1. Введение
День за днем в наш мир проникает бесконечное количество информации, которая возникает с новыми технологиями и исследованиями, поскольку неизбежно, что посредством анализа или обработки информации генерируется новая информация.
Но среди всей этой информации есть большой процент ее, который не может быть количественно определен, поскольку ему не хватает точности или точности; так как это характеризуется такой неоднозначностью.
Следовательно, для организации является нормальным иметь неточную информацию или более известную как нечеткую информацию в своих базах данных; поскольку человек привык включать в свой язык термины или прилагательные, которые невозможно измерить; но это, тем не менее, очень помогает людям в процессе принятия решений.
Но в таком быстром мире человеку невозможно проанализировать всю информацию своей организации, чтобы принять адекватные решения в короткие сроки; поэтому этот процесс анализа был заменен и теперь может выполняться компьютерами или программным обеспечением.
Но чтобы этот процесс развернулся, вам нужно реализовать нечеткую логику или теорию нечетких множеств. Следующая статья объяснит, что такое нечеткая логика?
2. Концептуальные основы
2.1 Информация
Информация - это набор данных о каком-либо событии, факте или явлении, которые организованы в данном контексте и имеют свое значение, целью которого может быть уменьшение неопределенности или увеличение знаний о чем-либо (Thompson, 2008).
2.2 Нечеткий
Это прилагательное, которое относится к тому факту, что оно неясно, сбивает с толку, неточно и не конкретно, поскольку в нем отсутствует хорошее определение или определенность.
2.3 Нечеткая логика
Нечеткая логика играет большую роль в разработке и интерпретации нечеткой информации, поэтому необходимо знать, что такое нечеткая логика? И где это возникает?
Нечеткая логика или более известная как нечеткая логика, которая на испанском языке относится к нечеткой логике или эвристической логике, имеет дело со знаниями или информацией, которой не хватает точности, но это не означает, что, поскольку ей не хватает точности, информация должна быть отброшена.
Что ж, тогда мы вступили бы в большую полемику, потому что количество диффузной информации, которую люди обрабатывают и анализируют для принятия решений в своей повседневной жизни, на удивление непомерно.
Нечеткая логика - это метод вычислительного интеллекта, который пытается понять или проанализировать информацию с высокой степенью неточности.
Под неточной информацией я подразумеваю информацию, которая составлена из выражений типа «очень жарко», но на самом деле она не позволяет нам точно знать, сколько тепла переживается.
Ключ к пониманию этого типа выражений повседневного употребления человеком лежит в понимании количественных показателей нашего языка, таких как: «много», «очень», «мало», «мало» и другие.
Нечеткая логика отличается от обычной логики тем, что первый обрабатывает неточную информацию, а второй обрабатывает только четко определенную и точную информацию.
Самое удивительное, что человек понимает выражения, которые делают информацию неточной, и на ее основе принимает важные решения.
Однако анализ квантификаторов проводится людьми, хотя предыдущий не может быть выполнен компьютерами.
Это закончилось, когда исследователь Лофти А. Заде, не удовлетворенный вариантами классических наборов (четких наборов), которые имеют только два варианта: принадлежащий (1) или не принадлежащий к множеству (0).
Впервые он описал в 1965 году «нечеткие множества» или «нечеткие множества»; где выделяется, что наборы могут частично принадлежать некоторым наборам, оставляя позади традиционную или традиционную логику. Эта концепция была опубликована в статье нечетких множеств.
Заде устанавливает концепцию нечеткой логики, когда он проверяет теорию нечетких множеств. Шесть лет спустя Заде публикует статью «Количественная нечеткая семантика», где он определяет элементы, составляющие нечеткую логику, и ее текущие приложения.
Следует упомянуть, что теория нечеткого множества и концепция нечеткой логики вначале получили широкое признание в Европе, тогда как в Соединенных Штатах (которые были их колыбелью) они отказались принять это новое открытие; поскольку ученые скептически относились ко всему, кроме бинарных теорий.
Но только в 1974 году Эбрагим Мандани впервые применил концепцию нечеткой логики в области управления в промышленности.
