1

VII SEMEAD

ADMINISTRAO GERAL

A LGICA FUZZY NA ADMINISTRAO DE EMPRESAS

Autores: Fabio Zaffalon Rodrigues, Mestrando da FEA/USP. zaffalon@usp.br; 8179-9186 Silvio Aparecido Santos, Professor da FEA/USP, Prdio do FEA 1, sala E123. sadsanto@usp.br

RESUMO Nos ltimos anos desde o desenvolvimento da Lgica Fuzzy, suas aplicaes tm se concentrado em Engenharia de Controle para sistemas produtivos, transporte pblico e produtos de consumo atravs do mundo. Recentemente, entretanto, as expectativas para de novos avanos nas aplicaes do pensamento da Lgica Fuzzy em diversas reas aumentaram. Este trabalho apresenta os principais fundamentos da Lgica Fuzzy de uma forma bastante sucinta para tornar o assunto palatvel a uma audincia no habituada com sua formulao matemtica, que neste artigo foi reduzida ao mnimo possvel. Os objetivos deste artigo sobre a Lgica Fuzzy so contribuir para a diminuio do bloqueio causado por sua formulao matemtica e contribuir para a minimizao da distncia entre os conceitos aplicados na Matemtica e na Engenharia e o as possveis aplicaes da Administrao de Empresas.

PALAVRAS-CHAVE Lgica Clssica, Lgica Fuzzy, Tomada de Decises, Administrao de Empresas.

A LGICA FUZZY NA ADMINISTRAO DE EMPRESAS 1. INTRODUO Diferentemente do passado, onde as teorias geradas no mbito das cincias naturais ou da Engenharia eram largamente utilizadas por estudiosos da Administrao de Empresas, o relacionamento entre a teoria da Lgica Fuzzy (ou Lgica Nebulosa) tem acontecido de maneira lenta, dispersa e, principalmente, pouco sistemtica. De acordo com Smithson (1987), ... a matemtica dos conjuntos fuzzy est fundamentada em uma notao estranha e, mais ainda, obtusa, que se torna proibitiva inclusive para os cientistas comportamentais mais letradas em matemtica.. Praticamente toda a produo acadmica e cientfica no assunto da Lgica Fuzzy tem assumido uma orientao para a Matemtica, para a Engenharia ou, ainda, para a Cincia da Computao. O livro de Smithson foi uma tentativa de diminuir a distncia entre essa teoria e os problemas reais de pesquisa retirados da psicologia da cognio, psicologia social, sociologia e cincia poltica. Mas o que distingue a Lgica Fuzzy da Lgica Clssica? Essencialmente, as teorias de conjuntos formuladas em cada uma delas. De acordo com a teoria clssica dos conjuntos, um elemento pertence ou a um conjunto ou a outro. J para a teoria dos conjuntos fuzzy, um elemento pode pertencer parcialmente a um conjunto. Os conjuntos fuzzy tm graduaes de pertinncia aos conjuntos e tm fronteiras difusas. 2. ASPECTOS METODOLGICOS Este artigo pode ser dividido em duas partes. Na primeira, baseando-se principalmente na literatura corrente, ele apresenta os conceitos fundamentais da Lgica Fuzzy, sem entretanto se aprofundar na formulao matemtica da teoria em funo do carter expositivo que o artigo se prope a assumir. Na segunda parte, por meio de pesquisa bibliogrfica, se expem aplicaes da Lgica Fuzzy ao longo dos tempos aps a migrao dos conceitos nascidos na Engenharia para os campos das Cincias Sociais e Administrao. Sua relevncia torna-se notria por existirem poucas experincias estudadas com relao utilizao da Lgica Fuzzy como instrumento de anlises e formulao de teorias em Administrao. Especialmente no Brasil, identificam-se poucas iniciativas, ainda incipientes, de aplicao da Lgica Fuzzy para os problemas enfrentados pela Administrao nos seus aspectos tericos e empricos. Selltiz et al. (1975, p. 61) coloca que No caso de problemas em que o conhecimento muito reduzido, geralmente o estudo exploratrio o mais recomendado.. A quantidade de pesquisas para este campo de estudos ainda escassa, resultando em um baixo nmero de informaes

provenientes de trabalhos cientficos. Este fato mostra um espao para novos projetos de pesquisa, mas tambm indica um posicionamento para a abordagem deste estudo: exploratrio.

3. PROBLEMA DE PESQUISA E OBJETIVO Em questo esto situaes do tipo que segue. Imagine-se que haja uma cor que se convencione chamar de Cinza. A pergunta que se pe : quando um objeto Cinza?. A teoria clssica dos conjuntos tentaria resolver o problema criando um conjunto denominado Cinza, mas ainda assim o problema persistiria. Quando o Cinza Escuro se tornaria Preto ou, ainda, quando o Cinza Claro se tornaria Branco? A teoria dos conjuntos fuzzy lida com esse problema atribuindo ao elemento graus de pertinncia aos conjuntos Branco e Preto. Quanto mais escuro o cinza, maior seria o seu grau de pertinncia ao conjunto Preto e menor seu grau de pertinncia ao conjunto Branco. Da mesma maneira, o mundo que envolve percepes como o o mundo da administrao de empresas no possui fronteiras ntidas e bem definidas, e repleto de ambigidades e incertezas. Assim, razovel a idia de que, ao se utilizar os conjuntos clssicos na formulao e modelagem de problemas de Administrao, criam-se fronteiras arbitrrias que se tornam, na verdade, zonas sobre as quais reinam os conflitos. Os objetivos deste artigo sobre a Lgica Fuzzy so contribuir para a diminuio do bloqueio causado por sua formulao matemtica e contribuir para a minimizao da distncia entre os conceitos aplicados na Matemtica e na Engenharia e o as possveis aplicaes da Administrao de Empresas. 4. REFERENCIAL TERICO A seguinte reviso bibliogrfica tem o objetivo de estabelecer as bases formais de pesquisa a respeito dos conceitos fundamentais da Teoria dos Conjuntos Fuzzy e sua comparao com a teoria clssica dos conjuntos. O desenvolvimento da lgica formal de alta relevncia que se compreendam os princpios da lgica formal para que se possa abordar como funciona o pensamento racional. Inicialmente, pensa-se que o processo no natural; o pensamento racional aprendido e depois aplicado. De fato, existem muitos termos da lgica que foram desenvolvidos com o objetivo de suportar o pensamento racional. Na representao da linguagem da lgica os fatos, conhecimentos e regras so expressos em forma de predicados e sentenas lgicas. Parsaye e Chignell (1988) indicam que ... a lgica formal tem sido desenvolvida a despeito da tendncia inerente aos seres humanos de apresentarem comportamentos irracionais e comportamentais freqentemente encontrados em tudo menos na lgica.. Assim, pode-se atribuir parte da atrao causada pela lgica formal ao fato dela oferecer um balanceamento irracionalidade de alguns comportamentos humanos.

