universidade federal de santa c atariana - core · figura 4.3 - diagrama hidráulico de um típico...

UNIVERSIDADE FEDERAL DE SANTA C AT ARIANA

PROGRAMA DE PS-GRADUAO EM ENGENHARIA MECNICA

SISTEMA ESPECIALISTA PROTTIPO PARA DIAGNSTICO DE FALHAS EM UM

SISTEMA HIDRULICO NAVAL

DISSERTAO SUBMETIDA UNIVERSIDADE FEDERAL DE SANTA CATARINA

PARA A OBTENO DO GRAU DE MESTRE EM ENGENHARIA MECNICA

GUILHERME DIONIZIO ALVES

FLORIANPOLIS

11

SISTEMA ESPECIALISTA PROTTIPO PARA DIAGNSTICO DE FALHAS EM UM SISTEMA HIDRULICO NAVAL

GUILHERME DIONIZIO ALVES

ESTA DISSERTAO FOI JULGADA PARA OBTENO DO TTULO DE MESTRE

EM ENGENHARIA MECNICA

ESPECIALIDADE ENGENHARIA MECNICA E APROVADA EM SUA FORMA

FINAL PELO PROGRAMA DE PS-GRADUAO EM ENGENHARIA MECNICA

Jlio Cesar Passos (Coordenador do curso)

Acires Dias, Dr. Eng.

Trs pessoas foram especialmente importantes

nesta fase da minha vida, e so a elas que agradeo e

dedico este trabalho.

Minha me, pela lio de vida, fibra, honestidade

e dignidade, qualidades nas quais procuro me espelhar

em minha caminhada, embora nem sempre consiga.

Minha esposa Liliane, pela pacincia em tentar

me entender quando nem mesmo eu conseguia, pela

ateno e carinho dispensados nesta jornada e tambm

porque ao compreender o meu esforo, abdicou da

minha presena em boa parte da nossa estadia em

Florianpolis.

Meu filho Leonardo do qual me orgulho e espero

ser capaz de transmitir alguns dos princpios e valores

que tive o privilgio de receber.

AGRADECIMENTOS

minha me, esposa e filho (novamente).

Marinha do Brasil pelo financiamento e por permitir o afastamento das minhas funes, o que

possibilitou o desenvolvimento desta pesquisa.

Ao LASHIP (Laboratrio de Sistemas Hidrulicos e Pneumticos Da Universidade Federal de

Santa Catarina) pela infra-estrutura proporcionada.

Ao CF Aroldo Cordeiro Torres e ao CC Jos Ronaldo Reiser da Silva, respectivamente

Comandante e Imediato da Escola de Aprendizes de Marinheiros de Santa Catarina, pelo

inestimvel apoio durante a minha estadia em Florianpolis.

Ao Prof. Jonny Carlos da Silva pela orientao firme e segura.

Ao Prof. Victor Juliano de Negri pela ateno com que sempre me distinguiu e pela forma

dedicada com que passa seus conhecimentos.

Ao Prof. Acires pela amizade, gentileza e a sempre presente disposio para ajudar.

Ao Prof. Andr Ogliari pela colaborao durante um perodo especial da pesquisa.

Ao amigo e especialista em hidrulica naval Eduardo Cramer, pela pacincia e boa vontade em

transmitir seu enorme conhecimento tcnico, apesar das minhas limitaes.

Aos amigos e grandes conhecedores de manuteno naval Carlos Alberto Martins Liberal e Enio

Zanelatto pela ajuda preciosa durante o desenrolar desta empreitada.

Aos amigos Luiz Carlos Delgado, Luiz Fernando Esteves, Marcus S, Rogrio Felipe e Srgio

Sarquis Atti pelas dicas sempre to necessrias e precisas.

Ao Eng. Ricardo da Seo de Hidrulica do Arsenal de Marinha do Rio de Janeiro pela rapidez

com que atendeu meus pedidos.

Aos especialistas em manuteno naval Machado e Edivar pelo auxlio durante os testes de

validao do prottipo e constantes sugestes de melhoramentos .

Aos amigos do LASHIP Edivaldo, Fernando Furst, Fred, Joel, Mrcio Castelani, Mauro, Perondi

e todos os bolsitas, pela amizade, constante incentivo, troca desinteressada de conhecimento,

pacincia e exemplos pessoais de dedicao.

V

"A formulao de um problema freqentemente mais importante do que a

sua soluo, que pode vir a ser uma questo de habilidade matemtica ou experimental. Levantar novas e

abordar antigas questes por novas perspectivas requer imaginao e o que realmente representa avano na

cincia."

Albert Einstein, 1938.

SUMRIO

1- INTRODUO-................................................................................................................. 1

1.1 A importncia da atividade de manuteno no ciclo de vida do produto....................1

1.2 Justificativa e relevncia da pesquisa............................................................................... 3

1.2.1 Origem do trabalho................................................................................................... 3

1.2.2 Sistemas especialistas no contexto da inteligncia artificial...................................4

1.3 Objetivos............................................................................................................................... 6

1.3.1 Obj etivo Geral........................................................................................................... 6

1.3.2 Contribuies............................................................................................................ 6

1.4 Limitaes............................................................................................................................ 7

1.5 Metodologia da pesquisa.....................................................................................................7

1.6 Resultados esperados..........................................................................................................8

1.7 Estrutura do trabalho.........................................................................................................9

2 - SISTEMAS ESPECIALISTAS - ................................................... ................................ 10

2.1 A busca por uma mquina inteligente............................................................................ 10

2.2 Inteligncia artificial e sistemas especialistas.......................................................... ......13

2.3 Conceito de sistemas especialistas................................................................................... 15

2.4 Estrutura dos sistemas especialistas............................................................................... 18

2.5 Elementos de um sistema especialista............................................................................. 19

2.6 Formas de inferncia........................................................................................................ 21

2.6.1 Encadeamento direto (Forward Chaining ) ........................................................ 21

2.6.2 Encadeamento reverso (.Backward Chaining) ....................................................... 22

2.7 Engenharia de conhecimento.......................................................................................... 23

2.8 Processo de desenvolvimento........................................................................................... 26

2.9 Tcnicas de representao de conhecimento..................................................................28

2.10 Vantagens e desvantagens da tcnica de sistemas especialistas.................................. 32

2.11 Tipos alternativos de abordagem ( shallow x deep) ......................................................33

2.12 Os sistemas especialistas como auxlio ao processo de tomada de deciso.................35

2.13 Aplicaes recentes........................................................................................................... 36

2.13.1 Sistema de Diagnstico Integrado (Integrated diagnostic system - IDS)............. 36

2.13.2 Assistente para diagnstico de falhas em turbinas (Jet engine troubleshooting

assistant - JETA)............................................................................................................................. 38

2.14 Perspectivas futuras e tendncias dos sistemas especialistas...................................... 39

2.15 Consideraes finais.........................................................................................................40

3 - MANUTENO NAVAL E SISTEMAS HIDRULICOS -...................................... 42

3.1 Conceitos bsicos...............................................................................................................42

3.2 Manuteno naval.............................................................................................................46

3.2.1 Mtricas da manuteno naval.................................................................. .............50

3.2.1.1 Fatores de confiabilidade..................................................................... 50

3.2.1.2 Fatores de mantenabilidade................................................................. 51

3.2.1.3 Fatores de disponibilidade................................................................... 52

3.2.1.4 Fatores humanos...................................................................................53

3.2.1.5 Fatores de suporte logstico................................................................. 53

3.2.1.6 Fatores econmicos..............................................................................54

3.2.2 A hidrulica no contexto da manuteno naval..................................................... 54

3.3 Manuteno de sistemas hidrulicos..............................................................................56

3.4 Falha em sistemas hidrulicos......................................................................................... 57

3.5 Tcnicas de anlise de falhas........................................................................................... 60

3.5.1 Anlise do modo e efeito de falhas {FMEA- Failure Mode andEffect Analisys). 60

3.5.2 Anlise de rvore de falhas (FTA- Fault Tree Analisys) ......................................62

3.6 A importncia do diagnstico na manuteno...............................................................66

3.7 O papel dos sistemas especialistas na manuteno........................................................69

4 - FASES DE DESENVOLVIMENTO DO PROTTIPO SEMaN............................. 71

4.1 Consideraes preliminares............................................................................................. 71

4.2 Projeto conceituai............................................................................................................. 74

4.2.1 Identificao do problema......................................................................................74

4.2.2 Estudo de viabilidade..............................................................................................75

4.2.2.1 Justificativa para a escolha da rea de aplicao.................................75

4.2.2.2 A escolha do sistema hidrulico a ser considerado.............................76

4.2.2.3 Definio do pblico alvo................................................................... 79

4.2.3 Verificao da disponibilidade de recursos........................................................... 82

4.2.4 Especificaes gerais.............................................................................................. 83

4.2.4.1 Definio do paradigma de representao de conhecimento............. 83

4.2.4.2 Escolha do mtodo de inferncia......................................................... 87

4.2.4.3 Escolha da ferramenta de desenvolvimento........................................88

4.2.4.4 Escolha do modelo de desenvolvimento.............................................89

4.3 Formalizao do conhecimento....................................................................................... 91

4.3.1 Extrao do conhecimento...................................................................................... 91

4.3.2 Representao do conhecimento............................................................................95

4.4 Implementao computacional....................................................................................... 99

4.4.1 Arquitetura funcional do prottipo.........................................................................99

4.4.1.1 Descrio de funcionamento............................................................. 100

4.4.2 Estrutura do prottipo.......................................................................................... 101

4.4.2.1 Classes................................................................................................ 101

4.4.2.2 Regras................................................................................................. 102

4.4.2.3 Mensagens.......................................................................................... 104

4.4.2.4 Gerao de arquivos HTML de sa da............................................ -....105

5 - VERIFICAO E VALIDAO DO PROTTIPO - ............................................. 107

5.1 Co nceitos iniciais.............................................................................................................107

