SCT Inteligente: um sistema de recomendação baseado em casos para controle de tranportes

Transcrição

1 SCT Inteligente: um sistema de recomendação baseado em casos para controle de tranportes Marcelo Klein Vieira 1, Fabiana Lorenzi 1, Stanley Loh 1,2 1 Universidade Luterana do Brasil (ULBRA) UGC de Computação, Av. Farroupilha, Canoas, RS - CEP Universidade Católica de Pelotas (UCPEL) Escola de Informática, R. Félix da Cunha, Pelotas, RS, CEP marcelo.vieira1@hotmail.com, lorenzi@ulbra.tche.br, sloh@terra.com.br Resumo. Este artigo apresenta o desenvolvimento de um sistema de recomendação baseado em casos voltado a área de serviços gerais de grandes empresas, especificamente ao processo de solicitação de transportes. O objetivo é recomendar a melhor combinação de solicitações a serem alocadas no mesmo instante da formatação de uma corrida de acordo com uma base de casos onde estão armazenadas as melhores práticas para as decisões. Palavras-chaves: Sistema de Recomendação; Raciocínio Baseado em Casos; Transporte; 1 Introdução A busca por consolidação das empresas para assegurar capital para novos investimentos e manter o nível de competitividade são os desafios tanto para investidores quanto para empreendedores. Na mesma proporção em que crescem os negócios, cresce também a necessidade de gerenciamento de serviços internos para sustentar a complexidade da estrutura e prover recursos necessários às atividades profissionais. Isto exige constante monitoramento de gastos operacionais com o objetivo de reduzir o custo dos produtos e serviços tornando-os cada vez mais competitivos. Neste cenário, motivou-se o estudo de sistemas de recomendação aplicados aos processos administrativos. Este artigo apresenta o desenvolvimento do Sistema de Controle de Transporte Inteligente (SCT Inteligente) - sistema de recomendação baseado em casos que tem como objetivo gerenciar a demanda de deslocamento de transporte de uma empresa, aproveitando o máximo dos recursos próprios ou contratados (terceirizado) tais como veículos, locadoras, motoristas, etc minimizando os custos da corrida. O artigo está organizado da seguinte forma: a seção 2 apresenta os primeiros passos para desenvolvimento do sistema de recomendação, bem como a definição do domínio da solução de Raciocínio Baseado em Casos dentre os processos anteriormente citados. A seção 3 mostra o funcionamento sistêmico evidenciando sua estrutura e avaliação dos seus resultados em um ambiente empresarial. Finalmente, apresenta-se a conclusão do artigo, evidenciando os ganhos do uso da técnica de inteligência artificial bem como sua aplicação no contexto proposto. 2 Desenvolvimento do Sistema de Controle de Transporte O desafio deste trabalho é proporcionar o uso racionado dos recursos do serviço de transportes, reduzindo os custos operacionais da empresa. Raciocínio baseado em casos (RBC) é uma técnica de inteligência artificial utilizada para solução de problemas com base nas experiências passadas. RBC

2 resolve problemas ao recuperar e adaptar experiências passadas chamados de casos armazenando-as em uma base de casos. O cenário (empresa) onde este trabalho foi validado possui um sistema denominado SCT (Sistema de Controle de Transporte) o qual é responsável pelo registro das solicitações de transportes feitas pelos passageiros e a formatação das corridas, etapa o qual são definidos quais recursos necessários para atender as solicitações conforme ilustrado na Figura 1 no tópico de aquisição do conhecimento. Segundo Lorenzi e Abel (2002), uma vez que existe disponível uma base de dados para ser investigada, é possível utilizá-la para extrair conhecimento gerencial a ser aplicado na tomada de novas decisões, ou seja, requer análise das melhores práticas resultantes do processo de formatação da corrida para formação de uma base de conhecimento, pois um novo problema é resolvido com base na adaptação de soluções de problemas similares já conhecidas (Wangenheim, 2003). O sistema foi desenvolvido seguindo as etapas do ciclo básico de funcionamento de um sistema de RBC (Aamodt e Plaza, 1994): Definição de um domínio previamente estruturado, onde possam ser identificados os casos. Os casos são constituídos por conjunto de atributos extraídos e modelados da base de conhecimento onde contém o problema e a solução já praticada; Distinguir os atributos necessários para composição dos casos a partir de um domínio estruturado permitindo assim a reutilização das soluções conhecidas para atender um novo problema; Definir método de recuperação de casos que contenham solução útil frente a um novo problema. As medidas de similaridade adotadas são cruciais para esta etapa; Em posse dos casos recuperados o sistema deve ser capaz de aplicar ao problema a solução de um problema similar recuperado da base de casos. 2.1 Aquisição do Conhecimento Segundo Lorenzi e Abel (2002), esta etapa é mais crítica do desenvolvimento, pois toda a modelagem e os mecanismos devem ser construídos a partir dos dados e informações obtidos. Dentre as técnicas escolhidas para aquisição do conhecimento neste trabalho foram escolhidas as entrevistas estruturadas e não estruturadas. Entrevistas não estruturadas: através de conversas diretamente com o especialista e facilitador do serviço de transportes da empresa o engenheiro do conhecimento aplicou o método de protocolos verbais retrospectivos que visou questões gerais sobre este serviço. Exemplo: Quais os processos que fazem parte do serviço? Quais os principais recursos utilizados?. Como resultado, foram obtidas informações tanto da funcionalidade dos processos quanto da interatividade entre si. A figura 1 apresenta os processos que compõem o serviço de transportes. O primeiro processo é solicitar transporte onde o usuário formaliza a requisição informando a origem, destino e momento em que deseja a execução do serviço. Após, encontra-se o processo formatar corrida, onde a portaria identifica as solicitações pendentes e aloca os recursos necessários, tais como, motorista e veículos disponíveis. O próximo processo é o executar corrida, onde o motorista recebe a formalização da portaria (boleto) e inicia as atividades de transporte. O último processo é o encerrar corrida. Este processo acontece no final da corrida e o motorista repassa a quantidade de quilômetros percorridos e o tempo de espera à portaria com o visto dos usuários do serviço.

