Post on 13-Dec-2018
UNIVERSIDADE FEDERAL DE SANTA C AT ARIANA
PROGRAMA DE PS-GRADUAO EM ENGENHARIA MECNICA
SISTEMA ESPECIALISTA PROTTIPO PARA DIAGNSTICO DE FALHAS EM UM
SISTEMA HIDRULICO NAVAL
DISSERTAO SUBMETIDA UNIVERSIDADE FEDERAL DE SANTA CATARINA
PARA A OBTENO DO GRAU DE MESTRE EM ENGENHARIA MECNICA
GUILHERME DIONIZIO ALVES
FLORIANPOLIS
11
SISTEMA ESPECIALISTA PROTTIPO PARA DIAGNSTICO DE FALHAS EM UM SISTEMA HIDRULICO NAVAL
GUILHERME DIONIZIO ALVES
ESTA DISSERTAO FOI JULGADA PARA OBTENO DO TTULO DE MESTRE
EM ENGENHARIA MECNICA
ESPECIALIDADE ENGENHARIA MECNICA E APROVADA EM SUA FORMA
FINAL PELO PROGRAMA DE PS-GRADUAO EM ENGENHARIA MECNICA
Jlio Cesar Passos (Coordenador do curso)
Acires Dias, Dr. Eng.
Trs pessoas foram especialmente importantes
nesta fase da minha vida, e so a elas que agradeo e
dedico este trabalho.
Minha me, pela lio de vida, fibra, honestidade
e dignidade, qualidades nas quais procuro me espelhar
em minha caminhada, embora nem sempre consiga.
Minha esposa Liliane, pela pacincia em tentar
me entender quando nem mesmo eu conseguia, pela
ateno e carinho dispensados nesta jornada e tambm
porque ao compreender o meu esforo, abdicou da
minha presena em boa parte da nossa estadia em
Florianpolis.
Meu filho Leonardo do qual me orgulho e espero
ser capaz de transmitir alguns dos princpios e valores
que tive o privilgio de receber.
AGRADECIMENTOS
minha me, esposa e filho (novamente).
Marinha do Brasil pelo financiamento e por permitir o afastamento das minhas funes, o que
possibilitou o desenvolvimento desta pesquisa.
Ao LASHIP (Laboratrio de Sistemas Hidrulicos e Pneumticos Da Universidade Federal de
Santa Catarina) pela infra-estrutura proporcionada.
Ao CF Aroldo Cordeiro Torres e ao CC Jos Ronaldo Reiser da Silva, respectivamente
Comandante e Imediato da Escola de Aprendizes de Marinheiros de Santa Catarina, pelo
inestimvel apoio durante a minha estadia em Florianpolis.
Ao Prof. Jonny Carlos da Silva pela orientao firme e segura.
Ao Prof. Victor Juliano de Negri pela ateno com que sempre me distinguiu e pela forma
dedicada com que passa seus conhecimentos.
Ao Prof. Acires pela amizade, gentileza e a sempre presente disposio para ajudar.
Ao Prof. Andr Ogliari pela colaborao durante um perodo especial da pesquisa.
Ao amigo e especialista em hidrulica naval Eduardo Cramer, pela pacincia e boa vontade em
transmitir seu enorme conhecimento tcnico, apesar das minhas limitaes.
Aos amigos e grandes conhecedores de manuteno naval Carlos Alberto Martins Liberal e Enio
Zanelatto pela ajuda preciosa durante o desenrolar desta empreitada.
Aos amigos Luiz Carlos Delgado, Luiz Fernando Esteves, Marcus S, Rogrio Felipe e Srgio
Sarquis Atti pelas dicas sempre to necessrias e precisas.
Ao Eng. Ricardo da Seo de Hidrulica do Arsenal de Marinha do Rio de Janeiro pela rapidez
com que atendeu meus pedidos.
Aos especialistas em manuteno naval Machado e Edivar pelo auxlio durante os testes de
validao do prottipo e constantes sugestes de melhoramentos .
Aos amigos do LASHIP Edivaldo, Fernando Furst, Fred, Joel, Mrcio Castelani, Mauro, Perondi
e todos os bolsitas, pela amizade, constante incentivo, troca desinteressada de conhecimento,
pacincia e exemplos pessoais de dedicao.
V
"A formulao de um problema freqentemente mais importante do que a
sua soluo, que pode vir a ser uma questo de habilidade matemtica ou experimental. Levantar novas e
abordar antigas questes por novas perspectivas requer imaginao e o que realmente representa avano na
cincia."
Albert Einstein, 1938.
SUMRIO
1- INTRODUO-................................................................................................................. 1
1.1 A importncia da atividade de manuteno no ciclo de vida do produto....................1
1.2 Justificativa e relevncia da pesquisa............................................................................... 3
1.2.1 Origem do trabalho................................................................................................... 3
1.2.2 Sistemas especialistas no contexto da inteligncia artificial...................................4
1.3 Objetivos............................................................................................................................... 6
1.3.1 Obj etivo Geral........................................................................................................... 6
1.3.2 Contribuies............................................................................................................ 6
1.4 Limitaes............................................................................................................................ 7
1.5 Metodologia da pesquisa.....................................................................................................7
1.6 Resultados esperados..........................................................................................................8
1.7 Estrutura do trabalho.........................................................................................................9
2 - SISTEMAS ESPECIALISTAS - ................................................... ................................ 10
2.1 A busca por uma mquina inteligente............................................................................ 10
2.2 Inteligncia artificial e sistemas especialistas.......................................................... ......13
2.3 Conceito de sistemas especialistas................................................................................... 15
2.4 Estrutura dos sistemas especialistas............................................................................... 18
2.5 Elementos de um sistema especialista............................................................................. 19
2.6 Formas de inferncia........................................................................................................ 21
2.6.1 Encadeamento direto (Forward Chaining ) ........................................................ 21
2.6.2 Encadeamento reverso (.Backward Chaining) ....................................................... 22
2.7 Engenharia de conhecimento.......................................................................................... 23
2.8 Processo de desenvolvimento........................................................................................... 26
2.9 Tcnicas de representao de conhecimento..................................................................28
2.10 Vantagens e desvantagens da tcnica de sistemas especialistas.................................. 32
2.11 Tipos alternativos de abordagem ( shallow x deep) ......................................................33
2.12 Os sistemas especialistas como auxlio ao processo de tomada de deciso.................35
2.13 Aplicaes recentes........................................................................................................... 36
2.13.1 Sistema de Diagnstico Integrado (Integrated diagnostic system - IDS)............. 36
2.13.2 Assistente para diagnstico de falhas em turbinas (Jet engine troubleshooting
assistant - JETA)............................................................................................................................. 38
2.14 Perspectivas futuras e tendncias dos sistemas especialistas...................................... 39
2.15 Consideraes finais.........................................................................................................40
3 - MANUTENO NAVAL E SISTEMAS HIDRULICOS -...................................... 42
3.1 Conceitos bsicos...............................................................................................................42
3.2 Manuteno naval.............................................................................................................46
3.2.1 Mtricas da manuteno naval.................................................................. .............50
3.2.1.1 Fatores de confiabilidade..................................................................... 50
3.2.1.2 Fatores de mantenabilidade................................................................. 51
3.2.1.3 Fatores de disponibilidade................................................................... 52
3.2.1.4 Fatores humanos...................................................................................53
3.2.1.5 Fatores de suporte logstico................................................................. 53
3.2.1.6 Fatores econmicos..............................................................................54
3.2.2 A hidrulica no contexto da manuteno naval..................................................... 54
3.3 Manuteno de sistemas hidrulicos..............................................................................56
3.4 Falha em sistemas hidrulicos......................................................................................... 57
3.5 Tcnicas de anlise de falhas........................................................................................... 60
3.5.1 Anlise do modo e efeito de falhas {FMEA- Failure Mode andEffect Analisys). 60
3.5.2 Anlise de rvore de falhas (FTA- Fault Tree Analisys) ......................................62
3.6 A importncia do diagnstico na manuteno...............................................................66
3.7 O papel dos sistemas especialistas na manuteno........................................................69
4 - FASES DE DESENVOLVIMENTO DO PROTTIPO SEMaN............................. 71
4.1 Consideraes preliminares............................................................................................. 71
4.2 Projeto conceituai............................................................................................................. 74
4.2.1 Identificao do problema......................................................................................74
4.2.2 Estudo de viabilidade..............................................................................................75
4.2.2.1 Justificativa para a escolha da rea de aplicao.................................75
4.2.2.2 A escolha do sistema hidrulico a ser considerado.............................76
4.2.2.3 Definio do pblico alvo................................................................... 79
4.2.3 Verificao da disponibilidade de recursos........................................................... 82
4.2.4 Especificaes gerais.............................................................................................. 83
4.2.4.1 Definio do paradigma de representao de conhecimento............. 83
4.2.4.2 Escolha do mtodo de inferncia......................................................... 87
4.2.4.3 Escolha da ferramenta de desenvolvimento........................................88
4.2.4.4 Escolha do modelo de desenvolvimento.............................................89
4.3 Formalizao do conhecimento....................................................................................... 91
4.3.1 Extrao do conhecimento...................................................................................... 91
4.3.2 Representao do conhecimento............................................................................95
4.4 Implementao computacional....................................................................................... 99
4.4.1 Arquitetura funcional do prottipo.........................................................................99
4.4.1.1 Descrio de funcionamento............................................................. 100
4.4.2 Estrutura do prottipo.......................................................................................... 101
4.4.2.1 Classes................................................................................................ 101
4.4.2.2 Regras................................................................................................. 102
4.4.2.3 Mensagens.......................................................................................... 104
4.4.2.4 Gerao de arquivos HTML de sa da............................................ -....105
5 - VERIFICAO E VALIDAO DO PROTTIPO - ............................................. 107
5.1 Co nceitos iniciais.............................................................................................................107
5.2 Qualidade de software.................................................................................................... 108
5.3 Dificuldades para avaliao de um S.E.........................................................................110
5.4 O Processo de verificao e validao.......................................................................... 111
5.4.1 Verificao........................................................................................................... 111
5.4.2 Validao............................................................................................................. 112
5.4.2.1 As mtricas utilizadas na validao do prottipo..............................112
5.4.2.2 Os mtodos utilizados na validao do prottipo SEMaN............... 114
5.4.2.3 Resultados dos testes de validao................................................... 116
5.5 Comentrios finais......................................................................................................... 123
6 - CONCLUSES E RECOMENDAES FUTURAS - ........................................... 124
6.1 Preliminares.................................................................................................................... 124
viii
ix
6.2 Questes importantes......................................................................................................124
6.3 Contribuies da pesquisa............................................................................................. 126
6.4 Principais tpicos da pesquisa....................................................................................... 127
6.5 Recomendaes para trabalhos futuros....................................................................... 128
6.6 Comentrios finais...........................................................................................................129
7 - REFERNCIAS BIBLIOGRFICAS- .......................................................................131
Anexo 1 - ...............................................................................................................................138
Anexo 2 - ............................................................................................................................... 139
Anexo 3 - ...............................................................................................................................140
Anexo 4 - ...............................................................................................................................141
Anexo 5 - ...............................................................................................................................144
Anexo 6 - ................................................................................................................................149
Anexo 7 - ................................................................................................................................150
Anexo 8 - ................................................................................................................................151
X
Figura 2.1 - Verso primitiva do baco................................................................................... 10
Figura 2.2 - Difference / Analytical Engine............................................................................. 12
Figura 2.3 - Estrutura de um Sistema Especialista................................................................20
Figura 2.4 - Hierarquizao do conhecimento........................................................................25
Figura 2.5 - Rede Semntica representativa de um sistema hidrulico de governo..........30
Figura 2.6 - Exemplo de combinaes possveis de problemas em diagnstico.................38
Figura 2.7 - Tempo de desenvolvimento para alguns projetos de Sistemas Especialistas .40
Figura 3.1 - Fluxograma da manuteno................................................................................ 44
Figura 3.2 - Planejamento da manuteno.............................................................................. 47
Figura 3.3 - Tempos de manuteno........................................................................................ 51
Figura 3.4 - Sistemas hidrulicos tpicos de um navio...........................................__...........55
Figura 3.5 - Curva da taxa de falhas........................................................................................ 58
Figura 3.6 - Padres variantes de falha................................................................................... 59
Figura 3.7 - Tipo de anlise para FM EA................................................................................ 61
Figura 3.8 - rvore de falhas para falha em vlvula direcional........................................... 63
Figura 3.9 - Smbolos bsicos para construo de uma rvore de falhas............................ 66
Figura 4.1 - Metodologia utilizada no desenvolvimento do prottipo..................................... 72
Figura 4.2 - Detalhamento do projeto conceituai realizado para o prottipo SEMaN..... 73
Figura 4.3 - Diagrama hidrulico de um tpico sistema de governo..................................... 78
Figura 4.4 - Hierarquia dos sistemas hidrulicos....................................................................85
Figura 4.5 - Aplicao do modelo iterativo incremental no desenvolvimento do prottipo
SEMaN...........................................................................................................................................90
Figura 4.6 - Diagrama entrada/meio/sada.............................................................................. 94
Figura 4.7 - Rede de inferncia utilizada inicialmente pelo SEMaN................................... 96
Figura 4.8 - rvore de falhas gerada pela rede de inferncia para o efeito temperatura
excessiva.........................................................................................................................................97
Figura 4.9 - Refinamento da rvore de falhas apresentada na Figura 4.8..........................98
Figura 4.10 - Arquitetura funcional do prottipo.....................................................................99
Figura 4.11 -Diagrama de classes do prottipo SEMaN...................................................... 102
Figura 4.12 - Grupo de regras.................................................................................................. 103
LISTA DE FIGURAS
LISTA DE TABELAS
Tabela 1.1 - Alguns Sistemas Especialistas de sucesso ........................................... ................5
Tabela 2.1 - Mtodo Algortmico x Mtodo Heurstico..........................................................17
Tabela 2.2 - Conceitos de Sistemas Especialistas.................................................................... 18
Tabela 2.3 - Diferenas entre programas convencionais e Sistemas Especialistas.............24
Tabela 2.4 - Modelo linear de desenvolvimento para S.E...................................................... 27
Tabela 4.1 - Sadas previstas para a Etapa Estudo de Viabilidade...................................... 81
Tabela 4.2 - Sadas para a Etapa Verificao da disponibilidade de recursos....................82
Tabela 4.3 - Sadas para a Etapa Especificaes da ferramenta computacional................89
Tabela 5.1 - Mtricas de avaliao do prottipo...................................................................114
xii
LISTA DE SIGLAS E ABREVIATURAS
AA
xiii
TPM - Total productivity maintenance
UML - Unified modelling language
SIMBOLOGIA E LETRAS GREGAS
pi - presso na linha de admisso
P2 - presso na linha de descarga
i - corrente do motor eltrico
I.P.S. - ndice de partculas slidas
tf - temperatura do fluido
X - taxa de falhas
xiv
RESUMO
Este trabalho descreve as principais etapas do processo de desenvolvimento de um
sistema especialista para diagnstico de falhas em um tpico sistema naval. O projeto baseia-se
no desenvolvimento de um prottipo para demonstrar a viabilidade de se aplicar esta tcnica na
rea de manuteno naval.
A pesquisa inicia com uma exposio sobre os principais conceitos tericos relativos a
sistemas especialistas (S.E.), e, na seqncia caracteriza a atividade de manuteno, as
peculiaridades da rea naval, o papel da hidrulica e a importncia do diagnstico neste contexto,
para em seguida demonstrar como os sistemas especialistas (S.E.) podem ser aproveitados em
um cenrio tipicamente naval.
Concluda a fundamentao terica, o trabalho descreve como a informao de projeto
organizada para se produzir um sistema especialista prottipo que possa ser utilizado em uma
organizao que lida prioritariamente com manuteno naval.
Pode-se dizer que o desenvolvimento da pesquisa permitiu a integrao de trs reas
distintas de conhecimento: manuteno, hidrulica e sistemas especialistas. Alm destas reas, os
conceitos de metodologia de projetos e tcnica de modelagem orientada a objetos tambm foram
utilizados no estudo.
Devido ao tipo do conhecimento a ser representado, o fato do mesmo no estar
completamente estruturado e tendo em vista a relao de compromisso entre o real objetivo da
pesquisa e o pouco tempo disponvel para o desenvolvimento do prottipo, foram implementadas
apenas um nmero de funes suficiente para a demonstrao da potencialidade da ferramenta
computacional no contexto das reas supracitadas.
X V
ABSTRACT
This study describes the main phases of the development process of an expert system for
troubleshooting a typical naval system. The project relies on a prototype development to
demonstrate the feasibility of applying this technique in naval maintenance.
The research starts with an explanation of the main theoretical concepts related to expert
system (ES), then, it seeks to characterise the maintenance procedure, specificity of the naval
area, fluid power role and troubleshooting importance in this context. Finally it also
demonstrates how expert systems may be exploited in a typically naval setting.
After the theoretical basis explanation, the study describes how project information is
organised to produce an expert system prototype which can be used in an industrial organisation
which deals primarily with naval maintenance.
This research allowed the integration of three distinct knowledge fields: maintenance,
fluid power and expert systems. In addition, the concepts of engineering design methodology and
object oriented modelling techniques were also used in this study.
Owing to the type of emulated knowledge, the fact that it is not completely structured the
short available time for the prototype development, only the necessary functions to demonstrate
the computational tool potentiality in the context of the above cited areas were implemented.
Captulo 1
INTRODUO
1.1 A importncia da atividade de manuteno no ciclo de vida do produto
O ciclo de vida do produto - o perodo que vai da identificao das necessidades do
usurio na fase de concepo at o descarte (BLANCHARD e FABRYCKY, 1990) - um
conceito de fundamental importncia em engenharia. atravs do seu entendimento que se
consegue definir quais tarefas devem ser executadas nas diversas etapas que compem este
perodo, bem como introduzir coerncia entre estas etapas, de modo a potencializar a satisfao
do usurio quando este produto estiver na fase de uso.
Na fase de uso, a necessidade do produto j foi estabelecida e as suas caractersticas
bsicas definidas, e o que se busca maximizar a utilizao deste produto para o consumidor.
Esta fase compreende, entre outras atividades, a manuteno.
Em determinados setores industriais, como por exemplo a indstria naval, a influncia
desta atividade no ciclo de vida aumenta devido longa vida til do equipamento e ao alto custo
de aquisio, entre outros fatores. Esforos no sentido de aumentar a eficincia da atividade de
manuteno so plenamente justificveis, e o ganho obtido depender do peso desta na
organizao industrial.
A influncia cada vez maior do desempenho satisfatrio dos equipamentos sobre a
produtividade e/ou competitividade das organizaes, aliada necessidade de se estabelecer uma
parceria entre os diversos setores da organizao industrial, motiva o surgimento e a aplicao de
novos mtodos e tcnicas.
A crescente integrao entre as diversas atividades desenvolvidas em uma organizao
industrial surge da necessidade de se equilibrar a complexidade destas atividades, sejam elas de
cho de fbrica, manuteno ou projeto, com as aes requeridas para administr-las, o que
acaba gerando nveis cada vez mais elevados de informatizao e automao.
Captulo 1 - Introduo 2
Como resultado deste processo, observa-se a tendncia de substituio da manuteno
baseada na experincia pela manuteno baseada no conhecimento, atravs do uso intenso de
dados e informaes (MATOS, 1999). MOUBRAY (1997) cita como exemplo de perspectiva
futura, o desenvolvimento de ferramentas de apoio deciso.
LACERDA e JNIOR (1993) concluem aps apresentar dados referentes a um estudo
realizado em 19 indstrias de So Paulo que a manuteno industrial em nosso pas apresenta
espao para introduo de ferramentas de software e procedimentos automatizados.
GIURLANI apud LACERDA e JNIOR (1993), tambm afirma que sistemas de
autodiagnose e de monitorao em mquinas e equipamentos complexos iro facilitar o trabalho
da manuteno.
Segundo HALASZ et al. (1992), manuteno de equipamentos complexos caracterizada
por procedimentos estruturados na forma de seqncias de testes e reparos. Grande quantidade
de conhecimento encontra-se em manuais fornecidos pelos fabricantes, entretanto, na prtica,
necessrio experincia para aplicar e adaptar estas instrues ao cotidiano da organizao
industrial.
Seguindo esta linha de raciocnio, pode-se dizer que os sistemas especialistas (SE)
desempenham um papel importante na melhora da eficincia da atividade de manuteno.
Aplicaes recentes mostram que sistemas de diagnstico baseados na tcnica citada acima no
so apenas uma rea promissora para a aplicao de Inteligncia Artificial (IA), mas tambm
podem ser utilizados com sucesso em situaes reais e dar contribuies importantes, como por
exemplo:
facilitar a criao de uma cultura de preservao e consolidao do conhecimento
especfico de uma organizao industrial;
quebrar a tradicional barreira existente na indstria entre os que operam e aquelas pessoas
lotadas no Departamento de Manuteno encarregadas de manter o sistema e;
facilitar atividades de formao e capacitao.
Existem bons motivos para isto: os especialistas so normalmente bastante tcnicos e o
conhecimento de diagnstico normalmente explcito, o que permite o desenvolvimento de
sistemas precisos.
Captulo 1 - Introduo - 3
Este trabalho descreve o desenvolvimento de um sistema especialista prottipo que
poder ser usado tanto por profissionais que trabalham com manuteno de sistemas hidrulicos
navais, quanto por aqueles responsveis pela operao.
Esta ferramenta deve ser capaz de, ao imitar um especialista, diagnosticar as principais
falhas de um tpico sistema hidrulico naval e dos principais componentes deste sistema. Para
cumprir tais objetivos, utiliza informaes que so obtidas atravs de interao com o usurio.
1.2 Justificativa e relevncia da pesquisa
1.2.1 Origem do trabalho
Na rea naval, a manuteno cumpre um papel de importncia vital, pois apesar de todo o
desenvolvimento tecnolgico que modernizou os navios e os transformaram em uma complexa
interao de sistemas, a experincia comprova que durante uma parte significativa da sua vida
til, um navio fica impossibilitado de cumprir a tarefa para o qual foi projetado devido aos
servios de manuteno que nele esto sendo realizados.
A concluso de um servio de manuteno no prazo correto e dentro do oramento
previsto envolve um conjunto de decises que so tomadas nos mais diversos nveis
hierrquicos. Quais so as informaes corretas, como encontr-las e como us-las so algumas
das decises que independente do escalo, fazem parte da rotina diria daqueles que trabalham
com manuteno.
O grande desafio em um estaleiro aplicar a experincia e know-how do seu staff para
maximizar a utilizao do navio. Neste ponto, importante citar que o grupo de manuteno
pode ser considerado como um ncleo de conhecimento dentro da organizao (ALVES e
SILVA, 2001).
A principal questo destas pessoas envolve, na maioria das vezes, o paradoxo que coloca
a necessidade de reduo de tempo frente diversidade cada vez maior de equipamentos, ao
grande inter-relacionamento de reas de conhecimento e grande quantidade de informaes
dispersas na organizao.
Captulo 1 - Introduo - 4
A demanda crescente pela diminuio da durao dos perodos de manuteno na rea
naval trouxe a tona a necessidade de se utilizar novos mtodos e tcnicas. A importncia da
deciso que, na maioria das vezes, tomada em grupo e envolve objetivos e necessidades
conflitantes, fez com que as ferramentas de apoio deciso tivessem um campo prtico de
aplicao.
O conhecimento utilizado na manuteno de um navio est disperso em vrias fontes,
sejam pessoas (engenheiros, tcnicos) ou literatura tcnica (livros tcnicos, manuais, catlogos).
A diversidade e complexidade destas fontes dificulta a assimilao deste saber por apenas um
nico indivduo. Este fato, aliado ao crescente uso do computador na indstria e ao
aprimoramento das novas tecnologias, compe um cenrio que justifica a aplicao de tcnicas
de IA.
1.2.2 Sistemas especialistas no contexto da inteligncia artificial
RICH e KNIGHT (1994) apresentam uma definio interessante para o termo LA. Eles
afirmam que Inteligncia Artificial o estudo de como fazer computadores executarem tarefas
que no momento pessoas fazem melhor.
Conforme apresentado por DURKIN (1994), do ponto de vista prtico pode-se dizer que
o objetivo da IA tomar os computadores mais teis. Isto pode ser obtido de vrias maneiras:
produzindo programas que auxiliem o processo de tomada de deciso;
produzindo programas que auxiliem na busca inteligente de informao ou
tomando os computadores mais fceis de serem usados, atravs do uso de interfaces de
linguagem natural.
Dentre as reas apresentadas, o desenvolvimento de sistemas baseados em conhecimento,
como tambm so conhecidos os SE, causou grande impacto na indstria devido principalmente
valiosa contribuio que deram s organizaes que os desenvolveram.
Estes sistemas so programas computacionais projetados para modelar a habilidade de
resoluo de problemas de um especialista humano atravs da manipulao de smbolos
(DURKIN, 1994). Podem ter diversas aplicaes, tais como: projeto de sistemas hidrulicos,
diagnstico de infeces, monitoramento de equipamentos eletro-mecnicos e treinamento, em
reas distintas como: educao, engenharia ou medicina.
Captulo 1 - Introduo - 5
Devido ao grande desenvolvimento das tecnologias de hardware e software, atualmente
possvel desenvolver SE complexos em PCs tpicos. A Tabela abaixo apresenta alguns
exemplos de sistemas especialistas bem sucedidos.
Tabela 1.1 - Alguns sistemas especialistas de sucesso
PROSPECTORSistema desenvolvido para auxiliar gelogos na identificao de formaes geolgicas que poderiam conter minrios. Desenvolvido pelo Instituto de Pesquisas de Stanford. 0 sistema previu com preciso a existncia de um depsito multimilionrio de Molibdnio (WATERMAN, 1986).
GENAIDSistema que monitora remotamente em tempo real a condio de geradores eltricos. Foi desenvolvido pela Westhinghouse Eletric Corporation em parceria com Texas Utilities Company e Camegie Mellon University (CMU) . Est em operao comercial em vrios locais nos EUA (GONZALEZ e DANKEL, 1993).
I XCONAuxilia a configurao de sistemas computacionais VAX . Foi desenvolvido pela DEC em conjunto com CMU. atualmente usado internamente pela DEC (GONZALEZ e DANKEL, 1993).
Atualmente, qualquer organizao industrial, seja pblica ou privada, busca a
competitividade na sua rea de atuao e o caminho, na maioria das vezes, passa pelo aumento
de produtividade.
Para vencer o obstculo de queda de rendimento, causado na maioria das vezes pela
quebra da mquina ou do equipamento, e satisfazer as necessidades operacionais de diagnstico
de falhas, vrias estratgias podem ser utilizadas e dentre elas, os SE so sem dvida uma das
mais promissoras.
Administrar o conhecimento uma ao fundamental para o bom desempenho das
organizaes industriais, em especial daquelas que lidam com manuteno. Fornecer o
conhecimento adequado para a pessoa certa no momento oportuno com o formato mais
apropriado, mais do que proporcionar servios executados no prazo acordado, pode tomar-se o
diferencial importante em um mercado cuja caracterstica principal a intensa competitividade.
Captulo 1 - Introduo - 6
Utilizar aplicaes computacionais para produzir o conhecimento necessrio uma
prtica que tem desempenhado um papel importante na forma como as organizaes operam
(BELOHLAV et al., 1997). Entretanto, deve-se buscar compreender de que forma estas
ferramentas podem realmente suprir as carncias da organizao, pois entende-se que atravs
da integrao entre indstria e pesquisa que se consegue encurtar a distncia entre as reais
necessidades e o que as novas tecnologias podem oferecer.
1.3 Objetivos
1.3.1 Objetivo geral
O objetivo central deste trabalho de pesquisa demonstrar a viabilidade do uso da tcnica
de SE na rea naval. Para alcan-lo, ser desenvolvido um sistema especialista prottipo para
diagnstico de falhas em um tpico sistema naval. Nos prximos captulos sero apresentadas
com maiores detalhes as razes que justificam a escolha da rea citada para o desenvolvimento
da pesquisa.
Devido ao tipo do conhecimento a ser representado, o fato de o mesmo no estar
completamente estruturado e tendo em vista a relao de compromisso entre o real objetivo da
pesquisa e o pouco tempo disponvel para o desenvolvimento do prottipo, so geradas apenas
um nmero de funes suficiente para a demonstrao da potencialidade da ferramenta
computacional no contexto das reas de manuteno naval e de IA.
Para que o processo seja claro, estruturado e para que contribuies tecnolgicas reais
sejam obtidas, o sistema especialista prottipo desenvolvido submetido validao. Pretende-
se com isso colher subsdios importantes tanto para melhoramentos, como para trabalhos futuros.
A documentao do processo de desenvolvimento estar distribuda ao longo da
dissertao.
1.3.2 Contribuies
Algumas das contribuies que se espera obter com o desenvolvimento do prottipo esto
apresentados abaixo:
aumentar a eficincia do processo de manuteno, na medida que recupera e disponibiliza
informaes;
Captulo 1 - Introduo - 7
documentar o conhecimento de uma rea (hidrulica naval) e
facilitar a transferncia de tecnologia entre instituies.
1.4 Limitaes
A abordagem utilizada neste trabalho desenvolver um sistema especialista prottipo
baseado em regras e que utilize tcnicas de modelagem orientadas a objetos de forma a simular
tanto o processo de inferncia utilizado por especialistas humanos, como o contido em manuais
tcnicos de deteco de falhas. Esta abordagem, entretanto, no incorpora dados histricos de
falhas nem tcnicas de inferncia estatsticas como parte do processo de resoluo do problema.
A fundamentao terica que justifica as opes citadas acima, bem como os conceitos
relativos ao entendimento do tema SE, sero apresentados com maiores detalhes no captulo 2.
Em funo da escolha da ferramenta de desenvolvimento e considerando o objetivo
principal da pesquisa, a interface com o usurio estar limitada a textos.
Uma possvel deficincia que pode advir da dificuldade de se obter do(s) especialista(s)
humano(s) a explicitao do seu mtodo de inferncia o enfraquecimento da base de
conhecimento do sistema. Este ponto uma das muitas dificuldades que os desenvolvedores de
SE se defrontam.
1.5 Metodologia da pesquisa
Este projeto fundamenta-se em dois pilares principais: o modelo iterativo incremental e a
fundamentao terica sobre desenvolvimento de SE exposta nos diversos estudos publicados
sobre o assunto.
O modelo incremental pode ser aplicado tanto no desenvolvimento de sistemas
especialistas como em software convencionais. Este paradigma baseia-se no princpio de
crescimento gradativo, em que problemas complexos no so resolvidos de uma nica vez, mas
sim atravs de sucessivas iteraes. A idia bsica desenvolver o sistema em incrementos, ou
seja, a medida que capacidades funcionais sejam inseridas, so feitas verificaes para checar se
os resultados so os esperados. Esta abordagem traz como principal vantagem a reduo da
possibilidade de insucesso.
Captulo 1 - Introduo - 8
O desenvolvimento de SE pode ser dividido em quatro etapas principais: aquisio de
conhecimento, representao, implementao e validao. importante ressaltar que, embora
estas etapas estejam sendo citadas seqencialmente, o modelo escolhido para o desenvolvimento
iterativo incremental implica na ocorrncia quase que simultnea das mesmas.
A aquisio de conhecimento inicia com a investigao das fontes de conhecimento
relacionadas com o problema em questo, sejam livros ou pessoas e fmda com a explorao
destas fontes. Na fase de representao so criadas estruturas que possam reproduzir o
conhecimento adquirido na fase anterior de tal forma que este conhecimento possa ser codificado
computacionalmente na fase de implementao. A fase de validao que normalmente feita por
futuros usurios do sistema engloba tambm a verificao, que feita por quem elabora o cdigo
fonte.
Em funo do perfil terico adquirido, so tambm utilizados no projeto conceitos da
metodologia de desenvolvimento de produtos que vem sendo implementada pelo Ncleo de
desenvolvimento integrado de produtos (NeDIP), laboratrio de pesquisa da Universidade
Federal de Santa Catarina. Dentro desta filosofia, o prottipo considerado o produto a ser
desenvolvido.
1.6 Resultados esperados
Espera-se que os resultados obtidos no processo de validao sejam suficientes para
confirmar as expectativas positivas relativas potencialidade da ferramenta.
No que diz respeito especificamente ao sistema, tem-se como meta chegar aos pontos abaixo:
boa usabilidade, ou em outras palavras, facilidade de operao;
preciso para fazer o que foi proposto de maneira adequada;
modularidade para permitir que acrscimos posteriores venham a ser feitos com o
mnimo de dificuldades possvel;
robustez e
capacidade de apresentar diagramas esquemticos e/ou relatrios tcnicos em arquivos
HTML de forma a usufruir os benefcios da grande utilizao tanto da Internet, como de redes
internas, Intranet.
Captulo 1 - Introduo - 9
1.7 Estrutura do trabalho
Este trabalho est estruturado em 6 captulos, tendo incio no captulo 1 onde so
mostradas as linhas gerais que direcionam a pesquisa. Tendo em vista os objetivos do projeto,
surge a necessidade de apresentar os conceitos relativos a SE e engenharia de conhecimento, que
so objeto de discusso do captulo 2.
O captulo 3 busca caracterizar a atividade de manuteno, as peculiaridades da rea
naval e o papel da hidrulica neste contexto. Apresenta tambm a importncia do diagnstico e
as principais tcnicas de anlise de falha. Por fim, demonstra como os SE podem ser
aproveitados em um cenrio como estes.
O captulo 4 descreve de maneira crtica como ocorreram as principais etapas do processo
de desenvolvimento do prottipo, apresentando algumas consideraes que podem levar a erros
e/ou acertos. O principal objetivo deste captulo , alm de descrever como foi o processo de
desenvolvimento, fornecer subsdios para trabalhos posteriores nesta rea.
No captulo 5 apresentado ao leitor o processo de validao.
O captulo 6 apresenta discusses sobre as principais questes apresentadas no trabalho e
algumas recomendaes para trabalhos futuros.
Ca pt u l o 2
SISTEMAS ESPECIALISTAS
2.1 A busca por uma mquina inteligente
Os pontos apresentados nas duas primeiras sees deste captulo representam marcos na
evoluo histrica da incessante busca do Homem por mquinas que possam ser consideradas
inteligentes. A apresentao dos mesmos faz-se necessria tanto pela importncia que tm para a
comunidade de pesquisadores em IA , como tambm para o pleno entendimento deste trabalho
por estudiosos de outras reas.
Segundo BITTENCOURT (1998), uma parte importante de uma inteligncia artificial
o substrato fsico no qual esta se materializar. No caso da IA este substrato um computador
digital.
Embora nos dias de hoje ainda no seja possvel chegar a um consenso sobre o que
inteligncia, pode-se dizer que a procura por uma mquina que apresente tal comportamento no
nova. Segundo apresentado por ZUCHI (2000), no Oriente Mdio, desde 2500 a.C. j existia
uma verso primitiva do baco (Figura 2.1), considerado um dos primeiros dispositivos
computacionais. Este dispositivo era composto de uma armao e diversos fios de arame. Em
cada um desses arames corriam sete bolas, sendo que cinco ficavam abaixo de uma barra
horizontal divisria e duas acima. Cada arame correspondia s posies dos dgitos num nmero
decimal: unidades, dezenas e centenas. As bolas representavam os dgitos; as que estavam acima
da barra horizontal valiam cinco e as que esto abaixo valiam uma unidade.
Figura 2.1- Verso primitiva do baco
Captulo 2 - Sistemas Especialistas -11
Esta busca por mquinas inteligentes vem sendo motivada tanto pelos benefcios prticos
que podem ser obtidos com a descoberta, como tambm pelo desafio que a tarefa representa.
Os esforos despendidos comearam efetivamente a se materializar quando ocorreram as
criaes das primeiras mquinas de calcular e acabaram resultando na idia de desenvolver o
computador. Embora a idia no seja nova, a conotao que esta palavra tem nos dias de hoje
relativamente recente, pois somente em 1960 surgiu o termo computador digital, em oposio ao
termo computador analgico (TURING,
http://www.turing.org.uk/turing/scrapbook/computer.html).
Com o passar dos anos houve uma expressiva mudana de conceitos. Computador, que
significava inicialmente apenas uma pessoa fazendo clculos, evoluiu para computador
automtico e somente nos dias de hoje incorpora o conceito de programa armazenado. Segundo
BARRETO apud ZUCHI (2000), computador talvez a mais aperfeioada ferramenta que o ser
humano j construiu para ampliar as suas capacidades intelectuais e cuja vocao o
armazenamento e manipulao de informaes, informaes do mesmo tipo que devem ser
passadas de um ser humano a outro.
Pode-se dizer que o primeiro ancestral do computador moderno nasceu por volta de 1832,
do sonho de Charles Babbage, poca Professor da Universidade de Cambridge.
Inspirado em teares, Charles Babbage projetou os dois mais modernos dispositivos de
clculo at ento, Mquina Diferencial (Difference Engine) e Mquina Analtica (Analytical
Engine). O primeiro foi parcialmente construdo e o segundo no saiu do papel. Embora as suas
idias fossem semelhantes s que possibilitariam mais tarde a construo do computador digital e
o feito pudesse ser considerado notvel para a engenharia da poca, Charles Babbage no
conseguiu escapar das crticas (TURING, 1950).
A construo da Mquina Diferencial (Difference Engine), apresentada na Figura 2.2 foi
concluda em 1991 e atualmente est em exposio no Museu da Cincia em Londres. Hoje,
alm de ser considerado um cone na histria dos computadores, o princpio adotado tratado
como uma possvel alternativa para o fraco desempenho dos atuais computadores eletrnicos
quando submetidos a condies anormais, tais como: temperaturas elevadas e presena de
radiao.
http://www.turing.org.uk/turing/scrapbook/computer.html
Captulo 2 - Sistemas Especialistas -12
Mquina Diferencial Mquina Analtica
Figura 2.2 - Difference / Analytical Engine (http:/www.nmsi.ac.uk/on-line/treasure/objects/1862-89.html)
Em 1940, Alan Turing liderou a equipe que construiu um dispositivo cujo objetivo era
decifrar mensagens alems gerada pela mquina Enigma. Embora o prprio Alan Turing no o
julgasse desta forma, pode-se considerar este invento como sendo o primeiro computador
moderno. Chamava-se Heath Robinson e foi substitudo em 1945 pelo Colossus, que utilizava
tecnologia mais moderna.
A grande mudana aconteceu posteriormente com a inovao que foi o surgimento do
primeiro computador que inclua programas (processamento lgico de informaes) e dados
armazenados de forma semelhante, o que iria permitir mais do que a realizao de clculos
matemticos (TURING, http://www.turing.org.uk/turing/scrapbook/computer.html).
Embora no se possa precisar a autoria do feito, o fato que se abriram assim as portas
que faltavam para o desenvolvimento de mquinas inteligentes, pois passou-se a se processar
dados de forma mais rpida e com maior velocidade, o que se por um lado foi um grande avano,
por outro, ainda no era suficiente para garantir o elo entre inteligncia humana e mquinas.
http://www.nmsi.ac.uk/on-line/treasure/objects/1862-89.htmlhttp://www.turing.org.uk/turing/scrapbook/computer.html
Captulo 2 - Sistemas Especialistas - 13
2.2 Inteligncia artificial e sistemas especialistas
Embora a inveno do computador tenha proporcionado a tecnologia necessria para o
surgimento da IA, foi somente por volta de 1950 que a ligao entre inteligncia humana e
mquinas foi realmente observada. Este ltimo elo pode ser atribudo a Norbert Wiener, quando
pesquisou sobre realimentao (feedback theory) e teorizou que comportamento inteligente seria
resultado de mecanismos de realimentao, mecanismos estes que poderiam ser imitados por
mquinas. Esta descoberta influenciou muito o desenvolvimento inicial da IA
(http//tqd. advanced. org/2/05/history .html).
Considerado o primeiro evento significativo na histria da LA, o artigo Computing
Machinery and Intelligence do matemtico britnico Alan Turing prope um teste denominado
Turing Test, cujo objetivo fornecer uma definio para inteligncia. Na proposio, questiona
se ao passar em um teste semelhante, uma mquina pode ser considerada inteligente. Neste
trabalho, so apresentados pontos de vista favorveis e contrrios idia de que computadores
possam exibir inteligncia (TURING, 1950).
Entretanto, o surgimento oficial do termo LA s aconteceu em uma conferncia
organizada em 1956 por John McCarthy. O objetivo deste estudo era desenvolver mquinas que
tivessem a capacidade de resolver certos tipos de problemas at ento solucionados
exclusivamente por seres humanos. Baseava-se no princpio de que o processo do aprendizado e
as caractersticas da inteligncia podiam ser de tal forma descritos, que seria possvel a execuo
da tarefa (McCARTHY et al 1955).
Os primeiros trabalhos na rea de LA foram programas computacionais de natureza
acadmica capazes de imitar a participao humana em jogos, sendo xadrez o preferido. Outra
rea de interesse para os pesquisadores neste estgio inicial foi a lgica (DURKLN, 1994).
Um dos mais ambiciosos projetos deste estgio inicial da IA foi a elaborao de um
programa computacional que teria por objetivo resolver uma grande extenso de problemas, que
iam desde jogos at integrao simblica, o General Problem Solver (GPS). A abordagem
utilizada foi definir o problema em estados que representavam diferentes estgios na soluo do
problema. O processo consistia em modificar o estado do problema atravs da aplicao de
operadores tantas vezes quantas fossem necessrias at atingir o objetivo desejado (NEWELL e
SIMON, 1972).
Captulo 2 - Sistemas Especialistas - 14
Como dificuldades encontradas, podem ser citadas a dificuldade para encontrar os
operadores apropriados aos diferentes estados e os limitados recursos de hardware disponveis
poca.
As expectativas iniciais de que os crebros eletrnicos teriam um potencial ilimitado
foram sendo gradativamente substitudas pela conscincia de que a resoluo de problemas reais
ainda no fora obtida, at que no incio dos anos 70, um relatrio solicitado pelo Conselho de
Pesquisa em Cincia da Inglaterra, ao emitir um parecer contrrio a transformao da IA em um
campo distinto de estudo, provoca um forte impacto negativo na comunidade de pesquisadores,
impacto este que no suficiente para interromper todas as pesquisas da poca. A principal
alegao era de que as descobertas realizadas at ento no tinham causado o impacto prometido
(DURKIN, 1994).
Pode-se dizer que a grande mudana de paradigma veio com o projeto DENDRAL. Este
trabalho foi desenvolvido por pesquisadores da Universidade de Stanford, em um esforo para
formalizar o conhecimento dentro de um domnio cientfico especfico, no caso qumica
orgnica. Outro grande objetivo do projeto foi entender melhor o processo de transformao de
hipteses explanatrias em explicaes julgadas adequadas
(http://smi-web.stanford.edu/research/history.html).
O resultado, aps mais de uma dcada de esforos (1965 - 1983) e com a colaborao de
pesquisadores de diversas reas, foi um sistema computacional que operava to bem quanto os
qumicos especialistas da poca na determinao de estruturas moleculares capazes de
representar a anlise espectogrflca de uma molcula desconhecida.
Embora o sistema DENDRAL no seguisse a estrutura tradicional dos SE, pois ele
integrava trs programas independentes, dos quais apenas 2 eram baseados em regras, ele
permitiu a descoberta de que alm dos mtodos de inferncia, o conhecimento especfico sobre
domnios limitados de aplicaes tambm era importante; uma vez que segundo GONZALEZ e
DANKEL (1993), a tcnica de utilizar um conhecimento geral que pudesse ser aplicado a
muitos domnios at ento no tinha se mostrado muito eficiente.
Examinando este projeto, percebe-se que talvez o ponto mais importante tenha sido a
observao de que qumicos reconhecidamente competentes usavam heurstica para reduzir o
nmero de possibilidades a serem analisadas.
http://smi-web.stanford.edu/research/history.html
Captulo 2 - Sistemas Especialistas - 15
Assim surgiram os sistemas baseados em conhecimento, tambm conhecidos como SE e
hoje uma das reas de maior sucesso da IA.
2.3 Conceito de sistemas especialistas
Existem basicamente duas linhas principais para a construo de sistemas que podem ser
considerados inteligentes: a linha conexionista e a linha simblica.
A linha conexionista visa modelagem da inteligncia humana atravs da simulao dos
componentes do crebro, isto , de seus neurnios, e de suas interligaes (ZUCHI, 2000). Muito
desta inspirao veio do desejo de produzir sistemas artificiais capazes de executar funes
similares s que o crebro humano executa rotineiramente, possibilitando assim um melhor
entendimento do seu funcionamento.
Segundo RICH e KNIGHT (1994), na busca de construir mquinas inteligentes, s se tem
um modelo que ocorre naturalmente: o crebro humano. Uma idia bvia seria ento simular o
funcionamento deste diretamente no computador.
Em 1943 surgiu a representao e formalizao matemtica dos neurnios artificiais,
propostas pelo neuropsiclogo McCulloch e o matemtico Pitts, que deram origem s redes
neuronais (ZUCHI, 2000). Estas redes seriam unidades conectadas por canais de comunicao
(conexes) que carregam dados numricos e no smbolos.
A linha simblica por sua vez d nfase aos processos cognitivos, que correspondem
forma como o ser humano processa informao. Pode-se dizer que a cognio o estudo dos
processos mentais usados no pensamento, percepo, classificao, reconhecimento, etc. O
objetivo , ao descobrir como as pessoas adquirem, organizam e usam o conhecimento durante o
processo de resoluo de problemas, encontrar explicao para comportamentos inteligentes.
Os sistemas baseados em conhecimento, ou SE como so mais conhecidos, esto
inseridos nesta linha de pesquisa e sero apresentados com mais detalhes a partir de agora.
Os SE diferem basicamente dos programas computacionais convencionais por manipular
um tipo de conhecimento que normalmente no pode ser manipulado de forma algortmica. Estes
sistemas trabalham com conhecimento considerado de natureza heurstica.
Captulo 2 - Sistemas Especialistas - 16
Heurstica no representa conhecimento especfico sobre um sistema, mas diretrizes de
como este opera. De uma forma geral, estas diretrizes podem ser representadas por
relacionamentos causa x efeito que no so de conhecimento pblico (IGNIZIO, 1991). A idia
bsica foi sugerida por Emil Post em 1936, quando props os hoje chamados sistemas de Post
que representavam um mtodo geral de processamento de dados (BITTENCOURT, 1998).
O trabalho Human Problem Solving (NEWELL e SIMON, 1972) tambm demonstra
que muito da capacidade humana de resoluo de problemas poderia ser expressa por regras de
produo do tipo SE/ENTO. A condio (lado esquerdo) da regra constituda por um padro
que determina a aplicabilidade da regra enquanto a ao (lado direito) representa o que ser feito
quando esta regra for aplicada.
No contexto de SE , pode-se dizer que a heurstica representa um conhecimento baseado
na experincia adquirida por um especialista que permite a esta pessoa chegar rapidamente
soluo de um problema sem que obrigatoriamente tenha que fazer uma anlise detalhada do
mesmo (DURKIN, 1994).
Diferentemente do algoritmo, a heurstica apesar de freqentemente fornecer uma
resposta correta, pode em determinadas situaes errar, ou mesmo no ser capaz de gerar
qualquer resposta. Isto se deve ao fato de nem todas as possibilidades serem necessariamente
analisadas.
Segundo RICH e KNIGHT (1994), a heurstica uma tcnica que melhora a eficincia de
um processo de busca, possivelmente sacrificando pretenses de completeza. como um guia de
turismo, boa no sentido de que geralmente aponta para direes interessantes, mas pode ser
imprpria no sentido de que pode deixar de fora pontos de interesse para determinados
indivduos. Esta afirmativa mais facilmente compreendida atravs de um exemplo prtico.
Sabe-se que para um diagnstico eficaz de falhas em sistemas hidrulicos, deve-se
inicialmente coletar o maior nmero possvel de informaes qualitativas sobre o problema.
Depois, estas informaes devem ser confrontadas com as indicaes dos sensores do circuito
para que a concluso e/ou diagnstico final seja o mais preciso possvel. Ocorre que, por motivos
diversos (econmicos, de segurana, etc.), a equipe encarregada de localizar o problema nem
sempre tem tempo suficiente para executar a anlise de todas as combinaes possveis, ou isto
no possvel. Na maioria das vezes, os atalhos usados pelo pessoal envolvido na faina de
diagnstico levam ao objetivo desejado, porm em alguns casos podem falhar.
Captulo 2 - Sistemas Especialistas - 17
A diferena bsica entre heurstica e algoritmo que este ltimo pode ser entendido como
sendo um mtodo que utiliza procedimentos matemticos para resolver um problema, de forma a
encontrar a resposta em um nmero finito de operaes (IGNIZIO, 1991), ou como apresentado
por MLLER (1998) um raciocnio, caracterizado pela certeza de que se aplicado a um
determinado problema, chega em um nmero determinado de etapas soluo deste problema. A
implementao computacional de um algoritmo, quando este existe, gera um programa
procedural, seqencial ou convencional, e sempre fornece uma resposta correta. Para ilustrar a
diferena, cita-se o exemplo abaixo apresentado por GENARO (1986) em seu livro Sistemas
Especialistas, o Conhecimento Artificial.
Tabela 2.1 - Mtodo algortmico x Mtodo heurstico (GENARO, 1986)
PROBLEMA ELIMINAR CONTRABANDO
MTODO ALGORTMICO MTODO HEURSTICO
Soluo Patrulhar toda a costa e fronteiras. Rigorosa vistoria em todos os pontos de entrada no pas.
Vigiar rotas mais conhecidas. Inspeo aleatria nas bagagens mais provveis.
Caractersticas Alto custo para realizao. Sempre funciona.
Pode ser feita com menos recursos e falhar em certas situaes.
Aplicao Quando existir algum algoritmo ou este for factvel.
Se no existir algoritmo, ou este no puder ser realizado.
O conceito de SE muitas das vezes relacionado com a funo que este executa, outras
com a sua estrutura. A tabela 2.2 apresentada a seguir, resultado de pesquisa na Internet
(http://www.bus.orst.edu), resume o pensamento de alguns estudiosos do assunto.
http://www.bus.orst.edu
Captulo 2 - Sistemas Especialistas - 18
Tabela 2.2 - Conceitos de sistemas especialistas
PONTO CONSIDERADO
IMPORTANTECONCEITO
rearesolve problemas de maneira eficaz em uma pequena
rea do conhecimento (WATERMAN, 1986)
Dificuldaderesolve problemas que so difceis o suficiente para
necessitar conhecimento humano especializado(FEINGENBAUM, 1985).
Desempenhopermite ao usurio acessar o seu conhecimento de forma
e com resultado similar a um especialista humano(EDWARDS & CONNEL, 1989).
Capacidade de explicao incorpora processos de explicao (LIEBOWITZ, 1988).
Separao entre o conhecimento e a forma como
este controlado
colocar conhecimento originado de um especialista humano dentro de um computador (BRITISH COMPUTER SOCIETYS SPECIALIST GROUP IN FORSYTH, 1984).
Mais recentemente, MENDES (1997) conceituou SE como sistemas interativos que
respondem questes, solicitam e fornecem esclarecimentos, fazem recomendaes e geralmente
auxiliam o usurio orientando-o no processo de tomada de deciso, ou seja, simulam o raciocnio
humano fazendo inferncias, julgamentos e projetando resultados.
Apesar de no haver uma definio nica, pode-se dizer que SE um programa
computacional que devido a caractersticas e tcnicas especficas, visa a tomar as decises que
um especialista humano tomaria se fosse colocado frente mesma situao, no mesmo domnio
especfico de conhecimento.
2.4 Estrutura dos sistemas especialistas
Quando um especialista humano se depara com um problema, este primeiramente obtm
fatos sobre a situao e os armazena na sua memria de curto prazo. Depois raciocina,
combinando fatos da memria de curto prazo com conhecimento da memria de longo prazo.
Usando este processo, consegue inferir solues para o problema DURKIN (1994).
Captulo 2 - Sistemas Especialistas - 19
NOYES (1992) cita que foram identificados trs estgios bsicos de processamento de
conhecimento: aquisio deste por um dos sentidos, reteno na memria e recuperao para
posterior uso.
O entendimento deste processo, bem como dos termos citados acima (memria de curto e
longo prazo), passa pela compreenso de que para realizar qualquer tipo de inferncia, as pessoas
necessitam de habilidade para armazenar conhecimento, pois s assim este conhecimento poder
ser manipulado e recuperado.
A nossa memria consiste de vrios depsitos de informao, cada qual representando
um papel diferente no processo de formao das recordaes. Segundo ULLMAN (1990), a
memria de curto prazo compreende a nossa mente consciente.
Estudos feitos para determinar a natureza da informao armazenada na memria de
curto prazo descobriram que esta principalmente de natureza acstica e tem durao pequena.
O esquecimento normalmente acontece dentro de aproximadamente 15 segundos. Pesquisas
desenvolvidas por George Miller determinaram que a memria de curto prazo pode reter em
torno de sete itens de informao. Um item consiste em um pedao de informao (chunk), que
pode ser um nmero, uma frmula ou uma frase. Um pedao qualquer coisa que o crebro
armazena como uma representao unitria. O crebro pode reter mais informao na memria
de curto prazo se estiver organizado em pedaos de informao de alto nvel. Como exemplo de
organizao de alto nvel, cita-se o agrupamento de letras formando palavras.
Por outro lado, a memria de longo prazo, ou depsito secundrio, consiste em
informao que ns temos acumulado de forma permanente. A capacidade desta ilimitada e
diferentemente da memria de curto prazo, tem o seu acesso lento, da ordem de 10 seg. / pedao.
2.5 Elementos de um sistema especialista
A estrutura de um sistema especialista semelhante citada acima, na qual a memria
operacional (correspondente memria de curto prazo), interage com a base de conhecimento
(correspondente memria de longo prazo) atravs da mquina de inferncia, possibilitando
assim que o sistema apresente ao usurio as respostas (DURKIN, 1994). A Figura 2.3
apresentada por DURKIN (1994), ilustra o que foi citado.
Captulo 2 - Sistemas Especialistas -20
Figura 2.3 - Estrutura de um sistema especialista (DURKIN, 1994)
Para que a Figura 2.3 seja bem entendida, importante compreender os conceitos de base
de conhecimento, memria operacional e mquina de inferncia:
base de conhecimento: representa a parte do sistema especialista que contm o domnio
de conhecimento; conhecimento este que de natureza predominantemente heurstica e pode ser
representado na forma de regras, conceitos (objetos ou frames) e relacionamentos (redes
semnticas). Segundo GONZALEZ e DANKEL (1993), a memria de longo prazo do sistema.
Um dos problemas mais srios e ao mesmo tempo mais comuns na implementao de SE,
o fato de que normalmente parece impossvel fornecer o conhecimento completo sobre o
domnio que o sistema vai operar. ZUCHI (2000) observa haver uma relao entre o nvel de
desempenho do sistema especialista e a qualidade da sua base de conhecimento.
memria operacional: a memria operacional funciona como a memria de curto prazo
do sistema, pois contm os fatos relativos ao problema que so descobertos durante a consulta do
usurio com o SE. Estes fatos podem ser recebidos por sensores, banco de dados ou outros
programas. Tal informao tanto pode ser fornecida de uma s vez ou medida que a sesso
avana. No presente trabalho, sesso significa o espao de tempo necessrio para o SE chegar a
uma concluso.
mquina de inferncia: funciona como um processador cognitivo que compara os fatos
contidos na memria operacional com o conhecimento contido na base de conhecimento para
tirar concluses sobre o problema (DURKIN, 1994). Quando a base de conhecimento formada
por regras, a mquina de inferncia determina qual condicional da regra, se existir alguma,
Captulo 2 - Sistemas Especialistas -21
satisfeita por fatos que estejam na memria operacional e adiciona a concluso desta regra
memria operacional.
agenda: representa uma lista priorizada de regras geradas pela mquina de inferncia,
cujas premissas so satisfeitas por fatos da memria operacional.
Alm dos componentes supracitados, no se pode deixar de mencionar a interface com o
usurio, que o mecanismo pelo qual o usurio e o sistema especialista se comunicam e o
mecanismo de explicao, uma importante caracterstica dos SE, normalmente realizada atravs
da reconstituio das regras disparadas durante o processo de inferncia (SANNEMANN, 1997).
2.6 Formas de inferncia
Segundo FERREIRA (1986), inferncia significa a passagem da premissa concluso.
No contexto de SE, pode ser entendida como o processo de se chegar a uma soluo, resposta ou
concluso a partir de um determinado conhecimento inicial (GONZALEZ e DANKEL, 1993).
Em outras palavras, pode-se dizer que a tcnica atravs da qual os SE solucionam problemas.
Existem dois mecanismos clssicos que podem ser utilizados para se chegar a uma concluso e
sero apresentados a seguir:
2.6.1 Encadeamento direto (Forward Chaining)
Neste tipo de inferncia, as concluses so geradas a partir de um conjunto de fatos
conhecidos. O sistema obtm novos fatos usando regras cujas premissas combinem com os fatos
conhecidos. O processo continua at que o objetivo seja atingido ou ento quando no existirem
mais regras cujas premissas combinem com os novos fatos que se apresentam (DURKIN 1994).
Existem basicamente duas formas de utilizar o encadeamento direto: na primeira, todos
os fatos conhecidos so fornecidos no princpio da consulta; na segunda abordagem, os fatos so
fornecidos gradativamente a medida que a sesso avana (IGNIZIO, 1991).
Este tipo de inferncia apropriado para atividades que envolvam sntese, tais como
projeto e planejamento. Nestas aplicaes, embora existam vrias potenciais solues que podem
ser derivadas das entradas, todas partem sempre do mesmo ponto inicial, que no caso especfico
do projeto so os requisitos iniciais.
Captulo 2 - Sistemas Especialistas -22
2.6.2 Encadeamento reverso (Backward Chaining)
Esta abordagem mais indicada para aplicaes cujas entradas sejam em maior nmero
do que as concluses (GONZALEZ e DANKEL, 1993). Como exemplo tpico para esta
aplicao, cita-se a atividade de diagnstico.
Esta forma de inferncia difere significativamente da apresentada anteriormente, pois
neste caso, o sistema comea com uma hiptese e busca fatos que possam comprov-la. A
principal dificuldade desta forma d inferncia encontrar uma ligao que consiga unir a
evidncia hiptese.
Esta abordagem ser apresentada com maiores detalhes no captulo que trata do processo
de desenvolvimento do prottipo, pois foi a forma de inferncia adotada neste trabalho de
pesquisa. Podem tambm existir situaes nas quais haja necessidade de combinar as formas de
inferncia citadas acima.
Uma caracterstica importante do modo de inferncia, seja ele qual for, diz respeito
monotonicidade ou no da inferncia. Sistemas monotnicos no permitem a reviso dos fatos,
ou seja, uma vez declarado como verdadeiro, o fato no pode ser modificado (BITTENCOURT,
1998). Isto significa dizer que neste tipo de inferncia, quando um determinado fato antes
verdadeiro toma-se falso, as concluses baseadas neste fato no se tomam falsas como deveriam.
A escolha da ferramenta de desenvolvimento vai depender em grande parte da forma de
inferncia. Normalmente, sistemas que utilizam encadeamento reverso no podem ser
construdos com ferramentas que tm como recurso apenas o encadeamento direto.
Embora no haja consenso na literatura, pode-se dizer que existem outras formas de
inferncia que podem ser utilizados por sistemas baseados em conhecimento. Como exemplo,
cita-se a analogia, que pode ser entendida como sendo o processo de inferir concluses baseadas
em similaridades com outras situaes.
Por no fazerem parte do escopo principal do trabalho, sero apenas brevemente
comentadas no item 2.10 as alternativas mais citadas pela literatura.
Cabe ressaltar que quando se usa objetos, frames ou uma rede semntica, a inferncia
pode ser realizada exclusivamente por procedimentos especficos. Como procedimentos
especficos entende-se a verificao dos valores dos atributos dos objetos (RAMOS, 1995).
Captulo 2 - Sistemas Especialistas - 23
2.7 Engenharia de conhecimento
O termo engenharia de conhecimento foi cunhado para descrever a atividade de extrair
dos especialistas o conhecimento e codific-lo na forma computacional mais adequada.
Engenheiro de conhecimento a pessoa que atravs do procedimento citado acima desenvolve o
sistema especialista.
Segundo SCHANK (1991), engenharia de conhecimento o processo atravs do qual
especialistas em IA descobrem o que um especialista humano faz para resolver um problema e
depois codificam este conhecimento em uma forma tal que uma mquina possa seguir.
O conceito apresentado acima mostra a importncia dos principais envolvidos na
construo de um sistema especialista: o especialista e o engenheiro de conhecimento. E
importante ressaltar que sem o especialista humano no domnio de conhecimento considerado,
no se consegue construir um sistema especialista.
Embora tanto SE, como outros tipos de software considerados convencionais, tenham o
objetivo de fornecer solues computacionais para problemas, existem diferenas entre os
termos programao convencional e engenharia de conhecimento. Talvez uma das principais
esteja no fato de que a programao convencional envolve a representao de procedimentos
normalmente bem definidos, que podem ser reproduzidos por mtodos algortmicos, enquanto a
engenharia de conhecimento envolve a representao de um conhecimento impreciso e
geralmente restrito a uns poucos especialistas, que muitas vezes no conseguem explicit-lo de
maneira clara.
Em programas convencionais, segue-se um conjunto pr-fxado de instrues que
normalmente no so flexveis o suficiente para se adaptar a mudanas inesperadas de
circunstncias. Este foi um dos aspectos analisados no estudo de viabilidade do XCON, uma vez
que a introduo de novos componentes de hardware na linha de montagem da DEC, implicaria
em freqentes modificaes de configurao que dificilmente poderiam ser implementadas com
rapidez em programas convencionais.
Outro ponto importante e que refora a observao acima, que nos programas
convencionais no ocorre a separao entre o conhecimento e os mtodos responsveis pela
entrada, processamento e a sada dos dados. Segundo MLLER (1998), em programas
convencionais, o conhecimento no representado explicitamente, ou seja, no existe a
separao entre o conhecimento e os pirocedimentos que detalham a entrada, o processamento e a
Captulo 2 - Sistemas Especialistas - 24
sada. Nos programas convencionais, a mudana de um simples fato pode acarretar a correo de
centenas de linhas do cdigo fonte.
No caso especfico do desenvolvimento de SE, pode-se afirmar que a natureza e a
quantidade de conhecimento necessrio para solucionar o problema so bastante incertas,
principalmente no incio do projeto. Este fato pode com freqncia levar o desenvolvedor da
ferramenta computacional chamada mudana de paradigma (GONZALEZ e DANKEL,
1993).
A mudana de paradigma ocorre quando durante o processo de desenvolvimento, o
engenheiro de conhecimento descobre que a estrutura de representao, a ferramenta de
desenvolvimento ou alguma outra caracterstica de projeto est inadequada. A Tabela 2.3 abaixo
ilustra algumas das diferenas entre programas convencionais e SE.
Tabela 2.3 - Diferenas entre programas convencionais e sistemas especialistas
CARACTERSTICA PROG. CONVENCIONAIS SIST. ESPECIALISTAS 1
Controle de execuo Declarao explcita Mquina de inferncia
Controle e dados Integrao implcita Separao explcita
Soluo por Algoritmos Regras e inferncia
Explicao Nenhuma Geralmente presente
Sada Sempre correta Varivel
Aplicao Onde hajam mtodos algortmicos Manipulao simblica
Considerando a grande quantidade de referncias e as diversas definies para o termo
conhecimento, importante conceitu-lo antes de prosseguir com a exposio do presente
trabalho. A Figura 2.4 ilustra a diferena entre dados, informao e conhecimento
(GIARRATANO e RYLEY, 1993).
Captulo 2 - Sistemas Especialistas - 25
Figura 2.4 - Hierarquizao do conhecimento (GIARRATANO e RYLEY, 1993)
Dados significam fatos ou conceitos expressos em afirmaes que, isoladamente, no tm
a prori significado prtico, mas so de potencial interesse. Cita-se como exemplo o seguinte
dado: pi = 0,2 bar.
Atravs de um processo de depurao baseado em critrios especficos (anlise), os
dados so processados para gerar informao. Pode-se dizer ento que, como pi = presso na
linha de aspirao, tem-se a informao de que a presso na linha de aspirao equivale 0,2
bar.
Quando uma certa informao comparada com outra informao e combinada na forma
de padres, o que normalmente feito atravs do processo de sntese, obtm-se conhecimento.
Continuando no exemplo citado, comparando a informao do valor da presso na linha de
aspirao, com a informao dos valores de presso considerados anormais para este trecho do
circuito hidrulico (> 0,16 bar), um especialista em hidrulica pode chegar ao seguinte
conhecimento: SE a presso na linha de aspirao 0,2 bar ENTO este valor pode ser
considerado anonnal.
CHORAFAS (1990) cita que existe uma diferena fundamental entre um banco de dados
e um banco de conhecimento. Banco de dados tm uma estrutura pr-determinada, enquanto nos
bancos de conhecimento a maneira como os fatos esto relacionados determinada ad hoc como
necessrio para resolver um problema particular, o que caracteriza a busca heurstica em
contraponto abordagem estruturada dos bancos de dados.
Captulo 2 - Sistemas Especialistas - 26
Quando indivduos ou grupos comparam partes de conhecimento, obtido aquilo que a
literatura chama de meta conhecimento. No contexto de SE, meta conhecimento pode ser usado
por exemplo para decidir qual conjunto de regras o mais adequado para uma determinada
situao.
Conhecimento tem nveis, isto um dos fatos que justificam a dificuldade no
aprendizado. Estudos mostram que a varivel anos de experincia o fator que mais influencia
na habilidade de resoluo de problemas tcnicos, pois faz especialistas exibirem padres de
comportamento distintos dos novatos, obtendo um rendimento superior na tarefa de resoluo
deste tipo de problemas (MaC PHERSON, 1998).
Neste contexto, o nvel mais baixo de conhecimento representado por fatos que fazem
o relacionamento entre objetos, smbolos e eventos. O nvel acima representado por conceitos
que tm um grau de detalhamento maior do que fatos. Regras representam o terceiro nvel de
conhecimento, e representam um conjunto de operaes e passos necessrios para resolver um
determinado problema. O nvel mais alto de conhecimento representado pela heurstica
(TUTHILL, 1990).
2.8 Processo de desenvolvimento
Segundo SILVA (1998), o desenvolvimento de um SE envolve uma boa quantidade de
tarefas empricas, dentre as quais podem ser citadas a interao com os especialistas humanos e o
processo de validao. Mesmo assim, pode-se dizer que existem algumas etapas que podem
servir como referncia no processo de desenvolvimento de um SE. A seguir, ser apresentado de
forma concisa o entendimento de alguns autores sobre as principais etapas deste processo.
GONZALEZ e DANKEL (1993) afirmam que para o desenvolvimento de um S.E ser
bem sucedido, as tarefas seleo da aplicao, determinao das fontes necessrias, escolha da
ferramenta de implementao, desenvolvimento de um prottipo inicial, aquisio de
conhecimento, verificao e validao, documentao e manuteno devem ser adequadamente
executadas.
CHORAFAS (1990) cita as fases de aquisio, representao, escolha do ambiente de
desenvolvimento, prototipagem e testes como eventos marcantes no processo. Alm disso,
enfatiza a importncia do prottipo no processo de desenvolvimento de um SE.
Captulo 2 - Sistemas Especialistas - 27
IGNIZIO (1991) mostra que, alm das etapas de aquisio, representao, implementao
e validao, tambm fazem parte do processo a justificativa e a escolha do modelo de
desenvolvimento.
CARRICO et al. (1989) identifica oito estgios no ciclo de vida de um SE: identificao,
conceitualizao, formalizao, implementao, teste, avaliao de desempenho, manuteno e
descarte.
GIARRATANO e RILEY (1994) resumem na tabela abaixo o modelo linear de
desenvolvimento de um sistema especialista.
Tabela 2.4 - Modelo linear de desenvolvimento para SE (GIARRATANO e RILEY, 1994)
DEFINIO DO CONHECIMENTO
PROJETO DO CONHECIMENTO
PLANEJAMENTO Seleo/ Aquisio Definio Proj.Identificao Anlise e Detalhado
das fontes Extrao
Implementao computacional e
checagem
VERIFICAO DO CONHECIMENTO
Testesformais
Anlise de resultados
Avaliao do sistema
WATERMAN (1986) cita que o desenvolvimento de SE normalmente passa por trs
estgios: sistema experimental (normalmente lento e no muito eficiente), sistema de pesquisa
(testado, mas ainda no muito eficiente) e sistema comercial (rpido, eficiente).
Os pontos apresentados acima demonstram existir uma correlao entre as vises dos
diversos autores, embora no se possa dizer que exista uma metodologia nica para o processo
de desenvolvimento de SE. A metodologia utilizada neste trabalho com as respectivas fases,
etapas e tarefas, bem como as razes que fundamentam a escolha sero apresentadas no captulo
4.
A filosofia adotada na pesquisa desenvolver o sistema em incrementos, ou seja, a
medida que capacidades funcionais sejam inseridas, verificaes devem ser feitas para checar se
os resultados so os esperados. A adoo deste modelo (incrementai interativo) de
desenvolvimento faz estas atividades acontecerem de forma quase simultnea. Conforme citado
no captulo 1, este modelo de desenvolvimento um dos pilares nos quais este projeto se
fundamenta.
Captulo 2 - Sistemas Especialistas - 28
2.9 Tcnicas de representao de conhecimento
Como ainda no se conhece a maneira exata como o crebro humano trabalha e tendo a
disposio somente mquinas que foram essencialmente projetadas para lidar com nmeros,
necessrio, antes de tudo, pensar como estruturar o conhecimento de forma que este mesmo
conhecimento possa ser guardado e posteriormente manipulado por essas mesmas mquinas
(RABUSKE, 1995).
O objetivo primordial de se representar o conhecimento a sua recuperao posterior
atravs do processo de inferncia, de forma a produzir mais conhecimento.
BITTENCOURT (1998) cita que conforme apresentado no Manual de IA, representao
de conhecimento ... uma combinao de estruturas e de procedimentos de interpretao que,
se usados de maneira correta dentro de um programa, levaro a um comportamento que simule o
conhecimento dos seres humanos
Do ponto de vista da estrutura da representao, o conhecimento pode ser considerado
um conjunto de fragmentos que so acessados pelo processo de inferncia. A adequao
heurstica da estrutura de representao pode ser analisada sob dois aspectos: em relao s
propriedades dos fragmentos e em relao s propriedades da estrutura (BITTENCOURT, 1998).
Como propriedades dos fragmentos, podem ser citados:
granularidade ou nvel de detalhe do fragmento;
disponibilidade, pois os fragmentos do conhecimento podem ser explicitamente
representados ou no. Exemplos de conhecimento implcito so as heranas na programao que
utilizam modelagem orientada a objetos e;
credibilidade que est associada ao grau de certeza destes fragmentos.
Como propriedade da estrutura, cita-se:
modularidade que vai mostrar o quo fcil adicionar ou modificar os fragmentos de
conhecimento.
As propriedades citadas acima so importantes, pois so elas que vo gerar as
caractersticas do SE. Sero apresentadas a seguir algumas das tcnicas mais utilizadas na
representao do conhecimento:
regras: so estruturas que relacionam informaes, por exemplo, aquela originada da
consulta do usurio com o SE.
Captulo 2 - Sistemas Especialistas - 29
Como exemplo cita-se a seguinte regra:
' SE O NVEL DO LEO NO RESERVATRIO EST BAIXO
i OU EXISTE ALGUMA CONEXO SOLTA NA LINHA DE ASPIRAO
ENTO A CAUSA DIRETA PARA O RUDO NA BOMBA PODE SER AERAO
As grandes vantagens da regra so a naturalidade e a uniformidade. A regra natural,
pois a forma de representao que as pessoas e especialistas normalmente empregam no dia a
dia, o que as tomam fceis de serem entendidas. Uniformes porque normalmente as regras so
escritas segundo um padro, na forma de pares de expresso consistindo em uma condio e uma
ao.
Como desvantagem no se pode deixar de citar a opacidade, que em outras palavras
significa a dificuldade de compreenso do fluxo de informaes em um SE. Esta dificuldade
pode ser contornada em algumas situaes onde possvel separar as regras em grupos.
redes semnticas: foram originalmente desenvolvidas para uso como modelos psicolgicos da
memria humana e propostas formalmente por Quillian no artigo Semantic Information
Processing , mas agora so uma forma padro de representao de conhecimento em SE, pois
descrevem relaes tpicas de linguagem natural. Na rede semntica, os ns representam objetos,
situaes ou conceitos, enquanto os arcos expressam as relaes entre estes elementos. Os tipos
mais comuns de ligao so: faz parte de e um (a) .
Segundo RICH e KNIGHT (1994), a principal idia por trs das redes semnticas,
consiste no fato do significado de um conceito vir do modo como ele conectado a outros
conceitos.
Como exemplo cita-se a rede semntica O SISTEMA DE GOVERNO UM DOS
SISTEMAS HIDRULICOS DO NAVIO, cuja representao grfica est indicada na Figura 2.5
apresentada a seguir.
Captulo 2 - Sistemas Especialistas - 30
FAZ PARTE
f Sistema \ ( hidrulico \d o navio J
// Sistema \
UM / , \] -! de I
Vgovemo J
! Atuador \ Ihidrulico J
\ ( Leme )FAZ PARTE '
Figura 2.5 - Rede semntica representativa de um sistema hidrulico de governo
obietos: pode-se dizer que o conceito de objetos incorporado pelas atuais linguagens que
empregam modelagem orientada a objetos, nasceu das idias propostas por Marvin Minsk (1974)
no artigo A framework to represent knowledge. Neste artigo so propostas estruturas
denominadas quadros (frames) que consistem de um conjunto de atributos cujos valores
descrevem o estado de uma entidade representada pelo quadro no instante considerado.
Entretanto, os mtodos de modelagem orientados a objeto s comearam a aparecer mais
tarde (incio dos anos 80). FURLAN (1998) apresenta os principais eventos ocorridos neste
perodo:
A comunidade Smaltalk em Portland, Oregon, produziu o enfoque de projeto dirigido
responsabilidade e Beck & Cunninghan, em 1989, propuseram os cartes de responsabilidade de classe;
Sally Shlaer e Steve Mellor escreveram livros sobre anlise e projeto orientado a objetos em 1989e 1991;
Peter Coad e Ed Yourdon escreveram livros que propuseram um enfoque leve sobre a
modelagem orientada a objetos aplicada a projetos;
Jim Rumbaugh liderou uma equipe de pesquisadores nos laboratrios da General Eletric,
culminando com seu livro popular sobre mtodos chamado OMT {Object Modelling Technique)
Grady Booch realiza um trabalho de desenvolvimento da linguagem Ada na Rational Software,
Ivar Jacobson produziu seus livros a partir de sua experincia com telefonia na Ericsson,
introduzindo o conceito de caso de uso em 1994 e 1995 atravs da OOSE (Object Oriented Software Engineering)',
Captulo 2 - Sistemas Especialistas - 31
Uma vez que os mtodos de Booch e OMT estavam crescendo independentemente, e sendo
reconhecidos pela comunidade usuria, seus autores, respectivamente Grady Booch e James
Rumbaugh juntaram foras atravs da Rational Corporation para foijar a unificao de seus
trabalhos. Em outubro de 1995 lanaram a verso 0.8 do Mtodo Unificado, como foi chamado
inicialmente. Tambm em 1995, Ivar Jacobson juntou-se equipe, fundindo o mtodo OOSE,
surgindo ento a UML (Unijied Modelling Language), que teve por objetivo unificar alguns dos
principais mtodos existentes at ento e parece estar tendo uma aceitao grande no mercado
mundial.
Embora objetos sejam conceitos comuns a vrios autores, neste trabalho adota-se a
definio de objetos exposta por YOURDON e COAD (1992), que consideram estas entidades
como sendo abstraes de algo que esteja no domnio do problema, cujo principal objetivo
fazer que a representao tcnica corresponda de modo mais apurado viso conceituai do
sistema. Tambm podem ser chamados de instncias ou ocorrncias. Uma descrio de um ou
mais objetos, atravs de um conjunto de atributos denominada classe.
Para que o conceito apresentado acima seja bem aplicado, necessrio conhecer e
entender as principais propriedades (abstrao, encapsulamento, herana e polimorfismo) que
esta abordagem proporciona. SILVA e CHEUNG (1997) trazem uma apresentao detalhada do
assunto no contexto dos sistemas hidrulicos.
Diante do apresentado, constata-se que a tcnica de representao mais adequada
depende do tipo de problema e da rea na qual o SE est sendo usado, no havendo uma regra
geral de representao que atenda a todas as situaes.
Antes de prosseguir, cabe ressaltar que a lgica a base para a maioria dos formalismos
de representao de conhecimento (BITTENCOURT, 1998).
Conforme apresentado em GIARRATANO E RILEY (1993), pode-se dizer que a lgica
est fundamentada em alguns silogismos originados dos estudos do filsofo