UTILIZAÇÃO DO CAPITAL INTELECTUAL NA MANUTENÇÃO EM EQUIPAMENTOS DE INFORMÁTICA

UTILIZAÇÃO DO CAPITAL INTELECTUAL NA MANUTENÇÃO EM EQUIPAMENTOS DE INFORMÁTICA Cláudio Ratke

RESUMO Grandes fabricantes de equipamentos de informática lançam novos produtos, em cada vez menos espaço de tempo e de maneira global. Como fazer chegar a informação a respeito destes equipamentos nos mais longínquos consumidores ou técnicos. A rapidez no acesso destas informações é um desafio as estas empresas. Ter um produto e não ter a informação necessária para seu bom funcionamento representa uma falha deste produto nesta região. Quantos produtos são melhores que os atualmente usados por falta de assistência neste produto.

Este trabalho tem como objetivo identificar e propor um sistema para permitir o

armazenamento do capital intelectual das pessoas envolvidas no processo de manutenção de equipamentos de informática.

PALAVRAS-CHAVE: ITIL, Representação do Conhecimento, Inteligência artificial. ABSTRACT Great makers of computer equipments throw new products, in less and less space of time and in a global way. As to do the information to arrive regarding these equipments in the more distant consuming and/or technical support. The speed in the access of these information is a challenge the these companies. To have a product and not to have the necessary information for its good operation, it represents a flaw of this product in this area. How many products are better than the now used by lack of attendance in this product.

This

work has as objective to identify and to propose a system to allow the the people's capital intellectual's storage involved in the process of maintenance of computer science equipments.

KEY-WORDS: ITIL, Representation of Knowledge, Artificial Intelligence.

INTRODUÇÃO A distribuição da informação dentro das corporações, sempre foi um desafio. Nesta última década denominada por muitos: década da informação, este processo tem tomado uma importância ainda maior.

2

Para se manter competitivo no mercado empresas tem buscado formas de obter e canalizar estas informações dentro das suas estruturas. Um exemplo desta busca é o crescimento espantoso da intranet pelas empresas. Num mercado competitivo, ganha a empresa que obtiver e utilizar a informação primeira, processos tradicionais estão sendo substituídos por sistemas informatizados especializados em distribuir e obter dados da corporação. Isto tem acarretado um mundo de informações nem sempre úteis para a empresa, são consultados diversos documentos (site) e recebidas diversas correspondências (email) que simplesmente não contribuem para o processo na empresa. Nos últimos dois anos um novo foco tem surgido que não só valoriza a informação dentro da empresa mais a inteligência que esta informação tem trazido, novas métricas para capacidade das pessoas usarem esta informação e capacidade dos elementos das empresas de divulgarem não apenas a informação, mas a inteligência das pessoas nos diversos processos. Grupos fechados que antes detinham a informação dentro da empresa estão desaparecendo e no seu lugar estão surgindo sistemas que divulgam esta experiência aos outros membros; conforme LEVINE 1998. A reutilização do capital intelectual da empresa pode ser o diferencial da próxima década. Assim como esta está sendo o da informação. Sistemas estão sendo desenvolvidos para melhor utilizar e gerenciar as cabeças pensantes da empresa.

No futuro a empresa será medida não mais pela informação que

administra, mas pela capacidade intelectual de seus indivíduos. Já existem sistemas que mantém currículos atualizados dos funcionários, quando houver alguma necessidade o mesmo procura dentro das suas bases o empregado que melhor se adapte a esta tarefa. Empresas que prestam serviços de informática trabalham com uma grande quantidade de informações de diversas fontes: manuais de equipamentos, manuais de software, topologia de redes, configurações dos diversos sistemas operacionais, etc. Prestação de serviços em informática geralmente segue esta divisão: -

Manutenção de Equipamentos: Micros, Impressoras, Scanners e outros equipamentos afins.

-

Instalação de Equipamentos: Instalação de equipamentos em rede, configurações de estações.

-

Suporte Técnico: Suporte ao usuário nos processos de uso do equipamento.

