O Uso Estratégico de Técnicas de Extração de Conhecimento em Base de Dados na Gestão de Projetos de P&D

Transcrição

1 O Uso Estratégico de Técnicas de Extração de Conhecimento em Base de Dados na Gestão de Projetos de P&D Management of R&D Projects Using the Data Mining Strategy MARTIUS VICENTE RODRIGUEZ Y RODRIGUEZ Universidade Federal Fluminense (Rio de Janeiro, Brasil) martius@vm.uff.br NELSON FRANCISCO FAVILLA EBECKEN Universidade Federal do Rio de Janeiro (Rio de Janeiro, Brasil) nelson@ntt.ufrj.br RESUMO Em um ambiente global, onde ocorre uma intensa competição entre as empresas, o processo de inovação, o desenvolvimento tecnológico e a gestão de valores intangíveis tornam-se fundamentais para a competitividade. Assim, este trabalho apresenta uma metodologia para o estabelecimento de regras que possam contribuir para a priorização de projetos tecnológicos, objeto de um estudo de caso no Centro de Pesquisas da Petrobras. Para este trabalho, foram utilizadas informações físicas e de custos dos projetos de P&D Pesquisa e Desenvolvimento, além da avaliação de clientes, importantes dados de entrada para a análise de critérios de priorização dos projetos. Com estudos futuros e pesquisas a serem desenvolvidas, abre-se um espaço para a construção de ferramentas computacionais baseadas em sistemas especialistas que possam ser úteis na priorização de projetos de pesquisa, que possuem elevado número de variáveis e, normalmente, são de alto risco e recompensa. Palavras-chave DATA MINING CONHECIMENTO PROJETOS P&D. ABSTRACT In a global environment, with intense competition between companies, the innovation process, the technological development and the administration of intangible values are basic for competitiveness. Thus, this work presents a methodology for the establishment of rules to aid in the technological project priorities, which is the object of a case study from Petrobrás Research Center. In this work, physical and cost information of R&D projects and customers analysis were used, being important data to determine the criteria of project priority. Through future studies and researches to be developed, a new space is opened for the building of computational tools based on expert systems that can be useful in determining the priority of technology projects, generally with high risks and high reward, besides susceptible to a great number of external variables. Keywords DATA MINING KNOWLEDGE R&D PROJECTS. REVISTA DE CIÊNCIA & TECNOLOGIA V. 12, Nº 23 pp

2 INTRODUÇÃO Oregistro de fatos e dados vem de milhares de anos, quando, há anos, às margens dos rios Tigre e Eufrates, os homens da época utilizavam tabletes de lama seca para registrar os tributos cobrados (Pyle, 1999). O desejo do homem em entender o modo como o conhecimento se forma e, também, a obtenção desse conhecimento vem de muitos séculos, sendo iniciado o efetivo uso de experimentos com máquinas para o acúmulo e tratamento do conhecimento explícito, como o realizado por Charles Babbage, um matemático que nasceu em Já em 1823, Babbage obteve suporte econômico para trabalhar no desenvolvimento de uma máquina para o tratamento de funções matemáticas, mas somente em 1834 ele desenvolveu a ferramenta denominada calculating engine que, apesar de ser uma brilhante idéia, possuía muitos problemas. Babbage veio a falecer em 1871 sem ver totalmente o seu invento funcionando (Peat, 1985). A semente lançada por Babbage se transformou no primeiro computador chamado Electronic Numerical Integrator and Calculator-Eniac, construído em 1944 por J. P. Eckert e J. W. Mauchy, com a ajuda de John von Neumann durante a fase de projeto. Seguindo o ENIAC, vieram os EDVAC, BINAC e UNIVAC, produzidos pelo Departamento dos Estados Unidos para realizar o Censo Americano. Em seguida, veio a IBM, que dominou o mercado de informática por um bom período até a explosão de crescimento dos computadores pessoais e o surgimento da Microsoft (Peat, 1985; Rodriguez, 1996). O que podemos ver hoje é que, com a evolução dos recursos computacionais, a quantidade de dados no mundo tem dobrado a cada ano, trazendo uma grande quantidade de informações sem importância, poluindo e obscurecendo aquelas realmente de grande importância para as organizações. Há casos em que a produção de informação gerada por uma organização em uma semana é bem maior do que o volume de informações que uma pessoa poderia ler durante toda a sua vida (Adriaans, 1998; Rodriguez, 1996). Certamente o aumento da quantidade de dados e informações é de grande importância para podermos gerar mais conhecimento sobre um determinado assunto e, com isso, decidir de forma mais acertada. Ocorre, no entanto, um paradoxo: o de se ter cada vez mais elementos, com um volume de informações sempre inferior ao crescimento desses dados. Assim, o que veremos a seguir será a apresentação e a utilização de técnicas computacionais que permitam extrair o conhecimento escondido em grandes volumes de dados históricos que, se analisados sem transformação e cruzamento adequados, nada poderão significar. A EVOLUÇÃO DA TECNOLOGIA PARA A MINERAÇÃO DE DADOS A partir de 1950, houve esforços no sentido de desenvolver ferramentas computacionais que possuíssem inteligência, os denominados sistemas baseados em inteligência artificial. Em 1958, foi desenvolvido por Frank Rosenblatt, do Laboratório de Aeronáutica de Cornell, o chamado percetron, uma das implementações que, mais tarde, seriam denominadas redes neuronais (Peat, 1985). No entanto, esses primeiros esforços não foram positivos e as pesquisas, suspensas. Somente em 1969 Minsky e Papert conseguiram provar que os percetrons desenvolvidos na década anterior poderiam aprender algumas regras bem simples, mas que não poderiam ser chamados de ferramentas que pudessem ter algum benefício prático. Restou, assim, apenas a idéia de learning machine e novamente não avançaram as pesquisas nesse sentido (Adriaans, 1998). No final da década de 1970, surgiu o conceito de analista do conhecimento, quando esse profissional tratava de explicitar o conhecimento de determinados especialistas, traduzindo esse conhecimento em regras do tipo se-então (if-then). Esse procedimento funcionou razoavelmente bem para sistemas de diagnósticos bem especializados, como a classificação geológica de amostras e o diagnóstico de falhas em equipamentos. No entanto, ele se mostrou bem limitado e bastante demorado, servindo, assim, para o acúmulo de conhecimento explícito que possuísse uma certa estabilidade no tempo. 38 jan./jun. 2004

