Aspectos de Computacao Inteligente Paraconsistente

ASPECTOS DE
COMPUTAO
INTELIGENTE
PARACONSISTENTE
JAIR MINORO ABE
Instituto de
Estudos
Avanados da
Universidade de
So Paulo
INSTITUTO DE ESTUDOS AVANADOS DA USP

2013
ASPECTOS DE
COMPUTAO
INTELIGENTE
PARACONSISTENTE
JAIR MINORO ABE
Instituto de
Estudos
Avanados da
Universidade de
So Paulo
INSTITUTO DE ESTUDOS AVANADOS DA USP

2013
reproduo autorizada pelo autor
Abe, Jair Minoro

Aspectos de Computao Inteligente Paraconsistente / Jair Minoro Abe. -So Paulo, 2013.
Instituto de Estudos Avanados da Universidade de So Paulo, 2013.
ISBN - 978-85-63007-05-6
Descritores: 1. Lgica paraconsistente 2.Reconhecimento de imagens

(Computao) 3.Amostragem 4.Automao 5.Redes neurais artificiais
(Computao) 6. Robtica
Prefcio
Esta obra compe-se de temas correntes em Computao Inteligente escritos por
investigadores brasileiros no assunto, a maioria relacionados com tpicos que o Grupo de
Lgica e Teoria da Cincia do Instituto de Estudos Avanados da USP tem se ocupado,
bem como trabalhos desenvolvidos no Programa de Ps-Graduao em Engenharia de
Produo da Universidade Paulista. Convm ressaltar que boa parte dos captulos so
trabalhos convidados estendidos de palestras do Primeiro Workshop Intelligent Computing
Systems WICS2013 que se realizou nas dependncias do IEA-USP (Sala de Eventos
Alberto Carvalho da Silva) nos dias 11 e 12 de maro de 2013.
Agradecemos ao Instituto de Estudos Avanados da USP pela edio do presente volume e
B.ela Sheila Souza e Ma. Cristina Correa Oliveira pela ajuda na editorao do mesmo.
Jair Minoro Abe
Editor
Coordenador do Grupo de Lgica e Teoria da Cincia do IEA-USP
Aspectos de Computao Inteligente Paraconsistente
Sumrio
Sumrio
Lgica Paraconsistente no processamento de imagens, Jos Luiz Carlos Demario ....
05
As Redes Neurais Artificiais Paraconsistentes como estruturas computacionais para

tratamento de incertezas, Joo Incio da Silva Filho ...................................................
15
Extenso da LPA2v para LPA3v e para LPA4v, Germano Lambert Torres & Helga
Gonzaga Martins ..........................................................................................................
27
Srie Emmy de robs mveis autnomos, Cludio Rodrigo Torres ............................
67
Anlise cefalomtrica para auxlio ao diagnstico ortodntico utilizando as Redes

Neurais Artificiais Paraconsistentes, Mauricio Conceio Mario, Jair Minoro Abe,
Neli S. Ortega & Marinho Del Santo Jr. ......................................................................
88
Proposta do clculo do tamanho da amostra com base em Lgica Paraconsistente

Anotada Evidencial, Euro de Barros Couto Junior ......................................................
108
Reconhecimento de caracteres numricos baseado nas Redes Neurais Artificiais

Paraconsistentes, Sheila Souza & Jair Minoro Abe ....................................................
118
Sistema de frenagem de mquina de rotulagem com controle baseado na Lgica

Paraconsistente Anotada Evidencial E, Hlio Corra de Arajo ...............................
132
Dispositivo eletrnico para auxlio na locomoo de deficientes visuais e/ou

auditivos baseado na Lgica Paraconsistente Anotada Evidencial E, Uanderson
Celestino & Jair Minoro Abe .......................................................................................
159
Buscando sustentabilidade energtica, atravs de um carregador de baterias solar

auto-orientvel baseado na Lgica Paraconsistente, lvaro Andr Colombero
Prado, Jair Minoro Abe & Cristina Corra Oliveira ....................................................
178
Redes Neurais Artificiais Paraconsistente e o diagnstico da depresso, Cristina

Corra Oliveira & Jair Minoro Abe .............................................................................
193
Aspectos prticos da implementao de Redes Neurais Artificiais Paraconsistentes,

Helder Frederico da Silva Lopes & Jair Minoro Abe ..................................................
208
Aspectos Algbricos do Clculo Proposicional C1, Jair Minoro Abe ..........................
220
Lgica Paraconsistente no processamento de imagens

Jos Luiz Carlos Demario1
1Pontifcia Universidade
Catlica de So Paulo, So Paulo, Brasil
demario@pucsp.br
Resumo. A Lgica Paraconsistente apresenta recursos teis ao processamento de imagens.

Neste trabalho apresentamos duas abordagens clssicas para resolver o problema de
segmentar
imagens
mamogrficas.
Uma
anlise
paraconsistente
que
combina
convenientemente as abordagens clssicas estudadas mostra resultados promissores.
Palavras-chave: Lgica Paraconsistente, Regresso Logstica, Redes Convolucionais,

Mamografia, Segmentao.
Abstract. The Paraconsistent Logic presents useful features for image processing. We
present two approaches to solve the classic problem of segmenting mammograms. An
analysis combining paraconsistent conveniently studied classical approaches shows
promising results
Keywords: Paraconsistent Logic, Logistic Regression, Convolutional Networks,

Mammography, Segmentation.
1 Introduo
A lgica paraconsistente tem obtido bons resultados prticos em diferentes reas do
conhecimento [1], So conhecidas aplicaes em robtica [2], reconhecimento de padres
eletroencefalogrficos [3], amostragem estatstica[4], dispositivos de auxlio a locomoo
de cegos [1] e vrias outras. Uma aplicao ainda pouco explorada diz respeito ao
processamento de imagens. O nosso intuito neste trabalho mostrar como a abordagem
paraconsistente pode ser interessante podendo levar a resultados melhores que os obtidos
com as abordagens clssicas tradicionais. Para tanto estudamos o problema da
segmentao de imagens radiogrficas provenientes de um conhecido banco de imagens
mamogrficas [6]. Foram feitas duas abordagens clssicas para o problema e em seguida
uma anlise paraconsistente desses resultados. Os resultados foram promissores e
passaremos a descrev-los.
2 Conceitos Bsicos de Lgica Paraconsistente

Apresentamos a seguir alguns conceitos que diferenciam a Lgica Paraconsistente da
Lgica Clssica. Esses conceitos so apresentados de forma coloquial, sem nenhum rigor
matemtico, apenas para entendimento das representaes utilizadas neste trabalho.
Na lgica clssica uma proposio classificada como verdadeira ou falsa. No h
qualquer outra possvel alternativa, ou algo Verdadeiro ou exclusivamente Falso. No
possvel que uma proposio seja simultaneamente Verdadeira e Falsa como tambm no
existe proposio que no possa ser classificada em uma das duas categorias Verdadeira ou
Falsa. Tambm no possvel relativizar o que venha a ser Verdadeiro ou Falso, ou uma
proposio totalmente Verdadeira ou totalmente Falsa. A lgica paraconsistente introduz
duas novas categorias alm do Verdadeiro e do Falso. Podemos ter proposies
classificadas como Verdadeiras, Falsas, Inconsistentes ou Paracompletas. Diremos que

uma proposio Inconsistente quando uma evidncia sugere que ela seja Verdadeira e
outra evidncia sugere que ela Falsa, diremos que uma proposio Paracompleta se no
tivermos evidncia de que ela seja Verdadeira nem tampouco que ela seja Falsa.
3 Lgica Paraconsistente Anotada Evidencial E

A Lgica Paraconsistente Anotada Evidencial E introduz uma linguagem E que permite
associar a cada proposio duas grandezas, uma grandeza que fala a favor da proposio
ser verdadeira chamada de evidncia favorvel () e outra que fala a favor da proposio
ser falsa chamada evidncia desfavorvel (). Essas evidncias so representadas por
nmeros Reais no intervalo [0,1]. Podemos ento representar todas as possveis
combinaes de evidncias em um quadrado de lado unitrio. Quando trabalhamos com
imagens seria til que essas combinaes pudessem ser representadas por matizes de cores
estendendo os conceitos propostos por Abe em 1992 [5]. Utilizaremos neste trabalho o
cdigo de cores mostrado na Figura I.
Figura I. Reticulado Paraconsistente colorido
Onde os tons de verde representam regies onde a proposio tende a ser Verdadeira,
quanto mais verde a regio mais Verdadeira a proposio. Por outro lado
representaremos em tons de vermelho as regies onde a proposio tende a ser Falsa.
Regies em tons de amarelo indicam Inconsistncia e tons de azul indicam
Paracompleteza.
4 O Problema
Quando estudamos imagens uma das primeiras tarefas identificar os elementos da
imagem. Tal procedimento conhecido como segmentao. Neste trabalho apresentamos
os procedimentos para identificar o msculo peitoral maior em imagens radiogrficas de
mama. As principais estruturas da mama so: Pele, tecido adiposo, ductos lactferos,
glndula mamria, msculo peitoral alm de vasos, mamilo e outras estruturas. Uma
radiografia uma projeo de um ou mais tecidos assim uma mamografia apresenta
regies onde somente a pele foi radiografada. Outra regio pode mostrar pele e tecido
adiposo, ou ainda, pele tecido adiposo e glndula mamria, enfim diferentes combinaes
de tecidos projetados sobre uma mesma tela. No correto afirmar que determinada regio
represente o msculo peitoral maior, seria mais correto dizer que tal regio represente
predominantemente o msculo, uma vez que tambm mostre pele e tecido adiposo ou
ainda outras estruturas. Do ponto de vista lgico a proposio: pA regio mostra o
msculo peitoral maior nunca ser Verdadeira uma vez que pelo menos a pele e algum
tecido adiposo tambm estar representado nessa regio. Como se pode ver o estudo de
imagens radiogrficas no tarefa simples e a lgica paraconsistente pode nos trazer
resultados melhores do que as abordagens clssicas.
5 Imagens Utilizadas
Utilizamos as imagens mamogrficas disponveis no banco de dados conhecido como Mini
MIAS [6]. Trata-se de uma coleo de mamografias provenientes de 161 pacientes na
incidncia Mdio Lateral Oblqua. As mamografias esquerdas foram rodadas em torno do
eixo vertical. Ao todo so 322 imagens das quais 282 foram utilizadas na massa de treino e
as 40 restantes na massa de teste. As imagens tem uma resoluo de 200 micrometros por
pixel ocupando 1024 x 1024 pixels em formato pgm.
6 Segmentao de Imagens
Para calibrar os modelos todas as imagens foram divididas manualmente em duas regies
distintas. Uma regio que mostra o msculo peitoral (verde) e outra onde o msculo no
aparece (vermelho). A regio onde poderia haver dvida dos limites do msculo no foi
utilizada na calibrao. As figuras II e III mostram as regies delimitadas e a rea que no
foi utilizada na calibrao.
Figura II. Segmentao manual
Figura III. rea utilizadas na calibrao
Em seguida a mamografia foi dividida em pequenos quadrados de 7 x 7 pixels como

mostrado na figura IV.
Caso o quadrado se localize inteiramente dentro de uma regio de msculo (verde) ou de

no msculo (vermelha) foi considerado na calibrao do modelo.
Caso isso no ocorra ele foi desprezado.
Figura IV. Quadrados usados na calibrao
7 Abordagem Clssica com Regresso Logstica

A tcnica tradicional utilizada para identificar o msculo em radiografias a conhecida
Regresso Logstica. Uma regio representa o msculo ou (exclusivamente ou) no
representa o msculo. Cabe ao pesquisador encontrar indicadores que permitam
discriminar as regies. No presente trabalho testamos 10 estatsticas bsicas para formular
um modelo. Destas apenas 7 se mostraram significantes: Mdia, varincia, desvio padro,
mnimo, linha, coluna e coluna relativa. O modelo obtido classificou corretamente 94,66 %
dos pixels. A figura V mostra o resultado da anlise de uma das mamografias e a Figura VI
o respectivo gabarito.
10
Figura V. Regresso Logstica
Figura VI. Gabarito
Os pixels em verde indicam a regio onde a proposio Verdadeira e os pixels em

vermelho indicam a regio onde a proposio Falsa.
8 Abordagem Clssica com Rede Convolucional
Uma outra abordagem pode ser feita utilizando redes convolucionais. As redes
convolucionais apresentam notveis propriedades [7] sendo invariantes translao,
rotao, escala entre outras. Os resultados obtidos, todavia no foram to animadores. As
figuras VII e VIII mostram a mesma mamografia j mostrada anteriormente desta vez
analisada por uma rede convolucional.
Figura VII. Rede Convolucional
Figura VIII. Gabarito
11
Observe que o resultado mostra que o tamanho do msculo foi subestimado e que a regio
da glndula mamria foi interpretada como sendo msculo o que evidentemente est errado,
so falsos positivos.
9 Abordagem Paraconsistente
As abordagens clssicas apresentadas mostram resultados onde as evidncias favorveis e
desfavorveis so complementares. No existem inconsistncias ou paracompletezas. A
regresso logstica mostrou que tende, ainda que ligeiramente, a superestimar o tamanho
do msculo. J a abordagem convolucional frequentemente subestimou o tamanho do
msculo. Uma abordagem paraconsistente utilizando a evidncia favorvel da regresso
logstica e a evidncia desfavorvel da rede convolucional poderia levar a resultados
melhores que os anteriores. Foi o que testamos em seguida. E os resultados foram
realmente melhores pelo menos na massa de treino. Como as evidncias no so mais
complementares aparecem regies de inconsistncia (amarelo) e paracompleteza (azul)
com mostra a Figura IX e o respectivo gabarito na Figura X.
Figura IX. Anlise Paraconsistente
Figura X. Gabarito
12
10 Resultados Estatsticos
Na massa de treino:
A abordagem com regresso logstica acertou 94,660 % dos pixels avaliados, A rede
convolucional classificou corretamente 81,205 % dos pixels analisados. A abordagem
paraconsistente combinando a evidncia favorvel da regresso logstica com a evidncia
desfavorvel da rede convolucional acertou 94,958 % de todos os pixels. A diferena
pequena, mas o resultado melhor do que o obtido pelas duas tcnicas clssicas. Como o
nmero de pixels muito grande pode-se provar que esta diferena estatisticamente
significante.
Na massa de teste:
A regresso logstica acertou 94,021 % dos pixels, a rede convolucional teve uma acurcia
de 76,713 % entre os pixels avaliados. A abordagem paraconsistente no conseguiu superar
o desempenho da regresso logstica acertando 93,642 % dos pixels analisados.
Os resultados sugerem que a amostra utilizada para calibrar a rede convolucional seja
ainda muito pequena, o que explicaria o desempenho menos favorvel na massa de teste.
Referncias
1.
Abe, J.M., Da Silva Filho, J. I., U. Celestino & H.C. Arajo, Lgica Paraconsistente
Anotada Evidencial E. Santos, Editora Comunnicar, 2011.
2.
Torres, C.R., Sistema Inteligente Paraconsistente para Controle de Robs Mveis

Autnomos. Dissertao. Universidade Federal de Itajub, Itajub, 85 pp., 2004.
3.
Lopes, H.F.S., Aplicao de redes neurais artificiais paraconsistentes como mtodo

de auxlio no diagnstico da doena de Alzheimer. Dissertao, Faculdade de
Medicina, Universidade de So Paulo, So Paulo, 473pp, 2009.
13
4.
Couto Junior, E.B. Abordagem no-paramtrica para clculo do tamanho da amostra

com base em questionrios ou escalas de avaliao na rea de sade. Tese. Faculdade
de Medicina, Universidade de So Paulo, So Paulo, 2009.
5.
Abe, J.M., Fundamentos da Lgica Anotada. Tese. Faculdade de Filosofia, Letras e

Cincias Humanas, Universidade de So Paulo. So Paulo, Brasil, 98 pp, 1992.
6.
Suckling, J. et al (1994): The Mammographic Image Analysis Society Digital

Mammogram Database Exerpta Medica. International Congress Series 1069, 375-378.
Disponvel em: http://peipa.essex.ac.uk/info/mias.html. Acessado em 30/04/2013
7.
LeCun,
Y.,
LeNet-5,
convolutional
neural
networks.
Disponvel
em:
http://yann.lecun.com/exdb/lenet/index.html. Acessado em 30/04/2013.
Jos Luiz Carlos Demario - Graduado em Engenharia Civil pela Universidade de So

Paulo (1982) , graduao em Medicina pela Universidade de So Paulo (1991) e mestrado
em Comunicao e Semitica pela Pontifcia Universidade Catlica de So Paulo (2003) .
Atualmente Professor Assistente Mestre da Pontifcia Universidade Catlica de So
Paulo. Tem experincia na rea de Economia, com nfase em Mtodos Quantitativos em
Economia. Atuando principalmente nos seguintes temas: compactao, complexidade,
comunicao e DNA.
14

tratamento de incertezas
Joo Incio da Silva Filho1, 2

1
Instituto de Estudos Avanados - Universidade de So Paulo, So Paulo, Brasil

2
Universidade Santa Ceclia, Santos, So Paulo, Brasil

jinacsf@yahoo.com.br
Resumo. Recentemente, os mdulos composto de arranjos lgicos computacionais

elaborados com algoritmos baseados em Lgica Paraconsistente Anotada com anotao de
dois valores (LPA2v), denominados de Clulas Neurais Artificiais Paraconsistentes
(CNAPs), tm sido objeto de vrias pesquisas em aplicaes nas reas de engenharia e
cincia da computao. Diversos trabalhos publicados com as CNAPs mostram que, desde
que apareceram pela primeira vez, no ano 2000, estes mdulos tm sido muito aplicados
em sistemas computacionais relacionados rea de Inteligncia Artificial. Neste trabalho
apresentamos uma reviso dos fundamentos das CNAPs, com destaque para o
comportamento funcional de duas CNAPs: a Clula Neural Artificial Paraconsistente
analtica-CNAPa e a Clula Neural Artificial Paraconsistente de aprendizagem - CNAPap.
Entre os componentes da famlia de CNAPs estas duas clulas estudadas so importantes
por apresentarem em seu funcionamento propriedades que podem ser comparadas ao
comportamento de um neurnio.
Palavras-chave: lgica Paraconsistente anotada, redes neurais, sistemas inteligentes,
inteligncia artificial.
15

Abstract. Recently, the modules composed of logical computational arrangements made
with algorithms based on Paraconsistent Annotated Logic with annotation of two values
(PAL2v), called artificial neural Paraconsistentes Cells (ANPCell), have been the subject
of several researches on applications in the areas of engineering and computer science.
Several works published with the ANPCell show that, since that first appeared in the year
2000, these modules have been widely applied in computer systems related to the area of
Artificial Intelligence. In this work we present a review of the fundamentals of the ANPC,
highlighted by the performance of two ANPCell, the Paraconsistent Artificial Neural cellanalytical alANPCell and Paraconsistent Artificial Neural learning Cell- leANPCell.
Among the components of the ANPCell family these two cells studied are important for
presenting in its operation properties that can be compared to the behaviour of a neuron.
Keywords: paraconsistent annotated logic, neural network, intelligent systems, artificial
intelligence.
Introduo
A primeira publicao que tratava dos fundamentos das Redes Neurais Artificiais
Paraconsistentes - RNAP com nfase em Neurocomputao apareceu em 2000, conforme
visto na referencia [1]. Neste primeiro trabalho os autores propuseram uma srie de
algoritmos baseados em Lgica Paraconsistente Anotada na sua forma especial onde
recebem para a anlise sinais de informao representados por dois valores de evidncia
(LPA2v) [3]. Estes algoritmos podem ser interligados entre si de tal modo que se
estruturam em redes de analises Paraconsistentes para simular algumas das funes
conhecidas do crebro [2]. A partir desse primeiro trabalho foram desenvolvidas vrias
pesquisas que trouxeram inovadoras aplicaes dessa tcnica em que envolvem
interligaes de mdulos compostos de algoritmos baseados em conceitos da Lgica
16

Paraconsistente Anotada com anotao de dois valores (LPA2v). Ainda neste primeiro
trabalho, conforme pode ser visto em [3], cada algoritmo da LPA2v considerado em
mdulo foi denominado de Clula Neural Artificial Paraconsistente (CNAP) e, devido a
capacidade deste ser interligado a outros com funes lgicas distintas, foi possvel
compor configurao de estrutura computacional, que por sua vez, foi denominada de
Redes Neurais Artificiais Paraconsistentes (RNAPs). Em uma arquitetura computacional
complexa para o tratamento de conhecimento incerto, estas CNAPs, que so pequenos
arranjos lgicos modulares fundamentados em LPA2v e que exercem funes de analises
diferentes, quando configurados adequadamente na forma de uma RNAP podem ser
aplicados em diversos campos ligados rea de Inteligncia Artificial. Atualmente so
encontrados muitos outros trabalhos na literatura que envolve as aplicaes das RNAPs e,
apesar disso, tudo indica que existe um potencial de aplicao muito grande destes blocos
lgicos paraconsistentes em diferentes configuraes apresentando-se assim amplo e frtil
campo de pesquisa em aplicao das RNAPs ainda inexplorado.
Lgica Paraconsistente Anotada com anotao de dois valores - LPA2v
A Lgica Clssica, que sustenta a nossa atual tecnologia, regida por rgidas leis binrias
que a deixa impotente para manipular diretamente o conceito de inconsistncia. Essa
condio impossibilita que algoritmos baseados em Lgica Clssica faam diretamente um
tratamento de contradies de forma no trivial, portanto, sem que ocorra invalidade nas
concluses. No entanto, em um processo de analises de sinais de informao a existncia
da inconsistncia pode ser o fator que ir induzir o sistema a promover buscas e a encontrar
novas e esclarecedoras informaes e como resultado obter uma concluso confivel.
Diferentemente da Lgica Clssica, a Lgica Paraconsistente Anotada (LPA) apresenta
vantagens para estruturar sistemas de anlises, pois, dentro de determinadas condies,
17

capaz de manipular informaes inconsistentes e incompletas e oferecer concluses sem
trivializao [1] [3]. A LPA pode ser representada atravs de um Reticulado cujas
constantes de anotao representadas nos vrtices vo dar conotaes de estados lgicos
extremos s proposies. Utilizando um reticulado associado a LPA formado por pares
ordenados, pode-se obter uma representao sobre o quanto as anotaes, ou evidncias,
expressam o conhecimento sobre uma proposio P. Dessa forma, um reticulado de quatro
vrtices associado Lgica Paraconsistente Anotada de anotao com dois valores-LPA2v
pode ser apresentado com os Graus de Evidncia que compem as anotaes [3], tal como
visto na figura I. Neste caso, fixado um operador:
|| ||, tal que: = {(, ) | , [0, 1] }.
P(, )
T = Inconsistente = P(1, 1)
F = Falso = P(0, 1)
V = verdadeiro = P(1, 0)
= Indeterminado = P(0, 0)
Figura I. Reticulado associado a Lgica Paraconsistente Anotada LPA2v
Podem-se fazer algumas interpretaes algbricas que envolvem um Quadrado Unitrio no

Plano Cartesiano QUPC e o Reticulado representativo da LPA2v. Neste caso, a anotao,
composta por um Grau de evidncia favorvel () e um Grau de evidncia desfavorvel ()
na forma (, ), pode ser identificada como um ponto em ambos os planos atravs de uma
transformao linear [3] do tipo: T ( XY ) = ( x y, x + y 1) . Relacionando os componentes
da transformao T(X,Y) conforme a nomenclatura usual da LPA2v, vem que: x = e y
18

= . Do primeiro termo obtido no par ordenado da equao da transformao tem-se o
Grau de certeza (GC) [3], que obtido por:
GC =
(1)
No segundo termo obtido no par ordenado da equao da transformao denomina-se de

Grau de contradio (Gct) que obtido por:
Gct = + 1
(2)
Os valores de GC e de Gct, que pertencem ao conjunto , variam no intervalo fechado +1 e

-1, e esto dispostos no eixo horizontal e vertical, respectivamente do reticulado
representativo da LPA2v [3].
2.1
Sistema de Anlise Paraconsistente
Com as suas entradas sendo alimentadas pelos Graus de Evidncia e retirados de base
de dados de Conhecimento Incerto o sistema de analise paraconsistente utiliza as equaes
obtidas da metodologia da LPA2v [3] e obtm os Graus de Certeza (GC) e de contradio
(Gct). A cada Grau de Certeza da anlise este transformado em Grau de Evidncia para
outra proposio P, da seguinte forma:
E =
onde:
1 + ( )
2
(3)
E= Grau de Evidncia resultante.

= Grau Evidncia favorvel
= Grau Evidncia desfavorvel.
A partir da estrutura, que pode ser representada algoritmicamente pela equao (3)
denominada de Equao Estrutural Bsica (EEB), pode-se introduzir uma famlia de
19

Clulas Neurais Artificiais Paraconsistentes CNAPs [1][3] onde, cada uma das clulas
originada de aperfeioamentos e modificaes do algoritmo descritivo das equaes da
Lgica Paraconsistente Anotada de anotao com dois valores - LPA2v.
Rede Neural Artificial Paraconsistente - RNAP
As equaes obtidas dos fundamentos da Lgica Paraconsistente Anotada com anotao de

dois valores (LPA2v) permitem que sejam feitos diferentes arranjos lgicos com
algoritmos dedicados funes especficas [3]. Estes modelos computacionais so
representados de forma modular, os quais so denominados de Clulas Neurais Artificiais
Paraconsistentes (CNPAs). De maneira geral uma CNAP um mdulo que traz um
algoritmo extrado dos conceitos fundamentais da LPA2v capaz de trabalhar de forma
discreta atravs de uma funo de recorrncia. Em uma CNAP so permitidos incluso de
valores externos denominados de fatores que podem ser aplicados em forma de constante,
para definir limites e controle da ao resultante da funo de recorrncia, ou como um
valor varivel, que provm de interligao entre as clulas [1][3]. As representaes da
CNAP, na forma de arranjos lgicos computacionais, criam uma famlia de mdulos com
algoritmos que elaboram diferentes tratamentos em sinais de informao, onde todos esto
sob os mesmos fundamentos da LPA2v. As diferentes interligaes entre estes mdulos
permitem que sejam elaboradas estruturas computacionais sincronizadas por uma mesma
funo de recorrncia. Neste trabalho sero dados alguns detalhes dos algoritmos de duas
importantes CNAPs, a Clula Neural Artificial Paraconsistente analtica CNAPa e a
Clula Neural Artificial Paraconsistente de aprendizagem - CNAPap.
3.1
Clula Neural Artificial Paraconsistente Analtica - CNAPa
A Clula Neural Artificial Paraconsistente analtica - CNAPa tem a funo de receber os

Graus de Evidncias, analis-los e fazer a interligao entre clulas da Rede Neural
20

Artificial Paraconsistente. Cada CNAPa analisa dois valores de Graus de Evidncia
aplicados em suas entradas e o resultado desta anlise um valor de Grau de Evidncia
resultante nico ( E) obtido pelas equaes da LPA2v. Este valor nico de sada, por sua
vez, ser um novo Grau de Evidncia que vai ser analisado em outras CNAPs que
compem a RNAP. Na configurao da CNAPa so includos os fatores de uso exclusivo
como: Ftct - Fator de tolerncia Contradio, tal que: 0 Ftct 1
Ftc - Fator de tolerncia Certeza, tal que: 0 Ftc 1
Considerando que o Fator de tolerncia Contradio est ativo, portanto Ftct 1, o Grau
de Evidncia da sada ser calculado por: E =
normalizado por: ctr =
calculados por: Vicc =
Para Ftct 1:
+
2
1 + ( )
, e o Grau de Contradio
2
. Os valores limites de Certeza e de contradio so
1 Ft c
1 + Ft c
1 Ft ct
1 + Ft ct
, Vscc =
e Vicct =
, Vscc =
.
2
2
2
2
Se: Vscct > ctr > Vicct e
Se: Vscc E Vicc, significa que no h um alto
Grau de Contradio considerado, portanto a sada ser calculada pela equao do Grau de
Evidncia resultante (3), S1 = E. Se no acontecer qualquer uma das condies acima a
sada S1 deve apresentar uma Indefinio de valor igual a 1/2. Por outro lado, na CNAPa
quando o Fator de tolerncia Certeza ajustado no seu valor mximo, Ftc=1, o Grau de
Evidncia resultante na sada da clula obtido pelas equaes da LPA2v. Quando o Fator
de tolerncia Certeza ajustado em um valor baixo; isto , prximo a 0, o valor do Grau
de Evidencia passa a sofrer maiores restries para ser considerado como sada. E com o
Fator de tolerncia Certeza Ftc ajustado em zero, qualquer resultado da anlise efetuada
pela clula considerado indefinido [3].
21

Figura II. Representao da Clula Neural Artificial Paraconsistente Analtica - CNAPa
Na Rede Neural Artificial Paraconsistente-RNAP, os diferentes valores de Fator de

tolerncia Certeza vo agir nas vrias clulas de conexo analtica, inibindo ou liberando
regies, conforme as caractersticas e os objetivos das anlises que forem desenvolvidos.
3.2
Clula Neural Artificial Paraconsistente de Aprendizagem - CNAPap
Em uma Rede Neural Artificial Paraconsistente-RNAP, as clulas de aprendizagem so

projetadas para ser utilizadas como partes de unidades de memrias ou como sensores de
padres em camadas primrias. Se no processo de aprendizagem for aplicado na entrada
um sinal considerado como o Grau de Evidncia de valor 0, a Clula vai aprender que o
padro representado por um valor de Falsidade. Aparecendo na entrada o valor 0
repetidas vezes, o Grau de Evidncia resultante da anlise vai aumentando gradativamente
na sada at chegar ao valor 1. Nestas condies dizemos que a Clula aprendeu o padro
de falsidade. O mesmo procedimento adotado se for aplicada repetida vezes na entrada
da Clula o valor 1. Quando o Grau de Evidncia resultante na sada da Clula chegar ao
valor 1 dizemos que a Clula aprendeu o padro de verdade. Ainda neste processo de
aprendizagem da CNAPa introduzido o fator de aprendizado FA que ajustado
22

externamente [1][3]. Portanto, o fator de aprendizagem FA um valor real, dentro do
intervalo fechado [0,1] atribudo arbitrariamente por ajustes externos. Dependendo do
valor de FA ser proporcionado uma aprendizagem mais rpida ou mais lenta a CNAPap.
Sendo: 0 FA 1 e considerando um processo de aprendizagem do padro de verdade a
equao de aprendizagem obtida atravs da equao (3) do calculo do Grau de Evidncia
resultante, ficando: E( k+1) =
{ ( ( ) ) F } + 1 onde:
1
E k C
E(k)C
= 1- E(k). Considera-se a
Clula completamente treinada quando E(k+1) = 1. Para um processo de aprendizagem do

padro de Falsidade feito tambm a complementao no Grau de Evidncia favorvel.
Conforme visto, pela equao do calculo do Grau de Evidncia resultante E(k+1), quanto
maior o seu valor de FA, maior a rapidez de aprendizado da Clula. As Clulas Neurais
Artificiais Paraconsistentes de aprendizagem so representadas nas interligaes das Redes
Neurais Paraconsistentes pela simbologia simplificada apresentada na figura a seguir.
23

Figura III. Smbolo simplificado, grfico caracterstico de sada e tabela de resultados da Clula Neural
Artificial Paraconsistente de Aprendizagem - CNAPap
O grfico anterior mostra o comportamento do sinal de sada na aplicao de um padro

repetitivo na entrada. No instante t0 a sada uma Indefinio com Grau de Evidncia
resultante valendo 1/2. Do instante t0 at o instante t1 acontece na sada um comportamento
monotnico, para ento, o Grau de Evidncia resultante ficar constante no instante t2. Do
instante t3 at o instante t4 ocorreu a aplicao do padro inverso na entrada e, como
consequncia, o sinal de sada sofreu um decrscimo at zero e no instante t4 acontece a
confirmao do novo padro aprendido atravs de uma porta de complementao [1][3].
24

4
Concluses
As CNAPs, alm de serem representadas por algoritmos muito simples, tm a vantagem

de proporcionar condies de ajustes externos atravs de variao dos fatores como os de
tolerncia a certeza FtC e a contradio Ftct e o de aprendizagem FA. Alm das interligaes
em redes permitida pelas CNAPa os resultados obtidos nos ensaios numricos da CNAPap
indicam que a aplicao da equao da anlise paraconsistente resulta naturalmente em
valores similares aos obtidos pela funo de ativao do Perceptron [2] comprovando
assim que uma rede neural paraconsistente pode apresentar resultados capazes de simular
comportamentos conhecidos do crebro.
Referncias
1.
Da Silva Filho, J.I. & J.M. Abe, Fundamentos das Redes Neurais Artificiais
Paraconsistentes - destacando aplicaes em neurocomputao. ISBN 8574730424,
SP: Editora Arte&Ciencia, 296pp, 2000.
2.
Gallant, S.I., Neural Network Learning and Expert Systems, MIT Press, 1993.
3.
Da Silva Fiho, J.I., G. Lambert-Torres & J.M. Abe, Uncertainty Treatment Using
Paraconsistent Logic - Introducing Paraconsistent Artificial Neural Networks. IOS
Press, ISBN-10: 1607505576, 328 pp, 2010.
Joo Incio da Silva Filho - Possui graduao em Engenharia Industrial Eltrica Universidade Santa Ceclia dos Bandeirantes (1982), fez Mestrado em Engenharia Eltrica
-(Microeletrnica) pela POLI/USP-Escola Politcnica da Universidade de So Paulo
(1997) e Doutorado em Engenharia Eltrica - (Sistemas Digitais) pela POLI/USP-Escola
Politcnica da Universidade de So Paulo (1999). Em 2009 fez Ps Doutorado pelo
INESC-Porto Instituto de Engenharia de Sistemas e Computadores do Porto
25

desenvolvendo pesquisas na Unidade de Sistemas de Energia (USE), no campus da
Universidade do Porto em Portugal. Atualmente professor titular da Universidade Santa
Ceclia - Santos/SP e Cordenador do GLPA - Grupo de Lgica Paraconsistente Aplicada.
Tem experincia na rea de Engenharia Eltrica com nfase em Engenharia Eletrnica,
atuando em pesquisas, principalmente nos seguintes temas de IA: Aplicaes da Lgica
Paraconsistente, Sistemas Especialistas usando a Lgica Paraconsistente Anotada,
Algoritmos e Sistemas Inteligentes, Robtica-Robs mveis autnomos, circuitos lgicos e
controle.
26
Extenso da LPA2v Para LPA3v e para LPA4v
Germano Lambert- Torres1, Helga Gonzaga Martins1

1
Universidade Federal de Itajub, Itajub, Minas Gerais, Brasil

germano@unfei.edu.br
Resumo. Este captulo apresenta uma extenso da Lgica Paraconsistente Anotada de Dois
Valores - LPA2v para Lgica Paraconsistente Anotada de Trs Valores - LPA3v, com a
introduo de um terceiro grau interpretado como 'Grau de Especialidade', e, em seguida,
para a Lgica Paraconsistente Anotada de Quatro Valores LPA4v, introduzindo a
varivel tempo de forma que os problemas descritos aproximam-se mais da sua real
condio, visto que a opinio de um especialista pode ser decisiva na avaliao de um
sistema.. O propsito de expandir a LPA2v para LPA3v est em permitir a incluso, na
base de conhecimento, de opinies de especialistas, de forma que os problemas descritos
aproximam-se mais da sua real condio, visto que a opinio de um especialista pode ser
decisiva na avaliao de um sistema. Enquanto a expanso para a LPA4v, analisar a
evoluo comportamental no decorrer do tempo, das opinies destes mesmos especialistas.
Este captulo tambm apresenta uma juno do modelo de funes crena, descrena,
especialidade e temporalidade da LPA3v e LPA4v para a recuperao de casos no domnio
de determinao de diagnsticos de um Raciocnio Baseado em Casos RBC. A
implementao da LPA3v e da LPA4v em um sistema inteligente permite trabalhar com
informaes
inconsistentes,
indefinies,
com
conhecimentos
parciais
com
conhecimentos especialistas de forma que o comportamento do sistema torna-se mais

abrangente se aproximando mais do mundo real assim como suas respostas.
27
Palavras-chave: Lgica Paraconsistente Anotada, Raciocnio Baseado em Casos, ParaEspecialista, Raciocnio Baseado em Casos Para-Especialista.
Abstract. This chapter presents an extension of Two Values Noted Paraconsistent Logic NPL2v to Three Values Noted Paraconsistent Logic - NPL3v, with the introduction of a
third grade interpreted as Expert Grade, and then to Four Values Noted Paraconsistent
Logic NPL4v, introducing the time to describe the more realistic ways real-life problems.
The aim for expanding the NPL2v to NPL3v is to allow the inclusion, in knowledge basis,
of experts opinions, in a way that the described problems come closer to their real
condition, once a specialist opinion may be decisive for a system evaluation. The aim for
expanding to NPL4v is to allow the inclusion of time in the knowledge base of experts
opinions, once an expert opinion may be ultimate for one system evaluation. Furthermore,
to analyze the behavioral evolution, as time goes by, of the opinions from these experts.
Besides that, this chapter presents a link of the functions model belief, unbelief and
specialty from NPL3v and NPL4v for cases retrieval in domain of diagnostic determination
of a Case Based Reasoning CBR. The implementation of NPL3v and NPL4v in one
intelligent system allows working with inconsistent information, undefined, with partial
knowledge and specialist knowledge in such a way that the system behavior become more
encompassing, approaching the real world as well as its answers.
Keywords: Noted Paraconsistent Logic, Case Based Reasoning, Para-Expert Algorithm,
Paraconsistent Case Based Reasoning.
28
Introduo
Nos estudos do reticulado associado Lgica Paraconsistente Anotada de Dois Valores LPA2v, de acordo com [1], [2], [3], utiliza-se o conceito do Quadrado Unitrio do Plano
Cartesiano - QUPC, que formado pelos eixos dos Graus de Crena e de Descrena,
como ferramenta bsica para a representao dos pontos notveis e da aplicao dos
operadores lgicos e apresentao da Nova Tabela Verdade da LPA2v estendendo a
Lgica Clssica, ou seja, "Se as proposies com as quais trabalhamos forem bem
comportadas, toda frmula vlida no clculo clssico deve continuar inalterada".
Utiliza-se ainda o conceito do QUPC para estender a LPA2v para uma Lgica
Paraconsistente Anotada de Trs Valores - LPA3v, com o propsito de descrever os
problemas de forma mais realista, ou seja, alm dos Graus de Crena e Descrena
introduz-se um terceiro grau, o Grau de Especialidade. A anotao deste grau traduz
opinies de especialistas de diversos nveis sobre a avaliao de um determinado sistema.
Em seguida, este captulo a extenso da LPA3v para a Lgica Paraconsistente Anotada de
Quatro Valores LPA4v, com a introduo da anotao tempo, t. Esta nova anotao
possibilita a avaliao do comportamento dos especialistas no decorrer do tempo, assim
descrevendo as situaes mais prximas da realidade.
De acordo com a referncia [4], [5] elaborou-se um algoritmo com o objetivo de
implementar a LPA3v e a LPA4v em uma linguagem computacional conveniente,
denominado Algoritmo Para - Especialista.
A tcnica do RBC tem sido utilizada como suporte de deciso nos mais diversos domnios
do conhecimento como: planejamento, projetos, diagnsticos, e tem se mostrado com
melhor desempenho do que outros sistemas de raciocnio. Seu paradigma pressupe a
existncia de uma memria onde casos j resolvidos ficam armazenados; usa estes casos,
pela recuperao, para ajudar na resoluo ou interpretao de novos problemas; e
29
promove a aprendizagem, permitindo que novos casos (recm- resolvidos ou recminterpretados) sejam incorporados memria [6].
O objetivo de um sistema de RBC recuperar de sua memria o caso mais similar ao novo,
propor a soluo ou uma adaptao deste como soluo da nova situao [7]. A
metodologia central do prottipo de recuperao a determinao da similaridade de um
novo caso com todos os casos prvios. As similaridades so determinadas por meio de
funes combinaes (casamento) e ao longo das caractersticas do caso novo e dos casos
prvios, [8], [9], [10].
2
Lgica Paraconsistente Anotada de Dois Valores - LPA2v
Nos estudos do reticulado associado Lgica Paraconsistente Anotada de Dois Valores LPA2v, de acordo com [1], [2], [3], [4] utiliza-se o conceito do Quadrado Unitrio do
Plano Cartesiano - QUPC, que formado pelos eixos dos Graus de Crena, 1 e de
Descrena, 2, pelas linhas perfeitamente consistente (LPC) e perfeitamente inconsistente
(LPI) conforme Figura I.
2
LPI
I
LPC
1
V
Figura I. Quadrado Unitrio do Plano Cartesiano da LPA2v
O QUPC a ferramenta bsica para a representao dos pontos notveis de acordo com a
Figura II.
30
qF
qV
qV
1
qF
Figura II. Pontos Notveis da LPA2v
As equaes que definem o Grau de Incerteza e o Grau de Certeza so:

GI = 1 + 2 1
GC = 1 - 2
Logo, para cada par ordenado composto pelo valor do grau de crena 1 e pelo valor do
grau de descrena 2, so encontrados os valores dos graus de incerteza e de certeza,
conforme as equaes acima, e so representados no QUPC conforme Figura III:
GI
|GI|
|GC|
I
GC
V
Figura III. QUPC e a representao do aumento do Grau de Certeza e de Incerteza
Seja dada uma proposio P, de tal forma que ela composta pelos graus de crena e
descrena dados P(1P,2P), aplicando o operador de negao obtm-se a seguinte
proposio: P(1P,2P) = P(1-1P, 1-2P), de acordo com a Figura IV.
31
P
0.8
0.2
0.4
0.6
1
V
Figura IV. Representao no QUPC do mtodo de obteno do operador de negao
O conectivo (OU) faz a Maximizao entre os valores dos graus de crena e faz a
Minimizao entre os valores dos graus de descrena entre duas proposies, para
encontrar o ponto resultante da aplicao do conectivo (OU) basta construir um
retngulo com os lados paralelos aos eixos cartesianos, tendo como vrtices,
diagonalmente opostos, as duas proposies, o resultado da disjuno ser o vrtice
inferior direito do retngulo. Isso representa o fato da aplicao sucessiva do operador
(OU) tender a levar o resultado mais prximo do ponto notvel de Verdade, Figura 5.
O conectivo (E) faz a Minimizao entre os valores dos graus de crena e faz a
Maximizao entre os valores dos graus de descrena entre duas proposies, para
encontrar o ponto resultante da aplicao do conectivo (E) basta construir um retngulo
com os lados paralelos aos eixos cartesianos, tendo como vrtices, diagonalmente opostos,
as duas proposies, o resultado da conjuno ser o vrtice superior esquerdo do
retngulo. Isso representa o fato da aplicao sucessiva do operador (E) tender a levar o
resultado mais prximo do ponto notvel de Falso, Figura V.
O objetivo da aplicao dos mtodos apresentados que os mesmos possibilitam uma
extenso da lgica clssica, quer dizer: "Se as proposies com as quais trabalhamos forem
bem comportada toda frmula vlida no clculo clssico deve continuar inalterada".
32
2
F
T
P
Conectivo (E)
Conectivo (OU)
V
Figura V. Representao no QUPC do mtodo de obteno dos conectivos OU e E
Consideraes da Lgica Paraconsistente Anotada de Trs Valores - LPA3v
Em [1], so apresentadas as interpretaes da LPA2v partindo do Quadrado Unitrio do

Plano Cartesiano - QUPC. Pode-se introduzir a este plano um eixo perpendicular, que
interpretado como Grau de Especialidade (e), de acordo com [4], de forma que se estende a
LPA2v para LPA3v. Os valores de e variam no intervalo real fechado [0, 1], como os graus
de crena e de descrena, desta forma interpreta-se um ponto obtido de uma tripla
(1,2,e) que plotado no Cubo Unitrio Analisador, mostrado na Figura VI.
e
1
Fe (0,1,0)
2
Ve (1,0,0)
Figura VI. Cubo Unitrio Analisador
Para o plano e=1, tem-se o Grau de Especialidade Mximo, denominado Especialista, para
o plano e=0, tem-se o Grau de Especialidade Mnimo, denominado Nefito, para os planos
intermedirios tm-se Graus de Especialidades que variam no intervalo aberto (0,1).
Dos especialistas, espera-se tomadas de decises coerentes e determinadas, com o mnimo
de indecises ou desconhecimento de causa ou ainda inconsistncias, de forma que um
33
grande especialista comporte-se de acordo com a "lgica clssica", falando grosseiramente.

Desta forma permiti-se apenas duas situaes, que so denominadas de Ve e Fe, isto ,
estado de Verdade e Falso relativo ao Especialista e, na tomada de deciso, ou
respectivamente Diagnstico x (Dx) ou Diagnstico y (Dy), para facilitar a linguagem em
tomadas de decises.
Dos nefitos, face sua inexperincia, admite-se posies contraditrias, indeterminadas,
corretas ou incorretas, enfim permite-se todos os estados aos nefitos, e medida que vo
ganhando experincia, aproximando-se dos especialistas, seu comportamento tende a se
tornar mais prximo do "clssico", sendo este o limite.
De acordo com esta anlise pode-se ento determinar novos pontos notveis no Cubo
Unitrio, conforme Figuras VII e VIII.
e
A
e = 1- 2
e = 2- 1
B
C
H
E
1
F
G
Figura VII. Pontos Notveis do Cubo Unitrio Analisador
Ponto A = (0,0,1) Especialista com informaes paracompletas,
Ponto B = (1,0,1) Especialista optando pelo diagnstico referente ao eixo x,
Dx;
Ponto C = (1,1,1) Especialista com informaes inconsistentes,
Ponto D = (0,1,1) Especialista optando pelo diagnstico referente ao eixo y,
Dy;
Ponto E = (0,0,0) Nefito com informaes paracompletas,
Ponto F = (1,0,0) Nefito optando pelo diagnstico referente ao eixo x,
Dx;
Ponto G = (1,1,0) Nefito com informaes inconsistentes,
34
Ponto H = (0,1,0) Nefito optando pelo diagnstico referente ao eixo y,
Dy;
Plano e = 1- 2 Plano Limite do caso clssico,
Dx.
Os pontos que esto abaixo deste plano e limitado pelo cubo so pontos que determinam o
diagnstico referente ao eixo x, os pontos acima esto em "Regio Tendenciosa";
Plano e = 2- 1 Plano Limite do caso clssico, Dy.
Os pontos que esto abaixo deste plano e limitado pelo cubo so pontos que determinam o
diagnstico referente ao eixo y, os pontos acima esto em "Regio Tendenciosa".
Com estas novas definies nota-se que se pode encontrar outras retas, outros planos e
regies do cubo unitrio e dar-lhes interpretaes adequadas, que ser feito na prxima
seo.
Contudo, se se restringir ao par (1,2), observa-se que o resultado dos estudos realizados
na referncia [4], um caso particular de Grau de Especialidade e = 0.5, visualizado na
Figura VIII, de modo que todas as consideraes analisadas podem ser expandidas de
acordo com o acrscimo ou decrscimo do Grau de Especialidade.
qF
V
qV
qV
qF
2
Figura VIII. Representao da LPA3v, para e = 0.5
35
Delimitaes de Regies no Cubo Unitrio Analisador
Analisando o cubo unitrio pode-se determinar regies que facilitaro na determinao do

comportamento assumido em futuras tomadas de decises. Por exemplo, de acordo com a
Figura IX, delimita-se o cubo unitrio em Regies de Diagnstico.
e
1
Dy
Dy
Dx
Dx
1
1
Figura IX. Representao das Regies de Diagnsticos
As regies hachuradas representam regies bem definidas, j que contm pontos que
permitem interpretaes que conduzem determinao de diagnsticos no tendenciosos.
Com efeito, o ponto (1,0,1), no plano e = 1, pode ser interpretado como indicao de um
Especialista decidindo-se por um diagnstico referente ao eixo x, Dx. Ao passo que, no
plano e = 0, para pontos limitados pela diagonal 1 = 2 e pelo eixo x, pode ser
interpretado como sendo um nefito decidindo pelo diagnstico Dx; sendo a maior regio
referente Dx devido, exatamente, falta de experincia do nefito. Conforme o grau de
especialidade for crescendo a regio para o Dx vai se restringindo at chegar no ponto
(1,0,1) analisado acima. Na Figura X, delimita-se o cubo unitrio em Regies Inconsistente
e Paracompleta.
36
e
1
Paracompleta
zero
Inconsistente
um
Dy
Dy
Dx
Dx
1
1
1
1
Figura X. Representao das Regies Inconsistentes e Paracompleta
As regies acima representam Regies Inconsistente e Paracompleta, regies

problemticas j que contm pontos que permitem as interpretaes 'Inconsistente e
Paracompleta'. Pontos prximos a (0,0,1) e a (1,1,1) podem ser interpretados como
indicando um Especialista Paracompleto e Inconsistente, respectivamente. Neste plano, e =
1, aos especialistas somente ser permitido um dos pontos (1,0,1) ou (0,1,1), que so
respectivamente diagnstico x, Dx ou diagnstico y, Dy.
Note-se que como se admite em princpio que o nefito possa ter opinies contraditrias,
os pontos (0,0,0) e (1,1,0) ficam fora das regies inconsistente e paracompleta.
5
Interpretaes do Cubo Unitrio Analisador
Nesta seo analisam-se cinco situaes diferentes, ou seja, cinco planos diferentes para a
coordenada e, ou ainda, analisam-se opinies de cinco especialistas diferentes. Isso feito,
pode-se fornecer uma generalizao para uma interpretao do Cubo Unitrio Analisador.
A primeira situao a ser analisada a situao do topo do cubo unitrio seguindo em
direo a sua base, conforme Figura XI.
37
1: e = 1- 2
2: e = 2- 1
e
1
Dy
Dx
1
1
1
Figura XI. Representao dos diferentes Graus de Especialidade
Para a situao de e = 1, tem-se a seguinte anlise das regies, de acordo com a Figura XII.
2
Dy
T
1
Dx
Figura XII. Anlise para e = 1
Como discutido anteriormente, para um Especialista de grau e = 1, espera-se tomadas de

decises coerentes, sem indecises ou desconhecimento de causa, ou ainda inconsistncias
de qualquer tipo, enfim espera-se um grande especialista decidindo somente entre dois
diagnsticos Dx ou Dy, ou respectivamente os pontos (1,0,1) ou (0,1,1). Portanto, as
Regies Inconsistente e Paracompleta tornam-se mximas.
Para um Especialista de grau e = 0.8, de acordo com a Figura XIII, observa-se que as
Regies de Diagnsticos crescem e que as Regies Inconsistente e Paracompleta diminuem,
surgindo os pontos notveis propostos no captulo anterior e com eles as Regies de
Tendncias. A este especialista as exigncias so menos rigorosas quando comparadas com
um especialista de grau e = 1.
38
qDy
qDx
T
qDx
1
qDy
Figura XIII. Anlise para e = 0.8
Um Especialista de grau e = 0.5, um caso particular, exatamente a situao estudada ao

longo do captulo anterior, de forma que as regies delimitadas so as mesmas. Pode-se
observar pela Figura XIV, que as Regies de Diagnsticos, Inconsistente e Paracompleta
so iguais, enquanto que as Regies de Tendncias chegam no mximo do crescimento,
sendo todas iguais. Os pontos notveis tendem a deslocar para as posies do ponto
Inconsistente e do ponto Paracompleto.
qDy
Dy
qDx
qDx
qDy
Dx
Figura XIV. Anlise para e = 0.5
Um Especialista de grau e = 0.1, um especialista com pouca experincia, mas podendo

ainda sofrer algumas cobranas no que se refere a tomadas de decises coerentes e/ou sem
inconsistncias, este especialista tem condies, mesmo que pouca, de opinar por
diagnsticos certos. As Regies Inconsistente e Paracompleta ficam mais restritas, crescem
39
as Regies dos Diagnsticos, e as Regies de Tendncias decrescem. Os pontos notveis

ficam mais prximos do pontos Inconsistente e Paracompleto, conforme Figura XV.
qDy
qDx
Dy
qDx
Dx
1
qDy
Figura XV. Anlise para e = 0.1
Analisando a ltima situao, de um Nefito cuja especialidade tem grau e = 0, para o

nefito tudo lhe permitido, no tendo restries. Diante de sua inexperincia, admitem-se
posies de Inconsistncia, Paracompleta e/ou Indeterminada. Percebe-se, da Figura XVI
que as Regies de Diagnsticos chegaram no mximo e as Regies Inconsistente e
Paracompleta se tornaram pontos bem definidos, (0,0,0) ou estado Paracompleto e (1,1,0)
ou estado de Inconsistncia, conforme [4], [10]. Os pontos notveis tambm se resumem
nestes mesmos pontos.
2
T
Dy
Dx
1
Figura XVI. Anlise para e = 0
40
Mtodo de Obteno do Grau de Especialidade a partir dos Graus de Crena e

de Descrena
Nesta seo obtm-se o grau de especialidade na Lgica Paraconsistente Anotada de Trs

Valores - LPA3v, ou seja, no Cubo Unitrio Analisador, a partir dos graus de crena e de
descrena, dando base para elaborar um algoritmo que tem como objetivo efetuar a
implementao da LPA3v em uma linguagem computacional.
Foi visto na seo 2 que os planos 1: e = 1- 2 e 2: e = 2- 1, relacionam
matematicamente os Graus de Crena, Descrena e de Especialidade, de forma que
podemos analisar como estes trs Graus se comportam no Cubo Unitrio.
Supondo dada uma proposio P, composta pelos Graus de Crena, 1 e de Descrena, 2,
de forma que resulte em um ponto localizado em uma regio delimitada pela LPA2v, ou
seja, no plano 12 , para encontrar o valor do Grau de Especialidade para a proposta P,
traa-se uma reta paralela ao eixo das especialidades partindo dos valores de 1 e de 2. A
interseco da reta r com um dos planos, 1 ou 2, fixam um plano e qualquer, paralelo ao
plano e=0, determina-se assim o valor do Grau de Especialidade da LPA3v. Na Figura
XVII mostrado claramente o mtodo de obteno do Grau de Especialidade da LPA3v.
RETA r:
1 = 0,2
2 = 0,9
e = 0,9- 0,2 = 0,7
Dy
Dx
2
1
Figura XVII. Obteno do Grau de Especialidade da LPA3v
41
Representando os procedimentos para se obter o Grau de Especialidade na Lgica

Paraconsistente Anotada de Trs Valores - LPA3v, conforme a Figura XVIII.
SE GRAU DE
CRENA MAIOR
GRAU DE
DESCRENA
1P > 2P
ANLISE LGICA
PARACONSISTENTE
DE ANOTAO DE
TRS VALORES LPA3v
SE GRAU DE
DESCRENA
MAIOR GRAU
DE CRENA
2P > 1P
ANLISE LGICA
PARACONSISTENTE
DE ANOTAO DE
TRS VALORES LPA3v
e = 1P - 2P
PLANO LGICO
RESULTANTE
DE SADA.
Grau de
Especialidade
SINAL P
(
1P , 2P)
e = 2P - 1P
PLANO LGICO
RESULTANTE
DE SADA.
Grau de
Especialidade
Figura XVIII. Representao dos procedimentos para se obter Plano Lgico Resultante de Sada na LPA3v
Lgica Paraconsistente Anotada de Quatro Valores LPA4v
Pode-se analisar um ponto se movendo ao longo do cubo unitrio analisador, como mostra
a Figura XIX, de acordo com [4].
e
1
t2, s2
C
t1, s1
1
Figura XIX. Temporalidade no cubo unitrio da LPA3v
42
No tempo t1 o ponto se encontra na posio s1, no tempo t2 o ponto se encontra na posio

s2, de forma que no decorrer do tempo o ponto descreve uma curva C no interior do cubo
unitrio analisador.
Este comportamento permite introduzir na Lgica Paraconsistente Anotada de Trs
Valores - LPA3v mais uma varivel anotada, o tempo t, estendendo assim para Lgica
Paraconsistente Anotada de Quatro Valores - LPA4v. Na LPA4v o ponto no Cubo Unitrio
representado pela qudrupla (1, 2, e, t). O intuito de introduzir mais uma varivel
anotada na representao do ponto poder analisar a evoluo comportamental dos
especialistas.
Assim um nefito (especialista de grau e=0) face sua inexperincia, vai adquirindo
experincia medida que a varivel, tempo, vai transcorrendo e supe-se que seu grau de
especialidade v aumentando a fim de se definir entre os dois diagnsticos Dx ou Dy, ou
seja, se encontra no topo do cubo unitrio com comportamento de um 'caso clssico',
falando grosseiramente. Esta anlise pode ser feita para qualquer nvel de especialidade.
A essncia da quarta dimenso tempo est em permitir visualizar o comportamento dos
especialistas nas tomadas de deciso de um sistema especfico.
8
Implementao do Algoritmo Para - Especialista
Descritas as regies do Cubo Unitrio Analisador nas sees anteriores, torna-se vivel
elaborar um algoritmo com o objetivo de efetuar a implementao da LPA3v em
linguagem computacional.
Visando os estudos dos comportamentos em Sistemas Especialistas, baseado na LPA3v, o
algoritmo construdo pela descrio do Cubo Unitrio permite a elaborao de programa
computacional para aplicaes prticas e proporcionar simulaes de diferentes situaes.
43
Este algoritmo baseado na LPA3v denominado neste trabalho de Algoritmo ParaEspecialista.

As variveis e grandezas so detalhadas a seguir, considerando as regies do Cubo
Unitrio conforme Figura XX:
Regio Dy
Regio T
qDy
Dy
T
Regio TqDy
Regio DyqDy
Regio DyqDx
Regio TqDx
I
qDx
qDx
Regio qDx
Regio qDy
Regio DxqDx
Dx
qDy
1
Regio DxqDy
Regio
Regio Dx
Figura XX. Definio das Regies para o algoritmo Para - Especialista
Os estados lgicos extremos:
Paracompleto;
Inconsistente;
Dx
Diagnstico referente ao eixo x;
Dy
Diagnstico referente ao eixo y;
Os estados lgicos no - extremos:

qDx
Paracompleto tendendo ao quase- no- Diagnstico x;
qDy
Paracompleto tendendo ao quase- no- Diagnstico y;
qDx
Inconsistente tendendo ao quase- Diagnstico x;
qDy
Inconsistente tendendo ao quase- Diagnstico y;
DxqDx
Diagnstico x tendendo ao quase- Diagnstico x;
44
DxqDy
Diagnstico x tendendo ao quase- no- Diagnstico y;
DyqDy
Diagnstico y tendendo ao quase- Diagnstico y;
DyqDx
Diagnstico y tendendo ao quase- no- Diagnstico x;
Indefinido.
Valores das grandezas de entrada:

1 Grau de Crena;
2 Grau de Descrena;
s Sensibilidade necessria para variar o valor do Grau de Especialidade;
Dx Diagnstico referente ao eixo x;
Dy Diagnstico referente ao eixo y.
Valores das grandezas que se relacionam:
e Grau de Especialidade gerado.
e1 Grau de Especialidade Um, gerado a partir de e.
e2 Grau de Especialidade Dois, gerado a partir de e.
GC Grau de Certeza.
GI Grau de Incerteza.
As Grandezas de controle:
Vscc - Valor superior de controle de certeza;
Vicc - Valor inferior de controle de certeza;
Vsci - Valor superior de controle de incerteza;
Vici - Valor inferior de controle de incerteza.
45
As Grandezas de sada:
Dge
Diagnstico do especialista;
Dge1 Diagnstico do especialista um;

Dge2 Diagnstico do especialista dois.
Seguindo os passos do algoritmo Para Especialista, juntamente com o exemplo da
Figura XXI, monta-se o passo-a-passo mostrado na Figura XXII:
Clculo do Nvel do Especialista e
Clculo dos Pontos Notveis para o Especialista e
Clculo do Grau de Certeza (GC) e Incerteza (GI) e seus Respectivos

Valores de Controle Vscc, Vicc, Vsci, Vici
Determinao do Diagnstico para os Estados Extremos

ou Estados No-Extremos
Variao da Sensibilidade s do Grau de Especialidade e

Especialidade e1 = e - s
Especialidade e2 = e + s
Determinao dos Diagnsticos para

Especialidade e1 e Especialidade e2
Figura XXI. Algoritmo Para - Especialista
Da reta r:
PASSO 1:
1 = 0,2; 2 = 0,9;
e = 0,9 0,2 = 0,7
46
PASSO 2:
Ponto qDx
(1,0; 0,3)
Ponto qDy
Ponto qDx (0,0; 0,7)

Dy
(0,3; 1,0)
Ponto qDy (0,7; 0,0)
qDy
2
qnDx
qDx
Dx
1
qnDy
Representao no QUPC para o ponto (0,2; 0,9) com e = 0,7.

PASSO 3:
Grau de Certeza GC: - 0,7 Vscc = 0,7
Vicc = - 0,7
Grau de Incerteza GI: 0,1 Vsci = 0,3
Vici = - 0,3
PASSO 4:
Diagnstico para o Estado Extremo: Dy
PASSO 5:
- Especialidade e1 = e s = 0,7 0,1 = 0,6

Dy
qDy
T
2
qnDx
qDx
Dx
qnDy
Representao no QUPC para o ponto (0,2; 0,9) com e1 = 0,6.

- Especialidade e2 = e + s = 0,7 + 0,1 = 0,8
Dy
qDy
2
qnDx
qDx
qnDy
Dx
Representao no QUPC para o ponto (0,2; 0,9) com e = 0,8.
47
PASSO 6:
Diagnstico para o Especialista de Grau e1 = 0,6: Dy

Diagnstico para o Especialista de Grau e2 = 0,8: DyqDy
Figura XXII. Exemplo de aplicao do algoritmo Para - Especialista
Implementao do algoritmo Para - Especialista da LPA4v em um RBC
Para implementar o algoritmo Para - Especialista em um RBC para determinao de

diagnstico, a proposta do modelo sugerir como diagnstico do sistema, aquele que se
comporta mais adequadamente com a nova situao, com base no conhecimento
armazenado, de acordo com uma anlise da lgica paraconsistente de trs valores - LPA3v.
Em cada caso mostrar dentre aqueles de mesmo diagnstico, o que mais se aproxima da
nova situao. A arquitetura projetada para implementar o modelo vista na Figura XXIII.
Novo Caso
Interface baseada em Descries.

Clculo das similaridades
Memria de Casos
Grau de Casamento
Classificao em ordem decrescente Grau de Casamento
Determinao dos Graus de Crena, Descrena, de Especialidade

e Sensibilidade,Diagnsticos Provveis por Trs Especialista LPA3v
Seleo do Diagnstico mais Adequado.

Diagnstico dado pelo maior Grau de Especialidade
Exibe Caso Recuperado, Diagnstico Encontrado, Ao de

Controle Indicada (Dx), Grau de Certeza em Dx e a Regio da
LPA3v
Figura XIII. Arquitetura de um Prottipo Recuperador com LPA3v subjacente
48
O prottipo constitudo por seis mdulos de processamento. No primeiro mdulo, a

entrada de um novo caso e a chamada de casos da memria tm o mesmo procedimento
que no prottipo da referncia [10], a partir do clculo das similaridades. No segundo e
terceiro mdulos calcula-se o Grau de Casamento e sua classificao em ordem
decrescente de acordo com [4]. No quarto mdulo h uma juno das tcnicas do RBC
com a LPA3v, o ambiente j est preparado para a aplicao do algoritmo "ParaEspecialista", de forma que a partir do Grau de Crena, Descrena e do Grau de
Especialidade para o Novo Caso, obtm-se os diagnsticos de trs especialistas diferentes,
essa preparao ser interpretada na prxima seo.
No quinto mdulo seleciona-se o diagnstico mais adequado nova situao ou seja,
entendido como sendo o diagnstico dado por um especialista de maior Grau de
Especialidade. No h, nesta estrutura, a determinao de novos diagnsticos, mas uma
relao com os diagnsticos fornecidos pela Base de Conhecimento atravs do 'Grau de
Certeza' da LPA3v. Com esta nova estrutura possvel introduzir novos conhecimentos,
ou seja, novos diagnsticos na Base de Conhecimento quando for necessrio, mas isto s
realizado depois de se fazer uma primeira execuo do programa. No sexto mdulo so
exibidos: o "caso que foi recuperado" para solucionar a nova situao, o "diagnstico
encontrado", a "ao de controle indicada" (Dx), o "grau de certeza em relao ao de
controle" e a "regio da LPA3v" em que se encontra o novo caso analisado. O "caso
recuperado" tem a mesma interpretao daquele caso discutido em uma recuperao de
RBC que no utiliza a LPA3v, de acordo [10]. A "ao de controle" determinada para o
novo caso alguma ao dentre as fornecidas pela base de conhecimento, de forma no
estar criando nenhuma ao de controle nova. Por esse motivo o "diagnstico encontrado"
no ser considerado um novo diagnstico na base de conhecimento, mas vinculado com a
ao de controle atravs do "grau de certeza", GC. O "diagnstico encontrado" fica desta
49
forma disponvel no sentido que, se em algum momento o raciocinador quiser acrescentlo como ao de controle da base de conhecimento, o procedimento ser, somente alterar
seu grau de certeza, GC para o valor mximo 1 e a ao de controle relacionada a ele
assume o valor numrico do respectivo diagnstico encontrado.
Este novo prottipo baseado na LPA3v ser denominado neste trabalho de 'RBC- ParaEspecialista'.
O "RBC - Para - Especialista" oferece uma alternativa lgica baseada em duas teorias, a
'Lgica Paraconsistente' e 'Sistema de Raciocnio'. O mesmo faz um tratamento lgico de
forma Paraconsistente para que as contradies e as incertezas possam ser inseridas e
tratadas, de um modo no trivial, numa estratgia de tomada de deciso automtica. A fim
de apresentar uma idia geral e mais abrangente do "RBC- Para- Especialista", na Figura
XXIV est montado um esquema em diagrama, que exibe o processo de entrada do novo
caso a ser analisado: a recuperao de todos os casos da memria de dados; - O clculo do
Grau de Casamento e sua ordenao decrescente; a aplicao do algoritmo "ParaEspecialista" da LPA3v e conseqentemente a determinao dos trs possveis
diagnsticos, ou seja, a opinio de trs especialistas diferentes sobre uma situao nova
(caso novo), sendo que o diagnstico adotado na LPA3v o de maior especialidade, ou
seja, a opinio do mais especialista no domnio em questo; finalmente a recuperao do
caso mais adequado em relao ao diagnstico anteriormente encontrado.
50
Gcas
...Gcask
Gcas2=mi2 (Dy)
Gcas1=mi1(Dx)
Novo Caso
Memria de Casos
Diagnsticos Provveis
Especialista : De
Especialista1 : De1
Especialista2 : De2
Algoritmo Para-Especialista
Dy
... Caso k - Diag
Dx
Caso 2 - Diag
Caso1- Diag
Recuperao do Caso
Diagnstico mais adequado
Figura XXIV. Diagrama de um Prottipo Recuperador com LPA3v subjacente
No que se referente Lgica Paraconsistente de Trs Valores - LPA3v vale ressaltar

algumas caractersticas importantes:
a) Como apresentado em [4] e [10], para iniciar uma anlise paraconsistente no cubo
analisador necessita-se dos valores dos graus de crena e de descrena. De forma que, ao
final da ordenao do grau de casamento com seus respectivos casos e diagnsticos,
espera-se que estes graus estejam estabelecidos!
b) O que se deve fazer relacionar os graus de casamento ordenado decrescentemente com
os graus de crena e descrena da seguinte maneira. Da definio intuitiva dos graus de
crena e descrena tem-se que: "Grau de Crena a evidncia favorvel proposio P,
grau de Descrena a evidncia contrria proposio P". Assumindo que a proposio
P seja: "Diagnstico i como soluo do Caso Novo". Ento, os valores dos graus de crena
51
e descrena podem ser interpretados como: "O Grau de Crena a evidncia favorvel ao
Diagnstico i como soluo do Caso Novo e o Grau de Descrena a primeira evidncia
contrria ao Diagnstico i como soluo do Caso Novo".
Como o conjunto do grau de casamento j foi devidamente ordenado decrescentemente e,
como definido acima, o grau de crena aquele de maior grau de casamento, nota-se que o
grau de descrena sempre estar em uma ordem menor que o grau de crena e ser aquele
que corresponder primeira evidncia desfavorvel ocorrncia do diagnstico i, Di. Em
uma aplicao do algoritmo 'Para- Especialista' no Sistema de Raciocnio com o Prottipo
Recuperador atuando da maneira como apresentada [10], sempre ocorrer uma situao
descrita acima. Com essa definio pode-se agora fazer uma anlise do cubo da LPA3v
para estudar o novo caso, j que todos os graus esto claramente estipulados.
10
Uma Aplicao do RBC- Para- Especialista na Determinao de Diagnsticos
Para efeito de comparao, a aplicao do 'RBC- Para - Especialista' tem como domnio o
mesmo utilizado em [10], ou seja, um funcionamento de um forno para obteno de
cimento, assim como em [11]. Para cada um desses atributos espera-se aes apropriadas,
esto listados conforme Tabela I.
Tabela I. Especificao das Descries e suas extenses
ATRIBUTOS
DESCRIES
EXTENSO DA ESCALA DE IMPORTNCIA
Condio
a Granular
03
Condio
b Viscosidade
03
Condio
c Cor
02
Condio
d Nvel de pH
02
Deciso
e Velocidade Rotativa
01
Deciso
f Temperatura
03
Na Tabela II so mostrados os possveis diagnsticos e sua identificao referentes s

descries velocidade rotativa e temperatura. A aplicao do algoritmo 'RBC- Para-
52
Especialista' aplicada mesma base de conhecimento da aplicao do [10], fornecida na

Tabela III, de tal forma que suas descries e diagnsticos esto quantificados.
Tabela II. Diagnsticos e suas extenses
DIAGNSTICO
D1
D2
D3
D4
0
1
1
3
2
1
Tabela III. Base de Conhecimento
CASOS
Ao de Controle
CASO 01
D1
CASO 02
D1
CASO 03
D1
CASO 04
D2
CASO 05
D2
CASO 06
D3
CASO 07
D3
CASO 08
D3
CASO 09
D4
CASO 10
D4
CASO 11
D4
CASO 12
D4
CASO 13
D4
O RBC- Para- Especialista, analisado na seo anterior, foi testado para vrios Casos
Novos, utilizando a Base de Conhecimento, de acordo com a tabela III acima, para este
exemplo o nmero de Aes de Controle est limitado em quatro D1, D2, D3 e D4. Assim
como em [10], apresenta-se o resultado de um mesmo caso analisado, sendo caso C14 - [2
2 2 1].
53
CASO NOVO: 2
2
2
1
Caso encontrado na Base de Conhecimento: 0
Nenhum Caso Encontrado
Incio do Processo de Clculo

ORDEM
Gcas
CASO
DIAGNSTICO
0.8771
D1
0.8498
12
D4
0.7868
D4
0.7692
D3
0.7687
D1
0.7518
11
D4
0.7171
D1
0.7071
10
D4
0.6671
13
D4
10
0.6537
D3
11
0.6472
D2
12
0.6432
D3
13
0.5871
D2
14
0.5871
14
D4
Diagnsticos em Deciso:
Dx-Dy = 1-4
Valor do Grau de Crena:
1 = 0.8771
Valor do Grau de Descrena:
2 = 0.8498
Entre com o valor da Sensibilidade s.
0.1
Determinao do Diagnstico na LPA3v

Grau de Crena Analisado
1: 0.8771
Graus de Certeza e Incerteza:
Grau de Descrena Analisado
2: 0.8498
GC =
0.0272
Grau do Especialista Gerado
e : 0.0272
GI =
0.7269
Para Grau do Especialista Gerado -
e: 0.0272
qD4
D4
qD1
Pontos Notveis para e:

qD1 =
qD1
qD1 =
Valores de Controle para e:
qD4
C1 =
D1
C3 =
Determinao do Diagnstico para e:
D1
54
Anlise ser feita para as variaes de e: e1 = - 0.0728

e2 =
0.1272
Novos Valores para s, e1(MAIOR OU IGUAL A ZERO) e e2:
Novo s = 0.0272
Novo e1 = 0.0072
Novo e2 = 0.1272
Para Grau de Especialidade 1:
e1 = 0.0072
Pontos Notveis para e1:
qD1 = 1.0000; 1.0000
D4
qD4 = 1.0000; 1.0000

qD1 = 0.0000; 0.0072
D1
qD4 = 0.0072; 0.0000
Valores de Controle para e1:

C1 =
0.0072
C2 =
-0.0072
C3 =
0.9928
C4 =
-0.9928
Determinao do Diagnstico para e1:
Para Grau de Especialidade 2:
D1
e2 = 0.1272
Pontos Notveis para e2:
qD1 = 1.0000; 0.8728

qD4 =
qD4
D4
qD1
qD1
0.8728; 1.0000
qD1 = 0.0000; 0.1272
qD4 = 0.1272; 0.0000
qD4
D1
Valores de Controle para e2:

C1 =
0.1272
C2 =
-0.1272
C3 =
0.8728
C4 =
-0.8728
Determinao do Diagnstico para e2:
TqD1
Diagnsticos Provveis na LPA3v

Para e2:
TqD1
Para e:
D1
Para e1:
D1
55
Nova Base de Conhecimento

CASO a b c d Diag Ao de Contr GC
GI
Diag de e2 Caso Recup
2 1 1 1 D1
D1
2 1 1 0 D1
D1
2 2 1 1 D1
D1
1 1 1 0 D2
D2
1 1 1 1 D2
D2
2 1 1 2 D3
D3
2 2 1 2 D3
D3
3 2 1 2 D3
D3
3 2 2 2 D4
D4
10
3 3 2 2 D4
D4
11
3 3 2 1 D4
D4
12
3 2 2 1 D4
D4
13
3 0 2 1 D4
D4
14
3 1 1 1 D5
D4
0.0095 0.6878 TqD4
C13
15
2 2 2 1 D6
D1
0.0272 0.7269 TqD1
C3
DIAGNSTICO MAIS ADEQUADO AO NOVO CASO:
11
Caso mais adequado ao Novo Caso
CASO 3
Diagnstico encontrado
Ao de Controle Indicada (Dx)
D1
Grau de Certeza em Relao Ao de Controle (Dx)
0.0272
Diagnstico com maior grau de especialidade
TqD1
Comparao dos Resultados do Programa "RBC- Para- Especialista" com

"RBC Tradicional"
feita uma comparao entre os resultados obtidos de uma Recuperao de Casos na

determinao de Diagnsticos, usando o "RBC- Para - Especialista" com suporte da
56
LPA3v e um RBC Tradicional [10]. Na Tabela IV so apresentados os dados para

determinao de diagnsticos e recuperao do caso mais adequado.
Fazendo uma anlise comparativa entre os casos apresentados, primeiramente, observa-se
que tanto para o "RBC- Para- Especialista" quanto para o "RBC Tradicional", os casos
recuperados foram os mesmos, visto que o princpio do prottipo de recuperao utilizarse da tcnica da similaridade entre caso novo e casos da memria sendo que o mesmo
aplicado s duas estruturas de deciso. Mas em relao aos diagnsticos h resultados que
no correspondem entre si para determinados casos, o que era de se esperar, j que a
determinao desses baseada em princpios diferentes para cada estrutura. Para a
estrutura RBC observa-se uma inconsistncia de informaes em quatro casos, mostrado
na Tabela V:
Tabela IV. Base de dados para determinao de diagnstico e recuperao de casos
RBC
CASO
a b c d Diag
C1
2 1 1 1 D1
C2
RBC- Para- Especialista

Caso
Ao
Diag
Diag-e2
D1
D1
2 1 1 0 D1
D1
C3
2 2 1 1 D1
D1
C4
1 1 1 0 D2
C5
1 1 1 1 D2
C6
Diag
Caso
GC
GI
D1
D1
D2
D2
D2
D2
2 1 1 2 D3
D3
D3
C7
2 2 1 2 D3
D3
D3
C8
3 2 1 2 D3
D3
D3
C9
3 2 2 2 D4
D4
D4
C10
3 3 2 2 D4
D4
D4
C11
3 3 2 1 D4
D4
D4
C12
3 2 2 1 D4
D4
D4
C13
3 0 2 1 D4
D4
D4
C14
3 1 1 1 D4
C13
D5
TqD4
D4
D4
0.0095 0.6878
C13
C15
2 2 2 1 D1
C3
D6
TqD1
D1
D1
0.1272 0.7269
C3
C16
1 3 2 1 D4
C11
D5
TqD4
D4
D4
0.0676 0.5476
C11
Recup
Controle Base
Recup
57
C17
1 3 1 0 D4
C16
D7
TqD5
D5
D4
0.1648 0.5479
C16
C18
2 3 2 2 D4
C10
D5
TqD4
D4
D4
0.0348 0.7627
C10
C19
1 1 2 2 D3
C6
D8
TqD3
D3
D3
0.0203 0.4464
C6
C20
2 1 0 2 D3
C6
D8
TqD3
D3
D3
0.1928 0.7046
C6
C21
3 1 0 1 D1
C14
D9
D5
D4
0.1516 0.7633
C14
C22
1 3 0 0 D4
C17
D10
D7
D4
0.1370 0.7700
C17
C23
2 3 1 1 D4
C17
D11
TqD7
D7
D4
0.0371 0.7275
C17
C24
1 2 0 0 D2
C3
D6
TqD1
D1
D1
0.0471 0.4614
C3
C25
3 3 0 0 D4
C11
D5
TqD4
D4
D4
0.0935 0.6758
C11
C26
1 1 2 1 D2
C19
D12
TqD8
D8
D3
0.0330 0.6403
C19
C27
2 1 1 0 D1
C2
D1
D1
D1
D1
C2
C28
1 1 1 2 D3
C6
D8
TqD3
D3
D3
0.0398 0.7132
C6
C29
1 0 0 1 D2
C5
D13
TqD2
D2
D2
0.0835 0.3307
C5
C30
3 0 0 1 D1
C21
D14
D9
D4
0.0406 0.8663
C21
Tabela V. Informaes inconsistentes na determinao de diagnsticos para RBC

RBC
Caso
C21
C24
C26
C30
3
1
1
3
1
2
1
0
0
0
2
0
1
0
1
1
Diag
Determ
D1
D2
D2
D1
RBC- Para- Especialista

Diag
Caso
Recup
D4
D1
D3
D4
Caso
Diag
Diag
Ao
Diag
Recup
Determ
e2
Controle Base
C14
C3
C19
C21
D9
D6
D12
D14
T
TqD
TqD
T
D5
D1
D8
D9
D4
D1
D3
D4
GC
GI
Caso
Recup
0.1516
0.0471
0.0330
0.0406
0.7633
0.4614
0.6403
0.8663
C14
C3
C19
C21
Para estas quatro situaes, na estrutura RBC, os casos recuperados no esto contidos no
conjunto dos respectivos 'diagnsticos determinados' e sim no conjunto dos 'diagnsticos
do caso recuperado', conforme colunas 6, 7 e 8 da tabela acima, de forma que ocorre uma
inconsistncia entre os casos recuperados e seus diagnsticos determinados. Enquanto que
na estrutura RBC- Para- Especialista, isto evitado devido ao suporte fornecido pela
LPA3v, que indica como 'diagnstico determinado' aquele proveniente do caso recuperado,
no permitindo haver nenhuma inconsistncia de dados.
Nesta estrutura todos casos novos tm como 'diagnstico determinado' diagnsticos com
novos ndices, porm no significa que um novo diagnstico est sendo indicado, mas uma
58
nova maneira de se relacionar com a 'ao de controle' da base de conhecimento, ou seja,

uma relao de pertinncia com os quatros diagnsticos D1, D2, D3 ou D4, atravs do
'Grau de Certeza' da LPA3v. A situao que apresenta um caso novo com 'diagnstico
determinado' como sendo um diagnstico da base de conhecimento, significa que este
um caso prprio da base, por exemplo o caso C27 da Tabela IV, tem como caso novo o
caso C2 da base de conhecimento.
Em relao ao 'diagnstico e2' observa-se que o mesmo est descrevendo a opinio de um
especialista em determinado assunto com um grau de especialidade maior do que outros
dois especialistas consultados 'e1, e', sua opinio est se referindo sempre 'ao de
controle indicada' pelo programa 'Para- Especialista' e pode-se dizer que sua exigncia em
relao aos diagnsticos mais apurada. Suas respostas so analisadas em regies do
QUPC (Quadrado Unitrio do Plano Cartesiano), de tal forma que as possveis regies de
ocorrncia de um caso novo ser analisado, so mostradas na Figura XXV a seguir.
LPI
LPC
2
Dy
TqDx
DxqDy
qDx
qDy
DxqDx
Dx
1
qDy
Dx
Figura XXV. Possveis regies no QUPC para respostas de e2
Devido prpria estrutura do 'RBC- Para- Especialista', na qual o valor do grau de crena
sempre maior ou igual ao grau de descrena, 1 2 , exclui-se a possibilidade do caso
novo se encontrar na regio acima da Linha Perfeitamente Inconsistente - LPI. O que se
observa da Tabela IV que o GC - Grau de Certeza e GI - Grau de Incerteza sendo ambos
59
maior ou igual a 0, indica que 1 + 2 1 fazendo com que as possibilidades fiquem

restritas regio acima da Linha Perfeitamente Consistente - LPC, ou seja, T Inconsistente, TqDx - Inconsistente tendendo ao quase Diagnstico x, Dx
qDx Diagnstico x tendendo ao quase Diagnstico x e Dx - Diagnstico x. De acordo com a
determinao do algoritmo 'Para- Especialista' [4] e [10], os resultados do comportamento
do diagnstico do especialista e2 nos casos novos podem ser mostrados na Tabela VI.
Tabela VI. Comportamento do diagnstico de e2
N de Casos
Porcentagem
T
qDx
Dx
Dx
qDx
Total
13
76%
3
18%
1
6%
0
0%
17
100%
A regio predominante dos resultados foi 'T

qDx -Inconsistente tendendo ao quase
Diagnstico x', em dezessete casos novos treze se encontraram nesta regio, 76%, a regio
'T' com 18%, a regio 'Dx' com ocorrncia de um caso e com nenhuma ocorrncia a regio
'Dx
qDx'. A regio 'T
qDx' predomina sobre as outras devido as caractersticas das
'Variveis de Controle', C1 e C3, e dos 'Graus de Certeza e Incerteza', GC e GI, conforme
explicado em [4] e [10]. Da Tabela IV observa-se que o Grau de Certeza sempre menor
que o Grau de Incerteza, GC < GI, o que satisfaz o condio da determinao desta regio.
A regio 'T' ocorre quando o Grau de Incerteza for maior que a Varivel de Controle C3,
GI C3, condio satisfeita para trs casos conforme a Tabela IV. A regio 'Dx' ocorre
quando o Grau de Certeza for maior que a Varivel de Controle C1, GC C1, condio
satisfeita para um caso conforme a Tabela IV e pode-se observar tambm que neste caso o
GC foi de valor mximo 1 e o GI foi de valor mnimo 0. A falta de ocorrncia da regio
'DxqDx' se deve ao fato que no houve casos que apresentasse Grau de Certeza maior
que Grau de Incerteza, GC GI.
60
12
Concluso
Este captulo apresentou a extenso da Lgica Paraconsistente Anotada de Dois Valores

LPA2v para a Lgica Paraconsistente Anotada de Trs Valores LPA3v com a introduo
do Cubo Unitrio Analisador que foi construdo a partir dos valores dos graus de crena e
de descrena da LPA2v, determinando assim o valor de um terceiro grau, o Grau de
especialidade.
O cubo unitrio pode ser delimitado por regies relacionadas com os trs graus, resultando
em estados lgicos de sada de um ponto qualquer. Trabalhando com estas regies
definiram-se as regies de Diagnstico, Paracompleta e Inconsistente, alm das regies
tendenciosas que se localizam no interior do cubo unitrio, sendo envolvidas pelas regies
externas citadas acima.
Observou-se que os quase-pontos notveis se deslocam dos vrtices da Linha
Perfeitamente Consistente - LPC at aos vrtices da Linha Perfeitamente Inconsistente LPI. Desta forma as regies de Diagnsticos Dx e Dy, partem de dois pontos (1,0,1) e
(0,1,1), respectivamente, para um grau de especialidade mximo, e = 1, at chegar no
mximo das regies, para um grau de especialidade mnimo, e = 0, Nefito. Em relao s
regies Paracompleta e Inconsistente, o procedimento se torna o inverso, partindo das
regies mximas, com e = 1, para finalmente se encontrar nos pontos Paracompleto e
Inconsistente, (0,0,0) e (1,1,0), respectivamente, com e = 0, ressaltando que para um
especialista Nefito tudo lhe permitido, portanto os estados paracompleto e inconsistente
no so considerados, somente nesta situao.
A elaborao do algoritmo "Para-Especialista" permite obter opinies de especialistas
sobre um assunto especfico, ou seja, permite obter graus diferentes de especialidade
partindo do conhecimento dos graus de crena e de descrena em relao ao assunto. De
forma poder decidir entre dois ou mais diagnsticos referente ao assunto em discusso. A
61
fim de permitir a incluso de opinies de especialistas em bases de conhecimentos j

formada utiliza-se a LPA3v, de forma descrever os problemas nas condies mais reais.
Alm disto, este captulo props a juno das Lgicas Paraconsistente Anotadas de Trs e
Quatro Valores na determinao de diagnsticos de um Raciocnio Baseado em Casos, ou
seja implementar o algoritmo "Para - Especialista" na estrutura do prottipo recuperador do
RBC. Da comparao dos resultados obtidos, aplicando-se os mtodos RBC Tradicional e
RBC- Para- Especialista pode-se observar:
a) Os casos recuperados foram os mesmos para as duas tcnicas, j que a tcnica utilizada
para tal, em ambas estruturas, foi da similaridade.
b) Em relao aos diagnsticos determinados ocorrem situaes de inconsistncias na
estrutura do RBC Tradicional, enquanto que na estrutura do RBC- Para- Especialista isto
evitado devido ao suporte fornecido pela LPA3v.
c) Os Novos Casos tm como diagnstico determinado, diagnsticos com novos ndices
indicando uma relao de pertinncia com as aes de controle da base de conhecimento
atravs do Grau de Certeza da LPA3v.
d) Em relao ao diagnstico e2, dado por um especialista com maior conhecimento no
assunto, suas respostas so analisadas em regies do QUPC, que se restringem regio que
situada acima da LPC - Linha Perfeitamente Consistente e abaixo da LPI - Linha
Perfeitamente Inconsistente.
Pode-se concluir que a nova tcnica apresentada satisfaz a proposta de se ter uma estrutura
na tomada de decises automtica que possa tratar dados inconsistentes, dados quase
inconsistentes e dados incertos, porm de forma a no trivializar a determinao dos
diagnsticos, mas que d respostas mais condizentes com a realidade. E um outro fator
importante, que com o suporte da LPA3v e da LPA4v o caso recuperado corresponde de
62
fato ao seu respectivo diagnstico, garantindo assim a consistncia entre caso versus
diagnstico.
13
Agradecimentos
Os autores gostariam de agradecer o apoio financeiro dos seguintes rgos de fomento:

CNPq, CAPES, FAPEMIG e ANEEL-P&D, que possibilitaram o desenvolvimento desta
pesquisa.
Referncias
1.

2.
Da Costa, N.C.A., Abe, J.M., Da Silva Filho, J.I., A.C. Murolo & C.F.S Leite, Lgica
Paraconsistente Aplicada. So Paulo, Atlas, 1999.
3.
Da Silva Filho, J.I., Mtodos de interpretao da Lgica Paraconsistente Anotada

com anotao com dois valores LPA2v com construo de Algoritmo e implementao
de Circuitos Eletrnicos, Tese. EPUSP, So Paulo, 1999.
4.
Martins, H.G., A Lgica Paraconsistente Anotada de Quatro Valores LPA4v

aplicada em Sistema de Raciocnio Baseado em Casos para o Restabelecimento de
Subestaes Eltricas, Tese. UNIFEI, 2003.
5.
Martins, H.G., G. Lambert-Torres & L.F. Pontin, Extension from NPL2v to NPL3v,
In: Advances in Intelligent Systems and Robotics, por G. Lambert-Torres, J.M. Abe,
M.L. Mucheroni & P.E. Cruvinel, IOS Press, ISBN 1 58603 386-7, Vol. I, pp. 9-17,
2003.
6.
Kolodner, J.L., Case-Based Reasoning, San Mateo, CA: Morgan Kaufmann Publishers,
Inc., 1993.
63
7.
Kolodner, J.L. & D.B. Leake, A Tutorial introduction to case-based reasoning, in

Case Based Reasoning: Experiences, Lessons, and Future Directions, D. B. Leake, Ed.
Menlo Park, CA: AAAI Press, 1996.
8.
Gupta, K. M. & A.R. Montazemi, Empirical Evaluation of Retrieval in Case-Based

Reasoning Systems Using Modified Cosine Matching Function, IEEE Transactions on
Systems, man and cybernetics - Part A: Systems and Humans, vol. 27, n 5, September,
1997.
9.
Bariess, R. & J.A. King, Similarity assessment in case-based reasoning, Proc. DARPA
Workshop Case-Based Reasoning, San Mateo, CA: Morgan Kaufmann, pp. 67- 71,
1989.
10. Martins, H.G. & G. Lambert-Torres, Retriever Prototype of a Case Based Reasoning:
A Study Case, Advances in Logic, Artificial Intelligence and Robotics Frontiers in
Artificial Intelligence and Applications, LAPTEC 2002, Ed. Jair M. Abe e Joo I. da
Silva Filho IOS Press, pp. 1-8, 2002.
11. Sandness, G.D., A Parallel Learning System, CS 890 Class Paper, Carnegie - Mellon
University, pp. 1-12, 1986.
Germano Lambert- Torres Diretor de Pesquisa e Desenvolvimento da PS Solues,

desde 2010. Pesquisador-Associado e Membro do Conselho Tcnico-Cientfico do
Instituto Gnarus, desde 2012. Pesquisador 1B do CNPq. Professor Titular da Universidade
Federal de Itajub (UNIFEI), 1983-2012. Engenheiro Eletricista formado pela Escola
Federal de Engenharia de Itajub (EFEI) em 1982. Mestre em Engenharia Eltrica pela
EFEI, em 1986. Doutor (Ph.D.) em Engenharia Eltrica pela cole Polytechnique de
Montreal, Canad, em 1990. Bacharel em Cincias Econmicas pela Faculdade de
64
Cincias Econmicas do Sul de Minas, em 1981. Professor do Curso de Especializao em

Sistemas Eltricos (CESE - ELETROBRS). Instrutor da FUPAI. Ministrou cursos no
nvel de Ps-Graduao na cole Polytechnique de Montral e na Concordia University,
no Canad. Pr-Diretor de Pesquisa e Ps-Graduao da UNIFEI, 2000-2004. ProfessorTutor do Programa Especial de Treinamento (PET/IEE/EFEI-CAPES), 1992-2005.
Membro do Comit de Assessoramento de Engenharias Eltrica e Biomdica e
Microeletrnica (CA-EE) do CNPq, 2004-2007. Membro da Comisso do Exame Nacional
do Curso de Engenharia Eltrica (Provo), 1998-2003. Membro do ISAP International
Board. Vice-Presidente do Congress of Logic Applied to Technology (LAPTEC), 2003 e
2007. Presidente do The International Conference on Intelligent System Application to
Power Systems (ISAP), 1999 e 2009. Presidente do 1 Congresso Brasileiro de Redes
Neurais, 1994. Diretor do CDL-Itajub e Membro da Academia Itajubense de Letras.
Helga Gonzaga Martins - Possui graduao em Engenharia Mecnica pela Universidade

Federal de Itajub (1994), mestrado em Engenharia Mecnica pela Universidade Federal
de Itajub (1998) e doutorado em Engenharia Eltrica pela Universidade Federal de Itajub
(2003). Ps-doutorado (2006-2007) em Sistemas Inteligentes Inteligncia Artificial, e psdoutorado 2007-2008 em Lgica Paraconsistente Lgicas No-Clssicas. Atuou em 20092011 como Pesquisadora Visitante da Agncia Nacional do Petrleo ANP, gerenciando o
grupo de pesquisa junto ao Programa de Recursos Humanos PRH16-UNIFEI. Tem
experincia na rea de Engenharia Eltrica, com nfase em Inteligncia Artificial, atuando
principalmente nos seguintes temas: Lgica Paraconsistente, Lgica No Clssica,
Inteligncia Artificial e Restabelecimento Automtico de Subestaes Eltricas.Tem
experincia na rea de Engenharia Mecnica, funcionamento e projeto de Mquinas de
65
Fluxo. Participou da gerncia do grupo de pesquisa como o Grupo de Aplicao de

Inteligncia Artificial GAIA e do grupo do Programa de Recursos Humanos da ANP
PRH16/UNIFEI, cujo objetivo preparar o profissional para o setor energtico e
petrolfero brasileiro.
66
Srie Emmy de robs mveis autnomos

Cludio Rodrigo Torres1
1
Universidade Metodista de So Paulo, So Bernardo do Campo, So Paulo, Brasil

c.r.t@uol.com.br
Resumo. Este captulo apresenta um Sistema de Navegao e Controle de Robs Mveis

Autnomos baseado na Lgica Paraconsistente Anotada Evidencial E atravs da
utilizao das Redes Neurais Artificiais Paraconsistentes. Esse sistema se divide em trs
mdulos: Subsistema de Sensoriamento, Subsistema de Planejamento e Subsistema
Mecnico. O funcionamento independente, mas, interligado, desses trs mdulos,
constituem um rob mvel autnomo capaz de encontrar um ponto destino prdeterminado num ambiente no estruturado. Os resultados envolvendo os algoritmos
nesses dois Subsistemas mostraram-se muito promissores, capacitando-os a serem
empregados com xito em sistemas de navegao mvel autnoma.
Palavras-chave:
Lgica
Paraconsistente
Anotada,
Redes
Neurais
Artificiais
Paraconsistentes, Sistema de Controle, Sistema Inteligente, Rob Mvel Autnomo.
Abstract. This chapter presents a Navigation and Control System of an Autonomous

Mobile Robot based on the Evidential Paraconsistent Annotated Logic E through the use
of the Paraconsistent Artificial Neural Network. This system is divided in three modules:
Sensing Subsystem, Planning Subsystem and Mechanical Subsystem. The independent but
interconnected functioning of these three modules makes an autonomous mobile robot able
to find a predetermined point in a non-structured environment. The results reached by these
67
algorithms seems to be promising, making the algorithms able to be used in autonomous

mobile navigation systems.
Keywords: Paraconsistent Annotated Logic, Paraconsistent Artificial Neural Network,
Control System, Intelligent System, Autonomous Mobile Robot.
Introduo
Um rob mvel autnomo deve ser capaz de se locomover num ambiente no estruturado
sem colidir em obstculos. O projeto de um rob com estas caractersticas uma tpica
situao em que se deve lidar com contradies (inconsistncias), incertezas ou
paracompletezas. Os Sistemas Inteligentes tradicionais so usualmente baseados na lgica
clssica ou em algumas de suas extenses. E, em certas situaes, quando se defronta com
incertezas, contradies (inconsistncia) ou paracompletezas, muitas vezes algumas
simplificaes ou adaptaes so necessrias para que o sistema continue funcionando,
podendo torn-lo complexo ou, paradoxalmente, ineficiente.
Os trs projetos propostos tem como base a Lgica Paraconsistente Anotada Evidencial E.
A utilizao deste tipo de lgica permite se lidar com sinais eltricos que expressam
situaes incertas, contraditrias ou paracompletas de forma no trivial.
Apresenta-se neste texto uma breve descrio do Rob Mvel Autnomo Emmy I, Rob
Mvel Autnomo Emmy II e do Rob Mvel Autnomo Emmy III [19, 21].
O rob Emmy I capaz de desviar de obstculos num ambiente no estruturado e seu
controle se baseia na Lgica Paraconsistente Anotada Evidencial E. O rob Emmy II
possui, basicamente, as mesmas caractersticas que o rob Emmy I, mas sua estrutura
mecnica mais compacta e seu sistema de controle possui algumas diferenas em relao
68
ao rob Emmy I.
J o rob Emmy III tem por objetivo encontrar um destino pr-definido num ambiente noestruturado. O sistema de navegao e controle desse rob se baseia na utilizao das
Redes Neurais Artificiais Paraconsistentes (RNAP).
O rob mvel autnomo Emmy III ainda no construdo fisicamente.
2
Rob Mvel Autnomo Emmy I
O rob mvel autnomo Emmy I [1, 8] foi construdo em 1999 e consiste de uma
plataforma mvel de alumnio de formato circular de 30 cm de dimetro e 60 cm de altura.
O rob foi projetado em mdulos sobrepostos separados por funo no sistema de controle,
facilitando a visualizao da ao de cada mdulo no controle de movimentao do rob.
Na movimentao do rob Emmy I num ambiente no estruturado as informaes sobre a
existncia ou no de obstculo na sua trajetria so obtidas por intermdio do dispositivo
denominado Parasnico. O Parasnico capaz de captar obstculos na trajetria
transformando-os proporcionalmente as medidas de distncia entre o rob e o obstculo em
sinais eltricos, na forma de uma tenso eltrica contnua que pode variar de 0 a 5 volts.
O Parasnico basicamente composto por dois sensores de ultrassom tipo POLAROID
500 [53] e um Microcontrolador 8051. A funo do Microcontrolador 8051 fazer a
sincronizao entre as medies dos dois sensores de ultrassom e a transformao da
grandeza distncia em tenso eltrica.
O sistema de controle de navegao do rob feito por um Controlador Lgico
Paraconsistente - Paracontrol e que recebe e faz o tratamento dos sinais eltricos.
O Paracontrol recebe informaes na forma de graus de evidncia favorvel e contrria, faz
uma anlise paraconsistente que resulta em sinais representativos de estados lgicos e
graus de certeza e de incerteza. As duas formas de sada podem ser utilizadas no controle,
dependendo do projeto. O Paracontrol ainda oferece alternativa de ajustes de controle
69
externamente atravs de potencimetros.

Com a informao do estado resultante, o microcontrolador decide a ao a ser tomada
pelo rob.
A Figura I mostra as partes principais do rob Emmy I.
Figura I. Destaque das partes principais do rob Emmy
Nos trabalhos relacionados com controle clssico de robs mveis autnomos descrevemse tcnicas tradicionais de planejamento e de navegao em roteiros conhecidos e
desconhecidos. Muito dos resultados apresentam tempo computacional muito alto ou um
sistema de controle muito complexo o que impossibilita a efetiva aplicao do controle.
Porm, a maior dificuldade o reconhecimento em situaes reais de mudanas de
ambiente, pois muitas indefinies e inconsistncias aparecem nas anlises dos sinais
captados.
A Lgica Paraconsistente Anotada Evidencial E possibilita considerar incertezas,
inconsistncias e paracompletezas de um modo no-trivial e por isso, se mostra mais
propcia no enquadramento de problemas ocasionados por situaes como essas.
O rob Emmy I obteve bons resultados apesar das limitaes tcnicas como ausncia de:
mltiplas velocidades, diferentes tipos de sensores, acionamentos de braos mecnicos,
sincronizao de velocidade entre os motores, amortecedores, freios, etc. Os testes
70
efetuados demonstram que o Paracontrol pode ser aplicado para ajudar a solucionar
problemas ligados a navegao de robs e tratamento de sinais representativos de
informaes sobre o ambiente.
O sistema de controle utilizando o Paracontrol apresenta boa capacidade de modificar o
comportamento do rob quando h modificaes inesperadas das condies ambientais.
Pode-se ver na Figura II o aspecto fsico do rob Emmy I.
Figura II. Rob Emmy I
Rob Mvel Autnomo Emmy II
Investigando-se o controlador do rob Emmy I, chamado de Paracontrol, percebeu-se que

o seu funcionamento poderia ser melhorado. Assim, surgiu o rob mvel autnomo Emmy
II [9, 18] com objetivo de executar as mesmas funes que o rob Emmy I, mas, com um
desempenho mais eficiente.
O rob mvel autnomo Emmy II possui as caractersticas mostradas na Figura III.
71
Figura III. Representao do rob Emmy II
O rob Emmy II constitui-se, basicamente, de dois sensores (S1 e S2) e dois motores
(motor 1 e motor 2) com rodas presas a seus eixos. Esses elementos esto acoplados a uma
plataforma circular de 25cm de dimetro. Um microcontrolador responsvel por receber
os sinais gerados pelos sensores de ultrassom, manipulando-os segundo o algoritmo Paraanalisador, e acionar os motores.
Os movimentos possveis neste rob so os seguintes:
1.
Seguir em frente em linha reta. Os motores 1 e 2 so acionados para frente ao

mesmo tempo com a mesma velocidade.
2.
Ir para trs em linha reta. Os motores 1 e 2 so acionados para trs ao mesmo tempo
com a mesma velocidade.
3.
Girar para a direita. Apenas o motor 1 acionado para frente com o motor 2 parado.
4.
Girar para a esquerda. Apenas o motor 2 acionado para frente com o motor 1
parado.
5.
Girar para a direita. Apenas o motor 2 acionado para trs com o motor 1 parado.
6.
Girar para a esquerda. Apenas o motor 1 acionado para trs com o motor 2 parado.
72
O sinal gerado pelo sensor S1 considera-se como grau de evidncia favorvel e o sinal
originado pelo sensor S2 considera-se como grau de evidncia contrria da proposio A
frente do rob est livre. Quando existe um obstculo prximo ao sensor S1 o grau de
evidncia favorvel baixo e quando o obstculo est distante do sensor S1 o grau de
evidncia favorvel alto. Por outro lado, quando existe um obstculo prximo ao sensor
S2 o grau de evidncia contrria alto e quando o obstculo est distante do sensor S2 o
grau de evidncia contrria baixo.
O rob decide qual movimento escolher baseado nos valores do grau de evidncia
favorvel, no grau de evidncia contrria e no sistema de controle proposto de acordo com
o reticulado com os respectivos estados lgicos extremos e no-extremos da Figura IV.
Figura IV. Reticulado com os estados lgicos utilizado pelo rob Emmy II
A verificao dos valores do grau de evidncia favorvel e do grau de evidncia contrria,

tomada de deciso e movimentao dos motores feita de forma sequencial. Tal sequncia
de aes quase imperceptvel ao se observar o rob movimentando-se.
Para cada estado, a respectiva deciso a seguinte:
73
- Estado V: Ir para frente. Os motores 1 e 2 so acionados para frente1 ao mesmo tempo.

- Estado F: Ir para trs. Os motores 1 e 2 so acionados para trs ao mesmo tempo.
- Estado : Girar para a direita. Apenas o motor 1 acionado para frente.
Permanecendo o motor 2 parado.
- Estado T: Girar para a esquerda. Apenas o motor 2 acionado para frente.
- Estado QF: Girar para a direita. Apenas o motor 2 acionado para trs.
- Estado QFT: Girar para a esquerda. Apenas o motor 1 acionado para trs.
As justificativas para as escolhas so as seguintes:
- Quando o estado for Verdadeiro (V), significa que a frente do rob est livre.
Assim, o rob pode seguir em frente.
- Na Inconsistncia (T), e assumem valores altos (i.e., pertencentes regio T). Isto
significa que S1 est distante de um obstculo e S2 est prximo de um obstculo,
sendo que o lado esquerdo est mais livre que o direito. Assim, a ao recomendada
girar para a esquerda. Aciona-se apenas o motor 2 para frente e mantendo o motor 1
parado.
- Quando for detectado o estado de Paracompleteza (), e assumem valores baixos.
Isto significa que S1 est prximo de um obstculo e S2 est distante de um obstculo,
sendo que o lado direito est mais livre que o esquerdo. Portanto, a deciso deve ser
Significa obviamente que as respectivas rodas giram fazendo com que o rob se movimente para frente.
Este e outros abusos de linguagem so cometidos ao longo do trabalho.
74
girar para a direita. Aciona-se apenas o motor 1 para frente e mantendo o motor 2
parado.
- No estado de Falsidade (F), a frente do rob est obstruda por um o obstculo muito
prximo do rob. Portanto, a deciso recuar.
- No estado Quase-falso tendendo ao Inconsistente (QFT), a frente do rob continua
obstruda, com as seguintes caractersticas: o obstculo no est to prximo como na
Falsidade e o lado esquerdo est um pouco mais livre do que o direito. A deciso
girar para a esquerda acionando-se apenas o motor 1 para trs e mantendo-se o motor
2 parado.
- No estado Quase-falso tendendo ao Paracompleto (QF), a frente do rob continua
obstruda, do seguinte modo: o obstculo no est to prximo como na falsidade e o
lado direito est um pouco mais livre do que o esquerdo. A deciso girar para a
direita, acionando-se apenas o motor 2 para trs e mantendo-se o motor 1 parado.
A plataforma utilizada para a montagem do rob Emmy II possui aproximadamente 25 cm
de dimetro e 23 cm de altura. Os componentes principais do rob Emmy II so um
microcontrolador da famlia 8051, dois sensores de ultrassom e dois motores de corrente
contnua.
Os sensores de ultrassom so responsveis pela verificao de obstculos frente do rob.
Os sinais gerados pelos sensores so enviados para o microcontrolador. Os valores do grau
de evidncia favorvel () e do grau de evidncia contrria () na proposio A frente do
rob est livre so determinados pelo microcontrolador com base nos sinais recebidos dos
sensores de ultrassom. O microcontrolador tambm determina o movimento a ser
executado pelo rob, ou seja, qual motor deve ser acionado, com base na deciso
proveniente do Paracontrol.
75
A Figura V mostra o diagrama em blocos simplificado do rob mvel autnomo Emmy II.
Figura V. Diagrama em blocos simplificado do rob Emmy II
O circuito eletrnico do rob Emmy II se divide em quatro partes:

-
Circuito de alimentao.
Circuito dos sensores.
Circuito de controle.
Circuito de atuao.
A Figura VI mostra a vista frontal do rob Emmy II, a Figura VII mostra os dois sensores
ultrassnicos S1 e S2 e a Figura 8 mostra os motores do rob.
Figura VI. Vista frontal do rob Emmy II
76
Figura VII. Vista superior do rob Emmy II

Figura VIII. Vista inferior do rob Emmy II
O rob Emmy II teve um desempenho satisfatrio nos testes realizados. Ele conseguiu
desviar da maioria dos obstculos existentes no ambiente de teste.
4
Rob Mvel Autnomo Emmy III
Tanto o rob Emmy I quanto o rob Emmy II so capazes de desviar de obstculos num
ambiente no estruturado. Mas, so incapazes de encontrar um destino pr-determinado e
se localizarem. O sistema de navegao e controle apresentado neste texto uma tentativa
de se construir um terceiro rob agora capaz de encontrar um destino num ambiente no
estruturado de forma autnoma. Esse rob seria chamado Emmy III. O Sistema de
Navegao e Controle do Rob Emmy III divide-se em trs partes: Subsistema Mecnico,
Subsistema de Planejamento e Subsistema de Sensoriamento.
Chama-se de Subsistema Mecnico a estrutura fsica do rob. Essa estrutura deve ser capaz
de carregar todos os sensores e dispositivos de controle que compe o Sistema de
navegao e Controle. O Subsistema Mecnico deve ser capaz de fornecer as informaes
necessrias para que o Sistema de Navegao e Controle funcione adequadamente, alm de
executar os movimentos determinados pelo Subsistema de Planejamento.
O Subsistema de Planejamento responsvel por gerar a sequncia de aes que a
estrutura mecnica deve realizar para sair de uma posio origem e alcanar uma posio
destino. Neste trabalho considera-se que o Subsistema de Planejamento mapeia o ambiente
77
em torno do rob, dividindo-o em coordenadas. Assim, no Sistema de Navegao e

Controle o Subsistema de Sensoriamento responsvel por informar o Sistema de
Planejamento quais coordenadas esto obstrudas.
O Subsistema de Planejamento solicita uma srie de aes ao Subsistema Mecnico de tal
forma que a plataforma mecnica seja capaz de deixar a coordenada onde se encontra e
passando, por diversas outras coordenadas, alcance a coordenada destino.
Nessas aes o Subsistema de Sensoriamento deve manipular dados oriundos dos mais
diversos tipos de sensores que monitoram o ambiente em torno do rob. Esses dados,
muitas vezes, so imprecisos e/ou contraditrios, devendo receber um tratamento adequado
em tempo real. Em diversos trabalhos como em [22, 31] a Lgica Paraconsistente
Evidencial E e as Redes Neurais Artificiais Paraconsistentes se mostram uma boa
ferramenta para lidar com incertezas, contradies (inconsistncia) ou paracompletezas.
Por isso, neste trabalho elas so utilizadas para compor o Subsistema de Sensoriamento e o
Subsistema de Planejamento.
A Figura IX mostra a estrutura do sistema de controle e navegao proposto.
Figura IX. Estrutura do sistema de controle e navegao proposto
Observa-se que o esquema geral do Sistema de Navegao e Controle utiliza o Subsistema

de Sensoriamento para alimentar um banco de dados com as informaes sobre as
78
condies do ambiente em torno do rob. Para cada coordenada, o banco de dados

armazena informaes sobre o seu estado, informando se a mesma est ocupada ou no.Por
sua vez, o Subsistema de Planejamento, antes de gerar a sequncia de aes que o
Subsistema Mecnico deve executar para alcanar a posio destino, consulta o banco de
dados. Assim, ele capaz de gerar e informar ao Sistema de Navegao e Controle uma
trajetria que desvia dos obstculos existentes no ambiente em torno do rob.
Alguns prottipos do rob Emmy III j foram construdos [54, 56].
Conforme descrito anteriormente, o objetivo deste trabalho apresentar um sistema de
navegao e controle de um rob mvel autnomo, e para isso, dividiu-se esse sistema em
trs mdulos: Subsistema de Sensoriamento, Subsistema Planejamento e o Subsistema
Mecnico.
O Subsistema de Sensoriamento considera o ambiente mapeado dividido em clulas e est
inicialmente preparado para receber informaes de sensores de ultrassom. Mas, com
algumas alteraes em sua configurao, o Subsistema de Sensoriamento pode receber
informaes de outros tipos de sensores.
As informaes advindas dos sensores so tratadas por uma Rede Neural Artificial
Paraconsistente que possui como sada o Grau de Evidncia Favorvel da proposio
existe obstculo na clula para cada clula analisada. Essas informaes so
armazenadas num banco de dados.
O Subsistema de Planejamento responsvel por gerar a sequncia de movimentos para
que o rob mvel se desloque at uma posio destino. Existem oito tipos diferentes de
movimentos que esse sistema pode gerar. Cada movimento corresponde a um nmero,
assim, a sada desse sistema uma sequncia numrica, sendo que cada nmero
corresponde a um movimento diferente. A plataforma mecnica que compe o rob,
79
tambm chamada de Subsistema Mecnico, deve ser capaz de interpretar esses nmeros e
executar os movimentos correspondentes.
O Subsistema Mecnico apesar de no ter sido implementado ainda, tem como base os
trabalhos anteriores, onde foram construdas as plataformas Emmy I e Emmy II.
Referncias
1.

de Circuitos Eletrnicos, Tese. EPUSP, So Paulo, 1999
2.
Da Silva Filho, J.I. & J.M. Abe, Para-Fuzzy Logic Controller Part I: A New Method
of Hybrid Control Indicated for Treatment of Inconsistencies Designed with the
Junction of the Paraconsistent Logic and Fuzzy Logic. In: International Icsc Congress
on Computational Intelligence Methods and Applications - CIMA99. 1999. Rochester
Institute of Technology, RIT, Rochester, N.Y., USA.
3.
Da Silva Filho, J.I. & J.M. Abe, Para-Fuzzy Logic Controller Part II: A Hybrid
Logical Controlller Indicated for Treatment of Fuzziness and Inconsistencies. In:
International Icsc Congress on Computational Intelligence Methods and Applications
- CIMA99. 1999b. Rochester Institute of Technology, RIT, Rochester, N.Y., USA.
4.
Da Silva Filho, J.I. & J.M. Abe, Para-Analyser and Inconsistencies in Control Systems.
In: Iasted International Conference on Artificial Intelligence And Soft Computing
(ASC99). Honolulu, Hawaii, USA, ago. 9-12, 78-85, 1999c.
5.
Da Silva Filho, J.I. & J.M.Abe, Emmy: a paraconsistent autonomous mobile robot, in
Logic, Artificial Intelligence, and Robotics. In: 2ND Congress of Logic Applied To
Technology Laptec2001. In: Abe, J.M.; Da Silva Filho, J.I. [edts.] Frontiers in
Artificial Intelligence and Its Applications. Amsterdam/Tokyo: IOS Press/Ohmsha, v.
71, 53-61, 287, 2001.
80
6.
Da Silva Filho, J.I. & J.M. Abe, Paraconsistent electronic circuits. International
Journal of Computing Anticipatory Systems, v. 9, 337-345, 2001.
7.
Da Silva Filho, J.I. & J.M. Abe, Para-Control: An Analyser Circuit Based On
Algorithm For Treatment of Inconsistencies. In: World Multiconference on Systemics,
Cybernetics And Informatics, Isas. Sci 2001, Vol. Xvi, Cybernetics and Informatics:
Concepts and Applications (Part I), Orlando, Florida, USA, 199-203, 2001.
8.
Silva Filho, J.I., C.R. Torres & J.M. Abe, Rob Mvel Autnomo Emmy: Uma
Aplicao Eficiente da Lgica Paraconsistente Anotada, Seleo Documental, ISSN
1809-0648, Nmero 3, Editora ParaLogike, Santos So Paulo, 19-26, JulhoSetembro/2006.
9.
Torres, C.R., Sistema Inteligente Paraconsistente para Controle de Robs Mveis

Autnomos. Dissertao. Universidade Federal de Itajub, Itajub, 85 pp., 2004.
10. Torres, C.R., J.M. Abe & G. Lambert-Torres, Sistema Inteligente para Controle de
Robs Mveis Autnomos. I Workshop UniversidadeEmpresa Em Automao,
Energia E Materiais. Taubat, So Paulo, 2004.
11. Torres, C.R., J.M. Abe & G. Lambert-Torres, Rob Mvel Emmy II. Coleo
Documentos, Srie Lgica e Teoria da Cincia, IEA-USP, n. 58, 1-14, 2005.
12. Torres, C.R., J.M. Abe & G. Lambert-Torres, Sistema Inteligente para Controle de
Robs Mveis Autnomos, Coleo Documentos, Srie Lgica e Teoria da Cincia,
IEA-USP, ISSN 16799429, Nmero 58, pg. 15-28, 2005b.
13. Torres, C.R., J.M. Abe & G. Lambert-Torres, Rob Mvel Autnomo Emmy II,
Seleo Documental, n. 4, ed. ParaLogike, Santos, So Paulo, 5-10, out./dez. de 2006.
14. Torres, C.R., Lambert-Torres, G., L.E.B. da SILVA & J.M. ABE, Intelligent System
of Paraconsistent Logic to Control Autonomous Moving Robots. In: 32nd Annual
Conference of The Ieee Industrial Electronics Society. Paris: IEEE Press, 2006.
81
15. Abe, J.M., Torres, C.R., Lambert-Torres, G., K. Nakamatsu & M. Kondo, Intelligent
Paraconsistent Logic Controller and Autonomous Mobile Robot Emmy II. Lecture
Notes in Computer Science, v. 4252, 851-857, 2006.
16. Abe, J.M., Torres, C.R., Lambert-Torres, G., K. Nakamatsu & M. Kondo, Intelligent
Paraconsistent Logic Controller and Autonomous Mobile Robot Emmy II. In: 10th
International Conference on Knowledge-Based, Intelligent Information & Engineering
Systems, KES2006, 2006, Bournemouth. Proceedings of the 10th International
Conference on Knowledge-Based, Intelligent Information & Engineering Systems.
Bournemouth - UK : KES Pub., 2006.
17. Torres, C.R., J.M. Abe & G. Lambert-Torres, Sistema Inteligente Paraconsistente para
Controle de Robs Mveis Autonmos. Seleo Documental, ISSN 1809-0648,
Nmero 7, Editora ParaLogike, Santos So Paulo, 13-18, Julho-Setembro/2007.
18. Torres, C.R. & M.R. Bombacini, Rob Autnomo com Sistema de Controle
microprocessado e Fundamentado em Lgica Paraconsistente. Seleo Documental, n.
5, ed. ParaLogike, Santos, So Paulo, 14-18, jan./mar. de 2007.
19. Abe, J.M., Lambert-Torres, G., Da Silva Filho, J.I., C.R. Torres & H.G. Martins,
Paraconsistent Autonomous Mobile Robot Emmy III. In: 6th Congress of Logic
Applied To Technology LAPTEC2007. Proceedings of the VI Congress of Logic
Applied to Technology. Santos, So Paulo, 2007.
20. Torres, C.R., Abe, J.M., Lambert-Torres, G., J.I. Da Silva Filho & H.G. Martins,
Autonomous Mobile Robot Emmy III. In: Nakamatsu, K., Phillips-Wren, G., Jain,
L.C., Howlett, R. J.[Orgs.]. New Advances in Intelligent Decision Technologies, 1 ed.
Helderberg: Springer-Verlag, v. 199, 317-327, 2009.
21. Abe, J.M., Torres, C.R., Lambert-Torres, G., Da Silva Filho, J.I. & H.G. Martins,
Paraconsistent Autonomous Mobile Robot Emmy III. In: Torres, G.L.; J.M. Abe; J.I.
82
Da Silva Filho; H.G. Martins. [Orgs.]. Advances in Technological Applications of

Logic and Intelligent Systems. 1 ed. Amsterdam: IOS Press, v. 186, 236-258, 2009.
22. Almeida Prado, J.P., J.M. Abe & A. Scalzitti, Modeling the Behavior of Paraconsistent
Robots. In: Advances in Logic Based Intelligent Systems. In: 5th Congress of Logic
Applied To Technology LAPTEC2005. In: K. Nakamatsu & J.M. Abe, Frontiers in
Artificial Intelligence and Applications, IOS Press, Amsterdan, v. 132, 120-126, 289,
2005.
23. vila, B.C., Uma Abordagem Paraconsistente Baseada em Lgica Evidencial para
Tratar Excees em Sistemas de Frames com Mltipla Herana. Tese. Universidade
de So Paulo, So Paulo, 133, 1996.
24. vila, B.C., Abe, J.M. & J.P.A. Prado, ParaLog-e: A Paraconsistent Evidential Logic
Programming Language. In: XVII International Conference of The Chilean Computer
Science Society. In: IEEE Computer Society Press, Valparaso, Chile, 2-8, 1997.
25. Ferrara, L.F.P., Redes neurais artificiais aplicada em um reconhecedor de caracteres.
Dissertao. Universidade Federal de Uberlndia - UFU, Uberlndia, MG, 2003.
26. Mario, M.C., Proposta de aplicao das redes neurais artificiais paraconsistentes
como classificador de sinais utilizando aproximao funcional. Dissertao.
Universidade Federal de Uberlndia - UFU, Uberlndia, MG, 2003.
27. Mario, M.C., Modelo de Anlises de Variveis Craniomtricas atravs das Redes de
Neurais Artificiais Paraconsistentes. Tese. Faculdade de Medicina da Universidade de
So Paulo FMUSP, So Paulo, 2006.
28. Mario, M.C., Sistema Classificador de Sinais Projetado com Redes Neurais Artificiais
Paraconsistentes. Revista Seleo Documental, Ed. Paralogike Santos, So Paulo, v2
n.7, 17-27, jul./set. de 2007.
83
29. Martins, H.G., A Lgica Paraconsistente Anotada de Quatro Valores LPA4v

aplicada em Sistema de Raciocnio Baseado em Casos para o Restabelecimento de
Subestaes Eltricas, Tese. UNIFEI, 2003.
30. Prado, J.P.A., Uma Arquitetura em Inteligncia Artificial Baseada em Lgica
Paraconsistente, Tese. Universidade de So Paulo, So Paulo, 1996.
31. Rosa e Silva, S., Aplicao da Lgica Paraconsistente Anotada no mtodo de campos
potenciais para navegao de robs. Dissertao.
Engenharia de Produo da
Universidade Paulista, So Paulo, 2005.

32. Subrahmanian, V.S., On the Semantcs of Quanttatve Logc Programs, In: 4th IEEE
Symposium on Logic Programming, Computer Society Press. Washington D.C.,173182, 1987.
33. Abe, J.M., Fundamentos da Lgica Anotada. Tese. Faculdade de Filosofia, Letras e
34. Abe, J.M., Some Aspects of Paraconsistent Systems and Applications. Logique et
Analyse, v. 157, 83-96, 1997.
35. Abe, J.M., Annotated logics Q and model theory, in Logic, Artificial Intelligence,
and Robotics. In: 2ND Congress of Logic Applied To Technology LAPTEC2001. In:
Abe, J.M.; Da Silva Filho, J. I. [edts.] Frontiers in Artificial Intelligence and Its
Applications. Amsterdam/Tokyo: IOS Press/Ohmsha, v. 71, 1-12, 287, 2001.
36. Abe, J.M. & S. Akama, A Logical System for Reasoning with Fuzziness and
Inconsistencies. In: Iasted International Conference on Artitficial Intelligence And Soft
Computing (ASC99). Honolulu, Hawaii, USA, 221-225, 1999.
37. Abe, J.M., B.C. vila & K. Nakamatsu, Paraconsistent Annotated Logic Programming
Paralog. International Journal of Computing Anticipatory Systems, v. 6, 51-65, 1999.
84
38. Abe, J.M. & J.I. Da Silva Filho, Inconsistency and Electronic Circuits. In:
International Icsc Symposium on Engineering of Intelligent Systems (EIS98). v 3.
ALPAYDIN, E. [ed.]. Artificial Intelligence, ICSC Academic Press International
Computer Science Conventions, Canada/Switzerland, 191-197, 1998.
39. Akama, S. & J.M. ABE, Fuzzy annotated logics. In: 8th International Conference On
Information Processing And Management Of Uncertainty In Knowledge Based
Systems, IPMU2000. Universidad Politcnica de Madrid (Spain), jul. 3-7, 2000,
Madri, Espanha, v. 1, 504-508, 2000.
40. Da Costa, N.C.A.; J.M. Abe & V.S. Subrahmanian, Remarks on Annotated Logic.
Zeitschrift fur Mathematische Logik und Grundlagen der Mathematik, v. 37, 561-570,
1991.
41. Da Costa, N.C.A., Abe, J.M., Da Silva Filho, J.I., A.C. Murolo & C.F.S Leite, Lgica
Paraconsistente Aplicada. So Paulo, Atlas, 1999
42. Da Costa, N.C.A., Prado, J.P.A., Abe, J.M., B.C. vila & M. Rillo, Paralog: Um
Prolog Paraconsistente Baseado Em Lgica Anotada. Coleo Documentos Srie
Lgica e Teoria da Cincia, col. Documentos, IEA - USP, So Paulo, n.18, 1-28, 1995.
43. Da Silva Filho, J. I., Implementao de Circuitos Lgicos Fundamentados em Uma
Classe de Lgicas Paraconsistentes Anotada. Dissertao. Escola Politcnica da
Universidade de So Paulo, So Paulo, 131pp, 1997.
44. Nakamatsu, K.; J.M. Abe & A. Suzuki, Defeasible Reasoning Between Conflicting
Agents Based on Valpsn. American Association For Artificial Intelligence - AAAI99,
AAAI Press American Association for Artificial Intelligence, Menlo Park, California,
USA, 20-27, 1999.
45. Nakamatsu, K.; J.M. Abe & A. Suzuki, Annotated Semantics for Defeasible Deontic
Reasoning, Rough Sets and Current Trends in Computing, The Second International
85
Conference On Rough Sets And Current Trends In Computing - RSCTC'2000. Banff,

Canada, Lecture Notes in Artificial Intelligence series, LNAI 2005, Springer-Verlag,
470-478, 2000.
46. Scalzitti, A., J.I. Da Silva Filho & J.M. Abe, A Formalization for Signal Analysis of
Information in Annotated Paraconsistent Logics. In: 2ND Congress of Logic Applied to
Technology LAPTEC2001. Frontiers in Artificial Intelligence and Applications,
IOS Press, Amsterdan, v. 71, 215-223, 286, 2001.
47. Sylvan, R. & J.M. Abe, On general annotated logics, with an introduction to full
accounting logics. Bulletin of Symbolic Logic, n. 2, 118-119, 1996.
48. Da Silva Filho, J.I. & J.M. Abe, Fundamentos das Redes Neurais Paraconsistentes:
Destacando Aplicaes em Neurocomputao. So Paulo, Arte & Cincia, 2001.
49. Da Silva Filho, J.I.; J.M. Abe & G. Lambert-Torres, Inteligncia Artificial com Redes
de Anlises Paraconsistentes: Teoria e Aplicao. Rio de Janeiro, LTC, 2008.
50. Abe, J.M. & J.I. Da Silva Filho, A Para-Analyser Method to Increase Robot
Availability Through Maintenance. In: International Conference on Industrial
Logistic 2001. 9-12 July 2001, Okinawa, Japan, 327-337, 2001.
51. Abe, J.M. & J.I. Da Silva Filho, Simulating Inconsistencies in a Paraconsistent Logic
Controller. In: Fifth International Conference On Computing Anticipatory Systems,
CASYS2001. CHAOS, Centre for Hyperincursion and Anticipation in Ordered
Systems CHAOS asbl, Institut de Mathmatique, Universit de Lige, Lige, Belgium,
2001.
52. Abe, J.M. & J.I. Da Silva Filho, Manipulating Conflicts and Uncertainties in Robotics,
Journal of Multiple-Valued Logic and Soft Computing, Philadelfia, USA, Old City
Publishing, v. 9, n. 2, 147-169, 2003.
53. Polaroid, Manual do sensor de ultrassom com sistema Polaroid 500, 1996.
86
54. Desiderato, J.M.G. & E.N. De Oliveira, Primeiro Prottipo do Rob Mvel Autnomo
Emmy III. Monografia (Trabalho de Concluso de Curso). Universidade Metodista de
So Paulo, So Bernardo do Campo, SP, 2006.
55. Maran, L.H.C., Riba, P.A., R.G. Collett & R.R. De Souza, Mapeamento de um
ambiente no estruturado para orientao de um rob mvel autnomo utilizando
redes neurais paraconsistente. Monografia (Trabalho de Concluso de Curso).
Universidade Metodista de So Paulo, So Bernardo do Campo, 2006.
56. Leal, B.R., D.M. Da Silva & D.B.Vieira, Segundo Prottipo do Rob Mvel
Autnomo Emmy III. Monografia (Trabalho de Concluso de Curso). Universidade
Metodista de So Paulo, So Bernardo do Campo, SP, 2009.
Cludio Rodrigo Torres - Doutorado (2010) e Mestrado (2004) em Engenharia Eltrica

pela Universidade Federal de Itajub. Graduao em Engenharia Eltrica pela
Universidade Santa Ceclia (2000). Membro do Grupo de Lgica Paraconsistente Aplicada
GLPA e do Grupo Interdisciplinar de Gesto de Cidades. Atualmente professor da
Faculdade de Exatas e Tecnologia da Universidade Metodista de So Paulo.
87

Neurais Artificiais Paraconsistentes

Mauricio Conceio Mario1, Jair Minoro Abe2, Neli R. S. Ortega3, Marinho Del Santo Jr.4
1
Universidade Santa Ceclia - Ncleo de Pesquisa em Eletrnica, Santos, So Paulo, Brasil

cmario@unisanta.br
2
Instituto de Estudos Avanados - Universidade de So Paulo, So Paulo, Brasil

Programa de Ps-Graduao em Engenharia de Produo - UNIP
jairabe@uol.com.br
Faculdade de Medicina - Universidade de So Paulo - Departamento de Informtica

Mdica, So Paulo, Brasil
neli@dim.fm.usp.br
4
Faculdade de Medicina da Universidade Federal de So Paulo, So Paulo, Brasil

marinho@delsanto.com.br
Resumo. Neste trabalho apresentado um sistema capaz de sugerir diagnstico e propor

tratamento para malocluso a partir da anlise de variveis craniomtricas, utilizando os
conceitos da Lgica Paraconsistente Anotada - LPA [1]. Em ortodontia, a classificao
angular usada para quantificar a malocluso alm dos limites dentais originais, embora
esta classificao nem sempre represente uma melhor interpretao do complexo
craniofacial. Quando so assessados registros de um indivduo que apresenta uma
malocluso dental ou esqueletal, no se pode classific-lo rigidamente como pertencente a
um grupo de malocluso Classe II ou III. Deve ser considerado que a malocluso, se dental
ou esqueletal, tem uma faixa estreita para separar o que considerado normal do anormal
[13]. O uso de tcnicas de Inteligncia Artificial atravs da LPA para interpretar estes
88

casos, pode colaborar no aspecto de rapidez e eficcia do diagnstico em ortodontia. A

LPA uma classe de Lgica No Clssica que permite manipular sinais contraditrios sem
trivializao. Neste trabalho, as Clulas Neurais Artificiais Paraconsistentes - CNAP [7],
construdas com algoritmos baseados na LPA, sero devidamente agrupadas em estruturas
denominadas Redes Neurais Artificiais Paraconsistentes RNAP [7], de modo que possam
tratar
as
informaes
originadas
pelas
variveis
craniomtricas.
As
variveis
craniomtricas so tratadas em blocos da RNAP que classificam a malocluso em ntero

posterior e vertical, e um bloco adicional da RNAP utilizado para avaliar as alteraes
dentrias.
Palavras-chave: Variveis craniomtricas, Lgica Paraconsistente Anotada, Diagnstico,
malocluso, Redes Neurais.
Abstract. In this work, we present a system that can suggest the diagnosis and propose
treatment for malocclusion from the analysis of craniometric variables, using the concepts
of the Paraconsistent Annotated Logic (PAL). In orthodontics, the angular classification is
used to quantify the dental malocclusion beyond the original limits, although this
classification does not always represent a better interpretation of the craniofacial complex.
When the dental records of an individual who has a dental or skeletal malocclusion are
accessed, it is not possible to classify it as strictly belonging to a malocclusion group of
Class II or III. It must be considered that the malocclusion, whether dental or skeletal, has
a narrow range to separate what is considered normal from abnormal. The use of Artificial
Intelligence techniques through the PAL to interpret these cases is able to collaborate in the
aspect of speed and effectiveness of orthodontic diagnosis. The LPA is a class of Non
Classical Logic which allows manipulating contradictory signals without trivialization. In
this work, the Paraconsistent Artificial Neural Cells - PANCel, built with algorithms based
89

on the PAL will be properly grouped into structures called Paraconsistent Artificial Neural
Networks - PANNet, so that they can process information arising from craniometric
variables. The craniometric variables are treated in blocks of PANNet to classify
malocclusion in anteroposterior and vertical dimensions, and an additional block of
PANNet Is used to evaluate the dental changes.
Keywords:
Craniometric
variables,
Paraconsistent
Annotated
Logic,
Diagnosis,
malocclusion, Neural Networks.
Introduo
As Variveis Craniomtricas: Por volta de 1930, iniciaram-se estudos na Universidade de

Michigan pelos professores Dean Williard Olson e Byron o. Hughes sobre crescimento
longitudinal em um grupo de crianas em um perodo de 12 anos (faixa dos 3 aos 18 anos
aproximadamente), onde eram coletados dados relativos ao aspecto dental, radiografia
lateral da mandbula e radiografia do plano oclusal. Este processo foi descontinuado por
volta de 1953. Em 1966, os professores Donald H. Enlow e Robert Moyers do National
Institutes of Health iniciaram ento extenso programa com o propsito de estudos
multidisciplinares sobre o crescimento e desenvolvimento craniofacial. Um dos aspectos
mais importantes deste projeto foi o desenvolvimento de mtodos para computar e
armazenar estes dados [16], muitos deles citados neste projeto como variveis
craniomtricas
O trabalho Fundamentos das Redes Neurais Artificiais Paraconsistentes [7] descreve a
base terica de redes construdas
a partir de clulas chamadas de paraconsistentes,
fundamentadas nas lgicas no-clssicas, indicadas para sistemas especialistas onde

ocorrem situaes no triviais. Como conseqncia deste, foi elaborado o trabalho de
90

pesquisa e simulaes:
Proposta de Aplicao das Redes Neurais Artificiais
Paraconsistentes como Classificador de Sinais utilizando aproximao funcional [11] que

utiliza uma Rede Neural Artificial Paraconsistente para classificar e discriminar padres de
sinais, como por exemplo, sinais bioeltricos [22] [9], propriedades que so aproveitadas
neste trabalho para analisar as variveis craniomtricas.
2
Variveis Craniomtricas
2.1
Pontos Cefalomtricos utilizados
A anlise cefalomtrica proposta visa medir as alteraes esqueletais ntero-posteriores

(Campo I) e verticais (Campo II) e as alteraes dentrias (Campo III) [17]. As variveis
craniomtricas ou cefalomtricas so obtidas a partir de 17 pontos cefalomtricos, a partir
dos quais podem se gerar planos, retas e ngulos.
2.2
Campos de Anlise
O complexo craniofacial foi dividido em trs campos, de acordo com os possveis

diagnsticos:
a) Campo I: Malocluso ntero-Posterior;
b) Campo II: Malocluso Esqueletal Vertical;
c) Campo III: Alteraes Dentrias.
3
Eficcia da Anlise Cefalomtrica
Basicamente, uma anlise cefalomtrica convencional compara as medidas de um

indivduo com um padro, ou seja, uma norma para aquela medida, provida por uma
amostra de pacientes que tenham, basicamente, a mesma idade e sexo. Tal informao ,
na melhor das hipteses, uma sugesto do grau de desvio da normalidade para aquela
varivel em particular.
91

Um melhor cenrio seria se saber o quanto o valor de uma determinada varivel de um

determinado paciente est desviado de sua norma similar, mas de forma contextualizada e
no individualizada. Em outras palavras, medir o quanto o desvio sugerido na prtica um
desvio significativo para aquela situao particular. Essa tarefa no fcil e por isso existe
o conceito de haver duas verdades: a verdade dos nmeros e a verdade observada.
Em realidade, a diferena entre essas duas verdades apenas reflete a limitao da
praticidade das ferramentas matemticas convencionais aplicadas em Cefalometria. Melhor
seria que, mais do que uma classificao fria e seca como no-desviado ou desviado,
entendssemos o grau de participao daquele valor na classe do no-desvio e ao mesmo
tempo na classe do desvio.
A anlise cefalomtrica proposta sugere o uso de poucas variveis. No h uma frmula
cefalomtrica ideal, e na prtica cada profissional desenvolve seu prprio mtodo de
diagnstico cefalomtrico, para atender suas necessidades da clnica diria.
A inovao do projeto, entretanto, no est na anlise cefalomtrica, mas na modelagem
matemtica proposta para a anlise. O programa possibilita a interpretao dos valores das
variveis considerando o conjunto de inconsistncias, contradies e evidncias das
informaes,
e dentro do contexto cefalomtrico daquele indivduo em particular
estabelece uma proposio ou diagnstico e o seu grau de evidncia, relacionando-o com o

respectivo tratamento, ou seja, h um sistema especialista que recebe as informaes de
uma anlise paraconsistente, caracterizando Inteligncia Artificial.
Como exemplo: suponha que o ngulo ANB [14] seja, em mdia, 2 para um determinado
sexo e idade. Sabemos que ngulos que cada vez mais se afastam da norma significam um
grau cada vez maior de discrepncia e podemos medir isso com, por exemplo, unidades de
desvio-padro. O que no sabemos o que significa esse valor de ANB medido em relao
a todas as outras variveis esqueletais e dentrias desse paciente. Ou seja, qual o grau de
92

evidncia de anormalidade do ANB medido quando se trata, por exemplo, de um menino

de 9 anos de idade, que possui Wits [14] igual a 4 mm, Eixo Y [14] de 92, inclinao dos
incisivos superiores de 110 em relao base craniana anterior, etc.
Com o sistema especialista proposto pode-se saber, em primeiro lugar, qual o grau de
evidncia de anormalidade de um valor medido (quanto o valor participa da classe
normal e ao mesmo tempo da classe anormal). Em segundo lugar, sabemos qual o
significado desse valor dentro de um contexto clnico em particular. Com as informaes
obtidas (sada), o clnico potencializa os valores obtidos pela anlise cefalomtrica.
4
A Lgica Paraconsistente Anotada com Anotaes de dois valores - LPA2v
As contradies ou inconsistncias so comuns quando descrevemos partes do mundo real.

Os sistemas de anlises e tratamento de sinais utilizados em Inteligncia Artificial
funcionam em geral com base na lgica convencional, onde a descrio do mundo
considerada por dois estados: Falso ou Verdadeiro. Estes sistemas binrios no conseguem
tratar adequadamente as situaes contraditrias. As Lgicas Paraconsistentes nasceram da
necessidade de se encontrar meios de dar tratamento no trivial s situaes contraditrias.
Os estudos e propostas das Lgicas Paraconsistentes apresentaram resultados que
possibilitam considerar as inconsistncias em sua estrutura de um modo no trivial [1], e
por isso, se mostram mais propcias no enquadramento de problemas ocasionados
por situaes de contradies que aparecem quando lidamos com o mundo real.
A Lgica Paraconsistente Anotada LPA uma classe de lgica Paraconsistente Evidencial
que faz tratamento de sinais representados por anotaes permitindo uma descrio e
equacionamento por meio de Algoritmos. Na Lgica Paraconsistente Anotada LPA as
frmulas proposicionais vm acompanhadas de anotaes. Cada anotao, pertencente a
um reticulado finito , atribui valores sua correspondente frmula proposicional.
93

A Lgica Paraconsistente Anotada com anotao de dois valores - LPA2v uma extenso
da LPA e pode ser representada atravs de um reticulado de quatro vrtices [2] onde
podemos estabelecer algumas terminologias e convenes, do seguinte modo:
Seja = < ||, > um reticulado finito fixo, onde:
1. = [0, 1] [0, 1]
2. = {((1, 1), (2, 2)) ([0, 1] [0, 1])21 2 e 1 2} (onde indica a
ordem usual dos nmeros reais). Tal reticulado denomina-se reticulado de
valores-verdade.
5
As Clulas Neurais Artificiais Paraconsistentes
Na anlise paraconsistente o objetivo principal saber com que medida ou grau de certeza
podemos afirmar que uma proposio Falsa ou Verdadeira. Portanto, considerado como
resultado da anlise apenas o valor do grau de certeza Gc. O valor do grau de contradio
Gct um indicativo que informa a medida da inconsistncia. Se houver um baixo valor de
certeza ou muita inconsistncia o resultado uma indefinio.
Denomina-se Clula Artificial Paraconsistente bsica (CAPb) o elemento capaz de,
composto de quando um par de graus de crena e descrena (u1a, u2a) for apresentado na
sua entrada fornecer um resultado na sua sada na forma de uma tripla dada por: Gct = grau
de contradio resultante, Gc = grau de crena resultante e X = constante de anotao
resultante Indefinido [7].
Na Clula Neural Artificial Paraconsistente bsica CNAPb representada pelo algoritmo
Para-Analisador, foram considerados todos os valores envolvidos nas equaes, sendo
assim, se os valores dos graus de certeza e de contradio estiverem fora dos valores
impostos pelos limites ajustveis, a sada um estado denominado de no-extremo, sendo
a este atribudo um valor indefinido I.
94

A partir da Clula Artificial Paraconsistente bsica (CAPb) foram criadas outras Clulas as
quais denominam-se Clulas Neurais Artificiais Paraconsistentes (CNAPs). Os estudos
das CNAPs deram origem a uma famlia de Clulas Neurais Artificiais Paraconsistentes
que constituem os elementos bsicos das Redes Neurais Artificiais Paraconsistentes RNAPs. Neste trabalho para elaborao do Classificador de Sinais foram necessrios
apenas trs tipos [7] de Clulas denominadas: Clula Neural Artificial Paraconsistente de
Aprendizagem CNAPap, que consegue aprender e memorizar um padro aplicado em
sua entrada; uma Clula Neural Artificial Paraconsistente de Conexo Lgica Simples de
Maximizao CNAPLs, que determina a sua sada pelo maior valor aplicado na entrada e
uma Clula Neural Artificial Paraconsistente de Deciso - CNAPd, que determina a sada
final resultante da anlise paraconsistente.
5.1
Clula Neural Artificial Paraconsistente de Aprendizagem - CNAP-Ap
A Clula Neural Artificial Paraconsistente de aprendizagem CNAPap uma Clula Neural

Artificial Paraconsistente Bsica com uma sada 1r interligada entrada do grau de
descrena complementado 2c. De acordo com o seu algoritmo, sucessivos valores
aplicados entrada do grau de crena 1 resulta no aumento gradativo no grau de crena
resultante da sada 1r. Esta clula pode funcionar de dois modos, para aprendizado do
padro de verdade, onde so aplicados valores 1=1 sucessivamente at o grau de crena
resultante na sada chegar 1r=1, e para o aprendizado do padro de falsidade onde so
aplicados valores 1=0 at o grau de crena resultante chegar 1r=1, neste caso a entrada
do grau de crena complementada, e identificada por 1c.
95

Arquitetura e Funcionalidade da Rede
As variveis craniomtricas sero inseridas na rede em trs unidades distintas,

diferenciadas pelo tipo de disfuno de crescimento do crnio. As unidades so:
Unidade I: MalOcluso Esqueletal ntero Posterior
Unidade II: MalOcluso Esqueletal Vertical
Unidade III: Alteraes Dentrias
Cada unidade composta pelos mdulos:
a) mdulo de normalizao: calculam o grau de evidncia da diferena das medidas das
variveis dos pacientes em relao s variveis consideradas normais. Nestes
mdulos esto armazenados os banco de dados com os valores normais das variveis
por sexo e idade.
b) mdulo de modelagem: constroem as matrizes com todos os valores possveis de
graus de evidncia relacionados s variveis dos pacientes, moldando-os com
diferentes valores de desvio padro, o que proporciona aos graus de evidncia uma
maior ou menor atenuao.
c) clula de aprendizagem: aprendem as funes das matrizes que contm os graus de
evidncia.
d) rede neural de evidncia:
armazenam as funes aprendidas pelas clulas de
aprendizagem, e retornam o grau de evidncia modelado de acordo com o desvio

padro, quando uma varivel do paciente inserida na rede.
e) sistema especialista de diagnstico: implementa as inferncias que relacionam as
combinaes dos graus de evidncia das variveis dos pacientes a um diagnstico
especfico relacionado a cada unidade.
f) mdulo de tratamento: relaciona o diagnstico a um tratamento especfico por
unidade.
96

6.1
Metodologia usada para determinao do Grau de Evidncia de uma Varivel

Craniomtrica
Quando uma varivel de paciente inserida em uma das unidades, ela ir ser comparada
com uma varivel normal de um banco de dados com as mdias das variveis normais de
uma amostra da populao brasileira de crianas e adolescentes de 6 a 18 anos, feminino e
masculino, e que est armazenado na prpria rede. A varivel do paciente comparada
com uma varivel normal, e a comparao segue o critrio de que a varivel normal tenha
sido obtida de pessoas com mesmo sexo e idade do paciente.
A parametrizao ser efetuada dentro do intervalo de trabalho da Lgica Paraconsistente,
ou seja, sero atribudos valores entre 0 e 1; todas as variveis normais tero valor 1,
e, s variveis dos pacientes, sero atribudos valores proporcionais de acordo com os
seguintes critrios:
- Se a varivel do paciente for igual a varivel normal (considerando mesmo sexo e
idade), indicando que o paciente tem a respectiva medida normail, ser atribudo um
grau de evidncia = 0 para esta varivel. O grau de evidncia, portanto, um
indicador da discrepncia entre a medida da varivel do paciente e uma varivel
normal. O grau de evidncia da varivel do paciente se aproximar de 1 quando sua
medida estiver prxima a trs vezes o valor do desvio padro estipulado para a
varivel, no banco de dados utlizado.
6.2
Mdulo de Modelagem
A curva da variao do grau de evidncia para cada varivel ser moldada com o desvio
padro variando de acordo com os valores das variveis. Tal efeito far com que as curvas
tenham as caractersticas de diferentes inclinaes de acordo com o valor das variveis, e
de formato simtrico, o que as aproxima dos casos reais.
97

6.3
Clula de Aprendizagem
As matrizes com os graus de evidncia geradas pelas funes ntero Posterior,

Vertical e Alteraes Dentrias sero aprendidas por Clulas Neurais Artificiais
Paraconsistentes de Aprendizagem.
6.4
Rede Neural de Evidncia
As clulas de aprendizagem passam ento a armazenar uma funo com os graus de

evidncia relacionados aos valores das variveis dos pacientes. formada ento uma
unidade neural que capaz de receber a varivel do paciente, e a partir da funo que foi
aprendida, determinar o grau de evidncia da varivel.
6.5
Sistema Especialista de Diagnstico
O sistema especialista de diagnstico implementado na funo sistema especialista e

recebe como entrada os graus de evidncia estabelecidos pelas redes neurais, e a partir
destes graus de evidncia relativos a cada varivel do paciente, estabelece, atravs de uma
combinao de inferncias, o diagnstico apropriado.
6.6
Sistema de Regras da Unidade I MalOcluso AnteroPosterior
Esta unidade dividida em dois nveis, sendo que o primeiro nvel ou nvel I trata as
variveis anb e wits, classificando suas diferentes combinaes nas classificaes de
malocluso anteroposterior:
a) Classe I
b) Classe II
c) Classe III
98

Estas classificaes ainda so quantificadas com pontuao entre 0 e 1 de acordo com

a Lgica Paraconsistente, e seguindo critrio de que quanto mais prximo do valor 1,
mais acentuado o grau da mal ocluso.
No segundo nvel ou nvel II, h uma combinao entre o resultado obtido no nvel I e as
variveis snb e sna. A resposta do nvel II se refere ao posicionamento da maxila e da
mandbula, classificando-as como:
a) bem posicionada
b) retruda
c) protruda
d) tende a retruda
e) tende a protruda
As classificaes retruda e protruda vm acompanhadas dos respectivos graus de
evidncia, enquanto que as classificaes tende a sugerem uma consulta aos diagnsticos
das unidades mal ocluso vertical (unidade II) e alteraes dentrias (unidade III).
6.7
Sistema de REGRAS da Unidade II MalOcluso Vertical
Nesse sistema de regras so combinadas as seguintes variveis, divididas em trs grupos

distintos:
a) grupo I: proporo Se-Go / Na-Me [14]. O valor dessa proporo pode resultar em
trs avaliaes, ou seja, normal, vertical ou horizontal.
b) grupo II: eixo Y [14]. O valor desse ngulo tambm pode resultar nas trs avaliaes,
normal, vertical ou horizontal.
c) grupo III: avalia as medidas SeNa/PP, SeNa/FOP e SeNa/MP [14]. Cada uma dessas
medidas tambm resulta em uma das trs avaliaes acima, e a combinao das trs
avaliaes tambm resultar em normal, vertical ou horizontal.
99

A combinao das avaliaes dos grupos I, II e III tambm resultar em uma avaliao
normal, vertical ou horizontal.
Ainda so fornecidos os graus de evidncia das variveis NaAns e AnsMe [14].
6.8
Sistema de REGRAS da Unidade III Alteraes Dentrias
Nesse sistema de regras so combinadas as seguintes variveis, divididas em trs grupos

distintos:
a) grupo I: ngulos U1.PP, U1.SN e medida U1-NA [14], levando em considerao o
valor de sna (unidade ntero-posterior). O valor dessas variveis pode resultar em
trs avaliaes, ou seja, normal, vestibularizado ou lingualizado. Est sendo avaliada
a posio dos incisivos superiores.
b) grupo II: ngulos L1.Apg , L1.NB, L1.Gome e medidas L1-Apg, L1-NB [14], alm
de levar em considerao a varivel snb (tambm da unidade ntero-posterior). O
valor dessas variveis pode resultar em trs avaliaes, ou seja, normal,
vestibularizado ou lingualizado. Est sendo avaliada a posio dos incisivos
inferiores.
c) grupo III: ngulo U1.L1 [14]. O valor dessa varivel tambm resulta em uma das trs
avaliaes, normal, vestibularizado ou lingualizado. Esta medida refora os
diagnsticos dos grupos I e II.
A combinao das avaliaes dos grupos I, II e III resultar em uma avaliao do
posicionamento dos incisivos superiores e inferiores como segue:
a) normal
b) vestibularizado
c) lingualizado
d) tende a vestibularizado
100

e) tende a lingualizado
As classificaes vestibularizado e lingualizado vm acompanhadas dos respectivos graus
de evidncia.
7
Caractersticas da Rede Neural de Anlise Cefalomtrica
So utilizadas 4 variveis craniomtricas variveis no Campo I, que possui 46 estados

condicionais que proporcionam 33 sadas com diagnsticos e sugestes de tratamento. No
Campo II so 8 variveis craniomtricas, para 90 estados condicionais e 4 sadas
(diagnstico). O Campo III possui 9 variveis craniomtricas, para 87 estados condicionais
e 12 sadas (diagnstico/tratamento). No total so 21 variveis craniomtricas, 181 estados
condicionais, 49 diagnsticos e 45 sugestes de tratamento.
H de se destacar que estes 181 estados condicionais so formados a partir das
combinaes dos graus de evidncia, que podem ter infinitos valores entre 0 e 1, e
portanto podem ser refinados resultando em mais ou menos sadas, o que permite que a
ferramenta seja adaptada a diferentes caractersticas.
Para utilizar o modelo aplicativo necessrio inserir os valores das medidas das variveis
craniomtricas disponveis dos pacientes; a preciso do diagnstico e sugesto do
tratamento ser maior proporcional a quantidade de informao disponvel. Se as
informaes forem insuficientes, o aplicativo tende a ter sadas inconsistentes, estado
previsvel na Lgica Paraconsistente [7]. O aplicativo tambm possibilita visualizar os
graus de evidencias de todas as variveis utilizadas, atravs de grficos, assim como o
traado das retas, planos e ngulos utilizados para anlise.
101

Validao e resultados
Para avaliar o modelo de anlise cefalomtrica, foi avaliada a concordncia entre os

diagnsticos efetuados pelo modelo de anlise cefalomtrica e os diagnsticos de trs
especialistas, sendo que para a avaliao utilizou-se o coeficiente Kappa (Siegel e
Castellan, 1988; Fleiss, 1981). Para a anlise foram utilizados 120 pronturios de um
consultrio, onde do total de 120 pacientes avaliados, 22 tinham idade acima de 18 anos
(18.33%) porm nestes casos, so usados os valores de referncia de normalidade da idade
de 18 anos. Os resultados so apresentados a seguir:
Especialista 1: regio anteroposterior = 0.343, posicionamento da mandbula = 0.296,
posicionamento da maxila = 0.343, discrepncia vertical = 0.75, incisivos superiores =
0.443, incisivos inferiores = 0.451, posicionamento dos lbios = 0.924.
Entre os Especialistas: regio anteroposterior = 0.487, posicionamento da mandbula =
0.404, posicionamento da maxila = 0.421, discrepncia vertical = 0.534, incisivos
superiores = 0.468, incisivos inferiores = 0.418, posicionamento dos lbios = 0.838.
9
Discusso
Considerando as dificuldades em delimitar as classificaes entre os diagnsticos e

constatando os resultados similares entre o modelo e os especialistas, e entre os prprios
especialistas, o modelo se apresentou como ferramenta capaz de fornecer um diagnstico
102

de referncia, pois todas as suas classificaes so feitas considerando os valores de

referncia de normalidade das variveis cefalomtricas por sexo e idade, e sempre so
utilizados os mesmos critrios para a anlise.
A estrutura matemtica do modelo permite que estes valores de referncia de normalidade
possam ser trocados e adaptados ao perfil tnico dos pacientes do ortodontista. O fato do
modelo de anlise cefalomtrica j conter esses valores de referncia de normalidade e
poder troc-los se necessrio, um facilitador para que o ortodondista utilize o mesmo
como ferramenta de apoio.
A sada da Rede Neural Artificial Paraconsistente alimenta um Sistema Especialista que ir
implementar regras que determinaro o diagnstico. O uso da Lgica Paraconsistente
permite, portanto, agregar os graus de evidncia resultantes de sua anlise a um Sistema
Especialista de regras, o que caracteriza o modelo de anlise cefalomtrica como hbrido,
pois utiliza mais de uma ferramenta de IA.
A Lgica Paraconsistente Anotada foi capaz de fazer um tratamento adequado, primeiro,
como uma linguagem para poder expressar as nuances inerentes presentes na classificao
dos diagnsticos; segundo, a estrutura dedutiva foi capaz de manipular mecanicamente e
adequadamente as informaes incertas, imprecisas ou mesmo conflitantes e/ou
paracompletas. Por fim, constituiu-se em ferramenta til na anlise cefalomtrica a que se
props fazre os resultados mostraram-se adequados.
Referncias
1.

2.
Abe, J.M & J.I Da Silva Filho, Inconsistency and Electronic Circuits, Proceedings of
The International ICSC Symposium on Engineering of Intelligent Systems (EIS98),
103

Vol3, Artificial Intelligence, Editor: E. Alpaydin, ICSC Academic Press International

Computer Science Conventions Canada/Switzerland, ISBN 3-906454-12-6, 191-197,
1998.
3.
Ackerman, J.L. & W.R. Proffit, Soft tissue limitations in Orthdontics: treatment
planning guidelines, Angle Orthod, 1997.
4.
Alexander, R.G., The Alexander Discipline Contemporary Concept and

Philosophies, Omco Corporation, TXs, 1986.
5.
Bishop, C.M., Neural Networks for Pattern Recognition. 1.ed. Oxford University
Press, 1995.
6.
Da Costa, N.C.A., J.M. Abe & V.S. Subrahmanian, Remarks on Annotated Logic,
Zeitschrift fur Mathematische Logik und Grundlagen der Mathematik, Vol.37, 561570, 1991.
7.
Da Silva Filho, J.I. & J.M. Abe, Fundamentos das Redes Neurais Paraconsistentes:
8.
Fausett, L., Fundamentals of Neural Networks, Architectures, Algoritms and

Aplications. Englwood Cliffs, Editora Prentice-Hall, 1994
9.
Kovcs, Zsolt Lszlo, Redes Neurais Artificiais Fundamentos e Aplicaes,

collegium cognitio, 1996.
10. Lino, A.P., Ortodontia Preventiva Bsica. So Paulo, Artes Mdicas,1994.

11. Mario, M.C., Proposta de aplicao das redes neurais artificiais paraconsistentes
como classificador de sinais utilizando aproximao funcional. Dissertao.
Universidade Federal de Uberlndia - UFU, Uberlndia, MG, 2003.
12. Massad, E., Menezes, R., P.S. Silveira & N.R. Ortega, Mtodos Quantitativos em
Medicina. So Paulo, Manole, 2004.
104

13. Mcculloch, W. & W. Pitts, A Logical Calculus of the Ideas Immanent in Nervous
Activity. Bulletin of Mathematical Biophysics, 1943.
14. Moyers, R., Ortodontia. Rio de Janeiro, Guanabara Koogan, 1988.
15. Rezende, S.O.,Sistemas Inteligentes,Fundamentos e Aplicaes. So Paulo, Manole,
2003.
16. Rich, E. & K. Knigth, Artificial Intelligence. NY, Mc Graw Hill, 1983.
17. Riolo, M.L., Moyers, R.E., J.S.Jr. Mcnamara & W.S. Hunter, An Atlas of Craniofacial
Growth, University of Michigan, 1974.
18. Rosenblatt, Principles of Neurodynamics. NY, Spartan Books, 1962.
19. Russel, S. & P. Norvig, Inteligncia Artificial. SP, Campus, 2004.
20. Siebert, W., Stimulus Transformation in Peripheral Auditory System in Recognizing
Patterns. Cambridge, Ed. Murray Eden, MIT Press, 1968.
21. Suzuki, Y., Self-Organizing QRS-Wave Recognition in ECG Unsing Neural Networks
IEEE Trsnd. On Neural Networks, 6, 1995.
22. Subrahmanian, V.S., On the Semantcs of Quanttatve Logc Programs, In: 4th IEEE
Symposium on Logic Programming, Computer Society Press. Washington D.C.,173182, 1987
23. Zerbini, R.C., Metodologia para a Classificao de VCG atravs de redes neurais.
Tese, Escola Politcnica da USP, Brasil, 1993.
Mauricio Conceio Mario - Graduao em Engenharia Eltrica pelo Centro

Universitrio da FEI (1989), mestrado em Processamento da Informao pela Universidade
Federal de Uberlndia (2003) e doutorado em Cincias (Fisiopatologia Experimental) pela
Faculdade de Medicina da Universidade de So Paulo (2006). Atualmente professor nas
105

reas de eletrnica, computao e sistemas de informao da Universidade Santa Ceclia e

Fatec Baixada Santista, engenheiro e coordenador do Ncleo de Pesquisas em Eletrnica
da Universidade Santa Ceclia, desenvolvendo trabalhos na rea de Inteligncia Artificial,
utilizando a Lgica Paraconsistente.
Jair Minoro Abe - Bacharel e Mestre em Matemtica, Doutor em Filosofia e LivreDocente em Medicina, todos pela Universidade de So Paulo. Foi Professor Visitante ou
Palestrista ocasional em instituies da Amrica do Sul, Europa, Mxico, Japo e Taiwan.
Coordena um grupo de estudiosos em aplicaes das lgicas paraconsistentes anotadas e
coordena a rea de Lgica e Teoria da Cincia do Instituto de Estudos Avanados da USP.
Professor Titular da Universidade Paulista.
Neli Regina Siqueira Ortega - Professora Livre-Docente em Informtica Mdica pela

Faculdade de Medicina da Universidade de So Paulo (2010). Doutora (2001) e Mestre
(1997) em Cincias pelo Instituto de Fsica da Universidade de So Paulo. Bacharel e
Licenciada em Fsica pela Universidade de So Paulo (1994 e 2000). Atualmente docente
e pesquisadora na Faculdade de Medicina da Universidade de So Paulo, pesquisadora do
Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico, consultoria ad hoc do
CNPq e revisora em revistas cientficas como Bulletin of Mathematical Biology,
Mathematical Biosciences, Medical Care, Revista de Sade Pblica e Jornal Brasileiro de
Epidemiologia, entre outros. Tem experincia na rea de Sade Coletiva, com nfase em
Sistemas Diagnsticos e modelagem matemtica em sade, atuando principalmente nos
seguintes temas: teoria dos conjuntos fuzzy, epidemiologia e sistemas de apoio a deciso.
106

Marinho Del Santo Jr. - Graduou-se em Odontologia pela Universidade de So Paulo

(1985-1989). Fez Mestrado em Morfologia na Universidade Federal de So Paulo
(EPM/1991-1993) e Doutorado em Cincias Morfofuncionais pela Universidade de So
Paulo (ICB/1995-1999). Desenvolveu sua tese de Doutorado no Biomedical Sciences
Department do Baylor College of Dentistry (Dallas,TX,USA), atravs de Programa
Sandwich (CAPES/1995-1997). Na rea clnica, recebeu o Master of Science in
Orthodontics do Baylor College of Dentistry (1997-1999). Atua em clnica privada e em
desenvolvimento de modelos de gesto de odontologia de grupo.
107

Anotada Evidencial
Anotada Evidencial
Euro de Barros Couto Junior1
1
Prefeitura do Municpio de So Paulo - Secretaria de Planejamento, Oramento e Gesto Coordenadoria de Gesto de Pessoas.
estatisticoeuro@hotmail.com
Resumo. Este texto sugere sobre como calcular um tamanho de amostra com base no uso
de um instrumento de coleta de dados formado por itens categricos. Os argumentos para
esta sugesto esto embasados nas teorias da Combinatria e da Lgica Paraconsistente. O
propsito sugerir um procedimento de clculo simples e prtico para obter um tamanho
de amostra aceitvel para coletar informaes, organiz-las e analisar dados de uma
aplicao de um instrumento de coleta de dados baseado, exclusivamente, em itens
discretos (itens categricos), ou seja, cada item do instrumento considerado como uma
varivel no-paramtrica com um nmero finito de categorias. Uma frmula para o clculo
do tamanho da amostra foi proposta para tamanhos de populao desconhecidos e um
ajuste dessa frmula foi proposto para populaes de tamanho conhecido.
Palavras-chave: Amostragem, Clculo do tamanho da amostra, Lgica Paraconsistente,
Estatstica no-paramtrica, Instrumento de coleta de dados.
Abstract. This text suggests how to calculate a sample size based on the use of a data
collection instrument consisting of categorical items. The arguments for this suggestion are
based on theories of Combinatorics and Paraconsistent Logics. The purpose is to suggest a
practical and simple calculation procedure to obtain an acceptable sample size to collect
108

Anotada Evidencial
information, organize it and analyze data from an application of an instrument for
collecting data, based exclusively on discrete items (categorical items), i.e., each item of
the instrument is considered as a non-parametric variable with finite number of categories.
A formula for calculating the sample size was proposed for a population of unknown size,
and an adjusted formula has been proposed for population of known size.
Keywords: Sampling, Sample size calculation, Paraconsistent Logics, Nonparametric
statistics, Data collecting instrument.
Introduo
Os princpios que norteiam a Lgica Paraconsistente Anotada Evidencial permitem sua

aproximao mais aquiescente do Raciocnio Humano [1]. Assim, sob a ptica de teor
paraconsistente, um item formado por duas categorias originais (sim e no, por
exemplo) pode ter quatro (e no duas respostas) aceitveis: sim, no, sem resposta e
sim e no (concomitantemente escolhidos); esses quatro estados so classificados em
quatro diferentes ncleos lgicos paraconsistentes, sendo eles o verdadeiro, o falso, o
paracompleto e o inconsistente, respectivamente, e permitem uma avaliao mais prxima
do que exprime a prtica e a realidade de uma pesquisa [2]. Com isso, respostas noprevistas pela Lgica Clssica so, naturalmente, previstas pela Lgica Paraconsistente
Anotada Evidencial.
2
Lgica Paraconsistente e os Itens do Instrumento de Coleta
Mesmo toda Lgica sendo binria, a dimensionalidade das lgicas varia, em termos de que
elas conseguem traduzir, de modo binrio e/ou multidimensional, suas caractersticas
109

Anotada Evidencial
prprias. Nesse sentido, pode-se dizer que o raciocnio humano apresenta dimenso
multifacetada.
A figura I evidencia a contrapartida entre a Lgica Clssica, o raciocnio humano e as
possibilidades de resposta de um item de um instrumento de coleta, com base na estrutura
de conhecimento do ser humano e da tomada de deciso em responder (ou no) a esse item
[5].
Figura I. Esquema didtico-lgico, demonstrando a estrutura do raciocnio humano e sua inter-relao direta
frente aos estados lgicos da Lgica Paraconsistente Anotada Evidencial
Uma Aplicao em Amostragem Proposta de Clculo do Tamanho da

Amostra
De incio, vamos expor a seguinte situao: estamos procura de um nmero que

represente o tamanho da amostra [5] [6] [10]. Devemos mostrar que esse nmero pode ser
aceito como um tamanho de amostra. Para tanto, consideremos o nmero total de caminhos
possveis (formados por todas as possibilidades de respostas (combinaes de respostas
possveis) a serem consideradas em itens categricos de um instrumento de coleta). Esse
nmero , por certo, um candidato a ser um tamanho de amostra, pois permite que todas as
possibilidades de resposta sejam observadas. Tomemos este exemplo: se temos um item
110

Anotada Evidencial
formado por duas categorias ditas originais, ento quatro respondentes, a priori, seriam
suficientes, para ter-se uma amostra inicial, pois h quatro possibilidades esperadas,
aquelas que sero chamadas de categorias efetivas: a escolha da primeira categoria efetiva,
a escolha da segunda categoria efetiva, a escolha de ambas as categorias efetivas
concomitantemente, e a escolha de nenhuma categoria efetiva, conforme foi exposto nas
ideias metodolgicas. Logo, quatro um tamanho amostral sugestivo para essa proposta.
Extensivamente, se tivermos um instrumento de coleta formado por categorias originais
previamente definidas, precisaremos de um nmero suficientemente grande de elementos
para abarcar todas as possibilidades de preenchimento dos itens desse instrumento. Assim,
esse nmero de elementos pode ser considerado, tambm, como o nmero de elementos
amostrais, ou seja, como um tamanho de amostra. O nmero de categorias efetivas de um
item pode ser calculado por: 2k, onde k o nmero de categorias originais.
Se pudermos aceitar que um tamanho de amostra inicial seja considerado como o nmero
de elementos componentes que cobrem todos os caminhos possveis (combinaes
possveis) formados pelos itens e suas respectivas categorias efetivas [9], ento podemos
dar um prximo passo para o clculo do tamanho da amostra com base na estrutura do
instrumento de coleta. Essa suposio fundamental, neste momento, mas deve receber
uma crtica: ela no contempla uma possvel diferenciao de representatividades entre as
categorias efetivas de cada item, o que seria esperado, porque, em geral, alguns caminhos
so mais frequentes do que outros; alm disso, alguns caminhos podem, inclusive, ser
impossveis de serem observados.
Matematicamente [8] pode-se representar esse tamanho de amostra inicial como mostra a
frmula (1):
cE k cE
n1 = i
2 i =1 2
(1)
111

Anotada Evidencial
onde:
n1 tamanho da amostra inicial
cE nmero de categorias efetivas do instrumento de coleta
cEi nmero de categorias efetivas do i-simo item
k nmero de itens do instrumento de coleta
Existe um grau de similaridade entre os respondentes de um instrumento de coleta, pois
tais respondentes podem, com frequncia, marcar respostas iguais: com isso, alguns
caminhos so mais representativos do que outros [3] Consideremos o grau de similaridade
como sendo um nmero entre zero e um, representando, portanto, um percentual: se for um,
ento a similaridade total, ou seja, todos respondem aos itens do instrumento de coleta de
modo igual; se for zero, ento a similaridade nenhuma, ou seja, todos respondem, de
modo diferente uns dos outros.
Assim, pode-se escrever que:
n2 = (1 g S ) n1
(2)
onde:
n2 tamanho da amostra considerando o grau de similaridade
gS grau de similaridade
Conhecendo-se o grau de similaridade, calculamos o tamanho da amostra. O problema
reside no fato de que esse grau de similaridade , na prtica, desconhecido, apesar de
passvel de estimao. Logo, desejamos buscar um estimador para o grau de similaridade.
O grau de similaridade apresenta-se como inversamente proporcional ao nmero de
categorias originais do instrumento de coleta. Ento, podemos escrever que:
1 gS
1
cO
(3)
112

Anotada Evidencial
onde:
cO nmero total de categorias originais do instrumento de coleta
Como, para um mesmo nmero de itens de um instrumento de coleta, o fator que permite o
aumento de caminhos o nmero de categorias originais de cada item, podemos considerar
o nmero total dessas categorias do instrumento de coleta como sendo o estimador ideal
para ser usado na estimao do grau de similaridade. Assim, podemos reescrever:
n2 =
1
n1
cO
(4)
Com isso, o tamanho da amostra (n) poder ser calculado do seguinte modo:
c E k ciE

2
2
i =1
n= O
c
(5)
Ou, de outro modo [5]:
c E k ciE

2

i =1 2
n=
k
c
i =1
(6)
O
i
O numerador da frmula (6) tem sua base assentada sobre o nmero de categorias efetivas
(de teor paraconsistente), enquanto que o denominador caracterizado pelo nmero de
categorias originais (de teor clssico).
Para amostras ditas pequenas [7], e/ou, para clculos de tamanho de amostra em que seja
necessrio, por razes tcnicas, levar em conta o tamanho da populao da qual a amostra
ser coletada [4] [12] [5], pode-se ajustar o clculo acima, considerando a frmula (7):
113

Anotada Evidencial
c E k ciE

2

i =1 2
k
n=
c
i =1
O
i
(7)
c E k ciE

1 2 i =1 2
1+
1
k
N
O
ci
i =1
onde:
N tamanho da populao
Pela frmula (7), quando o tamanho da populao for relativamente pequeno, haver um
ajuste a ser levado em conta, e tanto maior seja o tamanho da populao, o ajuste ser cada
vez menor, fazendo com que a frmula (7) possa ser substituda pela frmula (6).
Um grau de perda de observaes, sugere [11], (um percentual entre maior do que 0% e
menor do que 100%) pode ser incrementado: seja p a proporo de perdas esperada,
mostrada na frmula (8):
n =
n
1 p
Vantagens e Desvantagens do Mtodo Proposto
4.1
Vantagens
(8)
(a) permite calcular o tamanho da amostra em funo da composio do instrumento de

coleta, possibilitando que o prprio instrumento, nos casos possveis e/ou necessrios,
seja readequado em funo dos itens que efetivamente so de interesse na
investigao.
114

Anotada Evidencial
(b) leva em considerao todas as combinaes de respostas possveis; intuitivamente,
isso permite afirmar que qualquer combinao de respostas foi considerada, em
funo de todas as possibilidades de combinao existentes.
(c) tendo-se feito o clculo do tamanho da amostra para um instrumento de coleta, o
mesmo no se altera, o que pode facilitar o uso desse nmero em diversas
investigaes diferentes.
(d) no necessita de informaes externas; s necessita do conhecimento da estrutura do
instrumento de coleta.
(e) um clculo relativamente fcil de ser feito, pois depende, apenas, das contagens dos
elementos formadores de sua formulao, e no de um estudo-piloto ou pesquisa
prvia para conseguir-se os valores necessrios para o clculo do tamanho da
amostra.
(f) no depende do tamanho da escala de qualquer varivel, pois cada escala
transformada em uma estrutura de categorias.
(g) este clculo independe da estimao de valores prvios de nvel de significncia e de
poder do teste, bem como da adoo, tambm prvia, de algum teste estatstico.
4.2
Desvantagens
(a) no caso de instrumentos de coleta muito grandes, a depender do nmero de itens e

principalmente, do nmero de categorias originais, o tamanho da amostra a ser
calculado pode ser grande o suficiente, para inviabilizar a pesquisa; a sugesto, neste
caso, a de sempre considerar populaes limitadas por valores da ordem de
grandeza das dezenas, centenas ou algumas unidades de milhar; se isso no puder ser
viabilizado, ento deve-se recorrer a outros mtodos de clculo de tamanho de
amostra.
115

Anotada Evidencial
(b) no caso de instrumentos de coleta muito pequenos, o problema anterior se inverte, e a
amostra pode ser pouco representativa para a conduo da pesquisa; sugere-se, ento,
tambm, recorrer a outros mtodos de clculo de tamanho de amostra.
(c) nem sempre, possvel transformar os itens e suas eventuais categorias, para que o
instrumento possa consistir em base para o clculo do tamanho da amostra; com isso,
surgem efetivas dificuldades para a criao de categorias em itens cujas respostas so
abertas, ou mesmo, em escalas numricas cujas divises no se tornam claras para a
criao de categorias sugestivas.
(d) Chen (1989) alerta para o volume de classificaes errneas em categorias oriundas
de variveis que originalmente no so categricas: esse nmero pode ser
relativamente elevado, e prejudicar o clculo do tamanho da amostra, quando no se
conhece, com preciso, quais sero as categorias a serem determinadas para cada
varivel em que isso for necessrio.
Referncias
1.

2.
Abe, J.M., Some Aspects of Paraconsistent Systems and Applications. Logique et

Analyse, v. 157, 83-96, 1997.
3.
Borg, I & P.J.F. Groenen, Modern multidimensional scaling theory and applications,
2ed. New York, Springer, 2005.
4.
Cochran, W., Sampling Techniques, 2nd ed., Boston, John Wiley & Sons, 1985.
5.
Couto Junior, E.B., Abordagem no-paramtrica para clculo do tamanho da amostra

com base em questionrios ou escalas de avaliao na rea de sade. Tese. So Paulo,
Faculdade de Medicina, Universidade de So Paulo, 2009.
6.
Deming, W.E., Some theory of sampling. New York, Dover, 1966.
116

Anotada Evidencial
7.
Gordon, I. & R. Watson, A note on sample size determination for comparison of small
probabilities, Control Clin Trials, 15: 77-9, 1994.
8.
Grifitts, H.B. & P.J. Hilton, Matemtica Clssica - uma interpretao contempornea,
So Paulo, Edgard Blucher, EDUSP, 1975.
9.
Grimaldi, R.P., Discrete and Combinatorial Mathematics an applied introduction.

Reading (Massachusetts), Addison-Wesley Publishing Company, 1986.
10. Kish, L., Survey sampling, New York, John Wiley & Sons, 1965.
11. Skalski, J.R., Sample size calculations for Normal variates under Binomial censoring,
Biometrics, 48: 877-82, 1992.
12. Vickers, A., How to reduce the number of patients needed for randomized trials: a
basic introduction. Complement Ther Med, 9: 234-6, 2001.
Euro de Barros Couto Junior - Possui graduao em Cincias Fsicas e Biolgicas pela
Faculdade Tibiri (1984), graduao em Estatstica pelo Instituto de Matemtica e
Estatstica da Universidade de So Paulo (1990), mestrado (2002) e doutorado (2004) em
Cultura e Literatura Russas pela Faculdade de Filosofia, Letras e Cincias Humanas (USP especialidade: Histria da Msica Russa) e doutorado em Cincias pela Faculdade de
Medicina da Universidade de So Paulo (2009 - especialidades: Bioestatstica e
Amostragem No-paramtrica). Trabalhou na Prefeitura do Municpio de So Paulo, como
estatstico, entre junho de 1992 e junho de 2007. Entre junho de 2007 e dezembro de 2008,
trabalhou como estatstico comissionado da Faculdade de Medicina da USP (LIM-01,
Informtica Mdica). Voltou a exercer suas atividades como estatstico, na Prefeitura do
Municpio de So Paulo, a partir de 1 de janeiro de 2009. A partir de 2007, passou a
integrar o Grupo de Lgica e Teoria da Cincia (IEA-USP), como membro colaborador.
117

Paraconsistentes
Paraconsistentes
Sheila Souza1, 2, Jair Minoro Abe2, 3

1
Faculdade de Medicina Universidade de So Paulo, So Paulo, Brasil
Instituto de Estudos Avanados Universidade de So Paulo, So Paulo, Brasil

sheinara@gmail.com
Progama de Ps Graduao em Engenharia da Produo- Universidade Paulista,

So Paulo, Brasil
jairabe@uol.com.br
Resumo. Esse artigo apresenta um processo computacional automatizado capaz de

reconhecer caracteres numricos manuscritos e Caracteres Codificados em 7 Barras
utilizados em cheques bancrios baseado nas Redes Neurais Artificiais Paraconsistentes. A
metodologia aplicada foi escolhida por ser uma ferramenta capaz de trabalhar com dados
imprecisos,
inconsistentes
paracompletos
sem
trivializao.
processo
de
reconhecimento realizado a partir de caractersticas do caractere previamente

selecionadas com base em tcnicas de Grafologia e Grafoscopia e, a anlise dessas
caractersticas e o reconhecimento do caractere so realizados atravs das Redes Neurais
Artificiais Paraconsistentes.
Palavras-chave: Inteligncia Artificial, Reconhecimento de Padro, Reconhecimento de
Caracteres, Reconhecimento de Caracteres Numricos Manuscritos, Redes Neurais
Artificiais Paraconsistentes.
118

Paraconsistentes
Abstract. This paper presents an automated computational process able to recognize a
handwritten numerical characters and Magnetic Ink Character Recognition used on bank
checks based on Paraconsistent Artificial Neural Networks. The methodology employed
was chosen for being a tool able to work with imprecise, inconsistent and paracomplete
data without trivialization. The recognition process is performed from some character
features previously selected based on some Graphology and Graphoscopy techniques and,
the analysis of such features as well as the character recognition are performed by
Paraconsistent Artificial Neural Networks.
Keywords:
Artificial
Intelligence,
Pattern
Recognition,
Character
Recognition,
Handwritten Numerical Character Recognition, Paraconsistent Artificial Neural Networks.
Introduo
O reconhecimento de padres uma das mais importantes ferramentas de Inteligncia

Artificial (IA) em inmeras reas de conhecimento com aplicaes em diversos temas,
inclusive
reconhecimento
de
caracteres.
Embora
existam
vrios
estudos
em
reconhecimento de caracteres [4] [9] [15], escolhemos o estudo desse ramo devido sua
intrnseca importncia e constante desenvolvimento, alm de permitir ajustes para o
reconhecimento de diferentes tipos de sinais. Esse estudo realizado atravs do uso de um
novo tipo de Rede Neural Artificial (RNA) baseada na Lgica Paraconsistente Anotada
Evidencial E [1].
O reconhecimento de caracteres uma das mais conhecidas e exploradas modalidades de
reconhecimento de padres que, grosso modo, consiste em extrair algumas caractersticas
119

Paraconsistentes
de um grupo de caracteres com objetivo de tentar reproduzir a habilidade humana de ler
textos.
As primeiras aplicaes em OCR (Optical Character Recognition) foram iniciadas no
comeo dos anos 60 com sistemas para ler caracteres com um padro previamente
determinado (IBM 1418), porm, posteriormente, seus mtodos foram aperfeioados e
novos sistemas foram desenvolvidos para reconhecer caracteres impressos manualmente
como IBM 1287, RETINA (Recognition Equipment Inc) e H8959 (Hitachi). Tempos
depois, alguns sistemas comerciais comearam a aparecer para reconhecer caracteres de
baixa qualidade de impresso e caracteres impressos manualmente para uma ampla
categoria de caracteres nomeado Kanji OCR (Toshiba) e CLL-2000 (Sanyo Eletric Co.
Ltd). Ao longo dos ltimos anos as tcnicas tem sido aperfeioadas para desenvolver
sistemas de reconhecimento de documentos coloridos, com rudo, caracteres manuscritos e,
documentos complexos com texto, grfico, tabelas, smbolos matemticos, etc. [6][14]
Como as tcnicas de reconhecimento de caracteres classifica os caracteres atravs de suas
caractersticas, a maior dificuldade se concentra na determinao do grupo de
caractersticas passveis de extrao devido a interferncia de rudos.
Considerando essas dificuldades, o desempenho de um sistema automatizado de
reconhecimento de caracteres depende fundamentalmente da qualidade dos documentos
originais e digitais e, tambm, de um sistema capaz de manipular dados imprecisos,
conflitantes e paracompletos. Por esse motivo, escolhemos o uso das Redes Neurais
Artificiais Paraconsistentes devido serem consideradas importantes ferramentas de anlise
para aplicaes envolvendo dados com essas caractersticas. [3] [11] [12] [13]
As Redes Neurais Artificiais Paraconsistentes (RNAPs) so baseadas nas Redes Neurais
Artificiais (RNAs) e na Lgica Paraconsistente Anotada Evidencial E [8], a qual capaz
de manipular conceitos como impreciso, inconsistncia e paracompleteza em seu interior
120

Paraconsistentes
sem trivializao [2]. As RNAPs so compostas por Unidades Neurais Artificiais
Paraconsistentes (UNAPs) com diferentes funes como conexo, aprendizado,
memorizao, etc., que processa os sinais de entrada da rede como graus de evidncia
favorveis e contrrios. Essas unidades so conhecidas com um aglomerado de Clulas
Neurais Artificiais Paraconsistentes (CNAPs) interconectadas entre si que analisam e
modelam sinais eltricos. [8]
Processo Computacional Automatizado
O processo computacional automatizado proposto consiste em um sistema capaz de extrair

caractersticas de interesse e uma imagem digitalizada e previamente tratada em formato de
graus de evidncia e, a partir dessas caractersticas, reconhecer o caractere baseado nas
RNAPs.
O processo de extrao de caractersticas do sistema proposto realizado com base nos
fundamentos das tcnicas de Grafologia e Grafoscopia [5][9] e alguns de seus aspectos
sero utilizados ao longo desse trabalho.
Para o estudo de caracteres numricos com um padro previamente determinado foram
adotados os Caracteres Magnticos Codificados em 7 Barras - CMC7 (Figura I) utilizados
em cheques bancrios brasileiros para codificar os dados da conta bancria dos clientes.
Figura I. Exemplo de caracteres do tipo CMC7
121

Paraconsistentes
3
Metodologia
Consideramos para esse sistema um processo de reconhecimento dividido em 5 fases: 1)

Aquisio da imagem, 2) Pr-tratamento da imagem, 3) Mapeamento da imagem em graus
de evidncia, 4) Extrao de caractersticas e, 5) Reconhecimento da imagem.
Embora a nfase desse artigo seja a partir da terceira fase, como um simples pr-tratamento
da imagem, aplicamos um filtro de mdia entre os pixels vizinhos, a binarizao da
imagem, o recorte da imagem nos pontos mximos e mnimos e, o redimensionamento da
imagem para 38x30 pixels.
A arquitetura do sistema apresentada na Figura II, a qual assume como entrada uma
imagem previamente tratada.
Figura II. Arquitetura do Sistema
A primeira camada, Figura II, corresponde a terceira fase do processo de reconhecimento,

onde a imagem mapeada em graus de evidncia. A prxima camada (2 camada, Figura
II) corresponde a quarta fase, onde as caractersticas so extradas da imagem com base
122

Paraconsistentes
nos conceitos de Grafologia e Grafoscopia [2][14]. As prximas duas camadas (3 e 4
camada, Fig.2) correspondem a quinta fase. Na terceira camada, realiza-se uma
comparao entre as caractersticas de cada caractere padro e as caractersticas da imagem
apresentada e calcula-se um grau de evidncia de reconhecimento para cada caractere
padro. Na ltima camada, aplica-se uma anlise paraconsistente que consiste em calcular
um nico grau de evidncia, atravs do algoritmo ParaExtrctr, entre os graus de evidncia
de reconhecimento resultantes de cada caractere padro e identifica-se o caractere
reconhecido e o caractere descartado.
A seguir os procedimentos realizados em cada camada da arquitetura do sistema so
apresentados.
3.1
Mapeamento da Imagem em Graus de Evidncia
A fase "Mapeamento da imagem em graus de evidncia" consiste em analisar os pixels da

matriz binria da imagem de vrias formas e obter listas de graus de evidncia que
representem uma projeo da imagem. Cada grau de evidncia um valor no intervalo [0,
1] que representa a presena de um pixel preto ou branco em uma determinada posio da
matriz binria. Para esse estudo definimos que '0' representa um pixel branco e '1'
representa um pixel preto.
Nessa fase, vrios tipos de mapeamento so realizados, porm, a quantidade de tipos
depende do grupo de caractersticas previamente selecionadas para serem consideradas na
fase "Extrao de caractersticas".
Os tipos de mapeamento disponveis no sistema so "Todos os Pixels da Matriz Binria",
"Borda Externa", "Borda Interna", "Borda Diagonal Interna (direita/esquerda)" e "Borda
Diagonal Interna (esquerda/direita)". A sequncia de pixels cinza na Figura III representa
cada tipo de mapeamento.
123

Paraconsistentes
Figura III. Tipos de mapeamento da imagem disponveis no sistema
O conjunto de listas de graus de evidncia obtido nessa fase considerado como entrada
do processo de extrao de caractersticas.
3.2
Extrao de Caractersticas
A fase "Extrao de caractersticas" consiste em agrupar caractersticas mapeadas na

terceira fase e transform-las em conjuntos de dados expressos em graus de evidncia de
forma que eles possam ser transmitidos e recebidos pela fase "Reconhecimento da
imagem".
Como no processo de reconhecimento as caractersticas do caractere desempenham um
papel fundamental, escolhemos as caractersticas com base nos estudos das tcnicas de
Grafologia e Grafoscopia [2][14] como "direo e valores curvilneos" para compor o
processo de extrao de caractersticas.
As caractersticas disponveis no sistema para serem extradas so "Segmentos de Reta
Verticais", "Segmentos de Reta Horizontais", "Histograma: Todos os Pixels da Matriz
Binria", "Histograma: Borda Externa Superior", "Histograma: Borda Externa",
"Histograma: Borda Interna", "Histograma: Borda Diagonal Interna (direita/esquerda)",
"Histograma: Borda Diagonal Interna (esquerda/direita)", "Histograma: Cores da Imagem",
"Histograma: Cores da Imagem por Coluna", "Histograma: Componente Principal",
124

Paraconsistentes
"Histograma: Autovalores do Componente Principal" como apresentado na segunda
camada da arquitetura do sistema, Figura II.
Para as primeiras duas caractersticas, "Segmentos de Reta Verticais" e "Segmentos de
Reta Horizontais", o sistema usa RNAPs para identificar os segmentos de reta verticais e
horizontais da imagem e transform-los em graus de evidncia.
Para as demais caractersticas, os grupos de graus de evidncia obtidos na fase
"Mapeamento da imagem em graus de evidncia" so ordenadamente agrupados de modo
que representem alguns histogramas da imagem conforme exemplificado na Figura IV.
Figura IV. Histogramas da imagem criados pelo sistema na quarta fase
No final desse processo, teremos listas de graus de evidncia que representam cada uma
das caractersticas extradas da imagem para compor a entrada da fase "Reconhecimento da
imagem".
125

Paraconsistentes
3.3
Reconhecimento da Imagem
No processo de reconhecimento, os graus de evidncia obtidos da fase "Extrao de

caractersticas" so comparados com os graus de evidncia de cada caractere padro, ou
seja, um processamento paraconsistente realizado para cada caractere padro e o
resultado calculado representa o grau de evidncia de reconhecimento.
A fase "Reconhecimento da imagem" est dividida em duas partes: a) comparao entre as
caractersticas do caractere padro e as caractersticas do caractere apresentado (3 camada,
Figura II) e b) uma anlise paraconsistente, que consiste em calcular um nico grau de
evidncia atravs do algoritmo ParaExtrctr, que representa o grau de evidncia de
reconhecimento do caractere padro (4 camada, Figura II). O algoritmo ParaExtrctr, um
algoritmo capaz de diminuir gradualmente os efeitos de contradio em sinais de
informao obtidos de uma base de dados incerta[7] a partir de Ns de Anlise
Paraconsistente (NAPs), que consiste em um algoritmo capaz de tratar e controlar sinais de
informao imprecisos e contraditrios [8].
Na primeira parte, as caractersticas a serem consideradas dependem do grupo de
caractersticas previamente selecionadas na fase "Extrao de caractersticas". Para as
caractersticas "Segmentos de Reta Verticais" e "Segmentos de Reta Horizontais"
utilizamos uma RNAP para comparar as caractersticas entre o caractere padro e caractere
apresentado. Para as demais caractersticas (histogramas) utilizamos um NAP para calcular
a distancia entre os valores do histograma do caractere padro com os valores do
histograma do caractere apresentado e, o algoritmo ParaExtrctr, para calcular um nico grau
de evidncia para cada histograma. Na segunda parte, os graus de evidncia de
reconhecimento das caractersticas so analisados conforme mostra a Figura V.
126

Paraconsistentes
Figura V. Arquitetura da anlise paraconsistente
No final desse processo cada caractere padro ter um nico grau de evidncia de
reconhecimento. O caractere padro com maior grau de evidncia representa o caractere
reconhecido e, o caractere padro com menor grau de evidncia representa o caractere
descartado pelo sistema (4 camada, Figura II).
Resultados
O desempenho do sistema foi avaliado com dados reais de lotes de cheques bancrios
brasileiros e caracteres numricos manuscritos digitalizados.
O melhor desempenho do sistema para ambos os tipos de caracteres, CMC7 e caracteres
numricos manuscritos, foi obtido considerando apenas as seguintes caractersticas:
"Histograma: Borda Externa", "Histograma: Borda Diagonal Interna (direita/esquerda)" e
"Histograma: Borda Diagonal Interna (esquerda/direita)".
127

Paraconsistentes
O melhor teste realizado pelo sistema com caracteres do tipo CMC7 utilizando uma
amostra de 1.930 caracteres apresentou 97,77% de acertos. A quantidade de acertos, erros
e valores de Sensibilidade, Especificidade e Acurcia desse teste so apresentados na
Tabela I para cada caractere do tipo MICR.
Tabela I. Resultados obtidos no teste com caracteres do tipo CMC-7
Caractere
0
Caractersticas selecionadas para o teste: "Histograma: Contorno Externo",

"Histograma: Contorno Diagonal Interno (direita para esquerda)" e
"Histograma: Contorno Diagonal Interno (esquerda para direita)"
Amostra Erros Acertos % Acertos
Sensibilidade
Especificidade
436
1
435
99,77
0,998
0,994
Acurcia
0,995
264
261
98,86
0,989
1,000
0,998
122
120
98,36
0,984
1,000
0,999
153
152
99,35
0,993
0,998
0,998
152
151
99,34
0,993
1,000
0,999
190
17
173
91,05
0,911
1,000
0,991
111
109
98,20
0,982
0,993
0,993
98
97
98,98
0,989
1,000
0,999
146
145
99,31
0,993
0,999
0,999
102
98
96,08
0,961
0,996
0,994
78
69
88,46
0,885
1,000
0,995
39
39
100,00
1,000
0,994
0,994
39
38
97,44
0,974
1,000
0,999
1,930
2.23%
97.77%
Total
O melhor teste realizado pelo sistema com caracteres numricos manuscritos utilizando
uma amostra de 1.050 caracteres apresentou 91,14% de acertos. A quantidade de acertos,
erros e valores de Sensibilidade, Especificidade e Acurcia so apresentados na Tabela II
para cada caractere numrico manuscrito.
128

Paraconsistentes
Tabela II. Resultados obtidos no teste com Caracteres Numricos Manuscritos

Caractersticas selecionadas para o teste: "Histograma: Contorno Externo",
"Histograma: Contorno Diagonal Interno (direita para esquerda)" e
"Histograma: Contorno Diagonal Interno (esquerda para direita)"
Caractere Amostra Erros Acertos % Acertos
Sensibilidade
Especificidade
Acurcia
0
109
0
109
100,00
1,00
0,991
0,992
1
92
30
62
67,39
0,674
0,997
0,969
121
117
96,69
0,967
0,985
0,983
134
13
121
90,30
0,903
0,993
0,982
85
76
89,41
0,894
0,996
0,988
103
24
79
76,70
0,767
0,997
0,974
104
103
99,04
0,990
0,972
0,974
88
87
98,86
0,989
0,991
0,990
116
109
93,97
0,940
0,981
0,976
98
94
95,92
0,959
0,998
0,994
1.050
8,86%
91,14%
Total
Concluso
O sistema computacional apresentado nesse trabalho para reconhecer caracteres com um

padro predeterminado (como por exemplo, caracteres do tipo CMC7) e caracteres
numricos manuscritos atravs do uso das RNAPs, reconheceu 97,77% dos caracteres do
tipo CMC7 apresentados e, 91,14% dos caracteres numricos manuscritos apresentados.
Os bons resultados obtidos nos encoraja a aplicar essas ideias em temas correlatos em
reconhecimento de padres.
Referncias
1.

2.

Analyse, v. 157, 83-96, 1997.
129

Paraconsistentes
3.
Abe, J.M., Lopes, H.F.S. & R. Anghinah, Paraconsistent Artificial Neural Network
and Alzheimer Disease: A Preliminary Study. Dementia & Neuropsychologia, vol. 3,
241-247, 2007.
4.
Abdleazeem, S. & E. El-Sherif, Arabic handwritten digit recognition. International

Journal of Document Analysis and Recognition (IJDAR), Springer-Verlag, vol. 11(3),
127-141, 2008.
5.
Amend, K. & M.S. Ruiz, Handwriting Analysis: The Complete Basic Book. Franklin
Lakes, NJ, 1980.
6.
Bortolozzi, F., Brittto Jr, A.S., L.E.S. Oliveira & M. Morita, Recent Advances in
Handwriting Recognition. In: Umapada Pal; Swapan K. Parui; Bidyut B. Chaudhuri.
(Org.). Document Analysis, Chennai, 1-30, 2005.
7.
Da Silva Filho, J.I., Paraconsistent algorithm extractor of contradiction's effects ParaExtrctr (in Portuguese). Seleo Documental, Santos, vol. 15, 21-25, 2009.
8.
Da Silva Filho, J.I., Lambert-Torres, G. & J.M. Abe, Uncertainty Treatment Using
Paraconsistent Logic Introducing Paraconsistent Artificial Neural Networks. IOS
Press, Holanda, 211, 328, 2010.
9.
Fujisawa, Y., Shi, M., T. Wakabayashi & F. Kimura, Handwritten Numeral

Recognition Using Gradient and Curvature of Gray Scale Image. ICDAR '99,
Proceedings of the Fifth International Conference on, India , 277-280, 1999.
10. Haykin, S., Neural Networks. Toronto, McMaster University, 1994.

11. Lopes, H.F.S., J.M. Abe & R. Anghinah, Application of Paraconsistent Artificial
Neural Networks as a Method of Aid in the Diagnosis of Alzheimer Disease. Journal
of Medical Systems. Springer US vol. 34(6), 1073-1081, 2010.
12. Lopes, H.F.S., Abe, J.M., Kanda, P.A.M., Machado, S., Velasques, B., Ribeiro, P.,
Basile, L.F.H., R. Nitrini & R. Anghinah, Improved Application of Paraconsistent
130

Paraconsistentes
Artificial Neural Networks in Diagnosis of Alzheimer's Disease. American Journal of
Neuroscience, Science Publications, vol. 2(1), 54-64, 2011.
13. Mario M.C., Abe, J.M., N. Ortega & M. Del Santo Jr., Paraconsistent Artificial Neural
Network as Auxiliary in Cephalometric Diagnosis. Artificial Organs, Wiley
Interscience, vol. 34(7), 215-221, 2010.
14. Mori, S., C.Y. Suen & K. Yamamoto, Historical Review of OCR research and
Development. Journals & Magazines, IEEE Proceedings, vol. 80(7), 1029-1058, 1992.
15. Trier O.D., A.K. Jain & T. Taxt, Feature extraction methods for character recognition a survey. Pattern Recognit, Norway, vol. 29(4), 641662, 1996.
Sheila Souza - Bacharela em Sistemas de Informao pelo Centro Universitrio Fundao

Santo Andr. Desenvolveu projetos de pesquisa patrocinados pela FAPESP no Projeto
Rede ANSP. Integrou a equipe de desenvolvimento dos Sistemas de Informaes para
Habitao Social HABISP, adotados pela Secretaria Municipal de Habitao de So
Paulo. Atualmente mestranda na Faculdade de Medicina da Universidade de So Paulo e
integra a equipe de Gerenciamento de Projetos e Anlise de Requisitos da Prodesp na
Secretaria da Fazenda de So Paulo.
131

Paraconsistente Anotada Evidencial E
Hlio Corra de Arajo1
1
Engenharia da Produo, Instituto de Cincias Exatas e Tecnologia - Universidade

Paulista, So Paulo, Brasil
hhca@globo.com
Resumo. Neste trabalho apresenta-se o desenvolvimento de um sistema de frenagem, para

mquinas de rotulagem em geral. Que utiliza a Lgica Paraconsistente Anotada Evidencial
E, como base no tratamento dos sinais e controle do sistema. Esse sistema composto por
um cilindro de freio eletromagntico, um sensor de ultrassom, um inversor de frequncia,
um controlador lgico programvel (CLP), e uma placa de circuito impresso. Nessa placa
fica acoplado um microcontrolador PIC, que faz o tratamento das informaes vindas do
sensor e do CLP. O sensor indica o tamanho da bobina de rtulo e o CLP indica a rotao
do motor. Esse microcontrolador possui um software em sua memria baseado na Lgica
Paraconsistente Anotada Evidencial E, que faz o tratamento dos sinais vindos do sensor e
do CLP, efetuando assim o clculo do Grau de Certeza Gce, para determinar com que
intensidade ser aplicada a frenagem no eixo de sustentao da bobina de rtulos.
Palavras-chave: Frenagem, Freio Eletromagntico, Lgica Paraconsistente Anotada
Evidencial E, Freio, Atuador.
Abstract. This work presents the development of a braking system for labeling machines
in general. Who uses Annotated Paraconsistent Evidential Logic E, based on signal
132

processing and control of the system. This system consists of an electromagnetic brake
cylinder, an ultrasonic sensor, a frequency converter, a programmable logic controller
(PLC), and a printed circuit board. This plate is attached a PIC microcontroller, which
makes the processing of information coming from the sensor and PLC. The sensor
indicates the size of the label coil and the PLC indicates the engine speed. This
microcontroller has in his memory a software based on Annotated Paraconsistent
Evidential Logic E, what does the processing of signals from the sensor and PLC, thus
making the calculation of the degree of certainty Gce to determine how hard braking will be
applied on axis of the label coil support.
Keywords: Braking, Electromagnetic brake, Annotated Paraconsistent Evidential Logic E,
Brake, Actuator.
Introduo
O processo de produo sofre atrasos frequentes, principalmente por apresentar sua linha
de produo montada em estgios subsequentes. Segundo [17] atrasos ocorrem por falha
operacional ou por necessidade de manuteno dos equipamentos, caso particular da
produo de refrigerantes envasados em garrafas de politereftalato de etileno (PET). O
primeiro estgio da produo define o formato da garrafa (PET), que se trata de um tubo
plstico (pr-forma) que aquecido, colocado em um molde e aps receber uma carga de
ar, toma a forma final. O equipamento utilizado nesse processo denominado sopradora.
No segundo estgio a garrafa recebe o rtulo do produto em um equipamento denominado
rotuladora e no terceiro estgio o lquido inserido na garrafa em um equipamento
denominado enchedora.
Em levantamento de campo das paradas em um perodo de 30 dias conforme mostra a
Tabela I, constatou-se que a mquina que apresenta nvel mais elevado de problemas a
133

rotuladora. Esse nmero excessivo de paradas acontece devido frenagem incorreta da
bobina de rtulos.
Tabela I. Mdia de paradas dirias dos equipamentos
Paradas dirias
(perodo de 30 dias)
Sopradora
Rotuladora
Enchedora
17
70
31
Esse levantamento indica que a rotuladora tem papel determinante na eficincia da

produo, por sofrer um nmero mais elevado de interrupes em comparao ao nmero
de interrupes dos demais equipamentos.
Devido a essa condio esse estudo dar enfoque automatizao do sistema de frenagem
aplicado ao eixo da bobina de rtulos contido na mquina rotuladora. A automatizao ser
feita atravs da aplicao de uma tenso eltrica que poder variar de 110 a 220 volts, em
um componente eletromagntico, cuja funo ser realizar a frenagem do eixo. O
tratamento das informaes ser feito com um software de monitoramento que, se valer
da aplicao dos conceitos da Lgica Paraconsistente Anotada Evidencial Et, para a
tomada de deciso. Neste caso, decidir se o componente eletromagntico dever realizar a
frenagem com maior ou menor intensidade. Aps a mudana do processo original, que no
envolve um controle de frenagem automtico espera-se reduzir a nmero de interrupes
na etapa de rotulagem aumentando a eficincia do sistema.
Objetivo
Esse trabalho tem como objetivo a automatizao do sistema de frenagem de uma mquina
usada para colocar rtulo em garrafas PET. Tentando assim reduzir o nmero excessivo de
paradas.
134

3
Rotuladora
Equipamento utilizado no segundo estgio em uma linha de produo de refrigerantes

Figura IErro! Fonte de referncia no encontrada..
Itens que compe a mquina Rotuladora:
1. Bobina de rtulo; possui os rtulos a serem colocados na garrafa;
2. Eixo do suporte da bobina; onde a frenagem ser executada;
3. Tambor; responsvel por transferir o rtulo com cola para a garrafa;
4. Garrafa sem rtulo;
5. Garrafa aps ser rotulada.
Figura 1. Rotuladora [47]
135

4
Enchedora
Equipamento utilizado no terceiro estgio em uma linha de produo de refrigerantes

Figura II.
Itens que compe a mquina Enchedora:

1. Transporte areo; conduo das garrafas atravs de trilhos at a roda de enchimento;
2. Roda de enchimento; envasar lquido na garrafa;
3. Esteira de transporte; transportar garrafas cheias at o empacotamento.
Figura II. Enchedora de garafas PET [47]
Materiais e Mtodos
Para o desenvolvimento dessa pesquisa iniciou-se uma reviso da bibliografia disponvel

sobre o assunto, o que permitiu coletar dados e informaes que deram base ao projeto e
construo do sistema na forma de um prottipo. Modelando os componentes que fazem
136

parte da placa de circuito impresso e a ligao desta ao microcontrolador e perifricos. O
sistema desenvolvido conta com: CLP, inversor de frequncia, disco de freio
eletromagntico, um sensor, uma central microcontrolada e software de monitoramento
embarcado no microcontrolador da placa de circuito impresso Figura III.
Figura III. Diagrama do Sistema de Frenagem
O sensor verifica o tamanho da bobina de rtulos a cada 5 ms e o CLP verifica a rotao do

motor da mquina de rotulagem tambm a cada 5 ms. O resultado da leitura do sensor e do
CLP so enviados atravs de sinais eltricos ao microcontrolador que os utiliza como
evidncia favorvel e evidncia desfavorvel no algoritmo para-analisador. A deciso
gerada pelo algoritmo enviada para o inversor de frequncia que, determinar a
intensidade da frenagem no eixo da bobina de rtulos.
A partir da definio do projeto construiu-se o prottipo.
137

A validao do prottipo foi realizada, confrontando-se dados da produo com a mquina
de rotulagem manual que existe na fbrica de estudo com o novo sistema de frenagem.
Estudo de Caso
O estudo de caso foi realizado em uma fbrica de refrigerantes real que contribui com
apoio financeiro e com sua estrutura para realizao dos testes. Por opo da empresa seu
nome no pode ser revelado neste trabalho por critrios de sigilo industrial.
Funcionamento da Mquina de Rotulagem antes da Automao
Na medida em que a bobina de rtulos vai sendo consumida necessrio aplicar uma
frenagem com maior intensidade sobre o eixo de sustentao da bobina de rtulos, para
que no ocorra um desalinhamento do rtulo Figura V.
Figura IV. Situao em que a mquina se encontra com o rtulo desalinhado

Nos equipamentos que utilizam freio manual a possibilidade de ocorrer um erro
operacional, por parte do operador humano pode causar a interrupo da produo. O
operador conta somente com sua experincia operacional para definir a intensidade da
138

frenagem empregada sobre o eixo de sustentao da bobina de rtulos. Um erro comum
girar a roldana (item 1 da Figura V) alm do limite necessrio, gerando uma tenso
excessiva sobre a bobina de rtulos, tal situao pode romper o rtulo.
7.1
Equipamento Utilizado no Sistema de Freio Manual
Itens que compe a sistema de freio manual:

1. Roldana; usada pelo operador para aumentar ou diminuir a presso da pastilha no
eixo da bobina de rtulo;
2. Pastilha de freio;
3. Eixo de sustentao da bobina de rtulos.
3
1
2
Figura V. Sistema de Frenagem Manual
Levantamento do Histrico de Produo
A Tabela II mostra dados da produo usando o freio manual, essa amostra foi coletada por
um perodo de 30 dias, perodo compreendido entre: 01/03/2011 30/03/2011.
139

Tabela II. Dados da Produo usando Freio Manual
Data
01/3/2011
02/3/2011
03/3/2011
04/3/2011
05/3/2011
06/3/2011
07/3/2011
08/3/2011
09/3/2011
10/3/2011
11/3/2011
12/3/2011
13/3/2011
14/3/2011
15/3/2011
16/3/2011
17/3/2011
18/3/2011
19/3/2011
20/3/2011
21/3/2011
22/3/2011
23/3/2011
24/3/2011
25/3/2011
26/3/2011
27/3/2011
28/3/2011
29/3/2011
30/3/2011
Total
Nmers
Paradas
85
73
52
55
47
52
54
62
43
38
38
45
58
48
53
48
50
40
38
42
38
38
38
43
53
53
45
35
53
48
1465
Tempo Parado
(minuto)
32
13
10
12
9
8
7
12
10
5
6
5
12
9
15
23
12
9
23
19
17
15
13
13
9
13
13
6
10
12
372
Perda
Garrafa
1
1
1
1
1
1
1
1
1
1
1
1
4
2
18
Perda Rtulo
(unidade)
55
12
8
13
14
10
18
25
8
10
11
13
8
10
4
13
10
8
11
6
6
12
15
12
14
23
24
12
4
5
394
Desenvolvimento do Software de Controle da Frenagem
O sistema de frenagem se divide em trs etapas:
140

Fonte de Informao CLP;
Fonte de Informao Sensor;
Clculo do mdulo do grau de certeza.
10
Leitura do CLP
Para determinar a frenagem a ser aplicada no eixo de sustentao da bobina rtulos pelo
disco de freio, sero analisadas trs proposies:
1. motor em alta rotao;
2. bobina pequena;
3. a intensidade da frenagem alta.
Proposio 1: Motor em alta rotao
Para a leitura da rotao do motor a tarefa ser divida em duas partes:
Chamada de tempo um (t1)
Chamada de tempo dois (t2), onde t2 = t1 + t e t = 5 ms.
Em t1, o CLP indica na sua sada y8, um sinal analgico que varia de 0 Volts a 5 volts,
indicando a rotao do motor. O microcontrolador envia um sinal de nvel lgico 1, atravs
do pino P26 ao CLP, ao perceber o sinal na entrada x8, o CLP atravs da sada Y8 envia
um sinal analgico ao pino P25 do microcontrolador.
Ao perceber um sinal no pino P25, o microcontrolador interrompe o seu processamento
para atender a chamada externa. O valor recebido no pino P25 guardado por uma varivel
chamada de Evidncia Favorvel a proposio p = motor em alta rotao 2, Figura VI.
Aps fazer a leitura da primeira varivel (2) contado um tempo de 5 ms, para efetuar a
leitura da segunda varivel (2).
141

Em t2, o CLP indica na sua sada y8, um sinal analgico que varia de 0 Volts a 5 volts,
indicando a rotao do motor. O microcontrolador envia um sinal de nvel lgico 1, atravs
do pino P26 ao CLP, ao perceber o sinal na entrada x8, o CLP atravs da porta Y8 envia
um sinal analgico ao pino P25 do microcontrolador.
Ao perceber um sinal no pino P25, o microcontrolador interrompe seu processamento para
atender a chamada externa. O valor recebido no pino P25 guardado por uma varivel
chamada de Evidncia Desfavorvel a proposio p = motor em alta rotao 2, Figura
VI.
Figura VI. Fonte de Informao CLP
11
Leitura do Sensor
A informao gerada pelo sensor permite determinar o tamanho da bobina.

Proposio 2: Bobina pequena
Para a leitura do tamanho da bobina, a tarefa ser dividida em duas partes:
Chamada de tempo um (t1)
Chamada de tempo dois (t2), onde t2 = t1 + t onde t = 5 ms.
142

Em t1, o sensor faz a leitura, o microcontrolador envia um sinal de nvel lgico 0, atravs
do pino P18, ao perceber o sinal no pino P18, um temporizador disparado internamente
no microcontrolador.
O microcontrolador envia um sinal lgico 1, atravs do pino 18 que est conectado ao pino
INIT do sensor, quando o sensor recebe o sinal nvel lgico 1, envia um sinal ultrassnico
na faixa de 40Khz.
O sensor atravs do pino ECHO fica aguardando o sinal de retorno, mantendo o nvel
lgico do pino em 0. Quando o pino ECHO do sensor perceber o sinal de retorno, o seu
nvel lgico passar para 1. O pino ECHO do sensor est conectado ao pino P23 do
microcontrolador, quando o microcontrolador percebe o sinal lgico 1 nesse pino,
interrompe o seu processamento para atender a chamada externa, nesse momento o
contador deixa de ser incrementado. O tempo armazenado no contador guardado por uma
varivel chamada de Evidncia Favorvel 1, Figura VII .
Aps fazer a leitura da primeira varivel (1) contado um tempo de 5 ms, para efetuar a
leitura da segunda varivel (1).
No t2, o sensor faz a leitura, o microcontrolador envia um sinal de nvel lgico 0, atravs
do pino P18, ao perceber o sinal no pino P18, um temporizador disparado internamente
no microcontrolador.
O microcontrolador envia um sinal lgico 1, atravs do pino P18 que est conectado ao
pino INIT do sensor, quando o sensor recebe o sinal nvel lgico 1, envia um sinal
ultrassnico na faixa de 40Khz.
O sensor atravs do pino ECHO fica aguardando o sinal de retorno, mantendo o nvel
lgico do pino em 0. Quando o pino ECHO do sensor perceber o sinal de retorno, seu nvel
lgico passar para 1. O pino ECHO do sensor est conectado ao pino P23 do
microcontrolador, quando o microcontrolador percebe o sinal lgico 1 nesse pino ele
143

interrompe o seu processamento para atender uma chamada externa, nesse momento o
contador deixa de ser incrementado. O tempo armazenado no contador guardado por uma
varivel chamada de Evidncia Desfavorvel 1, Figura VII.
Figura VII. Fonte de Informao do Sensor
Feita a leitura de grau de evidncia favorvel e do grau de evidncia desfavorvel da

segunda proposio ser calculado o grau de certeza Gce, da terceira proposio.
11.1 Clculo do Grau de Certeza
Proposio 2: A intensidade da frenagem alta

Como evidncias para essa proposio, sero utilizadas a maximizao das evidncias
favorveis e a minimizao das evidncias desfavorveis, das fontes de informao
anteriores (proposies 1 e 2). A partir dessas informaes ser possvel calcular o grau de
certeza, incerteza, indeterminao e o grau de paracompleteza.
O microcontrolador atravs do pino P1, envia o resultado do mdulo do Gce no formato
analgico ao inversor de frequncia. O inversor ao perceber o sinal na entrada X11,
converter esse sinal em uma frequncia, aplicada na alimentao do disco de freio
144

eletromagntico, fazendo com que a frenagem aplicada no eixo da bobina aumente ou
diminua, dependendo do valor do Gce.
A Figura VIIIErro! Fonte de referncia no encontrada. apresenta o esquema completo
da lgica de programao usado no algoritmo para determinar a frenagem a ser aplicada
mquina.
Figura VIII. Esquema da Lgica de Programao
A Figura IX mostra o esquema da mquina com os seus devidos componentes

posicionados estrategicamente: tambor, motor, bobina, freio, inversor de frequncia,
controlador lgico programvel e sensor.
145

Figura IX. Esquema Completo da Mquina
11.2 Exemplificao de Situaes Onde a Frenagem no Eixo da Bobina foi Aplicada
Primeira situao:
Aps fazer a leitura da rotao do motor, ser verificado se 2 = 0, se verdadeiro calcular o
Gce da primeira proposio p = motor em alta rotao. Nesse caso o motor est parado,
Figura X.
Motor: 2= 0 e 2 = 1;
Gce = |( - ) = (0 - 1)| = 1
Nessa situao calculado o Gce, devido 2 ser igual a zero e aplicada uma frenagem 1.0,
numa escala que varia de 0 a 1, ou seja, a frenagem deve ser mxima.
146

Figura X. Situao em que o motor se encontra parado
Caso o motor no esteja parado, verificada a segunda fonte de informao (sensor), para
que seja maximizado o grau de evidncia favorvel e minimizado o grau de evidncia
desfavorvel, das duas primeiras proposies, na sequncia calculado o Gce da terceira
proposio.
Segunda Situao:
O motor em alta rotao e a bobina pequena, Figura XI.
Motor: 2= 0.8 e 2 = 0.2;
Sensor: 1= 0.7 e 1 = 0.3;
Maximizao: 2 = 0.8;
Minimizao: 1 = 0.2;
Gce = |( - ) = (0.8 - 0.2)| = 0.6
147

Nesse caso aplicada uma frenagem 0.6, numa escala que varia de 0 a 1. Como a bobina
pequena e o motor encontra-se em alta rotao h uma compensao entre ambos,
portanto, a frenagem aplicada pode ser considerada mediana.
Figura XI. Motor em alta Rotao e Bobina Pequena
Terceira situao:
O motor em baixa rotao e a bobina grande Figura XII.
Motor: 2 = 0.1 e 2 = 0.9;
Sensor: 1 = 0.2 e 1 = 0.8;
Maximizao: 1 = 0.2;
Minimizao: 1 = 0.8;
Gce = |( - ) = (0.2- 0.8)| = 0.6
148

Nesse caso aplicada uma frenagem 0.6, numa escala que varia de 0 a 1. Como a bobina
grande e o motor encontra-se em baixa rotao h uma compensao entre ambos,
portanto, a frenagem aplicada pode ser considerada mediana.
Figura XII. Motor em baixa Rotao e Bobina Grande
A intensidade da frenagem ser determinada pela combinao de fatores, tamanho da

bobina versus rotao do motor.
A Figura XIII mostra o fluxograma, do software embutido no microcontrolador
pic18F4520, para determinar a intensidade da frenagem a ser aplicada no eixo da bobina.
149

Figura XIII. Fluxograma do software desenvolvido para determinar a frenagem
12
Levantamento dos Dados de Produo Aps a Automao da Mquina
Durante um perodo de 30 dias foram levantados o nmero de paradas da mquina

rotuladora, o nmero de paradas, o tempo de parada, a perda de garrafas e a perda de
rtulos Tabela III.
150

Tabela III. Dados da Produo Usando Freio Eletromagntico Maio 2011
Data
Nmero Paradas
Tempo Parado
Perda Garrafa
Perda Rtulo(unidade)
01/5/2011
02/5/2011
03/5/2011
04/5/2011
05/5/2011
06/5/2011
07/5/2011
08/5/2011
09/5/2011
10/5/2011
11/5/2011
12/5/2011
13/5/2011
14/5/2011
15/5/2011
16/5/2011
17/5/2011
18/5/2011
19/5/2011
20/5/2011
21/5/2011
22/5/2011
23/5/2011
24/5/2011
25/5/2011
26/5/2011
27/5/2011
28/5/2011
29/5/2011
30/5/2011
Total
80
70
45
50
45
50
40
51
40
35
35
37
49
45
33
37
31
28
35
40
38
33
21
34
50
45
28
32
40
45
1242
30
13
8
10
9
8
7
6
9
5
4
5
6
8
12
23
12
8
23
19
17
15
12
13
8
7
13
6
5
3
324
1
1
1
1
1
1
1
1
1
4
2
15
5
18
1
61
12
15
10
4
15
18
6
6
50
21
23
53
4
4
326
13
Resultados Mquina
Houve um ganho de produtividade da linha de produo em decorrncia da diminuio em

15% da parada da mquina de rotulagem.
151

Tabela IV. Dados resumidos da Produo (Maro e Maio 2011)
Nmero Paradas
Tempo Parado (minuto)
Perda Garrafa (unidade)
Perda Rtulo
Freio Manual
1465
372
18
394
Freio Eletromagntico
1242
324
15
326
Figura XIV. Grfico Comparativo da Produo (Maro e Maio 2011)
Observando a Figura XIV possvel comparar os dados da produo, entre os meses de

maro e maio de 2011. Os quatro itens analisados quando usando o freio eletromagntico
obtiveram resultados melhores.
14
Discusso
O trabalho mostrou ser vivel o desenvolvimento de um sistema de frenagem para mquina

de rotulagem automtica.
152

i.
Levantamento Fsico do Funcionamento da Mquina Antes da Automao;

A mquina de rotulagem apresenta dependncia dos conhecimentos e habilidades
operacionais do funcionrio envolvido na sua operao o que pode acarretar tomadas
de deciso equivocadas o que pode gerar.
ii.
Levantamento dos Histricos de Produo;

Graas colaborao da empresa utilizada como estudo de caso, foi
possvel coletar os dados da produo em dois perodos: ms de maro e maio.
iii.
Definio dos Sensores e Atuadores;

Aps pesquisa bibliogrfica e experincia adquirida de elaborao e execuo do
projeto Keller [14] chegou-se a concluso que o sensor (SRF02), adequado ao
projeto em questo.
iv.
Desenvolvimento do Software Usado no Controle da Frenagem;

O software de controle do sistema de frenagem, foi desenvolvido utilizando os
conceitos da Lgica Paraconsistente Anotada Evidencial E . A deciso da
intensidade da frenagem tomada a partir da anlise da combinao das seguintes
proposies: motor em alta rota, bobina pequena e a intensidade da frenagem alta.
v.
Testes e Avaliao do Desempenho do Sistema de Frenagem;

Os testes formam planejados a fim de se validar a eficincia de um novo modelo do
ponto de vista da produtividade das linhas de produo.
vi.
Levantamento dos Dados de Produo Aps a Automao da Mquina;

Os dados da produo aps a implantao do novo sistema de frenagem
apresentaram um ganho de desempenho de 15%.
153

15
Concluso
A empresa utilizada como estudo de caso mantm uma linha de produo adicional para o
perodo de alta temporada. Levando-se em considerao que o perodo de alta temporada
corresponde a apenas quatro meses do ano, em um perodo de oito meses a referida linha
se mantm inativa. Para a empresa ocorre um desperdcio de investimento em
infraestrutura, pois a linha reserva poderia estar sendo utilizada em outra planta fabril.
Se a automatizao da mquina rotuladora melhorar em apenas 20% a sua produtividade se
justifica a mudana do modelo manual para o modelo automatizado, pois a empresa possui
seis linhas de produo sendo uma reserva. Um aumento de 20% na produtividade em
cinco linhas de produo corresponde a produtividade de uma nica linha. Sendo assim a
linha sobressalente pode ser realocada para outra planta fabril.
No estudo de caso obteve-se um ganho de 15% do modelo automatizado em relao ao
modelo manual, portanto, faltam apenas 5% no aumento de produtividade para que a linha
adicional possa ser desativada.
Como trabalho futuro, pode-se realizar uma reanlise do processo produtivo das linhas de
produo a fim de se reduzir em 5% a ineficincia das mesmas.
Os resultados mostraram que a Lgica Paraconsistente Anotada Evidencial E bastante
eficiente para tratamento de informaes e pode ser empregada no controle de processos
industriais.
Referncias
1.

2.

Analyse, v. 157, 83-96, 1997.
154

3.
Abe, J.M & J.I Da Silva Filho, Logic, Artificial Intelligence, and Robotics, Editors,
Frontiers in Artificial Intelligence and Its Applications, IOS Press, Amsterdan,
Ohmsha, Tokyo, Vol. 71, 287p., 2001.
4.
Abe, J.M & J.I Da Silva Filho, Manipulating Conflicts and Uncertainties in Robotics,
Multiple-Valued Logic and Soft Computing, V.9, 147-169, 2003.
5.
Abe, J.M., Para-fuzzy logic controller. Lecture Notes In Computer Science, 3214,
Springer, 935-941, 2004.
6.
Abe, J.M., C.R. Torres & K. Nakamatsu, Intelligent Paraconsistent Logic Controller
and Autonomous Mobile Robot Emmy II, Lecture Notes in Computer Science,
Springer, 4252, 851-857, 2006.
7.
Abe, J.M., Annotated logics Qt and model theory, in Logic, Artificial Intelligence, and
Robotics, Proc. 2nd Congress of Logic Applied to Technology LAPTEC2001, Edts.
8.
Abe, J.M & J.I Da Silva Filho, Frontiers in Artificial Intelligence and Its Applications,
IOS Press, Amsterdan, Ohmsha, Tokyo, Editores, Vol. 71, ISBN 1 58603 206 2 (IOS
Press), 4 274 90476 8 C3000 (Ohmsha), ISSN 0922-6389, 1-12, 287, 2001.
9.
Abe, J.M & J.I Da Silva Filho, Manipulating Conflicts and Uncertainties in Robotics,
Multiple-Valued Logic and Soft Computing, V.9, ISSN 1542-3980, 147-169, 2003.
10. Abe, J.M., Da Silva Filho, J. I., U. Celestino & H.C. Arajo, Lgica Paraconsistente
11. vila, B.C., Uma Abordagem Paraconsistente Baseada em Lgica Evidencial para
Tratar Excees em Sistemas de Frames com Mltipla Herana. Tese. Universidade
de So Paulo, So Paulo, 133, 1996.
12. Acroname. Disponivel em Acroname Robotics http:// www.acroname.com, acessado
em outubro, 2011.
155

13. Celestino, U., Dispositivo Eletrnico Para Auxlio na Locomoo de Deficientes
Visuais e/ou Auditivos Baseado na Lgica Paraconsistente Anotada Evidencial E.
Dissertao. UNIP - So Paulo, 2009.
14. Chopra, S. & P. Meindl, Gerenciamento da Cadeia de Suprimentos: estratgia,
planejamento e operao. So Paulo, Prentice Hall, 2003.
15. Coretti, J.A., Manual de Treinamento Bsico de Controlador Programvel.
Sertozinho, Centro de Treinamento SMAR.
16. Corra, H.L., & C.A Corra, Administrao da produo e operaes: manufatura e
servios: uma abordagem estratgica. 2. ed. So Paulo, Atlas, 2006.
17. Carvalho, G., Microcontroladores PIC, Teoria e Montagens Prticas, 1.ed., Editora
Eltec, 2005.
19. Da Silva Filho, J.I., Lambert-Torres, G. & J.M. Abe, Uncertainty Treatment Using
Paraconsistent Logic Introducing Paraconsistent Artificial Neural Networks. IOS
Press, Holanda, 211, 328, 2010.
20. Da Silva Filho, J.I. & J.M. ABE, Paraconsistent analyser module, International
Journal of Computing Anticipatory Systems, vol. 9, ISSN 1373-5411, ISBN 29600262-1-7, 346-352, 2001.
22. Da Costa, N.C.A., O Conhecimento Cientfico. Discurso Editorial, 2000.
23. Da Silva Filho, J.I & J.M. ABE, Introduo Lgica Paraconsistente Anotada com
Ilustraes, Editora Emmy, Santos 166, 2000.
24. Da Costa, N.C.A., Logiques Classiques et Non Classiques. Masson, Paris, 1997.
156

25. Da Silva Filho, J.I., Mtodos de interpretao da Lgica Paraconsistente Anotada
26. Eren, H., Wireless Sensors and Instruments. Boca Raton, Taylor & Francis, 2006.
27. Franchi, C.M., Inversores de Frequncia Teoria e Aplicaes. So Paulo, Erica,
2008.
28. Groover,
M.P.,
Automation,
production
systems,
and
computer-integrated
manufacturing, Second Edition. Prentice-Hall, 2000.

29. Kalpakjan, S., Manufacturing Engineering and Technology. 4a Edio. Prentice-Hall,
2000.
30. Lobo, H., Arte e a Revoluo Industrial nos Sculos XVIII. Livros Horizonte, 1986.
31. Mitsubish.
Acesso
em
novembro
2011,
disponvel
em:
http://www.mitsubishielectric.com/company/ir/index.html
32. Multi.
Acesso
em
dezembro
2011,
disponvel
em:
http://loja.multcomercial.com.br/ecommerce_site/produto_4700_4689_Programadore-Gravador-USB-e-ICD2-para-Microcontroladores-PIC-MultiPROG-2
33. Pereira, F., Microcontroladores pic Programando em C. So Paulo, Erica, 2003.
34. Prado, J.P.A., Uma Arquitetura em Inteligncia Artificial Baseada em Lgica
Paraconsistente, Tese. Universidade de So Paulo, So Paulo, 1996.
35. Reale, G. & D. Antiseri, Histria da Filosofia - Antiguidade e Idade Mdia (Vol.
vol.1). So Paulo, Paulus.
36. Romi,
Acesso
em
dezembro
2011,
disponvel
em:
http://www.romi.com.br/fileadmin/Editores/IP/Catalogos/Portugues/MP_Inform_2011
_AA_BX.pdf.
157

37. Shing, S., Sistemas de Produo com Estoque Zero. 1 Edio. Porto Alegre,
Bookman Companhia, 1996.
38. Sanyo. Acesso em 10 de novembro de 2011, disponvel em: http://semicon.sanyo.com.
39. Souza, D.J., Desbravando o PIC. So Paulo, Erica, 2010.
40. Simpson, N.D., Programmable Logic Controllers. Prentice Hall, 1994.
41. Slack, N., et al., Administrao da produo. So Paulo, Atlas, 1997.
42. Tubino, D.F., Planejamento e controle da produo: teoria e prtica. So Paulo, Atlas,
2007.
43. Tubino, D.F, Planejamento e Controle da Produo. 2 Edio. So Paulo, Atlas,
2009.
44. Trine. L.,. Manual operacional e tcnico, 1997.
45. Zanco, W.S; Microcontroladores pic 18 com Linguagem C. So Paulo, Erica, 2010.
46. Zegla. Acessado em dezembro de 2011, disponvel em http://www.zegla.com.br/
Hlio Corra de Arajo - Mestrado em Engenharia de Produo pela Universidade

Paulista (UNIP), possui graduao em Cincias da computao pela Universidade Paulista
- UNIP. Membro do grupo de pesquisa de Lgica Paraconsistente e Inteligncia Artificial.
Atualmente professor da UNIP.
158
Dispositivo eletrnico para auxlio na locomoo de deficientes visuais e/ou auditivos

baseado na Lgica Paraconsistente Anotada Evidencial E
Uanderson Celestino1, Jair Minoro Abe2
1

uandersoncelestino@yahoo.com.br
Progama de Ps Graduao em Engenharia da Produo- Universidade Paulista, So

Paulo, Brasil
jairabe@uol.com.br
Resumo. Este trabalho apresenta as etapas de desenvolvimento e construo de um

dispositivo eletrnico para auxlio na locomoo de deficientes visuais e/ou auditivos. O
dispositivo composto basicamente de dois sensores de ultrassom. O tratamento das
informaes captadas pelos sensores processado atravs de um microcontrolador da
famlia 8051 dotado de um algoritmo de controle que se baseia na Lgica Paraconsistente
Anotada Evidencial E (Para-analisador). Um dos sensores indica o grau de evidncia
favorvel (), e o outro indica o grau de evidncia contrria (), ambos relativos
proposio considerada: no h obstculo frente. A existncia de obstculos
transmitida pela vibrao gerada por dois micromotores vibratrios. Assim o usurio do
dispositivo pode identificar obstculos e escolher o melhor caminho a seguir.
Palavras-chave: lgica paraconsistente anotada evidencial E, microcontrolador, sensor de
ultrassom, 8051.
159

Abstract. This paper presents the stages of development and construction of an electronic
device to aid in mobility of the visually impaired and / or hearing. The device consists
basically of two ultrasound sensors. The treatment of the information captured by the
sensors are processed by a microcontroller 8051 equipped with a control algorithm which
is based on Logic Paraconsistent Evidential E (Para-analisador). One of the sensor
indicates the degree of favorable evidence (), and the other indicates the degree of
contrary evidence (), both dealing with the proposal considered: "no obstacle ahead." The
existence of obstacles is transmitted by the vibration generated by two vibrating
micromotors. Thus the user of the device can identify obstacles and choose the best way
forward.
Keywords: Paraconsistent Annotated Evidential Logic E, microcontroller, ultrasonic
sensor, 8051.
Introduo
Em vista do avano da Inteligncia Artificial (IA), com aplicao nos mais variados
campos, tais como robtica, automao industrial, etc. torna-se natural tentar aplic-la no
auxlio s pessoas portadoras de deficincia fsica.
A Organizao Mundial de Sade (OMS) define como Cegueira Legal a acuidade visual,
no olho de melhor viso, sendo este igual ou menor que 6/60, ou correspondente perda de
campo visual, sendo este restrito a 20 graus de amplitude, com a melhor correo ptica,
ou seja, o que uma pessoa com viso normal consegue ler ao se colocar a uma distncia 60
metros, uma pessoa com baixa viso s poder ler a seis metros de distncia [11].
Acuidade visual ou agudeza visual a capacidade de transformar estmulos luminosos, que
so refletidos dos objetos que esto nossa volta em imagens, permitindo sua identificao
e localizao [14].
160

No Brasil, de acordo com o Instituto Brasileiro de Geografia e Estatstica, em 2000,
existiam 148 mil pessoas cegas e 2,4 milhes com grande dificuldade de enxergar [10].
Estima-se que existam entre 40 e 45 milhes de cegos em todo o mundo e 135 milhes de
pessoas com baixa viso. No entanto, em 80% dos casos, a perda visual pode ser prevenida
ou mesmo curada, de acordo com a Organizao Mundial da Sade (OMS) e a Agncia
Internacional para a Preveno da Cegueira. Estima-se que 90% dos casos de cegueira
ocorrem nos pases em desenvolvimento.
As principais causas de cegueira evitvel so catarata, tracoma, oncocerquiase, certos
transtornos que atingem as crianas, incluindo a deficincia de vitamina A e retinopatia,
doena degenerativa no inflamatria da retina e da falta de culos [11].
O Comportamento do Deficiente Visual
As pessoas cegas e com baixa viso normalmente necessitam do auxlio de terceiros para
identificar endereos, itinerrios do transporte pblico e outras referncias para a
locomoo. As barreiras percebidas durante a locomoo em vias pblicas fazem do
espao urbano um local de inmeros riscos para qualquer pessoa, e com maior risco para
deficientes visuais.
Acessibilidade, segundo a definio da Associao Brasileira de Normas Tcnicas (ABNT),
a possibilidade e condio de alcance, percepo e entendimento para a utilizao com
segurana e autonomia de edificaes, espao, mobilirio, equipamento urbano e
elementos [5].
A acessibilidade uma condio bsica para a incluso social das pessoas com deficincias
ou que tenham necessidades especiais. Em uma sociedade que se utiliza de modernas
tecnologias de informao e de comunicao, acessibilidade plena passa a ser uma
necessidade constante nos centros urbanos.
161

Com o incio das pesquisas, um trabalho de coleta de informaes junto aos deficientes
visuais mostrou-se necessrio para que pudesse haver um entendimento sobre o assunto.
Com os primeiros relatos observou-se a necessidade de haver uma proteo para a rea do
rosto e partes superiores do corpo.
Isso ocorre porque no h um equipamento ou dispositivo que possa detectar obstculos a
esta altura. Foram listados alguns destes objetos responsveis por esse tipo de acidentes:
cestos de lixo apoiados em postes, telefones pblicos, galhos de rvores, entre outros
obstculos comumente encontrados nos percursos de deslocamento dos deficientes visuais
nas cidades.
Os elementos da vegetao dentre os quais ramos pendentes, plantas entouceiradas, galhos
de arbustos e de rvores devem ser preservados de modo a no interferirem na circulao
[5].
Metodologia
So conhecidos como sistemas de interao do deficiente visual sociedade o co-guia,

sistemas de sada em Braille, sistemas de reconhecimento de voz, sistemas de sada de voz,
entre outros. Estes sistemas citados apresentam pontos positivos e negativos em sua
implementao.
Os custos desses dispositivos so altos e requerem muitas horas de treinamento para que os
deficientes visuais possam us-los, por isso, na prtica, uma grande parte dos deficientes
visuais no tem condies de adquiri-los, o que os torna pouco usados.
O trabalho foi pautado em uma soluo que associa os recursos da microeletrnica com o
uso de processadores capazes de processar informaes, com agilidade suficiente para
garantir a segurana de quem depende do resultado das informaes processadas, e o apoio
162

da Lgica Paraconsistente Anotada Evidencial E que possibilita que dados imprecisos ou
conflitantes possam ser manipulados, e destes possam ser extradas informaes relevantes.
A Lgica Paraconsistente Anotada Evidencial Et
A lgica clssica limita-se apenas a dois estados lgicos, o verdadeiro e o falso. Quase
todos os conceitos do mundo real possuem um grau de impreciso, e ao manipular
elementos deste mundo tm-se respostas que no sero absolutamente falsas ou
verdadeiras.
A Lgica Paraconsistente pertence classe das lgicas chamadas no-clssicas e teve
origem nos trabalhos elaborados e publicados em 1948, de modo independente, por
Stanislaw Jaskowski, um polons, e pelo brasileiro Newton C.A. da Costa.
Esses
trabalhos
pioneiros
consideravam
contradio
foram
denominados
paraconsistentes, que significa ao lado de. O termo foi cunhado pelo filsofo peruano
Francisco Mir Quesada em 1976.
Um sistema lgico nomeia-se paraconsistente se puder ser empregado como lgica
subjacente de teoria inconsistente, porm, no-triviais. Isto leva a derrogar o princpio da
no-contradio, entre duas proposies contraditrias, uma falsa.
A Lgica paraconsistente permite manipular sistemas informacionais inconsistentes e
extraordinariamente fortes, sem a necessidade de eliminar as contradies e sem a
ocorrncia de trivializao [4].
Na Lgica Paraconsistente Anotada (LPA) as frmulas proposicionais vm acompanhadas
de anotaes. Cada anotao pertencente a um reticulado finito , que atribui valores sua
correspondente frmula proposicional. Percebe-se o significado da proposio por meio de
uma linguagem.
163

Na Lgica Paraconsistente Anotada a anotao composta por dois valores, um que
representa a evidncia favorvel proposio p, e outro que representa a evidncia
contrria proposio p.
De forma intuitiva, podemos dizer que a proposio p pode pertencer a um dos quatro
estados lgicos extremos da LPA:
v
= verdadeiro
= falso
= inconsistente
= paracompleto
denominada crena a evidncia favorvel proposio p, portanto, grau de crena o

primeiro valor da anotao. denominada descrena a evidncia contrria proposio
p, portanto, grau de descrena o segundo valor da anotao. O grau de crena
simbolizado por e o grau de descrena, por .
Com essas consideraes, cada constante anotacional do reticulado representada pelo par
ordenado (,), em que:
= grau de evidncia favorvel
= grau de evidncia contrria
Consideremos, ento, o reticulado de Hasse com anotao de dois valores, ={(,) | ,
[0, 1] R} apresentado:
Se p uma frmula bsica, o operador ~:|||| definido como: ~[(,]=(,) em que,
(,) {x R | 0 x 1}, considera-se (,) como anotao de p.
Assim, o valor do grau de evidncia favorvel e o grau de evidncia contrria so
completamente independentes.
164

A Lgica Paraconsistente Anotada Evidencial E constitui uma lgica no-clssica que
aceita e trata contradies e admitem outros estados lgicos entre os extremos da falsidade
e da verdade, de modo no-trivial em seu interior [2].
Na anlise paraconsistente o objetivo principal intuitivamente saber com que medida ou
"grau de certeza" se pode afirmar que uma proposio falsa ou verdadeira. Portanto,
considerado como resultado da anlise apenas o valor do grau de certeza Gc.
O valor do grau de contradio Gct um indicativo que informa a medida da
inconsistncia. Se houver um baixo valor de certeza ou muita inconsistncia o resultado
uma indefinio.
Podemos calcular tambm o grau de certeza Gc pela equao: Gc = - . O grau de
certeza varia de -1 a +1 e seu valor corresponde distncia do ponto de interpolao entre
o grau de evidncia favorvel e o grau de evidncia contrria.
Pode-se calcular o Grau de contradio Gct aplicando a frmula Gct = + - 1. O grau de
contradio varia de -1 a +1, e seu valor correspondente distncia do ponto de
interpolao entre os graus de evidncia favorvel, e do grau de evidncia contrria.
Como citado por [2] e [4] a discordncia entre especialistas em um determinado domnio
comum e pode ser significativa na soluo de problemas.Por exemplo: numa situao na
qual se busca chegar a um determinado local desconhecido, natural colhermos
informaes com pessoas que conhecem a regio aonde se pretende ir. Se as informaes
colhidas so divergentes, ser mais produtivo analisar melhor a situao, talvez colhendo
mais informaes. Assim, tais inconsistncias so mais bem acomodadas em uma lgica
Paraconsistente, em relao lgica Clssica.
A Lgica Paraconsistente Anotada Evidencial E constitui uma lgica no-clssica que
aceita e trata contradies e admitem outros estados lgicos entre os extremos da falsidade
e da verdade, de modo no-trivial em seu interior [2].
165

4
Algoritmo Para-analisador
O Algoritmo Para-analisador construdo para efetuar os clculos que determinam o Grau

de Contradio e o Grau de Certeza. O algoritmo tambm faz a comparao entre os
valores encontrados e os ajustes externos para definir as regies do reticulado que
representam o estado lgico que ser apresentado na sada do algoritmo. O QUPC
dividido em 12 regies e permite anlises para tomadas de deciso. Para a anlise do
dispositivo foram utilizadas quatro regies, sendo elas: Verdadeiro, Falso, Paracompleto e
Indeterminado [4]
O Algoritmo Para-analisador pode ser utilizado em softwares aplicativos ou firmwares.
Segundo a definio de [9], firmware o programa ou software que se encontra
exclusivamente instalado em uma unidade de memria no-voltil (no perde as
informaes gravadas mesmo no estando energizada). O software que gerencia as
funcionalidades do dispositivo foi desenvolvido em Assembly, linguagem de mquina que
demanda do programador um conhecimento do hardware utilizado [13], ou como
analisador em sistemas especialistas nas reas de Economia, Medicina e Marketing, entre
outras.
Hardware
5.1
Microcontrolador
Para o desenvolvimento do projeto foi utilizado um microcontrolador 89S52 (Atmel), que

se destaca por possuir: 8K Bytes de memria flash, possibilitando sua reprogramao;
baixa tenso de operao entre 4.0V a 5.5V; 32 portas de I/O (input/output) programveis,
alm do baixo custo.
O software que gerencia o dispositivo gravado na memria flash do microcontrolador e,
desta forma, ao ser energizado, o programa interno ser executado. As operaes
166

aritmticas e lgicas referenciadas pelo programa so executadas pela ULA (Unidade
Lgica e Aritmtica). Quanto mais poderosa a ULA do microcontrolador, maior ser sua
capacidade de processar as informaes.
A maioria das operaes feitas com este c ocorre na RAM interna. Esta afirmao pode
soar estranha, pois para os padres atuais, uma RAM 256 bytes parece exageradamente
pequena. No entanto, devemos ter em mente que, quando usamos um c, no pretendemos
fazer processamento pesado e nem executar programas sofisticados, como acontece no PC.
5.2
Sensor de Ultrassom
O funcionamento do Sonar (Sound Navigation and Ranging) baseia-se no princpio do eco.

Um sinal ultrassnico de curta durao enviado e o tempo at o eco ser recebido
medido. Sabendo-se a velocidade do som no ar, calcula-se a distncia.
Ultrassom se refere a todas as frequncias acima da faixa que podem ser percebidas pelo
ouvido humano. O termo se refere s frequncias acima de 20kHz. Animais como
golfinhos e morcegos, que se utilizam da emisso e da recepo de sinais de ultrassom para
a navegao e para a comunicao, geram sinais em uma faixa que varia entre 20 a
100KHz [16].
O sonar tem seu princpio de funcionamento baseado no eco, fenmeno fsico devido
reflexo de uma onda acstica por um obstculo.
O funcionamento do Sonar (Sound Navigation and Ranging) baseia-se no princpio do eco.
Um sinal ultrassnico de curta durao enviado e o tempo at o eco ser recebido
medido. Sabendo-se a velocidade do som no ar, calcula-se a distncia.
Ultrassom se refere a todas as frequncias acima da faixa que podem ser percebidas pelo
ouvido humano. O termo se refere s frequncias acima de 20kHz. Animais como
golfinhos e morcegos, que se utilizam da emisso e da recepo de sinais de ultrassom para
167

a navegao e para a comunicao, geram sinais em uma faixa que varia entre 20 a
100KHz [16].
O sonar tem seu princpio de funcionamento baseado no eco, fenmeno fsico devido
reflexo de uma onda acstica por um obstculo.
5.3
Motor Eltrico Vibratrio
O sentido do tato se encontra por toda a superfcie do corpo humano no havendo uma
regio especfica, uma vez que todo o tecido possui receptores nervosos que percebem
vibraes e variaes de temperatura.
A interface entre o usurio e o dispositivo feita atravs do sentido mais usado pelo
deficiente visual, o tato. Por intermdio desse sentido podem-se perceber os ambientes,
como ao se fazer uso da bengala e utiliz-la como uma extenso dos braos, ou quando se
faz a leitura de um texto em Braille.
Para enviar as informaes ao usurio do dispositivo foram utilizados dois micromotores
vibratrios eltricos de corrente contnua com dimetro de 7mm e comprimento de
16,5mm. A tenso de alimentao dos motores variam entre 1.3VCC com uma corrente de
60 mA [14].
A vibrao dos motores permite que o usurio crie uma imagem mental do ambiente o qual
ele est percorrendo. O motor vibratrio um motor eltrico de corrente contnua, com o
eixo fora do centro. Quando o motor comea a girar esse eixo fora do centro produz uma
vibrao que pode ser percebida pelo usurio do dispositivo.
Alimentao do Circuito
A alimentao do dispositivo feita por quatro pilhas recarregveis modelo AA NiMH
(Nquel-Metal Hydride). Cada pilha com uma tenso nominal de 1,2 Volts associadas em
168

srie, totalizando uma tenso de 4,8 Volts. Deste conjunto de pinhas energiza todos os
componentes eltricos e eletrnicos do aparelho.
A carga das baterias depende do nmero de obstculos encontrados durante o percurso
realizado pelo usurio do dispositivo.
A tenso mnima para garantir o bom funcionamento do dispositivo de 4,3Volts, sendo
que uma tenso inferior referida reduz a confiabilidade das medies efetuadas pelos
sensores.
5.4
Dispositivo Keller
Aps a realizao da pesquisa junto aos colaboradores deficientes visuais que contriburam
de forma atuante, foi observado que havia uma preocupao em proteger os membros
superiores, bem como o rosto e os ombros, pois o uso de uma bengala proporciona uma
varredura muito eficiente, porm, com uma cobertura limitada e, conforme foi constatado,
a bengala faz a deteco somente de objetos estticos, no dando ao deficiente visual a
percepo de objetos que se movem.
Segundo a ABNT, barreira arquitetnica, urbanstica ou ambiental "qualquer elemento
natural, instalado ou edificado que impea a aproximao, transferncia ou circulao no
espao, mobilirio ou equipamento urbano" [5].
Com base na pesquisa que consultou a opinio do pblico interessado no desenvolvimento
desse projeto conclui-se que o melhor local para a fixao dos sensores neste prottipo
seria em culos, por ser um acessrio que j est incorporado ao dia-a-dia do deficiente
visual. Com estas consideraes iniciais, foi possvel avanar uma etapa importante: a de
adaptao com mais uma fonte de informao, as fornecidas pelos sensores de ultrassom.
169

O projeto contempla que os componentes eltricos e eletrnicos sejam alojados na
estrutura dos culos, e somente as pilhas de alimentao do prottipo no foram
acomodadas junto s hastes.
Funcionamento do Dispositivo Keller
O dispositivo composto basicamente de dois sensores de ultrassom (um esquerda e o
outro direita), cujo tratamento das informaes captadas por eles processado atravs de
um microcontrolador que possui um algoritmo de controle que se baseia na Lgica
Paraconsistente Anotada Evidencial E.
O sensor da direita indica o grau de evidncia favorvel (), e o da esquerda indica o grau
de evidncia contrria (), ambos relativos proposio considerada: no h obstculo
frente. Pela vibrao gerada por dois motores vibratrios, o usurio do dispositivo pode
identificar obstculos e escolher o melhor caminho a seguir.
Nesta aplicao, o microprocessador processa as informaes captadas pelos sensores, com
o uso da lgica Paraconsistente Anotada em que possvel manipular informaes incertas,
conflitantes ou at mesmo a falta de informao.
O dispositivo conta com um sensor S1 que representa o sensor que traz a evidncia
favorvel, e S2 que representa o sensor que traz a evidncia contrria.
O valor lido pelo sensor S2 representa a distncia entre o sensor e o obstculo, como os
sensores S1 e o S2 so sensores idnticos, porm, com funes diferentes nesta aplicao,
existe a necessidade de atribuir () evidncia desfavorvel um valor que o
complemento do grau percebido por S2, ou seja, C = 1 - S2.
170

6
Memorizao do Ambiente
As principais lacunas na educao da pessoa cega dizem respeito a sua independncia na

locomoo, ou seja, a sua mobilidade. Desde os primrdios da histria, a locomoo do
cego citada ou em desenhos ou por relatos escritos.
Um dos primeiros relatos o do profeta Isaac, que ficou cego depois de certa idade e se
deslocava com facilidade pelos campos com seu cajado de pastor, sendo assim, uma das
primeiras bengalas da histria.
A orientao e mobilidade podem ser definidas como um conjunto de capacidades e
tcnicas especficas que permitem pessoa deficiente visual conhecer, relacionar-se e
deslocar-se com independncia [6].
A orientao e mobilidade fazem uso de tcnicas especficas de proteo e explorao,
deste modo o indivduo se locomove com segurana e independncia.
Essa locomoo independente vital para o deficiente visual devido aos benefcios
psicolgicos, fsico, social e econmico e, principalmente, d pessoa o seu direito de ir e
vir como um cidado comum.
Para os deficientes visuais tambm vale dizer que aprendemos com nossos erros. Atravs
de relatos e informaes colhidas na Fundao Dorina Nowill para Cegos, conclui-se que
para se locomover, o deficiente visual cria em sua mente mecanismos para guardar
caractersticas e pontos de referncias sobre os locais por onde ele passa.
As informaes relevantes sobre determinado ambiente ou caminho a ser percorrido so
armazenadas na memria e quando, por exemplo, um deficiente visual entra em uma sala,
e ele esbarra em uma parede ou coluna, aquele contato serve como uma informao
importante que ser guardada em seu mapa mental.
171

Isso faz com que, posteriormente, ao passar pelo mesmo local ele se lembrar que ali se
encontra aquela parede ou coluna e isso aguar sua curiosidade para explorar o resto do
ambiente.
Obstculo
Por definio do dicionrio Aurlio, obstculo tudo que impede ou dificulta a realizao
de alguma coisa; embarao, estorvo ou impedimento.
Precisamos desta definio para poder fazer uma considerao importante sobre o que
obstculo e o que uma situao que compe um ambiente.
Vamos dar o exemplo de uma mesa em uma sala: se a mesa no estiver fora do local onde
normalmente deve estar ela no por assim dizer um obstculo, pois ela pertence ao
contexto daquela sala. Porm, se nesta mesma sala encontra-se uma cadeira muito afastada
da mesa em um local que pode atrapalhar a passagem de pessoas, ento podemos dizer que
esta cadeira um obstculo.
Estas constataes vm ao encontro do objetivo do prottipo que estamos desenvolvendo:
detectar a presena ou a ausncia de um obstculo e gerar informaes suficientes para que
o usurio tome suas prprias decises.
A identificao de um obstculo pode servir de subsdio para o deficiente visual, pois este
passa a ser um ponto de referncia para a sua locomoo.
Testes com o Dispositivo Keller
Para os testes, os voluntrios colaboradores da Fundao Dorina Nowill, fizeram um

trajeto que normalmente fazem pelas ruas do bairro, nas proximidades da Fundao Dorina
Nowill.
Nos testes, contou-se apenas com o auxlio do dispositivo e com o apoio da bengala que
fazia a varredura do terreno.
172

O objetivo foi verificar se alguns parmetros estavam devidamente ajustados, como o
tempo de resposta fornecido pelo dispositivo e a rea de cobertura dos sensores.
Os sensores, nesta oportunidade, foram ajustados e o tempo de resposta se mostrou
suficiente para a reao do usurio.
Com os testes realizados na calada pode-se ter uma correta avaliao do comportamento
do dispositivo em uma situao real, que se mostrou eficiente ao identificar objetos na
altura do rosto de seu usurio.
Foi observado o tempo de resposta do aparelho e a velocidade com que o usurio responde
aos estmulos gerados pelos micromotores.
Uma situao que representa um risco para o deficiente visual so as rvores com o galho
muito baixo. Estes galhos que no foram podados representam um risco para os deficientes
visuais que passam pela calada. Ao passar pelo local, o deficiente visual fatalmente colide
com a cabea nesse tipo de obstculo.
Com o auxlio do dispositivo, o deficiente visual pode perceber que havia um obstculo
frente. Este obstculo no foi detectado pela bengala em funo da altura em que se
encontra o galho da rvore.
Nos testes, o dispositivo permitiu a deteco deste tipo de obstculo com uma margem de
erro de 10%, ou seja, de cada 10 testes realizados, em um deles o dispositivo no alertava o
usurio a tempo de tomar uma ao preventiva.
Foi elaborado um experimento para simular uma situao real, onde o deficiente visual
teria que atravessar um corredor tendo alguns obstculos espalhados estrategicamente pelo
caminho a ser percorrido (colunas feitas com caixas de papelo).
O objetivo do teste foi fazer com que o deficiente sasse do ponto indicado como incio e
chegasse at o ponto indicado como objetivo
173

O dispositivo se mostrou eficaz na deteco dos obstculos, medida que o usurio
prosseguia com o percurso era alertado da existncia de cada coluna.
Foram detectadas algumas falhas em funo do desvio do sinal de ultrassom formar um
ngulo menor que 60 em relao s paredes dos obstculos.
Concluso
Pelos testes realizados, tendo em vista a preciso das informaes passadas pelo
dispositivo ao usurio, pde ser constatado que o dispositivo atende s expectativas iniciais
deste projeto, informando ao usurio quanto existncia de obstculos.
O trabalho mostra que no tem a pretenso de criar um dispositivo que prive o deficiente
de sua individualidade, e nem alterar a maneira como se comporta ao se locomover.
Com a avaliao dos resultados alcanados, constatou-se, mais uma vez, que a Lgica
Paraconsistente Anotada surge como uma importante ferramenta no desenvolvimento de
projetos ligados rea de IA e robtica.
Um ponto positivo observado foi a deteco de objetos em movimento. Durante os testes, o
dispositivo permitiu que o usurio percebesse a presena de pessoas que circulavam ao seu
redor - a bengala se limita deteco de objetos estticos. Ao girar o rosto, o usurio faz a
varredura do local mantendo as mos livres, e esta uma contribuio muito significativa
deste estudo.
10
Trabalhos Futuros
Para a continuidade do desenvolvimento deste projeto cabe ressaltar a busca pela

miniaturizao das partes que integram o dispositivo, bem como o aumento da abrangncia
e o alcance dos sensores.
Utilizao de outras tecnologias para deteco de obstculos, como por exemplo, sensores
de infravermelho e de deteco de calor.
174

Ampliao do nmero de sensores, com objetivo de aumentar a percepo do ambiente
externo.
Busca por novos meios de interao entre o usurio e o dispositivo, como por exemplo,
uma interface sonora.
As tcnicas e teorias aplicadas neste trabalho podem ser posteriormente utilizadas por
diversas reas cientficas, com as devidas adequaes.
Referncias
1.
Abe, J.M., Decises Consistentes Sobre o Inconsistente. In: P. L. Neto, Qualidade e

Competncia nas Decises, 4001,418). So Paulo, Blucher, 2007.
2.

3.
Abe, J.M., Some Aspects of Paraconsistent Systems and applications. Logique et

Analyse , 83-96, 1997.
4.
Da Silva Filho, J.I. & J.M. Abe, Fundamentos das Redes Neurais Paraconsistentes:
5.
Abnt. Associao Brasileira de Normas Tcnicas. NBR 9050 - Acessibilidade a

edificaes, mobilirio, espaos e equipamentos urbanos. 2004.
6.
Aiadv. Associao Itauna de Assistncia ao Deficiente Visual. Disponvel em Aiadv:

http://www.escoladecegositu.com.br/cursos_atividade.asp, acesso em 3 de Junho de
2009. 2009.
7.
Da Costa, N.C.A., Abe, J.M., Da Silva Filho, J.I., A.C. Murolo & C.F.S Leite, Lgica
8.

175

9.
Gimenez, S.P., Microcontroladores 8051: Teoria do hardware e do software /

Aplicaes em controle digital / Laboratrio e simulao. So Paulo, Pearson Prentice
Hall, 2002.
10. Ibge. Instituto Brasileiro de Geografia e Estatsticas. Disponvel em Ibge:

http://www.ibge.gov.br, acesso em 5 de Janeiro de 2009. 2004.
11. Ohw.
World
Health
Organization.
Disponvel
em
Ohw:
http://www.who.int/mediacentre/news/releases/2003-/pr73/en/, acesso em 20 de
fevereiro de 2009. 2003.
12. Pcuc. Clube Portugus de Utilizadores de Co-guia. Disponvel em Pcuc:
http://www.cpuc.org.pt/cao-guia.html, acesso em 12 de Julho de 2009. 2005.
13. Pereira, F. Microcontroladores pic Programando em C. So Paulo, Erica, 2003
14. Precision Microdrives. Disponvel em http://www.precisionmicrodrives.com/, acesso
em 1 de outubro de 2005. 2005. 91
15. Sbo.
Sociedade
Brasileira
de
Oftalmologia.
Disponvel
em
Sbo:
http://www.sboportal.org.br/site2/index.asp, acesso em 20 de junho de 2009. 2009.

