Utilização do Controle Fuzzy nos Sistemas de Ar Condicionado em Edificios Automatizados. AJessandro La Neve Herbert R do N. Costa Pós-Graduação - Departamento Engenharia Elétrica. Faculdade Engenharia Industrial - FEl Av. Castelo Branco 3972 - S. B. Campo Cep: 09850-901 e_mail: alaneve@cci .fei.br Abstrat: Buildings automation allows the control of the main services that a building offers, like : display of light, electric systern, air conditioning system etc. We have studied the air conditioning system , in particular, describing its shaping and we've taken from this mathematic model some information in order to descrihe a more efficient control of this procedure. Our main objective in this study is to build a Fuzzy Simulator for the study of the behavior of electric energy consume in Air Conditioning Systems, in automated buildings. Resumo: A automação de Edifícios possibilita o controle dos principais serviços oferecidos em um edifício como Iluminação. Elétrica. Ar Condicionado etc. Estudamos, em particular, o Ar Condicionado, descrevendo sua modelagem e retirando desse modelo matemático informações para descrever um controle mais eficaz desse processo . O principal objetivo foi a construção de um Simulador Fuzzy para o estudo do Comportamento do Consumo de Energia Elétrica em Sistemas de Ar Condicionado, em Edifícios Automatizados. 1. Introdução. 2. Lógica Fuzzy aplicada ao Controle de Edifícios. Durante muito tempo houve correlações entre os processos existentes na Automação de Edifícios e os processos industriais. Se compararmos a automação existente em alguns setores industriais (automação de processos) e a aplicada em Condicionamento AmbientaL Iluminação e Automatismo na Área Elétrica, processos importantes dentro dos edifícios, verificamos que os requisitos de maior distribuição do controle e o aumento da complexidade dos algoritmos são comuns. Porém. temos funções desempenhadas pelos Sistemas de Automação de Edificios que não têm paralelos na automação industrial. Tais funções estão relacionadas, em sua grande maioria, à área de segurança. onde a preocupação é voltada para: Circuito Fechado de Televisão (C.F. T.V.), Controle de Acesso , Central de Detecção e Combate a Incêndio, Sistema de Identificação Automática de Visitantes etc. Analisando os principais processos da Automação de Edifícios. foi estudado o Ar Condicionado e os algoritmos de controle aplicados a esse processo, visando a redução do consumo de energia e manter as condições de conforto. Para obtenção de um controle eficaz do Ar Condicionado foi aplicado um algoritmo baseado na Lógica Fuzzy . Os conceitos da Lógica Fuzzy tiveram sua origem nos trabalhos do Prof. Lotfi A. Zadeh, em 1965, na Universidade da Califórnia, Berkeley [DUB 80a J. Podemos dizer que a inteligência humana tem a característica de "nebulosidade", pois tem a capacidade de resumir os fatos observados e, mesmo tendo uma grande capacidade para informações adquiridas, pode selecionar as mais importantes. Na teoria clássica de conjuntos, podemos afirmar que um elemento pertence a um conjunto ou não . ou seja, temos sempre a condição de falso ou verdadeiro (lógica bivalorizada). O Professor Zadeh, como mencionado em Dubois [DUB 80bJ, Gomide [GOM 92] e [MOT 91J, propôs uma caracterização mais ampla, na medida em que sugere que alguns elementos são mais membros de um conjunto do que outros. O fator de pertinência ou fator de certeza pode, então, assumir qualquer valor entre O e 1, sendo que o valor O indica uma completa exclusão e um valor 1 representa completa pertinência. Essa generalização aumenta o poder de expressão da função característica (lógica multi-valorizada). Para expressar a idéia de que uma temperatura tem seu 325 valor por volta de 25 °C. o autor usa uma função de pertinência triangular. como na Figura 2.1. com o pico em 25 0C. para sugerir a idéia de que quanto mais perto do número de 25 "C mais ele se identifica