UNIVERSIDADE PAULISTA
PROPOSTA DE UM PROCESSO DE CLASSIFICAÇÃO E
SELEÇÃO DE TOMATES UTILIZANDO CONTROLADOR
PARA-ANALISADOR BASEADO NA LÓGICA
PARACONSISTENTE ANOTADA EVIDENCIAL E ττττ
MARIO DA SILVA QUINELLO
Dissertação apresentada ao Programa de Pós-
Graduação em Engenharia de Produção da
Universidade Paulista, para obtenção do título
de Mestre em Engenharia de Produção.
SÃO PAULO
2013
UNIVERSIDADE PAULISTA
PROPOSTA DE UM PROCESSO DE CLASSIFICAÇÃO E
SELEÇÃO DE TOMATES UTILIZANDO CONTROLADOR
PARA-ANALISADOR BASEADO NA LÓGICA
PARACONSISTENTE ANOTADA EVIDENCIAL E ττττ
MARIO DA SILVA QUINELLO
Dissertação apresentada ao Programa de Pós-
Graduação em Engenharia de Produção da
Universidade Paulista, para obtenção do título
de Mestre em Engenharia de Produção.
Área de Concentração: Gestão de Sistemas de
Operação
Linha de Pesquisa: Métodos Quantitativos em
Engenharia de Produção
Orientador: Prof. Dr. Jair Minoro Abe
SÃO PAULO
2013
Quinello, Mario da Silva. Proposta de um processo de classificação e seleção de tomates
utilizando controlador para-analisador baseado na lógica paraconsistente anotada evidencial Eτ / Mario da Silva Quinello - 2013. 53 f. : il. color. + CD-ROM. Dissertação de mestrado apresentada ao Programa de Pós-Graduação em Engenharia da Produção da Universidade Paulista, São Paulo, 2013. Área de Concentração: Gestão de Sistemas de Operação. Orientador: Prof. Dr. Jair Minoro Abe.
1. Agronegócio. 2. Lógica paraconsistente anotada evidencial Eτ. 3. Produção. 4. Classificação. 5. Processo. I. Título. II. Abe, Jair Minoro (orientador).
MARIO DA SILVA QUINELLO
PROPOSTA DE UM PROCESSO DE CLASSIFICAÇÃO E
SELEÇÃO DE TOMATES UTILIZANDO CONTROLADOR
PARA-ANALISADOR BASEADO NA LÓGICA
PARACONSISTENTE ANOTADA EVIDENCIAL E ττττ
Aprovado em:
BANCA EXAMINADORA
___________________________________________ ____/____/_____
Prof. Dr. Claúdio Rodrigo Torres
Universidade Metodista
___________________________________________ ____/____/_____
Prof. Dr. Ivanir Costa
Universidade Paulista - UNIP
___________________________________________ ____/____/_____
Prof. Dr. Jair Minoro Abe (Orientador)
Universidade Paulista - UNIP
AGRADECIMENTOS
Ao meu orientador, Prof. Dr. Jair Minoro Abe, pedra fundamental deste trabalho, que,
com seus esforços, ampliou minha ótica deste mundo novo que pesquisa e ciência
construíram ao longo dos tempos.
Aos professores Marcelo Nogueira e Fábio Vieira do Amaral pela confiança
depositada e amizade que contribuíram para meu amadurecimento como
profissional e pessoa.
Aos professores Ivanir Costa e Cláudio Torres, pelas importantes observações, que
engrandeceram este trabalho.
À minha esposa, companheira que entendeu os momentos de ausência e soube me
apoiar, não permitindo que desistisse do sonho de tornar-me mestre.
A todos os que, de forma direta ou indireta, ajudaram com informações, observações
e sugestões para consolidar este estudo e torná-lo possível.
Mario S. Quinello
RESUMO
O agronegócio, ao longo de anos de árduo trabalho, firmou-se como um dos mais
importantes setores da economia brasileira. Nos últimos tempos, assistimos a um
processo de monopolização da produção, com grandes empresas e produtores
expandindo seus horizontes por meio da aquisição de médios e pequenos polos
produtivos e da redução de intermediários na cadeia produtiva. Essa concentração
sufoca os produtores de menor escala, que, devido a seus recursos limitados, não
utilizam meios nem equipamentos para automatizar seus processos e, assim,
deixam de agregar valor à sua produção. Nesse processo produtivo, a classificação
e seleção da produção é fator relevante para ampliar a qualidade e o alcance no
mercado alvo. Este trabalho procurou, através da pesquisa bibliográfica e
exploratória do processo atual, identificar alternativas para aumentar a qualidade na
produção do pequeno e médio agricultor, possibilitando ao mesmo separar e
direcionar seu produto a mercados melhores e mais exigentes. Para tanto, um
controlador baseado na Lógica Paraconsistente Anotada Evidencial Eτ foi utilizado
para a definição de um algoritmo de classificação e seleção da fruta amostra deste
estudo, o tomate (Lycopersicon esculentum Mill.).
Palavras-Chave: Agronegócio; Lógica Paraconsistente Anotada Evidencial Eτ;
Produção; Classificação; Processo;
ABSTRACT
Over the years of hard work, the agribusiness has established itself as one of the
most important sectors of the Brazilian economy. Lately, we have witnessed a
process of monopolization of production, with large companies and producers
expanding their horizons through the acquisition of small and medium productive
centers and the reduction of intermediaries in the supply chain. This concentration
restricts small producers, which, due to their limited budgets, do not use equipment
or processes to automate the classification and selection of the crop, and thus do not
add value to their production. In this production process, the rating and selection of
the crop is a relevant factor for improving the quality and reaching the target market.
This work sought, through literature review and exploratory research of the current
process, to identify alternatives for increasing the quality in the production of small,
and medium farmers, allowing them to separate and direct their product to better and
more demanding markets. For this purpose, a logical controller based on
Paraconsistent Annotated Evidential Logic Eτ was applied in the definition of a rating
and selection algorithm for the fruit sample, the tomato (Lycopersicon esculentum
Mill.).
Keywords: Agribusiness, Paraconsistent Annotated Evidential Logic Eτ; Production;
Rating; Process;
LISTA DE FIGURAS
Figura 01 - Distribuição Geográfica da Produção de Tomate Industrial no Brasil ..... 16
Figura 02 - Distribuição Geográfica da Produção de Tomate de Mesa no Brasil ...... 17
Figura 03 - Classificação dos tomates, quanto à coloração. ..................................... 21
Figura 04 - Graus de Certeza e Incerteza. ................................................................ 27
Figura 05 - Estados Extremos e Não-Extremos. ....................................................... 31
Figura 06 - Diagrama com os graus de incerteza e de certeza. ................................ 32
Figura 07 - O Reticulado. .......................................................................................... 33
Figura 08 - Exemplo de Sensor Fotoelétrico. ............................................................ 35
Figura 09 - Simbologia para Sensores Fotoelétricos. ................................................ 36
Figura 10 - Diagrama de posicionamento dos sensores do Para-Classificador - Visão
superior. .................................................................................................................... 38
Figura 11 - Diagrama de posicionamento dos sensores do Para-Classificador - Visão
lateral. ....................................................................................................................... 38
Figura 12 - Diagrama do Processo de Classificação - Para-Classificador. ............... 39
LISTA DE TABELAS
Tabela 01 - Balança do Agronegócio Brasileiro ........................................................ 12
Tabela 02 - Ranking de Produção Mundial. .............................................................. 14
Tabela 03 - Avanço da Produção Mundial. ............................................................... 14
Tabela 04 - Fases do Processo Produtivo do Tomate .............................................. 18
Tabela 05 - Fases do Processo Produtivo do Tomate .............................................. 26
Tabela 06 - Propriedades do Reticulado ................................................................... 26
Tabela 07 - Pontos e Estados ................................................................................... 28
Tabela 08 - Conceitos para Estados de Decisão. ..................................................... 30
Tabela 09 - Simbologia dos Estados Extremos. ........................................................ 33
Tabela 10 - Simbologia dos Estados Não-Extremos. ................................................ 32
Tabela 11 - Critérios para Coletas de Dados. ........................................................... 40
Tabela 12 - Critérios para Análise dos Dados. .......................................................... 41
Tabela 13 - Análise Combinatória para Seleção. ...................................................... 47
LISTA DE ABREVIATURAS E SIGLAS
FAO Food and Agriculture Organization
CEAGESP Companhia de Entrepostos e Armazéns Gerais de São Paulo
IBGE Instituto Brasileiro de Geografia e Estatística
IEA Instituto de Economia Agrícola
CATI Coordenadoria de Assistência Técnica Integral
SEAGRI Secretária da Agricultura, Irrigação e Reforma Agrária
NPK Índice de Nitrogênio, Fósforo e Potássio necessário para o plantio
LPA Lógica Paraconsistente Anotada
LPAEτ Lógica Paraconsistente Anotada Evidencial Eτ
LISTA DE SÍMBOLOS
µ Grau de Evidência Favorável
λ Grau de Evidência Contrária
Gic Grau de Inconsistência
Gpa Grau de Paracompleteza
Gve Grau de Veracidade
Gfa Grau de Falsidade
V Estado Lógico Extremo Verdadeiro
F Estado Lógico Extremo Falso
T Estado Lógico Extremo Inconsistente
⊥ Estado Lógico Extremo Inconsistente
Vcve Valor de controle de veracidade
Vcfa Valor de controle de falsidade
Vcic Valor de controle de inconsistência
Vcpa Valor de controle de paracompleteza
QV→T Estado Lógico Não-Extremo Quase-Verdadeiro Tendendo ao Inconsistente
QV→⊥ Estado Lógico Não-Extremo Quase-Verdadeiro Tendendo ao Paracompleto
QF→T Estado Lógico Não-Extremo Quase-Falso Tendendo ao Inconsistente
QF→⊥ Estado Lógico Não-Extremo Quase-Falso Tendendo ao Paracompleto
QT→V Estado Lógico Não-Extremo Quase-Inconsistente Tendendo ao Verdadeiro
QT→F Estado Lógico Não-Extremo Quase-Inconsistente Tendendo ao Falso
Q⊥→V Estado Lógico Não-Extremo Quase-Paracompleto Tendendo ao Verdadeiro
Q⊥→F Estado Lógico Não-Extremo Quase-Paracompleto Tendendo ao Falso
SUMÁRIO
1. INTRODUÇÃO ................................................................................................... 11
1.1. O Agronegócio ............................................................................................ 11
1.2. O Tomate .................................................................................................... 13
1.3. Cenário produtivo do tomate no Brasil ........................................................ 16
2. REFERENCIAL TEÓRICO ............................ .................................................... 18
2.1. O processo produtivo do tomate ................................................................. 18
2.2. Classificação e seleção da produção .......................................................... 19
2.2.1. A classificação de maturação para o tomate ....................................... 20
2.3. Lógica Paraconsistente ............................................................................... 21
2.3.1. Resumo histórico e conceituações ...................................................... 22
2.4. A Lógica Paraconsistente Anotada Evidencial Eτ ....................................... 22
2.4.1. Resumo histórico e conceituações ...................................................... 23
2.4.2. A Lógica Paraconsistente Anotada Evidencial Eτ ................................ 24
2.4.3. O Conectivo da Negação ..................................................................... 25
2.4.4. Os Conectivos da Conjunção, Disjunção e Implicação ........................ 25
2.4.5. O Reticulado τ ...................................................................................... 26
2.4.6. Graus de Certeza e de Incerteza ......................................................... 27
2.4.7. Estados de Decisão: Extremos e Não-Extremos ................................. 30
3. PROCEDIMENTO METODOLÓGICO ............................................................... 34
3.1. Considerações Iniciais ................................................................................ 34
3.2. A identificação de cores através de sensores fotoelétricos ......................... 34
3.3. Sensores Fotoelétricos ............................................................................... 36
3.4. Posicionamento dos sensores no Para-Classificador ................................. 37
3.5. Diagrama do Para-Classificador ................................................................. 39
3.6. O processo de classificação por cor ........................................................... 40
4. CONSIDERAÇÕES FINAIS ........................... .................................................... 48
5. REFERÊNCIAS BIBLIOGRÁFICAS ..................... ............................................. 50
11
1. INTRODUÇÃO
1.1. O Agronegócio
O Agronegócio firmou-se como um dos pilares da economia brasileira,
ajudando na redução do êxodo rural e agregando qualidade e valor à produção por
meio do uso de novas tecnologias que firmam esse segmento como um dos
principais em atividade no país (COSTA, 2006). O setor tem crescimento constante,
ao contrário de outras áreas da economia, como a indústria por exemplo, que sofre
com a alta carga tributária e a perda de competitividade no mercado mundial.
