XXIII Encontro Nac. de Eng.

de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

Um caso de aplicao da Lgica Fuzzy o Modelo Coppe-Cosenza de

Hierarquia Fuzzy
Olga Moraes Toledo (CEFET-MG, COPPE UFRJ), olga@cefetleo.com.br
Carlos Alberto Nunes Cosenza (COPPE, UFRJ) , cosenza@pep.ufrj.br

Resumo
As aplicaes da Lgica Fuzzy se expandiram em vrias direes. A interpretao atravs da
lgica fuzzy de uma estrutura de dados um caminho muito natural e intuitivamente plausvel
para a formulao e resoluo de problemas. O Modelo Coppe-Cosenza de Hierarquia Fuzzy
tem a Lgica Fuzzy em suas bases. Os sistemas fuzzy so capazes de utilizar, em sua
modelagem, informaes imprecisas e ambguas e tornam este modelo capaz de trabalhar
com uma vasta maioria de problemas de hierarquizao que tm por caracterstica a sua
complexibilidade e a no exigncia de preciso.
Palavras chave: Lgica Fuzzy, Hierarquia Fuzzy, Conceitos Bsicos.
1- Introduo
Aristteles, filsofo grego (384 - 322 a.C.), foi o fundador da cincia da lgica formal, e
estabeleceu um conjunto de regras rgidas para que concluses pudessem ser aceitas
logicamente vlidas. O emprego da lgica de Aristteles leva a uma linha de raciocnio lgico
baseado em premissas e concluses. Como, por exemplo: se observado que "todo ser vivo
mortal" (premissa 1), a seguir constatado que "Sarah um ser vivo" (premissa 2), como
concluso temos que "Sarah mortal".
Conta-se que Epimnides de Creta disse, certa vez: "Todos os cretenses so mentirosos".
Com isso, criou um problema aparentemente sem soluo. Esse impasse pode ocorrer com
paradoxos que dependem do uso de conceitos cujo domnio de referncia inclui o conceito em
si mesmo. No modelo cretense, a simples afirmativa "o que estou dizendo no verdadeiro"
gera uma contradio intrnseca: se a afirmativa verdadeira, est demonstrada a sua
falsidade; se falsa, pode-se entender que contm a verdade. Esse o paradoxo de Creta,
retomado na era moderna por Groucho Marx: "No me interessa pertencer a clubes que me
aceitem como scio".
Esses paradoxos foram expressos matematicamente por Godel e Tarski [Godel, 1962].
Segundo o teorema de Godel, um sistema complexo formalizado (postulado como um
axioma) no pode se auto-avaliar. Isso significa que um sistema lgico de certa complexidade
no pode fugir s suas contradies ocultas.
Acostumou-se a ouvir que o pensamento humano lgico, e de fato o ser humano tenta
remover de seu raciocnio tudo o que contrarie os padres da lgica. Refere-se aqui lgica
formal, que pode ser considerada um representante do conhecimento clssico de mundo. Sua
sistematizao comeou com Aristteles e continuou at os lgicos modernos. Essa espcie
de lgica tem influenciado a filosofia de modo relevante, e vem sendo adotada como modelo
de raciocnio humano. Trata-se de um instrumento indispensvel para fazer raciocnios
operacionais em situaes concretas.
Devido sua complexidade, o pensamento requer uma multiplicidade de sistemas lgicos e
mesmo no-lgicos. Na matemtica, lida-se principalmente com uma lgica do tipo
axiomtico, isto , diz-se que uma proposio demonstrada quando deduzida de outras,
ENEGEP 2003

ABEPRO

XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

aceitas como verdadeiras. Desse modo, o raciocnio lgico-matemtico tem muitas

caractersticas tautolgicas. A mente humana no pode ser vista como uma mquina de
deduzir, uma espcie de engenhoca processadora de signos/smbolos. Ela deve estabelecer
estratgias que tornem possvel evidenciar tautologias a princpio no percebidas.
O homem deve descobrir o mundo e organiz-lo em sua mente. Na maior parte do tempo,
apresentam-se dados nebulosos, vagos, contraditrios. Os especialistas, com suas assertivas
competentes procuram evitar o espectro da impreciso que ronda as cincias do
conhecimento. Porm, em vez de ignorar ou tentar eliminar a impreciso, necessrio
aprender como lidar com ela. Entre o raciocnio lgico a no-lgico h reas de sombra e
mesmo buracos negros. Isso ocorre porque a lgica formal baseada no silogismo, na
deduo e na induo. Ela tautolgica e se baseia na confirmao (deduo) ou na
generalizao (induo) de suas premissas.
A lgica auto-organizacional se desenvolve custa de erros. Avana a partir deles, fazendo
novos progressos e criando estruturas organizacionais diferenciadas. Em 1965, o matemtico
Zadeh elaborou uma teoria qual deu o nome de lgica no-formal ou lgica nebulosa ou
lgica fuzzy (fuzzy logic). Os conjuntos fuzzy so uma generalizao da teoria de conjuntos
convencional idealizada como um caminho matemtico para representar as incertezas da vida
cotidiana [Zadeh, 1965]. A interpretao atravs da lgica fuzzy de uma estrutura de dados
um caminho muito natural e intuitivamente plausvel para a formulao e resoluo de
variados problemas. Crianas rapidamente aprendem como interpretar e implementar
instrues fuzzy, por exemplo, quando determinamos que elas devem ir para cama por volta
das dez horas. Seres humanos assimilam e usam dados fuzzy, regras nebulosas, e informao
imprecisa, pois justamente como se tornam aptos a tomar decises sobre situaes que se
mostram governadas pela casualidade.
As regras dessa lgica variam de acordo com as circunstncias. Com a ajuda de arranjos
nebulosos (fuzzy sets), e da heurstica de modelos tericos imprecisos, possvel uma
aproximao s formas de raciocnio humano. Com essa espcie de lgica, que envolve
axiomas no rigorosos, pode-se usar cadeias de inferncia do seguinte tipo: numa primeira
instncia, "a", depois "b"; numa segunda instncia, "a", depois "no-b"; numa terceira
instncia, "a", depois "mais ou menos b"; e assim por diante.
Uma das primeiras questes formuladas sobre esta lgica, e a que ainda se mostra mais
freqente, a que opta por relacionar impreciso com probabilidade, ou seja, seria a lgica
fuzzy apenas um inteligente disfarce de modelos estatsticos. Certamente que no , e para
ilustrar, temos o exemplo a seguir. Considere o conjunto que contm todos os lquidos do
universo como objetos e o subconjunto L como sendo o de todos os lquidos potveis, ou
apropriados para beber. Suponha que um viajante no deserto, sedento, depara-se com duas
garrafas, A e B, e no rtulo da garrafa A est escrito seu grau de pertinncia ( ) fuzzy com o
conjunto L : (A L) = 0,91 e no rtulo da garrafa B a probabilidade de pertencer a L : prob
(B L) = 0,91. Confrontado com o par de garrafas, devendo escolher apenas uma para beber
e familiarizado com os conceitos bsicos da lgica fuzzy ele imediatamente entende que a
garrafa A pode conter , por exemplo, gua do pntano ou colhida diretamente de um rio, mas
no deve conter lquidos como cido clordrico. O grau de pertinncia 0,91 significa que o
contedo de A razoavelmente similar aos lquidos perfeitamente potveis, como gua
pura. Por outro lado, a probabilidade de B ser potvel igual a 0,91 significa que depois de
vrios experimentos, o contedo de B foi estimado em potvel em 91% dos testes. Neste caso,
a chance de o contedo de B ser desagradvel e possivelmente letal de uma em dez. Ento,
o viajante deve optar por beber gua do pntano, escolhendo a garrafa A .

ENEGEP 2003

ABEPRO

XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

Em resumo, este exemplo mostra que os dois tipos de modelos possuem filosoficamente
diferentes tipos de informao: graus de pertinncia fuzzy representam similaridades de
objetos para definir propriedades imprecisamente e possibilidades que contm informaes
sobre freqncias relativas.
Com base nos conceitos at agora considerados, pode-se dividir o pensamento em dois tipos:
concreto e difuso. O concreto apoiado pela lgica formal e tenta ser exato. Procura eliminar
o erro, a desordem. a ambigidade, a impreciso e a contradio. O pensamento difuso
aproximativo, nebuloso, tenta lidar com a impreciso, a contradio e a ordem/desordem
natural das coisas. Procura pensar simultaneamente em ordem/desordem /organizao, por
meio de processos lgicos e no-lgicos.
A Lgica Fuzzy est vocacionada para a manipulao de conceitos mal definidos utilizando-se
de variveis lingsticas no lugar de variveis numricas. E outro equvoco comum sobre os
modelos fuzzy tem sido a de que eles oferecem uma substituio aos modelos baseados em
lgica formal, ou probabilsticos. De fato, todo conjunto crisp est contido em um fuzzy,
mas no o inverso.
A introduo do uso da lgica fuzzy permite ao modelo a utilizao simultnea de variveis
qualitativas e quantitativas sendo capaz de gerar resultados quantitativos a partir de dados
qualitativos. Segundo Zadeh, quanto maior a complexibilidade de um sistema, maior a
eficincia de um sistema em lgica fuzzy, em detrimento de outros mtodos que no podem
ser modelados a partir de informaes imprecisas ou ambguas, fig 1.1.
Equaes
Matemticas
Mtodos de
Preciso
Do Modelo

