CARVALHO | ABE
Algoritmo para-analisador
Não sou especialista no assunto, mas tenho
acompanhado o crescimento da lógica paraconsis-
tente anotada como uma moderna ferramenta para
resolver problemas que desafiam o raciocínio lógico
tradicional.
Em particular, como integrante do Programa de
Pós-Graduação em Engenharia de Produção da
Universidade Paulista, UNIP, posso constatar na
instituição o desenvolvimento de inúmeros
trabalhos utilizando essa abordagem. Entre eles
destacam-se artigos apresentados em congressos e
periódicos, dissertações de mestrado e teses de
doutorado, culminando agora com o lançamento do
presente livro, obra dos dois principais estudiosos
do assunto no ambiente universitário de que
participo. Externo, pois, minha alegria pelo
surgimento desta publicação, que, certamente, será
de grande utilidade a todos os interessados nesta
metodologia, indiscutivelmente útil e atual.
Pedro Luiz de Oliveira Costa Neto
www.blucher.com.br
Uma das grandes realizações de nossa época foi a edificação das
lógicas não clássicas, que são ou complementares ou rivais da
Grau de evidência contrária
lógica clássica, cuja origem remonta a Aristóteles.
Diversas são as lógicas complementares da clássica, tais como a lógica temporal, a
lógica modal e a lógica deôntica. Dentre as lógicas rivais, destacam-se a
intuicionista, a fuzzy e a paraconsistente. Convém lembrar que uma lógica não
clássica pode, muitas vezes, funcionar, de acordo com as circunstâncias, ora como
lógica rival, ora como lógica complementar da clássica.
FÁBIO ROMEU DE CARVALHO
A lógica paraconsistente nasceu motivada por questões de índole teórica, de
É Doutor em Engenharia pelo Departamento de Engenharia
interesse principalmente filosófico e matemático, bem como por problemas de Produção da Poli/USP; Mestre em Filosofia (na área de
originados pelas ciências experimentais, por exemplo a física. Não obstante, ela Lógica) pela FFLCH/USP; Especialista em Avaliação no
Grau de evidência favorável
acabou encontrando as mais variadas aplicações em áreas tais como computação, Ensino Superior pela Faculdade de Educação da UnB;
Graduado em Engenharia Elétrica pela Poli/USP; Bacharel e
robótica, tráfego aéreo e de trens, distribuição de energia em grandes usinas,
TOMADAS DE DECISÃO
Licenciado em Matemática pela Faculdade de Filosofia,
programação, redes neurais, pesquisa operacional etc.
Ciências e Letras Oswaldo Cruz, e Pedagogo, com as
Convém notar que uma lógica pode ser encarada como um mecanismo de habilitações Administração e Supervisão Escolar, pelas
inferência e de sistematização teórica, ou como formalismo de natureza técnica e
informática. É sobretudo sob este prisma que os autores deste livro desenvolvem TOMADAS DE DECISÃO COM Faculdades Integradas Princesa Isabel.
FERRAMENTAS DA LÓGICA
suas aplicações. Ademais, a obra tem basicamente em mira duas metas: 1) expor
as ideias centrais de uma categoria de lógica paraconsistente, a saber, a lógica
anotada; 2) tratar de aplicações desta última em tomadas de decisão,
PARACONSISTENTE ANOTADA
particularmente em Engenharia de Produção.
Não há dúvida de que esta obra será de enorme utilidade para uma vasta gama de
leitores, desde pessoas interessadas em conhecer a lógica paraconsistente anotada,
até engenheiros, cientistas e filósofos que desejarem ter uma noção tanto do
domínio da paraconsistência, quanto das correspondentes aplicações técnicas.
FÁBIO ROMEU DE CARVALHO
Este excelente texto é o resultado, acima de tudo, da grande capacidade didática
dos autores, bem como da experiência que possuem no domínio da JAIR MINORO ABE JAIR MINORO ABE
paraconsistência.
É Bacharel e Mestre em Matemática Pura pelo Instituto de
Matemática e Estatística da USP; Doutor em Filosofia
Newton C. A. da Costa (na área de Lógica) pela FFLCH/USP; e Livre-Docente pelo
Departamento de Informática Médica da Faculdade de
Medicina da mesma Universidade.
Tomadas de decisão com ferramentas
da lógica paraconsistente anotada
Fábio Romeu de Carvalho
Jair Minoro Abe

