Kenneth John Vasquez

Resumo – Livro Fuzzy, Timothy Ross, Exemplo 13.7, pág. 468 - 472:

PARTE 1: Mateus Amaral

A exposição a partículas de berílio é uma séria preocupação na indústria por causa de

seus potenciais problemas de saúde humana. Pequenas partículas de berílio são tóxicas quando
são inaladas. Devido a isso, existem regras e limites da indústria para a exposição ao berílio. No
modelo apresentado no livro, assume-se que a carga de trabalho muda de dia a dia e o tipo de
trabalho realizado a cada dia pode variar drasticamente. Como resultado, a exposição média ao
berílio também varia muito de dia a dia. O principal objetivo deste exemplo é mostrar a
diferença entre um processo de controle estatístico fuzzy e um processo de controle estatístico
padrão.

PARTE 2: Irwing

No exemplo, é identificado que existem 5 variáveis de entrada e 1 de saída para o

sistema fuzzy. As cinco variáveis de entrada são o número de peças, tamanho das peças, número
de ajustes, tipo de corte e, por último, a exposição ao berílio. Cada uma destas variáveis de
entrada tem suas funções de pertinência correspondentes. Por exemplo, o tamanho das peças
pode ser dividido em 'pequenas' e 'grandes'. Enquanto isso, a única variável de saída do modelo
é o 'tipo de dia'. Esta variável de saída é simplesmente uma representação semântica da carga
de trabalho que o trabalhador está tendo e tem 5 funções de pertinência. Estas 5 funções de
pertinência para a única saída são (a) Boa, (b) Regular, (c) OK, (d) Ruim, e (e) Terrível. Isto é
importante, pois as regras do modelo dependem ultimamente da exposição ao berílio e do "tipo
de dia".

PARTE 3: Natan

Por exemplo, se todas as quatro variáveis de entrada (excluindo a exposição de

partículas de berílio) indicarem que a exposição ao berílio deve ser baixa, e é baixa, então o
Tipo de Dia é OK. Da mesma forma, se todas as quatro indicarem que a exposição deve ser
alta, e é alta, então o Tipo de Dia também é OK. Se todos os quatro indicarem que a exposição
deve ser baixa, e é alta, então o Tipo de Dia é Terrível. Simplesmente, temos a seguinte forma
semântica para as regras:

Se (Número de peças) for . . .

e Se (Tamanho das peças) for . . .

e Se (Número de configurações) for . . .

e Se (Tipo de Corte) for . . .

e Se (Exposição de Berílio) for . . .

Então (O Tipo de Dia) é . . .

PARTE 4: Joice

Após definir as entradas, saídas, funções de pertinência e a regra semântica para a

lógica fuzzy deste exemplo, ela é então simulada através de um algoritmo com limitações e
condições de contorno. As condições e o algoritmo da simulação não são totalmente
importantes. O que é importante são os resultados, pois eles são usados para estabelecer os
valores de associação fuzzy. E assim, para o dia 1, temos o seguinte resultado:
N. of Parts Size of Parts N. of Setups Type of Cuts Beryllium Exposure

DAY Membership Function Membership Function Membership Function Membership Function Membership Function
Value Value Value Value Value
Many Few Large Small Many Few Rough Fine High Low

1 4 0.4 0.6 64.59 0.48 0.52 45 0.35 0.65 1.63 0.16 0.84 0.181 0.45 0.55

PARTE 5: John

Neste exemplo, foi utilizada a inferência Mamdani e para a defuzzificação foi utilizado
o método centróide. E assim, a função de associação resultante para a saída é Boa = 0,4,
Regular = 0,52, OK = 0,35, Ruim = 0,45, e Terrível = 0,45. Com o método centróide como
defuzzificação, foi alcançado o valor de 0,5036. Isto significa que no dia 1, esse trabalhador
tinha um dia do tipo "OK".

Aplicando este método a cada trabalhador, obtendo o valor médio, e em um período

de 30 dias, o modelo tem este seguinte gráfico da variável Tipo de Dia X fuzzyficada:

No mesmo exemplo, também é fornecido um gráfico usando a técnica Controle

Estatístico de Processos (CEP) tradicional:
PARTE 6: João

Como visto no gráfico da técnica tradicional do CEP, dois pontos estão acima do limite
superior de controle, representando uma situação fora de controle. Isto representa dois falsos
alarmes e significa que em todos os casos, onde as variáveis significativas influenciaram o
resultado, a técnica de CEP difusa superou significativamente a técnica tradicional de CEP.

Portanto, concluindo e além de comprovar a diferencia entre fuzzy CEP e o CEP tradicional,
neste exemplo, vemos o processo da lógica fuzzy e inicialmente, o processo de fuzzificação.
Isto é quando as funções de pertinência estavam sendo decididas para as entradas e saídas.
Em seguida, vemos o processo de inferência e onde as regras semânticas estavam sendo
definidas. No exemplo, a inferência Mamdani foi usada para definir a forma geral das regras.
Finalmente, vemos o processo de defuzzificação onde o método centróide foi utilizado para
determinar a função de pertinência para a saída ("Tipo de dia - Bom, Regular, OK, Ruim,
Terrível").