Baixe o app para aproveitar ainda mais
Prévia do material em texto
Sistemas de Informações Gerenciais romeumenezes@gmail.com Abril de 2006 1. Sistemas Transacionais 2. Sistemas Gerenciais 3. Sistemas Executivos 4. Sistemas Especialistas 5. Sistemas de Apoio a Decisão 1. Sistemas Transacionais Histórico Em decorrência da revolução industrial e das grandes guerras mundiais, o primeiro grande passo para os Data Warehouses foi dado. Surgiu então, em 1946, o ENIAC, um grande computador construído na Universidade da Pensilvânia, movido a 18.000 válvulas e ocupando uma grande sala, ele conseguia executar 200 operações por segundo. Dez anos depois do ENIAC, foi também desenvolvido o transistor por um grupo de pesquisadores americanos. O transistor era capaz de executar a mesma tarefa das válvu- las. A sua vantagem era o tamanho e a baixa potência dissipada. Com o transistor, surgiram computadores muito menores e com capacidade incre- mentada. Em 1964, máquinas como o IBM System 360 já despontavam, como máquinas viáveis para uso empresarial. No final dos anos 60, os computadores tornaram-se realmente indispensáveis a qualquer grande organização. Rodavam somente um aplicativo de cada vez, onde esses aplicativos eram executados sobre arquivos mestres. As aplicações eram caracterizadas por relatórios e programas, geralmente em COBOL. O uso de cartões perfurados era co- mum. Os arquivos mestres eram armazenados em arquivos de fitas magnéticas, que eram adequadas para o armazenamento de um grande volume de dados a baixo custo, mas apresentavam o inconveniente de terem que ser acessadas sequencialmente. Por volta de 1970, a época de uma nova tecnologia de armazenamento e acesso a dados, havia chegado: a introdução do armazenamento em disco, ou DASD (direct ac- cess storage device, ou dispositivo de armazenamento de acesso direto), surgiu um novo tipo de software conhecido como SGBD ou sistema de gerenciamento de banco de da- dos. Com o DASD e o SGBD surgiu a idéia de um “banco de dados”, também definido como uma única fonte de dados para todo o processamento. O banco de dados promoveu uma visão de uma organização “baseada em dados”, em que o computador poderia atuar como coordenador central para atividades de toda a empresa. Nesta visão, o banco de dados tornou-se um recurso corporativo básico. Pela primeira vez as pessoas não estavam vendo os computadores apenas como misteriosos dispositivos de previsão. Em vez disso, os computadores eram vistos como uma verda- deira vantagem competitiva. A idéia dos sistemas de informação para os negócios começou a tomar forma. Em outras palavras, os computadores tornaram-se importan- tes máquinas de negócios, aonde as empresas alcançaram mais eficiência. Nas décadas de 70 e 80, grandes aperfeiçoamentos tecnológicos resultaram em novos sistemas de informação que custavam bem menos e eram bem mais poderosos. Com o surgimento dos bancos de dados relacionais a informatização nas Empresas já acontecia a passos largos: as pessoas mais influentes e poderosas tinham acesso aos microcomputadores e a sua facilidade de uso aumentou muito. Com o processamento de transações online de alta performance, surgiram os sis- temas de reservas aéreas em nível mundial, sistemas bancários globais e cartões de cré- ditos internacionais. A chegada de novas tecnologias, como os PC’s e as linguagens de 4ª geração, permitiu-se que o usuário final assumisse um papel mais ativo, controlando diretamente os sistemas e os dados, fora do domínio do clássico processamento de dados. Com essa evolução, as empresas começaram a perceber que poderiam analisar de forma otimizada seus dados, ou seja, descobriram que poderiam incrementar seus re- cursos de Business Intelligence. Essa descoberta muda o enfoque que até então fora atribuído ao conjunto de informações (Sistemas). Nasce um novo conceito para a tecno- logia da informação, aonde os sistemas informatizados passaram a pertencer a dois gru- pos: . Sistemas que tratam o negócio: Dão suporte ao dia a dia do negócio da empre- sa, garantem a operação da empresa, e são chamados de SISTEMAS TRANSACIO- NAIS; e; . Sistemas que analisam o negócio: Sistemas que ajudam a interpretar o que ocorreu e a decidir sobre estratégias futuras para a empresa – compreendem os SISTE- MAS DE SUPORTE A DECISÃO. Com a chegada de novas ferramentas tecnológicas de análise de informação, os gerentes começaram a exigir dos Sistemas Transacionais respostas às suas solicitações. Como esses sistemas foram desenvolvidos para garantir a operação da Empresa, não estavam preparados para gerar e armazenar as informações estratégicas necessárias a um Business Intelligence eficiente. Em atendimento às solicitações dos gestores em relação à deficiência da análise de informação nos sistemas legados, surgiu no mercado os chamados Programas Extra- tores. Esses programas extraem informações dos Sistemas Transacionais com o intuito de trabalhá-las em outros ambientes. Muitas vezes essas extrações ocorriam em arquivos intermediários, onde as informações sofriam novos tratamentos. Isso provocava uma fa- lha na integridade das informações acarretando, muitas vezes, uma falta de credibilidade dos dados, uma queda da produtividade e a informação sendo publicada com valores di- ferentes. Além disso, pelo fato de que os Sistemas Transacionais geravam um grande volu- me de dados e pela diversidade dos sistemas implantados nas empresas as pesquisas (relatórios) realizadas eram produzidas muito lentamente. Nos tempos do Clipper e do Cobol fazer um relatório desse nível significava perder muitas horas sobre o computador, pois se fazia necessário que fossem extraídos os dados de vários sistemas, muitas vezes esses não conversavam entre si. Apesar dessas razões, é importante salientar que é possível a prática de Busi- ness Intelligence com os sistemas operacionais da empresa, e com outras fonte de dados, como planilhas eletrônicas e dados em papel, mas esse procedimento implica em grande possibilidade de equívocos, já que esses dados são oriundos de várias fontes independentes, e não possuem entre si relação de integridade. Outro fator importante que prejudicava as decisões foi a falta de registro dos fatos históricos nos Sistemas Transacionais, pois estes trabalhavam com uma situação instan- tânea dos negócios. Para resolver este problema, começou-se a estudar uma forma de se armazenar a informação contida nos sistemas transacionais numa base de dados central, para que houvesse integração total dos dados da empresa. Além disso, era necessário manter o histórico das informações e fazer com que ela fosse disposta dimensionalmente, ou seja, o analista de negócios poderia visualizar um mesmo fato através de diversas dimensões diferentes. O nome dado a essa modalidade de Sistema de Apoio à Decisão foi o Data Warehouse, ou em português, Armazém de Dados. Com o surgimento do DATA WAREHOUSE são necessários novos métodos de estruturação de dados, tanto para armazenamento quanto para a recuperação de infor- mações. Cabe ressaltar que as perspectivas e técnicas necessárias para projetar o DATA WAREHOUSE são profundamente diferente dos SISTEMAS TRANSACIONAIS. Os usuários, o conteúdo dos dados, a estrutura dos dados, o hardware e o software, a admi- nistração , o gerenciamento dos sistemas, o ritmo diário, as solicitações, as respostas e o volume de informações são diferentes. Entender essa tecnologia com certeza ajudará os empresários a descobrir novas tendências e caminhos para competir numa economia globalizada, onde a concorrência é acirrada, trazendo melhores produtos ou serviços para o mercado com maior rapidez sem aumento dos custos. Nos projetos de sistemas tipicamente transacionaishá uma organização norteada por aplicações funcionais. Num hospital, por exemplo, temos os sistemas de admissão de pacientes (internação), o sistema de faturamento, o sistema de controle de