Análise da dispersão dos indicadores de desempenho para a tomada de decisão entre duas ferramentas de modelagem fuzzy

Autores

DOI:

https://doi.org/10.33448/rsd-v9i9.5531

Palavras-chave:

Análise de dispersão; Desvio padrão; Biblioteca fuzzylite; Modelos de inferência Fuzzy

Resumo

Analisar métodos de processamento de dados e garantir resultados coerentes é um trabalho árduo para os cientistas, o fato é que a otimização de um processo faz a diferença independente de qual área esteja sendo trabalhada. Existem ferramentas que consolidam estudos como esse, uma delas é o método comparativo utilizando análise de dispersão que foi utilizado na presente pesquisa ao trabalhar com o aplicativo Aventureiros Escolares que é o um dos objetos de estudo, com ele foi analisado o agente de inferências denominado Fuzzylite. O estudo de caso foi uma boa opção para a pesquisa ao analisar os métodos de inferência modelados no app e realizar uma comparação com o Toolbox Fuzzy do MatLab®, com isso o objetivo da presente pesquisa é analisar as duas ferramentas citadas e apontar qual delas teve o melhor desempenho utilizando a mesma modelagem Fuzzy. Por meio da análise de dispersão foi possível identificar um melhor resultado para o modelo empregado no Fuzzylite.

Biografia do Autor

Ítalo Rodrigo Soares Silva, Instituto de Tecnologia e Educação Galileo da Amazônia

Mestrado em andamento em Engenharia, Gestão de Processos, Sistemas e Ambiental no Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM). Graduação em Ciência da Computação na Universidade Paulista (UNIP). Técnico em Informática no Instituto Federal de Educação, Ciência e Tecnologia do Amazonas (IFAM).

Paulo Oliveira Siqueira Júnior, Instituto de Tecnologia e Educação Galileo da Amazônia

Mestrado em andamento em Engenharia, Gestão de Processos, Sistemas e Ambiental no Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM). Graduação em Ciência da Computação na Universidade Paulista (UNIP).

Ricardo Silva Parente, Instituto de Tecnologia e Educação Galileo da Amazônia

Mestrado em andamento em Engenharia, Gestão de Processos, Sistemas e Ambiental no Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM). Graduação em Ciência da Computação na Universidade Paulista (UNIP).

Manoel Henrique Reis Nascimento, Instituto de Tecnologia e Educação Galileo da Amazônia

Doutorado em Engenharia Elétrica na Universidade Federal do Pará (UFPA). Mestrado em Economia na Universidade Católica de Brasília (UCB). Especialização em Sistemas de Informação e aplicações Web na Fundação Centro de Análise Pesquisa e Inovação Tecnológica (FUCAPI). Graduação em Ciência da Computação no Centro Universitário de Ensino Superior do Amazonas (CIESA). Graduação em Administração de Sistemas de Informação no Centro Universitário de Ensino Superior do Amazonas (CIESA).

David Barbosa de Alencar, Instituto de Tecnologia e Educação Galileo da Amazônia

Doutorado em Engenharia Elétrica na Universidade Federal do Pará (UFPA). Mestrado em Engenharia Elétrica na Universidade Federal do Pará (UFPA). Especialização em Auditoria e Perícia em Obras Civis no Instituto de Ensino Superior Braulo Cardoso de Mattos (FASERRA). Especialização em Cálculo Estrutural no Instituto de Ensino Superior Braulo Cardoso de Mattos (FASERRA). Especialização em Metodologia do Ensino Superior na Universidade Nilton Lins (UNINILTON). Especialização em Engenharia da Qualidade na Universidade Gama Filho (IDAAM). Especialização em Engenharia de Segurança do Trabalho na Universidade Gama Filho (IDAAM). Graduação em Engenharia Civil na Universidade Nilton Lins (UNINILTON). Graduação em Engenharia de Produção na Universidade do Estado do Amazonas (UEA).

Jandecy Cabral Leite, Instituto de Tecnologia e Educação Galileo da Amazônia

Doutorado em Engenharia Elétrica na Universidade Federal do Pará (UFPA). Mestrado em Engenharia de Produção na Universidade Federal de Santa Catarina (UFSC). Especialização em Matemática Superior na Sociedade de Ensino Superior de Nova Iguaçu (SESNI). Graduação em Engenharia de Produção Elétrica na Fundação Centro de Análise Pesquisa e Inovação Tecnológica (FUCAPI). Graduação em Matemática na Universidade Federal de Rondônia (UNIR).

Referências

Amiri, A. M., Nadimi, N., & Yousefian, A. (2020). Comparing the efficiency of different computation intelligence techniques in predicting accident frequency. IATSS Research. doi: https://doi.org/10.1016/j.iatssr.2020.03.003

Araújo, A. F. d. (2020). Representações sociais de educadores das Escolas Família Agrícola (EFAs) do Brasil e da Argentina sobre o uso pedagógico das tecnologias.

Arji, G., Ahmadi, H., Nilashi, M., A. Rashid, T., Hassan Ahmed, O., Aljojo, N., & Zainol, A. (2019). Fuzzy logic approach for infectious disease diagnosis: A methodical evaluation, literature and classification. Biocybernetics and Biomedical Engineering, 39(4), 937-955. doi: https://doi.org/10.1016/j.bbe.2019.09.004

Bozhinoski, D., Di Ruscio, D., Malavolta, I., Pelliccione, P., & Crnkovic, I. (2019). Safety for mobile robotic systems: A systematic mapping study from a software engineering perspective. Journal of Systems and Software, 151, 150-179. doi: https://doi.org/10.1016/j.jss.2019.02.021

Chen, M., Wu, C., Tang, X., Peng, X., Zeng, Z., & Liu, S. (2019). An efficient deterministic heuristic algorithm for the rectangular packing problem. Computers & Industrial Engineering, 137, 106097. doi: https://doi.org/10.1016/j.cie.2019.106097

Chen, Z., Zhou, Y., & Xiang, Y. (2019). Towards efficiently searching triple product property triples: Deterministic and randomized algorithms. Applied Soft Computing, 75, 349-357. doi: https://doi.org/10.1016/j.asoc.2018.11.023

Clegg, J. R., Wagner, A. M., Shin, S. R., Hassan, S., Khademhosseini, A., & Peppas, N. A. (2019). Modular fabrication of intelligent material-tissue interfaces for bioinspired and biomimetic devices. Progress in Materials Science, 106, 100589. doi: https://doi.org/10.1016/j.pmatsci.2019.100589

De Oliveira Ferreira, D. A., & De Oliveira Ferreira, J. L. (2020). WATER AND OIL AUTOMATIC SEPARATION SYSTEM USING FUZZY CONTROL. ITEGAM-JETIA, 6(21), 41-46. doi: https://dx.doi.org/10.5935/2447-0228.20200005

De Souza, E. O., Fortes, M. Z., & de Lima, G. B. A. (2020). APPLICATION BASED ON FUZZY LOGIC TO EVALUATE IMPLEMENTATION OF TPM IN INDUSTRIES. ITEGAM-JETIA, 6(22), 35-41. doi: https://dx.doi.org/10.5935/2447-0228.20200015

Dhunny, A. Z., Doorga, J. R. S., Allam, Z., Lollchund, M. R., & Boojhawon, R. (2019). Identification of optimal wind, solar and hybrid wind-solar farming sites using fuzzy logic modelling. Energy, 188, 116056. doi: https://doi.org/10.1016/j.energy.2019.116056

Droste, M., Kutsia, T., Rahonis, G., & Schreiner, W. (2019). McCarthy-Kleene fuzzy automata and MSO logics. Information and Computation, 104499. doi: https://doi.org/10.1016/j.ic.2019.104499

Elleuch, H., & Wali, A. (2019). UNWEARABLE MULTI-MODAL GESTURES RECOGNITION SYSTEM FOR INTERACTION WITH MOBILE DEVICES IN UNEXPECTED SITUATIONS. IIUM Engineering Journal, 20(2), 142-162.

