Professional Documents
Culture Documents
O que est por trs de toda essa versatilidade da utilizao desta teoria fuzzy a
possibilidade de modelar e manipular matematicamente informaes vagas e
imprecisas, naturais da linguagem humana e, portanto, as fornecidas pelos especialistas
(no matemticos) ao caracterizar os processos estudados.
Esta manipulao feita a partir da composio de variveis escolhidas para
modelar matematicamente o processo em questo, quando a implicao das variveis
independentes nas dependentes estabelecida por um conjunto de regras lingsticas
baseadas no conhecimento de especialistas.
As tcnicas da teoria dos conjuntos fuzzy tm alcanado as mais diversas reas
de aplicao. Uma das mais aprofundadas de controle fuzzy, que tem possibilitado a
automao de diversos processos, que vo de tarefas domsticas at o controle de
sofisticados processos industriais.
Em produtos de bem de consumo, como mquinas de lavar, televises, cmeras
de filmar, entre outros, o Japo foi o pioneiro a explorar o potencial da lgica fuzzy,
ainda na dcada de 80. De acordo coma literatura, o trabalho pioneiro de aplicao da
lgica fuzzy em controle de processos devido a MAMDANI & ASSILAM (1975),
cujos suportes tericos encontram-se nos artigos de ZADEH (1965). Tal aplicao foi
voltada para controlar mquinas a vapor, o que possibilitou a modelagem matemtica de
aes dos operadores (especialistas) das mquinas, tornando suas tarefas
automatizveis. Este trabalho influenciou outros pesquisadores a explorarem
controladores fuzzy na teoria de controle, como, por exemplo, o controlador de Sugeno,
que no contemplado neste manual.
Desde ento, nas diversas reas de conhecimento, os pesquisadores vm
desenvolvendo algoritmos especficos para o uso desta teoria para a anlise de seus
modelos, como pode ser encontrado tanto na literatura internacional - dentre um nmero
enorme de bons livros citamos KLIR & YUAN (1995) e PEDRYCZ & GOMIDE
(1998) -, bem como nacional - onde indicamos os trabalhos de doutorado: BARROS
(1997), RIBACIONKA (1999) e ORTEGA (2001)-.
Tambm na rea de pesquisa terica tem tido bastante avano em tpicos como
equaes e incluses diferenciais, equaes de diferenas e sistemas dinmicos gerais,
assuntos esses que podem ser encontrados em BARROS et al (2004).
Por outro lado o uso da teoria dos conjuntos fuzzy mostrou-se promissor tambm
em pesquisas aplicadas, como pode ser constatado em vrias oportunidades na ocasio
do Ciclo de Palestras / 2002 a 2004, realizado na FEAGRI sob nossa coordenao
(www.agr.unicamp.br), e do que resultou distintos tipos de projetos de vrios nveis
(iniciao cientfica, mestrado, doutorado e ps doutorado), bem como trabalhos
apresentados em congressos ou publicados em revistas.
Em geral, estas aplicaes so trabalhos de anlise de condies de conforto em
galpes de criao animal como funo da composio de duas variveis que traduzem
o ambiente trmico gerado em galpes. O trabalho pioneiro foi o realizado por
AMENDOLA et al (2004), para simular condies de conforto em galpes de criao de
frangos de corte a partir da composio das variveis independentes de temperatura e
umidade relativa do ar. Os resultados, que constam do ANEXO 2 , foram tomados como
exemplo e incentivaram o desenvolvimento de outros trabalhos de mesma natureza,
como por exemplo, ainda para frangos de corte, por MOURA et al (2004) e por
AMENDOLA & WATANABE (2005); para sunos como consta em QUEIROZ et al
(2004); bem como outros projetos em andamento atualmente sob orientao da
Professora Irenilza da FEAGRI.
Alm disso, do oferecimento da disciplina AP 182N- Estudo Dirigido em
Construes Rurais e Ambincia, resultou um outro projeto para animais em geral como
consta em AMENDOLA, MOLLO & CRUZ (2005).
Aplicaes em outras reas da FEAGRI, como da rea de gua e Solo para a
caracterizao de propriedades de solos, seguem com a orientao do Professor
Matsura, enquanto que da rea de Tecnologia Ps Colheita, referentes caracterizao
da qualidade de produtos como funo da composio das variveis que exercem
influncia na sua preservao para o consumo ainda esto em desenvolvimento.
Por outro lado e enquanto isso, juntamente com o Professor Rodney Bassanezi e
alunos de doutorado do IMECC, foram desenvolvidos sistemas fuzzy para descrever
modelos tericos que simulam alguns fenmenos biolgicos. Um dos temas estudados
foi a Morte Sbita do Citros, doena que tem dado enormes prejuzos aos plantadores de
laranja do Estado de So Paulo. Neste tema os sistemas fuzzy desenvolvidos so para
descrever a evoluo dessa doena. Outros sistemas fuzzy foram desenvolvidos para
estudar uma relao do tipo presa - predador para simular o controle biolgico do agente
causador da morte sbita, alm de estudar os efeitos do controle qumico usado contra
tal agente como consta em PEIXOTO (2005). Ainda em ecologia, h o trabalho sobre a
competio de duas espcies de moscas (uma nativa e outra introduzida vinda da frica
na dcada de 70). Para esse caso tambm foram desenvolvidos alguns sistemas fuzzy
para simular a competio. Tais resultados tm se confirmado segundo dados bilogos
como consta em MAGNAKO (2005). Outro trabalho interessante, na rea de medicina,
trata de proposio de um controlador fuzzy para simular a atuao de um especialista
(mdico) no diagnstico de cncer de prstata. Esse ltimo trabalho faz parte da tese de
doutorado de CASTANHO (2005) que foi desenvolvida juntamente com o Professor
Vendite, do IMECC, e com o Professor Akebo da FEEC.
Em quaisquer dos casos comentados acima, o desempenho do avano do
conhecimento se mostrar efetivo aps o cumprimento rigoroso da clssica seqncia de
etapas relacionadas simulao de processos, como se encontra na literatura, as quais
so intensamente discutidos em todas as disciplinas citadas e brevemente comentadas
no que segue.
Antes de qualquer etapa para o conhecimento de um processo fsico, de
fundamental importncia a descrio fsica do mesmo, o que s possvel aps
exaustiva observao, coleta adequada, identificao e anlise de dados
importantes (variveis, parmetros, interaes, etc...), que podem ser obtidos
experimentalmente. Ressalta-se que esta etapa mostra-se mais ou menos adequada ao
processo em estudo, de acordo como os limites do conhecimento atual que o
pesquisador tem dos mesmos. Isto pode ser completamente compreendido a partir das
observaes sobre a aquarela de Debret (extrado da Folha de So Paulo em 1994), e
apresentada na primeira pgina deste manual.
A partir desta etapa, pode-se avanar a investigao cientfica daqueles
processos atravs da sua descrio em uma linguagem universal, isto , atravs de um
modelo matemtico. So diversos os tipos de modelos que podem ser reconhecidos
nesta etapa, o que envolve tambm os limites do conhecimento atual que o pesquisador
tem tanto do processo quanto dos modelos. Isto pode ser compreendido a partir da
referida identificao de metodologias que se deu aps 2000.
fato que tais modelos podem envolver variveis, parmetros ou fatores de
difcil obteno experimental ou que so coletados desordenadamente e/ou extrados da
literatura; ou ainda adequados a problemas no caractersticos daquelas classes de
problemas matemticos para os quais se tem como obter a soluo exata (objeto de
estudo da rea de matemtica). Sendo assim, em geral, torna-se necessrio simplificar o
modelo matemtico e/ou procurar mtodos de resoluo que gerem solues
A = {(x , A ( x));
onde
x U A ( x ) [ 0 ,1 ]
A (x) uma funo de pertinncia que determina com que grau x est em A:
A (x) = 1
0 < A (x) < 1
A (x) = 0
Sendo assim, a lgebra entre os conjuntos fuzzy no segue a teoria clssica usual,
em especial devido ao fato de que as operaes de unio e de interseco de um
conjunto e seu complementar so diferentes de 1 e vazio respectivamente, e portanto
operaes especficas entre os conjuntos fuzzy devem ser estabelecidas (detalhes
tericos esto no ANEXO 1).
Outro conceito essencial o reconhecimento desta caracterizao de variveis da
existncia do que consiste uma base de regras entre as mesmas. Isto se estabelece a
partir do conhecimento do especialista na forma de proposies do tipo se E1 e/ou E2
ento S1, onde E1 e E2 referem-se a classificaes lingsticas das variveis de entrada
e S1 a de sada, as quais, a partir do uso desta teoria, se mostra como conseqncia das
operaes e/ou algbricas acima referidas, onde e designa unio e ou interseco
(detalhes prticos esto no ANEXO 2).
Outros conceitos so brevemente explicados medida que forem requeridos.
