Download PDF
ads:
FACULDADE DE ECONOMIA E FINANÇAS IBMEC
PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM
ADMINISTRAÇÃO E ECONOMIA
D
D
I
I
S
S
S
S
E
E
R
R
T
T
A
A
Ç
Ç
Ã
Ã
O
O
D
D
E
E
M
M
E
E
S
S
T
T
R
R
A
A
D
D
O
O
P
P
R
R
O
O
F
F
I
I
S
S
S
S
I
I
O
O
N
N
A
A
L
L
I
I
Z
Z
A
A
N
N
T
T
E
E
E
E
M
M
A
A
D
D
M
M
I
I
N
N
I
I
S
S
T
T
R
R
A
A
Ç
Ç
Ã
Ã
O
O
IMPLEMENTAÇÃO DO SISTEMA
FUZZY DE MAMDANI USANDO COMO
FERRAMENTA O VISUAL BASIC FOR
APPLICATION NO EXCEL
D
D
A
A
N
N
I
I
E
E
L
L
A
A
C
C
A
A
R
R
U
U
N
N
C
C
H
H
O
O
D
D
E
E
M
M
E
E
L
L
O
O
O
O
R
R
I
I
E
E
N
N
T
T
A
A
D
D
O
O
R
R
A
A
:
:
M
M
A
A
R
R
I
I
A
A
A
A
U
U
G
G
U
U
S
S
T
T
A
A
S
S
O
O
A
A
R
R
E
E
S
S
M
M
A
A
C
C
H
H
A
A
D
D
O
O
Rio de Janeiro, 28 de abril de 2009.
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
“IMPLEMENTAÇÃO DO SISTEMA FUZZY DE MAMDANI USANDO COMO
FERRAMENTA O VISUAL BASIC FOR APPLICATION NO EXCEL”
DANIELA CARUNCHO DE MELO
Dissertação apresentada ao curso de
Mestrado Profissionalizante em
Administração como requisito parcial para
obtenção do Grau de Mestre em
Administração.
Área de Concentração: Administração
Geral
ORIENTADOR: MARIA AUGUSTA SOARES MACHADO
Rio de Janeiro, 28 de abril de 2009.
ads:
“IMPLEMENTAÇÃO DO SISTEMA FUZZY DE MAMDANI USANDO COMO
FERRAMENTA O VISUAL BASIC FOR APPLICATION NO EXCEL”
DANIELA CARUNCHO DE MELO
Dissertação apresentada ao curso de
Mestrado Profissionalizante em
Administração como requisito parcial para
obtenção do Grau de Mestre em
Administração.
Área de Concentração: Administração
Geral
Avaliação:
BANCA EXAMINADORA:
_____________________________________________________
Profª. Drª. Maria Augusta Soares Machado – Orientadora
Instituição: Faculdades Ibmec – Veris Educacional
_____________________________________________________
Profº. Drº. Edson José Dalto
Instituição: Faculdades Ibmec – Veris Educacional
_____________________________________________________
Profº. Drº. Mihail Lermontov
Instituição: Universidade Federal Fluminense - UFF
Rio de Janeiro, 28 de abril de 2009.
FICHA CATALOGRÁFICA:
v
DEDICATÓRIA
Dedico esse trabalho a meu pai Carlos Alberto Vieira de
Melo (in memorian), que mesmo sem saber ao certo o que
eu estava estudando, sempre me apoiou ao longo da minha
vida acadêmica.
A minha família que sempre foi o meu campo de
concentração e a minha base.
Ao meu namorado pelo apoio, paciência, companheirismo
e solidariedade demonstrada ao longo desse trabalho.
vi
AGRADECIMENTOS
Não, não é simplesmente agradecer o que quero. Quero trazer para dentro do meu texto
aqueles que já o percorrem nas entrelinhas. E não só aos que me ajudaram efetivamente na
construção dessa Dissertação, mas aos amigos e colegas que partilharam comigo idéias, que
me trouxeram pérolas poéticas, que construíram frases espirituosas. Creio que nunca
realizamos um trabalho, sem contarmos com a ajuda de algumas pessoas ao longo de todo o
caminho. A ajuda por vezes, vem através de idéias, compreensão, conselhos, sorriso ou até
mesmo com o silêncio.
Agradeço a Deus pelo dom da vida, por demonstrar a sua presença, mesmo quando eu não o
procuro. Por tudo o que eu tenho recebido, por ter sido guiada sempre para o caminho do
bem. Por eu ser feliz e por me sentir abençoada.
Agradeço ao meu pai Carlos Alberto Vieira de Melo (in memorian), e minha mãe Dora
Caruncho de Melo, pela educação que me deram, por terem me inserido nos estudos, por
fazerem com que eu acreditasse que tudo na vida precisa de uma pitada de fé, esforço e
otimismo. Sei que sou parte de vocês.
Agradeço aos meus irmãos Debora, Doralice e Daniel. Por rezarem por mim ao longo desses
anos, por acreditarem que dias melhores virão, por me fazerem dar gargalhadas, pelo ombro
amigo, pela palavra de conforto e pelo otimismo de sempre. A Debora por me emprestar a sua
serenidade e fé todas as vezes em que foi solicitada e por ter-me dado um afilhado
maravilhoso. A Doralice por ser alto-astral, por me fazer sorrir muitas vezes e por ter-me dado
uma afilhada deslumbrantemente igual a mim. Ao Daniel por ser tão presente, “crianção”,
solícito e cozinheiro nas horas vagas. E aos meus cunhados Rafael e Andre, pelo incentivo
sempre recebido. Amo todos vocês.
Agradeço aos meus sobrinhos e afilhados Andressa e Lucas, por existirem. Obrigada pelo
sorriso, abraço, desenhos, presentes, pelas sessões de cinemas e pipocas, vídeo-games e
viagens a terra do nunca, enfim! Obrigada por vocês existirem.
Agradeço a minha tia Maria de Lourdes Miranda Vasconcelos (in memorian), por sempre ter
sido solidária a minha causa, por sempre perguntar se estava tudo bem, ou se eu precisava de
algo. Enfim, por ter sido tão querida comigo.
vii
Ao meu namorado Frederico Mendonça, por ter-me encorajado desde o começo. Pelo auxílio
prestado quando no meio do furacão, eu pensei em parar. Por além de ser namorado, ter sido
tão paciente quando assumiu o papel de colega de grupo. E, é claro, por compreender a minha
ausência nos últimos meses.
A minha grande amiga/irmã Munique, por sempre ter acreditado e confiado em mim, por ter
me ouvido tantas e tantas vezes, por aturar o meu temperamento explosivo dos últimos meses,
tentando sempre rasurar minhas pontinhas de desânimo ou tristeza com um sorriso, com idas
ao shopping e maravilhosos brownies. Não saberia agradecer, senão oferecendo-lhe essas
linhas. E ao Rodrigo por aturar o clube da “Luluzinha”.
Aos meus amigos Paulo Sergio Coelho, Beatriz Lopes, Camila e Gustavo. Obrigada pela
amizade demonstrada ao longo desses anos, pela “presença” sempre que foi preciso. Ao
Paulo, agradeço pelas piadas contadas, pelo apoio dado, pelo ombro amigo, pelas caronas,
pelas coca-colas tomadas, pelo direcionamento, e acima de tudo, por ter-me dado a
oportunidade de ser sua aluna. A Camila e ao Gugu, obrigada por serem tão fooofos, por me
darem presentinhos e beijos melados.
Aos meus amigos Marcelo Passos e Naira Suely. Obrigada pela amizade demonstrada ao
longo desses anos, pelos churrascos, festas, e coca-colas. Ao Marcelo, agradeço pelas dicas,
apoio, solidariedade e companheirismo.
A querida Edna. Obrigada pela presença, oração e apoio recebido. E a minha querida afilhada
Lalinha, pelo brilho dos seus olhos, pelo carinho e pelos doces abraços recebidos.
Aos meus sogros Sander e Gloria Furtado de Mendonça e a querida Sebastiana. Por terem
feito parte da minha conquista e celebrarem comigo as amarguras e vitórias da vida.
As minhas queridas amigas Kelly, Katia e Vanessa. Obrigada por terem acompanhado de
perto o meu desenvolvimento e por terem sempre acreditado no meu potencial. Ao Fabiano,
Rodrigo e Fernando, pelas inúmeras vezes em que me fizeram sorrir e por cuidar das minhas
amigas.
As queridas tias Jane e Leila. Pelo apoio recebido desde sempre. E aos amigos Nelson,
Eduardo e Marcos, por fazer-me gargalhar sempre que nos encontramos.
A minha querida orientadora Maria Augusta. Obrigada por ser tão querida, prestativa,
solidária e também professora. Por ter-me escolhido para ser sua orientanda e por confiar em
mim esse projeto. A sua atitude de orientadora contribuiu intensamente para o
desenvolvimento da autoconfiança e da autonomia no meu trabalho acadêmico.
Aos professores Antonio Duarte e Roberto Montezanno. Obrigada pela oportunidade
oferecida e pelo voto de confiança.
viii
Aos professores Paulo Sergio Coelho, Flavia Cavazotte, Edson Dalto, Luiz Alberto Campos
Filho, Valter Moreno, Cristina Bacellar e Luiz Flavio Autran. Obrigada pelo ensino.
Aos meus amigos Ibmequianos: Felipa Flores, Monica Penido, Aline Marinho, Giovanna
Bruno, Beatrice Verano, Alessandra Carneiro, Giovanna Pacheco, Juliana Esmeraldo,
Alexandra Assunção, Paulo Peloso, Claudinha, Frederico Mendonça, Claudio Mariano e
Francisco Jovando. Obrigada pela oportunidade de dividir as experiências e aprender com
vocês.