Он был создателем нечеткой системы управления или нечеткой системы управления; принимая его к применению, чтобы регулировать паровой двигатель.
Вы можете себе представить, что успех Mandani в применении нечеткой логики и нечетких множеств был следствием технологических достижений в компьютерах (которые раньше не были так хорошо разработаны).
3. Нечеткая информация
Инженер Заде думал, что людям не нужна логическая или числовая информация для выполнения задач управления; вместо этого людям иногда было гораздо практичнее выполнять действия или задачи с неточными данными.
Только тогда нечеткая информация представляет собой информацию, которая состоит из набора нечетких данных или нечетких или нечетких данных, которые не являются точными и не поддаются количественной оценке, однако такие данные являются качественными и могут быть измеримыми.
Чрезвычайно важно упомянуть, что диффузная информация имеет большое значение для развития организаций, поскольку это может представлять собой ограничение, мешая организации получать истинные знания при обмене ими или информировании.
Примером нечеткой или нечеткой информации является случай, когда взаимосвязанные данные не поддаются количественной оценке, например:
Во время изучения рынка следует задавать вопросы, чтобы узнать, насколько продукт будет восприниматься потребителями.
С помощью вопросов, которые пытаются выяснить эмоции, которые потребитель испытывает по поводу продукта, эти вопросы тесно связаны с серией органолептических тестов; Результатом будет набор данных, который невозможно измерить другими словами, это «нечеткая информация», которая недостаточно ясна для понимания.
Следует отметить, что диффузная информация - это не только то, что не поддается количественной оценке, но также может быть всей той логической информацией, которая теряет свое истинное значение во время ее обработки или анализа.
Тот факт, что у нас есть разрозненная информация, не означает, что она не может использоваться или что она не имеет значения для организации, а наоборот, это означает, что мы должны подвергнуть указанные данные другому процессу, чтобы проанализировать их и преобразовать в логическую, обычную или традиционную информацию.
Как только информация будет преобразована в количественную информацию, она предоставит необходимые инструменты для организации или отдельных лиц для принятия правильных решений.
3.1 Нечеткий набор
Отец нечеткой логики Зеда определяет нечеткий набор как те элементы, для которых степень принадлежности элемента к набору точно не известна, но которые связаны каким-либо образом.
Пример - множество высоких людей, это нечеткая вещь; Потому что нет измеримых параметров, которые позволили бы нам определить или узнать, в какой степени люди могут считаться высокими, чтобы они принадлежали к группе высоких людей.
Таким образом, можно сказать, что предел высоты является диффузным, и поскольку здесь нет спецификаций или атрибутов, любой может ввести этот набор.
Нечеткое множество определяется следующим образом. Нечеткое множество A во вселенной дискурса U (упорядоченное) представляет собой множество пар, представленных математическим уравнением:
A = {µλ (u) / u: uεU, µλ (u) ε}, Куда:
µ = функция принадлежности
µλ = степень принадлежности элемента u нечеткому множеству A.
(от 0 до 1)
µλ (u) = 0 означает, что u вообще не принадлежит нечеткому множеству A.
µλ (u) = 1 указывает, что u полностью принадлежит нечеткому множеству A
3.2 Элементы нечеткого множества
После того, как мы объясним, что такое диффузная информация в организации и насколько она важна, необходимо знать, какие элементы имеет диффузная информация.
Итак, информационный элемент состоит из (Urrutia & Varas, 2013):
Á Атрибуты: это функция, которая определяет ценность объекта.
Атрибуты подразделяются на три типа:
Классификация атрибутов
Тип I: Относится к точным или более известным классическим данным, которые могут иметь определенные языковые метки. Пример тому высокого человека.
Тип II: атрибуты, которые хранят классические и нечеткие данные, являясь неточным набором данных, связанных с упорядоченной ссылкой.
Например, метки могут быть: ребенок, молодежь, взрослый со ссылкой на набор от 0 до 100.
Тип III: они являются атрибутами неточных данных, относящихся к неупорядоченной нормальной ссылке.
Пример: атрибутом будет цвет волос, а ссылка не упорядочена или метки будут; блондинка, рыжая и коричневая.