3 Somente no início da década de 1980, quando surgiu uma nova geração de cientistas, começou a ter nova vida a idéia de máquinas que podiam aprender, por meio do desenvolvimento e uso de algoritmos para criar árvores de decisão a partir de uma classificação arbitrária de objetos. Ressurgiu, então, uma nova arquitetura, baseada, agora, à semelhança dos percetrons, tão criticados no passado por Minsky e Papert, aparecendo diversos outros algoritmos voltados para artificial neural networks (Peat, 1985). A forma das redes neuronais denominadas percetrons possui três camadas de nós: as unidades de entrada são chamadas fotorreceptores, as unidades intermediárias são denominadas associators e as unidades de saída, responders. Já as redes neuronais que utilizam o algoritmo de back-propagation possuem nós de entrada e saída e nós intermediários escondidos, sendo esse tipo de rede auto-ajustada, o que permite que ela mesma possa aprender a resolver questões apresentadas a partir de um processo de ajuste automático de suas funções internas (Adriaans, 1998). Já em 1981, Tuevo Kohonen demonstrou uma nova versão de rede neuronal, conhecida como Kohonen s self-organizing maps, que é uma coleção de neurônios ou unidades em que cada uma é conectada a um pequeno número de outras unidades, denominadas vizinhas (Adriaans, 1998). Em 1982, John Hopfield apresenta um primeiro trabalho sobre redes neuronais na Academia Nacional de Ciências dos EUA. A posição respeitada de Hopfield na comunidade científica contribuiu para que outros pesquisadores se interessassem pelo tema, além de um aumento significativo no suporte às pesquisas (Rodrigues, 1992). Em 1986, Rumelhart desenvolveu um algoritmo que aprendia as regras a partir de fatos e resultados, para uma rede de múltiplos níveis baseada no perceptron. Esse algoritmo é um dos mais utilizado atualmente e é denominado backpropagation (Sundararajan, 1998). Com esses novos recursos tecnológicos, criou-se a possibilidade de obtenção de um conhecimento que estivesse escondido hidden knowledge em uma grande quantidade de dados, surgindo os conceitos de KDD Knowledge Discovery in Databases e de data mining. Assim, com a utilização de uma base de dados contendo fatos e dados que irão auxiliar na busca de uma solução, usando o processo de KDD, conforme definição fornecida na Primeira Conferência Internacional sobre KDD em Montreal (1995), qual seja: KDD é um processo de extração não trivial, a partir de uma base de dados, de um conhecimento implícito previamente desconhecido e potencialmente útil (Adriaans, 1998). O objetivo do processo de KDD é a obtenção de informações escondidas nos dados, que não estão aptas a ser distinguidas em um primeiro momento. Assim, esse conhecimento não estará visível se for utilizada uma linguagem de consulta estruturada SQL Structure Query Language ou se analisados os dados a partir de uma ferramenta OLAP Online Analytical Processing Tool. Nesse caso, são usadas ferramentas de reconhecimento de padrões para a obtenção dos hidden data, sendo utilizados os pontos e as referências considerados importantes para a focalização da busca e a obtenção de um conhecimento ainda mais profundo deep knowledge, encontrado somente em pequenos pontos de conexão dos dados. Para efeito de definição, serão usadas aquelas contidas no Adriaans (1998): hidden knowledge: dados que podem ser facilmente encontrados a partir do uso de ferramentas de reconhecimento de padrões ou algoritmos de aprendizagem por computador machine learning; deep knowledge: informação armazenada em base de dados, mas que só pode ser localizada por meio de dicas ou cola que diga onde devemos procurar. Assim, podemos definir que a técnica de data mining é bastante multidisciplinar, composta por diversas especialidades, e utiliza o processo de KDD a partir de diversas tecnologias já desenvolvidas, como apresentado na figura 1. REVISTA DE CIÊNCIA & TECNOLOGIA V. 12, Nº 23 pp

4 Fig. 1. A extração do conhecimento escondido. Como principais vantagens identificadas no uso de data mining no estudo em questão, temos (Adriaans, 1998): grande quantidade de dados disponíveis em base de dados e relatórios, contendo informações de grande valor que, se mineradas e tratadas, podem contribuir para o direcionamento dos esforços na gestão da tecnologia; apesar de as informações estarem dispersas em algumas bases de dados e até em formato tipo texto, as tecnologias hoje disponíveis facilitam o seu agrupamento em uma única base de dados para estudo; diversidade de soluções tecnológicas aplicáveis, que vão desde a utilização de árvores de decisão, redes neuronais até algoritmos genéticos, ampliando para uma gama enorme de possibilidades de sucesso, em termos dos resultados a serem obtidos; capacidade de agrupar as diversas experiências pessoais dos profissionais que trabalharam nos diversos projetos, obtendo-se um somatório de experiências que nos indicará várias soluções possíveis e com maiores chances de sucesso em sua aplicação, já que retratará as diversas experiências registradas. O CARÁTER INOVADOR A prospecção do conhecimento contido em uma base de dados com centenas de projetos de tecnologia concluídos e avaliados pelos clientes constitui uma enorme fonte potencial para a obtenção de métricas relacionadas aos projetos de tecnologia. Portanto, a interpretação desses dados, as regras de formação que os unem, aqueles relacionados aos projetos que obtiveram sucesso, entre outras diversas informações e correlações possíveis, representam uma oportunidade única de obtenção do conhecimento escondido a partir dessa realidade registrada ao longo dos anos pela Petrobras/Cenpes. Vale notar que, nessa análise dos dados, é considerado como premissa que o sucesso de um projeto de tecnologia está diretamente relacionado ao fato de ele ter sido concluído e implantado. Assim, o caráter inovador deste trabalho encontra-se na metodologia ora desenvolvida, que utiliza o processo de mineração do conhecimento em base de dados para a identificação e apresentação das regras para o apoio à priorização dos projetos de tecnologia, conforme apresentado na figura jan./jun. 2004

5 Fig. 2. O caráter inovador metodologia e processos utilizados. MOTIVAÇÃO PARA USO DE ÁRVORES DE DECISÃO Especificamente para a pesquisa objeto deste estudo, foi utilizada a técnica baseada na construção de árvores de decisão, pelos seguintes motivos: uso de base de dados: facilidade na utilização de bases de dados, obtidos a partir de uma pesquisa de campo para o objeto de análise o Centro de Pesquisas da Petrobras. simplicidade no uso: explicitação de regras de forma eficiente, o que possibilitou a análise sob diversos pontos de vista a partir da indução de elementos desejados na árvore de decisão. capacidade de indução: além da simplicidade acima apresentada, foi possível a indução dos dados em função do grau de interesse desejado. Ou seja, a possibilidade de gerar uma árvore de decisão, eliminar alguns dos seus ramos e induzir outros dados para que uma nova análise fosse feita. precisão: possibilidade de obtenção dos resultados dentro do grau de precisão necessário à extração do conhecimento escondido nos dados. verificação das regras obtidas: possibilidade de verificação das regras obtidas a partir de uma massa de dados de validação. No caso, foram utilizados 80% dos dados para a obtenção das regras e os demais 20%, para validar as regras obtidas. No objeto deste estudo, foram geradas mais de cinqüenta árvores de decisão com o uso do software XpertRule Miner. Desse total, vinte foram selecionadas. Das vinte árvores de decisão, foram identificadas 63 regras que foram, depois, consolidadas em 14, observando-se os critérios abaixo relacionados para sua consolidação: interesse, completeza, precisão e compreensibilidade das regras (Nagai, 2000; Han, 2000; Fayyad, 1996). REVISTA DE CIÊNCIA & TECNOLOGIA V. 12, Nº 23 pp

6 O PROCESSO DE MINERAÇÃO DE DADOS O interesse no processo de KDD aumentou significativamente a partir da First International Conference on Knowledge Discovery and Data Mining. O termo KDD foi criado em 1989, para se referir ao processo, na sua forma mais ampla, de encontrar o conhecimento em dados e para enfatizar o alto nível da aplicação de métodos particulares de data mining (Fayyad, 1996). O interesse das organizações em estruturar seus dados de forma a poder tomar decisões seguras fez com que o uso de datawarehouse fosse uma evolução natural. Para tanto, essa grande base de dados com os diversos registros operacionais deve possuir uma estrutura de forma a ser: dependente do tempo: contém informações coletadas dentro de um período de tempo; não volátil: os seus dados não são atualizáveis, somente usados para consulta. por assunto: os seus dados são relativos a um determinado assunto e com base em informações coletadas de banco de dados operacionais. integrado: o seu modelo de dados deve ser integrado e consistente, mesmo que, externamente, haja sistemas não integrados. Para isso, a coleta dos dados deve ser criteriosa, de forma a garantir um armazenamento totalmente consistente e íntegro. Fig. 3. Estruturas de dados e técnicas de prospecção do conhecimento. A construção de um data warehouse ocorre a partir de bases de dados operacionais. Um subconjunto de um data warehouse pode se transformar em um datamart. Com técnicas de OLAP Online Analytical Processing ou o uso de queries estruturadas com o uso de SQL Standard Structured Query Language, os dados do datamart podem ser acessados pelo usuário e, por meio de técnicas de data mining, é possível extrair o conhecimento escondido em um datawarehouse, conforme apresentado na figura 3. A seguir, são descritas as etapas realizadas no processo de mineração de dados, conforme esquema apresentado na figura 4. Problema a ser resolvido Essa etapa [explicitar qual é a etapa] é uma das mais importantes de todo o processo de KDD, pois a identificação inadequada do problema certamente irá fazer com que o resto do processo que demandará maior tempo seja perdido ou não aproveitado integralmente, chegando a situações em que o objetivo inicialmente definido não seja atingido. Nestes casos, é necessário, portanto, retroceder ao ponto de partida. Essa etapa representa, em média, 20% do tempo total investido no processo de KDD, mas significa 80% em termos de importância para o processo como um todo (Pyle, 1999). 42 jan./jun. 2004

7 No estudo apresentado, foram investidos cinco meses (mar.-jul./99) na investigação do problema a ser tratado, com interações junto aos clientes, identificação de potenciais ferramentas computacionais para a solução do problema e um dos pontos fundamentais de todo o processo dos dados a serem utilizados para o estudo, além dos potenciais problemas que seriam enfrentados em sua coleta, para a construção de uma base de dados integrada e consistente. Nessa fase, foram determinadas algumas ferramentas computacionais a serem utilizadas, mas o mais importante foi a identificação do problema e a forma como ele poderia ser resolvido, com o uso de ferramentas computacionais disponíveis para cada etapa de solução do problema. Assim, foi mais importante saber a regra de formação dos dados, pois o que se buscava era o entendimento do comportamento dos dados para a explicitação de critérios que pudessem auxiliar na priorização futura dos projetos. Fig. 4. Etapas da metodologia adotada (Pyle, 1999). Seleção dos dados de base de dados operacionais No processo de seleção dos dados, as dificuldades que ocorreram foram as mais diversas, o que é reflexo da forma como ocorreu a evolução do armazenamento dos dados de projetos. No período de setembro de 1999 a abril de 2000, foram selecionados os dados a partir de: relatórios de avaliação de projetos, realizados pelos CTOs Comitês Tecnológicos Operacionais, disponibilizados em papel; relatórios resumo das atividades anuais do Cenpes; bases de dados em MS-Access obtidas junto à atividade de análise de consolidação dos projetos tecnológicos. Estas bases de dados foram utilizadas para a geração de relatórios de acompanhamento de projetos pelo Cenpes/Diplat/Seplat; bases de dados estruturadas de forma a atender a geração de relatórios de acompanhamento mensal e anual de projetos do Cenpes; e base de dados em Ingres do Sistema de Acompanhamento de Projetos do Cenpes, que vem sendo aprimorado a cada ano, a partir de 1996, permitindo que sua alimentação e consulta possa ser feita por cada profissional, de forma totalmente descentralizada. Denominado programa GPROJ Gerenciamento de Projetos, é utilizado para o acompanhamento de projetos do Cenpes. Dos dados obtidos dessas diversas fontes, foram consolidadas duas bases de dados em MS-Access, sendo uma relacionada a dados físico-financeiros dos projetos e a outra, a dados de avaliação dos clientes, conforme apresentado nas figuras 5 e 6, respectivamente. Os dados físico-financeiros correspondem àqueles acumulados pelo Cenpes no período de 1 de janeiro de 1996 até abril de REVISTA DE CIÊNCIA & TECNOLOGIA V. 12, Nº 23 pp

8 Os dados físicos e de custo dos projetos foram consolidados em uma base de dados contendo 619 registros de projetos com 37 campos, totalizando dados. Eles correspondem a projetos iniciados de 1996 até 2000 e com prazos de conclusão referentes ao período de 1996 a Já os dados de avaliação foram consolidados em uma segunda base de dados em MS-Access porque os projetos avaliados já haviam sido retirados da base de dados daqueles que estavam em andamento ou em fase final de conclusão e ainda não haviam migrado para aqueles com ficha de avaliação completada pelo cliente. Como os dados armazenados para os projetos concluídos e avaliados pelos clientes eram diferentes daqueles que se encontravam em andamento ou ainda na base de dados dos projetos ativos ou até concluídos, mas sem a avaliação dos clientes, foi necessário manter as duas bases de dados para efeito de análise. Já os dados de avaliação dos projetos pelos clientes foram consolidados em uma base de dados contendo 714 registros de projetos com 52 campos de dados, totalizando dados, relativos aos projetos iniciados de 1983 até 1998 e com os prazos de conclusão relativos ao período de 1985 a Fig. 5. Dados físico-financeiros dos projetos de tecnologia. Fig. 6. Dados de avaliação dos projetos de tecnologia pelos clientes. 44 jan./jun. 2004

