1 INTRODUÇÃO - Projeto Pesquisa

1

1 INTRODUÇÃO

A alguns anos tem-se verificado a necessidade da utilização de novas tecnologias para

o desenvolvimento de sistemas computacionais devido a crescente necessidade tanto das

empresas quanto dos profissionais por novos e complexos sistemas, demonstrando assim as

limitações das técnicas convencionais.

Como uma das soluções, apresenta-se a tecnologia dos Sistemas Especialistas,

definidos por [LIA1997] como programas de computador que procuram atingir soluções de

determinados problemas do mesmo modo que se supõe que os especialistas humanos

resolvam, se estiverem sob as mesmas condições. Apesar das limitações das máquinas, é

possível, hoje, a construção de Sistemas Especialistas com alto grau de desempenho,

dependendo da complexidade de sua estrutura e do grau de abrangência desejado. Essa

tecnologia começou a mostrar-se uma alternativa real a partir dos anos setenta, quando as

técnicas de representação do conhecimento e os métodos de inferência foram melhorados e

consolidados, fazendo com que resultados positivos fossem obtidos nos trabalhos realizados

nos centros de pesquisa e universidades.

Como conseqüência, as empresas e os profissionais de informática passaram a buscar a

incorporação desta tecnologia para melhorar os seus sistemas computacionais. Entretanto, se

por um lado é cada vez maior o interesse das empresas em utilizarem Sistemas Especialistas,

existem todas as dificuldades relativas a incorporação de uma nova tecnologia. Estas

dificuldades estão relacionadas, entre outras, à falta de profissionais pois a sua maioria é

treinada para o desenvolvimento de sistemas de processamento de dados convencionais. Os

Sistemas Especialistas são, portanto, uma tecnologia da qual as empresas pretendem tirar

proveito mas, de forma geral, ainda não dominam [HEI1995].

No que se refere a área comercial, mais especificamente na compra/aluguel de imóveis

em imobiliária, poucos são os sistemas disponíveis no mercado que se preocupam de alguma

forma em auxiliar ao usuário no que se refere a escolha da melhor opção dentre os imóveis

disponíveis pela imobiliária. O objetivo da construção de um Sistema Especialista nesta área

2

específica é amenizar as dificuldades encontradas na escolha de um imóvel com uma enorme

economia de tempo.

1.1 OBJETIVOS DO TRABALHO

O objetivo principal do trabalho visa auxiliar o usuário na compra/aluguel de um

imóvel em imobiliária com o auxílio de um Sistema Especialista.

O trabalho tem como objetivo secundário a construção de um protótipo que possibilite

integração entre Delphi, lógica difusa e Sistemas Especialistas com o uso da ferramenta

“Shell”.

1.2 JUSTIFICATIVA DO TRABALHO

A importância do presente trabalho está intimamente ligado com a dificuldade de

usuários em encontrar um imóvel que satisfaça suas exigências em inúmeras variáveis como

(preço, número de dormitórios, garagem, etc.). Além disso, há o problema da grande perda de

tempo, havendo ainda a chance do imóvel que mais se adequa ao usuário passar despercebido

como pode ocorrer em uma procura tradicional.

No Sistema Especialista que se pretende construir, o imóvel mais adequado ao cliente

dentre as opções da imobiliária pode ser facilmente encontrado. Essa busca ocorre através das

respostas dadas pelo usuário em relação as perguntas feitas pelo sistema, sem grande perda de

tempo e sem chance de passar qualquer imóvel despercebido.

3

1.3 ORGANIZAÇÃO DO TRABALHO

No capítulo 1 são apresentadas a introdução do trabalho, bem como os objetivos,

justificativa e a organização.

O capítulo 2 dá enfoque ao histórico, características, componentes dos Sistemas

Especialistas além de tratar também sobre a ferramenta utilizada para criação do protótipo, a

“Expert Sinta Shell”.

Já o capítulo 3 consiste na fundamentação teórica dos conjuntos difusos como

variáveis lingüisticas, proposições difusas e regras difusas.

Encontra-se no capítulo 4 uma breve explanação sobre imobiliária e a importância de

um sistema que colabore com usuários na busca de imóvel.

O capítulo 5 está voltado à implementação do protótipo, onde o conhecimento do

especialista será obtido, implementado e testado.

No capítulo 6 é apresentada a conclusão do trabalho.

4

2 SISTEMAS ESPECIALISTAS

2.1 INTRODUÇÃO

Na década de 70, ficou claro para os pesquisadores de Inteligência Artificial que para

conseguir que seus sistemas resolvessem satisfatoriamente problemas reais, seria necessário

incorporar neles grandes quantidades de conhecimento sobre o problema. Isto fez surgir o

campo da Engenharia do Conhecimento, que procura formas de viabilizar a utilização de

conhecimentos de especialistas na solução de problemas complexos. Surgiu então uma

tecnologia resultante desse campo de estudos, os chamados Sistemas Especialistas

[PER1995].

Sistemas Especialistas são programas de computador que usam conhecimento

especializado e procedimentos de inferência para resolver problemas que normalmente são

solucionados por especialistas humanos altamente experientes [LEV1988]. Desta maneira,

tornam-se capazes de tomar uma decisão, baseada no conhecimento acumulado,

conhecimentos estes tomados de uma base de conhecimento, semelhante a um especialista

humano, que busca em sua memória a experiência acumulada durante sua vida profissional

[CUN1987].

Os Sistemas Especialistas, portanto, caracterizam-se por armazenar um profundo

conhecimento acerca de uma área específica devendo armazenar estas informações de forma

organizada permitindo simplificar a busca a respostas requeridas. Devem ainda possuir um

mecanismo de raciocínio ou inferência que possibilite responder aos questionamentos,

justificar suas conclusões e ainda ter capacidade para aprender novos conhecimentos

[HEI1995].

Algumas definições mostram o pensamento de alguns autores em relação aos Sistemas

Especialistas:

5

Para [RIB1987] “Um Sistema Especialista é aquele que é projetado e desenvolvido

para atender a uma aplicação determinada e limitada do conhecimento humano. É capaz de

emitir uma decisão, com apoio em conhecimento justificado, a partir de uma base de

informações, tal qual um especialista de determinada área do conhecimento humano”.

2.2 HISTÓRICO DOS SISTEMAS ESPECIALISTAS

A Inteligência Artificial teve início nos anos 50. O termo “Artificial Intelligence” foi

criado em 1956 por John McCarthy, da Universidade de Stanford. As fundações desta área da

computação foram estabelecidas com o estudo da lógica matemática, teoria de funções

recursivas e processamento de listas. Estas técnicas permitiram a construção de programas de

processamento simbólico [CUN1987].

No início da década de 1960 começaram os primeiros trabalhos nos sistemas que hoje

são chamados de especialistas. Inicialmente pretendia-se construir máquinas inteligentes com

grande poder de raciocínio e solução de problemas. Imaginava-se que a partir de um pequeno

conjunto de normas ou regras de raciocínio introduzidas num poderoso computador criariam-

se sistemas de capacidade superior a humana. Não tardou para que os pesquisadores

observassem o engano e verificassem as reais dimensões do trabalho.

Em 1964 foi construído o DENDRAL, por Joshua Lederberg da Universidade de

Stanford. O DENDRAL a partir de um determinado conjunto de dados como massa

espectrográfica e ressonância magnética, deduz a possível estrutura de um determinado

composto químico. Este programa era do tipo algorítmico. Em 1965, Joshua juntou-se a

Edward Feigenbaum e Bruce Buchanan para tentar construir um programa que não fosse

algorítmico e que usasse regras heurísticas para resolver os mesmos problemas do

DENDRAL. Este novo DENDRAL mostrou a viabilidade dos Sistemas Especialistas e levou

pesquisadores de outras universidades a trabalharem no assunto [HEI1995].

Em 1968, surge no MIT – Massachusetts Institute of Technology, o MACSYMA,

destinado a auxiliar matemáticos na resolução de problemas complexos. O programa foi

6

originalmente elaborado por Carol Engleman, William Martin e Joel Mores. O MACSYMA é

um sistema ainda hoje amplamente utilizado em universidades e laboratórios de pesquisa

[HEI1995].

Posteriormente, já na década de 1970, surgiram importantes e complexos Sistemas

Especialistas entre os quais o MYCIN e o PROSPECTOR. O MYCIN é um sistema na área

médica para detectar e diagnosticar doenças infecciosas. O objetivo principal do sistema é

recomendar uma terapia para o paciente encontrando primeiro a causa da doença com base em

observações clínicas que são informadas pelo usuário e então avaliadas utilizando a sua base

interna de conhecimentos. O PROSPECTOR é um sistema para dar suporte a geólogos na

exploração mineral. O objetivo principal do sistema é apoiar um geólogo que esteja nas fases

iniciais de uma exploração ou prospecção. O usuário informa as principais características da

prospecção, como tipo de rocha, minerais etc, e o programa usa as informações para tentar

satisfazer os seus modelos internos para chegar a conclusões relacionadas a existência e

viabilidade de exploração de certos tipos de minerais [HEI1995]. Também nesta década

surgiu o CASNET (Casual Associational Network), para diagnósticos de glaucoma, doença

que aumenta a tensão intra-ocular e que pode trazer perturbações visuais transitórias ou

definitivas. O CASNET deu origem ao Expert, uma ferramenta para construção de Sistemas

Especialistas [CUN1987].

Com o passar da década de 1980, surgiram inúmeras aplicações comerciais no

mercado de software devido em parte ao fato do avanço tecnológico no que se refere aos

recursos de hardware, ocorridos neste período. Produtos na área médica e matemática

merecem destaque nesta década.

2.3 CARACTERÍSTICAS

Os Sistemas Especialistas tem por objetivo representar o comportamento humano em

relação ao raciocínio, com a intenção de resolver problemas. Devido a este objetivo, o

Sistema Especialista introduz idéias inovadoras que não são encontradas na programação

tradicional.

7

Segundo [HEI1995] “Os Sistemas Especialistas caracterizam-se pela manipulação de

informações composta por fatos a respeito do assunto e regras formais que descrevem

relações. Estas informações compõem a chamada base de conhecimentos sobre a qual será

feito o processamento. O sistema processa, portanto, o conhecimento não existindo o

processamento de dados, típico de sistemas convencionais”.

Um Sistema Especialista tem o seu funcionamento básico apoiado em heurística, por

isso ele é a solução para problemas nos quais a forma tradicional não consegue chegar a uma

conclusão, ou irá obrigar a um processamento muito demorado para a obtenção da solução.

Deve-se buscar um processo heurístico para a solução. Um processo heurístico normalmente

conduz a soluções de maneira rápida, porém pode, inclusive, não conduzir a solução alguma.

