À TOMADA DE DECISÃO DE
ABASTECIMENTO DE SÍTIOS DE
REPETIÇÃO (ANTENAS DE
COMUNICAÇÃO EMERGENCIAL) DA
POLÍCIA MILITAR DO ESTADO DE SÃO
PAULO
Marcio Roberto de Campos (UNIVESP)
marcio.campos@aluno.univesp.br
Emerson Leal Farias (UNIVESP)
emerson_guismo@hotmail.com
Rafaela Vilela da Rocha Campos (UNIVESP)
rafaela.campos@univesp.br
O processo de abastecimento em dias chuvosos foi mapeado como um dos principais problemas logísticos e de tomada de decisão da Polícia Militar do Estado de São Paulo devido ao fato de que em muitos casos, as viaturas de abastecimento agem de forma reativa e somente após o aviso de que uma região está sem a energia elétrica, entretanto, a tomada de decisão para o abastecimento antecipado envolve variáveis imprecisas: as probabilidades de chuva e de interrupção de energia elétrica de uma determinada região. O principal objetivo deste artigo é propor um sistema computacional de apoio à tomada de decisão para abastecimento proativo, usando as variáveis previsão de chuva e
2 número de interrupções de energia elétrica de uma determinada região. Para isto, foram usadas as metodologias de Design Thinking e Experiment Board para a identificação do processo atual, proposta de um novo processo e desenvolvimento e avaliação de um sistema e de um modelo de tomada de decisão. Os principais resultados foram: a criação de um modelo de tomada de decisão baseado em conjuntos fuzzy que possibilita modelar incertezas e probabilidades; e a implementação de um sistema web que integra este modelo ao mapa dos sítios de repetição. Conforme testes simulados com o modelo e a avaliação do sistema junto aos colaboradores, foi identificado que a solução pode colaborar na tomada de decisão referente à logística dos abastecimentos de modo proativo. Como trabalhos futuros, serão realizados testes em ambiente real para validação da solução em um período maior.
Palavras-chave: modelo de tomada de decisão, sistema fuzzy, comunicação emergencial, sistema de apoio à decisão
3 1. Introdução
A Polícia Militar do Estado de São Paulo (PMESP) possui diversas especialidades relacionadas às atividades de segurança pública, a exemplo do policiamento urbano e rodoviário. Em todas estas atividades é de extrema importância que haja comunicação entre as viaturas, seja para atender às situações emergenciais ou atividades de rotina. Um dos maiores desafios na manutenção da comunicação entre as viaturas está relacionado às condições ambientais, já que períodos chuvosos podem comprometer o fornecimento de energia elétrica e deixar as viaturas sem comunicação com os centros operacionais que recebem as chamadas de emergência por meio do telefone 190. Para que a comunicação seja mantida, a Polícia Militar possui sítios, que são sistemas constituídos por antenas repetidoras de sinal, computadores para transmissão da comunicação, geradores de energia e reservatórios de óleo diesel. Nos casos de pane elétrica em uma determinada região, os sítios garantem a continuidade da comunicação entre as viaturas. Nestas condições, os geradores movidos a óleo diesel são acionados, porém, somente por um determinado tempo que varia de duas a seis horas. Caso a energia elétrica demore a retornar, o estoque de óleo diesel pode ficar comprometido e há necessidade de reabastecimento.
O processo de abastecimento em dias chuvosos foi mapeado como um dos principais problemas logísticos, devido ao fato de que em muitos casos, as viaturas de abastecimento agem de forma reativa e somente após o aviso de que uma região está sem a energia elétrica. Nesse caso, informações externas podem auxiliar os tomadores de decisão a agir antecipadamente e enviar uma viatura para abastecer o sítio antes que o problema com o gerador ocorra e acarrete pane elétrica e falta de comunicação entre as viaturas operacionais. Para isto, os Sistemas de Apoio à Decisão têm uma capacidade analítica mais avançada que sistemas de informações. Eles servem para preparar os dados para análise dos tomadores de decisão, ajudando a tomar decisões mais complexas (capacidades analíticas mais elaboradas e decisões não usuais). Na prática, focam em problemas mais específicos e pontuais, tais como, dobrar as vendas em um determinado mês ou parada semestral na produção de uma filial da
4 empresa. Esses sistemas usam informações de fontes externas (por exemplo, valor da bolsa de valores, preços dos produtos concorrentes, etc.) e modelos de análise de dados (analíticos, estatísticos, inteligência artificial, mineração de dados, etc.).