com o conceito representado. r A 1 o 25 Figura 2.1 - Função de Pertinência A partir dos conceitos do prof. Zadeh. foram elaboradas técnicas para aplicação da lógica fuzzy em diversas áreas da automação. como : Controle de Motores, Controle de Temperatura de Reatores, Controle de Temperatura em Sistema de Ar Condicionado, Controle de Fornos Industriais etc ICHA 90J. IBAR 93J. lEVA 89J. IMAM 811 e ITER 91 J. Dizemos que a elaboração do controle de diversos processos. utilizando a Lógica FULZY. é uma ferramenta poderosa. visto que onde há dificuldade na elaboração de um modelo matemático consistente do processo a ser automatizado ou a aplicação de um modelo matemático é inviável. seja pela complexidade ou pela dificuldade de resolução desse modelo em um tempo de processamento viável. podemos utilizar outras técnicas para resolução da automação desse processo. uma dessas técnicas é a Lógica Fuzzy. A maioria das aplicações do Controle Fuzzy segue os algoritmos propostos por Madani e King IALM 931, IDUB 80cJ e [EVA 89J. A Figura 2.2. mostra o diagrama de um Controlador Fuzzy proposto por Madani [ALM 93]. Esse diagrama se tomou genérico [BAR 93]. [DUB 80dl e [MAR 911. Basicamente. podemos dizer que as partes de um Controle Fuzzy são : a interface de Fuzzificação. a Base de conhecimento. o Mecanismo de Inferência e a interface de Defuzzificação. 3. Construção do Simulador Fuzzy A construção do Simulador Fuzzy é constituída de duas partes: a primeira é o estudo e a implementação do algoritmo de Controle utilizando a Lógica Fuzzy: a segunda parte é a construção de um programa que fornecerá as variáveis de entrada para o Controlador Fuzzy e. também . receberá as vari áveis de saída do Controlador. O algoritmo de Controle utilizando Lógica Fuzzy foi desenvolvido dentro de um ambiente de desenvolvimento de aplicações Fuz7.Y (SDAF) I HI .91al O algoritmo de Controle Fuzzy foi obtido com a definição das regras de controle das vari áveis de entrada e saída e as funções de pertinência. A Figura 3.1 mostra um diagrama da arquitetura do Simulador. Neste diagrama exemplificamos as etapas de construção do Simulador. Primeiro. temos o ambiente de desenvolvimento (SDAF) IHI 93b]. este software é constituído de vários recursos para construção do Controle Fuzzy. Dentre esses recursos. podemos citar os processos de fuzzificação e defuzzificação. bem como os Mecanismos de Infer ência das Regras de Controle . Após a construção do algoritmo de Controle FlUZY no SDAF. o mesmo é codificado. compilado e é gerado um código execut ável para o módulo MCI ou Controlador Fuzzy. Este modelo recebe todas as informações do "processo" e o controla. Para nós. o "processo" será o Consumo de Energia nos Sistemas de Ar Condicionado Central em Edificios Automatizados. O nosso trabalho será a execução da simulação deste "processo" e a geração do controle para o Sistema do Ar Condicionado. Teremos um programa que transmite. recebe e analisa os dados gerados pelo Controlador Fuzzy que foi construído no SDAF. PC I Ambiente de Desenvolvimento Biblioteca de Comumcaçâo • MCI I Controlador Fuzzy SDAF Biblio teca de BASE DE REGRAS Co rnurucaç âo (USUARIO) • (SENSORES} - - - B Figura 2.2 - Estrutura do Controle Fuzzy, Programa que processa os da dos ruci ars e os resultados da SImulação Figura 3.1. Diagrama da Arquitetura do Simulador Fuzzy. Implementação do Controle Fuzzy 4.2 Variáveis relacionadas Condicionado. Analisando os modelos adotados para estimar o Consumo de Energia em sistema de Ar Condicionado. foram escolhidas as variáveis de entrada do Simulador. Estas variáveis foram divididas em dois grupos: o primeiro grupo. onde as variáveis são colocadas como parâmetros de ajuste ou calibração do sistema a ser simulado [PEI 90 I e o segundo. em que as variáveis estão relacionadas à operação do edificio. sem alteração na configuração fisica das instalações de Ar Condicionado. Para analisarmos o Comportamento