Escolar Documentos
Profissional Documentos
Cultura Documentos
UNIVERSIDADE ESTÁCIO DE SÁ
PROJETO FINAL II
FINICRED (HERMES)
AUTORES:
NITERÓI
2011
1
FINICRED (HERMES)
UNIVERSIDADE ESTÁCIO DE SÁ
2011
1
Avaliação:
Resultado: ____________________.
Banca Examinadora
Universidade Estácio de Sá
Universidade Estácio de Sá
1
Agradecimentos
Agradecemos a Deus por ter nos dado a vida, sem a qual jamais alcançaria meus objetivos. Ao
professor orientador José Carlos Millan, por aceitar a orientação desse trabalho e pela
paciência, dedicação, sabedoria e constante bom humor, transmitido sempre com muita
confiança e motivação.
Aos nossos conjugues e amigos pela compreensão no período em que estivemos ausentes e
pelo apóio nos momentos de fraqueza.
Aos nossos familiares pela compreensão nos momentos em que estivemos ausentes.
RESUMO
Junho / 2011
ABSTRACT
This Work aims at measuring and managing credit risk and will be developed in
order to evaluate and monitor the financial risk of customers and the operation. Through it is
possible to reduce the losses from insolvency, the opportunity cost of higher provisioning,
assess the risk of extending credit, establish credit limits, increasing the potential for sales of
credit products, among other items that aim to add value for the Organization. Whereas
definitions of credit policy, imposed on the company.
The Hermes system is designed to work with the credit control system that already
exists in the Organization. Addressing the requirements of the company and, unlike all other
existing software, the Hermes system will be flexible, allowing the setting for the company
to use its own model of credit risk in order to monitor and manage the portfolio of future
customers.
1
Sumário
1.0. PROPOSTA DE TRABALHO..............................................................10
1.1 Introdução............................................................................................ 10
portfólio e crédito....................................................................................... 24
2.3.5. Controles....................................................................................... 96
4.1.1. Programação/Desenvolvimento...............................................110
4.1.5. Implementação...........................................................................118
Lista de Tabelas
Lista de Figuras
Lista de Imagens
Diagrama de Classes;
Diagrama de Atividades;
Diagrama de Seqüência.
11
Quantidade Recurso
3 Analistas de Sistemas
Tabela - Recursos Humanos
Software
Quantidade Recurso
1 Impressora HP LaserJet P1102w Pro
3 Notebooks Dell Vostro 1320, com licenças OEM do Microsoft Windows 7
Professional e Microsoft Office 2007 Professional
1 Microsoft Project 2007
1 Microsoft Visio 2007
1 Enterprise Architect
1 Conexão com a Internet
Tabela - Recursos Materiais
Material de Escritório
Quantidade Recurso
20 Resma de folhas - Papel A4
04 Toner para a impressora
20 Caneta
20 Lápis
06 Borracha
01 Grampeador
Tabela - Recursos de Escritório
12
Figura - Cronograma
13
Despesas - Materiais
Fevereiro Março Abril Maio Junho Julho
Resma de folhas - R$ 48,00 R$ 48,00 R$ 48,00 R$ 48,00 R$ 48,00 R$ -
Papel A4
Toner para R$ R$ - R$ - R$ R$ - R$ -
Impressora 100,90 100,90
Caneta R$ 10,00 R$ - R$ - R$ 10,00 R$ - R$ -
Lápis R$ 5,00 R$ - R$ - R$ 5,00 R$ - R$ -
Borracha R$ 1,50 R$ - R$ - R$ 1,50 R$ - R$ -
Grampeador R$ 12,00 R$ - R$ - R$ - R$ - R$ -
Total R$ R$ 48,00 R$ 48,00 R$ R$ 48,00 R$ -
177,40 165,40
Tabela Orçamento do Trabalho 2
Cálculo:
Formulas
Analista de Sistemas.
Valor Mês
Recursos Cálculo
(R$)
Impressora HP Laser Jet R$ 353,98*0,1 R$ 3,53
P1102w Pro
3 Notebooks Dell Vostro 1320 R$ 7.497,00*0,1 R$ 74,97
Microsoft Project 2007 R$ 1.144,00*0,1 R$ 11,44
Microsoft Visio 2007 R$ 690,00*0,1 R$ 6,90
Tabela Custo do dinheiro 1
TOTAL R$
688,60
Tabela - Recursos Materiais
R$
Total por R$ R$ R$ R$
R$ 435,64 10.78
Mês 13.846,74 20.706,24 20.823,64 20.706,24
9,74
Total do orçamento Final R$ 87.308,24
Tabela - Orçamento Final
Mês de Fevereiro
Despesas e Materiais R$ 177,40
Depreciação R$ 161,40
Custo do dinheiro R$ 96,84
Total R$ 435,64
Mês de Março:
Despesas e Materiais R$ 48,00
Despesas de mão e obra R$ 13.540,50
Depreciação R$ 161,40
Custo do dinheiro R$ 96,84
Total R$ 13.846,74
Mês de Abril:
Despesas e Materiais R$ 48,00
Despesas de mão e obra R$ 20.400,00
Depreciação R$ 161,40
Custo do dinheiro R$ 96,84
Total R$ 20.706,24
Mês de Maio:
20
Mês de Junho:
Despesas e Materiais R$ 48,00
Despesas de mão e obra R$ 20.400,00
Depreciação R$ 161,40
Custo do dinheiro R$ 96,84
Total R$ 20.706,24
Mês de Julho:
Despesas de mão e obra R$ 10.531,50
Depreciação R$ 161,40
Custo do dinheiro R$ 96,84
Total R$ 10.789,74
.
21
Solução
Vantagem
Desvantagem
Solução
Utilizando a arquitetura ANFIS (Adaptive Neuro Fuzzy Inference System) que fará
a integração das redes neurais e lógica nebulosa e terá o potencial para capturar os
benefícios de ambos os campos em um quadro único.
Vantagem
Desvantagem
Retirada de critérios de análise humanos, que em certos casos podem ser decisivos
para uma tomada de decisão, como bom senso, criatividade e experiência sensorial.
23
Solução
Vantagem
Desvantagem
Vantagem
Não se torna mais necessário o credor alocar um analista de crédito em cada loja
ou filial. O vendedor imputa os dados no ponto de venda e, logo após submeter essas
informações, receberá a decisão de crédito em sua tela.
