apostila de sistemas executivos e especialista (2)

1 Sistemas Especialistas e Sistemas Executivos – FAPACI 2012

Sistemas Especialistas Introdução A Inteligência Artificial (IA) nasceu oficialmente em 1956, durante uma conferência de verão em Dartmouth College, nos Estados Unidos. Inteligência Artificial., que a partir de então ficou conhecida, gerando inclusive polêmicas. Os pesquisadores impossibilitados de adotar uma definição formal precisa para IA, visto que seria necessário definir, a própria inteligência, propuseram algumas definições operacionais: .Inteligência Artificial é a parte da ciência da computação que compreende o projeto de sistemas computacionais que exibam características associadas, quando presentes no comportamento humano, à inteligência. (BARR; FEIGENBAUM, 1981). Existem duas linhas principais de pesquisa para a construção de sistemas inteligentes: a linha conexionista e a linha simbólica. A linha conexionista visa à modelagem da inteligência humana através da simulação dos componentes do cérebro, isto é, de seus neurônios, e de suas interligações. Esta proposta foi formalizada inicialmente em 1943, quando o neuropsicólogo McCulloch e o lógico Pitts propuseram um primeiro modelo matemático para um neurônio. A linha simbólica segue a tradição lógica e teve em McCarthy e Newell seus principais pesquisadores. Os princípios dessa linha de pesquisa são apresentados no artigo .Physical symbol systems. de Newell. O sucesso dos sistemas especialistas(.expert system.), a partir da década de setenta, estabeleceu a manipulação simbólica de um grande número de fatos especializados sobre um domínio restrito como o paradigma corrente para a construção de sistemas inteligentes do tipo simbólico. Uma das metas na Inteligência Artificial é ter uma máquina que simule com exatidão as atividades da mente humana. Como aplicações para os sistemas especialistas, apresenta-se três categorias: manufatura, finanças e serviços (educação, engenharia, medicina, meteorologia, militar, etc). Este trabalho apresenta os Sistemas Especialistas, passando por uma breve definição, descrevendo a arquitetura, e apresentando exemplos. Sistemas baseados no conhecimento Os sistemas baseados no conhecimento foram alvo de várias pesquisas em Inteligência Artificial, realizadas com sucesso. Esses sistemas são baseados num modelo explícito de conhecimento destinado a solucionar problemas. O conhecimento deve ser representado em forma de regras ou modelos de objetos. Sistemas Baseados no Conhecimento (SBC) ou .Knowledge-based systems: . são sistemas que aplicam mecanismos automatizados de raciocínio para a representação e inferência de conhecimento. Esses sistemas costumam ser identificados como simplesmente "de inteligência artificial aplicada" e representam uma abrangente classe de aplicações da qual todas as demais seriam aproximadamente subclasses. Existe uma série de formalismos que podem ser utilizados para modelar o conhecimento de sistemas baseados no conhecimento, tais como, regras de produção, raciocínio baseados em casos, redes neurais, redes probabilísticas, entre outros. A IA está dividida em três áreas de pesquisa relativamente independentes. Alguns pesquisadores preocupam-se em desenvolver programas de computador que leiam, falem ou entendam a linguagem que as pessoas usam em sua conversa diária, sendo conhecido como "processamento da linguagem


