You are on page 1of 11

Lgica Fuzzy: Alternativa vivel para projetos complexos no Rio

de Janeiro
Ilan Chamovitz1, 2
Carlos Alberto Nunes Cosenza 1
1
2

Universidade Federal do Rio de Janeiro (COPPE/PEP/APIT)

Instituto Federal de Educao, Cincia e Tecnologia Rio de Janeiro (IFRJ)

Palavras-chave: Lgica, Fuzzy, Nebuloso, Nebulosa, Projetos, Rio de Janeiro


Resumo: A aplicao de tcnicas e modelos tericos estudados nas universidades permite a
melhor compreenso de alguns aspectos da realidade, em um cenrio ou situao definidos.
Este trabalho apresenta caractersticas da lgica fuzzy, alguns projetos desenvolvidos em
diversas reas no Rio de Janeiro com a participao do Programa de Engenharia de
Produo da UFRJ e prope o aumento de investimentos em grupos que disseminam esta
tcnica.

1. Introduo
Espalhar computadores e equipamentos de ltima gerao por escolas, hospitais, bibliotecas
ou centros de cidadania no garante ao cidado educao, sade ou cultura em uma unidade
federativa como, por exemplo, o Rio de Janeiro. Apesar da importncia da renovao do
parque tecnolgico em instituies pblicas e privadas, necessrio considerar outros fatores,
como por exemplo a existncia de ativos intangveis, a gesto do conhecimento, a busca pela
inovao, a pesquisa, a melhoria de processos, a formao dos profissionais e o estudo de
melhores prticas e tcnicas.
Estudos prospectivos representam prtica cada vez mais comum em unidades de gesto.
Engenheiros de Produo no esto atuando somente na indstria como pressupem vrios
gestores, mas tambm em comrcio e, fundamentalmente, em servios essenciais ao cidado,
como Sade e Educao. A aplicao de tcnicas e modelos tericos estudados na
universidade permite a melhor compreenso de alguns aspectos da realidade, em um cenrio
ou situao definidos. Uma das tcnicas que vm sendo utilizadas para lidar com sistemas
complexos e que divulgada na UFRJ e utilizada em projetos de diversas reas no Rio de
Janeiro a adoo de modelos baseados Lgica Fuzzy.
Este trabalho apresenta caractersticas da lgica fuzzy, alguns projetos desenvolvidos em
diversas reas no Rio de Janeiro com a participao do Programa de Engenharia de Produo
da UFRJ e prope o aumento de investimentos em grupos que disseminam esta tcnica.
2. Caractersticas da Lgica fuzzy
O uso da lgica fuzzy em sistemas complexos como por exemplo aqueles voltados Sade
ou Educao ser indicado sempre que se desejar aproximar o modelo construdo da
realidade. Zadeh (1973) estabeleceu o Princpio de incompatibilidade, que est ilustrado na

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

figura 1:
" A medida que a complexidade de um sistema aumenta, nossa habilidade para
fazer afirmaes precisas e que sejam significativas acerca deste sistema
diminui at que um limiar atingido alm do qual preciso e significncia(ou
relevncia) tornam-se quase que caractersticas mutuamente exclusivas".
(Zadeh, L., "Outline of a new approach to the analysis of complex systems and
decision processes".IEEE Trans. Syst. Man. Cybern., vol SMC-3 (1973) pp 2844)