Aos meus ex-colegas de trabalho: Gerson Lachtermacher, Eliane Loiola, Simone Leal
Ferreira, Elizabeth Oliveira, Sandra Mariano, Delfina Alonso, Silvino Olegário, Denis
Silveira e Morgana, por terem plantado a semente a anos atrás.
Aos meus colegas de trabalho: Gisele Campos, Oscar Lewandowski, Denise Soares, Lucia
Miceli, Sander Furtado, Solange Lucas, Carlos Alberto, Silvia Duarte, Luiza Maria, Paulo
Sergio Gonçalves, Jorgiana Brennand, Ricardo Macedo, Christiane Romeo, Marcelo Guedes,
José Niemeyer e Silvino Olegário. Obrigada por vocês servirem de exemplo e incentivo a
minha trajetória acadêmica.
A todos os funcionários da secretaria do Ibmec, obrigada pelo empenho em dar a informação
correta e precisa. Um agradecimento especial a Rita de Cássia e Ivone Costa, por além de
tornarem factível a realização deste trabalho sendo prestativas, dedicadas, e competentes,
serem minhas amigas.
A todos os funcionários da biblioteca, pelo atendimento cordial. E um agradecimento especial
a Marly, por torcer a anos pela minha vitória, pelos presentinhos, e acima de tudo, por ser
minha amiga. Obrigada pelo carinho de sempre.
Aos funcionários do material didático, Elton e Sandro, por sempre me auxiliarem quando foi
preciso. Obrigada pelo apreço de sempre. E ao Lindemberg, pelas palavras de solidariedade e
incentivo.
As queridas Jacqueline Bitar, Juliana Gomes, Bianca Plastina, Tatiana dos Santos e Fátima
Tavares, pelo apoio e incentivo irrestrito desde sempre.
Aos funcionários do setor administrativo. Principalmente ao Sr. Barbosa, Alexandre Felix e
Geovah. Obrigada por terem acompanhado e torcido pelo meu sucesso.
A querida Anna Lewandowski. Obrigada por ser minha aluna, por acreditar tanto no meu
potencial e ser tão amiga. Suas palavras de encorajamento são como músicas para meus
ouvidos.
ix
RESUMO
Este trabalho apoiado em uma pesquisa bibliográfica, tem como finalidade desenvolver uma
ferramenta - de baixo custo - que possa ser utilizada para análise de dados e previsões.
Para o desenvolvimento desse trabalho foi utilizado como base o projeto de pesquisa
ENDESA. Esse projeto foi desenvolvido para apoiar a decisão de dotação para as unidades
termoelétricas da empresa ENDESA Fortaleza. O projeto modelou e implementou em
MATLAB um sistema para inferência utilizando o modelo nebuloso de Mamdani.
Para fins de comparação e análise de dados, foi construída uma ferramenta utilizando o VBA
do Excel, para comparar os resultados do projeto ENDESA - feito no MATLAB - com os
resultados obtidos a partir da ferramenta criada.
Palavras Chave: Fuzzy, Excel, VBA, MATLAB, Mamdani.
x
ABSTRACT
Supported on bibliographic research, this work aims to develop a low cost tool which can be
used for data analysis and forecasts.
This work was based on the ENDESA research project. This project was developed to support
allocation decision of thermoelectric units of the company ENDESA Fortaleza. The project
consisted of modeling and implementing a system in MATLAB for inference using Mamdani
fuzzy model.
For purposes of data comparison and analysis, a tool was developed using Excel VBA which
compares the results obtained from this tool with the results of the ENDESA research project
- done in MATLAB.
Key Words: Fuzzy, Excel, VBA, MATLAB, Mamdani.
xi
LISTA DE FIGURAS
Figura 1 – Sistema de Inferência Fuzzy....................................................................................29
Figura 2 – Tela Principal do Sistema ENDESA........................................................................41
Figura 3 – Variável de entrada tipo de falhas do Sistema ENDESA. .......................................41
Figura 4 – Variável de saída criticidade do Sistema ENDESA.................................................42
Figura 5 – Editor de regras do Sistema ENDESA.....................................................................42
Figura 6 – Sistema de Previsão ENDESA.................................................................................43
Figura 7 – Tela Inicial da Ferramenta ENDESA VBA..............................................................46
Figura 8 – Tela de inclusão da variável....................................................................................46
Figura 9 – Tela com a variável tipos de falhas incluída...........................................................47
Figura 10 – Propriedades da variável de input.........................................................................48
Figura 11 – Planilha com as variáveis de input........................................................................48
Figura 12 – Planilha com o cálculo da variável de entrada tipos de falhas..............................49
Figura 13 - Tela com a variável consequência incluída. ..........................................................49
Figura 14 - Planilha com o cálculo da variável de entrada consequência................................50
Figura 15 - Tela com a variável tempo incluída.......................................................................50
Figura 16 - Planilha com o cálculo da variável de entrada tempo............................................51
Figura 17 - Tela com a variável custo incluída. .......................................................................51
Figura 18 - Planilha com o cálculo da variável de entrada custo.............................................52
Figura 19 - Planilha com as variáveis de input.........................................................................52
Figura 20 – Inclusão da variável de saída.................................................................................53
Figura 21 - Tela de inclusão da variável de saída.....................................................................53
Figura 22 – Variável de saída incluída.....................................................................................54
Figura 23 – Propriedades da variável de saída.........................................................................54
Figura 24 – Planilha com a variável de saída...........................................................................55
Figura 25 - Planilha com o cálculo da variável de saída criticidade. .......................................55
xii
Figura 26 – Tela de edição de regras (1 à 7). ...........................................................................56
Figura 27 – Tela de edição de regras (49 à 55). .......................................................................56
Figura 28 – Tela de edição de regras (87 à 93). .......................................................................56
Figura 29 – Planilha mostrando as regras incluídas (1 à 31)....................................................57
Figura 30 - Planilha mostrando as regras incluídas (63 à 93). .................................................57
Figura 31 – Tela de resultado...................................................................................................58
Figura 32 – Tela de resultado com o cálculo da Criticidade....................................................58
xiii
LISTA DE TABELAS
Tabela 1 - Testes de validação do sistema ENDESA................................................................44
Tabela 2 – Testes realizados para comparar a variável Criticidade. ........................................63
xiv
LISTA DE GRÁFICOS
Gráfico 1 – Diferença de altura entre duas pessoas..................................................................30
Gráfico 2 – Diferença de altura entre duas pessoas..................................................................31
Gráfico 3 – Funções Lineares trimf e trapmf. ..........................................................................31
Gráfico 4 – Funções Gaussianas – gaussmf e gauss2mf..........................................................32
Gráfico 5 – Funções Sigmóides – sigmf e dsigmf....................................................................32
Gráfico 6 – Funções Polinomiais. ............................................................................................32
Gráfico 7 - Análise de sensibilidade do Sistema ENDESA......................................................43
xv
LISTA DE ABREVIATURAS
SOLVER – Solucionador de problemas algébricos do Excel.
VBA – Visual Basic for Applications.
FUZZY – Conjuntos Nebulosos ou FUZZY Sets.
MATLAB – Software interativo de alta performance voltado para o cálculo numérico.
ENDESA – Sistema desenvolvido pela equipe de projeto P & D ENDESA-IBMEC.
MF - Membership Function, que na Língua Portuguesa, chamamos de Função de Pertinência.
PC – Personal Computer, que na Língua Portuguesa, chamamos de Computador Pessoal.
xvi
SUMÁRIO
1. INTRODUÇÃO ..............................................................................................................18
2. CONTEXTUALIZAÇÃO DO PROBLEMA.............................................................20
2.1. FORMULAÇÃO DO PROBLEMA.........................................................................20
2.2. JUSTIFICATIVA E/OU CONTEXTUALIZAÇÃO DO PROBLEMA..................20
2.3. OBJETIVOS.............................................................................................................21
2.3.1. Objetivo principal.................................................................................................21
2.3.2. Objetivo secundário..............................................................................................21
2.4. RELEVÂNCIA DA PESQUISA..............................................................................21
2.5. DELIMITAÇÃO DO ESTUDO...............................................................................21
2.6. ORGANIZAÇÃO DO TRABALHO .......................................................................22
3. REVISÃO DA LITERATURA ...................................................................................23
3.1. REFERÊNCIA HISTÓRICA...................................................................................23
3.2. LÓGICA FUZZY......................................................................................................25
3.2.1. Conjuntos Fuzzy ...................................................................................................27
3.2.2. Variáveis linguísticas............................................................................................28
3.2.3. Sistema de inferência Fuzzy .................................................................................28
3.2.4. Funções de pertinência. ........................................................................................30
3.2.4.1. Tipos de funções de pertinência. ..................................................................31
3.3. MODELO DE INFERÊNCIA MAMDANI.............................................................33
3.4. LINGUAGEM DE PROGRAMAÇÃO....................................................................33
3.4.1. O que é linguagem de programação? ...................................................................33
3.5. MICROSOFT EXCEL .............................................................................................34
3.5.1. Excel VBA – Visual Basic for Applications..........................................................35
4. METODOLOGIA...........................................................................................................37
4.1. O PROJETO ENDESA ............................................................................................38
4.1.1. Introdução.............................................................................................................38
xvii
4.1.2. Validação do sistema............................................................................................44
4.1.3. Conclusão .............................................................................................................44
5. IMPLEMENTAÇÃO DA FERRAMENTA ENDESA NO VBA...............................45
5.1. VISÃO GERAL DA FERRAMENTA.....................................................................45
6. CONCLUSÃO.................................................................................................................59
6.1. LIMITAÇÕES E SUGESTÕES DE NOVAS PESQUISAS ...................................60
REFERÊNCIAS BIBLIOGRÁFICAS .................................................................................64
AXEXO A................................................................................................................................66
18
1. INTRODUÇÃO
O desejo de resolver problemas cada vez mais complexos tem produzido o desenvolvimento
dos computadores, e a necessidade de máquinas cada vez mais eficientes e capazes tem, por
sua vez, impulsionado o desenvolvimento da Inteligência Artificial (LUGER &
STUBBLEFIELD, 1997). Toda a área de desenvolvimento de software e hardware, tem-se
desenvolvido e crescido muito nas últimas décadas. Com isso, a procura por soluções mais
eficazes, com baixo custo, e por suas perspectivas de aplicação, cresce vertiginosamente. Não
há dúvidas de que a máquina e o raciocínio humano, caminham lado a lado. A lógica Fuzzy
tem feito parte desse progresso.