Lançamento 2011
ISBN: 9788521206071
Formato: 17x24 cm
Páginas: 214

Não sou especialista no assunto, mas tenho
acompanhado o crescimento da lógica paraconsis-
tente anotada como uma moderna ferramenta para
resolver problemas que desafiam o raciocínio lógico
tradicional.
Em particular, como integrante do Programa de
Pós-Graduação em Engenharia de Produção da
Universidade Paulista, UNIP, posso constatar na
instituição o desenvolvimento de inúmeros
trabalhos utilizando essa abordagem. Entre eles
destacam-se artigos apresentados em congressos e
periódicos, dissertações de mestrado e teses de
doutorado, culminando agora com o lançamento do
presente livro, obra dos dois principais estudiosos
do assunto no ambiente universitário de que
participo. Externo, pois, minha alegria pelo
surgimento desta publicação, que, certamente, será
de grande utilidade a todos os interessados nesta
metodologia, indiscutivelmente útil e atual.
Pedro Luiz de Oliveira Costa Neto
www.blucher.com.br
CARVALHO | ABE
Algoritmo para-analisador
Uma das grandes realizações de nossa época foi a edificação das
lógicas não clássicas, que são ou complementares ou rivais da
Grau de evidência contrária
lógica clássica, cuja origem remonta a Aristóteles.
Diversas são as lógicas complementares da clássica, tais como a lógica temporal, a
lógica modal e a lógica deôntica. Dentre as lógicas rivais, destacam-se a
intuicionista, a fuzzy e a paraconsistente. Convém lembrar que uma lógica não
clássica pode, muitas vezes, funcionar, de acordo com as circunstâncias, ora como
lógica rival, ora como lógica complementar da clássica.
FÁBIO ROMEU DE CARVALHO
A lógica paraconsistente nasceu motivada por questões de índole teórica, de
É Doutor em Engenharia pelo Departamento de Engenharia
interesse principalmente filosófico e matemático, bem como por problemas de Produção da Poli/USP; Mestre em Filosofia (na área de
originados pelas ciências experimentais, por exemplo a física. Não obstante, ela Lógica) pela FFLCH/USP; Especialista em Avaliação no
Grau de evidência favorável
acabou encontrando as mais variadas aplicações em áreas tais como computação, Ensino Superior pela Faculdade de Educação da UnB;
Graduado em Engenharia Elétrica pela Poli/USP; Bacharel e
robótica, tráfego aéreo e de trens, distribuição de energia em grandes usinas,
TOMADAS DE DECISÃO
Licenciado em Matemática pela Faculdade de Filosofia,
programação, redes neurais, pesquisa operacional etc.
Ciências e Letras Oswaldo Cruz, e Pedagogo, com as
Convém notar que uma lógica pode ser encarada como um mecanismo de habilitações Administração e Supervisão Escolar, pelas
inferência e de sistematização teórica, ou como formalismo de natureza técnica e
informática. É sobretudo sob este prisma que os autores deste livro desenvolvem TOMADAS DE DECISÃO COM Faculdades Integradas Princesa Isabel.
FERRAMENTAS DA LÓGICA
suas aplicações. Ademais, a obra tem basicamente em mira duas metas: 1) expor
as ideias centrais de uma categoria de lógica paraconsistente, a saber, a lógica
anotada; 2) tratar de aplicações desta última em tomadas de decisão,
PARACONSISTENTE ANOTADA
particularmente em Engenharia de Produção.
Não há dúvida de que esta obra será de enorme utilidade para uma vasta gama de
leitores, desde pessoas interessadas em conhecer a lógica paraconsistente anotada,
até engenheiros, cientistas e filósofos que desejarem ter uma noção tanto do
domínio da paraconsistência, quanto das correspondentes aplicações técnicas.
FÁBIO ROMEU DE CARVALHO
Este excelente texto é o resultado, acima de tudo, da grande capacidade didática
dos autores, bem como da experiência que possuem no domínio da JAIR MINORO ABE JAIR MINORO ABE
paraconsistência.
É Bacharel e Mestre em Matemática Pura pelo Instituto de
Matemática e Estatística da USP; Doutor em Filosofia
Newton C. A. da Costa (na área de Lógica) pela FFLCH/USP; e Livre-Docente pelo
Departamento de Informática Médica da Faculdade de
Medicina da mesma Universidade.
 CONTEÚDO

INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

CAPÍTULO 1 A LÓGICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.1 Conceitos preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2 A Lógica Clássica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3 As Lógicas Não Clássicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4 A Lógica Paraconsistente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.5 Lógica Paraconsistente Anotada (LPA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.6 Reticulado associado à Lógica Paraconsistente Anotada . . . . . . . . . . . . . . . . . 30
1.7 Axiomatização da Lógica Paraconsistente Anotada Q  

CAPÍTULO 2 A LÓGICA PARACONSISTENTE ANOTADA EVIDENCIAL E . . . 37

2.1 Aspectos gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2 O reticulado das constantes de anotações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3 O conectivo da negação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.4 Os conectivos da conjunção, disjunção e implicação . . . . . . . . . . . . . . . . . . . . 42
2.5 Quadrado unitário do plano cartesiano (QUPC) . . . . . . . . . . . . . . . . . . . . . . . . 43
2.6 O reticulado τ e os estados de decisão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.7 Operadores da lógica Eτ (NOT, MÁX e MÍN) . . . . . . . . . . . . . . . . . . . . . . . . . 49

CAPÍTULO 3 REGRA DE DECISÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

3.1 Considerações gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2 O nível de exigência e a regra de decisão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

CAPÍTULO 4 O PROCESSO DE TOMADA DE DECISÃO:

Método Paraconsistente de Decisão (MPD) . . . . . . . . . . . . . . . 59
4.1 Considerações iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2 Etapas do Método Paraconsistente de Decisão (MPD) . . . . . . . . . . . . . . . . . . . 60

00_MPD_Abertura.indd 13 02/08/2011 08:30:52

 14 Tomadas de Decisão com Ferramentas da Lógica Paraconsistente Anotada

4.2.1 Fixação do nível de exigência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

4.2.2 Escolha dos fatores de influência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.2.3 Estabelecimento das seções para cada fator . . . . . . . . . . . . . . . . . . . . . 62
4.2.4 Construção da base de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2.5 Pesquisa de campo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2.6 Cálculo das anotações resultantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.2.7 Determinação do baricentro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.2.8 Tomada de decisão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

CAPÍTULO 5 PROGRAMA DE CÁLCULOS PARA O MÉTODO

PARACONSISTENTE DE DECISÃO (PC DO MPD) . . . . . . . . . . 75
5.1 Busca das opiniões dos especialistas na base de dados, uma vez
conhecido o resultado da pesquisa (etapa 5) . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.2 Obtenção dos valores resultantes da evidência favorável e da evidência
contrária para cada um dos fatores (etapa 6) . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.3 Cálculo dos valores dos graus de evidência, favorável e contrária, do
baricentro (etapa 7) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.4 A tomada de decisão (etapa 8) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.5 A construção do algoritmo para-analisador (gráfico) . . . . . . . . . . . . . . . . . . . . 84

CAPÍTULO 6 EXEMPLOS DE APLICAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . 91

6.1 Decisão sobre a abertura de um novo curso superior por uma instituição
de ensino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.1.1 Fixação do nível de exigência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.1.2 Seleção dos fatores de influência e estabelecimento das seções . . . . . . 94
6.1.3 Construção da base de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.1.4 Pesquisa de campo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.1.5 Obtenção dos graus de evidências favorável e contrária
resultantes para os fatores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.1.6 Obtenção dos graus de evidências favorável e contrária do baricentro. . 100
6.1.7 Análise dos resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.1.8 Análise da viabilidade do curso X na região Y, em outro cenário. . . . . 101
6.2 Análise da viabilidade do lançamento de um produto . . . . . . . . . . . . . . . . . . . . 103
6.2.1 Fixação do nível de exigência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.2.2 Escolha dos fatores de influência e o estabelecimento das seções . . . . 104
6.2.3 Construção da base de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.2.4 Pesquisa de campo e cálculo dos graus de evidência favorável
e de evidência contrária resultantes para os fatores e os do baricentro. . 108
6.2.5 Análise dos resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