estoque, controle de infecção hospitalar, entre muitos outros. Estes sistemas estão organizados pela função desempenhada por cada setor a fim de suprir as necessidades de controle das informações do dia a dia da entidade. O processo INICIAL de informatização de qualquer organização é baseado fundamentalmente no desenvolvimento e na implantação de SI transacionais (também chamados de operacionais). Esses SI são também identificados pela ex- pressão "Electronic Data Processing" (EDPs), e eles são necessários para o con- trole operacional das organizações [TOM 91]. No modelo da evolução da informática nas organizações proposto por Ri- chard Nolan, SI transacionais se enquadram nos estágios de iniciação e contá- gio. São sistemas operacionais, não integrados, atendem em geral à área admi- nistrativo-financeira, controlam, na maioria das vezes, o fluxo de informações fi- nanceiras, e os usuários finais esboçam uma certa resistência a utilizá-los. Os sistemas de folha de pagamento, contabilidade, controle de estoques, contas a pagar e a receber, faturamento, etc., são exemplos de SI transacionais. As principais funções e características desses sistemas são: • Coletar (via digitação) os dados existentes nos documentos ope- racionais das organizações, validando-os; • Armazenar esses dados em meio magnético; • Ordenar ou indexar esses dados, de modo a facilitar o acesso a eles; • Permitir consultas, on-line ou em batch, aos dados, detalhados ou agregados, que permitam retratar diferentes aspectos das operações; • Gerar relatórios que possam ser distribuídos a outras pessoas que não os usuários diretos dos SI. Muito embora esses sistemas só controlem o fluxo de informações operaci- onais, eles também disponibilizam informações para a tomada de decisão. Um ex- emplo disso pode ser um sistema de controle de estoques que fornece informa- ções sobre a movimentação do estoque para o departamento de compras. Este departamento poderá, através dessas informações, tomar decisões sobre quais produtos deverão ser comprados e em que quantidade. Um EDP pode, portanto, fornecer informações para apoio à decisão. Isso, porém, não o torna, apenas em decorrência desse fato, um SAD. Sistemas Transacionais Replicados As transações permitem o acesso concorrente a informações compartilha- das e distribuídas, sem prejuízo da integridade destas informações. Para manter os sistemas transacionais disponíveis, mesmo em caso de falha, utiliza-se a repli- cação de objetos (ou dados). Têm-se estudado o impacto dos serviços de comuni- cação de grupo (multicast) na implementação de sistemas transacionais sobre in- formações replicadas. Sistemas Transacionais Móveis Os ambientes móveis requerem a replicação de dados devido à baixa dis- ponibilidade de enlaces de comunicação entre os dispositivos móveis e os servi- dores de bancos de dados. Têm-se estudado e definido protocolos de controle da replicação baseados em níveis baixos de isolamento de transações, que sejam adequados às aplicações transacionais móveis. 2. Sistemas Gerenciais Definição de Sistemas de Informação Gerenciais É o processo de transformação de dados em informações. E, quando esse processo está voltado para a geração de informações que são necessárias e utilizadas no processo decisório da empresa, diz-se que esse é um sistema de informações gerenciais. • Há uma grande interligação do SIGs com o processo decisório. • É necessário um SIG eficiente para um processo adequado de decisões. • A forma de apresentação da informação pode afetar sua utilização. • A informática é uma inovação tecnológica que permite o armazenamento e tratamento da informação. • As empresas têm tratado a informação como um recurso vital. Ela afeta e influencia a produtividade, a lucratividade e as decisões estratégicas. A importância do estudo de sistemas de informação gerencial São diversas as razões que nos levam a estudar sobre Sistemas de Informação Gerencial (SIG), principalmente no que tange as mudanças quanto ao papel dos SIG nas empresas, a natureza da tecnologia da informação, o caráter das aplicações e à necessidade de planejar a arquitetura de informação da empresa. Com relação a mudança do papel dos SIG nas empresas, existe uma crescente interdependência entre estratégia, regras e procedimentos empresariais de um lado, SIG (software, hardware, data) e telecomunicações de outro, afetando produtos, mercados, fornecedores e clientes. O SIG atualmente representa a competência nuclear da empresa (core competence), desempenhando um papel estratégico para a mesma. Já quanto a mudança na natureza da tecnologia da informação, com o crescente poder e declínio de custos da tecnologia da informação, os usuários agora podem definir suas próprias aplicações e sistemas simples de informações sem a ajuda de programadores profissionais. E com a mudança no caráter das aplicações, os novos tipos de aplicações requerem direta e próxima interação entre pessoal de suporte técnico, gestores que usarão o sistema e o nível executivo da empresa. E finalmente com relação a necessidade de planejar a arquitetura de informação da empresa, deve-se evitar ilhas de tecnologia e encontrar soluções organizacionais dentro da teoria de sistemas. Importância dos Sistemas De Informações para as Empresas. Os sistemas de informações gerenciais podem trazer os seguintes benefícios para as empresas: • Redução de custos nas operações; • Melhoria no acesso às informações, propiciando relatórios mais precisos e rápidos, com menor esforço; • Melhoria na produtividade; • Melhorias nos serviços realizados e oferecidos; • Melhoria na tomada de decisões, por meio do fornecimento deinformações mais rápidas e precisas; • Estímulo de maior interação entre os tomadores de decisão; • Fornecimento de melhores projeções dos efeitos das decisões; • Melhoria na estrutura organizacional, para facilitar o fluxo de informações; • Redução do grau de centralização de decisões na empresa; • Melhoria na adaptação da empresa para enfrentar os acontecimentos não previstos. Alguns aspectos que podem fortalecer o sistema de informações gerenciais nas empresas Vantagens básicas do sistema de informações gerenciais. • Envolvimento com o SIG. É um instrumento básico de apoio à otimização dos resultados. • Exige competência intrínseca às pessoas que irão utiliza-lo. • A atenção específica ao fator humano da empresa. • A habilidade para identificar a necessidade de informações. • A habilidade para tomarem decisões com informações. • O apoio global dos vários planejamentos da empresa. • O conhecimento e a confiança no sistema de informações gerenciais. • A existência de dados e informações relevantes e atualizados. • A adequada relação custo versus benefício. Desafio gerencial e estratégico dos sistemas de informação Os Sistemas de Informação nas empresas requerem estudos quanto a sua importância na abordagem gerencial e estratégica dos mesmos, juntamente com a análise do papel estratégico da informação e dos sistemas na empresa (KROENKE, 1992; LAUNDON, 1999). Estes estudos e análises orientam o novo paradigma organizacional das empresas com os seus respectivos desafios e impactos dos sistemas e da Tecnologia da Informação nas organizações. O novo paradigma organizacional O trabalho de uma empresa dependede uma forma crescente do que os sistemas de informação são capazes de fazer. O aumento da participação no mercado, a redução de custos de produção, o desenvolvimento de novos produtos e/ou orçamento da produtividade do empregado, depende mais e mais dos tipos e qualidade dos sistemas de informação na empresa. Os sistemas de informação devem apresentar uma resposta e/ou atendimento aos interesses da gestão e ao processo decisório também. As grandes empresas estão gastando mais dinheiro do que nunca na obtenção de informações, mas muito dinheiro é perdido na construção de ineficientes centros informacionais baseados em bancos de