UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO

Transcrição

1 UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO RACIOCÍNIO BASEADO EM CASOS PARA AUXÍLIO NA ESCOLHA DE TÊNIS PARA A LOJA MARCELO SPORTS Área de Inteligência Artificial por Thiago Vinicius Vassoler Benjamin Grando Moreira, Bel Orientador Itajaí (SC), novembro de 2008

2 UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO RACIOCÍNIO BASEADO EM CASOS PARA AUXÍLIO NA ESCOLHA DE TÊNIS PARA A LOJA MARCELO SPORTS Área de Inteligência Artificial por Thiago Vinicius Vassoler Relatório apresentado à Banca Examinadora do Trabalho de Conclusão do Curso de Ciência da Computação para análise e aprovação. Orientador: Benjamin Grando Moreira, Bel Itajaí (SC), novembro de 2008

3 AGRADECIMENTOS Gostaria de agradecer a Deus, que sempre guiou meus passos nesta longa caminhada, dando forças para sempre prosseguir. Aos meus pais, Mario Vassoler e Lourdes Vassoler, que sempre me incentivaram e deram apoio durante toda minha vida. Ao meu irmão Vitor Vassoler, pela sua ajuda e apoio neste projeto. A minha noiva Gabriela pelo apoio, ajuda, dedicação, carinho e compreensão no decorrer desta jornada. E a todos familiares, amigos e que de forma direta ou indireta contribuíram para que este sonho se realiza-se. Um agradecimento especial a todos os mestres que por minha vida acadêmica passaram. ii

4 SUMÁRIO LISTA DE ABREVIATURAS... v LISTA DE FIGURAS... vi LISTA DE TABELAS... vii LISTA DE EQUAÇÕES... viii RESUMO... ix ABSTRACT... x 1 INTRODUÇÃO PROBLEMATIZAÇÃO Formulação do Problema Solução Proposta OBJETIVOS Objetivo Geral Objetivos Específicos Escopo do Trabalho METODOLOGIA ESTRUTURA DO TRABALHO FUNDAMENTAÇÃO TEÓRICA INTELIGÊNCIA ARTIFICIAL RACIOCÍNIO BASEADO EM CASOS Histórico e Aplicação Funcionamento Básico de um RBC Representação de Casos Similaridade Vizinho Mais Próximo Similaridade Local Recuperação de Casos Recuperação Seqüencial Recuperação de Dois Níveis SISTEMAS SIMILARES EM RBC COMÉRCIO ELETRÔNICO E RBC SISTEMAS PARA INTERNET E PHP DESENVOLVIMENTO SISTEMA DESENVOLVIDO iii

5 3.1.1 Análise de Requisitos Requisitos Funcionais Requisitos Não Funcionais Casos de Uso Diagrama de Classes Diagrama de Seqüência Aplicação de Questionário TECNOLOGIAS UTILIZADAS INTERFACES DO SISTEMA Interface Administrativa Interface do Consultor de Vendas Interface do Cliente IMPLEMENTAÇÃO TESTES E AVALIAÇÃO CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS A Questionário Aplicado B Casos de Uso do Administrador iv

6 LISTA DE ABREVIATURAS ERP HTML IA MAC/FAC RBC TCC UC UML Enterprise Resource Planning Hyper Text Markup Language Inteligência Artificial Many Are Called/Few Are Chosen Raciocínio Baseado em Casos Trabalho de Conclusão de Curso Use Case Unified Modeling Language v

7 LISTA DE FIGURAS Figura 1. Modelo básico do enfoque RBC... 9 Figura 2. Ciclo de RBC Figura 3. Tipos utilizados na representação de atributos Figura 4. Exemplos de metas de recuperação Figura 5. Exemplo de função linear Figura 6. Recuperação seqüencial Figura 7. Modelo MAC/FAC em recuperação de dois níveis Figura 8. Modelo da interface de pesquisa do sistema Figura 9. Interface de resultados do sistema Figura 10. Interface para cadastro de pesos do sistema Figura 11. Interface de configuração para cálculo de similaridade do sistema Figura 12. Interface de resultados de busca do sistema Figura 13. Abstração do funcionamento geral do sistema proposto Figura 14. Requisitos funcionais Figura 15. Requisitos não funcionais Figura 16. UC do Administrador Figura 17. UC do Consultor de Vendas Figura 18. UC do Cliente da Internet Figura 19. Diagrama de Classes Figura 20. Diagrama de seqüência da manutenção de casos Figura 21. Diagrama de seqüência da consulta do consultor de venda Figura 22. Diagrama de seqüência da consulta do cliente da internet Figura 23. Interface administrativa do sistema Figura 24. Interface de cadastro de tênis Figura 25. Interface de detalhe do tênis Figura 26. Interface da lista dos tênis cadastrados Figura 27. Interface padrão para cadastro de características Figura 28. Interface padrão listagem das características Figura 29. Interface padrão de detalhamento das características Figura 30. Interface de busca para consultores de venda Figura 31. Interface de busca para clientes do site Figura 32. Interface do resultado de busca do sistema RBC Figura 33. Atribuição de peso conforme tempo da data de cadastro Figura 34. Resultado de busca influenciado pela data de cadastro do tênis vi