Como quase toda concepção revolucionária, a Inteligência Computacional (em particular, a
lógica Fuzzy) enfrentou resistências das mais variadas, principalmente das correntes mais
convervadoras. Mas, apesar dessa cristalização, os números da indústria mundial comprovam
a eficácia e eficiência dos produtos “inteligentes”. As aplicações são cada vez mais numerosas
e incluem sistemas de todos os portes (MACHADO et al, 2007).
Em 1965 foi publicado um artigo do professor Lotfi A. Zadeh - engenheiro eletrônico e
professor do departamento de engenharia elétrica e ciências da computação da Universidade
da Califórnia, Berkely - onde surgiu a idéia da lógica Fuzzy. A concepção da lógica Fuzzy
19
surgiu da preocupação de Zadeh com a diminuição da qualidade da informação fornecida por
modelos matemáticos tradicionais (COSTA et al, 2005).
Ao contrário da lógica proposta por Aristóteles – filósofo grego (384 – 322 A.C.) – que define
uma regra rígida, atribuindo às afirmações valores do tipo “verdadeiro” ou “falso”, a lógica
Fuzzy é baseada no uso de aproximações e consegue traduzir expressões verbais, imprecisas e
vagas, comuns na comunicação humana, em valores numéricos (SIMÕES & SHAW, 1999).
A lógica Fuzzy pode ser vista em parte como uma extensão da lógica de valores múltiplos. É a
lógica que trata de modelos de raciocínio incerto ou aproximado. Para muitos pesquisadores,
Zadeh trouxe com a lógica Fuzzy, a habilidade de codificação do conhecimento, numa forma
que se aproxima muito ao modo como os especialistas pensam em processos de decisão. Os
sistemas de inferências baseados em lógica Fuzzy, possibilitam a captura do conhecimento
próximo ao “modelo cognitivo”, utilizado pelos especialistas na análise de problemas.
Na prática, os conjuntos Fuzzy são formados por pares onde um dos elementos do par
representa a variável em estudo e o outro uma função, cuja imagem está no intervalo (0,1),
que caracteriza o grau de pertinência da variável.
“Lógica é a ciência que tem por objetivo o estudo das leis do raciocínio. A lógica Fuzzy tem
por finalidade o estudo dos princípios formais do raciocínio aproximado” (MACHADO et al,
2007).
O poder da lógica Fuzzy vem pelo fato de conter como casos especiais, não só os sistemas
lógicos binários e de valores múltiplos, mas também teoria de probabilidades e lógica
probabilística.
20
2. CONTEXTUALIZAÇÃO DO PROBLEMA
2.1. FORMULAÇÃO DO PROBLEMA
O presente trabalho se propõe a pesquisar e esclarecer as seguintes questões:
• É possível elaborarmos um Sistema Fuzzy utilizando o Excel VBA, como ferramenta
de pesquisa?
• Como desenvolver esse sistema dentro dos padrões da usabilidade?
• Como avaliar a capacidade deste sistema em relação ao MATLAB?
• Como comparar os resultados obtidos, com os resultados do projeto ENDESA?
2.2. JUSTIFICATIVA E/OU CONTEXTUALIZAÇÃO DO PROBLEMA
A lógica Fuzzy vem despertando interesse de muitas empresas e centros de pesquisa há muito
tempo. Muitos querem ter o primeiro contato com esse campo extremamente vasto. Segundo
Machado et al (2007), isso acontece porque a teoria de conjuntos Fuzzy e os conceitos de
lógica Fuzzy podem ser utilizados para traduzir em termos matemáticos a informação
imprecisa expressa por um conjunto de regras lingüísticas.
Com isso, nos deparamos com dois problemas: o custo do software MATLAB e
conseqüentemente, o comprometimento de muitos estudos, tendo em vista que muitos centros
21
de estudos e tantos outros pesquisadores, não dispõem de dinheiro suficiente para comprar
esse software.
2.3. OBJETIVOS
2.3.1. Objetivo principal
Desenvolver um sistema Fuzzy de Mandani em Excel VBA, como ferramenta de gestão
estratégica para as empresas.
2.3.2. Objetivo secundário
Validar e verificar as restrições do projeto de pesquisa e desenvolvimento chamado ENDESA.
Esse projeto foi criado e desenvolvido pela equipe de projeto P & D ENDESA-IBMEC, para
uma indústria termoelétrica, situada em Fortaleza.
2.4. RELEVÂNCIA DA PESQUISA
Devido ao fato de muitas empresas utilizarem a previsão e a classificação no seu dia-a-dia,
sem ferramentas adequadas, faz-se importante, portanto, desenvolver um software que
permita trabalhar com um ambiente de variáveis de difícil determinação, traçar um modelo
proposto, respaldar suas conclusões e que o custo-benefício não seja tão alto.
2.5. DELIMITAÇÃO DO ESTUDO
O presente estudo se limita a desenvolver um software que seja capaz de ler um modelo
baseado em lógica Fuzzy. Composto por um conjunto de transformadores Fuzzy (variáveis
lingüísticas), funções de pertinência (MF) e por uma base de regras. O método de inferência
utilizado, será o Mamdani.
22
2.6. ORGANIZAÇÃO DO TRABALHO
Este trabalho está estruturado em cinco capítulos. O capítulo um apresentou uma introdução
ao tema.
O atual capítulo (segundo), apresenta uma formulação do problema (2.1), a justificativa e/ou
contextualização do problema (2.2), os objetivos do estudo (2.3). Também mostra alguns
esclarecimentos a cerca da relevância da pesquisa (2.4), e da delimitação do estudo (2.5).
O terceiro capítulo trata da revisão da literatura. Inicialmente, serão abordados os temas:
lógica Fuzzy, conjuntos Fuzzy, variáveis linguísticas e sistema de inferência Fuzzy.
Posteriormente, falarei sobre linguagem de programação e Excel.
O quarto capítulo detalha a metodologia e o sistema utilizado como base, e posteriormente
mostra a comparação feita entre esse sistema e o sistema gerado por mim, utilizando o Excel.
Além de expor os resultados obtidos.
No último capítulo, apresento as conclusões do trabalho.
23
3. REVISÃO DA LITERATURA
Neste capítulo é apresentada uma breve revisão bibliográfica dos principais conceitos
utilizados ao longo do trabalho em questão. Assim, na primeira seção serão apresentados os
conceitos fundamentais sobre a lógica Fuzzy (3.2), em seguida serão mostrados os conceitos
sobre os conjuntos Fuzzy (3.2.1). No ítem 3.2.2, será descrito o que vem a ser uma variável
linguística. Logo em seguida, o que são sistemas de inferência Fuzzy (3.2.3). O ítem 3.3, trará
uma abordagem sobre linguagem de programação e logo em seguida, sobre o software Excel.
3.1. REFERÊNCIA HISTÓRICA
Assim como já foi mencionado anteriormente, o grande precursor da Lógica Fuzzy foi o
professor Zadeh. Em seu artigo, escrito em 1965, ele expôs a teoria matemática e sua lógica,
como meio de modelar a incerteza na linguagem natural. Eis o primeiro parágrafo do seu
artigo:
“Mais frequentemente do que não, as classes dos objetos encontrados no mundo
real não tem um critério de associação precisamente definida. Por exemplo, a
classe dos animais claramente incluem cachorros, cavalos, pássaros, etc ... como
seus membros, e claramente excluem objetos tais como rochas, fluidos, plantas,
etc. Contudo, tais objetos como a estrela do mar, bactérias, etc ... têm um “status”
ambíguo com respeito a classe de animais ... O conceito em questão é que um
conjunto
Fuzzy
é uma “classe” com uma quantidade contínua de graus de
associação.” (ZADEH, 1965).
Essa afirmação gerou muita polêmica e controvérsia, mas como o Zadeh já era muito
conhecido e respeitado no meio científico e acadêmico, recebeu crédito pela sua invenção.
24
Em 1972 formou-se no Japão o primeiro grupo de pesquisas em sistemas Fuzzy, coordenado
pelo professor Toshiro Terano, e em 1974 iniciou-se um importante capítulo no
desenvolvimento desta teoria com a apresentação do primeiro controlador Fuzzy criado por E.
Mamdani, no Reino Unido.
Em 1973 foi publicado um artigo que possuía todos os elementos formais que compõem a
teoria da lógica Fuzzy. Sua grande contribuição é a possibilidade de capturar, em um modelo
matemático clássico, conceitos intuitivos.
O professor Mamdani, do Queen Mary College – Universidade de Londres – conseguiu,
através da aplicação do raciocínio Fuzzy, controlar uma máquina a vapor somente em 1974,
após inúmeros insucessos utilizando outros tipos de controladores. Já a primeira aplicação
comercial só conseguiu êxito em 1980, com a construção de um forno de cimento, que tinha
como finalidade produzir papel (THÉ, 2001 apud CLAUDIO FERNANDES, 2008).