O objetivo deste projeto é colaborar com a implementação de um sistema de apoio à decisão para melhorar a logística de abastecimento (antecipação do abastecimento dos geradores nos sítios de repetição). Para isto, é proposto um modelo de tomada de decisão baseado em lógica Fuzzy, que foi integrado à um sistema Web (site) e aplicativo celular para gerenciamento e comunicação do estado de abastecimento dos sítios de repetição. Essas soluções foram propostas a partir da identificação do processo atual, e então criação de um novo processo proativo para abastecimento dos geradores. A principal questão abordada é "como saber com antecedência quais os sítios de repetição terão emergências (quedas de energia devido às chuvas) e precisarão de abastecimento para tomar a decisão preventiva de abastecê-los e prevenir a falta de comunicação entre as viaturas e a central de comando da PMESP?".
Este artigo está organizado da seguinte forma: Na Seção 2 é apresentada a fundamentação teórica. Na Seção 3, são apresentadas as propostas, ou seja, o sistema computacional que inclui uma arquitetura (com interface Web e para celular) e um modelo de tomada de decisão baseado em lógica Fuzzy. Na Seção 4, são apresentadas as avaliações e discutidos os resultados, seguida das considerações finais e trabalhos futuros (na Seção 5).
2. Fundamentação teórica
Os sistemas de apoio à decisão são considerados evoluções de sistemas de informações gerenciais, somada a capacidade analítica mais avançada que os sistemas de informações. Dessa forma, ajudam a tomar decisões mais complexas (capacidades analíticas mais elaboradas e decisões não usuais) (UNIVESP, 2016). Geralmente, esses sistemas focam em problemas mais específicos e pontuais, usam informações de fontes externas e modelos de análise de dados (tais como, modelos analíticos, estatísticos, inteligência artificial e mineração de dados) (UNIVESP, 2016).
5
A tomada de decisão é foco principal deste projeto, sendo que ao final espera-se criar um sistema de apoio à decisão de abastecer os sítios de repetição, usando informações de fontes externas: ANEEL (2016) e CPTEC/INPE (2016), a partir de um modelo de análise de dados. Os modelos de otimização sob incerteza são usados para tratar as incertezas nos parâmetros, tais como, fuzzy goal programming, multi-choice goal programming, multi-segment goal
programming, dentre outros.
Em relação ao modelo de tomada de decisão para tratar as incertezas do processo do abastecimento dos sítios de repetição, foi analisado que a melhor solução é o uso de lógica
Fuzzy, na qual a teoria dos conjuntos difusos ou Fuzzy visa modelar essas informações ditas
vagas ou imprecisas. Na lógica difusa, ou logica Fuzzy, foram criados novos parâmetros conceituais relacionados à teoria dos conjuntos matemáticos (Zadeh, 1965). Nela, uma premissa pode variar de 0 a 1 em grau de verdade, o que pode resultar em parcialmente falso ou parcialmente verdadeiro.
Os conjuntos Fuzzy são representados por variáveis linguísticas (por exemplo, probabilidade de chuva), os quais são compostos por termos linguísticos (por exemplo, baixa, media e alta) (IEC, 1997). Cada termo linguístico é descrito por uma função de pertinência μ, que é descrita
como valores numéricos entre 0 e 1. Um sistema de inferência Fuzzy está baseado em três
operações: fuzzyficação, inferência e defuzzyficação (IEC, 1997), conforme é mostrado na Figura 1.
6
Fonte: elaborada pelos autores
- Fuzzyficaç ão: os dados de entrada são relacionados com suas variáveis linguísticas; - Inferência: a inferência é feita usando as regras Fuzzy da base de regras. As regras
Fuzzy podem ser descritas em texto por Rk: se “condição Ak” então “conclusão Bk”. A base de regras contém o conhecimento empírico que deve ser modelado em conjunto com os especialistas do domínio. A inferência consiste em três subfunç ões: agregação, ativação e acumulação;
- Agregação: se a condição consiste em uma única subcondiç ão, então o grau da condição corresponde à condição. Caso a condição consistir em uma combinação de várias subcondições, então o grau deve ser determinado por agregação dos valores individuais. E se uma combinação "E" de subcondições existir, então o grau é calculado por meio do operador "E" da lógica Fuzzy; - Ativação: na conclusão, as subconclusões se relacionam com as variáveis de
saída. O grau de pertinência da conclusão é assim determinado com base no grau da condição determinada na agregação (conclusão se A então B);
- Acumulação: os resultados das regras são combinados para obter um resultado global. A inferência fornece um conjunto Fuzzy ou sua função de pertinência como resultado;
7 - Defuzzyficaç ão: o resultado do processo de inferência tem que ser convertido em valores numérico. Assim, esse número (geralmente um número real) deve fornecer uma boa representação da informação contida no conjunto Fuzzy.
