1.
Modelagem fuzzy para avaliação
técnica de jogadores de futebol
Luiz Henrique Pinho de Sá
Flávio Luis de Mello, D. Sc.
Trabalho: http://bit.do/coppead

2.
Agenda
• Introdução
• Trabalhos relacionados
• Abordagem utilizando Lógica Fuzzy
• Experimento
• Conclusão

3.
INTRODUÇÃO

4.
Justificativa
Como tirar proveito disso?

5.
Justificativa
Fred é muito
bom jogador.
É matador!
Fred é limitado.
De vez em quando
faz gol...
Fred é
razoável.

6.
Justificativa
• Modelo de avaliação técnica baseado em
Lógica Fuzzy

7.
Objetivos
• Construir um modelo fuzzy de avaliação
técnica implementável, fazendo uso de
estatísticas reais de desempenho de jogadores
• Auxiliar profissionais do futebol
– Escalação
– Contratação
– Esquema tático

8.
TRABALHOS RELACIONADOS

9.
Modelo de gestão esportiva
Fonte: JUNIOR, 2012.

10.
Gestão de clubes e torneios

11.
Moneyball

12.
ABORDAGEM UTILIZANDO
LÓGICA FUZZY

13.
Sistema de Apoio à Decisão
Fonte: SÁ, 2016.

14.
Números do BD
86
estatísticas de desempenho de jogadores
13
torneios de diversos
países (2014 e 2015)
297
times
8.255
jogadores
(inclusive goleiros)
33.628
registros
1.383.357
células

15.
Dimensões técnicas
0
20
40
60
80
100
Finalização
Passe Curto
Passe Longo
Controle de Bola
Marcação
Disciplina
Jogo Aéreo
Bola Parada
* Valores hipotéticos

16.
Finalização

17.
Marcação

18.
Conjuntos fuzzy
Arcabouço para variáveis linguísticas
de entrada
Arcabouço para variáveis linguísticas
intermediárias e de saída

19.
Regras fuzzy
𝑅 =
𝑖=1
𝑉
𝐶𝑖
Arcabouço 1 Arcabouço 2 Arcabouço 3

20.
Overall
𝑂𝑣𝑒𝑟𝑎𝑙𝑙(𝑝𝑜𝑠𝑖çã𝑜) = 𝑖=1
8
(𝑝𝑖. 𝑑𝑖)
𝑖=1
8
𝑝𝑖

21.
Overall
Posição
DL e
DR
DC DMC MC
ML e
MR
AMC
AML e
AMR
FW
Finalização 5% 5% 5% 10% 10% 15% 20% 25%
Passe Curto 15% 15% 20% 20% 20% 25% 15% 15%
Passe Longo 25% 5% 10% 15% 15% 15% 15% 10%
Controle de Bola 15% 5% 10% 15% 15% 15% 20% 15%
Marcação 20% 30% 25% 15% 15% 5% 5% 5%
Disciplina 10% 15% 15% 10% 10% 10% 10% 10%
Jogo Aéreo 5% 20% 10% 5% 5% 5% 5% 15%
Bola Parada 5% 5% 5% 10% 10% 10% 10% 5%

22.
EXPERIMENTO

23.
Escolhas iniciais
Jogador Setor do campo Posições
Lionel Messi Ataque FW, AMC e AMR
James Rodríguez Meio-campo AMC, AML e AMR
Sami Khedira Meio-campo DMC
Per Mertesacker Defesa DC
Finalização
Método
Operação AND Mínimo
Defuzzificação Centroide

24.
Valores das variáveis de entrada
Jogador
Variáveis de entrada
goaltotal shotstotshotbl shotontarget
Lionel Messi 56 225 136
James Rodríguez 16 54 36
Sami Khedira 1 10 3
Per Mertesacker 0 15 5

25.
Valores obtidos para as
variáveis intermediárias e de saída
Jogador
Variáveis intermediárias Variável de saída
goal ontarget finalizacao
Lionel Messi 80,55 80,55 80,55
James Rodríguez 80,55 80,55 80,55
Sami Khedira 65,53 50,00 68,99
Per Mertesacker 33,77 62,67 34,66