3. Utilizao do MATLAB
O MATLAB um ambiente de computao cientfica, disponvel na FEAGRI
desde 2000, que permite a interao com o usurio atravs de uma janela, denotada por
Janela de Comando, onde os comandos devem ser fornecidos pelos usurios para que os
clculos e resultados, realizados atravs da linguagem FORTRAN, sejam exibidos. Os
passos para esta interao so descritos no que segue.
MATLAB 6.1.lnk
A partir disto pode-se fazer distintos usos do MATLAB, dentre eles o uso de
vrios toolbox, cada um constando de uma coleo de arquivos destinados a tratar certas
classes de problemas cientficos. Dentre estes, encontra-se o Fuzzy Logical Toolbox,
que o de interesse neste manual, e cujo uso descreve-se no que segue.
Como pode ser notada na Figura 2a, a opo referente ao tipo de anlise fuzzy
est destacada com o nome MAMDANI. Sendo assim, no que segue descreve-se
brevemente do que o sistema MAMDANI constitudo.
deste manual.
TermosRelacionados
o Mtodo
comdeInferncia
( Mtodo deMamdani)
Mtodo deDefuzzificao
Figura 2b: Configurao bsica segundo especificaes pr-estabelecidas para o uso do Fuzzy
Logic Toolbox
Edit
Add Variables
10
Imput
Output
Figura 3: Destaque das opes selecionadas para a introduo das variveis de entrada e/ou
sada
importante ressaltar que pode haver diversas variveis de entrada bem como
de sada. Porm, neste manual, ser tomado o sistema de duas variveis de entrada e
uma de sada, o que, na literatura descrito como MISO, posto que em Ingls MISO
significa multiple input and simple output; outros sistemas so descritos por MIMO
(multiple input and multiple output).
Edit
Remove Selected
A d d VVaar ri ia ab bl el e s
11
Escolher o Nome
Escolher o Nome
12
Definir o Domnio
Definir o Domnio
Este procedimento deve ser repetido tantas vezes quanto for o nmero de
caixas de variveis de entrada e/ou sada que se quer alterar o domnio.
13
Remove
all
Edit
MFs
e posteriormente, em:
Edit
Remove
Add
MFs
all
14
Figura 7a: Escolha do nmero e da forma das funes de pertinncia para variveis de entrada
Escolha o Nmero de
Funes de Pertinncia
15
Figura 7c: Escolha do formato das funes de pertinncia para variveis de entrada.
16
A ( x ) = b a
c x
c b
0
se x a
se a < x b
se b < x c
se x > c
Nome da Funo
de Pertinncia
Formato da Funo de
Pertinncia
Domnio da varivel
de entrada input 1.
Pontos da Funo de
Pertinncia.
(a= 0.1; b=0.5 e c= 0.9)
17
Caso haja interesse pode-se utilizar em uma mesma varivel de entrada e/ou
sada, funes de pertinncia com formatos distintos. Para tanto basta escolher outro
formato no local indicado na Figura 9.
18
A mdia (
) e o desvio padro (
) devem ser definidos para cada uma das
funes de pertinncia. Clicando-se uma vez em cima da funo de pertinncia que se
quer alterar, esta aparecer destacada em vermelho, como o caso da funo mf2 que
aparece na Figura 11. Nos locais indicados nesta mesma Figura, deve-se selecionar um
nome apropriado para cada funo de pertinncia, e digitar entre colchetes, separados
por um espao, os parmetros , e pressionar a tecla Enter.
19
0
x a
b a
A ( x ) = 1
d x
d c
0
se
xa
se a < x b
se b x c
se c < x d
se
x>d
20
Nome da Funo
de Pertinncia
Formato da Funo
de Pertinncia
Pontos da Funo de Pertinncia
( a=0.05;b= 0.45; c=0.55 e d= 0.95 )
Domnio da Varivel de
entrada input1
Rules
21
Variveis de Entrada
Varivel de Sada
Conexo entre as
Variveis de Entrada
Peso da Regra
(Valores entre Zero e Um)
22
View
Rules
Valores da Vriavel
de Sada
Figura 15: Um cenrio resultante da seleo de valores das variveis de entrada e os associados valores
de sada.
Para o sistema ilustrado na Figura 15, atribuiu-se o valore 0,555 para a varivel de
entrada 1 e o valor 0,777 para a varivel 2. Como sada, o sistema fuzzy gerou o valor
0,617, cuja interpretao a que permite o suporte a deciso como ser explicado
posteriormente. Para se arbitrar diferentes valores para as variveis de entrada pode-se
proceder de duas formas a partir do que mostra a Figura 15:
a)
ou
b)
Como, para cada valor atribudo s variveis de entrada o sistema gera um valor
para a varivel de sada, nota-se que o sistema fuzzy neste caso desempenha o papel
de uma funo de duas variveis com valores reais, cujo grfico tridimensional (3D)
a superfcie gerada pelas operaes lgicas especficas.