Eslami Giski, Z., Ebrahimzadeh, A., & Markechová, D. (2019). Rényi entropy of fuzzy dynamical systems. Chaos, Solitons & Fractals, 123, 244-253. doi: https://doi.org/10.1016/j.chaos.2019.01.039

Faheem, M., Butt, R. A., Raza, B., Ashraf, M. W., Ngadi, M. A., & Gungor, V. C. (2019). Energy efficient and reliable data gathering using internet of software-defined mobile sinks for WSNs-based smart grid applications. Computer Standards & Interfaces, 66, 103341. doi: https://doi.org/10.1016/j.csi.2019.03.009

Grechi, M. S., Baptista, A., & Magalhães, D. (2020). Aplicativo móvel para avaliação da qualidade de vida em idosos.

Guha, R., Ghosh, M., Chakrabarti, A., Sarkar, R., & Mirjalili, S. (2020). Introducing clustering based population in Binary Gravitational Search Algorithm for Feature Selection. Applied Soft Computing, 93, 106341. doi: https://doi.org/10.1016/j.asoc.2020.106341

Gurkaynak, G., Yilmaz, I., & Haksever, G. (2016). Stifling artificial intelligence: Human perils. Computer Law & Security Review, 32(5), 749-758. doi: https://doi.org/10.1016/j.clsr.2016.05.003

Haddock, J., & O'Keefe, R. M. (1990). Using artificial inteligence to facilitate manufacturing systems simulation. Computers & Industrial Engineering, 18(3), 275-283. doi: https://doi.org/10.1016/0360-8352(90)90049-R

Huang, D., Hong, L., & Liu, C. (2020). Computational technique to free vibration response in a multi-degree of freedom parametric system. Mechanical Systems and Signal Processing, 142, 106777. doi: https://doi.org/10.1016/j.ymssp.2020.106777

Lee, C. C. (1990). Fuzzy logic in control systems: fuzzy logic controller. I. IEEE Transactions on systems, man, and cybernetics, 20(2), 404-418. doi: https://doi.org/10.1109/21.52551

Lima, H. D., Lima, L. A. d. P., Calsavara, A., Eberspächer, H. F., Nabhen, R. C., & Duarte, E. P. (2019). Beyond scalability: Swarm intelligence affected by magnetic fields in distributed tuple spaces. Journal of Parallel and Distributed Computing, 123, 90-99. doi: https://doi.org/10.1016/j.jpdc.2018.09.004

Lisbôa, E. G., Lisbôa, É. G., Lobo, M. A. A., & Bello, L. A. L. (2020). Indicadores de Desenvolvimento Sustentável: Uma Análise Quantitativa utilizando o modelo de Regressão Linear Múltipla / Sustainable Development Indicators: A Quantitative Analysis Using the Multiple Linear Regression Model. Brazilian Journal of Development, 6.

Magdalena, L. (2019). Semantic interpretability in hierarchical fuzzy systems: Creating semantically decouplable hierarchies. Information Sciences, 496, 109-123. doi: https://doi.org/10.1016/j.ins.2019.05.016

Matoski, A., Veiga, B. P., Silva, M. T. Q. S. d., Ribeiro, D. G. F., & Alberti, M. E. (2020). Uso de dispositivos móveis como ferramenta de aprendizado: riscos e oportunidades/ Use of mobile devices as a learning tool: risks and opportunities. Brazilian Journal of Development, 6.

MENDONÇA, K. H., SALVINO, L. R., MONTEIRO, A. C. L., GOMES, H. P., & SALVINO, M. M. (2019). CONTROLADOR FUZZY APLICADO EM UM SISTEMA DESCENTRALIZADO NA OPERAÇÃO OTIMIZADA DE REDES SETORIZADAS COM BOMBEAMENTO DIRETO. Anais da Sociedade Brasileira de Automática, 1(1).

Menezes, S., & Roza, J. d. (2016). Genius Math: uma aplicação mobile para auxiliar a aprendizagem da matemática na pré-escola. Paper presented at the Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE).

