💻 Aula 01 — Os Quatro Pilares do Pensamento Computacional e Decomposição de Problemas

Navegação Rápida

📍 Disciplina: 02 Pensamento Computacional | 🗺️ Área: 06 Computação e Telecomunicações | 🏠 Hub Principal ⬅️ Disciplina Anterior: 01 Lógica de Programação | ➡️ Próxima Aula: Aula 02 - Reconhecimento de Padrões

---

📌 Sumário da Aula

1. 🧠 1. Fundamentos Epistemológicos e os Quatro Pilares
2. 📐 2. Formulação Matemática da Decomposição de Sistemas Complexos
3. ⚡ 3. Aplicação em Engenharia Elétrica: Decomposição de Subestações e Redes
4. 💾 4. Fundamentos Físicos de Hardware e Limites de Computabilidade
5. 📊 5. Diagrama de Arquitetura dos Quatro Pilares e Decomposição
6. 📝 6. Questões de Concursos e Problemas Avançados Resolvidos
7. 🔗 7. Conexões e Referências Cruzadas

---

🧠 1. Fundamentos Epistemológicos e os Quatro Pilares

O conceito de Pensamento Computacional (Computational Thinking) foi originalmente introduzido por Seymour Papert em 1980 em seus estudos sobre construcionismo e pedagogia da computação, e formalizado universalmente em 2006 pelo ensaio seminal da cientista da computação Jeannette M. Wing. Wing definiu o pensamento computacional como:

“O processo de pensamento envolvido na formulação de problemas e na representação de suas soluções de tal forma que as soluções possam ser efetivamente executadas por um agente processador de informações (seja este um computador biológico humano ou um computador eletromecânico digital).”

Na Engenharia Elétrica moderna, onde sistemas de potência, conversores estáticos, redes de sensores e acionamentos industriais operam sob controle distribuído e estocástico, o pensamento computacional não se resume a escrever linhas de código em linguagens de programação; constitui uma metodologia formal de modelagem, abstração e solução de problemas físicos multidisciplinares.

O pensamento computacional é estruturado sobre quatro pilares interdependentes:

flowchart TD
    PC["Pensamento Computacional<br/>(Resolução Sistemática de Problemas)"] --> D["1. Decomposição<br/>(Particionamento Top-Down)"]
    PC --> RP["2. Reconhecimento de Padrões<br/>(Identificação de Invariantes)"]
    PC --> A["3. Abstração<br/>(Modelagem Seletiva e Isomorfismo)"]
    PC --> PA["4. Projeto de Algoritmos<br/>(Sequência Determinística Finita)"]

    D --> Sol["Solução Ótima Executável<br/>por Agente Computacional"]
    RP --> Sol
    A --> Sol
    PA --> Sol

1.1 Decomposição (Decomposition)

Consiste em particionar um problema complexo e monolítico em subproblemas menores, autocontidos, desacoplados e tratáveis individualmente. Em problemas matemáticos e computacionais, a decomposição permite aplicar a clássica técnica de Dividir e Conquistar (Divide and Conquer), reduzindo a carga cognitiva e viabilizando a computação concorrente e distribuída.

1.2 Reconhecimento de Padrões (Pattern Recognition)

Envolve a observação sistemática de repetições, regularidades, periodicidades e tendências nos dados de entrada ou nas trajetórias dinâmicas dos sistemas. Ao identificar que diferentes componentes ou eventos compartilham características invariantes, evita-se a recomputação redundante e viabiliza-se a síntese de modelos preditivos gerais.

1.3 Abstração (Abstraction)

Consiste em isolar deliberadamente as propriedades físicas e matemáticas essenciais de um fenômeno, filtrando e eliminando detalhes de baixa relevância ou ruídos irrelevantes para o objetivo do modelo. Por exemplo, ao resolver um fluxo de carga em regime permanente, a geometria exata dos cabos de transmissão é abstraída em parâmetros concentrados de resistência em série, indutância de dispersão e susceptância capacitiva em paralelo (modelo $\pi$ equivalente).

1.4 Projeto de Algoritmos (Algorithm Design)

É a formalização de uma sequência ordenada, finita, determinística e não ambígua de instruções ou operações matemáticas que, dado um conjunto de entradas válidas, produz a saída desejada e termina em tempo finito. Na engenharia, manifesta-se em procedimentos numéricos iterativos (como Newton-Raphson para equações algébricas não lineares ou Runge-Kutta para equações diferenciais ordinárias).