natural. Outra área trabalha com o "desenvolvimento de robôs inteligentes". E a terceira área de pesquisa desenvolve programas que usem o conhecimento simbólico para simular o comportamento dos especialistas humanos. A idéia é desenvolver programas que possibilitem a utilização dos conhecimentos dos especialistas através de uma máquina que permita o armazenamento e o seqüenciamento de informações e a auto-aprendizagem, sendo conhecido como Sistemas Especialistas. Sistema Especialista Um sistema especialista (SE) pode ser visto como uma subária da Inteligência Artificial, desenvolvido a partir da necessidade de se processar informações não numéricas, um sistema especialista é capaz de apresentar conclusões sobre um determinado tema, desde que devidamente orientado e .alimentado.. Um sistema especialista (FLORES, 2003) é uma forma de sistema baseado no conhecimento especialmente projetado para emular a especialização humana de algum domínio específico. Um SE irá possuir uma base de conhecimento (BC) formada de fatos, regras e heurísticas sobre o domínio, tal como um especialista humano faria, e devem ser capazes de oferecer sugestões e conselhos aos usuários e, também, adquirir novos conhecimentos e heurísticas com essa interação. O objetivo do sistema especialista é bastante restrito, se considerar o objetivo dos modelos psicológicos: os SE's são concebidos para reproduzir o comportamento de especialistas humanos na resolução de problemas do mundo real, mas o domínio destes problemas é altamente restrito (BARR; FEIGENBAUM, 1981). Os primeiros sistemas especialistas que obtiveram sucesso em seus objetivos foram os sistemas DENDRAL (FEIGENBAUM; BUCHANAN; LEDERBERG, 1971) e MYCIN (SHORTLIFFE, 1976), detalhados na seção 4. A partir dessa época, vários sistemas foram desenvolvidos e resolveram diversos problemas, em diferentes domínios, como por exemplo, agricultura, química, sistemas de computadores, eletrônica, engenharia, geologia, gerenciamento de informações, direito, matemática, medicina, aplicações militares, física, controle de processos e tecnologia espacial. Pode-se dizer que um sistemas de produção é um nome genérico para todos os sistemas baseados em regras de produção, isto é, pares de Expressões consistindo em uma condição e uma ação. Inicialmente a idéia dos sistemas de produção foi introduzida por Post, em 1936, quando ele propôs os chamados sistemas de Post (DIVERIO; MENEZES, 2000). Na representação de um modelo de sistema de produção, apresentam-se dois componentes: o conjunto de regras e a memória de trabalho. Esses componentes são definidos conforme: _ Regras de produção: conjunto ordenado de pares (LHS, RHS), onde LHS e RHS são seqüências de caracteres. _ Memória de trabalho: uma seqüência de caracteres. Apresenta ainda, um componente ativo, chamado interpretador. Esse interpretador realiza o seguinte procedimento: para cada regra (LHS,RHS), se a seqüência de caracteres LHS está contida na memória de trabalho, então substituir os caracteres LHS na memória de trabalho pelos caracteres de RHS; se não continuar na próxima regra. O sistema PAS II e o sistema VIS utilizaram o modelo de sistemas de produção para a modelagem do comportamento humano. O formato condição-ação se adapta à modelagem de comportamentos baseados em pares.


Um sistema especialista apresenta uma arquitetura com os seguintes componentes: base de conhecimentos, mecanismos de inferência, explanação e aquisição de conhecimento. A base do conhecimento reune o conhecimento do especialista modelado conforme a representação do conhecimento escolhida para modelar o domínio em questão. Atualmente não existe um formalismo de representação que possa ser considerado melhor do que todos os outros existentes. O mecanismo de inferência examina o conteúdo da base de conhecimentos, decidindo a ordem em que se tiram as inferências. Assim, o mecanismo de inferência conduz a consulta com o usuário, transferindo os fatos e regras, utilizados durante uma consulta, para a memória de trabalho. O módulo de aquisição de conhecimentos é responsável pela atualiza-ção da base de conhecimentos, através de um mecanismo de interação cooperativa, gerado a partir do módulo de explanação. O módulo de explanação é responsável pela descrição do raciocínio do sistema para o usuário, sendo ativado tanto pelo mecanismo de inferência como pelo módulo de aquisição de conhecimentos. O mecanismo de inferência evoca o módulo de explanação, visando a um processo de transformação do conhecimento, representado na base de conhecimentos do SE ou deduzido no processo de busca de uma solução (FLORES, 2003). Outra característica comum nos sistemas especialistas é a existência de um mecanismo de raciocínio incerto que permita representar a incerteza a respeito do conhecimento do domínio. O motor de inferência controla a atividade do sistema. Esta atividade ocorre em ciclos, cada ciclo consistindo em três fases: _ Correspondência de dados, onde as regras que satisfazem a descrição da situação atual são selecionadas. _ Resolução de con_itos, onde as regras que serão realmente executadas são escolhidas dentre as regras que foram selecionadas na primeira fase, e ordenadas. _ Ação, a execução propriamente dita das regras. As principais vantagens dos sistemas de produção como método de representação de conhecimento são: modularidade, uniformidade e naturalidade. Como desvantagens considera-se: ineficiência em tempo de execução e complexidade do fluxo de controle que leva à solução dos problemas. Tais vantagens e desvantagens determinam as características que devem ter os domínios que se adaptam ao desenvolvimento de SE baseados em sistemas de produção: _ Ser descrito por um conhecimento consistindo em um conjunto muito grande de fatos parcialmente independentes; _ Dispor de métodos de solução consistindo de ações independentes; _ Apresentar claramente a separação entre conhecimento e ação. O desempenho de um sistema está no conhecimento armazenado em suas regras e em sua memória de trabalho. Este conhecimento deve ser obtido junto a um especialista humano do domínio e representado de acordo com regras formais definidas para a codificação de regras no SE em questão. Métodos de representação de conhecimento Um ponto bastante importante no projeto de um sistema especialista é a escolha do método de representação de conhecimento. A linguagem associada ao método escolhido deve ser suficientemente expressiva (por exemplo, lógica) para permitir a representação do conhecimento a respeito do domínio escolhido de maneira completa, e sendo eficiente. Mesmo assim, existe problemas de eficiência, facilidade de uso e a necessidade de expressar conhecimento incerto, que levaram ao desenvolvimento


de diversos tipos de formalismos de representação de conhecimento. Alguns dos formalismos de representação do conhecimento são apresentados a seguir: _ Lógica . é a base para a maioria dos formalismos de representação de conhecimento, seja de forma explícita, como nos sistemas especialistas baseados na linguagem Prolog, seja mascarada na forma de representações específicas que podem facilmente ser interpretadas como proposições ou predicados lógicos. _ Redes semânticas . é um nome utilizado para definir um conjunto heterogêneo de sistemas. Em última análise, a única característica comum a todos estes sistemas é a notação utilizada: uma rede semântica consiste em um conjunto de nodos conectados por um conjunto de arcos. Os nodos em geral representam objetos e os arcos, relações binárias entre esses objetos. Mas os nodos podem também ser utilizados para representar predicados, classes, palavras de uma linguagem, entre outras possíveis interpretações, dependendo do sistema de redes semânticas em questão. _ Quadros . (.frames.), e sua variação, os roteiros (.scripts.), foram introduzidos para permitir a expressão das estruturas internas dos objetos, mantendo a possibilidade de representar herança de propriedades como as redes semânticas. As idéias fundamentais destes métodos foram introduzidas por Marvin Minsky, em seu artigo . A framework to represent knowledge. (MINSKY, 1975). Motor de Inferência As principais características do motor de inferência disponível em um sistema especialista dizem respeito às seguintes funcionalidades: método de raciocínio, estratégia de busca, resolução de conflito e representação de incerteza.Algumas dessas funcionalidades são detalhadas a seguir: Modo de raciocínio Existem basicamente dois modos de raciocínio aplicáveis a regras de produção: encadeamento progressivo ou encadeamento a frente (do inglês, forward chaining.), e encadeamento regressivo ou encadeamento para trás (do inglês, .backward chaining.). No encadeamento progressivo, também chamado encadeamento dirigido por dados, a parte esquerda da regra é comparada com a descrição da situação atual, contida na memória de trabalho. As regras que satisfazem a esta descrição têm sua parte direita executada, o que, em geral, significa a introdução de novos fatos na memória de trabalho. No encadeamento regressivo, também chamado encadeamento dirigido por objetivos, o comportamento do sistema é controlado por uma lista de objetivos. Um objetivo pode ser satisfeito diretamente por um elemento da memória de trabalho, ou podem existir regras que permitam inferir algum dos objetivos correntes, isto é, que contenham uma descrição deste objetivo em suas partes direitas. As regras que satisfazem esta condição têm as instâncias correspondentes às suas partes esquerdas adicionadas à lista de objetivos correntes. Caso uma dessas regras tenha todas as suas condições satisfeitas diretamente pela memória de trabalho, o objetivo em sua parte direita é também adicionado à memória de trabalho.


Um objetivo que não possa ser satisfeito diretamente pela memória de trabalho, nem inferido através de uma regra, é abandonado. Quando o objetivo inicial é satisfeito, ou não há mais objetivos, o processamento termina. Estratégia de busca Uma vez definido o tipo de encadeamento, o motor de inferência necessita ainda de uma estratégia de busca para guiar a pesquisa na memória de trabalho e na base de regras. Este tipo de problema é conhecido como busca em espaço de estados. Este tópico foi um dos primeiros estudados em IA, no contexto de solução de problemas (do tipo quebra-cabeças) e jogos por computador (damas, xadrez, etc.). Resolução de conflito Ao terminar o processo de busca, o motor de inferência dispõe de um conjunto de regras que satisfazem à situação atual do problema, o chamado conjunto de conflito. Se esse conjunto for vazio, a execução é terminada; caso contrário, é necessário escolher que regras serão realmente executadas e em que ordem. Os métodos de resolução de conflito mais utilizados ordenam as regras de acordo com os seguintes critérios: prioridades atribuídas estaticamente; características da estrutura das regras como complexidade, simplicidade e especificidade; características dos dados associados às regras como o tempo decorrido desde sua obtenção, sua confiabilidade ou seu grau de importância; e, finalmente, seleção ao acaso. Exemplo de SE Nesta seção, são descritos três sistemas especialistas, que estão detalhados em (BARR; FEIGENBAUM, 1981). Mycin O sistema MYCIN (SHORTLIFFE, 1976) foi um dos primeiros sistemas especialistas. Seu objetivo é prover conselho a respeito de diagnóstico e terapia de doenças infecciosas. Este tipo de aconselhamento pode ser muito útil, pois nem sempre o médico responsável é um especialista em infecções, principalmente em ambiente hospitalar. Uma seção do sistema inicia-se com um questionário, a ser respondido pelo usuário, a respeito do paciente. Informações como nome, idade, sexo, tempo de manifestação dos sintomas, resultados de exames, etc. são solicitadas. A partir dessas informações, e utilizando sua base de regras, o sistema é capaz de estabelecer um diagnóstico e propor uma terapia adequada. A base de regras do sistema contém 450 regras, que lhe permitem diagnosticar e prescrever tratamentos para bacteremia (infecção no sangue), meningite e cistite infecciosa. O sistema MYCIN utiliza o encadeamento regressivo associado a uma busca em profundidade. A busca realizada é completa, no sentido em que, dado um objetivo, todas as evidências a favor e contra o objetivo são pesquisadas. A aquisição de conhecimento para o sistema MYCIN é facilitada pela possibilidade do sistema explicar seu raciocínio. Essa facilidade é explorada no sistema TEIRESIAS [Dav80], que permite modificar interativamente a base de regras do MYCIN.


Dendral DENDRAL (FEIGENBAUM; BUCHANAN; LEDERBERG, 1971) é o nome de um projeto desenvolvido a partir de 1965 na Universidade de Standford (USA). O objetivo do projeto é desenvolver programas capazes de determinar automaticamente o conjunto de estruturas moleculares, constituídas de átomos conhecidos, capazes de explicar dados provenientes da análise espectrográfica de uma molécula desconhecida. Uma abordagem algorítmica havia sido tentada anteriormente e se mostrou impraticável devido ao enorme número de estruturas possíveis. O primeiro programa do projeto, o Heuristic DENDRAL, fazendo uso de regras obtidas junto a especialistas humanos em espectroscopia que impõem restrições aos tipos possíveis de estrutura, foi capaz de reduzir o espaço de busca para um tamanho tratável, mantendo os mesmo resultados. Outros programas desenvolvidos no âmbito do projeto são: o sistema Meta-DENDRAL, capaz de inferir automaticamente regras de espectroscopia de massa a partir de exemplos de moléculas devidamente analisadas por seres humanos e o sistema CONGEN, um gerador de estruturas moleculares não relacionado diretamente com técnicas de IA. O sistema DENDRAL, a partir de 1968 até o presente, foi utilizado em diversas pesquisas sobre química orgânica. Alguns resultados de análises realizadas pelo sistemas foram considerados melhores do que os obtidos por especialistas humanos e publicados em revistas especializadas. Exemplos de Sistemas Especialistas

Diversos sistemas já foram projetados e construídos, desde a década de 60. Abaixo estão listados alguns dos sistemas e seus propósitos:

1. Mycin - diagnóstico de doenças do sangue e recomendação de antibióticos. 2. Dendral - auxiliar na inferência da origem de uma molécula, através do espectro de massa. 3. Prospector - auxiliar na prospecção mineral. 4. R1 - auxiliar no pedido de compras máquinas VAX. 5. SETH - tratamento para envenenamento. 6. CLIPS - motor para sistemas de diagnóstico.