A obtenção destas informações para a empresa ou para o pessoal envolvido normalmente tem um custo muito elevado. Uma empresa prestadora de serviços e manutenção de equipamentos de informática e comunicação requer uma equipe técnica muito bem preparada e treinada. Para que um técnico esteja apto a prestar

3

manutenção / instalação, é necessário um amplo treinamento em certo período para obter alguma experiência (on the job). Governo britânico através do (CCTA – central Computing na Telecomunications Agency) produziu uma biblioteca composta das melhores práticas de gerenciamento de serviços de TI. No item de Central de serviços (Service desk) existe a figura da base de conhecimento, ou seja, as onde são armazenadas as informações sobre a resolução de problemas. Neste artigo apresenta algumas formas de armazenar e representar este conhecimento, e demonstra através de um protótipo utilizando SE (sistemas especialistas) para armazenar e representar o conhecimento.

REPRESENTAÇÃO DO CONHECIMENTO Muito antes da revolução industrial, o ser humano tem procurado aumentar os limites de suas habilidades, inventando aparatos mecânicos. A pá e a picareta, o carrinho de mão e outras ferramentas similares são exemplos que remontam à antigüidade. Mais recentemente, veículos a motor, robôs industriais e, finalmente, computadores têm sido acrescentados à elite dos assistentes artificiais. Inteligência Artificial é uma subdivisão nos estudos do computador, devotado a criação de programas e equipamentos que tenta imitar a habilidades mentais Humanas, conforme afirmou FRENZEL (1993). Software com Inteligência Artificial permite a um computador digital criar uma duplicata virtual de algumas funções da inteligência humana, mas com limitações.

As idéias básicas de Software de inteligência artificial segundo HAYES-ROTH (1983) são:

a)

Conhecimento = Fatos + Convicção + Heurística.

b)

Sucesso = encontrar uma resposta boa suficiente com os recursos disponíveis.

c)

Procurar eficientemente e conduzir ao sucesso.

d)

Ajuda eficiente em: -

Aplicabilidade correta, e distinguir o conhecimento.

-

Rápida eliminação dos ‘ beco sem saída’

-

Incremento rápido da operação do computador.

-

Múltiplas e cooperativas fontes de conhecimento.

-

Operar-nos diversos níveis de abstração.

e)

Incrementos de dificuldade nas fontes: -

Estouro da capacidade ou conhecimento.

4

-

Alteração de dados dinamicamente.

-

Número de possibilidades para evolução

-

Procedimentos complexos de regras fora da possibilidade.

Segundo RABUSQUE (1995), podemos dividir o estudo da inteligência artificial em sete grupos, como segue. Processamento de linguagem natural É, sem dúvida, um dos grandes desafios de IA (Inteligência Artificial). Em alguns países mais avançados, já estão em uso de dispositivos que fazem a tradução automática de uma língua para outra, conforme HAYES-ROTH, 1993. A linguagem escrita está dominada em certos aspectos, persistindo, contudo, problemas sérios no tocante à linguagem figurada, dupla interpretação e outros. A linguagem falada já está sendo produzida de forma razoável, havendo, no entanto, um problema muito sério quanto a forma humana de falar, emendando as palavras umas às outras.

Reconhecimento de Padrões Reconhecer o dono de uma impressão digital, validar a assinatura num cheque bancário, ler e digitalizar um texto escrito são tarefas que envolvem reconhecimentos de padrões. É uma área de aplicação de IA muito imiscuída em outras áreas, especialmente na linguagem natural e na robótica.

Bases de Dados Inteligentes A maioria dos sistemas de informação em uso envolve grandes bases de dados, sob o controle de um sistema de administração de bases de dados (DBMS). Contudo, se for associada ao DBMS uma base de conhecimento capaz de fazer raciocínios, produzindo resultados impossíveis de serem obtidos de outra forma, ter-se-á então, uma base de dados inteligente. A principal razão do interesse em interações entre IA e bases de dados é o aumento da produtividade e funcionamento dos sistemas de informação, o que requer o tratamento da informação como se fosse conhecimento, além do acréscimo de técnicas de IA para raciocinar e para resolver problemas. IA, por sua vez, também será beneficiada com avançadas técnicas usadas em recuperação de informações nos DBMS.

