UNIVERSIDADE FEDERAL DO PARANÁ

CURSO DE ESPECIALIZAÇÃO EM ENGENHARIA DA PRODUÇÃO

PLANEJAMENTO DE PROCESSOS AUXILIADO POR COMPUTADOR

PROF. Dr. DALBERTO DIAS DA COSTA

Curitiba – Ano 2006

2

SUMÁRIO 1 – Apresentação 2 – Ciclo de vida de um produto 3 - Sistemas de manufatura 4 – Planejamento de processos 5 – Planejamento de Processos Auxiliado por Computador 6 – Protótipo de um sistema especialista para planejamento de processos 7 – Referências bibliográficas

3

1 – APRESENTAÇÃO O planejamento, de um modo geral, é uma atividade de elevada complexidade. A elaboração de um plano completo, com toda sua riqueza de detalhes demanda tempo e grande experiência. Em todas as empreitadas do nosso cotidiano sempre nos deparamos com a necessidade de rever planos outrora imaginados.

Nos sistemas de manufatura o ato de planejar processos é uma atividade que demanda profissionais com grande experiência teórica e prática sobre os diversos processos de fabricação. Esta dependência por seres humanos, enquanto planejadores, pode ser melhor exemplificada quando da aposentadoria, ou demissão, do profissional planejador. Nessas ocasiões, esse profissional leva consigo toda experiência em planejar, deixando a empresa, por um bom período, a “bater cabeça” para fabricar seus produtos.

Com o surgimento do computador, em meados do século vinte, e com as recentes melhorias tempo de processamento, memória e custo efetuadas nos microcomputadores, vislumbra-se a possibilidade do desenvolvimento de sistemas computacionais para auxiliar, ou executar, o planejamento de processos em sistemas de manufatura.

Em concomitância, destaca-se a crescente presença de sistemas digitais para projeto, desenho e fabricação nas fábricas modernas. Os sistemas CAD (Computer-Aided Design) e CAM (Computer-Aided Manufacturing) são exemplos dessa tendência.

Este texto foi elaborado com o propósito de discutir o contexto exposto acima. Entretanto, partindo-se do pressuposto que o mesmo venha ser utilizado num curso de curta duração, optou-se por elaborá-lo na forma de uma síntese do atual “Estado-da-Arte” da problemática do planejamento de processos em sistemas de manufatura. Dessa maneira, exige-se do leitor um estudo complementar das referências bibliográficas indicadas no capítulo 7.

No capítulo seguinte apresenta-se a importância do ciclo de vida do produto na estruturação das empresas modernas. No terceiro capítulo, discute-se as diferentes classificações de um sistema de manufatura, passando também pelo conceito de manufatura integrada.

Os conceitos de planejamento e de processos são apresentados no quarto capítulo. Uma ênfase especial é dada aos processos de usinagem. Dois exemplos de planejamento de processos de usinagem são apresentados. O objetivo desta exemplificação não é apresentar um estudo aprofundado sobre processos de usinagem, mas sim mostrar a complexidade de um plano de processos e sua dependência em relação à experiência do agente executor.

O planejamento de processos auxiliado por computadores é discutido no capítulo 5. Apresenta-se também a aplicação de técnicas de inteligência artificial, em especial os sistemas especialistas, no desenvolvimento de softwares para planejamento automático de processos.

No capítulo 6 apresenta-se um protótipo de um Sistema Especialista para planejamento de processos de usinagem. Este protótipo encontra-se em desenvolvimento no Departamento de Engenharia Mecânica da Universidade Federal do Paraná. Nesta apresentação serão discutidas algumas técnicas de inteligência artificial utilizadas na implementação do referido protótipo, além de toda a metodologia para sua implementação.

4

2 – CICLO DE VIDA DE UM PRODUTO Um produto surge com a identificação de uma necessidade, explícita ou não, de uma determinada comunidade, ou indivíduo, e termina na sua obsolescência, i. é., pela extinção da necessidade. Entretanto, em vários sistemas de produção da atualidade, o horizonte de atuação é mais estreito, pois começa com a identificação da necessidade de um determinado público consumidor, e termina com a entrega do produto desenvolvido. No final do século passado, em especial na década de 1980, imaginava-se uma fábrica do futuro totalmente automatizada sem a presença de humanos. Neste tipo de cenário, todas as tarefas de manufatura seriam repassadas às máquinas, as quais por sua vez, seriam equipadas com softwares inteligentes, capazes de tomar todas as decisões para garantir a entrega de produtos com qualidade e no tempo certo. Entretanto, as recentes medidas governamentais, relacionadas com a saúde ocupacional, preservação ambiental, e a crescente necessidade por economia de materiais e energia forçaram uma revisão deste conceito. Na visão de Leo Alting (Alting, 1993) isto implica em pensar uma “fábrica com futuro” ao invés de uma “fábrica do futuro”. A partir dessa mudança conceitual, novas fases e novos compromissos são assumidos dentro de um sistema produtivo. A figura 2.1 contém uma ilustração desse novo ciclo de vida de um produto, o qual compreende as etapas de necessidade; concepção; projeto; manufatura; distribuição; uso; descarte e reciclagem. Em cada fase do ciclo existe um compromisso do sistema de manufatura com a comunidade e não somente com seu cliente consumidor. Estes compromissos resumem-se em: • proteção ambiental; • qualidade de vida no trabalho; • otimização de recursos (energia e materiais); • manufaturabilidade; e • custo financeiro do ciclo de vida do produto. A etapa de concepção acontece após a explicitação de uma determinada comunidade por melhorias em produtos já existentes. Pode acontecer também por um ato criativo do sistema produtivo, ou de um indivíduo, a partir da identificação consciente, ou não, de uma necessidade ainda não manifestada pela comunidade. Na etapa de concepção define-se claramente a função do produto. Dessa forma, seu primeiro modelo é representado a partir de sua funcionalidade. O ato de projetar é entendido aqui como sendo a descrição estrutural do produto a partir da análise de seu comportamento quando em funcionamento. Essa descrição estrutural pode ser feita via uma lista de itens, caso o produto seja composto por vários componentes, e os respectivos desenhos desses componentes. Isto também pode ser feito pela elaboração de um protótipo, do tipo maquete, em escala e material diferentes. A manufatura é dividida em duas fases: o planejamento e a execução. O planejamento compreende a descrição de como fazer (fabricação, inspeção e montagem) e quando fazer (produção). A execução é, em essência, a movimentação e transformação de materiais de forma repetitiva, o que em síntese, é denominado de produção. O planejamento das diversas atividades de manufatura deve acontecer em concomitância com o projeto. Entretanto, as atividades de execução só podem acontecer após uma modelagem inequívoca do produto e dos planos para sua manufatura. A distribuição é o ato de comercializar e entregar o produto para os consumidores. No caso de produtos de elevado consumo, isso pode ser feito por empresas diferentes daquela responsável pelas outras etapas do ciclo. Em diversas situações, nesta etapa acrescenta-se ainda aos produtos uma embalagem, a qual pode ser entendida com um outro produto, mas que, não necessariamente implicará em uso. O uso compreende a atividade de consumo do produto até sua transformação ou descarte, no caso dos bens de consumo; ou na sua depreciação e (ou) obsolescência em se tratando de bens de capital. O descarte pode ser de todo o produto ou de parte do mesmo, no caso de substituição de componentes avariados ou desgastados. A reciclagem compreende o aproveitamento do produto ou de seus componentes para outros fins, ou a transformação dos mesmos em matéria prima para a fabricação de novos componentes.

5

Figura 2.1 Representação simplificada do ciclo de vida de um produto

Para que uma determinada empresa possa se adequar a esse novo cenário, faz-se necessário que as diversas etapas do ciclo de um produto sejam tratadas de forma simultânea e não em separado com é a pratica atual. Além disso, observa-se em vários produtos, especialmente os bens de consumo, que o seus ciclos de vida vêm-se encurtando. Isto pode ser constatado, por exemplo, na indústria automotiva, eletroeletrônica, moveleira e de brinquedos. Esse encurtamento do clico de vida, aliado à necessidade do planejamento simultâneo das diversas fases, trouxeram à tona uma idéia nova baseada numa prática antiga: o conceito de engenharia simultânea. Isto implica em tratar de modo quase-simultâneo o planejamento de todas as etapas do ciclo de vida do produto. A aplicação desta metodologia tem possibilitado alguns sistemas encurtarem os tempos lançamento de novos produtos (time-to-market) e produção (lead time). Ela possibilita também a redução do custo global e do impacto ambiental e social de seus produtos. Apesar de ser uma técnica apresentada como novidade, o conceito de engenharia simultânea está baseado no tipo de fluxo de informação existente nos sistemas artesanais de manufatura. Nesses, o fluxo era bem simples, pois dependia apenas da formalização da necessidade do consumidor, via encomendas, e da aplicação do conhecimento de, em muitos casos, um grande generalista que planejava todas as etapas de manufatura simultaneamente. Na produção de produtos complexos, entretanto, a presença de um único generalista é impossível. Por outro lado, equipes dispondo de capacidade e facilidade de comunicação podem trabalhar com um rendimento muito superior ao antigo generalista.

3 – SISTEMAS DE MANUFATURA

O termo sistema de manufatura (ou fabricação) pode ser definido como sendo o conjunto de recursos materiais (máquinas, dispositivos, ferramentas, instrumentos de controle e insumos) instalados dentro de um sistema de produção (empresa).

Dessa forma, pode-se dizer que além de um sistema de manufatura, o sistema de produção desenvolve ainda, atividades ligadas à concepção do produto (ou serviço), qualidade, vendas, distribuição, assistência técnica e reciclagem (DeGarmo, et al., 1997).

NECESSIDADES

CONCEPÇÃO

PROJETO

MANUFATURA

DISTRIBUIÇÃO

USO

DESCARTE

RECICLAGEM

6

Outros autores, ver por exemplo Zhang e Alting, 1994, apresentam o conceito de sistema de manufatura de forma mais abrangente, incorporando outras atividades, além daquelas inerentes aos processos de fabricação.

A partir da figura 3.1, pode-se ver o escopo desse tipo de sistema de manufatura. Neste caso, o sistema de manufatura compreende deste a “captação” e “compreensão” das necessidades do cliente até a etapa de entrega do produto ou serviço.

Entretanto, neste texto adota-se um escopo mais restrito para “sistemas de

manufatura“, limitando-o somente às fases de projeto e a manufatura (processos, produção, inspeção em montagem). 3.1 – Classificação dos Sistemas de Manufatura

Os sistemas de manufatura, conforme definição anterior, podem ser classificados quanto ao tipo de processo e o tamanho dos lotes produzidos.

Quanto ao tipo de processo pode-se separá-los em “processos discretos” e “processos contínuos”. Este último pode ser encontrado na produção de óleos, gases, alimentos e pode ser caracterizado pela presença de misturadores, reatores e separadores, fisicamente interligados por transportadores (geralmente na forma de dutos). Os produtos assim produzidos são dimensionados por volume ou massa.

Por outro lado, nos processo discretos, os produtos são separados em unidades físicas independentes (com dimensões e formas pré-determinadas). Neste tipo de manufatura as máquinas – injetoras; extrusoras; laminadores; serras; tornos; fresadoras – não são, necessariamente interligadas fisicamente.

Os sistemas de manufatura discreta ainda podem ser classificados quanto ao tamanho do lote1. A partir desse critério, define-se:

1 Por uma questão de simplificação apresenta-se aqui somente o tamanho do lote como critério de classificação. Entretanto, encontra-se na literatura especializada, a utilização de outros quesitos, tais como: a diversificação e complexidade geométrica dos produtos.