00_MPD_Abertura.indd 14 02/08/2011 08:30:52

 Conteúdo 15

6.3 Avaliação do projeto de uma fábrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

6.3.1 Fixação do nível de exigência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.3.2 Escolha dos fatores e estabelecimento das seções . . . . . . . . . . . . . . . . 119
6.3.3 Construção da base de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.3.4 Pesquisa de campo e obtenção dos resultados. . . . . . . . . . . . . . . . . . . . 122
6.3.5 Análise dos resultados e decisão final . . . . . . . . . . . . . . . . . . . . . . . . . . 124
6.3.6 Fidedignidade do MPD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.3.7 Influência do nível de exigência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.4 Análise de viabilidade da implantação de um sistema de manufatura que
utiliza tecnologias avançadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.4.1 Coeficiente de desempenho de um novo sistema de manufatura
comparado com o antigo, para um determinado fator de influência . . . 131
6.4.2 Fixando o nível de exigência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.4.3 Identificando os fatores de influência (atributos ou indicadores) . . . . . 133
6.4.4 Estabelecendo as seções para os fatores de influência . . . . . . . . . . . . . 134
6.4.5 Construção da base de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.4.6 Análise de viabilidade da implantação de um Sistema Flexível
de Manufatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
6.4.7 Análise dos resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.5 Previsão de diagnósticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
6.5.1 Construção da base de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
6.5.2 Cálculo do grau de certeza resultante para cada doença em decorrência
dos sintomas apresentados pelo paciente . . . . . . . . . . . . . . . . . . . . . . . 146
6.5.3 A obtenção do diagnóstico previsto. . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.5.4 Restrição para aceitar o diagnóstico previsto . . . . . . . . . . . . . . . . . . . . 153

CAPÍTULO 7 COMPARAÇÃO ENTRE O MÉTODO PARACONSISTENTE

DE DECISÃO (MPD) E O MÉTODO ESTATÍSTICO DE
DECISÃO (MED) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
7.1 Um exemplo para consubstanciar a comparação . . . . . . . . . . . . . . . . . . . . . . . 163
7.2 Uma breve revisão do método estatístico de decisão (MED) . . . . . . . . . . . . . . 165
7.3 Comparação entre MPD e MED: a distribuição do grau de certeza (H) . . . . . . 167
7.4 Comparação entre MPD e MED: a curva normal aderente (CNA) . . . . . . . . . . 170
7.5 A comparação entre MPD e MED: comparando as decisões . . . . . . . . . . . . . . 173
7.6 Uma outra visão da aplicação da estatística. . . . . . . . . . . . . . . . . . . . . . . . . . . . 175

CAPÍTULO 8 UMA VERSÃO SIMPLIFICADA DO MÉTODO FUZZY

DE DECISÃO E SUA COMPARAÇÃO COM O MÉTODO
PARACONSISTENTE DE DECISÃO . . . . . . . . . . . . . . . . . . . . . 179
8.1 Versão Simplificada do Método Fuzzy de Decisão (VSMFD) . . . . . . . . . . . . . 179

00_MPD_Abertura.indd 15 02/08/2011 08:30:52

 16 Tomadas de Decisão com Ferramentas da Lógica Paraconsistente Anotada

8.1.1 Fundamento teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179

8.1.2 Aplicação da Lógica Fuzzy em tomadas de decisão . . . . . . . . . . . . . . . 183
8.1.3 Uma aplicação simples da VSMFD . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
8.1.4 Outra aplicação da VSMFD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
8.2 Um exemplo mais elaborado para a comparação dos dois métodos . . . . . . . . . 186
8.2.1 Solução pelo Método Paraconsistente de Decisão – MPD . . . . . . . . . . 187
8.2.2 Solução pela Versão Simplificada do Método Fuzzy (VSMFD). . . . . . 191
8.3 Comparação entre os dois métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194

CAPÍTULO 9 LEITURA COMPLEMENTAR:

um exemplo do cotidiano . . . . . . . . . . . . . . . . . . . . . . . . . . 199

BIBLIOGRAFIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205

00_MPD_Abertura.indd 16 02/08/2011 08:30:52

 c a p í t u l o 1

A Lógica

1.1 Conceitos preliminares

Neste capítulo será feito um apanhado da lógica, desde a clássica até paraconsistente
anotada, para dar ao leitor uma visão geral dessa ciência. Entretanto, a ferramenta
básica para o sistema de apoio à decisão que será analisado está no Capítulo 2, lógica
paraconsistente anotada evidencial Eτ. Sendo assim, o leitor mais informado poderá,
com pouco prejuízo para o entendimento do método de decisão, passar diretamente
para o Capítulo 2.
Considerando que este é um trabalho de aplicação da lógica em Engenharia,
permitir-se-ão alguns abusos de linguagem e algumas imprecisões que não condizem
com essa ciência (lógica). Isto será feito para torná-lo mais intuitivo e assimilável pelo
leitor não familiarizado com a lógica, permitindo-lhe apreender com mais facilidade
alguns conceitos elementares. É evidente que o assunto não será esgotado.
Para as proposições lógicas normalmente atribui-se a qualidade de falsa ou ver-
dadeira, associando-lhe um valor-verdade “falso” (F ou 0) ou “verdadeiro” (V ou 1).
Para relacionar as sentenças entre si, são usados os conectivos. Os quatro
mais comuns são: negação (¬), conjunção (), disjunção (), implicação (→) e
bi-implicação (↔).
O conectivo da negação (¬) faz a negação de uma sentença. Por exemplo, sendo
p a sentença “João é mortal”, sua negação ¬p significa “João não é mortal”.
Chama-se de valoração a função V: F → {1; 0}, ou seja, a função definida
no conjunto de sentenças F sobre o conjunto de valores-verdade {1; 0} ou {V; F}.
Assim, se p ∈ F é verdadeira, V (p) = 1 e se p é falsa, V (p) = 0. Considerando o
princípio clássico da negação “Se uma sentença é verdadeira, a sua negação é falsa
e vice-versa”, temos:

V (p) = 1 ‹=› V (¬p) = 0 (‹=› significa “se, e somente se,”).

O conectivo da conjunção () permite traduzir dois predicados do mesmo ser. Por
exemplo, a sentença A ≡ “João é aposentado e viúvo”, que tem o mesmo significado lógico

01_MPD_Cap_01.indd 21 28/07/2011 13:08:36

 A Lógica 23

Observe que: V (p  q) = mín {V (p), V (q)} e

V (p  q) = máx {V (p), V (q)}.
As sentenças simples do tipo p ou q são chamadas de fórmulas atômicas; as
compostas do tipo A = ¬p, B = p  q, C = p  q, D = p → q e E = p ↔ q são cha-
madas fórmulas da linguagem formal.

1.2 A Lógica Clássica

Neste parágrafo serão apresentados, sem preocupação com excesso de rigor e com
riqueza de detalhes, alguns conceitos importantes relativos à parte dedutiva da lógica
clássica.
I) O primeiro conceito diz respeito à regra (de inferência) de modus ponens, que
permite, a partir das fórmulas A e A → B, inferir B, ou seja, se A e A → B, então B.
Essa regra de inferência é de extrema importância no estudo da lógica e é
A, A → B
representada da seguinte maneira: .
B
Se A e A → B forem verdadeiras, B também o será.
II) Outro conceito que se destaca é o de demonstração (ou prova), definido
como sendo uma sequência finita de fórmulas (A1, A2, ..., An) (n ≥ 1), tal que, qualquer
que seja k, 1 ≤ k ≤ n:
a) ou Ak é um axioma;
b) ou Ak foi obtido de Ai e Aj, com i < k e j < k, pela aplicação da regra de
modus ponens.
Ai , A j Ai , Ai → A k
ou , onde Ai → Ak é Aj
Ak Ak

III) Diz-se que uma fórmula A da linguagem é um teorema, se existir uma

demonstração (A1, A2, ..., An) (n ≥ 1), tal que An = A. A sequência (A1, A2, ..., An)
chama-se demonstração de A. Representa-se: A.
IV) Seja G um conjunto de fórmulas (G = {B1, B2, ..., Bm}, por exemplo). Uma
dedução, a partir de G, é qualquer sequência finita de fórmulas (A1, A2, ..., An) (n ≥ 1),
tal que, para todo k, 1 ≤ k ≤ n:
a) ou Ak é um axioma;
b) ou Ak é um elemento de G;
c) ou Ak foi obtido de Ai e Aj, com i < k e j < k, pela aplicação da regra de
modus ponens.
Ai , A j Ai , Ai → A
ou , onde, evidentemente, Ai → Ak é Aj.
k

Ak Ak

Os elementos de G são chamados de hipóteses (ou premissas).

01_MPD_Cap_01.indd 23 28/07/2011 13:08:37

 C a p í t u l o 2

A Lógica Paraconsistente Anotada

Evidencial Et

Neste capítulo detalha-se o embasamento teórico necessário para o modelo proposto

(ao qual se fará referência algumas vezes como “modelo paraconsistente”) para as
investigações, bem como para as aplicações apresentadas nesta obra.

2.1 Aspectos gerais

Apresenta-se a Lógica Paraconsistente Anotada Evidencial Et, que é a base teórica
para o modelo a ser discutido. Tal escolha se deve ao fato de essa lógica permitir,
como já se mencionado, manipular dados imprecisos, inconsistentes e paracompletos.
Na lógica Et associa-se a cada proposição p, no sentido comum, uma constante
de anotação constituída de um par (a; b), representando da seguinte forma: p(a; b). a e
b variam no intervalo fechado real [0, 1]. Portanto, o par (a; b) pertence ao produto
cartesiano [0, 1] × [0, 1]. Intuitivamente, a representa o grau de evidência favorável
(ou grau de crença) expresso em p, e b, o grau de evidência contrária (ou grau de
descrença) expresso em p. O par (a; b) é chamado de constante de anotação ou, sim-
plesmente, anotação e pode ser representado por μ. Assim, escreve-se: μ = (a; b). As
proposições atômicas da lógica Et são do tipo pμ ou p(a; b).
Desse modo, podem ser destacadas algumas situações extremas, que correspon-
dem aos chamados estados extremos (ou cardeais).
p(1; 0) representa evidência favorável máxima e nenhuma evidência contrária
em p; diz-se que a proposição p é verdadeira (V) e que o par (1; 0) traduz o estado
de verdade (V).
p(0; 1) representa nenhuma evidência favorável e evidência contrária máxima
em p; diz-se que a proposição p é falsa (F) e que o par (0; 1) traduz o estado de
falsidade (F).
p(1; 1) representa evidência favorável máxima e evidência contrária máxima em
p; diz-se que a proposição p é inconsistente ( ) e que o par (1; 1) traduz o estado de
inconsistência ( ).

02_MPD_Cap_02.indd 37 01/08/2011 16:26:58

 A Lógica Paraconsistente Anotada Evidencial Et 43

2.5 Quadrado unitário do plano cartesiano (QUPC)

O conjunto das constantes de anotação (a; b) pode ser representado no sistema de
coordenadas cartesianas pelo quadrado unitário [0, 1] × [0, 1], chamado de quadrado
unitário de plano cartesiano (QUPC), que representa o reticulado τ. Um ponto X =
(a; b), deste quadrado representa a proposição genérica p(a; b).

b
D B
1

A = (0; 0) = Paracompleteza (⊥)

⊥
B = (1; 1) = Inconsistência ( )
C = (1; 0) = Verdade (V)
D = (0; 1) = Falsidade (F)

AB = Linha perfeitamente indefinida

CD = Linha perfeitamente definida
C
0
A 0 1 a

FIGURA 2.3  Quadrado unitário do plano cartesiano (QUPC).

Para que se possa lidar mecanicamente com os conceitos de imprecisão, in-

consistência e paracompleteza, bem como com os de verdade e de falsidade, serão
introduzidas algumas definições.
Observe-se que as extremidades do segmento de reta CD (Figura 2.3) são pon-
tos que traduzem situações de perfeita definição (verdade ou falsidade). Por isso, o
segmento CD é chamado de linha (ou segmento) perfeitamente definida (LPD). A
equação desta linha é a + b – 1 = 0.
À medida que se afasta da linha CD no sentido do ponto A ou do ponto B, as
incertezas vão aumentando. Quando se desloca no sentido da LPD para B, ambas
as evidências, favorável e contrária, aumentam, tendendo a 1. Portanto, tende-se a
evidências, favorável e contrária, grandes (próximas de 1), o que representa uma
situação de incerteza chamada de inconsistência (ou de contradição). Da mesma
forma, quando se desloca no sentido de LPD para A, as evidências, favorável e
contrária, diminuem, tendendo para 0. Nesse caso, tende-se a graus de evidências,
favorável e contrária, pequenos (próximos de 0), o que representa uma situação de
incerteza chamada de paracompleteza.
Diante do exposto, é bastante razoável definir grau de incerteza da anotação
(a; b) como sendo

G (a; b) = a + b – 1,

02_MPD_Cap_02.indd 43 01/08/2011 16:26:59

 C A P Í TUL O 3

REGRA DE DECISÃO

3.1 CONSIDERAÇÕES GERAIS

Uma divisão conveniente do reticulado  é vista na Figura 3.1, na qual o quadrado
unitário é dividido em doze regiões. Destas destacam-se as quatro regiões, denomi-
nadas regiões extremas, que serão objeto de análise mais detalhada.
Nessa divisão de , são destacados os segmentos AB, chamado de linha per-
feitamente indefinida (LPI), e CD, chamado de linha perfeitamente definida (LPD).
Para uma dada constante de anotação (a; b), são definidos o
• grau de incerteza, pela expressão G(a; b) = a + b – 1 (proporcional à distância
do ponto que a representa à LPD); e, também, o
• grau de certeza, pela expressão H(a; b) = a – b (proporcional à distância do
ponto que a representa à LPI).

Algoritmo para-analisador
D B PQ = Linha-limite de verdade
1,00
U L S
H TU = Linha-limite de falsidade
F
Grau de evidência contrária

0,80 MN = Linha-limite de paracompleteza

T RS = Linha-limite de inconsistência
R
0,60 CPQ = Região de verdade ou de decisão
I J
favorável
0,40 DTU = Região de falsidade ou de decisão
N Q
desfavorável
0,20 AMN = Região de paracompleteza
E G BRS = Região de inconsistência
A M K P
0,00 C MNTUSRQP = Região de baixa definição
0,00 0,20 0,40 0,60 0,80 1,00
Grau de evidência favorável

FIGURA 3.1 Regiões extremas com graus de contradição e de certeza,

em módulo, iguais ou maiores que 0,70.

03_MPD_Cap_03.indd 55 28/07/2011 13:00:12

 Regra de Decisão 57

evidência favorável e alto grau de evidência contrária. Isto resulta em baixo grau de
certeza (próximo de –1), que leva a decisão desfavorável, traduzindo a inviabilidade
do empreendimento.
Região MNTUSRQP:

|G | < 0,70 =› – 0,70 < G < 0,70 e |H | < 0,70 =› – 0,70 < H < 0,70

Esta é uma região que não permite conclusões destacadas, ou seja, quando o
ponto que traduz o resultado da análise pertence a essa região, não se pode dizer
que o resultado tem alto grau de certeza ou de incerteza. Essa região traduz apenas
a tendência da situação analisada, conforme os estados de decisão considerados (ver
seção 2.6, Tabela 2.1).
Sendo assim, a decisão favorável (viabilidade) é tomada quando o ponto que
traduz o resultado da análise pertence à região de verdade (CPQ); e a decisão des-
favorável (inviabilidade), quando o resultado pertence à região de falsidade (DTU).

3.2 O NÍVEL DE EXIGÊNCIA E A REGRA DE DECISÃO

Em decorrência das considerações feitas na seção anterior, para a configuração da
Figura 3.1, pode-se enunciar a seguinte regra de decisão [45]:

H  0,70 =› decisão favorável (o empreendimento é viável);

H  – 0,70 =› decisão desfavorável (o empreendimento é inviável);
– 0,70 < H < 0,70 =› análise não conclusiva.

Observe-se que, para essa configuração, a decisão (favorável ou desfavorável)

somente é tomada quando |H|  0,70, ou seja, quando k2 = 0,70. Portanto, este valor
(k2 = 0,70) representa o menor valor do módulo do grau de certeza para o qual uma
decisão é tomada. Por isso, ele está sendo denominado de nível de exigência (NE) da
decisão. Com isso, a regra de decisão, representada de forma mais genérica, fica assim:

H  NE =› decisão favorável (o empreendimento é viável);

H  – NE =› decisão desfavorável (o empreendimento é inviável);
– NE < H < NE =› análise não conclusiva.

É oportuno salientar que o nível de exigência depende da segurança, da con-

fiança que se quer ter na decisão, que, por sua vez, depende da responsabilidade que
ela implica, do investimento que está em jogo, do envolvimento ou não de risco para
vidas humanas etc.

03_MPD_Cap_03.indd 57 28/07/2011 13:00:13

 C a p í t u l o 4

O Processo de Tomada de Decisão

Método Paraconsistente de Decisão (MPD)

4.1 Considerações iniciais

Toda decisão sensata deve ser baseada em grande série de fatores que podem influenciar
no empreendimento em análise. Destes, cada um vai influenciar de uma maneira, dando
indicação pela viabilidade (decisão favorável) ou pela inviabilidade (decisão desfavorável)
do empreendimento, ou, ainda, o fator pode se mostrar não conclusivo, não dando indica-
ção, nem favorável e nem contraria. Isso fica bem perceptível quando se utiliza o algoritmo
para-analisador, ou seja, quando os valores da evidência favorável (graus de crença) (ai,R)
e da evidência contrária (graus de descrença) (bi,R), resultantes para cada fator, são plota-
dos, de modo que cada fator fique representado por um ponto X = (a; b) do reticulado t.
Entretanto, trabalhar com um número muito grande de fatores não é razoável,
pois tornaria o método exaustivo e dispendioso. Assim, o que se propõe é escolher
e utilizar apenas os mais importantes, os de maior influência na decisão, dentro do
limite da racionalidade limitada preconizada por Simon, “que trabalha com um mo-
delo simplificado da realidade, considerando que muitos aspectos da realidade são
substancialmente irrelevantes em dado instante; ele efetua sua escolha de alternativa
baseado no padrão satisfatório da situação real considerando apenas alguns dos fatores
mais relevantes e cruciais” [94].
Normalmente, saber como é a influência isolada de cada fator não apresenta
interesse relevante. O que realmente interessa na análise da viabilidade de um em-
preendimento é a influência conjunta de todos os fatores escolhidos, que é traduzida
por um estado lógico final que se denominou baricentro (W). Este é representado
por um ponto W do reticulado t, cujas coordenadas (aW e bW) são determinadas pela
média ponderada das coordenadas do pontos Xi = (ai,R, bi,R) de t, que traduzem a
influência resultante de cada um dos fatores.

Assim: aW =
∑P × a
i i,R
bW =
∑ P ×b
i i,R

∑P
e (4.1)
∑P i i

onde Pi são os pesos dos fatores na análise da viabilidade do empreendimento.

04_MPD_Cap_04.indd 59 28/07/2011 13:05:31

 66 Tomadas de Decisão com Ferramentas da Lógica Paraconsistente Anotada

base de dados as opiniões dos especialistas sobre a viabilidade do empreendimento

nas condições em que os fatores se encontram. Essas opiniões são traduzidas pelos
valores das evidências favorável e contrária por eles atribuídos aos fatores nas con-
dições das seções obtidas na pesquisa.
Dessa forma, da matriz MA da base de dados, pode ser destacada outra matriz,
subconjunto dela, que será chamada de matriz dos dados pesquisados, MDpq = [li,k],
de n linhas e m colunas, constituída pelas linhas de MA correspondentes às seções
Spi obtidas na pesquisa.

Tabela 4.2  Matrizes dos pesos, MPi, pesquisada, Mpq, e dos dados pesquisados, MDpq.

E1 E2 E3 E4
Fator F1 P1 Sp1 λ1,1 λ1,2 λ1,3 λ1,4
Fator F2 P2 Sp2 λ2,1 λ2,2 λ2,3 λ2,4
Fator F3 P3 Sp3 λ3,1 λ3,2 λ3,3 λ3,4
Fator F4 P4 Sp4 λ4,1 λ4,2 λ4,3 λ4,4
Fator F5 P5 Sp5 λ5,1 λ5,2 λ5,3 λ5,4

4.2.6 Cálculo das anotações resultantes

Além do resultado obtido na pesquisa (matriz dos dados pesquisados, MDpq), para a
aplicação das técnicas da lógica Et, uma providência deve ser tomada pelo EC: dividir
os especialistas em grupos segundo critérios que ele mesmo deverá definir. Ou seja,
como serão constituídos os grupos de especialistas?
Na constituição dos grupos de especialista para aplicação dos operadores MÁX
e MÍN em estudo de casos reais de auxílio às tomadas de decisão, alguns detalhes
devem ser observados.
Como foi visto na seção 2.7, o operador MÁX tem o sentido de fazer a maximiza-
ção do grau de certeza dentro de um conjunto de anotações, escolhendo o maior grau de
evidência favorável e o menor grau de evidência contrária. Portanto, deve ser aplicado
em situações em que as opiniões de dois ou mais especialistas (ou itens pesquisados)
não são todas determinantes, bastando a opinião favorável de apenas um deles para se
considerar o resultado do grupo satisfatório. Assim, se entre os especialistas houver um
que mereça especial destaque no assunto, ele deve ficar sozinho em um grupo, para
que sua opinião seja necessariamente considerada. Mas, se houver dois especialistas
de mesmo nível e atuantes na mesma área ou em áreas correlatas, os dois podem ser
colocados no mesmo grupo, pois, se a opinião de um for satisfatória, já é suficiente
para se considerar a opinião desse grupo como favorável ao empreendimento.
O operador MÍN, que tem o sentido de fazer a minimização do grau de certeza
dentro de um conjunto de anotações, escolhendo o menor grau de evidência favorável

04_MPD_Cap_04.indd 66 28/07/2011 13:05:32

 C a p í t u l o 5

Programa de Cálculos para o Método

Paraconsistente de Decisão
(PC do MPD)

O PC do MPD nada mais é do que uma aplicação da planilha Excel. Dessa forma,
com a intenção de ajudar aqueles menos familiarizados com essa planilha, tomou-se a
liberdade de mostrar como, com o auxílio do Excel, são feitos os cálculos necessários
para aplicação do MPD. De antemão, pede-se a compreensão dos experts em Excel,
para que não reparem se alguma coisa não foi feita da melhor forma e solicita-se
deles a gentileza de apresentarem as sugestões de melhorias que julgarem pertinentes.
É claro que esses cálculos poderiam ser feitos sem os recursos da computação,
mas eles se tornariam tão demorados e enfadonhos, que inviabilizariam o método.
Para que esta exposição fique afinada com o texto da apresentação do método
(Capítulo 4), ela seguirá a sequência das etapas do MPD, que são executadas pelo
programa de cálculos. Usaremos a planilha Excel do Office 2003; para a versão 2007,
algumas pequenas adaptações serão necessárias.

5.1 Busca das opiniões dos especialistas na base

de dados, uma vez conhecido o resultado da
pesquisa (etapa 5)
Para que a explicação fique mais acessível, ela será acompanhada de um exemplo
numérico. Para isso, será considerada a base de dados a seguir.

05_MPD_Cap_05.indd 75 01/08/2011 16:28:03

 C a p í t u l o 6

Exemplos de Aplicação

Neste capítulo serão analisadas com detalhes várias aplicações do MPD, tentando-se
em cada uma introduzir uma nova nuance do método. Devido a esse acumular de
derivativos do método, as aplicações irão se tornando, gradativamente, mais difíceis
e exigindo mais do leitor.
Na primeira aplicação (6.1) é abordada a utilização do MPD em um problema
real ligado à administração escolar [44]. Nessa aplicação, procurou-se utilizar uma
situação mais simples. Um pequeno número de fatores de influência, todos com
pesos iguais, apenas três seções para traduzir as condições desses fatores e quatro
es­pecialistas. Procurou-se ainda analisar a fidedignidade do método e usá-lo para que
o leitor treine a montagem do programa de cálculos do método paraconsistente de
decisão (PC do MPD). Alguns exercícios são propostos, com as respectivas respostas.
Na aplicação seguinte (6.2), o MPD é utilizado para analisar a viabilidade de
lançamento de um novo produto no mercado [45]. Portanto, é uma aplicação do mé-
todo na área de Marketing e constitui um problema com o qual os profissionais dessa
área se deparam constantemente, além de ser de extrema importância. Aqui alguns
aspectos adicionais são abordados. O número de fatores de influência utilizados é
dez, estabeleceram-se cinco seções para traduzir as condições desses fatores, mas o
número de especialistas continuou sendo quatro. Nesta aplicação, ao final, procurou-se
mostrar a sensibilidade da análise em relação ao nível de exigência, verificando de
que forma a decisão varia para diferentes valores desse parâmetro.
A aplicação 6.3 é estreitamente ligada à Engenharia de Produção, pois trata-se
de um problema típico desta área da Engenharia. Essa aplicação mostra como se pode
analisar a implantação do projeto de uma fábrica; faz a análise, utilizando fatores o
mais próximos possível da realidade desse tipo de projeto e atribuindo pesos diferentes
aos fatores [46]. Ao final, é feita uma análise da sensibilidade da decisão em relação
às seções e ao nível de exigência.
Na aplicação 6.4, o MPD é utilizado para analisar um problema discutido por
Chalos, em 1992 [22], que procura verificar se há ou não vantagem em substituir o
antigo sistema de manufatura com a tecnologia tradicional por um moderno sistema de
manufatura, dotado de tecnologias avançadas [48]. São discutidos os seguintes sistemas
modernos de manufatura: CAD/CAM – Projeto e Manufatura Automatizados por Com-
putador; GT/CM – Tecnologia de Grupo e Manufatura Celular; RE – Equipamentos de
Robótica; FMS – Sistemas Flexíveis de Manufatura; AA – Montagem Automatizada;

06_MPD_Cap_06.indd 91 01/08/2011 16:36:53

 C A P Í TUL O 7

COMPARAÇÃO ENTRE O MÉTODO

PARACONSISTENTE DE DECISÃO (MPD)
E O MÉTODO ESTATÍSTICO
DE DECISÃO (MED)

7.1 UM EXEMPLO PARA CONSUBSTANCIAR A COMPARAÇÃO

A ideia básica deste capítulo é fazer uma comparação entre os métodos paraconsistente
e estatístico de decisões.
Para a comparação, a título de exemplo, será considerado um empreendimento
 em que apenas dez fatores (F01 a F10) têm influência considerável. Admitir-se-á que
foram pesquisadas as opiniões de quatro especialistas (Ek) e que, para a aplicação das
regras de maximização (MÁX) e de minimização (MÍN), eles foram agrupados da
seguinte forma: Grupo A: (E1 com E2) e Grupo B: (E3 com E4).
Assim, o esquema de aplicação dos operadores MÁX e MÍN é o seguinte:

MÍN {MÁX [(E1), (E2)], MÁX [(E3), (E4)]}

Para as tomadas de decisão, será admitido que o nível de exigência igual a 0,70.
Isto significa que tomaremos decisão se |H|  0,70. Dessa forma, a regra de decisão
é a seguinte:

H  0,70 =› decisão favorável (empreendimento viável);

H  – 0,70 =› decisão desfavorável (empreendimento inviável);
– 0,70 < H < 0,70 =› análise não conclusiva.

A Tabela 7.1 mostra, nas colunas de 2 a 9, os graus de evidência favorável e

evidência contrária que os especialistas atribuíram aos fatores em suas condições reais;
nas colunas de 10 a 13, os resultados da aplicação da regra de maximização (MÁX)
intragrupos; nas colunas 14 e 15, os graus de evidência favorável (ai,R) e de evidência
contrária (bi,R) resultantes da aplicação da regra de minimização (MÍN) entre grupos;
e nas colunas 16 a 18, a análise dos resultados.

07_MPD_Cap_07.indd 163 28/07/2011 12:58:42

 174 Tomadas de Decisão com Ferramentas da Lógica Paraconsistente Anotada

1,0

0,8

0,6

0,4

0,2

0,0
-1 0
-0 00
-0 0
-0 0
-0 0
-0 0
-0 50
-0 0
-0 0
-0 0
0, 0
0, 0
0, 0
0, 0
30
40

0, 0
60

0, 0
80

1, 0
1, 0
10
,1

,9
,8
,7
,6

,4
,3
,2
,1
0
1
2

9
0
,

0,
0,

0,

0,
-1

MPD CNA
Grau de certeza (H)

FIGURA 7.7 Cauda da curva normal aderente (CNA) à curva de H (MPD).

Como foi visto, para tomar a decisão pelo MPD, calcula-se o grau de certeza
do baricentro (HW) e o compara com o nível de exigência. No exemplo, obtivemos
HW = 0,84, que é comparado com o nível de exigência NE = 0,70. Como HW  NE,
conclui-se que a decisão é favorável (o empreendimento é viável) ao nível de exi-
gência 0,70. Ou seja, podemos afirmar que o empreendimento é viável com nível de
incerteza máximo de 2β = 2  4,50% = 9,0% (ver Tabela 7.3).
Para fazer a tomada de decisão pelo processo estatístico:
a) Calcula-se o valor crítico da variável padronizada da curva normal aderente
CNA (*z c) que corresponde ao nível de exigência adotado (0,70, no exemplo). Para
isso, verifica-se quantos desvios padrões da CNA (0,444) o nível de exigência está
acima da média (zero), da seguinte forma:

*z c = (0,70 – 0)/0,444 = 1,58

b) Calcula-se o valor observado da variável padronizada da CNA (*zo) que

corresponde ao valor do grau de certeza do baricentro (0,840, no exemplo). Para
isso, verifica-se para quantos desvios padrões da CNA (0,444) o grau de certeza do
baricentro está acima da média (zero), da seguinte forma:

*zo = (0,840 – 0)/0,444 = 1,89

c) Como *zo  *z c, conclui-se que o valor Hw é significativamente maior que

a média zero, permitindo dizer que a conclusão da análise feita é favorável (o em-
preendimento é viável) ao nível de significância α = 2λ = 2  5,71% = 11,42% (ver
Tabela 7.3).
Observação: Pela Tabela 7.3, notamos que, para testes monocaudais, se o nível
de exigência adotado pelo MPD for 0,60, o nível de incerteza do MPD será 8,00% e