3. Sistema computacional de tomada de decisão proposto
A solução proposta foi dividida em três partes: (1) novo processo com estado de preparação/vigilância, no qual os sítios são abastecidos antecipadamente; (2) arquitetura e sistema computacional: que incluem (2.1) Website para acesso pelos responsáveis pelo monitoramento e acionamento da missão de abastecimento (na central de controle), quando o estado de um sítio de repetição for em vigilância, (2.2) aplicativo celular para acesso pelos responsáveis (que estão na viatura) pelo abastecimento de óleo diesel (no sítio de repetição); e (3) modelo de tomada de decisão que possibilita a alteração do estado de neutro para o estado de vigilância – no qual o responsável pelo monitoramento irá cadastrar uma solicitação de abastecimento, que será recebida no aplicativo celular pelo responsável de abastecimento que está na viatura.
3.1. Mapeamento do processo usado e proposta de um novo
No processo atual (reativo) não há um estado de vigilância para prevenir a falta de abastecimento do óleo diesel. Quando o N.O.C (Núcleo de Operações e Controle) é notificado, já há um estado de crise (falta de comunicação entre as viaturas), conforme é apresentado na Figura 2 - "processo atual".
8
Fonte: elaborada pelos autores
No novo processo, foram mapeados três estados designados como verde, amarelo e vermelho, na qual há um estado de preparação (amarelo), conforme é apresentado na Figura 2 - "processo novo". O verde representa uma situação normal em que nada precisa ser feito. No caso do estado amarelo, há um risco que pode se concretizar ou não, tal como o risco de chuva. No estado vermelho ocorre a comprovação de uma situação onde é indicado que o gerador de um sítio precisa ser abastecido.
3.2. Arquitetura e sistema de tomada de decisão
A solução computacional consiste em um Website (interface Web) e um aplicativo celular (interface celular), além do modelo de tomada de decisão de abastecimento (apresentado na subseção 3.3). A visão geral da arquitetura e integração de todas as ferramentas utilizadas é apresentada na Figura 3.
9
Figura 3 - Arquitetura do sistema de tomada de decisão
Fonte: elaborada pelos autores
3.2.1. Interface do Website
O site contém um mapa com todos os sítios de repetição, que são apresentados com um ícone conforme seu estado (novo processo proposto), conforme pode ser visto na Figura 4. Nesse mapa também é possível visualizar a previsão meteorológica de cada cidade da região metropolitana, os pontos de alagamento, além de campos de consulta e seleção de informações. Para criar o mapa foi utilizado o aplicativo Google Fusion Tables (tables.googlelabs.com/). Nele é possível visualizar todos os sítios no mapa (Google Maps), bem como informações de cada um que estão na tabela (do Google Fusion Tables).
10
Figura 4 - Interface do sistema Web de tomada de decisão: cores verde, amarelo e vermelho representam o estado do sítio de repetição (neutro, vigilância e alerta, respectivamente).
Fonte: desenvolvida pelos autores.
3.2.2. Interface do aplicativo celular
O aplicativo de celular é usado para enviar a informação da necessidade de abastecimento, no estado vermelho, e depois informar o final da ocorrência (mantendo o histórico de cada sítio - estatística de ocorrências). Os dois formulários apresentados no aplicativo de celular foram criados com o aplicativo do Google Forms e gerados para dispositivos móveis a partir do complemento AppSheet (https://www.appsheet.com). Desta forma, os responsáveis pelo abastecimento de óleo diesel receberão as informações no celular, e reportarão o final da missão também pelo mesmo aplicativo. Além disso, eles podem usar o aplicativo do Google
11
Maps (integrado ao aplicativo criado) para traçar a rota até o sítio que será abastecido (a partir
das informações da localização (latitude e longitude) que também estão disponíveis no aplicativo).
