modelo de bases de datos usando logica...

MODELO DE BASES DE DATOS USANDO LÓGICA DIFUSA QUE PERMITA

MEJORAR EL PROCESO DE ATENCIÓN A LOS AFILIADOS EN UNA EPS EN

EL TERRITORIO COLOMBIANO, ENFOCADOS EN EL GRUPO ETAREO

Ing. Raúl Hernán Ramírez Ocampo

Ing. Giovanni Castaño Ocampo

UNIVERSIDAD DE SAN BUENAVENTURA

FACULTAD DE INGENIERÍA

ESPECIALIZACIÓN EN GESTION DE INFORMACION Y BASE DE DATOS

MEDELLÍN

2010

MODELO DE BASES DE DATOS USANDO LOGICA DIFUSA QUE PERMITA

MEJORAR EL PROCESO DE ATENCION A LOS AFILIADOS EN UNA EPS EN

EL TERRITORIO COLOMBIANO, ENFOCADOS EN EL GRUPO ETAREO

Autores

Ing. Giovanni Castaño Ocampo

Ing. Raúl Hernán Ramírez Ocampo

Monografía para optar por el titulo de especialización en Gestión de

Información y Base de datos

Asesor

Ing. Libardo Antonio Londoño

UNIVERSIDAD DE SAN BUENAVENTURA

FACULTAD DE INGENIERÍA

ESPECIALIZACIÓN EN GESTION DE INFORMACION Y BASE DE DATOS

MEDELLÍN

2010

Nota de Aceptación.

________________________________________________

________________________________________________

________________________________________________

________________________________________________

________________________________________________

Presidente del Jurado

________________________________________________

Firma del jurado

_______________________________________________

Firma del Jurado

Medellín

2

DEDICATORIA

A nuestras familias por su apoyo y

paciencia.

A todas las personas quienes nos

ayudaron a corregir y complementar el

contenido de este trabajo, quienes han

sido un gran apoyo.

CONTENIDO

Pág. LISTA DE FIGURAS INTRODUCCION OBJETIVOS 1 INFORMACION GENERAL DEL PROYECTO……………………………. 3

1.1 TITULO………….……..………………………………………………….. 3

1.2 INTEGRANTES……………………………………………….………….. 3

1.3 TIPO DE INVESTIGACION….………………………………………….. 4

1.4 NIVEL DE INVESTIGACION ….…………………………….………….. 4

1.5 TIPO PROYECTO…....………………………………………………….. 4

1.6 LINEA DE INVESTIGACION USB………………………….………….. 4

2 MARCO CONCEPTUAL……………………………………………………… 5

2.1 SITUACION ACTUAL……..……………………… ……...…………….. 5

2.2 NECESIDADES BASICAS DE LOS GRUPOS ETAREOS………….. 6

3 APLICACIÓN DE LA LOGICA DIFUSA EN LA BASE DE DATOS……….. 8

3.1 DEFINICION………………………………………………………………. 8

3.2 ALCANCE…………………………………………………………………. 8

3.2.1 A nivel estratégico………………………..………………………... 8

3.2.2 A nivel metodológico……………………..……………………….. 9

3.2.3 A nivel de contenido……………………………………………….. 9

3.3 FUENTES DE INFORMACION…………………………………………. 9

4 CONCEPTOS DIFUSOS…………………………………………….……….. 10

4.1 TECNICAS PARA DETERMINAR MODELOS DIFUSOS……………. 10

4.2 IMPLEMENTACIONES REALIZADAS EN LOGICA DIFUSA……….. 11

4.3 DEFINICION DE LOGICA DIFUSA…………………………...………... 12

4.3.1 Definición de Conjuntos Difusos………………………………….. 12

4.3.1.1 Soporte……………………….……………………………. 14

4.3.1.2 Núcleo………………………..…………………………….. 15

4.3.1.3 Altura…………………………………………..…………… 15

4.3.1.4 Cardinalidad……………..……………………..…………. 15

4.3.2 Operaciones sobre los Conjuntos Difusos………………………. 15

4.3.3 Atributos Difusos…………………………………………………… 16

4.3.3.1 Tipo 1……………………………………………………...… 16

4.3.3.2 Tipo 2……………………………………………………….. 16

4.3.3.3 Tipo 3……………………………………………………….. 16

4.4 LISTAS DE SIMBOLOS Y ABREVIATURAS………...………………... 17

4.5 DISTRIBUCIONES DE POSIBILIDAD…………………………………. 18

4.5.1 Cuantificadores………………………..…………….......…………

19

4.5.1.1 Clásicos…………………………………………………...… 19

4.5.1.2 Lógica……………………………………………………….. 19

5 METODOLOGIA…………………….…………………………………………. 20

5.1 ANALISIS SITUACION ACTUAL……...………………………………... 20

5.2 ANALISIS CON BASE DE DATOS DIFUSA………...………………… 21

5.2.1 Definición de SQLf…………………………………………………. 21

5.2.2 Características de SQL…………………….……...………………. 21

5.2.2.1 Bloque Básico………………..…….…………...………… 21

5.2.2.2 Clausula Select……………….……....………..…………. 22

5.2.2.3 Clausula From………………………..…………………… 22

5.2.2.4 Clausula Where…………….…………….………………. 22

5.2.2.5 Anidamiento…………………..………….……………….. 22

5.2.2.6 Comparadores…………………………..………………… 22

5.2.3 Operaciones de Conjuntos………….…………………………… 22

5.2.4 Comparadores Difusos……………..…………………………….. 24

6 PROPUESTA PARA LA EPS………………………………………………… 26

6.1 DESCRIPCION………..…………………………………………………. 26

6.2 REGLAS EXPERTAS DIFUSAS…...…………………………………… 29

6.2.1 Función de Implicación………………….……………………….. 29

6.2.2 Reglas difusas IF THEN………………….………………………. 30

6.2.3 Función de Membresía a la altura……….….…………………… 30

6.2.4 Función de Membresía del peso…………..…………………….. 31

6.2.5 Método del Centroide………………………..……………………. 33

7 DETALLE DEL CASO DE USO…...…………………………………………. 35

7.1 REGISTRAR PACIENTE……….……………………………………….. 35

7.1.1 Descripción de Caso de Uso…………………………………….. 35

7.1.2 Actores……………………………………………………………… 35

7.1.3 Precondiciones…………………………….……………………… 35

7.1.4 Secuencia básica de eventos…………….……………………… 35

7.1.5 Secuencias alternativas………………………………………….. 36

7.1.6 Pos condiciones…………………………………………………… 36

7.1.7 Diagrama de Actividades…………………………………………. 36

7.2 ACTUALIZAR PACIENTE…………………………....…………………... 36

7.2.1 Descripción de Caso de Uso……………….………………….. 36

7.2.2 Actores……………………………………….…………………… 37

7.2.3 Precondiciones……………………………….……………………. 37

7.2.4 Secuencia básica de eventos……………….…………………. 37

7.2.5 Secuencias alternativas………………………………………….. 37

7.2.6 Pos condiciones…………………………………………………… 37

7.2.7 Diagrama de Actividades…………………………………………. 38

7.3 EVALUACION DE CUESTIONARIO……....………………….…………. 38

7.3.1 Descripción de Caso de Uso…….…………………….………….. 38

7.3.2 Actores…………………………………………………….…………. 38

7.3.3 Precondiciones……………………………………………………… 38

7.3.4 Secuencia básica de eventos……………………………………... 39

7.3.5 Secuencias alternativas……………………………………………. 39

7.3.6 Pos condiciones…………………………………………………….. 39

7.3.7 Diagrama de Actividades…………………………………………... 40

7.4 EVALUACION PARA LOS PADRES……..………….………..…………. 40

7.4.1 Descripción de Caso de Uso………………………………………. 40

7.4.2 Actores……………………………………………………………….. 40

7.4.3 Precondiciones……………………………………………………… 41


7.4.5 Secuencias alternativas…………………………………………… 41

7.4.6 Pos condiciones……………………………………………………. 41

7.4.7 Diagrama de Actividades………………………………………….. 42

7.5 AUTOEXAMEN…………………….………………………………………. 42

7.5.1 Descripción de Caso de Uso……………………………………… 42

7.5.2 Actores………………………………………………………………. 42

7.5.3 Precondiciones………………….………………………………….. 43


7.5.5 Secuencias alternativas…………………………………………… 43

7.5.6 Pos condiciones…………………………………………………….. 43


7.6 BUSCAR PACIENTES…………………..………………………………… 44


7.6.2 Actores……………………………………………………………….. 44

7.6.3 Precondiciones……………………………………………………… 45



7.6.6 Pos condiciones…………………………………………………….. 45


7.7 GENERACION DE REPORTES………………………..………………… 46


7.7.2 Actores………………………………………………………………... 46

7.7.3 Precondiciones……………………………………………………… 47

7.7.4 Secuencia básica de eventos……………………………………… 47


7.7.6 Pos condiciones………….…………………………………………. 47

7.7.7 Diagrama de Actividades…………………………………………… 48

8 MODELO DE BASE DE DATOS……………………..………………………. 49

8.1 DIAGRAMA ENTIDAD RELACION…………….……………………….. 49

8.2 DESCRIPCION DEL MODELO DE DATOS…….……………………… 50

8.3 IMAGEN DE LA BASE DE DATOS CREADA EN ORACLE 9I…….…. 58

8.4 DISEÑO DE LA BASE DE DATOS EN POWER DESIGNER…………. 60

8.5 DISEÑO ENTIDAD RELACION ELABORADA EN POWER BUILDER 61

8.6 SCRIPTS PARA CREAR LA BASE DE DATOS………..……………….. 61

REFERENCIAS BIBLIOGRAFICAS

LISTA DE FIGURAS

Pág. Figura 1. Formula representativa de los conjuntos difusos….…………… 14

Figura 2. Función trapezoide………………………………………………… 14

Figura 3. Altura de un conjunto difuso……………………………………… 15

Figura 4. Formula de la cardinalidad………………………….…………….. 15

Figura 5. Representación de toma de información en la EPS…………… 20

Figura 6. Representación trapezoidal de joven……………………………. 24

Figura 7. Representación difusa de personas altas………………………. 26

Figura 8. Representación clásica de personas altas……………………… 27

Figura 9. Función de membresía…………………………………………….. 27

Figura 10. Representación de altura de una persona…………………….. 28

Figura 11. Representación del peso de una persona……………………… 28

Figura 12. Representación de estado saludable…………………………… 29

Figura 13. Representación del peso y la altura……………………………. 30

Figura 14. Membresía de la altura…………………………………………… 30

Figura 15. Membresía del peso……………………………………………… 31

Figura 16. Estados críticos del peso………………………………………… 31

Figura 17. Estados críticos de la altura……………………………………... 31

Figura 17a. Estados críticos de la altura con la operación AND………… 32

Figura 18. Representación estados críticos del peso y la altura……….. 32

Figura 19. Grado de decisión saludable……………………………………. 33

Figura 20. Grado de decisión………………………………………………… 34

Figura 21. Diagrama de clases registrar paciente………………………... 36

Figura 22. Diagrama de clases actualizar paciente………………………. 38

Figura 23. Diagrama de clases Evaluar cuestionario……………………. 40

Figura 24. Diagrama de clases Evaluación para padres………………… 42

Figura 25. Diagrama de clases auto-examen…………………………….. 44

Figura 26. Diagrama de clases Buscar paciente…………………………. 46

Figura 27. Diagrama de clases Buscar paciente…………………………. 48

Figura 28. Diagrama Entidad-Relación……………………………………… 49

INTRODUCCIÓN

El manejo de la información y la manipulación de la misma en un mundo en el cual estamos esperando cada día mejorar en estos aspectos, son los temas que queremos abordar, para esto se plantea el tema de la lógica difusa con la cual lograremos que la información sea precisa, oportuna y que pueda aportar algo en el bien del ser humano. Lo más importante no es la cantidad de información a la que se pueda acceder, sino a la calidad a la calidad de los mecanismos que se disponen para acceder a esta información que nos interesa en un momento dado. Es por este motivo que queremos enfocarnos hacia el grupo de la edad de oro, la cual en el campo de la salud ayudaría para la toma de mejores decisiones y una más óptima clasificación de este desarrollando programas preventivos y de mejoramiento para la calidad de vida. Por lo anterior, este trabajo de grado pretende dar una propuesta para mejorar la calidad de vida al grupo de la tercera edad, basándonos en información que podemos extraer de las bases de datos de una EPS colombiana y realizando algoritmos que clasifiquen de acuerdo a parámetros que se establezcan logrando detectar formas de prevenir enfermedades a futuro. Es por esto que se toman varios autores que han trabajado con la lógica difusa y el modelado de esta en base de datos.