Parsaye e Chignell (1988) ainda sugerem que essa a razo pela qual os ideais matemticos formais por traz do pensamento e da formulao de oferta e demanda em um sistema de mercado de concorrncia perfeita ainda faz sentido aos economistas. Atravs da Histria, Aristteles tem sido considerado o pioneiro no campo da lgica formal. Na Grcia antiga se utilizava a oratria na defesa ou refutao de idias nos seus debates pblicos. Aristteles, ento, desenvolveu uma tcnica denominada lgica de silogismos para analisar e avaliar argumentos. O exemplo mais clssico do uso da lgica de silogismos aristotlica o seguinte silogismo: Todo homem mortal; A um homem; como concluso, A mortal. Nessa lgica, o argumento consiste em trs proposies: a primeira, chamada premissa maior, a segunda, chamada premissa menor, e a terceira, concluso. Admitida a coerncia das premissas, a concluso se infere da maior por intermdio da menor. O uso da lgica aristotlica implica em que todas as coisas possam ser identificadas como pertencendo a uma categoria ou a outra. No h espao para ambigidade, no h a concepo de parcialmente ou muito tudo existe em categorias mutuamente exclusivas. Por volta de cem anos depois de Aristteles, Chrysippus props a lgica proposicional como forma de se entender as proposies compostas (as sentenas) como verdadeiras ou falsas, dependendo de seus componentes. Mil anos depois, o monge Franciscano ingls William of Ockham (1285-1349 a.C.) desenvolveu a lgica modal no sculo XIV, que inclui conceitos como possibilidade, necessidade, crena e dvida. Em 1854, Boole publicou seu livro An Investigation of The Laws of Thought on Which are Founded the Mathematical Theories of Logic and Probabilities, onde ele traduz os operadores aritmticos de adio, subtrao e multiplicao criando seus equivalentes para a teoria dos conjuntos, ou seja, a operao de unio por meio dos mnimos, a operao de interseco por meio dos mximos e o no de conexo. Essa lgica Booleana foi ento codificada para a lgica simblica por Russell e Whitehead em Principia Methematica, publicado em 1917. Dessa maneira, a fundao da lgica formal geralmente atribuda a Russell e Whitehead (Parsaye e Chignell, 1988). Dessa maneira, quando a lgica clssica aplicada a um conjunto de contendo argumentos e predicados que criam uma sentena para expor um fato, ou quando um conectivo lgico introduzido para formar uma sentena composta, o resultado ou falso ou verdadeiro. No h espao para a ambigidade e a incerteza nas regras da lgica formal. A abordagem para se lidar com a incerteza no raciocnio se deu primeiramente com a teoria das probabilidades de Bayes. A anlise Bayesiana utiliza procedimentos de designao de probabilidades de ocorrncia para eventos; dados so coletados, que so ento utilizados para alterar as probabilidades atribudas, chegando a probabilidades posteriores. A idia da estatstica Bayesiana a de que as opinies anteriores so modificadas por dados para se chegar s opinies posteriores (Phillips, 1973). Todas as incertezas so tratadas como probabilidades de ocorrncia dos eventos.

A probabilidade, entretanto, no ajuda a reconhecer o quanto um evento est realmente acontecendo. A mensurao do quo forte est chovendo, por exemplo, uma medida nebulosa que varia de nenhuma chuva a chuva torrencial, digamos.

O surgimento da Teoria dos Conjuntos Fuzzy O primeiro artigo de Zadeh (1965) introduz os conjuntos fuzzy e as definies matemticas de incluso, unio, interseco, complemento, relao e convexidade como uma derivao da lgica Booleana. Seu trabalho posterior utiliza a Lgica Fuzzy para modelar como as pessoas chegam a concluses quando as informaes disponveis so imprecisas, incompletas, e no totalmente confiveis. Isso se d pela interpretao da linguagem natural por meio dos mecanismos de representao dos conjuntos fuzzy e da teoria da possibilidade. Ainda que os fundamentos da teoria dos conjuntos fuzzy no sejam discutidos, existe controvrsia quanto s aplicaes da Lgica Fuzzy aos eventos do mundo real. A Teoria da Lgica Fuzzy se apresenta, portanto, no como uma panacia para se lidar com a incerteza, mas se apresenta como uma forte alternativa. De fato, Smithson (1987) apresenta a teoria como uma alternativa: O principal valor que encontro na teoria dos conjuntos fuzzy que ela gera alternativas aos mtodos e abordagens tradicionais aumentando, portanto, o campo de possibilidades disponveis aos pesquisadores. Quanto mais alternativas temos, mais vivel se torna a pesquisa de alta qualidade, e menos desculpas temos para assumirmos as opes padronizadas. Quanto mais sofisticadas nossas estruturas conceituais lingsticas, menor a possibilidade de tornarmos triviais e distorcidas nossas questes em nome meramente da tratabilidade.. Fundamentos da Lgica Fuzzy A Lgica Fuzzy no utiliza probabilidades nem trata as incertezas como passveis de aleatoriedade. As teorias que envolvem os conjuntos fuzzy e a Lgica Fuzzy tratam a incerteza e a ambigidade como determinsticas. Onde os tericos da lgica Bayesiana enxergam probabilidades, os tericos da Lgica Fuzzy enxergam diferentes quantidades de pertinncia a eventos que no so provveis, mas so eventos reais. Quando se faz uma srie de inferncias ou declaraes preditivas, esses so predicados modificadores de descries prvias que representam vrios graus de certeza com relao ocorrncia, e que so determinsticos na sua originao. Segundo Kosko (1989), no existe nada de aleatrio nem provvel quando se mede tal informao. O autor nota ainda que : Essa contagem no envolve aleatoriedade. Ela conta quais elementos so idnticos ou similares e com que grau. Os fenmenos em si so determinsticos. O correspondente nmero de ocorrncias que sumariza a situao determinstica tambm determinstico.. As centenas de anos de esforos para o desenvolvimento da teoria da probabilidade como um universo descritivo tm sido desafiadas pela abordagem da teoria da Lgica Fuzzy. Depois que