Modelagem livre
Sistemas fuzzy

Complexibilidade do sistema
Fig. 1.1 Complexibilidade de um sistema em funo da preciso do modelo

2- O Modelo de Hierarquia Fuzzy

O Modelo de Hierarquia Fuzzy , de um modo geral, um modelo de alocao de recursos que
avalia o nvel de satisfao de um conjunto de atributos/fatores necessrios a um determinado
projeto ou solicitados por ele em contraponto a disponibilidade destes atributos/fatores por
diferentes alternativas. O grau de satisfao medido atravs da comparao da importncia
de cada fator para o projeto e a quantidade e qualidade da disponibilidade deste fator em cada
alternativa. Tem-se que ressaltar tambm que, obedecendo aos pressupostos do modelo
voltados para a hierarquizao das alternativas, o modelo no permite a penalizao de uma
alternativa que no disponha de um fator no solicitado, ou aquela que dispe de mais fatores
que os solicitados, explicitando sua riqueza adicional, podendo atender a outras solicitaes e
capaz de gerar economias externas.
A maior utilidade deste mtodo a tomada de deciso entre diferentes perfis de diferentes
graus de importncia aos fatores gerais e especficos, com elevado nmero de alternativas.
Considere F={fi | 1,...,n} como um conjunto finito de atributos/fatores denotado
~
genericamente como f. Ento o conjunto fuzzy A em f um conjunto de pares ordenados
~
~
A =(f, (f) f r ), onde A a representao fuzzy da Matriz de Solicitao A=(ij)hxm e,
ENEGEP 2003

ABEPRO

XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

~f a funo de pertinncia representando o grau de importncia dos fatores: Crtico,

Condicionante, Pouco Condicionante e Irrelevante.
~
~
De forma anloga, seja B = { (f, B~ (f) ) f F} onde B a representao fuzzy da Matriz de
Disponibilidade B, onde B~ (f) uma funo de pertinncia representando os nveis dos
fatores disponibilizados pelas diversas alternativas: Superior, Bom, Regular e Fraco.
Para cada projeto, as variveis lingsticas podem ser adequadas, determinadas atravs da
hierarquia pretendida.
~
O conjunto A no possui os elementos, apenas explicita os fis desejados, pertencentes
~
apenas a B , definindo os seus contornos: escalas, nveis de qualidade, etc, sob o ponto de
vista da Lgica Fuzzy.
~
~
~
A matriz B que contm os fis atende A por aproximao. O f1 do conjunto A no
~
necessariamente igual ao f1 disponvel em B .
Ento teremos a matriz de Solicitao dos fatores pelos projetos ou das necessidades dos
fatores em relao ao projeto.
Fij Solicitao dos Fatores pelos Projetos
f1

f2

...

fj

...

w1

w2

A1

a11

a12

...

a1j

...

a1n

A2

a21

a22

...

a2j

...

a2n

...

...

...

...

...

...

...

Ai

ai1

ai2

...

aij

...

ain

...

...

...

...

...

...

Am

am1

am2

...

...

amn

wj

amj

fn
wn

Onde :
A1, A2,...,Am o conjunto de atributos solicitados pelos projetos ou necessrios a eles;
f1, f2,..., fn o conjunto de fatores;
w1, w2, ..., wn o grau de importncia de cada fator para o conjunto do projeto;
aij = coeficiente fuzzy do atributo i , com relao ao fator j.
E tambm a Matriz de Disponibilidade dos fatores para as Alternativas, que a matriz que
determina o coeficiente fuzzy destes fatores em relao a sua disponibilidade para cada
alternativa.

ENEGEP 2003

ABEPRO

XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

Fij Disponibilidade dos Fatores para as Alternativas

B1

B2

...

Bk

...

Bm

f1

w1

b11

b12

...

b1k

...

b1n

f2

w2

b21

b22

...

b2k

...

b2k

...

...

...

...

...

...

...

...

fj

wj

bj1

bj2

...

bjk

...

bjn

...

...

...

...

...

...

...

...

Fn

wn

bn1

bn2

...

bnk

...

bnm

Onde:
B1, B2,..., bm o conjunto de alternativas;
w1, w2, ..., wn o grau de importncia dos fatores os projetos;
f1, f2,..., fn o conjunto de fatores;
bjk: coeficiente fuzzy da alternativa k, com relao ao fator j.
~
~ ~
O prximo passo a operao entre as matrizes. Seja ento a matriz C = A B = ( ~c ik)hxm a
matriz representativa do agregado das comparaes de Solicitao/Disponibilidade de cada
~
~
a ij e b jk, executado
fator. Ento o produto ~
a ij b jk = ~c ik , para dois elementos genricos ~
atravs do seguinte operador:
Disponibilidade de fatores (S)
~
~
a ij b jk 0
Requerimento 0
Dos Fatores
...
1

...