8 LISTA DE TABELAS Tabela 1. Comparação entre sistemas RBC Tabela 2. Características e seus pesos pré-definidos vii

9 LISTA DE EQUAÇÕES Equação Equação Equação viii

10 RESUMO VASSOLER, Thiago Vinicius. Raciocínio baseado em casos para auxílio na escolha de tênis para a loja Marcelo Sports. Itajaí, f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) Centro de Ciências Tecnológicas da Terra e do Mar, Universidade do Vale do Itajaí, Itajaí, As empresas varejistas especializadas na comercialização de calçados esportivos, denominados tênis, enfrentam grande dificuldade no treinamento de seus consultores de venda, devido a grande gama de produtos existentes, e principalmente pela grande quantidade de características que os mesmos possuem. Analisando este problema enfrentado pela loja Marcelo Sports, foi implantado um sistema de raciocínio baseado em casos para auxílio na escolha de tênis, onde os consultores de venda podem informar quais características desejam buscar, além de atribuir pesos para as mesmas, obtendo ao final uma lista de produtos que mais se assemelhem ao desejado. Por este sistema ter sido proposto para o ambiente Web, utilizou-se principalmente as linguagens de programação PHP e HTML, aliados ao banco de dados MySQL, atendendo a uma necessidade inicial do mesmo poder ser acessado por todas as lojas do grupo. O mesmo disponibiliza uma interface diferenciada de busca para os clientes que utilizam o serviço de comércio eletrônico disponibilizado pela empresa em seu site. Este sistema utilizou as etapas de representação de casos, avaliação de similaridade e recuperação de casos da técnica de Inteligência Artificial conhecida como Raciocínio Baseado em Casos, gerando um sistema para auxiliar tanto consultores de venda, como clientes, na busca pelo produto que atenda a maioria das características solicitadas. Palavras-chave: Auxílio a Vendas. Raciocínio Baseado em Casos. Inteligência Artificial. ix

11 ABSTRACT The specialized retail companies in the commercialization of sporting shoes, denominated sneakers, they face great difficulty in their sale consultants' training, due to great range of products, and mainly for the great amount of characteristics that the sneakers possess. Analyzing this problem faced by Marcelo Sports store, a reasoning system was instruction based on cases to assist the choice of tennis shoes, where the sale consultants can inform which characteristics they are looking for, besides attributing weights for the same ones and then obtaining at the end a more resembled list of products to the ones they wanted. This system was proposed for the Web atmosphere, was used mainly the programming languages PHP and HTML, associated to the database MySQL, assisting to an initial need of a programming able to be accessed by all of the stores of the group, and also, the program offers differentiated interface of search for the customers that use the service of electronic trade proposed by the company in it s website. This system used the stages of representation of cases, similarity evaluation and recovery of cases of the technique of Artificial Intelligence known as Reasoning based on Cases. This project produced a system that can give support to sale consultant and customers, in the search of a product that assists most of the requested characteristics. Keywords: Sale support. Case-Based Reasoning. Artificial Intelligence. x

12 1 INTRODUÇÃO O raciocínio humano é capaz de resolver novos problemas, mesmo que de maior complexidade, através de experiências anteriormente vivenciadas pelo indivíduo, e assim acumulando esta resolução para que também sirva de modelo para situações futuras. Este comportamento é comumente denominado de experiência. Desde o advento da computação, o homem vem buscando representar de maneira computacional o comportamento do raciocínio humano. A área da computação responsável por desenvolver técnicas e sistemas que representem o conhecimento humano é a Inteligência Artificial (IA). Segundo Fernandes (2005), os modelos de IA são divididos em sete, dentre eles o Raciocínio Baseado em Casos (RBC), sendo este modelo adotado no desenvolvimento deste trabalho. Um sistema RBC tem por finalidade receber um novo problema, consultar uma base de conhecimento e recuperar informações dos casos que mais se assemelham para a resolução deste novo caso. Sistemas RBC podem ser aplicados para diferentes tarefas, como suporte à decisão na área de vendas, onde Wangenheim e Wangenheim (2003, p ) exemplificam que: Durante a situação de pré-venda, o RBC pode ser aplicado para oferecer catálogos de produtos inteligentes (e não apenas listas de produtos estáticas), capazes de oferecer um produto ou serviço similar, caso o requisitado pelo cliente não esteja disponível, ou, então, capazes simplesmente de oferecer um produto com base em um conjunto de características dadas pelo usuário. É com este objetivo de auxiliar consultores de venda e clientes na tomada de decisão, que foi desenvolvido neste trabalho uma ferramenta de raciocínio baseado em casos de uso para auxílio na escolha de tênis, sendo esta desenvolvida para Web. 1.1 PROBLEMATIZAÇÃO Formulação do Problema O mercado varejista de materiais esportivos possui grande competitividade e um alto nível de exigência de seus consumidores. O principal nicho explorado por estas empresas é o segmento de calçados esportivos, os populares tênis. Em suma, os produtos são os mesmos para todas as lojas,

13 sendo comercializados nas mesmas faixas de preços, obrigando os empresários a buscarem um diferencial para atrair novos consumidores e fidelizando os que já possuem. Geralmente este diferencial é o atendimento realizado por seus consultores de venda. Na empresa Marcelo Sports, o bom atendimento é considerado como um fator preponderante no sucesso de uma venda. Ao ser contratado, o consultor de venda passa por diversos treinamentos com o objetivo de, aprender o conceito de atendimento ao cliente adotado pela empresa, além de adquirir conhecimentos sobre os produtos que são comercializados pela empresa. Todos eles passam por treinamentos periódicos, geralmente oferecidos pelos fabricantes, com a finalidade de expor os novos produtos e tecnologias. Entretanto, existem diversos tipos de tênis, de diversas marcas, de diferentes categorias, de vários modelos, de várias cores, dentre outras características, dificultando a memorização dos mesmos pelo consultor de venda. Em um só produto encontramos características como tipo de amortecimento, solado, utilização, categoria, se possui finalidades médicas ou terapêuticas, estilo, conforto, etc. Quando um cliente procura por um tênis, ele pode abordar o consultor de duas diferentes formas: indicando qual modelo em específico deseja ou fornecendo informações quanto à característica do produto que ele idealiza. Esta segunda maneira exige do consultor um vasto conhecimento para poder, através das características solicitadas, criar um filtro mental para encontrar o produto que mais se assemelha com o requisitado. Mesmo consultores de venda mais experientes podem encontrar dificuldades neste momento, por mais atualizados que estejam, devido ao dinamismo dos fabricantes em oferecerem novos produtos e pela grande quantidade de modelos de tênis existentes Solução Proposta Este projeto construiu uma ferramenta RBC para auxiliar os consultores de venda. Por intermédio desta ferramenta, o consultor pode encontrar os produtos que mais se assemelham com as características solicitadas, ajudando principalmente aos novos consultores que ainda não possuam um conhecimento sólido quanto aos produtos comercializados. Outro local em que esta ferramenta foi aplicada é no site de venda pela internet da empresa, servindo como um consultor de vendas virtual, seguindo o mesmo padrão de atendimento da loja, 2