Países antes considerados fortes em suas economias, lutam contras crises
iminentes e buscam com todas as armas evitar recessões. Entretanto, na contramão
desse processo, algumas regiões de tais nações atravessam o momento sem
grandes turbulências, como é o caso do meio-oeste norte americano. Ancorada no
campo, a região é fortalecida pela alta dos preços agropecuários e exibe índices
econômicos e financeiros melhores que os demais setores da economia americana.
A exemplo disso, no estado de Iowa, a safra anunciada foi nomeada como uma das
maiores da história, injetando cerca de US$ 33 bilhões na economia regional – 34%
acima do ano passado e quase três vezes mais do que há dez anos. (PORTAL
AGRONEGÓCIO, 2011).
No Brasil, o setor que reúne produção, beneficiamento e os fabricantes de
insumos para a lavoura respondem por praticamente um terço do PIB e por valor
semelhante nas exportações totais do país (CANÇADO JUNIOR, et al., 2003). O
agronegócio brasileiro consolidou seu crescimento do primeiro semestre de 2011,
acumulando uma expansão de 3%, sendo que no ano de 2010 esse mesmo valor
não ultrapassou 1,8%. A alta de preços de importantes produtos agropecuários,
como algodão, café, milho, laranja, soja e carne bovina, somados à ampliação da
produção justificam esse resultado. Da mesma maneira, o setor primário da
agricultura obteve destaque no período, acumulando alta de 6,75%. Em
comparação, o segmento primário da pecuária cresceu apenas 2,43% (CEPEA-USP,
2011). A Tabela 01 mostra o avanço da balança de importações e exportações do
Agronegócio ao longo dos últimos anos:
12
Tabela 01 - Balança do Agronegócio Brasileiro (Em Bilhões de US$)
Fonte: Adaptado do Caderno De Estatística do IICA (CADERNO, 2010)
Destacando a produção de hortaliças desse contexto, podemos observar que
a referida cultura tem, entre outras características, a produção em escala reduzida.
Tal fator é determinante para torná-la rentável e, dessa maneira, torna-se grande
alternativa para pequenos e médios produtores. Na horticultura, o setor olerícola é o
que emprega o maior número de trabalhadores, sendo que a produção de hortaliças
gera oito vezes mais empregos por hectare do que a produção de grãos e cereais.
Além disso, para cada emprego gerado no setor, cinco outros postos de trabalho são
gerados ao longo da cadeia produtiva (LOURENZANI, A. E. B. S.; SILVA, 2003).
Sob a ótica da ciência, a qualidade de alimentos é formada pelos fatores que
diferenciam unidades individuais de determinado produto (CHITARRA, M.I.;
CHITARRA, 1990). O conceito de qualidade do tomate se refere aos atributos que o
consumidor consciente ou inconscientemente espera que o produto deva possuir
(FERREIRA, S.M.R.; FREITAS; LAZZARI, 2004). Entretanto, é fundamental ampliar
esse conceito de qualidade e aplicá-lo não só ao consumidor, mas também a todos
que participam da cadeia produtiva, estendendo-se do cultivo até o consumo.
Podemos delimitar tais responsabilidades:
13
• Produtores: colher frutos de alto rendimento, resistentes às
enfermidades, de bom aspecto e com poucos defeitos.
• Distribuidores: manter as características sensoriais do produto e
propiciar eficiente armazenamento enquanto os consumidores
determinam sua qualidade através da aparência, consistência, diâmetro
transversal, inexistências de deformidades e outros atributos sensoriais
(CASQUET, 1998).
1.2. O Tomate
O Lycopersicon esculentum Mill, comumente conhecido como tomate,
pertence à família da Solanaceae, como pimentão, jiló, berinjela e batata. Entretanto,
apesar de ser tratado como uma hortaliça, o tomate é, na verdade, um fruto, que
conforme sua variedade apresenta vários tamanhos e formatos. O tomate cultivado
originou-se na América do Sul, mais precisamente na região andina que
compreende Chile, Bolívia, Peru, Equador e Colômbia. O cultivo foi introduzido na
Europa entre 1524 e 1554 servindo inicialmente como adorno, pois existia o receio
quanto à toxicidade da fruta (FILGUEIRA, 2001, p.412).
No Brasil, a cultura teve início no século XVI e tomou proporções a partir de
1960 graças aos avanços tecnológicos da época (CATI, 2012). Atualmente, os polos
produtivos estão localizados nos estados de São Paulo, Minas Gerais, Rio de
Janeiro, Espírito Santo, Bahia, Goiás, Ceará e Pernambuco, Santa Catarina, Paraná
e Mato Grosso do Sul. O país está entre os dez maiores produtores mundiais da
fruta. A Tabela 02 apresenta um ranking de produção dos países que trabalham com
essa cultura:
14
Tabela 02 - Ranking de Produção Mundial.
1º China
2º Estados Unidos
3º Turquia
4º Índia
5º Egito
6º Itália
7º Espanha
8º Irã
9º Brasil
10º México
Fonte: Adaptada de FAO/ONU (2007)
Entre 1985 e 2005, a produção mundial per capita de tomate cresceu em
torno de 36%, passando de 14 kg por pessoa/ano para 19 kg (FAO, 2007). A Tabela
03 apresenta a curva de avanço da produção mundial registrada:
Tabela 03 - Avanço da Produção Mundial (em milhões de toneladas).
1983 a 1985 1993 a 1995 2003 a 2005
Ásia 25 34 62
Europa 18 19 23
América do Norte 10 14 15
África 6 10 15
Américas do Sul e Central 4 6 8
Oceania 0 0,4 1
Mundo 63 83 123
Fonte: Adaptada de FAO/ONU (2007)
15
Em virtude das características na produção, no beneficiamento e na
comercialização, as lavouras de tomate são dirigidas ao abastecimento industrial ou
ao consumo in natura, constituindo-se duas cadeias produtivas distintas desde as
variedades utilizadas, formas de cultivo até o consumo final (CAMARGO, 2006, p.53-
65).
O tomate é a segunda hortaliça mais cultivada no mundo superado apenas
pela batata (CANÇADO JUNIOR, et al., 2003). Das mais de 100 milhões de
toneladas colhidas mundialmente em 2002, cerca de 3,5 milhões foram produzidas
no Brasil, firmando o país como um dos grandes produtores da fruta, com uma área
cultivada de quase 63 mil hectares. O volume comercializado na CEAGESP/SP
nesse mesmo período ultrapassou as 240 mil toneladas, sendo o tomate de mesa
responsável pela maior parte desse montante.
Para atender a essa demanda, os produtores ampliaram a produção ao longo
dos anos com o valioso auxílio dos avanços tecnológicos, tanto na manipulação
genética quanto na cadeia produtiva. Dessa forma, foi possível aumentar a
produtividade e consolidar a referida cultura como uma das mais importantes para o
País. Com lavouras espalhadas ao longo de quase todo território nacional, a
produção de tomate, no Brasil, em 2005, foi estimada em 3.155 mil toneladas, sendo
a menor dos últimos quatro anos, porém, no Estado de São Paulo, estimou-se o
aumento de 7,5% na produção do tomate de mesa, na safra 2005/2006 (CASER, et
al., 2011). Com esse cenário favorável, a busca pela melhoria na lucratividade desta
cultura aponta algumas vertentes:
• Aperfeiçoar a logística da produção, reduzindo assim perdas pós-colheita
causadas por transporte inadequado;
• Reduzir o excesso de manuseio que pode causar danos mecânicos e
consequentemente, alterações na qualidade da fruta;
• Ampliar a qualidade da fruta através de processo de classificação e
seleção.
Estudos apontam que aproximadamente 20% da produção sofre danos que
inviabilizam a sua comercialização (MARCOS, 2001). Além disso, a inobservância
dos aspectos apontados pode provocar alterações no sabor e aspecto da fruta,
16
comprometendo assim sua qualidade (MORETTI, et al., 1998). Dessa forma, fica
claro que as etapas de manuseio, desde o campo até o consumidor, devem ser
cuidadosamente coordenadas e integradas para maximizar a qualidade final do
produto (SARGENT, et al., 1992) .
1.3. Cenário produtivo do tomate no Brasil
No ano de 2011, a produção brasileira de tomate foi de 3,95 milhões de
toneladas sendo que o tomate industrial equivale a 43,5% dessa produção. A área
cultivada foi de aproximadamente 21.000 hectares, produção de 1,67 milhão de
toneladas (produtividade/hectare: 80,2 toneladas), sendo que o centro produtivo
(79,0%) aconteceu em Goiás. São Paulo contribuiu com 16,5% e Minas Gerais com
4,5% (CATI, 2012):
Figura 01 - Distribuição Geográfica da Produção de Tomate Industrial no Brasil, 2011
Fonte: Levantamento Sistemático da Produção Agrícola – IBGE, Dezembro 2011, IEA-CATI e
EMBRAPA-HORTALIÇAS 2011.
