondencia
• Restricción usando la notación (min, max) difusa
• Restricción de completitud difusa

• Restricción de cardinalidad difusa con notación
  (min,max) en una especialización solapada
• Especialización disjunta difusa
• Especialización solapada difusa
• Tipos de atributos difusos en especializaciones
• Agregación difusa
• Grado difuso en las especializaciones difusas
• Restricción de participación difusa en una o más
  superclases
• Restricción de completitud difusa en una
  categoría de un tipo de unión
• Una restricción de participación difusa en una o
  más superclases
• Restricción de completitud difusa en una subclase
  compartida

19
Estado del Arte Bases de datos difusas

• Datos precisos
• Datos imprecisos
• Sobre un referencial ordenado
• Distribución de posibilidad
• Etiquetas lingüísticas
• Intervalos de posibilidad

Sobre un referencial no ordenado Escalares
simples Distribución de posibilidad sobre
escalares UNKNOW UNDEFINED NULL
20
Propuesta del Modelo FuzzyEER
Datos Precisos
Clásicos
Datos Imprecisos
Tipo 1 (T1) Crisp
Tipo 2 (T2) ?A (u)
Tipo 3 (T3) ?A (u,v)
21
Propuesta del Modelo FuzzyEER

• Atributos Difusos Tipo 1, Tipo 2, Tipo 3 y Tipo 4

• Atributos Difusos Simple, Compuesto, Derivado

22
Propuesta del Modelo FuzzyEER

• Atributos difusos Tipo 1, Tipo2, tipo 3 y Tipo 4

• Atributos difusos simples, compuesto, derivado

23
Propuesta del Modelo FuzzyEER

• Tipos de grados difusos en atributos clásicos y
  atributos difusos

G0 Grado de pertenencia G1 Grado de
Complimiento G2 Grado de incertidumbre G3 Grado
de Posibilidada G4 Grado de importancia
24
Propuesta del Modelo FuzzyEER

• Entidad difusa

• Interrelación difusa

25
Propuesta del Modelo FuzzyEER

• Cuantificadores difusos
• Si Q es absoluto, el valor ? es el número de
  elementos que cumplen cierta condición.
• Si Q es relativo, ? es la división del número de
  elementos que cumplen cierta condición entre el
  número total de elementos existentes.

26
Propuesta del Modelo FuzzyEER
Cuantificadores difusos  (a elementos que
cumplen la condición y b elementos existentes)
 a si Q Qabs ?


a/b si Q Qrel
27
Propuesta del Modelo FuzzyEER

• Retricción de participación difusa

• Retricción de razon de cardinalidad con notación
  (min,max)

28
Propuesta del Modelo FuzzyEER

• Especializaciones de completitud difusa, con
  notación (min,max)

29
Propuesta del Modelo FuzzyEER

• Especializaciones disjunta o solapada difusa

• Especialización solapada

30
Propuesta del Modelo FuzzyEER

• Categorías difusas

• Subclases Compartidas difusas

31
Propuesta del Modelo FuzzyEER

• Especializaciones por atributo difuso

32
Propuesta del Modelo FuzzyEER

• Grados en la agregación de entidades
• Grados de agregación en los atributos de una
  entidad

33
Propuesta del Modelo FuzzyEER

• Grados en la especialización

34
Propuesta del Modelo FuzzyEER

• Otras propuestas

35
Propuesta del Modelo FuzzyEER

• Comparación de FuzzyEER con otros modelos difusos

36
Propuesta del Modelo FuzzyEER

• Comparación de atributos difusos

37
Propuesta del Modelo FuzzyEER

• Resumen

Modelo FuzzyEER
8 Tipos de Atributos Difusos
Otras
5 Grados Difusos
Restricciones Difusas
18 Notaciones
21 Definiciones
Herramienta FuzzyCASE
38
INDICE

• Introducción
• Estado del Arte
• Propuesta del modelo FuzzyEER
• Validación de modelo FuzzyEER
• Herramienta FuzzyCASE
• Conclusiones
• Líneas futuras

39
Validación del Modelo FuzzyEER

• Agencia Inmobiliaria
• (Granada, España)
• Control de la calidad del papel
• (Talca, Chile)

40
Validación del Modelo FuzzyEER

• Modelo ER/EER de Agencia Inmobiliaria

41
Validación del Modelo FuzzyEER

• Modelo FuzzyEER de Agencia Inmobiliaria

42
Propuesta del Modelo FuzzyEER
T3 Estado T2 Antiguedad
43
Validación del Modelo FuzzyEER

• Modelo ER/EER del Control de Calidad del Papel

44
Validación del Modelo FuzzyEER

• Modelo FuzzyEER del Control de Calidad del Papel

45
Ejemplo Grados Difusos

• Grado de un conjunto de valores
• Empleado DNI, oficio, experiencia, habilidad

grado de experiencia
46
Ejemplo Grados Difusos
Ejemplo de una entidad empleado. Se define un
atributo correspondiente al total de horas
trabajadas que asignaría cierto grado de
pertenencia a la entidad para cada empleado es
Q(x) min (1, nhoras trabajadas/ nmínimo de
horas para la pertenencia total)
47
Ejemplos Grados Difusos
48
Validación del Modelo FuzzyEER

• Importancia de contar con una notación de Tipo de
  atributo difuso en la especialización
• Importancia de definir de atributos T1
• Importancia de definir atributos T2, T3 y T4
  siendo de gran utilidad para los usuarios.
• Identificar y modelar cuantificadores difusos,
  restricciones, especializaciones, categorías,...
• La posibilidad de representar información que con
  un modelo EER no es posible.