14 buscando oferecer o produto que mais se enquadra ao perfil do cliente. Este sistema foi programado para funcionar via internet, atendendo a todas as unidades da empresa e aos clientes do site. A diferença é na interface oferecida. Os consultores de venda têm acesso a uma interface simples e objetiva. Já os clientes que utilizam o sistema pelo site, contam com uma interface do tipo passo a passo apoiada sobre uma árvore de decisão. Além disso, em cada passo, foram inseridas notas explicativas sobre as características apresentadas, auxiliando-os para chegarem a um resultado satisfatório na utilização da ferramenta. Um problema solucionado foi quanto ao envelhecimento do conhecimento do mesmo. Um modelo de tênis possui certo tempo de vida de sua produção, sendo descontinuado ou sucedido. Sendo assim, é possível que o consultor de venda venha a sugerir um tênis que não exista mais. Tal problema também é passível de ocorrer no sistema RBC, caso não seja criada alguma técnica que procure recuperar da base de conhecimento os produtos mais novos. A solução foi à integração deste sistema RBC com o controle de estoque atual da empresa, permitindo que o mesmo informe somente produtos que estejam em estoque. Este projeto visou à construção de um RBC moldado conforme as necessidades e conhecimentos específicos dos consultores de venda da empresa Marcelo Sports, podendo ser adaptado para outras empresas, desde que sejam consideradas as características para escolha dos produtos e padrão de atendimento adotado. Existem diversos sistemas de venda apoiados em RBC, para diversas áreas, mas nenhum em específico para este caso abordado, o que representou para a empresa um diferencial sobre seus concorrentes. 1.2 OBJETIVOS Objetivo Geral O objetivo geral deste projeto foi desenvolver uma ferramenta de auxílio aos consultores de venda e clientes de internet da loja Marcelo Sports, através de um sistema de raciocínio baseado em casos, promovendo uma resposta mais eficiente na busca por um produto mais adequado às necessidades do consumidor. 3

15 1.2.2 Objetivos Específicos Foram definidos como objetivos específicos para este projeto: Pesquisar e analisar soluções similares; Realizar entrevistas com os consultores de venda; Determinar os requisitos exigidos pelo sistema; Consolidar os conhecimentos em Inteligência Artificial e RBC; Analisar e projetar o sistema para utilização dos consultores de venda e o sistema para os clientes do site; Implementar os sistemas; Testar e avaliar os sistemas; e Documentar os sistemas desenvolvidos Escopo do Trabalho Neste trabalho obteu-se dois sistemas baseados no mesmo RBC, sendo um para os consultores de venda e outro para os clientes do site. A base de conhecimento para os dois sistemas foi à mesma, possuindo uma interface para realizar o cadastro de novos produtos, sendo executada por um consultor de venda ou funcionário da empresa, desde que este possua um alto grau de conhecimento referente aos tênis comercializados pela empresa. O sistema disponibilizado para os consultores de venda traz uma interface com todas as funcionalidades, porém simples e objetiva. Por meio dela o mesmo pode definir quais as características solicitadas e atribuir qual o peso de cada característica. A atribuição do peso é o que determina qual a importância de uma característica em relação à outra. Outra maneira foi aplicar pesos já pré-definidos para determinar quais características são mais relevantes. Esta informação foi obtida através de entrevistas junto aos consultores de venda, e determinam o que o cliente considera como mais importante no momento da escolha do produto. 4

16 Já a interface do sistema disponibilizado para os clientes do site, é mais simples, levando em consideração somente as características principais do produto. Estas características principais também foram obtidas por meio das entrevistas realizadas junto aos consultores de venda. Da mesma forma, o cliente pode determinar qual é o peso da característica solicitada. Outra diferença é que esta interface foi apresentada na forma de passo a passo, baseado em uma árvore de decisão na qual devem ser especificadas as variáveis, ações e a seqüência lógica para a tomada de decisão. Conforme o cliente avança pelo formulário e vai realizando suas escolhas, o sistema apresenta novas telas vinculadas à decisão tomada anteriormente. Ao submeter às informações sobre as características desejadas e os pesos relacionados ao produto desejado, o sistema busca e aplica a fórmula da similaridade em sua base de conhecimento, tendo como resultados um valor percentual. Serão exibidos como resultado os tênis que possuírem 75% ou mais de similaridade com as características solicitadas, de forma que a ordenação dos produtos encontrados ocorre de forma decrescente, iniciando por aquele que mais perto chegou dos 100% de similaridade. 1.3 METODOLOGIA Esta primeira parte do desenvolvimento deste Trabalho de Conclusão de Curso (TCC) está dividida em etapas para melhor compreensão, nas quais ao término de cada uma, as mesmas podem ser avaliadas e revisadas. A etapa pertinente à fundamentação teórica engloba conceitos da área de Inteligência Artificial, focando a técnica de sistemas de Raciocínio Baseado em Casos, sua implementação, utilização e processos que serão utilizados no desenvolvimento do sistema proposto, além de conceitos de Comércio Eletrônico e Sistemas para Internet. A etapa que compreende o projeto do sistema proposto apresenta a análise e modelagem conceitual obedecendo aos conceitos da UML (Unified Modeling Language Linguagem Unificada de Modelagem), aplicando os diagramas de classes, seqüência e casos de uso, além da análise de requisitos funcionais e não funcionais. Outra atividade desenvolvida é a prototipação de telas para melhor entendimento do sistema proposto. A última etapa apresenta as considerações finais pertinentes a primeira fase do TCC, além de fornecer as primeiras informações quanto ao desenvolvimento e conclusão do TCC II. 5

