Ontologias de representação de conhecimento são modelos que agrupam e definem construtos de modelagem (tais como conceito, classe, frame). Uma ontologia temporal é uma especificação de uma conceitualização do domínio acrescida dos aspectos de tempo sobre os objetos do domínio. No caso de esta ontologia tratar somente de aspectos temporais ligados a eventos, ela é chamada ontologia de eventos. Este trabalho propõe uma extensão de uma ontologia de representação de conhecimento (RC) com construtos temporais, ou seja, estender um modelo de conceitualização de domínios com os construtos necessários para se representar eventos. A definição original de uma ontologia de RC foi estendida neste trabalho com os seguintes construtos: (i) o construto evento (que define um evento como um acontecimento que pode alterar objetos do domínio) e (ii) o construto relação-temporal (que define uma relação de tempo entre os eventos). O objetivo deste trabalho é, baseando-se nos novos construtos propostos na ontologia de RC, criar um modelo de conhecimento específico para um domínio, o qual suporta a representação das seguintes primitivas: características do domínio, eventos geradores das características do domínio, associações entre características do domínio, relações temporais entre eventos. Além disso, o modelo tem o objetivo de suportar métodos de raciocínio para inferir a seqüência em que as características do domínio foram geradas pelos eventos, ou seja, inferir a ordem dos eventos. O domínio de aplicação deste trabalho é a petrografia sedimentar. Esse domínio apresenta diversas tarefas de interpretação que exigem conhecimento especializado para sua solução. Dentre estas tarefas, o foco de estudo deste trabalho é a interpretação de seqüência diagenética, a qual procura identificar a ordem em que os processos diagenéticos atuaram sobre os constituintes das rochas sedimentares. Para compreender e coletar o conhecimento necessário para a modelagem dessa tarefa, as principais técnicas de aquisição de conhecimento para sistemas baseados em conhecimento foram aplicadas em sessões com um especialista em petrografia sedimentar, gerando os principais objetos do domínio que precisavam ser modelados para se atingir o objetivo da ordenação de eventos. Esses objetos foram representados como um modelo de conhecimento específico para o domínio da petrografia, aplicando os construtos de eventos e relação temporal. Esse modelo foi validado através da implementação de um módulo de inferência no sistema PetroGrapher. A validação foi efetuada comparando as respostas do algoritmo com as interpretações do especialista, e foi possível notar que apesar de a apresentação gráfica da seqüência de eventos ainda ser diferente da original do especialista, o algoritmo efetua a ordenação de eventos corretamente. / O domínio de aplicação deste trabalho é a petrografia sedimentar. Esse domínio apresenta diversas tarefas de interpretação que exigem conhecimento especializado para sua solução. Dentre estas tarefas, o foco de estudo deste trabalho é a interpretação de seqüência diagenética, a qual procura identificar a ordem em que os processos diagenéticos atuaram sobre os constituintes das rochas sedimentares. Para compreender e coletar o conhecimento necessário para a modelagem dessa tarefa, as principais técnicas de aquisição de conhecimento para sistemas baseados em conhecimento foram aplicadas em sessões com um especialista em petrografia sedimentar, gerando os principais objetos do domínio que precisavam ser modelados para se atingir o objetivo da ordenação de eventos. Esses objetos foram representados como um modelo de conhecimento específico para o domínio da petrografia, aplicando os construtos de eventos e relação temporal. Esse modelo foi validado através da implementação de um módulo de inferência no sistema PetroGrapher. A validação foi efetuada comparando as respostas do algoritmo com as interpretações do especialista, e foi possível notar que apesar de a apresentação gráfica da seqüência de eventos ainda ser diferente da original do especialista, o algoritmo efetua a ordenação de eventos corretamente. The application domain of this work is the sedimentary petrography. This domain presents several interpretation tasks that demand specialized knowledge for their solution. Among these tasks, the focus of this work is the diagenetic sequence interpretation, which aims to identify the order in that diagenetic processes occurred over the constituents of sedimentary rocks. In order to understand and collect the necessary knowledge for modeling this task, the main techniques of knowledge acquisition for knowledge-based systems were applied to an expert in sedimentary petrography. These sessions of knowledge acquisition revealed the domain objects that needed to be modeled to reach the objective of the ordering of events. Those objects were represented in a knowledge model for the petrography domain, which applied the proposed constructs (events and time relation). That model was validated by the implementation of an inference module in the PetroGrapher system. The validation proceeded by comparing the outputs of the algorithm with the expert's interpretations, and it was possible to notice that despite the graphic presentation of the sequence of events being different from what the expert produces as a sequence of events, the algorithm is able to order the events correctly.