9 Apesar de os dados coletados estarem no quinto ano consecutivo de armazenamento, o processo evolutivo de sua identificação e armazenagem o reflexo da evolução do processo de gestão da função tecnologia evoluiu muito, fazendo com que a base de dados de projetos armazenada em 1996 represente, no máximo, 10% daquela disponível no ano Ou seja, evoluiu muito em conteúdo e estrutura dos dados. Assim, se comparados os diversos anos em que os dados foram coletados, foram ocasionados os seguintes problemas: falta de integração dos dados: alguns dados estavam em banco de dados em MS-Access, outros migrando para uma base de dados em Ingress e outros, apenas em relatórios técnicos de avaliação dos projetos; falta de atualização dos dados: havia, até pelo próprio processo evolutivo da estrutura dos dados, uma não atualização de alguns dados e dados perdidos. Esse fato é plenamente entendido devido ao processo gradativo em que os alimentadores dos dados efetivamente foram assumindo esse papel, ao longo dos cinco anos de sua implantação; tempo de atualização dos dados: alguns dados demoraram muito para ser atualizados, por vezes devido à própria característica do projeto, que demandava um tempo mais longo para implantação e efetiva identificação do cumprimento do seu objetivo e do resultado final; falta de uma visão de longo prazo: como a construção da estrutura dos dados foi evoluindo a cada ano, a visão, em termos da estrutura dos dados, estava por vezes restrita às necessidades da época, dentro de óticas segmentadas e, por vezes, não sistêmicas do processo como um todo. Por exemplo, as perguntas relativas à avaliação dos projetos são pertinentes aos processos de execução e término, mas não estavam totalmente integradas com os critérios que priorizaram e fizeram com que um determinado projeto fosse executado. A visão de longo prazo se limitou ao processo de execução de um determinado projeto, e não ao processo mais abrangente, incluindo os critérios que o elegeram para ser executado; significado diferente: alguns dados possuíam significados diferentes, até por serem altamente subjetivos e de difícil quantificação, como o benefício potencial de um determinado projeto, que, dependendo do entendimento, poderia assumir qualquer valor. Por exemplo, uma nova tecnologia que viabilizasse todo um empreendimento poderia ser considerada como tendo um benefício no valor do projeto, pois sem ela o empreendimento não seria possível. Por outro lado, não seria somente essa nova tecnologia que viabilizaria o empreendimento, já que ele depende de vários outros componentes e recursos físicos e financeiros. Limpeza, consistência, enriquecimento e codificação dos dados A etapa seguinte à coleta e seleção dos dados foi o processo de limpeza, consistência, enriquecimento e codificação dos dados, iniciado nas seguintes datas: limpeza e consistência (jan.-ago./00); enriquecimento (mai.-ago./00); e codificação (mai.-ago./00). No processo de ajuste dos dados, cada etapa ocorreu seguindo a seqüência limpeza e consistência, enriquecimento e codificação. No entanto, esse ciclo foi realizado mais de uma vez, já que, após o primeiro ciclo, verificou-se, pelo resultado obtido, que novas análises deveriam ser feitas. Assim, foram executados três ciclos para a base de dados físico-financeiros e quatro ciclos para a base de dados de avaliação de clientes. As etapas de limpeza e consistência dos dados, enriquecimento e codificação ocorreram de forma cíclica, sendo que, a cada ciclo, uma melhoria incremental era proporcionada. Para tanto, foram geradas mais de trinta árvores de decisão, sendo que, a cada uma delas, um novo enriquecimento e codificação poderia ocorrer, em função de sua análise. Como exemplo de ações efetivamente realizadas nos diversos ciclos desse processo, temos: Agrupamento de dados Com relação aos dados de atraso de projeto, foi verificada a possibilidade de seu agrupamento, ficando em um único dado a informação de se houve atraso ou não, juntando-se, assim, os atrasos relativos ao planejamento, operacional ou por mudança de prioridade. De forma similar ao item acima, os dados referentes às causas dos atrasos nos projetos inicialmente descritos como atraso devido ao planejamento deficiente, atraso devido à falta de prioridade interna, atraso devido à falta de prioridade externa, atraso devido a problemas operacionais, atraso devido a acréscimo de REVISTA DE CIÊNCIA & TECNOLOGIA V. 12, Nº 23 pp

10 escopo do projeto, atraso devido à mudança nas bases de projeto, atrasos devido à espera de informações externas e atraso devido a outros problemas, como problemas operacionais, de pessoal, de cronograma, administrativos, de escopo, interrupção do projeto, indefinição do cliente quanto ao produto, dificuldades técnicas, dificuldades financeiras e decisão gerencial, entre outras foi simplificado para três tipos: o primeiro relativo à fase de planejamento; o segundo devido à mudança de prioridades e o terceiro, à execução do projeto. Os dados relativos à forma de transmissão das informações durante o projeto foram obtidos a partir da ficha de avaliação dos clientes e geraram perguntas específicas para cada tipo de transmissão das informações, ou seja: via reunião formal, via comunicação formal, via relatório ou outras formas, como a informal. Visando simplificar esses dados, eles foram agrupados em uma única entidade, denominada transmissão dos resultados. Os tipos de benefícios foram agrupados em voltados para o conhecimento, ou inovação, e em tangível operacional, ou melhoria contínua. Para as causas da não implantação, também havia cinco tipos de dados que puderam ser agrupados em um único: não implantação devido ao não alcance dos objetivos e não atendimento às expectativas dos clientes; não priorização pelos clientes e decisão gerencial; e não viabilidade econômica. Nesse caso, foram observadas nove formas de identificação das causas de atraso, mas, em termos de dados alimentados, somente foram identificados os três tipos de atraso acima, denotando que, quando da preparação da pesquisa, a expectativa era a de que houvesse um maior leque de opções para quem posteriormente fosse fazer os registros, o que não ocorreu na prática. Duplicidade de dados Dando continuidade à verificação de campos duplicados, os campos benefício e característica do benefício possuíam similaridades no seu conteúdo, sendo que o campo benefício era mais específico em relação ao tipo de benefício gerado pelo projeto. Assim sendo, foi eliminado o campo característica do benefício. No campo benefício instantâneo, havia o dado previsto e contabilizado ou efetivamente realizado. Nesse caso, foram eliminados os dados relativos à previsão, criando-se uma única coluna com os dos benefícios instantâneos, priorizando os referentes ao realizado e verificando aqueles relativos à previsão, antes da sua inserção em uma tabela única. Idem para os benefícios contínuos. Isso fez com que só ficasse uma informação relativa aos benefícios instantâneos e contínuos. Os dados que informavam sobre a situação dos projetos estavam em duplicidade com aqueles relativos ao projeto implantado, denotando a duplicidade de informações. Assim, eliminaram-se os dados referentes aos projetos implantados e essa informação foi incorporada, dependendo do caso, aos dados relativos à situação dos projetos, que, pelas possíveis respostas, mostrou-se mais completa, englobando os dados relativos ao projeto implantado. Inconsistência dos dados Foram verificados os registros relacionados a situação do projeto, objetivos propostos atendidos, qualidade de projeto, causas da não implantação do projeto e o seu tempo de implantação, sendo identificadas algumas inconsistências que foram corrigidas, como um projeto que tinha sido não implantado ou cancelado e que tinha atingido os seus objetivos, ou então um projeto que tinha sido implantado, mas que possuía uma causa da sua não implantação. Inconsistência e agrupamento de dados Foi verificado, após a criação de dez árvores de decisão, que os registros relativos à participação dos clientes nos projetos não estavam consistentes, havendo casos em que essa participação era apresentada como esporádica em um registro e também como não participante. Assim, os três registros referentes à participação do cliente foram unificados em um único registro que informa se a participação do cliente ocorreu ou não. 46 jan./jun. 2004