17 1.4 ESTRUTURA DO TRABALHO Este trabalho está dividido em quatro capítulos, dispostos de forma lógica, sendo: introdução, fundamentação teórica, projeto e considerações finais. A introdução contempla uma descrição geral e introdutória ao trabalho, o problema identificado, sua solução, objetivos gerais e específicos a serem alcançados, além da metodologia aplicada e a estrutura utilizada para disposição do trabalho. A fundamentação teórica está dividida em vários sub capítulos, abordando conceitos de Inteligência Artificial, Raciocínio Baseado em Casos, técnicas de Similaridade, Comércio Eletrônico e Sistemas para Internet. O projeto contempla a descrição do sistema proposto bem como sua modelagem seguindo os conceitos estabelecidos pela UML. Neste capítulo também são apresentadas informações iniciais para confecção do TCC II. As discussões encerram o trabalho, fazendo um apanhado de tudo que foi realizado, onde é avaliada a metodologia aplicada, problemas encontrados, soluções empregadas, dentre outras. 6

18 2 FUNDAMENTAÇÃO TEÓRICA Este capítulo destinou-se a apresentação de uma visão teórica sobre IA e RBC, abordando também comércio eletrônico e sistemas para internet. 2.1 INTELIGÊNCIA ARTIFICIAL Para Luger (2004), definir o que é inteligência de uma maneira exata é algo improvável, mesmo que seja possível se determinar o que é um comportamento inteligente. Sendo assim, o ato de se definir IA é muito mais complexo, uma vez que um de seus termos não possua uma definição clara. Porém, várias são as tentativas de se definir IA, sendo que o mesmo autor supracitado a define como o ramo da ciência da computação que se ocupa da automação do comportamento inteligente. Segundo Russell e Norvig (2004), IA é um campo da ciência ainda novo, tendo iniciado suas pesquisas após o término da Segunda Guerra Mundial, e recebendo esta nomenclatura a partir do ano de 1956, através de um seminário realizado em Dartmouth, com o objetivo de reunir pesquisadores interessados em teorias de autômatos, redes neurais e estudo da inteligência. As áreas de estudo da IA podem ser divididas em modelos, sendo que, conforme Ganascia (1997), os principais são Algoritmos Genéticos, Programação Evolutiva, Lógica Fuzzy, Sistemas Baseados em Conhecimento, Raciocínio Baseado em Casos, Programação Genética e Redes Neurais. Sendo assim, a IA por meio de seus modelos pode ser aplicada na resolução de problemas de diversas áreas, como saúde, educação, negócios, dentre outras, onde seja possível e necessário o desenvolvimento de um sistema computacional inteligente. 2.2 RACIOCÍNIO BASEADO EM CASOS Esta seção tem por objetivo apresentar de forma teórica o modelo RBC que foi empregado na execução deste trabalho. O RBC é uma técnica da área de IA, definida por Wangenheim e Wangenheim (2003), como sendo:

19 ... um enfoque para a solução de problemas e para o aprendizado baseado em experiência passada. RBC resolve problemas ao recuperar e adaptar experiências passadas chamadas casos armazenadas em uma base de casos. Um novo problema é resolvido com base na adaptação de soluções de problemas similares já conhecidas Histórico e Aplicação Para Wangenheim e Wangenheim (2003), o RBC teve seu início baseando-se em trabalhos sobre Memória Dinâmica, de Schank e Abelson, e através do modelo cognitivo de uma função central de lembrança de situações ocorridas e de padrões de situação. Modelos cognitivos representam a forma como o ser humano raciocina. Para Russell e Norvig (2004), se pretendermos dizer que um dado programa pensa como um ser humano, temos de ter alguma forma de determinar como os seres humanos pensam. Outra vertente que contribuiu para as pesquisas de RBC foi o estudo do Raciocínio por Analogia, no início da década de 80, através do trabalho de Gick e Holyoak. Posteriormente outras pesquisas vieram a contribuir para a construção do modelo RBC, sendo que o primeiro sistema considerado um raciocinador baseado em casos foi o CYRUS de Janet Kolonder, sendo este um programa de perguntas e respostas, que consultava uma base de conhecimento, propondo uma solução com base em uma solução anteriormente aplicada (WANGENHEIM; WANGENHEIM, 2003). De acordo com Wangenheim e Wangenheim (2003), existem inúmeras aplicações que se utilizam de RBC, para diversas finalidades, tais como análise financeira, controle de processos, controle de qualidade, comércio eletrônico, suporte ao usuário, avaliação imobiliária, suporte à decisão, suporte a vendas, dentre outros Funcionamento Básico de um RBC O ser humano, ao se deparar com uma nova situação ou problema, busca uma solução que se adapte de forma mais adequada ao novo paradigma, com base em experiências anteriormente vividas. Em RBC um novo problema é um novo caso e, as experiências anteriores, são os casos conhecidos. Um exemplo de tal situação é descrito por Wangenheim e Wangenheim (2003), onde um técnico especializado na manutenção de televisores identifica um problema em um televisor, e com 8

20 base em um problema similar visto anteriormente em outro equipamento, decide por efetuar a mesma troca de componentes feita para solucionar o atual problema. eles: Os mesmos autores afirmam que sistemas RBC possuem quatro elementos básicos, sendo Representação do Conhecimento: habitualmente representados através de casos descritos por experiências concretas; Medida de Similaridade: capacidade de encontrar um caso anterior similar ao novo caso; Adaptação: nem sempre novos casos são idênticos aos anteriores, sendo necessário ao RBC possuir mecanismos de adaptação; e Aprendizado: capacidade de armazenar o novo caso resolvido, agregando este caso a sua base de conhecimento. Figura 1. Modelo básico do enfoque RBC Fonte: Adaptado de Wangenheim e Wangenheim (2003). Segundo Lee (1998), pode-se dividir sistemas RBC em interpretativos, que se utilizam de casos passados para classificação de novos casos, e de solução de problemas, onde os casos 9