Domínios imagísticos são os domínios nos quais a resolução de problemas inicia com um processo de reconhecimento dos objetos de domínio a partir da informação visual capturada, suportando interpretações mais abstratas em eventuais etapas subsequentes. A resolução de problemas, em domínio imagísticos, demanda dos especialistas a aplicação intensiva de conhecimento visual, que corresponde ao conjunto de modelos mentais que suportam o processo de raciocínio sobre a informação associada ao arranjo espacial e outros aspectos visuais das entidades do domínio. O conhecimento visual geralmente corresponde à porção tácita do conhecimento dos praticantes do domínio, de modo que ele geralmente é utilizado de modo inconsciente, resistindo à verbalização explícita. Estas características do conhecimento visual são desafiadoras do ponto de vista de Engenharia do Conhecimento. O objetivo geral deste trabalho é delinear uma abordagem integrada para aquisição, modelagem, representação e raciocínio sobre conhecimento visual, do ponto de vista da Engenharia do Conhecimento. A interpretação visual é uma tarefa comum em domínios imagísticos, cuja resolução demanda dos especialistas um raciocínio que envolve a realização de um processo cognitivo que inicia com a percepção visual direta de características dos objetos já conhecidos no domínio, e que resulta em compreensões mais abstratas da cena observada, tais como: comportamentos dinâmicos dos objetos da cena, significado do contexto da cena, causas ou efeitos do estado de coisas capturado pela cena, etc. Desta forma, para realizar o objetivo geral, este trabalho assume como objetivo específico estudar e modelar o processo de raciocínio utilizado pelos especialistas para resolver tarefas de interpretação visual, bem como as próprias estruturas para representação de conhecimento inferencial utilizadas pelos especialistas em domínios imagísticos durante a realização deste tipo de tarefa. Os principais resultados deste trabalho são um modelo de raciocínio para resolução de tarefas de interpretação visual; um modelo de estrutura para representação de conhecimento inferencial, cognitiva e filosoficamente fundamentada, chamada pacote visual; e uma abordagem para aquisição de conhecimento visual e refinamento de ontologias. O estudo foi conduzido no domínio da Estratigrafia Sedimentar, com foco na tarefa de interpretação visual de processos deposicionais geradores de fácies sedimentares. Os modelos desenvolvidos no trabalho foram testados no domínio, alcançando resultados satisfatórios. Para isto, realizou-se também o refinamento de uma ontologia de domínio. Este processo foi realizado através da aplicação de diversas técnicas de aquisição de conhecimento em sessões com o especialista. / Imagistic domains are those in which problem-solving process begins with the recognition of domain objects trough the visual information captured, supporting more abstract interpretations in subsequent steps. The problem-solving process, in imagistic domains, is performed trough intensive application of visual knowledge, which corresponds to the set of mental models that support the process of reasoning about the information of the spatial arrangement and other visual aspects of the domain entities. The visual knowledge corresponds to a tacit kind of knowledge of practitioners in the field, so it is often used unconsciously, resisting to explicit verbalization. These characteristics of visual knowledge are challenging from the standpoint of Knowledge Engineering. The general aim of this work is to outline an integrated approach to acquisition, modeling, representation and reasoning, to handle visual knowledge, from the standpoint of Knowledge Engineering. The visual interpretation is a common task in imagistic domains, whose resolution demands a reasoning that involves a cognitive process that starts with the direct perception of visual features of objects, and results in abstract understandings of observed scene, such as dynamic behavior of objects in the scene, the meaning of the context of the scene, causes or effects of the state of affairs captured in the scene, etc. Thus, to achieve the overall goal, this work takes as a specific aim to study and model the reasoning process used by experts to solve tasks of visual interpretation, as well as the inferential knowledge structures applied by experts in imagistic domains to accomplish this type of task. The main results of this work are a model of reasoning for solving tasks of visual interpretation; a cognitive grounded model of structure for inferential knowledge representation, called visual chunk; and an approach to visual knowledge acquisition and refinement of ontologies, which explores the reasoning used by the expert as a tool to reveal the lack of important terms in the domain ontology. The study was conducted in the field of sedimentary stratigraphy, focusing on the task of visual interpretation of depositional processes responsible by the generation of sedimentary facies. The models developed in this work was tested in the domain, achieving satisfactory results. In order to apply our approach, a refinement of domain ontology was performed. This process was carried out by applying several techniques of knowledge acquisition in sessions with the expert.

