Successfully reported this slideshow.
Your SlideShare is downloading. ×

Modelagem fuzzy para avaliação técnica de jogadores de futebol

Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Upcoming SlideShare
Janeiro2014
Janeiro2014
Loading in …3
×

Check these out next

1 of 31 Ad

Modelagem fuzzy para avaliação técnica de jogadores de futebol

Download to read offline

• Autores: Luiz Henrique Pinho de Sá, Flávio Luis de Mello
• Evento: 1º Encontro de Lógica Fuzzy Aplicada em Administração (ELFA) - COPPEAD/UFRJ
• Trabalho: http://bit.do/coppead
• Ano: 2016

No futebol e em outros esportes, as decisões relativas a um time, tais como esquema tático, escalação e contratações, são tradicionalmente tomadas com base na intuição. No entanto, tendo em vista recentes casos de sucesso, uma abordagem baseada em estatísticas de desempenho dos atletas está sendo cada vez mais difundida no meio esportivo para tomar decisões. Nesse contexto, um modelo para avaliar tecnicamente jogadores de futebol, abastecido por estatísticas, pode ser de grande utilidade para técnicos, gestores de clubes e empresários de atletas. Este trabalho aborda o desenvolvimento de um modelo fuzzy, com base em estatísticas de desempenho dos jogadores de futebol presentes em um site especializado. O modelo resume um extenso volume de estatísticas em um pequeno conjunto de valores numéricos, de modo a facilitar a análise e a comparação entre atletas.

• Autores: Luiz Henrique Pinho de Sá, Flávio Luis de Mello
• Evento: 1º Encontro de Lógica Fuzzy Aplicada em Administração (ELFA) - COPPEAD/UFRJ
• Trabalho: http://bit.do/coppead
• Ano: 2016

No futebol e em outros esportes, as decisões relativas a um time, tais como esquema tático, escalação e contratações, são tradicionalmente tomadas com base na intuição. No entanto, tendo em vista recentes casos de sucesso, uma abordagem baseada em estatísticas de desempenho dos atletas está sendo cada vez mais difundida no meio esportivo para tomar decisões. Nesse contexto, um modelo para avaliar tecnicamente jogadores de futebol, abastecido por estatísticas, pode ser de grande utilidade para técnicos, gestores de clubes e empresários de atletas. Este trabalho aborda o desenvolvimento de um modelo fuzzy, com base em estatísticas de desempenho dos jogadores de futebol presentes em um site especializado. O modelo resume um extenso volume de estatísticas em um pequeno conjunto de valores numéricos, de modo a facilitar a análise e a comparação entre atletas.

Advertisement
Advertisement

More Related Content

Similar to Modelagem fuzzy para avaliação técnica de jogadores de futebol (20)

More from Luiz Henrique Pinho de Sá (18)

Advertisement

Recently uploaded (20)

Modelagem fuzzy para avaliação técnica de jogadores de futebol

  1. 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. 2. Agenda • Introdução • Trabalhos relacionados • Abordagem utilizando Lógica Fuzzy • Experimento • Conclusão
  3. 3. INTRODUÇÃO
  4. 4. Justificativa Como tirar proveito disso?
  5. 5. Justificativa Fred é muito bom jogador. É matador! Fred é limitado. De vez em quando faz gol... Fred é razoável.
  6. 6. Justificativa • Modelo de avaliação técnica baseado em Lógica Fuzzy
  7. 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. 8. TRABALHOS RELACIONADOS
  9. 9. Modelo de gestão esportiva Fonte: JUNIOR, 2012.
  10. 10. Gestão de clubes e torneios
  11. 11. Moneyball
  12. 12. ABORDAGEM UTILIZANDO LÓGICA FUZZY
  13. 13. Sistema de Apoio à Decisão Fonte: SÁ, 2016.
  14. 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. 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. 16. Finalização
  17. 17. Marcação
  18. 18. Conjuntos fuzzy Arcabouço para variáveis linguísticas de entrada Arcabouço para variáveis linguísticas intermediárias e de saída
  19. 19. Regras fuzzy 𝑅 = 𝑖=1 𝑉 𝐶𝑖 Arcabouço 1 Arcabouço 2 Arcabouço 3
  20. 20. Overall 𝑂𝑣𝑒𝑟𝑎𝑙𝑙(𝑝𝑜𝑠𝑖çã𝑜) = 𝑖=1 8 (𝑝𝑖. 𝑑𝑖) 𝑖=1 8 𝑝𝑖
  21. 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. 22. EXPERIMENTO
  23. 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. 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. 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. 26. CONCLUSÃO
  27. 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. 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. 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. 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. 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

×