UNIVERSIDADE FEDERAL DE OURO PRETO Instituto de Cincias Exatas e Aplicadas

Utilizao da Lgica Fuzzy em um Sistema de Apoio Deciso na Concesso de Crdito Pessoal

Diego Oliveira Froes Janser Lemes Ferreira

Maro, 2012

Sumrio
Introduo ..................................................................................................................................... 3 Lgica Fyzzy, Difusa ou Nebulosa .................................................................................................. 3 Vantagens ...................................................................................................................................... 4 Desvantagens ................................................................................................................................ 5 Aplicaes...................................................................................................................................... 5 Aplicao da lgica fuzzy em um sistema de concesso de crdito pessoal ................................ 6 Concluses .................................................................................................................................... 8 Referncias .................................................................................................................................... 9

Introduo
As primeiras noes da lgica dos conceitos foi desenvolvida por um lgico polons Jan Lukasiewicz (1878-1956) em 1920 que introduziu conjuntos com graus de pertinncia sendo 0, e 1 e, mais tarde, expandiu para um nmero infinito de valores entre 0 e 1. A primeira publicao sobre lgica "fuzzy" data de 1965, quando recebeu este nome. Seu autor foi Lotfi Asker Zadeh (ZAH-da), professor em Berkeley, Universidade da California. Zadeh criou lgica "fuzzy" combinando os conceitos da lgica clssica e os conjuntos de Lukasiewicz, definindo graus de pertinncia. Entre 1970 e 1980 as aplicaes industriais da lgica "fuzzy" aconteceram com maior importncia na Europa e aps 1980, o Japo iniciou seu uso com aplicaes na indstria. Algumas das primeiras aplicaes foram em um tratamento de gua feito pela Fuji Electric em 1983 e pela Hitachi em um sistema de metr inaugurado em 1987. Por volta de 1990 que a lgica "fuzzy" despertou um maior interesse em empresas dos Estados Unidos. Devido ao desenvolvimento e as inmeras possibilidades prticas dos sistemas "fuzzy" e o grande sucesso comercial de suas aplicaes, a lgica "fuzzy" considerada hoje uma tcnica "standard" e tem uma ampla aceitao na rea de controle de processos industriais. Este trabalho ir mostrar aplicao da lgica fuzzy em um sistema de apoio deciso na concesso de crdito pessoal.

Lgica Fyzzy, Difusa ou Nebulosa

Lgica Fuzzy baseada na teoria dos Conjuntos Fuzzy. Tradicionalmente, uma proposio lgica tem dois extremos: ou completamente verdadeiro ou completamente falso. Entretanto, na lgica Fuzzy, uma premissa varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira ou parcialmente falsa.

A fora da Lgica Fuzzy deriva da sua habilidade em inferir concluses e gerar respostas baseadas em informaes vagas, ambguas e qualitativamente incompletas e

imprecisas. Neste aspecto, os sistemas de base Fuzzy tm habilidade de raciocinar de forma semelhante dos humanos. Seu comportamento representado de maneira muito simples e natural, levando construo de sistemas compreensveis e de fcil manuteno. O controle executado pela lgica Fuzzy imita um comportamento baseado em regras ao invs de um controle explicitamente restrito a modelos matemticos como equaes diferenciais. O objetivo da lgica Fuzzy gerar uma sada lgica a partir de um conjunto de entradas no precisas, com rudos ou at mesmo faltantes.

Varivel 01 Varivel 02 Varivel 03 Varivel 04 Sistema baseado em lgica difusa Sada do diagnstico

Figura 1 Modelagem da Lgica Fuzzy

Vantagens
Os Sistemas elaborados com base nessa lgica requerem poucas regras, valores e decises, sendo robustos, pois operam com falta de regras ou com regras defeituosas. Alm do mais, o uso de variveis lingusticas nos deixa mais perto do pensamento Humano e mais variveis observveis podem ser valoradas. A lgica Fuzzy apresenta as seguintes caractersticas em relao a outras tcnicas de controle: Robusta porque no requer entradas precisas. Modificada facilmente, pois baseada em regras. Controle de sistemas no lineares sem modelo matemtico. Soluo mais rpida e barata em alguns casos. Fcil de implementar em microprocessadores.

Desvantagens
Sistemas elaborados nessa lgica necessitam de mais simulao e testes, no aprendem facilmente, so difceis para se estabelecer regras corretamente, alm de no possurem uma definio matemtica precisa.

Aplicaes
Originalmente a lgica nebulosa encontrou aplicabilidade imediata no campo de Controladores de Processos Industriais, pois controladores baseados na lgica nebulosa tratam igualmente sistemas lineares e no lineares, alm de no requererem a modelagem matemtica do processo a ser controlado. Hoje existe um interesse crescente em se utilizar a Lgica Nebulosa em sistemas especialistas para torna-los mais flexveis. Pesquisa e desenvolvimento esto em andamento em aplicaes Nebulosas em projeto de software, incluindo Sistemas Fuzzy Expert e Integrao de Lgica Nebulosa com redes neurais, os denominados algoritmos genticos, com o objetivo de construo de um Sistema Nebuloso capaz de aprender.