Kosko (1989) apresentou uma nova prova geomtrica do Teorema da Vizinhana de Conjuntos Fuzzy (Fuzzy Subsethood Theorem), ele ilustrou como se pode concluir que a teoria dos conjuntos fuzzy uma generalizao da teoria da probabilidade, em particular do teorema de Bayes. Segundo o autor, a probabilidade seria um caso especial de vagueza, onde a teoria Bayesiana um subconjunto especial da teoria da Lgica Fuzzy. A Lgica Fuzzy permite que se expresse a incerteza e a ambigidade em um sistema de regras segundo os quais uma concluso no expressa como sendo falsa ou verdadeira, mas sendo verdadeira a determinado grau. O grau de certeza chamado de grau de pertinncia. Como a Lgica Fuzzy trabalha no intervalo entre 0 e 1, no caso de Verdadeiro ou Falso ter-se-ia que o grau de pertinncia de Falso seria zero e o grau de pertinncia de Verdadeiro seria 1. A incerteza teria um grau de pertinncia atribudo entre zero e um. Diversas decises a respeito de novos negcios so tomadas em ambientes e sob condies tais que a ambigidade presente impede que sejam modeladas satisfatoriamente por meio de teorias estatsticas tradicionais ou at mesmo tcnicas Bayesianas. Para lidar com tal tipo de incerteza, Zadeh (1965) introduziu o conceito de Conjuntos Fuzzy (ou Conjuntos Nebulosos). Esse artigo deu origem ao que depois se convencionou chamar de Lgica Fuzzy (ou Lgica Nebulosa). Um conjunto fuzzy um conjunto que reflete classes de elementos e no tem fronteiras bem definidas. Conseqentemente, em um conjunto fuzzy difcil de se distinguirem os elementos que pertencem e que no pertencem ao conjunto. Em contraste, em um conjunto clssico a pertinncia binria, ou seja, um elemento claramente pertence ou claramente no pertence a um conjunto. Gigch e Pipino (1980) mostram que nos conjuntos fuzzy, os conceitos de sim ou no, bom ou ruim, verdadeiro ou falso e preto ou branco so substitudos por conceitos onde existem tanto as verdades parciais quanto as falsidades parciais. Essa simples diferenciao, na verdade, capta a essncia da teoria da lgica fuzzy. A pertinncia em um conjunto clssico pode ser determinada por sua funo caracterstica. Suponha-se que A denote algum conjunto clssico. A funo caracterstica de A definida como sendo: A ( x) = 1 se x A 0 se x A

Note-se que A mapeia o espao universo sobre o qual A definido no conjunto {0 , 1}. Um conjunto fuzzy, por sua vez, definido por sua funo de pertinncia A , que uma ~ generalizao do conceito de uma funo caracterstica. Assim, A : U [0,1] ~ onde U denota o espao universo clssico e [0,1] denote o intervalo fechado. O conjunto de todos os x U para os quais A ( x ) > 0 chamado de suporte do conjunto fuzzy . Se o suporte de ~ finito, ento o conjunto fuzzy pode ser escrito como:

A=
i =1

xi

onde i = A ( xi ) . A pertinncia associada a qualquer elemento no suporte de um conjunto fuzzy ~ a medida do grau em que aquele elemento em particular elemento de . As operaes de unio, interseco e complementao de conjuntos fuzzy podem ser definidas em termos de suas funes de pertinncia. Especificamente, A B ( x) = Max{ A ( x ), B ( x )} ~ ~ ~ ~
~ ~ ~ ~ A B ( x) = Min{ A ( x), B ( x)} ~ ~ A ( x ) = 1 A ( x )

