Mesmo sem percebermos, a abordagem computacional está presente em nosso cotidiano. Técnicas como a lógica fuzzy nos auxiliam na resolução dos problemas que podem ter mais do que apenas as duas respostas “tradicionais”: sim/não ou verdadeiro/falso.
Esse sistema não-linear de mapeamento de um vetor de entrada em uma saída escalar, nos traz mais opções de resposta, ou seja, valores intermediários, sendo associado à teoria dos conjuntos difusos.
Assim, tal qual o funcionamento do raciocínio humano em muitas situações, o conceito serve para modelar um problema não de forma precisa, mas aproximada.
Quer saber mais sobre essa técnica amplamente utilizada na inteligência artificial? Entenda a sua origem, funcionamento, importância e principais informações neste artigo.
Lógica fuzzy é uma técnica matemática da área de inteligência computacional, que se baseia no pensamento humano para modelar um problema de forma aproximada, onde os valores verdade de uma variável podem ser qualquer número real entre 0 (que corresponde ao valor falso) e 1 (que corresponde ao valor verdadeiro).
Esse tipo de lógica multivalorada é diferente da lógica booleana – que utiliza um sistema numérico binário, onde os valores lógicos podem ser somente 0 ou 1.
Pode ser utilizada em diversas situações, onde é necessário presumir soluções ou resolver problemas, sem ignorar valores limítrofes e incertezas, lidando com o conceito de verdade parcial, onde o valor verdade está entre o completamente falso e o completamente verdadeiro.
Também é conhecida como lógica difusa, lógica nebulosa ou lógica fuzziness. A palavra fuzziness remete a “nebulosidade”, referindo-se a imprecisão ou incerteza.
Na década de 1920, as primeiras noções da lógica difusa começaram a ser desenvolvidas e estudadas como lógica infinito-valorada, pelos matemáticos poloneses Jan Lukasiewicz e Alfred Tarski, que apresentaram conjuntos com graus de pertinência 0, ½ e 1 e, tempos depois, ampliaram para um número infinito de valores entre 0 e 1.
Em 1965, o termo lógica difusa foi apresentado pelo matemático azerbaijanês Lotfi A. Zadeh, junto à sua teoria de conjuntos difusos, nebulosos ou fuzzy, que dão aos elementos grau de pertinência.
Notou-se a grande utilidade dos conjuntos difusos para a resolução de problemas de natureza biológica, química ou industrial, e eles passaram a ser amplamente utilizados pelos japoneses, para controle de processos.
Atualmente, a lógica fuzzy continua sendo aplicada em diversas áreas, como: engenharia, bioinformática e inteligência artificial, em todo o mundo.
No Brasil, ela chegou há aproximadamente 36 anos e é considerada pouco usada, em comparação a países que realizam pesquisas em tecnologias avançadas, como China, Coreia do Sul, Japão e Estados Unidos.
A lógica difusa aborda variáveis linguísticas, em que os valores são palavras ou sentenças que surgem da necessidade de interpretação de situações qualitativas, diferentemente das situações quantitativas, que são bem atendidas por variáveis numéricas. Os principais aspectos dos sistemas fuzzy são:
A lógica fuzzy tenta modelar o nosso senso de palavras, tomada de decisão ou senso comum, buscando representar o raciocínio humano. Para isso, faz uma espécie de mapeamento de categorias, para se chegar a vários “meios-termos”.
Ela funciona com uma ampla variedade de dados vagos e incertos, que podem ser traduzidos por termos como: a maioria, mais ou menos, talvez, às vezes, depende, etc. Ou seja, o tem sempre opções intermediárias, que podem ser representadas em gráficos.
Um sistema de controle fuzzy, geralmente, segue etapas como essas:
A lógica booleana é um modelo amplamente utilizado para modelar problemas em geral e funciona com um sistema numérico binário, possibilitando apenas proposições com valores absolutos de verdadeiro/falso (ou sim/não), onde 0 representa falso e 1 = verdadeiro.
Porém, em muitas situações, não é possível descrever totalmente a realidade, usando apenas esses dois extremos. É aqui que entra a lógica fuzzy, que explora todas as outras probabilidades existentes entre 0 e 1.
Um bom exemplo para entender esses conceitos é o do copo com água: imagine que um copo com capacidade de 100ml contém 70ml de água. Se trabalharmos com a lógica convencional, teremos apenas dois valores para representar isso: copo cheio ou copo vazio.
Entretanto, a lógica fuzzy nos permite diversificar essa resposta, que pode ser mais próxima da realidade: copo meio cheio.
Podem ser criadas diversas outras definições em um sistema fuzzy, onde é possível criar funções onde o copo seria considerado cheio para valores acima de 90ml, por exemplo, ou meio vazio, abaixo de 20ml, e assim por diante.
Controladores baseados na lógica fuzzy podem ser utilizados em equipamentos presentes no nosso cotidiano, para otimizar o seu funcionamento, inclusive economizando energia.
É o caso de: lavadoras de roupas, ares-condicionados, aspiradores de pó, câmeras fotográficas, lava-louças, copiadoras, televisores, sistemas de alarme, etc.
Os dispositivos são capazes de identificar o grau de sujeira, o peso das roupas e dosar adequadamente a quantidade de sabão, definir o melhor ciclo de funcionamento, entre muitas outras funções.
Além dessas vantagens, todos os aparelhos podem ser integrados em um sistema de automação residencial, permitindo o seu controle.
A lógica difusa também é muito aplicada na automação industrial, para o controle de equipamentos complexos diversos, ajudando a identificar, por exemplo, um superaquecimento de máquinas, evitando danos e até acidentes.
Aqui temos dois exemplos práticos, para melhor compreensão do funcionamento da lógica difusa.
1 – Um carro autônomo que utilize um sistema de inferência fuzzy (Fuzzy Inference Systems – FIS) tem como entrada as variáveis velocidade e distância de um obstáculo: se a velocidade for alta e o obstáculo estiver próximo, então será acionada a frenagem.
O FIS tenta representar a modelagem do pensamento humano em forma de regras, através de uma técnica de inferência fundamentada nas relações de causa e efeito.
2 – Os conjuntos fuzzy também são aplicados para atribuir noções aproximadas para palavras como “estatura”, utilizando as chamadas variáveis fuzzy.
Neste caso, a variável linguística “estatura” pode ter variáveis fuzzy como essas: muito alto, alto, meio-alto, um pouco alto, baixo, meio-baixo, muito baixo, um pouco baixo, médio, entre outras.
Para caracterizar os elementos de cada noção aproximada de estatura, é aplicada a variação do grau de pertinência em uma faixa considerada apropriada para estaturas.
A capacidade da lógica fuzzy de melhorar técnicas de controle e a habilidade em analisar valores em tempo real faz dela um recurso importante para a automação industrial.
Ela é útil em sistemas de controle embarcado, de apoio à decisão, de reconhecimento de padrões, de cálculo e gerenciamento de risco, entre outros fins.
O Planejamento de Controle da Produção pode se beneficiar da lógica fuzzy para alcançar melhores resultados, apoiando suas tomadas de decisão nesta ferramenta, que pode ajudar a fazer as priorizações do sequenciamento de produção, por exemplo, atendendo aos prazos de entrega de demandas satisfatoriamente.
O gerenciamento de riscos em diversos setores industriais se faz necessário para possibilitar a definição de estratégias assertivas, procurando reduzir a potência desses riscos, para que não comprometam o andamento das operações.
Nesse sentido, a lógica difusa pode ser valiosa para priorizar ações de melhoria. Em associação a outras técnicas, como a FMEA (Failure Mode and Effects Analysis) ela é capaz de minimizar as fragilidades dos processos de produção e orientar a realização de ações preventivas e corretivas.
Os conjuntos fuzzy são adequados para o controle de plantas industriais e costumam ser aplicados na previsão de consumo de energia, gestão de estoque e em projetos de automação, em sistemas de controle de posição, por exemplo.
Essa técnica é uma alternativa para solucionar problemas de características não lineares, comuns no ambiente industrial.
As dinâmicas e os processos presentes nas indústrias podem apresentar problemas que encontram na lógica fuzzy uma solução. A aplicabilidade e eficiência dessa técnica se deve ao fato de que ela tem maior adaptabilidade à ocorrência de variações intrínsecas aos sistemas.
A lógica fuzzy é uma das inúmeras técnicas usadas pela Inteligência Artificial, que procura criar sistemas inteligentes capazes de resolver problemas complexos e aprender com as informações disponíveis.
Outras abordagens da IA incluem: redes neurais, Aprendizado de Máquina, algoritmos genéticos, etc.
A lógica difusa consegue lidar com a ambiguidade de dados e as incertezas do mundo real, e imita o raciocínio humano para levar em conta verdades parciais ou graus de verdade.
No contexto da IA, a lógica fuzzy é considerada uma ferramenta essencial para representar o conhecimento, aproximando-se do comportamento humano.
Algumas tecnologias vêm sendo cada vez mais utilizadas pela Indústria 4.0 para o controle de processos.
É o caso da lógica fuzzy, uma ferramenta de Inteligência Artificial que melhora a eficiência de sistemas de automação, utilizando técnicas de modelagem que ajudam a determinar as ações ideais de controle. Isso se reflete em melhor desempenho e redução de custos operacionais, entre outras vantagens.
Vimos que a lógica booleana nos ajuda em diversos casos, onde é aceitável apenas duas respostas: verdadeiro/falso, sim/não. Porém, muitos problemas exigem outra abordagem, para mais opções de respostas, e a lógica difusa consegue atender a essa necessidade.
Assim, a tecnologia atua a nosso favor, fornecendo resultados que nos ajudam a otimizar a performance de processos, como os industriais.