23
View
Surface
View
Rules
Varivel de Entrada
Escolhida para o Eixo Y
Varivel de Entrada
Escolhida para o Eixo X
Nmero de Pontos na
Malha
Varivel de Sada
Escolhida para o Eixo Y
24
File
Save to
Disk
e onde se pode escolher a localizao e o nome do arquivo nos locais destacados nos
cantos superior e inferior esquerdo da Figura 18 respectivamente.
25
Por outro lado, para carregar, siga os procedimentos descritos nas Sees 3.1 e
3.2.1. Pressionar o mouse em File; Import; From Disk, como indicado na Figura 19.
NOME
26
0.8
0.6
0.4
0.2
0.1
0.2
0.3
0.4
0.5
0.6
0.7
A
Regio Descoberta
27
0.8
0.9
0.8
0.6
0.4
0.2
10
28
29
30
31
3.9 Outras informaes teis aos usurios que querem copiar em seus
arquivos o que o toolbox mostra em suas janelas.
32
4. Agradecimentos
33
5. Referncias
AMENDOLA, M. Ciclo de Palestras Realizadas na Faculdade de Engenharia Agrcola
(FEAGRI-UNICAMP). 2002-2004 (www.agr.unicamp.br)
AMENDOLA, M.; CASTANHO, M.J.; NS, I.A.; SOUZA, A.L. Anlise matemtica
de condies de conforto trmico para avicultura usando a teoria dos conjuntos fuzzy.
Biomatemtica. IMECC-UNICAMP, Campinas, v.14, p.87 - 92, 2004.
AMENDOLA, M. & WATANABE, B. M. Anlise das condies de conforto de
frangos de corte utilizando a teoria dos conjuntos fuzzy. In: 40 Congresso Temtico de
Dinmica, Controle e Aplicaes - DINCON 2005. UNESP, Bauru - SP. 8p.
AMENDOLA, M., MOLLO, M. & CRUZ, V. F. Using fuzzy sets theory to improve the
animal productivity. EFITA/WCCA - 2005. PORTUGAL. 8p.
Apostila
de
mini-curso.
34
KLIR G.J., YUAN B. Fuzzy Sets and Fuzzy Logic: Theory and Applications .
Prentice Hall, New Jersey.1995. 574p.
MAGNAGO, K.F., Abordagem Fuzzy em Modelos Populacionais Discretos:
Metapopulao de Moscas Varejeiras. Tese de Doutorado. IMECC/UNICAMP,
Campinas. 2005. 165p.
MAMDANI, E. H.; ASSILAN, S. A. An experiment in linguistic synthesis with a
fuzzy logic controller. Int. J. Man - machine Studies, 7. 1975. p1-13.
MOURA, D. J.; NAAS, I. A.; QUEIROZ, M. P. G. AMENDOLA, M. Estimating
thermal comfort and solar orientation in broiler housing using fuzzy logic. In: VI
CONGRESO LATINOAMERICANO Y DEL CARIBE DE INGENIERIA
AGRCOLA, 2004, San Jos, Costa Rica. Memoria...Asociacin Costaricense de
Ingenieros Agrcolas, 2004, p. 1-7. CD
ORTEGA, N.R.S. Aplicao da Teoria da Lgica Fuzzy a Problemas de Biomedicina.
Tese de doutorado IF-USP. So Paulo. 2001. 153p
PEDRYCZ, W. GOMIDE, F. An introduction to fuzzy sets: analysis and design.
Bradford. Imprenta Cambridge, 1998. 465p.
PEIXOTO, M. S., Sistemas dinmicos e controladores fuzzy: um estudo sobre a
disperso da morte sbita dos citros em So Paulo. Tese de Doutorado.
IMECC/UNICAMP, Campinas. 2005. 171p.
ZADEH, L.A. Fuzzy Sets. Information and control. v.8. 1965. p. 338-353.
35
ANEXO 1
Para modelar matematicamente a base de regras, Mamdani e Assilian
propuseram uma relao fuzzy binria M entre as entradas x e as sadas u, cuja funo de
pertinncia est descrita como segue: em cada uma das regras da base de regras fuzzy,
adota-se o operador matemtico mnimo para o conectivo lgico e e o operador
mximo para o conectivo lgico ou . As sentenas se ...ento ... so modeladas pela
aplicao mnimo, que erroneamente costuma ser denominada por implicao de
Mamdani (o mnimo no uma implicao fuzzy).