Em 1976 foi feita a primeira aplicação industrial da lógica Fuzzy, desenvolvido pelo Circle
Cement e SIRA, na Dinamarca, que consistiu de um controlador Fuzzy que incorporava o
conhecimento e a experiência dos operários para controlar os fornos das fábricas (REZNIK,
1997 apud NELI ORTEGA, 2001).
Em 1977 Didie Dubois aplicou Fuzzy em um estudo sobre condições de tráfego e neste
mesmo ano surgiu o primeiro sistema especialista Fuzzy (YEN & LANGARI, 1999).
Mas foi em 1990 que esta teoria atingiu o auge com o lançamento da primeira máquina de
lavar roupas, utilizando sistemas Fuzzy, da Matsushita Electric Industrial Co., marcando o
início do desenvolvimento de produtos de consumo. Hoje em dia, várias empresas - Siemens,
25
Klockner-Moeller, SGS-Thomson, General Motors, Motorola, Hewlett-Packard - possuem
laboratórios de pesquisa em lógica Fuzzy, para desenvolvimento de seus produtos (REZNIK,
1997).
Inicialmente, essa lógica foi utilizada nas indústrias – principalmente na Japonesa - e hoje em
dia tem vasta aplicação em áreas de Engenharia, Medicina, Administração e em vários
campos, tais como: previsão de séries, mineração de dados, planejamento, otimização, entre
outros.
3.2. LÓGICA FUZZY
É um sistema de regras que permite lidar com a informação contida em variáveis linguísticas,
pertencentes a um conjunto crisp (uma generalização da noção classica de conjuntos), e
construída com base nos conceitos Fuzzy de regras “se-então” e de raciocínio.
As regras “se-então”, também conhecidas como implicações Fuzzy, são expressões utilizadas
para estabelecer a relação entre as variáveis linguísticas.
De certa forma, pode-se afirmar que todas as pessoas já se depararam em algum momento de
suas vidas, com uma dúvida ou incerteza do que iria fazer. Se é melhor aplicar o dinheiro em
um fundo de renda fixa, ou na bolsa de valores, por exemplo.
Segundo Machado et al (2007), a lógica Fuzzy pode ser utilizada para traduzir em termos
matemáticos a informação imprecisa expressa por um conjunto de regras linguísticas.
Atualmente a lógica Fuzzy, se constitui como uma área de conhecimento bastante consolidada
e pode ser vista como um dos componentes da chamada Inteligência Computacional, ou “Soft
26
Computing”, que foi assim denominada por Zadeh (1994), em oposição ao termo “Hard
Computing”, que é considerada menos flexível e computacionalmente demandante. Este
termo na realidade se refere a uma família de técnicas computacionais das quais os principais
membros são a lógica Fuzzy, as redes neurais artificiais, a computação evolucionária e mais
recentemente a teoria do caos e aprendizado de máquina, entre outros (ARRUDA et al, 2006).
Em muitos problemas em física e em matemática nós não temos dificuldade em classificar
elementos como pertencentes ou não a um dado conjunto clássico. Dessa forma, dado um
conjunto A e um elemento x do conjunto universo U conseguimos muitas vezes dizer se x
2A ou se x
2A. Nós, por exemplo, afirmamos sem receio que o número 5 pertence ao
conjunto dos números naturais e que o número −5 não pertence a este mesmo conjunto. Este é
um caso sobre o qual não temos dúvidas, sendo a lógica booleana devidamente aplicada. No
entanto, poderemos discordar quanto ao fato de o número 4,5 pertencer ou não ao conjunto
dos números aproximadamente iguais a 5. Neste caso a resposta não é a única e objetiva,
pertencer ou não poderá depender do tipo de problema que estamos analisando. Pensemos,
por exemplo, que 4,5 foi a média de provas de um aluno extremamente aplicado que está
passando por sérios problemas de saúde e que, em razão disso, apresentou dificuldades para
realizar as últimas provas. O professor nesta situação poderá ponderar sobre a capacidade do
aluno, sua dedicação durante o curso e sua realidade optando por aprová-lo, ainda que a média
necessária seja 5. Neste caso o número 4,5 pode ser visto como pertencendo ao conjunto dos
números aproximadamente iguais a 5. De fato, mesmo a aplicação numérica de notas pode
não ser um método totalmente objetivo de avaliação (LAW, 1996).
27
3.2.1. Conjuntos Fuzzy
Segundo Gupta (1977), “a teoria dos conjuntos Fuzzy procura remover a barreira da
linguagem existente entre o ser humano, que raciocina através de palavras imprecisas, e a
máquina, que aceita apenas ordens ou instruções precisas”.
A teoria de conjunto Fuzzy consiste numa extensão da teoria de conjunto clássica (Crisp Set
Theory). Em um conjunto clássico A, um elemento x ao ser definido em um conjunto
Universal X somente apresenta dois estados: 1 se e somente se “pertence” ao conjunto A ou
0 se e somente se “não pertence” ao conjunto A. Porém, em um conjunto Fuzzy, um elemento
x não pode ser classificado apenas com “pertence" ou “não pertence” e pode apresentar
qualquer um dos estados intermediários, com valor característico no intervalo real [0,1]
(ZADEH, 1965).
Um conjunto Fuzzy A em um universo X é definido por uma função de pertinência
µA(x): X
→
[0,1], e representado por um conjunto de pares ordenados A = { µA(x)/x} x € X .
Onde, (x) indica o quanto x é compatível com o conjunto A. Portanto, na teoria dos
conjuntos Fuzzy, um elemento pode pertencer parcialmente a vários conjuntos Fuzzy
dependendo do grau de pertinência.
Grau de pertinência (membership degree), consiste em indicadores de tendências atribuídas
subjetivamente por alguém, sendo dependentes do contexto no qual são definidos (KLIR;
FOLGER, 1998).
28
Para definir um conjunto Fuzzy é necessário atribuir aos elementos do conjunto um valor,
entre 0 e 1, denominado grau de pertinência. Esse grau indica o quanto esses elementos
pertencem ou não ao conjunto.
3.2.2. Variáveis linguísticas
Pode-se dizer que variável linguística, é aquela em que podemos atribuir nomes, ao invés de
valores. Por exemplo, podemos definir o peso de uma pessoa da seguinte forma: magro,
esguio ou obeso. Ao invés de dizermos quanto a pessoa pesa.
Generalizando, os valores de uma variável linguística podem ser sentenças em uma linguagem
especificada, construídas a partir de termos primários (alto, baixo, pequeno, médio, grande,
zero), de conectivos lógicos (negação não, conectivos e e ou), ou de modificadores (muito,
pouco, levemente, extremamente) e de delimitadores (como parênteses) (MACHADO et al,
2000).
3.2.3. Sistema de inferência Fuzzy
É o processo pelo qual obtemos as saídas do sistema. Uma vez definidas as regras Fuzzy,
precisamos de um sistema de inferência, para chegar ao resultado final, ou seja, um número
real. Sistemas de inferência Fuzzy, podem ser definidos e caracterizados pela capacidade que
um equipamento apresenta em controlar processos e sistemas.
Os conjuntos Fuzzy e as variáveis lingüísticas são os conceitos básicos para a construção dos
sistemas de inferência Fuzzy (JANG et al, 1997).
29
Figura 1 – Sistema de Inferência Fuzzy
Fonte: Tanscheit (1995).
Pode-se resumir os módulos de um sistema de inferência Fuzzy, como sendo:
•
O estágio de fuzzificação que irá “traduzir” os valores da entrada Crisp, (na
linguagem Fuzzy, são os números clássicos) em valores Fuzzy. É um processo de
generalização;
•
O sistema de inferência que aplicará o mecanismo de interpretação do conjunto de
regras para gerar uma saída linear (Sistema Sugeno de Inferência). É um processo de
conversão;
•
Uma base de conhecimento, a qual contém o conjunto de regras e os graus de
pertinência representados pelas variáveis lingüísticas e;
•
A defuzzificação, que irá traduzir a saída Fuzzy em uma saída crisp (um número). É
um processo de especificação.
30
De todos os modelos de inferência existentes, dois deles são importantes: Modelo de
Mamdani e Modelo de Takagi-Sugeno. A principal diferença entre ambos é que nos sistemas
do tipo Mamdani, tanto o antecedente quanto o conseqüente são expressos por termos
linguísticos. Já os sistemas do tipo Takagi-Sugeno apenas o antecedente é expresso por
termos linguísticos e o conseqüente por funcionais.
Nessa tese foi utilizado o modelo de inferência do tipo Mamdani, por entre outras razões, a de
que ele é muito mais intuitivo do que o modelo do tipo Sugeno.
3.2.4. Funções de pertinência.
É a curva que define como cada ponto no espaço de entrada é transposto para um valor
associado (ou grau de associação) entre 0 e 1.
Pode ser uma curva arbitrária e sua forma pode ser definida como uma função. Para
exemplificar, utilizarei os gráficos 1 e 2, que demonstram a diferença de altura entre duas
pessoas:
Gráfico 1 – Diferença de altura entre duas pessoas.
Fonte: UFRGS.
31
Gráfico 2 – Diferença de altura entre duas pessoas.
Fonte: UFRGS.
3.2.4.1. Tipos de funções de pertinência.
Para exemplificar os tipos de funções de pertinência, demonstrarei na forma de gráfico.
Funções Lineares:
Gráfico 3 – Funções Lineares trimf e trapmf.
Fonte: UFRGS.
32
Funções com Distribuição Gaussiana:
Gráfico 4 – Funções Gaussianas – gaussmf e gauss2mf.
Fonte: UFRGS.
Funções com Sigmóide:
Gráfico 5 – Funções Sigmóides – sigmf e dsigmf.
