Escolar Documentos
Profissional Documentos
Cultura Documentos
LogicaFuzzyESuasAplicacacoes - Dc.uel
LogicaFuzzyESuasAplicacacoes - Dc.uel
Rx, y]
(13)
Enquanto a segunda projeo pela seguinte formula:
R2(x,y) = [
Rx, y]
Ento a primeira projeo ter os seguintes valores de pertinncia:
R1 = ( (1, 0.8) ; (2, 0.8) ; (3, 1) )
E a segunda ter os seguintes valores:
R2 = ( (5, 1) ; (6, 1) ; (7, 1) )
21
4.2.2. Composio de relaes fuzzy
A composio de relaes fuzzy a parte mais importante deste capitulo.
Atravs dela que muitos sistemas de controle fuzzy, utilizam para realizar a
inferncia. A composio trabalha com duas relaes, supondo que uma relao
de X x Y e a outra Y x Z, a composio permite formar uma nova relao do tipo X
x Z Porm existem vrias verses de composio que sero mostradas a seguir.
Composio Max-min
Como o prprio nome diz, ele ir utilizar o mximo ( v ) e o mnimo ( ^ ).
Supondo duas relaes fuzzy R1(x,y) e R2(y,z), e deseja-se encontrar a R3(x,z). A
composio de R1 com R2 so representadas por R1 R2, tendo a frmula 14:
R1 R2(x,z) = [
R1x, y^R2y, z]
(14)
Ele semelhante ao processo de multiplicao de duas matrizes, como
veremos nesse exemplo. R1 e R2 tero as seguintes matrizes de representao das
pertinncias de suas relaes de X x Y e Y x Z respectivamente.
R1 =
1 0.4 0
0.5 0.7 0.9
0.2 1 0.4
e R2 =
0.8 0.9 1
0.6 0.3 0.8
0.1 0.2 0.4
R1 R2 =
1 0.4 0
0.5 0.7 0.9
0.2 1 0.4
0.8 0.9 1
0.6 0.3 0.8
0.1 0.2 0.4
Com a primeira de linha de R1 com a primeira coluna de R2 temos a seguinte
clculo:
1 0.4 0
0.8
0.6
0.1
= [1 ^ 0.8] v [0.4 ^ 0.6] v [0 ^ 0.1]
= 0.8 v 0.4 v 0
= 0.8
22
Percebe-se que o processo semelhante a uma multiplicao de matrizes,
onde a soma representado por ( v ) e a multiplicao representado por ( ^ ).
Realizando a composio completa obtm a seguinte matriz:
R1 R2 =
0.8 0.9 1
0.6 0.5 0.8
0.6 0.3 0.8
Composio Max-Produto
Pelo nome este processo de composio ir usar o mximo e a
multiplicao. Tendo a frmula 15:
R1 R2(x,z) = [
R1x, y R2y, z]
(15)
Utilizando os mesmo dados do exemplo tem-se a resoluo:
R1 R2 =
1 0.4 0
0.5 0.7 0.9
0.2 1 0.4
0.8 0.9 1
0.6 0.3 0.8
0.1 0.2 0.4
A primeira linha de R1 e primeira linha de R2.
1 0.4 0
0.8
0.6
0.1
= [1 0.8] v [0.4 0.6] v [0 0.1]
= 0.8 v 0.24 v 0
= 0.8
Realizando todo processo temos:
R1 R2 =
0.8 0.9 1
0.42 0.45 0.56
0.6 0.3 0.8
Composio Max-mdia
Em relao ao processo de composio anterior, este utiliza a soma ao
invs da multiplicao. Porm o grau de pertinncia pode alcanar valores maiores
que 1, portanto dividido por 2. Assim temos a equao 16:
R1<+>R2(x,z) = [
(26)
Percebe-se que foi utilizado a composio max-min para encontrar a funo
de pertinncia de B, enquanto a funo (x,y) a funo de pertinncia da
relao de implicao .
Uma relao de implicao uma regra do tipo se-ento. Para determinar
uma relao deve-se determinar o tipo de operao de implicao fuzzy. As
operaes de implicao fuzzy recebem como entrada os valores de entrada (A(x))
recebidas da fuzzificao, e os valores de sada (B(x)) contidas na inferncia, e o
resultado da operao o dado de sada da relao de implicao.