Mesmo não encontrando solução, o Sistema Especialista deve chegar a uma conclusão final

[RIB1987].

2.4 REPRESENTAÇÃO DO CONHECIMENTO

Para Lapolli [LAP1993], a representação do conhecimento constitui-se no conjunto de

mecanismos usados para armazenar e manipular o conhecimento.

Segundo Pereira [PER1995], a representação do conhecimento caracteriza-se por

métodos usados para modelar os conhecimentos dos especialistas em alguma área específica,

de forma eficiente, e colocá-los prontos para serem acessados pelo usuário de um sistema

inteligente.

2.4.1 NECESSIDADE DE REPRESENTAR O CONHECIMENTO

Para que um Sistema Especialista possa resolver problemas é imprescindível que esteja

associado a ele um razoável volume de conhecimentos relativos ao domínio do problema.

8

Este conhecimento, por sua vez, deve ser transformado em organizadas estruturas de dados

que permitam a sua utilização pelo computador e ao mesmo tempo sejam facilmente

administradas pelo especialista e usuário do sistema.

Segundo Winston [WIN1987] alguns aspectos são determinantes na qualidade da

representação do conhecimento:

a) explicitar as coisas importantes;

b) revelar restrições naturais;

c) ser completa;

d) ser concisa

e) ser clara ou transparente, podendo-se entender o que quer dizer;

f) facilitar o armazenamento e recuperação;

g) permitir manter o conhecimento coerente, utilizando recursos para proteger o

acesso.

De forma geral, pode-se afirmar que representa-se o conhecimento para posteriormente

recuperá-lo, para raciocinar com ele e para adquirir mais conhecimento. A

representação do conhecimento é a formalização do conhecimento do

sistema. Para que isto seja possível existem técnicas que permitem modelar

o conhecimento de forma eficiente e deixá-lo pronto para ser acessado

facilmente.

2.4.2 FORMAS DE REPRESENTAÇÃO DO CONHECIMENTO

Existem várias maneiras de representação do conhecimento, entre elas pode-se

destacar redes semânticas, quadros ou frames, lógica das proposições e dos predicados e

regras de produção.

9

2.4.2.1 REDES SEMÂNTICAS

Redes semânticas são estruturas formadas por nós, interconectados através de arcos

rotulados. Os nós representam objetos, conceitos, situações ou ações enquanto os arcos

representam as relações entre os nós [HEI1995]. Para exemplificar observe o seguinte texto:

“O TCC (Trabalho de Conclusão de Curso) é um requisito para graduação. Marcelo,

que é estudante do curso Bacharel de Ciências da Computação, possui um bom computador

que utiliza para escrever o TCC.”

A figura 1 mostra uma forma de representação do texto usando uma rede semântica.

As redes semânticas permitem qualquer tipo de ligação entre os nós desde que estas

consigam transmitir o que significam. As ligações mais comuns, no entanto, são “é-parte-de”

e “é-um”. As ligações podem ser divididas em quatro tipos, que são [HEI1995]:

a) tipo propriedade, relaciona dois para demonstrar um propriedade. Na figura 1 a relação

entre “computador” e “bom” é deste tipo;

b) tipo subparte, indica que um nó é uma parte de outro;

c) tipo subclasse, exprime esta característica entre os nós envolvidos. O TCC (figura 1)

poderia ter sido apresentada como uma subclasse em relação a um nó de

pesquisa.

d) tipo relacionamento, indica que, de alguma forma, existe uma relação entre os nós. Na

figura 1 a ligação entre “Curso de Computação” e “TCC” exemplifica esta

relação.

10

Figura 1 – Representação de conhecimento em Rede Semântica.

é-um-requisito

usado-para-escrever

é-de

é-um é

2.4.2.2 QUADROS

A idéia de representar o conhecimento através de quadros foi apresentada inicialmente

por Marvin Minsky [MIN1974] como forma de descrever estruturadamente experiências

anteriores. Os quadros dizem respeito ao uso de conhecimento anterior ou experiências já

vividas para interpretar novas situações. Conforme [MAR1986] o modelo de quadros, ou

frames, baseia-se no processo humano de resolver muitos tipos de problemas através do

agrupamento de informações afins. Segundo ela o homem classifica as informações que

recebe de forma a armazenar em conjuntos as que estiverem relacionadas.

Um quadro é constituído por um nome, uma coleção de atributos, chamados de

escaninhos ou slots e valores a eles associados [RAB1995]. O exemplo a seguir demonstra o

conhecimento de um quadro:

Curso de Computação

Marcelo

Estudante Bom

Computador

TCC

11

QUADRO: Cama

Slot: número-de-pernas – 4 (inserções ou valores padrões: 4)

Slot: forma-da-cama - retangular

Slot: quantidade-de-lugares – uma pessoa

Slot: cor – branca

2.4.2.3 LÓGICA DAS PROPOSIÇÕES E DOS PREDICADOS

A representação lógica proporciona uma forma de representação. Há várias formas de

representação lógica, mas as mais comuns são a lógica proposicional e o cálculo dos

predicados [HAR1988].

A lógica proposicional é um sistema lógico comum, são afirmações verdadeiras ou

falsas. São ligadas por conectivos, operadores lógicos e sua simbologia, tais como AND, OR,

NOT, IMPLIES, EQUIVALENT que são chamados de afirmações compostas [HAR1988].

Exemplo: Na validação de regras, Se uma proposição “X” for verdadeira e a

proposição “Y” for falsa, Então conclui-se que o resultado é falso.

O cálculo de predicados é uma extensão da lógica proposicional. A unidade de

elementos na lógica dos predicados é um objeto, onde as afirmações sobre o objeto chamam-

se predicados. Exemplo: A “BOLA” é vermelha, é uma afirmação assertativa que diz que a

bola é vermelha. Esta assertativa é verdadeira ou falsa [HAR1988]. Em [PAS1989] cita-se

que para representar apropriadamente o conhecimento do mundo real com algum formalismo,

deve-se poder expressar não somente proposições verdadeiras ou falsas, mas também

expressar ou descrever objetos e generalizações sobre classes de objetos. A lógica dos

predicados satisfaz esses objetivos.

12

2.4.2.4 REGRAS DE PRODUÇÃO

O termo “sistema de produção” é atualmente usado para descrever os sistemas que tem

em comum o fato de serem constituídos de um conjunto de regras para descrever condições e

ações. As regras são armazenadas como uma coleção de declarações SE-ENTÃO.

SE < premissas > ENTÃO <conclusões >

A parte SE da regra é chamada de corpo, parte antecedente ou lado esquerdo e deve ser

avaliada em relação à base de conhecimentos como um todo. Quando existe o ajuste buscado

pelo mecanismo de avaliação a ação correspondente especificada no lado direito, ou parte

conseqüente, é executada. As condições na parte antecedente da regra devem ser satisfeitas

para que a ação, na parte conseqüente, seja considerada. Se qualquer premissa falhar o lado

direito também falha.

A representação do conhecimento por regras de produção é a forma mais utilizada em

sistemas especialistas. A justificativa é a naturalidade que representa para o homem pois o par

“condição-ação”, para raciocinar e decidir, também é usado pela mente humana. Estima-se

que cerca de oitenta por cento dos sistemas existentes utilizam esta forma de representação do

conhecimento [HEI1995].

Como ilustração ao uso de regras de produção são mostradas a seguir algumas regras

que poderiam fazer parte, por exemplo, de um sistema especialista para orientação de

candidatos ao curso de ciências da computação.

Regra 1

SE um candidato passar no vestibular para ciências da computação

E o candidato tiver segundo grau completo

ENTÃO o candidato entra na universidade no curso de ciências da computação

13

Regra 2

SE o aluno for aprovado em todas as disciplinas do currículo

ENTÃO ele deve fazer um trabalho de conclusão de curso

Regra 3

SE o trabalho de conclusão de curso for entregue na data correta

E a banca examinadora aprovar o trabalho

ENTÃO o aluno receberá o diploma

O trabalho utiliza regras de produção pois estas apresentam aspectos positivos como a

modularidade e a uniformidade, além da naturalidade para a interpretação

humana. As regras podem ser manipuladas independentemente e regras

podem ser incluídas ou excluídas a qualquer tempo, o que é de extrema valia

pois o conhecimento de qualquer especialista tende a aumentar com o passar

do tempo. A uniformidade fica caracterizada no padrão único utilizado para

todas as regras do sistema. Esta uniformidade traz benefícios como

facilidade de manutenção e o uso do sistema por pessoas não familiarizadas

com o mesmo.

2.5 SISTEMAS BASEADOS EM REGRAS DE PRODUÇÃO

Segundo [RIB1987], “uma regra é um par ordenado de símbolos, com um lado

esquerdo e um lado direito. O conjunto de regras é predeterminado e ordenado, e representa

algum conhecimento sobre um assunto. A base de dados é uma coleção de informações sobre

fatos e hipótese que já foram informados como válidos para serem usados. O interpretador é

14

um mecanismo simples de operadores para percorrer o lado esquerdo de cada regra, até

encontrar-se uma que possa ser ajustada com um ou mais fatores e hipóteses da base de

dados”.

2.5.1 FUNCIONAMENTO

Em um sistema baseado em regras de produção o conhecimento a ser processado é

representado através do uso de regras com uma arquitetura previamente definida. Estas regras

utilizam um par condição-ação onde as condições são premissas e a ação é a conclusão.

No processo de inferência o sistema busca uma primeira regra arbitrariamente, ou, em

alguns casos, aquela pré-definida como regra inicial, e tenta atender as premissas da regra. As

premissas descritas na regra são apresentadas ao usuário em forma de questionamentos. As

respostas fornecidas pelo usuário são então armazenadas na lista de verdades fazendo com

que estas informações fiquem disponíveis ao longo do processo de raciocínio e possam ser

utilizadas para a validação de outras regras. Se as respostas fornecidas pelo usuário atenderem

as premissas da regra e a regra contiver na sua parte conclusiva uma solução para o problema

o processo de inferência estará concluído com sucesso [HEI1995].

Se, por outro lado, a regra não permitiu alcançar uma solução para o problema, o

sistema seguirá avaliando outras regras, sempre acumulando o conhecimento adquirido ao

longo do processo na sua lista de verdades. O processo continua até que seja alcançada uma

regra que leve à solução do problema, ou quando não for mais possível continuá-lo.

Um exemplo extraído de [HEI1995], de um pequeno conjunto de regras para

diagnósticos de problemas em veículos é mostrado abaixo:

Regra 1

SE tem combustível no tanque

15

E tem combustível no carburador

ENTÃO o motor recebe combustível

Regra 2

SE o motor recebe combustível

E o motor vira

ENTÃO o problema é nas velas

Regra 3

SE o motor não vira

E as lâmpadas não acendem

ENTÃO o problema é na bateria ou nos cabos

Regra 4

SE o motor não vira

E as lâmpadas acendem

ENTÃO o problema é o motor de partida

2.5.2 RACIOCÍNIO E ENCADEAMENTO

Existem dois métodos de encadeamento para regras de produção: o encadeamento

progressivo e o encadeamento regressivo.