NECESSIDADES DO CLIENTE

CONCEPÇÃO DO PRODUTO OU SERVIÇO

MARKETING/VENDAS

PLANEJAMENTO DE PROCESSOS

PLANEJAMENTO E CONTROLE DA PRODUÇÃO

COMPRAS

MRP

PRODUÇÃO

DISTRIBUIÇÃO

CONTROLE DA QUALIDADE

Figura 3.1 – Sistema de Manufatura (Zhang e Alting, 1994)

7

• produção sob encomenda; • produção em lotes; e • produção em massa.

produção sob encomenda

Caracteriza-se por pequenos lotes (de 1 a 10 pçs) que são produzidos sob demanda específica de um determinado cliente. Emprega-se equipamento de elevada flexibilidade e de propósito geral – máquinas equipadas com comando numérico são predominantes. Como exemplo de produtos, pode-se citar: protótipos; maquinas-ferramenta e ferramentas especiais (matrizes para injeção ou conformação).

produção em lotes Neste caso os lotes são maiores e são produzidos alternadamente em intervalos regulares, de acordo com uma expectativa de consumo. Esse lotes podem variar de 10 a 5000 peças. Nesse tipo de sistema observa-se o emprego de máquinas flexíveis mas com ferramentas e dispositivos de fixação dedicados. Isto é geralmente decidido em função do lote econômico. O lote econômico é aquele cujo tamanho justifica, economicamente, o projeto e construção de um ferramental dedicado. Em outras palavras, o custo desse ferramental dividido pelo número de peças a ser fabricado deve ser compensado pelo menor tempo de utilização da máquina ou célula de trabalho. A produção de autopeças é o melhor exemplo para este ambiente de produção.

produção em massa Compreende, tipicamente, a produção de grandes quantidades de poucos produtos por longos intervalos de tempo. Todos os equipamentos são extremamente dedicados a um único produto. Em muitos casos, toda a empresa é dedicada a esse produto. Ao contrário dos sistemas descritos anteriormente, não se necessita de mão-de-obra qualificada o que culmina com um baixo custo por peça. Nesta categoria enquadram-se, entre outros, a produção de parafusos, porcas, pregos, tubos e conexões. 3.2 – Histórico dos Sistemas de Manufatura Uma análise histórica da evolução dos sistemas de manufatura está além dos objetivos deste texto. O escopo deste tópico limita-se pela apresentação de uma síntese dessa evolução a partir dos seguintes pontos de vista: o fluxo de informações e o grau de automação (substituição do homem por máquinas). 3.2.1 – Evolução segundo o fluxo de informações Os primeiros sistemas de manufatura podem ser encontrados nas atividades artesanais realizadas por um grupo de pessoas ou, na maioria dos casos, por um único artesão. Nesses sistemas o artesão recebe uma encomenda de um suposto cliente, concebe, fabrica e entrega o produto. Observa-se que neste caso a informação está quase toda centrada num único agente: o artesão. Além disso, a matéria prima é parte do sistema, sendo que a dependência por outros fornecedores é muito baixa. O cliente, ao receber o produto, raramente faz avaliação de sua qualidade. Supõe-se que esta seja inerente ao sistema fabril. Com o advento da máquina a vapor – marco da revolução industrial – observa-se uma mudança gradativa nesse fluxo de informações, a qual culmina com implantação da produção em massa no início do século XX. O fluxo de informações é alterado, fundamentalmente, pela necessidade de se produzir grandes quantidades de produtos semelhantes. Nessa mesma época surge o conceito de intercambialidade. Os produtos também são mais complexos e, por conseguinte, também os sistemas de manufatura. O trabalho seqüencial e altamente especializado foi também uma contribuição desta época. Isto implicou num fluxo de informações de modo semelhante. As informações são transferidas em papel (desenhos, ordens de serviço) de um agente (departamento) para o outro. Este sequenciamento das informações implicava num aumento do tempo de produção do produto.

Entretanto, como o ciclo de vida era muito longo, esse aumento era pouco significativo e não comprometia a produtividade do sistema. O cliente realizava inspeções periódicas nos

8

produtos recebidos. Produtos não conformes eram devolvidos ao fabricante, o qual tinha que rever seus métodos de produção ou inspeção. Um único sistema não era suficiente para a produção de produtos mais complexos. Surgem então, os fornecedores com suas deficiências em qualidade e prazos de entrega. O consumo em massa começou a apresentar um declínio a partir dos anos 60 no século passado. Isto foi tipicamente uma reação de mercado consumidor. Com o aparecimento do computador no chão-de-fábrica, principalmente nas máquinas CNC (comando numérico computadorizado) houve necessidade de se alterar o meio de transferência de dados. Passamos do papel, aos cartões perfurados, depois para as fitas e, atualmente, para as redes com elevada taxa de transmissão. Entretanto essa mudança não está sendo tão suave como suposto. A simples presença da tecnologia digital para armazenamento não é condição suficiente para a manutenção dos elevados índices de produtividade, característicos da produção em massa. O que se observa nos sistemas atuais ainda é um mistura de papel, computadores e também uma forte dependência do fluxo seqüencial. A redução no tamanho dos lotes, o aumento na diversificação e a redução de seus ciclos de vida vêm exigindo destes sistemas uma total reengenharia. Aliado a isso, verifica-se também a formação de cadeias complexas de fornecedores e clientes. O cliente deixa de ser apenas o consumidor final e passa ainda incorporar a figura do Estado que legisla e fiscaliza e das organizações não governamentais que monitoram os possíveis efeitos colaterais dos processos de manufatura.

O conceito de manufatura integrada, a ser discutido mais adiante tem sido apresentado, ao lado de várias outras metodologias, e.g engenharia simultânea e controle total da qualidade como sendo abordagens necessárias para que os sistemas modernos mantenham a mesma produtividade da produção em massa e a mesma capacidade dos sistema artesanais em atender pedidos personalizados. 3.2.2 – Evolução segundo o nível de automação

A tabela 3.1 contém uma síntese desta evolução. Alguns autores apresentam-na dividida em estágios, onde cada estágio corresponde à uma substituição de uma determinada habilidade humana. Deve-se observar que não existe uma datação precisa destes estágios, apenas alguns marcos históricos são apresentados. Tabela 3.1 – Evolução dos sistemas de manufatura a partir do nível de automação

Nível Habilidade Humana Substituída Exemplos 1 Nenhum Ferramentas e máquinas manuais 2 Energia Máquinas-operatrizes 3 Destreza Máquinas-ferramenta automatizadas por

cames, chaves de fim de curso, relês e copiadores hidráulicos (torno automático, linha transfer)

4 Avaliação e programação de trajetórias Sistemas CAM-CNC (marco da presença do computador no chão-de-fábrica)

5 Julgamento e otimização Máquinas-ferramenta equipadas com controle adaptativo

6 Aprendizagem, raciocínio e explicações Máquinas inteligentes (aplicação de técnicas de inteligência artificial)

7 Criatividade Ainda não desenvolvido (existem pesquisas em andamento)

8 Domínio Ficção 3.3 – MANUFATURA INTEGRADA POR COMPUTADOR Com o intuito de reduzir a entropia do fluxo de informações e dar suporte à engenharia simultânea, advoga-se a integração de todas as atividades via recursos computacionais (computadores, redes, transdutores e softwares) como sendo uma condição suficiente para garantir que um sistema de manufatura se mantenha competitivo em todo o ciclo de vida de seus produtos.

9

As premissas básicas de um sistema integrado (por computador ou não) são as seguintes:

• um mesmo dado não deve entrar, ou ser armazenado, mais de uma vez; • uma alteração realizada em qualquer instante do ciclo de vida deve ser propagada

a jusante e montante do fluxo de informações; e • todos os agentes do sistema (departamentos ou pessoas) podem ter acesso a

qualquer informação em qualquer momento do ciclo do produto. Estas premissas, apesar de simples, são extremamente difíceis de serem implementadas e mantidas. O fluxo de informações via papel, como ainda é prática em diversos sistemas modernos, exige, como condição necessária que as informações sejam replicadas. Isto é necessário porque o papel é um meio perecível, principalmente quando se trata de manuseá-lo em ambientes fabris. No caso de informações transmitidas verbalmente, o que era prática nos sistemas artesanais, pode-se comprovar que, dificilmente, um sistema moderno irá atender às solicitações de seus clientes. Partindo do pressuposto que o escopo de um sistema de produção esteja limitado pelo ciclo de vida de seus produtos, pode-se prever que, para produtos complexos, o volume de informações que este sistema deve armazenar e processar é extremamente elevado. Um Sistema de informação baseado em computador é condição necessária para a integração, porém não suficiente. De um modo geral, o departamento de markentig/vendas de uma empresa aplica questionários periódicos com o intuito de identificar mudanças nas preferências de seus consumidores. Essa informação é, em muitos casos, muito subjetiva. Entretanto, ela deve ser transmitidas ao pessoal responsável pelo desenvolvimento de novos produtos de forma que eles possam determinar como os novos produtos serão modificados ou lançados. Concomitantemente – supondo uma empresa fundamentada em engenharia simultânea - os setores de processos, produção, montagem, distribuição, desmontagem e reciclagem estarão planejando suas ações e, não menos importante, verificando possíveis restrições que esse novo produto irá impor na execução de suas atividades. A equipe de desenvolvimento dispõe, ao contrário do pessoal de marketing, de meios mais robustos para a modelagem de suas intenções. O desenho técnico, em duas ou três dimensões, possibilita uma representação inequívoca da geometria de um dado produto. Esta, uma vez elaborada, transforma-se numa referência para todas as atividades seguintes. Entretanto, observa-se que modelos gerados em um dado sistema CAD possuem formatos específicos. Nem todo arquivo de CAD pode ser entendido pelos sistemas CAM cuja saída nem sempre é compatível com os formatos das máquinas CNC. Para o planejamento da montagem, da produção, inspeção e desmontagem ocorre o mesmo. Várias empresas ofertam atualmente grandes pacotes com o intuito de sanar este problema. Observa-se, entretanto, que, na melhor das hipóteses, o usuário terá de construir, ou adaptar, pós-processadores para transformar a informação original numa mais adequada. Isto implica em violar a premissa básica de um sistema integrado, ou seja não armazenar duas vezes os mesmos dados. A International Organization for Standardization (ISO) vem elaborando, via equipes multidisciplinares, a norma 10-303 “Industrial automation systems and integration – product data representation and exchange”, também conhecida como padrão STEP. O propósito dessa norma é estabelecer padrões para modelagem de produtos em diferentes sistemas de manufatura. Os resultados práticos desse trabalho já podem ser verificados nos recentes lançamentos dos fabricantes de CAD. Vários softwares já permitem ao usuário exportar o modelo criado para o padrão STEP. Espera-se que o estabelecimento desses padrões venha contribuir para a redução de redundâncias de informação entre as diferentes interfaces de um sistema de manufatura.

10

4 – PLANEJAMENTO DE PROCESSOS Não existe na literatura corrente uma definição precisa sobre planejamento de processos. O que se apresenta a seguir é uma síntese, baseando-se em autores que tratam o problema do planejamento a partir de uma metáfora computacional (Stefik, 1981; Sacerdoti, 1974 e McDermott e Hendler, 1995) e processos dentro do escopo de sistemas de manufatura (DeGarmo, 1997 e Chang e Wysk, 1985). Apresenta-se primeiro uma visão geral sobre planejamento. Depois, em separado, discute-se a problemática dos processos de fabricação. Em seguida faz-se um a síntese, tendo como contexto os processos de usinagem. 4.1 – UMA VISÃO GERAL SOBRE PLANEJAMENTO

Planejamento pode ser entendido como o ato de descrever, em detalhes, as ações para a transformação de um estado inicial a um estado final. Essa transformação pode significar um grande número de coisas, dependendo do contexto no qual encontra-se o sujeito planejador. Como exemplo de transformações, pode-se citar:

• alteração da posição espacial de um certo objeto; • alteração da forma; • alteração das dimensões; • alteração de propriedades elétricas, mecânicas e químicas; e • alteração de valor. Em várias ocasiões, essas transformações podem interagir. Se isto acontece a

complexidade do plano a ser elaborado aumenta. A descrição do estado final tem de ser suposta como inequívoca. Entretanto, o estado

inicial nem sempre é conhecido na sua totalidade. Durante o planejamento pode ocorrer o aparecimento de estados intermediários. Estados intermediários podem ter dependência temporal, ou seja, sua descrição só estará completa no instante em que uma dada transformação se concretiza. Um exemplo disso é apresentado esquematicamente na figura 4.1. Nesta, observa-se que um sujeito, encontrando-se numa determinada cidade “A” (estado inicial), deseja voltar à sua terra natal “T” (estado final). As opções de transporte na cidade atual podem não ser totalmente conhecidas, ou suficientes para que ele atinja seu destino. Além disso, ele desconhece as posições relativas entre as cidades. Sabendo que existem duas cidades vizinhas e eqüidistantes (B e C) ao seu lugar atual, ele pode optar por viajar de “A” para “B” ou de “A” para “C”. Além disso, se ele adotar como regra que ao chegar a uma certa cidade, por exemplo “D” ele deva viajar até à cidade mais próxima, desde que isto não implique em retorno ao ponto anterior, em algum momento ele deverá chegar ao seu destino. Entretanto, dependendo da direção escolhida ao mudar de cidades, ele corre o risco de nunca chegar à sua terra natal. Observa-se que mesmo neste exemplo simples, caso o planejador não possua conhecimento suficiente sobre seu estado inicial, ou intermediário, sobre as ações e os efeitos das mesmas sobre os estados seguintes, a eficácia e eficiência de seu plano estarão seriamente comprometidos.

Figura 4.1 – Representação simplificada de um “espaço” de planejamento

C A B

Estado inicial Estado final

T

D

11

A mudança de um estado a outro requer uma ação. Essa ação, basicamente, compreende, no contexto do planejamento, a descrição de como mudar de um estado para outro. Essa descrição nada mais é do que o meio (ou processo) para realização da mudança pretendida. A descrição desse processo pode ser detalhada, caso sua execução possa ser feita de diferentes maneiras. Ao contrário, essa descrição pode ser muito sucinta, bastando apenas uma referência ao processo escolhido. Pode-se formular, como hipótese, que o viajante do exemplo anterior possua, fornecido por um especialista, um plano para deslocamento entre cidades. Nesse plano poderia haver descrições sumárias de determinadas ações, por exemplo: viaje de “A” para “B”. Por outro lado, dependendo de quão complexa essa ordem possa ser para o sujeito que vai executá-la, ela poderá ser decomposta num conjunto maior contendo “sub-ações”.

Voltando mais uma vez no exemplo do viajante, a ordem “viaje de “A” para “B”” poderia ser dada da seguinte maneira:

• verifique todas as possibilidades de transporte que o conduzam até a cidade “B”; • escolha o meio mais rápido; • desloque do hotel até a estação de transporte escolhida; • entre no veículo; • aguarde até a chegada ao destino; e • desembarque na cidade “B”. Observa-se que esta descrição é bastante prolixa, considerando, por exemplo, um

viajante muito experimentado. Por outro lado ela pode ser até incompleta, caso ele seja um noviço.

O nível de detalhamento para uma determinada ação pode ser definido pela experiência do agente (sujeito que executará a ação). Entretanto, muito mais importante do que isso, exige-se do planejador um conhecimento sobre a variabilidade da interpretação da ação, mesmo por um agente experiente.

Além disso, o efeito que cada ação executada terá sobre o estado final (ou intermediário) deve ser antecipado no momento do planejamento. Dependendo do contexto, isto é extremamente difícil, requerendo do planejador um conhecimento muito vasto e, na maioria dos casos conduz a planos extremamente complexos.

A complexidade de um plano pode ser medida pelo seu nível de detalhamento. Parafraseando Sacerdoti (Sacerdoti 1974), pode-se dizer que o detalhe é o tirano do planejador. A descrição das ações e o conhecimento implícito de seus efeitos é, em essência, uma tomada de decisões. 4.2 PROCESSOS DE FABRICAÇÃO

Um processo de fabricação pode ser entendido como sendo a aplicação de recursos (energéticos, materiais e humanos) para transformar um produto de seu estado bruto para um estado acabado. Esta transformação pode ocorrer na forma, dimensões e (ou) nas propriedades do material. Dependendo do tipo de processo, a alteração do estado bruto para o estado acabado pode ocorrer com conservação de massa, com redução de massa ou com aumento de massa. Na indústria metal-mecânica vários processos podem ser enquadrados nessa taxinomia (DeGarmo et al., 1997). Outros autores ainda classificam os processos quanto ao tipo de energia empregada, conforme exposto na figura 4.2. Existem duas categorias básicas: os processos mecânicos (aplicação de tensão mecânica) e os processos metalúrgicos (elevação da temperatura). Entretanto, existem alguns processos que não se enquadram nessa classificação. Em outros casos, um mesmo processo utiliza-se de dois tipos de energia (mecânica e térmica). Independentemente da questão taxionômica, o que deve ser decidido pelo processista é qual o melhor processo a ser empregado, sob os pontos de vista técnico e econômico. A partir da figura 4.2 podemos ver que a indústria emprega, geralmente, uma combinação desses processos para manufaturar seus produtos. Raramente, um único processo é suficiente para a produção de um produto pronto para uso. Os processos de usinagem, por exemplo, possibilitam elevada precisão dimensional em formas relativamente complexas, porém as propriedades mecânicas mantêm-se

12

praticamente inalteradas2. Os processos de tratamento térmico, por outro lado, produzem grandes alterações nas propriedades mecânicas, porém conservam3 a forma e as dimensões do estado bruto. Além da questão técnica, os processos implicam em tempos de fabricação e custos o que, de um modo geral, não são baixos. Dessa forma, uma vez que a questão técnica esteja resolvida, deve-se decidir pelo menor custo (ou tempo) por peça. Em diversos sistemas de manufatura esta decisão é extremamente difícil.

O grande problema em determinar o custo de cada processo é que isto tem de ser feito a priori. Isto é, para cada processo concorrente, tem que se avaliar, entre outros, sua exeqüibilidade técnica, o tempo de processamento (produtivo e improdutivo), o preço de todos os insumos, a quantidade de cada insumo e o valor da mão-de-obra.

2 Os processos de usinagem produzem, em alguns casos, transformações metalúrgicas e tensões residuais. Entretanto, essas devem ser entendidas como efeitos secundários que podem ser controlados e, em alguns casos tornarem-se úteis. 3 É muito comum se observar deformações após a aplicação dos processos de tratamento térmico. Elas são efeitos secundários e, na medida do possível, devem ser corrigidas.

13

Figura 4.2 – Classificação dos processos de fabricação

Processos mecânicos Processos metalúrgicos

Fabricação de componentes para fins mecânicos

σσσσ menor que a tensão de ruptura do material

σσσσ maior que a tensão de ruptura tensão mecânica

T menor que a temperatura de fusão do material

T maior que a temperatura de fusão do material

tensão mecânica (σσσσ) Temperatura (T)

• FORJAMENTO • LAMINAÇÃO • EXTRUSÃO • EMBUTIMENTO • REPUXO

• APLAINAMENTO • BROCHAMENTO • FRESAMENTO • FURAÇÃO • TORNEAMENTO • RETIFICAÇÃO

• METALURGIA DO PÓ

• SOLDAGEM POR RESISTÊNCIA

• BRASAGEM

• FUNDIÇÃO • SOLDAGEM POR

ARCO ELÉTRICO • OXICORTE • CORTE POR LASER

14

4.2.1 – PROCESSOS DE USINAGEM

Usinagem é o temo usado para designar um grupo de processos de fabricação empregados na remoção de material, na forma de cavacos, da peça a ser fabricada. A usinagem é empregada para transformar o material de um estado bruto (fundidos, forjados ou materiais pré-usinados) para um estado intermediário ou estado acabado (pronto para uso), dentro das especificações de projeto. Quase todo equipamento projetado para fins mecânicos possui, no mínimo, um componente usinado. Na maioria das vezes, tais componentes requerem alta precisão dimensional. Consequentemente, esse conjunto de processos é um dos mais importantes, senão o mais, entre os processos de manufatura devido ao valor agregado ao produto final. Tradicionalmente, a usinagem tem sido empregada no processamento de metais. Atualmente, entretanto, seu campo de aplicação vem se estendendo às cerâmicas, plásticos e madeiras. A usinagem pode ser realizada em vários tipos de máquinas-ferramenta. Tais máquinas podem ser operadas manualmente (convencionais), por automação rígida (cames ou comandos hidráulicos) ou por automação flexível (CNC). O comando numérico computadorizado (CNC) já se consolidou numa tecnologia confiável e de baixo custo. Em algumas indústrias a automotiva, por exemplo tal tecnologia pode ser encontrada em quase todas as máquinas-ferramenta. Nesses casos, a presença do operador humano é dispensável. De uma maneira geral, os processos de usinagem podem ser classificados em tradicionais (a formação de cavaco acontece pela aplicação de tensões mecânicas e deformação plástica do material da peça) e não-tradicionais o cavaco é obtido por outros meios de energia tais como a elétrica (eletroerosão) térmica (laser) jato d’água (cinética). Os processos tradicionais podem, ainda, ser agrupados em usinagem com ferramentas de geometria definida ou geometria não definida (ou usinagem por abrasão). Essa classificação pode ser vista na figura 4.3. Os processos não-tradicionais são empregados onde as exigências do produto final cavidades com geometria complexa, dimensões reduzidas, baixo nível de tensão residual impedem ou inviabilizam, do ponto de vista econômico, a aplicação dos processos tradicionais. Em qualquer situação, entretanto, a taxa de remoção é pequena, quando comparada àquela obtida convencionalmente. Os processos convencionais, ver figura 4.3, possibilitam alta taxa de remoção e, em situações especiais, permitem a obtenção de altíssima qualidade dimensional e geométrica. De um modo geral na usinagem com geometria não definida obtém-se menores taxas de remoção e maior precisão dimensional e geométrica. Por outro lado, na usinagem com geometria definida pode-se alcançar taxas de remoção tão elevadas quanto 4500 kg/h. Não obstante, tolerâncias dimensionais e geométricas, como também baixa rugosidade podem ser alcançados em operações especiais de acabamento. No torneamento, por exemplo, a rugosidade (Ra) da superfície usinada pode variar desde 10 µm num desbaste grosseiro até 0,01 µm (torneamento de ultra-precisão).

15

Apesar da usinagem ser um processo empregado desde a idade da pedra, do ponto de vista industrial deve-se destacar em sua história o surgimento das primeiras máquinas-ferramenta, como por exemplo a mandriladora desenvolvida por John Wilkinson em 1775 na Inglaterra. Essa máquina foi empregada na fabricação dos primeiros cilindros para máquinas a vapor. Em 1952 destaca-se o aparecimento da primeira máquina controlada numericamente, concomitante ao surgimento do primeiro computador. Paralelamente, houve uma evolução importante nos materiais empregados como ferramentas de corte, desde da primeira patente do aço rápido (por Taylor) em 1903 até o lançamento comercial em 1972 das ferramentas de diamante e nitreto de boro cúbico.

PROCESSOS DE USINAGEM

CONVENCIONAIS NÃO-CONVENCIONAIS

ELETROEROSÃO LASER JATO D’AGUA FOTOQUÍMICA ULTRA-SOM ELETROQUIMICA

GEOMETRIA DEFINIDA

GEOMETRIA NÃO DEFINIDA

ALARGAMENTO APLAINAMENTO BROCHAMENTO FURAÇÃO TORNEAMENTO FRESAMENTO MANDRILAMENTO SERRAMENTO

RETIFICAÇÃO BRUNIMENTO LAPIDAÇÃO

Figura 4.3 – Classificação dos processos de usinagem

16

4.3 – PLANEJAMENTO DE PROCESSOS DE USINAGEM Dentre os diversos processos de manufatura (ver figura 4.2), a fabricação por usinagem destaca-se por elevada complexidade e riqueza de detalhes. O planejamento de tais processos vem desafiando a comunidade científica e técnica há várias décadas. Nas empresas que os utiliza observa-se a presença de equipes com vasta experiência. No decorrer deste tópico será demostrado, a partir de dois exemplos, como a elaboração de um plano para usinagem requer um conhecimento muito profundo do planejador e, mais importante, como as ações devem ser descritas detalhadamente, impedindo que o agente executor as interprete de forma equivocada.

O Planejamento de processos de usinagem pode ser resumido da seguinte forma: (Steudel, 1984; Alting e Zhang, 1989; van Houten, 1991):

� Interpretação do desenho do produto;

� Seleção dos processos de usinagem;

� Seleção das máquinas;

� Seleção das ferramentas;

� Determinação dos dispositivos de fixação e superfícies de referência;

� Seqüenciamento das operações;

� Determinação das condições de corte;

� Cálculo dos tempos de usinagem.

A complexidade de cada uma das etapas listadas acima torna impossível a geração do plano ideal na primeira tentativa. O refinamento do plano é uma obrigatoriedade para que se possa executá-lo com sucesso. Entretanto, o ato de planejar está desvinculado, na maioria dos casos, do ato de executar. Apresenta-se a seguir dois exemplos de planos para usinagem de componentes mecânicos. O objetivo deste exemplo não é discutir a fabricação dos componentes, mas sim mostrar o grau de complexidade deste tipo de planejamento. Os componentes ilustrados, uma caixa para redutores (figuras 4.4 e 4.5) e um eixo (figuras 4.6, 4.7 e 4.8) foram adaptados como exemplos didáticos e não correspondem às peças reais. Das etapas típicas de um planejamento, apenas a última “cálculo dos tempos” não foi contemplada nos exemplos. Deve-se observar que as ações listadas em cada operação são muito sintetizadas. Isto decorre da suposição de uma grande experiência do agente executor. Seria impossível admitir que um agente sem nenhuma experiência venha a executar os planos propostos. Esta suposição de experiência prévia, baseada no contexto no qual o planejador e o agente executor estão inseridos, é a chave para o sucesso do plano. Será discutido mais adiante (capítulo 5) que se tratando-se de um sistema automático para planejamento, este tipo de descrição é totalmente inadequado.

17

4.3.1 – USINAGEM DE UMA CAIXA PARA REDUTORES MATERIAL: Ferro fundido cinzento LOTE: 06 pçs

Figura 4.4 – vista em perspectiva da caixa para redutores

Figura 4.5 – vistas ortográficas da caixa para redutores

18

Tabela 4.1 - planejamento para usinagem da caixa do redutor DESCRIÇÃO DA OPERAÇÃO INSUMOS DESENHO ESQUEMÁTICO

#op 01 • Referenciar em “E” e “D” • fixar por “A” e “C” • fresar “B” • Furar φ 10,2 • Escarear φ 14 x 90º • Roscar M12 x 1,75

• Maq.: centro de usinagem vertical • Fresa de facear em metal duro; • Broca φ 10,2 mm • Escareador φ 14 x 90º • Macho M12 x 1,75 • Refrigeração: emulsão Fixação: blocos e grampos

#op 02

• Referenciar em “B” e “A” • fixar por “A” e “C” • fresar “D” • fresar rebaixo 45º • fresar ranhura (alivío) • fresar “E”

• Maq.: centro de usinagem vertical • Fresa de facear em metal duro; • Fresa de topo em metal duro; • Fresa topo p/ ranhuras; • Refrigeração: elmulsão Fixação: blocos e grampos

19

#op 03

• Referenciar em “D” e “E” • fixar por “A” e “C” • mandrilar furos em desbaste; • escarear furos; • mandrilar furos em acabamento.

• Maq.: centro de usinagem horizontal (ou mandriladora)

• Barra de mandrilar p/ desbaste; • Barra de mandrilar p/

acabamento; • Fresa de topo em metal duro; • Fresa topo p/ ranhuras; • Refrigeração: elmulsão Fixação: blocos e grampos

20

EIXO Material: Latão (70-30)

Tamanho do lote: 1800 pcs

Figura 4.6 – vista em perspectiva do eixo MATERIAL: LATÃO 70-30 LOTE: 180 pçs

Figura 4.7 – vistas em ortográficas do eixo

21

Figura 4.8 – esquema para fixação do eixo

22

Tabela 4.2 – Planejamento para a usinagem do eixo DESCRIÇÃO DA OPERAÇÃO INSUMOS DESENHO ESQUEMÁTICO #op 01 • Alimentar barra • Facear “A” • Furar “F1” • Escarear “F1” • Roscar “F1”

• Maq.: torno CNC com alimentador de barras e ferr’s acionadas

• ISO SCLCR 2020K12; • Broca φ 8,7 mm • Escareador φ 12 x 120º • Macho M10 x 1,5 • Refrigeração: elmulsão Fixação: pinça

#op 02 • Alimentar barra • Fixar com contra ponta • Desbastar “D-E” • Quebrar canto “A-B” • Tornear “B-D-E” • Quebrar canto “E-G” • Sangrar canais “C1 & C2” • Fresar “F”

• Maq.: torno CNC com alimentador de barras e ferr’s acionadas

• ISO SCLCR 2020K12; • ISO SDJCR 2020K12 • Broca φ 8,7 mm • Escareador φ 12 x 90º • Macho M10 x 1,5 • Refrigeração: elmulsão Fixação: pinça

23

5 – PLANEJAMENTO DE PROCESSOS AUXILIADO POR COMPUTADOR

O desenvolvimento de programas computacionais para planejamento de processos é justificado para sistemas de manufatura que operam sob encomenda ou em pequenos lotes. Nestas circunstâncias, a definição dos planos de produção, inspeção e o orçamento para fins de concorrência são dependentes de um plano de processos bem detalhado e preciso.

Em outros ambientes, entretanto, a importância do planejamento com auxilio de computadores não reside mais na urgência, mas sim na otimização dos processos e conseqüente redução de custo e melhoria da qualidade dos produtos.

Por outro lado, sistemas para planejamento dependem de sistemas de manufatura integrados por computador. Neste caso, informações transmitidas via papel, ou verbalmente são difíceis de serem processadas e transmitidas. Isto implica em criar uma “ilha de automação” no meio de um “mar de papel”.

O uso de computadores no planejamento de processos tem sido advogado como o elo necessário à integração das atividades de projeto e manufatura (Elmaraghy, 1993; Eversheim e Schneewind, 1993; Alting e Zhang, 1989; Ham e Lu 1988).

O tempo necessário para realizar um plano completo é muito grande e requer um profissional com larga experiência. Essa experiência, entretanto, não pode ser transmitida a um profissional mais jovem num curto intervalo de tempo. Quando esse especialista se aposenta, ele leva consigo todo esse conhecimento.

Esse cenário é um argumento fortíssimo em favor do emprego de computadores no planejamento de processos. Estudos nesse sentido datam desde Niebel, num trabalho publicado em 1965, (citado por Alting e Zhang , 1989).

A sigla CAPP (Computer-Aided Process Planning) está ligada a um grande número de sistemas computacionais que foram desenvolvidos com o intuito de auxiliar o processista no planejamento de processos.

Uma primeira geração desses sistemas é conhecida como variante. Nesse tipo de CAPP as peças são agrupadas em famílias, sendo associada a essa família um código. Esse código servirá para armazenar um plano padrão que seja comum a esse grupo. Para gerar um plano para uma nova peça, primeiramente, deve-se codificá-la para depois encontrar sua família. Uma vez que essa família esteja identificada, um plano padrão é recuperado e refinado para atender às exigências da nova peça. A maioria dos sistemas baseados nessa abordagem usa o conceito de Tecnologia de Grupo (TG) para realizar a codificação das peças (Ham e Lu, 1988).

Uma segunda geração de CAPP’s vem sendo desenvolvida com a finalidade de obtenção automática de planos. Técnicas de Inteligência Artificial têm sido empregadas para modelar a heurística das atividades de

manufatura. Sistemas, tais como: GARI (Descotte e Latombe, 1985); TOM (Matsushima et al, 1982); XPLANE (Van’t Erve e Kals, 1986) são exemplos desse tipo de abordagem.

5.1 – SISTEMAS ESPECIALISTAS E TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL

O desenvolvimento de Sistemas Especialistas surgiu a partir de uma mudança conceitual por parte de alguns pesquisadores em Inteligência Artificial (IA). Em síntese, isto implicou em aceitar que a potência de um programa reside no conhecimento especializado e não somente no formalismo e esquemas de inferência nele contidos. Anteriormente, a estratégia era construir programas de aplicação geral (general problem solver - Newell e Simon, 1972). Entretanto, quanto maior a generalidade de um programa (tipos de problemas a serem tratados) menor sua eficiência ao enfrentar problemas específicos. Essa nova mentalidade resultou na elaboração de técnicas para a representação do processo cognitivo (Waterman, 1986).

Um Sistema Especialista é uma tentativa de simular o comportamento humano na resolução de uma tarefa bem especifica e limitada, e não sendo, em hipótese alguma, um modelo de inteligência.

24

Do ponto de vista prático, o que interessa saber é quais são as melhores representações possíveis de serem implementadas na construção de um Sistema Especialista.

Stefik et al. 1982 apresentam vários exemplos de dificuldades encontradas na resolução de problemas. Em cada situação, um tipo de raciocínio parece mais adequado. Dentre os diversos casos (11 ao todo) tratados por eles, vale a pena destacar os seguintes:

i) dados não confiáveis.

Em alguns casos um especialista toma decisões sob pressão. Nem todos os dados estarão disponíveis, alguns deles podem ser suspeitos. Essas dificuldades são encontradas em tarefas como diagnóstico e planejamento. Diante desse tipo de problema o raciocínio do especialista pode ser caracterizado como raciocínio com incerteza.

No Sistema Especialista MYCIN (Davis et al, 1977), usado na seleção de antibióticos, empregou-se números chamados fatores de certeza para indicar a força de uma regra.

Uma outra maneira de enfrentar esse problema é o uso da lógica nebulosa (fuzzy logic) (ver Zadeh 1988). Uma sentença como “X é um número grande” é interpretada como tendo uma denotação imprecisa caracterizada por um conjunto nebuloso:

(X ∈ [0, 10]; 0,1);

(X ∈ [10, 1000]; 0,2);

(X > 1000; 0,7).

A interpretação da proposição “X é grande” é: “X pode estar entre 0 e 10” com possibilidade 0,1 ou entre 10 e 1000, com possibilidade 0,2 e assim por diante.

ii) necessidade de suposições.

Diante de informações incompletas, o especialista pode se sentir incapaz de tomar a decisão certa. Nesse caso, ele faz suposições (chutes) para continuar o processo de raciocínio ou em alguns casos para dar por encerrada a tarefa. Esse tipo de comportamento é conhecido como raciocínio plausível. A dificuldade com esse tipo de raciocínio está na identificação de suposições erradas e na correção das mesmas.

Chouraqui et al (1985) também descrevem alguns tipos de raciocínios encontrados na resolução de problemas. Alguns são semelhantes aos descritos por Stefik et al. (1982). Entre esses, pode-se citar: raciocínio qualitativo, raciocínio por analogia e o raciocínio baseado em restrições. Eles serão apresentados com maiores detalhes por estarem diretamente relacionados com o escopo desta disciplina.

Na resolução de problemas complexos, raramente se observa o emprego de uma única linha de raciocínio. A combinação de mais de uma abordagem resulta no aumento da eficiência do sistema. Neste texto, admite-se a hipótese de que mais de um tipo de raciocínio é necessário para resolver problemas de planejamento.

5.1.1 - Raciocínio Baseado em Restrições

Na resolução de problemas, o termo restrições pode ser entendido como limitações (Stefik, 1981). As restrições emanam de diferentes fontes. Os recursos disponíveis são a principal fonte de restrições em problemas de planejamento de processos. Outras restrições são inerentes ao processo. Outras são impostas pelas características do produto a ser produzido. Fatores econômicos compõem outra fonte. O conhecimento e manipulação dessas restrições é uma tática (raciocínio) empregada pelo especialista na tomada de decisão.

Restrições também podem ser vistas como um meio de comunicação para expressar interações entre subproblemas (Stefik, 1981). Restrições representam relações entre as variáveis de um plano. Por exemplo: o conhecimento da rotação máxima da máquina escolhida, juntamente com o diâmetro a ser torneado, definem o valor máximo da velocidade de corte numa operação de torneamento.

25

A maneira como as pessoas representam e manipulam as restrições ainda não foi completamente entendida. Na solução de problemas complexos, nem todas as restrições são tratadas ao mesmo tempo. Ao tomar decisões, os especialistas elegem algumas restrições que são importantes e escolhem uma alternativa que as satisfaça. O tratamento de todas as restrições impostas por um problema parece ser uma tarefa humanamente impossível. Winograd e Flores (1988) argumentam que esse ato de eleger faz parte do “jeito de ser” de quem toma decisões. A escolha de uma alternativa, baseada na análise das limitações (restrições), é um procedimento que não ocorre quando pessoas tomam decisões. Os hábitos e experiência podem ser, segundo eles, muito mais importantes do que a avaliação das restrições.

Essa argumentação de Winograd e Flores (1988) é contundente. A observação de que diferentes processistas elaboram planos diferentes sob condições idênticas (Chang e Wysk, 1985) é uma comprovação disso. O caráter subjetivo, que envolve a tomada de decisões, é um fato correntemente negligenciado na maioria dos sistemas para planejamento de processos.

A interligação das relações entre as variáveis de um problema, através de uma rede de restrições, tem permitido o tratamento de temas complexos, tais como: análise de circuitos elétricos (Sussman e Steele, 1980), projetos mecânicos (Kimura e Suzuki, 1986) e engenharia simultânea (Young et al., 1992 ; Fohn et al, 1994). A grande vantagem de uma rede de restrições é a idéia de planejamento oportunista: tratar uma parte do plano de acordo com as informações disponíveis no momento (Stefik, 1981 ; Hayes-Roth e Hayes-Roth, 1979). Essa técnica funciona como redutor da complexidade do problema, propiciando uma análise objetiva e mais abrangente.

De um modo geral, uma restrição pode ser definida como uma relação entre variáveis. Essas relações podem ser expressões aritméticas do tipo: (a + b = 5). Se os valores das variáveis satisfizerem a relação especificada, então a restrição será considerada satisfeita, caso contrário a restrição será violada. Uma rede de restrições é uma estrutura declarativa que contém uma quantidade de nós conectados por restrições. Um nó representa uma variável, a qual tem um valor particular, conhecido ou desconhecido. Numa rede, uma restrição está conectada a mais de um nó (Davis, 1987).

Um problema modelado por uma rede de restrições será considerado resolvido se todas suas restrições forem satisfeitas. Dessa forma, o objetivo do planejador será atribuir valores às variáveis para satisfazer todas as restrições. Na literatura isso é denominado “constraint satisfaction problems” (CSPs). Programação linear é um método de satisfação de restrições que atribui valores numéricos às variáveis para satisfazer um conjunto de inequações. Além da satisfação das restrições, outras operações podem ser executadas numa rede (Stefik, 1981):

� formulação de restrições: é o processo de formar relações entre variáveis.

� propagação de restrições: é a propagação dos valores conhecidos pela rede de tal forma a restringir (ou determinar) as outras variáveis.

Uma rede de restrições é também uma forma de representação talvez redundante das diferentes visões que se pode ter de um sistema. A restrição (a + b = 5) estará representada na rede nas formas: (a = 5 - b) e (b = 5 - a). Dessa maneira, um sistema bem simples, modelado por essa rede, pode ser resolvido em duas direções diferentes: conhecendo-se o valor de a, calcula-se b; ou conhecendo-se b calcula-se a.

O raciocínio modelado por uma rede de restrições, puramente quantitativa, não é condição suficiente para garantir a solução de problemas complexos. Um dos motivos é a ausência de modelos matemáticos suficientemente robustos para representação das restrições inerentes ao processo. Outro motivo é o grande número de restrições que precisam ser incorporadas à rede. Como não existe um algoritmo de uso geral que possa ser usado para eleger as restrições mais importantes como, supostamente, é feito pelo especialista humano, podem ocorrer casos onde a solução de uma rede se torne computacionalmente difícil (tempo não polinomial) ou ocorra algum “loop” infinito.

Davis (1987) analisou vários exemplos de propagação de restrições, mostrando que em alguns casos o problema se torna insolúvel.

26

5.1.2 Raciocínio Qualitativo Causal

A modelagem do raciocínio qualitativo vem sendo considerada como elemento fundamental para representar o bom senso, geralmente observado na explicação de fenômenos físicos (De Kleer e Brown, 1984; Forbus, 1984; Kuipers, 1984 ; Iwasaki e Simon, 1993).

A abordagem qualitativa tem algumas vantagens em relação à abordagem quantitativa tradicional (Bratko, 1988):

� de um modo geral, é mais fácil formular um modelo qualitativo do que um quantitativo, pois a linguagem dos especialistas é, por natureza, qualitativa (ex: na psicologia ou na diagnose de processos industriais);

� a simulação qualitativa facilita o processo de formular explicações a serem dadas a um usuário;

�nem todos os valores numéricos dos parâmetros do modelo precisam estar definidos. Isso é bem diferente da simulação quantitativa, onde todos os parâmetros têm de ser conhecidos antes que a simulação possa ser iniciada.

A precisão dos resultados obtidos através de uma simulação qualitativa é bem inferior àquela obtida na simulação numérica. O objetivo da modelagem qualitativa é reduzir a precisão quantitativa em favor de um melhor tratamento da complexidade a ser modelada (De Kleer e Brown 1984).

O raciocínio qualitativo sobre domínios contínuos requer a quantificação desse domínio por meio de um conjunto discreto de símbolos. Os valores escolhidos refletem fronteiras onde ocorrem transições importantes. No sistema massa-mola, por exemplo, os valores qualitativos da força exercida pela mola podem ser: positivo (exercendo força para a direita); zero (mola em repouso) ou negativo (exercendo força para a esquerda). A representação de um espaço contínuo é chamada espaço quantidade. O espaço quantidade {+, 0, -} é suficiente para tratar de muitos dispositivos físicos (Bobrow, 1984). Uma definição mais formal e completa do termo espaço quantidade pode ser encontrada em Forbus (1984).

A teoria do raciocínio qualitativo causal está baseada na idéia de que equações numéricas não propiciam a interpretação de causalidade. Na equação V = R.I, por exemplo, não pode ser inferido que V e I não causam R. Entretanto, não existe nesta equação uma maneira de identificar essa não causalidade (Iwasaki e Simon, 1993).

O que foi constatado por Iwasaki e Simon, 1993 é que os modelos quantitativos expressam apenas a relação funcional entre as variáveis, fornecendo nenhuma condição para a análise de causa-e-efeito entre elas. Esses pesquisadores, num trabalho intitulado “Causality in device behavior” Iwasaki e Simon (1986), tentaram construir modelos qualitativos a partir da análise de equações numéricas. Entretanto, como observado por Shoham (1989), a grande dificuldade em realizar tal tarefa encontra-se na separação prévia entre variáveis independentes e dependentes (ou endógenas e exógenas, na terminologia usada por Iwasaki e Simon , 1986).

Segundo Shoham (1989), as pessoas possuem conhecimento suficiente para fazer a distinção entre variável dependente e independente e transformar uma relação funcional numa relação de causa-e-efeito. De um modo geral, dada uma equação com n variáveis , pode-se separar m variáveis dependentes (1 ≤ m ≤ n) e construir regras causais. O lado esquerdo de uma regra será composto do primeiro m e o lado direito das (n -m) variáveis restantes. Na equação V = R.I tem-se n = 3 e m = 2 (as variáveis dependentes são V e I).

As regras causais que são construídas dependem de uma teoria específica. Por exemplo, Forbus (1984) propõe duas regras: uma descreve a influencia de R sobre V. A outra descreve a influencia de R sobre I. Embora a influência de I sobre V possa ser calculada pela fórmula original, não existe, entretanto, um regra causal que a descreva.

Segundo Iwasaki e Simon (1986), as relações causais são unidirecionais, ou seja, se “X causa Y” for verdadeiro implica que “Y causa X” é falso. Essa unidirecionalidade compreende o conceito de temporalidade que é admitido na análise qualitativa de fenômenos físicos: causas, necessariamente, precedem os efeitos. Existe, entretanto, controvérsias a respeito disso. Ver, por exemplo, Shoham (1990).

A modelagem do raciocínio qualitativo causal tem se tornado vital para a construção de Sistemas Especialistas. Em áreas onde existe carência de uma modelagem exata, previsões e

27

explicações só podem ser obtidas satisfatoriamente como o emprego de modelos qualitativos (De Kleer e Brown, 1984 e Shoham, 1990)

Na escolha das condições de usinagem, o especialista humano emprega esse tipo de raciocínio para fazer previsões sobre o comportamento do processo a partir dos valores escolhidos. A presença de uma referência (ou zero) é extremamente necessária para que se possa fazer previsões. A análise qualitativa está baseada na observação das alterações (aumentando ou diminuindo) sofridas pelas variáveis independentes. Se o especialista conhece a relação de causa-e-efeito entre uma variável independente e outra dependente, então ele pode prever, qualitativamente, a alteração que essa variável irá sofrer.

Equações do tipo:

8

2

maxr

fR

ε

=

podem ser representadas por duas relações qualitativas causais, na seguinte forma:

R1: o aumento do avanço(f) causa um aumento da rugosidade(Rmax);

R2: o aumento do raio de ponta rεεεε causa uma redução da rugosidade(Rmax).

Jang e Seireg (1992) apresentaram um grande número de restrições na forma de equações e inequações quantitativas incluindo, entre outras, restrições sobre o desgaste, sobre o tipo de cavaco a ser formado e sobre a rugosidade. Essas restrições podem ser representadas na forma qualitativa discutida.

As regras qualitativas podem ser organizadas para se formar uma rede. Como cada regra pode ser entendida como uma restrição, então pode se falar numa rede de restrições qualitativas. Sobre uma rede de restrições, assim imaginada, pode se efetuar as mesmas operações discutidas no tópico 5.1.1:

� satisfação de restrições;

� formulação de restrições; e

� propagação de restrições.

O que é importante ser observado é que os parâmetros de um modelo quantitativo não são levados em conta na modelagem qualitativa sendo que uma rede de restrições pode ser resolvida sem o conhecimento desses. A formalização dessa proposição encontra-se no capítulo 6 desta apostila.

5.1.3 - Raciocínio por Analogia

Quando uma pessoa toma uma decisão, baseando-se numa situação vivida no passado, ela está raciocinando por analogia. O raciocínio por analogia é proeminente na vida cotidiana. Apesar dessa importância, o raciocínio analógico ainda não é inteiramente compreendido. Questões fundamentais permanecem sem respostas, ou têm sido respondidas de uma maneira conflitante (Sternberg, 1977).

Existe na literatura corrente um certo desacordo quanto ao termos analogia e similaridade. Gentner (1983) apresentou uma taxinomia muito sofisticada, denominada comparação de domínios. Seus estudos foram baseados na suposição de uma estrutura sintática para representação das informações a serem comparadas. Um domínio de discurso contexto sobre o qual será feito comparações pode ser representado através de objetos, atributos dos objetos e relações entre objetos. Uma distinção entre atributos dos objetos e relações é feita através de uma estrutura de predicados. Atributos são predicados contendo um argumento. Relações são predicados contendo dois ou mais argumentos. Por exemplo: MENOR (x) é um atributo, enquanto que DISTÂNCIA (x, y) é uma relação.

28

As comparações que são feitas nessa estrutura sintática podem ser classificadas como:

i) analogia: os predicados relacionais, mas poucos ou nenhum atributo de objetos, são mapeados da fonte para o alvo;.

ii) similaridade literal: é uma comparação baseada na relação entre o número de predicados mapeados da base para o alvo e o número de predicados não mapeados. Os predicados mapeados são tanto de atributos como de relações.

Posteriormente, Gentner, juntamente com Forbus e Law (ver Forbus et al.; 1994) alargaram essa taxinomia com a inclusão do conceito de similaridade de superfície. Isso ocorre quando a comparação é feita, quase que exclusivamente, através das descrições dos objetos sem o envolvimento das relações entre eles.

Outros autores, por exemplo: Sternberg (1977); Kolodner e Simpson (1989); Bichindaritz e Séroussi (1992); Sun (1995) não fazem uma distinção tão rigorosa desses conceitos (analogia e similaridade).

Kolodner e Simpson (1989); Bichindaritz e Séroussi (1992) fazem uma distinção entre raciocínio por analogia e raciocínio baseado em casos. Segundo eles, esses conceitos fazem parte de um contexto mais amplo: raciocínio referencial. A analogia acontece onde o domínio de discurso fonte e o domínio de discurso alvo são diferentes (inter-domínios). O raciocínio a partir de casos é um raciocínio referencial onde os domínios fonte e alvo são idênticos (intra-domínios).

Raciocínio baseado em casos é um método de raciocínio que está baseado no armazenamento e na recuperação de casos passados para resolver um problema (caso) atual.

Um dos grandes desafios atuais encontra-se na criação de um modelo computacional do processo de memorização e recuperação de informações executados por humanos.

Em alguns modelos a memorização é feita através de representações estruturadas baseadas na sintaxe da informação (Gentner,1983; Forbus et al. 1994). Uma outra abordagem é um conjunto de features empregado na representação de um caso. Features podem ser representada por variáveis contínuas ou discretas.

A recuperação de casos pode ser feita através da medida da similaridade entre o caso novo e os casos memorizados. Tversky (1977) desenvolveu uma metodologia para quantificação da similaridade.

Tradicionalmente, a análise teórica da similaridade tem sido dominada por modelos geométricos. Através desses modelos, representa-se objetos por um conjunto de n variáveis. Se os valores dessas variáveis forem conhecidos, pode-se representar um objeto por um ponto num espaço euclidiano Rn, por exemplo. As dissimilaridades observadas entre objetos correspondem às distâncias métricas entre pontos.

O raciocínio baseado em casos vem sendo proposto como uma nova maneira de tratar problemas de planejamento. Sua apologia está baseada, principalmente, na seguinte argumentação (Kolodner e Simpson, 1989):

i) planejar é relembrar;

ii) planejamento não é uma tarefa executada passo a passo, ao invés disso, um antigo plano é recuperado da memória e modificado para satisfazer as metas estabelecidas;

iii) é uma melhor alternativa para tarefas outrora modeladas por longas cadeias de inferência. A recuperação de planos pode encurtar esse processo.

Existem dois problemas cruciais enfrentados com essa abordagem (raciocínio baseado em casos). O primeiro deles está na dificuldade em recuperar um único caso a partir de uma extensa base de casos memorizados. O outro problema está na adaptação do caso recuperado. Por exemplo, em ambientes dinâmicos como a manufatura, planos antigos podem não ser factíveis no momento em que forem recuperados.

29

5.1.4- Arquitetura de um Sistema Especialista

A representação do conhecimento, no nível computacional simbólico, está baseada em dois preceitos:

memória de longa duração: é a informação na forma de fatos, restrições, regras práticas, casos já resolvidos, dados coletados “em processo”, etc.

memória de curta duração: é o conhecimento sobre como acessar a memória de longa duração para resolver um dado problema. Em suma, são as linhas de raciocínio empregadas, o controle de interfaces (entrada e saída de dados) e a geração de explanações.

Na terminologia dos Sistemas Especialistas, memória de longa e curta duração são denominadas, respectivamente, base de conhecimento e máquina de inferência (Waterman, 1986).

Segundo Feigenbaum (1981), o que deve ser representado é conhecido, portanto, o trabalho do engenheiro de conhecimentos é resolver como representar.

A melhor maneira de representar o conhecimento numa base tem sido objeto de extensas pesquisas. Não existe uma técnica suficientemente robusta para ser aplicada a todos os domínios do conhecimento humano. Deve ser feita uma distinção clara quanto à procedência do conhecimento a ser representado na base. Alguns autores (Waterman, 1986; Reeves et al., 1988) classificam essa procedência em:

exata: objetos, seus atributos e as relações entre eles. As relações geralmente são modelos

analíticos de domínio público. No domínio da usinagem, por exemplo, a equação vd n

=ππππ . .1000 pode

ser considerada uma informação exata.

heurística: são regras práticas adquiridas através da experiência pessoal e que nem sempre conduzem a uma solução exata, mas sim aproximada, e, em alguns casos, a uma solução equivocada.

Várias técnicas de representação têm sido propostas. Um excelente resumo das técnicas mais importantes pode ser encontrado em Bobrow e Collins (1975) e Feigenbaum (1981).

Sistema de produção ou Regras de produção foram desenvolvidos por Newell e Simon (1972) sendo, atualmente, a técnica mais utilizada para representar heurísticas num sistema especialista.

O sistema de produção é uma espécie de vínculo estímulo-resposta; uma vez que o estímulo (condição) é declarado como verdadeiro, a resposta (ou produção) será executada.

Um sistema de produção é constituído de três partes (Feigenbaum, 1981):

i) uma base de regras composta de um conjunto de regras de produção. Uma regra é uma sentença encapsulada na forma “Se (condições) - Então (ações)” com operadores lógicos para manipular as condições.

ii) um contexto. Uma estrutura de dados (contexto) deve ser usada para dar suporte as condições. Cada condição deve ser validada nesse contexto para que as ações sejam executadas.

iii) um interpretador. A seqüência de disparo das regras deve ser decidida pelo interpretador. O qual, como um interpretador de qualquer sistema computacional, é um programa que decide a ordem de execução das tarefas.

Sistemas de produção têm sido usados nas mais diversas áreas de conhecimento. O sistema mais divulgado é o MYCIN (Davis et al., 1977).