Gestão de conhecimento busca criar, adquirir, compartilhar e utilizar ativos de conhecimento produzidos ou dispersos na organização, de forma a garantir o controle pela organização de um importante componente de seu produto ou serviço. A engenharia de conhecimento fornece os instrumentos que permitem identificar as fontes de conhecimento, e ajuda a extrair e modelar esse conhecimento, quando de fontes humanas, de forma a utilizá-lo de forma independente das pessoas. Este trabalho apresenta um estudo de caso no desenvolvimento de um projeto de gestão de conhecimento para a área de produção de uma empresa que atua na fabricação de papel, com um modelo de processo contínuo. O modelo de produção é particularmente interessante pelo fato de sofrer permanente monitoração e eventuais ações de reparo, cujo efeito será sentido apenas no final do processo produtivo. Ações erradas ou ineficientes acarretam significativas perdas de produto, com grande impacto no ganho da empresa. O objetivo deste trabalho é a identificação dos conhecimentos envolvidos na detecção de desvios de padrão no processo produtivo e nas ações de reparo para produção de papel. A partir do estudo do processo e da identificação dos insumos de conhecimento, foi proposto um modelo da área de produção onde são mapeados os ativos de conhecimentos, os processos e agentes que utilizam esses conhecimentos. Esse modelo foi racionalizado de forma a otimizar a utilização do conhecimento e homogeneizar o processo de solução de problemas de acordo com o padrão desejado pela empresa. A Metodologia CommonKADS foi utilizada para conduzir o desenvolvimento desse modelo. Esse trabalho demonstrou que a tarefa de monitoração e reparo da linha de produção utiliza conhecimentos tácitos ou não estruturados para a solução de problemas, juntamente com o conhecimento explícito obtido através de treinamento ou orientação da organização. Como resultado, a qualidade da solução será diferente dependendo do agente responsável pela monitoração naquele momento. Através das técnicas de entrevistas, análise de protocolo, observações e repertory grid, esses conhecimentos foram explicitados e formalizados, sendo disponibilizados como normas para todos os agentes, atingindo uma desejável homogeneidade no processo produtivo que leva a diminuição do refugo de produção. A suite de modelos da organização, tarefa, comunicação e agentes de Common KADS foi avaliada como ferramenta de suporte à identificação e formalização dos insumos de conhecimento da organização. Foi proposto um modelo OM-6 a ser incluído como um modelo da organização para avaliação dos procedimentos de correção. O modelo obtido é a etapa inicial para o projeto de um sistema de conhecimento que automatize a tarefa de monitoração e reparo do processo de produção de papel. / Knowledge management aims to create, acquire, share and employ knowledge issues produced or disseminated in the organisation, in order to guarantee the full control over an important component of the organisation product and service. Knowledge engineering provides adequate tools to identify the knowledge sources and helps in extracting and modelling the knowledge, allowing to be employed in human independent way. This work presents the results of a detailed study about the development of a knowledge management project for a production area in a filter paper factory, whose production line is carry out as a continuous process. The production model is particularly interesting because the process demands continuous and permanent monitoring, but the effectiveness of the corrective actions can be perceived only in the final stage of the production process. Wrong actions cause significant amount of the product rejection with strong impact in the company returns. The goal of this study is identifying the knowledge applied by agents in detecting pattern deviation in the production process and in the repair actions during the paper production. A model of the production area, mapping knowledge issues, agents and tasks, was proposed from the acknowledgement of the process and the knowledge assets. This model was rationalised in order to improve the effectiveness of the knowledge application and guarantee an homogeneous problem-solving process, according to the company standard. The CommonKADS methodology defines the model development. This work demonstrates that, during the monitoring and repair task, the agents apply tacit unstructured knowledge, besides the explicit knowledge acquired through training into the organisation, to achieve the solution. The result will be a dependence between the agent and the quality of the production. These knowledge were made explicit and formalised through the use of interviews, protocol analysis and repertory grid, and was further shared as norms to the whole team of agents. These norms provide a desirable homogeneity in the production process leading to a reduction on the production refuse. The CommonKADS model suit – organisation, task, communication and agent models – was evaluated as a supporting tool to the identification and formalisation of organisation knowledge. An additional model, called OM-6, was proposed as an extension to the CommonKADS suit to support for valuation of the correction procedures. The obtained organization model is the first step in a knowledge system project for the automation of the monitoring and repair tasks in the paper production process.