dados não apropriados ou carregados de informações não relevantes. A diferença entre sucesso e fracasso não é mais dada pelo que a empresa gasta com pesquisa e desenvolvimento, mas como ela define o caminho a ser seguido. A implementação de uma inovação pode criar mudanças no comportamento, mudanças na estrutura da empresa, nos sistemas gerenciais, técnicas e no domínio de processos adotados pela empresa. Mas a reação das empresas aos desafios e obstáculos tem se mostrado das mais variadas: algumas se antecipando a mudança, outras se fechando. Contudo, a realidade atual para muitas empresas é outra, onde a maior barreira na busca de uma forma de empresa competitiva é justamente o fluxo da informação, este recurso considerado estratégico. Uma das maiores dificuldade está no processo de comunicação entre os níveis hierárquicos empresarias, onde o nível de entendimento dos problemas acaba sendo pequeno. A solução para o entendimento deste problema, entre outras coisas, está no aumento da comunicação interna e externa, para eliminar barreiras ao fluxo de idéias, à informação sobre problemas e à propostas de melhoria para a empresa. Dentro da nova era da informação, a empresa deve apresentar-se como uma estrutura em rede que transcende os limites tradicionais do que hoje conhecemos como a “empresa”, fundamentada na informação e no conhecimento, onde o conhecimento se tornará o verdadeiro “capital” e a ênfase na realização das atividades se deslocará para o “trabalhador intelectual”. O uso do conhecimento, a globalização da economia, aliada à grande fragmentação de mercados e a tecnologia da informação associada a infra-estrutura dos meios de comunicação, com certeza são os fatores determinantes para o surgimento desta nova empresa. A fim de obter um diferencial competitivo a partir do processo acelerado de acúmulo do conhecimento humano, as empresas devem: • Automatizar as rotinas físicas e intelectuais, liberando as pessoas para outras atividades essenciais; • Motivar as pessoas a assumirem atividades que requeiram criatividade, pesquisa e capacidade de análise; • Desenvolver autocapacitação nas empresas, ou seja, a capacidade de aprender e melhorar através dela mesma (learning organization). As empresas devem evoluir da chamada empresa tradicional para a empresa baseada na informação, onde o compartilhamento das informações e o trabalho cooperativo são os principais focos da estratégia de gestão. As implicações para as empresas são grandes, sejam elas produtivas ou não. E alguns desafios previstos são as necessidades de: • Processos de tomada de decisão mais freqüentes e mais rápidos; • Inovação organizacional mais freqüente e mais rápida; • Formas contínuas de aquisição de informação pelas empresas; • Aquisição e distribuição da informação sejam mais rápidas e diretas. Uma das dimensões mais exploradas pela tecnologia da informação tem sido a adição de valor, através da TI, nos produtos e serviços, elevando significativamente o nível de serviços aos clientes. Adicionalmente, a tecnologia de comunicação de dados, de interconectividade de recursos e de grandes bases de dados está permitindo uma troca e acesso a informações nunca antes vistos. Como estas tecnologias estão em constante evolução, espera-se que a distribuição de conhecimento seja ainda mais acentuada. A informação como recurso estratégico O desafio gerencial central é como usar a tecnologia da informação para projetar e questionar empresas competitivas e eficientes. Os Sistemas de Informação se tornaram tão vitais para o gerenciamento, organização e operação das empresas, principalmente de grande porte, tornando-se extremamente importantes. O enorme salto tecnológico ocorrido na última década transformou, de maneira decisiva, a execução do trabalho. Cada vez mais as empresas passam a ver na informação o principal recurso estratégico. O propósito básico da informação é o de habilitar a empresa a alcançar seus objetivos pelo uso eficiente dos recursos disponíveis, nos quais se inserem pessoas, materiais, equipamentos, tecnologia, dinheiro, além da própria informação (OLIVEIRA, 1998). Informação, competitividade e estratégia Estes conceitos estão integrados entre si e são complementados pelos conceitos de flexibilidade, dinamismo e eficiência. • Informação e competitividade A informação desempenha papéis importantes tanto na definição quanto na execução de uma estratégia. Isso se dá em relação ao aperfeiçoamento da definição de estratégias competitivas, à capacidade de executar estas estratégias ou à habilidade necessária para garantir que estratégias e execução permaneçam sincronizadas entre si e com o ambiente competitivo. • Informação e flexibilidade A informação é essencial para a criação de uma organização flexível na qual existe um constante aprendizado. De posse das informações necessárias e atualizadas, a empresa pode implementar imediatamente a realização estratégica de seus objetivos e reconhecer, com maior facilidade, a necessidade de modificá-los quando esses objetivos se tornarem ineficazes (McGEE & PRUSAK, 1998). • Informação e dinamismo As organizações estão modificando-se profundamente, invertendo suas pirâmides organizacionais, criando unidades de negócios autônomas, descentralizando decisões, constituindo parcerias. A garantia de sua integração e da manutenção de parâmetros comuns de atuação é dada pela informação, que flui entre suas várias partes. Os sistemas de informação funcionam como o esqueleto de sustentação da organização. • Informação, eficiência e eficácia A eficiência, em relação ao sistema organizacional diz respeito a resultados decorrentes de uma atividade qualquer, ou seja, trata-se da escolha certa para determinado problema ou decisão. A eficácia de uma empresa pode ser definida pela relação entre resultados obtidos e resultados pretendidos. Para que uma empresa possa adotar políticas estratégicas eficazes, é necessário que estas sejam baseadas em informação, que passa a ser a principal matéria prima de qualquer organização (BIO, 1993). A informação certa, comunicada a pessoas certas é de importância capital para a empresa. Sistema de informação gerencial (SIG) estratégico Diante de todas as exposições relatadas, pode-se conceituar então SIG estratégicos aqueles que mudam os objetivos, produtos, serviços ou relações ambientais de uma empresa. Os sistemas que têm este efeito sobre uma organização literalmente mudam a maneira pela qual a empresa faz negócios. Neste nível, a tecnologia da informação leva a organização a novos padrões de comportamento, ao invés de simplesmente dar suporte e sustentação a estrutura existente, aos produtos existentes e/ou aos procedimentos de negócios existentes. Durante a última década, a relevânciada tecnologia da informação tem crescido bastante, adquirindo uma importância estratégica, tornando-se uma ferramenta fundamental para a alavancagem dos negócios. A Tecnologia da Informação tem sido considerada um dos maiores fatores responsáveis pelo sucesso das empresas, seja para a sobrevivência ou para a obtenção de maior competitividade nas respectivas indústrias. Novos tipos de negócios e papéis profissionais têm surgido, com base nestas redes eletrônicas de comunicações. SIGs usados para obter vantagem competitivas Vantagens competitivas podem ser obtidas através do suporte da tecnologia e sistemas de informação, de modo a ampliar a capacidade de uma organização em lidar com clientes, fornecedores, produtos e serviços substitutos, e novos competidores no mercado. A análise pode ser feita baseada no modelo das forças competitivas de Porter (PORTER, 1992). A organização faz face a diversas ameaças e oportunidades: novos entrantes no mercado, a pressão de produtos e serviços novos ou substitutos, o poder de barganha dos clientes e fornecedores e o posicionamento de seus competidores tradicionais. Uma empresa diferencia-se da concorrência