O encadeamento progressivo é também chamado de encadeamento para frente ou

“forward”. Este encadeamento vai da conclusão de uma regra para as premissas de outra

16

regra. O sistema não se inicia com quaisquer dos objetivos definidos, isto é, ele não tem

nenhum subgrupo inicial de regras de realização que estabeleça um ponto de partida. Ao

contrário, o sistema inicia com um subconjunto de evidências e prossegue invocando as regras

de realização na direção para frente, continuando até que não haja mais regras de realização a

serem invocadas [WEI1988].

Já no encadeamento regressivo, também chamado de “backward” ou para trás, o

sistema inicia em uma conclusão e passa então a usar as regras para provar esta conclusão . O

sistema tem um conjunto de objetivos iniciais, e as regras são invocadas em ordem inversa. O

sistema começa examinando um conjunto limitado de regras de realização em cujos lados

direitos estão os objetivos. Na área médica, por exemplo, eles poderiam ser o conjunto de

diagnósticos finais. O sistema então prossegue com o exame do lado esquerdo das regras para

ver quais objetivos estão satisfeitos. Enquanto as premissas são examinadas, algumas delas

permanecem ignoradas tornando-se novos subobjetivos. Se um subobjetivo é desconhecido,

uma pergunta deve ser feita para determinar o estado correspondente [WEI1988].

2.6 COMPONENTES

Segundo [RAB1995] “ a composição de um Sistema Especialista sofre influências, as

mais diversas, desde a generalidade pretendida, os objetivos que motivaram sua construção, a

representação interna do conhecimento e as implementações usadas”. Geralmente o sistema é

constituído de base de conhecimento, mecanismo de aprendizagem e aquisição do

conhecimento, motor de inferência, quadro negro, sistema de justificação e sistema de

consulta, conforme mostra a figura 2.

17

Figura 2 [HEI1995] – Estrutura de um Sistema Especialista

2.6.1 BASE DE CONHECIMENTOS

A base de conhecimento de um Sistema Especialista compreende o conhecimento de

uma área específica. É constituída de fatos sobre este domínio e regras que descrevem

relações deste domínio. As regras podem ser heurísticas que permitam resolver problemas

dentro do domínio de conhecimento específico a que se destina o Sistema Especialista

[GEN1986].

Base de Conhecimento Motor de Inferência

Mecanismo de

Aprendizagem e

Aquisição do

Conhecimento

Quadro Negro

Sistema de Justificação Sistema de Consulta

18

O Sistema Especialista é feito por um profissional que detém o conhecimento

necessário na área e o fornecerá sob a forma de regras para o computador. O usuário utiliza o

sistema fornecendo fatos de modo que o sistema possa usá-los em seu funcionamento.

A base de conhecimentos está interligada com quase todos os demais elementos do

sistema, especialmente com a máquina de inferência, o mecanismo de aprendizagem e

aquisição do conhecimento e o quadro negro.

2.6.2 MECANISMOS DE APRENDIZAGEM E AQUISIÇÃO DE CONHECIMENTO

Aquisição de conhecimentos é definida como a transferência de conhecimento de uma

fonte determinada, podendo ser esta fonte de livros ou peritos humanos.

[TUR1993] define a atividade de engenharia de conhecimentos como “A arte de

extrair só o relevante dos problemas que requerem especialistas humanos para obter-se as

soluções dos mesmos. O uso correto das técnicas de aquisição de conhecimento levam à

definição de linhas justificáveis da importância do problema e ao projeto da base de

conhecimento do sistema.

Em um Sistema Especialista a aquisição de conhecimento são as regras, o processo de

absorver procedimentos e os métodos que demonstrem com clareza a forma de raciocínio do

especialista humano para a solução do problema específico.

2.6.2.1 FASES NA AQUISIÇÃO DO CONHECIMENTO

A aquisição do conhecimento é a transferência do método de solucionar os problemas

de alguma fonte de conhecimento tal qual um especialista humano, um livro ou um banco de

dados, para um programa de computador. A transferência desse conhecimento é feita por um

19

engenheiro do conhecimento que descreve, no computador, quais as informações que o

especialista humano utiliza e de que forma as utiliza para obter suas conclusões [WEL1994].

A fase de aquisição do conhecimento é uma das mais críticas na construção de um

Sistema Especialista, isto porque normalmente o engenheiro do conhecimento tem menor

domínio de uma área específica do que o especialista e problemas de comunicação dificultam

o processo de transferência do conhecimento para um programa.

O especialista humano tem muitos tipos diferentes de informações para fornecer ao

criador de um sistema especialista como a experiência pessoal anterior na solução de

problemas, perícia pessoal ou métodos para a solução de problemas e o conhecimento pessoal

sobre as razões da seleção dos métodos utilizados.

Um engenheiro do conhecimento é necessário para a aquisição do conhecimento. O

engenheiro deve entrevistar um especialista, resumir as principais características do problema

e saber como o especialista usa seus conhecimentos para resolver os problemas. A partir

desse ponto é que o especialista começa a construir seu protótipo,

A aquisição do conhecimento é dividida em cinco fases segundo Efraim Turban

[TUR1993]:

a) Identificação: nesta fase são identificadas as maiores características do problema,

que é subdividido em subproblemas, se for o caso. A identificação dos

participantes também é feita (perito, usuário, etc). Tudo que o engenheiro do

conhecimento aprendeu durante a fase de identificação será transferida para o

Sistema Especialista de acordo com seus propósitos [TUR1993];

b) Conceituação: como a informação desejada será usada e como poderá ser

representada na base de conhecimento. De que forma o conhecimento poderá ser

adquirido corretamente e a melhor maneira de representação [TUR1993];

20

c) Formalização: o conhecimento é adquirido para representação em uma base de

conhecimento. A maneira na qual o conhecimento é organizado e representado é

chamado de modelagem de aquisição. Por exemplo, em um sistema com base de

regras, o conhecimento deve ser organizado na forma de regras. Este estágio de

aquisição do conhecimento é atualmente integrado com a representação do

conhecimento. Neste ponto o software e o hardware que fazem parte do sistema

também são examinados. Este estágio é considerado muito difícil por estar inclusa

a aquisição do conhecimento do especialista humano [TUR1993];

d) Implementação: este estágio envolve a programação do conhecimento para o

computador. Algum tipo de refinamento do conhecimento é feito, acrescentando-

se mais alguns dados e/ou alterando os já existentes [RAB1995];

e) Testes: neste estágio o engenheiro de conhecimento testa o sistema através de

algumas situações criadas por ele. Os resultados são demonstrados aos

especialistas e, se necessário, os componentes serão revisados. Na verdade é feita

uma validação da base de conhecimento [RAB1995]. A figura 3 demonstra as

cinco fases na aquisição de conhecimento [TUR1993].

21

Fonte:[TUR1993] Figura 3 – Fases de aquisição do conhecimento.

IDENTIFICAÇÃO Reformular

Requerimentos

CONCEITUAÇÃO Reformular

FORMALIZAÇÃO Reprojetar

IMPLEMENTAÇÃO Refinamento

TESTES

Identificação do problema,

características

Busca da concepção para

representação do conhecimentos

Projeto da estrutura para organizar

o conhecimento

Formulação da representação do

conhecimento

Validar regras que organizam o

conhecimento

22

2.6.2.2 MÉTODOS PARA AQUISIÇÃO DO CONHECIMENTO

Para aquisição do conhecimento, três métodos são freqüentemente usados. Estes

métodos são o manual, semi-automático e automático. A seguir, uma breve explanação sobre

estes métodos:

a) método manual: este método sofre muitas alterações de acordo com a necessidade

que o problema exige. O método manual é estruturado basicamente com pequenas

entrevistas. O conhecimento de um especialista ou de outra fonte é elucidado pelo

engenheiro do conhecimento e em seguida codificado na base de conhecimento;

b) método semi-automático: dividido em duas categorias:

Ferramenta computacional que apóia o especialista na construção de pequena base

de conhecimento ou auxilia o engenheiro de conhecimento;

Ferramenta computacional que permite ao engenheiro de conhecimento executar

as tarefas necessárias (testes, validações, refinamentos) com mais eficiência e com

a mínima participação de um perito;

c) método automático: despreza o especialista e o engenheiro de conhecimento. O

sistema encontra uma solução baseando-se apenas em estudos de casos. Aplica-se

com mais naturalidade para redes neurais por sua capacidade de aprendizagem.

2.6.3 MÁQUINA OU MOTOR DE INFERÊNCIA

O motor de inferência pode também ser chamado de mecanismo de inferência ou ainda

de máquina de inferência. Esta contém um interpretador, que decide como aplicar as regras

23

para inferir novos conhecimentos, e um sequenciador, que decide a ordem na qual as regras

devem ser aplicadas.

Segundo [CUN1987] “O motor de inferência é que determina a ordem com que serão

processadas as informações, manipulando os dados a fim de inferir novos fatos, chegando

assim numa conclusão ou recomendar alguma ação. O motor de inferência manipula o

conhecimento representado na base, a fim de resolver o problema. Este mecanismo determina

qual a parte do conhecimento que deve ser utilizado a cada instante da execução do sistema”.

A decisão tomada pelo motor (ou máquina) de inferência é também conseqüência da

aquisição de conhecimento. É preciso que se verifique como a máquina de inferência deverá

manipular o conhecimento, ou seja, de que maneira as regras serão aplicadas aos fatos, sendo

que estas representam com fidelidade a forma de raciocínio do especialista [CUN1987].

Para [RIB1987] “O mecanismo de inferência depende de como se está representando o

conhecimento. Nos sistemas de avaliação de regras, o mecanismo de inferência busca as

regras na base de conhecimento e as avalia. Essa busca depende dos fatos e das hipóteses que

existem e que se quer determinar a cada momento. Os objetivos a serem determinados pelo

sistema de inferência devem ser relacionados com uma determinada ordem. Essas relações

podem ser guardadas sob a forma de grafos, mas normalmente isso se faz sob a forma de uma

árvore que determinará os objetivos que o sistema de inferência deverá procurar. A busca de

regras é feita de maneira automática para que uma meta ou submeta seja atingida”.

2.6.4 SISTEMA DE CONSULTA

O usuário normalmente não participa da elaboração do Sistema Especialista, portanto,

é natural que não conheça as estruturas sustentadoras do sistema e que não esteja

familiarizado com as formas de representação do conhecimento adotadas.

