Baixe o app para aproveitar ainda mais
Prévia do material em texto
MODELAGEM E SIMULAÇÃO DE SISTEMAS Profº. Douglas Pinheiro Nome do Professor Apresentação Coordenador de Suprimentos na Gás Natural Açu S.A; Modelagem e Simulação de Sistemas Douglas de Oliveira Pinheiro pinheiro.douglas@estacio.br linkedin.com/in/douglas-pinheiro-3bba4a34 (21) 99298-8523 douglaso.pinheiro Professor de graduação da UNESA e CEFET; Engenheiro de Suprimentos na IESA Óleo e Gás S.A; Micromaster em Supply Chain Management pelo MIT; MBA em Gestão Logística e Supply Chain pela FGV; Especialização em Engenharia de Suprimentos pela UCAM; Bacharel em Engenharia de Produção pela UCAM; Tecnólogo em Petróleo & Gás pela UNESA; Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Orientações Gerais Calendário e Pontualidade: 08/02/19 a 05/07/2019 (Sextas - Feira) das 18:50 as 22:00 Preparação Prévia: É fundamental para o bom aproveitamento das aulas e para o cumprimento da proposta pedagógica centrada no participante a leitura e a preparação prévias, pelos alunos, do material (artigos, casos, etc.) que serão disponibilizados SIA. Avaliação: Prova com peso de 70% (prova composta por questões objetivas e discursivas) Trabalho: Trabalho com peso 30% (poderá ser realizado em sala de aula) Participação em Sala de aula: a participação em sala de aula poderá contabilizar na nota final 0.5. Comunicação: Por e-mail para o professor (pinheiro.douglas@estacio.br) Tablets, Notebooks e Telefones Celulares: O seu uso só é permitido durante as aulas para propósitos pedagógicos (cálculos, consulta do material disponibilizado para a sessão, realização de anotações relativas à aula em andamento, etc.) Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Conjuntos Clássicos Introdução Informação, Complexidade e Incerteza Cardinalidade, Conjunto Potencia, convexidade e relação Operações Básicas (Inclusão, união, intersecção, complemento, igualdade diferença) Propriedades Conjuntos Fuzzy Introdução Terminologia, notação, funções de pertinências, tipos de funções de pertinências Cardinalidade, Conjunto Potencia, convexidade, relação e intervalos de confiança Operações Básicas (Inclusão, união, interseção, complemento, igualdade diferença) Propriedades. Função de Agregação Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Conteúdo Programático Relações Fuzzy Relações Binárias Matrizes Fuzzy Composições de Relações Fuzzy. Propriedades Matrizes de incidência Fuzzy Aplicações Aritimética Fuzzy Números Fuzzy Triangulares e Trapezoidais Operação de Adição, subtração, multiplicação e divisão Distancia entre números Fuzzy Aplicações Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Conteúdo Programático Lógica Fuzzy Fuzzificação, inferência de Defuzzificação Uso de Regras de Interferencia Formas para Aquisição do Conhecimento Aplicações Redes Neurais Artificiais Conceitos Básicos Homens x computadores, o neurônio real, modelo de neurônio artificial Arquitetura de redes Representação do Conhecimento e Conceitos do Processo de Aprendizagem Redes Neuro-Fuzzy Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Referencias Bibliográficas | Sites Haykin, S. Redes Neurais: Princípios E Práticas. Porto Alegre RGS: Ed. Bookman,, 2001. Lima, Isaias; Pinheiro , Carlos; Santos, Flavia. Inteligência Artificial. Rio de Janeiro: Elsevier, 2014. Shaw, I. S.; Simões, M. G. Controle E Modelagem Fuzzy,. São Paulo SP: Ed. Edgard Blucher,, 2001.. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Qual seta é maior? A B Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Percepção Qual seta é maior? A B Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Qual seta é maior? B A Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com As duas setas possuem o mesmo tamanho. B ADinâmica de Ilusão de Müller – Lyer A B A percepção é um processo de aquisição do conhecimento de fatos particulares acerca do mundo físico, por meio de nossos sentidos (Armstrong, 1966). Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Dinâmica de Ilusão de Müller – Lyer Consiste em dois seguimentos de reta de mesmo comprimento, porém o seguimento de aletas para fora (><) parece consideravelmente maior em relação àquela que possui aletas para dentro (<>). Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com FILHO (2008, p.22) define: “Simulação é o processo de projetar um modelo computacional de um sistema real (ou hipotético) e conduzir experimentos com este modelo com o propósito de entender seu comportamento e/ou avaliar estratégias para sua operação.” Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Introdução a Simulação (PIDD, 2000): “O princípio básico é simples. Analistas constroem modelos do sistema de interesse, escrevem programas destes modelos e utilizam um computador para inicializar o comportamento do sistema e submetê-lo a diversas políticas operacionais.” “A melhor política deve ser selecionada” Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Segundo CHWIF. MEDINA, o que a Simulação NÃO é: Não é uma bola de cristal; Não é um modelo matemático; Não é uma ferramenta estritamente de otimização; Não substitui o pensamento inteligente; Não é uma técnica de último recurso; Não é uma panaceia. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Sistema Um sistema é um agrupamento de partes que operam juntas, visando um objetivo comum. (Forrester, 1968) Sistema Composto por uma queijeira, um queijo, uma faca (e um rato). Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Sistema Real Sistema Hipotético ou imaginário “Apesar de viável e muito comum, o processo de validação de um sistema hipotético ou imaginário é bem mais difícil. (Chwif. Medina. 2014) Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelo Um modelo pode ser definido como uma representação das relações dos componentes de um sistema, sendo considerada como uma abstração, no sentido em que tende a se aproximar do verdadeiro comportamento do sistema. Sistema Modelo = representação Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Tipos de Modelos: Modelos Simbólicos, icônico ou diagramático; Modelos Matemáticos ou Analíticos; Modelos de Simulação. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Por que Simular? Razões mais comuns para se experimentar com modelos: • O sistema real ainda não existe; • O sistema real é dispendioso; • Experimentarcom o sistema real não é apropriado. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Por que Simular? Validar um modelo de processo, mostrando que o comportamento do processo modelado é o mesmo do processo real. Prever o desempenho do processo em cenários diferentes do que existe atualmente. Identificar as variáveis do processo que efetivamente impactam o processo. Avaliar o desempenho da visão futura de um processo redesenhado. Revelar a integridade e viabilidade de um determinado projeto em termos Técnicos e econômicos. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Por que Simular? Reduzir os riscos da tomada de decisão. Identificar problemas antes mesmo de suas ocorrências. Reduzir custos com o emprego de recursos (mão-de-obra, energia, água, etc). Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com A metodologia da Simulação: 2Etapas do desenvolvimento de um modelo de simulação. 1Concepção ou formulação do modelo Implementação do modelo Análise dos 3resultados do modelo Entender claramente o sistema; Decidir o escopo do modelo, hipóteses e nível de detalhamento. Conversão do modelo conceitual em modelo computacional. Realização dos experimentos ou modelo operacional. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Introdução a Simulação A metodologia da Simulação: Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas I – INTRODUÇÃO A TEORIA FUZZY Nome do Professor George Boole Lotfi Asker Zadeh Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Introdução A palavra fuzzy, de origem inglesa, significa incerto, vago, impreciso, subjetivo, nebuloso, difuso, etc. A teoria fuzzy (lógica fuzzy e teoria dos conjuntos fuzzy) foi introduzida por L. Zadeh em 1965 com o objetivo de modelar conceitos vagos ou imprecisos. ImportanteHoje, existem aplicações da teoria fuzzy nas mais diversas áreas! A teoria dos conjuntos fuzzy (tal como a lógica fuzzy) não é uma teoria vaga mas, sim, uma teoria para modelar conceitos vagos! Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com 1 2 3 4 Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com 1 2 3 4 Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Problema da Dicotomia (Borel, 1950)Apresentaremos algumas frases que talvez tenham motivado a teoria dos conjuntos fuzzy. Uma semente não constitui uma pilha nem duas nem três ... do outro lado todo mundo vai concordar que 100 milhões de sementes constituem um pilha. Qual é, portanto, o limite apropriado? Podemos dizer que 325 647 sementes não constituem uma pilha, mas 325 648 fazem? Einstein, 1928:Além do problema da dicotomia de Borel, considere o seguinte:. Na medida em que as proposições da matemática se referem à realidade, elas não são certo; e, tanto quanto eles estão certos, eles não se referem à realidade. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Princípio da Incomptaibilidade (Zadeh, 1973)A observação e Einstein pode ter motivado Zadeh a formular o seguinte princípio:. Estado informalmente, a essência deste princípio é que, como o a complexidade de um sistema aumenta, nossa capacidade de fazer com precisão declarações significativas sobre o seu comportamento diminui até um limiar é alcançado além do qual precisão e significância (ou relevância) tornam-se quase características mutuamente exclusiva Klir, 1995:Outra interpretação pode ser dada por: Embora geralmente (mas nem sempre) seja indesejável quando considerado sozinho, a incerteza torna-se muito valiosa quando considerada ligação às outras características dos modelos de sistemas: em geral, permitindo mais incerteza tende a reduzir a complexidade e aumentar a credibilidade do modelo resultante. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com ExemploAbaixo apresentamos um exemplo ilustrando o princípio da incompatibilidade de Zadeh: Suponha que você está ensinando um colega a dirigir e o carro se aproxima de um sinal fechado. Você diria: “Comece a desacelerar o veículo daqui a 34 segundos e 22 milésimos.” ou “Breque daqui a pouco.” A primeira afirmação é mais precisa, porém, a segunda pode ser tão útil quanto a primeira. Em essência, conceitos vagos podem ser usados para resolver problemas complexos! Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Introdução De fato, no cotidiano usamos muitos termos vagos. Por exemplo: dia quente, mulher bonita, carro grande, nos encontramos por volta das 10h00, etc. Esses são modelados por fuzzy pois não possuem uma fronteira bem definida. Com efeito, tal como no problema da dicotomia de Borel, 10h01 é próximo das 10h00? E 10h02, é também próximo das 10h00? Quando não será próximo das 10h00? Para entender melhor o problema da dicotomia de Borel e melhor compreender a teoria dos conjuntos fuzzy, vamos fazer uma breve revisão da teoria clássica dos conjuntos. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com A teoria dos conjuntos, desenvolvida inicialmente e principalmente por George Cantor no final do século XIX, constitui uma forma elegante e sistemática de representar conceitos matemáticos. Um conjunto é uma coleção de objetos que, por alguma razão, nos convém situar coletivamente como uma única entidade. Tais objetos são geralmente referidos como elementos do conjunto. Os elementos podem ser qualquer coisa como, por exemplo, livros de uma biblioteca, números, pessoas, países, etc. O importante é que um elemento ou pertence ou não pertence a um certo conjunto. Essa relação entre um conjunto e um elemento é chamada relação de pertinência. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Conjuntos Clássicos Num dicionário, sinônimos da palavra incerteza incluem: subjetividade, imprecisão, aleatoriedade, dúvida, indecisão, ambiguidade, imprevisibilidade. Com efeito, existem vários tipos de incerteza. A teoria fuzzy trata incertezas relacionadas a linguagem natural. Iniciaremos introduzindo o conceito de conjuntos fuzzy como uma generalização de um conjunto clássico. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Um conjunto pode ser definido de uma das seguintes formas: Listando seus elementos explicitamente. Por exemplo, A = {0,1,e, π} Esta forma só vale para conjuntos finitos (e, pequenos...) Modelagem e Simulação de Sistemas Caracterização de Conjuntos Clássicos Especificando uma propriedade dos seus elementos. Por exemplo, A = {x ∈ ℝ : 9 ≤ x ≤ 11}. u V = . a . e . o . i Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com A função característica xA : ℝ → {0,1} do conjunto clássico, A = {x ∈ ℝ : 9 ≤ x ≤ 11} é representado graficamente por Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com O conjunto clássico A = {x ∈ ℝ : 9 ≤ x ≤ 11}, pode representar o conjunto dos “números próximos de 10”. Nesse caso, 11 é próximo de 10 mas 12 não é próximo de 10. De um modo geral, 11 está próximo de 10 mas 11+ ꬲ não é próximo de 10 para qualquer ꬲ > 0. Na teoria dos conjuntos fuzzy, 11 + ꬲ pertence mais ao conjunto dos números próximos de 10 que 12 se ꬲ for pequeno. Com efeito, não diremos se um elemento pertence ou não a um conjunto fuzzy, mas diremos o grau com que o elemento pertence ao conjunto fuzzy. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Limitação de um Conjunto Classico O conjunto clássico A = {x ∈ ℝ : 9 ≤ x ≤ 11}, pode representar o conjunto dos “números próximos de 10”. Nesse caso, 11 é próximo de 10 mas 12 não é próximo de 10. De um modo geral, 11 está próximo de 10 mas 11+ ꬲ não é próximo de 10 para qualquer ꬲ > 0. Na teoria dos conjuntos fuzzy, 11 + ꬲ pertence mais ao conjunto dos números próximos de 10 que 12 se ꬲ for pequeno. Com efeito, não diremos se um elemento pertence ou não a um conjunto fuzzy, mas diremos o grau com que o elemento pertence ao conjunto fuzzy. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Definição (Conjunto Fuzzy) Considere um universo de discurso U (conjunto clássico). Um subconjunto fuzzy, ou simplesmente conjunto fuzzy, A de U é caracterizado por uma função Modelagem e Simulação de Sistemas Conjuntos Fuzzy chamada de função de pertinência. µA : U → [0,1] O valor µA(x) indica o grau com o que elemento x ∈ U pertence ao conjunto fuzzy A. A = {( x , µA (x)) | x ∈ U} Conjunto Fuzzy Função Pertinência Universo Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com A = Conjunto de pessoas altas Conjunto Clássico Conjunto Fuzzy Altura (m) 1.0 0.9 0.8 0.5 Função de pertinência Altura (m) Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com “alto” no Brasil 0.8 0.5 0.1 “alto” nos Estados Unidos “alto” na Itália 1.75 Altura (m) Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Reflete o conhecimento que se tem em relação a intensidade com que o objeto pertence ao conjunto fuzzy. Várias formas diferentes. Características das funções de pertinência: Medidas subjetivas. Funções não probabilísticas monotonicamente crescentes, decrescentes ou subdividida em parte crescente e parte decrescente. Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Função de Pertinência Função Triangular: Função Trapezoidal: Função Gaussiana: Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Função Crescente: Função Decrescente: Modelagem e Simulação de Sistemas Função de Pertinência Função Sino Generalizada: gbellmf (x; a, b, c) 1 1 x c 2b b Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Universo Discreto Grau de Pertinência1 0.8 0.6 0.4 0.2 0 0 2 4 X = {0, 1, 2, 3, 4, 5, 6} A = “Número de filhos” A = {(0, 0.1), (1, 0.3), (2, 0.7), (3, 1), (4, 0.6), (5, 0.2), (6, 0.1)} 6 X = Número de filhos Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Grau de Pertinência1 0.8 0.6 X = (Conjunto de números reais positivos) B = “Pessoas com idade em torno de 50 anos” B = {(x, B(x) )| x em X} 0.4 0.2 B (x) 1 1 x 50 2 0 0 50 100 X = Idade 10 Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com O conjunto fuzzy dos “números próximos de 10” pode ser caracterizado, por exemplo, pela seguinte função de pertinência: Observe que há uma transição gradual entre pertinência e não-pertinência! Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Exemplo Destacamos também que uma função de pertinência caracteriza um conjunto fuzzy, e vice-versa. Contudo, há uma certa arbitrariedade na escolha da função de pertinência que descreve um certo conceito. Alternativamente, o conjunto dos números “próximos de 10” poderia ser modelado pelo conjunto fuzzy cuja função de pertinência é µA : (X) = e -1/2(x-10)2 Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Dada a seguinte função contínua de pertinência, represente o gráfico: Modelagem e Simulação de Sistemas Exercício MA(X) = 1, para x ≤ 10 20-x/10, para 10 < x < 20 0, para x ≥ 20 Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com O conjunto Fuzzy A dos números reais positivos em torno de 4 do universo ℝ + , pode ser representado analiticamente da seguinte forma : x-3, se 3 ≤ x < 4 µA(X) = 5-x, se 4 ≤ x ≤ 5 0, caso contrario O conjunto Fuzzy A dos números reais positivos em torno de 4 do universo ℝ + , pode ser representado analiticamente da seguinte forma : x-5, se 5 ≤ x < 6 µA(X) = 7-x, se 6 ≤ x ≤ 7 0, caso contrario Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Modelagem e Simulação de Sistemas Professor: Douglas Pinheiro Email: douglaso.pinheiro@gmail.com Dúvidas?
Compartilhar