Uma boa metodologia de análise de decisão requer avaliação da exatidão dos dados (informações) sobre o problema e eficiência de manipulação do sistema a
fim de que se possa atingir as metas planejadas (DIAS, 1996 apud MEDEIROS, 2003). O dado é um elemento puro, quantificável sobre um determinado evento. Geralmente, os dados são utilizados no ambiente operacional, registrados, selecionados e recuperados de um Banco de Dados ou das mais variadas formas de documentos. A informação é o dado analisado e contextualizado. Envolve a interpretação de um conjunto de dados. Já o conhecimento, refere-se à habilidade de criar um modelo mental que descreva o objeto e indique as ações a implementar, as ações a tomar. A compreensão, análise e síntese, necessárias para a tomada de decisões inteligente, são realizadas a partir do nível do conhecimento. A geração do conhecimento resulta de um processo no qual uma informação é comparada a outra e combinada em muitas ligações (hiperconexões) úteis e com significado. Uma decisão é o uso explícito de um conhecimento (REZENDE, et al., 2005).
A modelagem é uma técnica (ou ferramenta) que pode auxiliar o processo de tomada de decisão, uma vez que permite a simulação de vários cenários e estimar a repercução dos diferentes cursos de ação sobre os sistemas de produção (MEDEIROS, 2003). Simulação consiste no processo de construção de um modelo que replica o funcionamento de um sistema real ou idealizado (ainda a ser construído) e na condução de experimentos computacionais com este modelo, com o objetivo de melhor entender o problema em estudo, testar diferentes alternativas para sua operação e, assim, propor melhores formas de operá-lo (SALIBY, 1999). Além de descrever e/ou estimar a reação do sistema face à ação, a técnica de modelagem pode ser utilizada para orientar a execução de pesquisas e indentificar áreas onde existe carência de informação. Assim, após a identificação do problema e do conhecimento prévio a construção do modelo pode fornecer subsídios (informações) para quantificar os processos que ocorrem no interior do sistema (LOVATTO, 2002 apud REZENDE et al., 2005). O modelo deve representar o sistema ou sub-sistema logístico a ser estudado, considerando os relacionamentos existentes entre recursos e atividades, ficando próximo o suficiente da operação real, de modo a garantir resultados robustos e confiáveis (BRITO, 2007). Os modelos devem ser tão simples quanto possíveis e tão complexos quanto necessário para que ocorra um balanço ótimo entre os erros das estimativas e dos parâmetros modelados (BARIONI, 2002 apud REZENDE et al. 2005). Incorporar as incertezas presentes, ou pelo menos as principais dela é muito importante para o planejamento
de capacidade de longo prazo, uma vez que pode mudar significativamente a decisão tomada e, consequentemente, os investimentos necessários para a implantação do plano de expansão (BRITO, 2007).
Brito (2007) propõe a seguinte metodologia para desenvolvimento do modelo:
Etapa 1 - Levantamento de informações: onde o analista de simulação deve obter todas as informações necessárias para o entendimento claro do sistema a ser modelado e dos objetivos que devem ser alcançados. É importante definir claramente o escopo e ter em mente quais perguntas precisam ser respondidas pelo modelo.
Etapa 2 – Modelagem conceitual e de dados: consiste na definição da lógica do modelo e na sua representação para que todas as pessoas envolvidas no processo possam entendê-lo. É nesta etapa que são definidas as prioridades de atendimento, fluxo de materiais, recursos envolvidos e seu relacionamentos com as atividades entre outros.
Etapa 3 – Modelagem matemática: o modelo é convertido em um modelo computacional por meio da utilização de alguma linguagem de programação ou de algum software de simulação.
Etapa 4 – Validação do modelo: Após a construção, o modelo matemático computacional precisa ser comparado ao modelo conceitual de modo a avaliar se a lógica definida anteriormente foi fielmente implementada.
Etapa 5 – Análise dos resultados: São realizadas diversas rodadas em função dos cenários e variações que se deseja avaliar. A simulação por si só não responde qual seria a melhor alternativa, e sim como um sistema se comporta dada uma certa configuração.