Fonte: UFRGS.
Funções Polinomiais.
Gráfico 6 – Funções Polinomiais.
Fonte: UFRGS.
33
3.3. MODELO DE INFERÊNCIA MAMDANI
Esse modelo agrega as regras por meio do operador lógico OU, modelado pelo operador
máximo
∨
e, em cada regra, os operadores lógicos E e ENTÃO são modelados pelo operador
mínimo
∧
.
Uma regra típica desse modelo é: se x é A e y é B (onde A e B são conjuntos Fuzzy), então z é
C (onde C é um conjunto Fuzzy).
O Método de inferência de Mamdani fornece uma saída para o sistema que é também um
conjunto Fuzzy. Mas, muitas vezes desejamos obter um resultado clássico a partir da saída
Fuzzy obtida, o que pode ser feito através dos métodos de desfuzzificação.
3.4. LINGUAGEM DE PROGRAMAÇÃO
3.4.1. O que é linguagem de programação?
A melhor definição é que linguagem de programação seja uma linguagem que o computador
consegue entender, processar e executar.
Segundo Roman (2000), podemos dividir as linguagens de programação em três grupos:
•
Linguagens destinadas a manipular o computador a um baixo nível, ou seja, manipular
o sistema operacional, ou manipular o próprio hardware. São chamadas de linguagem
de baixo nível. Exemplo: Assembly;
•
Linguagens destinadas a criar aplicativos individuais, tais como o Microsoft Excel.
São consideradas linguagem de alto nível. Exemplos: Cobol, Pascal, Visual Basic;
34
•
Linguagens destinadas a manipular um programa aplicativo, tal como o Microsoft
Excel, são linguagens em nível de aplicativo. Exemplos: Excel VBA, Word VBA e
PowerPoint VBA.
3.5. MICROSOFT EXCEL
O Excel é um software integrado no ambiente Windows, e desenvolvido pela Microsoft que
permite combinar uma folha de cálculo, banco de dados, VBA e uma infinidade de outras
ferramentas num único programa.
O Excel se consolidou nos últimos anos como sendo uma das mais importantes ferramentas
aplicadas em várias áreas, tais como:
•
área administrativa – folha de pagamento, tabela de preços, salários;
•
área financeira – análise de investimentos, projeção de lucros, fluxo de caixa, controle
de captação de recursos;
•
área de produção – controle de produtividade, controle de estoque, otimização de
sistemas de produção;
•
área comercial – controle de visitas, análise de mercado, controle de notas fiscais,
emissão de listagem de preços;
O Excel oferece a possibilidade de realizar muitas tarefas em pouco tempo e de forma
automatizada.
Algumas funcionalidades do Excel:
1. Manipular, calcular e analisar dados numéricos, textos e fórmulas;
2. Analisar dados através de gráficos bidimensionais ou tridimensionais;
35
3. Analisar dados através do recurso Análise de dados:
o Classificar os dados – ordenar os dados em forma crescente ou decrescente;
o Filtrar – serve para escolher os dados que serão exibidos;
o Subtotais – insere subtotais na base de dados em análise;
o Validação – valida a digitação de determinadas informações em células
previamente formatadas;
o Relatório de tabela dinâmica – facilita a síntese de dados, permitindo a vários
tipos de cálculos.
4. Analisar uma amostra estatística, fazendo uso de ferramentas estatísticas do tipo:
Anova, Correlação, Covariância, Estatística Descritiva, Histograma.
5. Interação de planilhas com banco de dados;
6. Além da possibilidade de utilizar ferramentas do tipo:
o atingir meta – usado para solucionar equações algébricas;
o ferramenta de análise – usado para desenvolver análises estatísticas ou de
engenharia complexas;
o SOLVER – usado para solucionar problemas algébricos.
3.5.1. Excel VBA – Visual Basic for Applications
Muitas tarefas necessitam ser refeitas diariamente. Tais como: inserir dados de vendas,
adicionar uma fórmula, etc. Mas outras são repetidas com frequência. Para que essas tarefas
fiquem automatizadas e com isso, ganhemos com o tempo de execução, existe a possiblidade
de utilizarmos uma macro personalizada.
36
Para tal, precisamos fazer uso da linguagem de programação VBA. Após criarmos a macro,
poderemos editá-la, alterá-la e excluí-la. Além disso, podemos atribuí-la a um objeto (botão
da barra de ferramentas, elemento gráfico ou um controle), e executá-la clicando no objeto.
37
4. METODOLOGIA
A partir de um papel historicamente econômico, a organização empresarial se desenvolveu em
resposta às exigências sociais e políticas da política pública nacional, ao crescimento
explosivo da tecnologia e às inovações contínuas nas comunicações globais. Essas mudanças
criaram a necessidade de novos conhecimentos para os administradores e novos públicos a
serem considerados ao avaliar qualquer decisão. A tendência em direção à complexidade
aumentou o risco associado às decisões empresariais, destacando ainda mais a importância de
ter uma base de informações sólida (COOPER e SCHINDLER, 2003).
A facilidade em utilizar os computadores nos deram a possibilidade e capacidade de analisar
dados a fim de resolver os complexos problemas que encontramos nas empresas. Além de
podermos fazer uso das ferramentas de análise, como o MATLAB.
Com relação ao tipo de estudo, esse trabalho é do tipo explanatório, pois é uma pesquisa
baseada em teorias e com essas teorias, as perguntas “por que” e “como”, serão respondidas.
As metodologias de pesquisas utilizadas nesse trabalho foram divididas em três partes: na
primeira parte, foi realizada a revisão bibliográfica, e através dela, foi conseguido material
para servir de base para continuar até as próximas fases.
38
Na segunda fase, foi feita uma análise do projeto de pesquisa e desenvolvimento chamado
ENDESA. Esse projeto foi desenvolvido pela equipe de projeto P & D ENDESA – IBMEC,
que consiste num sistema Fuzzy para avaliar a criticidade de dotação de uma indústria
termoelétrica, situada no Estado do Ceará. Para isso, foi utilizado o software MATLAB.
A terceira fase, fará uma compilação dos dados contidos no sistema ENDESA, utilizando um
sistema elaborado para esta tese, feito em VBA no Excel, como ferramenta de análise. Os
resultados servirão para comparar com o sistema anterior – que fez uso do software MATLAB
- e dessa forma, traçar a conclusão desse trabalho de pesquisa.
4.1. O PROJETO ENDESA
4.1.1. Introdução
Após reunião com a equipe ENDESA Fortaleza, foi desenvolvido um sistema Fuzzy para
avaliar a criticidade da dotação de uma termoelétrica.
Foram definidas as seguintes variáveis:
A. Variáveis de Entrada – foram definidas quatro variáveis de entrada:
a.1) Tipos de Falhas
Baixa – não afeta pessoas, instalações, nem meio ambiente
Média – afeta a disponibilidade da usina
Alta – afeta pessoas instalações ou meio ambiente
39
a.2) Conseqüências
Alarme
PLS (protection loading system)
Trip - parada da unidade de geração
a.3) Tempo – freqüência do mesmo evento em determinado período
Mensal
Semestral
Anual
a.4) Custo – valor do ítem a ser estocado
Baixo- até R$ 50.000,00
Médio- de R$ 50.000,00 até R$ 100.000,00
Alto – acima de R$ 100.000,00
B. Variável de Saída – foi definida uma variável de saída:
b.1) Criticidade - está baseada na definição de dotação do estoque
Nada – não precisa de nenhum sobressalente
Componente – precisa de algum tipo de componente
Equipamento – precisa de algum tipo de equipamento
Os valores admitidos para o domínio das variáveis foram:
a.1) Tipos de Falhas
Baixa < 0,25
Média entre 0,25 e 0,75
Alta acima de 0,75
40
a.2) Conseqüências
Alarme < 0,25
PLS entre 0,25 e 0,75
Trip acima de 0,75
a.3) Tempo
Mensal < 0,25
Semestral entre 0,25 e 0,75
Anual acima de 0,75
a.4) Custo
Baixo < 0,25
Médio entre 0,25 e 0,75
Alto > 0,75
B. Variável de Saída
b.1) Criticidade
Nada - entre 0 e 0,3
Componente- entre 0,3 e 0,6
Equipamento – acima de 0,6
Esse estudo foi realizado com a finalidade de melhorar a previsão feita pelo algoritmo Fuzzy.
As alterações realizadas se destinavam a alterar os parâmetros das funções Gaussianas.
Implementou-se um programa em MATLAB e validou-se o novo sistema.
As telas geradas pelo programa estão apresentadas a seguir.
41
a) Tela principal
Figura 2 – Tela Principal do Sistema ENDESA.
Fonte: Projeto ENDESA.
b) Variáveis de entrada e suas funções de pertinência ajustadas
Figura 3 – Variável de entrada tipo de falhas do Sistema ENDESA.
Fonte: Projeto ENDESA.
42
c) Saída e suas funções de pertinência ajustadas
Figura 4 – Variável de saída criticidade do Sistema ENDESA.
Fonte: Projeto ENDESA.
d) Editor de regras
Figura 5 – Editor de regras do Sistema ENDESA.
Fonte: Projeto ENDESA.
43
e) Sistema de previsão
Figura 6 – Sistema de Previsão ENDESA.
Fonte: Projeto ENDESA.
f) Sistema para análise de sensibilidade
Gráfico 7 - Análise de sensibilidade do Sistema ENDESA.
Fonte: Projeto ENDESA.