Moazzemi, K., Maity, B., Yi, S., Rahmani, A. M., & Dutt, N. (2019). HESSLE-FREE: Heterogeneous Systems Leveraging Fuzzy Control for Runtime Resource Management. ACM Transactions on Embedded Computing Systems (TECS), 18(5s), 1-19.

Muklason, A., Irianti, R. G., & Marom, A. (2019). Automated Course Timetabling Optimization Using Tabu-Variable Neighborhood Search Based Hyper-Heuristic Algorithm. Procedia Computer Science, 161, 656-664. doi: https://doi.org/10.1016/j.procs.2019.11.169

Nogueira, E. L., & Nascimento, M. H. R. (2017). Inventory control applying sales demand prevision based on fuzzy inference system. Journal of Engineering and Technology for Industrial Applications (JETIA), 3. doi: https://dx.doi.org/10.5935/2447-0228.20170060

Ojha, V., Abraham, A., & Snášel, V. (2019). Heuristic design of fuzzy inference systems: A review of three decades of research. Engineering Applications of Artificial Intelligence, 85, 845-864. doi: https://doi.org/10.1016/j.engappai.2019.08.010

Oliveira, M. C. d. M., Milani, E. A., & Silva, J. F. (2020). A ESTATÍSTICA COMO FERRAMENTA PARA AUXILIAR A TOMADA DE DECISÃO EM UMA PEQUENA EMPRESA: O USO DA REGRESSÃO LINEAR MÚLTIPLA E O SOFTWARE R. REVISTA FAFIBE ON-LINE, 12.

Oprea, M. (2020). A general framework and guidelines for benchmarking computational intelligence algorithms applied to forecasting problems derived from an application domain-oriented survey. Applied Soft Computing, 89, 106103. doi: https://doi.org/10.1016/j.asoc.2020.106103

Osuna, E., Rodríguez, L.-F., Gutierrez-Garcia, J. O., & Castro, L. A. (2020). Development of computational models of emotions: A software engineering perspective. Cognitive Systems Research, 60, 1-19. doi: https://doi.org/10.1016/j.cogsys.2019.11.001

Pagliosa, A. L. (2003). Obtenção das funções de pertinência de um sistema neurofuzzy modificado pela rede de Kohonen.

Patricia Villareal-Freire, A., Felipe Aguirre Aguirre, A., & Alberto Collazos Ordoñez, C. (2019). Reverse engineering for the design patterns extraction of android mobile applications for attention deficit disorder. Computer Standards & Interfaces, 61, 147-153. doi: https://doi.org/10.1016/j.csi.2018.07.001

RODRIGUES, J., MARINHO, L., & ALCÂNTARA, O. (2011). SIMULAÇÃO DE SISTEMA ROBÓTICO MÓVEL E NEBULOSO COM SOFTWARES LIVRES.

Salgado, S. A. B., BARROS, L., & ESMI, E. M. (2019). Uma Introdução as Equações Diferenciais Fuzzy. II WMAP.

Santos, G. C. d., Thomaz, P. S., Ribeiro, F. M., Araújo, J. F., & Mattos, V. L. D. d. (2014). INFLUÊNCIA DO MÉTODO DE DEFUZZIFICAÇÃO EM MENSURAÇÕES COM CONTROLADORES FUZZY Blucher Marine Engineering Proceedings, 1.

Sauerländer-Biebl, A., Brockfeld, E., Suske, D., & Melde, E. (2017). Evaluation of a transport mode detection using fuzzy rules. Transportation Research Procedia, 25, 591-602. doi: https://doi.org/10.1016/j.trpro.2017.05.444

Silva, Í. R. S., Neto, J. V. C., Junior, P. O. S., Sanches, A. E., Junior, J. D. A. B., & de Alencar, D. B. (2019). Android app for Teaching and Learning Math for Elementary School Children. International Journal of Advanced Engineering Research and Science, 6(3). doi: https://dx.doi.org/10.22161/ijaers.6.3.23

Silva, M., Cardoso, M. A., Machado, M. C., & Ferreira, A. P. L. (2019). SISTEMA DE INFERÊNCIA FUZZY PARA ESTIMATIVA DE CRESCIMENTO POPULACIONAL. Anais do Salão Internacional de Ensino, Pesquisa e Extensão, 11(2).