Gestão de conhecimento busca criar, adquirir, compartilhar e utilizar ativos de conhecimento produzidos ou dispersos na organização, de forma a garantir o controle pela organização de um importante componente de seu produto ou serviço. A engenharia de conhecimento fornece os instrumentos que permitem identificar as fontes de conhecimento, e ajuda a extrair e modelar esse conhecimento, quando de fontes humanas, de forma a utilizá-lo de forma independente das pessoas. Este trabalho apresenta um estudo de caso no desenvolvimento de um projeto de gestão de conhecimento para a área de produção de uma empresa que atua na fabricação de papel, com um modelo de processo contínuo. O modelo de produção é particularmente interessante pelo fato de sofrer permanente monitoração e eventuais ações de reparo, cujo efeito será sentido apenas no final do processo produtivo. Ações erradas ou ineficientes acarretam significativas perdas de produto, com grande impacto no ganho da empresa. O objetivo deste trabalho é a identificação dos conhecimentos envolvidos na detecção de desvios de padrão no processo produtivo e nas ações de reparo para produção de papel. A partir do estudo do processo e da identificação dos insumos de conhecimento, foi proposto um modelo da área de produção onde são mapeados os ativos de conhecimentos, os processos e agentes que utilizam esses conhecimentos. Esse modelo foi racionalizado de forma a otimizar a utilização do conhecimento e homogeneizar o processo de solução de problemas de acordo com o padrão desejado pela empresa. A Metodologia CommonKADS foi utilizada para conduzir o desenvolvimento desse modelo. Esse trabalho demonstrou que a tarefa de monitoração e reparo da linha de produção utiliza conhecimentos tácitos ou não estruturados para a solução de problemas, juntamente com o conhecimento explícito obtido através de treinamento ou orientação da organização. Como resultado, a qualidade da solução será diferente dependendo do agente responsável pela monitoração naquele momento. Através das técnicas de entrevistas, análise de protocolo, observações e repertory grid, esses conhecimentos foram explicitados e formalizados, sendo disponibilizados como normas para todos os agentes, atingindo uma desejável homogeneidade no processo produtivo que leva a diminuição do refugo de produção. A suite de modelos da organização, tarefa, comunicação e agentes de Common KADS foi avaliada como ferramenta de suporte à identificação e formalização dos insumos de conhecimento da organização. Foi proposto um modelo OM-6 a ser incluído como um modelo da organização para avaliação dos procedimentos de correção. O modelo obtido é a etapa inicial para o projeto de um sistema de conhecimento que automatize a tarefa de monitoração e reparo do processo de produção de papel. / Knowledge management aims to create, acquire, share and employ knowledge issues produced or disseminated in the organisation, in order to guarantee the full control over an important component of the organisation product and service. Knowledge engineering provides adequate tools to identify the knowledge sources and helps in extracting and modelling the knowledge, allowing to be employed in human independent way. This work presents the results of a detailed study about the development of a knowledge management project for a production area in a filter paper factory, whose production line is carry out as a continuous process. The production model is particularly interesting because the process demands continuous and permanent monitoring, but the effectiveness of the corrective actions can be perceived only in the final stage of the production process. Wrong actions cause significant amount of the product rejection with strong impact in the company returns. The goal of this study is identifying the knowledge applied by agents in detecting pattern deviation in the production process and in the repair actions during the paper production. A model of the production area, mapping knowledge issues, agents and tasks, was proposed from the acknowledgement of the process and the knowledge assets. This model was rationalised in order to improve the effectiveness of the knowledge application and guarantee an homogeneous problem-solving process, according to the company standard. The CommonKADS methodology defines the model development. This work demonstrates that, during the monitoring and repair task, the agents apply tacit unstructured knowledge, besides the explicit knowledge acquired through training into the organisation, to achieve the solution. The result will be a dependence between the agent and the quality of the production. These knowledge were made explicit and formalised through the use of interviews, protocol analysis and repertory grid, and was further shared as norms to the whole team of agents. These norms provide a desirable homogeneity in the production process leading to a reduction on the production refuse. The CommonKADS model suit – organisation, task, communication and agent models – was evaluated as a supporting tool to the identification and formalisation of organisation knowledge. An additional model, called OM-6, was proposed as an extension to the CommonKADS suit to support for valuation of the correction procedures. The obtained organization model is the first step in a knowledge system project for the automation of the monitoring and repair tasks in the paper production process.

Gestão de conhecimento busca criar, adquirir, compartilhar e utilizar ativos de conhecimento produzidos ou dispersos na organização, de forma a garantir o controle pela organização de um importante componente de seu produto ou serviço. A engenharia de conhecimento fornece os instrumentos que permitem identificar as fontes de conhecimento, e ajuda a extrair e modelar esse conhecimento, quando de fontes humanas, de forma a utilizá-lo de forma independente das pessoas. Este trabalho apresenta um estudo de caso no desenvolvimento de um projeto de gestão de conhecimento para a área de produção de uma empresa que atua na fabricação de papel, com um modelo de processo contínuo. O modelo de produção é particularmente interessante pelo fato de sofrer permanente monitoração e eventuais ações de reparo, cujo efeito será sentido apenas no final do processo produtivo. Ações erradas ou ineficientes acarretam significativas perdas de produto, com grande impacto no ganho da empresa. O objetivo deste trabalho é a identificação dos conhecimentos envolvidos na detecção de desvios de padrão no processo produtivo e nas ações de reparo para produção de papel. A partir do estudo do processo e da identificação dos insumos de conhecimento, foi proposto um modelo da área de produção onde são mapeados os ativos de conhecimentos, os processos e agentes que utilizam esses conhecimentos. Esse modelo foi racionalizado de forma a otimizar a utilização do conhecimento e homogeneizar o processo de solução de problemas de acordo com o padrão desejado pela empresa. A Metodologia CommonKADS foi utilizada para conduzir o desenvolvimento desse modelo. Esse trabalho demonstrou que a tarefa de monitoração e reparo da linha de produção utiliza conhecimentos tácitos ou não estruturados para a solução de problemas, juntamente com o conhecimento explícito obtido através de treinamento ou orientação da organização. Como resultado, a qualidade da solução será diferente dependendo do agente responsável pela monitoração naquele momento. Através das técnicas de entrevistas, análise de protocolo, observações e repertory grid, esses conhecimentos foram explicitados e formalizados, sendo disponibilizados como normas para todos os agentes, atingindo uma desejável homogeneidade no processo produtivo que leva a diminuição do refugo de produção. A suite de modelos da organização, tarefa, comunicação e agentes de Common KADS foi avaliada como ferramenta de suporte à identificação e formalização dos insumos de conhecimento da organização. Foi proposto um modelo OM-6 a ser incluído como um modelo da organização para avaliação dos procedimentos de correção. O modelo obtido é a etapa inicial para o projeto de um sistema de conhecimento que automatize a tarefa de monitoração e reparo do processo de produção de papel. / Knowledge management aims to create, acquire, share and employ knowledge issues produced or disseminated in the organisation, in order to guarantee the full control over an important component of the organisation product and service. Knowledge engineering provides adequate tools to identify the knowledge sources and helps in extracting and modelling the knowledge, allowing to be employed in human independent way. This work presents the results of a detailed study about the development of a knowledge management project for a production area in a filter paper factory, whose production line is carry out as a continuous process. The production model is particularly interesting because the process demands continuous and permanent monitoring, but the effectiveness of the corrective actions can be perceived only in the final stage of the production process. Wrong actions cause significant amount of the product rejection with strong impact in the company returns. The goal of this study is identifying the knowledge applied by agents in detecting pattern deviation in the production process and in the repair actions during the paper production. A model of the production area, mapping knowledge issues, agents and tasks, was proposed from the acknowledgement of the process and the knowledge assets. This model was rationalised in order to improve the effectiveness of the knowledge application and guarantee an homogeneous problem-solving process, according to the company standard. The CommonKADS methodology defines the model development. This work demonstrates that, during the monitoring and repair task, the agents apply tacit unstructured knowledge, besides the explicit knowledge acquired through training into the organisation, to achieve the solution. The result will be a dependence between the agent and the quality of the production. These knowledge were made explicit and formalised through the use of interviews, protocol analysis and repertory grid, and was further shared as norms to the whole team of agents. These norms provide a desirable homogeneity in the production process leading to a reduction on the production refuse. The CommonKADS model suit – organisation, task, communication and agent models – was evaluated as a supporting tool to the identification and formalisation of organisation knowledge. An additional model, called OM-6, was proposed as an extension to the CommonKADS suit to support for valuation of the correction procedures. The obtained organization model is the first step in a knowledge system project for the automation of the monitoring and repair tasks in the paper production process.

O presente trabalho descreve a aplicação de um modelo híbrido para sistemas especialistas em um problema de tomada de decisão, do tipo classificatório. O modelo híbrido para sistemas especialistas, denominado SECOX-HI, foi desenvolvido utilizando-se dois mecanismos de representação de conhecimento. O conhecimento é representado por um conjunto de estruturas de dados relacionais e por redes neurais. As estruturas de dados relacionais permitem uma representação flexível e compreensível do conhecimento do domínio, enquanto que as redes neurais possibilitam a automação da aquisição de conhecimento, a partir de uma base de casos, e a implementação do aprendizado indutivo. O modelo de redes neurais utilizado foi o Modelo Neural Combinatório (MNC), capaz de realizar o aprendizado heurístico através de reconhecimento de padrões observados. A metodologia de construção de grafos de conhecimento foi utilizada para capturar o conhecimento dos especialistas sobre o domínio da aplicação. Adicionalmente, os conceitos da lógica nebulosa foram empregados para modelar as variáveis nebulosas do domínio da aplicação, bem como para definir a função de pertinência dos conjuntos nebulosos relacionados a essas