5.2 Qualidade de software.................................................................................................... 108

5.3 Dificuldades para avaliao de um S.E.........................................................................110

5.4 O Processo de verificao e validao.......................................................................... 111

5.4.1 Verificao........................................................................................................... 111

5.4.2 Validao............................................................................................................. 112

5.4.2.1 As mtricas utilizadas na validao do prottipo..............................112

5.4.2.2 Os mtodos utilizados na validao do prottipo SEMaN............... 114

5.4.2.3 Resultados dos testes de validao................................................... 116

5.5 Comentrios finais......................................................................................................... 123

6 - CONCLUSES E RECOMENDAES FUTURAS - ........................................... 124

6.1 Preliminares.................................................................................................................... 124

viii

ix

6.2 Questes importantes......................................................................................................124

6.3 Contribuies da pesquisa............................................................................................. 126

6.4 Principais tpicos da pesquisa....................................................................................... 127

6.5 Recomendaes para trabalhos futuros....................................................................... 128

6.6 Comentrios finais...........................................................................................................129

7 - REFERNCIAS BIBLIOGRFICAS- .......................................................................131

Anexo 1 - ...............................................................................................................................138

Anexo 2 - ............................................................................................................................... 139

Anexo 3 - ...............................................................................................................................140

Anexo 4 - ...............................................................................................................................141

Anexo 5 - ...............................................................................................................................144

Anexo 6 - ................................................................................................................................149

Anexo 7 - ................................................................................................................................150

Anexo 8 - ................................................................................................................................151

X

Figura 2.1 - Verso primitiva do baco................................................................................... 10

Figura 2.2 - Difference / Analytical Engine............................................................................. 12

Figura 2.3 - Estrutura de um Sistema Especialista................................................................20

Figura 2.4 - Hierarquizao do conhecimento........................................................................25

Figura 2.5 - Rede Semntica representativa de um sistema hidrulico de governo..........30

Figura 2.6 - Exemplo de combinaes possveis de problemas em diagnstico.................38

Figura 2.7 - Tempo de desenvolvimento para alguns projetos de Sistemas Especialistas .40

Figura 3.1 - Fluxograma da manuteno................................................................................ 44

Figura 3.2 - Planejamento da manuteno.............................................................................. 47

Figura 3.3 - Tempos de manuteno........................................................................................ 51

Figura 3.4 - Sistemas hidrulicos tpicos de um navio...........................................__...........55

Figura 3.5 - Curva da taxa de falhas........................................................................................ 58

Figura 3.6 - Padres variantes de falha................................................................................... 59

Figura 3.7 - Tipo de anlise para FM EA................................................................................ 61

Figura 3.8 - rvore de falhas para falha em vlvula direcional........................................... 63

Figura 3.9 - Smbolos bsicos para construo de uma rvore de falhas............................ 66

Figura 4.1 - Metodologia utilizada no desenvolvimento do prottipo..................................... 72

Figura 4.2 - Detalhamento do projeto conceituai realizado para o prottipo SEMaN..... 73

Figura 4.3 - Diagrama hidrulico de um tpico sistema de governo..................................... 78

Figura 4.4 - Hierarquia dos sistemas hidrulicos....................................................................85

Figura 4.5 - Aplicao do modelo iterativo incremental no desenvolvimento do prottipo

SEMaN...........................................................................................................................................90

Figura 4.6 - Diagrama entrada/meio/sada.............................................................................. 94

Figura 4.7 - Rede de inferncia utilizada inicialmente pelo SEMaN................................... 96

Figura 4.8 - rvore de falhas gerada pela rede de inferncia para o efeito temperatura

excessiva.........................................................................................................................................97

Figura 4.9 - Refinamento da rvore de falhas apresentada na Figura 4.8..........................98

Figura 4.10 - Arquitetura funcional do prottipo.....................................................................99

Figura 4.11 -Diagrama de classes do prottipo SEMaN...................................................... 102

Figura 4.12 - Grupo de regras.................................................................................................. 103

LISTA DE FIGURAS

LISTA DE TABELAS

Tabela 1.1 - Alguns Sistemas Especialistas de sucesso ........................................... ................5

Tabela 2.1 - Mtodo Algortmico x Mtodo Heurstico..........................................................17

Tabela 2.2 - Conceitos de Sistemas Especialistas.................................................................... 18

Tabela 2.3 - Diferenas entre programas convencionais e Sistemas Especialistas.............24

Tabela 2.4 - Modelo linear de desenvolvimento para S.E...................................................... 27

Tabela 4.1 - Sadas previstas para a Etapa Estudo de Viabilidade...................................... 81

Tabela 4.2 - Sadas para a Etapa Verificao da disponibilidade de recursos....................82

Tabela 4.3 - Sadas para a Etapa Especificaes da ferramenta computacional................89

Tabela 5.1 - Mtricas de avaliao do prottipo...................................................................114

xii

LISTA DE SIGLAS E ABREVIATURAS

AA

xiii

TPM - Total productivity maintenance

UML - Unified modelling language

SIMBOLOGIA E LETRAS GREGAS

pi - presso na linha de admisso

P2 - presso na linha de descarga

i - corrente do motor eltrico

I.P.S. - ndice de partculas slidas

tf - temperatura do fluido

X - taxa de falhas

xiv

RESUMO

Este trabalho descreve as principais etapas do processo de desenvolvimento de um

sistema especialista para diagnstico de falhas em um tpico sistema naval. O projeto baseia-se

no desenvolvimento de um prottipo para demonstrar a viabilidade de se aplicar esta tcnica na

rea de manuteno naval.

A pesquisa inicia com uma exposio sobre os principais conceitos tericos relativos a

sistemas especialistas (S.E.), e, na seqncia caracteriza a atividade de manuteno, as

peculiaridades da rea naval, o papel da hidrulica e a importncia do diagnstico neste contexto,

para em seguida demonstrar como os sistemas especialistas (S.E.) podem ser aproveitados em

um cenrio tipicamente naval.

Concluda a fundamentao terica, o trabalho descreve como a informao de projeto

organizada para se produzir um sistema especialista prottipo que possa ser utilizado em uma

organizao que lida prioritariamente com manuteno naval.

Pode-se dizer que o desenvolvimento da pesquisa permitiu a integrao de trs reas

distintas de conhecimento: manuteno, hidrulica e sistemas especialistas. Alm destas reas, os

conceitos de metodologia de projetos e tcnica de modelagem orientada a objetos tambm foram

utilizados no estudo.

Devido ao tipo do conhecimento a ser representado, o fato do mesmo no estar

completamente estruturado e tendo em vista a relao de compromisso entre o real objetivo da

pesquisa e o pouco tempo disponvel para o desenvolvimento do prottipo, foram implementadas

apenas um nmero de funes suficiente para a demonstrao da potencialidade da ferramenta

computacional no contexto das reas supracitadas.

X V

ABSTRACT

This study describes the main phases of the development process of an expert system for

troubleshooting a typical naval system. The project relies on a prototype development to

demonstrate the feasibility of applying this technique in naval maintenance.

The research starts with an explanation of the main theoretical concepts related to expert

system (ES), then, it seeks to characterise the maintenance procedure, specificity of the naval

area, fluid power role and troubleshooting importance in this context. Finally it also

demonstrates how expert systems may be exploited in a typically naval setting.

After the theoretical basis explanation, the study describes how project information is

organised to produce an expert system prototype which can be used in an industrial organisation

which deals primarily with naval maintenance.

This research allowed the integration of three distinct knowledge fields: maintenance,

fluid power and expert systems. In addition, the concepts of engineering design methodology and

object oriented modelling techniques were also used in this study.

Owing to the type of emulated knowledge, the fact that it is not completely structured the

short available time for the prototype development, only the necessary functions to demonstrate

the computational tool potentiality in the context of the above cited areas were implemented.

Captulo 1

INTRODUO

1.1 A importncia da atividade de manuteno no ciclo de vida do produto

O ciclo de vida do produto - o perodo que vai da identificao das necessidades do

usurio na fase de concepo at o descarte (BLANCHARD e FABRYCKY, 1990) - um

conceito de fundamental importncia em engenharia. atravs do seu entendimento que se

consegue definir quais tarefas devem ser executadas nas diversas etapas que compem este

perodo, bem como introduzir coerncia entre estas etapas, de modo a potencializar a satisfao

do usurio quando este produto estiver na fase de uso.

Na fase de uso, a necessidade do produto j foi estabelecida e as suas caractersticas

bsicas definidas, e o que se busca maximizar a utilizao deste produto para o consumidor.

Esta fase compreende, entre outras atividades, a manuteno.

Em determinados setores industriais, como por exemplo a indstria naval, a influncia

desta atividade no ciclo de vida aumenta devido longa vida til do equipamento e ao alto custo

de aquisio, entre outros fatores. Esforos no sentido de aumentar a eficincia da atividade de

manuteno so plenamente justificveis, e o ganho obtido depender do peso desta na

organizao industrial.

A influncia cada vez maior do desempenho satisfatrio dos equipamentos sobre a

produtividade e/ou competitividade das organizaes, aliada necessidade de se estabelecer uma

parceria entre os diversos setores da organizao industrial, motiva o surgimento e a aplicao de

novos mtodos e tcnicas.

A crescente integrao entre as diversas atividades desenvolvidas em uma organizao

industrial surge da necessidade de se equilibrar a complexidade destas atividades, sejam elas de

cho de fbrica, manuteno ou projeto, com as aes requeridas para administr-las, o que

acaba gerando nveis cada vez mais elevados de informatizao e automao.