11 Inconsistência e falta de dados Foram verificados mais alguns dados faltantes, como os referentes aos objetivos atendidos. Por exemplo, o projeto foi cancelado e os objetivos atendidos não foram informados. Padronização na codificação Os dados relativos a órgão cliente e órgão avaliador foram estruturados de forma a possuírem a mesma codificação, sendo que, na grande maioria dos projetos, os órgãos clientes são também avaliadores. Ruído na geração de regras Os dados referentes às causas de não implantação dos projetos apresentaram uma grande quantidade de ruído, sendo necessária a sua eliminação da base de dados. Havia casos de projetos implantados que registravam as causas da não implantação e vice-versa. O número do projeto e o total de revisões foram eliminados do banco de dados, pois, na primeira árvore de decisão gerada, essa informação gerava muito ruído, já que eram listados, por exemplo, todos os projetos da base de dados de avaliação dos projetos, não trazendo um padrão de comportamento que pudesse ser traduzido em um conjunto de regras consistente. Assim, no processo de KDD, foram executados os seguintes procedimentos: limpeza: eliminação de erros nos dados coletados, duplicação, inconsistência; enriquecimento: com a inclusão de dados faltantes e a agregação de dados de outras bases; codificação: cada campo de dados foi codificado de forma a facilitar a geração das árvores de decisão, sendo observado que a codificação foi feita dentro de um padrão que facilitou a análise final das regras geradas. Por exemplo, a utilização de um mesmo código para a identificação dos clientes e órgãos da companhia terminou por facilitar o processo de análise das informações geradas no processo de KDD. Mineração dos dados Data mining No processo de data mining, foram construídas mais de cinqüenta árvores de decisão em que, a partir do nó topo ou nó raiz, estavam divididos os dados em cada nível, criando novos nós, que formavam os ramos e, finalmente, os nós que estavam no final, denominados nós folhas. O resultado primário do algoritmo é a própria árvore de decisão e, a partir dela, é aplicado o processo de indução. No caso, foi utilizado o software XpertRule Miner. Normalmente, a partir da primeira árvore gerada, havia necessidade de poda, com a eliminação de ramos que não demonstravam relevância ao problema analisado, e, na medida da necessidade, eram induzidos alguns nós, de forma a verificar o comportamento da árvore e a conseqüente correlação entre os dados apresentados. A utilização do XpertRule Miner para o estudo em questão deveu-se aos seguintes fatores: facilidade de acesso aos dados: apresenta uma interface com acesso a diferentes estruturas de dados, desde banco de dados até a formatação tipo texto, facilitando bastante o acesso a informações externas; interface amigável: apresenta uma interface amigável de grande capacidade gráfica e de interação durante o processo de construção das árvores de decisão, facilitando esta tarefa; facilidade de indução: apresenta uma excelente facilidade de indução de dados a árvores de decisão previamente definidas, permitindo uma grande agilidade no processo de obtenção do conhecimento escondido nos dados; massa de testes: permite a utilização de uma massa de dados para testes, facilitando o processo de verificação da robustez das regras obtidas. No caso, foi usada uma massa de dados correspondente a 80% do total de dados. Para a massa de dados de teste, foram usados os demais 20%; explicitação das regras: permite a explicitação das regras dentro do processo desejado de KDD. No processo de data mining, a árvore de decisão era gerada em um primeiro momento e, depois de sua poda, se necessário, eram forçados alguns nós adicionais em função dos objetivos desejados. Como resultado do processo de KDD, são apresentadas, a seguir, algumas das regras selecionadas a partir de mais de cinqüenta árvores de decisão geradas, que foram objeto de análise. Para efeito de verificação REVISTA DE CIÊNCIA & TECNOLOGIA V. 12, Nº 23 pp

12 da robustez das regras obtidas, foi realizado em pelo menos 40% das árvores geradas um teste que usou 20% dos dados coletados aleatoriamente da base de dados para validação e teste das regras. Foram obtidos resultados positivos, devido a alterações não significativas, ou seja, que variaram de 0-10% das regras selecionadas. Soluções e alternativas obtidas Finalmente, a partir de um conjunto de análises das árvores de decisão, foram obtidas mais de oitenta regras a partir do conhecimento escondido nas bases de dados dos projetos de tecnologia. Quadro 1. Regras consolidadas priorizando os projetos concluídos e não implantados, cancelados ou interrompidos. PROJETOS CONCLUÍDOS E NÃO IMPLANTADOS, CANCELADOS OU REGRAS OCORRÊNCIA DA REGRA NOS PROJETOS INTERROMPIDOS 100% 100% 100% Se o custo de overhead for < US$ ,48 e HH de nível médio realizado for >= 119 e HH de nível superior realizado for < 182 e Benefício continuo >= US$ ,80 e com recursos próprios Se o total de HH de nível superior for >= 483 e O projeto for cancelado ou não implantado 82,6% dos benefícios são voltados para os intangíveis - conhecimento e inovação e 17,40% dos benefícios são votados para os tangíveis - melhoria contínuo ou operacional Se tempo de implantação for < 1 ano e O total de HH de nível superior for < 138 e com recursos próprios No processo de formação das árvores, o XpertRule gerava uma primeira árvore, com a definição do seu nó de topo, para, então, ser criada a árvore de decisão. A geração de uma árvore de decisão demandava, em média, noventa minutos. Em seguida, eram efetuadas as devidas podas e inclusões de novos nós, forçando a explicitação de regras que poderiam trazer um resultado importante para o objetivo a ser atingido, que era a identificação de regras que fossem interessantes, dentro da precisão desejada e pouco complexa, e que pudessem auxiliar na priorização dos projetos de tecnologia. Do total de 85 regras inicialmente obtidas, algumas foram descartadas pela sua obviedade ou pouca significância. Foram selecionadas 63 regras e obteve-se um conjunto consolidado de regras relacionadas aos projetos concluídos e não implantados, cancelados ou interrompidos, conforme apresentado no quadro 1. As regras consolidadas referentes aos projetos concluídos e implantados ou em implantação são apresentadas no quadro 2. Análise das regras obtidas para os projetos que não obtiveram sucesso Em relação às regras obtidas para o auxílio na priorização dos projetos de tecnologia, foram feitas as análises descritas a seguir (Han, 2000; Nagai, 2000). Quanto ao interesse das regras: as regras obtidas possuem uma lógica utilizável quando as correlacionamos ao objeto deste estudo, que é a identificação de projetos que não obtiveram sucesso, ou seja, projetos que foram concluídos e não implantados, cancelados ou interrompidos. Modelos de regras: os modelos apresentados casam com os objetivos deste estudo, que é a identificação de regras que auxiliem na priorização dos projetos de tecnologia. Utilizando uma das regras, observamos que os projetos com tempo de implantação inferior a um ano, um total de homens-hora de nível superior abaixo de 138 e desenvolvidos com recursos próprios possuem 100% de chance de serem concluídos e não implantados, cancelados ou interrompidos. 1,2% 3,2% 6% 48 jan./jun. 2004

