SISTEMA PARA ESTIPULAR O TEMPO DE EXERCCIOS E A QUANTIDADE

CALORIAS A SER INGERIDAS DIARIAMENTE USANDO LGICA FUZZY

EDLANE OLIVEIRA DA COSTA

Escola Superior de Tecnologia Universidade do Estado do Amazonas (UEA)
Manaus AM Brasil
Resumo. Este artigo visa apresentar um sistema baseado em lgica fuzzy, que
tem como objetivo calcular o tempo de exerccio e a quantidade de calorias a
ser ingeridas diariamente utilizando lgica fuzzy. O sistema desenvolvido teve
como entrada as variveis: Peso, IMC (ndice de Massa Corporal) e idade. E
como sada: Tempo de Exerccio e Quantidade Calorias a ingerir, e
relacionando as variveis lingusticas de Peso, IMC e Idade por exemplo
Baixo, Mdio, e Alto, atravs dessa relao retornar um resultado
demonstrando horas e minutos de exerccio a ser executado e nmero de
calorias a ser ingeridas. Foi utilizada a ferramenta Matlab para desenvolver o
modelo proposto atravs de simulaes.
Palavra-chave: lgica fuzzy, massa e altura, ndice de massa corporal, matlab.
Abstract. This article aims to present a fuzzy logic-based system, which aims
to calculate the body mass index showing levels more accurately using the
different fuzzy logic of the current calculation of BMI. The system developed
had as input the mass and height variables, and output a fuzzy IMC, relating
the linguistic variables of height and weight as "Very Low", "Low", "Medium",
"High" and "Very High". And through this comparison returns a result showing
the most relevant degree. Matlab was used to develop the model through
simulations.
Keyword: fuzzy logic, mass and height, body mass index, matlab.
1. INTRODUO
No Brasil, 56,9% das pessoas com mais de 18 anos esto com excesso
de peso, ou seja, tm um ndice de massa corporal (IMC) igual ou maior que
25. Alm disso, 20,8% das pessoas so classificadas como obesas por terem
IMC igual ou maior que 30. A obesidade um fator de risco importante para
doenas como hipertenso, diabetes e cncer. Os dados so da Pesquisa

Nacional de Sade (PNS), feita pelo Instituto Brasileiro de Geografia e

Estatstica (IBGE).
Em suma, o comportamento de consumo dos brasileiros vem se
alterando com a expanso da renda e a maior concentrao urbana (Coelho,
2006; Menezes, Silveira e Azzoni, 2008), o que impacta na qualidade da
composio alimentar das famlias e, portanto, na sade pblica do pas.
Apesar de todos os dados abordados na pesquisa ainda no h uma
conscientizao da populao em relao a sua alimentao. Atravs do
clculo gerado pelo ndice de Massa Corporal (IMC) utilizando os valores de
massa e altura obtm resultados que esto representados numa tabela j prestabelecida, se o indivduo est abaixo do peso, ou se tem o peso ideal ou
esta acima do peso.
O presente trabalho tem como objetivo desenvolver um sistema
utilizando lgica Fuzzy que verifique atravs das variveis de entrada e sada
a condio fsica do individuo identificando se o mesmo est no seu peso ideal
ou no, e a partir do resultado ajustar o tempo que ele deve gastar em
atividade fsica e seu consumo calrico possibilitando a avaliao peridica de
seu peso buscando um estilo de vida mais saudvel.
2. Lgica Fuzzy
Diferente da Lgica Booleana que admite apenas valores booleanos, ou
seja, verdadeiro ou falso, a lgica difusa ou fuzzy, trata de valores que variam
entre 0 e 1. Assim, uma pertinncia de 0.5 pode representar meio verdade, logo
0.9 e 0.1, representam quase verdade e quase falso, respectivamente (SILVA,
2005).
As variveis de entrada so fuzzificadas associando-as com termos
lingusticos, cujos valores so definidos por funes de pertinncia. Um
mecanismo de inferncia aplica as operaes da lgica fuzzy no sistema
baseado em regras para possibilitar as implicaes das regras individuais e
determinar uma concluso geral representada por uma sada fuzzy. Por fim,
esta sada traduzida em um valor crisp usando um mtodo de defuzzificao.
Funes de pertinncia fuzzy representam os aspectos fundamentais de

todas as aes tericas e prticas de sistemas fuzzy. Uma funo de

pertinncia uma funo numrica grfica ou tabulada que atribui valores de
pertinncia fuzzy para valores de uma varivel em seu conjunto universo. O
universo de uma varivel representa o intervalo numrico de todos os possveis
valores reais que uma varivel especfica pode assumir. (PEIXOTO, 2005). Os
nmeros fuzzy mais comuns so os triangulares e os trapezoidais. Um nmero
fuzzy A dito triangular se sua funo de pertinncia da forma:

Para a<b<c
3. Descrio da Proposta
O principal objetivo do sistema ser estimar horas/minutos de atividade
fsica a ser executado e o consumo de calorias que a pessoa dever incluir na
sua rotina diria, isto calculado atravs das variveis de entrada Peso, IMC e
Idade, relacionando suas respectivas variveis lingusticas.
4. Mtodos
4.1 Variveis do sistema baseado em lgica fuzzy
Para a criao de um sistema baseado em regras fuzzy, foi necessrio
definir um processador de entrada conhecido como fuzzificador, um conjunto
de regras lingusticas, um mtodo de inferncia fuzzy e um processador de
sada ou defuzzificador, que gera um nmero real como sada. Ilustrado na
figura 1 o sistema baseado em regras fuzzy proposto.
Peso (KG)

IMC

Fuzzy

Hora/Minuto
Atividade
Fsica
Consumo
Calrico

Idade

6. Modelagem das variveis lingusticas

Figura 2: Sistema baseado em regras fuzzy

Com as variveis lingusticas definidas so determinados seu universo

de discurso (Figura 2), as partes do conjunto de etiquetas dos respectivos
conjuntos fuzzy moldados na tabela 1.
Tabela 1: Tabela detalhando controlador
fuzzy
Variveis de
entrada

Etiquetas
entradas

Regras

Etiqueta
sada

Variveis de
sada

Leve

Peso

Mdio
Pesado

Abaixo
Normal

IMC

Acima do
Peso

R1
R2

Baixo

R3

Mdio

R4

Alto

R5
R6
R7

Obeso

Idade

Adulto
Idoso

BaixoConsumo
ConsumoMedio

...
Jovem

TempoExercic
io

R36

AltoConsumo

ConsumoCalo
ria

Tabela 2: Detalhamento das variveis lingusticas

Variveis
lingusticas

Peso

Entrada

IMC

Idade

TempoExercicio

Universo
de
discurso

[30 150]

[17 40]

[10 80]

[0 90]

Sada

ConsumoCaloria

[1000 a
3500]

Termos
lingusticos

Valores

Leve

30 a 65

Mdio

50 a 110

Pesado

95 a 140

Abaixo

<18

Normal

18 a 25,5

Acima Peso

25 a 30

Obeso

29,5 a 40

Jovem

10 a 21

Adulto

18 a 60

Idoso

50 a 80

Baixo

0 a 30

Medio

30 a 60

Alto

60 a 90

BaixoConsu
mo

1000 a
1700

ConsumoMe
dio

1500 a
2700

AltoConsum
o

2500 a
3500

6.1 Entradas
As variveis de entrada Peso, IMC e idade foram analisadas de acordo
com as regras fuzzy, para cada varivel foram definida as suas funes de
pertinncia denominada de acordo com tabela abaixo:

Tabela 3: Definio das funes de pertinncia das variveis de entrada

Conjunto
Fuzzy

Leve
Peso

Mdio
Pesado

Triangula
r
Triangula
r
Triangula
r

Abaixo

Trapezoid
al

Normal

Triangula
r

AcimaPeso

Triangula
r

Obeso

Trapezoid
al

IMC

Jovem
Idade

Tipo

Adulto
Idoso

Triangula
r
Triangula
r
Triangula
r

Figura 3: Funo de pertinncia da varivel lingustica Peso

Figura 4: Funo de pertinncia da varivel lingustica altura

Figura 5: Funo de Pertinncia da varivel lingustica

Idade.

Sada
As variveis de sada quantidade de tempo de exerccio a ser
executado

(TempoExercicio)

quantidade

de

ingesto

de

caloria(ConsumoCaloria), geraram um nmero real no intervalo [0,1]. As

funes de pertinncia destas variveis possuram as mesmas denominaes

das funes da varivel de entrada.
Tabela 4: Definio das funes de pertinncia das variveis de sada.
Conjunto Fuzzy

TempoExercicio

ConsumoCalrico

Tipo

Delimitadores
[-32.4 -3.6 2.99
29.88]

Baixo

Trapezoidal

Mdio

Triangular

[30.4 44.8 60.36]

Alto

Trapezoidal

[60.36 87.1 93.6

122]

BaixoConsumo

Trapezoidal

ConsumoMedio

Trapezoidal

AltoConsumo

Trapezoidal

[1000 1090 1370

1704]
[1510 1840 2300
2700]
[2490 3397 3600
4400]

Figura 5: Funo de pertinncia da varivel lingusticas

TempoExercicio

Figura 6: Funo de pertinncia da varivel lingusticas

ConsumoCaloria

7. Superfcie
Aps a realizao desta simulao foi possvel comparar os valores obtidos
para o Tempo de Exerccio e Consumo de Caloria com os valores relacionados
do Peso, IMC e Idade sendo representados na Figura 6 e 7 com os dados
ordenados do TempoExercicio e ConsumoCaloria.

Figura 6: TempoExercicio

Figura 7: ConsumoCaloria

Resultado da defuzificao figura 8:

Tabela 7: Defuzificao

8. CONSIDERAES FINAIS
A teoria fuzzy permite a programao de conceitos no exatos, tornando
possvel a realizao de clculos com informaes imprecisas, a exemplo dos
conceitos imprecisos dos seres humanos (BARROS, 2002).
O controlador fuzzy nos d a possibilidade de chegar a resultados
minuciosamente calculados que a matemtica exata no nos permite. Assim,
neste artigo podemos perceber que o programa possibilita chegar a um
resultados mais concisos, diferente do calculo IMC(ndice de Massa Corporal).

Pois o sistema utiliza mais variveis precisas, como idade que pode determinar
o tempo de exerccio para determinada idade.
REFERNCIAS
JAFELICE, R., BARROS, L., BASSANEZI, R. e GOMIDE, F. Modelos
COELHO, A. B. A demanda de alimentos no Brasil. 2006. Dissertao (Ph.D.)
Universidade Federal de Viosa, Viosa, 2006.
IBGE instituto Brasileiro de Geografia e Estatstica- Disponvel
em:<http://www.ibge.gov.br/home/estatistica/pesquisas/calendario. php>. Acess
o em: 26 de outubro de 2015.
MENEZES, T. A.; SILVEIRA, F. G.; AZZONI, C. R. Demand elasticities for food
products: a two-stage budgeting system. Applied economics, v. 40, p. 2.5572.572, 2008.
SILVA, Renato Afonso Cota. Inteligncia artificial aplicada ambientes de
Engenharia de Software: Uma viso geral. Universidade Federal de Viosa,
2005.