0+

1
0++

1
0

Onde:
~c o coeficiente fuzzy da alternativa k com relao ao projeto i e, 0+= 1/n! e 0++ =1/n (n=
ik
nmero de fatores considerados), so as quantidades limites e definidos como nfimo e
pequenos valores (>0). Na realidade, h um infinito nmero de valores ~c ik no intervalo [0,1];
n= nmero de fatores considerados;
~
se ~
a ij = b jk, o indicador ser igual a 1;
~
se b jk > ~
a ij o coeficiente derivado maior do que 1;
~
se ~
a ij > b jk o coeficiente fuzzy igual a zero;
se no h requerimento por um determinado fator, mas existe disponibilidade, os valores fuzzy
so aqueles includos no intervalo [0+, 0++].

ENEGEP 2003

ABEPRO

XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

A matriz de resultados ( ) apresenta os ndices que indicam se todos os fatores requeridos

por determinado projeto esto sendo atendidos pelas alternativas em estudo e representa todas
as possibilidades do projeto em relao a cada alternativa. Definido como :
= [ ik ] , representa ndices em relao aos fatores requeridos, ou seja, o elemento ik
representa o ndice dos fatores satisfeitos na adequao do projeto i na alternativa k. Ento,
estes ndices tero o seguinte significado com relao aos seus valores:
ik = 1 : a alternativa k atende ao requerimento no nvel pretendido;
ik <1 : pelo menos um fator requerido no foi atendido adequadamente;
ik >1 : a alternativa k oferece mais condies do que o requerido.
3- Concluso
O Modelo de Hierarquia Fuzzy um modelo cientfico baseado em lgica fuzzy, cujos dados
sero compilados de modo eficiente e, seguramente, os resultados indicaro quais os pontos
que iro encontrar melhor adequao para a atividade ou evento estudado , dentro das
condies especificadas no requerimento e mapeadas segundo as alternativas pesquisadas, ou
seja dentro da hierarquia pretendida.
O sistema no restrito a aplicaes de estratgias futuras, podendo tambm ser empregado
para confirmar ou monitorar situaes j estabelecidas. vivel tambm a simulao de
alteraes nos dados para prospectar novas configuraes de alternativas.
Vale ressaltar que o principal diferencial do Modelo a incorporao de variveis externas
anlise puramente econmica do projeto em questo. Sendo, portanto, uma ferramenta de
apoio deciso nica capaz de reunir em um s modelo variveis qualitativas e quantitativas,
facilitando seu uso, podendo ser adequado s especificidades de cada projeto.
Portanto, abre-se um infindvel leque de aplicaes, onde a maior preocupao do analista de
projeto deve ser a formatao do sistema, de modo a garantir a consistncia e confiabilidade
dos resultados.
4- Referncias
BEZDEK, J.C., 1993. Fuzzy Models : What are they, and Why?- , IEEE Transactions on Fuzzy Systems,
vol.1, no.1, pp.1-5
COSENZA, C. A. , 1981. - "A Industrial Location Model"- Working paper, Martin Centre for Architctural and
Urban Studies, Cambridge University.
COSENZA, C.A., 1998. Localizao Industrial : Delineamento de uma Metodologia para a Hierarquizao das
Potencialidades Regionais, COPPE/UFRJ.
COSENZA, C.A et alii ,1977.Localizao Industrial no Novo Estado do Rio de Janeiro- Rio de Janeiro,
Relatrio Final do Projeto COPPETEC ET 466/75, COPPE/UFRJ.
GERTNER, Rosane K. , 2000. A Deciso de Localizao Industrial em Mercados Globalizados: Uma
Aplicao do Modelo Cosenza em Empresas do Setor Automobilstico instaladas no Brasil- Rio de Janeiro,
Tese de Doutorado, COPPE/UFRJ.
GDEL, K. 1962. On formally undecidable propositions. Nova York: Basic Books
ENEGEP 2003

ABEPRO

XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

LIMA, F. R. , 1993.- "Estudos de Localizao Industrial: Criao de um Sistema de Anlise Baseado em

Modelos Icnicos Gerados por Aplicaes da Computao Grfica Associadas a Banco de Dados Relacional" Rio de Janeiro, Tese de Doutorado, COPPE / UFRJ.
ROSS, Timothy J, 1995. Fuzzy Logic with engineering applications - , Mc Graw Hill , USA.
ZADEH, Lofti A., 1965 -Fuzzy Sets - , Information and Control, vol.8, pp. 338-352.

ENEGEP 2003

ABEPRO