Prospector O sistema PROSPECTOR (HART; DUDA; EINAUDI, 1978) foi desenvolvido no SRI International (USA) com o objetivo de auxiliar geologistas envolvidos em prospecção mineral. A principal função do sistema é determinar a correspondência entre dados que descrevem uma determinada situação com modelos que descrevem classes disjuntas de situações possíveis. Os modelos são descrições formais dos tipos mais importantes de depósitos minerais e os dados de entrada se referem a observações geológicas de superfície.


Sistemas especialistas versus sistemas de solução de problemas

A principal diferença entre um sistema especialista e um programa tradicional está na maneira como o conhecimento sobre o domínio do problema é codificado. Em aplicações tradicionais, o conhecimento sobre o domínio do problema é codificado tanto nas instruções propriamente ditas quanto nas estruturas de dados.

Já na abordagem de sistema especialista, todo o conhecimento relativo ao domínio do problema é codificado exclusivamente nas estruturas de dados. Nenhum conhecimento é armazenado nas instruções ou nos programas propriamente ditos. Vários benefícios surgem imediatamente dessa estratégia.

Um exemplo pode ajudar a destacar a diferença entre a abordagem procedural tradicional e a abordagem de sistemas especialistas, como o exemplo do problema da declaração de imposto de renda.

Na abordagem tradicional, as estruturas de dados armazenam as informações do contribuinte e das alíquotas de imposto, e um programa representa o conhecimento necessário para a declaração de imposto de renda, contendo os comandos que relacionam as informações do contribuinte com as alíquotas e os cálculos necessários para realizar a declaração. É essa representação do conhecimento que é difícil para um especialista em impostos compreender ou modificar.

Na abordagem de sistema especialista, a informação sobre o contribuinte e as alíquotas, bem como os cálculos necessários, estão novamente armazenadas em estruturas de dados, mas o conhecimento que descreve o relacionamento entre elas também é armazenado nas estruturas de dados. O programa de um sistema especialista é independente do conhecimento do domínio do problema ( no nosso exemplo, do conhecimento das alíquotas e rendas do contribuinte e do relacionamento entre elas, os cálculos ) e serve para processar estruturas de dados independente da natureza do problema que essas estruturas descrevem.

Por exemplo, há programas interativos específicos para capturar descrição de dados, programas para capturar e organizar as descrições, programas para processar as declarações que representam relacionamentos semânticos dentro do domínio do problema e um algoritmo para controlar a sequência de processamento e o foco.

A arquitetura geral de um sistema especialista compreende dois componentes principais : um conjunto de declarações totalmente dependentes do domínio do problema e que é chamado de base de conhecimento ou base de regras, e um programa independente do domínio do problema ( apesar de altamente dependente das estruturas de dados ) chamado de motor de inferência.


Sistemas Executivos

Sistema de Informação Executiva é um acrônimo do termo (SIE), que criado pelo Massachusetts Institute of Technology (MIT) na década de 1970. Foi conhecido como adesão de componente de grandes empresas mundiais.

Nos fins de 1985 um estudo foi revelado pelo MIT no qual informou que aproximadamente um terço das grandes empresas nos EUA já tinha algum tipo de sistema de informação instalado e usado por executivos. Nas recentes tendências foram alastradas para os quadros médios e as para outros funcionários o acesso a este tipo de Sistema de Informação (SI).

Originalmente os SIE foram desenvolvidos para programas de computadores do tipo mainframe. Os propósitos foram feitos para indicar variações entre previsões e resultados de orçamentos e faturamento. Os diretores financeiros, de marketing e executivos que tem o objetivo de fornece imediatamente dados do mercado e indicadores de desempenho. O objetivo final e obter uma ferramenta capaz de atingir as metas e expectativas geram pelos executivos de uma empresa.

Os dados normalmente não são armazenados em um SIE, apenas os mais necessários para delimitar o suporte dentro da empresa. A sua utilização hoje pode ser considerada mais abrangente em níveis hierárquicos dando suporte aos cargos mais elevados. Os SIE atualmente têm poder de ser instalados em um computador empresarial ou em uma área de trabalho pessoal. As vantagens podem ser descritas como sua fácil utilização por parte dos usuários, o fornecimento de informação oportuna a tomada de decisões.

Desvantagens ocorrem quando as funções são limitadas e podem não necessariamente gerar cálculos complexos, e serem justificadas por implementação. A gerência não poderá saber qual o volume de dados que estará sendo gerado, e o sistema ficara demasiadamente lento.