13 Cobertura de regras mínimas: de um conjunto de 63 regras, foram selecionadas aquelas que cobrem o maior número de exemplos do conjunto de dados. Desse conjunto, foram escolhidas três regras, conforme apresentado no quadro 2. Acionabilidade das regras: as regras obtidas são consideradas úteis ao uso, pois auxiliam os usuários na identificação de possíveis projetos de fracasso. Inesperabilidade das regras: a primeira e terceira regras do quadro 2 apresentaram um fator de inesperabilidade relacionado aos recursos que validam as regras somente quando os recursos foram próprios da companhia, não sendo aplicáveis àqueles projetos que utilizam verbas externas. Completeza: a completeza das regras está relacionada ao total de exemplos que elas cobrem dentro de um conjunto de dados. Nas regras acima identificadas, a completeza varia de 1,2% a 6%. Apesar desse baixo indicador, a taxa de acerto da regra é de 100%, em todos os casos. Precisão: considerando os dados utilizados e o grau de precisão que se deseja no processo de seleção de projetos, as regras obtidas e consolidadas atendem plenamente ao desejado. Compreensibilidade: é adequado um grau de compreensibilidade inferior a cinco quando utilizada a fórmula para a identificação da complexidade das regras, qual seja: 0,6 x número de regras (= 3) + 0,4 x número de cláusulas (= 4 ( )/3), que é igual a 1,8 + 1,6 = 3,4. Portanto, abaixo do valor recomendado, que é de cinco (Han, 2000; Fayyad, 1996). Assim, estão demonstrados os critérios de interesse, de precisão e de compreensibilidade necessários para que o conjunto de regras selecionadas seja utilizável e possua uma lógica adequada ao entendimento humano. Quadro 2. Regras consolidadas priorizando os projetos concluídos e implantados e em implantação. PROJETOS CONCLUÍDOS E IMPLANTADOS OU EM IMPLANTAÇÃO REGRAS OCORRÊNCIA DA REGRA NOS PROJETOS 100% Se o total HH nível superior for > 138 e < 510 e o total de HH nível médio for < 116 HHNM; 63,7% o tempo de implantação for < 1 ano 91,1% Se o total de HH nível superior for > 138 e < 674 e o benefício for intangível 53,6% 89,3% Se o total de HH nível superior for > 138 e < 630 e não tiver a participação do cliente 62,2% 88,8% Se o total de HH nível superior for > 138 e < 504 e tiver a participação do cliente 68,8% 100% Se o total HH nível superior for >= 1023 e <4425 e o total HH nível médio for >= 360 e < 5832 e 13,2% o tempo de implantação for =< 1 ano 100% Se o tempo de implantação for > = 3 anos e tiver a participação do cliente 36,6% 100% Se o total de HH nível superior for >= 6667 e tiver a participação do cliente 3,5% 97,2% Se o total de HH nível superior for >= 504 e < 1521 e tiver a participação do cliente e o projeto com plena qualidade 59,7% 95,7% Se o total de HH nível superior for >= 4384 e O total de HH nível médio for < 576 HHNM e 66,4% O objetivo plenamente atendido 87,1% Se o total HH nível superior for >= 182 e O total de HH nível médio for < 119 e 23,9% O overhead for < US$ 242mil 80,3% Se o total de HH nível médio for < 6494 e O total de HH nível superior for > 138 O overhead for >= US$ 242mil 25,5% REVISTA DE CIÊNCIA & TECNOLOGIA V. 12, Nº 23 pp

14 Análise das regras obtidas para os projetos que obtiveram sucesso Em relação às regras obtidas para o auxílio na priorização dos projetos de tecnologia, em especial os que obtiveram sucesso, ou seja, aqueles concluídos e implantados ou em implantação, foram feitas as análises descritas a seguir (Han, 2000; Nagai, 2000). Quanto ao interesse das regras: as regras obtidas possuem uma lógica utilizável quando as correlacionamos ao objeto deste estudo, que é a identificação de projetos que obtiveram sucesso, ou seja, os que foram concluídos e implantados ou estão em fase de implantação. Analisando as medidas de interesse nas dimensões abaixo apresentadas, temos: Modelos de regras: os modelos apresentados combinam com os objetivos deste estudo, que é a identificação de regras que auxiliem na priorização dos projetos de tecnologia. Cobertura de regras mínimas: foram selecionadas, de 63 regras, aquelas que cobrem o maior número de exemplos do conjunto de dados. Desse conjunto, foram escolhidas 11 regras; Acionabilidade das regras: as regras obtidas são consideradas úteis ao uso, pois auxiliam os usuários na identificação de possíveis projetos de sucesso; Inesperabilidade das regras: apresentaram um fator de inesperabilidade relacionado à participação dos clientes nos projetos. Observando as terceira e quarta regras, verifica-se que a participação do cliente reduz o limite superior de homens-hora de nível superior de 630 para 504, sinalizando que sua participação nos projetos reduz os gastos, provavelmente pelo fato de haver um melhor direcionamento às suas necessidades, diminuindo as perdas de tempo e de recursos. Completeza da regra: a proporção do número de exemplos cobertos por uma determinada regra, demonstrada pela equação a seguir, sendo esse percentual identificado na coluna de ocorrência da regra nos projetos: Completeza = número de exemplos cobertos pela regra Número total de exemplos A completeza das regras está relacionada ao total de exemplos que elas cobrem dentro de um conjunto de dados. Nas regras acima identificadas, a completeza varia de 63,7% a 3,5%. Nesse conjunto, o índice de completeza apresentado é bem elevado, em especial se considerada a taxa de acerto da regra, que varia de 80,3% a 100%. Ou seja, é bastante elevada, tornando o conjunto de regras bem robusto. Precisão: considerando os dados utilizados e o grau de precisão que se deseja no processo de seleção de projetos, as regras obtidas e consolidadas atendem plenamente ao desejado. Compreensibilidade: possuem um grau de complexidade inteligível ao ser humano. Entendendo-se que a complexidade de uma regra é medida pelo número de cláusulas que ela possui associada ao total de regras, ou seja, Complexidade das regras = 0,6* número de regras + 0,4* número de cláusulas uma complexidade menor do que cinco é considerada a adequado para os seres humanos terem um perfeito entendimento da regra apresentada. Quanto menor o grau de complexidade das regras, maior será o grau de compreensibilidade das regras obtidas, e quanto mais simples e com menos nós for a árvore, mais compreensíveis serão as regras obtidas. Para tanto, o ajuste do número de nós da árvore possibilita a obtenção de regras de adequadas complexidade e abstração. É adequado um grau de compreensibilidade inferior a cinco quando utilizada a fórmula para a identificação da complexidade das regras, qual seja: 0,6 x número de regras (= 5 conjuntos de regras) + 0,4 x número médio de cláusulas (= 2,54), que é igual a 3 + 1,02 = 4,02. Portanto, abaixo do valor recomendado, que é de 5 (Han, 2000). São, assim, demonstrados os critérios de interesse, de precisão e de compreensibilidade necessários para que o conjunto de regras selecionadas seja utilizável e possua uma lógica adequada ao entendimento humano. 50 jan./jun. 2004