21 passados servem de solução para novos problemas. A diferença entre eles fica visível no processo de adaptação, sendo este de maior necessidade aos sistemas de solução de problemas. A ferramenta desenvolvida pode ser classificada como um sistema RBC interpretativo, uma vez que o RBC é utilizado somente para seleção de casos existentes na base de conhecimento, sem realizar a adaptação e armazenamento do novo caso. Tanto Wangenheim e Wangenheim (2003) como Lee (1998) citam como sendo o modelo mais aceito para o processo de implantação de um RBC, o Ciclo de RBC proposto por Aamondt e Plaza, sendo este um ciclo de raciocínio contínuo, composto por quatro tarefas principais, que são: Recuperar: através de uma avaliação de similaridade aplicada à base de conhecimento, retorna um ou mais casos que se assemelhem ao novo caso; Reutilizar: reutilização do conteúdo do caso recuperado, já adaptado ou não, para resolução do problema; Revisar: a solução proposta ao novo caso é avaliada; e Reter: agrega a solução encontrada para o novo caso a base de conhecimento, para uma reutilização futura. É possível visualizar este processo do Ciclo de RBC na Figura 2. Figura 2. Ciclo de RBC Fonte: Adaptado de Lee (1998). 10

22 Para a correta implantação de um sistema RBC, além de compreender seu ciclo e enfoque, é necessário um conhecimento mais aprofundado quanto à representação de casos, similaridade, recuperação de casos e reutilização de casos Representação de Casos Quando vivenciamos e resolvemos um problema, este é armazenado em nossa memória como um caso, podendo servir como base para a solução de um novo problema. Nos sistemas RBC não é diferente esta situação. Wangenheim e Wangenheim (2003) definem caso como sendo uma peça de conhecimento contextualizado representando uma experiência ou episódios concretos. Contém a lição passada, que é o conteúdo do caso e o contexto em que a lição pode ser usada. Para que se obtenha um bom resultado no processo de recuperação e reutilização de um caso, Fernandes (2005) enfatiza que o grande problema de um RBC esta no fato de se determinar quais informações de um caso devem ser armazenadas, além da estrutura apropriada para a sua descrição e a maneira como sua base de conhecimento deve ser organizada e indexada. A representação de casos pode ser expressa através de diversos tipos de linguagens ou formalismos de representação, como por exemplo, grafos ou representações de atributo-valor. Segundo Wangenheim e Wangenheim (2003), um item de dado pode ser representado por um par atributo-valor, onde o atributo representa uma característica que recebe um determinado valor. Por exemplo: atributo peso, valor 50 kg. Pares de atributo-valor formam um conjunto representando um caso. Tal conjunto pode ser fixo para todos os casos ou variável, dependendo das características dos casos armazenados. Outra característica quanto a representação atributo-valor apontada por Wangenheim e Wangenheim (2003), é de o atributo ser associado a um tipo de dado ou faixa delimitada com valores prováveis. Comumente os tipos utilizados para representação dos atributos dos pares atributo-valor, são números inteiros e reais, lógicos, data, strings e símbolos (ordenado, nãoordenado ou taxonomia), como apresentado na Figura 3. 11

23 Figura 3. Tipos utilizados na representação de atributos Fonte: Adaptado de Wangenheim e Wangenheim (2003). De acordo com Wangenheim e Wangenheim (2003), este tipo de representação por atributovalor possui vantagens, como simplicidade na representação, facilidade de implementação, fácil armazenagem e recuperação satisfatória, sendo indicada para tarefas de diagnostico em grandes bases de conhecimento. Determinar quais atributos são relevantes para a construção do caso, bem como o tipo empregado, podem determinar o sucesso do sistema RBC no momento da comparação, recuperação e reutilização de um caso Similaridade Para Delpizzo (1997), a similaridade é um ponto de extrema importância para a funcionalidade do sistema RBC, pois através dele todo o processo de raciocínio se torna viável. Esta etapa é a responsável em analisar as características do novo caso, buscando em sua base de conhecimento casos que possuam características similares. Wangenheim e Wangenheim (2003) julgam similaridade como sendo um conceito intuitivo que descreve a impressão de semelhança entre dois objetos experimentada por um observador humano. Segundo Lee (1998), avaliar a similaridade em um RBC consiste em comparar os valores dos atributos de dois casos, atribuindo-se valores aos mesmos determinando a função de 12

24 combinação a ser empregada. Tais funções comparam valores numéricos e alfanuméricos, exatos ou presentes em um intervalo. Para se obter uma avaliação de similaridade válida e eficiente, é necessário avaliarmos o cenário de aplicação do sistema RBC e quais objetivos devem ser alcançados. Para isto, é necessário definirmos metas de recuperação. Uma meta de recuperação deve determinar o objeto a ser reutilizado, finalidade desta reutilização, tarefa relacionada a reutilização, ponto de vista especifico e contexto particular (WANGENHEIM; WANGENHEIM, 2003). Podemos melhor observar na Figura 4. Metas Exemplo 1 Exemplo 2 Recupere <objeto> relatório de problema tênis para a <finalidade> relativa ao <processo> do <ponto de vista> no contexto de <ambiente> diagnóstico conserto da impressora pessoal do SAC empresa Intelli-Printers suporte à decisão vendas consultor de vendas empresa Marcelo Sports Figura 4. Exemplos de metas de recuperação Fonte: Adaptado de Wangenheim e Wangenheim (2003). A próxima importante etapa na avaliação da similaridade é a definição de índices. Para Wangenheim e Wangenheim (2003), um índice é formado pela combinação de atributos de maior relevância de um caso, diferenciando-o dos demais e identificando os similares, e afirmam que bons índices são aqueles que rotulam um caso como sendo capaz de prover suporte para as decisões que o sistema de RBC deve sugerir. A definição de índices pode ser feita avaliando-se as tarefas ou metas para as quais um caso será utilizado. A indexação dos casos tem por finalidade auxiliar na melhora da performance de tempo gasto pelo sistema RBC na recuperação de casos que sejam úteis para a solução do problema. 13