Energético dos Sistemas de Ar Condicionado através dos Sistemas de Controle. que monitoram e controlam os seus equipamentos. escolhemos a variável Consumo de Energia no Sistema de Ar Condicionado. Analisando as curvas de consumo de energia das edificações automatizadas em Marte [MAR 92]. chegamos a algumas conclusões sobre os valores de consumo e suas variações durante um dia . Essas variações serão consideradas na elaboração da curva de pertinência da variável relacionada ao consumo. Os pontos de operação dos valores de Consumo de Energia por Área serão tratados como margens de Erro sobre um Ponto de Operação definido pelo usuário do Simulador. Assim . teremos no Simulador a entrada de um Ponto de Operação ("Set-Point") e o Simulador vai trabalhar para manter o Consumo o mais próximo do "Set-Point" definido pelo usuário. Mostramos na Figura -l.Ll as curvas de pertinência com relação ao Erro-Consumo de Energia. Foram utilizadas as formas' triangulares e trapezoidais para mostrar as funções de pertinência. Além disto . temos a possibilidade de trocar as curvas, pois o ambiente onde desenvolvemos o Simulador permite as alterações das curvas, bem como a construção de curvas mais apropriadas ao processo controlado. Isto mostra a capacidade do algoritmo de Controle Fuzzy de ser ajustado conforme o aumento do conhecimento que se tem do processo. 4.2.1 Erro - Temperatura da Água Gelada (Erro TAG)' Foi escolhida a variável Erro T AG, pois ela representa a variação existente entre a Temperatura da Água Gelada fixada no "Chiller" ("Set-Point") e a temperatura lida na saída do "Chiller" para os elementos secundários ("Fan-Coils") . A Temperatura da Água Gelada. que está sendo enviada pela Unidade Central de Refrigeração ("Chiller") para os equipamentos secundários "Fan-Coils", traz a informação das necessidades de refrigeração do ar , requeridas pelos ambientes. O fluxo de Água Gerada que passa pelas serpentinas dos "Fan-Coils", na maioria dos projetos, estão na faixa de 5 °C e 8°C. Esta baixa temperatura faz com que o Ar insuflado pelos ventiladores dos "Fan-Coils" saiam no ambiente a uma temperatura entre 12°C a 18°C. Então, podemos dizer que o controle da vazão na água gelada ou o controle da temperatura desta água está diretamente relacionado ao Consumo de Energia no Sistema de Ar Condicionado, pois a variação da temperaturas nas "Zonas de Conforto" vão determinar a redução ou o aumento do fluxo de água gelada que passa pelos "Fan-Coils" . Temos na figura 4.2.1.1 a função de pertinência da variável de entrada Erro TAG. j I'-+- N LI I NS 1--.-. ZE I CIl c I---im" - rs l L )< A- I c.. 0,8 -- - - - - - ' - - - - - - i :: 0,6 - - - - - - - - - - - - - : - - - - - - - - - 0,4 - - - Erro-Consumo -2 Figura Ar No processo do Ar Condicionado, há dois conjuntos de parâmetros: parâmetros de desempenho e parâmetros operacionais do modelo apresentado. Os parâmetros de desempenho são utilizados no modelo para os cálculos das variáveis e seus valores em determinado intervalo Esses parâmetros dependem muito da configuração física dos Sistema de Ar Condicionado. Já os parâmetros operacionais são variáveis que podem ser modificadas nos Sistemas de Ar Condicionado, sem que haja necessidade de mudanças físicas no sistema. Basicamente, os parâmetros operacionais são usados nas simulações das propostas de Conservação de Energia e dentre esses parâmetros estão as variáveis nesse trabalho [FEl 90] e [ASH 85] . Variável relacionada ao Consumo de Energia. I ao Sistema de -1 o &ro Agua Gelada Função de Pertinência - Erro-Consumo 1 z H ::= 1::==1 _____ A. =-_-:---:--=-_=----::_-:----=:-----::::-:-::::' Figura 4.2.1.1 - Função de Pertinência - Erro TAG. 327 aplicações Fuzzy, como já comentamos anteriormente. As funções de pertinência descritas anteriormente podem ser alteradas no ambiente de desen volvimento de aplicação Fuzzy. Podemos também testar outras condições de controle. 