Figura 1 Complexidade de um sistema em funo da preciso do modelo

JANG & GULLEY (1995) justificam a utilizao da lgica fuzzy em relao lgica clssica.
Estendendo sua justificativa aos processos complexos, utilizamos fuzzy:
(a) porque a naturalidade de sua abordagem torna seus conceitos fceis de entender;
(b) porque flexvel;
(c) porque tolerante com dados imprecisos;
(d) porque pode modelar as funes no-lineares da abitrariedade da complexidade;
(e) porque pode ser construda com base na experincia de especialistas;
(f) porque pode ser integrada s tcnicas convencionais de controle;
(g) porque em muitos casos, simplifica ou amplia as possibilidades e recursos dos
mtodos convencionais de controle;
(h) porque baseada na linguagem natural, base da comunicao humana.
Nebulosidade (Fuzziness) a ambiguidade que pode ser encontrada na definio de um
conceito ou no sentido de uma palavra. Por exemplo, expresses como um aluno jovem,
grande dificuldade, ou pequeno nmero podem ser chamadas de nebulosidades.
Podemos conceituar um conjunto clssico como uma coleo bem definida de elementos, na
qual possvel determinar para um objeto qualquer, em um universo definido, se ele pertence
ou no pertence ao conjunto. Ou seja, a resposta pergunta O elemento a pertence ao
conjunto X? classicamente pode ser Sim (grau 1, por exemplo) ou No (grau 0, por exemplo).
Porm, no mundo real, nem sempre um elemento pertence totalmente a um conjunto. Por
exemplo, na rea de Educao, afirmar que um aluno faz parte do Conjunto dos estudantes
atrasados colocar na mesma coleo o estudante que chegou 30 segundos atrasado e seu
colega, que atrasou 20 minutos! A teoria dos conjuntos fuzzy oferece recursos para uma
abordagem nebulosa, fuzzy, difusa, mais prxima realidade. Assim, elementos passam a
pertencer a um conjunto, em determinado grau, como veremos a seguir.

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

2.1 Conjuntos Fuzzy


No exemplo do Conjunto dos estudantes atrasados, percebe-se que o conceito de pertinncia
de um elemento a um conjunto, na teoria clssica dos conjuntos, fica bem definido. O aluno
atrasou, ou no atrasou. Dado um conjunto A em um universo X, os elementos deste universo
simplesmente pertencem ou no pertencem quele conjunto. Isto pode ser expresso pela
funo caracterstica fA:

Um conjunto fuzzy A em um universo X definido por uma funo de pertinncia


e representado por um conjunto de pares ordenados

A = {x / A ( x)}x X
onde

indica o quanto x compatvel com o conjunto A.

Um determinado elemento pode pertencer a mais de um conjunto fuzzy, com diferentes graus
de pertinncia. Por exemplo, um estudante de educao fsica que est sendo preparado para
auxiliar nos eventos esportivos que ocorrero em 2012, pode ser considerado alto com grau de
pertinncia 0,8 (em sua turma ele pode ser o terceiro mais alto) e, tambm ser considerado
alto por seu professor de basquete, com grau de pertinncia 0,4 (a soma dos graus de
pertinncia no precisa resultar em 1). Este mesmo aprendiz pertence a outros conjuntos
fuzzy: Ele chega sempre antes do incio da aula e, portanto, faz parte do conjunto
estudantes pontuais com grau 1 e de estudantes atrasados com grau zero.
Conjuntos fuzzy podem ser definidos em universos contnuos ou discretos. Se universo X for
discreto e finito, o conjunto fuzzy A pode ser representado por um vetor contendo os graus de
pertinncia no conjunto A dos elementos correspondentes de X. No exemplo extrado de
Aguiar & Oliveira Jr. ( 2007, p.2), temos:

A={1/0.3 2/0.6 3/ 0.7 4/0.8 5/0},


que pode ser representado, tambm, assim:

A={(1,0.3), (2,0.6), (3, 0.7), (4,0.8), (5,0)}


Se o universo X for contnuo, pode-se utilizar um conjunto de expresses. Aguiar e Oliveira
(2007, p.2) apresentam como exemplo:

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

O conjunto suporte de um conjunto fuzzy A o conjunto de elementos no universo X para os


quais

> 0.

Um conjunto fuzzy cujo suporte um nico ponto x' com


chamado de conjunto
unitrio fuzzy ou singleton. Assim, um conjunto fuzzy tambm pode ser visto como o
mapeamento do conjunto suporte no intervalo [0,1], o que implica em expressar o conjunto
fuzzy por sua funo de pertinncia.
2.2 Variveis lingusticas
No tutorial desenvolvido por Tanscheit (2003), uma varivel lingustica definida como
uma varivel cujos valores so nomes de conjuntos fuzzy. Por exemplo, o desempenho de
um determinado atleta pode ser uma varivel lingustica assumindo valores baixo, mdio, e
alto. Estes valores so descritos por intermdio de conjuntos fuzzy representados por funes
de pertinncia, conforme mostrado na figura 2, gerada a partir do software Matlab:

Figura 2 Funes de pertinncia para a varivel desempenho

Generalizando, os valores de uma varivel lingustica podem ser sentenas em uma


linguagem especificada, construdas a partir de termos primrios (alto, baixo, pequeno,
mdio, grande, zero, por exemplo), de conectivos lgicos (negao no, conectivos e e ou), de
modificadores (muito, pouco, levemente, extremamente) e de delimitadores (como
parnteses).
A principal funo das variveis lingusticas fornecer uma maneira sistemtica para uma
caracterizao aproximada de fenmenos complexos ou mal definidos.
Formalmente, uma varivel lingustica caracterizada por uma quntupla (N, T(N), X, G, M),
onde:

N: nome da varivel
T(N): conjunto de termos de N, ou seja, o conjunto de nomes dos valores lingusticos de N
X: universo de discurso
G: uma gramtica, regra sinttica para gerar os valores de N como uma composio de
termos de T(N), conectivos lgicos, modificadores e delimitadores
M: regra semntica, para associar a cada valor gerado por G um conjunto fuzzy em X.

Um exemplo ilustrativo na rea desportiva para a varivel desempenho:


N: desempenho
T(N): {baixo, mdio, alto}
X: 0 a 100 pontos
G: desempenho no baixo e no muito alto

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

M: associado a um conjunto fuzzy cuja funo de pertinncia exprime o seu significado.


Exemplo: Roberto obteve aproximadamente 50 pontos.
2.3 Funes de pertinncia
Ao explicar as funes de pertinncia, Tanscheit (2003) lembra que estas funes podem ter
diferentes formas, dependendo do conceito que se deseja representar e do contexto em que
sero utilizadas. O autor exemplifica o quanto o contexto relevante na definio de funes
de pertinncia e de sua distribuio ao longo de um dado universo, considerando-se a varivel
lingustica estatura (de estudantes de pessoas), constituda dos seguintes termos: T (estatura)
= {baixa, mdia, alta}. A esses faz-se corresponder conjuntos fuzzy A, B e C,
respectivamente), definidos por suas funes de pertinncia.

Figura 3 Grfico com a representao da varivel Estatura

Na definio apresentada na figura 3, estaturas de at 1,5 metros apresentam grau de


pertinncia igual a 1 no conjunto A; o grau de pertinncia neste conjunto decresce medida
que a estatura aumenta.
Considera-se que uma estatura de 1,75 metros "totalmente compatvel" com o conjunto B,
ao passo que estaturas acima de 1,8 metros (aproximadamente) apresentam grau de
pertinncia diferente de zero em C. Pessoas com estatura acima de 2 metros so
"definitivamente" altas. Observe-se que, nesta definio das funes de pertinncia, estaturas
em um entorno de 1,75 metros tm grau de pertinncia diferente de zero somente no conjunto
B, o que poderia parecer inadequado para alguns observadores. Estes prefeririam que as
funes de pertinncia de A e B se interceptassem em 1,75 metros (com graus de pertinncia
nulos, por exemplo.
Alm disso, diferentes pessoas, ou grupos de pessoas, podem ter noes distintas a respeito
das estaturas de seus semelhantes. Um professor de basquete provavelmente utilizaria
funes de pertinncia diferentes daquelas escolhidas por um professor de xadrez.
Podemos concluir que o contexto particularmente relevante quando da definio de funes
de pertinncia. Funes de pertinncia podem ser definidas a partir da experincia e da
perspectiva do usurio mas comum fazer-se uso de funes de pertinncia padro, como,
por exemplo, as de forma triangular, trapezoidal e gaussiana.
2.4 Definies e operaes
A exemplo do que ocorre com conjuntos ordinrios, h uma srie de definies e operaes
envolvendo conjuntos fuzzy. Apresentam-se aqui as mais relevantes para uma abordagem
inicial do assunto.