35
Existem vrios tipos de operadores de implicao como aritmtico,
Booleano, drstico entre outros. Na tabela 5 mostra as principais operaes de
implicao:
Tabela 5 Operaes de implicao
Nome Operaes de Implicao
[ A(x) , B(y) ] =
Interpretao de
SENO
m, Zadeh Max-Min max( min( A(x) , B(y) ), (1- A(x) ) ) And
c, Mandami min min( A(x) , B(y) ) Or
p, Produto Larsen A(x) * B(y) Or
a, Aritmtico min( 1, (1- A(x) + B(y)) ) And
b, Booleano max( (1- A(x)) , B(y) ) And
bp, Produto Saltado max( 0, (A(x) + B(y) -1) ) Or
dp, Produto Drstico A(x), se B(y) = 1
B(x), se A(y) = 1
0, se A(y)<1, B(y)<1
Or
s, Seqncia Padro 1, se A(x) B(y)
0, se A(x) > B(y)
And
, Gougen 1, se A(x) B(y)
B(y)/ A(x), se A(x) > B(y)
And
g, Gdelian 1, se A(x) B(y)
B(y), se A(x) > B(y)
And
Fonte: Fuzzy and Neural Approaches in Engineering
Voltando ao programa para o controle de peso, para exemplificar, ser
necessrio determinar uma varivel fuzzy, que ser estado e escolher os valores
fuzzy de ao, que sero trs valores, palito, magro, normal, gordo e
elefante, que tambm tero suas funes de pertinncia ilustrada na figura 23 :
36
Figura 23 - Grfico da pertinncia da sada de inferncia
Atravs destes valores, e dos valores determinadas na fuzzificao ter o
seguinte conjunto de regras do tipo se-ento:
1. SE peso leve E altura baixo ENTO condio normal SENO;
2. SE peso leve E altura mediano ENTO condio magro SENO;
3. SE peso leve E altura alto ENTO condio palito SENO;
4. SE peso mdio E altura baixo ENTO condio gordo SENO;
5. SE peso mdio E altura mediano ENTO condio normal SENO;
6. SE peso mdio E altura alto ENTO condio magro SENO;
7. SE peso pesado E altura baixo ENTO condio elefante SENO;
8. SE peso pesado E altura mediano ENTO condio gordo SENO;
9. SE peso pesado E altura alto ENTO condio normal;
Determinada a estrutura da inferncia, inicia-se ento o processo de
inferncia.
Pelos dados recebidos da fuzzificao representados na tabela 6, sero
disparadas as regras 2 e 5.
37
Tabela 6 Resultado da fuzzificao
Peso Altura
leve, Leve(55) = 0.5 mediano, Mediano(1.75) = 0.75
mdio, Medio(55) = 0.25
Ento primeiramente analisa-se a regra 2.
O peso, altura e estado so o x, h e y respectivamente, enquanto leve,
mediano e magro so A1, A2 e B respectivamente. Os valores apresentados pela
fuzzificao com seus graus de pertinncia so o A1 para representar o leve com
os graus de pertinncia 0.5, e o A2 representa o mediano com grau de pertinncia
0.75. Enquanto ao B representa o magro, porm no se sabe quanto ser sua
pertinncia. Com isso resulta na seguinte regra MPG:
Se x A1 E h A2 Ento y B
x A1 E h A2_________
y B
O E (and) em questo representado como mnimo, e o OU (or) o
mximo. Como o A1 tem grau de pertinncia 0.5 e A2 tem 0.75, ento ser
escolhido o A1 com grau de pertinncia de 0.5.
No ser possvel encontrar exatamente o valor da pertinncia de B, porm
ser possvel encontrar uma funo de pertinncia baseada na funo de
pertinncia de B.
Ser utilizado a formula 26, mas antes ter que definir qual operao de
implicao para determinar a funo da relao de implicao. Ser utilizado a
operao de Mandami min para exemplificar, tendo a formula:
(x,y) = c [ A(x) , B(y) ]
= min( A(x) , B(y) )
(27)
Ento temos os conjunto de A1, A1 e B apenas destacando alguns pontos
onde a pertinncia diferente de zero para simplificar a matriz que ser feita.