Sindhu, A., & Radha, V. (2020). A Method for Removing PET/CT Imaging Artifact Using Combination of Standard Deviation and Computational Geometry Technique. Procedia Computer Science, 167, 969-978. doi: https://doi.org/10.1016/j.procs.2020.03.396

Sousa, M. P. A. D., Lacerda, M. d. A., & Faria, A. C. C. (2020). INTERNET DAS COISAS E SEUS IMPACTOS POSITIVOS NO AMBIENTE EDUCACIONAL. Revista Eletrônica Cosmopolita em Ação, 6.

Souza, J. D. C. D. (2019). Utilização da lógica fuzzy em uma estação de tratamento de água (Bachelor's thesis, Universidade Tecnológica Federal do Paraná).

Taber, R. (1995). The fuzzy systems handbook: a practitioner’s guide to building, using, and maintaining fuzzy systems (Earl Cox). SIAM Review, 37(2), 281-282. doi: https://doi.org/10.1137/1037078

Tsenkova, R., & Toyoda, K. (2001). Artificial Inteligence in Dairy Farming : Near Infrared Approach. IFAC Proceedings Volumes, 34(28), 167-172. doi: https://doi.org/10.1016/S1474-6670(17)32843-4

Wang, L. X. (1997). A course in Fuzzy Systems and Control. New Jersey: Pretice-Hall Internacional. ed: Inc.

Xie, Y., Qiu, M., Zhang, H., Peng, L., & Chen, Z. (2020). Gaussian Distribution based Oversampling for Imbalanced Data Classification. IEEE Transactions on Knowledge and Data Engineering.

Yan, J., Zhang, Z., Lin, K., Yang, F., & Luo, X. (2020). A hybrid scheme-based one-vs-all decision trees for multi-class classification tasks. Knowledge-Based Systems, 198, 105922. doi: https://doi.org/10.1016/j.knosys.2020.105922

Zadeh, L. A. (1988). Fuzzy logic. Computer, 21(4), 83-93. doi: https://doi.org/10.1109/2.53

Zago, L. D. A. (2019). Modelagem matemática por meio de Sistemas Fuzzy: um Instrumento para avaliação de autismo.

Zhang, Y., Jin, Z., Zhao, X., & Yang, Q. (2020). Backtracking search algorithm with Lévy flight for estimating parameters of photovoltaic models. Energy Conversion and Management, 208, 112615. doi: https://doi.org/10.1016/j.enconman.2020.112615

Zheng, W., Wang, H., Zhang, Z., & Wang, H. (2019). Adaptive robust finite-time control of mobile robot systems with unmeasurable angular velocity via bioinspired neurodynamics approach. Engineering Applications of Artificial Intelligence, 82, 330-344. doi: https://doi.org/10.1016/j.engappai.2019.04.009

Downloads

Publicado

11/08/2020

Como Citar

SILVA, Ítalo R. S.; JÚNIOR, P. O. S.; PARENTE, R. S.; NASCIMENTO, M. H. R.; DE ALENCAR, D. B.; LEITE, J. C. Análise da dispersão dos indicadores de desempenho para a tomada de decisão entre duas ferramentas de modelagem fuzzy. Research, Society and Development, [S. l.], v. 9, n. 9, p. e55995531, 2020. DOI: 10.33448/rsd-v9i9.5531. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/5531. Acesso em: 3 jul. 2024.

Edição

v. 9 n. 9

Seção

Ciências Exatas e da Terra

Licença

Copyright (c) 2020 Ítalo Rodrigo Soares Silva, Paulo Oliveira Siqueira Júnior, Ricardo Silva Parente, Manoel Henrique Reis Nascimento, David Barbosa de Alencar, Jandecy Cabral Leite

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Autores que publicam nesta revista concordam com os seguintes termos:

1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.