Desvantagem
Mesmo que o risco seja controlado, nunca os riscos de segurança serão levados a
zero. Por esse motivo a abertura do sistema para intranet e internet implica em maiores
cuidados com a segurança do sistema de informação.
24
Solução
Vantagem
Desvantagem
Módulo de Escoragem.
Toda a análise, diagramação e implementação serão elaboradas para substanciar os módulos acima
informados.
26
Manter histórico
Efetuar Login
Registrar Proposta
de Crédito
Operador
«include»
Calcular Escore da
Proposta de Crédito
Funcionário «include»
Avaliar decição de
Crédito
Parametrizar Fórmula
de Escoragem
Analista de Crédito «extend»
«include»
Registrar Contrato
«extend»
Selecionar
Amostragem
Supervisionar
Fórmula de
Escoragem
Gerente de Análise de
Crédito
PerfilDoCliente
- bensImoveis: int
- ChequeEspecial: boolean
- email: String
- endereco: String
- EstadoCivil: String
- funcionario: boolean
- IdadeDaContaMaisAntiga: int
- nivelDeInstrucao: String
- numeroDeDependentes: int
- profissao: int
«interface» - profissaoDoConjuge: int
Autenticavel PessoaFisica
- quantidadeDeVeiculos: int
- codigo: String - rendaEstimada: double
- cpf: String - rendaMensalComprovada: int
- dataDeNascimento: Calendar - salario: double
- nome: String - salarioDoConjuge: int
- rg: String - seguroDeAutomovel: boolean
- sexo: Char - telefoneCelular: String
1..*
- tempoConjugeNoEmprego: int
- tempoDeEmprego: int
- tempoDeResidenciaAtual: int
- tetefoneResidencial: String
- tipoDeConta: int
- tipoDeResidencia: int
Funcionario Cliente - tipoDeVinculoEmpregaticio: int
- codigo: String - tipoDeVinculoEmpregaticioDoConjuge: int
- codigo: String
- email: String - perfil: PerfilDoCliente
- endereco: String
- login: String
- matricula: int 1
- senha: String
- telefoneCelular: String
- telefoneResidencial: String
0..*
Contrato
Proposta Prestacao
Operador - codigo: String
- cliente: Cliente - codigoDaProposta: String - codigo: String
- codigo: String 1 1..* - codigoDoContrato: String
AnalistaDeCredito 0..1 - data: Calendar
- data: Calendar - quitado: boolean - dataDeVencimento: Calendar
1
- dataDeAprovacao: Calendar - dataDoPagamento: int
0..1 0..* - quantidadeDeParcelas: int - numero: int
- status: int
- taxaDeJuros: double
- valor: double
- valorDaPrestacao: double
0..*
0..*
GerenteDeAnaliseDeCredito
0..* 0..1
Amostragem Escoragem
RegraDeInferencia
- codigo: String - Amostragem: Amostragem
- codigo: String
- Propostas: [ ] Proposta 1 1 - codigo: String 1 1..* - logica: String
- formula: String
- RegrasDeInferencia: [ ] RegraDeInferencia - nome: String
Segue abaixo a descrição de cada um dos atores que interagem com o sistema
proposto:
Operador
Analista de Crédito
Ator responsável por análises subjetivas de crédito, podendo aprovar uma proposta
que foi negada pelo de sistema.
Classe PessoaFisica
Classe Funcionario
Volume 15 registros.
Inicial
Classe Cliente
Classe PerfilDoCliente
30
Classe Operador
Volume 10 registros.
Inicial
Classe AnalistaDeCredito
Volume 15 registros.
Inicial
Classe GerenteDeAnaliseDeCredito
Volume 4 registros.
Inicial
Classe Proposta
Classe Contrato
Classe Prestacao
32
Classe Amostragem
Classe Escoragem
Classe RegraDeInferencia
Volume 20 registros.
Inicial
Classe Autenticável
Atributo -
Volume 15 registros
Inicial
Existem dois critérios básicos que devem ser observados no projeto de interface:
Fácil de usar: Entenda-se como uma interface que não exige um esforço
demasiado do usuário, fornecendo suporte adequado ao seu nível e à tarefa, sendo
flexível em termos de formatos e entrada, obedecendo a regras simples e
conhecidas, de maneira que seja possível ao usuário definir um modelo conceitual
da interface, e, ao mesmo tempo, permita rápido acesso a todas as operações, bem
como uma execução eficiente das ações submetidas. Atendendo a estes requisitos,
pretende-se suportar tanto usuários novatos quanto experientes.
Fácil de aprender: Está vinculada a usuários novatos. A interface não deve exigir
muito treinamento e deve conciliá-lo com produção, como uma forma de
economizar tempo e incentivar o usuário.
Interfaces do tipo “Login”: são aquelas que tratam das funcionalidades relativas
Interfaces do tipo “Menu”: são aquelas que tratam das funcionalidades relativas a
Interfaces do tipo “Cadastro”: são aquelas que tratam das funcionalidades relativas a
cadastrado de informações.
sistema.
As tela que tratam das funcionalidades relativas à apresentação das opções principais
do sistema, serão apresentadas a seguir:
Freqüência de Todas as vezes que houver novo cliente ou alteração dos dados de um
utilização cliente ou consulta de clientes cadastrados.
Objetivos Listar, a relação de propostas de crédito. Podem estar com status igual “Em
analise” ou “Analise Concluída” pela técnica Fuzzy.
Freqüência de Todas as vezes que houver uma nova proposta de crédito gerada para um
utilização cliente cadastrado.
Freqüência de Todas as vezes que houver necessidade de analisar uma nova proposta de
utilização crédito
Pré-condições:
Pós-condições:
Fluxo Normal
Ator Sistema
Fluxos Alternativos
Ator Sistema
Pré-condições:
- Não existem.
Pós-condições:
- Cliente é cadastrado.
Fluxo Normal
Ator Sistema
Fluxos Alternativos
Ator Sistema
Fluxos Alternativos
Ator Sistema
55
Fluxos Alternativos
Ator Sistema
Pré-condições:
Pós-condições:
Fluxo Normal
Ator Sistema
Pré-condições:
Pós-condições:
Fluxo Normal
Ator Sistema
Fluxos Alternativos
Ator Sistema
57
Ator Sistema
Ator Sistema
Pré-condições:
Pós-condições:
Fluxo Normal
Ator Sistema
Pré-condições:
Pós-condições:
Fluxo Normal
Ator Sistema
Fluxos Alternativos
Ator Sistema
Fluxos Alternativos
Ator Sistema
Pré-condições:
Pós-condições:
- Contrato é registrado.