17
A produção média brasileira do tomate de mesa em 2011 foi de 2,3 milhões
de toneladas. A região Sudeste contribuiu com 54,4%, São Paulo 25,8% e Minas
Gerais 17,9%, o Rio de Janeiro e Espírito Santo juntos 10,7%. A região Sul que
produz somente tomate de mesa participou com 23,6%. Em seguida, aparecem, em
ordem decrescente de importância, Paraná, Santa Catarina e Rio Grande do Sul. A
região Nordeste contribuiu com 22,0%.
Figura 02 - Distribuição Geográfica da Produção de Tomate de Mesa no Brasil, 2011
Fonte: Levantamento Sistemático da Produção Agrícola – IBGE, Dezembro 2011 , IEA-CATI e
EMBRAPA-HORTALIÇAS 2011.
18
2. REFERENCIAL TEÓRICO
O presente é direcionado à construção da base teórica que fundamenta este
trabalho. Serão abordados os seguintes temas: o processo produtivo do tomate,
classificação e seleção da produção, a classificação de maturação para o tomate, a
Lógica Paraconsistente, e a Lógica Paraconsistente Anotada Evidencial Eτ.
2.1. O processo produtivo do tomate
A produção do tomate é realizada por diversas fases, sendo cada uma delas
de suma importância para a colheita de um bom fruto. As sementes são
selecionadas e tratadas, sendo essas as primeiras fases deste processo. Em
seguida, as mudas são produzidas em canteiros e depois do solo preparado é
realizado o plantio. Até a colheita, a lavoura recebe tratamento contra pragas e
doenças. Feita a classificação e seleção do fruto, a última fase é a distribuição. A
Tabela 04 detalha cada uma dessas etapas:
Tabela 04 - Fases do Processo Produtivo do Tomate
Fase Descrição
Seleção das Sementes
Adquiridas em revendas ou na própria lavoura através de plantas robustas, sadias, frutos sadios (s/cancro) da variedade cultivada, sem rachaduras, sem podridão apical; frutos são espremidos, sementes colhidas em vasilhas não metálicas, fermentados por 96 horas (a 21ºC) para eliminar mucilagem.
Produção de Mudas
Canteiros: locais ensolarados, água próxima, fumigados, 1m. de largura x 5m. de comprimento, sulcos transversais (c/10cm. entre si) com 1cm. de profundidade que recebem 3g. de sementes/m2 desbastando-se 7 dias pós germinação para 3cm. entre plantinhas. Catação de ervas, irrigação 2x/dia (6 e 17 horas), abrigo com 1m. de altura em tempo quente. Copos de papel: tiras de 11cm. de largura, enrolados em lata ou garrafa (6-7cm. de diâmetro) formando copo de 7cm. x 6cm. 50Kg. de jornal dão para formar 20.000 copinhos, para plantar 1 hectare. Substrato formado por 20l. de terra fértil, pouco arenosa, 150g., 30g. de cloreto de potássio, peneirado, fumigado (300cc brometo/m³/72 horas). Necessários 4m3 de substrato e 200-300g. de sementes (lançando-se 3-4 sementes/copo cobertas com 1cm. de terra fina) para 20.000 copos. Irriga-se com crivo fino 2x/dia, desbasta-se para 2 plantas/copo 8 dias pós emergência. Via sementeira muda apta em 25-50 dias; via copo muda apta em 15-25 dias.
19
Preparação do Solo
Aração e Gradeação
Adubagem
Aração (15-20cm.), gradagem, adubação de cova de 1Kg esterco misturado à 100-200g. da fórmula NPK 4-16-8 (cova 0,2m x 0,2m.); em sulcos de 0,4m. de largura x 0,15m. de profundidade, aduba-se com 2Kg esterco/m. linear mais 100-200g. NPK 4-16-8. Tomate rasteiro em camalhões de 15-29cm. (alt.).
Plantio
Espaçamentos: 1m.x0,5m. para sulcos ou covas com 1 planta ou 1m.x0,7m. (2 plantas/cova). A muda é enterrada até os cotilédones , mudas com 10-15cm. de altura ou 4-6 folhas. Industrial 1m.x0,2-0,4m.
Trato da Lavoura
Prevenção de Pragas e Doenças
Irrigação
Cultura no limpo (3-5 capinas), amontoas (15-20 dias pós-plantio) formando camalhões 1ª, adubação cobertura quando se aplicam 50g. de sulfato de amônia/cova, 20-25 dias pós emergência. Nas seguintes adicionar 30g. de sulfato de potássio ao sulfato de amônia. Irrigação diária até pegamento e depois 2-3/semanas. Plantas com 25-30cm. de altura (25 dias) faz-se tutoramento e amarrio (varas 2,2m. cruzadas e apoiadas em fio de arame liso 18, esticado por estacas grossas distantes de 10m., a 1,8m. de altura. Desbrotas semanais paralelamente aos amarrios, cultura com 2 hastes por planta uma principal e outra do 1º cacho. Pragas: rosca, vaquinha, pulgão, brocas; cancro, viroses, requeima, vírus.
Colheita
Ciclo 4-7 meses. Colheita a partir de 80-110 dias por 60 dias; ponto de colheita vermelho, avermelhado ou verde-escuro (depende da distância do mercado); grupo I – tomates alongados e grupo II – formato globular; graúdo com diâmetro transversal 52mm. (I) e 120mm. (II) ; médio com 47-52 (I) e 80-120mm. (II); pequeno com 40-47mm. (I) e 50-80mm. (II) e miúdo com 33-40mm. (I). Quanto à qualidade há tipos I, II; dentre outros. Embalagem caixa tipo K para 23 a 28Kg. de tomates. Colhido o tomate deve ser deixado em repouso por 24 horas antes de ser embalado.
Beneficiamento
Classificação e Seleção
Para consumo in natura, a fruta deve ser lavada, seca e selecionada. O processo de classificação é feito com base no diâmetro, no peso e coloração da fruta. Para pequenos produtores, este processo é feito manualmente.
Distribuição
A distribuição é feita em caixotes, levando em consideração o estado de maturação em que a fruta se encontra. Frutas mais maduras não podem ser enviadas aos centros de distribuição distantes do produtor, pois são mais susceptíveis a impactos durante o transporte.
Fonte: SEAGRI (2011)
2.2. Classificação e seleção da produção
Produtos com características de tamanho e peso padronizados são mais
fáceis de serem manuseados em grandes quantidades, pois apresentam menores
perdas, produção mais rápida e melhor qualidade (CHITARRA, M.I.; CHITARRA,
1990).
20
A falta de classificação pode ser um indicativo da ausência de assistência
técnica e tecnologia no campo, resultando em baixa qualidade do produto e posterior
incapacidade de enquadramento nas normas de classificação estabelecidas na
legislação. Assim, essas normas encontram diversos problemas para o seu
cumprimento, que não se restringem apenas ao ato de serem efetuadas pelos
atacadistas e produtores. Seu desconhecimento, a forma como são apresentadas
aos atacadistas e produtores, o que muitas vezes os desestimula a segui-las, e os
problemas no processo produtivo são os entraves normalmente encontrados
(RODRIGUES LR; ZAMBON FRA; MURARO D., 2007).
O processo de classificação, além de auxiliar na comercialização,
desempenha um papel econômico significativo para o comprador e vendedor, tanto
no comércio externo como no interno. Um número expressivo de produtores vem
aderindo à classificação de produtos como forma de melhorar a comercialização e o
preço (ANDREUCCETTI, et al., 2003). Além de agregar valor, através da
classificação, o cliente paga o preço equivalente ao tipo do produto que está
adquirindo.
A classificação do tomate avalia seu tamanho (medido através de sua
circunferência ou diâmetro transversal), cor (maturação) e densidade dentre outros
critérios. Esse processo procurar garantir a padronização da produção,
proporcionando aos atacadistas e, consequentemente, ao consumidor final, um
produto de melhor qualidade. Aos produtores, fica assegurada a facilidade na
comercialização, além do aumento circunstancial do valor agregado do produto.
2.2.1. A classificação de maturação para o tomate
Um dos fatores de qualidade do tomate é o estado fisiológico, que está
relacionado com o grau de maturação do fruto, pois é ele que define o momento da
colheita e sua destinação. A cor sugere as mudanças de sabor, textura e aroma,
decorrentes do processo de maturação (ZAMBON, 1984). A alteração da coloração
do tomate ocorre devido à clorofila e aos carotenoides, sendo que a cor verde dos
frutos imaturos é atribuída à clorofila. Após atingir seu tamanho máximo, o fruto inicia
imediatamente a mudança de cor, refletindo a degradação disforme da clorofila, que
ainda permanece em pequenas áreas do
1981, p.1-7).
Figura 0
Fonte: (CEAGESP, 2000)
Seguem algumas caract
de maturação e a respectiva d
• Verde: pode ser enviado a mercados mais distantes pois suporta melhor
o período de transporte;
• Salada: iniciado o estado de maturação; a fruta é firme,
apresenta leve coloração avermelhada e não e tão susceptível ao
manuseio;
• Colorido: o estado d
metade de sua vida útil, porém ainda tem boa qualidade e firmeza;
• Vermelho: ness
grande sensibilidade a impactos; qualquer queda pode condenar sua
qualidade;
• Molho: a fruta não pode mais ser usada para salada ou ornamento;
determinadas partes já apresentam manchas mais escuras que evoluirão
para ferimentos.
2.3. Lógica Paraconsistente
Como a proposta deste trabalho baseia
um resumo de seus principais conceitos e um resumo histórico
ainda permanece em pequenas áreas do tecido do fruto (MEDINA, P.V.L.; MEDINA,
03 - Classificação dos tomates, quanto à coloração.
Fonte: (CEAGESP, 2000) - Programa Brasileiro para a Melhoria dos Padrões Comerciais e Embalagens de Hortigranjeiros
algumas características da classificação por cor que indica o estado
a respectiva destinação da fruta:
pode ser enviado a mercados mais distantes pois suporta melhor
o período de transporte;
iniciado o estado de maturação; a fruta é firme,
apresenta leve coloração avermelhada e não e tão susceptível ao
o estado de maturação avança; a fruta está
metade de sua vida útil, porém ainda tem boa qualidade e firmeza;
nesse estágio a fruta apresenta leve perda da firmeza e
grande sensibilidade a impactos; qualquer queda pode condenar sua
a fruta não pode mais ser usada para salada ou ornamento;
determinadas partes já apresentam manchas mais escuras que evoluirão
para ferimentos.
Lógica Paraconsistente
Como a proposta deste trabalho baseia-se na Lógica Paraconsistente, faz
um resumo de seus principais conceitos e um resumo histórico.
21
MEDINA, P.V.L.; MEDINA,
Classificação dos tomates, quanto à coloração.
Programa Brasileiro para a Melhoria dos Padrões Comerciais e
a classificação por cor que indica o estado
pode ser enviado a mercados mais distantes pois suporta melhor
iniciado o estado de maturação; a fruta é firme, porém já
apresenta leve coloração avermelhada e não e tão susceptível ao
e maturação avança; a fruta está praticamente na
metade de sua vida útil, porém ainda tem boa qualidade e firmeza;
enta leve perda da firmeza e
grande sensibilidade a impactos; qualquer queda pode condenar sua
a fruta não pode mais ser usada para salada ou ornamento;
determinadas partes já apresentam manchas mais escuras que evoluirão
se na Lógica Paraconsistente, faz-se
22
2.3.1. Resumo histórico e conceituações
Os precursores da Lógica Paraconsistente foram o filósofo russo Nicholas
Vasil’év e lógico polonês Jan Lukasiewicz. Simultaneamente, por volta de 1910,
embora de maneira independente, eles ventilaram a possibilidade de uma Lógica
Paraconsistente que restringiria, por exemplo, o princípio da contradição, quando
formulado da seguinte forma: dadas duas proposições contraditórias, isto é, uma das
quais é a negação da outra, então uma das proposições é falsa. Vasil’év chegou
mesmo a articular determinada Lógica Paraconsistente, que ele batizou de Lógica
Imaginária, modificando a silogística Aristotélica. Nenhum deles tinha, na época,
uma visão ampla da Lógica Clássica, tal como hoje a encaramos; eles a tratavam
mais ou menos do prisma de Aristóteles, de conformidade com as tendências então
dominantes na época.
O primeiro lógico a estruturar um cálculo proposicional paraconsistente foi o
polonês Stanislaw Jaskowski, discípulo de Lukasiewicz. Em 1948 ele publicou suas
ideias sobre lógica e contradição, mostrando como se poderia construir um cálculo
sentencial paraconsistente, possuindo motivação conveniente. O sistema de
Jaskowski, nomeado por ele de lógica discursiva (ou discussiva), desenvolveu-se
posteriormente (a partir de 1968) em virtude das obras de autores como Jerzy Kotas,
Tomasz Furmanowski, Lech Dubikajtis, Newton C. A. da Costa e Charles C. Pinter.
Assim, chegou-se a edificar uma verdadeira lógica discursiva, englobando um
cálculo de predicados de primeira ordem e uma lógica de ordem superior (há,
inclusive, teorias discursivas de conjuntos, intrinsecamente ligadas à teoria de
atributos, baseada no cálculo S5 de Lewis). Independentemente de Jaskovski, em
1954 o lógico brasileiro Newton Da Costa construiu uma hierarquia de sistemas
lógicos paraconsistentes, os sistemas proposicionais Cn, os cálculo de predicados
correspondentes Cn*, Cálculo de descrições e teoria de conjuntos NFn.
2.4. A Lógica Paraconsistente Anotada Evidencial E ττττ
A exposição desta sessão está inteiramente baseada na referência (ABE, DA
SILVA FILHO, CELESTINO, ARAÚJO, 2010).
23
2.4.1. Resumo histórico e conceituações
A lógica conhecida como clássica é baseada em apenas dois estados lógicos,
o verdadeiro e o falso. Entretanto, como podemos observar em nosso cotidiano,
praticamente todos os conceitos do mundo real possuem um determinado grau de
imprecisão, e ao manipularmos elementos desse universo, obtemos qualificações
que não serão absolutamente falsas nem verdadeiras.
As lógicas paraconsistentes anotadas são uma família de lógicas não-
clássicas surgidas no final da década de 90 do século passado que subjazia certa
programação lógica (SUBRAHMANIAN, 1987). Devido às aplicações obtidas, tornou-
se conveniente um estudo de suas bases.
Os estudos sobre os fundamentos da lógica paraconsistente anotada foram
efetuados por vários autores, entre eles, Da costa, Abe, Akama e outros (ABE,
1992). Em Abe (1992) estudou-se a lógica de predicados, teoria de modelos, teoria
anotada de conjuntos e alguns sistemas modais, estabelecendo-se um estudo
sistemático de seus fundamentos. Em particular obteve-se metateoremas de
completeza forte e fraca para uma subclasse de lógica anotada de primeira ordem e
fez-se um estudo sistemático da teoria anotada de modelos, generalizando a maioria
dos resultados padrão para os sistemas anotados.
Outras aplicações dos sistemas anotados foram iniciados por volta de 1993
por Abe e juntamente com discípulos diretos implementou-se a linguagem de
programação paraconsistente Paralog (DA COSTA, et al., 1999) independente dos
resultados de Subrahmanian. Tais ideias se aplicaram na construção de um
protótipo, na especificação de uma arquitetura baseada na lógica paraconsistente
anotada que integra vários sistemas computacionais – planejadores, base de dados,
sistemas de visão, entre outros – de uma célula de manufatura (PRADO, 1996) e na
representação de conhecimento por Frames, permitindo representar inconsistências
e exceções (ÁVILA, 1996).
Da Silva Filho, outro discípulo de Abe, interessou-se na aplicação da lógica
paraconsistente anotada Eτ em circuitos digitais, obtendo-se a implementação das
portas lógicas Complement, AND e OR (DA SILVA FILHO, 1999). Tais circuitos
permitem sinais “conflitantes” implementados em sua estrutura de modo não-trivial.
24
Acredita-se que a contribuição dos circuitos elétricos paraconsistentes seja pioneira
na área dos circuitos elétricos, abrindo-se novas vias de investigações. Nas
pesquisas referentes ainda à parte de hardware, foi a edificação do analisador lógico
– para-analisador – que permitiu tratar conceitos de incerteza, inconsistência e
paracompleteza. Também foram construídos controladores lógicos baseados nas
lógicas anotadas – Paracontrol, simuladores lógicos – Parasim, tratamento de sinais
– Parasônico. Como materialização dos conceitos discutidos construiu-se o primeiro
robô paraconsistente com o hardware paraconsistente: a robô Emmy (DA SILVA
FILHO; ABE, 2000). Outro robô paraconsistente construído com o software baseado
na LPA denominou-se Sofya e muitos protótipos subsequentes foram construídos:
Amanda, dentre outros.
Os sistemas anotados também abarcam aspectos dos conceitos envolvidos
em raciocínio não-monotônico, defesiable, default e deôntico. Versões de lógicas
anotadas também envolvem muitos aspectos das lógicas Fuzzy. Isso pode ser visto
sob vários ângulos. A teoria notada de conjuntos engloba in totun a teoria de
conjuntos Fuzzy (ABE, 1992). Versões axiomatizadas da teoria Fuzzy também foram
obtidas. Foi erigido o controlador híbrido paraFuzzy que une características das
lógicas anotadas e Fuzzy (DA COSTA, et al., 1999).
2.4.2. A Lógica Paraconsistente Anotada Evidencial Eττττ
A Lógica Paraconsistente Anotada Evidencial Eτ possui uma linguagem Eτ e
as proposições atômicas são do tipo p(µ, λ) onde p é uma proposição e µ, λ ∈ [0, 1]
(intervalo real unitário fechado). Intuitivamente, µ indica o grau de evidência
favorável de p e λ o grau de evidência contrária de p. A leitura dos valores µ, λ
depende das aplicações consideradas e pode sofrer mudanças: com efeito µ pode
ser o grau de crença favorável e λ poder ser o grau de crença contrária da
proposição p; também, µ pode indicar a probabilidade expressa por p ocorrer e λ, a
improbabilidade expressa por p ocorrer. As proposições atômicas p(µ, λ) da lógica
Eτ podem ser intuitivamente lidas como: creio em p com o grau de crença favorável
µ e o grau de crença contrária λ, ou o grau de evidência favorável de p é µ e o grau
de evidência contrária de p é λ.
25
2.4.3. O Conectivo da Negação
Se p denotar a proposição “Pedrinho está acometido de pneumonia com 80%
de evidência favorável e 40% de evidência contrária”, qual é a negação de p(0.8,
0.4)? Sua negação equivale a se dizer que a proposição “Pedrinho está acometido
de pneumonia com 40% de evidência favorável e 80% de evidência contrária”, ou
seja, a evidência favorável de p(0.8, 0.4) passa a ser a evidência contrária de
¬p(0.8, 0.4) e a evidência contrária de p(0.8, 0.4) passa a ser a evidência favorável
de ¬p(0.8, 0.4). Em termos técnicos, tem-se que ¬p(0.8, 0.4) ↔ p∼(0.8, 0.4) ↔
p(0.4, 0.8).
Há, portanto, um operador natural definido sobre τ que desempenha o papel
da negação do conectivo da lógica Eτ: ∼: τ → τ, ∼(µ, λ) = (λ, µ). Isso denuncia
uma importante propriedade na lógica Eτ: podemos considerar equivalentes as
proposições ¬p(µ, λ) e p(λ, µ), ou seja, em outra terminologia, ¬p(µ, λ) ↔ p∼(µ, λ).
Qual é a negação de p(0.5, 0.5)? Intuitivamente temos que é a própria
proposição p(0.5, 0.5), ou seja, ¬p(0.5, 0.5) ↔ p(0.5, 0.5). Agora suponhamos que
p(0.5, 0.5) seja verdadeira. Logo temos a situação: p(0.5, 0.5) verdadeira e ¬p(0.5,
0.5) também verdadeira. Ora, a lógica em questão admite intuitivamente
contradições verdadeiras. Coisa semelhante se passa se p(0.5, 0.5) for falsa. Temos
p(0.5, 0.5) falsa e ¬p(0.5, 0.5) também falsa, ou seja Eτ é também paracompleta.
Daí, Eτ é não-alética.
O fato de a negação lógica ser “absorvido” na anotação faz com que a lógica
Eτ tenha propriedades de fundamental importância na hora de implementações
físicas, bem como propriedades de extrema fecundidade em programação e em
implementações físicas.
2.4.4. Os Conectivos da Conjunção, Disjunção e Impl icação
Dadas as proposições p(µ, λ) e q(θ, ρ) podemos formar a conjunção, a
disjunção e a implicação entre elas:
26
Tabela 05 - Conectivos
Conectivos Leia-se
p(µ, λ) ∧ q(θ, ρ) a conjunção de p(µ, λ) e q(θ, ρ)
p(µ, λ) ∨ q(θ, ρ) a disjunção de p(µ, λ) e q(θ, ρ)
p(µ, λ) → q(θ, ρ) a implicação de q(θ, ρ) por p(µ, λ)
Fonte: Abe, et al., 2010
O conectivo da bi-implicação introduz-se de modo habitual:
p(µ, λ) ↔ q(θ, ρ) = p(µ, λ) → q(θ, ρ) ∧ q(θ, ρ) → p(µ, λ) – leia-se p(µ, λ) equivale a
q(θ, ρ)
2.4.5. O Reticulado ττττ
Voltemos a algumas terminologias. O par (µ, λ) denomina-se constante de
anotação. Tal par é um elemento de [0, 1]×[0, 1] que algumas vezes indicamos por
[0, 1]2. Mune-se esse conjunto de uma relação de ordem assim definida: (µ1, λ1) ≤
(µ2, λ2) ⇔ µ1 ≤ µ2 e λ2 ≤ λ1. Dessa forma temos as propriedades:
Tabela 06 - Propriedades do Reticulado.