5

Prova de Teoremas Prova de teoremas é uma aplicação tipicamente matemática, mas que tem um alcance bastante vasto como metodologia de solução de problemas. Não requer apenas a habilidade de levantar hipóteses, mas também exige perícia intuitiva, buscando resultados provados anteriormente, ajudando assim, na prova do teorema principal. A dedução ajuda-nos a entender melhor alguns componentes do raciocínio. Vários problemas como a recuperação da informação e diagnóstico médico, podem ser formulados como provas de teoremas.

Sistemas Especialistas São sistemas que fornecem conclusões peritas acerca de assuntos especializados. A medicina é o principal campo de aplicação de tais sistemas, tendo sido desenvolvido nesta área o mais famoso sistema especialista, que é o Mycin. Os sistemas especialistas têm, também aplicações em muitas outras áreas de conhecimento. Há sistemas no campo de prospecção mineral; na matemática, onde se podem provar teoremas ou efetuar derivação e integração forma; na química, onde o estudo de novos compostos químicos pode ser facilitado; no ensino em geral, podendo o aluno aprofundar seu conhecimentos, abordando sistemas de sua área específica. Até um vendedor ambulante pode levar consigo um sistema que o ajude a explicar um produto tecnologicamente avançado que ele esteja vendendo.

SISTEMAS ESPECIALISTAS A IA é um campo de pesquisa voltado principalmente para o estudo da resolução de problemas na teoria. Os engenheiros do conhecimento, por sua vez, concentram-se em reproduzir o comportamento de um especialista específico, quando empenhado em resolver um problema estritamente definido, HARMON (1992). Os sistemas especialistas vão mudar a forma como as empresas operam, alterando a maneira de pensar, sobre a resolução de problemas. Esta nova tecnologia tornará possível criar respostas rápidas pragmáticas, para ampla faixa de problemas que desafiam presentemente qualquer solução efetiva, HARMON (1992). Um Sistema Baseado em Conhecimento difere de Sistemas Algorítmicos comuns pelo fato de que a solução do problema está na forma de tratar o conhecimento, que em sistemas comuns, o problema é como implementar tal conhecimento. Para ser mais claro, em um Sistema Baseado em Conhecimento, os conhecimentos são armazenados de forma tal que o sistema define o que significa aquele conhecimento, como ele deve ser interpretado. Em Sistemas Algorítmicos, o programador deve construir rotinas para

6

manipular o conhecimento em seus mínimos detalhes, que são dispensadas em sistemas de IA. Em sistemas de IA, o programador preocupa-se em construir rotinas de inferência da base de conhecimentos, rotinas de questionamentos. É como usar a linguagem SQL (Linguagem de Bando de Dados) em banco de dados, o programador preocupa-se em especificar o que deve ser buscado, não interessando como o banco de dados fará a busca na base de dados. Sistemas Especialistas fornecem benefícios inegáveis na automação de gerência. Entre eles podemos destacar os seguintes: 

Prove alta qualidade de Serviço.



Substancial aumento de desempenho. Sistemas especialistas são usados para fazer

roteamento - de pacotes, e manutenção em redes de computadores. 

Captura conhecimentos que serão utilizados no futuro. As experiências dos especialistas

são perdidas com o tempo, no momento em que eles se especializam em outros problemas ou trocam de trabalho. Um sistema especialista nunca esquece um procedimento, nem mesmo em seus mínimos detalhes. 

Possui a mesma velocidade e dinâmica de um especialista vinte e quatro (24) horas por

dia, durante todos dias. 

Provê baixo custo do serviço pela produtividade adquirida. Isto melhora o desempenho da

rede por inteiro. 

Significativo aumento da produtividade. Um sistema especialista pode levar uma pessoa

de pouca experiência para o nível de um especialista, executando tarefas mais rapidamente e mais facilmente. Sempre que pessoas podem ser ajudadas, elas ainda não estão no topo da experiência. 

Reduz os custos com funcionários especializados. Com sistemas especialistas uma tarefa

de grande complexidade pode ser realizada por funcionários que não sejam experts, mas funcionários especializados apenas. Com isso, os especialistas podem ficar dedicados a tarefas que realmente sejam de altíssima complexidade. 

Sistemas especialistas podem freqüentemente fazer melhor que um especialista. Sistemas

especialistas podem combinar a capacidade de um especialista com a velocidade e precisão de uma máquina. Eles podem fazer uma análise detalhada e completa de uma situação que dificilmente um humano seria capaz de fazer. Seguindo, se um sistema foi bem estruturado, ele não cometerá erros que eventualmente um humano pode cometer. Finalmente, um sistema especialista seria capaz de fazer tarefas detalhadas e repetitivas - que um especialista talvez as desprezasse, em uma situação em que as chances de resolver o problema são muito pequenas.

7



Provê gerenciamento e supervisão com maior flexibilidade do corpo docente. No

momento em que o sistema especialista encarrega-se de resolver os problemas de gerência com grande precisão e velocidade, o assistente do sistema, pessoa humana, não precisa ser um expert, provendo maior flexibilidade no rodízio dos mesmos. 

Podem ser a maior ajuda no treinamento de pessoal. Os sistemas especialistas podem

fornecer informações detalhadas - de diversos níveis, sobre como foi procedido para solucionar um determinado problema. Esta pode ser a maior ajuda no treinamento de pessoas inexperientes. Em adição, existem sistemas especialistas construídos especialmente para prover treinamento. Neste caso, até didática eles possuem.

Arquitetura de um Sistema Especialista A arquitetura se um sistema especialista sofre influências, as mais diversas, desde a generalidade pretendida até os objetos que motivaram sua construção. Um modelo geral pode ser visto na figura 1, o qual tem a pretensão de ser ‘o modelo dos modelos’, Segundo RABUSQUE (1995).

Maquina de Inferência A máquina de inferência (ou mecanismo de inferência, ou engenho de inferência) não é normalmente um único módulo de programa. É em geral, entendido como interpretador de regras e o escalonador das regras, quando um sistema especialista envolve regras e escalonador das regras, quando o sistema especialista envolve regras de produção. Porém em outras formas de representação do conhecimento, pode estar intimamente ligado a estrutura de representação, sendo algo até um tanto difuso.

Base de Conhecimento

Quadro Negro

Mecanismo de Aprendizagem

Máquina de Inferência

Sistema de Justificação

Sistema de Aquisição do

Processador de Linguagem

Sistema de Consulta

8

ESPECIALISTA Figura 01 Modelo de um Sistema Especialista

Quadro Negro O quadro negro (ou área de rascunho) é a área de trabalho do sistema especialista. Armazena informações, fatos e estruturas de suporte ao funcionamento do sistema, quando este efetua raciocínios. Embora todos os sistemas especialistas usem o quadro-negro, nem todos o têm como componente explícito.

Mecanismo de Justificação Justificação é um requisito obrigatório nos sistemas especialistas, tendo, geralmente, capacidade de responder às seguintes perguntas: -

Como chegou a esta conclusão?

-

Por que chegou a esta conclusão?

-

Por que não chegou a tal outra conclusão?

Mecanismo de Aprendizagem É um módulo que é rudimentar na maioria dos sistemas especialistas, constado apenas de recursos que permitem fazer acréscimos e alterações na base de conhecimentos. Existe, porém, a responsabilidade de tornar este recurso mais potente, fazendo com que adquira uma capacidade maior, depurando a base de conhecimentos, reordenando prioridades, estabelecendo mecanismos de controle para expansão da árvore de busca, executando outras ações que melhorem o desempenho do sistema e qualidade da resposta. Visto sob este último enfoque, é um recurso optativo.

Sistema de Aquisição de Conhecimento É um módulo que permite ao sistema ampliar e alterar seu conhecimento. Aparece, geralmente, munido de recursos para trabalhar o conhecimento (editores, ordenadores, classificadores, etc) que auxiliam na difícil tarefa de extraí-lo e aproveitá-lo adequadamente. Em muitos sistemas é a única forma de aprendizado.

9

A aquisição do conhecimento está adquirindo ‘status’ próprio em IA, tendendo a caracterizar áreas de pesquisa específicas nas universidades e nos centros de pesquisa, geralmente ligadas à engenharia do conhecimento. Obter o conhecimento é, sem dúvida, a parte mais crítica da construção de um sistema especialista.