44
4.1.2. Validação do sistema
Foram feitos os testes a seguir apresentados:
VALORES DE ENTRADA
VALORES
DE SAÍDA
Tipos de
Falhas
Baixa
< 0,25
Média entre
0,25 e 0,75
Alta > 0,75
Conse-
quências
Alarme
< 0,25
PLS entre
0,25 e 0,75
Trip > 0,75
Tempo
Mensal
< 0,25
Semestral
entre 0,25
e 0,75
Anual >0,75
Custo
Baixo
< 0,25
Médio entre
0,25 e 0,75
Alto > 0,75
Criticidade
no MATLAB
Nada entre
0 e 0,3
Componente
entre
0,3 e 0,6
Equipamento
acima de 0,6
VALIDAÇÃO
0,1 0,1 0,2 0,5 0,345
É indicado a aquisição de algum componente.
0,1 0,1 0,2 0,8 0,345
É indicado a aquisição de algum componente.
0,1 0,8 0,8 0,8 0,574
É indicado a aquisição de algum componente.
0,4 0,1 0,1 0,1 0,314
É indicado a aquisição de algum componente.
0,5 0,1 0,8 0,7 0,345
É indicado aquisição de algum componente.
0,5 0,1 0,8 0,1 0,345
É indicado aquisição de algum componente.
0,5 0,5 0,1 0,1 0,314
É indicado aquisição de algum componente.
0,5 0,5 0,1 0,9 0,5
É indicado aquisição de algum componente.
0,5 0,9 0,3 0,4 0,5
É indicado aquisição de algum componente.
0,5 0,9 0,9 0,2 0,5
É indicado aquisição de algum componente.
1 0,2 0,2 0,2 0,534
É indicado aquisição de algum componente.
1 0,2 0,2 1 0,466
É indicado aquisição de algum componente.
1 0,6 1 0,2 0,5
É indicado aquisição de algum componente.
1 1 1 0,2 0,5
É indicado aquisição de algum componente.
1 1 1 1 0,5
É indicado aquisição de algum componente.
Tabela 1 - Testes de validação do sistema ENDESA.
Fonte: Projeto ENDESA.
4.1.3. Conclusão
O sistema melhorou a previsão. Nos casos de erro o sistema indica a aquisição de componente
sem haver necessidade.
45
5. IMPLEMENTAÇÃO DA FERRAMENTA ENDESA NO VBA
A ferramenta foi desenvolvida especialmente para esta tese. Apesar de não se tratar de um
software de programação, todas as análises, telas e comandos utilizados nesse sistema, foram
feitos utilizando o VBA no Excel 2007 - uma linguagem que foi embutida em todo o pacote
Office da Microsoft a partir de 1997.
Para esse desenvolvimento ter êxito, foi necessário realizar uma ampla análise e entendimento
do software MATLAB.
5.1. VISÃO GERAL DA FERRAMENTA
A grande vantagem na utilização do VBA para o desenvolvimento dessa ferramenta, foi a
chance de tornar possível a “usuários” do Excel chegar a uma solução compatível com o
MATLAB – eliminando, assim, a necessidade de compra deste software.
O VBA é uma linguagem de programação em que assim como em qualquer outra linguagem,
comporta dois aspectos: a forma da linguagem e o significado associado a essa forma. Ou
seja, a sintaxe e a semântica da linguagem.
46
Para trabalharmos com o VBA, utilizamos o Visual Basic Editor. Que é um editor de
programação. Ele pode ser acessado diretamente do Word, Excel, PowerPoint ou até mesmo
do Access, bastando para isso, precionar as teclas <Alt> + <F11>.
Para utilizar todas as opções da ferramenta, foi criada uma tela inicial, onde é dada ao usuário
a possibilidade de inserir as variáveis. Para isso basta clicar no botão “Incluir Variável Input”.
Figura 7 – Tela Inicial da Ferramenta ENDESA VBA.
Fonte: Elaborado pela autora.
Feito isso, aparecerá a tela abaixo, para digitar o nome da variável:
Figura 8 – Tela de inclusão da variável.
Fonte: Elaborado pela autora.
47
Como já foi dito anteriormente, utilizarei as variáveis e definições do Projeto ENDESA.
Após digitar o nome da variável, aparecerá a tela abaixo, com a primeira variável - tipos de
falhas, já incluída:
Figura 9 – Tela com a variável tipos de falhas incluída.
Fonte: Elaborado pela autora.
Após entrar com o nome das variáveis, é preciso dar um duplo-clique na caixa com o nome da
variável, para habilitarmos as suas propriedades. Ao darmos um duplo-clique na variável
Tipos de Falhas, aparecerá a tela abaixo:
48
Figura 10 – Propriedades da variável de input.
Fonte: Elaborado pela autora.
É preciso definir qual o tipo de função de pertinência será utilizada. Nesse caso, foi utilizada a
função do tipo Gaussiana, com três tipos de saída: Baixa, Média ou Alta. E o domínio
utilizado no sistema, que será entre 0 até 1.
Em seguida, é necessário Salvar, para depois serem inseridas as próximas variáveis. Feito
isso, basta clicar no botão Reprocessar as MFs, para que a macro seja executada, e como
resultado, aparecerá na planilha Input, as variáveis e suas definições, como mostra a figura
abaixo:
Figura 11 – Planilha com as variáveis de input.
Fonte: Elaborado pela autora.
Na planilha MFsInput, aparecerão os valores para a variável tipos de falhas, o desvio padrão,
o cálculo para os valores baixo, médio e alto e o gráfico de curvas.
49
Figura 12 – Planilha com o cálculo da variável de entrada tipos de falhas.
Fonte: Elaborado pela autora.
A próxima variável inserida foi consequência, como mostra a figura abaixo:
Figura 13 - Tela com a variável consequência incluída.
Fonte: Elaborado pela autora.
50
Na planilha MFsInput, aparecerão os valores para a variável consequência.
Figura 14 - Planilha com o cálculo da variável de entrada consequência.
Fonte: Elaborado pela autora.
A próxima variável inserida foi tempo, como mostra a figura abaixo:
Figura 15 - Tela com a variável tempo incluída.
Fonte: Elaborado pela autora.
51
Na planilha MFsInput, aparecerão os valores para a variável tempo.
Figura 16 - Planilha com o cálculo da variável de entrada tempo.
Fonte: Elaborado pela autora.
A próxima variável inserida foi custo, como mostra a figura abaixo:
Figura 17 - Tela com a variável custo incluída.
Fonte: Elaborado pela autora.
52
Na planilha MFsInput, aparecerão os valores para a variável custo.
Figura 18 - Planilha com o cálculo da variável de entrada custo.
Fonte: Elaborado pela autora.
Feito isso, na planilha Input, aparecerá como resultado, a tela abaixo:
Figura 19 - Planilha com as variáveis de input.
Fonte: Elaborado pela autora.
Após esse processo, incluiremos a variável de saída, clicando no botão Incluir Variável
Output:
53
Figura 20 – Inclusão da variável de saída.
Fonte: Elaborado pela autora.
Feito isso, aparecerá a tela abaixo, para digitar o nome da variável:
Figura 21 - Tela de inclusão da variável de saída.
Fonte: Elaborado pela autora.
Assim como foi feito para as variáveis Input, na variável Output, também precisa ser definido
qual o tipo de função de pertinência será utilizada. A função é do tipo gaussiana, com três
tipos de saída: Nada, Componente e Equipamento. O domínio utilizado no sistema, será entre
0 até 1.
54
Figura 22 – Variável de saída incluída.
Fonte: Elaborado pela autora.
Figura 23 – Propriedades da variável de saída.
Fonte: Elaborado pela autora.
55
Depois de clicar em Reprocessar as MFs, obteremos na planilha Output, os seguintes dados:
Figura 24 – Planilha com a variável de saída.
Fonte: Elaborado pela autora.
E na planilha MFsOutput, aparecerão os valores do desvio padrão, o cálculo para os valores
nada, componente e equipamento e o gráfico das curvas.
Figura 25 - Planilha com o cálculo da variável de saída criticidade.
Fonte: Elaborado pela autora.
O próximo passo, é incluir as regras. Definindo qual o tipo de falhas, qual é a consequência, o
tempo, o custo e qual será o tipo de criticidade. Após a inclusão e a escolha do conector (and
ou or), teremos as regras devidamente traçadas, conforme figura a seguir:
56
Figura 26 – Tela de edição de regras (1 à 7).
Fonte: Elaborado pela autora.
Figura 27 – Tela de edição de regras (49 à 55).
Fonte: Elaborado pela autora.
Figura 28 – Tela de edição de regras (87 à 93).
Fonte: Elaborado pela autora.
57
Após serem incluídas todas as regras, ao clicar no botão OK, as regras serão automaticamente
inseridas na planilha Rules, conforme mostra a figura abaixo:
Figura 29 – Planilha mostrando as regras incluídas (1 à 31).
Fonte: Elaborado pela autora.
Figura 30 - Planilha mostrando as regras incluídas (63 à 93).
Fonte: Elaborado pela autora.
58
O próximo passo é calcular o valor da variável de saída Criticidade. Para isso, basta clicar no
botão Resultado e inserirmos os valores para teste.
Figura 31 – Tela de resultado.
Fonte: Elaborado pela autora.
É indispensável lembrar que estamos utilizando para isso o domínio [0,1]. Então os valores
digitados, deverão estar nesse intervalo. Após digitar os valores, basta clicar no botão
Calcular, para a macro ser executada. O resultado aparecerá na caixa de saída, Criticidade,
conforme vemos abaixo :
Figura 32 – Tela de resultado com o cálculo da Criticidade.
Fonte: Elaborado pela autora.
Além do resultado, é demonstrada nessa tela, as regras que foram utilizadas, de acordo com os
valores digitados e a base de regras definidas.
59
6. CONCLUSÃO
Como foi abordado nesse trabalho de pesquisa, cada vez mais empresas estão buscando
utilizar como recurso de análise de dados e previsões, ferramentas de modelagem de sistemas,
como o MATLAB.