O aplicativo, nomeado AbasteceSítiosApp, está disponível para instalação no celular (sistema operacional Android ou iOS), conforme telas apresentadas na Figura 5, ou para ser visualizado via navegador (Web browser).
Figura 5 - Interface do aplicativo celular: tela principal (A), mapa (B) e cadastro do final da missão (C).
Fonte: desenvolvida pelos autores.
12
Com base nas entrevistas realizadas foi identificado que o ideal seria utilizar as cores verde (estado neutro), amarelo (vigilância) e vermelho (alerta) para representar o estado de cada sítio de repetição. Entretanto, para alterar estados/cores é necessário um modelo de tomada de decisão. Ao analisar as variáveis disponíveis (previsão do tempo e probabilidade de chuva; e número de interrupções de energia elétrica), é possível verificar que elas são imprecisas e subjetivas, pois apesar de uma dada probabilidade de chuva não é possível concluir que irá chover, e mesmo com um alto número estatístico de interrupções de energia em uma determinada região, não é possível concluir quando será a próxima interrupção. Assim, a lógica difusa pode ser melhor utilizada do que a lógica booleana (0 e 1 - falso e verdadeiro). Dessa forma, esses dados podem variar em grau de verdade (parcialmente falso ou parcialmente verdadeiro); e com o uso de um sistema de inferência Fuzzy, com regras de inferência, é possível obter um valor resultante que representa uma informação para tomada de decisão.
O modelo Fuzzy foi criado usando a ferramenta QtFuzzyLite 4 (2015). Ele possui duas variáveis de entrada: probabilidade de chuva (pchuva) e número de interrupções de energia (nie) e uma variável de saída: probabilidade de interrupção de energia (pie). Sendo os termos linguísticos: pchuva (baixo, medio e alto), nie (muito_baixo, baixo, medio, alto, muito_alto) e pie (neutro, vigilancia e alerta). A base de regras é composta de 15 regras.
Os gráficos das funções de pertinência podem ser vistos na Figura 6. O eixo y varia de 0 e 1 (grau de verdade de cada premissa), sendo o eixo x: pchuva (0 a 100% - probabilidade), nie (0 a 1000 interrupções mensais), pie (0 a 100% - probabilidade dada por um número real calculado com a inferência Fuzzy).
13
Fonte: elaborada pelos autores.
Para fazer a integração com o sistema Web, foi usada a ferramenta Fuzzy.ai para realizar a fuzzyficação, inferência e deffuzyficação das entradas no resultado.
4. Avaliações e Discussões
As avaliações iniciais foram realizadas em duas partes: (1) simulação/teste com o modelo de tomada de decisão; e (2) avaliação qualitativa do sistema computacional realizada pelos colaboradores da PMESP, conforme apresentado a seguir.
4.1. Testes com o modelo de tomada de decisão
Para validar o modelo de tomada de decisão, a ferramenta QtFuzzyLite 4 foi usada para simular diferentes entradas e assim avaliar as saídas geradas pelo modelo (resultados). Foram simuladas as entradas 38, 186, 411, 577, 706 para o número de interrupções de energia, sendo que a probabilidade de chuva foi aumentando de 0 a 100%. Os resultados apresentados (valores numéricos para a variável pie) foram considerados satisfatórios pelos integrantes do projeto.
14 4.2. Avaliação do sistema computacional de apoio à tomada de decisão
Para validar o sistema computacional desenvolvido, foram feitas entrevistas com os principais colaboradores da PMESP e a questão apresentada na Figura 7 foi respondida por todos os funcionários do N.O.C. Conforme pode ser visto no gráfico apresentado na Figura 6, 90,2% dos funcionários atribuíram nota 4 ou 5 para a solução criada.
Figura 7 - Avaliação da solução: questão respondida pelos funcionários do N.O.C.
Fonte: elaborada pelos autores.
Nas entrevistas avaliativas, durante o processo de Design Thinking e principalmente ao final, os colaboradores consideraram as propostas satisfatórias (novo processo, arquitetura, Website, aplicativo celular e modelo de tomada de decisão).
4.3. Discussões
Este projeto abordou o tema Tomada de Decisão voltado ao setor público. Foi estabelecida uma parceria com a Polícia Militar do Estado de São Paulo no setor responsável pela comunicação de emergência (N.O.C.), cujo acionamento é feito pelo telefone 190.