Para que os potenciais usuários possam acessar com proveito e sem maiores

dificuldades o Sistema Especialista, é preciso munir tais sistemas de recursos para a consulta.

Estes recursos são módulos explícitos ao sistema. Para contornar a linguagem técnica da

24

tecnologia computacional e da engenharia do conhecimento, estes módulos estabelecem uma

linguagem orientada para o problema.

A maioria dos sistemas existentes usam técnicas simples de interação com o usuário,

quase sempre utilizando perguntas já pré-formatadas e respostas tipo múltipla escolha. Outra

técnica é a definição de uma gramática sintética simples com um vocabulário restrito e

limitado, própria para utilização no sistema. Recentemente, entretanto, intensas pesquisas tem

sido feitas no sentido de tornar o computador capaz de entender a linguagem natural humana.

Esta tecnologia é todavia um outro campo de estudo da inteligência artificial cujo

desenvolvimento será de extrema valia para toda a área da computação [HEI1995].

2.6.5 SISTEMA DE JUSTIFICAÇÃO

O objetivo do módulo de justificação é esclarecer ao usuário sobre como o sistema

chegou a uma conclusão ou porque uma pergunta está sendo feita. Ele é, na verdade, um

recurso de questionamentos fornecido ao usuário.

Segundo [HEI1995] a justificação é um requisito importante dos Sistemas

Especialistas. Em muitos dos domínios nos quais os sistemas operam, as pessoas não aceitam

resultados se estes não estiverem devidamente justificados. Na medicina, por exemplo, onde

um médico tem a responsabilidade final por um diagnóstico, certamente um sistema teria que

mostrar os motivos que o levaram a alcançar uma determinada conclusão. De forma geral, os

sistemas são implementados para responder as seguintes perguntas:

a) Como chegou a esta conclusão ?

b) Porque chegou a esta conclusão ?

c) Porque não chegou a tal conclusão ?

2.6.6 QUADRO NEGRO

25

O quadro negro, ou rascunho, é uma área de trabalho que o sistema utiliza durante o

processo de inferência. Nesta área são armazenadas informações de apoio e suporte ao

funcionamento do sistema quando este está raciocinando. Embora todos os Sistemas

Especialistas usem o quadro negro, nem todos o explicitam como componente do sistema.

2.7 COMPARATIVO ENTRE SISTEMA ESPECIALISTA EESPECIALISTA HUMANO

No momento que fica definida a utilização de um Sistema Especialista para

determinado problema, discute-se quais as vantagens de um especialista humano em relação a

um Sistema Especialista. O objetivo de um sistema especialista é reunir, em um sistema

computacional, as características exclusivas do conhecimento humano para auxiliar uma

tomada de decisão num determinado processo. Um comparativo entre um especialista humano

e um Sistema Especialista, segundo [GOE1994], é apresentado na figura 4.

Fonte:[GOE1994] Figura 4 – Quadro comparativo entre o especialista humano e o Sistema Especialista.

ESPECIALISTA HUMANO SISTEMA ESPECIALISTA

Perecível

Difícil de transferir

Difícil de documentar

Imprevisível

Alto custo

Criativo

Adaptável

Sensorial

Visão ampla

Bom senso

Permanente

Fácil de ser transferido

Fácil de documentar

Consistente

Viável economicamente

Sem inspiração

Deve ser atualizado

Alimentado com dados simbólicos

Visão estreita

Conhecimento técnico

26

2.8 SHELL

Visando uma maior viabilidade econômica na implementação de um Sistema

Especialista, e considerando-se que diversos sistemas compartilham um máquina de

inferência e outras características comuns de ambiente, foram criadas ferramentas shells, aptas

a realizar muito do trabalho necessário para transpor um Sistema Especialista para um

computador. Essas ferramentas permitem que o criador do Sistema Especialista preocupe-se

somente com a representação do conhecimento do especialista, deixando para a shell a tarefa

de representar o conhecimento e executá-lo em uma máquina, além de permitir depurações e

explicações de como o computador chegou àquela(s) conclusão(ões). Para [LIA1997], “a

principal função de uma shell é simplificar ao máximo o trabalho de implementação de um

Sistema Especialista e permitir seu uso por qualquer outra pessoa sem conhecimento de

informática”.

Segundo [RAB1995], shells é o nome dado a uma família de ferramentas, não

linguagens de programação, que objetivam apoiar e simplificar o processo de construção de

Sistemas Especialistas”. São softwares que contêm alguns dos principais elementos de um

Sistema Especialista, tais como motor de inferência, o justificador e outros. Estas ferramentas

também pré-definem a estruturação do conhecimento a ser utilizada pelo sistema. Ao

projetista do Sistema Especialista usuário de uma shell cabe apenas a tarefa de construir a

base de conhecimentos.

27

2.9 EXPERT SINTA SHELL

O Expert Sinta Shell é uma ferramenta computacional que utiliza técnicas de

inteligência artificial para geração automática de Sistemas Especialistas. Esta ferramenta

utiliza um modelo de representação do conhecimento baseado em regras de produção tendo

como objetivo principal simplificar o trabalho de implementação de Sistemas Especialistas

através do uso de uma máquina de inferência compartilhada, da construção automática de

telas e menus, do tratamento das regras de produção e da utilização de explicações sensíveis

ao contexto da base de conhecimento modelada. Um Sistema Especialista baseado em tal tipo

de modelo é bastante útil em problemas de classificação. O usuário responde a uma sequência

de menus, e o sistema encarregar-se-á de fornecer respostas que se encaixem nas

características apontadas pelo usuário. Como exemplo, tem-se sistemas de diagnósticos

médicos e configuração de redes de computadores [LIA1997].

28

3 CONJUNTOS DIFUSOS

3.1 INTRODUÇÃO

Conforme [RAB1995] “existe em nossa comunicação quotidiana muitas palavras e

sentenças com significado não preciso ou vago. Isto acontece porque, tanto quem fala como

quem ouve, não necessita de informações mais precisas e está acostumando a lidar com tais

tipos de imprecisão. Por exemplo, alguém que no restaurante solicita uma sopa bem quente de

barbatana de tubarão, não está preocupado com a real temperatura da sopa. O que ele deseja é

que a temperatura da sopa esteja bastante acima do que ele considera como morna.

Certamente ninguém é capaz de determinar o ponto preciso em que a sopa passa de morna

para quente”.

Interessado em representar tais imprecisões, o professor Lofti A. Zadeh da

Universidade da Califórnia, Berkley, publicou em um artigo pela primeira vez em 1962, um

assunto denominado fuzzy (com a tradução para o português de “difuso”). Este assunto tratava

de uma matemática com quantidades que eram difusas ou ambíguas. Em 1965, o professor

Lofti referenciou novamente o assunto, apresentando em um artigo uma teoria chamada de

Fuzzy Sets, que em português denomina-se Conjuntos Difusos. Os conjuntos difusos são

classes que possuem elementos que estão associados a estas por graus contínuos de

pertinência. O mundo real indica estas classes através da incerteza, imprecisão e do duvidoso

[LAP1993].

Voltando ao exemplo acima, recorrendo a essa forma de considerar as coisas, a sopa

não tem apenas dois estados, ou é quente ou não é, mas tem um grau de pertinência a quente.

A determinação do grau de pertinência é, por vezes, bastante subjetivo. Por exemplo, se a

pessoa acha que a sopa está muito fria para ela, passando-a para o filho pequeno, este poderá

chorar porque a sopa está muito quente e lhe queima a boca. Este exemplo mostra que sopa

fria é, apenas, marginalmente membro do conjunto de coisas quentes.

29

A Newsweek Marks [MAR1994], indica em um artigo que os japoneses mantém

milhares de patentes em dispositivos, que utilizam a teoria dos conjuntos difusos, embutidos

em aplicações. As aplicações são as mais diversas, como sistemas de frenagem, ar

condicionado e forno microondas.

À lógica difusa tem-se atribuído uma notável popularidade em poucos anos, graças a

uma abundância de aplicações comerciais que a tem empregado em desafios técnicos e

incentivos financeiros. Contudo, com exceção de alguns projetos grandiosos, a maior parte

dos sucessos comerciais concernem-se relativamente a simples problemas em aplicações

caseiras e eletrodomésticos [MAR1994].

3.2 DEFINIÇÃO

Na teoria clássica dos conjuntos, utiliza-se como princípio básico a idéia de que um

elemento pertence ou não pertence a um determinado conjunto, restringindo-se as fronteiras

dos conjuntos e dando o mesmo peso a diferentes objetos que, de uma certa maneira,

poderiam ter mais afinidade em um determinado conjunto do que em outro. Welstead

[WEL1994] descreve este fenômeno associando o valor 1 a todos os elementos que são

membros do conjunto e 0 a todos os elementos que não fazem parte deste conjunto. Para

conjuntos ordinários, estes são os únicos dois valores possíveis. A função que associa estes

valores é chamada de função característica do conjunto.

A teoria dos conjuntos difusos também permite que se tenha uma função característica,

a qual é chamada de função de pertinência. Esta função de pertinência, em geral, assume

valores no intervalo [0,1] e faz com que um objeto passe a não mais ser classificado como

estritamente pertencente ou não a um conjunto, mas sim, lhe designa graus de pertinência em

relação a diferentes conjuntos.

Segundo [PER1995], o termo difuso é usado em situações em que um conjunto A,

definido sobre um universo X, não apresenta seus limites bem definidos:

30

a) para aqueles elementos que com certeza pertencem ao conjunto A, é atribuído um

grau de pertinência igual a 1;

b) para aqueles elementos que com certeza não pertencem ao conjunto A, é atribuído

um grau de pertinência igual a 0;

c) para os elementos os quais não se pode afirmar com certeza se pertencem ou não

pertencem ao conjunto A, é atribuído um valor intermediário, tendendo para 1

quanto maiores forem as razões que se tenha para incluir este elemento no conjunto

A.

Para exemplificar poderia-se utilizar o caso de pessoas, considerando que uma pessoa

alta é aquela que possui 1.80 cm ou mais de altura, dado o seguinte conjunto de pessoas altas:

{(Pedro (1.80 cm), 1), (Paulo (1.79 cm), 0.9), (Raul (1.76 cm), 0.7), (Maria (1.65cm), 0),

(Marta (1.60 cm), 0)}. Observa-se algumas pessoas com altura abaixo da mínima para ser

considerado alta. Pergunta-se, a altura de Paulo (1.79 cm), pode ser dita baixa ? Analisando o

conjunto de pessoas altas através dos conjuntos difusos, nota-se que a altura de Paulo está

muito próxima à altura de uma pessoa alta, sendo assim, seu grau de pertinência que é (0.9)

está indicando Paulo muito mais como uma pessoa alta do que baixa. A figura 5 demonstra o

gráfico das funções de pertinência dos conjuntos de pessoas altas e baixas.