se puder ser singular em alguma coisa valiosa para os compradores além de oferecer simplesmente um preço-baixo. Esta diferenciação permite a uma empresa pedir um preço-prêmio. Para que isto aconteça, torna-se necessário a sinalização de valor, ou seja, levar os consumidores a serem capazes de discernir sobre as diferenças entre os serviços prestados pela empresa em relação aos seus competidores. Ignorando os critérios de sinalização, uma empresa poderá ficar à mercê do ataque de um concorrente com valor inferior mas que compreende melhor o processo de compra do cliente Assim, os Sistemas de Informação se tornaram vitais e extremamente importantes para o gerenciamento, organização e operação das empresas . Dentro deste cenário, o propósito básico da informação é o de habilitar a empresa a alcançar seus objetivos pelo uso eficiente dos recursos disponíveis. As vantagens competitivas podem ser obtidas através do suporte da tecnologia da informação de modo a ampliar a capacidade da organização em lidar com seu meio ambiente interno e externo. Contudo, esta vantagem competitiva não é facilmente sustentável pois por um lado as condições do mercado podem mudar e por outro lado, aumenta a dependência da organização em relação a tecnologia, com implicações muito fortes sobre a produtividade desta organização. 3. Sistemas Executivos Figura 9: Sistemas de Informação para Executivos São utilizados pelos executivos seniores para obter informações globais da organização. Apresentam os dados de maneira muito agregada, sendo porém possível detalhar os dados ("drill-down"). => Visão estratégica Características: • Gráficos • Interface intuitiva • Integram várias fontes de dados • Com contextos (séries históricas, comparações, etc). • É essencial que as informações sejam atualizadas. Questões (de um reitor de uma universidade): • Qual é o departamento com maior relação entre número de alunos e núme- ro professsores? • Qual o departamento que mais cresceu nos últimos 3 anos? • Comparação dos dados da PUC com outras universidades católicas. Aplicativos: • Commander • LightChip • Pilot Se uma oportunidade de negócio aparece no EIS, outros sistemas serão ne- cessários para analisar a situação e determinar as possíveis ações. Futuro • Integração de EIS + SIG + Fontes externas de dados • Bancos de dados multi-dimensionais: duplicação planejada de dados • Inteligência na recuperação de informações. • Datamining ( Mineração ou garimpagem de dados) • Inteligência de Negócios (competitiva, estratégica, empresarial) Processo estruturado e sistemático de disseminar, para executivos de uma empresa, informações de ambientes externos, que podem representar ameaças e no- vas oportunidades. • Banco de dados OO, Multimidia Inteligência artificial e data mining Podem plenamente ser aplicada como tecnologia de funcionamento dos Sistemas de Informação Executivos, através de seus recursos tais como, os sistemas especialistas, data mining e demais ferramentas e algoritmos. O termo Inteligência Artificial pode ser generalizado como a simulação da “inteligência” humana, na realização de atividades elaboradas por pessoas, que podem ser substituídas pelo uso dos recursos da ciência da computação e seus respectivos algoritmos inteligentes. A filosofia da Inteligência Artificial (IA) sempre foi o estudo das áreas do conhecimento que eram tão pouco compreendidas, tornando-se o estudo de como fazer os computadores realizarem coisas que no momento, as pessoas fazem melhor. Inicialmente ela estava focalizada em tarefas formais, tais como jogos, demonstrações de teoremas e raciocínios do senso comum. Posteriormente ela foi utilizada com uma maior manipulação de conhecimentos, com algoritmos de percepção (visão e fala), compreensão da linguagem natural e a solução de problemas em domínios especializados, como diagnósticos médico e análise química. Atualmente a IA está sendo também utilizada em projetos na área de engenharia, descobertas científicas, planejamento financeiro, mineração e análise de dados para a geração de informações empresariais, sejam em Sistemas Especialistas ou Sistemas de Informação Executivos (RICH, 1993). O objetivo no desenvolvimento contemporâneo de sistemas de IA não é substituir completamente a tomada de decisões humana, e sim reaplicá-la em certos tipos de problemas bem definidos. Assim como em outros Sistemas de Informação, o propósito maior das aplicações da IA nas empresas é auxiliar as mesmas a alcançar as suas metas. A IA envolve o conceito de explorar um comportamento inteligente que possui características definidas como aprender com a experiência, aplicar o conhecimento adquirido da experiência, tratar situações complexas, resolver problemas quando faltam informações importantes, determinar o que é importante, ter capacidade de raciocinar e pensar, reagir rápida e corretamente a novas situações, compreender imagens visuais, processar e manipular símbolos, ser criativo e imaginativo e utilizar da heurística (normas práticas advindas da experiência. Este vasto campo possui diversos componentes importantes, como sistemas especialistas, robótica, sistemas de visão de imagens, processamento de linguagem natural, sistemas de aprendizagem, lógica difusa, redes neurais, algoritmos genéticos e agentes inteligentes (STAIR, 1998; LAUDON, 1999). A Inteligência Artificial trabalha com o conhecimento, que é um conceito que vai além da informação. O conhecimento pode ser definido como um conjunto de ferramentas e tecnologias (materiais e humanas) capazes de criar, buscar, guardar e compartilhar informações específicas. Data mining O grande volume de dados disponíveis cresce a cada dia e desafia a nossa capacidade de armazenamento, seleção e uso. Esta tecnologia com suas ferramentas permitem a "mineração" destes dados a fim de gerar um real valor do dado transformando-o em informação e conhecimento. Esta tecnologia é formada por um conjunto de ferramentas que através do uso de algoritmos de aprendizado ou baseados em redes neurais e estatística, são capazes de explorar um grande conjunto de dados, extraindo destes conhecimento na forma de hipóteses e de regras. Diariamente as empresas acumulam diversosdados em seus bancos de dados, tornando-os verdadeiros tesouros de informação sobre os vários processos e procedimentos das funções da empresa, inclusive com dados e hábitos de seus clientes, suas histórias de sucesso e fracassos. Todos estes dados podem contribuir com a empresa, sugerindo tendências e particularidades pertinentes a ela e seu meio ambiente interno e externo, visando uma rápida ação de seus gestores (FELDENS, 1999). Com a geração de informações e conhecimentos úteis para as empresas, os seus negócios podem dar mais lucratividade para as mesmas. Os recursos da Tecnologia da Informação, mais precisamente a capacidade do hardware e software disponíveis podem efetuar atividades em horas o que tradicionalmente as pessoas levariam meses. Efetivamente o DM cumpre o papel de descoberta de conhecimentos (CARVALHO, 1999). Os sistemas tradicionais de processamento de transações on-line (OLTP) das empresas são ferramentas capazes de manipular dados de forma rápida, segura e efetiva em bancos de dados, mas que apresentam restrições para gerar informações com análises significativas. Estas restrições são melhores trabalhadas quando as empresas se utilizam da tecnologia de DM aliada à outras tecnologias, tais como, Knowledge Discovery in Databases (KDD), Database Marketing e Inteligência de Negócios (business intelligence). A tecnologia Data Mining e seus recursos pode ser aplicada no funcionamento dos modelos de Sistemas de Informação Executivos, principalmente nos Sistemas de Informação para Gestão (SIG) e Estratégicos (SIE). 