variáveis. A metodologia de aquisição de conhecimento e a fase de engenharia de conhecimento são detalhadas no trabalho, assim como a determinação das variáveis nebulosas e os conjuntos nebulosos associados. O modelo híbrido para sistemas especialistas, SECOX-HI, foi aplicado no problema de detecção de regime de operação do reservatório da usina hidroelétrica de Passo Real, no sistema hidroelétrico Jacuí, na companhia estadual de energia elétrica do Estado do Rio Grande do Sul (CEEE). Para a validação do SECOX-HI, montaram-se três versões da base de conhecimento. A primeira versão, Bl, contém os casos de ocorrências históricas levantados no centro de operações do sistema. A segunda versão, B2, foi montada a partir dos grafos de conhecimento colhidos dos especialistas. A terceira versão da base de conhecimento, B3, constituí-se numa base híbrida, formada por porções das versões Bl e B2. Também, para efeito de validação do sistema, foi montada uma base de testes. A base de testes é composta por 30 ocorrências, aleatóriamente selecionadas. A versão Bl do sistema concluiu corretamente 29 (96. 7 %) dos 30 diagnósticos da base de testes. A versão B2 do sistema concluiu corretamente 22 (73.4 %) dos 30 casos apresentados, e a versão híbrida do sistema, B3, concluiu corretamente 27 (90 %) dos 30 casos apresentados. Pelos resultados obtidos na validação do modelo, pode-se verificar a eficiência do formalismo híbrido na representação do conhecimento; a eficiência e aplicabilidade de modelos de redes neurais para a implementação de métodos de aquisição automática de conhecimento, principalmente quando existe um banco de casos disponível para o treinamento da rede neural; a aplicabilidade da tecnologia de sistemas especialistas no suporte à decisão. Como principais contribuições deste trabalho, pode-se destacar a i aplicação da lógica nebulosa numa situação real, para a interpretação e modelagem de conceitos imprecisos; a utilização e validação de uma metodologia para aquisição de conhecimento, baseada em grafos; a especificação e aplicação de um modelo computacional que incorpora a explicitação automática de conhecimento, via registros de ocorrências históricas, e o aprendizado indutivo, pelo refinamento do conhecimento armazenado nas redes neurais. / This dissertation describes the application of a hybrid model for classification expert systems in a decision making environment. The hybrid model for expert systems, named SECOX-HI, employs two knowledge representation mechanism. The knowledge is represented by a set of relational data structures and neural networks. The relational data structures provide flexible and comprehensible constructs for modeling the domain knowledge. The neural networks provide the means for automatic knowledge acquisition, by a case database, and enable the implementation of machine learning techniques. The Combinatorial Neural Model (CNM) was the architecture chosen for the neural network environment. These model is characterized by its capacity of learning through the recognition of regularities observed in the outside world. The methodology used for knowledge acquisition was the construction of knowledge graphs, extracted from the domain experts. In addition, the fuzzy logic concepts was used to model the fuzzy variables of the application domain, as well as to define the membership functions of the fuzzy sets related to these variables. The knowledge acquisition methodology, the knowledge engineering phase and the especification of the fuzzy variables are fully discussed. The SECOX-HI system was applied at classification of operation states of the floodgates movements from a reservoir in a hydroeletric company named CEEE (Companhia Estadual de Energia Elétrica Rio Grande do Sul). To validate SECOX-HI system, three vers10ns of the knowledge base were consructed. The first version, Bl, was automatically created based on the training of the case database. The case database is formed by records of historicals occurrences retrieved from the databases of the eletric company, CEEE. The second version, B2, is based upon the knowledge graphs extracted from experts in operation of floodgates. The third version, B3, is a hybrid version formed by parts of knowledge base version Bl and B2. To validate these three versions of the knowledge base, 30 cases were randomly selected from the same database that originated the case database, excluding ali cases that had already been previously selected. Version Bl gave 29 (96,7%) correct diagnoses out of 30; version B2 gave 22 (73,4%) correct diagnoses and version B3 gave 27 (90 ,0%) correct diagnoses. These results point to the efficiency of the hybrid formalism to the knowledge representation, the efficiency and applicability of neural networks models to implement the automatic knowledge acquisition methods, mainly when there is a case database available for training the neural model. The results also showed the applicability of expert systems in the role of a decision support tool. The main contribuitions of this research are the application of fuzzy logic m a real world problem to interpret and model imprecise concepts; the using and validation of a knowledge acquisition methodology based on knowledge graphs; the design and application of a computational model that provides automatic knowledge I acquisition by a case database and inductive learning through the refinement of the neural network knowledge.