07_MPD_Cap_07.indd 174 28/07/2011 12:58:42

 C A P Í TUL O 8

UMA VERSÃO SIMPLIFICADA DO MÉTODO

FUZZY DE DECISÃO E SUA COMPARAÇÃO
COM O MÉTODO PARACONSISTENTE
DE DECISÃO

8.1 VERSÃO SIMPLIFICADA DO MÉTODO FUZZY DE DECISÃO

(VSMFD)

8.1.1 Fundamento teórico

O inventor da Lógica Fuzzy, em 1965, foi o iraniano radicado nos Estados Unidos,
Lotfi Asker Zadeh. Numa linguagem menos rigorosa, pode-se dizer que essa lógica
busca uma sistematização do estudo do conhecimento, procurando, principalmente,
estudar o conhecimento vago (difuso, nebuloso) (não sabe bem o que significa) e
distingui-lo do que é conhecimento impreciso (sabe o que significa, mas não sabe o
valor exato).
Seja X um conjunto (no sentido habitual). Diz-se que A é um subconjunto Fuzzy
de X, se A é identificado por uma função f(x) que, a cada elemento de X, associa um
número do intervalo [0, 1].
Se Y = f(x)  [0, 1], para  x  X, denota-se: x f (x) A ou x Y A. Tem-se:
x pertence a A com grau de pertinência f(x) = Y;
Y = f(x) é o grau de pertinência de x em A;
x Y A significa que x pertence a A com grau de pertinência Y;
x 0 A significa que x não pertence absolutamente a A (é o caso em que o grau
de pertinência é Y = 0);
x 1 A significa que x pertence absolutamente a A (é o caso em que o grau de
pertinência é Y = 1);
x 0,7 A significa que x pertence a A com grau de pertinência 0,7 (neste caso
Y = 0,7).

08_MPD_Cap_08.indd 179 28/07/2011 12:58:12

 Uma Versão Simplificada do Método Fuzzy de Decisão... 181

Homem “baixo ou alto”

1,2

Grau de pertinência
1

0,8

0,6

0,4

0,2

0
1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1
Altura (m)

FIGURA 8.1 Representação clássica do conjunto dos homens (X) e seu subconjunto (A)
dos homens altos.

Entretanto, para 1,80 m  h  1,90 m, o valor de f(x) vai variar de 0 a 1, por

exemplo, da seguinte forma: f(x) = 10hx – 18 (foi colocado por exemplo, porque a
função não precisa, necessariamente, ser linear). Portanto, para um homem x de altura
hx = 1,84 m, teremos f(x) = 0,4 e poderemos dizer que ele pertence ao subconjunto
fuzzy A (dos homens altos) do conjunto X (dos homens), com grau de pertinência 0,4
(x 0,4 A). A Figura 8.2 representa a variação do grau de pertinência.

Homem “alto”
1,2
Grau de pertinência

0,8

0,6

0,4

0,2

0
1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2
Altura (m)

FIGURA 8.2 Representação fuzzy do conjunto dos homens (X) e seu subconjunto (A)
dos homens altos.

Sintetizando, neste caso, a função de pertinência é: f(x) = 0, para h < 1,80 m;

f(x) = 1, para h ≥ 1,90 m; e f(x) = 10h – 18, para 1,80 m  h  1,90 m.
Por outro lado, pode-se analisar o que vem a ser um homem “baixo”. Como
foi visto acima, segundo a lógica clássica, o homem baixo (ou não alto) seria o de

08_MPD_Cap_08.indd 181 28/07/2011 12:58:12

 C A P Í TUL O 9

LEITURA COMPLEMENTAR:
Um exemplo do cotidiano

Como se viu no Prefácio, a regra de maximização pode ser aplicada para maximizar os
valores dos graus de evidência, favorável e contrária, dentro de cada grupo (operador
OR); a de minimização pode ser aplicada entre os grupos para minimizar os valores
máximos dos graus de evidência, favorável e contrária, obtidos pela aplicação da
primeira dentro de cada grupo (operador AND).
Entretanto, optou-se por outra interpretação possível para essas regras: aplicá-las
para fazer a maximização do grau de certeza dentro de cada grupo (operador MÁX) e
a minimização do grau de certeza entre os grupos (operador MÍN). Isso é conseguido,
primeiro, maximizando os graus de evidência favorável e minimizando os graus de
evidência contrária dentro dos grupos e, depois, minimizando os graus de evidência
favorável e maximizando os graus de evidência contrária entre os grupos, utilizando-se
dos resultados obtidos pela aplicação da primeira. Ou seja, nada mais é do que a regra
do mín-máx aplicada ao grau de certeza.
Esta interpretação tem a vantagem de tornar o resultado mais previsível e coe-
rente, mas, por outro lado, tem a desvantagem de não captar com a mesma facilidade
as contradições da base de dados.
Para que o leitor faça a comparação entre as duas maneiras de se aplicarem as
regras de maximização e de minimização, será analisado com detalhes o exemplo
a seguir. Para aqueles que ainda não captaram bem o critério para a formação dos
grupos para a aplicação das regras da Lógica Eτ, este exemplo, acredita-se, tornará
mais clara a ideia.
Imagine os quatro setores de um time de futebol: A – o goleiro (um jogador
com o número 1); B – a defesa (quatro jogadores numerados de 2 a 5); C – o meio de
campo (três jogadores numerados de 6 a 8) e D – o ataque (três jogadores numerados
de 9 a 11). É o que os futebolistas chamam de esquema 4-3-3.
Cada jogador, cada setor do time ou, também, o time todo pode ser classificado
em categorias de acordo com a seguinte escala ordinal decrescente: Ótimo, Bom,
Médio, Regular e Fraco. A cada jogador pode ser atribuído um grau de evidência
favorável (a) e um grau de evidência contrária (b), que traduzem a expectativa de seu

09_MPD_Cap_09.indd 199 28/07/2011 13:02:06

Este livro está à venda nas seguintes
livrarias e sites especializados:
 INOVAÇÃO E
EXCELÊNCIA EM
Administração