Variveis lingsticas e modificadores lingsticos Ao removermos uma pequena caixa de uma grande pilha, a pilha continuar sendo grande. Aplicando a operao inmeras vezes sobre a pilha, ocorrer que eventualmente restar uma pilha com apenas uma caixa. Um dos problemas que se pe nessa situao : quando uma grande pilha se transforma em uma pequena pilha? Da mesma maneira, quando se remove um funcionrio por vez de uma empresa grande, quando ela se torna uma empresa pequena? Essas transies ocorrem dentro da flexibilidade permitida pela vagueza e inexatido permitidas pela palavra Grande. Grande , portanto, um conceito nebuloso, vago, mal definido, ou no contexto deste estudo, simplesmente uma varivel lingstica. Zadeh (1965) introduziu tambm a idia dos modificadores lingsticos como alguns, poucos, raramente, usualmente, freqentemente, muitos e raramente, que servem para indicar valores numricos s variveis lingsticas. Smithson (1987) conduziu algumas pesquisas a respeito de valores numricos fuzzy associados palavra muitos (several, em Ingls). Ao solicitar que 23 estudantes qualificassem diversos nmeros inteiros de acordo com seus graus de possibilidade quando se dizia a palavra several, ele obteve um certo consenso em seus resultados. Entretanto, uma reviso do estudo conduzida por Zetenyi (1988) indicou que os modificadores lingsticos como several so demasiadamente afetados pelo contexto. Segundo o autor, a freqncia esperada do evento, o tipo de atividade e o leque de alternativas podem cada um afetar o significado de um modificador lingstico. Hormann (1983) ilustrou empiricamente como o contexto pode influenciar na quantidade descrita por um desses modificadores lingsticos. Ele testou, por exemplo, o modificador lingstico alguns (ou a few, em Ingls). Assim, a few assumiu diferentes valores nas seguintes situaes contextualizadas:

Objetos: alguns pes significam 8, ao passo que algumas camisas significaram aproximadamente 4; Tamanho de objetos: alguns carros grandes sugeriu um nmero menor do que alguns carros pequenos; Localizao espacial: algumas pessoas em frente a uma cabana sugeriu um nmero menor de pessoas do que algumas pessoas em frente a um prdio.

Assim, o tamanho de um modificador lingstico alterado pelas alternativas disponveis de modificadores lingsticos. Por essa razo, os conjuntos determinados por modificadores lingsticos devem ser capazes de expandir e contrair dependendo do contexto em que so aplicados. 5. RESULTADOS MODELOS FUZZY DE SISTEMAS UTILIZADOS NA ADMINISTRAO Kaufmann e Gupta (1988) argumentam que os modelos clssicos, apesar de funcionarem bem nos fenmenos simples e isolados, no so suficientemente adequados para tratar dos problemas contemporneos e de suas complexidades, interaes e subjetividades humanas. As ferramentas matemticas determinsticas e probabilsticas tm sido desenvolvidas com base nas teorias convencionais de sistemas que obedecem a regras e variveis bem definidas, como nos sistemas da Fsica. De acordo com os autores, as tentativas de se estender esses modelos e abordagens a sistemas como processos biolgicos e processos scio-econmicos no atingiram sucesso. Uma das aplicaes possveis da lgica fuzzy na administrao apresentada por Kaufmann e Gupta (1989) no processo de oramentao de uma empresa. Seu modelo parte da premissa de que todo novo oramento anual deve ser justificado com base nas atividades a serem desenvolvidas em todas as unidades, departamentos e divises. Como se torna difcil o estabelecimento de um oramento preciso, os autores sugerem que a utilizao de nmeros fuzzy traz resultados mais realistas do que aqueles atingidos no processo determinstico tradicional. De acordo com o modelo apresentado pelos autores, cada centro de deciso da empresa submete para aprovao um ou mais oramentos baseados em diferentes premissas, mas cada um deles deve conter um oramento mnimo, um oramento normal e um oramento mximo. Utilizando-se a teoria dos conjuntos fuzzy, podem-se ilustrar quais combinaes de oramentos podem ser adotadas sem restries, ou ainda adotadas com mnimo risco ou mximo risco para a capacidade de financiamento da empresa. Assim como o trabalho de Kaufmann e Gupta, outras aplicaes da lgica fuzzy tm se desenvolvido nos ltimos anos. Syauh, Hsieh e Lee (2001), por exemplo, utilizaram os conceitos de nmeros fuzzy da teoria dos conjuntos fuzzy para propor um novo sistema de anlise de crdito para empresas em Taiwan, atingindo melhores resultados do que as tcnicas tradicionais. Wang (1999) props a avaliao do seqenciamento de atividades de projetos de desenvolvimento de produtos. De acordo com os resultados do trabalho de Wang, a utilizao da