26.
CONCLUSÃO

27.
Conclusão
• Qualidade dos resultados
– Agrupamento das estatísticas de desempenho
– Escolha dos conjuntos fuzzy
– Formulação das regras
• Realce dos atributos mais relevantes para um
jogador em geral e para uma posição
• Possibilidade de adaptar modelo baseado em
estatísticas para outros esportes ou até para
outros segmentos

28.
Trabalhos futuros
• Valores de mercado dos
atletas
• Valores das dimensões
técnicas e de Overall
para setores do time,
time e torneio
• Modelo fuzzy para goleiros
• Refinamento para tornar
resultados mais aderentes
à realidade

29.
Referências
BAZMARA, M. A Novel Fuzzy Approach for Determining Best Position of Soccer Players. International
Journal of Intelligent Systems and Applications, v. 6, n. 9, p. 62–67, 8 ago. 2014.
BAZMARA, M.; JAFARI, S.; PASAND, F. A Fuzzy expert system for goalkeeper quality recognition. arXiv
preprint arXiv:1309.6433, p. 3–7, 2013.
fuzzyTECH. INFORM, 2003. Disponível em: <http://www.fuzzytech.com/>
GOLDSBERRY, K. Courtvision: New visual and spatial analytics for the NBA. Proc. 6th Annual MIT Sloan
Sports Analytics Conference, p. 1–7, 2012.
JUNIOR, A. J. R. Os Negócios e o Modelo de Gestão no Futebol, 2012.
KUMAR, G. Machine Learning for Soccer Analytics. [s.l.] KU Leuven, 2013.
MAGALHÃES, L. B. et al. Estudo de apoio à decisão: a escolha do “camisa 10 ideal” baseado no método
MACBETH. Simpósio Brasileiro de Pesquisa Operacional, p. 1332–1343, 2013.
MCHALE, I. G.; SCARF, P. A.; FOLKER, D. E. On the development of a soccer player performance rating
system for the english Premier League. Interfaces, v. 42, n. 4, p. 339–351, 2012.

30.
Referências
PAPIĆ, V.; ROGULJ, N.; PLEŠTINA, V. Identification of sport talents using a web-oriented expert system
with a fuzzy module. Expert Systems with Applications, v. 36, n. 5, p. 8830–8838, 2009.
POSSELT, E. L.; FROZZA, R.; MOLZ, R. F. Software Infuzzy. Programa de Mestrado em Sistemas e
Processos Industriais PPGSPI, UNISC, , 2011. Disponível em: <http://www.unisc.br/ppgspi>
REIN, R.; MEMMERT, D. Big data and tactical analysis in elite soccer: future challenges and opportunities
for sports science. SpringerPlus, v. 5, n. 1, p. 1410, 24 dez. 2016.
SÁ, L. H. P. DE. Sistema de Apoio à Decisão para avaliação técnica de jogadores de futebol:
implementação de ferramenta de ETL e modelagem conceitual baseada em Lógica Fuzzy. Rio de
Janeiro, RJ: [s.n.]. Disponível em:
<http://monografias.poli.ufrj.br/monografias/monopoli10016251.pdf>.
STENSLAND, H. K. et al. Bagadus: An Integrated Real-Time System for Soccer Analytics. ACM
Transactions on Multimedia Computing, Communications, and Applications (TOMM), v. 10, n. 1, p. 1–
20, 2014.
TAVANA, M. et al. A fuzzy inference system with application to player selection and team formation in
multi-player sports. Sport Management Review, v. 16, n. 1, p. 97–110, 2013.

31.
Luiz Henrique Pinho de Sá
lhpinhos@poli.ufrj.br
www.linkedin.com/in/lhpinho
(21) 99608-8385
Flávio Luis de Mello, D. Sc.
fmello@del.ufrj.br
www.del.ufrj.br/~fmello
(21) 3938-8165
Obrigado!
“No esporte, o fato é mais poderoso do que aquilo em
que você acredita. Só ele pode lhe dar alguma vantagem.”
Bill James