Упомянутые выше атрибуты используются для создания модели для работы с нечеткими множествами.
- Объект: это может быть что угодно или элемент. Значение: это подмножество ссылочной области, связанной с атрибутом (Garrido & Cadenas, 2013). Доверие: это показатель степени достоверности элемента.
3.3 Характеристики нечеткой информации
Нечеткая информация характеризуется неточностью и высокой степенью неопределенности, разница между этими двумя характеристиками заключается в том, что неточность связана со стоимостью элемента, а неопределенность является показателем достоверности элемента.
3.4 Как распознать диффузную информацию обычной?
Обычно на этапе сбора информации получают все виды информации, как логической, так и разрозненной, поскольку организация генерирует определенное количество информации в своих различных отделах и среде; внешний и внутренний.
Чтобы определить, является ли информация, полученная в процессе сбора, разрозненной, необходимо рассмотреть ряд вопросов, рассмотренных Росасом Санчесом (2012):
- Удовлетворяет ли полученная информация потребностям организации? Могут ли сотрудники эффективно обращаться за информацией к ней? Является ли информация конкретной, надежной и полностью интегрированной? Представляет ли она какое-либо дублирование?
3.5 Инструменты для идентификации и извлечения нечеткой информации
Последовательность шагов, которая будет описана ниже, применяется для идентификации и извлечения нечеткой информации из обычной, чтобы получить только нечеткую информацию, и затем нечеткая информация может быть обработана и обработана для преобразования ее в логическую информацию.,
- Назначьте персонал для анализа соответствующей информации по каждому виду деятельности. Проконсультируйтесь с экспертом по разработке метода управления информацией в организации. Реализуйте метод сбора, сбора всей информации и ее структуры и упорядочивайте ее. Иерархически. Определите источники информации, с которой ведется работа. Измерьте надежность источников информации. Внедрите методы быстрого чтения и отбора, чтобы подчеркнуть основные идеи, в рамках которых должны быть определены «ключевые слова». Содержание. Использование тематических указателей и поисковых систем.
3.6 Инструменты для анализа нечеткой информации
После того, как нечеткая информация была идентифицирована и извлечена, необходимо реализовать другие типы инструментов для выполнения анализа или преобразования нечеткой информации в обычную информацию; это, в свою очередь, становится знаниями для организации.
3.6.1 Анализ количественных данных
Количественная информация, как правило, не является рассеянной из-за степени точности и надежности, которую она имеет, и что она измерима; Чтобы предотвратить распространение количественной информации, необходимо внедрить программное обеспечение, которое облегчает манипулирование наборами числовых данных, чтобы сохранить их надежность и достоверность для принятия решений.
3.6.2 Анализ качественных данных
Анализ этих данных является более сложным из-за отсутствия определенности, надежности и поскольку данные нечеткого множества не имеют ограниченной структуры или принадлежности.
Другими словами, качественные данные не поддаются измерению, поэтому они затрудняют их анализ для изучения, являясь лишь субъективными понятиями, их знания становятся размытыми.
3.6.3 Эвристические методы
Эвристические методы используются для реализации творческого метода решения нечетких задач, среди которых метод серебряной еды, эвристика обеспечивает лучшие решения при выполнении с помощью программного обеспечения, получая идеальное решение.
3.6.4 Нечеткая логика
Это один из новейших методов анализа качественной или неточной информации. Этот метод широко используется, когда понятие имеет разные значения в зависимости от времени и контекста. Основой нечеткой логики являются нечеткие множества Заде, упомянутые выше.
3.7 Модель системы, основанная на методах нечеткой логики
Модель системы, основанная на методах нечеткой логики, состоит из трех блоков (см. Рисунок 2):
диффузия
вывод
Broadcast
Нечеткие логические системы
На рисунке 2 показана система, которая начинается с ввода данных, состоящего из набора переменных, которые были ранее выбраны в соответствии со спецификациями решаемой проблемы. Примером могут служить факторы, связанные с транспортом в городском пространстве: население, количество транспортных средств, дома, занятость.