---

📐 2. Formulação Matemática da Decomposição de Sistemas Complexos

Formalmente, considere um sistema físico-computacional complexo representado por um estado global $\mathbf{X}\in {\mathbb{R}}^N$ sujeito a um operador diferencial-algébrico não linear $\mathcal{F}(\mathbf{X},\mathbf{U})=0$, onde $\mathbf{U}\in {\mathbb{R}}^M$ denota o vetor de controles e perturbações externas.

Quando a dimensão $N$ atinge ordens de grandeza elevadas ($N\gg 10^4$, comum em redes elétricas interligadas), o custo computacional de inverter jacobianos ou resolver o sistema diretamente em uma única máquina escala com $\mathcal{O}(N^3)$ ou $\mathcal{O}(N^2)$ (mesmo com matrizes esparsas).

A decomposição matemática particiona o espaço de estados global $\mathbf{X}$ em $K$ subsistemas disjuntos ou fracamente acoplados:

$\mathbf{X}={\bigcup }_{k=1}^K{\mathbf{x}}_k,\text{com }{\mathbf{x}}_i\cap {\mathbf{x}}_j=\varnothing \forall i\ne j$

As equações governantes decompõem-se em:

$f_k({\mathbf{x}}_k,{\mathbf{u}}_k,{\mathbf{z}}_k)=0,k\in \{1,2,\dots ,K\}$

Onde ${\mathbf{z}}_k={\sum }_{j\ne k}{\mathbf{H}}_{kj}{\mathbf{x}}_j$ representa o vetor de acoplamento entre os subsistemas.

2.1 Análise de Coesão e Acoplamento

Para avaliar a qualidade formal de uma decomposição de software ou engenharia, definem-se os conceitos de Coesão Interna e Acoplamento Externo:

1. Acoplamento ($C_{\text{ext}}$): Mede a interdependência mútua entre diferentes subsistemas. Em uma rede de $K$ blocos, o acoplamento total pode ser quantificado pela norma de Frobenius da matriz de fronteira: $C_{\text{ext}}={\sum }_{i=1}^K{\sum }_{j\ne i}^K\Vert {\mathbf{H}}_{ij}{\Vert }_F$ Meta de projeto: Minimizar $C_{\text{ext}}$ para que alterações e falhas em um subsistema não propaguem oscilações caóticas aos demais.

2. Coesão ($C_{\text{int}}$): Mede o grau em que as funções e elementos dentro de um mesmo subsistema operam em prol de um único propósito bem delimitado: $C_{\text{int}}(S_k)=\frac{|{\mathcal{E}}_{\text{interno}}(S_k)|}{\left(\genfrac{}{}{0ex}{}{|V(S_k)|}{2}\right)}$ Meta de projeto: Maximizar $C_{\text{int}}$, assegurando alta modularidade e independência de testes.

2.2 Paradigma Dividir e Conquistar e Relação de Recorrência

A decomposição recursiva de problemas de tamanho $n$ que são divididos em $a$ subproblemas de tamanho $n/b$, com custo de divisão e recombinação dado por $f(n)$, obedece à equação de recorrência:

$T(n)=aT\left(\frac{n}{b}\right)+f(n)$

Pelo Teorema Mestre da Computação, a complexidade assintótica $T(n)$ é determinada pela comparação entre $f(n)$ e o expoente crítico $n^{{\log }_{b}a}$:

$\boxed{T(n)=\{\begin{array}{ll}\Theta (n^{{\log }_{b}a}),& \text{se }f(n)=\mathcal{O}(n^{{\log }_{b}a-ϵ})\text{ para }ϵ>0\\ \Theta (n^{{\log }_{b}a}\log n),& \text{se }f(n)=\Theta (n^{{\log }_{b}a})\\ \Theta (f(n)),& \text{se }f(n)=\Omega (n^{{\log }_{b}a+ϵ})\text{ para }ϵ>0\end{array}}$

No cálculo da Transformada Rápida de Fourier (FFT) de Cooley-Tukey aplicada à análise harmônica de sinais elétricos trifásicos, a decomposição divide um sinal de $N$ amostras em duas partes de $N/2$ (amostras pares e ímpares), com recombinação linear $f(N)=\mathcal{O}(N)$:

• $a=2$, $b=2⟹n^{{\log }_{2}2}=n^1$
• Como $f(N)=\Theta (N)$, o Teorema Mestre garante: $\boxed{T(N)=\Theta (N{\log }_{2}N)}$ Enquanto a Transformada Discreta ingênua (DFT) requer $\mathcal{O}(N^2)$ multiplicações complexas. Para $N=4096$ pontos, o tempo de cálculo cai de $\approx 16,7\times 10^6$ operações para $\approx 49,1\times 10^3$ operações — uma redução de $99,7\%$ no esforço de processamento em relés digitais de proteção.