Captulo 1 - Introduo 2

Como resultado deste processo, observa-se a tendncia de substituio da manuteno

baseada na experincia pela manuteno baseada no conhecimento, atravs do uso intenso de

dados e informaes (MATOS, 1999). MOUBRAY (1997) cita como exemplo de perspectiva

futura, o desenvolvimento de ferramentas de apoio deciso.

LACERDA e JNIOR (1993) concluem aps apresentar dados referentes a um estudo

realizado em 19 indstrias de So Paulo que a manuteno industrial em nosso pas apresenta

espao para introduo de ferramentas de software e procedimentos automatizados.

GIURLANI apud LACERDA e JNIOR (1993), tambm afirma que sistemas de

autodiagnose e de monitorao em mquinas e equipamentos complexos iro facilitar o trabalho

da manuteno.

Segundo HALASZ et al. (1992), manuteno de equipamentos complexos caracterizada

por procedimentos estruturados na forma de seqncias de testes e reparos. Grande quantidade

de conhecimento encontra-se em manuais fornecidos pelos fabricantes, entretanto, na prtica,

necessrio experincia para aplicar e adaptar estas instrues ao cotidiano da organizao

industrial.

Seguindo esta linha de raciocnio, pode-se dizer que os sistemas especialistas (SE)

desempenham um papel importante na melhora da eficincia da atividade de manuteno.

Aplicaes recentes mostram que sistemas de diagnstico baseados na tcnica citada acima no

so apenas uma rea promissora para a aplicao de Inteligncia Artificial (IA), mas tambm

podem ser utilizados com sucesso em situaes reais e dar contribuies importantes, como por

exemplo:

facilitar a criao de uma cultura de preservao e consolidao do conhecimento

especfico de uma organizao industrial;

quebrar a tradicional barreira existente na indstria entre os que operam e aquelas pessoas

lotadas no Departamento de Manuteno encarregadas de manter o sistema e;

facilitar atividades de formao e capacitao.

Existem bons motivos para isto: os especialistas so normalmente bastante tcnicos e o

conhecimento de diagnstico normalmente explcito, o que permite o desenvolvimento de

sistemas precisos.

Captulo 1 - Introduo - 3

Este trabalho descreve o desenvolvimento de um sistema especialista prottipo que

poder ser usado tanto por profissionais que trabalham com manuteno de sistemas hidrulicos

navais, quanto por aqueles responsveis pela operao.

Esta ferramenta deve ser capaz de, ao imitar um especialista, diagnosticar as principais

falhas de um tpico sistema hidrulico naval e dos principais componentes deste sistema. Para

cumprir tais objetivos, utiliza informaes que so obtidas atravs de interao com o usurio.

1.2 Justificativa e relevncia da pesquisa

1.2.1 Origem do trabalho

Na rea naval, a manuteno cumpre um papel de importncia vital, pois apesar de todo o

desenvolvimento tecnolgico que modernizou os navios e os transformaram em uma complexa

interao de sistemas, a experincia comprova que durante uma parte significativa da sua vida

til, um navio fica impossibilitado de cumprir a tarefa para o qual foi projetado devido aos

servios de manuteno que nele esto sendo realizados.

A concluso de um servio de manuteno no prazo correto e dentro do oramento

previsto envolve um conjunto de decises que so tomadas nos mais diversos nveis

hierrquicos. Quais so as informaes corretas, como encontr-las e como us-las so algumas

das decises que independente do escalo, fazem parte da rotina diria daqueles que trabalham

com manuteno.

O grande desafio em um estaleiro aplicar a experincia e know-how do seu staff para

maximizar a utilizao do navio. Neste ponto, importante citar que o grupo de manuteno

pode ser considerado como um ncleo de conhecimento dentro da organizao (ALVES e

SILVA, 2001).

A principal questo destas pessoas envolve, na maioria das vezes, o paradoxo que coloca

a necessidade de reduo de tempo frente diversidade cada vez maior de equipamentos, ao

grande inter-relacionamento de reas de conhecimento e grande quantidade de informaes

dispersas na organizao.


A demanda crescente pela diminuio da durao dos perodos de manuteno na rea

naval trouxe a tona a necessidade de se utilizar novos mtodos e tcnicas. A importncia da

deciso que, na maioria das vezes, tomada em grupo e envolve objetivos e necessidades

conflitantes, fez com que as ferramentas de apoio deciso tivessem um campo prtico de

aplicao.

O conhecimento utilizado na manuteno de um navio est disperso em vrias fontes,

sejam pessoas (engenheiros, tcnicos) ou literatura tcnica (livros tcnicos, manuais, catlogos).

A diversidade e complexidade destas fontes dificulta a assimilao deste saber por apenas um

nico indivduo. Este fato, aliado ao crescente uso do computador na indstria e ao

aprimoramento das novas tecnologias, compe um cenrio que justifica a aplicao de tcnicas

de IA.

1.2.2 Sistemas especialistas no contexto da inteligncia artificial

RICH e KNIGHT (1994) apresentam uma definio interessante para o termo LA. Eles

afirmam que Inteligncia Artificial o estudo de como fazer computadores executarem tarefas

que no momento pessoas fazem melhor.

Conforme apresentado por DURKIN (1994), do ponto de vista prtico pode-se dizer que

o objetivo da IA tomar os computadores mais teis. Isto pode ser obtido de vrias maneiras:

produzindo programas que auxiliem o processo de tomada de deciso;

produzindo programas que auxiliem na busca inteligente de informao ou

tomando os computadores mais fceis de serem usados, atravs do uso de interfaces de

linguagem natural.

Dentre as reas apresentadas, o desenvolvimento de sistemas baseados em conhecimento,

como tambm so conhecidos os SE, causou grande impacto na indstria devido principalmente

valiosa contribuio que deram s organizaes que os desenvolveram.

Estes sistemas so programas computacionais projetados para modelar a habilidade de

resoluo de problemas de um especialista humano atravs da manipulao de smbolos

(DURKIN, 1994). Podem ter diversas aplicaes, tais como: projeto de sistemas hidrulicos,

diagnstico de infeces, monitoramento de equipamentos eletro-mecnicos e treinamento, em

reas distintas como: educao, engenharia ou medicina.


Devido ao grande desenvolvimento das tecnologias de hardware e software, atualmente

possvel desenvolver SE complexos em PCs tpicos. A Tabela abaixo apresenta alguns

exemplos de sistemas especialistas bem sucedidos.

Tabela 1.1 - Alguns sistemas especialistas de sucesso

PROSPECTORSistema desenvolvido para auxiliar gelogos na identificao de formaes geolgicas que poderiam conter minrios. Desenvolvido pelo Instituto de Pesquisas de Stanford. 0 sistema previu com preciso a existncia de um depsito multimilionrio de Molibdnio (WATERMAN, 1986).

GENAIDSistema que monitora remotamente em tempo real a condio de geradores eltricos. Foi desenvolvido pela Westhinghouse Eletric Corporation em parceria com Texas Utilities Company e Camegie Mellon University (CMU) . Est em operao comercial em vrios locais nos EUA (GONZALEZ e DANKEL, 1993).

I XCONAuxilia a configurao de sistemas computacionais VAX . Foi desenvolvido pela DEC em conjunto com CMU. atualmente usado internamente pela DEC (GONZALEZ e DANKEL, 1993).

Atualmente, qualquer organizao industrial, seja pblica ou privada, busca a

competitividade na sua rea de atuao e o caminho, na maioria das vezes, passa pelo aumento

de produtividade.

Para vencer o obstculo de queda de rendimento, causado na maioria das vezes pela

quebra da mquina ou do equipamento, e satisfazer as necessidades operacionais de diagnstico

de falhas, vrias estratgias podem ser utilizadas e dentre elas, os SE so sem dvida uma das

mais promissoras.

Administrar o conhecimento uma ao fundamental para o bom desempenho das

organizaes industriais, em especial daquelas que lidam com manuteno. Fornecer o

conhecimento adequado para a pessoa certa no momento oportuno com o formato mais

apropriado, mais do que proporcionar servios executados no prazo acordado, pode tomar-se o

diferencial importante em um mercado cuja caracterstica principal a intensa competitividade.


Utilizar aplicaes computacionais para produzir o conhecimento necessrio uma

prtica que tem desempenhado um papel importante na forma como as organizaes operam

(BELOHLAV et al., 1997). Entretanto, deve-se buscar compreender de que forma estas

ferramentas podem realmente suprir as carncias da organizao, pois entende-se que atravs

da integrao entre indstria e pesquisa que se consegue encurtar a distncia entre as reais

necessidades e o que as novas tecnologias podem oferecer.

1.3 Objetivos

1.3.1 Objetivo geral

O objetivo central deste trabalho de pesquisa demonstrar a viabilidade do uso da tcnica

de SE na rea naval. Para alcan-lo, ser desenvolvido um sistema especialista prottipo para

diagnstico de falhas em um tpico sistema naval. Nos prximos captulos sero apresentadas

com maiores detalhes as razes que justificam a escolha da rea citada para o desenvolvimento

da pesquisa.

Devido ao tipo do conhecimento a ser representado, o fato de o mesmo no estar

completamente estruturado e tendo em vista a relao de compromisso entre o real objetivo da

pesquisa e o pouco tempo disponvel para o desenvolvimento do prottipo, so geradas apenas

um nmero de funes suficiente para a demonstrao da potencialidade da ferramenta

computacional no contexto das reas de manuteno naval e de IA.

Para que o processo seja claro, estruturado e para que contribuies tecnolgicas reais

sejam obtidas, o sistema especialista prottipo desenvolvido submetido validao. Pretende-

se com isso colher subsdios importantes tanto para melhoramentos, como para trabalhos futuros.