Figura 5 – Função de pertinência para pessoas altas e baixas

1 Baixo Alto

1.70cm 1.80cm

31

Assim, denota-se que os conjuntos difusos são uma classe de objetos, cujos elementos

tem a eles associado um grau de pertinência em relação ao conjunto. Este grau de pertinência

pode assumir qualquer valor real no intervalo [0,1].

Conforme [RAB1995], os conjuntos difusos se contrapõem a chamada lei da

contradição onde valores variam simplesmente de verdadeiro ou falso, de sim ou não,

permitindo assim a manutenção de proposições conflitantes.

3.3 SUPORTE

O suporte de um conjunto difuso Ã, S(Ã), é o conjunto tradicional de cada x є X tal

que o grau de pertinência de x no conjunto difuso Ã seja maior que zero(0).

S(Ã) = { µ (x) > 0 | x є X} [ZIM1991].

Exemplo: utilizando o conjunto de pessoas altas observa-se que duas pessoas possuem

grau de pertinência igual a zero (0);

P (Pessoas altas) = {(Pedro (1.80 cm), 1), (Paulo (1.79 cm), 0.9), (Raul (1.76 cm), 0.7),

(Maria (1.65cm), 0), (Marta (1.60 cm), 0)};

S (Pessoas altas) = {(Pedro (1.80 cm)), (Paulo (1.79 cm)), (Raul (1.76 cm))};

As pessoas que tiverem o grau de pertinência igual a 0 não farão parte do subconjunto

suporte (S) retirado do conjunto de pessoas altas.

3.4 FUNÇÕES DE PERTINÊNCIA

Para [LAP1993], o conjunto difuso é definido como sendo uma classe de objetos com

graus de pertinência. O componente crucial de um conjunto difuso é sua função de

32

pertinência, a qual quantifica o quanto cada objeto pertence ao conjunto. Assim, as operações

sobre conjuntos difusos são definidas via função de pertinência.

Conforme [WEL1994], funções de pertinência são mecanismos através dos quais

conjuntos difusos interagem com o mundo real. O domínio de uma função de pertinência é o

conjunto de valores possíveis para uma dada variável. O limite, ou possibilidades de valores

de saída, de uma função de pertinência está no intervalo [0,1], e é compreendido como o

conjunto de todos os números reais entre 0 e 1, inclusive. Uma típica escolha para uma função

de pertinência, é a parte linear da função trapezoidal.

A figura 6 demonstra um exemplo empregando função trapezoidal, onde x representa

o lucro anual (em milhões de U$) de uma empresa de médio porte. O lucro pode ser

caracterizado como sendo:

a) µpequeno(x) = ((4 – x)/ 2 se lucro entre 2 e 4), (0 se lucro ≥ 4), (1 caso lucro ≤ 2).

b) µmédio(x) = ((x – 2)/ 2 se lucro entre 2 e 4), ((8 – x)/2 se lucro entre 6 e 8), (0 se

lucro ≤ 2 ou ≥ 8) , (1 se lucro entre 4 e 6)

c) µgrande(x) = ((x – 6)/2 se lucro entre 6 e 8), (0 se lucro ≤ 6), (1 se lucro ≥ 8).

Fonte:[WEL1994] Figura 6 – Exemplo de funções de pertinência.

1.0

0.75

PEQUENO MÉDIO GRANDE

0.25

2 2.5 4 6 8 Lucro U$

33

Utilizando o gráfico da figura 9 como exemplo, assumindo o valor de x igual a 2.5,

tem-se um valor que está contido no conjunto difuso pequeno com uma pequena tendência a

médio. Para ser mais exato, x pertence ao conjunto difuso pequeno com um grau de

pertinência igual a 0.75 tendendo a médio com um grau de pertinência de 0.25.

3.5 RACIOCÍNIO DIFUSO

Segundo [LAP1993] o raciocínio difuso é entendido como o processo ou processos

pelos quais uma conclusão, possivelmente imprecisa, é deduzida de uma coleção de premissas

imprecisas. Tal raciocínio é, na maioria dos casos, antes qualitativo do que quantitativo por

natureza, e quase sempre cai fora do domínio de aplicabilidade da lógica clássica.

Na lógica clássica, os valores verdade são zero ou um, e o vocabulário é definido

através desses valores verdade sob a forma de tabelas verdade.

A lógica difusa baseia-se nas lógicas multivaloradas, em que os valores verdade

variam no intervalo [0,1], podendo assumir os meio termos. Zadeh diz que a lógica difusa é

uma extensão da lógica multivalorada, em que os valores verdade são variáveis lingüísticas

[LAP1993].

3.6 FUNDAMENTOS DA LÓGICA DIFUSA

A lógica difusa é utilizada nos controladores difusos como meio de representação do

conhecimento especialista sobre o processo a ser controlado. Com ela, pode-se utilizar termos

próprios da linguagem natural (como alto, baixo, grande, pequeno) para descrever as ações de

controle. Desta forma, se define uma estratégia de controle linguistica que se assemelha muito

ao raciocínio humano, mais fácil de ser compreendida. Esta estratégia de controle, baseada na

lógica difusa, pode ser manipulada por procedimentos automáticos que irão converter as

34

regras de controle dispostas em uma forma simbólica no comportamento efetivo do sistema

[GOM 1991].

35

4 MERCADO IMOBILIÁRIO

4.1 INTRODUÇÃO

O ato de alugar e, especialmente, de comprar um imóvel é encarado como algo de

grande relevância pela maioria das pessoas. Para elas, a aquisição de um imóvel significa a

realização de um sonho e, muitas vezes, o investimento do dinheiro poupado em uma vida.

Isso faz com que as pessoas queiram escolher um imóvel que se encaixe, tanto quanto

possível, dentro das suas expectativas, porém isto nem sempre é tão simples [SAN1995].

Em tempos passados o aluguel ou compra de imóveis era feito regularmente entre

proprietário e cliente mas com o passar dos anos o aumento considerável na quantidade de

ofertas fez com que as imobiliárias ganhassem espaço e crescessem de tal forma que hoje

concentram em seu poder a grande maioria dos imóveis disponíveis no mercado, tanto no que

se refere ao setor de aluguel quanto no que se refere ao setor de venda [SAN1995].

Segundo corretores de imóveis existem dois fatores decisivos que levam um

proprietário a deixar seu imóvel aos cuidados de uma imobiliária. O primeiro é a dificuldade

de concretizar o negócio, pois caso o imóvel não esteja em uma imobiliária ocorrem

problemas no setor de divulgação onde muitas vezes um cliente em potencial não fica

sabendo da oferta, pois a tendência de uma pessoa interessada na compra/aluguel de um

imóvel é procurar em diversas imobiliárias onde, dentre uma imensa quantidade de imóveis,

pode escolher o que melhor se adapta as suas necessidades e possibilidades. O segundo é a

segurança que imobiliárias oferecem, pois ao deixar seu imóvel aos cuidados de uma

imobiliária, esta se responsabiliza pelo imóvel, fazendo contratos com os clientes que

garantem o recebimento do pagamento e a boa conservação do imóvel em caso de aluguel,

geralmente requisitando um ou mais fiadores, ato este que garante ao proprietário não ter

prejuízos no que se refere a danos no imóvel ou falta de pagamentos.

Apesar destas vantagens muitas pessoas relutam em deixar seu imóvel em imobiliária

devido ao fato de não receber integralmente o valor pago pelo cliente referente ao aluguel

36

(caso o proprietário queira alugar seu imóvel) ou referente a venda (caso o proprietário deseje

vender o imóvel) pois a imobiliária recolhe um percentual em caso de aluguel ou venda do

imóvel.

4.2 DIFICULDADE NA ESCOLHA DO IMÓVEL

Alguém que esteja procurando por um imóvel possivelmente encontrará vários

problemas até encontrar o ideal, ou o mais próximo disso. Problemas como taxas, condomínio

e duração de contrato no caso de aluguel. Um dos principais problemas de uma pessoa

interessada na compra/aluguel de um imóvel é o tempo em que se perde vasculhando

imobiliária por imobiliária, opção por opção, preço por preço para só então encontrar o

imóvel que mais se encaixa nas suas condições e necessidades. O problema se intensifica

quando a pessoa fica na dúvida entre vários imóveis, não conseguindo definir entre um ou

outro imóvel, pois o imóvel que tem o número desejado de dormitórios não tem garagem, o

que tem garagem não tem sacada, o que tem sacada não tem o número de dormitórios

desejados.

Outro problema que pode ser visto com freqüência, no caso específico de

apartamentos, se refere aos edifícios em que se encontram os apartamentos escolhidos, pois

dificilmente se sabe a primeira vista as condições do prédio, regalias e segurança que o

mesmo oferece.

4.3 AJUDA DO SISTEMA ESPECIALISTA

É visando amenizar estes problemas de indecisão frente a diferentes imóveis, cada um

com seus pontos positivos e negativos, que se buscou a criação deste protótipo, tendo por

objetivo auxiliar na escolha do imóvel que mais se encaixa ao perfil estabelecido pelo usuário,

levando em consideração as condições do imóvel, condições financeiras do usuário e as

37

necessidades que o usuário tem em relação a vários itens que variam de um imóvel para

outro.

Com o auxílio de um banco de dados, o Sistema Especialista ira buscar e mostrar na

tela em ordem decrescente de afinidades, os imóveis que mais vão de encontro com as

expectativas do cliente da imobiliária. Essa busca ira percorrer todos os imóveis cadastrados,

eliminando qualquer imóvel que não se encaixe na situação desejada (compra ou aluguel).

Também serão descartados os imóveis que não correspondam ao valor que o usuário se

propõe a pagar, assim como os imóveis que possuam número de dormitórios diferentes da

vontade do usuário.

4.4 VANTAGENS DA IMPLANTAÇÃO DO SISTEMA

A implantação de um protótipo desta espécie na imobiliária é capaz de auxiliar os

profissionais que desejam ter uma procura seletiva em seu banco de dados, com agilidade e

precisão, especialmente no que se refere as imobiliárias com grande quantidade de imóveis

disponíveis, onde fica impossível para o cliente da imobiliária descobrir, entre tantos imóveis,

quais são os que ele deve verificar pessoalmente.

38

5 O PROTÓTIPO

Com a construção do protótipo para auxílio na procura de imóveis pretendeu-se validar

tudo que foi fundamentado até então, de uma forma prática. Vale ressaltar que não é objetivo

do protótipo ser uma ferramenta comercial.