25 Determinar o grau de similaridade entre casos é uma tarefa complexa, sendo necessário a formalização do conceito de similaridade. Uma das maneiras mais conhecidas e aplicadas de formalização do conceito de similaridade consiste no emprego de uma medida numérica de distância ou similaridade. Em resumo é poder através da aplicação de um modelo matemático concreto, determinar o grau de similaridade entre o novo caso e os casos armazenados na base de conhecimento do sistema RBC, de forma a garantir que o caso recuperado seja útil na resolução do problema (WANGENHEIM; WANGENHEIM, 2003). Lee (1998), afirma que a medida de similaridade sintetiza a similaridade ao nível de cada atributo através de uma medida da importância que é usada para modelar a relevância de cada atributo na avaliação sintética da similaridade. Para Wangenheim e Wangenheim (2003), a similaridade entre dois casos recebe o nome de similaridade global, devendo ser esta determinada para verificar a utilidade do caso em relação ao novo problema. Existem diversas medidas de similaridade global, porém a técnica mais utilizada devido a sua simplicidade na determinação de similaridade entre dois casos, é a técnica do Vizinho Mais Próximo Vizinho Mais Próximo Segundo Bezerra (2006), a técnica do vizinho mais próximo foi proposta por Cover e Hart na década de 60, e se mostrou eficiente em problemas de classificação de padrões, e tendo como maior vantagem a simplicidade de entendimento e implementação. Para Wangenheim e Wangenheim (2003), uma soma define todo o conceito e essência da técnica do vizinho mais próximo. Porém é possível considerar a importância de cada índice ponderando-os através de pesos, onde, por exemplo, o índice categoria do tênis é mais relevante que o índice tipo de cano do tênis. A determinação de um peso para o índice pode ser fixa no sistema RBC, sendo determinada, por exemplo, através de pesquisas junto aos usuários do sistema, como também pode ser variável, sendo determinada pelo usuário no momento de execução do sistema, conforme o grau de 14

26 importância que o mesmo julgue possuir tal índice na busca por uma solução similar existente na base de conhecimento. A equação da similaridade do vizinho mais próximo é apresentada na Equação 1. Equação 1 Sendo, na Equação 1: N novo caso; F casos existentes na base de conhecimento; n número de atributos; i atributo individual variando de 1 a n; f função de similaridade par o atributo i nos casos N e F; e w peso do atributo i. Segundo Wangenheim e Wangenheim (2003), a similaridade é normalizada entre 0 e 1, sendo 0 totalmente diferente e 1 totalmente igual. Uma forma de representação bastante clara e utilizada é a representação da similaridade através de porcentagens, sendo que o valor 100% representa a total similaridade. Para isto, basta realizar a normalização da equação de similaridade, dividindo-se o valor encontrado da similaridade pelo total da soma de todos os pesos, como pode ser observado na Equação 2. Equação 2 15

27 Similaridade Local Para a construção de um sistema RBC mais sensitivo, além da análise da similaridade global, deve-se analisar também a similaridade local dos atributos. Nem sempre o atributo analisado, dependendo do seu tipo e contexto, deve ser totalmente desprezado por não ser exatamente igual ao do caso comparado presente na base de conhecimento do sistema. Sendo assim, existem medidas de similaridade local para diversos tipos, como número, símbolo, conjunto, intervalo e string (WANGENHEIM; WANGENHEIM, 2003). Número A medida da distância local genérica entre dois atributos, que sejam descritos por números, podem, segundo Wangenheim e Wangenheim (2003), serem expressas pelo módulo da diferença entre o atributo do novo caso n e do caso existente c ( n - c ), servindo de referência para utilização de funções de cálculo da similaridade local. Função Linear É considerada a medida de similaridade mais adequada para a maioria dos tipos numéricos, sendo que quanto menor a distância entre os dois valores, maior o grau de similaridade, sendo ponderada pelo tamanho do intervalo assumido pelo domínio dos valores do atributo, sendo expressos na Equação 3. Equação 3 Sendo, na Equação 3: n atributo do novo caso; c atributo do caso existente na base de conhecimento; ls limite superior da faixa de valores; e li limite inferior da faixa de valores. 16

28 na Figura 5. É possível representarmos esta função linear graficamente, sendo a Equação 3 representada Figura 5. Exemplo de função linear Fonte: Adaptado de Wangenheim e Wangenheim (2003). Símbolo Ordenado Wangenheim e Wangenheim (2003), afirmam que símbolos ordenados representam valores simbólicos em uma determinada classe. Como exemplo pode-se utilizar os valores do atributo estatura, podendo ser classificados em categorias como baixa (menor que 1,50m), média (entre 1,51 e 1,81) e alta (maior que 1,80m). A partir disso, é possível aplicar as medidas de similaridade para números, desde que cada símbolo assuma um valor numérico, como por exemplo, baixa = 1, media = 2 e alta = Recuperação de Casos Segundo Wangenheim e Wangenheim (2003), a recuperação de casos tem por finalidade encontrar um caso ou um pequeno conjunto de casos na base de casos que contenha uma solução útil para o problema ou situação atual. A recuperação ocorre quando se busca encontrar a solução de um novo problema com base nos problemas armazenados na base de conhecimento, através da aplicação de uma medida de similaridade, tendo por resultado um caso ou conjunto de casos que sejam úteis para a resolução do problema atual. O processo de recuperação de casos pode ser dividido em três tarefas, sendo: 17

29 Assessoramento da situação construção de uma consulta com um conjunto de descritores relevantes; Casamento identificação de casos similares à consulta; e Seleção determina o melhor caso ou conjunto de casos similares. Assessoramento da Situação É considerada a tarefa mais complexa, pois envolve o usuário do sistema, exigindo conhecimento e interação do mesmo para expressar o problema atual de forma que seja possível a sua correta comparação com os casos existentes na base conhecimento, de forma a determinar o caso ou conjunto de casos mais similares (WANGENHEIM; WANGENHEIM, 2003). Ainda segundo os autores supracitados, um dos maiores problemas está na identificação de quais descritores são relevantes para a solução do problema atual, sendo que quanto menor o numero de atributos considerados, maior eficiência terá o sistema. Casamento Wangenheim e Wangenheim (2003) definem casamento como o processo de associar a descrição do problema atual provida como consulta à descrição do problema de um caso da base de casos. A tarefa de casamento deve resultar e um conjunto de casos úteis, obtidos da base de conhecimento do sistema RBC, para a solução do atual problema. Tal conjunto de casos pode ser obtido por meio de consultas a base de conhecimento, comparando o novo caso com os consultados, aplicando-se métricas de similaridade. Seleção É a tarefa de escolher dentre o conjunto de casos recuperados qual é a melhor solução, sendo sinalizado através da avaliação do grau de casamento ou similaridade de forma detalhada (WANGENHEIM; WANGENHEIM, 2003). A recuperação de casos pode ser seqüencial ou em dois níveis. O tipo de recuperação de casos que foi adotada é a recuperação seqüencial. 18