A documentao do processo de desenvolvimento estar distribuda ao longo da

dissertao.

1.3.2 Contribuies

Algumas das contribuies que se espera obter com o desenvolvimento do prottipo esto

apresentados abaixo:

aumentar a eficincia do processo de manuteno, na medida que recupera e disponibiliza

informaes;


documentar o conhecimento de uma rea (hidrulica naval) e

facilitar a transferncia de tecnologia entre instituies.

1.4 Limitaes

A abordagem utilizada neste trabalho desenvolver um sistema especialista prottipo

baseado em regras e que utilize tcnicas de modelagem orientadas a objetos de forma a simular

tanto o processo de inferncia utilizado por especialistas humanos, como o contido em manuais

tcnicos de deteco de falhas. Esta abordagem, entretanto, no incorpora dados histricos de

falhas nem tcnicas de inferncia estatsticas como parte do processo de resoluo do problema.

A fundamentao terica que justifica as opes citadas acima, bem como os conceitos

relativos ao entendimento do tema SE, sero apresentados com maiores detalhes no captulo 2.

Em funo da escolha da ferramenta de desenvolvimento e considerando o objetivo

principal da pesquisa, a interface com o usurio estar limitada a textos.

Uma possvel deficincia que pode advir da dificuldade de se obter do(s) especialista(s)

humano(s) a explicitao do seu mtodo de inferncia o enfraquecimento da base de

conhecimento do sistema. Este ponto uma das muitas dificuldades que os desenvolvedores de

SE se defrontam.

1.5 Metodologia da pesquisa

Este projeto fundamenta-se em dois pilares principais: o modelo iterativo incremental e a

fundamentao terica sobre desenvolvimento de SE exposta nos diversos estudos publicados

sobre o assunto.

O modelo incremental pode ser aplicado tanto no desenvolvimento de sistemas

especialistas como em software convencionais. Este paradigma baseia-se no princpio de

crescimento gradativo, em que problemas complexos no so resolvidos de uma nica vez, mas

sim atravs de sucessivas iteraes. A idia bsica desenvolver o sistema em incrementos, ou

seja, a medida que capacidades funcionais sejam inseridas, so feitas verificaes para checar se

os resultados so os esperados. Esta abordagem traz como principal vantagem a reduo da

possibilidade de insucesso.


O desenvolvimento de SE pode ser dividido em quatro etapas principais: aquisio de

conhecimento, representao, implementao e validao. importante ressaltar que, embora

estas etapas estejam sendo citadas seqencialmente, o modelo escolhido para o desenvolvimento

iterativo incremental implica na ocorrncia quase que simultnea das mesmas.

A aquisio de conhecimento inicia com a investigao das fontes de conhecimento

relacionadas com o problema em questo, sejam livros ou pessoas e fmda com a explorao

destas fontes. Na fase de representao so criadas estruturas que possam reproduzir o

conhecimento adquirido na fase anterior de tal forma que este conhecimento possa ser codificado

computacionalmente na fase de implementao. A fase de validao que normalmente feita por

futuros usurios do sistema engloba tambm a verificao, que feita por quem elabora o cdigo

fonte.

Em funo do perfil terico adquirido, so tambm utilizados no projeto conceitos da

metodologia de desenvolvimento de produtos que vem sendo implementada pelo Ncleo de

desenvolvimento integrado de produtos (NeDIP), laboratrio de pesquisa da Universidade

Federal de Santa Catarina. Dentro desta filosofia, o prottipo considerado o produto a ser

desenvolvido.

1.6 Resultados esperados

Espera-se que os resultados obtidos no processo de validao sejam suficientes para

confirmar as expectativas positivas relativas potencialidade da ferramenta.

No que diz respeito especificamente ao sistema, tem-se como meta chegar aos pontos abaixo:

boa usabilidade, ou em outras palavras, facilidade de operao;

preciso para fazer o que foi proposto de maneira adequada;

modularidade para permitir que acrscimos posteriores venham a ser feitos com o

mnimo de dificuldades possvel;

robustez e

capacidade de apresentar diagramas esquemticos e/ou relatrios tcnicos em arquivos

HTML de forma a usufruir os benefcios da grande utilizao tanto da Internet, como de redes

internas, Intranet.


1.7 Estrutura do trabalho

Este trabalho est estruturado em 6 captulos, tendo incio no captulo 1 onde so

mostradas as linhas gerais que direcionam a pesquisa. Tendo em vista os objetivos do projeto,

surge a necessidade de apresentar os conceitos relativos a SE e engenharia de conhecimento, que

so objeto de discusso do captulo 2.

O captulo 3 busca caracterizar a atividade de manuteno, as peculiaridades da rea

naval e o papel da hidrulica neste contexto. Apresenta tambm a importncia do diagnstico e

as principais tcnicas de anlise de falha. Por fim, demonstra como os SE podem ser

aproveitados em um cenrio como estes.

O captulo 4 descreve de maneira crtica como ocorreram as principais etapas do processo

de desenvolvimento do prottipo, apresentando algumas consideraes que podem levar a erros

e/ou acertos. O principal objetivo deste captulo , alm de descrever como foi o processo de

desenvolvimento, fornecer subsdios para trabalhos posteriores nesta rea.

No captulo 5 apresentado ao leitor o processo de validao.

O captulo 6 apresenta discusses sobre as principais questes apresentadas no trabalho e

algumas recomendaes para trabalhos futuros.

Ca pt u l o 2

SISTEMAS ESPECIALISTAS

2.1 A busca por uma mquina inteligente

Os pontos apresentados nas duas primeiras sees deste captulo representam marcos na

evoluo histrica da incessante busca do Homem por mquinas que possam ser consideradas

inteligentes. A apresentao dos mesmos faz-se necessria tanto pela importncia que tm para a

comunidade de pesquisadores em IA , como tambm para o pleno entendimento deste trabalho

por estudiosos de outras reas.

Segundo BITTENCOURT (1998), uma parte importante de uma inteligncia artificial

o substrato fsico no qual esta se materializar. No caso da IA este substrato um computador

digital.

Embora nos dias de hoje ainda no seja possvel chegar a um consenso sobre o que

inteligncia, pode-se dizer que a procura por uma mquina que apresente tal comportamento no

nova. Segundo apresentado por ZUCHI (2000), no Oriente Mdio, desde 2500 a.C. j existia

uma verso primitiva do baco (Figura 2.1), considerado um dos primeiros dispositivos

computacionais. Este dispositivo era composto de uma armao e diversos fios de arame. Em

cada um desses arames corriam sete bolas, sendo que cinco ficavam abaixo de uma barra

horizontal divisria e duas acima. Cada arame correspondia s posies dos dgitos num nmero

decimal: unidades, dezenas e centenas. As bolas representavam os dgitos; as que estavam acima

da barra horizontal valiam cinco e as que esto abaixo valiam uma unidade.

Figura 2.1- Verso primitiva do baco

Captulo 2 - Sistemas Especialistas -11

Esta busca por mquinas inteligentes vem sendo motivada tanto pelos benefcios prticos

que podem ser obtidos com a descoberta, como tambm pelo desafio que a tarefa representa.

Os esforos despendidos comearam efetivamente a se materializar quando ocorreram as

criaes das primeiras mquinas de calcular e acabaram resultando na idia de desenvolver o

computador. Embora a idia no seja nova, a conotao que esta palavra tem nos dias de hoje

relativamente recente, pois somente em 1960 surgiu o termo computador digital, em oposio ao

termo computador analgico (TURING,

http://www.turing.org.uk/turing/scrapbook/computer.html).

Com o passar dos anos houve uma expressiva mudana de conceitos. Computador, que

significava inicialmente apenas uma pessoa fazendo clculos, evoluiu para computador

automtico e somente nos dias de hoje incorpora o conceito de programa armazenado. Segundo

BARRETO apud ZUCHI (2000), computador talvez a mais aperfeioada ferramenta que o ser

humano j construiu para ampliar as suas capacidades intelectuais e cuja vocao o

armazenamento e manipulao de informaes, informaes do mesmo tipo que devem ser

passadas de um ser humano a outro.

Pode-se dizer que o primeiro ancestral do computador moderno nasceu por volta de 1832,

do sonho de Charles Babbage, poca Professor da Universidade de Cambridge.

Inspirado em teares, Charles Babbage projetou os dois mais modernos dispositivos de

clculo at ento, Mquina Diferencial (Difference Engine) e Mquina Analtica (Analytical

Engine). O primeiro foi parcialmente construdo e o segundo no saiu do papel. Embora as suas

idias fossem semelhantes s que possibilitariam mais tarde a construo do computador digital e

o feito pudesse ser considerado notvel para a engenharia da poca, Charles Babbage no

conseguiu escapar das crticas (TURING, 1950).

A construo da Mquina Diferencial (Difference Engine), apresentada na Figura 2.2 foi

concluda em 1991 e atualmente est em exposio no Museu da Cincia em Londres. Hoje,

alm de ser considerado um cone na histria dos computadores, o princpio adotado tratado

como uma possvel alternativa para o fraco desempenho dos atuais computadores eletrnicos

quando submetidos a condies anormais, tais como: temperaturas elevadas e presena de

radiao.

http://www.turing.org.uk/turing/scrapbook/computer.html


Mquina Diferencial Mquina Analtica

Figura 2.2 - Difference / Analytical Engine (http:/www.nmsi.ac.uk/on-line/treasure/objects/1862-89.html)

Em 1940, Alan Turing liderou a equipe que construiu um dispositivo cujo objetivo era

decifrar mensagens alems gerada pela mquina Enigma. Embora o prprio Alan Turing no o

julgasse desta forma, pode-se considerar este invento como sendo o primeiro computador

moderno. Chamava-se Heath Robinson e foi substitudo em 1945 pelo Colossus, que utilizava

tecnologia mais moderna.

A grande mudana aconteceu posteriormente com a inovao que foi o surgimento do

primeiro computador que inclua programas (processamento lgico de informaes) e dados

armazenados de forma semelhante, o que iria permitir mais do que a realizao de clculos

matemticos (TURING, http://www.turing.org.uk/turing/scrapbook/computer.html).

Embora no se possa precisar a autoria do feito, o fato que se abriram assim as portas

que faltavam para o desenvolvimento de mquinas inteligentes, pois passou-se a se processar

dados de forma mais rpida e com maior velocidade, o que se por um lado foi um grande avano,

por outro, ainda no era suficiente para garantir o elo entre inteligncia humana e mquinas.

http://www.nmsi.ac.uk/on-line/treasure/objects/1862-89.htmlhttp://www.turing.org.uk/turing/scrapbook/computer.html

Captulo 2 - Sistemas Especialistas - 13

2.2 Inteligncia artificial e sistemas especialistas

Embora a inveno do computador tenha proporcionado a tecnologia necessria para o

surgimento da IA, foi somente por volta de 1950 que a ligao entre inteligncia humana e

mquinas foi realmente observada. Este ltimo elo pode ser atribudo a Norbert Wiener, quando

pesquisou sobre realimentao (feedback theory) e teorizou que comportamento inteligente seria

resultado de mecanismos de realimentao, mecanismos estes que poderiam ser imitados por

mquinas. Esta descoberta influenciou muito o desenvolvimento inicial da IA

(http//tqd. advanced. org/2/05/history .html).

Considerado o primeiro evento significativo na histria da LA, o artigo Computing

Machinery and Intelligence do matemtico britnico Alan Turing prope um teste denominado

Turing Test, cujo objetivo fornecer uma definio para inteligncia. Na proposio, questiona

se ao passar em um teste semelhante, uma mquina pode ser considerada inteligente. Neste

trabalho, so apresentados pontos de vista favorveis e contrrios idia de que computadores

possam exibir inteligncia (TURING, 1950).

Entretanto, o surgimento oficial do termo LA s aconteceu em uma conferncia

organizada em 1956 por John McCarthy. O objetivo deste estudo era desenvolver mquinas que

tivessem a capacidade de resolver certos tipos de problemas at ento solucionados

exclusivamente por seres humanos. Baseava-se no princpio de que o processo do aprendizado e

as caractersticas da inteligncia podiam ser de tal forma descritos, que seria possvel a execuo

da tarefa (McCARTHY et al 1955).

Os primeiros trabalhos na rea de LA foram programas computacionais de natureza

acadmica capazes de imitar a participao humana em jogos, sendo xadrez o preferido. Outra

rea de interesse para os pesquisadores neste estgio inicial foi a lgica (DURKLN, 1994).

Um dos mais ambiciosos projetos deste estgio inicial da IA foi a elaborao de um

programa computacional que teria por objetivo resolver uma grande extenso de problemas, que

iam desde jogos at integrao simblica, o General Problem Solver (GPS). A abordagem

utilizada foi definir o problema em estados que representavam diferentes estgios na soluo do

problema. O processo consistia em modificar o estado do problema atravs da aplicao de

operadores tantas vezes quantas fossem necessrias at atingir o objetivo desejado (NEWELL e

SIMON, 1972).


Como dificuldades encontradas, podem ser citadas a dificuldade para encontrar os

operadores apropriados aos diferentes estados e os limitados recursos de hardware disponveis

poca.

As expectativas iniciais de que os crebros eletrnicos teriam um potencial ilimitado

foram sendo gradativamente substitudas pela conscincia de que a resoluo de problemas reais

ainda no fora obtida, at que no incio dos anos 70, um relatrio solicitado pelo Conselho de

Pesquisa em Cincia da Inglaterra, ao emitir um parecer contrrio a transformao da IA em um

campo distinto de estudo, provoca um forte impacto negativo na comunidade de pesquisadores,

impacto este que no suficiente para interromper todas as pesquisas da poca. A principal

alegao era de que as descobertas realizadas at ento no tinham causado o impacto prometido

(DURKIN, 1994).

Pode-se dizer que a grande mudana de paradigma veio com o projeto DENDRAL. Este

trabalho foi desenvolvido por pesquisadores da Universidade de Stanford, em um esforo para

formalizar o conhecimento dentro de um domnio cientfico especfico, no caso qumica

orgnica. Outro grande objetivo do projeto foi entender melhor o processo de transformao de

hipteses explanatrias em explicaes julgadas adequadas

(http://smi-web.stanford.edu/research/history.html).

O resultado, aps mais de uma dcada de esforos (1965 - 1983) e com a colaborao de

pesquisadores de diversas reas, foi um sistema computacional que operava to bem quanto os

qumicos especialistas da poca na determinao de estruturas moleculares capazes de

representar a anlise espectogrflca de uma molcula desconhecida.

Embora o sistema DENDRAL no seguisse a estrutura tradicional dos SE, pois ele

integrava trs programas independentes, dos quais apenas 2 eram baseados em regras, ele

permitiu a descoberta de que alm dos mtodos de inferncia, o conhecimento especfico sobre

domnios limitados de aplicaes tambm era importante; uma vez que segundo GONZALEZ e

DANKEL (1993), a tcnica de utilizar um conhecimento geral que pudesse ser aplicado a

muitos domnios at ento no tinha se mostrado muito eficiente.

Examinando este projeto, percebe-se que talvez o ponto mais importante tenha sido a

observao de que qumicos reconhecidamente competentes usavam heurstica para reduzir o

nmero de possibilidades a serem analisadas.

http://smi-web.stanford.edu/research/history.html


Assim surgiram os sistemas baseados em conhecimento, tambm conhecidos como SE e

hoje uma das reas de maior sucesso da IA.

2.3 Conceito de sistemas especialistas

Existem basicamente duas linhas principais para a construo de sistemas que podem ser

considerados inteligentes: a linha conexionista e a linha simblica.

A linha conexionista visa modelagem da inteligncia humana atravs da simulao dos

componentes do crebro, isto , de seus neurnios, e de suas interligaes (ZUCHI, 2000). Muito

desta inspirao veio do desejo de produzir sistemas artificiais capazes de executar funes

similares s que o crebro humano executa rotineiramente, possibilitando assim um melhor

entendimento do seu funcionamento.

Segundo RICH e KNIGHT (1994), na busca de construir mquinas inteligentes, s se tem

um modelo que ocorre naturalmente: o crebro humano. Uma idia bvia seria ento simular o

funcionamento deste diretamente no computador.

Em 1943 surgiu a representao e formalizao matemtica dos neurnios artificiais,

propostas pelo neuropsiclogo McCulloch e o matemtico Pitts, que deram origem s redes

neuronais (ZUCHI, 2000). Estas redes seriam unidades conectadas por canais de comunicao

(conexes) que carregam dados numricos e no smbolos.

A linha simblica por sua vez d nfase aos processos cognitivos, que correspondem

forma como o ser humano processa informao. Pode-se dizer que a cognio o estudo dos

processos mentais usados no pensamento, percepo, classificao, reconhecimento, etc. O

objetivo , ao descobrir como as pessoas adquirem, organizam e usam o conhecimento durante o

processo de resoluo de problemas, encontrar explicao para comportamentos inteligentes.

Os sistemas baseados em conhecimento, ou SE como so mais conhecidos, esto

inseridos nesta linha de pesquisa e sero apresentados com mais detalhes a partir de agora.

Os SE diferem basicamente dos programas computacionais convencionais por manipular

um tipo de conhecimento que normalmente no pode ser manipulado de forma algortmica. Estes

sistemas trabalham com conhecimento considerado de natureza heurstica.


Heurstica no representa conhecimento especfico sobre um sistema, mas diretrizes de

como este opera. De uma forma geral, estas diretrizes podem ser representadas por

relacionamentos causa x efeito que no so de conhecimento pblico (IGNIZIO, 1991). A idia

bsica foi sugerida por Emil Post em 1936, quando props os hoje chamados sistemas de Post

que representavam um mtodo geral de processamento de dados (BITTENCOURT, 1998).

O trabalho Human Problem Solving (NEWELL e SIMON, 1972) tambm demonstra

que muito da capacidade humana de resoluo de problemas poderia ser expressa por regras de

produo do tipo SE/ENTO. A condio (lado esquerdo) da regra constituda por um padro

que determina a aplicabilidade da regra enquanto a ao (lado direito) representa o que ser feito

quando esta regra for aplicada.

No contexto de SE , pode-se dizer que a heurstica representa um conhecimento baseado

na experincia adquirida por um especialista que permite a esta pessoa chegar rapidamente

soluo de um problema sem que obrigatoriamente tenha que fazer uma anlise detalhada do

mesmo (DURKIN, 1994).

Diferentemente do algoritmo, a heurstica apesar de freqentemente fornecer uma

resposta correta, pode em determinadas situaes errar, ou mesmo no ser capaz de gerar

qualquer resposta. Isto se deve ao fato de nem todas as possibilidades serem necessariamente

analisadas.

Segundo RICH e KNIGHT (1994), a heurstica uma tcnica que melhora a eficincia de

um processo de busca, possivelmente sacrificando pretenses de completeza. como um guia de

turismo, boa no sentido de que geralmente aponta para direes interessantes, mas pode ser

imprpria no sentido de que pode deixar de fora pontos de interesse para determinados

indivduos. Esta afirmativa mais facilmente compreendida atravs de um exemplo prtico.

Sabe-se que para um diagnstico eficaz de falhas em sistemas hidrulicos, deve-se

inicialmente coletar o maior nmero possvel de informaes qualitativas sobre o problema.