A1 = ( (45, 0.5) ; (50, 1) ; (55, 0.5) )
Esboando o grfico da figura 24:
38
Figura 24 Elementos do conjunto A1
A1 = ( (55, 1) )
Esboando o grfico da figura 25:
Figura 25 Elemento do conjunto A1
B = ( (5, 0.5) ; (10, 1) )
Esboando o grfico da figura 26:
39
Figura 26 Elementos do conjunto B
Resulta na seguinte relao R:
R = ( ( (45, 5), 0.5) ; ( (45, 10), 0.5) ; ( (50, 5), 0.5); ( (50, 10), 1); ( (55, 5),
0.5); ((55, 10), 0.5) )
Resultando na seguinte matriz de relaes R:
R =
. .
.
. .
A partir destes dados pode se encontrar B da formula abaixo:
B(y) = A1(x) R(x,y)
=
. .
.
. .
=
. .
Resultando o grfico de B na figura 27:
40
Figura 27 Composio dos conjuntos de A e R(regra 2)
Como a regra 5 foi disparada tambm, deve se fazer os mesmo processo,
que estar simplificado no grfico da figura 28:
Figura 28 Processo simplificado da inferncia (regra 5)
Como foi usado a operao de implicao Mamdami min, sada da inferncia
vai ser a unio (or) dos conjuntos B adquiridas pela regras disparadas (2 e 5).
Obtendo grfico da figura 29:
41
Figura 29 Resultado da inferncia
E assim possuindo a seguinte funo de pertinncia na equao 28:
=
()
(28)
5.3. Defuzzificao
o contrrio da fuzzificao, ao invs de transformar um dado quantitativo
em um termo nebuloso, ele transforma o dado nebuloso em dado quantitativo.
Quando um aluno recebe a noticia do professor que sua nota foi tima, logo o
aluno percebe que sua nota foi 9 ou maior. A defuzzificao tem um impacto
significante no desempenho no controlador fuzzy. Por tanto existem diversos
mtodos para a defuzzificao, mas o importante escolher o mtodo que melhor
se adequar ao problema.
Sero mostrados 3 principais mtodos de defuzzificao, para mostrar como
sero utilizados os mtodos, sero definidos alguns parmetros de entrada para as
frmulas que sero apresentadas para cada mtodo, e usando o programa de
controle de peso.
Como visto na formula 28 adquirida pela inferncia tero o seguinte universo
de pontos, u = [ -4 ; -2 ; 0 ; 2 ; 4 ; 6 ; 8 ; 10 ; 12 ; 14 ], claro que quanto mais pontos
melhor a qualidade da defuzzificao, sero utilizados poucos para facilitar a
42
compreenso.
5.3.1 Mtodo Centride
um dos mtodos mais utilizados na defuzzificao. Este mtodo encontra
o centro geomtrico dos valores de sada fuzzy. Segue a formula 29:
u*=
*saida(
)
n
i=1
saida(
)
n
i=1
(29)
Agora utilizando a formula para defuzzificar e os dados obtidos pela
inferncia do programa de controle de peso ficar da seguinte maneira pela equao
30:
u* =
. + .+.+.+.+.+.+.+.+.
.+.+.+.+.+.+.+.+.+.
= 6.0845
(30)
O resultado da defuzzificao foi 6.0845, ento o programa finalmente vai
retornar ao usurio e recomendar que ele engorde cerca de 6kg.
5.3.2 Mtodo Centro das Somas
uma variao do mtodo centride, um mtodo caracterizado por conta
trechos de interseco mais de uma vez, diferente do mtodo centride conta
apenas uma vez. Segue a frmula 31:
43
u* =
=
N
i=1
=
N
i=1
(31)
Agora utilizando os dados obtidos pela inferncia do programa de controle
de peso ter os clculos representado na equao 32:
u* =
+.+ +.+ +.+ +(.+)
+.++.++. + +(.+)
= 6.162
(32)
O resultado da defuzzificao foi 6.162, ento o programa vai retornar ao
usurio e recomendar que ele engorde cerca de 6kg tambm.