Sentença Propriedade
∀µ, λ ∈ τ, (µ, λ) ≤ (µ, λ) Reflexividade
∀µ1, λ1, µ2, λ2 ∈ τ, (µ1, λ1) ≤ (µ2, λ2) e (µ2, λ2) ≤ (µ1, λ1), implicam (µ1, λ1) = (µ2, λ2)
Anti-simetria
∀µ1, λ1, µ2, λ2, µ3, λ3∈ τ, (µ1, λ1) ≤ (µ2, λ2) e (µ2, λ2) ≤ (µ3, λ3), implicam (µ1, λ1) ≤ (µ3, λ3)
Transitividade
∀µ1, λ1, µ2, λ2 ∈ τ, existe o supremo de {(µ1, λ1), (µ2, λ2)} indicado por (µ1, λ1) ∨ (µ2,
λ2) = (Máx{µ1, λ2}, Mín{λ1, λ2})
∀µ1, λ1, µ2, λ2 ∈ τ, existe o ínfimo de {(µ1, λ1), (µ2, λ2)} indicado por (µ1, λ1) ∧ (µ2, λ2) =
(Mín{µ1, λ2}, Máx{λ1, λ2})
∀µ, λ ∈ τ, (0, 1) ≤ (µ, λ) ≤ (1, 0)
Fonte: Abe, et al., 2010
27
O quadrado unitário [0, 1]×[0, 1] com a relação de ordem constitui um
reticulado que simbolizamos por <τ, ≤> ou simplesmente por τ.
2.4.6. Graus de Certeza e de Incerteza
A figura 04 apresenta os graus de certeza e incerteza conforme o estado da
preposição e sua posição cardeal. Veja:
Figura 04 - Graus de Certeza e Incerteza.
Fonte: Abe, et al., 2010
No reticulado τ notamos quatro pontos que nortearão nossas perquirições.
Denominemo-los de pontos cardeais. Tais são eles:
D ≡ (0, 0) A ≡ (1, 0)
B ≡ (0, 1) C ≡ (1, 1)
µ
λ
Segmento de reta perfeitamente
indefinido
Segmento de reta perfeitamente
definido
28
Tabela 07 - Pontos e Estados.
Ponto Estado
A ≡ (1.0, 0.0) Verdadeiro
B ≡ (0.0, 1.0) Falso
C ≡ (1.0, 1.0) Inconsistente
D ≡ (0.0, 0.0) Paracompleto
Fonte: Abe, et al., 2010
Embasados nos pontos cardeais, e pelo uso das propriedades dos números
reais, vamos cuidadosamente erigir uma estrutura matemática com o fito de
materializar nossas ideias de como queremos manipular mecanicamente o conceito
de incerteza, contradição e de paracompleteza, entre outros. Tal mecanismo
embarcará, naturalmente, de algum modo os estados verdadeiro e falso tratados
dentro do escopo da lógica clássica, com todas as suas consequências. Para tanto,
iremos introduzir diversos conceitos que julgamos “intuitivos” para a finalidade acima
bosquejada.
Segmento perfeitamente definido AB: µ + λ -1 = 0; 0 ≤ µ, λ ≤ 1
Segmento perfeitamente indefinido DC: µ - λ = 0; 0 ≤ µ, λ ≤ 1
Observe que as constantes de anotação (µ, λ) que incidem no segmento
perfeitamente indefinido possuem a relação µ - λ = 0, ou seja µ = λ. Logo, a
evidência favorável é idêntica à evidência contrária, o que mostra que a proposição
p(µ, λ) expressa uma indefinição. Ela varia continuamente desde a inconsistência (1,
1) até o paracompleto (0, 0).
Já as constantes de anotação (µ, λ) que incidem no segmento perfeitamente
definido possuem a relação µ + λ -1 = 0, ou seja µ = 1 - λ, ou ainda λ = 1 - µ. Logo,
no primeiro caso, a evidência favorável é o complemento booleano da evidência
contrária e, no segundo, a evidência contrária é o complemento booleano da
evidência favorável, o que mostra que as evidência favorável e contrária ‘se-
comportam’ como no caso clássico, variando continuamente desde a falsidade (0, 1)
até a veracidade (1, 0).
29
Introduzimos as aplicações:
Gic:[0, 1]×[0, 1] → [0, 1]
Gpa:[0, 1]×[0, 1] → [-1, 0]
Gve:[0, 1]×[0, 1] → [0, 1]
Gfa:[0, 1]×[0, 1] → [-1, 0]
Definidas por:
Grau de Inconsistência: Gic(µ, λ) = µ + λ -1, desde que µ + λ -1 ≥ 0
Grau de Paracompleteza: Gpa(µ, λ) = µ + λ -1, desde que µ + λ -1 ≤ 0
Grau de Veracidade: Gve(µ, λ) = µ - λ, desde que µ - λ ≥ 0
Grau de Falsidade: Gfa(µ, λ) = µ - λ, desde que µ - λ ≤ 0
Vê-se que o Grau de Veracidade “mede” o quão uma anotação (µ, λ) se
“distancia” do segmento perfeitamente definido e o quão se “aproxima” do estado
verdade e o Grau de Falsidade “mede” o quão uma anotação (µ, λ) se “distancia” do
segmento perfeitamente definido e o quão se “aproxima” do estado falso.
De modo similar, o Grau de Inconsistência “mede” o quão uma anotação (µ,
λ) se “distancia” do segmento perfeitamente indefinido e o quão se “aproxima” do
estado inconsistente e o Grau de Paracompleteza “mede” o quão uma anotação (µ,
λ) se “distancia” do segmento perfeitamente indefinido e o quão se “aproxima” do
estado paracompleto.
Chama-se Grau de Incerteza Gin(µ, λ) de uma anotação (µ, λ) a qualquer um
dos graus de inconsistência ou de paracompleteza. Por exemplo, o grau de
Incerteza é máximo no estado inconsistente, ou seja Gic(1, 1) = 1.
30
Chama-se Grau de Certeza Gce(µ, λ) de uma anotação (µ, λ) a qualquer um
dos graus de verdade ou de falsidade. Por exemplo, o grau de verdade da anotação
(½, ¼) é ¼, ou seja, Gve(½, ¼) = ¼.
2.4.7. Estados de Decisão: Extremos e Não-Extremos
Com os conceitos ventilados, podemos trabalhar com “faixas” de verdade ao
invés de a “verdade” ser um conceito ‘hirto’, ‘inflexível’. Talvez seja melhor dizermos
que a verdade é uma faixa de certeza com respeito a certa proposição. Para
determinarmos tais faixas, introduzimos os seguintes conceitos:
Tabela 08 - Conceitos para Estados de Decisão.
Valor Descrição
Vcve = C1 Valor de controle de veracidade; 0 ≤ Vcve ≤ 1
Vcfa = C2 Valor de controle de falsidade; -1 ≤ Vcfa ≤ 0
Vcic = C3 Valor de controle de inconsistência; 0 ≤ Vcic ≤ 1
Vcpa = C4 Valor de controle de paracompleteza; -1 ≤ Vcpa ≤ 0
Fonte: Abe, et al., 2010
Tais valores indicam quando uma proposição é considerada, por exemplo,
“verdadeira” no sentido de tomarmos uma decisão positivamente, e assim por diante.
As figuras 05 e 06 ajudam a introduzir conceitos suplementares.
31
Figura 05 - Estados Extremos e Não-Extremos.
Fonte: Abe, et al., 2010
A figura 06 introduz a Simbologia dos Estados Não-Extremos e sua respectiva
posição dentro do plano cartesiano.
QV→T
QV→⊥
Q⊥→F
QF→⊥ QT→V
QF→T QT→F
Q⊥→V
V
F T
⊥
µ
λ
32
Figura 06 - Diagrama com os graus de incerteza e de certeza.
Fonte: Abe, et al., 2010
Tabela 09 - Simbologia dos Estados Extremos.
Estados Extremos Símbolo
Verdadeiro V
Falso F
Inconsistente T
Paracompleto ⊥
Fonte: Abe, et al., 2010
Vcic = C3
GRAU DE INCERTEZA - Gin
-1
0
+1
+1 -1
Vcfa = C2
GRAU DE CERTEZA - Gce
Vcve = C1
QT→V
Q⊥→F Q⊥→V
QT→ F
Vcpa = C4
33
Tabela 10 - Simbologia dos Estados Não-Extremos.
Estados Não-Extremos Símbolo
Quase-verdadeiro tendendo ao Inconsistente QV→T
Quase-verdadeiro tendendo ao Paracompleto QV→⊥
Quase-falso tendendo ao Inconsistente QF→T
Quase-falso tendendo ao Paracompleto QF→⊥
Quase-inconsistente tendendo ao Verdadeiro QT→V
Quase-inconsistente tendendo ao Falso QT→F
Quase-paracompleto tendendo ao Verdadeiro Q⊥→V
Quase-paracompleto tendendo ao Falso Q⊥→F
Fonte: Abe, et al., 2010
Por fim, a figura 07 apresenta o Reticulado e suas respectivas regiões
decisórias.
Figura 07 - O Reticulado.
Fonte: Abe, et al., 2010
(1, 1) (0, 1)
(0, 0) (1, 0)
QV→T
QV→⊥
Q⊥→F
QF→⊥ QT→V
QF→T QT→F
Q⊥→V
V
F T
⊥
µ
λ
34
3. PROCEDIMENTO METODOLÓGICO
3.1. Considerações Iniciais
Conforme levantamento bibliográfico, foi possível identificar a demanda pela
ampliação da qualidade na cultura do tomate, com foco em pequenos e médios
produtores, através da melhoria do processo de classificação e seleção da fruta. Os
fatores que apontaram para esse cenário são:
- Baixa qualidade devido à falta de classificação e seleção da fruta quando
em produção não-industrial;
- Falta de recursos para investimento em maquinário apropriado para essa
fase;
- Manuseio excessivo da fruta quando no processo de classificação e
seleção manual;
Fundamentando por esses fatores, este trabalho busca criar um mecanismo
de apoio no processo de qualidade para o pequeno e médio produtor, elaborando
um algoritmo que possa atender aos seguintes requisitos:
- Servir de base para criação de protótipo automatizado capaz de identificar
a cor da fruta e atender a uma escala de classificação;
- Com base da LPAEτ, apoiar a tomada de decisão quando no processo de
classificação.