Depois, estas informaes devem ser confrontadas com as indicaes dos sensores do circuito

para que a concluso e/ou diagnstico final seja o mais preciso possvel. Ocorre que, por motivos

diversos (econmicos, de segurana, etc.), a equipe encarregada de localizar o problema nem

sempre tem tempo suficiente para executar a anlise de todas as combinaes possveis, ou isto

no possvel. Na maioria das vezes, os atalhos usados pelo pessoal envolvido na faina de

diagnstico levam ao objetivo desejado, porm em alguns casos podem falhar.


A diferena bsica entre heurstica e algoritmo que este ltimo pode ser entendido como

sendo um mtodo que utiliza procedimentos matemticos para resolver um problema, de forma a

encontrar a resposta em um nmero finito de operaes (IGNIZIO, 1991), ou como apresentado

por MLLER (1998) um raciocnio, caracterizado pela certeza de que se aplicado a um

determinado problema, chega em um nmero determinado de etapas soluo deste problema. A

implementao computacional de um algoritmo, quando este existe, gera um programa

procedural, seqencial ou convencional, e sempre fornece uma resposta correta. Para ilustrar a

diferena, cita-se o exemplo abaixo apresentado por GENARO (1986) em seu livro Sistemas

Especialistas, o Conhecimento Artificial.

Tabela 2.1 - Mtodo algortmico x Mtodo heurstico (GENARO, 1986)

PROBLEMA ELIMINAR CONTRABANDO

MTODO ALGORTMICO MTODO HEURSTICO

Soluo Patrulhar toda a costa e fronteiras. Rigorosa vistoria em todos os pontos de entrada no pas.

Vigiar rotas mais conhecidas. Inspeo aleatria nas bagagens mais provveis.

Caractersticas Alto custo para realizao. Sempre funciona.

Pode ser feita com menos recursos e falhar em certas situaes.

Aplicao Quando existir algum algoritmo ou este for factvel.

Se no existir algoritmo, ou este no puder ser realizado.

O conceito de SE muitas das vezes relacionado com a funo que este executa, outras

com a sua estrutura. A tabela 2.2 apresentada a seguir, resultado de pesquisa na Internet

(http://www.bus.orst.edu), resume o pensamento de alguns estudiosos do assunto.

http://www.bus.orst.edu


Tabela 2.2 - Conceitos de sistemas especialistas

PONTO CONSIDERADO

IMPORTANTECONCEITO

rearesolve problemas de maneira eficaz em uma pequena

rea do conhecimento (WATERMAN, 1986)

Dificuldaderesolve problemas que so difceis o suficiente para

necessitar conhecimento humano especializado(FEINGENBAUM, 1985).

Desempenhopermite ao usurio acessar o seu conhecimento de forma

e com resultado similar a um especialista humano(EDWARDS & CONNEL, 1989).

Capacidade de explicao incorpora processos de explicao (LIEBOWITZ, 1988).

Separao entre o conhecimento e a forma como

este controlado

colocar conhecimento originado de um especialista humano dentro de um computador (BRITISH COMPUTER SOCIETYS SPECIALIST GROUP IN FORSYTH, 1984).

Mais recentemente, MENDES (1997) conceituou SE como sistemas interativos que

respondem questes, solicitam e fornecem esclarecimentos, fazem recomendaes e geralmente

auxiliam o usurio orientando-o no processo de tomada de deciso, ou seja, simulam o raciocnio

humano fazendo inferncias, julgamentos e projetando resultados.

Apesar de no haver uma definio nica, pode-se dizer que SE um programa

computacional que devido a caractersticas e tcnicas especficas, visa a tomar as decises que

um especialista humano tomaria se fosse colocado frente mesma situao, no mesmo domnio

especfico de conhecimento.

2.4 Estrutura dos sistemas especialistas

Quando um especialista humano se depara com um problema, este primeiramente obtm

fatos sobre a situao e os armazena na sua memria de curto prazo. Depois raciocina,

combinando fatos da memria de curto prazo com conhecimento da memria de longo prazo.

Usando este processo, consegue inferir solues para o problema DURKIN (1994).


NOYES (1992) cita que foram identificados trs estgios bsicos de processamento de

conhecimento: aquisio deste por um dos sentidos, reteno na memria e recuperao para

posterior uso.

O entendimento deste processo, bem como dos termos citados acima (memria de curto e

longo prazo), passa pela compreenso de que para realizar qualquer tipo de inferncia, as pessoas

necessitam de habilidade para armazenar conhecimento, pois s assim este conhecimento poder

ser manipulado e recuperado.

A nossa memria consiste de vrios depsitos de informao, cada qual representando

um papel diferente no processo de formao das recordaes. Segundo ULLMAN (1990), a

memria de curto prazo compreende a nossa mente consciente.

Estudos feitos para determinar a natureza da informao armazenada na memria de

curto prazo descobriram que esta principalmente de natureza acstica e tem durao pequena.

O esquecimento normalmente acontece dentro de aproximadamente 15 segundos. Pesquisas

desenvolvidas por George Miller determinaram que a memria de curto prazo pode reter em

torno de sete itens de informao. Um item consiste em um pedao de informao (chunk), que

pode ser um nmero, uma frmula ou uma frase. Um pedao qualquer coisa que o crebro

armazena como uma representao unitria. O crebro pode reter mais informao na memria

de curto prazo se estiver organizado em pedaos de informao de alto nvel. Como exemplo de

organizao de alto nvel, cita-se o agrupamento de letras formando palavras.

Por outro lado, a memria de longo prazo, ou depsito secundrio, consiste em

informao que ns temos acumulado de forma permanente. A capacidade desta ilimitada e

diferentemente da memria de curto prazo, tem o seu acesso lento, da ordem de 10 seg. / pedao.

2.5 Elementos de um sistema especialista

A estrutura de um sistema especialista semelhante citada acima, na qual a memria

operacional (correspondente memria de curto prazo), interage com a base de conhecimento

(correspondente memria de longo prazo) atravs da mquina de inferncia, possibilitando

assim que o sistema apresente ao usurio as respostas (DURKIN, 1994). A Figura 2.3

apresentada por DURKIN (1994), ilustra o que foi citado.


Figura 2.3 - Estrutura de um sistema especialista (DURKIN, 1994)

Para que a Figura 2.3 seja bem entendida, importante compreender os conceitos de base

de conhecimento, memria operacional e mquina de inferncia:

base de conhecimento: representa a parte do sistema especialista que contm o domnio

de conhecimento; conhecimento este que de natureza predominantemente heurstica e pode ser

representado na forma de regras, conceitos (objetos ou frames) e relacionamentos (redes

semnticas). Segundo GONZALEZ e DANKEL (1993), a memria de longo prazo do sistema.

Um dos problemas mais srios e ao mesmo tempo mais comuns na implementao de SE,

o fato de que normalmente parece impossvel fornecer o conhecimento completo sobre o

domnio que o sistema vai operar. ZUCHI (2000) observa haver uma relao entre o nvel de

desempenho do sistema especialista e a qualidade da sua base de conhecimento.

memria operacional: a memria operacional funciona como a memria de curto prazo

do sistema, pois contm os fatos relativos ao problema que so descobertos durante a consulta do

usurio com o SE. Estes fatos podem ser recebidos por sensores, banco de dados ou outros

programas. Tal informao tanto pode ser fornecida de uma s vez ou medida que a sesso

avana. No presente trabalho, sesso significa o espao de tempo necessrio para o SE chegar a

uma concluso.

mquina de inferncia: funciona como um processador cognitivo que compara os fatos

contidos na memria operacional com o conhecimento contido na base de conhecimento para

tirar concluses sobre o problema (DURKIN, 1994). Quando a base de conhecimento formada

por regras, a mquina de inferncia determina qual condicional da regra, se existir alguma,


satisfeita por fatos que estejam na memria operacional e adiciona a concluso desta regra

memria operacional.

agenda: representa uma lista priorizada de regras geradas pela mquina de inferncia,

cujas premissas so satisfeitas por fatos da memria operacional.

Alm dos componentes supracitados, no se pode deixar de mencionar a interface com o

usurio, que o mecanismo pelo qual o usurio e o sistema especialista se comunicam e o

mecanismo de explicao, uma importante caracterstica dos SE, normalmente realizada atravs

da reconstituio das regras disparadas durante o processo de inferncia (SANNEMANN, 1997).

2.6 Formas de inferncia

Segundo FERREIRA (1986), inferncia significa a passagem da premissa concluso.

No contexto de SE, pode ser entendida como o processo de se chegar a uma soluo, resposta ou

concluso a partir de um determinado conhecimento inicial (GONZALEZ e DANKEL, 1993).

Em outras palavras, pode-se dizer que a tcnica atravs da qual os SE solucionam problemas.

Existem dois mecanismos clssicos que podem ser utilizados para se chegar a uma concluso e

sero apresentados a seguir:

2.6.1 Encadeamento direto (Forward Chaining)

Neste tipo de inferncia, as concluses so geradas a partir de um conjunto de fatos

conhecidos. O sistema obtm novos fatos usando regras cujas premissas combinem com os fatos

conhecidos. O processo continua at que o objetivo seja atingido ou ento quando no existirem

mais regras cujas premissas combinem com os novos fatos que se apresentam (DURKIN 1994).

Existem basicamente duas formas de utilizar o encadeamento direto: na primeira, todos

os fatos conhecidos so fornecidos no princpio da consulta; na segunda abordagem, os fatos so

fornecidos gradativamente a medida que a sesso avana (IGNIZIO, 1991).

Este tipo de inferncia apropriado para atividades que envolvam sntese, tais como

projeto e planejamento. Nestas aplicaes, embora existam vrias potenciais solues que podem

ser derivadas das entradas, todas partem sempre do mesmo ponto inicial, que no caso especfico

do projeto so os requisitos iniciais.