Por meio das técnicas do Design Thinking (IRDG, 2014), foi possível mapear os desejos, anseios e necessidades do público alvo e perceber que um dos principais desafios era a
15
tomada de decisão de abastecer antecipadamente os geradores de óleo diesel em situações atípicas, a exemplo de dias chuvosos onde a energia elétrica é comprometida, podendo afetar a comunicação entre as viaturas e os centros de despacho de ocorrências.
Um sistema computacional de apoio à tomada de decisão, com interface Web e para celular, foi proposto para solucionar o principal problema encontrado: abastecimento antecipado dos sítios de repetição. Além disso, foi especificado a interface e a arquitetura do sistema, sendo que um modelo proposto para apoio a tomada de decisão foi criado e integrado ao sistema computacional desenvolvido (Website). Foram feitos testes, por meio de simulações, com o modelo de tomada de decisão proposto, sendo que esses foram considerados satisfatórios. Além disso, foram realizados testes e uma avaliação inicial com os colaboradores da PMESP, sendo que 90% acreditam que o sistema computacional é satisfatório para solucionar o problema de abastecimento reativo. Desta forma, a solução pode contribuir para tomadas de decisão na logística dos abastecimentos de modo proativo.
5. Considerações finais
O principal objetivo deste projeto foi propor um modelo de tomada de decisão para abastecimento proativo, usando as variáveis previsão de chuva e número de interrupções de energia elétrica. O resultado deste projeto é um modelo de tomada de decisão integrado a um sistema computacional para apoio à gestão de abastecimento preventivo de sítios de repetição da PMESP (Website e aplicativo celular). Neste modelo de inferência Fuzzy, as entradas são: previsão de chuva e número de interrupções de energia; a saída é um valor de probabilidade de interrupção de energia, que altera o estado do sítio de repetição no mapa apresentado no
site.
Este projeto foi resultado da excelente parceria com a Polícia Militar do Estado de São Paulo. Em termos de efetividade de solução, foi necessário garantir a desejabilidade, viabilidade e praticabilidade do projeto. A desejabilidade foi atingida pela escuta dos clientes (colaboradores do Núcleo de Operações de Controle da Polícia Militar do Estado de São Paulo). A viabilidade é econômica devido ao fato que o projeto não acarreta custo financeiro,
16
pois os próprios membros deste projeto implementaram a solução usando aplicações, serviços, servidor, software e ferramentas gratuitas. Além disso, o projeto é viável tecnologicamente, ou seja, há praticabilidade, pois a solução foi implementada e avaliada ao longo do desenvolvimento.
Os estudos futuros incluem a análise em ambiente prático para continuidade da validação e os possíveis ajustes da proposta às necessidades da Polícia Militar do Estado de São Paulo.
REFERÊNCIAS
ANEEL. Indicadores de Tempo de Atendimento às Ocorrências Emergenciais. 2016. Disponível em: http://www2.aneel.gov.br/aplicacoes/Tempos_medios_de_atendimento/. Acesso em: set. 2016.
CPTEC/INPE. Centro de Previsão de Tempo e Estudos Climáticos. Previsão climática. 2016. Disponível em: http://clima1.cptec.inpe.br/. Acesso em: set. 2016.
FUZZY.AI. Fuzzy.ai - PHP. 2016. Disponível em: https://fuzzy.ai/docs/sdk/php. Acesso em: out. 2016. IEC. Fuzzy Control Programming - IEC 1131 - part 7 draft Programmable Controllers. 1997. Acesso em: set. 2016.
IRDG. IRDG Annual Conference 2014: Design Thinking. 2014. Disponível em: http://www.irdg.ie/design-thinking/. Acesso em: 25 de março de 2017.
QTFUZZYLITE. QtFuzzyLite 4 - Community Edition (Version 4.0). 2015. Disponível em: http://www.fuzzylite.com/downloads/. Acesso em: set. 2016.
UNIVESP. Sistemas de Informação. Disciplina do 7o. Bimestre. Curso de Engenharia. 2016. Disponível em: https://www.youtube.com/playlist?list=PLxI8Can9yAHczVm37Sw-UssyYdd0FMyR0. Acesso em: set. 2016.
ZADEH, L.A. Fuzzy Sets. Information and Control, 1965. v. 8, n. 3, p. 338-353. Disponível em: http://jfuzzylogic.sourceforge.net/doc/iec_1131_7_cd1.pdf. Acesso em: set. 2016.