3.2. A identificação de cores através de sensores f otoelétricos
O processo de identificação das cores é resultado, parte, das propriedades da
luz que atinge nossos olhos, parte, de complexos processos fisiológicos,
neurológicos e psicológicos que levam à sua interpretação. A identificação de toda a
gama de cores do mundo real é muito mais complexa, incluindo processos de
análise do contexto e de compensação.
35
Do ponto de vista da Física usual, a luz pode ser caracterizada por sua
intensidade e por seu comprimento de onda. A luz visível é a parte do espectro
eletromagnético com comprimentos de onda compreendidos entre 400 nm e 700 nm.
Todavia, a luz que atinge nossos olhos não tem necessariamente um
comprimento de onda bem definido. As fontes de luz, como lâmpadas e estrelas,
emitem luz com diferentes comprimentos de onda simultaneamente. Quando essa
luz incide sobre os corpos pode ocorrer absorção e transmissão de uma parte
enquanto outra parte é refletida. Novamente, a parte refletida, em geral, é composta
por um grande número de comprimentos de onda. A sensação de cor é a maneira
como interpretamos esse conjunto de comprimentos de onda refletido que atinge
nossos olhos.
Figura 08 - Exemplo de Sensor Fotoelétrico.
Fonte: SICK, 2012
O propósito dos sensores fotoelétricos é traduzir o sinal luminoso (luz ou
sombra) em um sinal elétrico que permita interpretação por um determinado circuito
eletroeletrônico.
Atualmente as aplicações eletrônicas utilizam uma grande quantidade desse
tipo de sensores, cada qual com suas respectivas características. A especificação
desse tipo de componente influencia diretamente na veracidade da informação
coletada, pois um sensor com baixa sensibilidade numa aplicação que opere com
fontes fracas de luz, ou ainda um sensor lento que deve detectar o movimento
rápido de luz ou sombra, pode comprometer a informação que se deseja obter.
36
3.3. Sensores Fotoelétricos
Um sensor fotoelétrico pode ser um transdutor ou um sensor propriamente
dito. Dizemos que um sensor fotoelétrico é um transdutor quando ele converte
energia luminosa (radiante) em sinais elétricos. É o caso das fotocélulas que
convertem diretamente luz em energia elétrica.
Entretanto, temos sensores propriamente ditos que convertem luz em uma
variação de uma grandeza elétrica qualquer como corrente ou resistência. Esse é o
caso dos LDRs e dos fotodiodos. Na figura 09 ilustramos representação simbólica
desses dois exemplos:
Figura 09 - Simbologia para Sensores Fotoelétricos.
Fonte: Braga, 2012
Ao escolhermos um sensor fotoelétrico para uma determinada aplicação
precisamos levar em conta suas características. As principais são:
- Sensibilidade: a sensibilidade de um sensor fotoelétrico nos diz de que
modo a grandeza associada em sua saída varia com a intensidade de luz
que incide nesse sensor. De forma geral, a maioria dos sensores usados
nas aplicações eletrônicas são extremamente sensíveis no sentido de que
basta apenas um fóton para que já possamos ter uma variação sensível
da grandeza associada. O aproveitamento dessa sensibilidade, na
maioria dos casos vai depender muito mais da sensibilidade do circuito
usado no processamento dos sinais desse sensor.
37
- Resposta Espectral: diferentemente do olho humano, a maioria dos
sensores fotoelétricos podem "ver" muito mais do que os nossos olhos.
Em outras palavras, esses sensores em sua maioria podem perceber
tanto radiação infravermelha como ultravioleta. Na figura 2 temos a curva
de resposta típica de alguns sensores, comparadas a sensibilidade do
olho humano. A sensibilidade de diversos sensores à radiação
infravermelha é importante porque esses sensores podem operar como
fontes de radiação infravermelha tais como LEDs infravermelhos, LASERs
e mesmo outras.
- Velocidade: em muitas aplicações os sensores devem detectar variações
muito rápidas de luz (ou sombra), como no caso da leitura de código de
barras, controles de velocidade de máquinas, encoders ópticos, links por
fibra óptica e outras aplicações. Nem todos os sensores existentes podem
responder a essas variações rápidas ou modulação das fontes de luz. No
entanto, para os sensores lentos existem aplicações importantes como
aquelas que exigem o manuseio de correntes intensas no controle de
automatismos baseados em luz e sombra, dentre outros. Os sensores
mais lentos podem ter uma resposta tão baixa que limitam a sua
frequência de aplicação a pouco mais de 10 kHz, enquanto que os mais
rápidos podem chegar a dezenas de Megahertz.
3.4. Posicionamento dos sensores no Para-Classifica dor
É importante citar que a quantidade de análises (coletas) realizadas influencia
diretamente na eficiência do classificador, porém, como um dos objetivos específicos
deste estudo é permitir que produtores de pequeno e médio porte possam adquirir
esse tipo de tecnologia, optou-se pelo menor número possível de sensores de forma
a não onerar os custos de um possível produto final. Sendo assim, levando em conta
a amplitude de cobertura dos sensores de cor de uso comercial, justifica-se o
diagrama abaixo para posicionamento.
38
A figura 10 apresenta uma visão superior de uma proposta de posicionamento
dos sensores de cor considerando o critério anteriormente fundamentando:
Figura 10 - Diagrama de posicionamento dos sensores do Para-Classificador - Superior.
Fonte - Autor, 2013.
A figura 11 apresenta uma visão lateral de uma proposta de posicionamento
dos sensores de cor considerando o mesmo critério:
Figura 11 - Diagrama de posicionamento dos sensores do Para-Classificador - Lateral.
Fonte: Autor, 2013.
39
3.5. Diagrama do Para-Classificador
Figura 12 - Diagrama do Processo de Classificação - Para-Classificador.
Fonte: Autor, 2013.
40
3.6. O processo de classificação por cor
Este tópico detalha o fluxo de trabalho do classificador, iniciando na chegada
da fruta até o fim do processo e respectiva seleção.
Início do Processo de Classificação:
Nesse ponto inicia-se o processo de classificação com o posicionamento da
fruta entre os sensores fotoelétricos.
Coleta dos dados para classificação:
Tem início o processo de coleta dos dados que serão analisados e
determinarão qual o estado de maturação da fruta através da identificação de sua
cor. Para esse trabalho, vamos adotar os seguintes critérios:
Tabela 11 - Critérios para Coletas de Dados.
Critério Característica
1 O valor coletado por cada sensor indica a evidência favorável para a proposição "A fruta
está madura"
2
Para este estudo adotamos a seguinte regra amálgama:
- O valor coletado pelo sensor X = Grau de Evidência Favorável, GEFSxx
- O complemento do valor coletado pelo sensor Y = Grau de Evidência Contrária,
GECSyy
Fonte: Autor, 2013.
Análise dos dados coletados:
41
Nessa fase do processo, vamos verificar o estado de maturação da fruta e se
é necessário uma nova coleta de dados, pois para os estados não determinísticos,
este trabalho determina que seja efetuado um novo ciclo onde os valores dos
sensores serão novamente capturados. Com essa operação, pretende-se que,
através da rotação da fruta dentro do classificador, seja possível capturar novos
dados e consequentemente verificar a proposição deste estudo: "A fruta está
madura".
Como definido anteriormente, vamos utilizar três sensores. Serão coletados
os seguintes valores para análise:
GEFS01 - Grau de Evidência Favorável Sensor S01
GECS01 - Grau de Evidência Contrária Sensor S01
GEFS02 - Grau de Evidência Favorável Sensor S02
GECS02 - Grau de Evidência Contrária Sensor S02
GEFS03 - Grau de Evidência Favorável Sensor S03
GECS03 - Grau de Evidência Contrária Sensor S03
Vamos adotar os seguintes critérios para esta análise:
Tabela 12 - Critérios para Análise dos Dados.
Critério Característica
1 O maior valor de cada par de combinações que determinará o estado da fruta nesta análise.
2 Durante o processo de análise, valores iguais a 0,5 serão considerados indefinidos .
3 Caso a combinação entre as análises seja indefinida, a fruta deve ser retroalimentada no classificador ou desviada para um novo ciclo de coleta e análise.
4 Caso a combinação do 2º ciclo também aponte para o estado indefinido, a fruta será dispensada em um caixa de expurgo para posterior seleção manual.
5
O final do processo de classificação se dá quando uma das seguintes condições for atendida: - A soma das análises determina qual o estado de ma turação conforme critério de seleção; - Todas as análises apontam o estado indefinido apó s dois ciclos de classificação.
6 Para determinar a seleção, usaremos a seguinte regra: - A somatória das análises iguais determina qual d eve ser a caixa para a qual a fruta deve ser direcionada.
Fonte: Autor, 2013.
42
Composição da Análise 01
GEFS01 - Grau de Evidência Favorável Sensor S01
GECS02 - Grau de Evidência Contrária Sensor S02
Composição da Análise 02
GEFS02 - Grau de Evidência Favorável Sensor S02
GECS03 - Grau de Evidência Contrária Sensor S03
Composição da Análise 03
GEFS03 - Grau de Evidência Favorável Sensor S03
GECS01 - Grau de Evidência Contrária Sensor S01
As analises são agrupadas de forma a facilitar o entendimento do fluxo de
classificação. Notemos que, nesse esquema, temos o conectivo OR entre os pares
de dados para que seja possível responder à proposição dizendo se a fruta está
madura ou não:
Análise 01 OR
Análise 02 OR
Análise 03
GEFS01 GECS02 GEFS02 GECS03 GEFS03 GECS01
Aplicando-se um exemplo, podemos observar o comportamento do
classificador durante análise dos valores coletados:
Valores coletados: Sensor 01: 0,7
Sensor 02: 0,8
Sensor 03: 0,5
Composição da Análise 01:
GEFS01 - Grau de Evidência Favorável Sensor S01 = 0,7
GECS02 - Grau de Evidência Contrária Sensor S02 = 0,2
Composição da Análise 02:
GEFS02 - Grau de Evidência Favorável Sensor S02 = 0,8
GECS03 - Grau de Evidência Contrária Sensor S03 = 0,5
43
Composição da Análise 03:
GEFS03 - Grau de Evidência Favorável Sensor S03 = 0,5
GECS01 - Grau de Evidência Contrária Sensor S01 = 0,3
Executando a análise das coletas:
Análise 01
OR
Análise 02
OR
Análise 03
GEFS01 GECS02 GEFS02 GECS03 GEFS03 GECS01
0,7 0,7 0,8 0,5 0,5 0,3
0,7 0,8 0,5
Verificação da maturação:
Nesse ponto aplicamos o critério descrito: "O maior valor de cada par de
combinações que determinará o estado da fruta nesta análise". Tomando como
referência o exemplo acima, podemos concluir:
Análise 01
OR
Análise 02
OR
Análise 03
GEFS01 GECS02 GEFS02 GECS03 GEFS03 GECS01
0,7 0,7 0,8 0,5 0,5 0,3
0,7 0,8 0,5
MADURA MADURA INDEFINIDO
Análise dos dados coletados:
44
Nessa fase, através da análise das combinações, determinamos seu estado
de maturação. Para tal, vale o critério anteriormente definido: "A soma das análises
determina qual o estado de maturação conforme crité rio de seleção".
