Regras Baseadas em Casos (RBC) apoiando Gestão do Conhecimento - Cepecaf

Cepecaf - Centro de Pesquisa e Capacitação do Agronegócio Familiar

(16) 3209-7259 | (16) 99975-0502
Cepecaf - Centro de Pesquisa e Capacitação do Agronegócio Familiar

Blog

Regras Baseadas em Casos (RBC) apoiando Gestão do Conhecimento

Gestão do Conhecimento (Knowledge Management, em inglês) é uma disciplina emergente que contém como principais objetivos criar, registrar e compartilhar o capital intelectual das organizações.  O conceito de conhecimento aplicado ao trabalho não é novo. Frases contendo a palavra conhecimento, tal como bases de conhecimento e engenharia do conhecimento, existiam antes da gestão do conhecimento se tornar popular. Muitas empresas de softwares se empenharam em desenvolver sistemas relacionando atividades de ensino, captura e reuso de experiências adquiridas, mas nunca usaram a expressão “Gestão do Conhecimento”. A comunidade de inteligência artificial, por exemplo, tem uma longa dedicação com a representação do conhecimento, armazenamento e aplicação. O foco da Gestão do Conhecimento é sobre o indivíduo como um especialista e como portador do importante conhecimento que pode ser sistematicamente compartilhado com a organização.

O RBC – Raciocínio Baseado em Casos (do inglês, Case-Based Reasorning (CBR)) estabeleceu-se como uma das tecnologias mais populares e disseminadas para o desenvolvimento de Sistema Baseados em Conhecimento. É uma abordagem para a solução de problemas e para o aprendizado com base em experiência passada. De uma forma simplificada, podemos entender RBC como a solução de novos problemas por meio da utilização de casos anteriores já conhecidos. Um novo problema que nos é apresentado é resolvido com a reutilização da solução de um problema anterior parecido com o atual. Esta solução pode ser aplicada em sua totalidade ou apenas parcialmente no novo problema, podendo ainda ser modificada de acordo com os requisitos da nova situação. Assim pode-se definir RBC como “um enfoque para a solução de problemas e para o aprendizado baseado em experiência passada. RBC resolve problemas ao recuperar e adaptar experiências passadas – chamadas casos – armazenadas em uma base de casos. Um novo problema é resolvido com base na adaptação de soluções de problemas similares já conhecidas” (WANGENHEIM & WANGENHEIM, 2003).

A GC fornece o que é o conhecimento e as formas básicas de armazenamento. O grande problema está na recuperação do conhecimento armazenado. Muitas organizações pouco sabem o conhecimento que tem, não porque não possuem uma política de gestão do conhecimento, mas sim porque não possuem regras para seu armazenamento. Sendo assim fica difícil a recuperação efetiva do conhecimento. Mas qual a forma de armazená-lo? Existe algum tipo de regra com o qual se possa armazenar conhecimento?

O RBC pode fornecer a resposta a essa pergunta.

Muitos exemplos da vida diária pode ser utilizado para demonstrar como seres humanos utilizam casos conhecidos como forma de resolução de problemas de um modo extremamente natural. Veja um exemplo (WANGENHEIM & WANGENHEIM, 2003):

– Um técnico de serviço de um determinado tipo de aparelhos lembra-se de um defeito similar no tipo de máquina que está tentando consertar: “Essa TV tem os mesmos problemas de uma que eu consertei na semana passada, então vou trocar as válvulas de saída de áudio”.

A forma principal de representação de conhecimento em um sistema RBC é o caso. Um caso é uma peça de conhecimento contextualizado que registra um episódio em que um problema ou situação problemática foi total ou parcialmente resolvido.

Os elementos básicos de um sistema de raciocínio baseado em casos são:

  • Representação do conhecimento: em um sistema de RBC, o conhecimento é representado principalmente em forma de casos que descrevem experiências concretas. No entanto, se for necessário, também outros tipos de conhecimento sobre o domínio de aplicação podem ser armazenados em um sistema de RBC, por exemplo, casos abstratos e generalizados, tipos de dados, modelo de objetos usados como informação;
  • Medida de similaridade: temos de ser capazes de encontrar um caso relevante para o problema atual na base de casos e responder à pergunta quando um caso relembrado for similar a um novo problema;
  • Adaptação: situações passadas representadas como casos dificilmente serão idênticas às do problema atual. Sistemas de RBC avançados têm mecanismos e conhecimento para adaptar os casos recuperados completamente, para verificar se satisfazem às características da situação presente;
  • Aprendizado: para que um sistema se mantenha atualizado e evolua continuamente, sempre que ele resolver um problema com sucesso, deverá ser capaz de lembrar dessa situação no futuro como mais um caso.

Um caso representa tipicamente a descrição de uma situação (problema) conjuntamente com experiências adquiridas (solução) durante sua resolução.

A essa associação dos dois conjuntos de informações, demonstra-se: a descrição do problema e a respectiva solução.