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

Um conjunto fuzzy A em X vazio se e somente se sua funo de pertinncia igual a zero


sobre todo X:
A = se e somente se

=0 x X

O complemento A' de um conjunto fuzzy A normalmente dado por:


Dois conjuntos fuzzy A e B em X so iguais se suas funes de pertinncia forem iguais sobre
todo X:
Um conjunto fuzzy A um subconjunto de B se sua funo de pertinncia for menor ou igual
de B sobre todo X:
Zadeh prope a utilizao de operadores minimum (min ou ) e maximum (max ou ), para
se chegar s funes caractersticas dos conjuntos resultantes (interseo e unio), e que
podem ser representadas da seguinte forma:

3. Modelos e aplicaes fuzzy


Apesar da lgica fuzzy ter sua origem nos Estados Unidos, com a divulgao de artigos do
professor Lotfi Zadeh (1965; 1973), o crescimento rpido desta tecnologia se deu a partir do
Japo e atualmente alcana os EUA, a Europa e o Brasil.
Modelos nebulosos vm sendo utilizados na tomada de deciso para auxiliar na soluo de
problemas complexos e que fazem uso de juzo de valor. A lgica fuzzy pode ser vista mais
como uma rea de pesquisa sobre tratamento da incerteza, ou uma famlia de modelos
matemticos dedicados ao tratamento da incerteza, do que uma lgica propriamente dita.
Sampaio, Oliveira e Igncio (2009) fornecem os conceitos bsicos de conjuntos nebulosos e
uma reviso das aplicaes de Lgica nebulosa, enfocando as ltimas tendncias de combinar
essa tcnica com outros campos do conhecimento, tais como a simulao, controle,
diagnstico e classificao. A estas informaes so adicionadas indicaes de grupos e
organizaes de pesquisa sobre lgica fuzzy, a relao de algumas conferncias e de
publicaes .
Timothy Ross, professor da Universidade do Novo Mxico, esteve no Brasil em 2007,
quando ministrou um curso na COPPE-UFRJ sobre os principais conceitos da Lgica Fuzzy
aplicada Engenharia. O professor Ross ilustra (1995) a utilizao da lgica fuzzy com
modelos aplicados na tomada de deciso (p.308), reconhecimento de padres (p.362) e
sistemas de controle (p.476). Cox (1994) apresenta estudos de caso com a aplicao de
Controles Fuzzy em turbinas (p.377), trs modelos para a Formao de Preos (p.387) e um
modelo para Avaliao de Risco (p.435). Dubois e Prade (1980, p.357) apresentam mais de
150 referncias e aplicaes da lgica fuzzy, entre outras em Robtica, Reconhecimento de
Imagens, Biologia e Medicina, Engenharia, Economia, Sociologia, Lingustica e Semitica.
Klir & Yuan (1995, p.459) descrevem um modelo para comunicao interpessoal, proposto
inicialmente por Yager (1980). Chen e Pham (2000) ilustram com exemplos de modelos
fuzzy aplicados na monitorao de indicadores de sade em sistemas de diagnstico (p.271),

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

no controle de foco automtico em cmeras (p.281), em controle para sistema servomecnico