Todavia, conforme a quantidade de análises e tomando como referência o
exemplo acima, podemos concluir:
Análise 01
OR
Análise 02
OR
Análise 03
= MADURA!
GEFS01 GECS02 GEFS02 GECS03 GEFS03 GECS01
0,7 0,7 0,8 0,5 0,5 0,3
0,7 0,8 0,5
MADURA MADURA INDEFINIDO
Como é possível notar pelo diagrama, essa etapa também determina se
existe a necessidade de um novo ciclo de coleta para determinar a maturação da
fruta. Como definido anteriormente, caso uma combinação de valores não seja
conclusiva (baseada nos critérios já descritos), a fruta deve ser retroalimentada no
fluxo e o processo reiniciado. Se ainda assim a maturação não puder ser
determinada, a fruta é enviada a uma caixa de expurgo para eventual seleção
manual.
Podemos tomar como exemplo:
Valores coletados: Sensor 01: 0,5
Sensor 02: 0,5
Sensor 03: 0,5
Composição da Análise 01:
GEFS01 - Grau de Evidência Favorável Sensor S01 = 0,5
GECS02 - Grau de Evidência Contrária Sensor S02 = 0,5
Composição da Análise 02:
GEFS02 - Grau de Evidência Favorável Sensor S02 = 0,5
GECS03 - Grau de Evidência Contrária Sensor S03 = 0,5
45
Composição da Análise 03:
GEFS03 - Grau de Evidência Favorável Sensor S03 = 0,5
GECS01 - Grau de Evidência Contrária Sensor S01 = 0,5
Executando a análise das coletas:
Análise 01
OR
Análise 02
OR
Análise 03
GEFS01 GECS02 GEFS02 GECS03 GEFS03 GECS01
0,5 0,5 0,5 0,5 0,5 0,5
0,5 0,5 0,5
Logo, podemos observar que nesse caso a fruta deve sofrer um novo ciclo de
coleta para certificar seu estado de maturação. Como descrito anteriormente, na
incidência de um resultado "indefinido" para os dois ciclos da mesma amostra, o
fruto deve ser encaminhado para posterior seleção manual:
Análise 01
OR
Análise 02
OR
Análise 03
GEFS01 GECS02 GEFS02 GECS03 GEFS03 GECS01
0,5 0,5 0,5 0,5 0,5 0,5
0,5 0,5 0,5
INDEFINIDO INDEFINIDO INDEFINIDO = INDEFINIDO!
Além das condições mostradas, o processo pode apontar a fruta verde.
Vejamos:
Valores coletados: Sensor 01: 0,2
Sensor 02: 0,3
Sensor 03: 0,4
Composição da Análise 01:
GEFS01 - Grau de Evidência Favorável Sensor S01 = 0,2
GECS02 - Grau de Evidência Contrária Sensor S02 = 0,7
Composição da Análise 02:
GEFS02 - Grau de Evidência Favorável Sensor S02 = 0,3
GECS03 - Grau de Evidência Contrária Sensor S03 = 0,6
46
Composição da Análise 03:
GEFS03 - Grau de Evidência Favorável Sensor S03 = 0,4
GECS01 - Grau de Evidência Contrária Sensor S01 = 0,8
Executando a análise das coletas:
Análise 01
OR
Análise 02
OR
Análise 03
GEFS01 GECS02 GEFS02 GECS03 GEFS03 GECS01
0,2 0,7 0,3 0,6 0,4 0,8
0,7 0,6 0,8
Aplicando o critério acima definido onde: A soma das análises determina
qual o estado de maturação conforme critério de sel eção" temos:
Análise 01
OR
Análise 02
OR
Análise 03
GEFS01 GECS02 GEFS02 GECS03 GEFS03 GECS01
0,2 0,7 0,3 0,6 0,4 0,8
0,7 0,6 0,8
VERDE VERDE VERDE = VERDE!
Seleção da caixa destino:
A etapa de seleção é parte mensurável do fluxo de trabalho do Para-
Classificador, pois aplica a resultante da análise realizada. Conforme critério descrito
anteriormente, uma vez contabilizada a quantidade de estados para cada fruta, a
seleção deve obedecer a seguinte regra:
47
Tabela 13 - Análise Combinatória para Seleção.
Análise 1 Análise 2 Análise 3 Estado Caixa/Ação
Maduro Maduro Maduro Maduro Maduro 1
Maduro Maduro Verde Maduro Maduro 2
Maduro Maduro Indefinido Maduro Maduro 2
Maduro Verde Verde Verde Verde 1
Maduro Indefinido Indefinido Indefinido Novo Ciclo de Coleta
Maduro Verde Indefinido Indefinido Novo Ciclo de Coleta Verde Verde Verde Verde Verde 1
Verde Verde Maduro Verde Verde 2
Verde Verde Indefinido Verde Verde 2
Verde Maduro Maduro Maduro Maduro 1
Verde Indefinido Indefinido Indefinido Novo Ciclo de Coleta Verde Maduro Indefinido Indefinido Novo Ciclo de Coleta
Indefinido Indefinido Indefinido Indefinido Novo Ciclo de Coleta
Fonte: Autor, 2013.
Conforme referencial teórico (CEAGESP,2000):
Maduro 1 - Estado de maturação "Molho"
Maduro 2 - Estado de maturação "Vermelho"
Verde 1 - Estado de maturação "Verde"
Verde 2 - Estado de maturação "Salada"
Tendo em vista que um dos objetivos deste estudo é permitir sua viabilidade
econômica para pequenos e médios produtores, é importante frisar a necessidade
de compatibilizar os custos dessa automação com a proposta inicial.
Fim do processo de classificação:
Esse item finaliza o ciclo de classificação e seleção e prepara o Para-
Classificador para um novo ciclo de decisão.
48
4. CONSIDERAÇÕES FINAIS
Conforme pesquisa bibliográfica que compõe o Referencial Teórico deste
trabalho, ficou evidenciado que o processo de classificação é item fundamental na
ampliação da qualidade para frutos, em especial do tomate. A classificação de um
produto é importante na sua comercialização, pois, sem um sistema de classificação
eficiente, é impossível existir transparência de mercado, confiabilidade nas
transações comerciais e adoção de quaisquer formas mais modernas de
comercialização. A classificação é regulamentada pela Lei nº 9.972, de 25 de maio
de 2000, e é obrigatória em todo o território nacional (MAPA, 2000). A norma para a
classificação do tomate de mesa foi estabelecida pelo Programa Brasileiro para a
Modernização da Horticultura – PBMH (PBMH, 2003) –, operacionalizado pela
CEAGESP (Centro de Qualidade em Horticultura).
A aplicação de processos qualitativos na produção agrícola de pequeno e
médio porte permite ao produtor alcançar novos padrões de mercado e ampliar o
valor agregado de seu produto.
Foi possível comprovar que a Lógica Paraconsistente Anotada Evidencial Eτ
aplicada no algoritmo Para-Classificador é ferramenta de apoio à decisão no
tratamento de temas que demandam incerteza, como as múltiplas variações de cor
que podem existir em um fruto como o tomate.
Através de simulações executadas neste estudo, podemos observar que a
amplitude de decisão pode ser refinada e permitir múltiplos estados de maturação
para a fruta, possibilitando classificação em subgrupos e consequente fator
competitivo ao produtor como determinar o tempo de translado que a fruta pode
fazer. Conforme pesquisa, a ampliação da qualidade que o processo de
classificação insere permite que o produtor atinja mercados mais distantes e
exigentes, agregando valor a sua produção. Ainda nesse contexto, como citado no
Referencial Teórico, a logística da produção é fator determinante na qualidade do
fruto que chega ao mercado destino, sendo esse, mais um ponto a ser observado
pelo produtor.
49
Apesar de não ser foco deste trabalho, a automatização do referido processo
(elaboração do protótipo) é fator relevante e deve ser alvo de estudos futuros,
sempre havendo a preocupação em manter a viabilidade econômica do classificador.
Por fim, abre outros trabalhos de continuidade. Entre os diversos caminhos
que podem ser traçados, segue uma lista de tópicos que merecem destaque:
• Ampliar a performance do processo paralelizando ou sequencializando
múltiplas baias de classificação;
• Aprimorar o processo de classificação de forma que o classificador possa
detectar defeitos no fruto, seja por manuseio, seja por problemas
congênitos;
• Avaliar a possibilidade tornar o processo aderente a outros tipos de
cultura, como a laranja por exemplo;
• Avaliar a possibilidade do uso de captura e análise de imagens para a
classificação, mantendo sempre a preocupação com a viabilidade
econômica do projeto;
• Evoluir para a construção de protótipo onde seja possível validar os
ganhos de performance e qualidade agregados ao processo produtivo.
50
5. REFERÊNCIAS BIBLIOGRÁFICAS
ABE, J.M. Fundamentos da Lógica Anotada . Tese de Doutorado. FFLCH - USP, 135 pp, 1992.
ABE, J. M.; SILVA FILHO, J. I. Introdução à lógica paraconsistente anotada com ilustrações . Santos: Emmy, 2000.
______. Manipulating Conflicts and Uncertainties in Robotics, Multiple-Valued Logic and Soft Computing, V.9, ISSN 1542-3980, 147-169, 2003.
ABE, J.M. Annotated logics Qτ and model theory. In: Logic, Artificial Intelligence, and Robotics, Proc. 2nd Congress of Logic Applied to Technology – LAPTEC’2001, Edts. J.M. Abe & J.I. Da Silva Filho, Frontiers in Artificial Intelligence and Its Applications, IOS Press, Amsterdan, Ohmsha, Tokyo, Editores, Vol. 71, ISBN 1 58603 206 2 (IOS Press), 4 274 90476 8 C3000 (Ohmsha), ISSN 0922-6389, 1-12, 287p., 2001.
ABE, J.M.; DA SILVA FILHO, J.I.; CELESTINO U.; ARAÚJO, H.C. Lógica Paraconsistente Anotada Evidencial E t. São Paulo, 2010.
AGRONEGÓCIO Socorre Estados Unidos diante da crise. Portal do Agronegócio , Viçosa, MG, 04 out. 2011. Disponível em: <http://www.portaldoagronegocio.com.br/conteudo.php?id=63268>. Acesso em: 09 out. 2011
ÁVILA, B.C. Uma Abordagem Paraconsistente Baseada em Lógica Ev idencial para Tratar Exceções em Sistemas de Frames com Múlt ipla Herança . Tese de Doutoramento. Universidade de São Paulo: São Paulo, 1996.
ANDREUCCETTI, C.; FERREIRA, M.D.; HONÓRIO, S.L.; GUTIERREZ, S.D.; TAVARES, M. Identificação da forma de trabalho dos atacadistas de tomate de mesa na CEAGESP. In: 43 CONGRESSO BRASILEIRO DE OLERICULTURA, 2003, Anais do Congresso Brasileiro de Olericultura, Recife: CBO, 2003b.
BRAGA, N. C.; Como Funcionam os Sensores Fotoelétricos. Instituto Newton C. Braga . Disponível em: <http://www.newtoncbraga.com.br/index.php/como-funciona/4883-art644>. Acesso em: 10 out. 2012.
BRASIL. Ministério da Agricultura, Pecuária e Abastecimento. Portaria SARC nº 085 de 06 de março de 2002. Propõe o Regulamento técnico de identidade e qualidade para classificação do tomate. Diário Oficial da República Federativa do Brasil , Brasília,mar, 2002.
51
BRASIL. Ministério da Agricultura do Abastecimento e da Reforma Agrária. Portaria nº 553 de 30 de agosto de 1995. Dispõe sobre a Norma de Identidade, Qualidade, Acondicionamento e Embalagem do Tomate in natura, para fins de comercialização e Revoga as especificações de Identidade, Qualidade, Acondicionamento e Embalagem do Tomate, estabelecidas pela Portaria no. 76, de 25 de fevereiro de 1975. Diário Oficial da República Federativa do Brasil , Brasília, set, 1995.
CADERNO de Estatísticas. Instituto Interamericano de Cooperação para a Agricultura (IICA) , Brasília, DF, 2010. Disponível em: <http://www.iica.int/Esp/regiones/sur/brasil/Lists/Publicacoes/DispForm.aspx?ID=77>. Acesso em 18 set. 2011.
CAMARGO, A. M. M. P. de. et al. Desenvolvimento do sistema agroindustrial de tomate. Informações Econômicas, São Paulo, v. 36, n. 6, p. 53-65, jun. 2006.
CAMPOS, M. F. Arquitetura de Hardware Reconfigurável Paraconsiste nte em Navegação de Robôs Móveis: uma contribuição para a área de automação em Engenharia de Produção . Dissertação de Mestrado. São Paulo: Universidade Paulista, 2007.
CANÇADO JUNIOR, F.L. et al. Aspectos econômicos da produção e comercialização do tomate para mesa. Informe Agropecuário, Belo Horizonte, 2003, v.24, n.219, p.7-18.
CARVALHO, F.R.; ABE, J.M. Tomadas de Decisão com Ferramentas da Lógica Paraconsistente Anotada, aceito, Editora Edgard Blucher Ltda., 2011, a aparecer.
CASER, D.V.; CAMARGO, AM.M.P.; GHOBRIL, C.N.; CAMARGO, F.P.; ANGELO, J.A.; GIANNOTTI, J.G.; OLIVETTE, M.P.A.; FRANCISCO, V.L.F.S. Previsões e estimativas das safras agrícolas do Estado de São Paulo, ano agrícola 2005/06. Intenção de plantio e levantamento final, ano agrícola 2004/05. IEA Setembro de 2005. São Paulo, v.36, n.1, p.104-23, jan. 2006. Disponível em: <http://www.iea.sp.gov.br/out/producao/ps-0905-1l-t.php>. Acesso em: 15 mar. 2011.
CASQUET, E. Principios de economía agraria . Zaragoza: Acribia, 1998. 368p.
DESENVOLVIMENTO DA CADEIA PRODUTIVA DO TOMATE INDUSTRIAL NO BRASIL: Antecedentes Históricos e Contribuições do Governo para a Organização. CATI. Disponível em: <http://www.cati.sp.gov.br/projetolupa/estudos_lupa/ArtigoTomIndDesenvolvimento2011_2012.pdf>. Acesso em: 01 out. 2012.
52
CELESTINO, U.; ABE, J. M. Avaliação da qualidade de produto de software utilizando Lógica Paraconsistente Anotada: estudo de caso com software ERP. INGEPRO, Rio Grande do Sul, Vol. 1, No 4 , jun. 2009. Disponível em <http://www.ingepro.com.br/index.php/ingepro/article/view/65/61>
CHITARRA, M.I.; CHITARRA, A.B. Pós-colheita de frutos e hortaliças: fisiologia e manuseio. Lavras: ESAL/FAEPE, 1990. 320 p.
COSTA. Maristela. Agronegócio: O motor da economia brasileira e o dinamismo da economia paranaense, 2006. Agronline. Disponível em:<http://www.agronline.com.br/artigos/agronegocio-motor-economia-brasileira-dinamismo-economia-paranaense>. Acesso em 30 set. 2011.
DA SILVA FILHO, J.I. Métodos de interpretação da Lógica Paraconsistente Anotada com anotação com dois valores LPA2v com con strução de Algoritmo e implementação de Circuitos Eletrônicos. EPUSP. Tese de Doutoramento, São Paulo, 1999.
DA COSTA, N. C. A.; ABE, J. M.; MUROLO, A. C.; DA SILVA FILHO, J. I.; LEITE, C. F. S. Lógica Paraconsistente Aplicada . São Paulo: Atlas, 1999.
DA SILVA FILHO, J. I.; ABE, J. M. Fundamentos das Redes Neurais Artificiais Paraconsistentes destacando aplicações em Neurocomp utação . São Paulo: Arte & Ciência, p.298, ISBN 85.7473.042-4, 2001.
______. Introdução à Lógica Paraconsistente Anotada com ilu strações . São Paulo: Emmy, p.166, ISBN 85.9015.971-X, 2000.
FAO, Food and Agriculture Organization. 2007. Production Yearbook 57.
FERREIRA, S.M.R., FREITAS, R.J.S.,LAZZARI, E.N. Padrão de identidade e qualidade do tomate (Lycopersicon esculentum Mill.) de mesa. Ciência Rural, Santa Maria, v.34, n.1, p.329-335, 2004.
FILGUEIRA, F. A. R. Novo Manual de Olericultura: agrotecnologia moderna na produção e comercialização de hortaliças . 2. ed. Viçosa: UFV 2001. 412 p.
LOURENZANI, A. E. B. S.; SILVA, A. L. Gestão da propriedade rural e seus impactos nas decisões acerca dos canais de distribuição: um estudo exploratório sobre o tomate in natura. In: CONGRESSO BRASILEIRO DE ECONOMIA E
53
SOCIOLOGIA RURAL, 41., 2003, Juiz de Fora, MG. Anais. Juiz de Fora: Embrapa Gado de Leite, 2003.
Ministério da Agricultura, Pecuária e Abastecimento. Lei no 9.972, de 25 de maio de 2000. MAPA. Brasília. Disponível em: <http://www.agricultura.gov.br>. Acesso em: 22 set. 2012.
MARCOS, S. K. Desenvolvimento de Tomate de Mesa, com o Uso do Mét odo Q. F. D. (Quality Function Deployment) Comercializado em um Supermercado . 200p. Tese (Doutorado em Tecnologia Pós-Colheita) – Faculdade de Engenharia Agrícola, Universidade Estadual de Campinas, Campinas, 2001.
MEDINA, P.V.L.; MEDINA, R.M.T. Descrição bioquímica e fisiológica da maturação dos frutos do tomateiro. Revista Ceres, v.155, n.28, p.1-7, 1981.
MORETTI, C.L.; SARGENT, S.A.; HUBER, D.J.; CALBO, A.G.; PUSCHMANN, R. Chemical composition and physical properties of pericarp, locule, and placental tissues of tomatoes with internal bruising. Journal of the American Society for Horticultural Science, 1998, v.123, n.4, p.656-600.
PIB AGRO CEPEA-USP/CNA. Centro de Estudos Avançados em Economia Aplicada - ESALQ/USP, Piracicaba, SP, jun. 2011. Disponível em: <http://www.cepea.esalq.usp.br/pib/>. Acesso em: 10 out. 2011.
PRADO, J.P.A. Uma Arquitetura em IA Baseada em Lógica Paraconsist ente . Tese de Doutoramento. Universidade de São Paulo, 1996.
QUINELLO, M. D., COSTA, I., ABE, J. M., & RODRIGUES, J. (21 E 22 de Novembro de 2011). Proposta de Melhoria no Processo da Cadeia Produtiva do Tomate de Mesa Sob a Ótica da Automação. IV SIDEPRO - Simpósio sobre Redes de Empresas e Cadeias de Fornecimento.
PBMH - PROGRAMA BRASILEIRO PARA A MODERNIZAÇÃO DA HORTICULTURA - Normas de classificação do tomate. São Paulo: Centro de Qualidade em Horticultura - CQH/CEAGESP, 2003. (Documentos, 26).
RODRIGUES LR; ZAMBON FRA; MURARO D. 2007. Classificação do tomate por atacadistas e produtores Curitiba. Horticultura Brasileira 25, p.521-526.
SARGENT, S.A.; BRECHT, J.K.; ZOELLNER, J.J. Sensitivity of tomatoes at mature-green and breaker ripeness stages to internal bruising Journal of the American Society for Horticultural Science, v.117, n.1, p.119-123, 1992.
54
Secretaria de Agricultura, Irrigação e Reforma Agrária. Cultura Tomate. Salvador, BA. SEAGRI. Disponível em: Disponível em: <http://www.seagri.ba.gov.br/Tomate.htm>. Acesso em: 10 out. 2011.
Sick, Sensores de Cor. Disponível em: <http://www.sick.com/group/en/home/products/product_portfolio/registration_sensors/pages/colour_sensors.aspx>. Acesso em: 10 out. 2012.
SUBRAHMANIAN, V.S., On the Semantícs of Quantítatíve Logíc Programs, Proc. 4th IEEE Symposium on Logic Programming, Com- puter Society Press, Washington D.C., 173-182, 1987.
WAZLAWICK, Raul Sidnei. Metodologia de pesquisa para ciência da computação . Rio de Janeiro: Campus-Elsevier, 2009.
ZAMBON, F.R.A. Comparação dos processos de maturação de tomate (Lycopersicon esculetum, Mill.), Rada, Mutantes Nor e Rin e seus Hibridos F. 1 . 1984. 45f. Dissertação (Mestrado em Fitotecnia) - Universidade Federal de Viçosa.