30 Recuperação Seqüencial A recuperação seqüencial é apontada por Wangenheim e Wangenheim (2003), como sendo a mais simples das técnicas de recuperação de casos. Seu funcionamento consiste em aplicar a métrica de similaridade a todos os casos existentes na base de conhecimento do sistema, resultando ao final deste processo em um conjunto de casos similares ao novo caso. Esta técnica apresenta como principais vantagens: Processo completo e correto, uma vez que a métrica de similaridade é aplicada de forma seqüencial a todos os casos; Fácil implementação; Não utiliza indexação, podendo utilizar medidas de similaridade arbitrárias; e Possibilidade de se executar consultas especificas independentes do conceito de similaridade. A principal desvantagem no emprego desta técnica se deve a sua baixa performance em bases de conhecimento com uma grande quantidade de informações armazenadas. A técnica de recuperação seqüencial é representada graficamente na Figura 6. Figura 6. Recuperação seqüencial 19

31 Recuperação de Dois Níveis Para utilização desta técnica, podem-se aplicar heurísticas para a redução do espaço de busca, com a finalidade de se agilizar o processo de recuperação de casos. Os casos que certamente não serão úteis para a solução do novo caso, serão descartados, restando somente aqueles que serão analisados através de uma comparação de maior complexidade para obtenção da solução ou dos casos que mais se assemelham ao novo caso (WANGENHEIM; WANGENHEIM, 2003). Segundo os autores citados anteriormente, a recuperação em dois níveis foi originalmente desenvolvida seguindo o modelo MAC/FAC (Many Are Called/Few Are Chosen muitos são chamados/poucos são escolhidos), dividindo o processo de recuperação em dois níveis, sendo: 1) Pré-seleção de possíveis candidatos nesta etapa, denominada MAC, após uma comparação simples e rápida, os casos que não possuíram nenhuma ou baixa similaridade são descartados, onde os casos suficientemente similares irão passar para a próxima etapa. 2) Ordenação dos candidatos de acordo com o conceito de similaridade nesta etapa, denominada FAC, a métrica de similaridade é aplicada completamente, de forma seqüencial, comparando todos os casos pré-selecionados ao novo caso, retornando aqueles que estiverem acima de um determinado limiar escolhido. O método de recuperação em dois níveis pode ser representado graficamente através da Figura 7. 20

32 Figura 7. Modelo MAC/FAC em recuperação de dois níveis Fonte: Adaptado de Wangenheim e Wangenheim (2003). A aplicação desta técnica apresenta vantagens como melhora da performance, desde que a pré-seleção de casos seja realizada através de métodos eficientes, e desvantagens como possibilidade de erros como a não inclusão de um caso que seja similar, devido a má implementação do primeiro nível. 2.3 SISTEMAS SIMILARES EM RBC Foram realizadas pesquisas na internet com o intuito de se encontrar um sistema de raciocínio baseado em casos similar ao proposto. Porém, nada foi encontrado, obrigando ao acadêmico procurar por sistemas RBC que ao menos possuam um funcionamento similar ao proposto. A partir disto foram selecionados três sistemas para realizar uma comparação com o sistema proposto. Vale ressaltar que foram encontrados diversos sistemas RBC destinados a área de saúde em geral, ficando visível que a construção de tais sistemas para atividades comerciais ainda é um nicho de mercado a ser explorado. Os três sistemas analisados têm como principal finalidade poder receber um novo caso, e a partir disto compararem com a sua base de conhecimento, sugerindo um determinado produto ou serviço que mais se assemelhe ao solicitado. Sistema 1 Sistema baseado no conhecimento para auxílio na escolha de automóveis. 21

33 É um sistema para Web com a finalidade de auxiliar seus usuários na busca por veículos, de maneira a sugerir os veículos que mais se enquadrarem no perfil solicitado pelo cliente. O usuário seleciona quais características deseja encontrar em um veículo e atribui um determinado peso para a mesma, submetendo esta informação ao sistema RBC que retorna um ranking contendo os veículos que mais se assemelham ao desejado. Na Figura 8 é apresentado o modelo da interface de pesquisa proposto para o sistema. Figura 8. Modelo da interface de pesquisa do sistema 1 Fonte: Junior (2007). Sistema 2 Sistema de raciocínio baseado em casos na determinação de aparelhos auditivos via web. Sistema proposto para ser acessado via Web, tendo por finalidade auxiliar profissionais do Centro de Referência em Reabilitação Auditiva da UNIVALI na escolha de aparelhos auditivos, utilizando-se da técnica de raciocínio baseado em casos. Através das informações referentes à patologia e exames do paciente, o sistema submete uma pesquisa ao RBC que deverá retornar qual aparelho é o mais indicado ao paciente. É possível visualizarmos na Figura 9 a interface que exibe o resultado da busca realizada, onde os aparelhos mais indicados aparecem de forma decrescente quanto ao seu percentual de similaridade. 22

34 Figura 9. Interface de resultados do sistema 2 Fonte: Matos (2007). Sistema 3 Sistema de auxílio a restaurantes para elaboração de cardápios. Diferente dos outros dois sistemas pesquisados, este é uma solução desktop. Seu propósito é através do RBC buscar cardápios similares ao novo cardápio proposto, para assim evitar a repetição de cardápios. O usuário do sistema monta e submete um novo cardápio ao sistema RBC, que deverá verificar em sua base de conhecimento se o que está sendo sugerido de novo já foi feito, retornando ao usuário o percentual de similaridade entre o novo cardápio e os já utilizados. Nas Figuras 10, 11 e 12 são apresentadas interfaces de cadastro de pesos, coleta de pesos para cálculo de similaridade e resultado de busca de cardápios similares obtidos da base de conhecimento do sistema. 23