5.1 OBJETIVOS

A proposta de construir um protótipo de Sistema Especialista utilizando a Teoria dos

Conjuntos Difusos na procura de imóveis em imobiliária tem o objetivo de ser uma

ferramenta de apoio à tomada de decisões. A função do protótipo é de auxiliar pessoas

interessadas na compra/aluguel de imóvel, mostrando o imóvel que mais se encaixa no perfil

do usuário.

5.2 AQUISIÇÃO DO CONHECIMENTO

A aquisição de conhecimento é a transferência dos conhecimentos acumulados de um

especialista de uma determinada área para um Sistema Especialista. Para obter a aquisição de

conhecimento utilizado para o desenvolvimento do sistema entrou-se em contato com

algumas imobiliárias, as quais forneceram algumas informações sobre as características mais

relevantes de um imóvel no ponto de vista do cliente. Através destas informações começou-se

a elaborar a base de conhecimentos do Sistema Especialista utilizando regras de produção

para representar o conhecimento. A seguir foram feitos refinamentos na base de conhecimento

com o aval do especialista humano. Para finalizar, foram feitos alguns testes com situações

fictícias.

39

5.3 FORMALIZAÇÃO DO CONHECIMENTO

A implementação do protótipo foi desenvolvida no ambiente Delphi 3 com o auxílio

do banco de dados Paradox e da ferramenta Expert Sinta Shell, onde foram desenvolvidas as

regras de produção.

O Sistema utiliza regras de produção para representação do conhecimento. Essas

regras são um conjunto de condições no estilo SE... ENTÃO..., com a possibilidade de

inclusão de conectivos lógicos relacionando os atributos no escopo do conhecimento,

mostrando um grau de certeza, como se pode observar na figura 7.

Figura 7 – Regra de produção

SE salão de festas = sim

E churrasqueira = sim Premissas da regra

E playground = sim

E piscina = sim

ENTÃO resultado = lazer 100% Conclusões

A estrutura das regras é apresentada abaixo, expressa pela notação BNF (Backus-Naur

Form) [HEI1995]:

<regra> ::= SE <condição> ENTÃO <cláusula> <certeza>

<condição> ::= <cláusula> | <cláusula> E <cláusula>

<cláusula> ::= <atributo> <predicado> <valor>

<atributo> ::= <cadeia>

40

<predicado> ::= = | <>

<valor> ::= <cadeia>

<certeza> ::= 1 | 2 | 3 | 4 | ......................| 98 | 99 | 100

Como pode observar-se na BNF, a regra é formada pelas partes SE e ENTÃO. Na

parte SE, ou antecedente da regra estão as premissas. Ela é formada por uma ou mais

cláusulas. Já na parte ENTÃO, ou conseqüente, está a conclusão da regra que é formada por

uma cláusula única.

Uma cláusula é uma combinação de um atributo, um predicado e um valor. Em grande

parte dos Sistemas Especialistas não se utiliza outro conector além do E pois apenas com a

utilização deste conector já é possível fazer um consistente conjunto de regras. Para cada

regra existe um fator de certeza que expressa o grau de certeza do conjunto de cláusulas que

compõem a regra.

5.4 IMPLEMENTAÇÃO

A implementação subdivide-se em duas partes. Na primeira parte é feito um Sistema

Especialista no Expert Sinta Shell onde o objetivo é saber a real necessidade do usuário. Na

segunda parte é feita uma comunicação entre o Expert Sinta Shell e o Delphi, onde faz-se o

cadastramento de imóveis, a tabela de valores dos imóveis e os cálculos para se chegar a um

resultado que mais se aproxime do ideal. A utilização do Expert Sinta Shell se deve a

facilidade na criação e manipulação de regras.

41

5.4.1 A IMPLEMENTAÇÃO NO EXPERT SINTA SHELL

Para se construir uma base de conhecimento no Expert Sinta são necessários alguns

passos pré-determinados. O primeiro passo é a criação das variáveis, bem como seus

respectivos valores. Através desse mecanismo, a base fica organizada e fácil de manter.

Figura 8.

Figura 8- Tela de criação de variáveis

O passo seguinte é a definição dos objetivos que o Sistema Especialista deve mostrar

na tela final. No protótipo desenvolvido o objetivo a ser mostrado na tela final é “Resultado”

que compreende os fatores que mais importam para o usuário na escolha do imóvel e qual a

porcentagem de importância destes fatores. Os fatores em questão foram separados em cinco

grupos. São eles, utilidades, peças, segurança, lazer e regalias. A tela dos objetivos é mostrada

a seguir (figura 9).

42

Figura 9- Tela para definição dos objetivos

Feitas as variáveis e os objetivos, o próximo passo é a interface, onde cada variável

pode receber uma pergunta que servirá de comunicação entre o usuário e o sistema. Um

exemplo de interface é visto na figura 10.

Figura 10 – Tela de interface

Figura 10 – Tela de interface

43

O último passo é a criação das regras de produção onde é feita a modelagem do

conhecimento humano, o que o torna, conforme [LIA1997], ideal para problemas de seleção.

Na figura 11 pode ser visto um exemplo de regra desenvolvida no protótipo. Todas as regras

são mostradas no Apêndice.

Figura 11 – Exemplo de formulação de regra

5.4.2 A IMPLEMENTAÇÃO NO AMBIENTE DELPHI

Através da Expert Sinta VCL, uma biblioteca que transfere o Sistema Especialista

desenvolvido no Expert Sinta Shell para o ambiente Delphi 3, foi instalado o componente

Expert System no Delphi 3, componente este que faz a ligação de um arquivo com extensão

bcm gerado no Expert Sinta Shell para o ambiente Delphi 3, podendo assim utilizar na criação

44

do programa no Delphi 3, perguntas, opções de resposta e justificativa do caminho percorrido

feitas no Expert Sinta Shell conforme mostra a figura 12.

Figura 12 – Componente Expert SINTA no Delphi 3

A utilização do ambiente Delphi 3 foi usado por ter uma interface mais amigável e

devido a necessidade da utilização de um banco de dados, pois o Expert Sinta só permite

utilizar a base de conhecimento.

O diagrama de contexto do protótipo é mostrado na figura 13.

Figura 13 – Diagrama de Contexto

característica imóvel

imóvel pontos imóvel

imóvel

pontos imóvel

Usuário

Funcionário

ImobiliáriaTabela de

Valores

Protótipo

45

A tela inicial do protótipo mostra o título do protótipo, assim como as opções de

consulta e cadastro de imóveis, como se pode ver na figura 14. Clicando em cadastro aparece

o formulário de cadastro de apartamentos. Figura 15.

Figura 14 – Tela inicial do protótipo

Figura 15 – Cadastro de apartamentos

46

No momento em que o imóvel é cadastrado cada uma das áreas definidas

anteriormente recebe um valor composto pela soma do valor das variáveis assinaladas em

cada área. Nas áreas em que há duas variáveis cada variável vale 50, nas que tem três

variáveis cada uma vale 33 e nas que tem quatro variáveis cada uma recebe 25. A situação é

composta por C caso compra ou A caso aluguel, o número de dormitórios e qual das três

opções de preço o cliente deseja pagar. Exemplo: A31. Aluguel, três dormitórios e deseja

pagar até R$ 300,00. O valor de cada área é calculado da seguinte maneira:

ÁREA = VALOR 1 + VALOR 2 + ... + VALOR N;

Utilidades = 50 (elevador SIM, garagem NÃO);

Peças = 67 (dep. empregada NÃO, sacada SIM, área serviço SIM);

Segurança = 33 (prédio com menos de 15 anos SIM, porteiro 24 horas NÃO, grade NÃO);

Lazer = 25 (salão de festas NÃO, playground NÃO, piscina NÃO, churrasqueira SIM);

Regalias = 33 (vista panorâmica SIM, posição solar NÃO, local tranquilo NÃO);

Na figura 16 está a tabela dos imóveis com seus respectivos valores.

Figura 16 – Tabela de imóveis com seus respectivos valores

47

Voltando a página inicial, a outra opção disponível é iniciar a consulta, onde o

protótipo traz um questionário para identificar quais são as verdadeiras necessidades do

usuário, como mostra a figura 17. Estas perguntas e opções de resposta são trazidas do Expert

Sinta Shell através da Expert Sinta VCL .

Figura 17 – Tela de Consulta

Baseado nas respostas dadas pelo usuário, o protótipo irá mostrar um primeiro

resultado, definindo em percentual quanto cada área é relevante para o usuário, conforme

figura 18.

Na figura 19 é mostrado uma árvore de pesquisa gerada pelo Expert Sinta Shell com

todos os passos dados pelo protótipo na busca.

Na figura 20 pode-se ver os valores encontrados pelo sistema para cada variável após

serem dadas todas as respostas pelo usuário.

48

Figura 18 – Resultado das áreas mais relevantes para o usuário

Figura 19 – Mostra a árvore de busca

49

Figura 20 – Todos os valores do resultado

Chegando a um resultado final, para cada imóvel que é pré-selecionado, ou seja, tem as

três condições chaves atendidas (compra/venda, número de dormitórios e preço), é feito o

seguinte cálculo. O protótipo multiplica o valor total de cada área pelo grau de pertinência da

área definido pelo especialista e pelo resultado da busca. Observe o exemplo abaixo

utilizando os resultados do cadastro e da consulta exemplificados anteriormente.

Imóvel = ( Valor Total da área * Grau de pertinência * Resultado da busca por área )

Rua Juvenal da Costa nro 1400 ap 88 = Utilidades (50 * 1 * 80) = 4000;

Peças (67 * 1 * 70) = 4690;

Segurança (33 * 0.8 * 70) = 1848;

Lazer: (25 * 0.7 * 60) = 1050;

Regalias: (34 * 0.6 * 70) = 1428

Rua Juvenal da Costa nro 1400 ap 88 = (4000 + 4690 + 1848 + 1050 + 1386) = 13.016;

50

O grau de pertinência se aplica devido ao fato de que não se pode dar a mesma

importância para todas as áreas. Se um usuário responde que gostaria que seu apartamento

tenha garagem e também boa posição solar, não se pode dar o mesmo grau de importância

para os dois atributos na hora da pesquisa. Utilizando o grau de pertinência, os valores iniciais

de segurança e regalias é 33, após a utilização do grau de pertinência segurança recebe 26,4 e

regalias 19,8.

A figura 21 mostra o resultado final com a pontuação obtida em ordem decrescente.

São mostrados apenas o endereço dos imóveis que preencheram os requisitos exigidos pelo

usuário.

Figura 21 – Resultado Final com pontuação

51

6 CONCLUSÃO

O presente trabalho permitiu um estudo dos aspectos relacionados à utilização da

tecnologia dos Sistemas Especialistas com o auxílio da Teoria dos Conjuntos Difusos. As

formas de representação do conhecimento, regras de produção e aplicação dos conjuntos

difusos, foram abordados.