Fluxo Normal
Ator Sistema
60
Fluxos Alternativos
Ator Sistema
Objetivo: Parametrizar fórmula de escoragem que será utilizada para avaliar o risco da
concessão do crédito.
Pré-condições:
- Nenhuma.
Pós-condições:
Fluxo Normal
Ator Sistema
de escoragem”.
Fluxos Alternativos
Ator Sistema
Ator Sistema
Objetivo: Selecionar créditos concedidos no passado que serão utilizados para estabelecer a
fórmula de escoragem.
Pré-condições:
- Mesmo que pareça estranho, não existe a pré-condição de créditos concedidos no passado.
Porque o ator pode estabelecer um intervalo de seleção aberto, o que possibilita a entrada de
créditos que nesse momento ainda não foram concedidos, mas no momento da escoragem
será um crédito concedido no passado.
Pós-condições:
Fluxo Normal
Ator Sistema
62
Fluxos Alternativos
Ator Sistema
Fluxos Alternativos
Ator Sistema
Objetivo: Incluir regras de inferências que darão suporte a uma aprendizagem supervisionada
da fórmula de escoragem.
Pré-condições:
- Nenhuma.
Pós-condições:
63
Fluxo Normal
Ator Sistema
Fluxos Alternativos
Ator Sistema
Fluxos Alternativos
Ator Sistema
sd 1 - diagrama de sequência_Efetuar_Login_V2
:Form_Tela_Efetuar_Login :Autenticavel
Funcionario
Autenticar()
Mensagem_Autenticado()
7 - Interface Principal()
sd 2 - diagrama de sequência_Cadastrar_Cliente_V2
2 - Cpf_Cliente()
CPF do Cliente()
3 - Verifica_CPF_Cadastrado()
Validado()
Dados do Cliente()
6 - Verifica_Campos_Obrigatórios()
8 - Cadastra_Cliente()
Confirmação de cadastro()
sd 3 - Diagrama de sequência_Manter_Historico_...
:Form :Manter_Historico
Operador
1 -Dados do
Perfil_Cliente()
2 - Manter_Perfil()
Historico_Ok()
sd 4 - Diagrama de sequencia_Registrar_Proposta_de_Creedito_V2
Operador
1 - Seleciona_Plano_Disponivel()
2 - Apresenta_Interface
de proposta de crédito()
3 - CPF do Cliente()
CPF do Cliente()
5 - Informações do Cliente()
Tela_Informação_Cliente()
Perfil Cliente()
6 - Dados_Operação_Desejada()
7 - Botão_Continuar()
Dados_Cliente()
8 - Verifica_Informações()
9 - Registra_Proposta()
Inclui_Cálculo_Score()
10 - Calcula_Score()
Proposta()
sd 5 - Diagrama de sequencia_Calcular_Score_Proposta_Credito
Operador
Envia_dados()
Regras de Inferência()
2 - Calcula Escore()
Avaliação de Risco()
sd 6 - Diagrama de sequencia_Avaliar_Decisao_Credito_V2
Operador
1 - Avaliação de Risco()
Aprovação da Decisão()
4 - Registrar_Contrato()
Contrato()
sd 7 - Diagrama de sequencia_Registrar_Contrato_V2
:Form :Contrato
Operador
Concessão de Contrato()
Tela de Contrato()
2 - Solicita Impressão()
Salvar Contrato()
Feedback da aprovação()
sd 8 - Diagrama de sequencia_Parametriza_formula_de_Escoragem
Gerente de Analise de
Crédito
2 - Parametrização F.Esccoragem()
3 - Seleciona Amostragem()
Solicita R.Inferência()
Regra de Inferência()
5 - Supervisiona F.Escoragem()
6 - Solicita Gravação()
7 - Grava F.Escoragem()
mensagem()
sd 9 - Diagrama de Sequencia_Selecionar_Amostragem_V2
Gerente de Análise de
Crédito
2 - Informações do Filtro()
Opções do Filtro()
Formula de Ecoragem()
Resposta da Amostragem()
Gerente de Analise de
Crédito
Regras de Inferência()
Mensagem()
Inicio
Solicita CPF
Cliente Cadastrado
| Else | Solicia
dados
cliente
| Then |
Registra Proposta de
crédito
Alternativa da proposta
Escolha de proposta
pendente de análise
Resposta da analise
Inicio
Consulta Resposta
Analise Credito
| Else | Informa
Proposta Aprovada Resposta
Analise
| Else |
Fim
Hardware:
Estação de trabalho: possuir padrão Intel Duo Core de 3.0GHz, 2 GB de RAM, disco
rígido 200GB SATA 7200RPM, placa de rede 10/100;
Servidor: possuir Intel Xeon Quad Core de 3.0GHz, 8GB de RAM, disco rígido 1TB
RAID1, Controladora Raid, DVD-RW, placa de rede 10/100/1000, Fonte Real
Redundante 1200 Watts;
Software:
O Windows 7 Professional foi solicitado para ser o SO padrão da empresa para evitar
incompatibilidades com as aplicações e com os compartilhamentos de dados e hardwares,
além da sua instalação e manutenção serem fácies em ambiente corporativo é de fácil
manuseio para os usuários.
77
O Red Hat Enterprise Linux 5 Server foi adotado por ser um sistema seguro, estável,
leve, possui o melhor custo/beneficio e atende todas as necessidades da empresa Finicred e do
sistema Hermes.
Banco de dados
Nome Vantagem Desvantagem Preço
Microsoft
Armazenamento seguro, projetado para operar R$
SQL Server Preço.
com a Internet. 6.530,00
2008 R2
MySQL
Community Grátis. Fácil aprendizado. Recursos limitados. Gratis
Server 5.x
O banco de dados adotado foi o MySQL Community Server 5.x por atender todas as
necessidades do sistema Hermes e ser o melhor em custo/beneficio.
78
Linguagem de Programação
A linguagem de programação adotada foi o Java usando o IDE Eclipse, por ter
portabilidade, segurança, facilidade na implantação, por ser orientado a objetos e robusto,
possui o melhor custo/beneficio e facilita o mapeamento de objetos para o modo relacional,
além de atender todas as necessidades do sistema proposto.