3 Figura 1: Serviço de Transportes Entrevistas estruturadas: após a realização das entrevistas não estruturadas, foi criada uma lista de objetos e classes bem como suas interdependências, onde o especialista indicou o foco da análise. Esta lista foi enriquecida com informações obtidas do sistema informatizado chamado SCT (Sistema de Controle de Transportes) utilizado atualmente pela portaria para solicitar transportes. Estas informações foram utilizadas para modelagem objetivando a representação dos casos da base de casos. 2.2 Representação dos Casos Segundo Wangenheim (2003), para proporcionar o armazenamento de conhecimento é necessário contextualizar os casos. Serão definidas as entidades do domínio de aplicação com descrição de suas dependências. Dos quatro processos utilizados para controle do serviço de solicitações de transportes descritos anteriormente, dois serão farão parte do domínio da solução de RBC conforme explicação abaixo: A descrição da solicitação do transporte feita pelo passageiro. Este registro disponível no sistema SCT define o problema a ser solucionado. Seus atributos são fundamentais para a recuperação dos casos similares; A descrição da corrida que foi formata para atender as requisições (ou problemas) formalizadas pelo passageiro, estes atributos constituem a solução do problema. Através de métodos de entrevistas, foram obtidos dados necessários para modelar o domínio do sistema e o contexto o qual está inserido. São eles: momento solicitado (data e hora que marcam a chegada do veiculo ao local de embarque), endereço de origem (endereço do embarque), endereço de destino (endereço de desembarque), uma referencia de origem e outra do destino (de acordo com os endereços apresentados), código do funcionário (passageiro). Seguindo o mesmo método de obtenção dos dados necessários para composição solicitação de transporte, seguem os campos da formatação da Corrida: momento da saída (data e hora da saída do veículo do seu posto), momento da chegada (data e hora da chegada do veículo ao seu posto), requisições (são as solicitações dos passageiros), veículo, motorista. Conforme as descrições do domínio de aplicação, definiu-se o método de representação de casos orientado a objetos, pois distingue com simplicidade os atributos e a relação entre as entidades. A figura 2 apresenta todas as entidades envolvidas no serviço de alocação de veículos para melhor detalhamento dos casos e estudo das regras de negócios.

4 Figura 2: Estrutura das entidades envolvidas utilizando modelagem orientada a objetos. A figura 3 apresenta as instâncias dos objetos ilustrados na figura 2 acima para compor os casos de acordo com as entrevistas realizadas com o usuário especialista. Figura 3: Exemplo da representação de um caso.

5 2.3 Recuperação de Casos O processo de recuperação de casos inicia com uma descrição de problema e finaliza quando um melhor caso for encontrado (Riesbeck, 1999). O sistema procura na base de casos pelo caso mais parecido com o novo problema. Para saber qual é o caso mais parecido, é preciso medir a similaridade entre o novo problema e todos os casos armazenados na base de casos. Sistemas baseados em casos derivam seu poder da sua habilidade para recuperar casos relevantes de uma biblioteca de casos de maneira eficiente (Lorenzi e Abel, 2002). Sendo assim, foram definidos os atributos referência de origem e referência de destino para distinguir os casos os quais poderão ser aproveitados, pois através destes dados que são determinados quais passageiros irão partilhar o mesmo veículo. Para determinar os casos semelhantes foi utilizado o algoritmo do vizinho mais próximo Nearest Neighbor (Michie et al,1994). O algoritmo do vizinho mais próximo, como mostra a figura 3, assume que cada caso c = {c 1, c 2,..., c n } é definido por um conjunto de n características f. Dado um novo problema Q e a base de casos L, e o peso w de cada característica f, que foi previamente definido junto ao especialista conforme mostra a tabela 1, o algoritmo recupera o caso mais parecido com o novo problema, ou seja, aquele que tiver a menor distância. A função de similaridade (sim) entre o novo problema e os casos da base, é dada pela distância entre qf - cf, pois as características do caso são todas numéricas. Para os casos extraídos da base de casos serão previamente filtrados de modo a disponibilizar apenas as referências de origem e destino que existem no novo problema. A partir disto foram definidos os índices quantidade de requisições por corrida, para determinar o nível de complexidade da rota realizada e a quantidade máxima de mesma referência de origem, para diferenciar o trajeto da rota. d n 2 ( q, c) = w f * sim( q f, c f ) f = 1 Figura 3: Medida de Similaridade De posse das requisições pendentes Q=(q 1,q 2,...,q n ), o algoritmo compara aos casos C=(c1,c2,...,cn) da base de dados. Esta comparação é realizada através do cálculo da similaridade entre o novo problema e os casos existentes na base de caso. A tabela 1 apresenta um exemplo de aplicação desta técnica: Tabela 1: comparação do novo problema com a base de casos. Campo Peso Caso1 Caso2 Novo Problema Quantidade de requisições por 0, corrida Quantidade máxima de mesma referência de Origem 0, Novo Problema baseado em novas requisições: Requisição 1: Referência de origem: Unidade, Referência de destino: Zona Sul Requisição 2: Referência de origem: Unidade, Referência de destino: Zona Norte Requisição 3: Referência de origem: Unidade, Referência de destino: Aeroporto Requisição 4: Referência de origem: Aeroporto, Referência de destino: Unidade Sim(Q,C)=(4x0,2)+(3x0,1) = 1,1 Corridas de acordo com a base de casos:

6 Caso 1 (Corrida 1): requisição 1: Referência de origem: Unidade, Referência de destino: Aeroporto requisição 2: - Referência de origem: Unidade, Referência de destino: Zona Sul requisição 3: Referência de origem: Aeroporto, Referência de destino: Zona Sul Sim(Q,C)=(3x0,2)+(2x0,1) = 0,8 Caso 2 (Corrida 2): requisição 1: Referência de origem: Unidade, Referência de destino: Zona Norte requisição 2: Referência de origem: Zona Norte, Referência de destino: Zona Sul Sim(Q,C)=(2x0,2)+(1x0,1) = 0,5 Dentre os casos similares será recuperado o caso de menor quilometragem. Para isso, será utilizada técnica de recuperação seqüencial, o qual o método de similaridade é calculado para todos os casos. Esta técnica é conhecida pela sua simplicidade e problemas de desempenho em sua execução, no entanto este risco foi investigado e optou-se por aceita-lo, pois é pequena a quantidade de casos da base de conhecimento. 3 Protótipo e Validação O protótipo desenvolvido, SCT Inteligente, foi validado em um ambiente real. Neste ambiente, existe um sistema chamado SCT que atualmente registra as solicitações de transporte. Este sistema é utilizado apenas para o controle de requisições e a formatação de como será realizado o transporte é feito manualmente. Problema Requisição de Transporte SCT Base de Dados de Corridas Solução Recuperar corridas de referências semelhantes Casos Similares Determinar caso de menor custo Melhor Caso Formatar Corrida Casos Base de Casos SCT INTELIGENTE Figura 4: Funcionamento do Sistema SCT (Sistema de Controle de Transportes) com RBC. O SCT Inteligente captura as requisições pendentes do SCT (problemas) dando início ao processo de similaridade e recuperação para determinar a melhor forma para atender o problema proposto. No final deste processo o SCT Inteligente retorna ao SCT quais requisições serão atendidas (solução). As ferramentas utilizadas para desenvolver o SCT Inteligente foram Microsoft Visual Studio Net 2003 para construção do front end e Microsoft Access para construção da base de conhecimento. A integração entre os dois sistemas apresentados na figura 4 é estabelecida através de utilitários de vinculação de tabelas do MSAccess. De forma a evidenciar os resultados finais do trabalho, foram estruturadas etapas fundamentais para validação do sistema. A construção de uma base de casos atendendo todos os casos possíveis e as melhores práticas. A execução do teste do sistema SCT Inteligente em ambiente de produção captando todas as requisições de transporte e devolvendo as corridas para SCT.