Sistema de Consulta O usuário é, em geral, alguém que não participou da elaboração do sistema especialista, sendo, portanto, natural que não conheça as estruturas sustentadoras do sistema e, que, provavelmente, não esteja familiarizado com as formas de representação do conhecimento adotadas. Para que os potenciais usuários possam acessar com proveito e sem maiores dificuldades o sistema especialista, é preciso, então, muni-lo de recursos para consulta, que são módulos explícitos ao sistema. Para contornar a linguagem técnica ‘computacional’ e da engenharia do conhecimento, estes módulos estabelecem uma linguagem orientada para o problema, podendo ser um subconjunto da língua nativa.

Base de Conhecimento Um elemento chave em qualquer aplicação de inteligência artificial é o conhecimento. Conhecimento é também informação que foi organizada e analisada de modo a torná-la compreensível e aplicável à solução de problemas e tomada de decisões. O sistema de IA não é baseado em processo algorítmico, mas sim em representação e manipulação simbólica. Usando símbolos é possível criar uma base de conhecimentos que estabelece fatos, conceitos e os relaciona entre eles. O processo é qualitativo e não quantitativo como num algoritmo computacional convencional típico. A base de conhecimento contém todos os fatos, idéias, relacionamentos e interações de um domínio limitado. A máquina de inferência analisa o conhecimento e deriva conclusões. A interface com o usuário permite que novo conhecimento seja apropriado e implementa a comunicação com o usuário. Existem muitos métodos para descrever o conhecimento e espelham os diferentes modos de abordagem: 

Redes Semânticas descrevem relacionamentos entre objetos;



Regras de Produção descrevem o conhecimento em termos de regras que reagem aos

eventos detectados;  coletadas;

Frames são úteis para o tipo de problema que requer conjuntos de informações a serem

10



Taxonomias podem descrever conjuntos de informação como nos Frames e podem

descrever como a informação é inter-relacionada, como nas Redes Semânticas. Uma vez que a arquitetura da rede contém uma hierarquia de componentes, a melhor maneira de representar a descrição lógica e física de rede é com uma hierarquia de Frames. Dessa maneira, a Taxonomia também pode ser empregada, pois ela descreve as informações como os Frames. Para cada situação haverá uma forma mais ou menos adequada para representar o conhecimento. O analista deve estruturar cuidadosamente como o conhecimento do sistema será representado.

DESENVOLVIEMENTO DO PROTÓTIPO Um dos grandes desafios impostos pelo desenvolvimento de sistema baseado em tecnologia de sistemas especialistas é sua aceitação e manutenção. Os técnicos teriam que ter algum atrativo para consultar o sistema e os especialistas também deveria ter um atrativo para manter a base de conhecimentos atualizados a cada novo produto ou serviço. Ter um sistema atrativo e de fácil manutenção significa ter uma interface que possa ser intuitiva de rápida utilização e manutenção. Um sistema deverá ser de utilização amigável e que possa ser consultado por representantes técnicos e credenciadas, mas principalmente de rápida e fácil atualização na base de conhecimentos por parte dos especialistas. O sistema proposto está baseado em árvore de decisões (capitulo II), pela sua rápida e intuitiva assimilação do funcionamento e criação de novas regras, manutenção das existentes e com possibilidades gráficas de visualização. Linguagem A utilização gráfica e a rápida aprendizagem foram determinantes para selecionar Borland Delphi 3.0 com ferramenta para criação do sistema, linguagens vistas no capítulo II, apesar de serem mais indicadas para criação de sistemas especialistas, não possuem as características gráficas para implementação de um sistema.

Apesar de existirem várias

bibliotecas destas linguagens para utilização com C ou C++, o tempo para absorção e utilização destas bibliotecas seria grande. Outras razões pela escolha desta ferramenta foram: a)

Utilização de um ambiente integrado de desenvolvimento.

b)

Rápido aprendizado da ferramenta.

c)

Capacidade de criar programas já com características 32 Bits.

d)

Fácil adaptação para criação de Active-X. para utilização na internet.

e)

Criação de programas visuais.

O conceito de árvore de decisões, com possibilidades gráficas onde cada nó guia no caminho dos ramos da árvore até a conclusão. Cada nó tem associado uma variável. Esta variável que contém informações que guiarão a obtenção de uma conclusão.

12

Desta maneira o especialista montará uma árvore de decisão de forma que cada passo gere uma variável ou um nó que de acordo com seus valores determinaram qual será o próximo. Os problemas relativos aos equipamentos seriam cadastrados conforme o equipamento. A uma impressora HP 920C estariam relacionados todos os problemas desta impressora. Exemplo: Não liga, Imprime Manchado, Saindo em Branco, etc.

Cada

Problema estaria associado a uma árvore de decisão. O Projeto prevê a configuração em três níveis denominados: 1)

Central de Serviços (Service Desk): Seria o primeiro contato realizado pelo cliente, onde o cliente informa o equipamento e o problema, através desta informação o atendente tem acesso ao check-list que poderá ser executado pelo telefone antes do chamado ser aberto e passado para o técnico. Neste check-list estaria tudo que se pudesse ser feito por telefone.

2)

Técnico de Campo: Só se deslocaria ao cliente ao verificar o problema real, faria uso do sistema para determinar a causa do problema. Realizaria a manutenção com eventual substituição de módulos.

3)

Técnico de Laboratório: Seria uma característica toda especial para este tipo de manutenção, teria a informação dos respectivos módulos que seriam substituídos pelos técnicos de Campo.

Exemplo: Cliente entra em contato com o centro de atendimento reclamando um problema de um micro que não liga: o atendente seleciona o receptivo equipamento, logo apareceriam os possíveis problemas relativos àquele equipamento. O atendente selecionaria a opção do problema correspondente e começa a execução do procedimento de check-list. Verificar rede elétrica, estabilizador, etc. Caso não tenha sucesso, realiza a abertura do chamado. O técnico com posse do chamado, vai ao cliente e executa o procedimento de técnico de campo, verificar rede elétrica, fonte, monitor etc. Detectando o módulo com problema e fazendo a substituição. substituído.

Identificando também

o problema no módulo

13

O técnico de laboratório novamente utiliza o sistema, só que utilizando o módulo laboratório procura o problema relativo, e faz o check-list: verifica fusível de entrada, circuito de proteção, transformador de entrada.etc. Onde cada nível terá um responsável especialista para manutenção da base de conhecimento. Utilização do Protótipo Como todo aplicativo baseado no windows possui um menu tradicional com opção de salvamento recuperação das bases de conhecimento.

Figura 02 – Visualização parcial do Protótipo

A figura 02 traz uma visão geral do aplicativo que cria e manipula as árvores de decisões. Podemos observar aqui que na sua área de trabalho temos alguns nós: Nó de Início: É o ponto de partida de qualquer árvore. Só pode haver um nó início para cada árvore. Qualquer execução começa por este ponto. Nó Fim: É o fim da execução, pois ao chegar aqui alguma conclusão se obteve. Para

14

cada conclusão há um fim. Nó Se: É o nó que guia o encadeamento da árvore. Está associado com uma variável e dependendo do seu valor, orienta a execução nos sentidos. O nome da variável geralmente aparece na parte superior junto com o valor a qual será comparado. Conforme o valor da variável há então uma mudança de rumo na execução. Verdadeiro segue o ramo verde (superior) e negativo o vermelho (inferior).

Nó módulo: Chama a execução de um outro ramo ou até mesmo árvore externa, definindo o nome do arquivo que executará o externo. No módulo externo começa a executar o nó inicial e terminará no nó final, não retornando para a árvore chamadora. Criado para melhor administração de árvores grandes e melhor visualização na área de trabalho. Variáveis As variáveis podem ser criadas pressionando se o botão ‘adicionar variáveis’ ou diretamente na criação do nó de decisão. Quando da criação da variável. Temos a seguinte Caixa de diálogo:

15

Figura 03 – Adicionar Variável

Onde se obtêm o nome da variável, os tipos podem ser apenas três: Texto, Boleana e Numérica. Pergunta é o texto apresentado ao usuário no momento da execução da arvore. Observação é algum comentário que o administrador queira colocar para futuras consultas. Ainda na figura 03 temos uma caixa de diálogo com todas as variáveis já criadas. Para que possamos editá-las ou mesmo excluí-las.