OBJETIVOS

OBJETIVO GENERAL Proponer un modelo de base de datos utilizando lógica difusa que permita mejorar el proceso de atención a los afiliados enfocados en el grupo etáreo. OBJETIVOS ESPECIFICOS

1. Estudiar las tecnologías de gestión de datos de bases de datos difusas. 2. Analizar los modelos y notaciones existentes para modelos conceptuales de bases de datos. 3. Crear y Definir los conjuntos difusos [categorización del grupo etáreo] y establecer las etiquetas adecuadas para los conjuntos. 4. Identificar las variables que nos permitan establecer las reglas de decisión para los conjuntos difusos. 5. Crear un modelo de bases de datos difuso para acceder a los datos etáreos de las EPS colombianas que mejore la atención de este notablemente.

3

1 INFORMACIÓN GENERAL DEL PROYECTO

1.1 TÍTULO

Modelo de bases de datos usando lógica difusa que permita mejorar el proceso de

atención a los afiliados en una EPS Colombiana enfocados en el grupo etáreo

1.2 INTEGRANTES

Nombre: Raúl Hernán Ramírez Ocampo

Código: 15438622

Cédula: 15438622

Programa Académico: Especialización en gestión de información y administración de bases de datos.

Teléfono: 318 835 51 13

E-mail: [email protected]

Nombre: Giovanni Castaño Ocampo

Código: 71312166

Cédula: 71312166

Programa Académico: Especialización en gestión de información y administración de bases de datos.

Teléfono: 3147801497

E-mail: [email protected]

4

1.3 TIPO DE INVESTIGACIÓN

Exploratoria Predicativa

Descriptiva Proyectiva X

Comparativa Interactiva

Analítica Confirmativa

Explicativa Evaluativa

1.4 NIVEL DE INVESTIGACIÓN

Exploratoria X

Descriptiva

Explicativa

1.5 TIPO DE PROYECTO

Investigación en Ciencia básica

Investigación aplicada X

Desarrollo tecnológico

1.6 LÍNEA DE INVESTIGACIÓN USB

Línea y grupo de investigación USB

Gimsc

Trabajo empresarial Se realizará en una EPS colombiana

5

2 MARCO CONCEPTUAL

2.1 SITUACION ACTUAL El sistema de salud en nuestro país, a través de la historia se ha dividido en unos grandes hechos que han permitido el surgimiento de varios cambios trascendentales los cuales son: El primer periodo que surge con la instauración de la constitución de 1886 hasta mediados de 1950, este se llamó el modelo higienista donde se limitaba a atender aspectos de carácter sanitario mientras que la atención preventiva y curativa en salud tenía que ser financiada por los propios usuarios o por algunas instituciones religiosas de caridad. El segundo periodo que va desde 1970 hasta 1989, tuvo la creación del Sistema Nacional de Salud bajo el esquema de subsidios a la oferta, en el cual los recursos del gobierno central para la salud eran transferidos a la red de instituciones públicas hospitalarias. También se crea un esquema tripartito [estado - empleadores - empleados] de financiación para la prestación de los servicios de salud a la población trabajadora; sin embargo, tal Sistema seguía sin proporcionar una atención integral en salud a la población de escasos recursos. El tercer periodo arranca desde 1990, con la expedición de la Ley 100 en acuerdo con el artículo 36 de la Constitución Política del 86 que elevó el servicio de salud al rango de servicio público, hasta la actualidad. En este período hubo dos fuerzas importantes que determinaron los cambios institucionales que experimentó el sistema de salud pública en Colombia. La primera es la Constitución Política de 1991, según la cual Colombia se declara como un Estado Social de Derecho que consagra la vida como un derecho fundamental e inviolable [Art.11, Constitución Política de Colombia, 1991]. De allí se deriva la obligatoriedad jurídica para la provisión de servicios de salud por parte del Estado [y/o agentes particulares delegados por éste] en aras de garantizar el mencionado derecho fundamental. La Constitución de 1991 eleva a la Seguridad Social como “un servicio público de carácter obligatorio” [Art.48], dentro de la cual “la atención de la salud y el saneamiento ambiental son servicios públicos a cargo del Estado” [Art.49]. La segunda fuerza es el conjunto de reformas estructurales a partir de 1990, las

6

reformas estructurales tendientes a la privatización de algunas empresas del Estado, en combinación con la creación de incentivos de mercado para la competencia en la prestación de servicios sociales como la salud, inspiraron la concepción del esquema de competencia regulada que se instauró en Colombia a partir de la Ley 100 de 1993. El articulado final de la ley concilia las posiciones extremas favorables a la total privatización del sistema de salud y las favorables a un servicio nacional de salud estatal. El producto fue un sistema mixto donde el Estado asumió un papel rector y modulador, pero se liberó de las responsabilidades de aseguramiento y prestación de servicios que pasaron a ser asumidas, dentro de un esquema competitivo, por entidades públicas y privadas con y sin ánimo de lucro. La reforma de la seguridad social generó unas entidades intermediarias encargadas del aseguramiento y de la conformación de sus redes de prestadores de servicios. Estas aseguradoras, denominadas Entidades Promotoras de Salud [EPS] para el régimen contributivo y Administradoras del Régimen Subsidiado [ARS] para el régimen subsidiado, ofrecen un seguro que consiste en un Paquete Obligatorio de Salud, determinado por el CNSSS Consejo Nacional de Seguridad Social en Salud, captan de los afiliados sus contribuciones al sistema, reciben del Fondo de Solidaridad y Garantía [FOSYGA] una Unidad de Pago por Capitación por cada afiliado y cada persona de su grupo familiar [cónyuge e hijos menores de 25 años] y contratan con una red de Instituciones Prestadoras de Salud [IPS] la entrega de servicios de salud a sus afiliados. Los recursos captados son del sistema, no de las EPS. Estas solo pueden apropiarse las unidades de capitación que les correspondan según el número de afiliados que documenten ante el FOSYGA. Para ello deben manejar los aportes de sus afiliados en cuentas especiales de las cuales solo pueden hacer retiros previa autorización del FOSYGA, una vez han documentado satisfactoriamente los pagos recibidos con los nombres e identificación de sus asegurados. 2.2 NECESIDADES BASICAS DE LOS GRUPOS ETAREOS Las problemáticas que se identifican en el grupo de afiliados etáreos y basados en los factores críticos de éxito de las EPS, se encuentran:

La atención del grupo etáreo se enfatiza en una edad promedio desconociendo las necesidades particulares de cada afiliado. Las EPS no ofrecen planes diferenciados que puedan prevenir futuros tratamientos más costosos; a todos los usuarios del grupo etáreo se atienden y tratan por igual, por ello desde el tratamiento en edades tempranas se genera

7

el tratamiento en etapas finales. Con el actual modelo de base de datos se dificultan los tiempos de respuesta, ya que en la búsqueda de información de los registros del grupo etáreo estos no se están discriminado lo cual afecta la atención oportuna de dichos afiliados. Como no se cuenta con planes diferenciadores, no existen opciones que respondan a las características y necesidades especificas de los afiliados las cuales están condicionada por los rangos de edad; no es lo mismo atender a un afiliado que tenga 50 años de edad y unas condiciones de salud específicas que un paciente de 70 años con otras características.

8

3 APLICACION DE LA LOGICA DIFUSA EN LAS BASES DE DATOS

3.1 DEFINICIÓN

Las EPS en busca de mejorar la calidad de vida de los colombianos deben promover la búsqueda de mecanismos más eficientes de acceso a los datos, lo que lleva a un desarrollo vertiginoso de la tecnología de Bases de Datos. Asimismo, se hacen esfuerzos por “humanizar” el acceso a la información: se busca el crear mecanismos de modelación de datos y especificación de requerimientos que sean más cercanos a la expresión del lenguaje natural y a la manera de pensar del ser humano. A pesar de los esfuerzos realizados, la representación de la información y el tratamiento de la misma, se encuentran todavía lejos de los mecanismos utilizados habitualmente por el ser humano. Para subsanar esta carencia, se han hecho grandes esfuerzos de utilización de técnicas de Inteligencia Artificial en las Bases de Datos, con lo que han surgido las llamadas Bases de Datos Inteligentes o con técnicas difusas. Es por eso que con esta investigación se busca crear un modelo de base de datos que permita realizar búsquedas y generar informes utilizando lógica difusa que logre mejorar la atención integral prestada al grupo de afiliados etáreos; con la implementación del modelo obtenemos mejoramiento en la productividad, la competitividad y en el aspecto económico de una EPS colombiana. 3.2 ALCANCE 3.2.1 A Nivel Estratégico: Esta propuesta desde el nivel estratégico tiene como objetivo que las EPS puedan tener una información más específica de sus afiliados enfocados en el grupo etáreo para mejorar su calidad de vida y ser más competitivas entre ellas mismas.

9

3.2.2 A Nivel Metodológico: En la recolección de la información, se desea realizar un levantamiento de información del estado actual de los usuarios de las EPS que pertenecen al grupo etáreo. La información se obtendrá por medio de entrevistas, cuadros, visitas a las EPS. 3.2.3 A Nivel de Contenido: El documento da una propuesta de los beneficios de tener una base de datos de afiliados del grupo etáreo pertenecientes a una EPS con lógica difusa. 3.3 FUENTES DE INFORMACION: Para realizar este documento se utilizaron: -información de afiliados del grupo etáreo de una EPS. -Conceptos de autores que trabajan en el tema de lógica difusa. -Opiniones médicas.

10

4 CONCEPTOS DIFUSOS

4.1 TÉCNICAS PARA DETERMIINAR MODELOS DIFUSOS: Los conjuntos difusos fueron introducidos por L.A. Zadeh [1] en 1965 para procesar, manipular información datos afectados de incertidumbre e imprecisión no probabilística, este señor estableció los fundamentos de la teoría de los conjuntos difusos la cual es un cuerpo de conceptos y técnicas que establecen una forma de precisión matemática esto aplicado para el pensamiento humano el cual son poco precisas. Autores como Kaacprzyk y Staniewski [2] desarrollaron un algoritmo para trabajarlo con un inventario el cual tenía como objetivo el poder determinar la estrategia óptima invariable en el tiempo para determinar la reposición de los niveles de inventario existentes que maximice la función de pertenencia de la decisión. Se realiza un diseño para un sistema experto a través de reglas lingüísticas. Autores como Rinks [1981, 1982a y 1982b], TURKSEN y Ward [3] utiliza 40 reglas condicionales “if-then” para desarrollar algoritmos heurísticos fuzzy para la planificación agregada. Estos autores definen un conjunto de términos lingüísticos muy importantes en la planificación agregada para construir protocolos de gestión (reglas de decisión). El algoritmo adopta funciones de pertenencia. La programación lineal tiene también su papel, es el caso de Miller et al. [4] desarrollan una formulación de programación lineal para analizar el programa de producción de una empresa envasadora de tomate fresco en Ruskin [Florida]. En el envasado de tomate, la existencia de elementos inciertos atribuidos a la percepción humana es bastante común, tales como la cosecha, el ratio de envasado de tomate, la demanda y los costes de la escasez o pérdida de ventas. Petrovic et al. [1998 y 1999][5] Describe el modelado y la simulación fuzzy de una cadena de suministro en un entorno de incertidumbre. El objetivo es determinar las cantidades a producir y los niveles de stock durante un horizonte temporal finito, para un nivel de servicio aceptable y a un coste razonable. Du y Wolfe [6] Proponen un sistema MRP activo en tiempo real sin la limitación de