3.7.1 Блок рассеивателя
Он имеет функцию формирования нечетких множеств, в зависимости от степени принадлежности, которую имеет каждая переменная ввода (вводится индивидуально), будет решаться, в какой нечеткой совокупности они будут размещены.
3.7.2 Блок вывода
Он имеет функцию связи или указания на выполнение одного предложения с другим, которое представляется pq, таким образом, это может быть выражено, если… затем.
Поэтому блок вывода выражает нечеткие правила, например, если u есть A, то v есть B, где A и B нечеткие множества; где u ε U и v ε V.
Конечная цель состоит в том, чтобы преобразовать нечеткие множества, сформированные предыдущим блоком, согласно степени принадлежности, в нечеткие множества, связанные с выходной переменной.
3.7.3 Блок вещания
Как только нечеткие множества были связаны с выходной переменной, необходимо специально выразить полученные результаты.
Важно отметить, что этот этап может быть выполнен с использованием трех методов:
Cut to: состоит из сокращения общих значений до одного набора.
Максимальное значение: набор имеет только максимальное значение, в случае, если были разные максимальные значения, необходимо взять значения из средних значений.
Центроид: центр тяжести, рассчитывается с помощью суммирования.
Выходы: это конкретные результаты, которые в данном примере будут знать или идентифицировать движение автотранспорта в зависимости от количества городских поездок.
3.8 Передача нечеткой информации
Коммуникация необходима в любом процессе внутри организации, и передача нечеткой информации не является исключением, поскольку необходимо найти способ избежать того, чтобы в организации было больше нечеткой информации, чем в логике.
По этой причине рекомендуется, чтобы после того, как организация проанализировала и количественно оценила распространенную информацию, сотрудники, на которых положительное или отрицательное влияние оказали, будут проинформированы о конкретных результатах, полученных в конце.
3.9. Пример теории нечетких множеств
Тренер по баскетболу должен выбрать кандидатов в свою команду, характеристики или параметры, которым должны соответствовать игроки, чтобы соответствовать выбору: рост ≥1,85 м и оценка ≥13 корзин из 16 (см. Таблицу 1).
Таблица 1. Результаты, полученные в ходе теста (D´Negri & de Vito, 2006).
Результаты, полученные из теста
Классическое решение будет принимать только кандидатов I и F; Тем не менее, кандидат Е набрал 16 из 16, но не имеет предела роста не является решением.
Результирующее решение для применения нечетких множеств отличается, сначала необходимо определить нечеткие числа для каждой переменной в диапазоне от 0 до 1 в зависимости от степени принадлежности к набору высоты ≥1,85 м и баллу ≥13 корзин из 16, получая в конце комбинацию диффузная логика.
Таким образом, применяя теорию множеств, мы можем понять, что получаем другое решение; где игрок E является частью окончательного решения, в то время как другое классическое решение было бы хорошим элементом для 2 см.
Таблица 2. Решение по нечеткой логике (D´Negri & de Vito, 2006)
Решение нечеткой логики
Разница между обоими методами состоит в градации, в то время как в классическом решении градации равны 0 или 1 (принадлежит или не принадлежит), а в решении теории нечетких множеств градация является промежуточной между 0 и 1; расширение степени членства в нечетком множестве (см. таблицу 3).
Таблица 3. Сравнение шкалы градации, полученной с помощью классической логики и нечеткой логики (D´Negri & de Vito, 2006).
Сравнение шкалы градации, полученной с помощью классической логики и нечеткой логики
3.9.1 Примеры применения нечеткой информации в промышленности с применением нечеткой логики.
Япония - это страна, которая внедрила нечеткую логику для решения нечетких информационных проблем, перечисленных ниже.
- Системы управления кондиционированием воздуха. Система автофокуса в камерах. Оптимизация промышленных систем управления. Система распознавания рукописного ввода. Эффективное улучшение использования топлива. Моделирование поведения человека. Хранение и просмотр неточной информации (FSQL). Нечеткая логика НАСА для выполнения сложных маневров Системы технического обслуживания: для инфраструктуры, связанной с отказами или техническим обслуживанием; Назовите их мостами, металлоконструкциями, дорогами, системами управления.