2.6.2 Encadeamento reverso (Backward Chaining)

Esta abordagem mais indicada para aplicaes cujas entradas sejam em maior nmero

do que as concluses (GONZALEZ e DANKEL, 1993). Como exemplo tpico para esta

aplicao, cita-se a atividade de diagnstico.

Esta forma de inferncia difere significativamente da apresentada anteriormente, pois

neste caso, o sistema comea com uma hiptese e busca fatos que possam comprov-la. A

principal dificuldade desta forma d inferncia encontrar uma ligao que consiga unir a

evidncia hiptese.

Esta abordagem ser apresentada com maiores detalhes no captulo que trata do processo

de desenvolvimento do prottipo, pois foi a forma de inferncia adotada neste trabalho de

pesquisa. Podem tambm existir situaes nas quais haja necessidade de combinar as formas de

inferncia citadas acima.

Uma caracterstica importante do modo de inferncia, seja ele qual for, diz respeito

monotonicidade ou no da inferncia. Sistemas monotnicos no permitem a reviso dos fatos,

ou seja, uma vez declarado como verdadeiro, o fato no pode ser modificado (BITTENCOURT,

1998). Isto significa dizer que neste tipo de inferncia, quando um determinado fato antes

verdadeiro toma-se falso, as concluses baseadas neste fato no se tomam falsas como deveriam.

A escolha da ferramenta de desenvolvimento vai depender em grande parte da forma de

inferncia. Normalmente, sistemas que utilizam encadeamento reverso no podem ser

construdos com ferramentas que tm como recurso apenas o encadeamento direto.

Embora no haja consenso na literatura, pode-se dizer que existem outras formas de

inferncia que podem ser utilizados por sistemas baseados em conhecimento. Como exemplo,

cita-se a analogia, que pode ser entendida como sendo o processo de inferir concluses baseadas

em similaridades com outras situaes.

Por no fazerem parte do escopo principal do trabalho, sero apenas brevemente

comentadas no item 2.10 as alternativas mais citadas pela literatura.

Cabe ressaltar que quando se usa objetos, frames ou uma rede semntica, a inferncia

pode ser realizada exclusivamente por procedimentos especficos. Como procedimentos

especficos entende-se a verificao dos valores dos atributos dos objetos (RAMOS, 1995).


2.7 Engenharia de conhecimento

O termo engenharia de conhecimento foi cunhado para descrever a atividade de extrair

dos especialistas o conhecimento e codific-lo na forma computacional mais adequada.

Engenheiro de conhecimento a pessoa que atravs do procedimento citado acima desenvolve o

sistema especialista.

Segundo SCHANK (1991), engenharia de conhecimento o processo atravs do qual

especialistas em IA descobrem o que um especialista humano faz para resolver um problema e

depois codificam este conhecimento em uma forma tal que uma mquina possa seguir.

O conceito apresentado acima mostra a importncia dos principais envolvidos na

construo de um sistema especialista: o especialista e o engenheiro de conhecimento. E

importante ressaltar que sem o especialista humano no domnio de conhecimento considerado,

no se consegue construir um sistema especialista.

Embora tanto SE, como outros tipos de software considerados convencionais, tenham o

objetivo de fornecer solues computacionais para problemas, existem diferenas entre os

termos programao convencional e engenharia de conhecimento. Talvez uma das principais

esteja no fato de que a programao convencional envolve a representao de procedimentos

normalmente bem definidos, que podem ser reproduzidos por mtodos algortmicos, enquanto a

engenharia de conhecimento envolve a representao de um conhecimento impreciso e

geralmente restrito a uns poucos especialistas, que muitas vezes no conseguem explicit-lo de

maneira clara.

Em programas convencionais, segue-se um conjunto pr-fxado de instrues que

normalmente no so flexveis o suficiente para se adaptar a mudanas inesperadas de

circunstncias. Este foi um dos aspectos analisados no estudo de viabilidade do XCON, uma vez

que a introduo de novos componentes de hardware na linha de montagem da DEC, implicaria

em freqentes modificaes de configurao que dificilmente poderiam ser implementadas com

rapidez em programas convencionais.

Outro ponto importante e que refora a observao acima, que nos programas

convencionais no ocorre a separao entre o conhecimento e os mtodos responsveis pela

entrada, processamento e a sada dos dados. Segundo MLLER (1998), em programas

convencionais, o conhecimento no representado explicitamente, ou seja, no existe a

separao entre o conhecimento e os pirocedimentos que detalham a entrada, o processamento e a


sada. Nos programas convencionais, a mudana de um simples fato pode acarretar a correo de

centenas de linhas do cdigo fonte.

No caso especfico do desenvolvimento de SE, pode-se afirmar que a natureza e a

quantidade de conhecimento necessrio para solucionar o problema so bastante incertas,

principalmente no incio do projeto. Este fato pode com freqncia levar o desenvolvedor da

ferramenta computacional chamada mudana de paradigma (GONZALEZ e DANKEL,

1993).

A mudana de paradigma ocorre quando durante o processo de desenvolvimento, o

engenheiro de conhecimento descobre que a estrutura de representao, a ferramenta de

desenvolvimento ou alguma outra caracterstica de projeto est inadequada. A Tabela 2.3 abaixo

ilustra algumas das diferenas entre programas convencionais e SE.

Tabela 2.3 - Diferenas entre programas convencionais e sistemas especialistas

CARACTERSTICA PROG. CONVENCIONAIS SIST. ESPECIALISTAS 1

Controle de execuo Declarao explcita Mquina de inferncia

Controle e dados Integrao implcita Separao explcita

Soluo por Algoritmos Regras e inferncia

Explicao Nenhuma Geralmente presente

Sada Sempre correta Varivel

Aplicao Onde hajam mtodos algortmicos Manipulao simblica

Considerando a grande quantidade de referncias e as diversas definies para o termo

conhecimento, importante conceitu-lo antes de prosseguir com a exposio do presente

trabalho. A Figura 2.4 ilustra a diferena entre dados, informao e conhecimento

(GIARRATANO e RYLEY, 1993).


Figura 2.4 - Hierarquizao do conhecimento (GIARRATANO e RYLEY, 1993)

Dados significam fatos ou conceitos expressos em afirmaes que, isoladamente, no tm

a prori significado prtico, mas so de potencial interesse. Cita-se como exemplo o seguinte

dado: pi = 0,2 bar.

Atravs de um processo de depurao baseado em critrios especficos (anlise), os

dados so processados para gerar informao. Pode-se dizer ento que, como pi = presso na

linha de aspirao, tem-se a informao de que a presso na linha de aspirao equivale 0,2

bar.

Quando uma certa informao comparada com outra informao e combinada na forma

de padres, o que normalmente feito atravs do processo de sntese, obtm-se conhecimento.

Continuando no exemplo citado, comparando a informao do valor da presso na linha de

aspirao, com a informao dos valores de presso considerados anormais para este trecho do

circuito hidrulico (> 0,16 bar), um especialista em hidrulica pode chegar ao seguinte

conhecimento: SE a presso na linha de aspirao 0,2 bar ENTO este valor pode ser

considerado anonnal.

CHORAFAS (1990) cita que existe uma diferena fundamental entre um banco de dados

e um banco de conhecimento. Banco de dados tm uma estrutura pr-determinada, enquanto nos

bancos de conhecimento a maneira como os fatos esto relacionados determinada ad hoc como

necessrio para resolver um problema particular, o que caracteriza a busca heurstica em

contraponto abordagem estruturada dos bancos de dados.


Quando indivduos ou grupos comparam partes de conhecimento, obtido aquilo que a

literatura chama de meta conhecimento. No contexto de SE, meta conhecimento pode ser usado

por exemplo para decidir qual conjunto de regras o mais adequado para uma determinada

situao.

Conhecimento tem nveis, isto um dos fatos que justificam a dificuldade no

aprendizado. Estudos mostram que a varivel anos de experincia o fator que mais influencia

na habilidade de resoluo de problemas tcnicos, pois faz especialistas exibirem padres de

comportamento distintos dos novatos, obtendo um rendimento superior na tarefa de resoluo

deste tipo de problemas (MaC PHERSON, 1998).

Neste contexto, o nvel mais baixo de conhecimento representado por fatos que fazem

o relacionamento entre objetos, smbolos e eventos. O nvel acima representado por conceitos

que tm um grau de detalhamento maior do que fatos. Regras representam o terceiro nvel de

conhecimento, e representam um conjunto de operaes e passos necessrios para resolver um

determinado problema. O nvel mais alto de conhecimento representado pela heurstica

(TUTHILL, 1990).

2.8 Processo de desenvolvimento

Segundo SILVA (1998), o desenvolvimento de um SE envolve uma boa quantidade de

tarefas empricas, dentre as quais podem ser citadas a interao com os especialistas humanos e o

processo de validao. Mesmo assim, pode-se dizer que existem algumas etapas que podem

servir como referncia no processo de desenvolvimento de um SE. A seguir, ser apresentado de

forma concisa o entendimento de alguns autores sobre as principais etapas deste processo.

GONZALEZ e DANKEL (1993) afirmam que para o desenvolvimento de um S.E ser

bem sucedido, as tarefas seleo da aplicao, determinao das fontes necessrias, escolha da

ferramenta de implementao, desenvolvimento de um prottipo inicial, aquisio de

conhecimento, verificao e validao, documentao e manuteno devem ser adequadamente

executadas.

CHORAFAS (1990) cita as fases de aquisio, representao, escolha do ambiente de

desenvolvimento, prototipagem e testes como eventos marcantes no processo. Alm disso,

enfatiza a importncia do prottipo no processo de desenvolvimento de um SE.