79
Figura - Modularização
80
Script de criação:
CREATE TABLE `banco` (`numero` bigint (20) NOT NULL,
`nome` varchar (255) DEFAULT NULL, PRIMARY KEY (`numero`))
ENGINE=InnoDB DEFAULT CHARSET=latin1;
benimovel
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `benimovel` (`id` bigint (20) NOT NULL AUTO_INCREMENT,
`possuiOnus` bit(1) NOT NULL, `valor` double NOT NULL, PRIMARY KEY
(`id`)) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=latin1;
82
cliente
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `cliente` ( `id` bigint(20) NOT NULL AUTO_INCREMENT,
`cpf` varchar(255) DEFAULT NULL, `dataDeNascimento` datetime DEFAULT
NULL, `nome` varchar(255) DEFAULT NULL, `rg` varchar(255) DEFAULT
NULL, `sexo` varchar(255) DEFAULT NULL, `perfilDoCliente_id` bigint(20)
DEFAULT NULL, PRIMARY KEY (`id`), KEY `FK96841DDAB7A505EB`
(`perfilDoCliente_id`), CONSTRAINT `FK96841DDAB7A505EB` FOREIGN KEY
(`perfilDoCliente_id`) REFERENCES `perfildocliente` (`id`)) ENGINE=InnoDB
AUTO_INCREMENT=2 DEFAULT CHARSET=latin1;
83
conjuge
Objetivo: Armazena dados do cônjuge.
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `conjuge` (`id` bigint(20) NOT NULL AUTO_INCREMENT,
`dataDeEntradaNoEmpregoAtual` datetime DEFAULT NULL, `salario` double
NOT NULL, `tipoDeVinculoEmpregaticio` int(11) DEFAULT NULL,
`profissao_codigoCBO` bigint(20) DEFAULT NULL, PRIMARY KEY (`id`),
KEY `FK9BEB7BCB7DC9DD45` (`profissao_codigoCBO`), CONSTRAINT
`FK9BEB7BCB7DC9DD45` FOREIGN KEY (`profissao_codigoCBO`)
REFERENCES `profissao` (`codigoCBO`)) ENGINE=InnoDB DEFAULT
CHARSET=latin1;
84
endereco
Objetivo: Armazena endereço do cliente
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `endereco` ( `id` bigint(20) NOT NULL AUTO_INCREMENT,
`bairro` varchar(255) DEFAULT NULL, `cep` varchar(255) DEFAULT NULL,
`municipio` varchar(255) DEFAULT NULL, `nomeDoLogrado` varchar(255)
DEFAULT NULL, `numero` int(11) NOT NULL, `tipoDeLogradouro`
varchar(255) DEFAULT NULL, `uf` varchar(255) DEFAULT NULL, PRIMARY
KEY (`id`)) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT
CHARSET=latin1;
85
escoragem
Objetivo: Armazena dados que auxiliam na decisão de crédito
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `escoragem` ( `id` bigint(20) NOT NULL AUTO_INCREMENT,
`descricao` varchar(255) DEFAULT NULL, `nome` varchar(255) DEFAULT
NULL, `dataDeInicioDaAmostragem` datetime DEFAULT NULL,
`dataFinalDaAmostragem` atetime DEFAULT NULL, PRIMARY KEY (`id`))
ENGINE=InnoDB AUTO_INCREMENT=13 DEFAULT CHARSET=latin1;
86
escoragem_regradeinferencia
Script de criação:
CREATE TABLE `escoragem_regradeinferencia` (`Escoragem_id` bigint(20) NOT
NULL, `regrasDeInferencia_id` bigint(20) NOT NULL, UNIQUE KEY
`regrasDeInferencia_id` (`regrasDeInferencia_id`), KEY
`FKC8EBF9CF6106171E` (`regrasDeInferencia_id`), KEY
`FKC8EBF9CF141CB80B` (`Escoragem_id`), CONSTRAINT
`FKC8EBF9CF141CB80B` FOREIGN KEY (`Escoragem_id`) REFERENCES
`escoragem` (`id`), CONSTRAINT `FKC8EBF9CF6106171E` FOREIGN KEY
(`regrasDeInferencia_id`) REFERENCES `regradeinferencia` (`id`))
ENGINE=InnoDB DEFAULT CHARSET=latin1;
87
funcionario
Objetivo: Armazena dados do funcionário
Pk id bigint 20 Não
Volume de dados: 40
Script de criação:
CREATE TABLE `funcionario` (`id` bigint(20) NOT NULL AUTO_INCREMENT,
`cpf` varchar(255) DEFAULT NULL, `dataDeNascimento` datetime DEFAULT
NULL, `nome` varchar(255) DEFAULT NULL, `rg` varchar(255) DEFAULT
NULL, `sexo` varchar(255) DEFAULT NULL, `cargo` varchar(255) DEFAULT
NULL, `login` varchar(255) DEFAULT NULL, `matricula` varchar(255)
DEFAULT NULL, `senha` varchar(255) DEFAULT NULL, `endereco_id`
bigint(20) DEFAULT NULL, PRIMARY KEY (`id`), UNIQUE KEY `id`
(`id`,`matricula`), KEY `FKB3A9C5BBF18422E9` (`endereco_id`),
CONSTRAINT `FKB3A9C5BBF18422E9` FOREIGN KEY (`endereco_id`)
REFERENCES `endereco` (`id`)) ENGINE=InnoDB AUTO_INCREMENT=4
DEFAULT CHARSET=latin1;
perfildocliente
88
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `perfildocliente` (`id` bigint(20) NOT NULL
AUTO_INCREMENT, `dataDeAberturaDaContaMaisAntiga` datetime
DEFAULT NULL, `dataDeEntradaNoEmpregoAtual` datetime DEFAULT NULL,
`email` varchar(255) DEFAULT NULL, `estadoCivil` varchar(255) DEFAULT
NULL, `nivelDeInstrucao` varchar(255) DEFAULT NULL,
`numeroDeDependentes` int(11) NOT NULL, `possuiChequeEspecial` bit(1) NOT
NULL, `possuiSeguroDeAutmovel` bit(1) NOT NULL, `quantidadeDeVeiculos`
int(11) NOT NULL, `rendaEstimada` double NOT NULL,
`rendaMensalComprovada` double NOT NULL,`salario` double NOT NULL,
`tempoDeResidenciaAtualEmAnos` int(11) NOT NULL, `tipoDeResidencia`
varchar(255) DEFAULT NULL, `tipoDeVincluloEmpregaticio` int(11) DEFAULT