11

la planificación período a período. El sistema activo MRP utiliza una arquitectura híbrida que tiene una base de datos orientada a objetos, controladores de lógica difusa y redes neuronales. El módulo de control creado por estos dos autores combinan la lógica difusa con un algoritmo de control Proporcional-Integral-Derivativo [PID].Samanta y Al-Araimi [7] Da un modelo basado en la lógica difusa para el control del inventario. El modelo considera una revisión periódica del inventario con una cantidad variable de pedido. Pendharkar [8] Desarrolla un modelo de programación lineal fuzzy para evaluar las diferentes alternativas de producción en el contexto de la industria del carbón. Pendharkar argumenta que existen dos medidas fuzzy en la industria del carbón, una desde el punto de vista de la empresa explotadora del carbón, y otra desde el punto de vista de las plantas productoras de energía y consumidoras del carbón. Desde el punto de vista de la empresa comercializadora, la medida fuzzy es el “nivel aceptable de beneficio”. Reynoso et al. [9] presentan un primer enfoque sobre un MRP II (Planificación del los requerimientos de material) basado en la lógica difusa para el tratamiento de la incertidumbre y la imprecisión de la demanda. Este enfoque, denominado F-MRP [Fuzzy-MRP], diferencia entre demanda incierta e imprecisa y considera ambas. El modelo se formaliza a través del lenguaje de modelado UML. Mula [10] Proporciona un nuevo modelo de programación lineal, denominado MRPDet, para la Planificación de la Producción a medio plazo en un entorno de fabricación MRP con restricciones de capacidad, multi-producto, multi-nivel y multi-período. Posteriormente, este modelo se transforma en 15 modelos fuzzy basados en diferentes enfoques de programación matemática fuzzy, donde los coeficientes de coste en la función objetivo, la demanda del mercado, la capacidad requerida y la capacidad disponible pueden considerarse, dependiendo de cada modelo, datos imprecisos y/o ambiguos. Finalmente, los modelos se testan usando datos reales de un fabricante del asientos para automóviles.

4.2 IMPLEMENTACIONES REALIZADAS EN LOGICA DIFUSA PARA BASES DE DATOS

En el área de la salud también hay autores que han trabajado en este tema como es el caso del estudio de los genes a través de la lógica difusa para predecir enfermedades y así mejorar la calidad de vida de los seres humanos, es el caso del profesor de una universidad de España el profesor Pedro Larrañaga [11]

12

aseguró que a través del estudio de los genes, pueden llegar a predecirse enfermedades como el cáncer. Este profesor, señaló que los seres humanos compartimos un 99,9 por ciento de genes; la tarea es estudiar ese 0,1 por ciento restante para establecer grupos de individuos y con esa información se sabrá si las personas son propensas a padecer una u otra enfermedad. Dice también que cuando se disponga de esa información el médico podrá hacer un análisis de los síntomas externos y otro de los internos tan sólo con analizar el código genético. Pese a todo el señor Larrañaga dice que estos avances tienen un aspecto negativo. Las instituciones podrían llegar a tener un control muy grande sobre los individuos y el manejo de esa información podría caer en malas manos, sentencia. Larrañaga ha estudiado enfermedades como el lupus eritematoso muy conocido. 4.3 DEFINICION DE LOGICA DIFUSA: La lógica borrosa es una rama de la inteligencia artificial que se funda en el concepto "Todo es cuestión de grado”, Roman [12] lo cual permite manejar información vaga o de difícil especificación si quisiéramos hacer cambiar con esta información el funcionamiento o el estado de un sistema especifico. Es entonces posible con la lógica borrosa gobernar un sistema por medio de reglas de 'sentido común' las cuales se refieren a cantidades indefinidas. 4.3.1 Definición de Conjuntos Difusos En la investigación realizada se encontraron varios conceptos que nos ilustran una definición de los conjuntos difusos en los cuales tenemos: Los conjuntos clásicos están definidos por varios autores en los cuales llegan a un concepto muy similar a este: Un predicado que da lugar a una clara división del Universo con los valores de “Verdadero” y “Falso”, sin embargo, el pensamiento humano utiliza frecuentemente predicados que no se pueden reducir a este tipo de división: Son los denominados predicados vagos, los cuales son esos estados infinitos que pueden existir entre estos dos estados. La teoría de conjuntos difusos también llamados borrosos, Zadeh en 1965 [13] define que parte de la teoría clásica de conjuntos, agrega una función de pertenencia al conjunto, está definida como un número real entre 0 y 1. Así, se introduce el concepto de conjunto o subconjunto difuso asociado a un determinado valor lingüístico, definido por una palabra, adjetivo o etiqueta lingüística A. Para cada conjunto o subconjunto difuso se define una función de pertenencia o

13

inclusión μA [u], que indica el grado en que la variable u está incluida en el concepto representado por la etiqueta [[10]].Un conjunto difuso A sobre un universo de discurso U [Dominio ordenado] es un conjunto de pares dado por: A = {μA [u] /u : u ∈ U, μA [u] ∈ [0,1]} Donde, μ es la función de pertenencia y μA [u] es el grado de pertenencia del elemento u al conjunto difuso A. Este grado oscila entre los extremos 0 y 1, definido como: μA [u] = 0, indica que u no pertenece en absoluto al conjunto difuso A. μA [u] = 1, indica que u pertenece totalmente al conjunto difuso A. Esta función define que, para cada dominio D, escalar o numérico, se establece una relación de similitud que sirve para medir la similitud o parecido entre cada dos elementos del dominio Tineo, [14], formula que puede utilizar en la lógica de la base de datos a implementar para analizar el estado de salud de personas del grupo etáreo de la EPS. Normalmente, los valores de similitud están normalizados en un intervalo [0,1], correspondiendo el 0 al significado “totalmente diferente” y el 1 al significado “totalmente parecido” o iguales. Por tanto, una relación de similitud puede ser vista como una función sr, tal que: sr : D×D → [0,1] sr[di, dj] l→ [0,1] con di, dj ∈U Tanto los dominios con referencial ordenado y no ordenado pueden representar de forma adecuada conceptos de “imprecisión” con la teoría de conjuntos difusos. Es necesario hacer notar que muchos de estos conceptos naturales dependen, en mayor o menor medida, de la persona que los expresa. Estos conjuntos regulares no son adecuados para expresar clases cuyos bordes no están definidos, por ejemplo: personas, jóvenes, distancias, estos conjuntos difusos permiten la representación de estas clases que se asocia al concepto que se desea expresar en este trabajo investigativo. En estos hay discontinuidad entre los miembros del conjunto y elementos del universo que son cercanos al conjunto, pero no pertenecen al mismo, es decir que en sus límites no están incluidos, pero tampoco completamente excluidos. Para representar el grado de referencia a la función de pertenencia, donde el rango está entre los intervalos [0,1], cada elemento tiene un grado de pertenencia donde esta función de membrecía se representa con el símbolo µf, siendo F el identificador del conjunto difuso.

14

La fórmula para representar conjuntos difusos extraída de la investigación de interrogaciones flexibles en base de datos relacionales, la utilizaremos en este proyecto para crear los scripts que definirán los grados de adultos mayores: Por extensión (para universo discreto) el conjunto difuso F sobre el universo U se representa así:

Figura 1. Formula representativa de los conjuntos difusos Zadeh

Con la siguiente función mf:U→[0,1]. Tiene forma de trapezoide la cual representa valores del universo (a, b, c, d).

Figura 2. Función trapezoide Zadeh

Las siguientes definiciones fueron tomadas basándonos en el concepto de Zadeh, que están incluidas en el proyecto investigativo de interrogaciones flexibles y que se utilizarán para crear los scripts de análisis de decisión en la base de datos. 4.3.1.1 Soporte: Es el que está formado por todos aquellos componentes de un universo que no están completamente excluidos del conjunto difuso. Tineo leonid [15] Se representa así: Supp (F) = { xÎU / mf (x)>0}

15

4.3.1.2 Núcleo: Es el conjunto que se forma de todos los elementos del universo que están completamente incluidos en el conjunto difuso. Se representa así: Core (F) = { xÎU / mf (x)=1} 4.3.1.3 Altura: La altura de un conjunto difuso es el valor de membrecía más grande presente en el conjunto. Se representa así:

Figura 3. Altura de un conjunto difuso Zadeh

4.3.1.4 Cardinalidad: Tiene varias definiciones basadas en enteros, en números reales y otras en números difusos. La representación más clara la dio Zadeh [11], la cual está dada por la expresión:

Figura 4. Formula de la cardinalidad Zadeh

4.3.2 Operaciones sobre los conjuntos difusos Los conjuntos difusos, como los conjuntos tradicionales manejan las operaciones básicas Zadeh en 1965 [16] La Igualdad: Esta función está representada en la siguiente fórmula: F=G ÛxÎU left (m rSub { size 8{F} } \( x \) =m rSub { size 8{g} } \( x \) right )} {} La Inclusión: En la lógica difusa se da se asigne un valor menor o igual que le valor del otro conjunto: FÍG ÛxÎU left (m rSub { size 8{F} } \( x \) <= m rSub { size 8{g} } \( x \) right )} {} . El Complemento: Esta dada de la siguiente función: mF( x)=1−mF( x) La Intersección: En la lógica difusa se determina mediante la siguiente formula T: mFG ( x)=T(mF( x) ,mG( x).

16

La Unión: De dos conjuntos difusos se define mediante una forma triangular. S: mFEG ( x)=S(mF(x), G(x)). La Diferencia: Dos conjuntos difusos se determina con un operador que permite vincular un conjunto difuso con otros conjuntos: F es Fα={xÎUn /mF ( x)³α} . o también Fα ={xÎUn /mF (x)> α} Con estas operaciones son las que se tendrán en cuenta para crear los scripts que permitirán analizar los datos y procesarlos para dar un resultado acorde a los patrones que se ingresen y puedan dar un punto de vista diferente para cada paciente. 4.3.3 Atributos Difusos

Para modelar atributos difusos se consideran datos con un dominio referencial ordenado y no ordenado. En esta base de datos se tienen un historial con todos los pacientes del grupo de la ESP. En un referencial ordenado tenemos las representaciones de: Distribución de posibilidad trapezoidal de Zadeh,. Etiquetas lingüísticas, Valores aproximados, Intervalos de posibilidad. En un referencial no ordenado: Escalares simples y Distribución de posibilidad sobre escalares. También son considerados los valores Unknown, Undefined y Null. Por otro lado, los atributos clásicos que su dominio sea impreciso pueden ser tratados pero con un formato especial para representar atributos difusos. La clasificación adoptada se basa en criterios de representación y de tratamiento de los datos “imprecisos”: se clasifica según el tipo del dominio que les subyace y por si permiten representar la información imprecisa o sólo permiten el tratamiento impreciso de datos sin imprecisión. Los atributos difusos pueden ser de 3 tipos Urruti, Angelica [17] 4.3.3.1 TIPO 1: Estos son atributos con “datos precisos”, este tipo de atributos reciben una representación igual que los datos precisos, pero admiten que se puedan transformar utilizando condiciones difusas.

4.3.3.2 TIPO 2: Son atributos que pueden recoger “datos imprecisos sobre referencial ordenado”. Estos admiten tanto datos crisp como difusos, en forma de distribuciones de posibilidad sobre un dominio ordenado. 4.3.3.3 TIPO 3: Son atributos sobre “datos de domino discreto no ordenado con analogía”. En estos atributos se definen algunas etiquetas [“rubio”, “pelirrojo”,

17

“castaño”...], que son escalares con una relación de similitud [o proximidad] definida sobre ellas, de forma que esta relación indique en qué medida se parecen entre sí cada par de etiquetas. Hay que anotar que, el conjunto difuso de posibles valores que puede tomar una determinada característica se denomina dominio difuso. Cada una de las propiedades o características que tiene una clase se denomina atributo. 4.4 LISTA DE SIMBOLOS Y ABREVIATURAS

Estas son una lista de símbolo estándar que se utilizan en la lógica difusa y los cuales se mencionarán en este trabajo.