5.3.3Mtodo da Mdia dos Mximos
o mtodo que busca retornar o ponto que possui o maior grau de
pertinncia, porm no universo existe mais de um ponto com grau de pertinncia
mxima. Ao invs de pegar um ponto aleatrio realiza-se uma mdia entre eles. Tm
a formula 33:
u* =
=
(33)
Agora utilizando os dados obtidos pela inferncia do programa de controle de
peso ter os clculos representado na equao 34:
u* =
+++
= 9
(34)
44
O resultado da defuzzificao foi 9, ento o programa vai retornar ao usurio
e recomendar que ele engorde cerca de 9kg, j este mtodo teve um valor bem
maior que os mtodos anteriores porm, o interessante deste mtodo sua
simplicidade.
45
6. APLICAES DA LGICA FUZZY
Apesar de a lgica fuzzy ter sido criado nos Estados Unidos, o pas que
comeou utilizar esta tecnologia de forma massiva foi o Japo a partir dos anos
oitenta. Abaixo segue uma tabela com a lista de produtos do Japo e da Coria do
Sul de 1992:
Tabela 7 Aplicaes da lgica fuzzy
Produto Companhia Funo da lgica fuzzy
Ar condicionados Hitachi
Matsushita
Mitsubishi
Sharp
Previne a grande variao da
temperatura ao ser regulada e
consume menos energia.
Freios anti-trava Nissan Controle dos freios em casos de
perigo, baseado na velocidade e da
acelerao do carro e da roda.
Motor de carro NOK/Nissan Controle da injeo do combustvel e
da ignio, atravs do controle do
qunatidade de oxignio, resfriamento
da gua, RPM, volume do
combustvel, ngulo da manivela,
rudo, presso dos tubos.
Transmisso do
carro
Honda,
Nissan,
Subaru
Muda de marcha de acordo com a
acelerao do motor, estilo de dirigir,
e condies da rua.
Misturador de
produtos qumicos
Fuji Eletric Misturas qumicas baseadas nas
condies da plantas.
Mquina copiadora Canon Ajusta a voltagem do tambor de
acordo com a densidade da imagem,
temperatura e umidade.
46
Produto Companhia Funo da lgica fuzzy
Controle de
navegao
Isuzu,
Nissan,
Mitsubishi
Baseado na velocidade e acelerao
do carro ajustado o controle da
velocidade.
Lavador de pratos Matsushita Ajusta o ciclo de lavagem, o enxge
e estratgias de lavagem de acordo
com os nmeros de pratos, e pelos
tipos e quantidades de comida
incrustadas nos pratos.
Secador Matsushita Converte o tamanho da carga, e o
tipo de tecido, e circula o ar quente
para secar estrategicamente.
Controle do elevador Fujitec,
Mitsubishi Eletric,
Toshiba
Reduz o tempo de espera dos
usurios baseado no trfico de
passageiros.
Controle de
fabricao
Omron Listas de tarefas e estratgias das
linhas de montagens.
Sistema de
diagnostico de Golf
Maruman Golf
Escolha do clube de golfe baseada
no fsico e tacada dos jogadores.
Administrao de
sade
Omron Mais de 500 regras fuzzy e avalia a
sade e o bom estado do
empregado.
Umidificador Casio Ajusta a umidade contida de
acordo com as condies da sala.
Controle de moinho
de ferro
Nippon Steel Combina as entradas de conjuntos
de tempo e temperatura.
Controle de forno Mitsubishi Chemical Mistura de cimento.
Forno microondas Hitachi,
Sanyo,
Sharp,
Toshiba
Configura e ajusta a fora e a
estratgia de cozinhar.
Fonte: Fuzzy Thinking, The new science of fuzzy logic.
47
Percebe-se que existem vrias aplicaes da lgica fuzzy executam a
funo de controle, configurao, ajuste, e combinaes de variveis. E os grandes
benefcios da maioria dos produtos apresentados so da economia de energia, e
melhor controle e configurao dos equipamentos. Esta tecnologia pode ser aplicada
em muitas reas para os mais variados propsitos.