---

⚡ 3. Aplicação em Engenharia Elétrica: Decomposição de Subestações e Redes

3.1 Decomposição Funcional de uma Subestação de Alta Tensão

Uma Subestação (SE) de $230\text{ kV}/69\text{ kV}$ é um exemplo magistral de decomposição em níveis hierárquicos:

flowchart TD
    SE["Subestação 230/69 kV"] --> P1["Nível de Processo<br/>(Pátio de Manobra)"]
    SE --> P2["Nível de Vão / Bay<br/>(Controle e Proteção)"]
    SE --> P3["Nível de Estação<br/>(Supervisão SCADA / IHM)"]

    P1 --> TC["Transformadores de Instrumento (TC/TP)<br/>Disjuntores e Seccionadoras"]
    P2 --> IED["Relés Digitais Multifunção (IEDs)<br/>Norma IEC 61850 (GOOSE / Sampled Values)"]
    P3 --> SCADA["Servidores de Gateway, IHM Local<br/>Comunicação com COSR via DNP3/IEC 60870"]

Se o engenheiro tentasse modelar o comportamento físico da subestação agregando em uma única função o arco elétrico no disjuntor, o cálculo de impedância aparente de linha, o chaveamento de banco de capacitores e a interface de tela do operador, o sistema seria intratável computacionalmente e inviável para validação de segurança.

A decomposição estabelece interfaces padronizadas:

1. Subsistema de Força (Pátio de Chaveamento): Isolação dielétrica em $S{F}_6$ ou ar, interrupção de corrente de falta de até $40\text{ kA}$, manobra e seccionamento mecânico visível.
2. Subsistema Auxiliar de Corrente Contínua (24Vcc / 125Vcc): Bancos de baterias chumbo-ácido seladas (VRLA) ou níquel-cádmio, retificadores flutuantes e circuitos de comando essenciais imunes a blecautes da rede alternada.
3. Subsistema de Proteção e Automação (IEDs): Algoritmos numéricos executando em microprocessadores dedicados (funções ANSI 50/51, 21, 87T), calculando fasores através da decomposição de Fourier em tempo real.
4. Subsistema de Comunicação e Telecomando: Redes ópticas redundantes em anel (protocolos RSTP ou PRP/HSR) transportando mensagens de alta prioridade GOOSE ($<3\text{ ms}$) e tráfego SCADA.

---

💾 4. Fundamentos Físicos de Hardware e Limites de Computabilidade

4.1 Hierarquia de Unidades e Representação Binária

A menor unidade lógica e física de informação em um computador digital é o bit (binary digit), assumindo estados discretos $\{0,1\}$, implementado fisicamente pela polarização de transistores MOSFET em estado de corte ($V_{GS}<V_{th}$) ou condução ($V_{GS}>V_{th}$).

As potências binárias padronizadas pela IEC 60027-2 e IEEE 1541 diferenciam estritamente unidades binárias de unidades decimais do SI:

Unidade Binária (IEC)	Símbolo	Equivalente em Bytes	Unidade Decimal (SI)	Símbolo	Equivalente em Bytes
Kibibyte	$\text{KiB}$	$2^{10}=1024\text{ B}$	Kilobyte	$\text{kB}$	$10^3=1000\text{ B}$
Mebibyte	$\text{MiB}$	$2^{20}=1048576\text{ B}$	Megabyte	$\text{MB}$	$10^6=1000000\text{ B}$
Gibibyte	$\text{GiB}$	$2^{30}=1073741824\text{ B}$	Gigabyte	$\text{GB}$	$10^9=1000000000\text{ B}$
Tebibyte	$\text{TiB}$	$2^{40}=1099511627776\text{ B}$	Terabyte	$\text{TB}$	$10^{12}=1000000000000\text{ B}$

Essa discrepância é a razão pela qual uma memória secundária anunciada no comércio como $1\text{ TB}$ ($10^{12}\text{ bytes}$) é reportada por sistemas operacionais baseados em binário (como Linux e Windows) como apenas:

$\frac{10^{12}}{2^{30}}\approx 931,32\text{ GiB}$

4.2 Lei de Moore e o Efeito Túnel Quântico

Formulada empiricamente por Gordon Moore em 1965 e revisada em 1975, a Lei de Moore postula que a densidade de transistores por centímetro quadrado em circuitos integrados dobra a cada período de aproximadamente $T=18\text{ a }24\text{ meses}$:

$N_{\text{trans}}(t)=N_0\cdot 2^{\frac{t}{T}}$

Onde:

• $N_0$ é a contagem inicial de transistores;
• $t$ é o tempo decorrido em anos;
• $T\approx 1,5\text{ a }2,0\text{ anos}$.