O presente trabalho descreve a aplicação de um modelo híbrido para sistemas especialistas em um problema de tomada de decisão, do tipo classificatório. O modelo híbrido para sistemas especialistas, denominado SECOX-HI, foi desenvolvido utilizando-se dois mecanismos de representação de conhecimento. O conhecimento é representado por um conjunto de estruturas de dados relacionais e por redes neurais. As estruturas de dados relacionais permitem uma representação flexível e compreensível do conhecimento do domínio, enquanto que as redes neurais possibilitam a automação da aquisição de conhecimento, a partir de uma base de casos, e a implementação do aprendizado indutivo. O modelo de redes neurais utilizado foi o Modelo Neural Combinatório (MNC), capaz de realizar o aprendizado heurístico através de reconhecimento de padrões observados. A metodologia de construção de grafos de conhecimento foi utilizada para capturar o conhecimento dos especialistas sobre o domínio da aplicação. Adicionalmente, os conceitos da lógica nebulosa foram empregados para modelar as variáveis nebulosas do domínio da aplicação, bem como para definir a função de pertinência dos conjuntos nebulosos relacionados a essas variáveis. A metodologia de aquisição de conhecimento e a fase de engenharia de conhecimento são detalhadas no trabalho, assim como a determinação das variáveis nebulosas e os conjuntos nebulosos associados. O modelo híbrido para sistemas especialistas, SECOX-HI, foi aplicado no problema de detecção de regime de operação do reservatório da usina hidroelétrica de Passo Real, no sistema hidroelétrico Jacuí, na companhia estadual de energia elétrica do Estado do Rio Grande do Sul (CEEE). Para a validação do SECOX-HI, montaram-se três versões da base de conhecimento. A primeira versão, Bl, contém os casos de ocorrências históricas levantados no centro de operações do sistema. A segunda versão, B2, foi montada a partir dos grafos de conhecimento colhidos dos especialistas. A terceira versão da base de conhecimento, B3, constituí-se numa base híbrida, formada por porções das versões Bl e B2. Também, para efeito de validação do sistema, foi montada uma base de testes. A base de testes é composta por 30 ocorrências, aleatóriamente selecionadas. A versão Bl do sistema concluiu corretamente 29 (96. 7 %) dos 30 diagnósticos da base de testes. A versão B2 do sistema concluiu corretamente 22 (73.4 %) dos 30 casos apresentados, e a versão híbrida do sistema, B3, concluiu corretamente 27 (90 %) dos 30 casos apresentados. Pelos resultados obtidos na validação do modelo, pode-se verificar a eficiência do formalismo híbrido na representação do conhecimento; a eficiência e aplicabilidade de modelos de redes neurais para a implementação de métodos de aquisição automática de conhecimento, principalmente quando existe um banco de casos disponível para o treinamento da rede neural; a aplicabilidade da tecnologia de sistemas especialistas no suporte à decisão. Como principais contribuições deste trabalho, pode-se destacar a i aplicação da lógica nebulosa numa situação real, para a interpretação e modelagem de conceitos imprecisos; a utilização e validação de uma metodologia para aquisição de conhecimento, baseada em grafos; a especificação e aplicação de um modelo computacional que incorpora a explicitação automática de conhecimento, via registros de ocorrências históricas, e o aprendizado indutivo, pelo refinamento do conhecimento armazenado nas redes neurais. / This dissertation describes the application of a hybrid model for classification expert systems in a decision making environment. The hybrid model for expert systems, named SECOX-HI, employs two knowledge representation mechanism. The knowledge is represented by a set of relational data structures and neural networks. The relational data structures provide flexible and comprehensible constructs for modeling the domain knowledge. The neural networks provide the means for automatic knowledge acquisition, by a case database, and enable the implementation of machine learning techniques. The Combinatorial Neural Model (CNM) was the architecture chosen for the neural network environment. These model is characterized by its capacity of learning through the recognition of regularities observed in the outside world. The methodology used for knowledge acquisition was the construction of knowledge graphs, extracted from the domain experts. In addition, the fuzzy logic concepts was used to model the fuzzy variables of the application domain, as well as to define the membership functions of the fuzzy sets related to these variables. The knowledge acquisition methodology, the knowledge engineering phase and the especification of the fuzzy variables are fully discussed. The SECOX-HI system was applied at classification of operation states of the floodgates movements from a reservoir in a hydroeletric company named CEEE (Companhia Estadual de Energia Elétrica Rio Grande do Sul). To validate SECOX-HI system, three vers10ns of the knowledge base were consructed. The first version, Bl, was automatically created based on the training of the case database. The case database is formed by records of historicals occurrences retrieved from the databases of the eletric company, CEEE. The second version, B2, is based upon the knowledge graphs extracted from experts in operation of floodgates. The third version, B3, is a hybrid version formed by parts of knowledge base version Bl and B2. To validate these three versions of the knowledge base, 30 cases were randomly selected from the same database that originated the case database, excluding ali cases that had already been previously selected. Version Bl gave 29 (96,7%) correct diagnoses out of 30; version B2 gave 22 (73,4%) correct diagnoses and version B3 gave 27 (90 ,0%) correct diagnoses. These results point to the efficiency of the hybrid formalism to the knowledge representation, the efficiency and applicability of neural networks models to implement the automatic knowledge acquisition methods, mainly when there is a case database available for training the neural model. The results also showed the applicability of expert systems in the role of a decision support tool. The main contribuitions of this research are the application of fuzzy logic m a real world problem to interpret and model imprecise concepts; the using and validation of a knowledge acquisition methodology based on knowledge graphs; the design and application of a computational model that provides automatic knowledge I acquisition by a case database and inductive learning through the refinement of the neural network knowledge.