NULL, `tipoDeVinculoComCredor` varchar(255) DEFAULT NULL, `conjuge_id`
bigint(20) DEFAULT NULL, `endereco_id` bigint(20) DEFAULT NULL,
`profissao_codigoCBO` bigint(20) DEFAULT NULL, `telefoneCelular_id`
bigint(20) DEFAULT NULL, `telefoneResidencial_id` bigint(20) DEFAULT
NULL, PRIMARY KEY (`id`), KEY `FK9C4FA263C3139308`
(`telefoneResidencial_id`), KEY `FK9C4FA263F18422E9` (`endereco_id`), KEY
`FK9C4FA2639CA874B` (`telefoneCelular_id`), KEY `FK9C4FA2634FB3BE2B`
(`conjuge_id`), KEY `FK9C4FA2637DC9DD45` (`profissao_codigoCBO`),
CONSTRAINT `FK9C4FA2634FB3BE2B` FOREIGN KEY (`conjuge_id`)
REFERENCES `conjuge` (`id`), CONSTRAINT `FK9C4FA2637DC9DD45`
FOREIGN KEY (`profissao_codigoCBO`) REFERENCES `profissao`
(`codigoCBO`), CONSTRAINT `FK9C4FA2639CA874B` FOREIGN KEY
(`telefoneCelular_id`) REFERENCES `telefone` (`id`), CONSTRAINT
`FK9C4FA263C3139308` FOREIGN KEY (`telefoneResidencial_id`)
REFERENCES `telefone` (`id`), CONSTRAINT `FK9C4FA263F18422E9`
FOREIGN KEY (`endereco_id`) REFERENCES `endereco` (`id`))
ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=latin1;
90
perfildocliente_benimovel
Script de criação:
CREATE TABLE `perfildocliente_benimovel` (`PerfilDoCliente_id` bigint(20)
NOT NULL,`bensImoveis_id` bigint(20) NOT NULL, UNIQUE KEY
`bensImoveis_id` (`bensImoveis_id`), KEY `FK2D8E096130E3908C`
(`bensImoveis_id`), KEY `FK2D8E0961B7A505EB` (`PerfilDoCliente_id`),
CONSTRAINT `FK2D8E096130E3908C` FOREIGN KEY (`bensImoveis_id`)
REFERENCES `benimovel` (`id`), CONSTRAINT `FK2D8E0961B7A505EB`
FOREIGN KEY (`PerfilDoCliente_id`) REFERENCES `perfildocliente` (`id`))
ENGINE=InnoDB DEFAULT CHARSET=latin1;
profissao
Objetivo: Armazena o código e o nome das profissões
Script de criação:
91
proposta
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `proposta` (`id` bigint(20) NOT NULL AUTO_INCREMENT,
`data` datetime DEFAULT NULL, `dataDeAprovacao` datetime DEFAULT NULL,
`dataDoPrimeiroVencimento` datetime DEFAULT NULL, `quantidadeDeParcelas`
int(11) NOT NULL, `status` varchar(255) DEFAULT NULL, `taxaDeJuros` double
NOT NULL, `valor` double NOT NULL, `valorDaPrestacao` double NOT NULL,
`cliente_id` bigint(20) NOT NULL, PRIMARY KEY (`id`), KEY
`FKC8ACD154725F4FCB` (`cliente_id`), CONSTRAINT
`FKC8ACD154725F4FCB` FOREIGN KEY (`cliente_id`) REFERENCES `cliente`
(`id`)) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=latin1;
regra
Campo
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `regra` (`id` bigint(20) NOT NULL AUTO_INCREMENT,
`nome` varchar(255) NOT NULL, `pergunta` varchar(255) NOT NULL,
`possuiResposta` bit(1) NOT NULL,`metodo` varchar(255) DEFAULT NULL,
PRIMARY KEY (`id`)) ENGINE=InnoDB AUTO_INCREMENT=22 DEFAULT
CHARSET=latin1;
93
regradeinferencia
Nome do
Chave Tipo do Campo Tamanho Nulo
Campo
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `regradeinferencia` ( `id` bigint(20) NOT NULL
AUTO_INCREMENT, `comparador` varchar(255) DEFAULT NULL, `resposta`
varchar(255) DEFAULT NULL, `regra_id` bigint(20) DEFAULT NULL,
PRIMARY KEY (`id`), KEY `FK23428C8812CAAF6B` (`regra_id`),
CONSTRAINT `FK23428C8812CAAF6B` FOREIGN KEY (`regra_id`)
REFERENCES `regra` (`id`)) ENGINE=InnoDB AUTO_INCREMENT=43
DEFAULT CHARSET=latin1;
94
telefone
Pk id bigint 20 Não
Script de criação:
CREATE TABLE `telefone` (`id` bigint(20) NOT NULL AUTO_INCREMENT,
`ddd` varchar(255) DEFAULT NULL, `numero` varchar(255) DEFAULT NULL,
PRIMARY KEY (`id`)) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT
CHARSET=latin1;
95
2.3.5. Controles
Os controles existem para o funcionamento adequado do sistema e de suas rotinas.
Neste tópico serão apresentados controles de segurança aplicados para garantia da integridade
e continuidade do sistema. Com isso, busca-se reduzir riscos e ameaças, limitando possíveis
danos as informações e ao negócio.
O controle mais adequado ao sistema será o controle por autenticação, que faz parte de
um processo de dois passos, que determina quem pode acessar um determinado sistema. Após
a autenticação do usuário, o sistema confirma se ele é registrado e se sua senha é válida.
O controle de acesso feito no sistema protege os dados que irão ser visualizados,
delimitando quais áreas poderão ser acessadas pelos usuários. Este controle de Autorização
define quais direitos e permissões o usuário tem no sistema, determinando o que ele pode
fazer no sistema. Cada usuário do sistema Hermes terá um login pessoal único e
intransferível. Logo após o cadastro o usuário já poderá utilizar o sistema.
O controle de execução deve identificar o que deve ser monitorado dentro do projeto
como:
Identificar as atividades críticas ou não críticas para o projeto.