Nos nós de processo modernos ($3\text{ nm}$ e $2\text{ nm}$), o comprimento do canal do transistor e a espessura da camada dielétrica de porta tornam-se comparáveis ao comprimento de onda de De Broglie dos elétrons. Ocorre então o fenômeno do Tunelamento Mecânico-Quântico, regido pelo coeficiente de transmissão de barreira potencial unidimensional $V_0$:

$T_{\text{tuˊnel}}\approx \exp \left(-2\frac{\sqrt{2m_e(V_0-E)}}{\hslash }\cdot d\right)$

Onde:

• $m_e$ é a massa efetiva do elétron;
• $V_0-E$ é a diferença de energia em relação à barreira do isolante;
• $\hslash =\frac{h}{2\pi }\approx 1,054\times 10^{-34}\text{ J}\cdot \text{s}$ é a constante de Planck reduzida;
• $d$ é a espessura física do dielétrico.

À medida que $d<1,5\text{ nm}$, $T_{\text{tuˊnel}}$ cresce exponencialmente, resultando em correntes de fuga de sublimiar parasitárias que elevam a potência de dissipação estática e degradam o controle de porta, forçando a indústria a transicionar de transistores planares para geometrias tridimensionais (FinFET e GAAFET - Gate-All-Around).

---

📊 5. Diagrama de Arquitetura dos Quatro Pilares e Decomposição

O diagrama técnico abaixo, projetado rigorosamente na paleta Catppuccin Mocha, sintetiza as relações formais dos quatro pilares e o mecanismo da decomposição top-down aplicada à engenharia:

---

📝 6. Questões de Concursos e Problemas Avançados Resolvidos

Questão 1 (ENADE / Concurso Público - Petrobras Engenharia)

Em um projeto de automação de uma refinaria de petróleo, uma equipe de engenheiros precisa desenvolver um sistema de supervisão e controle para um conjunto de 16 reatores químicos instrumentados. A equipe divide o problema geral em quatro frentes de trabalho:

1. Projeto dos condicionadores de sinal de sensores térmicos e de pressão;
2. Desenvolvimento dos blocos de algoritmos de controle PID local;
3. Modelagem de dados da rede de comunicação industrial fieldbus;
4. Criação da interface gráfica de supervisão na sala de controle central.

Sob a ótica formal dos pilares do Pensamento Computacional, essa abordagem corresponde predominantemente a qual pilar e sob qual métrica de engenharia de software ela é avaliada?

Alternativas: A) Abstração, visando maximizar o acoplamento entre os sensores e a interface gráfica.
B) Decomposição, visando atingir alta coesão interna em cada módulo e baixo acoplamento mútuo.
C) Reconhecimento de Padrões, visando eliminar o uso de algoritmos matemáticos determinísticos.
D) Projeto de Algoritmos, aplicando busca exaustiva exponencial para cada variável de processo.
E) Virtualização, substituindo a infraestrutura física de rede por modelos aproximados sem garantia temporal.

Gabarito Comentado:

• Alternativa correta: B.
• Justificativa Detalhada: A divisão de um sistema complexo monolítico (automação global da refinaria) em partes menores, bem definidas e especializadas (instrumentação física, malhas de controle PID, protocolos de rede e IHM) é a definição exata do pilar da Decomposição. Na engenharia de sistemas, uma boa decomposição tem como objetivos fundamentais a maximização da coesão interna (cada módulo executa apenas o seu propósito com excelência) e a minimização do acoplamento externo (alterações na IHM não afetam os relés de desarme de emergência no chão de fábrica).

---

Questão 2 (Banca CESPE/CEBRASPE - Perito Criminal Engenharia Elétrica)

Um sistema computacional embarcado em uma aeronave utiliza uma memória flash de $64\text{ GiB}$ e um barramento de dados operando com taxa de transferência sustentada de $800\text{ MB/s}$ (usando potências decimais). Calcule:

1. A capacidade exata da memória em bytes ($B$).
2. O tempo teórico mínimo necessário para transmitir a totalidade dos dados armazenados na memória flash através do referido barramento.