A popularidade das regras de produção e sua rápida disseminação para outras áreas se deve, principalmente, ao caráter modular desse tipo de formalismo. Modularidade é uma qualidade óbvia dos sistemas de produção. Regras podem ser adicionadas, eliminadas e alteradas na base de conhecimentos. Elas funcionam como peças de conhecimento independentes. A alteração de uma regra pode ser realizada sem que haja interferência nas outras. As regras não se comunicam entre si. A execução das regras é feita por um interpretador (mecanismo de inferência).

Na construção de sistemas voltados a aplicações práticas, o tamanho da base de conhecimentos é um fator limitante da eficiência do processo de recuperação de dados. Stefik et al. (1982) sugerem o uso de um compilador para não sacrificar a flexibilidade em favor da eficiência.

30

Esse compilador, segundo eles, é qualquer processo de transformação de uma representação em outra que possa ser usada de uma maneira mais eficiente.

Na construção de Sistemas Especialistas, uma divisão rigorosa entre base de conhecimentos e máquina de inferência deve ser feita para propiciar uma melhor organização, manutenção e adaptação do conhecimento.

Uma base de conhecimentos não representa, sozinha, o conhecimento do especialista. Uma base de conhecimentos contexto mais base de regras no jargão dos sistemas de produção nada mais é do que uma estrutura de dados. A base de conhecimentos é como se fosse um livro, o qual, sem o leitor, não produz conhecimentos (Feigenbaum, 1981).

Regras de produção tem sido usadas em vários Sistemas Especialistas aplicados a problemas de manufatura, por exemplo:

COATS (Giusti, et al., 1986) utilizado para escolha de ferramentas para torneamento. Domazet (1990), também usou regras de produção para construir um sistema similar;

METEX (Singh e Raman, 1992) utilizado para escolha de condições de usinagem;

TOM (Matsushima et al. 1982) para gerar seqüências de usinagem;

GARI (Descotte e Latombe, 1985) para planejamento de processo de usinagem;

OPEX (Sluga et al., 1988) também para planejamento de processos

NEWCS (Reeves et al. 1988) sistema especialista para controle do processo de soldagem.

6 – PROTÓTIPO DE UM SISTEMA ESPECIALISTA PARA PLANEJAMENTO DE PROCESSOS

A construção de um sistema especialista para planejamento de processos (CAPP) encontra-se em desenvolvimento, desde 1997, no Laboratório de Usinagem do Departamento de Engenharia Mecânica da Universidade Federal do Paraná (DEMEC/UFPR).

O objetivo geral, e de longo prazo, deste projeto é o desenvolvimento de um CAPP generativo na forma de um Sistema Especialista para Planejamento Automático de Processos de Usinagem.

O protótipo em desenvolvimento pode ser caracterizado como um shell. Isto é: uma arquitetura aberta, contendo apenas a estrutura básica para recebimento, interpretação e processamento de informações. O conhecimento sobre cada processo deve ser modelado a partir de entrevistas com especialistas humanos.

Um protótipo desse sistema denominado SEPAP Sistema Especialista para Planejamento Automático de Processo vem sendo implementado em Lisp (Common Lisp – XLISP-PLUS) e Basic (MS VISUAL-BASIC).

Esse protótipo vem sendo implementado com um conjunto de módulos “quase-independentes”. Isto tem possibilitado o seu desenvolvimento de forma paralela, sem comprometimento do objetivo maior que é a construção de um sistema para planejamento automático de processos. A figura 6.1 contém uma representação dessa proposta modular.

Nesta representação (figura 6.1), observa-se que a máquina de inferência está integrada (seta em azul) com as bases de conhecimentos e interligada (setas em vermelho) com outras interfaces. Estas interfaces são: um sistema CAD contendo o modelo do produto, o PCP com os recursos disponíveis num dado chão-de-fábrica (PCP) e o processo de fabricação. A integração máquina de inferência e bases de conhecimentos acontece automaticamente durante a implementação de um dado processo para uma empresa específica.

Entretanto a integração da inferência com as demais interfaces não é automática. Estas interfaces são constituídas de pré-processadores e de bancos de dados. Nos bancos de dados são armazenadas as informações sobre o produto, recursos disponíveis dados de monitoramento do processo e arquivos digitais contendo o plano elaborado. Os pré-processadores são protocolos específicos que possibilitam a tradução das informações recuperadas através dessas interfaces para um formato compatível com o protocolo de inferência. Apresenta-se a seguir uma descrição detalhada da máquina de inferência e suas diferentes interfaces.

31

Figura 6.1 Representação esquemática do protótipo SEPAP MÁQUINA DE INFERÊNCIA

A máquina de inferência corresponde a um grupo de algoritmos baseados na hipótese de que qualquer processo de fabricação possa ser representado por um conjunto finito de variáveis. Essa representação funciona como pano de fundo para a divisão de processos em níveis hierárquicos e permite criar para cada nível definido um Módulo Especialista. Além dessa hipótese, empregou-se as seguintes técnicas de inteligência artificial na construção da máquina de inferência:

i) restrições como meio de comunicação entre as variáveis das diferentes etapas do planejamento de um processo, como também entre os recursos físicos disponíveis e o desempenho imposto ao processo. As restrições são modeladas através de relações quantitativas (equações e inequações) e relações qualitativas-causais (regras do tipo “IF-THEN”);

ii) planos já executados no passado como referência para a tomada de decisões;

iii) heurísticas para prover uma resposta quantitativa que possa ser transferida às máquinas.

Todas as restrições, planos executados e heurísticas são informados ao sistema por um especialista humano dentro de uma empresa bem específica. O sistema desenvolvido possui um conjunto de protocolos, baseados numa linguagem de chão-de-fábrica, que permite a aquisição do conhecimento do especialista sem exigir que o mesmo seja um conhecedor de sistemas computacionais.

Os algoritmos das máquina de inferência foram formulados a partir da seguinte hipótese: [H1]� um processo de fabricação pode ser representado por um conjunto de variáveis estruturais, comportamentais e funcionais. Seja: P = {x1, ..., xn} o conjunto finito de variáveis estruturais de um processo de fabricação com domínio A = {a1, ..., an }, onde ai define o conjunto de valores que cada variável (xi) pode assumir. Em outras palavras, P representa a estrutura de um certo processo. Associado a esse conjunto existe um outro que especifica seu comportamento. Seja: E = {y1, ..., ym} o conjunto finito das variáveis usadas para especificar o comportamento de um dado processo, cujo domínio é o conjunto dos números reais. A função de um processo também pode ser entendida como uma medida de seu desempenho sendo aqui representada pelo conjunto finito F = {z1, ..., zm} cujos valores são intervalos com domínios em ℜℜℜℜ.

32

Outra maneira de se entender esse modelo de representação é considerar que as variáveis estruturais estejam definidas antes do início do processo, ou seja durante sua preparação (setup). As comportamentais são avaliadas durante o processo. As funcionais (ou de desempenho) indicam se após sua aplicação o processo atingiu as metas estabelecidas (qualidade do produto, custo e tempo de processamento). A figura 6.2 contém uma ilustração desta abordagem. O critério temporal não é suficiente para distinguir função de comportamento. Entretanto, associado a ele deve-se pensar também no conceito de propósito4. De um ponto de vista global, um processo de fabricação deve ser tratado como um meio e não como sendo algo com fim em si mesmo. Um processo é um meio para transformar uma idéia (modelo virtual) em algo concreto (material). O desempenho dessa transformação pode ser entendido como sendo a real medida da função (ou propósito) de um processo. Esse desempenho pode ser traduzido e quantificado pelos seguintes fatores: i) segurança e conforto do trabalho, caso exista mão-de-obra direta; ii) impacto ambiental; iii) qualidade do produto (conformidade com o padrão); iv) tempo do fabricação; e v) custo. Dessa forma, além do critério temporal, deve-se associar o conceito de propósito para uma melhor distinção entre função e comportamento. Se uma dada grandeza pode ser mensurada durante o processo e, não necessariamente, após o termino do mesmo, a mesma será funcional se e somente se ela representar um propósito. Caso ela esteja associada a um “efeito colateral” então trata-se de uma grandeza comportamental. Para as variáveis estruturais pode-se associar, com um certo relaxamento, o critério de independência, no sentido matemático do termo. Entretanto, pode existir entre elas, por exemplo entre variáveis de um mesmo nível hierárquico uma dependência de acoplamento. Isto é típico de variáveis cujo domínio não seja ordinal discreto. Se para um dado processo H1 se mantém, então as restrições de recursos podem ser representadas a partir de uma lista (base de dados) contendo os recursos disponíveis no momento, ou seja, os valores das variáveis estruturais de acordo com as circunstâncias presentes.

Por conseguinte, as variáveis estruturais de um dado processo, dentro de um chão-de-fábrica específico, terão domínio definido por B(t) = {b(t)1, ..., b(t)n}, onde b(t)i define o conjunto de valores que cada variável (xi) pode assumir, num certo instante de tempo (t). xi pode ser do tipo ordinal ou lingüístico.

4 Vale a pena procurar e ler as referências mencionadas por Kuipers (1984) , especialmente: “Deriving and using descriptons of purpose” by D. W. Franke in IEEE Expert vol. 6 (1991) pp 41-47

ANÁLISE DO COMPORTAMENTO

AVALIAÇÃO DO DESEMPENHO

PROCESSO

Figura 6.2 – classificação das variáveis estruturais, operacionais e funcionais em função do tempo

DEFINIÇÃO DA ESTRUTURA

33

Se xi for ordinal, então seu domínio (ai) pode ser: discreto: um intervalo representado por (ai (res% disp_min% disp_max%)) lista de valores: representada por (ai (lst% )) Caso contrário, xi lingüístico, então ai pode ser: uma lista de valores qualitativos: (ai (val_disp$ )) onde: disp_min% e disp_max% são os valores quantitativos mínimo e máximo disponíveis em (t); res% é a resolução da escala de medição de ai; lst% é uma lista de valores quantitativos; val_disp$ é uma lista de valores qualitativos. BASES DE CONHECIMENTOS

Todas as variáveis de um dado processo, de acordo com o que postulado na hipótese H1,

serão cadastradas numa arquitetura armazenada em bases de dados relacionais BD_PROC_GER e BD_nome_processo.

Os conhecimentos sobre um determinado processo serão representados na forma de restrições (quantitativas qualitativas), recursos disponíveis e casos em bases específicas e locais. BD_PROC_GER – contém dados comuns a todos os processos disponíveis no SEPAP representando a arquitetura geral de qualquer processo armazenados em duas tabelas com as seguintes informações: • TB_PROC – contém um campo (CP_PROC) para armazenar os nomes dos processos. Não

permite duplicação de nomes; • TB_VARV – contém cinco campos: VAR_NOME (nome das variáveis); VAR_CLAS (classe da

variável); VAR_SIMB (simbolo da variável); VAR_TIPO (tipo da variável) e VAR_UNID (unidade dimensional da variável);

BD_nome_processo é uma base de dados cujo nome está associado com os processos modelados. Cada uma dessas bases terá, no mínimo, duas tabelas de acordo com a quantidade de níveis hierárquicos que cada processo possa ter representando a arquitetura específica do processo modelado, a qual é derivada (herdada) da arquitetura geral. A primeira tabela TB_VARV conterá todas a variáveis necessárias à representação do processo. Esta tabela terá os campos VAR_SIMB (simbolo da variável) e VAR_VALR (domínio da variável). A segunda tabela TB_NIVS terá apenas um campo “NIV_NOME” com a lista hierárquica5 de todos os níveis do dado processo. Caso um processo tenha k níveis então existirão k tabelas do tipo TB_nome_nivel contendo o campo VAR_SIMB (símbolo das variáveis estruturais necessárias a sua representação). Além da arquitetura específica, quando o SEPAP for implantado, por um especialista, num determinado chão-de-fábrica ele adquirirá uma arquitetura local. A arquitetura local {BD_proc_nome_local} é dependente dos recursos de uma dada empresa e dos conhecimentos de seus especialistas. Essa nova configuração é representada numa nova base a qual conterá k + 3 tabelas, de acordo com o número de níveis determinados na arquitetura específica. As k tabelas {TB_rec_nivel} formarão a base de recursos da empresa. Cada {TB_rec_nivel} terá (NV(P) + 1) campos, de acordo com a quantidade de variáveis estruturais presentes no nível modelado. Para cada registro (ou instanciação) ligado às variáveis estruturais de um nível, poder-se-á associar um rótulo ao mesmo. Esse rótulo implica numa instanciação particular (objeto) daquele nível. Os valores registrados devem seguir o tipo e formato de domínio definido em { BD_PROC_GER// TB_VARV// VAR_TIPO} As restrições qualitativas serão armazenadas na tabela TB_REL_QLTV Ela conterá as relações

qualitativas-causais entre as variáveis do processo: {P ⇒⇒⇒⇒ E}, {P ⇒⇒⇒⇒ F} e {E ⇒⇒⇒⇒ F}. Todas essas relações

estarão contidas numa tabela contendo três campos. O primeiro campo {VAR_CAUS} será herdado do campo {BD_nome_processo// TB_VARV } e conterá todas variáveis das classes estrutural e comportamental. O segundo {VAR_EFET} conterá as variáveis oriundas das classes comportamental e funcional registradas

em {BD_nome_processo// TB_VARV }. O último campo trará o tipo de relação entre as variáveis de

{VAR_CAUS} e { VAR_EFET}. Esta relação poderá ser expressa pela dicotomia {aumenta ⇒⇒⇒⇒ 1} ou

{diminui ⇒⇒⇒⇒ 0 }. Quando não existir relação de causa-e-efeito entre duas variáveis, então não haverá

registro. Dessa forma, o número máximo de registros em {TB_VAR} será de {PxE} + {PxF} + {ExF}.