Casos podem, por exemplo, representar:

  • A descrição dos sintomas dos defeitos técnicos apresentados por um equipamento e da estratégia de conserto aplicada;
  • Os objetivos de um processo legal e a respectiva jurisprudência;
  • A descrição de abordagens de montagem e suas respectivas técnicas demonstradas passo-a-passo.

O caso pode também conter outros itens, como efeito de aplicação da solução ou a justificativa para aquela solução e sua respectiva explicação (KOLODNER, 1993). Pode ainda ser enriquecido por informações relevantes, como tratado em gestão do conhecimento, ou seja, dados administrativos, melhores práticas ou fóruns realizados para resolver determinado problema.

Casos contêm experiências concretas, vividas em uma situação específica. No entanto, podemos também criar casos abstratos, que realizam a subsunção de experiências adquiridas em um conjunto de situações (BERGMANN, 98).

A recuperação de casos similares é de muita ajuda para a resolução de casos novos.

Resumindo, podemos afirmar que, para a determinação da similaridade em um sistema de RBC, as seguintes premissas têm de ser satisfeitas (BURKHARD, 1998):

  • A similaridade entre a questão atual e o caso implica utilidade;
  • A similaridade é baseada em fatos a priori;
  • Como casos podem ser mais ou menos úteis em relação a uma questão, a similaridade precisa prover uma medida.

O objetivo da recuperação de casos é encontrar um caso ou pequeno conjunto de casos na base de casos que contenha uma solução útil para o problema ou situação atual. Por exemplo, dado a descrição de um problema de montagem com um eixo de um produto, um sistema de RBC deveria ser capaz de recuperar um caso descrevendo uma solução apropriada ao problema.

Para realizar essa recuperação, é necessário casar a descrição do problema atual como os problemas armazenados na base de casos, aplicando uma medida de similaridade.

Vários enfoques diferentes são aplicados para a realização do processo de correspondência consulta-casos na base para recuperar um conjunto de casos úteis. É necessário discutir primeiramente os princípios gerais por detrás da recuperação de casos.

O processo de recuperação de casos pode ser formalmente descrito por meio de um conjunto de subtarefas que devem ser realizadas pelo sistema RBC:

  • Assessoramento da situação objetivando a formulação de uma consulta representada por um conjunto de descritores relevantes da situação ou problema atuais;
  • Casamento objetivando a identificação de um conjunto de casos suficientemente similares à consulta;
  • Seleção que escolhe o melhor casamento ou casamentos como base no conjunto de casos selecionado.

A assessoramento da situação é a mais complexa das três sub tarefas da recuperação, pois utiliza conhecimento e muitas vezes exige uma interação proativa como o usuário. Para encontrar uma solução adequada ao problema presente, temos de casar nosso problema com os problemas armazenados na base de casos. Problemas do mundo real, no entanto, são muitas vezes mais complexos, apresentando muitas características essenciais. O problema atual pode não se apresentar exatamente da mesma forma que um problema  com semântica equivalente armazenado na base de dados. Por isso, durante o processo de recuperação de casos, a meta é recuperar casos potencialmente úteis para a situação presente. Com isso podem-se encontrar casos que são os mais similares à nova situação ao longo de dimensões consideradas importantes no contexto da aplicação. A situação ou problema atual deve ser descrito como entrada para o processo de recuperação, especificando-se o que se está procurando. Isto é realizado por meio de uma consulta relacionando descritores de entrada – índices que são relevantes para encontrar-se a solução adequada, como sintomas ou características do produto a ser consertado, etc. Esses descritores devem ser elaborados como a entrada do processo de recuperação. Isto é realizado durante o assessoramento da situação.

Quais descritores de entrada serão importantes? Depende do domínio de aplicação específico do sistema de RBC, por exemplo:

  • Quando um médico está buscando pelo diagnóstico de uma doença, ele caracterizará o paciente, por exemplo, idade: 35 anos, sexo: masculino, doenças prévias: malária e descreverá seus sintomas atuais, por exemplo, dor no peito, febre;
  • Quando um técnico de serviço está consertando uma impressora e está procurando a causa do problema presente, ele caracterizará a impressora, por exemplo, marca: HP, modelo: 555 e descreverá o sintoma atual, por exemplo, a impressora não funciona;

A identificação de quais descritores é relevante para a solução do problema atual é um dos maiores fatores de complexidade de um sistema de RBC. Quanto menos fatores necessitam ser considerado, tanto mais eficiente será o sistema.

A partir do conjunto de casos similares, uma escolha considerada melhor é realizada. Isto pode ter sido realizado durante o processo de casamento (descrito anteriormente), mas geralmente um conjunto de casos é retornado por essa tarefa. O caso que melhor satisfaz a consulta ou que é mais útil para a solução, é geralmente escolhido por meio da avaliação do grau de casamento ou similaridade de forma mais detalhada. Isto pode ser realizado com uma tentativa de se gerar explicações para justificar atributos não idênticos, como base em conhecimento do domínio de aplicação.

Pode-se concluir que O RBC apoia armazenar conhecimento explícito (GC) ordenadamente resultando com isso maior eficácia na sua recuperação e consequentemente a diminuição do número de informações dispensáveis.