(p.291) e em um controle em robtica (p.302). Mcneill e Thro (1994, p.123) apresentam a
implementao de um sistema desenvolvido para a tomada de deciso para a escolha de uma
universidade para cursar. Aplicaes computacionais de modelos fuzzy em semitica e
lingustica (tambm chamada fuzzy linguistics) propostas inicialmente por Rieger (1978) so
apresentadas em (MEHLER & KHLER, 2007, p.1). Na mesma edio, Kacprzyk e
Zadrozny (2007, p.339) apresentam um artigo sobre a utilizao de categorizao para
automatizao de processos utilizando a lgica fuzzy.
No Brasil, Aguiar e Oliveira Jnior (1999) apresentam em livro exemplos da aplicao de
lgica fuzzy em sistemas de apoio deciso para anlise de riscos para emprstimos
financeiros (p. 174) e para a formao de preos (p.181). Shaw e Simes (1999) demonstram,
tambm em livro, um sistema de controle para energia alternativa turbina elica e gerao
de energia solar. Aguiar e outros (2007, p.281) indicam um sistema para avaliao de riscos
na emisso de propostas comerciais usando a lgica fuzzy. Fernandes e Santos (2004, p.19)
desenvolveram, utilizando um modelo fuzzy, o SISPER, um sistema especialista para
diagnstico de doenas periodontais.
Ainda em relao a trabalhos que utilizam outros modelos com lgica fuzzy em avaliao,
Mor, Guimares e Xexo (2003) apresentam um modelo para avaliao da Confiabilidade
Humana. Barros e Cosenza (2008) apresentam a utilizao da lgica fuzzy para avaliar
impactos em mega-eventos de esporte.
Na rea educacional destacam-se as teses de
doutorado de Brinckmann (2004), que apresenta a utilizao da matemtica nebulosa em
avaliao formativa e de Chamovitz, Elia e Cosenza (2010), que utiliza um modelo nebuloso
para auxiliar em avaliaes de desempenho, a partir de mensagens enviadas em fruns
virtuais por alunos de ps-graduao em Informtica.
4. Estudos sobre Lgica Fuzzy na Universidade Federal do Rio de Janeiro
Ao se pesquisar a palavra fuzzy no acervo digital com teses e dissertaes da UFRJ
(www.minerva.ufrj.br) dos ltimos 10 anos, so obtidos ttulos de mais de cem pesquisas que
utilizaram a lgica fuzzy. Em grande parte delas houve a colaborao do laboratrio fuzzy
Labfuzzy criado na rea de Projetos Industriais e de Tecnologia (APIT/PEP) para
investigar, formar e apoiar pesquisas que utilizam abordagem nebulosa. Desta centena de
pesquisas, aproximadamente 20 por cento foram desenvolvidas no prprio Programa de
Engenharia de Produo, muitas utilizando como referncia o modelo COPPE-Cosenza
(1981), desenvolvido na COPPE/UFRJ.
O modelo COPPE-Cosenza foi criado inicialmente para estudos de localizao. Em 1971 foi
criado o modelo de localizao MASTERLI Modelo di Assetto Territoriale e di
Localizzazione Industriale, que considera aspectos qualitativos e confronta demanda e oferta
de fatores pelas atividades econmicas nas unidades territoriais de cada regio (ATTANASIO
& MASTERLI, 1974).
O desenvolvimento e aplicao de modelos empricos para localizao de atividades
econmicas no Brasil teve incio em 1975, em trabalho conjunto da COPPE-UFRJ com a
SOMEA - Societ per la Matematica e lEconomia Applicate e com a Consisa - Consultoria
de Cincia Social Aplicada. O projeto tinha por objetivo pesquisar as alternativas de
localizao industrial para a regio metropolitana do Rio de Janeiro.
A partir do modelo Masterli, o Modelo COPPE-cosenza de Localizao Industrial
(COSENZA, 1981) incorporou alguns aspectos a mais que o modelo original: considerou
aspectos globais, tanto de localizao quanto de produo; levando em considerao

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

dimenses, dinamismo e tecnologia; flexibilidade e consistncia.


Em meados da dcada de 80 o modelo incorporou a matemtica baseada em lgica fuzzy.
Uma vez que a lgica fuzzy incorpora a lgica clssica (considera no somente o 0 ou o 1
que ficam nas extremidades, mas sim as possibilidades entre 0 e 1), o modelo tornou-se muito
mais rico e flexvel, mais prximo realidade. O uso da lgica fuzzy permite utilizar
variveis quantitativas e qualitativas, sendo capaz de gerar resultados quantitativos a partir de
dados qualitativos (TOLEDO, 2004).
O Modelo de Hierarquia Fuzzy COPPE-Cosenza foi descrito por Toledo (2004) como sendo,
de um modo geral, um modelo de alocao de recursos. Obedecendo aos pressupostos
voltados para a hierarquizao das alternativas, o modelo no permite a penalizao de uma
alternativa que no disponha de um fator no solicitado, ou aquela que dispe de mais fatores
que os solicitados, explicitando sua riqueza adicional, podendo atender a outras solicitaes e
capaz de gerar economias externas.
Dentre os diversos trabalhos de perfil multidisciplinar realizados no estado, pela Universidade
Federal do Rio de Janeiro, pode-se destacar, por exemplo:
Porto de Itagua - Estudo de viabilidade econmica do Porto de Itagua no Rio de Janeiro
(COSENZA, 2003), financiado pela FINEP e
que buscou avaliar tambm as
potencialidades e os impactos diretos da atividade sobre o pas e os municpios no
entorno. No estudo apresentado, o projeto, prev a criao de cerca de 50 mil empregos
indiretos, beneficiando os municpios prximos regio;

Adequao ambiental em edifcios no Rio de Janeiro Diagnstico de adequao


ambiental e condies de uso do Edifcio do INPI no Rio de Janeiro, realizado em 2000
(RHEINGANTZ, 2000);

Medicina/ HUCFF - Rio de Janeiro Avaliao (ANDRAUS et. al., 2002) da utilidade
do SPECT cerebral interictal na localizao do foco epileptognico em pacientes do
Ambulatrio de Epilepsias do Hospital Universitrio Clementino Fraga Filho
(HUCFF/UFRJ). Para comparao dos resultados das alternativas para instrumento de
diagnstico foi empregada a lgica fuzzy;

Engenharia e confiabilidade humana/ Angra II Trabalho sobre a aplicao da lgica


fuzzy na avaliao da confiabilidade humana nos Ensaios No Destrutivos por Ultra-Som,
que foi realizado com inspetores da Usina Nuclear de Angra II e da plataforma da
Petrobrs (MORE, GUIMARE & XEXEO, 2003). Neste estudo foi desenvolvido um
modelo fuzzy baseado em 59 fatores que influenciam no desempenho do inspetor criando
um padro de qualidade do ensaio.

Planejamento da Produo/ Instituto Nacional de Tecnologia Projeto de


desenvolvimento de um prottipo computacional voltado para o planejamento mestre da
produo, com mecanismos inteligentes de apoio a deciso (ARRUDA, MARTINS, &
COSENZA, 2006). O INT um instituto de pesquisas multidisciplinar, situado no Rio de
Janeiro e com atuao em mbito nacional. Dentre suas reas de competncia podemos
destacar a qumica, tecnologia de materiais, corroso, energia, desenho industrial e gesto
da produo.

Educao a distncia - Aplicao do Modelo de Hierarquia Fuzzy COPPE-Cosenza


como instrumento auxiliar no processo de avaliao formativa em Grupos Operativos,

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

utilizando mensagens em um frum de discusso na rea de educao(CHAMOVITZ,


2010). Na pesquisa participaram alunos de trs turmas de ps-graduao em Informtica,
no Ncleo de Computao Eletrnica da UFRJ, alm de especialistas em Educao a
Distncia, atuando em instituies localizadas no Rio de Janeiro.
5. Concluso e recomendaes
O Programa de Engenharia de Produo da COPPE vem atuando intensivamente no uso e na
disseminao dos conceitos da Lgica Fuzzy, atravs da execuo de trabalhos de parceria
com profissionais e com diversas instituies no Rio de Janeiro, na formao de recursos
humanos por meio do oferecimento de disciplinas relacionadas ao tema, pelas quais j
passaram centenas de alunos, alm da orientao de um vasto nmero de dissertaes de
mestrado e teses de doutorado.
O LabFuzzy vem contribuindo em diversos projetos, por meio de estudo e aplicao de
modelos nebulosos em solues para problemas complexos. O grupo de especialistas utiliza a
lgica fuzzy como instrumental matemtico aplicado ao desenvolvimento de produtos,
processos, servios, anlise quntica de percepes e outros processos onde a percepo e os
julgamentos so os elementos relevantes. O atual estgio de maturidade dos trabalhos e o
crescimento da demanda por novos desenvolvimentos tornam imprescindvel o investimento
em uma infra-estrutura laboratorial que d suporte ao trabalho das equipes envolvidas,
permitindo a consolidao das parcerias j existentes.
O Rio de Janeiro pode atuar como um plo de disseminao e desenvolvimento de solues
tecnolgicas sustentveis, considerando a lgica fuzzy e o ferramental matemtico propiciado
por este campo do conhecimento no contexto produtivo e acadmico. Com a expectativa para
os eventos mundiais que ocorrero nos prximos anos, a demanda pelo planejamento e pela
execuo de projetos complexos dever ser alta e diversificada. Neste contexto, a
recomenda-se investir em pesquisa e inovao, formando profissionais que possam lidar com
a complexidade existente nestes sistemas.
Referncias
AGUIAR, H.; OLIVEIRA, JR., 2007. Lgica Difusa Aspectos Prticos e Aplicaes; Editora Intercincia, 1a
Edio.
ANDRAUS, M.E.C; COSENZA, C.A.N.; FONSECA, L. M. B.; ANDRAUS, C.F; D'ANDREA, I.; ALVESLEON, S. V., 2002. Spect Cerebral Interictal em Pacientes com Epilepsia do Lobo Temporal de Difcil
Controle. Arquivos de Neuro-Psiquiatria, So Paulo, v. 60, p. 779-787. .
ARRUDA, D. M.; MARTINS, R.C. & COSENZA, C.A.N., 2006. Modelagem do planejamento mestre da
produo atravs do emprego de regras nebulosas. In: XXVI ENEGEP, Anais eletrnicos, Fortaleza, Cear:
ABEPRO, p. 1-8, 2006, CD-ROM.
ATTANASIO, D., MASTERLLI., 1974. Modelo di Assetto Territoriale e di Localizzazione Industriale.
Bologna: Centro Studi Confindustria.
BARROS, C.F.; COSENZA, C.A.N., 2008. Usando Lgica Fuzzy em Mega-eventos de Esportes: Um Sistema
de Avaliao de Impactos. Rios International Journal on Sciences of Industrial and Systems Engineering and
Management. Vol II.
BRINCKMANN R., 2004. Avaliao Formativa Da Aprendizagem Atravs Da Matemtica Nebulosa Uma
Proposta Metodolgica. Tese de doutorado. Engenharia de Produo e Sistemas. Universidade Federal de Santa
Catarina. Florianpolis, SC. Disponvel em http://teses.eps.ufsc.br/defesa/pdf/4839.pdf
CHAMOVITZ, I. Aplicao do Modelo de Hierarquia Fuzzy COPPE-Cosenza para a Avaliao de Grupos
Operativos em Fruns Educacionais na Internet. Tese (doutorado) UFRJ/ COPPE/ Programa de Engenharia de
Produo, Rio de Janeiro, 2010.
CHAMOVITZ I., ELIA, M., COSENZA, C.A.N., 2008b. Gesto de Conhecimento em Sade: Proposta de
um modelo nebuloso para a Avaliao de Grupos Operativos em Fruns Virtuais. 8o. Congresso Regional de

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

Informao em Cincias da Sade (CRICS). 16 a 19 de setembro de 2008, Rio de Janeiro, RJ.


CHEN, G; PHAM, T. T., 2001. Introduction to fuzzy sets, fuzzy logic, and fuzzy control systems. Boca Raton,
FL: CRC Press, 2000.
COSENZA, C.A.N., 1981. A Industrial Location Model. Working paper. Cambridge: Martin Centre for
Architctural and Urban Studies, Cambridge University, UK.
COSENZA, C.A. N. Seminrio Porto de Sepetiba Portal do Atlntico Sul. BNDES, 11/abril/2003.
Disponvel em: http://www.bndes.gov.br/conhecimento/publicacoes/catalogo/s_sepetiba.asp . Acesso em agosto
de 2007.
COSENZA, H.J.S.R. et al., 2006. Aplicao de Um Modelo de Hierarquizao Como Instrumento para
Tomada de Deciso: Caso de uma Multinacional. In: XXVI Encontro Nacional de Engenharia de Produo,
ENEGEP 2006, Fortaleza.
COX, E., 1994. The fuzzy systems handbook: a practitioner's guide to building, using, maintaining fuzzy
systems. Boston: AP Professional. ISBN 0-12-194270-8.
DUBOIS, D. ; PRADE, H., 1980. Fuzzy Sets and Systems, Theory and Applications, Academic Press, New
York.
FERNANDES, A.M.R.; SANTOS, D.D., 2004. Sistema Especialista para Diagnstico de doenas
periodontais. In: FERNANDES, A.M.R. e colaboradores. Inteligncia Artificial aplicada sade. Florianpolis:
Visual Books, cap. 2. p. 19-44.
GODET. M. A caixa de ferramentas da prospectiva estratgica. CEPES, Lisboa, 1999.
JANG, J. S. R.; GULLEY, N., 1995. Fuzzy Logic Toolbox User's Guide. The Math Works Inc.
KLIR G.;YUAN, B., 1995. Fuzzy Sets and Fuzzy Logic. Prentice Hall, New Jersey.
LIMA, F.R. ; COSENZA, C.A N.; NEVES, C.; ALMEIDA, F.R., 2006. Sistema de informaes grficas
georeferenciadas para estudos de localizao de plantas de Biodiesel no Centro-Sul brasileiro. In: XXVI
Encontro Nacional de Engenharia de Produo, 2006, Fortaleza.
MCNEILL, F.M.; THRO, E., 1994. Fuzzy Logic: A Practical Approach. AP Professional, New York.
MEHLER A.; KHLER, R., 2007. Machine Learning in a Semiotic Perspective. In: Aspects of Automatic
Text Analysis, S. 1-29, Studies in Fuzziness and Soft Computing, Berlin/New York.
MORE, J.D.; GUIMARES, A S., XEXEO, G.B., 2003. Modelo Fuzzy para Avaliao da Confiabilidade
Humana do Inspetor de Ensaio No Destrutivo de Ultra-Som. In: III Pan-American Conference for
Nondestructive Testing, Anais em CD-ROM do III PANNDT (III Pan-American Conference for Nondestructive
Testing).
REZENDE, J. 2006. Modelo de Localizao de Estaes de Servios utilizando Lgica Fuzzy. Tese de
Doutorado em Engenharia Civil. UFRJ, COPPE. Rio de Janeiro.
RHEINGANTZ, P.A., 2000. Aplicao do Modelo de Anlise Hierrquica COPPETEC Cosenza na
Avaliao do Desempenho de Edifcios de Escritrio. Tese de Doutorado. UFRJ, Programa de Ps-Graduao
de Engenharia de Produo. Rio de Janeiro.
RIEGER, B. B., 1978. Feasible Fuzzy Semantics.. In K. HEGGSTAD (ed.), Proceedings of the 7th
International Conference on Computational Linguistics (COLING 78), pages 4143. ICCL, Bergen.
ROSS, T., 1995. Fuzzy Logic with Engineering Applications, McGraw-Hill, New York
SAMPAIO, L.M.D. OLIVEIRA,M.J.F. IGNACIO, AAV. Lgica Nebulosa: Aplicaes e Tendncias. Anais
do SPOLM 2007. Rio de Janeiro : Ministrio da Marinha, 2007.
SHAW, I. S.; SIMES, M. G., 1999. Controle e modelagem fuzzy, Editora Edgard Blcher Ltda.
SILVA W. R. C., LINO A D. P., CASTRO A R. G., FAVERO E. L., 2006. Previso na Demanda de Vendas
baseado em Regras Lingsticas e Lgica Fuzzy. INFOCOMP Journal of Computer Science v.5, n.3 .Lavras:
Universidade Federal de Lavras.
SOUZA, C. G. ; COSENZA, C. A N. ; COSENZA, O N. , 2002. Proposta metodolgica para avaliao da
competitividade com base em modelo de hierarquia fuzzy. In: Simpsio Brasileiro de Pesquisa Operacional,
2002, Rio de Janeiro, RJ.

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ

TANSCHEIT, R., 2003. Sistemas Fuzzy. VI Simpsio Brasileiro de Automao Inteligente (SBAI'03),
Minicurso (35 pgs.), Bauru, SP.
TOLEDO, O. M., 2004. Metodologia de Avaliao de desempenho Baseada em Lgica Fuzzy. In: XXXII
Congresso Brasileiro de Ensino de Engenharia COBENGE, 2004, Braslia.
YAGER, R. R., 1980, On modeling interpersonal communication. In: WANG, P. P. AND S. K. CHANG
(eds.). Fuzzy Sets: Theory and Applications to Policy Analysis and Information Systems. Plenum Press, New
York, pp. 309-320.
ZADEH, L. A., 1965. Fuzzy sets. Information and Control, 8:338353.
ZADEH, L. A., 1973. Outline of a new approach to the analysis of complex systems and decision processes.
.IEEE Trans. Syst. Man. Cybern., vol SMC-3 (1973) pp 28-44.

XIV PROFUNDO 27,28 e 29 de outubro de 2010 Rio de Janeiro RJ