Os Sistemas de Informação Executiva (SIE) combinam muitas características dos sistemas de informação gerencial e dos sistemas de apoio à decisão e foram desenvolvidos com objetivo de atender às necessidades de informações estratégicas da alta administração. Neste sistema, a informação é apresentada segundo as preferências dos executivos, onde enfatiza o uso de uma interface gráfica com o usuário e exibições gráficas, que possam ser personalizadas de acordo com as preferências de informação


dos executivos que o utilizam. A ênfase do sistema como um todo é a interface fácil de usar e a integração com uma variedade de fontes de dados.

Um número crescente de organizações investe no desenvolvimento de Sistemas de Informação Executiva, que auxilia os executivos de alto nível a fazerem análises, comparações, destacar tendências importantes para que possam monitorar o desempenho da empresa, identificando oportunidades e problemas.

Antes desses sistemas se tornarem disponíveis, os tomadores de decisões baseavam-se em planilhas diferentes e relatórios que atrasavam o processo decisório. Agora, grandes quantidades de informações pertinentes podem ser acessadas em segundos por esses sistemas informáticos concebidos para serem utilizados diretamente pelos gerentes executivos, sem necessidade de qualquer intermediário. Seu objetivo principal é fornecer acesso rápido e fácil às informações de uma variedade de fontes internas e externas.

As vantagens de um SIE são bastante visíveis. A maioria desses sistemas são fáceis de usar, fornecem um resumo de informações oportunas, pode filtrar e analisar dados significativos de forma eficaz, entre várias outras. Porém, as limitações desses sistemas devem também ser levadas em conta. Uma outra questão é quantificar o retorno sobre o investimento desses sistemas (geralmente muito caros), e assim justificar o custo para implementá-los.

O Sistema de Informação Executiva é composto de hardware, software e rede de telecomunicações. O hardware pode ser qualquer computador capaz de processar em alta velocidade, uma vez que este é um sistema muito grande e lida com grande volume de dados. O componente de software literalmente controla o fluxo e a lógica do sistema como um todo. O software se encarrega de todos os algoritmos que se traduzem em regras de negócio e modelos de dados em representações digitais. A rede de telecomunicações cuida dos cabos e outros meios que serão utilizados na transmissão dos dados. Ela também cuida do tráfego dentro da rede que administra o sistema de comunicação com redes externas.

Para que as organizações continuem competitivas, as informações são necessárias para apoiar decisões e, através dos Sistemas de Informação Executiva, grandes quantidades de informação são apresentadas aos executivos de forma compacta e manejável.


Exemplo de Sistema de Informação Executivo

“Na empresa gaúcha de calçados Beira Rio, 90% das decisões são tomadas com base em informações de business intelligence. Uma solução de outra empresa gaúcha, a Sadig, foi instalada há três anos. Com o serviço é possível fazer simulações para saber o quanto comprar de matéria-prima. Além disso, consegue-se simular resultados com diferentes preços de venda e de compra e diferentes quantidades. ‘Quando alguma decisão é tomada, conseguimos visualizar mais rapidamente se ela foi acertada ou não. Identificamos problemas com mais velocidade para mudar nossa estratégia se for necessário’, diz o diretor administrativo e financeiro da Beira Rio, Cláudio Luis Maines“ (BALIEIRO, 2000, p. 94). “A falta de planejamento antes de iniciar a instalação de uma ferramenta de EIS muitas vezes chega a causar grandes prejuízos dentro de algumas empresas. A Philip Morris é um exemplo. Há alguns anos foi feito um investimento de 2 milhões de dólares na implantação de um sistema de organização das informações. A implantação levou cerca de dois anos, mas não teve um final feliz. Os dados que o sistema oferecia estavam bem aquém do que a empresa precisava e esperava. Procurada para comentar o caso, a empresa alega que os responsáveis não fazem mais parte do quadro de funcionários” (BALIEIRO, 2000, p. 94).

Referências Bibliográficas: http://pt.wikipedia.org/wiki/Sistema_de_informação_executiva http://www.eac.fea.usp.br/cadernos/completos/cad26/Revista_26_part_1.pdf http://www.difnet.com.br/eis_01.html

apostila de sistemas executivos e especialista (2)

Documents