4.2.3 Erro - Temperatura da Água de Condensação (Erro TAC>. Esta variável mede o Erro existente entre o "Set-Point" da Água de Condensação fixado nas Torres de Arrefecimento e a Temperatura da Água de Condensação na saída das Torres. A escolha desta variável foi devida a sua estreita relação com a Temperatura de Água Gelada e o Coeficiente de Eficiência das Unidades Centrais de Refrigeração. pois a água que passa pelos condensadores transporta o calor retirado do ambiente através da água gelada. A troca do calor (cargas térmicas) entre o ambiente e o ar refrigerado no interior do edificio é repassado para a água gelada. Esta troca do calor. entre ar refrigerado e água gelada, acaba sendo enviada ao ar externo através da Torre de Arrefecimento [CRE 90]. A Figura ·U .3.1 mostra a função de pertinência adotada para a variável de entrada Erro TAC. 4.2.5 Variáveis de Saída do Simulador Fuzzy Para efetuarmos o controle do Consumo de Energia Elétrica no Sistema de Ar Condicionado. escolhemos a variá vel de saída do Simulador Fuzzy, como sendo o ponto de operação dos controladores. que controlam a temperatura nos ambientes condicionados do edificio. Adotamos o ponto de operação dos controladores como sendo igual nas diversas áreas do edificio. Com relação às diferenças nas condições de conforto de cada "Zona de Conforto" do edificio. as mesmas serão tratadas pelos controladores locais de cada ambiente. A partir da análise do "processo" Ar Condicionado e a interferência dos Sistemas de Automação no controle e monitoração do mesmo. foi escolhida a variável TSC como a principal variável de saída do Simulador Fuzzy. A variável TSC represent a a Temperatura de "Set-Point" normalizada para os controladores responsá veis pela manutenção das condições de conforto nos ambientes. Trabalharemos com as partições da variável TSC dividida em faixas de temperatura. representando os parâmetros que serão enviados aos controladores dos "Fan-Coils" Os controladores recebem estes parâmetros e será escopo deles ajustar a vazão de água gelada para atender às temperaturas estipuladas para o conforto dos ambientes. através do Sistema de Automação de Edificios que estará implementando o algoritmo de Controle Fuzzy. Os intervalos e as faixas de temperatura dos "Set-Point" dos controladores foram definidos a partir dos estudos para Avaliação de um Ambiente Térmico desenvolvidos pela ASHRAE (American Society of Heating Refrigerating and Air-Conditioning Engineers) e Fanger [IPT 89J . O método de Fanger estabelece uma escala de sensação térmica envolvendo vários níveis . Esses níveis representam uma medida da variação das condições de conforto no ambiente e para medir o afastamento das condições de conforto no ambiente é usado um índice denominado Índice de Atividade Térmica (l.A. T). Os valores adotados para as faixas de Temperatura da variá vel TSC são dados de projeto das instalações dos Sistemas de Ar Condicionado e análises da equação de Fanger. descrita acima . Esses dados são usados nos algoritmos dos Sistemas de Automação de Edificios e podem ser trocados de acordo com as necessidades dos usuários finais [ASH 851. [1FT 881 e ISAU 89J , A Figura ·U .-U ilustra a função de pertinência da variáv el TSC. ''I -'-NL] _NS i l--Á-zE! , -2 -4 I l 4E- ps I o 2 I_ PL i 4 Erro agua de Condensação Figura 4.2.3.1- Função de Pertinência - Erro TAC. 4.2,4 Erro na Carga Térmica Esta variável foi escolhida. pois a mesma traz a totalidade do ganho de calor absorvido pelo edificio . bem como o calor produzido dentro do próprio edificio . É grande o número de variáveis que interferem no comportamento de um edificio. Isto toma dificil um equacionamento preciso para a determinação do Consumo de Energia. bem como o conforto térmico , mas para os Sistemas de Controle. a determinação da Carga térmica é muito importante. pois a mesma é um resumo de todas as variáveis envolvidas no Comportamento Termodinâmico do edificio fAKU 89] . A figura 4.2.4.1 mostra as funções de pertinência adotadas para a variável de entrada Erro na Carga Térmica. °1>. ====/- ====- - - _- . .