[x,y] Intervalo Real cerrado [x,y]. →f Implicación difusa α-cut Operador que permite vincular los conjuntos difusos con conjuntos precisos. am(P1,..,Pn) Media aritmética de P1,..,Pn core(F) Núcleo de un conjunto difuso F ∑count(F) Cardinalidad de un conjunto difuso F fc Denota un conjunto difuso gm(P1,..,Pn) Media geométrica de P1,..,Pn height(F) Altura de un conjunto difuso F hm(P1,..,Pn) Media armónica de P1,..,Pn mF Función de membresía del conjunto difuso F mS(X) Grado de satisfacción de la sentencia S por el conjunto X max(P1,..,Pn) Máximo entre P1,..,Pn min(P1,..,Pn) Mínimo entre P1,..,Pn N(A) Medida de necesidad de un subconjunto A owa(P1,..,Pn) Media ponderada ordenada de P1,..,Pn P(U) Conjunto de todas las distribuciones de posibilidad sobre el universo U. Π Distribución de posibilidad Q Cuantificador Lingüístico supp(F) Soporte de un conjunto difuso F sup ( ) El más grande de los valores f(x) <término> El término encerrado en los símbolos “<” “>” denota un término difuso. U Un universo cualquiera wm(P1,..,Pn) Media ponderada de P1,..,Pn

18

4.5 DISTRIBUCIONES DE POSIBILIDAD

L.A. Zadeh las utilizó para representar los datos imprecisos o inciertos y que están recopiladas en el texto de interrogaciones flexibles en base de datos relacionales. Tineo leonid [18]. Una distribución de posibilidad es una función de un universo U al intervalo real [0,1], tal como la funciones de membresía de los conjuntos difusos. Una distribución de posibilidad indica para un objeto los posibles valores que toma en el universo U, estos posibles valores forman un conjunto difuso F: p( x=a)=Mf( a). Sobre las distribuciones de posibilidad se definen dos medidas llamadas posibilidad y necesidad, las cuales se entienden como el grado de certeza de una afirmación. La medida de posibilidad P es una función de las partes del universo U en [0,1] tal que; P(Æ)=0 ; P(U)=1. Las distribuciones de posibilidad representan varios posibles valores que puede tener un objeto en un universo U, es deseable que las operaciones sobre U puedan aplicarse a estos objetos. Para ello Zadeh definió el principio de extensión, el cual establece: si el operador binario es definido sobre cualquier par de elementos a1 y a2 de los dominios U1 y U2, respectivamente; la operación binaria sobre cualquier par de distribuciones de posibilidad. Realicemos un cálculo de una distribución de posibilidad de la información que tenemos con el universo de pacientes de la EPS a revisar. Sea un universo constituido por las edades de los pacientes desde 0 años hasta los 100 años. U=[0,100] p1 = {0.90/0.70,0.80/0.50,0.40/0.30} y p2 = {0.80/0.70,0.8/0.5,1/0.40} La conjunción se calcula mediante el método de extensión, la cual sería así para las edades de los pacientes de la EPS: {0.90/0.70,0.80/0.5,0.40/0.30} ^ {0.80/0.70,0.80/0.50,1/0.40} = { 0.90^0.80/0.70^0.70, 0.90^0.80/0.70^0.50, 0.90^1/0.70^0.40, 0.80^0.80/0.50^0.70, 0.80^0.80/0.50^0.50, 0.80^1/0.50^0.40, 0.40^0.80/0.30^0.70, 0.40^0.80/0.30^0.50, 0.40^1/0.30^0.40} = { 0.80/0.70, 0.80/0.50, 0.90/0.40,0.80/0.50, 0.80/0.50, 0.80/0.40,0.40/0.30, 0.40/0.30, 0.40/0.30} = { 0.80/0.70, 0.80^0.80^0.80/0.50, 0.90^0.80/0.40 0.40^0.40^0.40/0.30} =

19

{ 0.80/0.70, 0.80/0.50, 0.90/0.40, 0.40/0.30}

4.5.1 Cuantificadores 4.5.1.1 Clásicos: Son los que se consideran como los extremos cuya interpretación no es tan absolutamente rígido, estos son considerados cuantificadores lingüísticos o difusos. Se representan de dos maneras: lógica y numérica

4.5.1.2 Lógica: esta consiste en definir un conjunto de expresiones lógicas basado en los valores del dominio sobre el cual se hace la cuantificación, no es la más recomendada para las bases de datos. Numérica: Consiste en dar un valor a una variable numérica que produce un valor en el intervalo [0,1] esto es que en el caso que los cuantificadores son absolutos, el número de elementos que satisface la condición cuantificada y para los relativos la proporción de elementos que satisfacen la condición respecto al tamaño del universo U.

20

5 METODOLOGIA

5.1 ANÁLISIS SITUACIÓN ACTUAL

En la recolección de los datos de los pacientes de la tercera edad se tienen manejos genéricos con estos pacientes, tal es el caso de la creación de grupo de hipertensos, que en la actualidad, el análisis que hacen es que si el paciente pasa de 50 años ingresa automáticamente a este grupo o al grupo de control mensual. De los cuales sacan resultados como talla, peso, presión arterial, los cuales al ingresarlos al algoritmo de la base de datos difusa, dará como resultado un análisis especial a cada paciente dependiendo de los valores ingresados en las premisas anteriores. NOMBRE EDAD PESO PRESION

ARTERIAL

Jorge Antonio Sánchez

55

82 k

120-180

Carlos Arango Builes

60 75 125-150

María Mercedes

70 80 150-160

Figura 5. Representación de toma de información en la EPS (propia)

La propuesta lo que quiere es que no sean tan genéricos con pacientes de este grupo y se puedan clasificar por características similares que en esto nos ayudaría la lógica difusa, para aplicar medicina preventiva para que al avanzar en la edad, los pacientes no tengan enfermedades graves que se pudieron tratar desde antes. En este sistema clásico, si deseamos saber que pacientes están con problemas de salud en el cual este afectándole la salud tendremos que realizar un requerimiento para indicar un máximo de valor en la columna de presión arterial y un máximo en la columna peso, esto podría llevarnos a un resultado vacio o una respuesta no confiable. Select * from usuarios where peso<=70 and edad<=50 sqlr

Esto podría dar una solución más precisa permitiendo especificar más los

21

requerimientos haciendo uso de la lógica difusa. Las bases de datos son compartidas por muchas aplicaciones y usuarios para los cuales los términos imprecisos podrían cambiar de semántica. Es por esto que este trabajo tiene como finalidad mostrar el beneficio en el campo de la salud la teoría de las bases de datos difusas, se mostrará los conceptos de la teoría de conjuntos difusos y el tema de la teoría de las posibilidades.

5.2 ANÁLISIS CON BASE DE DATOS DIFUSA SQLF, es una extensión del actual SQL, la cual esta extensión va a tener la virtud de ser más completa de las actuales en cuanto a que tendrá más diversidad de interrogantes difusas que permite y extiende todas las construcciones de SQL. 5.2.1 De SQLf:

Permite analizar una información la cual tiene estados imprecisos o subjetivos, de una manera similar a como lo hace el cerebro humano

5.2.2 Características de SQL

Algunas de las características principales de SQL, se mostraran como un marco de referencia para poder presentar las extensiones difusas hechas a este lenguaje. SQL es un lenguaje estructurado para la interrogación de Bases de Datos relacionales, basado principalmente en el Álgebra Relacional y en el Cálculo Relacional y que incluye operaciones como la unión de conjuntos, operadores aritméticos y funciones de agregación, entre otros.

5.2.2.1 Bloque Básico: Esta estructura está basada en las tres operaciones básicas del álgebra relacional: Proyección, Producto Cartesiano y Selección. Así, un bloque Básico en SQL consiste de una cláusula SELECT, una cláusula FROM y una cláusula WHERE.

22

5.2.2.2 Select: Corresponde a la proyección, especifica los atributos de las relaciones que serán seleccionados y operaciones sobre estos atributos. 5.2.2.3 From: Determina las relaciones sobre las cuales se hace la consulta; esta cláusula corresponde al Producto Cartesiano: la consulta se hace sobre el producto cartesiano de las relaciones indicadas. 5.2.2.4 Where: Corresponde a la selección, especifica los predicados que deben satisfacer las relaciones para ser seleccionadas. Estos pueden complicarse haciendo uso de otros operadores que se presentan en lo sucesivo. 5.2.2.5 Anidamiento: En SQL es posible usar dentro de la cláusula WHERE de un bloque una nueva sentencia de selección, lo que permite hacer anidamientos de bloques de interrogaciones de profundidad arbitraria; esta es una de las características más resaltantes de este lenguaje de interrogación a Bases de Datos. 5.2.2.6 Comparadores: Consiste en tener un valor y compararlo con el que estamos analizando 5.2.3 Operaciones de Conjuntos

Son las posibles combinaciones que podemos hacer, en varios bloques de selección pueden ser asociados usando el operador de conjuntos UNIÓN. El SQL estándar no permite traducir una diferencia o una intersección como la ayuda de un operador específico, aunque tales operadores sí existen en algunos sistemas (como los operadores: inter, differ). Para hacer estas operaciones en SQL, se tiene que usar alguna expresión equivalente que utilice operadores existentes en el lenguaje. Esencialmente se usan NOT IN, NOT EXISTS o ! = ALL para la diferencia, y IN, = ANY o un join para la intersección. Particionamiento Tineo, [19], SQL también ofrece la posibilidad de hacer un particionamiento de la relación mediante el uso de la cláusula GROUP BY. El atributo (o conjunto de atributos) mencionado en la cláusula GROUP BY indica cómo agrupar. SQL también tiene las siguientes funciones: AVERAGE, MINIMUN, MAXIMUN, SUM, CARDINALITY. En ciertos casos, un requerimiento que involucra un particionamiento puede ser utilizado para traducir un auto-join. La operación relacional División, para la cual

23

no hay operador específico en SQL, puede también ser expresada por este tipo de consultas. DDL para componentes difusos (SQLf-DDL) En general, las interrogaciones difusas involucran términos (predicados atómicos, modificadores, conectores, comparadores y cuantificadores) y alguno de ellos tiene un significado que es específico para un grupo de usuarios (o un individuo). Por ello se hace necesario proveer de un lenguaje para la definición de estos componentes difusos, tal es el Sublenguaje de definición de datos de SQLf, el cual se inspira en el DDL de SQL. Predicados difusos: Existen, en primera instancia, predicados básicos (o atómicos). Cada uno de ellos es representado por una función de membresía sobre un subconjunto de un dominio subyacente. Se consideran predicados P que aplican a elementos individuales X: P: → R[0,1] . Estos se definen mediante la sentencia: CREATE FUZZY PREDICATE <nombre> ON <dominio> AS <cjto difuso> Donde: <dominio > es un rango de caracteres, enteros o reales un tipo escalar definido por el usuario <cjto difuso> es una especificación de conjunto difuso, que puede ser: Una distribución de posibilidades representada por un trapezoide con la sintaxis: (<valor1>,<valor2>,<valor3>,<valor4>) Pudiendo usarse el valor especial “infinit” cuya semántica es infinito. Una distribución de posibilidades representada por extensión, con la sintaxis: {<grado1>/<valor1>,...,<gradon>/<valorn>} una expresión aritmética que usa la variable predefinida “x” que denota el argumento del predicado. Para nuestro caso: Definición de joven CREATE FUZZY PREDICATE joven ON 0...120 AS (0, 0, 25,50) Representación en trapezoide

24

Figura 6. Representación trapezoidal de joven

5.2.4 Comparadores Difusos

Además, de los comparadores usuales, un requerimiento difuso podría usar comparadores difusos cuya semántica puede variar dependiendo de los datos, o del usuario. Estos comparadores se crean mediante la sentencia CREATE COMPARATOR <símbolo> ON <dominio> AS <expresión> Donde <símbolo> es el identificador del comparador, el cual puede ser un nombre alfabético o un símbolo <dominio> es como en el caso de los predicados atómicos. <expresión> es la expresión que permite calcular el valor de la comparación a partir de los dos elementos comparados, los cuales son denotados con la variable x (para el término izquierdo) y la variable y (para el término derecho). Esta expresión puede utilizar conjuntos difusos. Extensiones para el DML flexible (SQLf-DML) SQL ha sido extendido haciendo uso de la Teoría de Posibilidades y de Conjuntos Difusos; tratando de mantener la máxima similitud en sintaxis y en semántica de SQL original; el resultado de esta extensión es SQLf. Bloque Básico La estructura fundamental de consulta en SQLf, al igual que en SQL, es el bloque multirelacional. La diferencia fundamental con SQL radica en que la condición de

25

la cláusula WHERE es una condición difusa, como se describe en la próxima sección. También el uso de la calibración es un añadido en SQLf. Otra diferencia es que el resultado de la consulta no es un multiconjunto sino un conjunto, es decir, una consulta en SQLf se comporta como si se especificara la palabra clave DISTINCT. La sintaxis del bloque básico es SELECT [n|t|n,t] <atributos> FROM <relaciones> WHERE <condición difusa> La semántica de esta construcción puede expresarse en términos del álgebra relacional difusa como el producto cartesiano de las relaciones indicadas en la cláusula FROM, al cual se le aplica la selección difusa mediante la condición expresada en la cláusula WHERE, tomando como resultado final la proyección difusa de las tuplas seleccionadas sobre los atributos indicados en la cláusula SELECT. Condiciones en Bloques simples En esta sección se muestra el uso de los distintos elementos difusos de SQLf en bloques de interrogación simples . Predicados difusos Los predicados difusos, definidos por el usuario, son utilizados como etiquetas lingüísticas que se comparan con igualdad a una expresión como si se tratara de un valor (debe haber compatibilidad de tipos para usarlos). La sintaxis es: <expresión> = <etiqueta> Donde <etiqueta> es el nombre del predicado difuso definido por el usuario.

26

6 PROPUESTA PARA LA EPS

6.1 DESCRIPCIÓN El sistema de la lógica difusa es una herramienta con la cual ayudara a optimizar el proceso de análisis y patologías que pueda tener un paciente con ciertas características similares y que puede mejorar el proceso de atención según nuestro enfoque de implementación.

Vamos a evaluar la salud de la persona dependiendo de su edad. Debemos tener en cuenta variables de entrada o números limitados a un rango para evaluar su estado de salud serán su peso y su altura ingresaremos El conjunto clásico de personas altas:

A= { X | X > 1.8} ; B= { X | X <1.8} Visión de la lógica difusa

Figura 7. Representación difusa de personas altas

Visión en la lógica clásica

27

Figura 8. Representación clásica de personas altas

Aplicando la función de membresía definida anteriormente tenemos la siguiente grafica:

Figura 9. Función de membresía

Función de membresía altura:

28

Figura 10. Representación de altura de una persona

Convenciones: MB= Muy bajo B= Bajo M= Medio A= Alto MA = Muy alto Función de membrecía del peso

Figura 11. Representación del peso de una persona

Convenciones: MD = Muy delgado D = Delgado M = Medio P = Pesado

29

MP = Muy pesado 6.2 REGLAS EXPERTAS DIFUSAS

Las reglas que vamos a aplicar son: IF – THEN Operaciones con: And (Min), Or (Max), Not Definición de función de implicación consecuente: Es el resultado de aplicar una operación lógica entre antecedentes difusos Funciones como las de Membresía de distintos tipos. 6.2.1 Función de Implicación

Grado de decisión Figura 12. Representación de estado saludable

Convenciones: E= Enfermo MS=Menos saludable AS=Algo saludable S=Saludable

30

6.2.2 Reglas Difusas para analizar el peso y la altura IF THEN

PESO

ALT

UR

A

Muy delgado

Delgado Medio Pesado Muy pesado

Muy bajo

S AS MS E E

Bajo AS S AS MS E

Medio MS S S MS E

Alto E AS S AS E

Muy alto E MS S AS MS Figura 13. Representación del peso y la altura

Vamos a hacer una prueba con un adulto mayor con las siguientes características:

Peso: 53 Kg y mide 1.77 cm

Aplicamos la función de membresía a la altura y al peso 6.2.3 Función de Membresía a la altura

Figura 14. Membresía de la altura

31

6.2.4 Función de Membresía del Peso

Figura 15. Membresía del peso

Según la grafica estaría el peso y la altura así:

PESO

ALT

UR

A

Muy delgado

Delgado Medio Pesado Muy pesado

Muy bajo

S AS MS E E

Bajo AS S AS MS E

Medio MS S S MS E

Alto E AS S AS E

Muy alto E MS S AS MS Figura 16. Estados críticos del peso

PESO

ALT

UR

A

0.8 0.2 Medio Pesado Muy pesado

Muy bajo

S AS MS E E

Bajo AS S AS MS E

0.7 MS S S MS E

0.3 E AS S AS E

Muy alto E MS S AS MS Figura 17. Estados críticos de la altura

Aplicando la función AND(min) OR (max) NOT

32

AND µc (X)= min (µa(X), µb(X)) = µa (X) ∩ µb(X) OR µc (X)= max (µa(X), µb(X)) = µa (X) U µb(X) NOT µ~a (X)= 1 - µa(X) Con la operación AND.

PESO

ALT

UR

A

0.8 0.2 Medio Pesado Muy pesado

Muy bajo

S AS MS E E

Bajo AS S AS MS E

0.7 0.7 0.2 S MS E

0.3 0.3 0.2 S AS E

Muy alto E MS S AS MS Figura 17a. Estados críticos de la altura con la operación AND

f={0.3,0.7,0.2,0.2 } f={E,MS,AS,S} Convenciones: E= Enfermo MS=Menos saludable AS=Algo saludable S=Saludable Gráficamente seria así:

Figura 18. Representación grafica de los estados críticos del peso y la altura

33

Aplicando el método de agregación Se le aplica dsos el cual consiste en dos métodos los cuales son el de Suma y el de máximo. Para este cálculo de esta operación aplicamos el método del centroide el cual retorna el centro del área bajo la curva. 6.2.5 Método del Centroide

EL grado de decisión sería: 0.429

Figura 19. Grado de decisión saludable

75 % La persona es menos saludable 25 % La persona es algo saludable

34

Figura 20. Grado de decisión

35

7 DETALLE DE CASO DE USO

7.1 REGISTRAR PACIENTE

7.1.1 Descripción de caso de uso

Describe el proceso mediante el cual un funcionario de la EPS registra un paciente en el sistema, de la base de datos .El objetivo es almacenar la información personal del paciente para usarla en las diferentes validaciones que se realizaran en la lógica difusa

7.1.2 Actores

Paciente Funcionario de la EPS

7.1.3 Precondiciones

EL paciente debe estar afiliado a la EPS. Funcionario con privilegios de inserción a la base de datos

7.1.4 Secuencia básica de eventos

-Funcionario ingresa al sistema de registro de paciente -El funcionario ingresa la identificación del paciente -El sistema almacena la información en la base de datos -Muestra pantalla de confirmación de registro del paciente -Proceso termina

36

7.1.5 Secuencias Alternativas

-El funcionario ingresa la identificación del paciente -El sistema detecta que la información del paciente existe en la base de datos. -Muestra pantalla de paciente existe en el sistema -Proceso termina

7.1.6 Pos condiciones

El paciente es registrado en la base de datos ó el paciente existía como registrado previamente.

7.1.7 Diagrama de actividades

Figura 21. Diagrama de clases registrar paciente

7.2 ACTUALIZAR PACIENTE 7.2.1 Descripción de caso de uso Este caso de uso describe el proceso mediante el cual un funcionario de la EPS actualiza los datos personales de un paciente existente en el sistema. El objetivo es mantener la información actualizada de los pacientes la cual es utilizada en los diferentes reportes que genera el sistema y con la base de datos montada con

37

lógica difusa ayudar al proceso de análisis y toma de decisiones. 7.2.2 Actores

Funcionario de la EPS Interface gráfica del sistema de registro de pacientes


El paciente debe existir en la base de datos del sistema. 7.2.4 Secuencia Básica de Eventos

1. Sistema muestra menú de opciones. 2. El funcionario de la EPS selecciona la opción de actualización de pacientes. 3. El funcionario de la EPS ingresa la identificación del paciente. 4. El funcionario de la EPS sobre escribe la información personal del paciente. 5. El sistema actualiza la información en la base de datos. 6. Muestra pantalla de confirmación de actualización del paciente. 7. Proceso termina.

7.2.5 Secuencias alternativas

- El funcionario de la EPS ingresa la identificación del paciente. - El sistema detecta que el usuario no existe en la base de datos. - Muestra pantalla de error en el sistema. - Proceso termina.


El paciente es actualizado en la base de datos del sistema

38


Figura 22. Diagrama de clases actualizar paciente

7.3 EVALUACION DE CUESTIONARIO

7.3.1 Descripción de caso de uso Este caso de uso describe el proceso mediante el cual los funcionarios de la EPS, preparan la información necesaria para la evaluación del paciente. El objetivo es relacionar la información del paciente, edad, peso enfermedades frecuentes, antecedentes familiares para poder así, disponer de la información propia del cuestionario a realizarse por medio del sistema. 7.3.2 Actores

Funcionarios de la EPS Interface gráfica del sistema de registro de pacientes


El paciente debe existir en la base de datos del sistema de la EPS

39


1. Interfaz grafica muestra menú de opciones. 2. El funcionario de la EPS selecciona la opción de evaluar prueba. 3. El funcionario de la EPS ingresa la identificación del paciente. 4. El sistema muestra la información del paciente en modo no editable. 5. El funcionario de la EPS selecciona la categoría de la prueba. 6. El funcionario de la EPS selecciona la opción cargar cuestionario 7. El sistema carga las preguntas del cuestionario. 8. El funcionario de la EPS completa las diferentes preguntas del cuestionario. 9. El funcionario de la EPS selecciona la opción analizar cuestionario. 10. El sistema registrar la información en la base de datos. 11. El sistema realiza el proceso de análisis. 12. El sistema genera un reporte con el análisis del cuestionario. 13. Proceso termina.


3a-1. El funcionario de la EPS ingresa la identificación del paciente. 3a-2. El sistema detecta que el usuario no existe en la base de datos. 3a-3. Muestra pantalla de error en el sistema. 3a-4. Proceso termina.


Prueba del paciente analizada.

40


Figura 23. Diagrama de clases Evaluar cuestionario

7.4 EVALUACION POR LOS PADRES 7.4.1 Descripción de caso de uso Este caso de uso describe el proceso mediante el cual un funcionario de la EPS prepara la información necesaria de la evaluación para los padres del paciente. El objetivo es relacionar la información recopilada de los padres del paciente por medio de un cuestionario el cual será almacenado en la base de datos, esto con el fin de revisar el historial médico y las posibles enfermedades hereditarias que pueda tener el paciente 7.4.2 Actores

Funcionario de la EPS Interface gráfica

41


El funcionario de la EPS elige cuestionario para padres. 7.4.4 Secuencia básica de eventos

1. Ingresa al sistema. 2. El funcionario de la EPS selecciona la opción de ingresar datos de paciente. 3. El funcionario de la EPS ingresa la identificación del paciente. 4. El sistema muestra la información del paciente. 5. El funcionario de la EPS selecciona padres como categoría del

cuestionario. 6. El funcionario de la EPS ingresa los datos del paciente. 7. El funcionario de la EPS ingresa los datos adicionales de la prueba. 8. El funcionario de la EPS selecciona la opción cargar cuestionario 9. El sistema carga las preguntas del cuestionario para padres. 10. El funcionario de la EPS completa las diferentes preguntas del cuestionario. 11. El funcionario de la EPS selecciona la opción cargar datos. 12. El sistema registrar la información en la base de datos. 13. El sistema realiza el proceso de análisis de datos. 14. El sistema genera un reporte con la información del cuestionario. 15. Proceso termina.




Prueba para padres del paciente analizado.