Após esse trabalho de pesquisa, constatei que a ferramenta desenvolvida no presente estudo,
atendeu as expectativas. Podemos utilizar o Excel como sendo um poderoso substituto ao
MATLAB – ao utilizarmos quatro variáveis. Para isso, basta fazermos uso dos conceitos
estatísticos e, é claro, programarmos em VBA.
Para fins de análise, fez-se necessário criar uma tabela para realização de testes. Esses testes
consistiam em incluirmos valores >= 0 e <= a 1 para cada variável. Após a inclusão, foi
gerado o resultado no MATLAB e posteriormente, os mesmos valores foram utilizados na
ferramenta criada.
Os resultados obtidos pelas simulações, foram convincentes e satisfatórios, pois os dois
métodos geraram respostas similares, levando-nos assim, para um cenário otimista. Com isso,
concluímos que a aplicação elaborada especialmente para esta tese é eficiente.
60
Com relação a usabilidade, o MATLAB pode ser extremamente difícil de se manusear para
alguns usuários. Isso porque, os menus, telas, gráficos, editor de regras, são em Inglês. Do
contrário, o Excel leva uma imensa vantagem, pois podemos comprá-lo na versão em Língua
Portuguesa. Além disso, o seu menu é extremamente intuitivo, além de ser amplamente
conhecido pela maioria dos usuários de PC, tendo em vista que ele segue a linha de
padronização de menus do Office.
Após analisarmos todos os aspectos descritos anteriomente, concluímos que o Excel pode vir
a substituir futuramente o MATLAB.
6.1. LIMITAÇÕES E SUGESTÕES DE NOVAS PESQUISAS
A ferramenta em questão, tem algumas limitações de cunho estrutural. Assim, são
apresentadas algumas propostas para serem desenvolvidas posteriormente:
i. É preciso verificar o motivo de alguns resultados terem dado respostas diferentes;
ii. É preciso verificar os casos em que o tipo de validação é diferente;
iii. A análise feita, foi especificamente para quatro variáveis. É preciso ampliar a análise e
desenvolver um modelo utilizando mais variáveis;
iv. Desenvolver uma outra ferramenta, utilizando o modelo de inferência de Sugeno;
v. Desenvolver a hipersuperfície (gráfico de análise existente no MATLAB).
61
Testes realizados para Validação do Sistema ENDESA no MATLAB e na Ferramenta desenvolvida.
VALORES DE ENTRADA VALORES DE SAÍDA
Tipos de
Falhas
Baixa
< 0,25
Média entre
0,25 e 0,75
Alta > 0,75
Conse-
quências
Alarme
< 0,25
PLS entre
0,25 e 0,75
Trip > 0,75
Tempo
Mensal
< 0,25
Semestral
entre 0,25
e 0,75
Anual >0,75
Custo
Baixo
< 0,25
Médio entre
0,25 e 0,75
Alto > 0,75
Criticidade
no MATLAB
Nada entre
0 e 0,3
Componente
entre 0,3 e 0,6
Equipamento
acima de 0,6
Criticidade
no EXCEL
Nada entre
0 e 0,3
Componente
entre 0,3 e 0,6
Equipamento
acima de 0,6
VALIDAÇÃO
0,1 0,1 0,2 0,5 0,345 0,2594
OBS: No Matlab, é indicado a aquisição de algum componente. No Excel,
não.
0,1 0,1 0,2 0,8 0,345 0,4999 É indicado a aquisição de algum componente.
0,1 0,1 0,5 0,5 0,314 0,2594
OBS: No Matlab, é indicado a aquisição de algum componente. No Excel,
não.
0,1 0,1 0,6 0,8 0,345 0,4999 É indicado a aquisição de algum componente.
0,1 0,5 0,2 0,8 0,5 0,4999 É indicado a aquisição de algum componente.
0,2 0,3 0,4 0,9 0,495 0,4999 É indicado a compra de algum componente
0,2 0,4 0,8 0,2 0,5 0,4999 É indicado a compra de algum componente
0,1 0,5 0,8 1 0,5 0,4999 É indicado a aquisição de algum componente.
0,2 0,5 0,8 0,7 0,5 0,4999 É indicado a compra de algum componente
0,1 0,8 0,15 0,15 0,5 0,4999 É indicado a aquisição de algum componente.
0,1 0,8 0,15 0,5 0,5 0,4999 É indicado a aquisição de algum componente.
0,1 0,8 0,15 0,8 0,574 0,4999 É indicado a aquisição de algum componente.
62
0,1 0,8 0,5 0,15 0,5 0,4999 É indicado a aquisição de algum componente.
0,1 0,8 0,5 0,5 0,5 0,4999 É indicado a aquisição de algum componente.
0,1 0,8 0,5 0,8 0,574 0,4999 É indicado a aquisição de algum componente.
0,1 0,8 0,8 0,5 0,5 0,4999 É indicado a aquisição de algum componente.
0,1 0,8 0,8 0,8 0,574 0,4999 É indicado a aquisição de algum componente.
0,4 0,1 0,1 0,1 0,314 0,2594
OBS: No Matlab, é indicado a aquisição de algum componente. No Excel,
não.
0,4 0,1 0,1 0,8 0,345 0,4999 É indicado a aquisição de algum componente.
0,5 0,1 0,8 0,7 0,345 0,4999 É indicado a aquisição de algum componente.
0,5 0,1 0,8 0,1 0,345 0,4999 É indicado a aquisição de algum componente.
0,5 0,5 0,1 0,1 0,314 0,2594
OBS: No Matlab, é indicado a aquisição de algum componente. No Excel,
não.
0,5 0,5 0,1 0,9 0,5 0,4999 É indicado a aquisição de algum componente.
0,4 0,4 0,4 0,4 0,5 0,4999 É indicado a aquisição de algum componente.
0,5 0,5 0,9 0,2 0,5 0,4999 É indicado a aquisição de algum componente.
0,4 0,3 0,8 0,4 0,495 0,7405
OBS: No Matlab, é indicado a aquisição de algum componente. No Excel,
é indicado a aquisição de algum equipamento.
0,5 0,9 0,2 0,2 0,574 0,4999 É indicado a aquisição de algum componente.
0,5 0,9 0,5 0,2 0,5 0,4999 É indicado a aquisição de algum componente.
0,5 0,9 0,3 0,4 0,5 0,7405
OBS: No Matlab, é indicado a aquisição de algum componente. No Excel,
é indicado a aquisição de algum equipamento.
0,5 0,9 0,9 0,2 0,5 0,4999 É indicado a aquisição de algum componente.
63
1 0,2 0,2 0,2 0,534 0,4999 É indicado a aquisição de algum componente.
1 0,2 0,2 0,6 0,5 0,4999 É indicado a aquisição de algum componente.
1 0,2 0,2 1 0,466 0,4999 É indicado a aquisição de algum componente.
1 0,2 0,6 0,2 0,5 0,4999 É indicado a aquisição de algum componente.
1 0,2 0,6 1 0,5 0,4999 É indicado a aquisição de algum componente.
1 0,6 0,2 0,2 0,574 0,4999 É indicado a aquisição de algum componente.
1 0,6 0,2 0,6 0,5 0,4999 É indicado a aquisição de algum componente.
1 0,6 0,2 1 0,5 0,4999 É indicado a aquisição de algum componente.
1 0,6 0,6 0,2 0,5 0,4999 É indicado a aquisição de algum componente.
1 0,6 0,6 0,6 0,5 0,7405
OBS: No Matlab, é indicado a aquisição de algum componente. No Excel,
é indicado a aquisição de algum equipamento.
1 0,6 1 0,2 0,5 0,4999 É indicado a aquisição de algum componente.
1 1 0,2 0,2 0,574 0,4999 É indicado a aquisição de algum componente.
1 1 0,2 0,6 0,5 0,4999 É indicado a aquisição de algum componente.
1 1 0,2 1 0,5 0,4999 É indicado a aquisição de algum componente.
1 1 0,6 0,2 0,574 0,4999 É indicado a aquisição de algum componente.
1 1 1 0,2 0,5 0,4999 É indicado a aquisição de algum componente.
1 1 1 1 0,5 0,7405
OBS: No Matlab, é indicado a aquisição de algum componente. No Excel,
é indicado a aquisição de algum equipamento.
Tabela 2 – Testes realizados para comparar a variável Criticidade.
Fonte: Elaborado pela autora.
64
REFERÊNCIAS BIBLIOGRÁFICAS
ABNT – ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 10520:2002 –
Informação e documentação – citações em documentos – apresentação. Rio de Janeiro:
ABNT, 2002b.
ABNT – ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 6023:2002 –
Informação e documentação – referências – elaboração. Rio de Janeiro: ABNT, 2002a.
ARRUDA et al. Modelagem do planejamento mestre da produção através do emprego de
regras nebulosas. In: ENEGEP, XXVI, 2006, Fortaleza.
CCE. Coordenação Central de Extensão. Disponível em: <www.cce.puc-rio.br>. Acesso em:
05 out. 2008.
COOPER, Donald R.; SCHINDLER, Pamela S. Métodos de pesquisa em administração. 7.
ed. Porto Alegre: Bookman, 2003.
COSTA, Alex; RODRÍGUES, Antonio Gabriel; SIMAS, Etiene P.; ARAÚJO, Roberto.
Lógica Fuzzy: Conceitos e aplicações. Disponível em:
<http://www.inf.unisinos.br/~cazella/dss/ Fuzzy _relatorio.pdf>. Acesso em: 15 ago. 2008.
ECO, U. Como se faz uma tese. São Paulo: Ed Perspectiva, 1977.
