В этом документе рассматривается проблема нечеткой логики, начиная с краткого исходного представления этой концепции ее автором Лофти Заеде, а затем рассматриваются принципы анализа каждого из этапов, которые приводят к созданию этих систем., включая в этом отношении такие понятия, как неопределенность и вероятность, отмечающие основные различия между ними. Наконец, раскрывается его применение в области организационного управления.
Ключевые слова: нечеткая логика, неопределенность, системы.
Введение
Возможности, создаваемые нечеткой логикой, заключаются в возможности формализовать диалектическое логическое мышление, применяя математику, благодаря союзу классической аристотелевской традиции, которой следуют и трансформируют математика с диэлектрической логикой. Нечеткая математика, уже как инструмент для вычисления критериев истинности, начинается со шкалы значений от наиболее ложных до наиболее истинных, генерируя количественный результат, который гарантирует наиболее близкий к истине вариант. Теория нечеткой логики обеспечивает с помощью математики возможность моделировать неопределенность когнитивных процессов людей.
Задний план
Термин нечеткая логика был создан в семидесятых годах Лофти Заеде. Позже, в 1974 году, Эбрагим Мамдани применил концепции нечеткой логики в управлении технологическими процессами и создал первое нечеткое управление для регулирования парового двигателя. В 1985 году Такаги и Сугено основали теорию нечеткого управления. Его применение в управлении технологическими процессами очевидно в промышленности, медицине, авиастроении и электронике. (Робаина, 2010)
Принципы нечеткой логики
Нечеткая логика или Fussy logic по своему названию на английском языке, ориентирована на моделирование неточных способов мышления, которые важны на пути к принятию рациональных решений в среде неопределенности и неточностей. Это зависит от способности дать точный ответ на вопросы, основанные на совокупности неточных, неполных или не совсем надежных знаний. Нечеткая логика позволяет представить общие знания качественного лингвистического типа на математическом языке через теорию нечетких множеств. (Перес, 2007)
Нечеткая логика имеет цель идентифицировать результаты нелинейного явления, не оставляя в стороне обстоятельств, в которых оно происходит, и качественных характеристик; с другой стороны, традиционная статистика и линейная математика дают только конкретное или функциональное приближение ее поведения и явления в целом. (Мендоза, 2009)
Нечеткая логика основана на концепциях, которые каждый человек воспринимает по-разному. Например, есть люди, которые представляют себе стройного человека, если он весит менее 70 кг. Другие, в зависимости от их точки зрения, задумываются в состоянии ожирения с весом более 70 кг. Вот почему наборы для худых, толстых и полных называются нечеткими наборами. Нечеткое множество - это множество с размытыми или не совсем четко установленными границами. Позже, когда переменные были классифицированы в нечетких наборах, им присваивается значение, которое связано с контекстом, в котором обнаружена проблема. В нечеткой логике процент членства присваивается набору, который численно одинаков. Это понятие называется степенью принадлежности, которая может принимать значения от 0 до 1; номер 1,0 представляет членство в наборе, а 0 - членство в наборе отсутствует.
Это можно проиллюстрировать в следующей таблице.
Диффузная логика
Таблица 1. Собственная разработка
Определены новые интервалы нечетких множеств, которые называются функцией принадлежности (µ). Форма интервалов выбирается с учетом опыта людей, по представлению о физическом состоянии в килограммах. Этот перевод реальных значений в нечеткую логику с помощью функций принадлежности называется суетливостью.
На графике по оси «y» отложена степень принадлежности, которая количественно описывает функцию принадлежности. По оси «х» установлены килограммы. Связанное имя (худой, толстый, толстый) называется лингвистической значимостью и качественно описывает функцию принадлежности. Форма функции принадлежности выбирается в зависимости от решаемой проблемной ситуации. Например, существуют разные формы: треугольная, гауссовская, трапецеидальная, сигмоидальная и другие. Степень ассоциированного членства, зависящая от функции членства, называется степенью членства (GP).
Решение может быть принято на основе функций принадлежности, этот шаг известен как вывод. В соответствии с опытом или восприятием проблемы, это известно как нечеткие правила и может быть записано в форме если …… то.
Начиная с функции принадлежности входа и выхода, продолжается следующая методология:
- Процесс вывода. Для каждой степени принадлежности, связанной с измеряемой переменной, делаются выводы. Это может быть связано с методом усечения, который заключается в сокращении функции принадлежности выхода, так что значения, превышающие соответствующую степень принадлежности, исчезают. Или методом масштабирования, который заключается в масштабировании функции принадлежности пропорционально степени принадлежности. Окончательный вывод делается, комбинируя нечеткие выводы. Наконец, окончательный вывод - defuzzyfica, то есть он переносится в реальный мир, используя различные методы, такие как:
- Средние максимумы, который вычисляет среднее значение всех переменных, имеющих наивысшую степень принадлежности. Метод центра. Которая вычисляет средневзвешенное значение вывода.
Выбор метода дефузификации будет зависеть от того, который отвечает потребностям и особенностям процесса. Хотя концепции нечеткой логики возникают из опыта проблемной ситуации, их область применения играет важную роль в процессах, где трудно предсказать или смоделировать математически. (Гусман, 2006)
Нечеткая логика и вероятность
Вероятность представляет собой данные о частоте появления четко определенного события по общему количеству возможных событий. С другой стороны, степень диффузного членства представляет собой сходство события с другим событием, в котором характеристики этих событий четко не определены.
неопределенность
Неопределенность можно разделить на следующие категории: детерминированная, случайная, неоднозначная или неопределенная, неопределенность и путаница. (Торрес и Транчита, 2004 г.) Каждый из них подробно описан ниже:
Детерминизм. Это идеальное знание результатов и возникновения событий, с этой точки зрения неопределенность не рассматривается.
Случайная неопределенность. Это происходит, когда известны возможные события, возникающие в результате эксперимента, например подбрасывание монеты.
Двусмысленность или неспецифическая неопределенность. Это когда утверждение может быть верным или ложным. В этом аспекте вероятность устанавливается эмпирически, субъективно или экспериментально и может быть выражена в виде диапазонов вместо абсолютных значений. На данный момент события не определены или четко не определены из-за недостатка информации. Это неясность, из-за которой невозможно установить истинность или ложность ситуации.
Неопределенность путаницы. Этот тип имеет как неоднозначные, так и расплывчатые характеристики.
Если неопределенность случайного типа, то с точки зрения вероятности проблемы неопределенности могут быть смоделированы путем присвоения вероятностей различным событиям с помощью относительной частоты и статистического анализа. Таким образом, мы можем получить адекватное измерение вероятности событий.
Но есть ситуации, в которых это невозможно с субъективной точки зрения, поскольку вероятность рассматривается как личная мера неопределенности или веры в событие или объект, а вероятность не существует, поскольку она не определена. Вот почему некоторые проблемы можно смоделировать, поскольку статических данных нет, но их вероятность может быть определена на основе мнения людей о возникновении. Среди методов моделирования неопределенности - байесовские сети и цепи Маркова.
В случае двусмысленности и нечеткости, когда невозможно точно определить истинность или ложность утверждения, моделирование неопределенности выполняется с помощью нечеткой логики.
Системы нечеткой логики
Система нечеткой логики использует логический вывод, который состоит из пяти блоков, как показано на рис. 1. База правил, содержащая ряд нечетких правил да…. Итак… база данных, которая определяет функции принадлежности нечетких множеств, используемых в нечетких правилах, блок принятия решений, в котором операции вывода определяются в соответствии с правилами, широковещательный интерфейс в который преобразует определенные входные данные в степени эквивалентности лингвистическим значениям и интерфейс дефузификации, который преобразует нечеткие результаты вывода в точные выходные данные.
Система нечеткой логики. (Торрес и Транчита, 2004 г.)
Существует два типа диффузных моделей дифференциации, основанных на следствии правил. Первая модель - это система типа Мамдани. В этом случае консеквенты правил являются функциями принадлежности.Позже эти правила оцениваются оператором агрегации, который является максимальной функцией, так что получается нечеткое множество, которое затем распределяется.
Другая модель - это тип Цукамото, в котором консеквенты правила являются монотонно неубывающими функциями. Вывод предполагаемого правила декады уменьшается как индуцированное истинное значение. Глобальный вывод - это средневзвешенное значение вывода каждого правила.
В обеих системах следствием каждого правила является ввод плюс постоянный член, а конечный результат - это средневзвешенное значение вывода каждого правила. (Торрес и Транчита, 2004 г.)
Нечеткая логика в администрировании
Классические модели рациональности в области принятия решений, такие как нормативная теория принятия решений, описательные методы и теория игр, сегодня являются основой систем поддержки принятия решений и поддерживают современное управление., но эти модели отбрасывают человеческую субъективность. Логическое администрирование использует интегрированные нечеткие модели для принятия решений и направлено на достижение организационной согласованности, принятие организационных решений может быть сосредоточено с разных точек, будь то психология, экономика и управление. Для первых двух математические модели использовались в так называемой экспериментальной психологии и экономике, они используют модели ограниченной рациональности, которые пытаются описать, как человек принимает решения.Другой аспект принятия решений - это использование экспертных систем, искусственного интеллекта и программирования неопределенности. (Керопян и Гиль-Лафуэнте, 2011 г.)
С другой стороны, логическое администрирование использует модели, основанные на нечеткой логике с помощью методов инженерии знаний, основанные на литературе и опыте, чтобы вести организацию к конкурентоспособности. Классифицируются три модели:
- Когнитивная модель. Они используют использование многовалентной логики и других элементов нечеткой логики, таких как модификаторы, для преобразования экспертных знаний и вспомогательной информации в формальные модели. Они используют нечеткие отношения, чтобы учесть структурную сложность организаций и их соответствие условиям среды. Расчетная модель в условиях неопределенности. Он использует нечеткую арифметику для визуализации возможных вариаций зависимых переменных при вычислениях зависимых переменных. (Эспин и Ванти, 2006)
вывод
Нечеткая логика или также называемая нечеткой логикой - это логика, в которой используются неопределенные или неточные выражения. Этот анализ выполняется путем объединения входных переменных, которые определены в терминах нечетких множеств, через группы правил, которые генерируют одно или несколько выходных значений. Одно из применений в отношении администрирования - это возможность принимать стратегические решения для организации, учитывая в первую очередь объективные проблемы и не оставляя в стороне субъективные характеристики, которые влияют на результат решений.
Тема диссертации
Предложение нечеткой логической модели для количественной оценки удовлетворенности клиентов послепродажным обслуживанием в автосалоне.
цели
Разработайте опрос, чтобы получить информацию, соответствующую степени удовлетворенности клиентов автомобильного агентства. Определите переменные для выполнения нечеткого набора на основе ответов, полученных в ходе опроса.
Ссылки
- Эспин, Р., и Ванти, А. (2006). Логический менеджмент: на примере внешнеторговой компании. журнал administracao e contabilidade da Unisinos, 2 (2), 69-77.Guzmán, V. (2006). Нечеткая логика в технике: принципы, приложения и будущее. Наука и технология, 24 (2), 87–107. Хассан, С., Мата, М., и Гармендиа, Л. (сф. Применение нечеткой логики к социальным системам с программными агентами. Математика в информатике. Керопян А., Гиль-Лафуэнте А.М. (2011). Приложение нечеткой модели принятия решений по стратегическому управлению. Африканский журнал управления бизнесом, 5 (15), 6586-6590. Мендоза, Л. (2009). Система нечеткой логики. приложение к восприятию бизнеса. Universidad & Empresa, 17, 252–270. Pérez, I. (2007). Нечеткая логика для начинающих: теория и практика. Каракас,Венесуэла: UCAB.Robaina, D. (2010). Нечеткая логика применима к принятию решений. Industrial, 31 (2), 2-5. Torres, A., & Tranchita, C. (2004). Вывод и вероятностные или нечеткие рассуждения? Инженерный факультет, 157-165.