A utilização das regras de produção para a representação do conhecimento, apontado

pela literatura especializada como a mais comum e viável, mostrou-se adequada, pois

permitiu representar o conhecimento necessário na elaboração da base de conhecimentos do

protótipo.

O Sistema Especialista no domínio de conhecimento no qual foi construído

demonstrou resultados satisfatórios para os objetivos pretendidos, onde a conjunção das

tecnologias de Sistemas Especialistas e Conjuntos Difusos mostrou-se amplamente proveitosa

no que se refere a tradução de conhecimentos do mundo real para o Sistema Especialista.

A soma destas tecnologias demonstrou a possibilidade da utilização de Sistemas

Especialistas na seleção de imóveis em imobiliária, sendo utilizada como uma ferramenta de

apoio a tomada de decisão. Este auxílio proporciona uma menor perda de tempo por parte do

usuário na escolha de um imóvel, assim como diminui sensivelmente o trabalho dos

empregados da imobiliária encarregados em mostrar as opções de imóveis disponíveis a seus

clientes.

Algumas dificuldades foram encontradas no decorrer do trabalho como a transferência

de conhecimento, pois o especialista tem maior domínio na área, fato este que muitas vezes

dificulta a comunicação, como também a dificuldade em se atribuir valores as variáveis do

imóvel.

52

6.1 SUGESTÕES

Diante de uma tecnologia emergente, inúmeras possibidades irão surgir e mostrar um

vasto número de aplicações envolvendo Sistemas Especialistas. Quanto a sugestões para

pesquisa futuras, em uma linha semelhante poderia realizar-se uma análise dos quesitos

determinantes na escolha de um terreno, ou ainda no ramo de imóveis poderia ser

desenvolvido um protótipo para determinar o preço ideal no aluguel ou venda de imóveis,

com a utilização de um Sistema Especialista em conjunto com a Teoria dos Conjuntos

Difusos.

53

APÊNDICE 1

VARIÁVEIS

Apartamento: Compra, Aluguel

Barulho: univalorada

Churrasco: univalorada

Dependência Empregada: univalorada

Dormitorios: 1,2,3,4

Elevador: Pouco importante, Muito importante, Sem importância, Importante

Garagem: univalorada

Grade: univalorada

Piscina: univalorada

Playground: univalorada

Porteiro: univalorada

Posição Solar: Pouca importância, Muita importância,

Preco Aluguel: acima de R$ 600,00, até R$ 300,00, R$ 300,00 a R$ 600,00

Preco Compra: R$ 50.000,00 até R$ 100.000,00, acima de R$100.000,00, até R$ 50.000,00

Prédio: univalorada

Resultado: Situação, Peças, Lazer, Utilidades, Segurança, Regalias

Sacada: Não, Sim, Mais ou menos

Salão de Festas: Não, Sim, Mais ou menos

Vista Panorâmica: univalorada

Área de Serviço: Não, Sim, Mais ou menos

54

OBJETIVOS

Resultado

PERGUNTAS

Variável: Apartamento

Pergunta: "Você quer comprar ou alugar um apartamento ?"

Variável: Barulho

Pergunta: "Você se incomoda com barulho perto do prédio ?"

Variável: Churrasco

Pergunta: "Você gostaria de uma churrasqueira no apartamento ?"

Variável: Dependência Empregada

Pergunta: "Você gostaria de dependência de empregada ?"

Variável: Dormitorios

Pergunta: "Quantos dormitórios você deseja ?"

Variável: Elevador

Pergunta: "Que importância você da ao elevador"

Variável: Garagem

Pergunta: "Você precisa de garagem ?"

Variável: Grade

Pergunta: "Você considera importante o prédio ser rodeado por grades ?"

Variável: Piscina

Pergunta: "Você quer prédio com piscina ?"

Variável: Playground

Pergunta: "Você tem filhos até 10 anos ?"

Variável: Porteiro

Pergunta: "Você acha importante o prédio ter porteiro 24 horas ?"

55

Variável: Posição Solar

Pergunta: "Que importância você da a posição solar ?"

Variável: Preco Aluguel

Pergunta: "Até quanto você pode pagar de aluguel ?"

Variável: Preco Compra

Pergunta: "Até quanto você pode pagar pelo apartamento?"

Variável: Prédio

Pergunta: "É importante que o prédio tenha menos de 10 anos ?"

Variável: Sacada

Pergunta: "Você acha importante sacada no apartamento?"

Variável: Salão de Festas

Pergunta: "Você considera necessário um salão de festas ?"

Variável: Vista Panorâmica

Pergunta: "Você se importa com a vista de seu apartamento?"

Variável: Área de Serviço

Pergunta: "É importante para você ter área de serviço separado da cozinha ?"

REGRASRegra 1 SE Apartamento = Compra E Dormitorios = 4 E Preco Compra = acima de R$100.000,00 ENTÃO Resultado = Situação_C43 CNF 100%

Regra 2 SE Apartamento = Compra E Dormitorios = 4 E Preco Compra = R$ 50.000,00 até R$ 100.000,00 ENTÃO Resultado = Situação_C42 CNF 100%

Regra 3 SE Apartamento = Compra E Dormitorios = 4

56

E Preco Compra = até R$ 50.000,00 ENTÃO Resultado = Situação_C41 CNF 100%

Regra 4 SE Apartamento = Compra E Dormitorios = 3 E Preco Compra = acima de R$100.000,00 ENTÃO Resultado = Situação_C33 CNF 100%


Regra 6 SE Apartamento = Compra E Dormitorios = 3 E Preco Compra = até R$ 50.000,00 ENTÃO Resultado = Situação_C31 CNF 100%



Regra 9 SE Apartamento = Compra E Dormitorios = 2E Preco Compra = até R$ 50.000,00

ENTÃO Resultado = Situação_C21 CNF 100%


Regra 11 SE Apartamento = Compra E Dormitorios = 1

57

E Preco Compra = R$ 50.000,00 até R$ 100.000,00 ENTÃO Resultado = Situação_C12 CNF 100%

Regra 12 SE Apartamento = Compra E Dormitorios = 1 E Preco Compra = até R$ 50.000,00 ENTÃO Resultado = Situação_C11 CNF 100%

Regra 13 SE Apartamento = Aluguel E Dormitorios = 4 E Preco Aluguel = acima de R$ 600,00 ENTÃO Resultado = Situação_A43 CNF 100%

Regra 14 SE Apartamento = Aluguel E Dormitorios = 4 E Preco Aluguel = R$ 300,00 a R$ 600,00 ENTÃO Resultado = Situação_A42 CNF 100%

Regra 15 SE Apartamento = Aluguel E Dormitorios = 4 E Preco Aluguel = até R$ 300,00 ENTÃO Resultado = Situação_A41 CNF 100%




Regra 19 SE Apartamento = Aluguel E Dormitorios = 2

58

E Preco Aluguel = acima de R$ 600,00 ENTÃO Resultado = Situação_A23 CNF 100%






Regra 25 SE Garagem = Sim E Elevador = Muito importante ENTÃO Resultado = Utilidades CNF 90%

Regra 26 SE Garagem = Sim E Elevador = Importante ENTÃO Resultado = Utilidades CNF 80%

Regra 27 SE Garagem = Sim E Elevador = Pouco importante ENTÃO Resultado = Utilidades CNF 60%

59

Regra 28 SE Garagem = Sim E Elevador = Sem importância ENTÃO Resultado = Utilidades CNF 50%

Regra 29 SE Garagem = Não E Elevador = Muito importante ENTÃO Resultado = Utilidades CNF 40%

Regra 30 SE Garagem = Não E Elevador = Importante ENTÃO Resultado = Utilidades CNF 30%

Regra 31 SE Garagem = Não E Elevador = Pouco importante ENTÃO Resultado = Utilidades CNF 20%

Regra 32 SE Garagem = Não E Elevador = Sem importância ENTÃO Resultado = Utilidades CNF 10%

Regra 33 SE Sacada = Sim E Dependência Empregada = Sim E Área de Serviço = Sim ENTÃO Resultado = Pecas CNF 100%

Regra 34 SE Sacada = Sim E Dependência Empregada = Sim E Área de Serviço = Mais ou menos ENTÃO Resultado = Pecas CNF 80%

Regra 35 SE Sacada = Sim E Dependência Empregada = Sim E Área de Serviço = Não ENTÃO Resultado = Pecas CNF 70%

Regra 36 SE Sacada = Sim E Dependência Empregada = Não E Área de Serviço = Sim ENTÃO Resultado = Pecas CNF 70%

60

Regra 37 SE Sacada = Sim E Dependência Empregada = Não E Área de Serviço = Mais ou menos ENTÃO Resultado = Pecas CNF 50%

Regra 38 SE Sacada = Sim E Dependência Empregada = Não E Área de Serviço = Não ENTÃO Resultado = Pecas CNF 30%

Regra 39 SE Sacada = Mais ou menos E Dependência Empregada = Sim E Área de Serviço = Sim ENTÃO Resultado = Pecas CNF 80%

Regra 40 SE Sacada = Mais ou menos E Dependência Empregada = Sim E Área de Serviço = Mais ou menos ENTÃO Resultado = Pecas CNF 70%

Regra 41 SE Sacada = Mais ou menos E Dependência Empregada = Sim E Área de Serviço = Não ENTÃO Resultado = Pecas CNF 50%

Regra 42 SE Sacada = Mais ou menos E Dependência Empregada = Não E Área de Serviço = Sim ENTÃO Resultado = Pecas CNF 50%

Regra 43 SE Sacada = Mais ou menos E Dependência Empregada = Não E Área de Serviço = Mais ou menos ENTÃO Resultado = Pecas CNF 30%

Regra 44 SE Sacada = Mais ou menos E Dependência Empregada = Não E Área de Serviço = Não ENTÃO Resultado = Pecas CNF 20%

61

Regra 45 SE Sacada = Não E Dependência Empregada = Sim E Área de Serviço = Sim ENTÃO Resultado = Pecas CNF 70%

Regra 46 SE Sacada = Não E Dependência Empregada = Sim E Área de Serviço = Mais ou menos ENTÃO Resultado = Pecas CNF 50%

Regra 47 SE Sacada = Não E Dependência Empregada = Sim E Área de Serviço = Não ENTÃO Resultado = Pecas CNF 30%

Regra 48 SE Sacada = Não E Dependência Empregada = Não E Área de Serviço = Sim ENTÃO Resultado = Pecas CNF 30%

Regra 49 SE Sacada = Não E Dependência Empregada = Não E Área de Serviço = Mais ou menos ENTÃO Resultado = Pecas CNF 20%

Regra 50 SE Sacada = Não E Dependência Empregada = Não E Área de Serviço = Não ENTÃO Resultado = Pecas CNF 10%