Системы управления (решения для регулирования, например, в дорожном движении, резервуары для воды, шлюзы).
Нечеткие входные расчеты (нагрузки на гусеницы и мосты, сейсмические напряжения, устойчивость склона).
В медицине
- Оценка артериального старения по артериальным сигналам с использованием бескровных регистров. Классификация реестра для оценки институциональных издержек интернированных диабетиков. Нечеткие методы анализа биомедицинских данных.
4. Вывод
Как и в других случаях, я уже упоминал, что информация является наиболее важным активом в организациях и является активом, который определяет степень конкурентного преимущества, которым обладает каждая организация.
Но это не означает, что организация, благодаря тому, что она обладает большим объемом информации, будет иметь конкурентное преимущество перед другими конкурентами.
Что ж, бесполезно иметь информацию, которая не может измерить влияние, которое может оказать определенная переменная, или таким же образом бесполезно иметь большой объем обычной информации, если вы не выполнили правильный процесс и, следовательно, у вас нет высокая степень доверия или информация, которая должна быть надежной на сто процентов, так как это приводит к потере сотрудников организации среди морей информации, которой она располагает.
Тогда организация может обладать двумя типами информации; логическая или общепринятая информация (которая поддается количественной оценке) и нечеткая информация, характеризующаяся тем, что она не поддается количественной оценке и является информацией, которой недостает точности.
Однако диффузная информация имеет большое значение для организации, поэтому необходимо, чтобы указанная информация претерпела процесс преобразования диффузной информации в конкретную информацию, которая служит для организации знаниями и, в свою очередь, позволяет ей принимать правильные решения.
Анализ нечеткой информации основан на нечеткой логике.
5. Тезисное предложение:
Реализуйте нечеткую логику, чтобы определить причины, которые вызывают большинство одновременных отказов конвейера в PEMEX, Cd. Mendoza.
5.1 Цель:
Преобразуйте распространенную информацию в обычную информацию, которая служит информацией для персонала служб экстренной помощи, чтобы сделать производственные процессы более эффективными.
6. Библиографические ссылки
- Арриола Каррера, Джорджия (2013). Получено с http://es.scribed.com/doc/57256980/INFORMACION-DIFUSACancino Velásquez, JA (5 мая 2012 г.). Коммуникация и обработка диффузной информации. Получено от Gestiopolis: http://www.gestiopolis.com/administracion-estrategia-2/comunicacion-manejo-de-informacion-difusa.htmCivil, I. (28 апреля 2013 г.). Элементы на нечетких множествах и нечеткой логике. D´Negri, CE, & de Vito, EL (2006). Введение в приблизительные рассуждения: нечеткая логика. Получено из Аргентинского журнала респираторной медицины: Garrido & Cadenas, JM (28 апреля 2013 г.). Обработка нечеткой информации в гауссовой модели компонентов смеси, Росас Санчес, Л. (14 марта 2012 г.). Обработка диффузной информации. Незаменимый инструмент для принятия решений. Получено от Gestiopolis: http: // www.gestiopolis.com/administracion-estrategia-2/manejo-informacion-difusa-heráculo-indispensable-toma-decisiones.htmThompson, I. (2008). Promonegocios. Получено с http://www.promonegocios.net/mercadotecnia/definicion-informacion.htmlUDLAP. (29 апреля 2013 г.) Диффузная логика. Получено из главы 3: http://catarina.udlap.mx/u_dl_a/tales/documentos/lmt/ramirez_r_o/capitulo3.pdfUrrutia, A. & Varas, M. (28 апреля 2013 г.). Диффузная модель данных в UML: пример для размещения рекламы. Получен изmx / u_dl_a / tales / documents / lmt / ramirez_r_o / capitulo3.pdfUrrutia, A. & Varas, M. (28 апреля 2013 г.). Диффузная модель данных в UML: совет для вставки рекламы. Получен изmx / u_dl_a / tales / documents / lmt / ramirez_r_o / capitulo3.pdfUrrutia, A. & Varas, M. (28 апреля 2013 г.). Диффузная модель данных в UML: совет для вставки рекламы. Получен из