W. J. Parkinson and K.H. Duerre, projetaram um sistema fuzzy determinar a
melhor tcnica para a recuperao de leo do cho de forma otimizada. O objetivo
extrair aproximadamente dois teros do leo que no pode ser extrado pelas
tecnologias atuais.
Shigeru Kageyama e colegas desenvolveram um mtodo fuzzy experimental
que otimiza o tempo e a quantidade de insulina que o paciente diabtico ir receber
atravs da bomba de insulina.
Hiroyuki Okada desenvolveu um sistema fuzzy que permite a classificao
de ttulo para investimento, verificando se o mesmo seguro ou no. Ao mesmo
tempo o sistema utiliza redes neurais para a adaptao das funes de pertinncias.
No Japo na cidade de Sendai, os metrs utilizam sistema de controle fuzzy
para a acelerao e frenagem do trem, tornando as paradas e sadas precisas e
mais suaves.
48
7. CONCLUSO
A modelagem de um sistema fuzzy pode acrescentar inmeras vantagens
em relao as modelagens tradicionais. Atravs da utilizao de uma linguagem
natural que dentro da teoria chamado de varivel e valor fuzzy busca evitar a
utilizao de regras rgidas impostas pelos especialistas diminuem a habilidade de
condicionar solues de problemas mais complexos.
A utilizao da lgica fuzzy na implementao de sistemas de controle, ou de
tomadas de deciso facilitam no desenvolvimento tambm devido desta tecnologia
permitir uma aproximao do raciocnio humano atravs da utilizao de variveis e
valores fuzzy.
A capacidade da lgica fuzzy em descrever ou classificar detalhes de forma
gradual, permite uma aproximao muito maior da realidade que marcada por ser
um sistema complexo de muitas variveis e valores ambguos e inexatos.
49
REFERNCIAS
CAMPOS FILHO, Pio. Mtodo para apoio deciso na verificao da
sustentabilidade de uma unidade de conservao, usando lgica Fuzzy. 2004.
Disponvel em: <http://teses.eps.ufsc.br/defesa/pdf/7823.pdf>
KOSKO, Bart. Fuzzy Thinking, The new science of fuzzy logic. Hammersmith:
Flamingo, 1994.
AGUIAR, Hime; JUNIOR, Oliveira. Inteligncia Computacional Aplicada
Administrao, Economia e Engenharia Matlab. Thomson Learning, 2007.
MALUTTA, Csar. Mtodo de apoio tomada de deciso sobre adequao de
aterros sanitrios utilizando a Lgica Fuzzy. 2004.
Disponvel em: <http://teses.eps.ufsc.br/defesa/pdf/11633.pdf>.
MCNEIL, Martin F.; THRO, Ellen. Fuzzy Logic: A Practical Approach. Chestnut
Hill, MA, EUA: AP Professional, 1994.
TSOUKALAS, Lefteri H.; UHRIG, Robert E.. Fuzzy and Neural Approaches in
Engineering. Nova Iorque, NY, EUA: Wiley Interscience, 1997.
SHAW, Ian S. e SIMES, Marcelo Godoy. Controle e Modelagem Fuzzy. So
Paulo: Editora Edgard Blcher, 1999
BARROS, Laecio Carvalho de & BASSANEZI, Rodney Carlos Tpicos de lgica
fuzzy e biomatemtica. Campinas, UNICAMP-IMECC, 2006.
STURM, Wilerson Sturm. Avaliao do potencial de uso da lgica fuzzy para a
identificao de indicadres de competncia no currculo lattes. Curitiba, 2005.
Disponvel em:
<http://www.ppgte.cefetpr.br/semanatecnologia/comunicacoes/logica_fuzzy_na.pdf>
ZADEH, Lotfi A.; FU, King-sun;TANAKA, Kokichi, SHIMURA, Masamichi. Fuzzy sets
and their applications to cognitive and decision processes. Academic Press, Inc.
New York San Francisco London ,1975.
ZIMMERMANN, H. J. Fuzzy sets theory and its applications. Boston: Kluwer,
1991.