A pesquisa apresenta uma adaptação do modelo matemático de lógica nebulosa. A adaptação é uma alternativa capaz de representar o comportamento de uma variável subjetiva ao longo de um intervalo de tempo, assim como tratar variáveis estáticas (como o modelo computacional existente). Pesquisas realizadas apontam para uma lacuna no tratamento de variáveis dinâmicas (dependência no tempo) e a proposta permite que o contexto em que as variáveis estão inseridas tenha um papel no entendimento e tomada de decisão de problemas com estas características. Modelos computacionais existentes tratam a questão temporal como sequenciador de eventos ou custo, sem considerar a influência de fenômenos passados na condição corrente, ao contrário do modelo proposto que permite uma contribuição dos acontecimentos anteriores no entendimento e tratamento do estado atual. Apenas para citar alguns exemplos, o uso da solução proposta pode ser aplicado na determinação de nível de conforto em transporte público ou auxiliar na aferição de grau de risco de investimentos no mercado de ações. Em ambos os casos, comparações realizadas entre o modelo de lógica nebulosa existente e a adaptação sugerida apontam uma diferença no resultado final que pode ser entendida como uma maior qualidade na informação de suporte à tomada de decisão.

The research presents an adaptation of the mathematical model of fuzzy logic. The adaptation is an alternative capable of representing the behavior of a subjective variable over an interval of time, as well as treating any static variables (as existing computer models). Research conducted points to a gap in the treatment of dynamic variables (variables which depend on time). The context, in which the variable is embedded, plays a role in the understanding and decision making process of problems of this nature. Existing computer models treat the temporal issue as sequencing of events or cost, without considering the influence of passed occurrences in its current condition, unlike the proposed model that allows a contribution of earlier developments in the understanding and treatment of the current state. The proposed solution is applicable to determine the comfort level at public transportation or to support the risk definition at the stock market, just to list a couple of examples. On both scenarios, the existing fuzzy logic was compared to the proposed solution and it was observed differences on the outcomes that represent an increase on the overall quality of the information which supports the decision making process.