lgica fuzzy na proposta metodolgica permite cronogramas mais satisfatrios em ambientes turbulentos de desenvolvimento de produtos. Em 1994, Turtle, Bector e Gill (1994) propuseram um mtodo de otimizao de fluxo de caixa em empresas multinacionais utilizando a lgica fuzzy, demonstrando como a anlise de sensibilidade pode ser utilizada em conjunto com a teoria dos nmeros fuzzy para se minimizar os custos associados gesto do fluxo de caixa em empresas que operam com diferentes taxas de cmbio em ambientes volteis. Aplicaes recentes no Brasil A avaliao de desempenho de rodovias concessionadas foi abordada por Cury e Veiga (2003), onde os autores propem um mtodo para avaliao do desempenho de rodovias concessionadas sob a tica do usurio. O intuito dos autores foi utilizar a tecnologia neuro-fuzzy, que congrega as principais vantagens da lgica fuzzy e das redes neurais artificiais, para classificar o desempenho das rodovias concessionadas, com base na percepo de seus usurios, no que diz respeito prestao de servios mdico-mecnicos, manuteno do pavimento e das sinalizaes, ao gerenciamento do trfego, ao valor do pedgio, entre outros. De acordo com as concluses dos prprios autores:
(...) o mtodo proposto pode, inicialmente, atuar como coadjuvante no processo de classificao de rodovias concessionadas de interesse pblico, criando, assim, um ranking sob o ponto de vista do usurio; e, no futuro, aps seu aperfeioamento, poder atuar de forma decisiva nas avaliaes de concesses privadas de rodovias. (Cury e Veiga 2003).

Burlamaqui e Yee (2002) investigaram a aplicabilidade da Teoria dos Sistemas Nebulosos (ou Teoria dos Sistemas Fuzzy) em Sistemas de Informao Geogrfica, implementando-se um sistema para anlise do espao urbano atravs da modelagem e anlise de dados subjetivos Segundo os autores, os resultados encontrados mostram que a aplicao da Teoria dos Sistemas Nebulosos para os Sistemas de Informao Geogrfica eficiente para o processo de tomada de deciso no planejamento urbano e permite uma anlise espacial mais prxima da realidade. O quadro 1, abaixo, sumariza os principais campos de atuao da Lgica Fuzzy nas cincias humanas e sociais, com especial destaque para as aplicaes mais comuns em Administrao. No se pretende que o quadro seja exaustivo, mas sim um indicador dos maiores campos de aplicao atuais da teoria. Quadro 1 Exemplos de aplicaes da Lgica Fuzzy em Administrao.
Descrio e Observao de Fenmenos Psicologia Cincias do Comportamento
Mensurao de funes e graus de pertinncia Confiabilidade de conceitos subjetivos

Modelagem

Projees

Pensamento Humano e Comportamento

Entendimento do julgamento humano Modelos multiatributos de preferncia

Estimao de demanda

10

Design Economia

Sociologia

Censo utilizando escalas e medidas Fuzzy

Avaliao dedesigns com Medidas Fuzzy Teoria geral do equilbrio utilizando a Lgica Fuzzy Modelos de estratificao social utilizando Integral Fuzzy

Avaliao sensorial

Apoio ao processo convencional de design

Modelos Dinmicos Fuzzy dos processos macroeconmico Anlises Fuzzy das redes sociais

Gesto

Avaliao de novos negcios

Marketing

Finanas
Fonte: Adaptado de Nakamura (1995).