35 Figura 10. Interface para cadastro de pesos do sistema 3 Fonte: Kisner (2003). Figura 11. Interface de configuração para cálculo de similaridade do sistema 3 Fonte: Kisner (2003). 24

36 Figura 12. Interface de resultados de busca do sistema 3 Fonte: Kisner (2003). Comparação Mesmo não encontrando sistemas totalmente similares, é possível realizar algumas comparações entre os sistemas pesquisados e o sistema desenvolvido neste trabalho. Tais comparações podem ser observadas na Tabela 2, onde: Sistema A Sistema de raciocínio baseado em casos para auxílio na escolha de tênis para a loja Marcelo Sports (sistema proposto); Sistema B Sistema baseado no conhecimento para auxílio na escolha de automóveis; Sistema C Utilização de raciocínio baseado em casos na determinação de aparelhos auditivos via web; e Sistema D Sistema de auxílio a restaurantes para elaboração de cardápios. 25

37 Tabela 1. Comparação entre sistemas RBC. Características Sistemas A B C D Sistema com interface Web X X X Método de recuperação X X X X Modelo de busca com pesos pré-definidos X Interfaces e funcionalidades diferentes para usuários X Ajustar percentual de similaridade X X A única característica similar a todos os sistemas listados anteriormente, é a utilização do mesmo método de recuperação de casos, sendo conhecida esta técnica como Vizinho Mais Próximo. Outra característica que mais se assemelha ao sistema desenvolvido é a disponibilidade para web, demonstrando uma tendência de os novos sistemas serem disponibilizados pela internet. Nas demais características avaliadas, a maioria dos outros sistemas não possuem. 2.4 COMÉRCIO ELETRÔNICO E RBC Desde seu advento, a informática vem sendo utilizada para diversos seguimentos e finalidades, chegando ao seguimento de comércio em geral. Este fato representou uma profunda alteração no modelo tradicional de venda de produtos e serviços, dando origem ao comércio eletrônico. Albertin (2001) define comércio eletrônico como sendo:...a realização de toda a cadeia de valor dos processos de negocio num ambiente eletrônico, por meio da aplicação intensa das tecnologias de comunicação e de informação, atendendo aos objetivos de negócio. Os processos podem ser realizados de forma completa ou parcial, incluindo as transações negócio-a-negócio, negócio-a-consumidor e intra-organizacional, numa infra-estrutura predominante publica de fácil e livre acesso e baixo custo. Uma das principais características que popularizaram o comércio eletrônico foi a possibilidade de o consumidor poder adquirir produtos e serviços de uma maneira rápida e objetiva, sem a necessidade de se dirigir a um estabelecimento comercial fisicamente estabelecido, podendo realizar compras de produtos e serviços de diversas partes do mundo através da internet. Porém, segundo Limeira (2003), um grande desafio para as lojas virtuais está em atrair e fidelizar clientes, devido a grande competitividade e dinamismo encontrados no ambiente da internet, onde propaganda e inovação nos serviços garantem um diferencial sobre os demais. 26

38 Tradicionalmente, uma loja virtual dispõe seus produtos em listas, possuindo um mecanismo de busca simples, onde o cliente deve possuir em mente qual produto deseja de maneira objetiva, para poder evitar a perda de tempo na visualização de diversos produtos que não o interessem. Para resolver tal problema, podem-se utilizar técnicas de IA como o RBC para auxílio no suporte a venda. Vollrath et al. (2001 apud BEPPLER, 2002), exemplifica um sistema RBC para comércio eletrônico para uma empresa que comercializa mais de 130 tipos de produtos. Os usuários do sistema preenchem parâmetros divididos em categorias e atribuindo a eles seu grau de importância. O sistema RBC recebe estes parâmetros, processa-os, e devolve ao usuário os produtos que mais se assemelham com o idealizado. Tal modelo pode ser aplicado as lojas virtuais, garantindo maior interatividade e satisfação do cliente, criando um diferencial em relação as demais empresas. 2.5 SISTEMAS PARA INTERNET E PHP Inicialmente todo conteúdo existente na internet era apresentado de forma estática, sem interatividade entre o usuário e a página, além do grande esforço necessário que existia para a manutenção destas páginas, onde qualquer inserção ou retirada de informação poderia consumir uma enorme quantidade de tempo (NIEDERAUER, 2004). Segundo Memória (2005), os sistemas para internet evoluíram, e através desta evolução a figura do webmaster, indivíduo responsável por toda a concepção, criação, manutenção e demais tarefas ligadas ao site, foi extinta, dando lugar a equipes de desenvolvimento de software como as existentes para ambientes desktop, abandonando o amadorismo. Muito mais do que uma simples vitrine de empresas, os sites são hoje centros de comercialização e prestação de serviços, indo de sistemas de atendimento ao consumidor, passando por lojas virtuais de comércio eletrônico, chegando até os sistemas de gestão empresarial, tradicionalmente chamados de ERP (Enterprise Resource Planning). Existem diversas linguagens de programação para internet com suas características, vantagens e desvantagens, cabendo ao desenvolvedor decidir por aquela que melhor atenda aos requisitos exigidos. Segundo Niederauer (2004), a linguagem PHP (acrônimo recursivo para PHP: Hypertext Preprocessor) é uma das linguagens de programação mais utilizadas no desenvolvimento de sites 27

39 para a internet, devido a sua facilidade de utilização e diversidade de recursos, transformando páginas estáticas em dinâmicas. O autor citado anteriormente aponta como vantagens na escolha do PHP sua característica de ser baseado no lado do servidor, sua portabilidade indiferente à plataforma empregada e por ser uma linguagem de código-fonte aberto e gratuito. Além de agregar interatividade e dinamismo aos sistemas para web, a linguagem PHP interage com diversos bancos de dados, garantindo a construção de sistemas robustos, como os sistemas encontrados para ambiente local, com a facilidade de ser possível sua utilização pela internet, independente do local e da plataforma utilizada. 28