Formalmente, a relao fuzzy M o subconjunto fuzzy X U cuja funo de
pertinncia dada por
36
= M ( x1 , x 2 , u ) ,
1 se x1 = x1
onde:
{ x1 } ( x1 ) =
1 se x 2 = x2
e
{ x } ( x 2 ) =
2
0 se x1 x1
0 se x 2 x2
{} { }
37
Pode ser visto, atravs do exemplo acima, que a sada do controlador fuzzy, dada
pelo mtodo de inferncia de Mamdani, um conjunto fuzzy mesmo para o caso de uma
entrada crisp. Este fato que sugere a defuzzificao do conjunto fuzzy de sada para se
obter um valor crisp que o represente.
D ( B) =
u
i =0
38
(u i )
.
i= 0
(u i )
D ( B) =
(u )du
(u)du
B
39
ANEXO 2
AMENDOLA, M.
CASTANHO M. J.
NAAS, I. A.
SOUZA, A.L.
Resumo : Este material foi elaborado para ser usado como exemplo a ser reproduzido na
atividade oficina, dentro do Ciclo de Palestras III/2004 realizado na FEAGRI, que foi
extrado de um resumo expandido de artigo publicado no COMBEA 2004 e
posteriormente publicado na revista Biomatemtica, v.14, p.87 - 92, 2004, do
IMECC/UNICAMP.
Palavras chave: Anlise fuzzy, suporte deciso, conforto trmico, frangos de corte.
Introduo e Objetivos :
A partir das palestras de vrios convidados que apresentarem tanto pesquisas j
realizadas na rea de sade, como, por exemplo, da Msc. Rosana Jafelice (2002), quanto
do MATLAB 6.5, como, por exemplo, a da MSc. Maria Jos Castanho (2003), foi
possvel o amadurecimento de nossos conhecimentos tericos e prticos desta
ferramenta. Neste sentido, este trabalho foi pioneiro ao divulgar esta ferramenta
matemtica como promissora na anlise de sistemas e/ou processos das diversas reas
da Engenharia Agrcola, particularmente na rea de Construes Rurais e
especificamente para a rea de Produo Animal, como descrito no que segue, para
analisar como a composio das variveis climticas independentes, tais como a
temperatura e umidade relativa do ar, influenciam a varivel dependente denominada
conforto trmico.
40
UR (%)
<70
70-80
>80
<12
Ruim
Ruim
Ruim
12-21
mdio
bom
mdio
Temperatura (C)
21-24
bom
bom
bom
24-29
bom
mdio
ruim
>29
ruim
ruim
ruim
Tabela 1: Classificaes em termos lingsticos do estado de conforto trmico como funo de faixas de
Temperatura T (C) e de Umidade Relativa UR (%) do ar.
41
42
Figura 1: Superfcie 3D-Sensao trmica como funo da temperatura e umidade relativa do ar.
Concluses:
O uso da teoria dos Conjuntos Fuzzy de interesse e utilidade para a
continuidade de pesquisas desta natureza, pois permite a flutuao dos parmetros com
resultados que concordam com as regras estabelecidas por especialistas. Nesse sentido,
43
Referncias citadas
AMENDOLA, M. Modelagem matemtica e simulao numrica para suporte a deciso
de sistemas agrcolas. Ciclo de Palestras. CPG/FEAGRI.( www.agr.unicamp.br).
COSTA, C. A Pontos Crticos do manejo de matrizes, Manejo de Matrizes, Campinas:
Fundao Apinco de Cincia e Tecnologia Avcolas, 1-10p., (1994)
JAFELICE, R., BARROS, L., BASSANEZI, R. e GOMIDE, F. Modelos
Epidemiolgicos com Parmetros Subjetivos Relatrio Tcnico FEECUNICAMP, (2001).
PEREIRA, D. F. - Avaliao do comportamento individual de matrizes pesadas (frango
de corte) em funo do ambiente e identificao da temperatura crtica mxima.
Dissertao de Mestrado. FEAGRI-UNICAMP. Campinas SP (2002).
TINOCO, I.F.F. Ambincia e instalaes na produo de matrizes avcolas, In. SILVA,
I.J.O, Ambincia na produo de aves em clima tropical, vol.2, p 1-74, (2001).
44