5 Esta hierarquia é independente da implementação. A melhor maneira (ao invés de se criar campos indexados) é armazenar cada registro num formato {PAI; NÍVEL; FILHOS}.

34

Durante a implementação pode-se optar por criar apenas um campo contendo registros no formato de

uma string que represente as possíveis relações causais. Isto pode implicar numa tabela menor e sem

necessidade de indexação. Por outro lado irá demandar a construção de filtros, os quais são dependentes

da implementação.

A base relações quantitativas conterá todas as relações entre as variáveis de P, E e F e suas

possíveis soluções algébricas. Esta base será armazenada em apenas uma tabela {TB_REL_QNTV} de um

único campo {VAR_QNTE}. Os registros desse campo serão strings contendo equações ou inequações

formatadas de acordo com a implementação. Isto, necessariamente implica na construção de filtros

especiais para armazenamento e recuperação dessas informações.

A base de casos, deverá armazenar, também em {BD_proc_nome_local} registros sobre os planos executados. Esta base estará contida numa tabela {TB_CASO} a qual terá {P + E + F + k + 1} campos. Por conseguinte cada registro estará representando um caso ou o plano executado. Campos terão registros numéricos, porém formatados como strings. Os valores das variáveis do tipo lingüístico não serão armazenados. Um campo deve ser reservado para armazenar rótulos. Para os k níveis associados ao processo devem existir k campos nesta tabela para armazenar os rótulos associados aos mesmos. Os rótulos poderão funcionar como palavras-chave e para uma alternativa de recuperação de casos passados. Como mencionado anteriormente, apenas a arquitetura geral está contida no SEPAP, o que configura-o como um sistema especialista do tipo “shell”. As arquiteturas devem configuradas de acordo com o tipo de processo escolhido, os conhecimentos dos especialistas e os recursos existentes numa dada empresa. Atualmente, encontra-se em teste, a validação desta modelagem em processos de torneamento e, tendo como recursos as máquinas-ferramenta e insumos do Laboratório de Usinagem desta Universidade.

A base de casos constitui-se num arquivo de planos executados e que tiveram êxito. A intenção aqui é emular o processo análogo ao de armazenar e recuperar informações presente na memória humana. Este tipo de abordagem vem sendo denominado de “raciocínio baseado em casos” (Kolodner, 1989). Essa técnica foi derivada de estudos preliminares realizados em psicologia cognitiva (ver Tversyk, 1977 e Gentner, 1983). No problema em epígrafe, variáveis de um processo são interpretadas como sendo dimensões num espaço euclidiano (Rn). Portanto, um caso é representado por um ponto (ou vetor), e a similaridade de um caso contido na base para um novo é interpretado com sendo a distância entre pontos nesse espaço (da Costa, 1997). No presente estágio de implementação do SEPAP, esta interface ainda não foi finalizada. Pela proposta atual, a máquina de inferência “recorre” à base de casos em dois momentos distintos. No primeiro, a partir das informações obtidas diretamente do processo e via interface com a máquina-ferramenta, os planos executados com sucesso são armazenados na base. No segundo, a máquina de inferência recorre à base para planejar o processo para um caso novo. As figuras 6.3, 6.4 e 6.5 contêm, respectivamente, representações esquemáticas das arquiteturas, geral, específica e local do SEPAP.

35

TB_PROC

PRC_NOME

TB_VARV

VAR_NOME VAR_CLAS VAR_SIMB VAR_TIPO VAR_UNID

Figura 6.3 – Representação esquemática da arquitetura geral

ARQUITETURA GERAL BD_PROC_GER

36

Figura 6.4 – Representação esquemática da arquitetura específica de um processo

BD_nome_processo ARQUITETURA ESPECÍFICA

TB_VARV TB_NIVS ... TB_NIVE(i)

VAR_SIMB VAR_VALR

NIV_NOME

VAR_SIMB

37

BD_proc_nome_local ARQUITETURA LOCAL

TB_REC_NIVEL

TB_REL_QLTV TB_REL_QNTV

VAR_SIMB( ROTULO

VAR_CAUS

VAR_QNTE

Figura 6.4 – Representação esquemática da arquitetura local de um processo

VAR_EFET

VAR_SIMB...

TB_CASO

VAR_SIMB(

ROTULVAR_SIMB(P + E + F +

k) ...

38

INTERFACE COM O SISTEMA PCP O sistema para Planejamento e Controle da Produção (PCP) de uma dada empresa

contém informações sobre a disponibilidade dos recursos físicos (máquinas, ferramentas e instrumentos) num determinado instante.

Inicialmente, o SEPAP foi concebido para atuar em empresas específicas, para as quais havia uma disponibilidade de recursos conhecida no momento do planejamento. Entretanto, com o advento da Internet, vislumbra-se a possibilidade de ampliar este contexto de planejamento. Dessa forma, o SEPAP poderia gerar planos alternativos para serem executados em empresas diferentes, desde que os recursos das mesmas fossem conhecidos.

Inaugura-se assim uma nova abordagem em planejamento: o planejamento em ambiente WEB.

A interface inferência PCP consiste-se, basicamente, na construção de uma base de dados sobre empresas prestadoras de serviços de usinagem e a representação de suas máquinas-ferramenta em dois diferentes níveis de abstração.

O primeiro nível de abstração deve ser entendido com sendo a representação de uma máquina-ferramenta através de sua geometria e cinemática, de modo que a inferência possa manipular tal modelo (Abdallah, 2001). O segundo nível compreende uma representação desta mesma máquina-ferramenta através de semânticas utilizadas pelos usuários e também observada em catálogos de fabricantes (Nishimuni, 2001). A base de dados sobre as empresas já foi obtida (ver www.usidados.com.br ). Entretanto, a representação das máquinas continua em desenvolvimento. Atualmente isto está sendo feito de modo independente, por meio de um trabalho denominado “seleção de máquinas-ferramenta a partir de features de usinagem em ambiente web” que tem como objetivo principal propiciar a um usuário externo, com acesso à Internet, a seleção de máquinas-ferramenta em empresas prestadoras de serviços de usinagem instaladas no Estado do Paraná. A seleção dessas máquinas será via “features de usinagem” conceito adaptado da tecnologia “features de manufatura”. Este trabalho será de grande auxílio para o interfaceamento da máquina de inferência com os recursos disponíveis diferentes sistemas de manufatura, de acordo com o segundo nível de abstração descrito anteriormente.

INTERFACE COM SISTEMAS CAD Alguns sistemas CAD comerciais já podem ser caracterizados como sistemas abertos,

ou seja, trabalham com padrões internacionais de transferência de dados, p.ex.: “STEP - ISO 10303”. Isso irá facilitar o interfaceamento e aumentará a flexibilidade da implementação, pois o que importará será apenas o formato de entrada e saída dos dados.

O grande trunfo para essa integração reside no modelo computacional de planejamento proposto. Esse modelo, como já mencionado, está baseado na hipótese de que qualquer processo pode ser representado por um conjunto finito de variáveis. Portanto, nesta etapa, o desafio está na transposição da informação oriunda do CAD (basicamente geométrica) para a mesma semântica proposta no corrente modelo, ou seja, variáveis estruturais e funcioianais (ver Da Costa, 1997 para maiores detalhes). Brown et al. (1996) sugerem a representação de entidades geométricas através de uma gramática de formas. Através dessa gramática, pode-se construir um espaço de busca no qual uma operação de manufatura é identificada (mapeada). Além disso o conceito de features de manufatura, ou simplesmente, raciocínio geométrico baseado em features, vem se mostrando bastante promissor, inclusive com aplicações comerciais em sistemas CAD-CAM. A primeira proposta para interfaceamento da máquina de inferência com um sistema CAD ainda não contempla a tecnologia de raciocínio geométrico baseado em features. Ao contrário, as propostas formuladas até agora estão voltadas ao raciocínio geométrico sem a identificação de funções. A técnica do fatiamento (slicing) vem sendo testada com uma ferramenta para geração de seqüências e para a identificação da cinemática do processo (Abdallah, 2001). Esta abordagem será mantida para os próximos trabalhos. A grande vantagem desta técnica é a facilidade que ela propicia na geração de programas CN (Comando Numérico).

39

INTERFACE COM O PROCESSO

A implementação final desta interface é dependente de elevados investimentos em instrumentação (transdutores e sistemas de aquisição de dados). Pela proposta atual para integração do SEPAP em ambiente fabril, objetiva-se deixá-lo permanentemente conectado ao processo produtivo, mais especificamente às máquinas-ferramenta. Isto propiciaria ao sistema uma contínua atualização de dados. Além disso, os algoritmos da máquina de inferência também poderão ser reestruturados, criando condições para “aprendizagem”. Essa conexão permanente pode ser implantada dentro de indústria de modo similar ao que vem sendo feito no Laboratório de Usinagem desta Instituição. Neste caso, ver figura 6.6, um cabo principal interliga o SEPAP a uma bancada móvel com instrumentação. Esta bancada pode ser aproximada do processo de usinagem a ser monitorado. Neste caso particular, a bancada é móvel por uma limitação de recursos. Para um ambiente produtivo, composto de várias máquinas, pode-se instalar o mesmo cabo principal e interligar o SEPAP a todas as máquinas, as quais terão replicações de toda a instrumentação necessária.

A partir de uma recente avaliação do “estado da arte” das técnicas de monitoramento para processos de usinagem (Da Costa e Magalhães, 2003), verifica-se que as mais adequadas são a potência elétrica e a emissão acústica. Outros transdutores, tais como termopares e dinamômetros são valiosos enquanto fontes de informação, porém extremamente intrusivos. Isto os tornam quase inadequadas para fins industriais. Não obstante, suas vantagens em laboratório são enormes.

Outras técnicas, tais como o monitoramento de vibrações continuam em desenvolvimento. Restam ainda técnicas que são empregadas “após o processo” i. e., consistem-se na medição das superfícies já usinadas. Dentre elas destacam-se as medições dimensionais e de rugosidade. Para fins de controle em tempo real isto é de pouca utilidade, porém dentro do escopo do SEPAP elas têm a mesma valia das demais.

O outro sentido desta interface é a saída de parte do plano de fabricação para a máquina-ferramenta. Esta saída é o programa CN que é enviado como arquivo texto no formato ASCII.

Nesse sentido está sendo desenvolvido um editor e simulador gráfico para programação CNC. Apesar desse trabalho não ter um vínculo direto com os algoritmos da máquina de inferência, os mecanismos para essa integração software e hardware já desenvolvidos são fundamentais para o sucesso deste trabalho (Pereira, 2003).

Figura 6.6 - Representação esquemática da rede para monitoramento do Laboratório de Usinagem DEMEC/UFPR

40

PLANEJANDO UM PROCESSO Após formalização dos conhecimentos necessários à representação de um dado processo, o SEPAP estará pronto para atuar em empresas específicas. Basicamente, a máquina de inferência atua da seguinte maneira: seja: Vndef = {P ∪∪∪∪ E} = {w1, ..., wz} uma lista contendo todas as variáveis declaradas na tabela TB_VARV da arquitetura local; Vdef = {} uma lista a ser usada para armazenar as variáveis cujos valores estiverem escolhidos; f= {@disp_real#; @vlr_calc%; @vlr_fix%; @vlr_ref%; @vlr_qual$; @vlr_heu%} um conjunto de funções6 conhecidas, onde: @disp_real# é uma função usada para propagar restrições de recurso (recursos disponíveis no momento); @vlr_calc% propaga restrições quantitativas (equações ou inequações); @vlr_fix% permite a um usuário (humano ou não) fixar valores às variáveis (geralmente para as variáveis funcionais); @vlr_ref% função que recupera na base de CASOS (tabela {TB_CASO} da arquitetura específica) um plano usado para resolver um problema similar ao formulado (ver Coppini e Da Costa 1997); @vlr_qual$ analisa, qualitativamente, o plano recuperado e determina as restrições violadas ou que, provavelmente, poderão ser violadas. Indica direções para mudanças através da propagação de restrições qualitativas; @vlr_heu% realiza as mudanças sugeridas (caso necessário) aplicando heurísticas ao plano recuperado; L = {l1, ...., lz} um conjunto de listas, tal que: li = {wi disp_real#; vlr_calc%; vlr_fix%; vlr_ref%; vlr_qual$; vlr_heu%}, sendo, a i-ésima lista associada com a i-ésima variável de Vndef e os valores resultantes (direta ou indiretamente) da aplicação de cada uma das funções definidas em f. Então: i) inicia cada uma das variáveis de Vndef com um conjunto vazio (ou um símbolo qualquer que não denote quantidade), tal que, inicialmente, [wi] = ∅ para i = 1 até z; ii) inicia cada um dos valores de li associados a wi com conjunto vazio (ou um símbolo qualquer que não denote quantidade), tal que, [vlr_fix% (wi)] retorna o valor da i-ésima variável, resultante da aplicação da função @vlr_fix%, inicialmente, [vlr_fix% (wi)] será igual a {}; iii) aplica cada uma das funções de f sobre Vndef até que todos os valores de suas variáveis sejam escolhidos. Retira wi de Vndef assim que seu valor for escolhido colocando-a em Vdef . A aplicação de f sobre Vndef (ou seja a inferência propriamente dita) compreende as seguintes etapas: i) aplica-se a primeira função f = {@disp_real#} sobre todos seus elementos. Esta função deve retornar um valor, uma lista de valores ou um intervalo. Se essa função retornar um valor exato para uma variável, então ela é retirada de Vndef e colocada em Vdef (lista de variáveis já definidas). ii) aplica-se a função @vlr_calc% sobre Vndef . As variáveis que puderem ser calculadas, ou seja, que estiverem relacionadas funcionalmente com outras, cujos valores foram definidos na etapa anterior, serão determinadas. Durante essa etapa, se alguma variável foi determinada, ela será retirada de Vndef e colocada em Vdef e @vlr_calc% será novamente aplicada sobre Vndef até que nenhuma variável possa ser mais calculada. iii) aplica-se a função @vlr_fix% sobre Vndef, o usuário (humano ou outro programa) poderá arbitrar valores às variáveis ainda não definidas. Entretanto, esse arbítrio estará limitado pelo domínio fornecido por @disp_real#; iv) Caso Vndef seja diferente de vazio, novamente aplica-se a função @vlr_calc% sobre ela, procedendo de forma semelhante à etapa (ii);

6O termo função se refere, aqui, ao contexto computacional, ou seja, a uma rotina usada para determinar um valor e não ao contexto matemático.