IGNIZIO (1991) mostra que, alm das etapas de aquisio, representao, implementao

e validao, tambm fazem parte do processo a justificativa e a escolha do modelo de

desenvolvimento.

CARRICO et al. (1989) identifica oito estgios no ciclo de vida de um SE: identificao,

conceitualizao, formalizao, implementao, teste, avaliao de desempenho, manuteno e

descarte.

GIARRATANO e RILEY (1994) resumem na tabela abaixo o modelo linear de

desenvolvimento de um sistema especialista.

Tabela 2.4 - Modelo linear de desenvolvimento para SE (GIARRATANO e RILEY, 1994)

DEFINIO DO CONHECIMENTO

PROJETO DO CONHECIMENTO

PLANEJAMENTO Seleo/ Aquisio Definio Proj.Identificao Anlise e Detalhado

das fontes Extrao

Implementao computacional e

checagem

VERIFICAO DO CONHECIMENTO

Testesformais

Anlise de resultados

Avaliao do sistema

WATERMAN (1986) cita que o desenvolvimento de SE normalmente passa por trs

estgios: sistema experimental (normalmente lento e no muito eficiente), sistema de pesquisa

(testado, mas ainda no muito eficiente) e sistema comercial (rpido, eficiente).

Os pontos apresentados acima demonstram existir uma correlao entre as vises dos

diversos autores, embora no se possa dizer que exista uma metodologia nica para o processo

de desenvolvimento de SE. A metodologia utilizada neste trabalho com as respectivas fases,

etapas e tarefas, bem como as razes que fundamentam a escolha sero apresentadas no captulo

4.

A filosofia adotada na pesquisa desenvolver o sistema em incrementos, ou seja, a

medida que capacidades funcionais sejam inseridas, verificaes devem ser feitas para checar se

os resultados so os esperados. A adoo deste modelo (incrementai interativo) de

desenvolvimento faz estas atividades acontecerem de forma quase simultnea. Conforme citado

no captulo 1, este modelo de desenvolvimento um dos pilares nos quais este projeto se

fundamenta.


2.9 Tcnicas de representao de conhecimento

Como ainda no se conhece a maneira exata como o crebro humano trabalha e tendo a

disposio somente mquinas que foram essencialmente projetadas para lidar com nmeros,

necessrio, antes de tudo, pensar como estruturar o conhecimento de forma que este mesmo

conhecimento possa ser guardado e posteriormente manipulado por essas mesmas mquinas

(RABUSKE, 1995).

O objetivo primordial de se representar o conhecimento a sua recuperao posterior

atravs do processo de inferncia, de forma a produzir mais conhecimento.

BITTENCOURT (1998) cita que conforme apresentado no Manual de IA, representao

de conhecimento ... uma combinao de estruturas e de procedimentos de interpretao que,

se usados de maneira correta dentro de um programa, levaro a um comportamento que simule o

conhecimento dos seres humanos

Do ponto de vista da estrutura da representao, o conhecimento pode ser considerado

um conjunto de fragmentos que so acessados pelo processo de inferncia. A adequao

heurstica da estrutura de representao pode ser analisada sob dois aspectos: em relao s

propriedades dos fragmentos e em relao s propriedades da estrutura (BITTENCOURT, 1998).

Como propriedades dos fragmentos, podem ser citados:

granularidade ou nvel de detalhe do fragmento;

disponibilidade, pois os fragmentos do conhecimento podem ser explicitamente

representados ou no. Exemplos de conhecimento implcito so as heranas na programao que

utilizam modelagem orientada a objetos e;

credibilidade que est associada ao grau de certeza destes fragmentos.

Como propriedade da estrutura, cita-se:

modularidade que vai mostrar o quo fcil adicionar ou modificar os fragmentos de

conhecimento.

As propriedades citadas acima so importantes, pois so elas que vo gerar as

caractersticas do SE. Sero apresentadas a seguir algumas das tcnicas mais utilizadas na

representao do conhecimento:

regras: so estruturas que relacionam informaes, por exemplo, aquela originada da

consulta do usurio com o SE.


Como exemplo cita-se a seguinte regra:

' SE O NVEL DO LEO NO RESERVATRIO EST BAIXO

i OU EXISTE ALGUMA CONEXO SOLTA NA LINHA DE ASPIRAO

ENTO A CAUSA DIRETA PARA O RUDO NA BOMBA PODE SER AERAO

As grandes vantagens da regra so a naturalidade e a uniformidade. A regra natural,

pois a forma de representao que as pessoas e especialistas normalmente empregam no dia a

dia, o que as tomam fceis de serem entendidas. Uniformes porque normalmente as regras so

escritas segundo um padro, na forma de pares de expresso consistindo em uma condio e uma

ao.

Como desvantagem no se pode deixar de citar a opacidade, que em outras palavras

significa a dificuldade de compreenso do fluxo de informaes em um SE. Esta dificuldade

pode ser contornada em algumas situaes onde possvel separar as regras em grupos.

redes semnticas: foram originalmente desenvolvidas para uso como modelos psicolgicos da

memria humana e propostas formalmente por Quillian no artigo Semantic Information

Processing , mas agora so uma forma padro de representao de conhecimento em SE, pois

descrevem relaes tpicas de linguagem natural. Na rede semntica, os ns representam objetos,

situaes ou conceitos, enquanto os arcos expressam as relaes entre estes elementos. Os tipos

mais comuns de ligao so: faz parte de e um (a) .

Segundo RICH e KNIGHT (1994), a principal idia por trs das redes semnticas,

consiste no fato do significado de um conceito vir do modo como ele conectado a outros

conceitos.

Como exemplo cita-se a rede semntica O SISTEMA DE GOVERNO UM DOS

SISTEMAS HIDRULICOS DO NAVIO, cuja representao grfica est indicada na Figura 2.5

apresentada a seguir.


FAZ PARTE

f Sistema \ ( hidrulico \d o navio J

// Sistema \

UM / , \] -! de I

Vgovemo J

! Atuador \ Ihidrulico J

\ ( Leme )FAZ PARTE '

Figura 2.5 - Rede semntica representativa de um sistema hidrulico de governo

obietos: pode-se dizer que o conceito de objetos incorporado pelas atuais linguagens que

empregam modelagem orientada a objetos, nasceu das idias propostas por Marvin Minsk (1974)

no artigo A framework to represent knowledge. Neste artigo so propostas estruturas

denominadas quadros (frames) que consistem de um conjunto de atributos cujos valores

descrevem o estado de uma entidade representada pelo quadro no instante considerado.

Entretanto, os mtodos de modelagem orientados a objeto s comearam a aparecer mais

tarde (incio dos anos 80). FURLAN (1998) apresenta os principais eventos ocorridos neste

perodo:

A comunidade Smaltalk em Portland, Oregon, produziu o enfoque de projeto dirigido

responsabilidade e Beck & Cunninghan, em 1989, propuseram os cartes de responsabilidade de classe;

Sally Shlaer e Steve Mellor escreveram livros sobre anlise e projeto orientado a objetos em 1989e 1991;

Peter Coad e Ed Yourdon escreveram livros que propuseram um enfoque leve sobre a

modelagem orientada a objetos aplicada a projetos;

Jim Rumbaugh liderou uma equipe de pesquisadores nos laboratrios da General Eletric,

culminando com seu livro popular sobre mtodos chamado OMT {Object Modelling Technique)

Grady Booch realiza um trabalho de desenvolvimento da linguagem Ada na Rational Software,

Ivar Jacobson produziu seus livros a partir de sua experincia com telefonia na Ericsson,

introduzindo o conceito de caso de uso em 1994 e 1995 atravs da OOSE (Object Oriented Software Engineering)',


Uma vez que os mtodos de Booch e OMT estavam crescendo independentemente, e sendo

reconhecidos pela comunidade usuria, seus autores, respectivamente Grady Booch e James

Rumbaugh juntaram foras atravs da Rational Corporation para foijar a unificao de seus

trabalhos. Em outubro de 1995 lanaram a verso 0.8 do Mtodo Unificado, como foi chamado

inicialmente. Tambm em 1995, Ivar Jacobson juntou-se equipe, fundindo o mtodo OOSE,

surgindo ento a UML (Unijied Modelling Language), que teve por objetivo unificar alguns dos

principais mtodos existentes at ento e parece estar tendo uma aceitao grande no mercado

mundial.

Embora objetos sejam conceitos comuns a vrios autores, neste trabalho adota-se a

definio de objetos exposta por YOURDON e COAD (1992), que consideram estas entidades

como sendo abstraes de algo que esteja no domnio do problema, cujo principal objetivo

fazer que a representao tcnica corresponda de modo mais apurado viso conceituai do

sistema. Tambm podem ser chamados de instncias ou ocorrncias. Uma descrio de um ou

mais objetos, atravs de um conjunto de atributos denominada classe.

Para que o conceito apresentado acima seja bem aplicado, necessrio conhecer e

entender as principais propriedades (abstrao, encapsulamento, herana e polimorfismo) que

esta abordagem proporciona. SILVA e CHEUNG (1997) trazem uma apresentao detalhada do

assunto no contexto dos sistemas hidrulicos.

Diante do apresentado, constata-se que a tcnica de representao mais adequada

depende do tipo de problema e da rea na qual o SE est sendo usado, no havendo uma regra

geral de representao que atenda a todas as situaes.

Antes de prosseguir, cabe ressaltar que a lgica a base para a maioria dos formalismos

de representao de conhecimento (BITTENCOURT, 1998).

Conforme apresentado em GIARRATANO E RILEY (1993), pode-se dizer que a lgica

est fundamentada em alguns silogismos originados dos estudos do filsofo

universidade federal de santa c atariana - core · figura 4.3 - diagrama hidráulico de um típico...

Documents