4. Sistemas Especialistas 1.1 Conceitos Sistema - "Conjunto de elementos, materiais ou idéias, entre os quais se possa encontrar ou definir alguma relação". Especialista - "Pessoa que se consagra com particular interesse e cuidado a certo estudo. Conhecedor, perito". Sistemas Especialistas são sistemas que solucionam problemas que são resolvíveis apenas por pessoas especialistas (que acumularam conhecimento exigido) na resolução destes problemas. Um Sistema de Inteligência Artificial criado para resolver problemas em um determinado domínio (área de interesse específico para as quais podemos desenhar um sistema de IA) cujo conhecimento utilizado é fornecido por pessoas que são especialistas naquele domínio, é denominado Sistema Especialista. Programas de computador que tentam resolver problemas que os seres humanos resolveriam emulando o raciocínio de um especialista, aplicando conhecimentos específicos e inferências são ditos Sistemas Especialistas. Sistema Convencional é baseado em um algoritmo, emite um resultado final correto e processa um volume de dados de maneira repetitiva enquanto que um Sistema Especialista é baseado em uma busca heurística e trabalha com problemas para os quais não existe uma solução convencional organizada de forma algoritmica disponível ou é muito demorada. 1.2 Fundamentação Um Sistema Especialista é aquele que é projetado e desenvolvido para atender a uma aplicação determinada e limitada do conhecimento humano. É capaz de emitir uma decisão, apoiado em conhecimento justificado, a partir de uma base de informações, tal qual um especialista de determinada área do conhecimento humano. Para tomar uma decisão sobre um determinado assunto, um especialista o faz a partir de fatos que encontra e de hipóteses que formula, buscando em sua memória um conhecimento prévio armazenado durante anos, no período de sua formação e no decorrer de sua vida profissional, sobre esses fatos e hipóteses. E o faz de acordo com a sua experiência, isto é, com o seu conhecimento acumulado sobre o assunto e, com esses fato e hipóteses, emite a decisão. Durante o processo de raciocínio, vai verificando qual a importância dos fatos que encontra comparando-os com as informações já contidas no seu conhecimento acumulado sobre esses fatos e hipóteses. Neste processo, vai formulando novas hipóteses e verificando novos fatos; e esses novos fatos vão influenciar no processo de raciocínio. Este raciocínio é sempre baseado no conhecimento prévio acumulado. Um especialista com esse processo de raciocínio pode não chegar a uma decisão se os fatos de que dispõe para aplicar o seu conhecimento prévio não forem suficientes. Pode, por este motivo, inclusive chegar a uma conclusão errada; mas este erro é justificado em função dos fatos que encontrou e do seu conhecimento acumulado previamente. Um Sistema Especialista deve, além de inferir conclusões, ter capacidade de aprender novos conhecimentos e, desse modo, melhorar o seu desempenho de raciocínio, e a qualidade de suas decisões. Quando os Sistemas Especialistas São Utilizados De um modo geral, sempre que um problema não pode ser algoritmizado, ou sua solução conduza a um processamento muito demorado, os Sistemas Especilistas podem ser uma saída, pois possuem o seu mecanismo apoiado em processos heurísticos. Preservar e transmitir o conhecimento de um especialista humano em uma determinada área. Um Sistema Especialista não é influenciado por elementos externos a ele, como ocorre com o especialista humano, para as mesmas condições deverá fornecer sempre o mesmo conjunto de decisões. Exemplos de Sistemas Especialistas Aplicados a Medicina. A Base de Conhecimento dos Sistemas Especialistas Para solucionar problemas os Sistemas Especialistas precisam acessar uma grande base de conhecimento do domínio da aplicação, portanto o sucesso de um Sistema Especialista depende enormemente da forma de como o conhecimento é representado e dos mecanismos para a exploração deste conhecimento. Um Sistema Especialista é basicamente formado por três componentes: • "Base de dados": base de conhecimento - descreve a situação corrente e a meta; • "Conjunto de operadores": mecanismos para exploração - unidades que operam sobre a base de dados; • "Estratégia de controle": Raciocínio Para Frente (bottom-up) - aplicação de operadores sobre as estruturas na base de dados que descreve a situação do domínio de uma tarefa para produzir uma situação modificada, e Raciocínio Para Trás (top-down) - aplicação de operadores sobre as metas para reduzí- las às submetas. A combinação dos dois raciocínios também é possível. Uma importante técnica de IA envolvendo botton-up e top-down é chamada de Análise Siginificado-Final (means-end), que faz a comparação da situação de domínio da tarefa corrente com a meta corrente para extrair a diferença entre elas. A diferença é então usada para indexar o operador mais relevante a fim de reduzir a diferença. Caso estes especialmente relevantes operadores não puderem ser aplicados para o presente estado do problema, submetas são aplicadas para alterar o estado até que um operador relevante possa ser aplicado. Depois que estas submetas são solucionadas, o operador relevante é aplicado produzindo resultado, a situação modificada vem a ser um novo ponto inicial para solucionar a meta original. A Eficácia dos Sistemas Especialistas Para que um Sistema Especialista seja eficaz, as pessoas têm de ser capazes de interagir com ele facilmente. Para facilitar esta interação os sistemas devem ser capazes de: • "Explicar seu raciocínio". Conseqüentemente o processo de raciocínio deve proceder em etapas compreensíveis em que o metaconhecimento suficiente (conhecimento sobre o processo de raciocínio) esteja disponível para que as explicações dessas etapas possam ser geradas;• "Adquirir conhecimento novo e modificar o conhecimento antigo". Como o conhecimento pode ser aumentado e/ou alterado, torna-se importante então separar a base de conhecimento do conjunto de operadores do sistema. Principais Benefícios da Utilização dos Sistemas Especialistas • Velocidade na determinação dos problemas; • A decisão está fundamentada em uma base de conhecimento; • Segurança; • Exige pequeno número de pessoas para interagir com o sistema; • Estabilidade; • Dependência decrescente de pessoal específico; • Flexibilidade; • Integração de ferramentas; • Evita interpretação humana de regras operacionais. Exemplos clássicos de sistemas especialistas são • MYCIN - para diagnosticar doenças infecciosas; • PROSPECTOR - informações geológicas; • LOGIC THEORIST - provador de teoremas. Sistemas Especialistas em microcomputadores • Diversas ferramentas do tipo "shell", tais como EXPERT-EASE, M-1, INSIGHT, ARBORIST, EXSYS, ES/P, PERSONAL CONSULTANT, GURU, NEXPERT, e outras de 16 e 32 bits permitem o desenvolvimento de Sistemas Especialistas em microcomputadores; • Podemos utilizar ao invés de "shells" demais linguagens de programação como: BASIC, FORTRAN, ALGOL, PASCAL, FORTH entre outras. Algumas linguagens de programação que foram desenvolvidas especificamente para facilitar o desenvolvimento de aplicações de IA como LISP, PROLOG e LOGO são mais utilizadas. Busca Proporciona um meio de solucionar problemas para os quais não há disponível uma abordagem mais direta, nem uma estrutura na qual qualquer técnica direta disponível possa ser inserida. Componentes dos sistemas de busca • A Base de Dados: Consiste de estruturas de dados incluindo cadeias, listas, conjuntos de expressões de cálculos de predicados, redes semânticas; • Na prova de teoremas as tarefas de domínio corrente consistem de declarações representando axiomas, lemas e teoremas já provados, a meta e uma declaração representando o teorema a ser provado; • Aplicações que Information -retrival , a corrente situação consiste de um conjunto de fatos, e a meta é a consulta a ser respondida; • Soluções de problemas em robôs: a situação corrente é um modelo de mundo consistindo de declarações descrevendo o ambiente ao redor do robô, e a meta é a descrição que é