41

v) @vlr_ref% será aplicada para recuperar um plano similar tendo como sonda Vdef; vi) Se o plano recuperado não atende às restrições impostas ele deve ser refinado, ou seja, as variáveis estruturais devem ser alteradas para que as restrições não sejam violadas. Essas restrições são impostas pelos valores das variáveis comportamentais e funcionais. As restrições de comportamentais e estruturais, devem, necessariamente, ter sido satisfeitas nas etapas anteriores. @vlr_qual$ será aplicada apenas para prever a direção de alteração (aumentar ou diminuir) sobre as variáveis operacionais; vii) Se direções favoráveis forem determinadas, então aplica-se @vlr_heu% para determinar os novos valores; viii) O sistema reporta os valores escolhidos e apresenta um prognóstico do desempenho do processo a ser executado. As funções @disp_real# e @vlr_fix% executam o controle de interfaces para entrada ou leitura de dados. A função @vlr_calc% é a função que propaga restrições quantitativas. Inicialmente, essa propagação obedece a hierarquia das variáveis (top-down). Depois, a propagação prossegue de acordo com as restrições que podem ser determinadas. Nesse caso, diz-se que o fluxo é multidirecional (ou oportunista) de maneira similar ao observado por Hayes-Roth e Hayes-Roth, 1979 e Stefik, 1981. O raciocínio baseado em casos é conduzido pela função @vlr_ref%. A função @vlr_qual$ conduz o raciocínio qualitativo-causal e propaga esses valores, de modo oportuno, entre as restrições qualitativas, fazendo prognósticos a respeito do desempenho do processo. Usando heurísticas, @vlr_heu% faz o refinamento do plano recuperado nas direções recomendadas por @vlr_ qual$. O mecanismo de inferência descrito acima pode ser melhor visualizado através do diagrama de blocos apresentado na figura 6.7. A máquina de inferência foi implementada na linguagem lisp (XLISP-PLUS), sendo que até o presente momento testes realizados com o processo de torneamento de peças simples têm sido satisfatórios, principalmente na escolha das condições de corte (velocidade, avanço e profundidade de corte). O tratamento de informações geómetricas, necessárias para a determinação da seqüência de fabricação, dos dispositivos de fixação e da geração de programas CN, ainda se mostra precário, sendo portanto, prioridade para as próximas implementações do SEPAP.

42

Figura 6.7 - Processo de inferência

43

7 – REFERÊNCIAS BIBLIOGRÁFICAS Abdallah, A. M. “Desenvolvimento de uma interface para interpretação e representação de

informações geométricas oriundas de um sistema CAD” – Relatório

técnico CNPq/PIBIC, 2001

Alting, L. e Zhang, H-C. “Computer-Aided Process Planning: the Sate-of-the-art survey.”

Int. J. Prod. Res., v. 27, nº 4, p. 553-585, 1989

Alting, L. “Life-cycle design of products: a new opportunity for manufacturing enterprises” in:

Concurrent Engineering – Andrew Kusiak – editor – Jonh Willey & sons, New York,

1993

Bichindaritz, I. E Séroussi, B. Contraindre I’analogie par la causalité. Techinique et science

informatiques, v. 11, nº 4, p. 69-98, 1992

Bobrow, D. G. E Collins, A. Representation and Understanding Studies in Cognitive

Science. New

York, Academic Press Inc., 1975

Bobrow, D. G. Qualitative Reasoning about Physical Systems: An Introduction. Artificial

Intelligence, v.

24, p. 1-5, 1984

Bratko, I. AI Tools and Techniques for Manufacturing Systems. Robotics & Computer-Integrated

Manufacturing, v. 4 nº 1/2, p. 27-31, 1988

Brown, K.N. et al. Describing Process Plans as the Formal Semantics of Language

Shape.Artificial

Intelligence in Engineering, v. 10, p. 153-160, 1996

Chang, T-C E Wysk, R. A. An Introduction to Automated Process Planning Systems. New

Jersey,

Prentice-Hall, Inc., 1985

Chouraqui, E. et al. Modélisation du raisonnement et de la connaissance. Techinique et

Science Informatiques, v. 4, nº 4, p.. 391-399, 1985

Coppini N. L. e Costa, D. D. (1997a) Raciocínio Baseado em Casos: uma Ferramenta Útil para

Escolha de Parâmetros de Processos Revista O Mundo da Usinagem – nº 1 – Ed.

Sandvik

Da Costa, D. D. e Magalhães, J . F. (2003) Desenvolvimento, aplicação e avaliação de um

software para planejamento e análise de experimentos na disciplina de usinagem. II

Congresso

Brasileiro de Engenharia de Fabricação

Da Costa, D. D. (1997) Proposta de uma metodologia para construção de um módulo

especialista

dirigido à escolha das condições de corte. UNICAMP – tese de doutorado.

44

Davis, E. Constraint Propagation with Interval Labels. Artificial Intelligence, v. 32, p. 281-331,

1987

Davis, R. et al. Production Rules as a Representation for a Knowledge-Base Consultation

Program.

Artificial Intelligence, v. 8, p. 15-45, 1977

De Kleer, J. E Brown, J. S. A Qualitative Physics Based on Confluences. Artificial Intelligence,

v. 24, p.

7-83, 1984

DeGarmo, P. E. et al. Materials and Processes in Manufacturing 8ª Edição – 1997 – Editora

Prentice

Hall

Descotte, Y. E Latombe, J. C. Making Compromises among Antagonist Constraints in a

Planner.

Artificial Intelligence, v. 27, p. 183-217, 1985

Domazet, D. The Automatic Tool Selection with the Production Rules Matrix Method. Annals of

the

CIRP, v. 39, nº 1, p. 497-500, 1990

Elmaraghy, H. A., Evolution and Future Perspective of CAPP. Annals of the CIRP, v. 42, nº 2, p.

739-751, 1993

Eversheim, W. E Schneewind, J. Computer-Aided Process Planning-State of the Art and Future

Development. Robotics & Computer-Integrated Manufacturing, v. 10 nº 1/2, p. 65-70,

1993

Feigenbaum, B. The Handbook of Artificial Intelligence. California, HeurisTech Press, 1981,

cap. 4,

Forbus, K.D. Qualitative Process Theory. Artificial Intelligence, v. 24, p. 85-168, 1984

Forbus, K.D. et al. MAC/FAC: A model of similarity-based retrieval. Cognitive Science , v. 19, p.

141-

205, 1994

Gentner, D. Structure-Mapping: A Theoretical Framework for Analogy. Cognitive Science, v. 7,

p. 155-

170, 1983

Giusti, F. et al. COATS: an Expert Module for Optimal Tool Selection. Annals of the CIRP, v. 35,

nº 1,

p. 337-340, 1986

Ham, I. e LU, S. C.Y. Computer-Aided Process Planning: The Present and the Future. Annals of

the

CIRP, v. 37, nº 2, p. 591-601, 1988

Hayes-Roth, B E Hayes-Roth, F. A cognitive Model of Planning. Cognitive Science v. 3, p. 275-

310,

1979

45

Iwasaki, Y. E Simon, H. A Causality in Device Behavior. Artificial Intelligence, v. 29, p. 3-32,

1986

Iwasaki, Y. E Simon, H. A. Retrospective on “Causality in Device Behavior”. Artificial

Intelligence, v 59,

p. 141-146, 1993

Kimura F. E Suzuki, H. Variational Product Design by Constraint Propagation and Satisfaction in

Product Modelling. Annals of the CIRP, v. 35, nº 1, p. 75-78, 1986

Kolodner, J. L. E Simpson, R. L. The MEDIATOR: Analysis of an Early Case-Based Problem

Solver.

Cognitive Science, v. 13, p. 507-549, 1989

Kuipers, B. Causal Reasoning. Artificial Intelligence, v. 24, p. 169-203, 1984

Matsushima, K. et al. The Integration of CAD and CAM by Application of Artificial intelligence

Techniques. Annals of the CIRP, v. 31, nº 1, p. 329-332, 1982

McDermott, D. e Hendler, J. Planning: What it is, What it could be, na introduction to the Special

Issue

on Planning and Scheduling. Artificial Intelligence, v 76, p. 1-16, 1995

Newell, A. e SIMON, H. Human Problem Solving. New York, 1972, Prentice Hall

Nishimuni, E.. Construção de uma base de recursos baseada na infra-estrutura disponível nas

empresas do estado do Paraná. Relatório de Bolsa de Iniciação Científica, 2000.

Pereira, A. G. Desenvolvimento e Avaliação de um Editor para Programação CN em Centros de

Usinagem Dissertação de Mestrado, UFPR - 2003

Reeves, R. A. E. et al. Expert System Technology an Avenue to an Intelligent Weld Process

Control System. Welding Journal, v. 67 nº 6, p. 33-41, 1988

Sacerdoti, E. D. Planning in a Hierarchy of Abstraction Spaces. Artificial Intelligence,v. 5, p.

115-135,

1974

Shoham, Y. Reasoning about Change. Massachusetts, 1989, The MIT Press

Shoham, Y. Nonmonotonic Reasoning and Causation. Cognitive Science , v. 14,p. 213-252,

1990

Singh, R. E Raman, S. METEX An Expert System for Machining Planning. Int. J. Prod. Res.,

v. 30,

nº 7, p. 1501-1516, 1992

Sluga, A., et al. An attempt to Implement Expert System Techniques in CAPP. Robotics &

Computer-

Integrated Manufacturing, v. 4 nº 1/2, p. 77-82, 1988

Stefik, M. et al. The Organization of Expert Systems, a Tutorial. Artificial Intelligence, v. 18, p.

135-

173, 1982

Stefik, M. Planning with Constraints (MOLGEN: Part 1). Artificial Intelligence, v. 16, p. 111-140,

1981

46

Sternberg, R. J. Component Processes in Analogical Reasoning. Psychological Review, v. 84, n

º4,

p.353-378, 1977.

Steude, H. J. Computer-Aided Process Planning: Past, Present and Future. Int. J. Prod. Res., v.

22, nº

2, p. 253-266, 1984

Sun, R. Robust Reasoning: Integrating Rule-Based and Similarity-Based Reasoning. Artificial

Intelligence, v 75, p. 241-295, 1995

Sussman, G. J. e Steele, G. L. CONSTRAINTS A Language for Expressing Almost-

Hierarchical

Descriptions. Artificial Intelligence, v. 14, p. 1-39, 1980

Tversky, A.. Features of Similarity. Psychological Review, v. 84, nº 4, p. 327-352, 1977

Van’t ERVE, A. H. e KALS, H. J. J. XPLANE, a Generative Computer Aided Process Planning

Systems for Part Manufacturing. Annals of the CIRP, v. 35, nº 1, p. 325-329, 1986

Van Houten, F. J. A. M. PART: A Computer Aided Process Planning System. University of

Twente,

1991, Tese de Doutorado

Waterman, D. A. A Guide to Expert Systems. Addison-Wesley, 1986

Winograd, T. e Flores, F. Understanding computers and cognition. (A new foundation for

design).

Addison-Wesley Publishing Company, Inc. ,1988

Young, R. E. et al. An Artificial intelligence-Based Constraint Network System for concurrent

Engineering. Int. J. Prod. Res., v. 30, nº 7, p. 1715-1735, 1992

Zadeh, L. A. Fuzzy Logic. Computer, v. 21 nº 4 p. 83 - 93, 1988