Regra 51 SE Prédio = Sim E Porteiro = Sim E Grade = Sim ENTÃO Resultado = Seguranca CNF 100%

Regra 52 SE Prédio = Sim E Porteiro = Sim E Grade = Não ENTÃO Resultado = Seguranca CNF 70%

62

Regra 53 SE Prédio = Sim E Porteiro = Não E Grade = Sim ENTÃO Resultado = Seguranca CNF 70%

Regra 54 SE Prédio = Sim E Porteiro = Não E Grade = Não ENTÃO Resultado = Seguranca CNF 30%

Regra 55 SE Prédio = Não E Porteiro = Sim E Grade = Sim ENTÃO Resultado = Seguranca CNF 70%

Regra 56 SE Prédio = Não E Porteiro = Sim E Grade = Não ENTÃO Resultado = Seguranca CNF 30%

Regra 57 SE Prédio = Não E Porteiro = Não E Grade = Sim ENTÃO Resultado = Seguranca CNF 30%

Regra 58 SE Prédio = Não E Porteiro = Não E Grade = Não ENTÃO Resultado = Seguranca CNF 10%

Regra 59 SE Salão de Festas = Sim E Playground = Sim E Churrasco = Sim E Piscina = Sim ENTÃO Resultado = Lazer CNF 100%

Regra 60 SE Salão de Festas = Sim E Playground = Sim E Churrasco = Sim

63

E Piscina = Não ENTÃO Resultado = Lazer CNF 80%

Regra 61 SE Salão de Festas = Sim E Playground = Sim E Churrasco = Não E Piscina = Sim ENTÃO Resultado = Lazer CNF 80%

Regra 62 SE Salão de Festas = Sim E Playground = Não E Churrasco = Sim E Piscina = Sim ENTÃO Resultado = Lazer CNF 80%

Regra 63 SE Salão de Festas = Sim E Playground = Não E Churrasco = Sim E Piscina = Não ENTÃO Resultado = Lazer CNF 50%

Regra 64 SE Salão de Festas = Sim E Playground = Não E Churrasco = Não E Piscina = Sim ENTÃO Resultado = Lazer CNF 50%

Regra 65 SE Salão de Festas = Sim E Playground = Sim E Churrasco = Não E Piscina = Não ENTÃO Resultado = Lazer CNF 50%

Regra 66 SE Salão de Festas = Sim E Playground = Não E Churrasco = Não E Piscina = Não ENTÃO Resultado = Lazer CNF 30%

Regra 67 SE Salão de Festas = Mais ou menos E Playground = Sim

64

E Churrasco = Sim E Piscina = Sim ENTÃO Resultado = Lazer CNF 90%

Regra 68 SE Salão de Festas = Mais ou menos E Playground = Sim E Churrasco = Sim E Piscina = Não ENTÃO Resultado = Lazer CNF 60%

Regra 69 SE Salão de Festas = Mais ou menos E Playground = Sim E Churrasco = Não E Piscina = Sim ENTÃO Resultado = Lazer CNF 60%

Regra 70 SE Salão de Festas = Mais ou menos E Playground = Não E Churrasco = Sim E Piscina = Sim ENTÃO Resultado = Lazer CNF 60%

Regra 71 SE Salão de Festas = Mais ou menos E Playground = Não E Churrasco = Sim E Piscina = Não ENTÃO Resultado = Lazer CNF 40%

Regra 72 SE Salão de Festas = Mais ou menos E Playground = Não E Churrasco = Não E Piscina = Sim ENTÃO Resultado = Lazer CNF 40%

Regra 73 SE Salão de Festas = Mais ou menos E Playground = Sim E Churrasco = Não E Piscina = Não ENTÃO Resultado = Lazer CNF 40%

Regra 74 SE Salão de Festas = Mais ou menos

65

E Playground = Não E Churrasco = Não E Piscina = Não ENTÃO Resultado = Lazer CNF 20%

Regra 75 SE Salão de Festas = Não E Playground = Sim E Churrasco = Sim E Piscina = Sim ENTÃO Resultado = Lazer CNF 80%

Regra 76 SE Salão de Festas = Não E Playground = Sim E Churrasco = Sim E Piscina = Não ENTÃO Resultado = Lazer CNF 50%

Regra 77 SE Salão de Festas = Não E Playground = Sim E Churrasco = Não E Piscina = Sim ENTÃO Resultado = Lazer CNF 50%

Regra 78 SE Salão de Festas = Não E Playground = Não E Churrasco = Sim E Piscina = Sim ENTÃO Resultado = Lazer CNF 50%

Regra 79 SE Salão de Festas = Não E Playground = Não E Churrasco = Sim E Piscina = Não ENTÃO Resultado = Lazer CNF 30%

Regra 80 SE Salão de Festas = Não E Playground = Não E Churrasco = Não E Piscina = Sim ENTÃO Resultado = Lazer CNF 30%

66

Regra 81 SE Salão de Festas = Não E Playground = Sim E Churrasco = Não E Piscina = Não ENTÃO Resultado = Lazer CNF 30%

Regra 82 SE Salão de Festas = Não E Playground = Não E Churrasco = Não E Piscina = Não ENTÃO Resultado = Lazer CNF 10%

Regra 83 SE Vista Panorâmica = Sim E Posição Solar = Muita importância E Barulho = Sim ENTÃO Resultado = Regalias CNF 100%

Regra 84 SE Vista Panorâmica = Sim E Posição Solar = Muita importância E Barulho = Não ENTÃO Resultado = Regalias CNF 70%

Regra 85 SE Vista Panorâmica = Sim E Posição Solar = Pouca importância E Barulho = Sim ENTÃO Resultado = Regalias CNF 70%

Regra 86 SE Vista Panorâmica = Sim E Posição Solar = Pouca importância E Barulho = Não ENTÃO Resultado = Regalias CNF 30%

Regra 87 SE Vista Panorâmica = Não E Posição Solar = Muita importância E Barulho = Sim ENTÃO Resultado = Regalias CNF 70%

Regra 88 SE Vista Panorâmica = Não E Posição Solar = Muita importância E Barulho = Não

67

ENTÃO Resultado = Regalias CNF 30%

Regra 89 SE Vista Panorâmica = Não E Posição Solar = Pouca importância E Barulho = Sim ENTÃO Resultado = Regalias CNF 30%

Regra 90 SE Vista Panorâmica = Não E Posição Solar = Pouca importância E Barulho = Não ENTÃO Resultado = Regalias CNF 10%

68

7 REFERÊNCIAS BIBLIOGRÁFICAS

[CUN1987] CUNHA, Horácio da e Ribeiro, Sousa. Introdução aos sistemas especialistas.

São Paulo, Livros Técnicos e Científicos, 1987.

[GEN1986] GENARO, Sérgio. Sistemas Especialistas: o conhecimento artificial. São

Paulo, Livros Técnicos e Científicos, 1986.

[GOE1994] GOEDE, Ingo. Protótipo de Sistema Especialista para Análise das

Qualificações de Candidatos a Cargos na Indústria Têxtil. Blumenau,

1994 . Trabalho de Conclusão de Curso.

[GOM1991] GOMIDE, Fernando. Um ambiente para o desenvolvimento de Sistemas de

Controle utilizando lógica nebulosa. Rio de Janeiro, Campus, 1991.

[HAR1988] HARMON, Paul; King, David. Sistemas Especialistas. Rio de Janeiro,

Campus, 1988

[HEI1995] HEINZLE, Roberto. Protótipo de uma ferramenta para Criação de Sistemas

Especialistas baseados em Regras de Produção. Florianópolis, 1995 .

Tese de Mestrado.

[LAP1993] LAPOLLI, Flávio Rubens. Sistema Especialista difuso para controle de

estações de tratamento de esgotos pelo processo de lodos ativados.

Florianópolis, 1993. Tese de Mestrado.

[LEV1988] LEVINE, Robert I e DRANG, Diane. Inteligência Artificial e Sistemas

Especialistas. São Paulo, McGraw-Hill, 1988.

[LIA1997] LIA, Laboratório de Inteligência Artificial. Expert Sinta: Uma ferramenta

para criação de Sistemas Especialistas. www.lia.ufc.br

69

[MAR1994] MARKS II, Robert J. Fuzzy Logic Technology and Applications. New York,

IEEE, 1994.

[MAR1986] MARCUS, Cláudia. Prolog Programming. Addison-Wesley Publishing

Company, 1986.

[MIN1974] MINSKY, Marvin. A Framework for Representing Knowledge. Memo n.306

– MIT, Junho, 1974.

[PAC1991] PACHECO, Roberto C. S.. Tratamento de imprecisão em sistemas

especialistas. Florianópolis, 1991. Tese de Mestrado.

[PAS1989] PASSOS, Emmanuel Lopes. Inteligência Artificial e Sistemas Especialistas ao

Alcance de Todos. Rio de Janeiro: LTC – Livros Técnicos e Científicos,

Ed. Sociedade Beneficente Guilherme Guile, 1989.

[PER1995] PEREIRA, Cledy Gonçalves. Um sistema especialista com técnicas difusas

para os limites da agência. Florianópolis, 1995. Tese de Mestrado.

[RAB1995] RABUSKE, Renato Antônio. Inteligência Artificial. Florianópolis, UFSC,

1995.

[RIB1987] RIBEIRO, Horácio da Cunha e Souza. Introdução dos Sistemas Especialistas.

São Paulo: LTC, 1987.

[RIC1993] RICH, Elaine e KNIGHT, Kevin. Inteligência Artificial. São Paulo, Mackron

Books, 1993.

[ROS1995] ROSS, Timothy Jack. Fuzzy logic with Engineering applications. Norwell,

Mcgraw-Hill, 1995.

70

[SAN1995] SANTOS, Ulderico Pires. Teoria e prática da locação imobiliária. Rio de

Janeiro: Forense, 1995.

[TUR1993] TURBAN, Efraim. Decision Support and expert systems: management

support systems. New York, Macmillan Publishing Company, 1993.

[WEI1988] WEISS, Sholon M. Guia prático para projetar Sistemas Especialistas. Rio de

Janeiro: LTC, 1988.

[WEL1994] WELSTEAD, Stephen T. Neural Network and fuzzy lógic applications in C.

New York: John Willey & Sons, 1994.

[WIN1987] WINSTON, P. H. Artificial Intelligence, Addison Wesley, 1987.

[ZIM1991] ZIMMERMANN, H. J. (Hans- Jurgen) Using fuzzy sets in operational

research. European Journal Operational Research 13 (1983), pag 201-216.

1 INTRODUÇÃO - Projeto Pesquisa

Documents

Transcript of 1 INTRODUÇÃO - Projeto Pesquisa