16. Selvi, D.S., Kamath, U.R., Sudhin, M.A., Andha Asthra - A navigation system for the
visually impaired.Proceedings of IEEE International Conference on Multisensor
Fusion and Integration for Intelligent Systems. Seoul, Korea, 20-22 august 2008.
Uanderson Celestino - Mestrado em Engenharia de Produo pela Universidade Paulista

(UNIP), bacharelado em Cincia da Computao pela Universidade Paulista (UNIP).
Membro do grupo de pesquisa de Lgica Paraconsistente e Inteligncia Artificial.
Atualmente professor e pesquisador na Universidade Paulista.
176

177
Buscando sustentabilidade energtica atravs de um carregador de baterias solar autoorientvel baseado na Lgica Paraconsistente
Buscando sustentabilidade energtica atravs de um carregador de baterias solar
auto-orientvel baseado na Lgica Paraconsistente.
lvaro Andr Colombero Prado1, Jair Minoro Abe1, Cristina Corra Oliveira1
1
Progama de Ps Graduao em Engenharia da Produo- Universidade Paulista, So

Paulo, Brasil
py2alv@gmail.com, jairabe@uol.com.br, crisolive@ig.com.br
Resumo. A crescente busca por dispositivos que constituam solues simples para os
problemas enfrentados pelas pessoas nas mais diferentes situaes, tem levado muitos a
um esforo contnuo para melhorar tcnicas e processos, visando atender s exigncias que
estes devem seguir. Em paralelo, tambm existe um grande interesse para que estes
dispositivos possam manter-se forma sustentvel, resultando em um impacto ambiental
reduzido, e resultados otimizados. Neste ponto, um assunto tocante o fornecimento de
energia eltrica em locais onde a mesma no est disponvel. Normalmente em situaes
do tipo, as solues geralmente adotadas geram um alto impacto ambiental, uma vez que
trabalham com a queima de combustveis fsseis, resultando em emisses de carbono.
Este artigo visa apresentar-lhes um carregador de baterias solar com painel auto-orientvel,
que funciona de forma independente da rede eltrica, e que busca resultar em um baixo
impacto ambiental resultante, com rendimento otimizado atravs do uso da Lgica
Paraconsistente na parte de tomada de decises por seu sistema agente.
Palavras-chave:
Sustentabilidade,
Energia,
Carregador
De
Baterias,
Lgica
Paraconsistente.
178
Abstract. The growing demand for devices which constitute simple solutions to the
problems faced by people in different situations has led many to an ongoing effort to
improve techniques and processes to meet the requirements that such devices should
follow. In parallel, it is also noticeable a very high tendency to develop equipment capable
of maintaining a sustainable way, generating a reduced environmental impact, with
optimum results. At this point, there is the supply of electricity on places where this is not
available. In these cases, normally the solutions most commonly adopted generate high
environmental impact, since working with the burning of fossil fuels, with consequent
carbon emissions. This article aims to present to them the idea of a battery charger with
solar panel auto-rotatable with working independent of any type of outlet, and provides
income support to any charger designed to operate on the grid, with advantage of reduced
environmental impact.
Keywords: Sustainability, Energy, Battery Charger, Paraconsistent Logic.
Introduo
Nos tempos presentes, uma crescente busca pelo desenvolvimento de tecnologias que
tragam cada vez mais recursos e sofisticao, aliados a parmetros de confiabilidade cada
vez mais crescentes muito notada, acompanhada de um grande aperfeioamento das
tcnicas e processos de fabricao, eliminao e gerao de energia, visando um impacto
ambiental to baixo quanto possvel, levando em conta o conceito de sustentabilidade,
combinando mximos resultados de sada com um mnimo de perdas para o meio-ambiente.
Ao mesmo tempo, contrastando com este cenrio de grande desenvolvimento, no so
raros os casos em que mesmo os mais bsicos recursos so muito escassos, especialmente
em locais distantes dos centros urbanos e, portanto, desprovidos de muitas das vantagens
oferecidas por eles.
179
Um desses recursos a energia eltrica, muitas vezes indisponvel por conta da distncia
entre as redes de distribuio e os locais em si, ou mesmo pela grande importncia do
ecossistema local, o que dificulta muito, ou mesmo impede a implementao de qualquer
sistema especfico. Segundo [3] "As grandes distncias, a baixa taxa de ocupao e a
importncia do seu ecossistema constituem um grupo de dificuldades que exigem
tratamento especial-mento para atender as necessidades de energia eltrica."
Vrias solues podem ser adotadas nestes casos, porm em sua maioria resultando em
elevado impacto ambiental. O uso de geradores movidos por motores de combusto, ou
mesmos arcaicos lampies a gs ou querosene, apresentam altas taxas de emisso de gases
poluentes, apresentando tambm riscos fsicos para quem os manuseia.
No se pretende, no entanto, a construo de um sistema que gere um impacto ambiental
igual a zero, uma vez que este praticamente impossvel, mas um impacto que seja
sabidamente reduzido j pode ser perfeitamente aceitvel, uma vez que, de acordo com [2]
"No h energia limpa. Para uma maior ou menor grau, todas as fontes de energia causar
danos ao meio ambiente.
Um mtodo interessante para a obteno de energia, seguindo esses preceitos atravs da
luz solar. Os gastos envolvidos implicam apenas no custo do equipamento (e no na
gerao de energia em si), com a vantagem deda no emisso de carbono.
Um problema importante encontrado, neste caso, est relacionado ao tamanho do painel e
posicionamento do mesmo, que frequentemente fixo e no tem capacidade de seguir o
movimento natural do sol durante o dia. Existem opes para contornar este problema,
mediante o uso de temporizadores, controlando um servomotor que coloca o painel em um
conjunto de posies pr-estabelecidas experimentalmente, as quais, no entanto, podem
no coincidir com a posio real do sol. Este tipo de arranjo conhecido como "Solar
Tracker", e (...) um dispositivo para orientar um painel fotovoltaico em direo ao sol,
180
aumentando assim a efetividade deste equipamento sobre a de qualquer posicionamento
fixo, sob o custo de uma maior complexidade adicional do sistema." [4].
Ao utilizar um sistema agente, ligado a sensores e atuadores acoplados ao painel,
possvel obter um posicionamento em tempo real correcta do mesmo. Esta alternativa
combinada com a utilizao da lgica paraconsistente para o processo de tomada de
deciso busca permitir um melhor desempenho com um painel de relativamente pequeno.
No se pretende, no entanto, uma comparao final entre o modelo aqui proposto com
quaisquer outras solues semelhantes, com base em sistemas diferentes ou mesmo na
lgica clssica, uma vez que isso se constitui de objetivo para novas iteraes.
A concepo do carregador de bateria auto-sustentvel aqui proposto destina-se a prover
funcionamento a pequenos dispositivos de uso dirio, por meio da carga de baterias que
podem ser usadas em vrias aplicaes, dispensando assim as solues anteriormente
mencionadas.
2
Lgica Paraconsistente
A gnese da Lgica Paraconsistente, originou-se em 1910, com o trabalho dos lgicos N.

A. Vasil'v e J. ukasiewicz. Embora contemporneos, eles no tiveram contato pessoal,
desenvolvendo suas pesquisas de forma independente.
Em 1948, Jaskowski, incentivado por seu professor ukasiewicz, descobriu a lgica
discursiva, Vasil'v escreveu que similarmente ao que se deu com os axiomas da
Geometria Euclidiana, alguns princpios da Lgica Aristotlica poderiam ser revisados,
dentre eles, o princpio da contradio [5].
Ambos os lgicos, Vasili'ev e Lukasievicz importaram-se mais com uma possvel
derrogao do princpio da Contradio, mas no chegaram a construo de sistemas que
levassem a cabo essa possibilidade. Paralelamente aos trabalhos de Jaskowski, o brasileiro
181
Newton C. A. Da Costa, iniciou nos anos 50, estudos que pudessem levar a construo de
sistemas lgicos que pudessem tratar inconsistncias.
Indo muito alm dos trabalhos de Jaskowski, Da Costa estendeu seus sistemas para o
tratamento de casos muito particulares, tendo sido reconhecido por isso, como sendo o
criador das Lgicas Paraconsistentes. Dando continuidade aos estudos de Da Costa, o
matemtico tambm brasileiro Jair Minoro Abe, definiu outras vrias aplicaes dos
Sistemas Anotados, com base no estudo da Lgica de Predicados, a Teoria de Modelos e a
Teoria Anotada de Conjuntos.
A Lgica Paraconsinstente Anotada Evidencial E, um segmento da Lgica
Paraconsinstente, a ser aplicada neste projeto, traz relao com certos tipos de reticulados
completos, que executam um importante papel. As concluses dos fatos que no so
categricas nos evidenciam a crena (evidncia) dos fatos que esto sendo analizados.
2.1
Graus de Certeza e Incerteza
Com base nos pontos cardeais expressos na Figura I, e atravs do uso das propriedades dos
nmeros reais, pode ser definida uma estrutura matemtica com o intento de permitir a
manipulao do conceito de incerteza, contradio e de paracompleteza, dentre outros.
Tal mecanismo ir conter naturalmente, os estados verdadeiro e falso, j tratados dentro do
escopo da lgica clssica, com todas as suas conseqncias. Outros conceitos, intuitivos,
sero tambm includos, buscando-se atingir a finalidade definida:
182
Figura I. Reticulado , [7].
Os quatro pontos cardeais de referncia, expressos no reticulado , expressam-se da mesma

forma que na tabela 1.
Tabela I. Pontos Cardeais
Pontos
Estados
A (1.0, 0.0)
Verdadeiro
B (0.0, 1.0)
Falso
C (1.0, 1.0)
Inconsistente
D (0.0, 0.0)
Paracompleto
Com base nestes pontos cardeais, e atravs do uso das propriedades dos nmeros reais,
possvel definir-se uma estrutura matemtica que permita a manipulao dos conceitos de
incerteza, contradio e de paracompleteza, dentre outros.
Este mecanismo ir englobar intrnsecamente, de algum modo, os estados verdadeiro e
falso, j tratados na lgica clssica, com todas as suas conseqncias. Outros conceitos,
intuitivos, sero tambm includos, buscando-se atingir a finalidade definida:
183
Segmento perfeitamente definido AB:
+ -1 = 0; 0 , 1
Segmento perfeitamente indefinido DC:
- = 0; 0 , 1
As constantes de anotao (, ) que incidem no segmento perfeitamente indefinido,

possuem a relao - = 0, ou seja, = . Logo, a evidncia favorvel idntica
evidncia contrria, o que mostra que a proposio p(, ) expressa uma indefinio. Ela
varia continuamente desde a inconsistncia (1, 1) at o paracompleto (0, 0).
Uma vez que as constantes de anotao (, ) que incidem no segmento perfeitamente
definido, possuem a relao + -1 = 0, ou seja, = 1 - , ou ainda = 1 - . Logo, no
primeiro caso, a evidncia favorvel o complemento booleano da evidncia contrria e,
no segundo, a evidncia contrria o complemento booleano da evidncia favorvel, o que
mostra que as evidncias, favorvel e contrria comportam-se como na lgica clssica.
Ela varia continuamente desde a falsidade (0, 1) at a veracidade (1, 0).
Sequencialmente, ento, introduzem-se as aplicaes:

Gic:[0, 1][0, 1] [0, 1]
Gpa:[0, 1][0, 1] [-1, 0]
Gve:[0, 1][0, 1] [0, 1]
Gfa:[0, 1][0, 1] [-1, 0]
Definidas por:
Grau de Inconsistncia:
Gic(, ) = + -1, desde que + -1 0
Grau de Paracompleteza:
Gpa(, ) = + -1, desde que + -1 0
Grau de Veracidade:
Gve(, ) = - , desde que - 0
Grau de Falsidade:
Gfa(, ) = - , desde que - 0
184
Pode-se ver que o Grau de Veracidade permite uma espcie de medio, de quanto uma
anotao (, ) se distancia do segmento perfeitamente definido e de quanto se aproxima
do estado verdade, ao mesmo tempo que o Grau de Falsidade indica o quo uma anotao
(, ) est distante do segmento perfeitamente definido e quanto se aproxima do estado
falso.
De modo similar, o Grau de Inconsistncia mede o quo uma anotao (, ) est distante
do segmento perfeitamente indefinido e o quanto se aproxima do estado inconsistente, ao
mesmo tempo que o Grau de Paracompleteza mostra o quanto uma anotao (, ) se
distancia do segmento perfeitamente indefinido e quo se aproxima do estado
paracompleto.
Chama-se Grau de Incerteza Gin(, ) de uma anotao (, ) a qualquer um dos graus de
inconsistncia ou de paracompleteza.
2.2
Estados de Deciso: Extremos e No-Extremos.
Com os conceitos acima expostos, fica possvel trabalhar com faixas de verdade ao invs
da mesma como conceito, inflexvel.
Torna-se ento, a verdade, uma faixa de certeza com respeito certa proposio. Os
valores servem como um guia quando tal proposio considerada; por exemplo,
"verdadeira", a fim de tomar uma deciso de forma positiva, e assim por diante acordo com
a Figura II.
Os estados extremos so representados pela verdade (V), Falso (F), inconsistente (T) e
paracompleto (); e os estados lgicos no-extremos pelas reas intermedirias entre os
estados. As reas delimitadas por valores no-extremos dependem de cada aplicao.
185
Figura II. Estados Extremos e No-Extremos, [7].
2.3
Aplicao da Lgica Paraconsistente ao Sistema Agente
A partir dos princpios indicados, o sistema agente trabalha com base nas leituras de um
fotoresistor, que funciona como sensor de luz, situado ao lado do painel solar e fornecendo
placa controladora os valores de luminosidade em forma de nveis de tenso entre zero e
5 volts, correspondentes a cada posio.
Para trabalhar com tais valores usando a lgica E, o sistema utiliza-se de um algoritmo
Para-Analizador, desenvolvido pelo [7], que capaz de expressar a anlise paraconsistente
tratando as evidncias favorveis e contrrias, fornecendo uma palavra binria de doze bits,
mais um nico bit ativo, que representa o estado logico da anlise resultante, alm de uma
sada analgica, representando a certeza e valores contradio. O funcionamento do
algoritmo detalhado na Figura III.
186
Entrada
Entrada
Anlise
Paraconsistente
Grau de Certeza
Grau de Incerteza
Algortimo
Para - Analizador
Gct = + - 1
Gc = -
DECISO
____________
Estado Lgico
Figura III - Algoritmo Para-Analisador, [7].
A fim de obter a partir do sensor de entrada os valores de evidncia favorvel e contrria,

determinou-se experimentalmente que a leitura de valores inferiores a 2,5 V representam a
evidncia contrria, e acima dela, favorvel.
O sistema funciona como expresso na Figura IV, que apresenta os passos executados pelo
software [6] em sua operao:
Inicialmente, o painel solar faz uma excurso completa, para que o sensor (que
encontra-se anexado a ele) possa fazer a leitura dos valores de luminosidade
presentes em todas as posies possveis.
Tais valores de luminosidade so devidamente aplicados a entrada da placa
controladora, na qual o sistema agente se encarrega de atribu-los a um conjunto de
variveis, cada uma delas indexada a uma das posies do painel.
Por meio do uso da Lgica Paraconsistente, o sistema agente faz uma anlise dos
valores armazenados, comparando-os e separando aquele com maior evidncia
favorvel que indique para uma situao de mxima luminosidade no sensor, em
comparao com os demais.
O sistema agente posiciona o painel na posio indexada a varivel escolhida, e o
processo volta a se repetir depois de um perodo de uma hora, buscando nova
posio em relao ao sol.
Caso os valores coletados tendam a um resultado inconsistente (no caso de tempo
muito nublado, ou carregador mal posicionado em relao ao sol), o sistema agente
repete a operao de varredura/armazenamento de valores, at que se obtenham
187
valores com evidncias favorveis e contrrias suficientes
Figura IV. Diagrama de Atividades, mostrando o funcionamento do Sistema Agente.
Hardware Utilizado
O mdulo solar utilizado, capaz de fornecer uma tenso 17,5V sob uma corrente mxima
de 286mA, tratando-se de um dispositivo de dimenses relativamente pequenas (338mm x
315mm x 18mm), com capacidade de fornecimento no muito grande [9], o que
proporcionar a bateria uma carga lenta, mas ainda assim, efetiva. No foi escolhido um
modelo maior por questes de peso, levando-se em conta que o mesmo possui quase 0.9Kg,
e o sistema de movimentao com servomotor poderia no suportar cargas mais elevadas.
Para a seo da placa controladora, responsvel por armazenar e operacionalizar o software
embarcado, foi escolhido um modelo comercial, a Arduino Duemilanove, baseada no
conhecido microcontrolador AVR ATMEGA168. um modelo bastante verstil e
poderoso, que comporta com folga o Software Embarcado a ser utilizado. A respeito da
famlia de microcontroladores ATMEGA, "A arquitetura AVR suporta um completo
188
espectro de preo-desempenho, desde simples pequeno-pin-contagem de controladores (...)
na extremidade baixa, a alta gama de dispositivos com grandes memrias em chip (...)" [8].
Como sensor, um Fototransistor montado em invlucro cilndrico de plstico escuro aberto
em apenas uma das extremidades, confere a direcionalidade necessria para fornecer ao
software uma noo da posio do sol em relao ao painel solar. Fica posicionado ao lado
do mesmo.
Como atuador, foi escolhido um servomotor de antena parablica de baixo custo, conforme
Figura V, conectado mecanicamente ao painel solar, por meio de um par de braos
basculantes. Um simples circuito regulador baseado no integrado LM317T encarregado
de proporcionar o ajuste da corrente de carga, adequando-a ao tipo de bateria empregada,
no caso, um conjunto acumulador Chumbo-cido selado (SLA), com tenso nominal de
12V e corrente mxima de 1.3Ah, que funciona em regime de carga cclica. Um segundo
conjunto de baterias, mantido em regime de carga contnua e conectado a outro circuito
regulador, fica incumb ido de prover a energia para o funcionamento do sistema de
posicionamento do painel solar, sob reduzido consumo de corrente.
Figura V - Aspecto do prottipo final.
189
O uso de baterias tipo Chumbo-cido providencial, visto que so os tipos de bateria que
admitem recarga mais facilmente disponveis, alm de apresentarem um custo mais baixo,
quando comparadas com outros tipos.
4
Concluso
Este artigo visa propor uma alternativa sustentvel para a alimentao de pequenos
dispositivos eletrnicos, em locais onde a energia eltrica no est disponvel. Indo alm
de outros mtodos de gerao de energia, o carregador proposto consiste em uma
alternativa de baixo impacto ambiental, sem queima de combustveis fsseis e, portanto,
sem liberao de carbono para o meio ambiente, alm de no oferecer riscos fsicos para o
usurio.
Atravs do uso da Lgica Paraconsistente Anotada Evidencial E, um tipo de lgica notrivial e capaz de aceitar contradies, na parte de tomada de deciso pelo sistema agente,
buscada uma otimizao importante, permitindo o uso de um painel solar relativamente
pequeno, com um rendimento final mais efetivo.
No se pretende, contudo, uma comparao entre o modelo aqui proposto com quaisquer
outras solues semelhantes, com base em sistemas diferentes ou mesmo na lgica clssica,
uma vez que a mesma constitui-se de objeto para novas iteraes, que se seguiro
posteriormente ao presente trabalho.
Referncias
2. Bermann, C. Energia no Brasil: Para qu? Para quem? Crise e alternativas para um pas
sustentvel, Livraria da Fsica/Fase Editora, 2002.
190
3. Bursztyn, M.A., Difcil Sustentabilidade: poltica Energtica e Conflitos Ambeintais,
Garamond, 2001
4. Camacho, E.F., Berenguel M., F.R. Rubio & D. Martnez, Control of Solar Energy
Systems, 2012, Springer.
6. Da Costa, N.C.A. & J.M Abe, Paraconsistncia em Informtica e Inteligncia Artificial,
Estudos Avanados, So Paulo, v. 14, n. 39, ago. 2000 .
Disponvel em
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S010340142000000200012&lng=pt&nrm=iso>. Acesso em 30 mar. 2013.

8. Khnel, K., Avr Risc Microcontroller Handbook, 1998, Butterworth-Heinemann.
9. Labetzke, M.S., Painel Solar, Elektor Eletrnica, Ed. 93/94, p.10-11, 2010.
lvaro Andr Colombero Prado - Mestrando em Engenharia da Produo pela

Universidade Paulista (UNIP). Membro do grupo de pesquisa de Lgica Paraconsistente e
Inteligncia Artificial. Possui graduao em Sistemas de Informao pela Universidade
Paulista (2010), atuando principalmente nos seguintes temas: carregador, eletrnica, lgica
paraconsistente, prottipo e sustentabilidade.
191
Cristina Corra de Oliveira - Doutoranda em Engenharia de Produo pela Universidade

Paulista (UNIP), mestre em Engenharia da Computao pelo Instituto de Pesquisas
Tecnolgicas do Estado de So Paulo (2006), graduada em Anlise de Sistemas pela
Pontifcia Universidade Catlica de Campinas. Membro do grupo de pesquisa de Lgica
Paraconsistente e Inteligncia Artificial. Professora Associada I da Faculdade de
Tecnologia Zona Leste (FATEC-ZL) professora no Instituto Federal de So Paulo campus Bragana Paulista (IFSP)
192
Redes Neurais Artificiais Paraconsistente e diagnstico da depresso
Redes Neurais Artificiais Paraconsistente e o diagnstico da depresso

Cristina Corra Oliveira1,2,Jair Minoro Abe1
1
Programa de Ps Graduao em Engenharia da Produo- Universidade Paulista, So

Paulo, Brasil
jairabe@uol.com.br
2
Instituto Federal de So Paulo Campus Bragana Paulista, So Paulo, Brasil

crisolive@ig.com.br
Resumo. Depresso ou transtorno de humor uma variao do humor que afeta as pessoas
principalmente na idade adulta, prejudicando a qualidade de vida da populao
economicamente ativa.
O diagnstico da depresso depende das categorias e das
manifestaes de determinados sintomas, o que torna seu diagnstico e tratamento

complexo. A Lgica Paraconsistente Anotada Evidencial permite analisar os sintomas e
a patologia da depresso, quantificando a subjetividade dos sintomas e sinais e esta tcnica
indicada quando h impreciso e principalmente contradies, em maior ou menor grau,
das informaes. Este trabalho prope o uso Redes Neurais Artificiais Paraconsistente para
construo de uma aplicao para auxiliar o diagnstico da depresso em servios de
atendimento primrio.
Palavras-chave: Redes Neurais Artificiais Paraconsistentes, Lgica Paraconsistente
Anotada Avidencial E, Depresso.
193
Abstract. In this paper we purpose to discuss the role of depression at work; for instance
according to the Brazilian health data ministry, statistical data. So it is important to develop
a serious study of this mental diseases especially in the context in production engineering
as the data frequently contain uncertainly, conflicting subjective and even incompleteness
we need a new kind of theories based on Non-Classical logics such Paraconsistent logic .
In this paper we consider de possibility of application of paraconsistent annotated
evidential logic E and Artificial neural network . We present the first ideas in this
direction.
Keywords: Paraconsistent Logic, Artificial Neural Networks, Depression
1. Introduo
A histria da doena mental to antiga quanto da humanidade, sendo a histria
psiquitrica recente [3] e seu entendimento est relacionado ao conhecimento e aos valores
de sua poca. Na antiguidade, a melancolia era atribuda ao desrespeito e pecados dos
homens, sendo punido pelos deuses. Hipcrates (460370 a.C.) retira a discusso do
sobrenatural e cria a teoria do desequilbrio dos humores (fleuma, bile amarela, bile negra e
sangue) em termos cientficos, superando a superstio pela adoo da observao clnica.
A teoria dos humores continuava na Idade Mdia, somente a partir da segunda metade do
sculo XVIII, John Locke sugere que a loucura seria resultado de uma falha nas
associaes das informaes recebidas pelos processos sensrias [3].
Depresso uma variao do humor que afeta as pessoas na idade adulta, prejudicando a
qualidade de vida da populao [10] economicamente ativa, o que torna a doena onerosa
com a incapacitao do individuo, levando 38,5% das pessoas com depresso ao suicdio.
A depresso classificada como transtorno do humor [7] e possui vrios sintomas e sinais
como: humor deprimido, perda de energia e interesse, sentimento de culpa, dificuldade
194
para concentrar-se, perda de apetite e tendncias suicidas. Outros sinais e sintomas incluem
alteraes nos nveis de atividades com perda da produtividade no trabalho, capacidade
cognitiva diminuda e alterao das funes vegetativas como sono, apetite, atividade
sexual e outros ritmos biolgicos. Essas mudanas impactam na vida social, interpessoal e
principalmente na vida ocupacional j que um indivduo com depresso tende a ter mais
faltas mensais [10].
Uma avaliao psiquitrica costuma ser feita com uma entrevista onde o paciente relata sua
queixa principal, a histria de sua doena e a sua histria pessoal. O psiquiatra observa
como o paciente relata os fatos e como se ele se comporta na entrevista, incorporando estas
observaes da condio atual do paciente.
Segundo [7] os pacientes se dizem tristes, sem esperanas e essas caractersticas so
descritas muitas vezes como sendo uma dor emocional lancinante. Outra queixa, com alto
ndice de relato, a diminuio de energia resultando em dificuldades para terminar
tarefas, baixo comprometimento no trabalho e motivao diminuda para assumir novos
projetos. Outros sintomas significativos [2] na depresso so atpicos como: aumento do
sono, aumento do apetite e conseqentemente aumento de peso e agravamento de doenas
mdicas coexistentes como diabete, hipertenso, doenas pulmonares obstrutiva e
cardiopatia. A ansiedade, queixas somticas e o abuso do lcool so fatores complicadores
no tratamento da depresso assim como os sintomas cognitivos que incluem incapacidade
de concentrao e comprometimento do pensamento.
O diagnstico da depresso depende das categorias e das manifestaes de determinados
sintomas, o que torna seu diagnstico e tratamento complexo [12].
Depresso, caracterizado como transtorno de humor [7], tornou-se um problema de sade
pblica, uma a cada duas pessoas apresenta transtornos mentais ao longo da vida. Este
projeto visa a construo de um sistema de apoio a deciso mdica (SADM) utilizando
195
Redes Neurais Artificiais Paraconsistente baseada na Lgica Paraconsistente Anotada

Evidencial E, facilitando o diagnstico da depresso.
2. Diagnsticos da Depresso
A elaborao do diagnstico de depresso tem como principal objetivo determinar a
presena ou a ausncia de um conjunto de caractersticas clnicas. Segundo [2], a avaliao
dos sintomas, no caso da depresso, essencial para a elaborao do diagnstico. As
escalas de avaliao da depresso ajudam na avaliao dos sintomas e na elaborao do
prprio diagnstico.
As escalas da avaliao de depresso variam de questionrios respondidos pelos pacientes,
denominada auto-avaliao; as que so aplicadas por observadores, e as hbridas (autoavaliao e observador). A auto-avaliao requer julgamento do prprio paciente, ou de
uma pessoa prxima que o conhea bem e apresenta a vantagem de ser econmica [4] com
relao ao tempo ao ser aplicada por uma equipe de sade. Uma desvantagem que o
prprio paciente deve fornecer informaes sobre seu humor e principalmente seus
sentimentos e sua confiabilidade limitada pois pressupe que o paciente consiga avaliar a
gravidade dos seus sintomas e aceite o tratamento.
A escala de Avaliao da Depresso de Hamilton [7] uma avaliao aplicada por
avaliadores treinados e consiste em 17 a 24 itens sendo cada item classificado de 0 a 4 ou
de 0 a 2, com uma pontuao variando de 0 a 76. Essa escala feita atravs de entrevista
clnica com o paciente e feita uma abordagem sobre sentimentos de culpa, suicdio,
hbitos de sono, sintomas somticos e finalmente uma anlise do desempenho no trabalho
e atividades.
importante destaca [2] que a Escala de Avaliao da Depresso de Hamilton no fornece
pontos de corte para os indicativos dos graus de gravidade da depresso: leve, moderada,
196
grave. Segundo [11] a entrevista no possui padres e depende do conhecimento e da

habilidade do entrevistador na quantificao dos escores de cada item. Existe um consenso
[11] que escores acima de 25 identificam depresso grave, entre 18 a 24 representam
depresso moderada, entre 7 a 17 indicam depresso leve, e escores menores que 7
definem ausncia de depresso.
3. Lgica Paraconsistente Anotada Evidencial E

A lgica clssica, de tradio aristotlica, tem como princpio bsico o princpio da
contradio ou no contradio. A contradio diz que uma proposio tem somente dois
valores, falso e verdadeiro, e que no podem assumir simultaneamente os dois valores.
Este princpio do terceiro excludo. Uma contradio nunca ser verdadeira se for
formada por duas ou mais proposio contraditrias. Argumentos formulados em
linguagem natural so freqentemente difceis de serem avaliados por causa da natureza
ambgua, vaga e equivocada das palavras, do estilo metafrico e principalmente confuso.
A veracidade ou a falsidade das proposies [1] o principal problema que envolve a
estrutura da lgica clssica, pois as aplicaes que utilizam essa lgica no so capazes de
tratar as contradies do mundo real que apresentam, a cada dia, informaes
inconsistentes e contraditrias, pois as informaes so mais aprofundadas e mais precisas.
As aplicaes atuais devem estar preparadas para resolver problemas de inconsistncias [5]
e no simplesmente ignorando-as, refutando-as como falsas ou confirmando-as como
verdadeiras. Existem casos em que as proposies podem ser verdadeiras e as inferncias
so ilegtimas, portanto, argumentos vlidos podem ser concluses verdadeiras ou falsas. A
validez de um argumento no garante a verdade da concluso. A Lgica Paraconsistente
Anotada Evidencial E parte do princpio que possvel estabelecer, numa escala de 0 a 1,
graus de evidncia favorvel, denotado por , e evidncia desfavorvel, denotado por ,
197
para as proposies. Seja [8] a proposio p = Pedrinho est doente, se p= (1.0, 0.0) a
leitura ser: Pedrinho tem 100% - evidencia favorvel total ou Pedrinho est doente.
Uma anotao (0.8, 0.4) indica que Pedrinho est com uma evidencia favorvel de 80% e
uma evidencia contrria de 40%. Se a anotao for p= (0.0, 1.0) deve ser feita a leitura que
Pedrinho tem evidencia favorvel nula e evidencia contraria total e p falsa. Se a
anotao for p= (1.0,1.0) leia como contradio total (falso e verdadeiro) e
inconsistente. A anotao p=(0.0, 0.0) com evidncia favorvel nula e evidncia contraria
nula denominado paracompleto pois falta de informao. A ltima anotao a
p=(0.5,0.5) que pode ser lida como 50% de condio favorvel e 50% de condio
desfavorvel e p indefinida. A Lgica Paraconsistente Anotada Evidencial E trata os
estados intermedirios como: falso tendendo ao inconsistente; quase inconsistente;
inconsistente; verdadeiro tendendo ao inconsistente; quase verdadeiro; verdadeiro;
verdadeiro tendendo ao indeterminado; quase indeterminado; indeterminado; falso
tendendo ao indeterminado; e quase falso.
De acordo com [1] , Lgica Paraconsistente Anotada Evidencial E est relacionada com o
reticulado completo denominado QUPC - Quadrado Unitrio do Plano Cartesiano, como
mostra a Figura I.
Figura I. Reticulado representado por um qupc [6]
198
Para uma dada proposio de evidncia favorvel 1 e evidncia desfavorvel
2,
constitui-se o par (1, 2) pertencente ao produto cartesiano [0,0;1,1] no QUPC. Os

valores de evidencia favorvel 1 e evidncia desfavorvel 2 podem ser quaisquer no
intervalo fechado [0,1], destacando-se [1] os seguintes pares (1;2):
(0,0) pode ser lida como uma proposio paracompleta (evidncia favorvel nula e
evidncia contrria nula).
(1,1) pode ser lida como uma proposio inconsistente (evidncia favorvel total e
evidncia contrria total).
(1,0) pode ser lida como uma proposio verdadeira (evidncia favorvel total e
evidncia contrria nula).
(0,1) pode ser lida como uma proposio falsa (evidncia favorvel nula e
evidncia contrria total).
(0.5,0,5) pode ser lida como uma proposio indefinida (evidncia favorvel igual
evidncia contrria de 0.5).
4. Graus de Certeza e Incerteza
Com base nos pontos cardeais expressos na Figura II, e atravs do uso das propriedades
dos nmeros reais [1], pode ser definida uma estrutura matemtica com o intento de
permitir a manipulao do conceito de incerteza, contradio e de paracompleteza, dentre
outros.
Tal mecanismo ir conter naturalmente, os estados verdadeiro e falso, j tratados dentro do
escopo da lgica clssica, com todas as suas conseqncias. Outros conceitos, intuitivos,
sero tambm includos, buscando-se atingir a finalidade definida:
199
Figura II. Reticulado [1]
No reticulado t nota-se quatro pontos que nortearo os questionamentos. Denominam-se os

pontos cardeais:
A (1.0, 0.0) estado verdadeiro
B (0.0, 1.0) estado falso
C (1.0, 1.0) estado inconsistente
D (0.0, 0.0) estado paracompleto
Com os pontos cardeais e com as propriedades dos nmeros reais, utiliza-se uma estrutura
matemtica a fim de materializar as idias para manipular mecanicamente o conceito de
incerteza, contradio e de paracompleteza, entre outros, resultando, naturalmente, de
algum modo os estados verdadeiro e falso tratados dentro do escopo da lgica clssica,
com todas as suas conseqncias.
200
Segmento perfeitamente definido AB:
+ -1 = 0; 0 , 1
Segmento perfeitamente indefinido DC:
- = 0; 0 , 1
As constantes de anotao (, ) que incidem no segmento perfeitamente indefinido,

possuem a relao - = 0, ou seja, = . Logo, a evidncia favorvel idntica
evidncia contrria, o que mostra que a proposio p(, ) expressa uma indefinio. Ela
varia continuamente desde a inconsistncia (1, 1) at o paracompleto (0, 0).
Uma vez que as constantes de anotao (, ) que incidem no segmento perfeitamente
definido, possuem a relao + -1 = 0, ou seja = 1 - , ou ainda = 1 - . Logo, no
primeiro caso, a evidncia favorvel o complemento booleano da evidncia contrria e,
no segundo, a evidncia contrria o complemento booleano da evidncia favorvel, o que
mostra que as evidncias, favorvel e contrria comportam-se como na lgica clssica.
Ela varia continuamente desde a falsidade (0, 1) at a veracidade (1, 0).
Sero introduzidas as aplicaes: Gic:[0, 1][0, 1] [0, 1], Gpa:[0, 1][0, 1] [-1, 0],
Gve:[0, 1][0, 1] [0, 1], Gfa:[0, 1][0, 1] [-1, 0]
Definidas por:
Grau de Inconsistncia:
Gic(, ) = + -1, desde que + -1 0
Grau de Paracompleteza:
Gpa(, ) = + -1, desde que + -1 0
Grau de Veracidade:
Gve(, ) = - , desde que - 0
Grau de Falsidade:
Gfa(, ) = - , desde que - 0
Observa-se que o Grau de Veracidade permite uma medio, de quanto uma anotao (,
) se distancia do segmento perfeitamente definido e de quanto se aproxima do estado
verdade, e o Grau de Falsidade indica o quanto uma anotao (, ) est distante do
segmento perfeitamente definido e quanto se aproxima do estado falso.
201
De maneira similar, o Grau de Inconsistncia mede o quanto uma anotao (, ) est

distante do segmento perfeitamente indefinido e o quanto se aproxima do estado
inconsistente, da mesma forma que o Grau de Paracompleteza mostra o quanto uma
anotao (, ) se distancia do segmento perfeitamente indefinido e quo se aproxima do
estado paracompleto.
Chama-se Grau de Incerteza Gin(, ) de uma anotao (, ) a qualquer um dos graus de
inconsistncia ou de paracompleteza.
5. Redes Neurais Artificiais Paraconsistentes

As Redes Neurais Artificiais (RNA) so modelos matemticos e computacionais nolineares que constituem uma metfora das estruturas neurais biolgicas para o
processamento de informaes.
Um elemento neural, equivalente ao neurnio biolgico, em uma RNA uma unidade
bsica de processamento e denominado neurnio artificial [9], sendo representado
graficamente pela Figura III tendo como funo primordial coletar sinais de entrada da
rede ou oriundos de outros neurnios para avaliao de dados, utilizando pesos, os quais
so repassados aos outros neurnios e/ou para a sada da rede.
Figura III. Modelo simplificado de um neurnio [13]
202
Um sistema neural artificial bsico constitudo por neurnios agrupados em camadas,

onde cada neurnio artificial refere a um valore de entrada, com o respectivo peso, um
valor limiar e uma sada. O modelo de neurnio artificial, Figura III, denominado
Perceptron e combina uma srie de Sinapses conectadas aos terminais de entrada, cujas
sadas ponderadas so combinadas em um somador [13].
A Rede Neural Artificial Paraconsistente (RNAP), apresenta algumas caractersticas
distintas das demais redes. Sua construo baseada na Lgica Paraconsistente Anotada
Evidencial E [6].
A construo das clulas artificiais segue idias distintas tambm das usuais, bem como
todo o seu funcionamento. A unidade neural mais bsica consiste de duas entradas (inputs)
e uma sada (output) e denomina-se como Clula Artificial Paraconsistente bsica (CAPb)
[6].
A primeira entrada da CAPb o grau de evidncia favorvel (ou grau de crena favorvel,
ou ) proposio analisada. A segunda entrada da CAPb o grau de evidncia contrrio
(ou grau de crena desfavorvel, ou ). A sada da CAPb a resultante calculada (ou r)
pelos grau de certeza (Gc) e grau de contradio (Gct) com base nos valores de entrada ( e
).
Na famlia das Clulas Neurais Artificiais Paraconsistente (CNAPs), todas as clulas esto
aliceradas em Lgica Paraconsistente Anotada Evidencial E, mas cada uma possui uma
funo diferente e representada por um algoritmo que permite sua programao em
linguagem de programao, tendo-se as seguintes classificaes de clulas segundo
respectivas funes [6].
203
Clula Neural Artificial Paraconsistente de Conexo analtica (CNAPCa): faz a

anlise analgica dos sinais e conecta todas as clulas componentes da rede.
Clula Neural Artificial Paraconsistente de Conexo lgica seletiva (CNAPCIse):

faz a anlise lgica dos sinais utilizando conectivos lgicos, tais como os de
maximizao e minimizao, ao mesmo tempo que seleciona qual das suas duas
sadas deve ficar ativa, visto que possui duas entradas e duas sadas distintas.
Clula Neural Artificial Paraconsistente de passagem (CNAPp): direciona o fluxo

de informaes para determinada regio da rede.
Clula Neural Artificial Paraconsistente de complementao (CNAPco): faz a

complementao do valor em relao unidade para qualquer sinal aplicado em sua
entrada.
Clula Neural Artificial Paraconsistente de deciso (CNAPd): faz a anlise

paraconsistente e determina uma deciso baseada nos resultados gerados por tal
anlise, considerando que essa deciso representada por um estado lgico que
pode ser Verdadeiro, Falso ou Indefinido.
Clula Neural Artificial Paraconsistente de aprendizagem (CNAPa): aprende e

desaprende padres aplicados com frequncia em sua entrada.
Clula Neural Artificial Paraconsistente de memorizao (CNAPm): guarda

padres aprendidos pela CNAPa em um processo de funcionamento de
aprendizagem/memorizao.
6. Aplicao da Rede Neural Paraconsistente ao ParaDep

A escala de avaliao de depresso de Hamilton considerada uma escala padro, sendo
utilizada amplamente [2] para avaliar a gravidade dos sintomas depressivos.
204
A partir dos princpios indicados, o sistema ParaDep est em construo com as categorias
da escala de Hamilton, utilizando uma rede neural artificial paraconsistente, onde cada
critrio corresponder a uma clula neural artificial, CNAPs, sendo responsvel por
processar sinais conforme a Lgica Paraconsistente Anotada, capaz de expressar a anlise
paraconsistente tratando as evidncias favorveis e contrrias.
Referncias
2. Calil, H.M. & M..L.N. Pires, Aspectos gerais das escalas de avaliao de depresso.
Revista de Psiquiatria Clnica, Vol 25, No 5, Setembro / Outubro de 1998.
3. Cordas, T.A., Depresso: da bile negra aos neurotransmissores, uma introduo
histrica. So Paulo, Lemos Editorial, 2002.
4. Couto Junior, E.B. Abordagem no-paramtrica para clculo do tamanho da amostra
com base em questionrios ou escalas de avaliao na rea de sade. Tese. Faculdade
de Medicina, Universidade de So Paulo, So Paulo, 2009.
5. Da Costa, N.C.A. & J.M Abe, Paraconsistncia em Informtica e Inteligncia Artificial,
Estudos Avanado.,
So Paulo,
v. 14,
n. 39, ago.
2000.
Disponvel em
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S010340142000000200012&lng=pt&nrm=iso>. Acesso em 30 mar. 2013.

