Trabalho de Métodos Aplicados a Engenharia de Prod.

Prévia do material em texto

CURSO: Engenharia de Produção
DISCIPLINA: Métodos Aplicados À Engenharia de Produção
PROFESSORA: Thales Lima Silva
	Nome: Pedro Paulo lima da Silveira 
	Matrícula: 201309064351
	Data: 30/11/2016
O Conceito Fuzzy
HISTÓRIA E CONCEITOS DA LÓGICA FUZZY 
Os princípios de lógica fuzzy foram desenvolvidos primeiramente por Jan Lukasiewicz (1878-1956), que em 1920 desenvolveu e introduziu conjuntos com grau de pertinência que combinados aos conceitos da lógica clássica, desenvolvida por Aristóteles, deu embasamento suficiente para que na década de 60, Lofti Asker Zadeh, professor de Ciências da Computação da Universidade da Califórnia, chegasse a ser o primeiro autor de uma publicação sobre lógica fuzzy. Zadeh observou que muitas regras presentes no cotidiano da população não podiam ser explicadas pelas pessoas que as usavam. Como por exemplo, podemos olhar para uma pessoa e imaginar que ela tenha 50 anos, porém não se sabe como explicar esse fato. Esta ideia levou Zadeh a desenvolver o que conhecemos por lógica fuzzy (RUSS, 1996). Inicialmente Zadeh foi criticado por vários cientistas e estudiosos da área da computação, porém logo sua ideia foi aceita nesse meio, sendo alvo de várias publicações que abordavam aplicações dos sistemas fuzzy. 
1.1. CONCEITOS 
Diferente da Lógica Booleana que admite apenas valores booleanos, ou seja, verdadeiro ou falso, a lógica difusa ou fuzzy, trata de valores que variam entre 0 e 1. Assim, uma pertinência de 0.5 pode representar meio verdade, logo 0.9 e 0.1, representam quase verdade e quase falso, respectivamente (SILVA, 2005). Com a necessidade de lidar com a complexidade dos problemas, a teoria da probabilidade era usada com sucesso em muitas áreas da ciência, porém com essa teoria era mais difícil de tratar a incerteza. Um exemplo disso era considerar o período meia-idade que começa em 35 anos e termina em 55 anos (MUKAIDONO, 2001). Utilizando a lógica tradicional, uma pessoa com 34 anos só iria pertencer a esse grupo após completar seu 35º aniversário. Desse modo uma pessoa que tenha 56 anos não faria parte de tal grupo. 
2.0 APLICAÇÃO DA LÓGICA FUZZY EM SISTEMAS DE GESTÃO DE ESTOQUES 
Vamos discutir a aplicação da lógica fuzzy em sistemas de gestão de estoque, em substituição aos tradicionais modelos matemáticos, em que é sugerido que se construa o modelo fuzzy de estoques de materiais, por meio de bases de conhecimento fuzzy. Segundo Oliveira Junior (1999), o objetivo idealizado para um modelo como este é atingir um nível de estoque próximo de zero, imediatamente antes da reposição física, minimizando: a) O capital empenhado em mercadorias; b) Os custos de armazenamento; c) Os prejuízos com furtos, roubos e danos; e d) O número de atendimentos não realizados por falta de mercadorias. Para o autor, as hipóteses simplificadoras devem ser: - os itens são desacoplados, ou seja, a análise é feita para cada tipo de item isoladamente (caso contrário, ter-se-ia que “enriquecer” as regras fuzzy); - o período amostral é único; - a latência dos pedidos tem valor preciso, ou seja, pode-se contar com a chegada do produto encomendado no prazo contratado, o que muitas vezes não acontece. Conforme explica Tanscheit (Apud OLIVEIRA JUNIOR, 2007, p. 254), um sistema fuzzy é composto por quatro módulos, conforma a figura a seguir:
Simões e Shaw (2007) explicam que uma variável lingüísticas x no universo de discurso U é definida em um conjunto de termos (ou terminologia), nomes ou rótulos T(x), com cada valor sendo um número fuzzy definido em U. Os autores também citam que o universo de discurso de uma variável representa o intervalo numérico de todos os possíveis valores reais que uma variável específica pode assumir. O modelo proposto foi aplicado à gestão de estoques de um órgão do Setor Público Federal em Manaus-AM. As variáveis de entrada utilizadas no estudo são Nível de Estoque (NS) e Demanda (D). Já as variáveis de saída serão: Atendimento, Reposição e Licitação. Ou seja, para cada variável de saída, as entradas sempre serão Nível de Estoque (NS) e Demanda (D). Para o presente estudo, as variáveis linguísticas e os termos linguísticos utilizados nas variáveis de entrada e saída foram: