missions et attributions du superviseur Back-office

De acordo com as especificações de projeto do modelo proposto, o agente de interface para recuperação casos (ou agente de interface RBC) tem por escopo interagir com os seguintes itens: (a) com entidades internas que se encontram ativas na plataforma, em particular com outros agentes de Raciocínio Baseado em Casos e com o agente Matchmaker, (b) com os outros usuários.

Com esta finalidade, o agente de interface RBC deve agir em nome dos usuários no âmbito da organização multiagente, e realizar, de maneira transparente ao usuário, a comunicação com os outros agentes envolvidos, visando completar, de modo cooperativo, as tarefas necessárias para raciocínio e recuperação de conhecimento no domínio em questão em apoio ao tratamento de não-conformidades.

Dentro desta perspectiva, dois aspectos são essenciais ao desenvolvimento do agente de interface: em primeiro lugar, o modelo de tarefas que expressa o comportamento do agente e seu respectivo desenvolvimento computacional e, em segundo lugar, a estratégia de configuração das consultas, bem como a apresentação dos respectivos resultados por meio de blocos de conhecimento mediante uma interface gráfica acessível ao usuário.

5.2.1 Desenvolvimento do comportamento principal do agente de interface

Em termos metodológicos, a Figura 5.1 apresenta o diagrama de sequência AUML22 _{que modela a interação entre o usuário, o agente de}

interface RBC e um agente de RBC ativo na plataforma, indicando a abrangência do comportamento implementado pela extensão da classe original.

Figura 5-1 - Diagrama de sequência AUML e comportamentos do agente de interface. Fonte: Criado pelo autor.

Este comportamento está de acordo com as especificações de projeto do modelo, pois os agentes foram projetados para permitir consultas (queries) em que o agente de interface deve comunicar-se com os agentes de recursos ativos de modo a recuperar um conjunto casos mais similares por meio de métodos e tarefas RBC.

O comportamento RequestPerformer é expresso pelo seu modelo de tarefas, como mostra o diagrama da Figura 5.2. Neste diagrama, a primeira tarefa implementa os métodos responsáveis por guiar e obter as consultas configuradas por um usuário. Esta tarefa, em particular, adota uma interface gráfica desenvolvida na forma de um Java Applet. Uma consulta consiste em estabelecer os descritores que representam um novo caso de não-conformidade sob análise e os seus referentes pesos, os quais podem ser atribuídos de forma personalizada pelo usuário em função de suas percepções e necessidades de recuperação.

Figura 5-2 - Modelo de tarefas do comportamento principal dos agentes de interface RBC.

Fonte: Criado pelo autor.

Neste protótipo estes descritores estão relacionados, em particular, a processos de extrusão de alumínio, definidos na estrutura conceitual do caso de não-conformidades apresentada no capítulo 4.

Em relação à estrutura conceitual do caso de não-conformidade, destaca-se que o mesmo envolve quatro descritores, que são: descrição da

não-conformidade, método de controle para detecção, localização da não- conformidade e quando ocorreu a não-conformidade.

O comportamento principal prevê a implementação de métodos responsáveis por converter estes descritores e seus respectivos pesos para um formato conveniente, de modo a permitir a sua inclusão no conteúdo de uma mensagem FIPA ACL dotada do ato comunicativo tipo Request, cujo objetivo é estabelecer a interação social entre os agentes em questão. Neste protótipo o formato escolhido corresponde a tabelas ou mapas hash23 _{na forma de objetos Java tipo HashMap mediante a instanciação}

da classe java.util.HashMap.

Deste modo, o agente de interface pode movimentar os agentes de recursos identificados na pesquisa realizada inicialmente junto ao agente Matchmaker (ou agente DF) para requisitar a execução do serviço de recuperação de conhecimento, tendo como referência o conteúdo da mensagem FIPA ACL. A Figura 5.3 resume a ação de comunicação.

Figura 5-3 - Síntese da comunicação entre o agente de interface e os agentes de recursos.

Fonte: Criado pelo autor.