Identificar as atividades que representam “gargalo”.
Identificar as atividades responsáveis por custos altos.
Identificar as atividades conclusivas.
96
Recomendações:
• “Backup” Incremental, ou seja, somente dos dados que foram modificados, de Segunda à
Sábado.
• “Backup” Completo semanalmente, aos domingos, de modo há otimizar o tempo gasto nesta
tarefa.
• Garantir que o “backup” esteja sempre atualizado em relação à base de produção.
• Garantir que a volatilidade do “backup” diário seja de uma semana. Com isso, poderão ser
recuperadas informações anteriores há uma semana em relação ao dia em questão.
• Garantir que a volatilidade do “backup” semanal seja de duas semanas, tendo assim duas
mídias dedicadas a essa tarefa.
• A aplicação (página Web) deverá sofrer alterações freqüentemente, e sempre que isso
ocorrer, ela também deverá ser armazenada em uma mídia.
• Durante o desenvolvimento do sistema, o armazenamento dos programas fonte do sistema é
de total responsabilidade da equipe de desenvolvimento.
2.3.6.1. Conceitos
Plano de contingência constitui de um conjunto de procedimentos definidos
formalmente para permitir que os serviços de processamentos de dados continuem a operar,
dependendo da extensão do problema com certo grau de degradação, caso ocorra algum
evento que não possibilite o seu funcionamento normal.
Na busca de uma maior segurança, estas políticas e práticas serão organizadas segundo
um ciclo dividido em: diagnóstico, planejamento, implementação e monitoramento. A
abrangência ou profundidade definida para cada ciclo será discutida e aprovada pelo cliente
de acordo com as necessidades do negócio. Cada etapa de um ciclo irá gerar um conjunto de
produtos, na forma de políticas, procedimentos, práticas e funcionalidades do software.
Na etapa de diagnóstico, será feita uma avaliação do cenário atual da empresa, que
serão subdivididas em:
• Análise de Perímetro: avaliação sistemática das condições da infra estrutura relativas
às ameaças internas e externas. Como partes da avaliação do cenário serão realizados testes de
invasão, sob condições bem definidas;
• Análise de Vulnerabilidade: estratégia e planejamento da empresa relativo à
segurança da informação; análise das políticas existentes, controle de acesso físico e lógico,
configurações do servidor e práticas correntes;
98
Muitos outros artigos e livros surgiram desde então, porém, por um longo período de
tempo, pouco resultado foi obtido.
Em 1949 Donald Hebb foi o primeiro a propor uma lei de aprendizagem especifica para
as sinapses dos neurônios.
Em 1951 foi construído o primeiro Neuro computador, denominado Snark, por Mavin
Minsky. O Snark operava com sucesso, ajustando seus pesos automaticamente, entretanto,
nunca executou qualquer função de processamento de informação interessante, mas serviu de
inspiração para as idéias de estruturas que o sucederam.
não só abriu as portas para a Neuro computação, como também deu à DARPA o status de líder
mundial.
Reconhecimento de padrões
Extração de características
Classificação
Categorização (Clusterizações)
Estimativa e previsão
Otimização
Aproximação de funções.
101
Rede neural artificial (RNA) é uma tentativa de simular o funcionamento das redes
neurais biológicas. É um modelo formado por componentes interligados que trabalham de
maneira paralela e distribuída, cada um destes componentes é conhecido como neurônio
artificial e está fortemente baseado no processamento de um neurônio biológico. A rede é
robusta, ou seja, se um dos componentes parar de funcionar não compromete o funcionamento
total. A rede é capaz de aprender, generalizar e armazenar informações tal como o cérebro
humano.
Os neurônios estão conectados uns aos outros através de sinapses, e juntos formam uma
grande rede, chamada REDE NEURAL. As sinapses transmitem estímulos através de
diferentes concentrações de Na+ (Sódio) e K+ (Potássio), e o resultado disto pode ser
estendido por todo o corpo humano. Esta grande rede proporciona uma fabulosa capacidade
de processamento e armazenamento.
Rede neural artificial (RNA) é uma tentativa de simular o funcionamento das redes
neurais biológicas. É um modelo formado por componentes interligados que trabalham de
maneira paralela e distribuída, cada um destes componentes é conhecido como neurônio
artificial e esta fortemente baseada no processamento de um neurônio biológico.
Perceptron Multicamadas
Esta regra foi proposta por Rosemblatt (1959) e apresenta algumas mudanças em
relação à regra de Hebb. A função de ativação passou a permitir um limiar diferente de zero.
Foi introduzido um fator de aprendizado η (0 < η <= 1), que regula a velocidade de
modificação dos pesos.
O algoritmo de treinamento foi modificado, de forma que não é feita correção nos pesos
quando a rede responde corretamente ao padrão.
Isto se deve ao fato de estarmos habilitados ao raciocínio lógico e exato, de forma que
um dado valor ou característica pertença ou não a um determinado conjunto.
105
Da mesma forma, a representação lógica tradicional proposta por Boole não possibilita
a representação destas imprecisões estas imprecisões ou inconsistências.
A lógica difusa (ou FUZZY Logic), criada por L.A. Zadeh, propõe uma representação de
forma que um determinado valor possa fazer parte de um único conjunto ou de vários, através
de ponderações. Estes são os chamados conjuntos difusos e sugerem a representação de
grandeza qualquer da seguinte forma:
A lógica difusa ou lógica Fuzzy é uma extensão da lógica booleana que admite valores
lógicos intermediários entre o FALSO (0) e o VERDADEIRO (1); por exemplo o valor médio
'TALVEZ' (0,5). Isto significa que um valor lógico difuso é um valor qualquer no intervalo de
valores entre 0 e 1. Este tipo de lógica engloba de certa forma conceitos estatísticos
principalmente na área de Inferência.
A lógica Fuzzy deve ser vista mais como uma área de pesquisa sobre tratamento da
incerteza, ou uma família de modelos matemáticos dedicados ao tratamento da incerteza, do
que uma lógica propriamente dita. A lógica difusa normalmente está associada ao uso da
teoria de conjuntos Fuzzy proposto por Lukasiewicz.
Ao trabalhar com a lógica Fuzzy é comum chamar a lógica booleana de lógica nítida.