Inserção de Nós de decisão Quando da criação de um nó de decisão (SE) associa-se ele a uma variável através da figura 04 podemos ver a Caixa de Dialogo na qual criamos o nó Se.

16

Figura 04 Inserção de Decisão

Na Caixa de diálogo Inclusão de Decisão da figura 04, podemos observar: Variável uma caixa rolante que contém todas as variáveis atualmente criadas. Ainda existe a possibilidade de criarmos uma nova variável utilizando o botão criar Variável. Condição é uma lista de operadores que podem ser utilizados para comparar a variável ao conteúdo de Valor. Onde Conseguir esta informação descreve onde e como conseguir está informação. Motivo é porque o especialista quer com está variável, ou seja, a Razão que está variável esta sendo solicitada.

17

Inserção de Nós de Conclusão Nós fim ou conclusão também são inseridos através do segundo menu de ferramentas. Escolhendo-se o ícone correspondente e posição dentro da área de trabalho, então abrirá uma caixa para se colocar o texto correspondente a conclusão do ramo da arvore.

Ligação entre os Nós A interligação entre os nós é fornecida pelo botão liga, Clica-se neste botão então entrasse no modo de ligação, escolhe-se o nó origem e clique e a arrasta-se até o no destino. Porém devesse observar algumas regras: a)

A conexão tem que ser de uma saída para uma entrada.

b)

Uma saída pode ter diversas conexões.

c)

Uma entrada pode vir de diversas saídas.

A interligação é que vai determinar qual será o próximo nó a ser consultado. Portanto determina o caminho na árvore.

Execução da árvore de decisão A execução da Arvore pode ser feita pelo Menu ou através do Botão Executar na barra de ferramentas. O inicio da execução terá que ser confirmada. E então a partir deste momento começando pelo nó subseqüente ao nó inicial. Perguntando pelo conteúdo das variáveis.

18

Figura 05 – Execução do Protótipo

Durante a execução vão sendo mostradas as perguntas e através das respostas são guiadas pelos ramos das arvore. O Botão Porquê? Informa o motivo desta pergunta e também onde conseguir a informação.

CONCLUSÃO O desenvolvimento de qualquer trabalho envolvendo Inteligência Artificial sempre causa um constrangimento. Pessoas que associam a implantação destes sistemas tende a substituir a inteligência natural (humana). Sem obter o apoio das pessoas envolvidas torna difícil o desenvolvimento do sistema. Analisar a forma que um especialista chega à conclusão diante de um problema também causa certo problema, pois, as ações tomadas por especialistas estão encravadas no funcionamento do trabalho que ele já não pensa como faz aquilo, ele simplesmente faz. Colocar suas idéias, seus segredos, pode ser uma experiência frustrante tanto para o especialista quanto ao engenheiro do conhecimento. Apesar de ser um assunto relativamente antigo, as primeiras linguagens surgiram na década de 50. Infelizmente não se obtém muitas bibliotecas prontas para serem incorporadas aos compiladores atuais (Visuais). O desenvolvimento do protótipo para realização das tarefas básicas envolvidas num sistema de árvore de decisões, não foi o trabalho mais difícil realizado, o mais difícil realmente é sua alimentação ou atualizações constantes.

Protótipo O protótipo seria mais bem utilizado se fosse acoplado a um sistema de “controle de chamados”: abertura de chamados, fechamentos, solução, módulos substituídos, etc. que também possa direcionar a melhor árvore relativa ao equipamento problema informado. O sistema em árvore em alguns casos poderia ter inúmeros ramos a seguir, possuir múltiplos caminhos a serem seguidos. Neste, o sistema deveria ter um controle dos ramos que mais levassem a solução, mantendo uma estatística com a finalidade de ordenar o caminho a ser percorrido na árvore, contemplando os ramos com maior probabilidade de encontrar soluções. Evitando desperdício de tempo. O módulo de execução do sistema deveria possuir uma versão (Java, Active-X) que possa ser executado junto a uma página da internet ou intranet. Facilitando a sua divulgação e utilização tanto por técnicos como por usuários que queiram tentar resolver o problema por conta própria.

