2.7 SISTEMAS ESPECIALISTAS

encontro dos objetivos do presente trabalho: descrever a metodologia e desenvolvimento de um sistema especialista para manutenção preditiva. Inicia-se esta seção provendo alguns conceitos e fundamentos sobre os Sistemas Especialistas (SE). A seguir são apresentadas suas características, aplicações e arquitetura básica. Por fim descreve-se o seu processo de desenvolvimento.

2.7.1 - Definições e fundamentação

Vinadé (2003) define, de uma forma geral, sistema especialista como um programa de computador desenvolvido para resolver problemas de uma área específica, tal como o raciocínio de um especialista humano da mesma área. Para emular a habilidade de um especialista, este tipo de programa utiliza a capacidade de relacionar as informações do problema a ser resolvido com o conhecimento já armazenado.

Os Sistemas Especialistas não imitam necessariamente a estrutura da mente humana, nem os mecanismos da inteligência. São programas práticos que usam estratégias heurísticas desenvolvidas por humanos na resolução de classes específicas de problemas. São uma classe de programas na área da Inteligência Artificial, e têm contribuído para o sucesso desta área através de vários produtos comerciais desenvolvidos e aplicações. São aplicados em diversas áreas como química, eletrônica, medicina, geologia e ciência da computação. Para cada uma destas áreas foram criados sistemas especialistas específicos para resolver problemas de configuração, diagnóstico, instrução, interpretação, monitoração, planejamento, prognóstico e controle. São problemas que não dispõem de uma solução exata ou ótima, isto é, não podem ser resolvidos por um programa computacional convencional, baseado numa seqüência de procedimentos com entradas e saídas bem definidas.

Os sistemas especialistas são recomendados para resolver problemas que possam ter diferentes soluções diante de um conjunto de dados disponíveis. Os dados do problema e os fatos armazenados no sistema especialista são combinados através de heurísticas, que geram informações até encontrar uma solução. A Tabela 2.3 aborda estas características supramencionadas de um SE apresentando as principais diferenças entre um SE e um sistema convencional.

Tabela 2.3 - Principais diferenças entre um sistema especialista e um sistema convencional (modificado – Bauchspiess, 2004).

Sistema Convencional Sistema Especialista Representação do conhecimento Implícita, inserida em estruturas de dados Explícita. O conhecimento é representado separadamente do código Conhecimento traduzido em Algoritmos determinísticos

Estruturas hierárquicas, redes semânticas, regras, árvores de decisão, tabelas de decisão ou redes de inferência

O computador executa Processamento numérico (cálculos)

Processamento simbólico (inferências)

Explicação do raciocínio Geralmente inexistente Existente e recomendável

2.7.2 - Arquitetura de um sistema especialista

A arquitetura dos sistemas especialistas tem sido baseada no modelo mais simples dos sistemas de produção proposto por Post, em 1936 (Bittencourt, 2001). Sistemas de produção nada mais são do que um nome genérico para todos os sistemas baseados em regras de produção, i.e., pares de expressões simbólicas consistindo em uma condição e uma ação correspondente. A arquitetura apresenta, em geral, três módulos: base de regras, memória de trabalho e motor de inferência, conforme mostrado na Figura 2.8 e discutido nas próximas subseções.

Figura 2.8- Estrutura de um SE baseado em regras de produção (Bittencourt, 2001).

2.7.2.1 - Base de conhecimento

A base de regras e a memória de trabalho formam a chamada base de conhecimento do SE. Conforme Durkin (1994), a base de conhecimento é a parte de um sistema especialista que

contém o domínio de conhecimento codificado e representado na forma computacional.

Atualmente existem várias formas de se representar o conhecimento em um sistema especialista, são elas: estruturas hierárquicas, redes semânticas, regras, árvores de decisão, tabelas de decisão, redes de inferência, entre outras. Contudo, a forma mais estudada e mais difundida nas diversas aplicações continua sendo a forma originalmente apresentada por Post (apud Bittencourt, 2001), na qual a representação do conhecimento se dá através de regras de produção. Uma regra é uma estrutura SE/ENTÃO que logicamente relaciona uma informação contida na parte SE com uma ação contida na parte ENTÃO. A regra associa uma dada informação a alguma ação. Esta ação pode ser uma declaração de uma nova informação ou algum procedimento a ser executado, e neste caso, uma regra descreve como resolver um problema.

A memória de trabalho contém os fatos sobre o problema, que são descobertos durante uma consulta. Consultando um sistema especialista, o usuário entra com informações sobre o problema corrente dentro da memória de trabalho. O sistema combina estas informações com o conhecimento contido na base de conhecimento para inferir novos fatos. Então, o sistema entra com estes novos fatos dentro da memória de trabalho e o processo de combinação continua. Eventualmente o sistema coloca algumas conclusões que também entram na memória de trabalho (Vinadé, 2003).

Em um sistema especialista de apoio à manutenção, os fatos fornecidos pelo usuário são informações de grandezas monitoradas dos equipamentos (por exemplo, temperatura de óleo dos mancais, pressão diferencial nos filtros de óleo, e vazão de água na tubulação dos trocadores de calor). A base de regras contém um conhecimento adicional acerca dos modos de falha dos equipamentos e de suas causas primárias. Este conhecimento adicional permite trabalhar inteligentemente com os fatos para estabelecer diagnósticos de possíveis falhas a partir de um conjunto de sintomas. Os diagnósticos, por sua vez, geram tomadas de decisão de manutenção convertendo informação em ordens de serviço.

2.7.2.2 - Motor de inferência

quais regras são satisfeitas pelos fatos ou objetos do problema, manter uma agenda com uma lista ordenada de regras satisfeitas (ativadas), efetuar o disparo dessas regras conforme sua prioridade e atualizar os fatos sobre o problema que vão ser examinados no próximo ciclo. Nos sistemas especialistas, a máquina de inferência faz o casamento dos fatos, contidos na memória de trabalho, com o domínio do conhecimento, contido na base de regras, para inferir uma conclusão (Durkin, 1994).

Um aspecto dos sistemas especialistas baseados em regras é quanto ao método de inferência usado como estratégia para resolver problemas. Os métodos comumente usados são encadeamento para frente (ou direto) e para trás (ou reverso). O encadeamento para frente é uma estratégia de inferência que começa com um conjunto de fatos conhecidos, tratados como evidências, deriva novas evidências usando regras cujas premissas combinam com fatos conhecidos, e continua este processo até que se alcance uma conclusão ou até não ter mais regras com premissas combinando com fatos conhecidos ou derivados (Durkin, 1994). O encadeamento para trás, por sua vez, começa a partir de uma hipótese e procura uma evidência que a comprove. Provada a hipótese ela passa a ser assumida como uma conclusão.

2.7.3 - Desenvolvimento de um sistema especialista

O processo de construção/desenvolvimento de um SE é chamado de engenharia de conhecimento e pode ser dividido em seis etapas: avaliação, aquisição de conhecimento, projeto, teste, documentação e manutenção, conforme Durkin (1994).

A fase de avaliação conduz estudos para determinar a viabilidade e a justificativa do problema candidato. A segunda fase é a aquisição do conhecimento sobre o problema a ser usado para guiar o esforço de desenvolvimento. Esta fase é considerada como um verdadeiro gargalo do processo de desenvolvimento, pois envolve, tipicamente, uma forma especial de interação entre o desenvolvedor do SE, chamado Engenheiro de Conhecimento (EC), e um ou mais Especialista Humano (EH) em um problema específico de uma área ou domínio de conhecimento (Figura 3.2). O EC é o responsável por extrair o conhecimento tácito – que se encontra implícito na mente do EH sob a forma de procedimentos, estratégias e regras empíricas – utilizado pelos EH na resolução de problemas, e também,

por implementar esse e outros tipos de conhecimento necessários ao desenvolvimento de um SE (Waterman, 1986).

Figura 2.9- Esquema de interação entre o EC e o especialista no domínio do problema.

A fase seguinte, projeto, trata sobre designação de um bom enfoque para representar o conhecimento do especialista e a estratégia para resolver o problema em um SE. Durante esta fase, um protótipo inicial do sistema é construído. A fase de teste não é uma tarefa separada, mas é um processo contínuo durante todo o projeto e consiste em adicionar um novo conhecimento no sistema a cada entrevista com especialista. O maior objetivo do teste é validar a estrutura global do sistema e seu conhecimento. A fase de documentação implica preparar material para explicar como operar o sistema e fornecer um tutorial que mostra a maioria das características do sistema. Após a colocação do sistema especialista no ambiente de trabalho é necessário fazer a manutenção que consiste em refinar ou atualizar o sistema conforme a necessidade.

É importante ressaltar que um sistema especialista, por si só, não realiza prognóstico de falhas ou previsão de estados futuros, mas apenas diagnóstico. Para realização de prognósticos é necessária sua interação com os sistemas de análise de tendências, os quais podem utilizar ferramentas estatísticas, como o cálculo dos mínimos quadrados, ou ferramentas de IA, como redes neurais artificiais, sendo esta última apresentada no trabalho de Simeón (2008).