15 A grande vantagem da definição de critérios por um fórum decisório para a seleção de projetos de P&D é a explicitação das metas e dos objetivos da instituição (Lee, 1996). Além disso, a proposição de projetos considerando esses critérios garante o foco nos negócios para a carteira de projetos. Um processo de seleção articulado e conciso, com critérios bem definidos, facilita o relacionamento entre os que propõem, os que decidem e os que executam os projetos, uma vez que ficam claros os motivos da aceitação ou rejeição das solicitações (Gonzaga, 1997). Dessa forma, com as regras obtidas a partir do processo de KDD, é disponibilizado um conjunto de informações para o aprimoramento do processo atual de priorização dos projetos de tecnologia. CONCLUSÕES E RECOMENDAÇÕES FINAIS O trabalho ora apresentado, fortemente construído a partir do conhecimento tácito de especialistas e de fatos e dados registrados ao longo dos anos, demonstram que é possível, a partir de fatos, dados e conhecimento, identificar padrões de comportamento que possam nortear a priorização de projetos sujeitos a uma grande quantidade de variáveis endógenas e exógenas, aprimorando, a cada nova medição, os resultados obtidos. Para tanto, é necessário trabalhar sistematicamente na estrutura dos dados a serem coletados, dentro de uma visão futura do seu uso, que servirá não somente para correções de rumo específicas de cada projeto, mas também para o aprimoramento na definição de padrões de comportamento e a identificação, com maior precisão, dos projetos que tendem a ter sucesso e daqueles que não terão. Assim, com base neste estudo, são válidas as observações listadas a seguir. A importância dos clientes: é de fundamental importância identificar e classificar os clientes dos projetos tecnológicos e seus possíveis sonhos e aplicação para a solução de questões relacionadas aos processos, produtos e mercado. Isso significa que, acima dos ideais de dispor de uma tecnologia de ponta, sempre é necessário considerar as necessidades dos clientes. É possível observar isso de uma outra forma quando se verifica que a participação do cliente no desenvolvimento dos projetos faz com que o total de recursos gastos em homens-hora seja menor, indicando que ele é de grande importância para o adequado direcionamento dos empreendimentos. Com fatos e dados, é possível identificar similaridades importantes para a melhoria dos processos de gestão: isso significa que a forma como os recursos são demandados para a execução de um projeto e o processo de execução e implantação podem trazer fortes sinalizações sobre a melhor forma de gerir um processo tecnológico futuro. Assim, a coleta sistemática e a análise de dados podem dar uma grande contribuição, em termos das melhores práticas de gestão. Assim como os clientes, os projetos possuem certas similaridades que, em muitos casos, poderão ser explicitadas a partir de um processo de KDD. Por isso, a necessidade de construir e manter uma base de dados de projetos é de grande importância para que essas similaridades aflorem e possam ser aprimoradas as regras que levam os projetos tecnológicos ao sucesso. Validação das regras: a validação das regras obtidas pela metodologia de mineração de dados é de grande importância. Considerando que os processos e seus contextos mudam a cada momento e que as regras obtidas são o resultado desse conjunto de fatores internos e externos, a sua validação de forma sistêmica e dinâmica é de grande importância, já que o mercado e as suas necessidades se modificam continuamente. Acúmulo do conhecimento tácito e escondido: a metodologia proposta permite a explicitação do conhecimento escondido e do conhecimento tácito, criando um processo de melhoria contínua e acumulativa, sendo uma ferramenta poderosa no auxílio à priorização de projetos de elevado risco e, normalmente, de elevada recompensa para os que obtiverem sucesso. Alinhamento dos projetos às diretrizes tecnológicas: a utilização de comitês tecnológicos estratégicos e operacionais, tendo como base de sustentação tecnológica uma rede de inteligência constituída de especialistas, tem se apresentado como uma fórmula de sucesso na gestão de projetos tecnológicos. Assim, a metodolo- REVISTA DE CIÊNCIA & TECNOLOGIA V. 12, Nº 23 pp