49
INDICE

• Introducción
• Estado del Arte
• Propuesta del modelo FuzzyEER
• Validación de modelo FuzzyEER
• Herramienta FuzzyCASE
• Conclusiones
• Líneas futuras

50
Herramienta FuzzyCASE

• Construida en Visual Basic para window

51
Herramienta FuzzyCASE

• Uso de la herramienta FuzzyCASE

52
Herramienta FuzzyCASE

• Opción interrelación en FuzzyCASE

53
Herramienta FuzzyCASE

• Opción especialización por tipo de atributo
  difuso en FuzzyCASE

54
Herramienta FuzzyCASE

• La herramienta FuzzyCASE fue utilizada en un
  curso de Modelos de datos difusos del programa
  de Magister en La Paz Bolivia, Santiago de
  Chile, Arequipa Peru...

55
INDICE

• Introducción
• Estado del Arte
• Propuesta del modelo FuzzyEER
• Validación de modelo FuzzyEER
• Herramienta FuzzyCASE
• Conclusiones
• Líneas futuras

56
Conclusiones I

• Con respecto a las tecnologías de bases de datos
• La teoría de conjuntos difusos permite tratar la
  incertidumbre en las bases de datos.
• Ninguno de los modelos estudiados ofrece todas
  las componentes al un diseño de bases de datos en
  forma integrada.

57
Conclusiones II

• Con respecto a modelos conceptuales para bases
  de datos
• Existen en la actualidad algunos modelos de datos
  que tratan grados y algunos tipos de datos
  imprecisos.
• Ninguno ofrece todas las componentes al modelo de
  una forma integrada como lo hace FuzzyEER.

58
Conclusiones III

• Con respecto a la extensión del modelado de
  incertidumbre
• Se puede incorporar diferentes tipos de atributos
  difusos con referencial ordenado y no ordenado.
• Se pueden representar distintos tipo de grados
  con distinto significado en los atributos.
• Se puede flexibilizar las restricciones usando
  cuantificadores difusos.

59
Conclusiones Contrastación de resultados

• Libro
• Galindo J., Urrrutia A. y Piattini M. (2006)
  Fuzzy DatabasesModeling, Desing and
  Implementation, Idea Group Publishing Hershey,
  USA.
• Capítulo de libro
• Galindo J., Urrrutia A. y Piattini M. (2003)
  Fuzzy Extensions to EER Specializations. Ideas
  Group Publishing Hershey, USA.

60
Conclusiones Contrastación de resultados

• Publicaciones en revistas
• Galindo J., Urrutia A., Carrasco R., Piattini M.,
   "Relaxing Constraints in Enhanced
  Entity-Relationship Models Using Fuzzy
  Quantifiers". IEEE Transactions on Fuzzy Systems.
  
• Urrutia A., Galindo J., Jiménez L. (2002)
  Extensión del Modelo Conceptual EER para
  Representar Tipos de Datos Difusos. ID
  Computación, Noviembre de 2002, Volumen 1, número
  2, (México).
• Urrutia A. (2002) Implementación de Bases de
  Datos Difusas un Caso de Control de la Calidad
  del Papel. Revista electrónica Gerencia
  Tecnología Informática AEDO, Noviembre, Volumen
  1, número 1. Colombia.
• Urrutia A., Galindo J. (2001) Notación para
  Datos con Imprecisión en un Modelo Conceptual
  Difuso. Revista UCMaule, diciembre N 27,
  (Chile). pp. 39-48.

61
Proyectos de Investigación

• Área de bases de datos de la Red Iberoamericana
  de Tecnologías del Software para la década del
  2000 RITOS 2 red VII.J en el subprograma VII de
  la organización Iberoamericana CYTED.
• Proyecto ID Soft Data Server Modelo de
  Servidor de Bases de Datos Objeto-Relacional
  basado en Soft Computing, CICYT N
  TIC2002-00480. Entidad financiadora Proyectos
  ID del Ministerio de Educación y Ciencia.
  Investigador principal Dr. Juan Miguel Medina
  R., como investigadora invitada Angélica Urrutia.
  
• Proyecto interno UCM (2006-2007)

62
Líneas abiertas.

• Modelos de datos difusos
• Metodología
• Extensión UML
• Extensión de la herramienta
• Extensión OLAP

63

• Nunca he podido contentarme con la lógica de lo
• blanco y de lo negro,
• con la lógica de dos únicos valores
  contrapuestos.
• Me parece insuficiente.
• Si una cosa no es negra, evidentemente puede ser
  blanca,
• pero igualmente puede ser de un montón de
  colores
•  
• Boris Vian (escritor y músico francés. 1920-1959)

64
Diseñando Bases de Datos Difusas

• Doctora Angélica Urrutia Sepúlveda