feita verdadeira por uma sequência de ações do robô; • Conjunto de operadores: Regras de inferência, regras para movimentação em um determinado jogo, Integração simbólica que são regras para simplificar as formas e são integradas. Algumas vezes o conjunto de operadores consistem de pequenas e várias regras de inferência que geram novas declarações a partir das existentes. Problemas Enfrentados pelos Sistemas Especialistas Atuais • Fragilidade- Como os Sistemas Especialistas somente têm acesso a conhecimento altamente específicos do seu domínio não possuem conhecimentos mais genéricos quando a necessidade surge; • Falta de metaconhecimento - Geralmente não possuem conhecimentos sofisticados sobre sua própria operação, portanto não conseguem raciocinar sobre seu próprio escopo e restrições. A aquisição do conhecimento continua sendo um dos maiores obstáculos a aplicação de tecnologia dos Sistemas Especialistas a novos domínios. • Validação- A medição do desempemho de Sistemas Especialistas é muito difícil poque não sabemos quantificar o uso de conhecimento. Elementos de Sistemas Especialistas Os sistemas especialistas empregam informações nem sempre completas manipulando-as através de métodos de raciocínio simbólico sem seguir modelos numéricos, para produzir aproximações satisfatórias ou aproximações úteis. Sendo assim, quanto mais completa e corretamente estiver representado o conhecimento, melhor será a saída do sistema. Para tanto faz necessário a aquisição de conhecimento, uso de heurísticas, de métodos de representação de conhecimento e de máquinas de inferência. Existem várias arquiteturas de sistemas especialistas sendo usadas. Dentre elas a mais simples de compreender e a mais difundida compõem- se de 3 elementos básicos. A constituição básica de um sistema especialista apresenta os seguintes elementos: • Base de conhecimento • Quadro negro • Mecanismo de inferência Elementos de um Sistema Especialista Figura 1. Elementos básicos de um sistema especialista. Base de conhecimento Base de conhecimento é um elemento permanente, mas específico de um sistema especialista. É onde estão armazenadas as informações de um sistemas especialista, ou seja os fatos e as regras. As informações armazenadas de um determinado domínio fazem do sistema um especialista neste domínio. Quadro-Negro A comunicação das informações entre os sistemas especialistas é feita por um mecanismo chamado quadro-negro.O quadro-negro é um lugar dentro da memória do computador no qual as informações armazenadas em um sistema especialista são "afixadas" para que qualquer outro sistema especialista possa usá-lo se precisar das informações lá contidas para alcançar seus objetivos. O quadro-negro é uma estrutura que contém informações que podem ser examinadas por sistemas especialistas cooperativos. O que esse sistemas fazem com essas informações depende da aplicação. Você nunca entrou em uma sala de aula e viu um aviso no quadro-negro dizendo que aquela turma mudou de sala? Esse aviso poderia ter sido escrito pela secretária da escola que foi informada de que o professor estaria ausente naquele dia; por isso surgiu a necessidade de combinar turmas similares com um só professor. A secretária estava atenta a essa situação e reagiu de acordo. O conceito do quadro-negro para afixar, modificar e observar mudanças é muito importante para os sistemas cooperativos. Ainda assim, quadro-negro, rascunho ou memória de trabalho tem sua vida útil durante o curso de uma consulta e está vinculada a uma consulta concreta. É uma área de memória usada para fazer avaliações das regras que são recuperadas da base de conhecimento para se chegar a uma solução. As informações são gravadas e apagadas em um processo de inferência até se chegar a solução desejada. Mecanismo de Inferência Mecanismo de inferência ou motor de inferência é um elemento permanente, que pode ser inclusive ser reutilizado por vários sistemas especialistas. É a parte responsável pela busca das regras da base de conhecimento para serem avaliadas, direcionando o processo de inferência. O conhecimento deve estar preparado para uma boa interpretação e os objetos devem estar em uma determinada ordem representados por uma árvore de contexto. Basicamente o mecanismo de inferência é dividido em tarefas que são: Selecionar e buscar Avaliar Procurar Resumindo as tarefas acima, podemos dizer que as regras necessárias para se chegar a uma meta devem ser buscadas na base de conhecimento. Essas regras serão colocadas no quadro negro, sendo que as regras já existentes só serão avaliadas depois das mais recentes. A ordem de avaliação no quadro negro obedece a uma estrutura do tipo pilha com o objetivo de atingir a meta mais recente. A regra continuará sendo avaliada enquanto as condições da premissa forem verdadeiras, caso contrário a regra será eliminada, a meta estabelecida desempilhada e uma nova regra será carregada. Quando um valor de um parâmetro em um determinado contexto não é conhecido e não se encontra nas estruturas de pilha, deve-se então procurar novasinformações na base de conhecimento, provocar a busca de novas regras ou perguntar diretamente ao usuário. Considere o seguinte exemplo: 1. Os pais de Jim são João e Maria. 2. Os pais de Jane são João e Maria. O objetivo é determinar o parentesco entre Jim e Jane. Existe um mecanismo chamado poda que se concentra em uma regra guardada em segurança no cérebro, que acaba com o mistério instantaneamente: SE um pessoa do sexo masculino e uma pessoa do sexo feminino têm os mesmos pais, ENTÃO eles são irmãos. Alcançamos nosso objetivo inferindo a resposta da pergunta sobre o parentesco entre Jim e Jane da regra que já havíamos aprendido anteriormente. E no processo de alcançar o objetivo, um novo fato é deduzido: Jim e Jane são irmãos. A parte da inteligência que nos ajudou a chegar a esse novo fato é chamada de mecanismo de inferência. Ele é central em nossa habilidade de aprender com a experiência porque nos permite gerar novos fatos a partir dos já existentes aplicando o conhecimento adquirido em novas situações. O mecanismo de inferência também ajuda a detectar erros em nossos pensamentos e nos permite modificar e aprimorar as regras que usamos para alcançar nossos objetivos. Processo de Aprendizagem dos Sistemas Especilistas A aprendizagem comum se dá de diversas formas: • Análise estatística de dados (heurística); • Tentativa e erro (experiências); • Leituras, palestras, etc; • Troca de experiências com outras pessoas. Fundamentalmente, verifica-se que o aprendizado vem do processo de experiência, e de seus resultados experimentais. A capacidade de aprender, no ser humano, é o resultado de um conjunto de habilidades: capacidade de generalizar, de induzir, de fazer analogias e de receber instrução. Os Sistemas Especialistas devem ser capazes de aprender e fazer crescer o seu conhecimento básico sobre o assunto. Esta capacidade de aprender recebe o nome técnico de protopeiria. O usual é existir um engenheiro de conhecimento que prepara o conhecimento para ser armazenado em uma forma apropriada, fornecendo as explicações necessárias, dos conceitos utilizados. O ideal é que o conhecimento possa ser adquirido diretamente pelo Sistema Especialista. Uma das formas de aprendizagem dos Sistemas Especialistas é através de textos. Um programa captura palavras chaves em um parágrafo do texto, podendo formatá-lo para um formato especial de armazenamento, para representação desse conhecimento (implementação mais eficiente e confiável com Processador de Linguagem natural). O aprendizado também pode ser feito a partir de conclusões sobre a massa de informações mantidas pelo Sistema Especialista. Ele mantém um banco de casos resolvidos, isto é, a cada conclusão guarda os fatos que pesaram sobre a decisão e a própria decisão, após ter esta criticado por um especialista da área. O aprendizado é feito por comparação