42


Figura 24. Diagrama de clases Evaluación para padres

7.5 AUTO EXAMEN

7.5.1 Descripción de caso de uso Este caso de uso describe el proceso mediante el cual un funcionario de la EPS prepara la información necesaria de la auto-evaluación del paciente. El objetivo es relacionar la información recopilada del mismo paciente por medio de un cuestionario, el cual será analizado por el sistema para verificar enfermedades que se le hayan presentado y que en el momento tenga. 7.5.2 Actores


43


El funcionario de la EPS elige cuestionario auto-evaluación. 7.5.4 Secuencia básica de eventos

1. Funcionario de la EPS ingresa al sistema. 2. El funcionario de la EPS selecciona la opción de evaluar prueba. 3. El funcionario de la EPS ingresa la identificación del paciente. 4. El sistema muestra la información del paciente. 5. El funcionario de la EPS selecciona auto-evaluación. 6. El funcionario de la EPS ingresa los datos del paciente. 7. El funcionario de la EPS selecciona la opción cargar cuestionario 8. El sistema carga las preguntas del cuestionario auto-examen. 9. El funcionario de la EPS completa las diferentes preguntas del cuestionario. 10. El funcionario de la EPS selecciona la opción analizar cuestionario. 11. El sistema registra la información en la base de datos. 12. El sistema realiza el proceso de calificación. 13. El sistema genera un reporte con la calificación del cuestionario. 14. Proceso termina.




Prueba auto informe del paciente calificado.

44


Figura 25. Diagrama de clases auto-examen

7.6 BUSCAR PACIENTE 7.6.1 Descripción de caso de uso Este caso de uso describe el proceso mediante el cual un funcionario de la EPS busca un paciente al que se le va a relacionar la información de un cuestionario. El objetivo es recuperar de la base de datos la información médica del paciente en el momento en que el funcionario de la EPS ingresa el documento de identificación.

7.6.2 Actores


45


Ninguna. 7.6.4 Secuencia básica de eventos

1. El sistema muestra un campo para ingresar la identificación del paciente. 2. El funcionario de la EPS ingresa la identificación del paciente. 3. EL sistema busca en la base de datos la información personal asociada a la

identificación ingresada por el funcionario de la EPS. 4. El sistema presenta la información médica del paciente buscado 5. Proceso termina.


El funcionario de la EPS ingresa la identificación del paciente. El sistema detecta que el usuario no existe en la base de datos. Muestra pantalla de error en el sistema. Proceso termina.

7.6.6 Pos condiciones Información del paciente cargada en la base de datos, ó Pantalla de error cuando el paciente no se encuentra en la base de datos.

46


Figura 26. Diagrama de clases Buscar paciente

7.7 GENERACION DE REPORTES 7.7.1 Descripción de caso de uso Este caso de uso describe el proceso mediante el cual un funcionario de la EPS visualiza un informe de los cuestionarios realizados que cumplan el criterio de búsqueda. El objetivo permitir al funcionario de la EPS visualizar el resultado de un cuestionario en específico por medio del sistema. 7.7.2 Actores


47


El cuestionario debe haber sido ingresado al sistema.


1. Interfaz grafica muestra menú de opciones. 2. El funcionario de la EPS selecciona la opción de generar reporte. 3. El funcionario de la EPS ingresa un rango de fechas. 4. El funcionario de la EPS selecciona la opción recuperar información. 5. El sistema consulta en la base de datos la consulta en ese rango de fechas. 6. El sistema muestra un listado con los resultados de la búsqueda. 7. El funcionario de la EPS selecciona la opción visualizar reporte en el

registro que desea. 8. El sistema muestra el reporte con los resultados de la prueba elegida. 9. Proceso termina.


El funcionario de la EPS ingresa la identificación de paciente. Retornar al paso 4. El funcionario de la EPS ingresa la categoría o tipo de prueba. Retornar al paso 4. El sistema consulta en la base de datos la información existente No hay registros que cumplan con el criterio de búsqueda. Muestra pantalla de error en el sistema Proceso termina.


Visualización de resultado de la información del paciente.

48


Figura 27. Diagrama de clases Buscar paciente

49

8 MODELO DE BASE DE DATOS

8.1 DIAGRAMA ENTIDAD RELACIÓN

Figura 28. Diagrama Entidad-Relación

50

8.2 DESCRIPCION DEL MODELO DE DATOS TABLA: T_PERSONAS

DESCRIPCIÓN: Almacena los datos personales de los funcionarios de la EPS y pacientes.

COLUMNAS TIPO DE DATO NULO DESCRIPCION

Nmdocumento Numeric(11,0) No Cédula, documento de identidad

DsNombre1 Varchar(15) No Primer Nombre.

DsNombre2 Varchar(15) Si Segundo Nombre.

Dsapellido1 Varchar(15) No Primer apellido.

Dsapellido2 Varchar(15) Si Segundo apellido.

Fenacim Date No Fecha de nacimiento.

Cdsexo Varchar(1) No Sexo.

Dsdireccion Varchar(60) Si Dirección de residencia.

Dstelefono Varchar(15) Si Teléfono.

Dsobservacion Varchar(100) Si Observaciones generales.

CONSTRAINT NOMBRE CAMPO(S) TABLA REF.

PK Nmdocumento

FK (S) fk_persona_usuari

o

Nmdocumento T_Usuarios

TABLA: T_RESULTADO_EVALUACION

DESCRIPCIÓN: Almacena los resultados por evaluación.


Nmtest Integer No Identifica el test.

Nmevaluacion Integer No Identifica la calificación.

Sncritico Varchar(1) No Indica si la calificación es crítica.


PK nmtest, nmevaluación

FK (S) fk_califeval_eval nmest T_calificaciones

fk_califeval_calif Nmcalificacion T_calificaciones

51

TABLA: T_CALIFICACIONES_PRUEBA

DESCRIPCIÓN: Almacena los resultados por prueba.



Nmestrato_soc Integer No Identifica el estrato

socioeconómico.

Cdsexo Varchar(1) No Sexo.

Nmpuntaje Integer Si Puntaje para la prueba.


PK nmtest,

nmestrato_soc,

cdsexo

FK (S) fk_califpru_esceva

l

nmtest

T_escalas_evaluacio

n

fk_califpru_prueba nmtest, mcategoria,

nmestrato_soc, cdsexo

T_pruebas

TABLA: T_CALIFICACIONES

DESCRIPCIÓN: Almacena las diversas preguntas que se utilizan para responder los

cuestionarios de todas las pruebas.


Nmpregunta Integer No Identifica la pregunta.

Dscalificacion Integer No Descripción de la calificación.


PK Nmpregunta

TABLA: T_CATEGORIAS

DESCRIPCIÓN: Almacena las diversas categorías que se utilizan para clasificar las

pruebas.


nmcategoria Integer NO Identifica la categoría.

dscategoria Varchar(20) NO Descripción de la categoría.


PK Nmcategoria

52

TABLA: T_DATOS_PRUEBA

DESCRIPCIÓN: Almacena los datos básicos de las pruebas.


nmtest Integer No Identifica el test.

nmestrato_soc Integer No Identifica el estrato

socioeconómico.

cdsexo Varchar(1) No Sexo.


PK nmtest,

nmestrato_soc,

cdsexo

FK Fk_califpru_prueba nmtest, mcategoria,

nmestrato_soc,

cdsexo

T__pruebas

TABLA: T_DETALLES_CRITICOS_PRUEBA

DESCRIPCIÓN: Almacena las preguntas criticas de todas las pruebas efectuadas a los

pacientes.




socioeconómico.


nmdocumento Numeric(11,0) No Documento del evaluado.

nmpregunta Integer No Identifica la pregunta.

Nmevaluacion Integer No Identifica la evaluación.


PK nmtest,

nmestrato_soc,

cdsexo,

nmdocumento,

nmpregunta

FK (S) fk_detcriprue_pret nmtest, nmpregunta T_preguntas_evalua

cion

fk_detcriprue_pru nmtest,nmestrato_soc,

cdsexo, nmdocumento

T_pruebas_paciente

53

TABLA: T_DETALLES_PRUEBA

DESCRIPCIÓN: Almacena la evaluación final de todas las pruebas.

COLUMNAS TIPO DE DATO NULO DESCRIPCIÓN



socioeconómico.

cdsexo Varchar(1) No Sexo


nmcalif_acum Integer Si Calificación acumulada.


PK nmtest, mestrato_soc,

cdsexo, nmdocumento

FK (S) fk_detprue_escala nmtest

T_escalas_evaluació

n

fk_detprue_punt Nmpunt_t_inf T_puntuaciones

fk_detprue_pru nmtest,nmestrato_soc,

cdsexo, nmdocumento

T_pruebas_paciente

TABLA: T_ESCALAS_EVALUACION

DESCRIPCIÓN: Almacena las diferentes escalas por evaluación.



nmfactor_error Numeric(5,2) Si Factor de Error.


PK nmtest,

FK (S) fk_escalaeval_eval Nmtest T_evaluaciones

TABLA: T_ESTRATOS_SE

DESCRIPCIÓN: Almacena los diversos estratos socioeconómicos.


nmestrato_soc Integer No Identifica el estrato socioeconómico.

dsestrato_soc Varchar(15) No Descripción del estrato

socioeconómico.


PK Nmestrato_soc

54

TABLA: T_EVALUACIONES

DESCRIPCIÓN: Almacena la información específica de todas las evaluaciones.



snborrar Varchar(1) No Indica si se puede borrar la

evaluación.

dsencabezado Long Varchar Si Descripción para el encabezado de

los cuestionarios.

dsinstructivo Long Varchar Si Descripción del instructivo para los

cuestionarios.


PK Nmtest

FK (S) fk_eval_test Nmtest T_tests

TABLA: T_PREGUNTAS_EVALUACION

DESCRIPCIÓN: Almacena las diferentes preguntas por evaluación.




nmconsecutivo Integer No Consecutivo de la pregunta.

Nmevaluacion Integer Identifica la evaluación.


PK nmtest, nmpregunta

FK (S) fk_pregeval_eval nmtest T_evaluaciones

fk_pregeval_preg nmpregunta T_preguntas

fk_pregeval_escev

al

nmtest, T_escalas_evaluacio

n

TABLA: T_PREGUNTAS

DESCRIPCIÓN: Almacena las diferentes preguntas utilizadas en todas las pruebas.



dspregunta Varchar(256) No Descripción de la pregunta.


PK nmpregunta

55

TABLA: T_PRUEBAS

DESCRIPCIÓN: Almacena la información específica de todas la pruebas.


nmtest Integer No Identifica el tipo de test.


socioeconómico.



PK nmtest,nmestrato_soc,

cdsexo

FK (S) fk_prueba_evaluac

ion

nmtest T_evaluaciones

fk_prueba_estratos

oc

nmestrato_soc T_estratos_se

TABLA: T_PRUEBAS_PACIENTE

DESCRIPCIÓN: Almacena los datos adicionales que se tienen en cuenta al momento de

evaluar las pruebas.




socioeconómico.



dsinstitucion Varchar(50) No Nombre de la EPS

fecalificado Date No Fecha de calificación de la prueba.

sncalificado Varchar(1) No Indica si la prueba está evaluada.

dsNombre1 Varchar(15) Si Primer nombre del padre del

evaluado.

dsNombre2 Varchar(15) Si Segundo nombre del padre del

evaluado.

dsapellido1 Varchar(15) Si Primer apellido del padre del

evaluado.

dsapellido2 Varchar(15) Si Segundo apellido del padre del

evaluado.

cdsexo_otro Varchar(1) Si Sexo del padre del evaluado.

dsobservacion Varchar(25) Si Observaciones generales.

dsrespuesta Long Varchar Si Respuestas de la prueba.

nmcriticos Integer Si Número de preguntas criticas.

56

nmespeciales Integer Si Número de preguntas especiales.


PK nmtest,

nmestrato_soc,

cdsexo, nmdocumento

FK (S) fk_pruepac_pru nmtest,nmestrato_soc,

cdsexo

T_pruebas

fk_pruepac_pac Nmdocumento T_personas

TABLA: T_ PUNTUACIONES

DESCRIPCIÓN: Almacena las puntuaciones y estándar utilizadas para evaluar las

diferentes análisis de una prueba.


nmpunt_t_inf Integer No Puntuación t inferior.

nmpunt_t_sup Integer No Puntuación t superior.

nmpunt_std_inf Integer No Puntuación estándar inferior.

nmpunt_std_sup Integer No Puntuación estándar Superior.


PK nmpunt_std_inf

TABLA: T_TESTS

DESCRIPCIÓN: Almacena la información específica de todos los test.


nmtest Integer NO Identifica el test.

dstest Varchar(50) NO Descripción del test.

nmedad_inf Integer NO Edad inferior.

nmedad_sup Integer NO Edad superior.


PK nmtest

TABLA: T_DETALLE_RESPUESTAS_PRUEBAS_PACIENTE

DESCRIPCIÓN: Almacena los datos de las respuestas por pruebas.




socioeconómico.

57



nmpregunta Integer No Número de pregunta

cdrespuesta Varchar(10) No Código de equivalencia de la

respuesta


PK nmtest, mestrato_soc,

cdsexo, nmdocumento

FK (S) fk_pruepac_pru

nmtest,nmestrato_soc,

cdsexo

T_pruebas

fk_pruepac_pac Nmdocumento T_personas

TABLA: T_ PERFILES_USUARIO

DESCRIPCIÓN: Almacena las diferentes tipos de perfiles para los usuarios que acceden al

sistema que pueden ser médicos o enfermeros.


Código Varchar(10) No Identifica el perfil del usuario

Descripción Varchar(100) No Descripción del perfil.


PK Código

TABLA: T_USUARIOS

DESCRIPCIÓN: Almacena los datos de acceso de los usuarios que usan al sistema.


Dslogin Varchar(30) No Nombre de usuario para acceso

Nmdocumento Integer No Documento del usuario del sistema

Password Varchar(30) No Password de acceso

Cdperfil Varchar(10) No Perfil del usuario


PK dslogin

FK (S) fk_usuario_perfil Cdperfil T_perfiles_usuario

58

8.3 Imagen de la base de datos creada en Oracle 9i Para simular la base de datos difusa se creó en el motor de oracle9i con las tablas relacionadas.

Creación de las tablas de la base de datos:

60

8.4 Diseño de la base de datos en power designer

61

8.5 Diseño entidad relación elaborada en Power Builder

8.6 SCRIPTS PARA CREAR LA BASE DE DATOS

alter table T_CALIFICACIONES_PRUEBA drop constraint FK_T_CALIFI_FK_CALIFP_T_PRUEBA; alter table T_DATOS_PRUEBA drop constraint FK_T_DATOS__FK_CALIFP_T_PRUEBA; alter table T_DETALLES_CRITICOS_PRUEBA drop constraint FK_T_DETALL_FK_PRUEBA_T_PRUEBA; alter table T_DETALLES_PRUEBA drop constraint FK_T_DETALL_REFERENCE_T_DETALL; alter table T_DETALLE_RESPUESTAS_PRUEBAS_P drop constraint FK_T_DETALL_FK_PRUEPA_T_PRUEBA; alter table T_ESCALAS_EVALUACION

62

drop constraint FK_T_ESCALA_FK_CALIFP_T_PRUEBA; alter table T_ESTRATOS_SE drop constraint FK_T_ESTRAT_REFERENCE_T_DATOS_; alter table T_EVALUACIONES drop constraint FK_T_EVALUA_FK_EVAL_T_T_TESTS; alter table T_EVALUACIONES drop constraint FK_T_EVALUA_FK_PREGEV_T_ESCALA; alter table T_PERSONAS drop constraint FK_T_PERSON_FK_PERSON_T_USUARI; alter table T_PERSONAS drop constraint FK_T_PERSON_FK_PRUEPA_T_PRUEBA; alter table T_PERSONAS drop constraint FK_T_PERSON_REFERENCE_T_DETALL; alter table T_PREGUNTAS drop constraint FK_T_PREGUN_FK_PREGEV_T_PREGUN; alter table T_PREGUNTAS drop constraint FK_T_PREGUN_REFERENCE_T__PUNTU; alter table T_PREGUNTAS_EVALUACION drop constraint FK_T_PREGUN_FK_PREGEV_T_EVALUA; alter table T_PRUEBAS drop constraint FK_T_PRUEBA_REFERENCE_T_PRUEBA; alter table T_PRUEBAS drop constraint FK_T_PRUEBA_REFERENCE_T_CATEGO; alter table T_RESULTADO_EVALUACION drop constraint FK_T_RESULT_FK_CALIFE_T_CALIFI; alter table T__PERFILES_USUARIO drop constraint FK_T__PERFI_FK_USUARI_T_USUARI; drop table T_CALIFICACIONES cascade constraints; drop table T_CALIFICACIONES_PRUEBA cascade constraints;

63

drop table T_CATEGORIAS cascade constraints; drop table T_DATOS_PRUEBA cascade constraints; drop table T_DETALLES_CRITICOS_PRUEBA cascade constraints; drop table T_DETALLES_PRUEBA cascade constraints; drop table T_DETALLE_RESPUESTAS_PRUEBAS_P cascade constraints; drop table T_ESCALAS_EVALUACION cascade constraints; drop table T_ESTRATOS_SE cascade constraints; drop table T_EVALUACIONES cascade constraints; drop table T_PERSONAS cascade constraints; drop table T_PREGUNTAS cascade constraints; drop table T_PREGUNTAS_EVALUACION cascade constraints; drop table T_PRUEBAS cascade constraints; drop table T_PRUEBAS_PACIENTE cascade constraints; drop table T_RESULTADO_EVALUACION cascade constraints; drop table T_TESTS cascade constraints; drop table T_USUARIOS cascade constraints; drop table T__PERFILES_USUARIO cascade constraints; drop table T__PUNTUACIONES cascade constraints; /*==============================================================*/ /* Table: T_CALIFICACIONES */ /*==============================================================*/ create table T_CALIFICACIONES ( NMPREGUNTA INTEGER not null, DSCALIFICACION INTEGER not null, constraint PK_T_CALIFICACIONES primary key (NMPREGUNTA)

64

); /*==============================================================*/ /* Table: T_CALIFICACIONES_PRUEBA */ /*==============================================================*/ create table T_CALIFICACIONES_PRUEBA ( NMTEST INTEGER not null, NMESTRATO_SOC INTEGER not null, CDSEXO VARCHAR2(1) not null, NMPUNTAJE INTEGER, constraint PK_T_CALIFICACIONES_PRUEBA primary key (NMTEST, NMESTRATO_SOC, CDSEXO) ); /*==============================================================*/ /* Table: T_CATEGORIAS */ /*==============================================================*/ create table T_CATEGORIAS ( NMCATEGORIA INTEGER not null, DSCATEGORIA VARCHAR2(20) not null, constraint PK_T_CATEGORIAS primary key (NMCATEGORIA) ); /*==============================================================*/ /* Table: T_DATOS_PRUEBA */ /*==============================================================*/ create table T_DATOS_PRUEBA ( NMTEST INTEGER not null, NMESTRATO_SOC INTEGER not null, CDSEXO VARCHAR2(1) not null, constraint PK_T_DATOS_PRUEBA primary key (NMTEST, NMESTRATO_SOC, CDSEXO) ); /*==============================================================*/ /* Table: T_DETALLES_CRITICOS_PRUEBA */ /*==============================================================*/

65

create table T_DETALLES_CRITICOS_PRUEBA ( NMTEST INTEGER not null, NMESTRATO_SOC INTEGER not null, CDSEXO VARCHAR2(1) not null, NMDOCUMENTO NUMBER(11,1) not null, NMPREGUNTA INTEGER not null, NMEVALUACION_ INTEGER not null, constraint PK_T_DETALLES_CRITICOS_PRUEBA primary key (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO) ); /*==============================================================*/ /* Table: T_DETALLES_PRUEBA */ /*==============================================================*/ create table T_DETALLES_PRUEBA ( NMTEST INTEGER not null, NMESTRATO_SOC INTEGER not null, CDSEXO VARCHAR2(1) not null, NMDOCUMENTO NUMBER(11,1) not null, NMCALIF_ACUM INTEGER, constraint PK_T_DETALLES_PRUEBA primary key (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO) ); /*==============================================================*/ /* Table: T_DETALLE_RESPUESTAS_PRUEBAS_P */ /*==============================================================*/ create table T_DETALLE_RESPUESTAS_PRUEBAS_P ( NMTEST INTEGER not null, NMESTRATO_SOC INTEGER not null, CDSEXO VARCHAR2(1) not null, NMDOCUMENTO NUMBER(11,1) not null, NMPREGUNTA INTEGER not null, CDRESPUESTA VARCHAR2(10) not null, constraint PK_T_DETALLE_RESPUESTAS_PRUEBA primary key (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO) ); /*==============================================================*/ /* Table: T_ESCALAS_EVALUACION */

66

/*==============================================================*/ create table T_ESCALAS_EVALUACION ( NMTEST INTEGER not null, NMESTRATO_SOC INTEGER, CDSEXO VARCHAR2(1), NMFACTOR_ERROR NUMBER(5,2), constraint PK_T_ESCALAS_EVALUACION primary key (NMTEST) ); /*==============================================================*/ /* Table: T_ESTRATOS_SE */ /*==============================================================*/ create table T_ESTRATOS_SE ( NMESTRATO_SOC INTEGER not null, CDSEXO VARCHAR2(1), NMTEST INTEGER, DSESTRATO_SOC VARCHAR2(15) not null, constraint PK_T_ESTRATOS_SE primary key (NMESTRATO_SOC) ); /*==============================================================*/ /* Table: T_EVALUACIONES */ /*==============================================================*/ create table T_EVALUACIONES ( NMTEST INTEGER not null, T_T_NMTEST INTEGER, SNBORRAR VARCHAR2(1) not null, DSENCABEZADO LONG VARCHAR, DSINSTRUCTIVO LONG VARCHAR, constraint PK_T_EVALUACIONES primary key (NMTEST) ); /*==============================================================*/ /* Table: T_PERSONAS */ /*==============================================================*/ create table T_PERSONAS ( NMDOCUMENTO VARCHAR2(11) not null, NMTEST INTEGER,

67

NMESTRATO_SOC INTEGER, DSNOMBRE1 VARCHAR2(15) not null, DSNOMBRE2 VARCHAR2(15) not null, DSAPELLIDO1 VARCHAR2(15), DSAPELLIDO2 VARCHAR2(15) not null, FENACIM DATE not null, CDSEXO VARCHAR2(1) not null, T_D_NMDOCUMENTO NUMBER(11,1), T_P_NMTEST INTEGER, T_P_NMESTRATO_SOC INTEGER, T_P_CDSEXO VARCHAR2(1), T_P_NMDOCUMENTO NUMBER(11,0), DSDIRECCION VARCHAR2(60), DSTELEFONO VARCHAR2(15), DSOBSERVACION VARCHAR2(100), constraint PK_T_PERSONAS primary key (NMDOCUMENTO) ); /*==============================================================*/ /* Table: T_PREGUNTAS */ /*==============================================================*/ create table T_PREGUNTAS ( NMPREGUNTA INTEGER not null, NMTEST INTEGER, NMPUNT_STD_INF INTEGER, DSPREGUNTA VARCHAR2(256) not null, constraint PK_T_PREGUNTAS primary key (NMPREGUNTA) ); /*==============================================================*/ /* Table: T_PREGUNTAS_EVALUACION */ /*==============================================================*/ create table T_PREGUNTAS_EVALUACION ( NMTEST INTEGER not null, NMPREGUNTA INTEGER not null, NMCONSECUTIVO INTEGER not null, NMEVALUACION_ INTEGER not null, constraint PK_T_PREGUNTAS_EVALUACION primary key (NMTEST, NMPREGUNTA) );