7 O processo de aquisição do conhecimento teve grande contribuição para formação da base de casos, pois são necessários casos suficientes para atender todas as situações possíveis consideradas pelo especialista. O fato de já haver um sistema e a possibilidade de integração permitiram reutilização do conhecimento contido nas bases de dados da empresa. Seguem os atributos principais dos casos que formaram a base de casos: Tabela 2: casos de n requisições para 1 corrida. CAS Km Origem Destino O 1 55 Unidade Alvorada Unidade Cachoeirinha 2 25 Unidade Sapucaia-Centro Unidade São Leopoldo 3 40 Unidade São Leopoldo Unidade Feitoria 4 45 Unidade POA - Zona SUL Unidade Poa Centro 4 45 Unidade POA - Zona SUL Unidade Poá Centro 5 50 Unidade Estância Velha Unidade Portão 6 40 Unidade São Leopoldo Unidade Feitoria 7 45 Unidade POA - Z.NORTE Unidade Poá Centro Na tabela 2 foram identificados os casos em que há aproveitamento, ou seja, mais de um passageiro para uma mesma corrida. Estes casos são os melhores casos conforme relato do especialista, pois proporcionam redução do custo do serviço. Tabela 3: casos de uma requisição para uma corrida. CASO Km Origem Destino CAS Km Origem Destino O 8 35 Unidade POA Z.NORTE Unidade Feitoria 9 12 Unidade Sapucaia-Bairro Unidade Canoas- Centro Unidade Poa - Centro Unidade Sapucaia- Centro Unidade Esteio-Bairro Unidade Portão Unidade POA - Zona SUL Unidade Ipanema Unidade São Leopoldo Unidade Estância Velha Unidade Cachoeirinha Unidade Charqueada s Unidade Alvorada Unidade Guaíba Unidade Esteio-Centro Unidade Gravataí Unidade Nova Sta Rita Unidade Novo Hamburgo Já na tabela 3 são apresentados os casos de corridas individuais. Pela lógica de recuperação construída neste sistema, os casos da tabela 3 serão recomendados apenas se não forem similares o

8 bastante, pois representam todas as possibilidades de alocação de corrida conforme estabelecido pelo especialista. Em prol disto foi determinado os pesos e os índices como mostra anteriormente. Com a base de casos pronta, foram determinados como itens de validação: o percentual de casos recomendados objetiva comprovar base de conhecimento adequada; percentual de reaproveitamento para comprovar que o mecanismo de recuperação prioriza os casos similares de menor custo. Os resultados apontaram 100% de casos recomendados com um índice de reaproveitamento de aproximadamente 25%. O Sistema foi capaz garantir a recomendação para todos os problemas registrados, e, além disso, priorizar os casos de menor custo quando determinado similar pelo sistema atendendo os objetivos deste trabalho. 4 Conclusões O sistema SCT Inteligente apresentou uma facilidade administrativa no gerenciamento de serviços de transportes, pois as principais atividades operacionais do serviço como o a formatação da corrida (processo que determina quais os recursos necessários para realização do serviço) foram otimizadas devido ao conhecimento estar consolidado na empresa não apenas nas pessoas, assim como o aperfeiçoamento constante deste conhecimento proporcionando atendimento das metas administrativas da empresa e contribuindo na redução de custos operacionais. Raciocínio Baseado em Casos tem-se tornado a técnica natural para a reutilização do conhecimento constante em repositórios de dados, como demonstrado nas inúmeras aplicações de sucesso (Lorenzi e Abel, 2002). Com a administração adequada estes repositórios podem proporcionar às organizações a continuidade dos seus credos e valores. Ao passo que esta ferramenta é difundida, tanto usuários quanto equipes de TI poderão focalizar seus esforços em atividades, sendo elas rotinas e/ou melhorias mais rentáveis a empresa. Este estudo mostrou que as técnicas de RBC podem contribuir para que pequenas soluções gerem grandes resultados, ou seja, não é regra desencadear um grande esforço para cumprir um grande desafio. Entretanto, é necessário mudança no comportamento dos stakeholders do projeto para incorporar este paradigma, pois a etapa de aquisição do conhecimento requer disciplina por parte do engenheiro do conhecimento e comprometimento do especialista para que os casos extraídos sejam ricamente suficientes para uma correta modelagem e viabilizando todo o processo de desenvolvimento como foi apresentado neste trabalho. 5 Referências Bibliográficas AAMODT, A.; PLAZA, E. Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches. Artificial Intelligence Com, Vol 7:1, pp ,1994. LORENZI, FABIANA; ABEL, MARA. Aplicando Raciocínio em Casos na Investigação de Irregularidades nas Internações Hospitalares, CBComp MICHIE, D.; SPIEGELHALTER, D.J.; TAYLOR, C.C. Machine Learning, neural and statistical classification. New York, Ellis Horwood, RIESBECK, SCHANK, R. A case-based reasoner solves new problems by adapting solutions that were used to solve old problems WANGENHEIN, A.; WANGENHEIN, C. Raciocínio Baseado em Casos. São Paulo, Manole, 2003.