- - - - - 0,2 o - - - / -30 -20 -10 . .. u o ... . 10 B'ro carga Térmica _ 20 30 I i I ! '---flR l i ; ---.- A L I ·-- - -.1 1 i Figura 4.2,4.1. Função de Pertinência Erro Carga Térmica. Após a definição das variáveis de entrada e suas respectivas funções de pertinência. podemos introduzi-las no ambiente de desenvolvimento de 32X II I ,I I I c 08 - :: o:ô . - .,0,4 o.. 0,2 -- °. - - - - - -2 ! - - - - - - - - - - - -3 - - - ° -1 - - - - - - - - - - 2 Fator- TSC i -.-FS - -- - 1 Liga-Desliga e Controle com PID.Na Figura 4.2.7.1 temos o gráfico do Comportamento do Consumo de. Energia para os Controles tipo Liga-Desliga, Controle tipo PIO e a Simulação Fuzzy. - - , - -- - - - 3 • -'Jf-LV --ar TAG TAG -+--f'vO Figura 4.2.4;1 - Função de Pertinência - TSC. .... NS ZE TN:. 4.2.6 Regras de Controle A partir da escolha das variáveis de entrada e saída do Controlador Fuzzy, foram definidas as regras de controle do Controlador, Este Conjunto de Regras é baseado na experiência obtida com as implantações dos Sistemas de Automação de Edificios e no conhecimento das pessoas que operam os equipamentos dos Sistemas de AI Condicionado. Podemos dizer que são nestas regras que misturamos o conhecimento experimental dos -operadores ao equacionamento matemático do AI Condicionado. Trabalhamos com 5 (cinco) conjuntos de meta-regras que representam um resumo de todas as regras usadas no algoritmo de Controle Fuzzy. Através dessas metaregras foi gerada uma combinação de regras, que colocamos no algoritmo de controle construído no SDAF. A Figura 4.2.6.1. mostra um esboço da Tabela das Regras de Controle, onde é mostrado como foi construída essa tabela das regras . ( NL1i .....J I CorgoTínricaC MSI NS ZE PS ZE P5 CorgoT _ C PS I I L. i , TN:. i .... TAG TAG i (PLl j I NS ZE PS ZE TAG ,- I NS ZE PS J L:.. CorgoTínricaC PS I Figura 4.2.6.1 - Esboço da Tabela das Regras de Controle 4.2.7 Simulação do Controle Fuzzy. Esta simulação apresenta os resultados do primeiro modelo de controle adotado pelo Simulador Fuzzy e mostra a comparação entre o Controle tipo Comportamento do Consumo com Controle Tipo Liga-Desliga, PIO e Fuzzy 25_000,00 \oi 20.000,00 E -+- C. Tipo Uga-[Ãlsl. := 15_000,00 , l/l 1 TipoAD : -A- C. Fuzzy - c O ' o 10.000 ,00 .- 5_000,00 ." ] - - - - - - - - - - - - - - - - - - - - - - -, . . - -:- 1 . . • :. j (") Sirrufação 01 LO Das Figura 4.2.7.1 - Resultado da Simulação Fuzzy e comparação com controle Liga-Desliga e PID. Controle onde as definições matemáticas das variáveis sejam de trabalhosa resolução por técnicas clássicas de controle. Nos trabalhos desenvolvidos para a execução -de um projeto de controle utilizando a Lógica Fuzzy, 5. Conclusões. Podemos concluir neste estudo que a utilização do Controle baseado em Lógica Fuzzy é uma ferramenta importante na construção de Sistemas de 329 I' Methodologies in Industrial Engineering " . pág . 29-41 ; Eksevier Science Publishers B. V. - 1989. [GOM 92J - Gomide, F;A.C. "Um ambiente para o Desenvolvimento de Sistema de Controle utilizando Lógica Nebulosa .", pág. 621-626; Congresso Brasil de ' Automática 9, - SBA - Engenharia de Softwaré Anais S T, 2, 7 - Vitória - ES - 1992. [BIT 93aJ - RI Tecnologia, "SDAF - Sistema de Desenvolvimento de' Aplicações Fuzzy " Manual de Operação, pág. 5-7 - Versão 3.0 - Doc. N: SDF03 .43ROO. Campinas - S.P - Brasil - Fev. 1993. [BIT 93bJ - op. cit. pág. 18-32. [IPT 88J - IPT " Tecnologia de Edificações " Editora PINI, pág . 