O presente trabalho descreve a aplicação de um modelo híbrido para sistemas especialistas em um problema de tomada de decisão, do tipo classificatório. O modelo híbrido para sistemas especialistas, denominado SECOX-HI, foi desenvolvido utilizando-se dois mecanismos de representação de conhecimento. O conhecimento é representado por um conjunto de estruturas de dados relacionais e por redes neurais. As estruturas de dados relacionais permitem uma representação flexível e compreensível do conhecimento do domínio, enquanto que as redes neurais possibilitam a automação da aquisição de conhecimento, a partir de uma base de casos, e a implementação do aprendizado indutivo. O modelo de redes neurais utilizado foi o Modelo Neural Combinatório (MNC), capaz de realizar o aprendizado heurístico através de reconhecimento de padrões observados. A metodologia de construção de grafos de conhecimento foi utilizada para capturar o conhecimento dos especialistas sobre o domínio da aplicação. Adicionalmente, os conceitos da lógica nebulosa foram empregados para modelar as variáveis nebulosas do domínio da aplicação, bem como para definir a função de pertinência dos conjuntos nebulosos relacionados a essas variáveis. A metodologia de aquisição de conhecimento e a fase de engenharia de conhecimento são detalhadas no trabalho, assim como a determinação das variáveis nebulosas e os conjuntos nebulosos associados. O modelo híbrido para sistemas especialistas, SECOX-HI, foi aplicado no problema de detecção de regime de operação do reservatório da usina hidroelétrica de Passo Real, no sistema hidroelétrico Jacuí, na companhia estadual de energia elétrica do Estado do Rio Grande do Sul (CEEE). Para a validação do SECOX-HI, montaram-se três versões da base de conhecimento. A primeira versão, Bl, contém os casos de ocorrências históricas levantados no centro de operações do sistema. A segunda versão, B2, foi montada a partir dos grafos de conhecimento colhidos dos especialistas. A terceira versão da base de conhecimento, B3, constituí-se numa base híbrida, formada por porções das versões Bl e B2. Também, para efeito de validação do sistema, foi montada uma base de testes. A base de testes é composta por 30 ocorrências, aleatóriamente selecionadas. A versão Bl do sistema concluiu corretamente 29 (96. 7 %) dos 30 diagnósticos da base de testes. A versão B2 do sistema concluiu corretamente 22 (73.4 %) dos 30 casos apresentados, e a versão híbrida do sistema, B3, concluiu corretamente 27 (90 %) dos 30 casos apresentados. Pelos resultados obtidos na validação do modelo, pode-se verificar a eficiência do formalismo híbrido na representação do conhecimento; a eficiência e aplicabilidade de modelos de redes neurais para a implementação de métodos de aquisição automática de conhecimento, principalmente quando existe um banco de casos disponível para o treinamento da rede neural; a aplicabilidade da tecnologia de sistemas especialistas no suporte à decisão. Como principais contribuições deste trabalho, pode-se destacar a i aplicação da lógica nebulosa numa situação real, para a interpretação e modelagem de conceitos imprecisos; a utilização e validação de uma metodologia para aquisição de conhecimento, baseada em grafos; a especificação e aplicação de um modelo computacional que incorpora a explicitação automática de conhecimento, via registros de ocorrências históricas, e o aprendizado indutivo, pelo refinamento do conhecimento armazenado nas redes neurais. / This dissertation describes the application of a hybrid model for classification expert systems in a decision making environment. The hybrid model for expert systems, named SECOX-HI, employs two knowledge representation mechanism. The knowledge is represented by a set of relational data structures and neural networks. The relational data structures provide flexible and comprehensible constructs for modeling the domain knowledge. The neural networks provide the means for automatic knowledge acquisition, by a case database, and enable the implementation of machine learning techniques. The Combinatorial Neural Model (CNM) was the architecture chosen for the neural network environment. These model is characterized by its capacity of learning through the recognition of regularities observed in the outside world. The methodology used for knowledge acquisition was the construction of knowledge graphs, extracted from the domain experts. In addition, the fuzzy logic concepts was used to model the fuzzy variables of the application domain, as well as to define the membership functions of the fuzzy sets related to these variables. The knowledge acquisition methodology, the knowledge engineering phase and the especification of the fuzzy variables are fully discussed. The SECOX-HI system was applied at classification of operation states of the floodgates movements from a reservoir in a hydroeletric company named CEEE (Companhia Estadual de Energia Elétrica Rio Grande do Sul). To validate SECOX-HI system, three vers10ns of the knowledge base were consructed. The first version, Bl, was automatically created based on the training of the case database. The case database is formed by records of historicals occurrences retrieved from the databases of the eletric company, CEEE. The second version, B2, is based upon the knowledge graphs extracted from experts in operation of floodgates. The third version, B3, is a hybrid version formed by parts of knowledge base version Bl and B2. To validate these three versions of the knowledge base, 30 cases were randomly selected from the same database that originated the case database, excluding ali cases that had already been previously selected. Version Bl gave 29 (96,7%) correct diagnoses out of 30; version B2 gave 22 (73,4%) correct diagnoses and version B3 gave 27 (90 ,0%) correct diagnoses. These results point to the efficiency of the hybrid formalism to the knowledge representation, the efficiency and applicability of neural networks models to implement the automatic knowledge acquisition methods, mainly when there is a case database available for training the neural model. The results also showed the applicability of expert systems in the role of a decision support tool. The main contribuitions of this research are the application of fuzzy logic m a real world problem to interpret and model imprecise concepts; the using and validation of a knowledge acquisition methodology based on knowledge graphs; the design and application of a computational model that provides automatic knowledge I acquisition by a case database and inductive learning through the refinement of the neural network knowledge.