A lógica nebulosa é uma ferramenta matemática desenvolvida por Lotfi A. Zadeh em 1965 para abordar incertezas e complexidades em sistemas. Seu uso se concentra na modelagem de dados ambíguos por meio de variáveis linguísticas e conjuntos nebulosos, permitindo descrições parciais em vez de classificações binárias. O documento explora suas aplicações, como o cálculo de preços de carros usados, demonstrando sua eficácia em sistemas de controle e análise de dados.

1. FUZZY LOGIC
Luan Scudeler

2. TÓPICOS
 O que é Lógica Nebulosa (Fuzzy Logic)?
 Como surgiu?
 Características;
 Aplicações;
 Resultados.

3. PERGUNTA DA PESQUISA
Como resolver problemas que apresentam
características nebulosas e incertas?
METODOLOGIA DE PESQUISA
Quantitativa experimental.

4. O QUE É?
 Lógica nebulosa é uma ferramenta matemática para
lidar com a incerteza.
 Provê métodos para reduzir e explicar a
complexidade de sistemas.
 Tem como base o uso de variáveis linguísticas.
 Tais como “muito”, “baixo”, “frequentemente”,
“alguns”.
 Ao contrário a teoria tradicional dos conjuntos
binários ela usa a teoria da probabilidade.

5. COMO SURGIU?
 Lofit A. Zadeh inventou a Lógica Nebulosa,
apresentada pela primeira vez em 1965.
 Nascido em Baku, Azerbaijão. Se formou na
Universidade de Teerã, Irã em 1942
 Conseguiu o seu Ph.D. na Universidade de
Comlumbia, Nova York 1949.

6. EXEMPLO
 Para definirmos se um alimento pertence ou não
ao conjunto das frutas.
 A associação para cada elemento da figura acima
pode ser descrita com verdadeiro ou falso.

7. EXEMPLO
 Abordando o mesmo conjunto com o conceito da
lógica nebulosa.
 Com um conjunto nebuloso é possível descrever
uma associação parcial, como a do tomate e a da
uva no conjunto de frutas.

8. SISTEMA DE LÓGICA
NEBULOSA (FLS)
 Consiste em quatro etapas: fuzificador, base de
regras, mecanismo de inferência e defuzificador.
 Define ações de controle em função das diversas faixas
de valores que as variáveis podem assumir.
 Sistemas baseados na lógica nebulosa têm mostrado
grande utilidade em uma variedade tarefas.
 A utilidade de conjuntos nebulosos reside na sua
capacidade de modelar dados incertos ou ambíguos.

9. CONJUNTOS NEBULOSOS
(FUZZY SETS)
 São funções que mapeiam valores que podem se
tornar membro de um conjunto entre um número de
0 a 1.
0 : valor não faz parte do conjunto,
1: valor faz completamente parte do conjunto.

10. CONJUNTOS NEBULOSOS
(FUZZY SETS)
 Conjuntos Nebulosos são altamente dependentes
do modelo em que se aplicam.
 A natureza da informação nebulosa está em
valores (elementos) poderem pertencer a vários
níveis de conjuntos ao mesmo tempo.
 Tem como base o uso de variáveis linguísticas
para estabelecer qualificadores e modificadores
(posteriormente aplicado na base de regras do
sistema).

11. BASE DE REGRAS
 SE veículo.velocidade é alta ENTÃO parada.duração
É longa
 Maioria dos projetos longos estão geralmente
atrasados
 Importante para sistemas “time-series-based”

12. BASE DE REGRAS
 Uma base de regras é construída para controlar a
variável de saída do sistema.
 A saída do sistema também consiste em um
conjunto nebuloso
 A base de regras do sistema é avaliada e então
combinam-se os resultados de cada regra para
gerar uma saída.
Curto Médio Alto
: 5.21 seg

13. DEFUZIFICAÇÃO
 A defuzificação é realizada de acordo com a
associação função da variável de saída.
 Primeiro Máximo (SOM)
 Método da Média dos Máximos (MOM)
 Método do Centro da Área (COA)

14. Video mostrando o
comportamento de um FLS

15. PROTÓTIPO
RUN RUN RUN

16. SIMULAÇÃO

17. APLICAÇÃO FINAL
 Objetivos
 Utilizar um sistema de Lógica nebulosa para
calcular o preço de um carro usado, com base na
avalição da qualidade do seu estado.
 Receber a avalição do carro através de variáveis
linguísticas.
 Executar o sistema de Lógica nebulosa para gerar o
preço final do carro.

18. APLICAÇÃO FINAL

19. AUTOMÓVEL VALOR (R$)
Carro Modelo Aplicativo WebMotors.com.br mercadolivre.com.br
Fiat
Uno 1.3 CS 8V
Álcool 2P
1989/1989
4.890,43 4.000,00 a 4.450,00 4.500,00 a 6.500,00
Renault
Clio 1.6 RL Álcool
2P 1996/1996 6.010,36 6.000,00 6.800,00
Volkswagen
Gol City 1.0 Mi
Álcool 4P
2003/2004
14.143,63 12.000,00 a 14.700,00 12.900,00 a 14.900,00
Chevrolet
Celta Life 1.0 MPFI
8V FlexPower 2p
2013/2013 22.050,43 16.900,00 a 23.000,00 16.900,00 a 21.980,00
Análise dos dados obtidos

20. Análise dos dados obtidos
AUTOMÓVEL VALOR (R$)
Carro Modelo Aplicativo WebMotors.com.br mercadolivre.com.br
Volkswagen
Gol City 1.0 Mi
Álcool 4P
2003/2004
14.143,63 12.000,00 a 14.700,00 12.900,00 a 14.900,00

21. Análise dos dados obtidos
AUTOMÓVEL VALOR (R$)
Carro Modelo Aplicativo WebMotors.com.br mercadolivre.com.br
Chevrolet
Celta Life 1.0 MPFI
8V FlexPower 2p
2013/2013
22.050,43 16.900,00 a 23.000,00 16.900,00 a 21.980,00

22. REFERÊNCIAS
 GUIMARÃES, R. et al. “Lógica Fuzzy ou Lógica Nebulosa”. Projeto Robótica,
Colégio Nobel [Salvador, BA], 2002. Disponível em:
<http://www.colegionobel.com.br/robo tica/nebula.html>. Acesso em: 22
dez. 2014.
 J. MENDEL. Fuzzy logic systems for engineering: a tutorial. Proceedings of
the IEEE, Vol. 83, 1995.
 LAUDARES, L. A. Lógica Nebulosa: Uma abordagem filosófica e aplicada
(UFSC), Brasil, 2002.
 SIVANANDAM, S.N.; S. SUMATHI; DEEPA S.N. Introduction to Fuzzy Logic
using MATLAB(Springer), 2007.
 SANDRI, SANDRA.; CORREA, CLÁUDIO. Lógica Nebulosa, 1999. Disponível em
<http://www.deti.ufc.br/~guilherme/PAPERS/curso_ERN99_fuzzy.pdf>.
Acesso em: 30 dez. 2014.

23. OBRIGADO…