463-523 - IPT - Divisão de Edificações do Instituto de Pesquisas tecnológicas - São Paulo - S.P Brasil. [IPT 89J - lPT - "Relatório : Conforto térmico ", pág. 03-15 -1PT -Tnstituto de Pesquisas Tecnológicas - São Paulo - S.P - Brasil - 1989. [MAM 81J - Mamdani. E. H.: Gaines. B. R. " Fuzzy Reasoning and lts Applications " - Academic Press. pág. 133-148 - Londres- Inglaterra - 1981. [MAR91J - Maruyama, Newton "Projeto eAnálise de Controladores Fuzzy" Dissertação Mestrado em Engenharia - Escola Politécnica da USP. pág. 18-34 São Paulo - S.P - Brasil - 1991. [MAR 92J - Marte , Cláudio L/Costa, Herbert R N. "A Influência de Sistemas de Automação no Comportamento Energético das Edificações", pág. 3746: 5° Congresso Nacional de Automação Industrial 1992. [MOT 91J - Mota. Aluizio Saiter: " Sistemas de Raciocínio Aproximado e sua utilização em Controladores Industriais: Um Estudo sobre os Controladores Baseados em Regras Nebulosas" - Tese de Mestrado - Universidade Estadual de Campinas Faculdade de Engenharia. Elétrica. pág. 48-53 Campinas - S.P - Brasil - 1991. [PEI 90J - Peixoto, Roberto de Aguiar: Paiva, Marco A. S. de; Chia. Chen Chanj " Modelagem e Simulação Matemática de Sistemas Centrais de Ar Condicionado Visando a Análise do Consumo de Energia ". pág. 853-858 ; III ENCIT - Instituto ' da Pesquisas. Tecnológicas do Estado de São Paulo - IPT - Itapema - S.C - Dez - 1990. [SAU 89J - Sauer, Harry J.Jr: Howell. Ronald H. " PrincipIes of Heating Ventilating and Air Conditioning " - ASHRAE ( American Societyof Heating, Refrigerating and Air-Conditioning Engineers ), pág. 8.1-8 .8 - Atlanta - EUA [TER 91] - Terano, Toshiro: Asai. K.iyoji ; Suzano , Michio ; " Fuzzy Systems Theory and Its Aplications ", pág. 87-94 ; Editora Academic Press - New York EUA - 1991. chegamos a um tempo de desenvolvimento menor . Além de levarmos em conta que o Controle é baseado no conhecimento das pessoas que trabalham com os sistema de ar condicionado e refrigeração, os projetistas, os engenheiros de aplicação, tomando o projeto de controle mais fácil de ser implementado. Para os Sistema de Ar Condicionado podemos . .dizer que a resposta do sistema obtida pelo controle através ' da Lógica Fuzzy, permite convergir mas rapidamente e com maior precisão para o ponto de estabilidade desejado . Com isso são melhoradas as condições de conforto, havendo uma redução no consumo de energia e aumento na vida útil dos equipamentos. 6. Referências Bibliográficas. [AKU 89J - Akutsu, M. "Recursos para previsão do desempenho térmico de uma edificação ", pág. 111 119 - Epusp - Simpósio Nacional de Conservação de Energia nas Edificações -São Paulo - Brasil - 1989. [ALM 93] - Almeida, Paulo E. M; Figueiredo, Luiz c.; Braga, Anisio R ; Jota, Fábio G. e Araujo Evandro O. " Ambiente Integrado para Análise ' e Desenvolvimento de Controladores Difusos " D.F.M .G - Escola de Engenharia - Laboratório de Controle de Processos Industriais ' - Centro de Pesquisas e Desenv . em Engenharia Elétrica, pág. 455 - 459, Belo Horizonte - M.G - Brasil- 1990. [ASB 85] - ASHRAE Transactions, "Simposium on What lnputs Are Important For Building Energy Simulations ASHRAE ( American Society of Heating, Refrigerating and Air-Conditioning Engineers ), pág. 589-663 -Átlanta - EUA - 1985. [BAR 93] - Barczak, Czeeslau L.; Rosa, Leonardo c.; Krambeak, Cleverson P.; artin, Carlos A. " Controlador de lógica nebulosa para posicionadores em . máquina-ferramenta "; Universidade Federal de Santa Catarina - Depto de. Engenharia Mecânica, pág. 270 282, Florianópolis S.C - Brasil - 1994. [CHA 90] - Chang, T.C.; Ibbs, C. Willian; "Priority Ranking - A fuzzy Expert System for Priority Decision Making . in Building Construction Resource Scheduking" - Building andEnviromment - pp. 253 267 - VoI. 25 - N° 3 - 1990. [CRE 90] . - Creder, Hélio "Instalações de Ar Condicionado ", Editora Livros Técnicos e Científicos , pág. 176-197 - Rio de janeiro R.J - Brasil - 1980. [DUB 80aJ - Dubois, Didser; Prade Henri ; "Fuzzy Sets and Sytems Theory and Applications " AcademiacPress, pág. 11-33. New York - EUA 1980. [DUB 80b] - op. cit. pág. 53-66. [DUB 80cJ - op. cit. pág. 357-362. [DUB 80dJ - op. cit. pág . 81-92. 89J - Evans, Gerald W. ; Karwowski ; [EVA Wilhelm, Mickey R " Aplications Of Fuzzy Set 330