Resolução Passo a Passo:

1. Cálculo da Capacidade em Bytes: O prefixo “GiB” (Gibibyte) refere-se à base 2: $1\text{ GiB}=2^{30}\text{ bytes}=1073741824\text{ bytes}$ Portanto, para $64\text{ GiB}$: $C=64\times 2^{30}\text{ B}=2^6\times 2^{30}\text{ B}=2^{36}\text{ bytes}$ $C=68719476736\text{ bytes}$

2. Cálculo da Taxa de Transferência do Barramento: O barramento tem taxa fornecida em $\text{MB/s}$ (prefixo decimal do SI): $R=800\text{ MB/s}=800\times 10^6\text{ bytes/s}=8\times 10^8\text{ bytes/s}$

3. Cálculo do Tempo Teórico de Transmissão ($t$): $t=\frac{C}{R}=\frac{68719476736}{800\times 10^6}\text{ segundos}$ $t=\frac{68,719476736\times 10^9}{0,8\times 10^9}=\frac{68,719476736}{0,8}\approx 85,899\text{ segundos}$

$\boxed{t\approx 85,90\text{ s}(1\text{ min e }25,9\text{ s})}$

Se o engenheiro confundisse $\text{GiB}$ com $\text{GB}$ ($64\times 10^9$), o tempo calculado erroneamente seria $t_{\text{errado}}=\frac{64\times 10^9}{800\times 10^6}=80,0\text{ s}$, gerando um erro de subdimensionamento temporal de aproximadamente $7,37\%$, crítico em sistemas aviônicos de missão.

---

Questão 3 (Problema Analítico de Engenharia - Teorema Mestre e Conquista)

Em um algoritmo de despacho econômico distribuído para microrredes, uma rede elétrica inteligente contendo $N$ geradores distribuídos é sucessivamente particionada em $4$ microrredes menores de tamanho $N/4$. A etapa de coordenação e troca de multiplicadores de Lagrange entre as fronteiras requer um custo computacional quadrático $f(N)=c\cdot N^2$ operações de ponto flutuante. Determine a complexidade assintótica do algoritmo global pelo Teorema Mestre e interprete o impacto da decomposição.

Resolução Passo a Passo: A relação de recorrência é expressa por: $T(N)=4T\left(\frac{N}{4}\right)+c{N}^2$ Identificando os coeficientes formais:

• $a=4$ (número de subproblemas)
• $b=4$ (fator de redução de escala)
• $f(N)=c{N}^2$ (custo de recombinação e fronteira)

Calcula-se o expoente crítico: $N^{{\log }_{b}a}=N^{{\log }_{4}4}=N^1$

Compara-se $f(N)$ com $N^{{\log }_{b}a}$: $f(N)=\mathcal{O}(N^2)\text{versus}{N}^1$ Como $2>1$, define-se $ϵ=1>0$ tal que $f(N)=\Omega (N^{1+ϵ})$. Verifica-se a condição de regularidade: $a\cdot f\left(\frac{N}{b}\right)=4\cdot c{\left(\frac{N}{4}\right)}^2=4\cdot c\frac{N^2}{16}=\frac{1}{4}c{N}^2\le kf(N)\text{para }k=\frac{1}{4}<1$

Pelo Caso 3 do Teorema Mestre: $\boxed{T(N)=\Theta (N^2)}$

Interpretação de Engenharia: Como o custo de coordenação de fronteira é excessivamente alto ($\mathcal{O}(N^2)$), o ganho obtido pela divisão recursiva dos geradores em blocos menores é dominado pelo gargalo de comunicação entre as fronteiras. Isso demonstra matematicamente que uma decomposição só é vantajosa se a recombinação de dados for mais eficiente que a resolução pura dos subproblemas.

---

🔗 7. Conexões e Referências Cruzadas

Disciplinas Vinculadas:

• 01 Lógica de Programação: Fundamentos de algoritmos, estruturas de controle e variáveis.
• 02 Pensamento Computacional: Hub central e visão holística do curso.
• 03 Programação Aplicada a Sistemas Elétricos: Implementação prática de despacho e fluxo de carga em Python/C++.
• 04 Sistemas Dinâmicos e Controle: Controle por realimentação de estados e desacoplamento de malhas.

Materiais Didáticos Oficiais da Disciplina:

• Arquivo de Curso: 01 - Introdução Aos Princípios Fundamentais da Computação.pdf
• Arquivo de Curso: 03 - Fundamentos de Hardware.pdf
• Arquivo de Prática: 07 - Praticando.pdf