Segundo Rezende et al., (2005), Sistemas baseados no conhecimento são sistemas capazes de resolver problemas usando conhecimento específico sobre o domínio da aplicação. A estrutura Geral de um SBC (Sistema baseado no conhecimento) se constitui de:
• Núcleo do Sistema Baseado em Conhecimento (NSBC) ou shell, que desenha as principais funções do SBC, sendo responsável, entre outros pelos mecanismos de inferência do sistema;
• Base do Conhecimento (BC) onde está representado todo o conhecimento sobre um determinado domínio, ou seja, contém uma abstração do mundo descrita explicitamente por um formalismo processável computacional;
• Memória de Trabalho (MT), onde são armazenadas as conclusões intermediárias de um processo de raciocínio e as respostas fornecidas pelo usuário durante a interação;
• Base de Dados (BD), o sistema pode estar interagindo com uma BD para obtenção ou armazenamento de dados e/ou informações;
• Interface com o usuário, responsável pela obtenção da informação junto ao usuário, além da apresentação de resultados e explicações.
Ainda segundo Rezende et al. (2005), o desenvolvimento de um SBC é um processo que depende muito dos recursos disponíveis e de como estes recursos são organizados e gerenciados. As principais etapas do desenvolvimento de um SBC são ilustradas na figura 3.
FIGURA 3 PROCESSO DO DESENVOLVIMENTO DE UM SISTEMA BASEADO EM CONHECIMENTO
Costa et al., (2004) desenvolveu um sistema especialista a fim de fornecer maior eficiência aos profissionais responsáveis pela aplicação do lodo de esgoto em áreas agrícolas. Para o desenvolvimento do sistema foi utilizado o software ASP (Äctive Server Pages) e incorporados ao sistema os conhecimentos da norma da CETESB P4.230/99, referente à aplicação de lodo de sistemas biológicos no solo e também critérios agronômicos.
O sistema desenvolvido objetivou avaliar a qualidade do lodo de esgoto e fazer sua recomendação de aplicação, levando em consideração fatores como teor de nitrogênio disponível, concentração de metais pesados, presença de microorganismos patogênicos presentes no lodo de esgoto e os teores de metais pesados acumulados pelas aplicações sucessivas de resíduo. O sistema ASP é uma linguagem computacional de programação para geração de páginas dinâmicas. Este fica armazenado na plataforma de um servidor, onde pode ser acessado pelos usuários via Internet. A base do conhecimento do sistema foi desenvolvida de acordo com a forma como o especialista no uso agrícola do lodo de esgoto, no caso Dr Ronaldo Severiano Berton, deduz e infere seu conhecimento. O conhecimento consiste de fatos e heurísticas, onde os fatos no sistema constituem-se de informações que são solicitadas ao usuário do sistema. As heurísticas são as regras que caracterizam a tomada de decisão e foram representadas através de regras do tipo “se..então”. A linguagem ASP não possui máquina de inferência, mas fornece ferramentas que possibilitaram criar rotinas de interação dos fatos com as regras, simulando o mecanismo de encadeamento para frente ou “forward chining”. As rotinas de análise da qualidade do lodo de esgoto consideraram os seguintes critérios: concentrações máximas permitidas de metais pesados e concentrações máximas permitidas de patógenso. O sistema está estruturado segundo duas fases:
• Diagnóstico: O sistema solicita ao usuário dados da análise química e microbiológica da amostra que representa o lodo de esgoto que pretende utilizar para dar o diagnóstico da sua qualidade. As concentrações (mg/kg) são solicitadas para os metais pesados arsênio, cádmio, cobre, chumbo, mercúrio, molibdênio, níquel, selênio e zinco e para os patógenos coliformes fecais (NMP/gST) e Salmonella sp. (NMP/ 4gST). No diagnóstico da amostra, a resposta do sistema indica a adequabilidade do esgot para uso agrícola.