68

/*==============================================================*/ /* Table: T_PRUEBAS */ /*==============================================================*/ create table T_PRUEBAS ( NMTEST INTEGER not null, NMESTRATO_SOC INTEGER not null, CDSEXO VARCHAR2(1) not null, NMDOCUMENTO NUMBER(11,0), NMCATEGORIA INTEGER, constraint PK_T_PRUEBAS primary key (NMTEST, NMESTRATO_SOC, CDSEXO) ); /*==============================================================*/ /* Table: T_PRUEBAS_PACIENTE */ /*==============================================================*/ create table T_PRUEBAS_PACIENTE ( NMTEST INTEGER not null, NMESTRATO_SOC INTEGER not null, CDSEXO VARCHAR2(1) not null, NMDOCUMENTO NUMBER(11,0) not null, DSINSTITUCION VARCHAR2(50) not null, FECALIFICADO DATE not null, SNCALIFICADO VARCHAR2(1) not null, DSNOMBRE1 VARCHAR2(15), DSNOMBRE2 VARCHAR2(15), DSAPELLIDO1 VARCHAR2(15), DSAPELLIDO2 VARCHAR2(15), CDSEXO_OTRO VARCHAR2(1), DSOBSERVACION VARCHAR2(25), DSRESPUESTA LONG VARCHAR, NMCRITICOS INTEGER, NMESPECIALES INTEGER, constraint PK_T_PRUEBAS_PACIENTE primary key (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO) ); /*==============================================================*/ /* Table: T_RESULTADO_EVALUACION */ /*=============================================================

69

=*/ create table T_RESULTADO_EVALUACION ( NMTEST INTEGER not null, NMEVALUACION INTEGER not null, NMPREGUNTA INTEGER, SNCRITICO VARCHAR2(1) not null, constraint PK_T_RESULTADO_EVALUACION primary key (NMTEST, NMEVALUACION) ); /*==============================================================*/ /* Table: T_TESTS */ /*==============================================================*/ create table T_TESTS ( NMTEST INTEGER not null, DSTEST VARCHAR2(50) not null, NMEDAD_INF INTEGER not null, NMEDAD_SUP INTEGER not null, constraint PK_T_TESTS primary key (NMTEST) ); /*==============================================================*/ /* Table: T_USUARIOS */ /*==============================================================*/ create table T_USUARIOS ( DSLOGIN VARCHAR2(30) not null, NMDOCUMENTO VARCHAR2(11) not null, PASSWORD VARCHAR2(30) not null, CDPERFIL VARCHAR2(10) not null, constraint PK_T_USUARIOS primary key (NMDOCUMENTO) ); /*==============================================================*/ /* Table: T__PERFILES_USUARIO */ /*==============================================================*/ create table T__PERFILES_USUARIO ( CODIGO VARCHAR2(10) not null, NMDOCUMENTO VARCHAR2(11), DESCRIPCION VARCHAR2(100) not null,

70

constraint PK_T__PERFILES_USUARIO primary key (CODIGO) ); /*==============================================================*/ /* Table: T__PUNTUACIONES */ /*==============================================================*/ create table T__PUNTUACIONES ( NMPUNT_T_INF INTEGER not null, NMPUNT_T_SUP INTEGER not null, NMPUNT_STD_INF INTEGER not null, NMPUNT_STD_SUP INTEGER not null, constraint PK_T__PUNTUACIONES primary key (NMPUNT_STD_INF) ); alter table T_CALIFICACIONES_PRUEBA add constraint FK_T_CALIFI_FK_CALIFP_T_PRUEBA foreign key (NMTEST, NMESTRATO_SOC, CDSEXO) references T_PRUEBAS (NMTEST, NMESTRATO_SOC, CDSEXO); alter table T_DATOS_PRUEBA add constraint FK_T_DATOS__FK_CALIFP_T_PRUEBA foreign key (NMTEST, NMESTRATO_SOC, CDSEXO) references T_PRUEBAS (NMTEST, NMESTRATO_SOC, CDSEXO); alter table T_DETALLES_CRITICOS_PRUEBA add constraint FK_T_DETALL_FK_PRUEBA_T_PRUEBA foreign key (NMTEST, NMESTRATO_SOC, CDSEXO) references T_PRUEBAS (NMTEST, NMESTRATO_SOC, CDSEXO); alter table T_DETALLES_PRUEBA add constraint FK_T_DETALL_REFERENCE_T_DETALL foreign key (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO) references T_DETALLES_CRITICOS_PRUEBA (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO); alter table T_DETALLE_RESPUESTAS_PRUEBAS_P add constraint FK_T_DETALL_FK_PRUEPA_T_PRUEBA foreign key (NMTEST, NMESTRATO_SOC, CDSEXO) references T_PRUEBAS (NMTEST, NMESTRATO_SOC, CDSEXO); alter table T_ESCALAS_EVALUACION add constraint FK_T_ESCALA_FK_CALIFP_T_PRUEBA foreign key (NMTEST, NMESTRATO_SOC, CDSEXO)

71

references T_PRUEBAS (NMTEST, NMESTRATO_SOC, CDSEXO); alter table T_ESTRATOS_SE add constraint FK_T_ESTRAT_REFERENCE_T_DATOS_ foreign key (NMTEST, NMESTRATO_SOC, CDSEXO) references T_DATOS_PRUEBA (NMTEST, NMESTRATO_SOC, CDSEXO); alter table T_EVALUACIONES add constraint FK_T_EVALUA_FK_EVAL_T_T_TESTS foreign key (T_T_NMTEST) references T_TESTS (NMTEST); alter table T_EVALUACIONES add constraint FK_T_EVALUA_FK_PREGEV_T_ESCALA foreign key (NMTEST) references T_ESCALAS_EVALUACION (NMTEST); alter table T_PERSONAS add constraint FK_T_PERSON_FK_PERSON_T_USUARI foreign key (NMDOCUMENTO) references T_USUARIOS (NMDOCUMENTO); alter table T_PERSONAS add constraint FK_T_PERSON_FK_PRUEPA_T_PRUEBA foreign key (T_P_NMTEST, T_P_NMESTRATO_SOC, T_P_CDSEXO, T_P_NMDOCUMENTO) references T_PRUEBAS_PACIENTE (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO); alter table T_PERSONAS add constraint FK_T_PERSON_REFERENCE_T_DETALL foreign key (NMTEST, NMESTRATO_SOC, CDSEXO, T_D_NMDOCUMENTO) references T_DETALLE_RESPUESTAS_PRUEBAS_P (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO); alter table T_PREGUNTAS add constraint FK_T_PREGUN_FK_PREGEV_T_PREGUN foreign key (NMTEST, NMPREGUNTA) references T_PREGUNTAS_EVALUACION (NMTEST, NMPREGUNTA); alter table T_PREGUNTAS add constraint FK_T_PREGUN_REFERENCE_T__PUNTU foreign key (NMPUNT_STD_INF) references T__PUNTUACIONES (NMPUNT_STD_INF); alter table T_PREGUNTAS_EVALUACION

72

add constraint FK_T_PREGUN_FK_PREGEV_T_EVALUA foreign key (NMTEST) references T_EVALUACIONES (NMTEST); alter table T_PRUEBAS add constraint FK_T_PRUEBA_REFERENCE_T_PRUEBA foreign key (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO) references T_PRUEBAS_PACIENTE (NMTEST, NMESTRATO_SOC, CDSEXO, NMDOCUMENTO); alter table T_PRUEBAS add constraint FK_T_PRUEBA_REFERENCE_T_CATEGO foreign key (NMCATEGORIA) references T_CATEGORIAS (NMCATEGORIA); alter table T_RESULTADO_EVALUACION add constraint FK_T_RESULT_FK_CALIFE_T_CALIFI foreign key (NMPREGUNTA) references T_CALIFICACIONES (NMPREGUNTA); alter table T__PERFILES_USUARIO add constraint FK_T__PERFI_FK_USUARI_T_USUARI foreign key (NMDOCUMENTO) references T_USUARIOS (NMDOCUMENTO);

73

REFERENCIAS BIBLIOGRAFICAS [1] L.A.Zadeh information and control , Department of Electrical Engineering and Electronics Laboratory,University of California, Berkeley pp 25-29

[2] Kaacprzyk y Staniewski [1982], Archiwum Automatyki i Telemechaniki 25:44, 433-443, 1980 [3] Rinks, D.B. [1981] A heuristic approach to aggregate production scheduling using linguistic variables. Applied Systems and Cibernetics, vol. VI, Lasker, GE, Pergamon Press: New York, 2877-2883. [4] Miller, W.A., Leung, L.C., Azhar, T.M. y Sargent, S. [1997] Fuzzy production planning model for fresh tomato packing. International Journal of Production Economics, 53, 227-238. [5] Petrovic, D., Roy, R. y Petrovic, R. [1998] Modelling and Simulation of a Supply Chain in an Uncertain Environment. European Journal of Operational Research, 109, 2, 299-309. [6] Du, T.C. y Wolfe, P. [2000] Building an active material requirements planning. International Journal of Production Research, 38, 2, 241-252. [7] Samanta, B. y Al-Araimi, S.A. [2001] An inventory control model using fuzzy logic. International Journal of Production Economics, 73, 217-226. [8] Pendharkar, P.C. [1997] A fuzzy linear programming model for production planning in coal mines. Computers Operations Research, 24, 12, 1141-1149. [9] Reynoso, G., Grabot, B., Geneste, L. y Vérot, S. [2002] “Integration of uncertain and imprecise orders in MRPII”, 9th International Multi-Conference on Advanced Computer Systems. Conference on Production System Design, Supply Chain Management & Logistics, Miedzyzdroje, Pologne, October, 23-25. [10] Mula, J. [2004] Modelos para la planificación de la producción bajo incertidumbre. Aplicación en una empresa del sector del automóvil. Tesis Doctoral. Universidad Politécnica de Valencia.

74

[11] Pedro Larrañaga en articulo La lógica difusa ayudará a predecir enfermedades mediante el estudio de los genes. http://www.lne.es/secciones/noticia.jsp?pRef=1697_38_539227__Cuencas-logica-difusa-ayudara-predecir-enfermedades-mediante-estudio-genes [12] Ingeniare. Revista chilena de ingeniería, vol. 15 No 3, 2007, pp. 216-217 [13] ZADEH,l.A Fuzzy sets, Information and Control 8[1965]338-353 en articulo conjuntos difusos y lógicas difusas. 8, pp. 338-353. [14] Tineo leonid, Interrogaciones flexibles en bases de datos relacionales. http://www.ldc.usb.ve/~leonid/Trabajos%20de%20Ascenso/Interrogaciones%20Flexibles%20en%20Bases%20de%20Datos%20Relacionales.pdf [15] Tineo leonid, Interrogaciones flexibles en bases de datos relacionales. http://www.ldc.usb.ve/~leonid/Trabajos%20de%20Ascenso/Interrogaciones%20Flexibles%20en%20Bases%20de%20Datos%20Relacionales.pdf [16] ZADEH,l.A Fuzzy sets, Information and Control en articulo conjuntos difusos y lógicas difusas. 8, pp. 300-320. [17] Urrutia Sepulveda, Bases de datos difusas modeladas con UML, http://www.inf.udec.cl/~mvaras/papers/2002/varas-urrutia-final.pdf [18] Tineo leonid, Interrogaciones flexibles en bases de datos relacionales. http://www.ldc.usb.ve/~leonid/Trabajos%20de%20Ascenso/Interrogaciones%20Flexibles%20en%20Bases%20de%20Datos%20Relacionales.pdf

[19] Tineo leonid, Interrogaciones flexibles en bases de datos relacionales. http://www.ldc.usb.ve/~leonid/Trabajos%20de%20Ascenso/Interrogaciones%20Flexibles%20en%20Bases%20de%20Datos%20Relacionales.pdf

http://www.lne.es/secciones/noticia.jsp?pRef=1697_38_539227__Cuencas-logica-difusa-ayudara-predecir-enfermedades-mediante-estudio-genes

http://www.lne.es/secciones/noticia.jsp?pRef=1697_38_539227__Cuencas-logica-difusa-ayudara-predecir-enfermedades-mediante-estudio-genes

http://www.ldc.usb.ve/~leonid/Trabajos%20de%20Ascenso/Interrogaciones%20Flexibles%20en%20Bases%20de%20Datos%20Relacionales.pdf








modelo de bases de datos usando logica...

Documents