Professional Documents
Culture Documents
LGICA FUZZY
INTRODUO
LGICA FUZZY:
Em 1965, o matemtico Lofti Zadeh (1965) elaborou uma teoria qual deu o nome de
Lgica no-Formal ou Lgica Nebulosa (Fuzzy Logic- Lgica Fuzzy). Num artigo, publicado
na Revista Information and Control,.o matemtico introduz as bases da Lgica Fuzzy, entre
elas o princpio da incompatibilidade : medida que a complexidade de um sistema
aumenta, nossa habilidade para fazer afirmaes precisas e que sejam significativas acerca
deste sistema diminui at que um limiar atingido alm do qual preciso e significncia (ou
relevncia) tornam-se quase que caractersticas mutuamente exclusivas (ZADEH, 1965).
Este princpio evidencia uma certa fragilidade da Lgica Formal.
A Figura 1 ilustra as dicotomias entre a Lgica Fuzzy e a Lgica Formal, ou Crisp.
Os conjuntos fuzzy so uma generalizao da teoria convencional de conjuntos
idealizada como um caminho matemtico para representar as incertezas da vida cotidiana. As
interpretaes atravs da Lgica Fuzzy de uma estrutura de dados um caminho muito natural
e intuitivamente plausvel para a formulao e resoluo de variados problemas. Crianas
rapidamente aprendem como interpretar e implementar instrues fuzzy, por exemplo, quando
se determina que elas devem ir para cama por volta das vinte e duas horas. Seres humanos
assimilam e usam dados fuzzy, regras nebulosas e informaes imprecisas, pois justamente
como se tornam aptos a tomar decises sobre situaes que se mostram governadas pela
Lgica
Formall
Fuzzy
Atributos
bem
definidos
Atributos
indefinidos
ou vagos
Raciocnio
Exato
Raciocnio
Aproximado
Probabilidade
Possibilidade
(2)
2 = 0,5 / x + 1 / y
O grau de pertinncia de p, q e r no conjunto fuzzy B = f (1, 2) pode ser calculado do
princpio da extenso como sendo:
B (p) = max [ min (0,3, 0,5); min (0,3, 1 ); min ( 0,5, 1 ) ] = 0,5 ;
B (q) = max [ min (0,9, 0,5) ] = 0,5 ;
B (r) = max [ min (0,5, 0,5); min (0,9, 1) ] = 0,9 ;
desta forma, pelo princpio da extenso:
B = f (1, 2) = 0,5 / p + 0,5 / q + 0,9 / r
Esta proposta metodolgica tem por objetivo estabelecer indicadores que expressem o
padro de desempenho de Instituies de Ensino para cada curso em questo. Pode tambm
ser ampliado para a definio de um indicador de padro de desempenho da prpria
Instituio em relao a todos os cursos por ela ofertados.
A sequncia metodolgica a ser utilizada segue os seguintes passos:
Delineamento do problema;
Delimitao do espao amostral;
Definio da amostra (quem deve responder aos questionrios);
Definio das Informaes a serem levantadas e das competncias (fatores) relevantes
a uma avaliao de desempenho do Curso / Instituio;
Determinao do perfil do nvel de atendimento timo das competncias (fatores)
desejado, ou considerado como timo ;
Determinao do perfil de competncias (fatores) existentes;
Elaborao do instrumento de coleta de dados (questionrio);
Pr- teste do questionrio;
Trabalho de campo / coleta de dados atravs da aplicao do questionrio;
Anlise dos Resultados atravs da lgica fuzzy e testes de coerncia construo das
matrizes e operaes para a determinao dos indicadores;
Elaborao das concluses e Recomendaes.
Para o delineamento do problema, necessria a identificao das suas caractersticas
prprias (fatores / competncias) desejadas e as existentes. O primeiro desafio da equipe de
pesquisa, ou do pesquisador o pensar sobre o problema, proceder a um exame retrospectivo
para formao de uma viso dinmica e complexa do mesmo. Atravs de estudo, procurar
identificar tendncias, ao longo do tempo para a formao dos quadros de fatores /
competncias relevantes, verificando os que se manifestam de maneira mais durvel e
identificando os conjuntos de fatores / competncias mais significativos para o problema em
questo, sempre sob a tica dos fatores / competncias solicitados e demandados. Observa-se
aqui que um mesmo fenmeno pode ser encarado de diversas maneiras segundo o objetivo e
abrangncia do planejamento: quanto mais restrito um planejamento, mais fenmenos esto
fora de seu controle; quanto mais abrangente mais fenmenos esto sob seu controle direto ou
so afetados por polticas do decisor.
A seguir, dentro da metodologia proposta, segue a discusso de aspectos a serem
observados.
Anlise do Ambiente macro:
Identificao e discusso das Polticas Educacionais como base do estudo. Aes
desenvolvidas pelo Ministrio da Educao (MEC) atravs destas polticas. Identificao
tambm dos aspectos da revoluo tecnolgica como forma de caracterizar a trajetria
tecnolgica.
Anlise do Mercado:
O mercado resultado da interao entre os consumidores e os produtores, neste
caso, o aluno e a Escola segundo uma expectativa de permanncia, ampliao e modernizao
dentro do prprio mercado. Dentre os principais aspectos a serem observados esto
relacionados interao Aluno- Escola, Empresa- Escola e Aluno-Empresa que levar a
definio do mercado para o servio em questo, tanto em relao solicitao para cada
curso quanto para o que se est efetivamente ofertando ao mercado.
Anlise do Aluno:
A anlise do aluno diz respeito : Identificao dos segmentos do mercado;
Identificao dos motivadores da escolha por um curso; Identificao das expectativas no
satisfeitas (egressos); Escolha de curso com grande incidncia no desenvolvimento de
vantagens competitivas.
Mediante a segmentao dos alunos, so identificados grupos que reagem de certa
forma a determinadas estratgias, que os diferenciam do comportamento de outros grupos.
Anlise da Concorrncia:
Em relao outras Instituies de Ensino com raio de atuao dentro da mesma rea.
Anlise do Ambiente Interno:
Anlise das diversas condies encontradas na comunidade escolar como infraestrutura fsica, recursos humanos.
Anlise das caractersticas prprias do curso:
Para a anlise do curso em questo devem ser levados em considerao aspectos como
a estruturao pedaggica, a qualidade de ensino, capacitao dos professores entre outros.
Todas estas anlises so preponderantes quando se est identificando os fatores /
competncias relevantes ao Curso / Instituio de Ensino. Ento os fatores a serem
considerados devem possuir as seguintes qualidades:
Relevncia para o objetivo do estudo;
Consistncia interna e plausibilidade em relao solicitao e disponibilidade, ou
seja, devem ser suficientemente consistentes e plausveis para o delineamento da
solicitao e da disponibilidade.
Transparncia para que as respostas ao questionrio se tornem mais confiveis.
Determinados os fatores, formular o seu suporte, ou seja, estabelecer o nvel de
respostas a serem prospectadas, no campo da Lgica Fuzzy, determinar as variveis
lingsticas e seus graus de pertinncia. Alguns questionrios podem determinar a priori o seu
suporte para o grau de pertinncia, em que o responsvel por responder ao questionrio j tem
as alternativas a serem marcadas (variveis lingsticas), e aqueles aonde o suporte ao grau de
pertinncia definido depois , para tanto quem responde deve atribuir o grau de pertinncia
para cada varivel lingstica, dentro do aspecto abordado e de uma escala de zero a um.
O pesquisador deve ter em mente, quanto na elaborao do questionrio, que alguns
fatores importantes podem no ter sido contemplados, ento se deve precaver desta situao
deixando-se um espao em que o respondente possa se manifestar neste sentido, procedendo a
uma anlise desta questo a posteriori.
Finalmente, um pr-teste do questionrio desejvel, pois assim pode-se evitar
situaes futuras em que um problema simples pode causar.
A determinao do universo de aplicao do questionrio tambm importante, para
que as respostas sejam mais significativas e dando mais agilidade ao processo.
4.
Aps a aplicao dos questionrios faz-se necessria a modelagem fuzzy dos dados
para a determinao dos indicadores.(COSENZA, 2002)
Considere-se F={fi | 1,...,n} como um conjunto finito de competncias (fatores)
denotado genericamente como f. Ento o conjunto fuzzy
em f um conjunto de pares ordenados A
=(f, (f) f r ), onde A
a
A
representao fuzzy da Matriz de Solicitao A=(ij)hxm e, (f) a funo de pertinncia
representando o grau de importncia dos fatores: Crtico, Condicionante, Pouco
Condicionante e Irrelevante.
No caso, a matriz de solicitao representa o perfil do nvel de atendimento timo das
competncias desejado, ou considerado como timo. Um exemplo a qualidade dos docentes
envolvidos no curso que um fator crtico.
De forma anloga, seja o conjunto fuzzy
B = { (f, B (f) ) f F} onde B a representao fuzzy da Matriz de
Atendimento dos fatores / competncias B, onde B (f) uma funo de pertinncia
representando os nveis das competncias (fatores) disponibilizados pelas diversas
alternativas: Superior, Bom, Regular e Fraco.
No caso, a matriz de Atendimento representa o perfil de competncias (fatores)
existentes. Um exemplo como o fator qualidade dos docentes envolvidos no curso para
determinada Instituio pode estar no nvel bom.
A1
A2
...
Ai
...
Am
...
fn
wn
a1n
a2n
ai1
ai2
aij
ain
am1
am2
amj
amn
Onde :
A1, A2,...,Am a caracterizao de cada Curso em questo em relao s suas competncias /
fatores;
f1, f2,..., fn o conjunto de fatores / competncias necessrias para a avaliao de desempenho
do Curso;
w1, w2, ..., wn o grau de importncia do fator / competncia para o conjunto da Avaliao do
Curso em questo;
aij = coeficiente fuzzy do Curso i , com relao ao fator j.
f1
f2
...
fj
...
Fn
w1
w2
B1
b11
b21
Bm
b1n
b2k
wj
bj1
bj2
bjk
bjn
wn
bn1
bn2
bnk
bnm
Onde:
B1, B2,..., bm o conjunto de Instituies de Ensino por Curso;
w1, w2, ..., wn o grau de importncia do fator / competncia para o conjunto da Avaliao do
Curso em questo;
ij
ij
jk
jk
0+
0++
1
ik >1 : a Instituio k oferece mais condies do que o solicitado, explicitando uma riqueza
adicional.
5.
CONSIDERAES FINAIS
Abstract: This article deals with the matter of performance evaluation in an Education
Institution through a fuzzy approach. The search for appropriate methodologies has been a
permanent concern for the Institution and for the Government. Such methodologies should
lead to best results for the performance evaluation and should make possible to get data from
the Institutional environment (internal and external) which could contribute for the
identification of actions and policies for Institutional development and could also permit the
appropriation of the courses offered. Thus, the use of indexes, in the process of performance
evaluation, that take in consideration the qualitative nature of the information and are
expressed through a more natural language, can lead to a better appropriateness under the
optics of the quality. This new approach takes into account the biggest easiness of the human
being in dealing with linguistic terms, instead of numerical values. Moreover, the Fuzzy
Logic has a remarkable capacity to deal with imprecise and ambiguous information.
Additionally, one knows that the theory of the approach reasoning supplies a method,
established in subgroups fuzzy, as much to represent as to reason with inexact information.
Key-words: Performance Evaluation, Fuzzy Logic, Indexes.