16 gia proposta, baseada em um sistema balanceado de métricas, com poucos macroindicadores (no máximo dez) e atrelado ao modelo existente, torna o sistema de grande valia, pelo fato de possibilitar o estabelecimento de um direcionamento único conhecido por todos e quantificável, facilitando a visualização, por cada um, de quanto a sua colaboração está contribuindo para o resultado global da função tecnologia. Visão sistêmica na estruturação da base de dados: desde a fase de levantamento das demandas tecnológicas, a partir das estratégias tecnológicas emanadas do CTE Comitê Tecnológico Estratégico até a conclusão e avaliação final do projeto pelo cliente, são necessárias várias informações, que são usadas em cada momento específico. Mas, para o aprimoramento da identificação dos projetos que obtiveram sucesso ou não, é necessário compatibilizar os dados relacionados em cada uma dessas etapas. Assim, é possível garantir que o critério definido para a seleção de um determinado projeto seja posteriormente avaliado pelo cliente, de forma a verificar se ele foi realmente eficaz na fase de conclusão e implantação. Finalmente, como conclusões e recomendações finais, temos: sucesso na extração do conhecimento com os dados coletados: o processo de mineração de dados obteve sucesso ao extrair, de um conjunto de dados não inicialmente preparado para tal, um conjunto de regras que podem ser utilizadas como subsídio e apoio à priorização de projetos de tecnologia. a necessidade de estruturar uma base de dados com a intenção de prospectar conhecimento: foi verificado que os ganhos a serem alcançados com a construção de uma base de dados já com o objetivo futuro de extrair o conhecimento para a priorização dos projetos de tecnologia poderá redundar em uma enorme economia, em função da obtenção do conhecimento escondido nos dados e da eliminação da coleta de dados não necessários ao processo e que acabam por demandar tempo e dinheiro sem um retorno efetivo do investimento praticado. validação das regras: o processo de consolidar e validar as regras é fundamental para garantir a robustez das regras obtidas a partir da massa de dados minerada. Assim, o processo de separar, aleatoriamente, 20% dos dados para posterior validação é de grande importância para o resultado final do processo. validação com outra base de dados: após a constituição e validação das regras para um conjunto específico de dados, a sua validação com outras bases de dados irá trazer resultados ainda melhores e mais apurados, dependendo, novamente, do conhecimento tácito dos especialistas que irão analisar as normas obtidas. No estudo em questão, a validação de uma norma obtida da massa de dados relativos à avaliação dos clientes junto à massa de dados físicos e de custos dos projetos fez com que fosse necessário complementar a regra inicialmente obtida. Como exemplo: foi obtida a regra que projetos com < 138 HHNS e com um tempo de implantação < um ano seriam projetos concluídos e não implantados, ou interrompidos ou cancelados. O fato é que, ao validar essa norma com a base de dados físicos e de custos, surgiram projetos que estavam em andamento, o que não correspondia à regra inicialmente obtida. Analisando em maior profundidade, verificou-se que os projetos em andamento usavam recursos externos à companhia. Logo, foi necessário incluir na regra que ela era válida somente para projetos realizados com recursos próprios. TRABALHOS FUTUROS Com relação aos dados: com base nas regras obtidas, pode ser verificado, à luz das características da sociedade do conhecimento, que novos dados devem ser considerados em futuras análises em bases de dados de projetos de tecnologia, como: química das pessoas: a explicitação se as equipes responsáveis pelos projetos possuíam a sinergia adequada a um eficiente desenvolvimento do projeto; competências: a explicitação se as competências necessárias à execução do projeto estavam presentes durante sua execução; 52 jan./jun. 2004

17 capital intelectual: o acréscimo no valor do capital intelectual proporcionado pelo projeto após sua conclusão e implantação; liderança: o esforço de liderança desenvolvido ao longo da execução do projeto. Com relação às técnicas: trabalhos futuros podem ser desenvolvidos, com base neste estudo, visando ao aprimoramento das técnicas usadas para a extração do conhecimento de base de dados, quais sejam: estruturação de um sistema integrado de projetos: a arquitetura de informações relacionada ao processo de gestão de projetos de tecnologia poderá estar apoiada nas dimensões operacional, colaborativa e analítica, de forma similar ao processo CRM Customer Relationship Management; ferramenta de inferência ou verificação da priorização dos projetos: a utilização de uma ferramenta que permita a entrada de potenciais projetos e a saída de projetos já priorizados baseada nas regras obtidas do processo de KDD e nos critérios de priorização dos projetos, na percepção de especialistas. Essas regras poderão ser dinamicamente atualizadas. Vale a observação de que mesmo essa ferramenta deverá servir de apoio ao processo decisório, não visando à substituição do processo decisório, já que todo o conhecimento tácito não estará presente nesse processo. Assim, somente parte do conhecimento explícito estará disponível, mesmo sendo periodicamente incrementado; ferramenta de seleção automatizada de regras: a obtenção de regras utilizando o processo de KDD é demorada e complexa. No entanto, sua automatização poderá ser obtida a partir do uso de algoritmos genéticos, usando para tanto a definição de uma função de adequabilidade e dos critérios de formação das regras a serem obtidas para o algoritmo genético a ser utilizado; uso de redes neuronais: o aprendizado por meio de redes neuronais poderá ser uma solução quando, em um primeiro momento, a explicitação das regras não for fundamental. E, adicionalmente, mesmo sendo necessária a explicitação das regras, poderá ser feito a partir da extração dos pesos em cada ponto nodal, o que, apesar de demandar mais tempo, é perfeitamente viável. REFERÊNCIAS BIBLIOGRÁFICAS ADRIAANS, P. & ZANTINGE, D. Data Mining. England: Addison-Wesley Press, FAYYAD, U. et al. Advances in Knowledge Discovery and Data Mining. Massachusetts: AAAI Press/The MIT Press, GONZAGA, S.M. & MENEZES, A.C. Metodologia de Priorização de Projetos no Cenpes. Petrobras/Cenpes (artigo divulgado internamente), Rio de Janeiro, HAN, J. & KAMBER, M. Data Mining concepts and techniques. San Diego: Academic Press, LEE, M. & OM, K. Different Factors Considered in Project Selection at Public and Private R&D Institutes. England, Technovation: an international journal of technical innovation and entrepreneurship, NAGAI, W.A. Avaliação do conhecimento extraído de problemas de regressão. São Carlos: Universidade de São Paulo, [Tese de mestrado]. PEAT, D. Artificial Intelligence: how machines think. New York: Baen Enterprises, PYLE, D. Data Preparation for Data Mining. San Francisco: Morgan Kaufmamm Publishers, RODRIGUES, F.S. & Neto, I.A.Q. Aplicações de inteligência artificial na identificação de eletrofácies redes neuronais versus análise discriminante. Boletim de Geociências, Rio de Janeiro, Petrobras, RODRIGUEZ, M.V.R. & FERRANTE, A. Information Technology for the 2 st Century: managing the change. Inglaterra: CM Publications, RODRIGUEZ, M.V.R. Gestão Empresarial organizações que aprendem. Rio de Janeiro: Qualitymark, SUNDARARAJAN, N. & SARATCHANDRAN, P. Parallel architetures for artificial neural networks. Paradigms and Implementations, California, IEEE Computer Society, Dados dos autores MARTIUS VICENTE RODRIGUEZ Y RODRIGUEZ Teacher and Research Engineer of UFF Universidade Federal Fluminense REVISTA DE CIÊNCIA & TECNOLOGIA V. 12, Nº 23 pp

18 NELSON FRANCISCO FAVILLA EBECKEN Teacher and Senior Research Engineer of UFRJ Universidade Federal do Rio de Janeiro Recebimento do artigo: 29/ago./03 Consultoria: 22/set./03 a 18/dez./03 Aprovado: 18/dez./03 54 jan./jun. 2004