de dados por um módulo do Sistema Especialista que coloca a nova regra na Base de conhecimento, à medida que a massa de dados cresce, obedecendo o formato adequado. Outra forma de aprendizado se dá pela interação direta com o especialista. Como em uma relação professor-aluno, o computador absorve o conhecimento através de uma interface adequada (editor inteligente). Fundamentalmente, verifica-se que o aprendizado vem do processo de experiência, e de seus resultados experimentais. Tipos de Problemas que os Sistemas Especialistas Trabalham Os sistemas especialistas trabalham com problemas cada vez mais difíceis, assim eles necessitam usar todas as técnicas disponíveis de Inteligência Artificial. A fim de escolher o método mais apropriado (ou uma combinação de métodos) para um determinado problema, é necessário analisá-lo em várias dimensões- chaves. Abaixo encontram-se os critérios que dão origem as classes de problemas e as classes propriamente ditas: • O problema pode ser decomposto em um conjunto (ou quase isto) de subproblemas independentes, menores e mais fáceis? - Decomponíveis; - Não-decomponíveis. • Certos passos em direção à solução podem ser ignorados ou pelo menos desfeitos caso fique provado que são imprudentes? - Ignoráveis: as etapas para a solução podem ser ignoradas. Exemplo: demonstração de teoremas - Recuperáveis: as etapas para a solução podem ser desfeitas. Exemplo: quebra-cabeça de 8; - Irrecuperáveis: as etapas para a solução não podem ser desfeitas. Exemplo: xadrez. • A recuperabilidade de um problema tem papel importante na determinação da complexidade da estrutura de controle necessária para a solução do problema. - Ignoráveis: estrutura de controle simples que nunca retrocede; - Recuperáveis: estrutura de controle ligeiramente mais complicada (utilizará o retrocesso com uma estrutura de pilha na qual as decisões de pilha na qual as decisões são gravadas se precisarem ser desfeitas mais tarde), que às vezes comete erros; - Irrecuperáveis: sistema que depende muito esforço para tomar decisões (sistema de planejamento no qual toda uma seqüência de passos é analisada de antemão, para descobrir onde levará, antes do primeiro passo ser realmente tomado), já que são definitivas. • O universo do problema é previsível? - Com resultado certo: podemos usar planejamento para gerar uma seqüência de operadores que certamente levará a uma solução. Exemplo: quebra-cabeça de 8; - Com resultado incerto: podemos usar planejamento para, na melhor das hipóteses, gerar uma seqüência de operadores com boas chances de levar a uma solução. Exemplo: bridge, truco, canastra. Para solucionar problemas desse tipo precisamos permitir que um processo de revisão de planos ocorra durante a execução do plano e que seja fornecida a realimentação necessária. • Uma boa solução para o problema pode ser considerada óbvia sem haver comparação com todas as soluções possíveis? - Aceitam qualquer caminho: podem ser solucionados em tempo razoável através do uso de heurísticas que sugerem bons caminhos a serem explorados. Exemplo: lógica de predicados para saber se Marcos ainda vive; - Só aceitam o melhor caminho: não existe a possibilidade de usarmos qualquer heurística que possa prever a melhor solução, portanto, será realizada uma busca mais exaustiva. Exemplo: problema do Caixeiro Viajante, encontrar a rota mais curta. • A solução desejada é um estado do mundo ou um caminho pra um estado? - A solução é um estado do mundo. Exemplo: a compreensão da linguagem natural; - A solução é um caminho para um estado. Exemplo: o problema das jarras d'água. • Há necessidade absoluta de grande quantidade de conhecimento para resolver o problema, ou o conhecimento é importante apenas para limitar a busca? - Muito conhecimento é importante apenas para restringir a busca. Exemplo: xadrez. - Muito conhecimento é necessário até mesmo para que se possa reconhecer uma solução. Exemplo: folhar jornais diários para decidir qual deles apoia o governo e qual apoia a oposição nas próximas eleições. • Um computador que simplesmente receba o problema tem condições de retornar a solução, ou esta exige a interação entre o computador e a pessoa? - Solitário: o computador recebe a descrição de um problema e produz uma resposta sem nenhuma comunicação imediata e sem pedir nenhuma explicação sobre o processo de raciocínio. Exemplo: demonstrar um teorema; - Conversacional: existe comunicação intermediária entre uma pessoa e o computador, para proporcionarassistência adicional ao computador ou para proporcionar informações adicionais ao usuário, ou ambos. Exemplo: produzir um diagnóstico médico. Não existe uma única maneira de resolver todos os problemas. Ao contrário, se analisarmos nossos problemas cuidadosamente e classificarmos nossos métodos de solução de acordo com o tipo de problema aos quais se adaptam, seremos capazes de trazer para cada novo problema muito do que aprendemos na solução de outros problemas semelhantes. Sistemas de Produção Os sistemas de produção são uma boa maneira de descrever as operações que podem ser realizadas quando buscamos uma solução para um problema. Uma vez que a busca forma o núcleo de muitos processos inteligentes, é útil estruturar os programas de IA de uma forma que facilite a descrição e execução dos processos de busca. Os Sistemas de Produção (SP) proporcionam tais estruturas. Um Sistema de Produção consiste em: • Um conjunto de regras, cada uma delas consistindo em um lado esquerdo (um padrão) que determina a aplicabilidade de uma regra e um lado direito que descreve a operação a ser efetuada se a regra for aplicada. • Uma ou mais bases de conhecimentos/bases de dados que contenham quaisquer informações apropriadas a uma determinada tarefa. Certas partes da base de dados podem ser permanentes, enquanto que outras, podem pertencer apenas à solução do problema corrente. • Uma estratégia de controle que especifique a ordem em que as regras serão comparadas com a base de dados e uma maneira de solucionar conflitos que surgirem quando várias regras puderem ser aplicadas ao mesmo tempo. • Uma aplicador de regras. Esta definição é bastante genéricam, incluindo entre outros os programas para jogar xadrez, resolvero problema das jarras d'água, do fazendeiro, etc. Isto é, o processo de solução destes problemas foram modelados como um sistema de produção. Além disso, inclui também uma família de interpretadores genéricos de sistemas de produção, tais como: • Linguagens de sistemas de produção básicos, como o OPS5 e o ACT. • Sistemas mais complexos, em geral híbridos, chamados de shells de sistemas especialistas, que proporcionam ambientes mais complexos para construção de sistemas especialistas baseados em conhecimento. • Arquiteturas para a solução de problemas gerais como o SOAR, um sistema baseado em um conjunto específico de hipóteses motivadas cognitivamente sobre a natureza da solução dos problemas. Todos estes sistemas oferecem a arquitetura geral de um sistema de produção e permitem que o programador escreva regras que definam determinados problemas a serem solucionados. Considerando as características de SP, podemos formular duas perguntas básicas sobre os SP: • Eles podem ser descritos por um grupo de características que coloquem alguma luz sobre COMO OU QUÃO FACILEMENTE ELES PODEM SER IMPLEMENTADOS? Considere as classes de SP - SP MONOTÔNICOS: a aplicação de uma regra NUNCA impede a aplicação posterior de uma outra regra que também pudesse Ter sido aplicada quando a primeira regra foi escolhida; - SP NÃO-MONOTÔNICOS: a aplicação de uma regra PODE impedir a aplicação posterior de uma regra que também, pudesse ter sido aplicada quando a primeira regra foi escolhida; - SP PARCIALMENTE COMUTATIVO: se a aplicação de uma determinada sequência de regras transforma um estado x em um estado y, então qualquer permutação permitida dessas regras também transforma o estado x em estado y; - SP COMUTATIVO: é monotônico e parcialmente comutativo simultaneamente. Se sim, qual o relacionamento que existe entre os TIPOS DE PROBLEMAS E OS TIPOS DE SP MAIS ADEQUADOS PARA SOLUCIONAR OS PROBLEMAS? Pode-se dizer que: para qualquer problema solucionável, existe um número infinito de SP que descrevem maneiras de encontrar soluções. Alguns serão mais NATURAIS ou mais EFICIENTES que outros. Qualquer problema que possa ser solucionado por qualquer SP, pode ser solucionado por um SISTEMA COMUTATIVO (classe mais restrita), mas o sistema comutativo pode Ter o manejo tão complicado que se torna praticamente inútil. Em um sentido mais formal: "Não existe relação entre tipos de problemas e tipos de SP, já que todos os problemas podem ser solucionados por todos os tipos de sistemas." Em termos práticos: "Existe definitivamente uma relação entre tipos de problemas e tipos de SP que se prestam naturalmente à descrição desses problemas." Os SP PARCIALMENTE COMUTATIVOS MONOTÔNICOS são importantes, do ponde de vista da implementação, porque podem ser implementados sem que haja necessidade de retrocesso a estágios anteriores, quando se descobre que um caminho errado foi seguido. Embora normalmente seja útil implementar tais sistemas com o recurso do retrocesso, a fim de garantir uma busca sistemática, a base de dados, que na verdade representa o estado do problema, não precisa ser restaurada, o que se traduz em eficiência. Os SP COMUTATIVOS são bons para problemas nos quais as coisas não mudam e coisas novas são criadas. Isto é, ao invés de alterar coisas antigas envolvem a criação de coisas novas. Os SP PARCIALMENTE COMUTATIVOS N-MONOTÔNICOS são úteis para problemas nos quais aconteçam mudanças que possam ser revertidas e nos quais a ordem das operações não seja crucial. A navegação por robôs em terreno liso e sem obstáculos, um problema de manipulação física, é um exemplo. Navegação significa mover-se pelo mundo: Planejar rotas, chegar aos destinos desejados sem trombar com outras coisas no meio do caminho, e assim por diante. Como a visão e o reconhecimento da fala, esta é uma tarefa que os seres humanos executam com facilidade. Suponhamos que o robô tenha os seguintes operadores: ir para o norte (N), ir para o leste (L), ir para o oeste (O), ir para o sul (S). Para alcançar seu objetivo, não importa se o robô executa N-N-L ou N-L-N. Dependendo de como os operadores forem escolhidos, o quebra cabeça de 8 e o problema do mundo dos blocos podem ser considerados parcialmente comutativos. Os SP NÃO-PARCIALMENTE COMUTATIVOS têm menos chances de produzir o mesmo nó muitas vezes durante o processo de busca. Quando lidamos com aqueles que descrevem processos irreversíveis, é particularmente importante tomar decisões corretas logo na primeira vez, apesar de que, se o universo for previsível, o planejamento poderá ser usado para fazer com a tomada de decisão tenha papel menos importante. Resposta de um Sistema Especialista Um sistema especialista emite resposta utilizando três modos de técnicas diferentes: • Primeiro modo: o sistema determina um universo onde a resposta poderá ser encontrada. Por exemplo, imagine-se uma empresa que esteja interessada em pesquisa petróleo. Pelas características geológicas gerais dos continentes, um sistema especialista pode determinar, de maneira geral, onde o petróleo poderá ser encontrado, sem no entanto afirmar de maneira precisa exatamente em que regiões se encontrará o petróleo. A primeira informação serve apenas para identificar, de maneira ampla, onde se poderá encontrar a resposta, isto é, não adianta procurar a resposta fora deste universo. • Segundo modo: o sistema é mais preciso e determina um resultado final, isto é, enfoca um valor ou um pequeno número de respostas no conjunto de valores possíveis. • Terceiro modo: o sistema não emite resultado nenhum, apenas interage com o profissional que o está usando. O funcionamentoé como em um diálogo de dois profissionais, obrigando o primeiro a ir refletindo sobre determinadas conseqüências que, serão produtos de sua determinada decisão. Explicação Para um sistema especialista ser uma ferramenta eficaz, as pessoas tem de ser capazes de interagir com ele facilmente. Para facilitar essa interação, o sistema especialista dever ter estes dois recursos, além da capacidade de executar sua tarefa fundamental: Explicar seu raciocínio. Em muitos dos domínios nos quais os sistemas especialistas operam, as pessoas não aceitarão resultados se não estiverem convencidas da precisão do processo de raciocínio que produziu aqueles resultados. Isto é particularmente verdadeiro, por exemplo, na medicina, onde um médico precisa aceitar a responsabilidade final por um diagnóstico, mesmo que ele tenha chegado com a ajuda considerável de um programa. Assim, é importante que o processo de raciocínio usado nesses programas proceda em etapas compreensíveis e que metaconhecimento suficiente (conhecimento sobre o processo de raciocínio) esteja disponível para que as explicações dessas etapas possam ser geradas. Adquirir conhecimento novo e modificar conhecimento antigo. Já que os sistemas especialistas derivam da riqueza das bases de conhecimento que eles exploram, é extremamente importante que essas bases de conhecimentos sejam o mais completas e precisas possível. Mas normalmente não existe nenhuma codificação padrão para esse conhecimento; ela existe apenas nas mentes dos especialistas humanos. Uma maneira de colocar esse conhecimento em um programa é através da interação com o especialista humano. Uma outra maneira é fazer com que o programa aprenda o comportamento especialista a partir de dados brutos. Esta tecnologia oriunda da Inteligência Artificial também chamada de Expert Systems (SE) está direcionada a solução de problemas que normalmente são resolvidos por “especialistas” humanos. Para tanto, os SE precisam acessar uma substancial base de conhecimentos do domínio da aplicação, com diversificados mecanismos de raciocínio a partir de regras predefinidas (RICH, 1993). Um Sistema Especialista é um agrupamento organizado de pessoas, procedimentos, banco de dados e dispositivos usados para gerar um parecer especializado ou sugerir uma decisão em uma área, domínio ou disciplina. Ele atua como um profissional especializado (expert) com muita experiência em determinado domínio. E é desenvolvido em parte através de exaustivas entrevistas e observações de tais profissionais, buscando extrair do mesmo seu profundo conhecimento do referido domínio especializado (STAIR, 1998). Esta tecnologia SE representa a última evolução da Inteligência Artificial aplicada a Sistemas de Informação Executivos, no qual o computador é utilizado para assistir ou até mesmo substituir os tomadores de decisão. Ela modela o conhecimento em áreas ou domínios específicos, geralmente voltados para resolver problemas como os seres humanos, principalmente em tarefas rotineiras de gestão. Exemplos de Empresas voltada para sistemas especialistas Romeu Menezes romeumenezes@gmail.com www.ensino.rumix.com.br 1.Sistemas Transacionais Entender essa tecnologia com certeza ajudará os empresários a descobrir novas tendências e caminhos para competir numa economia globalizada, onde a concorrência é acirrada, trazendo melhores produtos ou serviços para o mercado com maior rapidez sem aumento dos custos. Nos projetos de sistemas tipicamente transacionais há uma organização norteada por aplicações funcionais. Num hospital, por exemplo, temos os sistemas de admissão de pacientes (internação), o sistema de faturamento, o sistema de controle de estoque, controle de infecção hospitalar, entre muitos outros. Estes sistemas estão organizados pela função desempenhada por cada setor a fim de suprir as necessidades de controle das informações do dia a dia da entidade. 2.Sistemas Gerenciais 3.Sistemas Executivos 4.Sistemas Especialistas
Compartilhar