106
Muitos pesquisadores de versões booleanas de não aceitam a lógica Fuzzy como uma
verdadeira lógica, no sentido em que aceitam, por exemplo, a lógica modal. Isso pode ser
associado a diferentes fatos, entre eles o fato de muitos modelos permitirem soluções
aproximadas que não correspondem a uma "verdade" lógica.
Inferência difusa
Fazer uma inferência difusa significa aplicar regras do tipo SE X ENTÃO Y de forma
que X e Y, e a própria sentença, sejam noções difusas.
É importante notar que no caso acima, uma versão de uso corrente da lógica difusa, a
regra é igual a uma regra nítida que seria usada em um sistema especialista. Porém, os
conjuntos (ALTO, MÉDIO e BAIXO para temperatura, por exemplo) permitem graus de
pertinência, onde uma temperatura pode ter algum grau em todos os conjuntos, enquanto em
um sistema nítido, apenas um valor seria possível.
Outra forma de inferência difusa é aplicar regras como o modus ponens e modus tolens.
Isso permite várias variações. Em uma delas, sabendo que "A implica B" de forma nítida, e
tendo apenas um valor difuso de A, é possível calcular o valor de B.
Conjuntos difusos
Veja que o princípio é o mesmo aplicado a lógica difusa, onde o grau de veracidade
pode passar a variar entre 0 e 1.
Para cada conjunto, então, é criada uma função de pertinência, que indica o grau de
pertinência de seus elementos. Normalmente, essa função é criada de forma a representar
algum conceito impreciso, como "ser alto".
ANFIS em resumo, é um sistema híbrido entre redes neurais e lógica Fuzzy, que utiliza
informações lingüísticas da lógica Fuzzy e capacidade de aprendizagem de uma Rede
Neural Artificial, combinando o que existe de melhor em cada tecnologia.
O sistema tem uma rede com arquitetura de 4 camadas. As camadas são chamadas de
L1, L2, L3 e L4.
L3 é a camada de premissa e seu objetivo é calcular a ativação das premissas das regras
fuzzy. Cada unidade nesta camada corresponde a uma determinada regra. As unidades em
L3 implementam o operador AND em valores fuzzy, e ele simplesmente calcula uma função
mínima. Pesos de conexão entre as camadas L1 e L2, e L2 e L3 são fixados para 1.
A quarta camada, a L4, implementa unidades de saída, uma para cada classificação (no
caso de classificação de clientes, um para cada tipo de cliente, por exemplo, Bom, Mau,
Intermediário, etc.) Os pesos de conexão entre as camadas L3 e L4 são treinados utilizando,
pelo menos um algoritmo de médias quadráticas. As ligações entre premissas e classificações
de regras fuzzy são armazenadas nestes pesos.
O sistema raciocinador neuro fuzzy oferece uma maneira simples para um especialista
de crédito criar um classificador neuro-fuzzy com base no conhecimento prévio do cliente,
porque o sistema NFR correspondente é diretamente extraído do modelo fuzzy, que é muito
próximo ao modelo verbal.
4.1.1. Programação/Desenvolvimento
Conforme os requisitos levantados, o sistema será de forma incremental.
Primeiramente, será desenvolvida toda a parte de cadastramento do funcionário para que
possa se tornar apto, o acesso do mesmo ao sistema. Em seguida, a prioridade será o próprio
ambiente. Para esta tarefa será alocado um profissional altamente qualificado com o intuito de
prover melhores resultados, tanto na funcionalidade, como na navegabilidade.
4.1.2. Testes
A construção de um software é complexa e sujeita a falhas em diversos pontos do seu
desenvolvimento. Para garantir a qualidade de um software é necessário que vários testes
sejam realizados para detectar possíveis falhas.
O teste estrutural ou teste da caixa branca é o teste que tem a finalidade de garantir que
as operações internas do produto apresentem o desempenho esperado. O objetivo deste teste
são os seguintes:
Fluxograma
Complexidade ciclomática
V(G) P + 1 = 3 + 1 = 4;
Caminhos Independentes
C1 = 1 - 14;
C2 = 1 – 2 – 3 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9 – 8 – 9 – 10 – 11 – 12 - 13;
C3 = 1 – 2 – 3 – 2 – 3 – 4 – 6 – 7 – 8 – 9 – 8 – 9 – 10 – 11 – 12 - 13;
C4 = 1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9 – 10 – 11 – 12 – 13;
C5 = 1 – 2 – 3 – 2 – 3 – 4 – 6 – 7 – 8 – 9 – 10 – 11 – 12 – 13;
C6 = 1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9 – 8 – 9 – 10 – 11 – 12 – 13;
C7 = 1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9 – 10 – 11 – 12 – 13;
C8 = 1 – 2 – 3 – 4 – 6 – 7 – 8 – 9 – 8 – 9 – 10 – 11 – 12 – 13;
C9 = 1 – 2 – 3 – 4 – 6 – 7 – 8 – 9 – 10 – 11 – 12 – 13;
113
-Fluxograma
Figura -
Complexidade
Ciclomática
115
Complexidade ciclomática
V(G) P + 1 = 2 + 1 = 3;
Caminhos Independentes
C1 = 1-2-3-7;
C2 = 1-2-4-5-7;
C3 = 1-2-4-6-7;
116
4.1.4. Treinamento
O treinamento será dividido em sessões diárias de duas horas onde participarão os
funcionários que operacionalizarão o sistema. O treinamento será na própria empresa
simulando uma rotina de trabalho que compreenda todas as fases do processo, podendo assim
realizar todas as fases do sistema. Cada usuário terá seu micro conectado à rede onde
aprenderão sobre as facilidades da nova ferramenta e de sua interface especifica. Junto a isto
será distribuído o manual do usuário. Haverá a divisão de grupos por perfil de usuário.
4.1.5. Implementação
Para que não haja maiores problemas, o supervisor participará da fase de
implementação, e tomará conhecimento das eventuais dificuldades que possam vir a surgir na
execução do processo. A implementação será realizada da seguinte forma:
Implantação do servidor:
Instalação do Sistema Operacional;
Instalação do Antivírus;
Instalação do Banco de Dados;
Instalação do Servidor Apache;
Definição dos Usuários;
Implementação do Esquema de Banco de Dados.
118
Recursos 03 Notebooks (1- Itautec Pentium Dual CPU Core Inside, Placa de vídeo
Materiais integrada, 2 GB de memória RAM, 160GB de HD, DVD-RW e Monitor LCD
17’’, com Windows XP Profissional Service Pack 3 com 64 bits);
FASE 02
Recursos 03 Notebooks (1- Itautec Pentium Dual CPU Core Inside, Placa de vídeo
Materiais integrada, 2 GB de memória RAM, 160GB de HD, DVD-RW e Monitor LCD
17’’, com Windows XP Profissional Service Pack 3 com 64 bits);
FASE 03
Descrição Testes.
Recursos 03 Notebooks (1- Itautec Pentium Dual CPU Core Inside, Placa de vídeo
Materiais integrada, 2 GB de memória RAM, 160GB de HD, DVD-RW e Monitor LCD
17’’, com Windows XP Profissional Service Pack 3 com 64 bits);
119
FASE 04
Recursos 03 Notebooks (1- Itautec Pentium Dual CPU Core Inside, Placa de vídeo
Materiais integrada, 2 GB de memória RAM, 160GB de HD, DVD-RW e Monitor LCD
17’’, com Windows XP Profissional Service Pack 3 com 64 bits);
FASE 05
Recursos 03 Notebooks (1- Itautec Pentium Dual CPU Core Inside, Placa de vídeo
Materiais integrada, 2 GB de memória RAM, 160GB de HD, DVD-RW e Monitor LCD
17’’, com Windows XP Profissional Service Pack 3 com 64 bits);
Ambiente de trabalho.
FASE 06
Recursos 03 Notebooks (1- Itautec Pentium Dual CPU Core Inside, Placa de vídeo
Materiais integrada, 2 GB de memória RAM, 160GB de HD, DVD-RW e Monitor LCD
17’’, com Windows XP Profissional Service Pack 3 com 64 bits);
4.3. Cronograma
O cronograma para realização das fases previstas para o plano de implementação é
apresentado a seguir:
Figura - Cronograma
4.4. Orçamento
Investimentos (Bens e equipamentos)
Fevereiro Março Abril Maio Junho Julho
Impressora HP LaserJet R$ - R$ - R$ - R$ - R$ - R$ -
P1102w Pro
3 Notebooks Dell Vostro R$ - R$ - R$ - R$ - R$ - R$ -
1320
Microsoft Project 2007 R$ - R$ - R$ - R$ - R$ - R$ -
Microsoft Visio 2007 R$ - R$ - R$ - R$ - R$ - R$ -
Total R$ - R$ - R$ - R$ - R$ - R$ -
Despesas - Materiais
122
Tabela - Orçamento
123
Cálculo do Salário
Valor/Hora Valor/Dia Totais Valor
Recursos Qtd (R$) Horas/Dia (R$) Dias/Mês Meses Total
(R$)
Analista 3 42,50 8 1.020,00 22 3,8 85.272,00
de
Sistema
TOTAL 3 42,50 8 1.020,00 22 3,8 85.272,00
Tabela - Orçamento
124
5.0. CONCLUSÃO
O processo decisório relativo à concessão de crédito é totalmente baseado em
informações e em conhecimento. O aperfeiçoamento dos processos de apóio a decisão de
crédito se beneficia do desenvolvimento e aplicação de processos de conhecimento nas
instituições financeiras. A predição do risco de inadimplência possibilita redução dos custos,
maximiza as receitas e proporciona maior disponibilidade de recursos para operações
regulares.
Considerando que o aumento sucessivo das perdas com a inadimplência contribui para a
redução da lucratividade e rentabilidade dos bancos, o resultado é o de comprometer
negativamente o retorno dos acionistas e dos demais supridores de capital.
Lançando uso da tecnologia de Sistema Especialista (que tem por objetivo simula o
conhecimento e tomada de decisão humana), o sistema Hermes Implanta a tecnologia da
lógica difusa ou lógica Fuzzy que é uma extensão da lógica booleana que admite valores
lógicos intermediários entre o FALSO (0) e o VERDADEIRO (1); por exemplo o valor médio
'TALVEZ' (0,5). Isto significa que um valor lógico difuso é um valor qualquer no intervalo de
valores entre 0 e 1.
Qualquer uma dessas sugestões traria um ganho para empresa, tornando-a cada vez
mais competitiva.
127
7.0. GLOSSÁRIO
Palavra Significado
SCC Sistema de Controle de Crédito.
8.0 BIBLIOGRAFIA
DAVIS, Michele E. e PHILLIPS, Jon A. – Aprendendo PHP & MySQL: um guia passo a
passo para a criação de web sites dinâmicos, movidos a banco de dados; tradução Rita
Sussekind... [et AL.]. 1 ed. – Rio de Janeiro: Alta Books, 2008.
Craig Larman – Utilizando UML e Padrões 2° Edição – Uma introdução à análise e ao projeto
orientado a objetos e ao processo Unificado – Editora Bookman 2004 – Reimpressão 2006.
NEURO – FUZZY And Soft Computing (JYH – Shing Rosen Jang). (Chuem – Tsay Sun)
(Eiji Muzutani).
Zoran Sevarac. Neuro Fuzzy Reasoner for Student Modeling. Disponível em:
http://neuroph.sourceforge.net/Neuro%20Fuzzy%20reasoner%20for%20student
%20modeling.pdf. Acesso em: 1 fev. 2011.
Cássia Yuri Tatibana e Daisi Yuki Kaetsu. Redes Neurais. Disponível em:
http://www.din.uem.br/ia/neurais/ . Acesso em: 1 fev. 2011.
Artigos da Internet – home Page - ECRED, Tecnologia Web para a Gestão e Análise de Risco
de Crédito. Paradigma Internet – Link -
http://www.paradigma.com.br/Solucoes/ecred/funcionamento_ecred/view.
http://en.wikipedia.org/wiki/Credit_score
131
C. J. Harris, C. G. Moore & M. Brown; “Intelligent control: Aspects of Fuzzy Logic and
Neural Nets”; World Scientific, 1993; ISBN 981-02-1042-6
Kosko, Bart; “Neural networks and fuzzy systems: a dynamical systems approach to machine
intelligence”; Prentice-Hall International, 1992; ISBN 0-13-612334-1
Earl Cox; “The Fuzzy Systems Handbook : a Practitioner's Guide to Building, Using and
Maintaining Fuzzy Systems”; Professional, 1994 ; ISBN 0-12-194270-8