Tabela 1 - produtos comerciais japoneses que utilizam a lgica fuzzy

Aplicao da lgica fuzzy em um sistema de concesso de crdito pessoal

As instituies financeiras necessitam gerenciar de maneira eficaz suas carteiras de crdito, visando evitar prejuzos a seus acionistas e clientes. Com o aumento da concorrncia entre os bancos na disputa por clientes, os mesmos viram reduzidas suas margens de lucro nas operaes de crdito, tendo assim que aumentar sua base de clientes para elevao da receita. Sendo assim, necessrio que essas instituies desenvolvam mtodos rpidos na deciso de emprestar ou no recursos, e que, acima de tudo, esses mtodos sejam tambm confiveis. Os bancos comerciais disponibilizam crditos a pessoas que faam por merecer esse beneficio. Ao tornar este credito disponvel, os bancos esto aumentando a produo, expandindo investimento de capital e proporcionando um padro de vida mais alto. Alm de oferecer crdito empresas, os bancos concedem tambm emprstimos pessoas fsicas, o que ocorre na maioria das vezes quando este tem suas receitas comprometidas, precisando recorrer alguma instituio financeira para suprir o seu oramento. Quando um consumidor precisa contratar um emprstimo, surge a figura do profissional de crdito, que ir analisar se este apresenta condies necessrias para assumir o compromisso. A avaliao de crdito tem por finalidade determinar a capacidade e disposio de um tomador de pagar um emprstimo solicitado de acordo com os termos do contrato assinado. Cabe a instituio financeira determinar o grau de risco que ela est disposta a assumir em cada caso, e o valor que pode ser emprestado em vista dos riscos envolvidos. Antes de o emprstimo ser liberado necessrio determinar as condies e termos sob os quais ele ser concedido. Alguns dos fatores que influem na capacidade de pagamento do tomador so difceis de serem avaliadas, mas devem ser tratados da forma mais realista possvel na formulao das projees financeiras.

Alguns requisitos avaliados antes da concesso de crdito ao tomador so: capacidade para gerar receita; carter; capacidade para contratar emprstimos; garantias; condies econmicas; importncia relativa dos fatores de crdito. Para auxiliar nesta avaliao e gerenciar melhor a sua carteira de crdito, as instituies financeiras podem utilizar um sistema de apoio deciso, o qual ir indicar se o emprstimo deve ou no ser feito. Este sistema pode ser baseado em lgica fuzzy, como j foi descrito, esta lgica um procedimento de inferncia usado para obter concluso de um conjunto de regras SE - ENTO de uma ou mais condies. Utilizando-se a lgica fuzzy para auxiliar na tomada de deciso de conceder crdito ou no, foi proposto o seguinte modelo: Variveis: o IDADE At 30 anos Entre 30 e 50 anos Acima de 50 anos

o EXPERINCIA ANTERIOR o RENDA At R$ 1.000,00 De R$ 1.000,00 a R$ 2.000,00 De R$ 2.000,00 a R$ 3.000,00 Acima de R$ 3.000,00 Primeira Experincia Renovao

o COMPROMETIMENTO DE RENDA Baixo (at 10% da renda mensal) Mdio (entre 10% e 20% da renda mensal) Alto (acima de 20% da renda mensal)

o VALOR FINANCIADO: At R$ 1.000,00 De R$ 1.000,00 a R$ 2.000,00 De R$ 2.000,00 a R$ 3.000,00

Acima de R$ 3.000,00

Essas so as variveis de entrada do modelo. Combinadas, elas resultam em 288 tipos de indivduos tomadores de emprstimo, que sero classificados, de acordo com estudos, estatsticas e opinies pessoais, da seguinte maneira: ruim, mdio e bom. Esses 288 indivduos so as regras estabelecidas para o funcionamento do modelo. Depois de criadas, as regras entram no processo de fuzificao, onde se mapeia a entrada entre valores de zero a um (0,1) atravs das funes de pertinncia. Esse modelo utilizou a funo de pertinncia Gaussiana. Para implementar o conceito de E ( ex: Se idade = at 30 E Renovao E Renda = acima de 3000 E Comprometimento de Renda = Mdio E Valor Financiad= at 1000) foi utilizado as T-Norms. A parte consequente da regra obtida atravs da utilizao de um operador fuzzy. Esse modelo utilizou o operador de Mamdami. As sadas de todas as regras foram combinadas, com a utilizao de um operador de unio, a fim de obtermos a distribuio de sada fuzzy. O ltimo passo foi a defuzificao da sada. Essa etapa consiste em mapear a sada fuzzy em um determinado valor. Este modelo utilizou o Mtodo do Mximo. O retorno deste modelo so valores entre zero e um (0,1). Foi estabelecido que indivduos com valor acima de 0,45 teriam o crdito aprovado, enquanto que indivduos que retornassem valores abaixo de 0,45 teriam o crdito negado.

Concluses
Apesar de a modelagem apresentada levar em considerao apenas as variveis mais importantes, destaca-se a importncia de utilizao da lgica fuzzy em sistemas de apoio a deciso, pois requerem poucas regras, valores e decises e so muito robustos, conseguindo operar com falta de regras ou com regras defeituosas. Uma modelagem bem feita de regras e variveis ajudaria bastante as instituies

financeiras a diminurem o seus riscos e tornar eficaz o processo de concesso de crdito.

Referncias
[1]-CESAR, B. et al. Sistema de Apoio Deciso na Concesso de Crdito Pessoal usando Lgica Fuzzy. Disponvel em: http://www.aedb.br/seget/artigos06/403_SEGETBreno-Formatado.pdf. Acessado em: 15/03/2012.

[2]-Curso de especializao em anlise de ambiente eletromagntico. Disponvel em: http://www.ele.ita.cta.br/~janilson/sintesefuzzy.html. Acessado em 10/03/2012 [3]-Lgica Fuzzy. Disponvel em: http://users.femanet.com.br/~fabri/fuzzy.htm. Acessado em: 18/03/2012. [4]-O conceito fuzzy. Disponvel em: http://www.pucsp.br/~logica/Fuzzy.htm. Acessado em 18/03/2012.