 

REFERÊNCIAS:

BERGMANN, R.. On the use taxonomies for representing case features on local similarity measures. In Proceedings of the German WorkShop on Case-Based Reasoning, Germany, 1998.

BLOODGOOD, J.M.; SAILSBURY, W.D.  Understanding the influence of organizational change strategies on information technology and knowledge management strategies.  Decision Support Systems, Amsterdam, v.31, n.1, p.55-69, May, 2001.

CARVALHO, R.B.  Aplicações de softwares de gestão do  conhecimento: tipologia e usos. Dissertação (Mestrado) – Escola de Ciência da Informação, Universidade Federal de Minas Gerais, Belo Horizonte, 2000.

CAVALCANTI, M.R. Portais corporativos: tópicos especiais em banco de dados.  Disponível em:< http://genesis.nce.ufrj.br/dataware/Tebdpos2001_3/Trabalhos/

Portais/TRAB-PORTAL-Marcus.html >.  Acesso em: 8 mar. 2002.

GRANT, R.M.  Toward a knowledge-based theory of the firm.  Strategic Management Journal, Chichester, p.109-122, 1996.

KOLODNER, J.L. Case-Based Reasoning. Morgan Kaufmann, San Francisco, California, 1993.

NONAKA, I.; TAKEUCHI, H. Criação de conhecimento na empresa.  Rio de Janeiro: Campus, 1997.

TERRA, J.C.C. Portais corporativos: a revolução na gestão do conhecimento.  São Paulo: Negócio, 2002.

WANGENHEIM, C.G; WANGENHEIM,A. Raciocínio baseado em casos. Editora: Manole, São Paulo, 2003.

WATSON, I.;MARIR, F. Case-based reasoning: a review. The knowledge Engineering Review, Vol. 9:4, p. 327-354, 1994.

REFERÊNCIAS

BERGMANN, R.. On the use taxonomies for representing case features on local similarity measures. In Proceedings of the German WorkShop on Case-Based Reasoning, Germany, 1998.

BLOODGOOD, J.M.; SAILSBURY, W.D.  Understanding the influence of organizational change strategies on information technology and knowledge management strategies.  Decision Support Systems, Amsterdam, v.31, n.1, p.55-69, May, 2001.

CARVALHO, R.B.  Aplicações de softwares de gestão do  conhecimento: tipologia e usos. Dissertação (Mestrado) – Escola de Ciência da Informação, Universidade Federal de Minas Gerais, Belo Horizonte, 2000.

CAVALCANTI, M.R. Portais corporativos: tópicos especiais em banco de dados.  Disponível em:< http://genesis.nce.ufrj.br/dataware/Tebdpos2001_3/Trabalhos/

Portais/TRAB-PORTAL-Marcus.html >.  Acesso em: 8 mar. 2002.

GRANT, R.M.  Toward a knowledge-based theory of the firm.  Strategic Management Journal, Chichester, p.109-122, 1996.

KOLODNER, J.L. Case-Based Reasoning. Morgan Kaufmann, San Francisco, California, 1993.

NONAKA, I.; TAKEUCHI, H. Criação de conhecimento na empresa.  Rio de Janeiro: Campus, 1997.

TERRA, J.C.C. Portais corporativos: a revolução na gestão do conhecimento.  São Paulo: Negócio, 2002.

WANGENHEIM, C.G; WANGENHEIM,A. Raciocínio baseado em casos. Editora: Manole, São Paulo, 2003.

WATSON, I.;MARIR, F. Case-based reasoning: a review. The knowledge Engineering Review, Vol. 9:4, p. 327-354, 1994.

 

Gostou do texto? Curta!

O conteúdo foi útil? Compartilhe.

 

Compartilhe esse artigo

SOBRE O CEPECAF

O CEPECAF – Centro de Pesquisa e Capacitação da Empresa Familiar tem como propósito dar visibilidade a um tipo de organização de extrema importância econômica e relevância social em nível mundial: a empresa familiar.

O CEPECAF nasceu na FCAV-UNESP, campus Jaboticabal – SP, sob a coordenação geral da Profa. Dra. Lesley Carina do Lago Attadia Galli, docente e pesquisadora da instituição. Atualmente, o grupo vem ampliando sua abrangência, englobando estudantes e pesquisadores de outras universidades brasileiras e do exterior.

A presença do CEPECAF em uma plataforma digital é uma conquista muito importante na medida em que aproxima ainda mais o grupo da comunidade, por meio da articulação de diferentes mecanismos de comunicação e interação junto ao nosso público-alvo.

Certificado pelo CNPq, o CEPECAF realiza diversas de atividades de ensino, pesquisa e extensão, esperando contribuir de maneira efetiva para o desenvolvimento e sustentabilidade das empresas familiares.

Cepecaf - Centro de Pesquisa e Capacitação do Agronegócio Familiar


    Endereço

    UNESP
    Faculdade de Ciências Agrárias e Veterinárias - FCAV - campus Jaboticabal
    Departamento de Economia, Administração e Educação - DEAE

    Telefone

    (16) 3209-7259

    (16) 99975-0502

    Email

    contato@cepecaf.com.br