• Recomendação de adubação: O sistema solicita o nome da área onde se deseja aplicar o lodo de esgoto e o seu histórico, caso haja, de aplicações com respectivas quantidades; bem como dados do lodo de esgoto (base seca) para o cálculo da dose provisória de lodo de esgoto, basendo-se na necessidade de nitrogênio da cultura alvo. O profissional responsável pela aplicação deve informar as quantidades de nitrogênio, fósforo e potássio recomendadas para a cultura e qual o tipo de aplicação de lodo, se “superficial” ou “sub-superficial”. A taxa provisória calculada é então comparada com os valores máximos anuais e de cargas cumulativas de metais pesados permitidos em solos agrícolas on Estado de São Paulo, segundo padrões CETESB ,1999. O sistema permite atualização destes padrões. Havendo uma ou mais restrições, o sistema adota a dose que apresentar o menor valor como dose final. Após calcular a dose final, o sistema apresenta uma recomendação de adubação complementar com adubo mineral, se necessário. Os dados gerados são armazenados em um banco de dados do sistema para que sejam considerados em aplicações futuras.
Costa et al., (2004) quanto a adquabilidade do sistema desenvolvido, concluíram que o sistema desenvolvido é uma ferramenta de auxílio ao técnico responsável pela aplicação do lodo de esgoto na agricultura. Porém, ficou demonstrado que seu escopo de atuação é limitado, não abrangendo todos os aspectos que envolvem uma aplicação agrícola de esgoto. As informações precisas do sistema referentes a nutrientes (NPK) e metais pesados possibilitaram um aproveitamento agronômico adquado do lodo de esgoto, feito com segurança de não estar causando danos ao ambiente e ao homem. A subjetividade na utilização do lodo de esgoto na agricultura influencia o processo de validação do sistema, pois a avaliação fica sujeita à experiência e ao conhecimento técnico responsável pela aplicação. Os resultados apresentados pelos especialistas apresentaram divergências em questões como valor da dose calculada de lodo de esgoto, quantidades fornecidas pela dose de NPK e na recomendação de adubação complementar com adubo mineral para NPK. Todos receberam as mesmas situações para fazer recomendação de adubação com lodo de esgoto e um mesmo questionário.
Já para o estudo de localização das UGLs verifica-se que o roteiro pode seguir a mesma estrutura daquela utilizada para a definição de redes logísticas, em função do nível de atendimento conforme proposto por Lacerda (2001). Neste caso, o sistema computacional pode apresentar as seguintes aplicações:
• Nível estratégico: determinação do número, tamanho e localização de UGLs e áreas de armazenamento;
• Nível Tático: definição da alocação das comunidades agrícolas às UGLs e das UGLs às ETEs;
• Nível Operacional: elaboração de planos de contingência, onde se pretende realocar de forma ótima a diposição do lodo no caso de saturação de uma determinada área.
São desejáveis em um sistema computacional de localização as seguintes características (LACERDA, 2001):
• Capacidade de Modelagem: deve permitir a modelagem de características específicas de cada sistema sob análise.
• Metodologia de solução: preferencialmente os que utilizam lagoritmos otimizantes: programação linear ou programação inteira mista, pois permites uma avaliação rigorosa das alternativas operacionais.
• Facilidade no manuseio de dados: os problemas de localização invariavelmente lidam com uma massa de dados muito grande, sendo fundamental manuseá-la de forma eficiente. São desejáveis a conectividade com sistema existentes na empresa, permitindo troca de dados com aplicativos como planilhas eletrônicas e softwares de gerenciamento de banco de dados
• Visualização de resultados: a apresentação dos resultados através de mapas, gráficos e tabelas é um excelente instrumento para comunicação dos resultados das análises ao pessoal não técnico.
• Facilidade de utilização: os sistemas computacionais devem permitir a realização de análise de cenários e análises paramétricas de forma rápida e fácil.
Conforme Costa (2004), com o auxílio de um sistema especialista como uma ferramenta, uma maior confiança é alcançada nos resultados dos projetos para aplicação do lodo de esgotos na agricultura, diminuindo possibilidades de erro.
Considerando a hipótese aqui trabalhada, pode-se inferir ainda, a otimização dos recursos orçamentários envolvidos.