6. Da Silva Filho, J.I. & J.M. Abe, Fundamentos das Redes Neurais Paraconsistentes:
7. Kaplan, H., I.; B.J. Sadock & J.A. Grebb, Compndio De Psiquiatria: Cincias Do
Comportamento e Psiquiatria Clnica, 7.Ed. Porto Alegre, Artes Mdicas, 1997.
205
8. Lopes, H.F.S., Aplicao de redes neurais artificiais paraconsistentes como mtodo de

auxlio no diagnstico da doena de Alzheimer. Dissertao, Faculdade de Medicina,
Universidade de So Paulo, So Paulo, 473pp, 2009.
9. Massad, E., Menezes, R., P.S. Silveira & N.R. Ortega, Mtodos Quantitativos em
Medicina. So Paulo, Manole, 2004.
10. Ministrio
da
Previdncia.
Disponvel
em:
<
http://www.previdenciasocial.gov.br/conteudoDinamico.php?id=502 >. Acessado em 16

mai 2011.
11. Moreno, R.A. & D.H. Moreno, Escalas de depresso de Montgomery & sberg
(MADRS) e de Hamilton (HAMD). Revista de Psiquiatria Clnica, Vol 25, No 5,
Setembro / Outubro de 1998.
12. Razzouk,D., Shirakawa , Itiro, Mari , Jair de J, Sistemas inteligentes no diagnstico da
esquizofrenia, Revista Brasileira Psiquiatria, 2000, Vol 22 , pp 35 a 37.
13. Santos, C. R., Anlise de assinaturas manuscritas baseada nos princpios de
grafoscopia. Pontifcia Universidade Catlica do Paran. Curitiba. 2004.
Cristina Corra de Oliveira - Doutoranda em Engenharia de Produo pela Universidade

Paulista (UNIP), mestre em Engenharia da Computao pelo Instituto de Pesquisas
Tecnolgicas do Estado de So Paulo (2006), graduada em Anlise de Sistemas pela
Pontifcia Universidade Catlica de Campinas. Membro do grupo de pesquisa de Lgica
Paraconsistente e Inteligncia Artificial. Professora Associada I da Faculdade de
Tecnologia Zona Leste (FATEC-ZL) professora no Instituto Federal de So Paulo campus Bragana Paulista (IFSP).
206
Professor Titular da Universidade Paulista
207
Aspectos prticos da implementao de Redes Neurais Artificiais Paraconsistentes

Helder Frederico da Silva Lopes1,2
Jair Minoro Abe3
1

2
FMUSP Faculdade de Medicina da Universidade de So Paulo

helderfredlopes@usp.br
Progama de Ps Graduao em Engenharia da Produo- Universidade Paulista,

So Paulo, Brasil
jairabe@uol.com.br
Resumo. A utilizao de recursos de software e hardware computacionais para

implementao de teorias matemticas no so novidades. Porm a falta de capacitao de
profissionais para tal funo, em relao a teorias no clssicas, se torna um agente de
morosidade para o desenvolvimento de novas aplicaes. Uma dessas teorias, a Rede
Neural Artificial Paraconsistente (RNAP), que permite o tratamento de informaes
incertas e/ou contraditrias, possui uma vasta aplicabilidade prtica, sendo de fcil
implementao computacional. Desde modo, este artigo tem o objetivo de ilustrar algumas
solues de implementao da RNAP.
Palavras-chave: Tcnicas de programao, Lgica Paraconsistente, Redes Neurais
Artificiais, Algoritmo, Reconhecimento de padres.
208
Abstract. The use of software and hardware resources for computational implementation
of mathematical theories are not new. But the lack of professional training for such
function in relation to non-classical theories, becomes an agent to slowness the
development of new applications. One of these theories, the Paraconsistent Artificial
Neural Network (PANN), that allows the treatment of uncertain information and / or
contradictory,
has
extensive
practical
applicability,
and
easy
computational
implementation. In this way, this article aims to illustrate some solutions implementation
of PANN.
Keywords: Programming Techniques, Paraconsistent Logic, Artificial Neural Networks,
algorithm, partner recognition.
Introduo
A utilizao de recursos de software e hardware computacionais para implementao de

teorias matemticas no so novidades. Porm a falta de capacitao especializada de
profissionais para tal funo se torna um agente de morosidade para o desenvolvimento de
novas aplicaes com base em teorias no clssicas.
Infelizmente, grande parte das instituies de ensino voltadas ao ensinamento de tcnicas
de programao de computadores focam seus esforos nas prticas de implementao de
algoritmos clssicos, limitando seus alunos o conhecimento de novas teorias matemticas
e/ou conceitos de lgicos no clssicos.
Com o avano da tecnologia computacional, atualmente possumos computadores de
acesso popular dotados de multi-processamento e alta capacidade de memria e
armazenamento de dados. Tais caractersticas permitem, com certa facilidade, a
implementao de teorias matemticas baseadas em processamento paralelo.
209
Uma dessas teorias, a Rede Neural Artificial Paraconsistente (RNAP), que permite o
tratamento de informaes incertas e/ou contraditrias, possui uma vasta aplicabilidade
prtica, sendo de fcil implementao computacional.
Desde modo, este artigo tem o objetivo de ilustrar algumas solues de implementao da
RNAP.
Mtodo
Rede Neural Artificial Paraconsistente (RNAP) uma nova classe de rede neural artificial
introduzida em [7]. Sua base se apia em lgica paraconsistente anotada E [1].
Utilizando os conceitos da Clula Neural Artifical Paraconsstente (CNAP) bsica,
podemos obter a famlia de CNAP usados em nosos estudos: Conexo analtica (CNAPca),
Maximizao (CNAPmax), e Minimizao (CNAPmin), conforme descrito na Tabela I:
Tabela I. Clulas neurais artificiais paraconsistentes
CNAP
Conexo
Analtica
CNAPca
Maximizao
CNAPmax
Entradas
Ftct,
Ftce
Minimizao:
CNAPmin
Clculos
c = 1 -
Gun Gce,
r = (Gce + 1)/2
Gce
r = (Gce + 1)/2
Gce
r = (Gce + 1)/2
Output
If |Gce| > Ftce then
S1 = r and S2 = 0
If |Gun| > Ftct and |Gun| > | Gce| then
S1= r and S2 = |Gun|
if not S1 = and S2 = 0
If r > 0.5, then
S1 =
If not S1 =
If r < 0.5, then
S1 =
if not S1 =
Combinando o processamento das CNAP citadas, possvel construir um sistema neural

artificial paraconsistente (SNAP) para anlise de sinais com base no SNAP de tratamento
de contradies, conforme descrito em [7].
210
Figura I. Exemplo de Arquitetura de RNAP utilizada em [9]. Trs sistemas especialistas: PA, para o Sistema
Especialista 1; PB, para o Sistema Especialista 2, and PC, para o sistema Especialista 3:
Primeira camada da RNAP: C1 processa os dados de entrada de PA e PB; C2 processa os dados de entrada de
PB e PC; C3 processa os dados de entrada de PC e PA.
Segunda camada da RNAP: C4 calcula o valor da evidncia maxima entre as clulas C1 e C2; C5 calcula o
valor da evidncia mnima entre as clulas C2 e C3;
Terceira camada da RNAP: C6 calcula o valor da evidncia mxima entre as clulas C4 e C3; C7 calcula o
valor da evidncia mnima entre as clulas C1 e C5.
Quarta camada da RNAP: C8 resulta o valor de deciso final.
PANC A = Clula Neural Artificial Paraconsistente de Conexo Analtica (CNAPca).
PANCMax = Clula Neural Artificial Paraconsistente de Conexo Logica simples de maximizao
(CNAPmax).
PANCMin = Clula Neural Artificial Paraconsistente de Conexo Logica simples de minimizao
(CNAPmin).
Ftce = Fator de tolerncia certeza; Ftct = Fator de tolerncia contradio.
Sa = Sada da clula C1; Sb = Sada da clula C2; Sc = Sada da clula C3; Sd = Sada da clula C4; Se =
Sada da clula C5; Sf = Sada da clula C6; Sg = Sada da clula C7.
C = Valor de entrada complementada;
r = Valor de sada da RNAP; r = Valor de sada da RNAP;
211
A seguir, apresentada uma possvel soluo de implementao das CNAPs utilizando a

linguagem de programao Object Pascal.
Os nomes das funes e variveis apresentadas nos exemplos seguem a mesma
nomenclatura dos nomes utilizados no modelo terico, para facilitar a compreenso da
lgica utilizada.
Tabela II. CNAPca implementation.

function TFaPANN.PANCAC(mi, lambda, Ftce, Ftct: real; output: integer):
real;
var
Gce: real;
Gun: real;
lambdacp: real;
mir: real;
S1, S2: real;
begin
lambdacp := 1 - lambda;
Gce := mi - lambdacp;
Gun := mi + lambdacp - 1;
mir := (Gce + 1) / 2;
if (abs(Gce) > Ftce) then
begin
S1 := mir;
S2 := 0;
end
else
begin
if (abs(Gun) > Ftct) and (abs(Gun) > abs(Gce)) then
begin
S1 := mir;
S2 := abs(Gun);
end
else
begin
S1 := 0.5;
S2 := 0;
end;
end;
if output = 1 then result := S1 else result := S2;
end;
212
Tabela III. CNAPmax implementation.

Function TFaPANN.PANCMAX(mi, lambda: real): real;
var
mir: real;
begin
mir := ((mi - lambda) + 1) / 2;
if (mir > 0.5) then
result := mi
else
result := lambda;
end;
Tabela IV. CNAPmin implementation.
Function TFaPANN.PANCMIN(mi, lambda: real): real;
var
mir: real;
begin
mir := ((mi - lambda) + 1) / 2;
if (mir < 0.5) then
result := mi
else
result := lambda;
end;
Tabela V. Exemplo de Arquitetura de RNAP utilizada em [9]. (Figura I).
function TF_pann.Ad_diagnostic_analysis(PA, PB, PC: real; tipo:
integer): real;
var
C1, C2, C3, C4, C5, C6, C7: real;
begin
C1 := FaPANN.PANCAC(PA, PB, 0, 0, 1);
C2 := FaPANN.PANCAC(PC, PB, 0, 0, 1);
C3 := FaPANN.PANCAC(PC, PA, 0, 0, 1);
C4 := FaPANN.PANCMAX(C1, C2);
C6 := FaPANN.PANCMAX(C4, C3);
C5 := FaPANN.PANCMIN(C2, C3);
C7 := FaPANN.PANCMIN(C1, C5);
if tipo = 1 then
result := FaPANN.CNAPCA(C6, C7, 0, 0, 1)
else
result := FaPANN.CNAPCA(C6, C7, 0, 0, 2);
end;
Resultados
Utilizando as ferramentas demonstradas anteriormente, podemos ilustrar sua aplicabilidade

utilizada em [9]. Neste estudo aplicaram-se as RNAPs para deteco e classificao de
ondas eletroencefalograma (EEG) (Figura II) para diagnstico de Doena de Alzheimer
provvel.
213
Delta
0,1 Hz a 4,0 Hz
Teta
4,1 Hz a 8,0 Hz
Alfa
8,1 Hz a 12,5 Hz
Beta
Maior que 13 Hz
Figura II. Bandas de frequncias clinicamente estabelecidas e habitualmente encontradas no EEG [10].
Para alimentar a RNAP (Figura I), foram criados trs sistemas especialistas, responsveis
por extrair caractersticas especficas do exame de EEG. Tais caractersticas foram
quantificadas e normalizadas em um intervalo real fechado [0,1], de modo a gerar um valor
de evidncia favorvel () e, por complementao, um valor de evidncia contrria ().
Desta forma temos:
Sistema especialista de deteco de nvel de diminuio de frequncia mdia.

Atravs de um parmetro externo, este especialista verifica a frequncia
mdia de ondas alfas do exame e o compara com uma frequncia mdia.
Este sistema vai gerar dois valores de sada:
A evidncia favorvel (): ter seus valores normalizados em 0 (o que

corresponde a 100% - ou mais - de perda de frequncia) at 1 (o que
corresponde a 0% de perda de frequncia).
A evidncia contrria (): ser o complemento da evidncia favorvel

(), ou seja, = 1 - .
Sistema especialista de deteco de concentrao de ondas rpidas.
214
Este especialista ser utilizado para verificar a concentrao de ondas rpidas

no exame. Para tal, considera-se o quociente da somatria das ondas de
frequncias rpidas (alfa e beta) pelas ondas de frequncias lentas (delta e teta),
gerando duas sadas:
Evidncia favorvel (): (alfa + beta) / (delta + teta)
Evidncia contrria (): ser o complemento da evidncia favorvel (),

ou seja, = 1 - .
Sistema especialista de deteco de concentrao de ondas lentas

Este especialista ser utilizado para verificar a concentrao de ondas lentas
no exame. Para tal, considera-se o quociente da somatria das ondas de
frequncias lentas (delta e teta) pelas ondas de frequncias rpidas (alfa e beta),
gerando duas sadas:
Evidncia favorvel (): (delta + teta) / (alfa + beta)
Evidncia contrria (): ser o complemento da evidncia favorvel (),

ou seja, = 1 - .
Aps o processamento da RNAP (Figura I) com os dados dos trs sistemas

especialistas, o resultado da RNAP submetido a um reticulado de tomada de deciso da
lgica paraconsistente (Figura III).
Figura III. Reticulado para tomada de deciso utilizada no processo de anlise da RNAP. rea 1: Estado
lgico Falso (DA provvel abaixo da mdia populacional); rea 2: Estado lgico Quase-verdadeiro (DA
provvel acima da mdia populacional); rea 3: Estado lgico Quase-falso (normal abaixo da mdia
populacional); rea 4: Estado lgico Verdadeiro (normal acima da mdia populacional); rea 5: Estado
lgico de indefinio (rea no utilizada no estudo).
215
Como resultado final do estudo obteve-se, com base na casustica da tabela VI, os valores
apresentados nas tabelas VII.
Tabela VI. Casustica utilizada em [9]. (Fig. I).
Indivduos Normais
Indivduos DA provvel
Grupo Controle
Grupo DA
8
6
Homens
26
27
Mulheres
61,38
68
Idade mdia
8,12
6,21
Escolaridade
24,53
20,58
MEEM
Grupo de indivduos selecionados para o estudo. Homens: Pacientes do gnero masculino; Mulheres:
Pacientes do gnero feminino; Idade mdia: Mdia das idades dos pacientes; Escolaridade: Mdia dos anos
de estudos dos pacientes; MEEM: Mdia da pontuao do mini exame de estado mental.
Tabela VII. Resultados obtidos em [9] (Fig. I).

Doente
No doentes
Total
Negativo
19,40%
8,96%
28,36%
Positivo
29,85%
41,79%
71,64%
Total
49,25%
50,75%
100,00%
Sensibilidade: 82%
Especificidade: 61%
Tabela de frequncia relativa, sensibilidade e especificidade de diagnstico: Pacientes com

DA provvel (Doente) e pacientes normais (No doentes).
Concluso
Embora as solues de implementao apresentadas sejam baseadas em programao

procedural (para facilitar a didtica dos exemplos) sua inferncia em tcnicas de
programao orienta a objetos possvel e trivial.
Solues de implementao baseadas em tcnicas de programao orientada a objetos se
tornam particularmente interessante, pois suas caractersticas permitem o processo paralelo
de dados, tal qual como a teoria da RNAP prev para o processamento dos dados.
Desta forma, cada CNAP pode ser programada em forma de objeto, assim como o SNAP.
216
Outras tcnicas de programao, tal como a de multi processamento (multi threads)

tambm se tornam interessantes, aliando-se tanto a tcnicas de programao estrutural,
como a de orientao a objetos, permitindo assim que o software implementado consiga
dividir seus processos paralelamente.
Conforme os resultados apresentados no estudo de exemplo de aplica em EEG, percebe-se
a potencialidade desta ferramenta para anlise de sinais, particularmente sinais biolgicos,
para sistema que necessitam de classificao e deteco de tais sinais.
Referncia
1.
Abe, J.M., Foundations of Annotated Logics, PhD thesis (in Portuguese) University of
So Paulo, Brazil, 1992.
2.
Abe, J.M., Some Aspects of Paraconsistent Systems and Applications, Logique et

Analyse, 157(1997), 83-96.
3.
Abe, J.M., H.F.S. Lopes & K. Nakamatsu, Paraconsistent Artificial Neural Networks
and Delta, Theta, Alpha, and Beta Bands Detection. Intelligent Systems Reference
Library, v. 29, p. 331-364, 2012.
4.
Abe, J.M., H.F.S. Lopes & K. Nakamatsu, An Overview of Paraconsistent Artificial

Neural Networks and Applications. Frontiers in Artificial Intelligence and
Applications, v. 243, p. 1350-1359, 2012.
5.
Abe, J.M., H.F.S. Lopes & R. Anghinah, Paraconsistent Artificial Neural Network and
Alzheimer Disease: A Preliminary Study, Dementia & Neuropsychologia, Vol 3, 241247, 2007.
6.

de Circuitos Eletrnicos, Tese. EPUSP, So Paulo, 1999.
217
7.
Da Silva Filho, J.I.; J.M. Abe & G. Lambert-Torres, Inteligncia Artificial com Redes
8.
Leite, M., Tcnicas de Programao: uma abordagem moderna. Brasport. Rio de

Janeiro, 2006. ISBN 8574522295.
9.
Lopes, H.F.S., Aplicao de redes neurais artificiais paraconsistentes como mtodo

de auxlio no diagnstico da doena de Alzheimer. Dissertao, Faculdade de
Medicina, Universidade de So Paulo, So Paulo, 473pp, 2009
10. Montenegro, M.A, Cendes, F., Guerreiro N.M. Guerreiro CAM, editors. EEG na
prtica clnica, So Paulo: Lemos Editorial; 2001.
11. Kocyigit Y., A. Alkan & H. Erol, Classification of EEG Recordings by Using Fast
Independent Component Analysis and Artificial Neural Network. Journal of Medical
Systems. Springer Netherlands, 2008: 32;1;17-20.
12. Rocha, A.F., E. Massad & A. Pereira Jr., The Brain: From Fuzzy Arithmetic to
Quantum Computing, Springer-Verlag Berlin Heidelberg, 14349922, 2005.
Helder Frederico Lopes - Possui graduao em Tecnologia em Gesto de Sistemas de

Informao pelo Centro Universitrio Nove de Julho e mestrado em Cincias pela
Faculdade de Medicina da USP - Neurologia. Tem experincia na rea de Cincia da
Computao, com nfase em desenvolvimento de software. Atualmente trabalha como
docente e realiza pesquisas ligadas Lgica paraconsistente, Redes Neurais Artificiais e
aplicao de processos de transformao de cultura para equipes e profissionais.
218
219
Aspectos algbricos do clculo proposicional C1
Jair Minoro Abe1, 2

1
Instituto de Estudos Avanados Universidade de So Paulo, So Paulo, Brasil
Programa de Ps-Graduao em Engenharia de Produo, Universidade Paulista, So

Paulo, Brasil
jairabe@uol.com.br
Resumo. Rosenbloom, P.C. (1950), The Elements of Mathematical Logic, apresenta um

estudo algbrico interessante do clculo proposicional clssico (entre outros assuntos).
Neste artigo expositivo exploramos suas idias e aplicamos ao clculo paraconsistente C1
de Da Costa, mostrando sua correlao com as lgebras de Curry C1.
Palavras-chave: Lgica Algbrica, Lgica Paraconsistente, lgebra de Rosenbloom,
lgebra de Curry
Abstract. Rosenbloom, P.C. (1950), The Elements of Mathematical Logic, presents an

interesting algebraic study of the classical propositional calculus (among other themes). In
this expository paper we explore his ideas and we apply them to the Da Costas
paraconsistent propositional calculus C1, showing its correlation with Curry algebra C1.
Keywords: Algebraic Logic, Paraconsistent Logic, Rosenbloom Algebra, Curry Algebra
220
Aspectos Gerais
Comecemos apresentando algumas estruturas bsicas estudadas de natureza algbrica.
1.1
A noo de grupo
Definio 1: Uma terna (G, , ) denomina-se grupo se1

(1)
xyz x (y z) = (x y) z
(2)
xy (x y) = y x
(3)
xy, se x y = z z para algum z, ento x = y
Lema 1. Em um grupo (G, , ) temos que

a)
x, (x ) = x.
b) x, (x x) = x x; (x x) = x x
c)
x, x = x x x
d) xy, x = x y y
e)
Se x = y, ento x y = z z para todo z.
Prova.
a)
Com efeito, para todo x, temos x x = x x. Logo, por 3) x = (x ).
b) Temos (x x) = x x (por 2)) = x x (por a)).

Temos (x x) = x x (por 2)) = x x (por a)).
c)
Temos (x x) (x x) = (x x) (x x) (por b)) = x (x x x) (por 1)). Logo, x =

(x x x) (por 3)). Assim, x = x x x.
A expresso x y ser abreviada por xy. Tambm, abreviaremos por nx a expresso (x + x + + x) onde x
aprarece n vzes.
1
221
d) Com efeito, (x y) (x y) = (x y) (y x) = x (y (y x)). Assim, por 3) advm

x = (y (y x)) = (y x) y = x y y.
e)
De fato, se x = y, ento x y = y y. Como (z z) = z z por b), temos (x y) (z

z) = y y z z= y y, donde por 3) advm que x y = z z.
1.2
A noo de Anel
Definio 2 Uma terna (R, +, , 0) denomina-se anel se

(1)
xyz x + (y + z) = (x + y) + z (associatividade de +)
(2)
xy x + y = y + x (comutatividade)
(3)
x0 x + 0 = x (elemento neutro para +)
(4)
xy x + y = 0 (elemento oposto)
(5)
xyz x (y z) = (x y) z (associatividade de )
(6)
xyz x (y + z) = (x y) + (x z) (distributividade de direita com relao a +)
(7)
xyz (y + z) x = (y x) + (z x) (distributividade de esquerda com relao a +)
Um anel (R, +, , 0) denomina-se anel comutativo se

(8)
xy x y = y x
Uma quadra (R, +, , 0, 1) (1 0) chama-se anel com elemento unidade se (R, +, , 0) for
um anel e
(9)
x x 1 = x = 1 x
Um anel com unidade (R, +, , 0, 1) denomina-se anel com diviso se

(10)
xy x y = 0, acarreta x = 0 ou y = 0.
Um anel com unidade (R, +, , 0, 1) denomina-se anel Booleano (ou anel de Boole) se
(11)
xy x x = x. (x x ser abreviado por x2) (idempotncia de ).
222
A caracterstica de um anel (R, +, , 0, 1) define-se como o menor nmero natural n tal que
1 + 1 + ... + 1 = 0, onde 1 aparece n vezes.
Teorema 1 Em um anel (R, +, , 0, 1) Booleano x = -x. Tambm, a caracterstica do anel
2.
Demonstrao: Com efeito, consideremos (x + x)2 = x + x. Ou, x2 + x2 + x2 + x2 = x + x + x
+ x = x + x, ou seja, x + x = 0, donde x = -x. Fazendo x = 1, temos 1 + 1 = 0. 1 no pode ser
0 por definio.
Teorema 2 Em um anel (R, +, , 0, 1) Booleano xy = yx, i.e., todo anel Booleano
comutativo.
Demonstrao: Com efeito, consideremos (x + y)2 = x + y. Ou seja, x2 + xy + yx + y2 = x +
xy + yx + y = x + y, donde xy = yx pelo teorema anterior.
Definio 3 Uma dupla [A, ] diz-se um sistema ordenado se
(1)
x, x x (reflexibilidade)
(2)
Se x y e y x temos x = y. (anti-simetria)
(3)
Se x y e y z temos x z. (transitividade)
Definio 4 Um sistema ordenado [A, ] diz-se um reticulado se

(4)
Existir o sup{x, y} que denotaremos por x y e se existir o inf{x, y} que denotaremos
por x y.
Definio 5 Um reticulado [A, ] chama-se distributivo se
(5)
xyz (x y) z = (x z) (y z) (distributividade de com relao a )
(6)
223
Definio 6 Em um reticulado [A, ] chama-se menor elemento de A um elemento 0 A

tal que 0 x para todo x A. Chama-se maior elemento de A um elemento 1 A tal que x
1 para todo x A. Pode-se provar que tais elementos, caso existam, so nicos.
Definio 7 Um reticulado com menor e maior elementos [A, , 0, 1] diz-se um reticulado
complementado se existir um operado definido sobre A tal que todo elemento em A
possui um complemento, isto ,
(7)
Para todo x A existe x tal que x x = 1 e x x = 0.
Definio 8 Um reticulado distributivo com menor e maior elementos e complementado

[A, , 0, 1, ] denomina-se uma lgebra Booleana (ou lgebra de Boole).
Teorema 3 Em um anel Booleano (R, +, , 0, 1) ponhamos x y = Def. xy = x. Tal relao
constitui uma relao de ordem.
Demonstrao:
a)
Como xx = x para todo x, temos x x (reflexibilidade).
b) Se x y e y x temos xy = x e yx = y. Como xy = yx, segue-se que x = y. (antisimetria)

c)
Se x y e y z temos xy = x e yz = y. Logo, xz = x(yz) = (xy)z = xz = x. Da, x z.

(transitividade)
Teorema 4 Em um anel (R, +, , 0, 1) Booleano, a relao de ordem obtida no teorema

anterior constitui um reticulado.
Demonstrao: De fato, indiquemos por x y o mnimo de {x, y} e por x y o mximo de
{x, y}. Ento, x y = xy e x y = x + y + xy. Procedemos prova. Temos x xy, pois xxy
= xy. Do mesmo modo, y xy. Se z x e z y temos z = zx e z = zy. Da, z(xy) = zy = z,
224
donde z xy. Logo, x y = xy. De modo anlogo (procedimento dual) temos x y = x + y

+ xy.
(x + y + xy)x = xx + yx + xyx = x + yx + yx = x. Logo, x + y + xy x. Temos de forma
anloga, x + y + xy y.
Se x, y z ento x = xz e y = yz. Logo, (x + y + xy)z = xz + yz + xyz = x + y + xy, donde x
+ y + xy z. Assim, x y = x + y + xy.
Teorema 5 O reticulado obtido no teorema anterior <R, > possui as seguintes
propriedades:
(8)
(9)
(10)
xy x y = y x (comutatividade de )
(11)
xy x y = y x (comutatividade de )
(12)
(13)
Definio 9 Ponhamos x = Def. 1 x

Teorema 6 Temos:
a)
(x) = x
b) (x y) = x y
c)
(x y) = x y
Definio 10 Uma sxtupla [A, , , , 0, 1] chama-se uma lgebra Booleana se

(1)
x (y z) = (x y) z (Associatividade de )
(2)
x (y z) = (x y) z (Associatividade de )
(3)
x y = y x (comutatividade de )
225
(4)
x y = y x (comutatividade de )
(5)
x 0 = x (elemento neutro de )
(6)
x 1 = x (elemento neutro de )
(7)
x (y z) = (x y) (x z) (distributividade de )
(8)
x (y z) = (x y) (x z) (distributividade de )
(9)
x x = 1 (complementariedade de )
(10)
x x = 0 (complementariedade de )
Teorema 7 Valem as propriedades:

a)
(x y) = x y (Leis de De Morgan)
b) (x y) = x y (Leis de De Morgan)
c)
x = x (Lei da dupla negao)
d) 1 = 0
e)
0 = 1
H uma relao de ordem naturalmente definida: x y =Def x = x y (ou equivalentemente,

x y =Def y = x y). Tal definio satisfaz as seguintes propriedades:
a)
x x x (reflexibilidade).
b) Se x y e y x temos que x = y (anti-simetria)

c)
Se x y e y z temos x z (transitividade)
d) x x 1
e)
x 0 x
f)
x, y sup{x, y} = x (y x)
g) x, y inf{x, y} = x y
226
Lgica Proposicional Booleana
Introduzimos a noo de lgica proposicional Booleana devido a [Rosembloom 50] que

segundo o autor, de muitos modos, ser a verso algbrica mais intuitiva do clculo
proposicional clssico.
Definio 11 Uma quadra [A, , , ] uma lgica proposicional Booleana se
1.
uma operao binria sobre A, i.e. se x, y A, x y um elemento univocamente
determinado de A.
2.
um operador sobre A, i. e., se x A, ento x um elemento univocamente
determinado de A.
3.
A relao constitui uma relao de equivalncia sobre A.
4.
Se x, y A, ento x y y x (comutatividade de )
5.
Se x, y, z A, ento x (y z) (x y) z (associatividade de )
6.
Se x, y, z A, ento x y x, ento x y z z
7.
Se x, y, z A e x y z z, ento x y x
8.
Se x, y A, ento x y, ento x y
Outra formulao de lgica proposicional Booleana a seguinte:

Definio 12 Uma quadra [A, T, , ] denomina-se lgica proposicional booleana se:
1.
uma operao binria sobre A, i.e. se x, y A, x y um elemento
univocamente determinado de A.
2.
um operador sobre A, i.e., se x A, ento x um elemento univocamente
determinado de A.
3.
TA
4.
Se x, y, z A, ento [x [y z]] [(x y) (x z)] T
227
5.
Se x, y A, ento [x [y x]] T
6.
Se x, y A, ento [x y] [y x ] T
7.
Se x, (x y) T, ento y T
Intuitivamente, A a classe das proposies, T a classe das proposies verdadeiras, x

y a proposio x acarreta y e x a proposio falso que x.
Introduzimos algumas abreviaes. Seja [A, T, , ] uma lgica proposicional booleana.
Definimos os conectivos:
1)
x y para x y (definio do conectivo )
2) x y para (x y) (definio do conectivo )

3) x y para (x y) (y x) (definio do conectivo )
4) x para x T (x teorema (na linguagem-objeto))
Obtemos metateoremas esperados.
Teorema 8 Valem as seguintes propriedades
1) x x (Princpio da Identidade)
2) x (y x)
3) (x (y z)) ((x y) (x z))
4) ((x y) x) x
5) x y x
6) x y y
7) x (y (x y))
8) x x y
9) y x y
10) (x z) ((y z) ((x y) z))
228
11) ((x y) ((x y) x)

12) (x x)
13) (x (x y))
14) x x
15) Se x e x y, ento y
Podemos ento enunciar o
Teorema 9 As estruturas definidas [A, T, , ] e [A, , , ] so estruturas
equivalentes.
Com efeito, dada a estrutura [A, T, , ], definimos x y = (x y). Todas
as propriedades que caracterizam [A, , , ] so verificadas. Dada a estrutura [A,
, , ], se definirmos T = {x | x y y, para um y fixo} ento a nova estrutura
[A, T, , ] satisfaz todas as propriedades da Definio
Apliquemos os estudos anteriores para adaptar ao estudo dos clculos Cn de Da Costa.
3
lgebra Procosicional C1
Nesta sesso apresentamos uma aplicao dos estudos anteriores aos clculos C1 de Da
Costa.
Definio 13 Uma lgebra proposicional C1 uma estructura <A, , , , , > onde A
(com A ), , , e so operaes binrias e um operador unrio sobre A
satisfazendo as seguintes condies (x* abrevia (x x)):
(1) x, y A x (y x)
(2) x, y, z A (x y) ((x (y z) (x z)
(3) (x A e x y ) y
(4) x, y A x y x
229
(5) x, y A x y y
(6) x, y A x (y x y)
(7) x, y A x x y
(8) x, y A y x y
(9) x, y, z A (x z) ((y z) (x y z))
(10) x A x x
(11) x, y A y x x
(12) x, y A x* ((x y) ((x y) x))
(13) x, y A x* y* (x y)*
(14) x, y A x* y* (x y)*
(15) x, y A x* y* (x y)*
(16) x A x* (x)*
Definio 14 (1) x y abrevia (x y) (y x)
(2) x abrevia x .
Teorema 10 Em uma lgebra proposicional C1 temos:
(1) x x
(2) x y y x
(3) (x y) (y x) (x y)
(4) x y y x
(5) x* x x y
(6) y (x x)
(7) (x y) z x (y z)
(8) (x y) z x (y z)
230
(9) x (y z) (x y) (x z)
(10) x (y z) (x y) (x z)
(11) (x y) (x z y z)
(12) x (x y)
(13) ((x y) x) x
(14) (x*)*
(15) (x y) (y z) (x z)
Definio 15 (1) x y abrevia x y e x y abrevia x y.
Temos x y x y e y x.
Teorema 11 Temos: (1) uma relao de equivalncia
(2) uma quase-ordem
(3) x y x y x
(4) x y x y y
(5) 0 x 1
Teorema 12 Se <A, , , , , > uma lgebra proposicional C1, se definirmos e 0
=Def x0 x0 e se abrevia , ento <A, , , , , 0, > uma lgebra de Curry C1.
Teorema 13 Se <A, , , , , 0, > uma lgebra proposicional C1, se definirmos
como o conjunto dos elementos x tais que x y y para algum x A, e representarmos o
operador por , a estrutura <A, , , , , > uma lgebra proposicional C1.
Teorema 14 Os conceitos de lgebra de Curry C1 e lgebra proposicional C1 so
equivalentes.
231
Teorema 15 Em uma lgebra proposicional C1, <A, , , , , >, o operador no

monotonico relativamente a .
Demonstrao. Adaptao da demonstrao feita em [32].
4
Concluses
Em geral, as estruturas algbricas que ocorrem na lgica clssica resultam de passagens ao

quociente: tem-se um sistema lgico, escolhe-se uma relao de equivalncia conveniente,
compatvel com as operaes lgicas bsicas, e passa-se ao quociente, obtendo-se a
estrutura que algebriza o sistema. Por este processo, mostra-se, v.g., que os conceitos de
lgebra de Boole e de lgebra de Heyting constituem algebrizaes respectivamente, do
clculo proposicional clssico e do clculo proposicional intuicionista.
Todavia, em lgica no-clssica nem sempre se pode utilizar o mtodo acima descrito, pois
s vezes acontece que no sistema lgico que se est considerando no h nenhuma relao
de congruncia significativa. Isto sucede, para citar um exemplo, com certos clculos
paraconsistentes (por exemplo, o citado clculo C1 de Da Costa).
No entanto, mesmo em lgica clssica, nem sempre se afigura conveniente que se passe ao
quociente. Com efeito, a passagem ao quociente no nos permite tratar "algebricamente",
de maneira apropriada, determinados conceitos lgicos, como os de tableaux de Smullyan
e de conjunto de Hintikka no clculo proposicional clssico.
Em conseqncia, a utilizao de pr-lgebras impe em questes relevantes de lgica: 1)
Quando no h (ou no se conhece) uma relao de congruncia razovel, em particular
quando a relao de equivalncia bsica escolhida no compatvel com todas as
operaes lgica: 2) Em situaes em que, mesmo que se disponha de uma congruncia,
no se quer passar ao quociente, para no se mascarar fatos significativos. No primeiro
232
caso, surgem as estruturas que chamamos de lgebras de Curry: no segundo, apenas

lanamos mo de pr-lgebras no sentido comum da palavra.
Um tratamento algbrico proposto por Rosenbloom [34] se assemelha aos sistemas acima
discutidos. Neste trabalho discutimos sua aplicabilidade ao sistema paraconsistente C1 de
Da Costa o que abre portas para novas verses algbricas de outros sistemas no-clssicos.
Referncias
1.
Abe, J.M., 'A note on Curry algebras', Bulletin of the Section of Logic, Polish
Academy of Sciences, vol. 16, number 4, 151-158, 1987.
2.
Abe, J.M., Contribuies Sobre Sistemas de Curry, Relatrio de Pesquisa,

Universidade Paulista, 62 pp, 2011.
3.
Abe, J.M., Curry Algebras N1, Atti Acc. Lincei Rend. Fis., s.9, vol. 7, 125-128, 1996.
4.
Abe, J.M., Curry algebras P, Logique et Analyse, 161-162-163, 5-15, 1998.
5.
Abe, J.M., K. Nakamatsu & S. Akama, A Note on Monadic Curry System P1,
Lecture Notes in Computer Science - LNAI 5712, ISBN 978-3-642-04591-2,
Springer-Verlag, Berlin/Heidelberg, Alemanha, 388394, 2009.
6.
Abe, J.M., K. Nakamatsu & S. Akama, An Algebraic Version of the Monadic

System C1, New Advances in Intelligent Decision Technologies, Series: Studies in
Computational Intelligence , Vol. 199, Nakamatsu, K.; Phillips-Wren, G.; Jain, L.C.;
Howlett, R.J. (Eds.), XVI, 656 p. 234 illus., Hardcover, Springer Berlin / Heidelberg,
ISBN: 978-3-642-00908-2, 341-349, 2009.
7.
Abe, J.M., S. Akama & K. Nakamatsu, Monadic Curry Algebras Q, Lecture Notes
in Computer Science, Vol.4693, Springer-Verlag, 893-900, 2007.
233
8.
Barros, C.M., N.C.A Da Costa & J.M. Abe, Tpicos de Teoria dos Sistemas
Ordenados : vol. I; Sistemas
Geomtricos, Disjuntivos e Booleanos, Coleo
Documentos, Srie Lgica e Teoria da Cincia 6, IEA-USP, 92 pp, 1991.

9.
Barros, C.M., N.C.A. Da Costa & J.M. Abe, Tpico de teoria dos sistemas
ordenados: vol. II, sistemas de Curry, Coleo Documentos, Srie Lgica e Teoria
da Cincia, IEA-USP, 20, 132pp, 1995.
10.
Barros, C.M., N.C.A. Da Costa & J.M. Abe, Tpico de Teoria de Sistemas
Ordenados, Vol. III: Sobre Algumas Classes de Sistemas Ordenados Sup-contnuos e
suas Representaes, Coleo Documentos, Srie Lgica e Teoria da Cincia, IEAUSP, no 21, ISSN 16799429, 107 pp, 1995.
11.
Curry, H.B., Foundations of Mathematical Logic, Dover, New York, 1977.
12.
Curry, H.B., Leons de Logique Algbrique, Gauthiers-Villars, 1952.
13.
Da Costa, N.C.A., Logics that are both paraconsistent e paracomplete, Atti Acc.
Lincei Rend. fis., S. VIII, vol. LXXXIII, 29-32, 1989.
14.
Da Costa, N.C.A., "Calculs propositionnels pour les systmes formels inconsistants',

C.R. Acad. Sc. Paris 257, 3790-3793, 1963.
15.
Da Costa, N.C.A., "Oprations non monotones dans les treillis', C.R. Acad. Sc. Paris
263, 429-432, 1966.
16.
Da Costa, N.C.A., 'Filters et idaux d'une algebrie Cn', C.R. Acad. Sc. Paris 264,
549-552, 1967.
17.
Da Costa, N.C.A., 'On the theory of inconsistent formal systems', Notre Dame, J. of
Formal Logic 15, 497-510, 1974.
18.
Da Costa, N.C.A. e D. Marconi, 'A note on paracomplete logic', Atti Acc. Lincei
Rend. fis., S. VIII, vol. LXXX, 504-509, 1986.
234
19.
Da Costa, N.C.A., On the theory of inconsistent formal systems, Notre Dame J. of

Formal Logic, 15, 497-510, 1974.
20.
Eytan, M., Tableaux of Hintikka et Tout a: un Point de Vue Algebrique, Math. Sci.
Humaines, 48: 21-27, 1975.
21.
Fidel, M., The decidability of the calculi Cn, Reports on Mathematical Logic 8, 31-40,
1977.
22.
Grtzer, G., General lattice theory. Series on Pure e Applied Math., Academic Press,
1978.
23.
Grtzer, G., Universal Algebra, Springer-Verlag, 1979.
24.
Halmos, P.H., Algebraic Logic, Chelsea 1962.
25.
Halmos, P.H., Lectures on Boolean Algebras, Springer-Verlag, 1974.
26.
Henkin, L., Le Structure Algbrique des Thories Mathmatiques, Gauthiers-Villars,

1956.
27.
Henkin, L., J.D. Monk & A. Tarski, Cylindric Algebras, Part I, North-Holland
Publishing Company, Amsterdam, 1971.
28.
Iski, K., Contribution to lattice theory, Publ. Math. Debrecen vol. 12, 194-203, 1951.
29.
Iski, K. & S. Tanaka, An introduction to the theory of BCK-algebras Math.

Japonica, 23, 1-26, 1978.
30.
Jsson, B. & A. Tarski, 'Boolean algebras with operators', Part I, Amer. J. Math. 73,
891-939, 1951.
31.
Kleene, S.C., Introduction to Metamathematics, Van Nostrand, Princeton, 1952.
32.
Mortensen, C., 'Every quocient algebra for C1 is trivial', Notre Dame J. of Formal
Logic 21, 694-700, 1977.
33.
Rasiowa, H. & R. Sikorski, The Mathematics of Metamathematics, Panstwowe

Wydawnictwo Naukowe, Warszawa, 1963.
235
34.
Rosenbloom, P.C., The Elements of Mathematical Logic, Dover, 1950.
35.
Sikorski, R, Boolean Algebras, Springer-Verlag, 1964.
236
Nesta obra reunimos alguns temas correntes em Computao

Inteligente, a maioria decorrente de textos gerados de palestras do
Primeiro Workshop on Intelligent Computing Systems WICS 2013
realizado no Instituto de Estudos Avanados da USP.
As contribuies fazem uso de lgicas alternativas da clssica,
principalmente a lgica paraconsistente, por tratar contradies em
seu interior sem o perigo de trivializao. Um de seus descobridores
um lgico brasileiro: Newton C. A. da Costa.
Os temas dos trabalhos em sua maioria so decorrentes de estudiosos
que se renem regularmente e so discutidos na forma de seminrios
Seminrio de Lgica e Teoria da Cincia - patrocinado pelo
Instituto de Estudos Avanados da USP e realizado na Faculdade de
Medicina da USP / Programa de Ps-Graduao e Em Engenharia
de Produo da Univresidade Paulista.
O estabelecimento das lgicas paraconsistentes constitui um marco
na Histria da Lgica. Muitas frases podem refletir essa situao,
como a de Shakespeare: entre o cu e a terra existem muito mais
coisas do que sonha sua v filosofia.

Aspectos de Computacao Inteligente Paraconsistente

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Aspectos de Computacao Inteligente Paraconsistente

Încărcat de

Drepturi de autor:

Formate disponibile

ASPECTOS DE

JAIR MINORO ABE

INSTITUTO DE ESTUDOS AVANADOS DA USP

JAIR MINORO ABE

INSTITUTO DE ESTUDOS AVANADOS DA USP

reproduo autorizada pelo autor

Abe, Jair Minoro

Descritores: 1. Lgica paraconsistente 2.Reconhecimento de imagens

Aspectos de Computao Inteligente Paraconsistente

Lgica Paraconsistente no processamento de imagens, Jos Luiz Carlos Demario ....

As Redes Neurais Artificiais Paraconsistentes como estruturas computacionais para

Srie Emmy de robs mveis autnomos, Cludio Rodrigo Torres ............................

Anlise cefalomtrica para auxlio ao diagnstico ortodntico utilizando as Redes

Proposta do clculo do tamanho da amostra com base em Lgica Paraconsistente

Reconhecimento de caracteres numricos baseado nas Redes Neurais Artificiais

Sistema de frenagem de mquina de rotulagem com controle baseado na Lgica

Dispositivo eletrnico para auxlio na locomoo de deficientes visuais e/ou

Buscando sustentabilidade energtica, atravs de um carregador de baterias solar

Redes Neurais Artificiais Paraconsistente e o diagnstico da depresso, Cristina

Aspectos prticos da implementao de Redes Neurais Artificiais Paraconsistentes,

Aspectos Algbricos do Clculo Proposicional C1, Jair Minoro Abe ..........................

Aspectos de Computao Inteligente Paraconsistente

Lgica Paraconsistente no processamento de imagens

Lgica Paraconsistente no processamento de imagens

Catlica de So Paulo, So Paulo, Brasil

Resumo. A Lgica Paraconsistente apresenta recursos teis ao processamento de imagens.

convenientemente as abordagens clssicas estudadas mostra resultados promissores.

Palavras-chave: Lgica Paraconsistente, Regresso Logstica, Redes Convolucionais,

Keywords: Paraconsistent Logic, Logistic Regression, Convolutional Networks,

Aspectos de Computao Inteligente Paraconsistente

Lgica Paraconsistente no processamento de imagens

2 Conceitos Bsicos de Lgica Paraconsistente

Lgica Paraconsistente no processamento de imagens

classificadas como Verdadeiras, Falsas, Inconsistentes ou Paracompletas. Diremos que

3 Lgica Paraconsistente Anotada Evidencial E

Figura I. Reticulado Paraconsistente colorido

Aspectos de Computao Inteligente Paraconsistente

Lgica Paraconsistente no processamento de imagens

Aspectos de Computao Inteligente Paraconsistente

Lgica Paraconsistente no processamento de imagens

Figura II. Segmentao manual

Figura III. rea utilizadas na calibrao

Em seguida a mamografia foi dividida em pequenos quadrados de 7 x 7 pixels como

Lgica Paraconsistente no processamento de imagens

Caso o quadrado se localize inteiramente dentro de uma regio de msculo (verde) ou de

Figura IV. Quadrados usados na calibrao

7 Abordagem Clssica com Regresso Logstica

Aspectos de Computao Inteligente Paraconsistente

Lgica Paraconsistente no processamento de imagens

Figura V. Regresso Logstica

Figura VI. Gabarito

Os pixels em verde indicam a regio onde a proposio Verdadeira e os pixels em

Figura VII. Rede Convolucional

Aspectos de Computao Inteligente Paraconsistente

Figura VIII. Gabarito

Lgica Paraconsistente no processamento de imagens

Figura IX. Anlise Paraconsistente

Aspectos de Computao Inteligente Paraconsistente

Lgica Paraconsistente no processamento de imagens

Torres, C.R., Sistema Inteligente Paraconsistente para Controle de Robs Mveis

Lopes, H.F.S., Aplicao de redes neurais artificiais paraconsistentes como mtodo

Aspectos de Computao Inteligente Paraconsistente

Lgica Paraconsistente no processamento de imagens

Couto Junior, E.B. Abordagem no-paramtrica para clculo do tamanho da amostra