GUPTA, M. M. Fuzzy Automata and Decision Processes. New York: Elselsier, 1977.
JANG, J. ; SUN, C.; MIZUTANI, E. Neuro-FUZZY and Soft Computing: A
Computacional Approach to Learning and Machine Intelligence. USA: Prentice-Hall,
1997. 607 p.
KLIR, G. J.; FOLGER, T. A. FUZZY sets, uncertainty, and information. New Jersey:
Prentice-Hall, 1998.
LIVRARIA SARAIVA. Disponível em: <www.saraiva.com.br>. Acesso em: 20 out. 2008.
MACHADO, M.; SOUZA, R.; TANSCHEIDT, R. Inteligência computacional aplicada à
administração, economia e engenharia em MATLAB®. São Paulo: Thompson Learning,
2007.
MATH WORKS. Disponível em: <www.mathworks.com.br>. Acesso em: 20 out. 2008.
65
REZNIK, L. Fuzzy Controllers. Newnes, Reino Unido, 1997. Disponível em:
<http://www.ime.usp.br/~tonelli/verao- Fuzzy /neli/principal.pdf>. Acesso em: 11 out. 2008.
SIMÕES, Marcelo G.; SHAW, Lan. Controle e modelagem FUZZY. São Paulo: Edgard &
Blucher, 1999.
STRAATMANN, Gabriela. Desvendando a Lógica Fuzzy. Disponível em:
<www.enq.ufrgs.br/cursos/fuzzy.pdf>. Acesso em: 15 nov. 2008.
TANSCHEIT, Ricardo. Sistemas Fuzzy. Disponível em: <http: //www.ica.ele.puc-
rio.br/cursos/download/ICA-Sistemas%20 Fuzzy.pdf>. Acesso em: 05 out. 2008.
THÉ, Maria. Raciocínio baseado em casos – uma abordagem Fuzzy para diagnóstico
nutriocional. Tese de Doutorado apresentada ao Programa de Pós-Graduação em Engenharia
de Produção da Universidade Federal de Santa Catarina, Florianópolis, 2001.
YEN, J.; LANGARI, R. Fuzzy Logic: Intelligence, Control, and Information. EUA:
Prentice Hall, 1999. Disponível em: <http://www.ime.usp.br/~tonelli/verao- Fuzzy
/neli/principal.pdf>. Acesso em: 10 nov. 2008.
ZADEH, L. A. Fuzzy sets. Information and Control, v. 8, n.3, jun. 1965.
______. Similarity relations and Fuzzy orderings. Information Scienses, v.3, n.2, abr. 1971.
_______. Fuzzy Logic. Communications of the ACM. v. 37, n.3, p.83, 1994.
66
AXEXO A
Segue abaixo as variáveis utilizadas no projeto ENDESA, e suas regras:
clear all
a=newfis('ENDESAMAM','mamdani','min','max','min','max','centroid');
% PRIMEIRA VARIAVEL DE ENTRADA DE DOMINIO [0 1]
a=addvar(a,'input','TIPOS DE FALHAS',[0 1]);
% FUNCOES DE PERTINENCIA AJUSTADAS
a=addmf(a,'input',1,'BAIXA','gaussmf',[0.2123 0]);
a=addmf(a,'input',1,'MÉDIA','gaussmf',[0.2123 0.5]);
a=addmf(a,'input',1,'ALTA','gaussmf',[0.2123 1]);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% SEGUNDA VARIAVEL DE ENTRADA DE DOMINIO [0 1]
a=addvar(a,'input','CONSEQÜÊNCIA',[0 1]);
% FUNCOES DE PERTINENCIA AJUSTADAS
a=addmf(a,'input',2,'ALARME','gaussmf',[0.2123 0]);
a=addmf(a,'input',2,'PLS','gaussmf',[0.2123 0.5]);
a=addmf(a,'input',2,'TRIP','gaussmf',[0.2123 1]);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
67
% TERCEIRA VARIAVEL DE ENTRADA DE DOMINIO [0 1]
a=addvar(a,'input','TEMPO',[0 1]);
% FUNCOES DE PERTINENCIA AJUSTADAS
a=addmf(a,'input',3,'MENSAL','gaussmf',[0.2123 0]);
a=addmf(a,'input',3,'SEMESTRAL','gaussmf',[0.2123 0.5]);
a=addmf(a,'input',3,'ANUAL','gaussmf',[0.2123 1]);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% QUARTA VARIAVEL DE ENTRADA DE DOMINIO [0 1]
a=addvar(a,'input','CUSTO',[0 1]);
% FUNCOES DE PERTINENCIA AJUSTADAS
a=addmf(a,'input',4,'BAIXO','gaussmf',[0.2123 0]);
a=addmf(a,'input',4,'MÉDIO','gaussmf',[0.2123 0.5]);
a=addmf(a,'input',4,'ALTO','gaussmf',[0.2123 1]);
% VARIAVEL DE SAIDA DE DOMINIO [0 1]
a=addvar(a,'output','CRITICIDADE',[0 1]);
a=addmf(a,'output',1,'NADA','gaussmf',[0.3 0]);
a=addmf(a,'output',1,'COMPONENTE','gaussmf',[0.3 0.5]);
a=addmf(a,'output',1,'EQUIPAMENTO','gaussmf',[0.3 1]);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% REGRAS
% m entradas = 4 (numeradas pelas funções de pertinência)
% n saidas =1 (numeradas pelas funções de pertinência)
% m+n+1 peso=1
% m+n+2 = 1 se antecedentes AND e 2 se antecedentes OR
% BASE DE REGRAS
ruleList=[
1 1 1 1 1 1 1
68
1 1 1 2 1 1 1
1 1 1 3 1 1 1
3 1 1 3 1 1 1
3 1 1 1 3 1 1
3 1 1 2 2 1 1
2 1 1 1 1 1 1
2 1 1 2 1 1 1
2 1 1 3 1 1 1
1 2 1 1 2 1 1
1 2 2 1 2 1 1
1 2 3 1 2 1 1
1 2 1 2 2 1 1
1 2 1 3 2 1 1
1 2 2 1 2 1 1
1 1 2 1 1 1 1
1 1 2 2 1 1 1
1 1 2 3 1 1 1
1 1 3 1 1 1 1
1 1 3 2 1 1 1
1 1 3 3 1 1 1
1 2 1 1 2 1 1
1 2 1 2 2 1 1
1 2 1 3 2 1 1
1 2 2 1 2 1 1
1 2 2 2 2 1 1
1 2 2 3 2 1 1
1 2 3 1 2 1 1
1 2 3 2 2 1 1
1 2 3 3 2 1 1
1 3 1 1 2 1 1
1 3 1 2 2 1 1
1 3 1 3 3 1 1
1 3 2 1 2 1 1
1 3 2 2 2 1 1
69
1 3 2 3 3 1 1
1 3 3 1 2 1 1
1 3 3 2 2 1 1
1 3 3 3 3 1 1
2 1 1 1 1 1 1
2 1 1 2 1 1 1
2 1 1 3 1 1 1
2 1 2 1 1 1 1
2 1 2 2 1 1 1
2 1 2 3 1 1 1
2 1 3 1 1 1 1
2 1 3 2 1 1 1
2 1 3 3 1 1 1
2 2 1 1 1 1 1
2 2 1 2 2 1 1
2 2 1 3 2 1 1
2 2 2 1 2 1 1
2 2 2 2 2 1 1
2 2 2 3 2 1 1
2 2 3 1 2 1 1
2 2 3 2 2 1 1
2 2 3 3 2 1 1
2 3 1 1 3 1 1
2 3 1 2 2 1 1
2 3 1 3 2 1 1
2 3 2 1 2 1 1
2 3 2 2 2 1 1
2 3 2 3 2 1 1
2 3 3 1 2 1 1
2 3 3 2 2 1 1
2 3 3 3 2 1 1
3 1 1 1 2 1 1
3 1 1 2 2 1 1
3 1 1 3 2 1 1
70
3 1 2 1 2 1 1
3 1 2 2 2 1 1
3 1 2 3 2 1 1
3 1 3 1 2 1 1
3 1 3 2 2 1 1
3 1 3 3 2 1 1
3 2 1 1 3 1 1
3 2 1 2 2 1 1
3 2 1 3 2 1 1
3 2 2 1 2 1 1
3 2 2 2 2 1 1
3 2 2 3 2 1 1
3 2 3 1 2 1 1
3 2 3 2 2 1 1
3 2 3 3 2 1 1
3 3 1 1 3 1 1
3 3 1 2 2 1 1
3 3 1 3 2 1 1
3 3 2 1 3 1 1
3 3 2 2 2 1 1
3 3 2 3 2 1 1
3 3 3 1 2 1 1
3 3 3 2 2 1 1
3 3 3 3 2 1 1];
a = addrule(a,ruleList);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
writefis(a);
AA=0;
% GERANDO O RESULTADO FUZZY
fismat = readfis('ENDESAMAM');
71
% TESTES
B1=[0.5 0.1 0.4 0.5
0.5 0.2 0.5 0.8
0.5 0.2 0.2 0.6
0.8 0.3 0.2 0.2
0.8 0.2 0.2 0.2
0.9 0.8 0.5 0.2];
%B2=[0.1 0.1 0.1 0.1
% 0.3 0.3 0.1 0.4];
%B3=[0.5 0.5 0.5 0.5
% 0.4 0.4 0.3 0.2];
BB1 = evalfis(B1,fismat)
%BB2 = evalfis(B2,fismat);
%BB3 = evalfis(B3,fismat);
%%%%%%%%%%%%%%%%%%%
fuzzy(a)
mfedit(a)
ruleedit(a)
ruleview(a)
surfview(a)
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo