You are on page 1of 18

30

3 Teoria dos Conjuntos Fuzzy


Apresentam-se aqui alguns conceitos da teoria de conjuntos fuzzy que sero
necessrios para o desenvolvimento e compreenso do modelo proposto (captulo 5).
A teoria de conjuntos fuzzy eficiente para modelar a incerteza na definio de
parmetros e tem resultados nas mais variadas aplicaes [17] [18] [19]. Esta teoria, que
considera a subjetividade e a experincia dos profissionais, capaz de capturar informaes
imprecisas, descritas em linguagem natural, e convert-las para um formato numrico,
visando efetuar um raciocnio aproximado, com proposies imprecisas, atravs de
conjuntos fuzzy.
O conceito de conjuntos fuzzy foi inicialmente introduzido por Zadeh [20] quando ele
observou a impossibilidade de modelar sistemas com fronteiras mal definidas segundo as
abordagens matemticas rgidas e precisas dos mtodos clssicos, como, por exemplo, a
teoria da probabilidade.

3.1. Conceitos de Lgica Fuzzy
3.1.1. Conjuntos Fuzzy
Um conjunto fuzzy definido por uma funo chamada de funo de pertinncia.
Cada funo de pertinncia define um conjunto fuzzy, A, do conjunto universal, U, atravs
da atribuio de um grau de pertinncia, ) (x
A
, entre 0 e 1 para cada elemento x de U. Este
o grau com o qual x pertence a A:
] 1 , 0 [ : U
A
(3.1)
Um conjunto fuzzy pode ser interpretado como a ponte que liga o conceito impreciso
sua modelagem numrica, atribuindo-se a cada indivduo no universo um valor entre 0 e
1, que representa o grau de pertinncia deste indivduo ao conjunto fuzzy.

P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


31
Um conjunto fuzzy dito normalizado se o valor mximo (ou supremum) 1:
1 ) ( sup =

x
A U x
(3.2)
Um conjunto fuzzy que no normal chamado de subnormal. Duas caractersticas
importantes de conjuntos fuzzy so:
O suporte de A: a parte de U sobre a qual a funo de pertinncia de A no
nula. A sua notao supp(A) e verifica:
} { ) 0 ) ( / ) ( supp = x U x A
A
(3.3)
O ncleo de A: ele no vazio na condio de que o conjunto fuzzy A seja
normalizado. A sua notao nuc(A) e verifica:
} { ) 1 ) ( / ) ( nuc = = x U x A
A
(3.4)
Uma propriedade importante dos conjuntos fuzzy a sua habilidade de expressar
transies graduais de pertinncia para no-pertinncia. Isto permite a captura, pelo menos
de forma grosseira, do sentido de expresses em linguagem natural que so na maioria das
vezes vagas. Conjuntos crisp so inadequados para este fim.
A Figura 4 ilustra as componentes de um conjunto fuzzy [17] [19] [21].

0
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5 6 7 8 9
Domnio do Conjunto Fuzzy
G
r
a
u

d
e

P
e
r
t
i
n

n
c
i
a
(x)
x
Funo de Pertinncia

Figura 4 Componentes de um Conjunto Fuzzy
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


32
3.1.2. Conjunto Singleton
Um conjunto fuzzy chamado de singleton se seu suporte um nico ponto em U e
com de grau de pertinncia igual a 1, (x) = 1.
A Figura 5 ilustra um conjunto singleton de domnio 4.
0
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5 6 7 8 9
Domnio do Conjunto Fuzzy
G
r
a
u

d
e

P
e
r
t
i
n

n
c
i
a
(x)
x

Figura 5 Exemplo de um Conjunto Singleton

3.1.3. Conjunto -cut
Para todo valor do intervalo [0,1], definido o -cut A

(ou corte no nvel ) de


um conjunto fuzzy A de U como o sub-conjunto:
} {

= ) ( / x U x A
A
(3.5)
O -cut pode ser interpretado como o conjunto fuzzy que apresenta uma restrio ou
um limite imposto ao domnio do conjunto baseado no valor do . Assim, o conjunto
resultante contm todos os elementos do domnio que possuem um grau de pertinncia,
(x) superior ou igual ao valor de .
Qualquer conjunto fuzzy A forma uma famlia aninhada (nested family) de conjuntos,
isto :

A A quando > (3.6)
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


33
A Figura 6 ilustra um conjunto -cut com = 0,2.
0
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5 6 7 8 9
Domnio do Conjunto Fuzzy
G
r
a
u

d
e

P
e
r
t
i
n

n
c
i
a
(x)
x

Figura 6 Exemplo de Conjunto -Cut

3.2. Conceitos de Nmeros Fuzzy
3.2.1. Intervalos
Quando um intervalo definido a partir de um nmero real R, este intervalo
chamado de um subconjunto de R. Por exemplo, se um intervalo denotado como
[ ]
3 1
, a a A = , R a a
3 1
, ,
3 1
a a < , pode-se interpret-lo como um tipo de conjunto. Um
intervalo tambm pode ser expresso atravs de uma funo de pertinncia (Figura 7):

>

<
=
3
3 1
1
, 0
, 1
, 0
) (
a x
a x a
a x
x
A
(3.7)
Se
3 1
a a = , este indica um ponto, ou seja, [ ]
1 1 1
, a a a =

P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


34


(x)
x
1
a
1
a
3

Figura 7 Exemplo de Intervalo com A = [a
1
, a
3
]

3.2.2. Nmero Fuzzy
O nmero fuzzy um caso especial de conjunto fuzzy que define um intervalo fuzzy
nos nmeros reais, R. Para um nmero real cujo valor preciso no conhecido com
exatido, este nmero definido atravs de um intervalo fuzzy. Um intervalo fuzzy
geralmente representado por dois pontos extremos a
1
e a
3
(um valor mnimo e um valor
mximo) e um ponto mdio a
2
(o valor mais possvel) como ) , , (
3 2 1
a a a , tambm ilustrado
na Figura 8.
Sendo os nmeros fuzzy mais comuns os triangulares e os trapezoidais, os graus de
pertinncia formam funes com equaes simples.
A operao de -cut tambm pode ser aplicada a nmeros fuzzy. Denotando-se como

A o intervalo -cut de um nmero fuzzy A, este intervalo definido como:


[ ]
) (
3
) (
1
,

a a A = (3.8)

P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


35


(x)
x
1
a
1
a
3
a
2

Figura 8 Ilustrao grfica do nmero fuzzy ) , , (
3 2 1
a a a A =

tambm possvel estabelecer qualquer intervalo crisp dentro de um nmero fuzzy
associado a um -cut qualquer, como ilustrado na Figura 9.



(x)
x
1
a
1
(0)
a
3
(0)
a
2

'
a
1
( ')
a
1
( )
a
3
( ')
a
3
( )
[ ]
) (
3
) (
1
,

a a A =
[ ]
) ' (
3
) ' (
1 '
,

a a A =

Figura 9 - -cut de um nmero fuzzy: <
'
A A
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


36
Para que um conjunto fuzzy seja definido como um nmero fuzzy, este deve obedecer
s seguintes condies:
Estar definido nos nmeros reais;
A funo de pertinncia deve ser contnua;
O conjunto fuzzy deve ser normalizado;
O conjunto fuzzy deve ser convexo.
Logo, um nmero fuzzy deve ser normalizado e convexo. A condio de
normalizao implica que o valor mximo do grau de pertinncia 1, conforme a eq. (3.9):
1 ) ( , = x R x
A
(3.9)
A condio de convexidade significa que a linha traada por um -cut contnua e o
intervalo -cut satisfaz s seguintes relaes:
[ ]
) (
3
) (
1
,

a a A = (3.10)
) , ( ) ' (
) (
3
) ' (
3
) (
1
) ' (
1

a a a a < (3.11)
A condio de convexidade tambm pode ser escrita como na eq. (3.12):
'
) ' (

A A < (3.12)
3.2.3. Nmero Fuzzy Triangular
Dentre as diversas formas de nmeros fuzzy, o nmero fuzzy triangular o mais
utilizado. representado por trs pontos e expresso por ) , , (
3 2 1
a a a A = . Esta representao
interpretada como funes de pertinncia, eq. (3.13).

>

<
=
3
3 2
2 3
3
2 1
1 2
1
1
, 0
,
,
, 0
) (
a x
a x a
a a
x a
a x a
a a
a x
a x
x
A
(3.13)
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


37
A Figura 10 ilustra um nmero fuzzy triangular: no eixo x esto os valores da
varivel, a
1
, a
2
e a
3
; no eixo y est representado o grau de pertinncia para cada valor de x.
O nmero fuzzy triangular utilizado quando o parmetro em anlise possui uma faixa de
variao e um nmero dentro desta faixa possui uma possibilidade de ocorrncia num nico
pico maior do que os outros.


(x)
x
1
a
1
a
3
a
2

Figura 10 Nmero fuzzy triangular ) , , (
3 2 1
a a a A =

A este nmero fuzzy triangular aplicada uma operao de -cut. Seja

A um
intervalo crisp de um nmero fuzzy triangular, obtido atravs de uma operao de -cut,
] 1 , 0 [ . Da eq. (3.13) obtm-se:


=

2 3
) (
3 3
1 2
1
) (
1
,
a a
a a
a a
a a

Assim:
1 1 2
) (
1
) ( a a a a + =

,
3 2 3
) (
3
) ( a a a a + =


Logo:
[ ] [ ]
3 2 3 1 1 2
) (
3
) (
1
) ( , ) ( , a a a a a a a a A + + = =

(3.14)
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


38
A seguir apresentado um exemplo para ilustrar o intervalo -cut ou intervalo
possibilstico.
Exemplo: seja o nmero fuzzy triangular ) 1 , 1 , 5 ( = A mostrado na Figura 11, onde
a funo de pertinncia dada pela eq. (3.15) abaixo:

>


+
<
=
1 , 0
1 1 ,
2
1
1 5 ,
4
5
5 , 0
) (
x
x
x
x
x
x
x
A
(3.15)
Analiticamente o intervalo -cut deste nmero fuzzy :
5 4
4
5
= =
+
x
x

1 2
2
1
+ = =

x
x

[ ] [ ] 1 2 , 5 4 ,
) (
3
) (
1
+ = =

a a A (3.16)
Se = 0,5, a partir da eq. (3.16) obtm-se
5 , 0
A :
[ ] [ ] 0 , 3 ,
) 5 , 0 (
3
) 5 , 0 (
1 5 , 0
= = a a A
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


39
-7 -6 -5 -4 -3 -2 -1 0 1


(x)
x
1
0,5
A
0, 5 0, 5 0, 5 0, 5

Figura 11 Intervalo = 0,5 cut do nmero fuzzy triangular A = (-5, -1, 1)

3.2.4. Aritmtica de Intervalos
Operaes com nmeros fuzzy podem ser generalizadas a partir das operaes de
intervalos crisp. A seguir so apresentadas brevemente as definies das principais
operaes intervalares, considerando A e B como nmeros expressos como intervalos [22],
[23], [24], de modo que:
R b b a a
3 1 3 1
, , ,
[ ] [ ]
3 1 3 1
, , , b b B a a A = =
i) Adio: a adio de dois intervalos definidos nos nmeros reais , eq. (3.17):
[ ] [ ] [ ]
3 3 1 1 3 1 3 1
, , ) ( , b a b a b b a a B A + + = + = + (3.17)
ii) Subtrao:
[ ] [ ] [ ]
1 3 3 1 3 1 3 1
, , ) ( , b a b a b b a a B A = = (3.18)
iii) Multiplicao:
[ ] [ ]
3 1 3 1
, ) ( , b b a a B A =
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


40
[ ]
3 3 1 3 3 1 1 1 3 3 1 3 3 1 1 1
, b a b a b a b a b a b a b a b a B A =
isto :
{ } { } [ ]
3 3 1 3 3 1 1 1 3 3 1 3 3 1 1 1
, , , max , , , , min b a b a b a b a b a b a b a b a B A =
(3.19)
iv) Diviso:
[ ] [ ]
3 1 3 1
, (/) , / b b a a B A =
[ ]
3 3 1 3 3 1 1 1 3 3 1 3 3 1 1 1
/ / / / , / / / / / b a b a b a b a b a b a b a b a B A =
isto :
{ } { } [ ]
3 3 1 3 3 1 1 1 3 3 1 3 3 1 1 1
/ , / , / , / max , / , / , / , / min / b a b a b a b a b a b a b a b a B A = (3.20)
excluindo o caso de b
1
= 0 ou b
3
= 0.
v) Inversa de um intervalo:
[ ]
1
3 1
1
,
1

= = a a
A
A

3 1 3 1
1
1 1
,
1 1
a a a a
A
isto :

)
`

)
`

3 1 3 1
1
1
,
1
max ,
1
,
1
min
a a a a
A (3.21)
excluindo o caso de a
1
= 0 ou a
3
= 0.
vi) Multiplicao de um intervalo por um escalar:
R
0 > se
[ ] [ ]
3 1 3 1
, , a a a a A = = (3.22)

P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


41
0 < se
[ ] [ ]
1 3 3 1
, , a a a a A = = (3.23)
3.2.5. Aritmtica Fuzzy
O conceito de nmeros fuzzy pode ser apresentado de diversas maneiras. Neste
trabalho, um nmero fuzzy considerado como uma extenso do conceito de intervalo de
confiana. Esta extenso baseada numa idia natural e simples: ao invs de considerar o
intervalo de confiana em um nico nvel, ele considerado em vrios nveis e mais
especificamente entre os nveis 0 e 1. O intervalo de confiana mximo considerado igual
a 1 e o mnimo igual a 0. O nvel de pertinncia , para [0, 1], fornece um intervalo de
confiana [ ]
) (
3
) (
1
,

a a A = , que uma funo montona decrescente de . Isto quer dizer


que:
para todo , [0, 1]
se

A A >
'
) ' (
ou
[ ] [ ]
) (
3
) (
1
) ' (
3
) ' (
1
, , ) ' (

a a a a >
Desta forma, pode-se aplicar a teoria da aritmtica intervalar para definir as operaes com
nmeros fuzzy, onde cada intervalo possibilstico definido por um -cut pode ser tratado
independentemente pela aritmtica intervalar.
3.2.5.1. Operaes do Intervalo -cut
Os intervalos -cut de um nmero fuzzy [ ]
3 1
, a a A =

podem ser referenciados como


um conjunto crisp.
[ ]
) (
3
) (
1
,

a a A = [ ] R a a a a
) (
3
) (
1 3 1
, , , 1 , 0


Desta forma

A um intervalo crisp. Logo, as operaes vistas na seo 3.2.4 podem


ser aplicadas para o intervalo -cut,

A .
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


42
Se o intervalo -cut,

B , de um nmero fuzzy B definido por:
[ ]
3 1
,b b B = , R b b
3 1
,
[ ]
) (
3
) (
1
,

b b B = , [ ] R b b
) (
3
) (
1
, , 1 , 0

,
as operaes entre

A e

B podem ser descritas da seguinte forma:


[ ] [ ] [ ]
) (
3
) (
3
) (
1
) (
1
) (
3
) (
1
) (
3
) (
1
, , ) ( ,


b a b a b b a a B A + + = + = +
[ ] [ ] [ ]
) (
1
) (
3
) (
3
) (
1
) (
3
) (
1
) (
3
) (
1
, , ) ( ,


b a b a b b a a B A = =
Isto , para cada grau de pertinncia do nmero fuzzy estabelecido um -cut,
criando-se intervalos -cut. Logo, as operaes com o nmero fuzzy sero realizadas para
cada nvel, cada -cut, segundo a aritmtica intervalar. Estas operaes podem ser
estendidas para multiplicao, diviso, etc.
Pode-se concluir que as operaes com nmeros fuzzy seguem as mesmas
propriedades das operaes intervalares. A diferena que, com os nmeros fuzzy, as
operaes so realizadas para cada nvel de pertinncia. como se o nmero fuzzy fosse
fatiado em diversos nmeros intervalares.

3.2.5.2. Operaes com o Nmero Fuzzy Triangular
Algumas propriedades das operaes do nmero fuzzy triangular esto resumidas
abaixo:
i) Os resultados de uma adio ou de uma subtrao entre nmeros fuzzy
triangulares tambm so nmeros fuzzy triangulares.
ii) Os resultados da multiplicao ou da diviso no so nmeros fuzzy
triangulares.

Freqentemente, aproximam-se que os resultados operacionais de uma multiplicao
ou de uma diviso por nmeros fuzzy triangulares.
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


43
Em primeiro lugar sero consideradas a adio e a subtrao. Neste caso, no
necessrio o uso das funes de pertinncia. Sejam os nmeros fuzzy triangulares A e B
definidos abaixo:
) , , (
3 2 1
a a a A = , ) , , (
3 2 1
b b b B =
i) Adio
) , , (
) , , )( )( , , ( ) (
3 3 2 2 1 1
3 2 1 3 2 1
b a b a b a
b b b a a a B A
+ + + =
+ = +
: nmero fuzzy triangular (3.24)
ii) Subtrao
) , , (
) , , )( )( , , ( ) (
1 3 2 2 3 1
3 2 1 3 2 1
b a b a b a
b b b a a a B A
=
=
: nmero fuzzy triangular (3.25)
iii) Imagem Simtrica
) , , ( ) (
1 2 3
a a a A = : nmero fuzzy triangular (3.26)
Exemplo: sejam os nmeros fuzzy triangulares A e B definidos abaixo:
) 4 , 2 , 3 ( = A e ) 6 , 0 , 1 ( = B
logo:
) 10 , 2 , 4 ( ) ( = + B A
) 5 , 2 , 9 ( ) ( = B A
Os conjuntos fuzzy de A e de B, assim como os conjuntos fuzzy da soma A (+) B e da
subtrao A (-) B esto ilustrados na Figura 12.
No caso da multiplicao ou da diviso, ao invs de se efetuar o clculo preciso
atravs das funes de pertinncia, o que resultaria em um nmero fuzzy no triangular,
prefervel aproximar o resultado para um nmero fuzzy triangular.

P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


44
-4 -3 -2 -1 0 1 2 3 4 5 6
A 1
0,5
B

(a) Nmeros fuzzy triangulares A e B
-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
A (+)B
1
0,5

(b) Soma A (+) B de nmeros fuzzy triangulares
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5
A (-)B
1
0,5

(c) Subtrao A (-) B de nmeros fuzzy triangulares

Figura 12 A (+) B e A (-) B de nmeros fuzzy triangulares

Exemplo: Aproximao da multiplicao
Sejam os dois nmeros fuzzy triangulares definidos abaixo:
) 4 , 2 , 1 ( = A , ) 6 , 4 , 2 ( = B
O primeiro passo obter os -cuts dos nmeros fuzzy em questo:
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


45
[ ]
[ ] 4 2 , 1
4 ) 2 4 ( , 1 ) 1 2 (
+ + =
+ + =

A

[ ]
[ ] 6 2 , 2 2
6 ) 4 6 ( , 2 ) 2 4 (
+ + =
+ + =

B

Para todo [0, 1], multiplica-se

A e

B , que so dois intervalos crisp. Observe-


se que, para [0, 1], todos os elementos de cada intervalo so nmeros positivos. Logo a
operao de multiplicao dos dois intervalos simples.
[ ] [ ]
[ ]
[ ] 24 20 4 , 2 4 2
) 6 2 )( 4 2 ( ), 2 2 )( 1 (
6 2 , 2 2 ) ( 4 2 , 1 ) (
2 2
+ + + =
+ + + + =
+ + + + =




B A

importante observar que, neste ponto, fica claro que o nmero fuzzy resultante da
multiplicao de dois nmeros fuzzy triangulares no um nmero fuzzy triangular.
Quando = 0:
[ ] 24 , 2 ) (
0 0
= B A
Quando = 1:
[ ] [ ] 8 8 , 8 24 20 4 , 2 4 2 ) (
1 1
= = + + + = B A
Obtem-se desta forma um nmero fuzzy triangular que uma aproximao de
B A ) ( :
( ) 24 , 8 , 2 ) ( B A
A Figura 13 apresenta as funes de pertinncia dos nmeros fuzzy triangulares A e
B, a funo de pertinncia no aproximada da multiplicao A () B e a funo de
pertinncia da mesma multiplicao aproximada por um nmero fuzzy triangular. Observa-
se que a diferena entre as duas funes de pertinncia de A () B pequena.
P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


46
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
A( )B
Aproxi mado
1
0,5
B A
A( )B
No aproxi mado

Figura 13 Multiplicao A () B de dois nmeros fuzzy triangulares

Exemplo: Aproximao da diviso
De modo similar, o resultado aproximado da diviso A (/) B expresso atravs de um
nmero fuzzy triangular. Sejam os dois nmeros fuzzy triangulares A e B do exemplo
anterior e os mesmos intervalos -cut

A e

B . Para todo [0, 1], como todos os


elementos de cada intervalo so nmeros positivos e no nulos, a diviso

B A (/) feita da
seguinte maneira:
[ ] [ ]
[ ] ) 2 2 /( ) 4 2 ( ), 6 2 /( ) 1 (
6 2 , 2 2 (/) 4 2 , 1 (/)
+ + + + =
+ + + + =



B A

Quando = 0:
[ ]
[ ] 2 , 17 , 0
2 / 4 , 6 / 1 (/)
0 0
=
= B A

Quando = 1:
[ ]
[ ]
[ ]
5 , 0
5 , 0 , 5 , 0
4 / 2 , 4 / 2
) 2 2 /( ) 4 2 ( ), 6 2 /( ) 1 1 ( (/)
1 1
=
=
=
+ + + + = B A

P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A


47
Obtm-se desta forma um nmero fuzzy triangular que uma aproximao de B A(/) :
( ) 2 , 5 , 0 , 17 , 0 (/) B A




P
U
C
-
R
i
o

-

C
e
r
t
i
f
i
c
a

o

D
i
g
i
t
a
l

N


0
2
1
0
4
6
3
/
C
A