Avaliao de Publicidade e Propaganda com medidas Fuzzy Modelagem de anlises de crdito

Previso de demanda por produtos Apoio a fundos de investimento

Gesto de pessoal Avaliao de potencial empreendedor Construo de imagem em Publicidade de Propaganda

6. CONCLUSO As recentes incurses dos conceitos da Lgica Fuzzy nos campos da Administrao de Empresas tem rendido frutos no mbito acadmico. Exemplos disso so os diversos artigos e livros a respeito das aplicaes da teoria em situaes do cotidiano de administradores e tomadores de deciso. O principal desafio existente para a pesquisa em administrao ser a avaliao dos benefcios trazidos pela Lgica Fuzzy aos modelos e metodologias tradicionais e bem fundamentados da moderna gesto empresarial. Caso se constate em futuras pesquisas os benefcios da Lgica Fuzzy aos estudos em administrao, cabe aos pesquisadores e tericos incorporar os conceitos surgidos no campo da Engenharia e da Matemtica aos conceitos usuais de Administrao. O Brasil tem ficado atrs de pases como Japo, Estados Unidos e pases asiticos na utilizao da Lgica Fuzzy mesmo no mbito da Engenharia de Controle ou Engenharia Eletronica. Essa diferena na disseminao da teoria se aplica tambm com relao Administrao. Como sugestes de novos desenvolvimentos tericos e empricos, podem-se mencionar as aplicaes e teorias de Marketing e Gesto Estratgica que utilizam percepes de consumidores e especialistas, respectivamente, traduzidas para valores determinsticos por meio do uso da Lgica Fuzzy. Por fim, virtualmente todos os problemas em que a incerteza, a ambigidade ou a linguagem natural do ser humano relevante apresentam situaes favorveis ao teste de aplicabilidade da teoria da Lgica Fuzzy. 7. BIBLIOGRAFIA

11

BOOLE, G. An Investigation of The Laws of Thought on Which Are Founded the Mathematical Theories of Logic and Probabilities. New York: Dover Publications, 1951. BURLAMAQUI, C. S. e YEE, C.L., Anlises subjetivas do espao urbano: teoria dos sistemas nebulosos aplicada a sistemas de informao geogrfica. So Paulo : EPUSP, 2002. (Boletim Tcnico da Escola Politcnica da USP, Departamento de Engenharia de Construo Civil, BT/PCC/317). CURY, M. V. Q., VEIGA, F. J. P. Mtodo Para Avaliao do Desempenho de Rodovias Concessionadas Sob a tica do Usurio. Instituto Militar de Engenharia, Rio de Janeiro, 2003. GIGCH, J. e PIPINO, L. Form Absolute to Probable to Fuzzy in Decision Making. Kybernetes, v. 19, p. 433-461. KAUFMANN, A. e GUPTA, M. Introduction to Fuzzy Arithmetic. New York: Van Norstrand Reinhold Company, 1985. KOSKO, B. Fuzziness vs. Probability. International Journal of General Systems, v. 17, p. 221240. NAKAMURA, K. Applications of Fuzzy Logical Thinking in Japan: Current and Future. IEEE, p. 1077-1082, 1995. PARSAYE, K. e CHIGNELL, M. Expert Systems for Experts. New York: John Wiley & Sons, 1988. PHILLIPS, L. Bayesian Statistics for Social Scientists. London: Thomas Nelson and Sons Ltd., 1973. SELLTIZ, C. et al. Mtodos de Pesquisa nas Relaes Sociais. So Paulo: EDUSP, 1975. SMITHSON, M. Fuzzy Sets Analysis for Behavioral and Social Sciences. New York: Springer-Verlag, 1987. SYAU, Y; HSIEH, H. e LEE, E. S. Fuzzy Number in the Credit Rating of Enterprise Financial Condition. Review of Quantitative Finance and Accounting, v. 17, n. 4, p. 351-360, 2001. TURTLE, H., BECTOR, C. R. e GILL, A. Using Fuzzy Logic in Corporate Finance: An Example of a Multinational Cash Flow Netting Problem. Managerial Finance, v. 20, n. 8, 1994. YIN, R. K. Case study research: design and methods in applied social research methods. California, EUA: Sage publications, 1989.

12

WANG, J. R. A Fuzzy Set Approach to Activity Scheduling for Product Development. Journal of the Operational Research Society, v. 50, n. 12 p. 1217-1228, 1999. ZADEH, L. A. Fuzzy Sets. Information and Control, v. 8, p. 338-353, 1965 ZETENYI, T. Fuzzy Sets in Psychology. New York: Elsevier Science Publishers, 1988.