20

Apesar do protótipo ter sido moldado com finalidade numa empresa de manutenção em equipamentos de informática, ele poderia ser utilizado nos mais diversos campos da engenharia de conhecimento, com poucas alterações. À medida que o protótipo fosse sendo consultado deveria perguntar se a informação foi válida, para manutenção do problema, e caso não fosse deveria ser aberto um mecanismo em que o técnico pudesse se comunicar, questionar alguma dúvida sobre o sistema, deixar sugestões e até mesmo propor alterações ao sistema. Esta dúvida seria encaminhada diretamente ao especialista deste equipamento que validaria esta informação e faria as alterações caso necessárias na estrutura da árvore.

Geral Mesmo atingindo uma faixa grande desta atividade intelectual, ainda existe uma lacuna, provocada pelos diversos tipos de serviços realizados como instalações, configuração de rede, etc. Poderia neste caso, preencher com um sistema baseado em casos, como por exemplo: Técnico irá em uma instalação verificar porque uma impressora EPSON em rede não imprime, neste caso talvez a impressora não esteja com problema e sim a configuração micro / rede, o problema sairia da esfera da impressora. Mesmo com a possibilidade de o sistema ter uma árvore para seguir, o caminho mais propício seria a utilização de sistema baseado em casos que compararia este problema com uma base de casos idênticos e os selecionaria com maior grau de semelhança, que podendo assim ajudar resolver o problema. Como no exemplo, o técnico forneceria as informações: software de rede, sistema operacional utilizado, problema, impressora, etc. O sistema baseado em casos talvez fornecesse algum caso semelhante que já tenha ocorrido com uma impressora HP 620 C, num ambiente de rede e sistema semelhante, que poderia ajudar a resolver o problema. Empresas fabricantes poderiam colocar estas árvores e distribuir às suas empresas credenciadas, ou simplesmente disponibilizar através da internet. Para cada novo produto desenvolvido ou comercializado pela empresa, deveria haver um histórico nos primeiros casos da manutenção até os da própria linha de montagem. Numa empresa de grande porte na prestação de serviços de informática, a utilização deste sistema seria uma forma segura de aumentar a produtividade da equipe técnica. Em

21

empresas menores onde a quantidade de chamados não fosse o suficiente para o armazenamento, poderia ainda buscar-se outras estratégias como a utilização da base de dados do fabricante de equipamentos e/ou fornecedor do sistema operacional.

22

REFERÊNCIAS BIBLIOGRÁFICAS ARARIBÓIA, G. Inteligência Artificial Um Curso Prático. Rio de Janeiro: Livros técnicos e Científicos,1988. FRENZEL, Louis E. Crash Course in Artificial Intelligence and Expert Systems. Indianapolis: Howard W. Sams., 1987. HARMON, Paul. Sistemas Especialistas. Rio de Janeiro: Editora Campus, 1992. HAYES-ROTH, Frederick. Building Expert Systens. Massachusetts: Addison-Wesley Publishing Company, 1983. KELLER, Robert. Tecnologia de Sistemas Especialistas, Desenvolvimento e Aplicação. São Paulo: Makron do Brasil, 1993. LEVINE, Robert I. Inteligência Artificial e Sistemas Especialistas. São Paulo: McGrawHill, 1988. RABUSKE, Renato Antônio. Inteligência Artificial, Florianópolis: Editora da UFSC, 1995 SCHILDT, Herbert. Inteligência Artificial Utilizando Linguagem C. Cidade: McGrawHill, 1989. MÜLLER,

Daniel

Nehme.

Prolog.

Pelotas:

http://www.ulbra.tche.br/~danielnm/ia/intpro/intpro.html . 24/04/98. BETENPS,

Carlos

Michel.

Lisp.

Pelotas.

http://www.minerva.ufpel.tche.br/~animatel/cop1.html. 24/04/98 CORNELLA,

Alfons.

Capital

Intelectual

y

Trabajo

Temporal.

Barcelona.

http://www.extra-net.net/articulo/en970121.htm . 21/01/97 WINSTON, Patrick Henry. Inteligência Artificial. Rio de Janeiro: Livros técnicos e Científicos, 1991.