Então, o agente de interface entra em modo de espera de acordo com o previsto em seu comportamento (Figura 5.2), esperando por mensagens dotadas na ação de comunicação Inform enviadas pelos agentes de recursos RBC ativos. Estas mensagens têm o seguinte conteúdo: a medida de similaridade global entre os descritores do caso sob consulta e os descritores do caso similar recuperado; os valores dos quatro descritores armazenados com o este caso e usados para o cálculo

23 _{Do termo em inglês hashing, é uma estrutura de dados especial que armazena chaves de} pesquisa (hash) e valores na forma de objetos Java. A biblioteca Java dispõe da implementação da classe de propósito geral para mapas denominada HashMap usada nesta aplicação.

da similaridade global, observando-se que o formato adotado foi um vetor de HashMaps denominado de solutionHashMap.

Por fim, o comportamento do agente prevê a conversão dos objetos HashMap e a apresentação destes de forma compreensível ao usuário por meio de blocos de conhecimento disponibilizados na interface gráfica.

5.2.2 Janelas gráficas do agente e estratégia de configuração de consultas

A interface gráfica associada ao agente foi desenvolvida na forma de um Java Applet, de modo a ser compatível com os navegadores atuais. Esta interface compreende dois conjuntos de janelas gráficas distintas: o primeiro conjunto é destinado à configuração da consulta, e o segundo é voltado para a apresentação dos respectivos resultados da consulta, como mostra a Figura 5.4.

A estratégia de configuração adotada para a consulta permite a entrada não somente dos descritores conhecidos ou considerados relevantes pelo usuário, como também ajustar livremente os valores dos pesos (weight) que, em essência, expressam a importância de cada um destes descritores em função das percepções e necessidades de um usuário em particular, como ilustra a Figura 5.4. Esta estratégia envolve a seleção dos valores dos descritores de um novo caso de não-conformidade diretamente a partir de caixas tipo ComboBox disponíveis para os tipos de dados “símbolos não-ordenados” ou a entrada de dados numéricos ou strings em caixas próprias via teclado, como mostra a Figura 5.4.

A configuração a partir de caixas tipo ComboBox busca garantir a consistência terminológica dos descritores não numéricos. Isto porque as bases de conhecimento envolvem a manipulação de casos de solução de não-conformidade propostos por diferentes especialistas e, portanto, as opções no ComboBox devem ser incluídas a partir de termos amplamente usados no domínio em questão, bem como apoiados na literatura da área.

Figura 5-4 - Janela para configuração dos descritores. Fonte: Criado pelo autor.

Por sua vez, o segundo conjunto de janelas gráficas, mostrado na Figura 5.5, foi projetado para apresentar os casos mais similares encontrados pelos agentes de recursos nas diferentes bases de conhecimento, os quais são decorrentes dos serviços de raciocínio e recuperação realizados.

Figura 5-5 - Janela de apresentação dos casos mais similares recuperados. Fonte: Criado pelo autor

A Figura 5.5 mostra que o conjunto é composto por três abas diferentes, as duas primeiras sendo destinadas aos atributos das soluções sugeridas e aos resultados que englobam as lições aprendidas por outros especialistas em casos similares de solução de problemas de não- conformidades. A última aba destina-se aos valores de todos os descritores armazenados junto aos casos recuperados, os quais foram usados para comparação de indexadores.

Para visualizar os casos mais similares, o usuário deve selecionar um caso particular por meio da caixa tipo ComboBox que apresenta a lista de identificadores dos casos recuperados. Deste modo, então, disponibiliza-se o grau de similaridade entre os descritores deste caso e os descritores informados pelo usuário, além dos blocos de conhecimento mencionados acima.

Portanto, a tática de configuração permite ao usuário a criação de uma consulta totalmente personalizada a partir de descritores de entrada validados de forma clara.

Além disso, a estratégia implementada permite a configuração de consultas mesmo que muitos dos descritores de entradas não sejam completados (ou por não serem conhecidos ou mesmo por não serem considerados relevantes por um usuário para uma dada situação), pois a estes descritores podem ser associados pesos distintos visando ajustar o cálculo da medida de similaridade global.