You are on page 1of 5

INTELIGNCIA ARTIFICIAL

Aula 13 Introduo Lgica Fuzzy

Aplicaes Diversas reas esto sendo beneficiadas pela tecnologia decorrente da Lgica Fuzzy (Difusa). O Controle de processos industriais foi a rea pioneira. Hoje em dia, uma grande variedade de aplicaes comerciais e industriais esto disponveis, destacando-se neste cenrio o Japo e mais recentemente, os EUA e a Alemanha.
2

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Aplicaes Na indstria automotiva destacam-se transmisses automticas (Nissam, Lexus), injeo eletrnica, suspenso ativa, freios antibloqueantes. Apesar do uso e da aplicao no Brasil ser incipiente, vrias indstrias e empresas vm desenvolvendo produtos e servios: Villares, IBM, Klockner & Moeller, Robertshaw, Yokogawa, HI Tecnologia.
3

Aplicaes Sistemas industriais incluem controle de: - Elevadores (Hitachi, Toshiba); - Veculos autoguiados e robs mveis (Nasa, IBM); - Controle de motores (Hitachi); - Ventilao de tneis urbanos (Toshiba); - Controle de trfego urbano, controle de parada e partida de trens de metr (Sendai, Tokio).
4

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Aspiradores de P; Geladeiras (Sharp); Mquinas de Lavar Roupa (Sanyo); Ar Condicionado (Mitsubishi); Cmeras de vdeo (Canon, Panasonic); Mquinas de Lavar Loua; Aeronaves no tripuladas.

Mas afinal o que Lgica Fuzzy ?

uma ferramenta capaz de capturar informaes vagas, em geral descritas em uma linguagem natural e convert-las para um formato numrico, de fcil manipulao pelos computadores de hoje em dia.

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Surgiu com Lofti Zadeh em 1965. O boom foi nos anos 80, no Japo. Lgica Fuzzy uma nova forma de pensamento sobre o mundo. uma tcnica baseada em graus de verdade. Os valores 0 e 1 ficam nas extremidades. Inclui os vrios estados de verdade entre 0 e 1.

Benefcios da Lgica Fuzzy Permite solues mais eficientes para problemas tratados com tcnicas no-fuzzy. Reduz o tempo de desenvolvimento. Modela sistemas no-lineares complexos. Sistemas avanados precisam de menos chips e sensores.

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Conjuntos Fuzzy (Fuzzy Sets) So funes que mapeiam o valor que poderia ser um membro do conjunto para um nmero entre 0 e 1. O grau de pertinncia 0 indica que o valor no pertence ao conjunto. O grau 1 indica significa que o valor uma representao completa do conjunto. Um conjunto fuzzy indica com qual grau um projeto especfico membro do conjunto de projetos LONGOS.
9

A definio do que um projeto LONGO depende do contexto.


Um projeto Longo

1
Grau de Pertinncia

( x)

0 2 4 6 8 10 12 14 16 18 Durao (em semanas)


10

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Variveis Lingusticas o centro da tcnica de modelagem de sistemas fuzzy. Uma varivel lingstica o nome do conjunto fuzzy. Pode ser usado num sistema baseado em regras para tomadas de deciso.

Exemplo:

if projeto.durao is LONGO then risco is aumentado. Transmitem o conceito de qualificadores. Qualificadores mudam a forma do conjunto fuzzy.

11

12

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Algumas variveis lingusticas do conjunto LONGO com qualificadores: Muito LONGO; Um tanto LONGO; Ligeiramente LONGO; Positivamente no; Muito LONGO.
Conjunto Fuzzy Qualificadores
13

Variveis Lingsticas

Permitem que a linguagem da modelagem fuzzy expresse a semntica usada por especialistas. Exemplo: If projeto.durao is positivamente no muito LONGO then risco is reduzido um pouco Encapsula as propriedades dos conceitos imprecisos numa forma usada computacionalmente. Reduz a complexidade do problema. Sempre representa um espao fuzzy.
14

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Teoria dos Conjuntos Fuzzy No um mtodo especfico para qualquer aplicao. mais geral que a Lgica Fuzzy e o clculo das proposies Fuzzy. Suporta a lgica usada para criar e manipular sistemas Fuzzy.

Operadores dos Conjuntos Fuzzy Interseco.


Sejam X conjunto de pontos, A e B conjuntos contidos em X e x X.

( AB ) ( x) = min( A ( x), B ( x ))

( AB) ( x) = A ( x) B ( x)

15

16

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Unio
Sejam X conjunto de pontos, A e B conjuntos contidos em X e x X .
( AB ) ( x) = max( A ( x), B ( x ))
A B

Complemento Sejam X conjunto de pontos, A um conjunto contido em X e x X .


A
A ( x ) = 1 A ( x )

( AB) ( x) = A( x) B ( x)
Exerccios
17 18

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Sistemas Fuzzy Externamente so menos complexos e mais fceis de entender. Os problemas so rapidamente isolados e fixados, reduzindo o tempo de manuteno. Requisitam menos regras, por isso o tempo mdio entre as falhas diminui.

Possuem grande habilidade para modelar sistemas comercias altamente complexos. sistemas convencionais tem dificuldade em resolver problemas no-lineares complexos. So capazes de aproximar o comportamento do sistema porque apresentam vrias propriedades no-lineares e pouco compreensveis.

19

20

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Benefcios para os especialistas: - Habilidade em codificar o conhecimento de uma forma prxima a linguagem usada por eles. Mas o que faz uma pessoa ser um especialista? - a capacidade em fazer diagnsticos ou recomendaes em termos imprecisos. Sistemas Fuzzy capturam uma habilidade prxima do conhecimento do especialista.

O processo de aquisio do conhecimento : - Mais fcil; - Mais confivel; - Menos propenso a falhas e ambigidades. capaz de modelar sistemas envolvendo mltiplos especialistas. Nos sistemas do mundo real, h vrios especialistas sob um mesmo domnio.

21

22

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Representam bem a cooperao mltipla, a colaborao e os conflitos entre os especialistas. Um exemplo das posies dos gerentes de controle, de produo, financeiro e marketing. - Nosso preo deve ser baixo. - Nosso preo deve ser alto. - Nosso preo deve ser em torno de 2*custo - Se o preo dos concorrentes no muito alto ento nosso preo deve ser prximo do preo deles.
23

Devido aos seus benefcios, como: - Regras prximas da linguagem natural; - Fcil manuteno; - Simplicidade estrutural. - Os modelos baseados em sistemas Fuzzy so validados com maior preciso. A confiana destes modelos cresce.

24

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

INTELIGNCIA ARTIFICIAL
Aula 13 Introduo Lgica Fuzzy

Um exemplo de sistema especialista baseado em regras simples para prever o peso de uma pessoa: - If altura > 1.65 and altura < 1.68 then peso is 60, CF =.082 O mesmo exemplo baseado lgica Fuzzy: - if altura is ALTA then peso is PESADO.

Raciocnio Fuzzy Nos sistemas especialista convencionais: - As proposies so executadas sequencialmente - Heursticas e algoritmos so usados para reduzir o nmero de regras examinadas. Nos sistemas especialistas Fuzzy: - O protocolo de raciocnio um paradigma de processamento paralelo; - todas as regras so disparadas.

25

26