Bu belge, bu kavramın yazarı Lofti Zaedeh tarafından kısa bir arka plan sunumu ile başlayarak bulanık mantık konusunu ele alıyor ve daha sonra bu sistemlerin oluşturulmasına yol açan aşamaların her birini analiz etmek için ilkeleri ele alıyor. Bu bağlamda, belirsizlik ve olasılık gibi kavramlar da dahil olmak üzere, ikisi arasındaki temel farklılıkları işaretler. Son olarak, örgütsel yönetim alanındaki uygulaması ortaya çıkar.
Anahtar kelimeler: bulanık mantık, belirsizlik, sistemler.
Giriş
Bulanık mantığın yarattığı fırsat, Aristotelesçi klasik geleneğin matematiğin dielektrik mantıkla izlediği ve dönüştürdüğü klasik geleneğin birleşmesi sayesinde diyalektik mantıksal düşünmeyi, matematiği uygulayarak resmileştirebilmektir. Zaten doğruluk ölçütlerini hesaplamak için bir araç olan bulanık matematik, en yanlıştan en doğruya doğru bir değerler ölçeğinden başlar ve niceliksel bir sonuç üretir ve bu da gerçeğe en yakın seçeneği garanti eder. Bulanık mantık teorisi, matematik yoluyla insanların bilişsel süreçlerinin belirsizliğini modelleyebilmeyi sağlar.
Arka fon
Bulanık mantık terimi, yetmişli yıllarda Lofti Zaedeh tarafından üretildi. Daha sonra 1974'te Ebrahim Mamdani, süreçlerin kontrolünde bulanık mantık kavramlarını uyguladı ve bir buhar motorunu düzenlemek için ilk bulanık kontrolü yarattı. 1985'te Takagi ve Sugeno bulanık kontrol teorisini kurdular. Proses kontrolündeki uygulamaları endüstri, tıp, havacılık ve elektronikte belirgindir. (Robaina, 2010)
Bulanık mantık ilkeleri
Bulanık mantık veya İngilizce adıyla Telaşlı mantık, belirsizlik ve belirsizlik ortamında rasyonel karar vermeye giden yolda önemli olan kesin olmayan akıl yürütme modlarının modellenmesine yöneliktir. Bu, yanlış, eksik veya tamamen güvenilir olmayan bir bilgi birikimine dayanan sorulara yakın bir cevap verme yeteneğine bağlıdır. Bulanık mantık, nitel dilbilimsel türün genel bilgisinin bir matematik dilinde bulanık kümeler teorisi aracılığıyla temsil edilmesini mümkün kılar. (Pérez, 2007)
Bulanık mantık, doğrusal olmayan bir fenomenin sonuçlarını, meydana geldiği koşulları ve niteliksel özellikleri bir kenara bırakmadan tanımlama amacına sahiptir; öte yandan, geleneksel istatistik ve doğrusal matematik yalnızca davranışının ve genel olarak bir fenomenin belirli veya işlevsel bir yaklaşımını verir. (Mendoza, 2009)
Bulanık mantık, her insan tarafından farklı algılanan kavramlara dayanır. Örneğin, zayıf bir kişiyi 70 kg'dan hafifse kavramsallaştıran insanlar var. Diğerleri, bakış açılarına bağlı olarak, 70 kg'ın üzerinde bir ağırlığa sahip bir yağ durumunda tasarlanır. Bu nedenle ince, şişman ve obez setlere bulanık setler denir. Bulanık küme, bulanık veya tam oturmamış sınırları olan bir kümedir. Daha sonra, değişkenler bulanık kümelerde sınıflandırıldıktan sonra, onlara bir değer atandığında, bu değerler sorunun bulunduğu bağlamla ilgili olmalıdır. Bulanık mantıkta, üyelik yüzdesi sayısal olarak aynı olan bir kümeye atanır. Bu kavrama, 0'dan 1'e kadar değerler alabilen üyelik derecesi denir; 1 numara,0 set üyeliğini ve 0 set üyeliğini temsil etmez.
Bu, aşağıdaki tabloda örneklenebilir.
Yaygın mantık
Tablo 1. Kendi detaylandırma
Üyelik fonksiyonu (µ) olarak adlandırılan bulanık kümelerin yeni aralıkları tanımlanır. Aralıkların şekli, kilo olarak fiziksel durum kavramı üzerine insanların deneyimleri dikkate alınarak seçilir. Gerçek dünya değerlerinin üyelik işlevleri aracılığıyla bulanık mantığa dönüştürülmesine telaşlaştırma denir.
Üyelik işlevini nicel olarak tanımlayan "y" ekseninin üyelik derecesi olduğu bir grafik yapılır. "X" ekseninde kilolar oluşturulur. İlişkili ad (zayıf, şişman, obez), dilsel önemi olarak adlandırılır ve üyelik işlevini niteliksel olarak tanımlar. Üyelik işlevinin şekli, çözülecek sorunlu duruma göre seçilir. Örneğin farklı şekiller vardır: diğerleri arasında üçgen, Gauss, yamuk, sigmoidal. Üyelik işlevine bağlı olarak ilişkili üyeliğin derecesi, üyelik derecesi (GP) olarak adlandırılır.
Üyelik fonksiyonlarından bir karar alınabilir, bu adım çıkarım olarak bilinir. Problemde meydana gelen tecrübe veya algıya göre, bu bulanık kurallar olarak bilinir ve eğer …….. şeklinde yazılabilir.
Giriş ve çıkış üyeliği işlevinden başlayarak aşağıdaki metodoloji devam ettirilir:
- Çıkarım süreci. Ölçülen değişkenle ilişkili her üyelik derecesi için sonuçlar üretilir. Bu, üyelik derecesinden daha büyük değerlerin ortadan kalkması için çıkış üyelik işlevinin kesilmesini içeren kesme yöntemi ile olabilir. Ya da üyelik fonksiyonunun üyelik derecesiyle orantılı olarak ölçeklendirilmesinden oluşan ölçeklendirme yöntemiyle. Bulanık sonuçları birleştirerek nihai bir sonuç çıkarılır.Son olarak, nihai sonuç defuzzyfica, yani gerçek dünyaya geri alınır., aşağıdaki gibi çeşitli tekniklerin kullanılması yoluyla:
- En yüksek üyelik derecesine sahip tüm değişkenlerin ortalamasını hesaplayan maksimumların ortalamaları Merkez yöntemi. Çıktının ağırlıklı ortalamasını hesaplar.
Deffuzyfication yönteminin seçimi için, sürecin ihtiyaçlarını ve davranışını karşılayan yönteme göre olacaktır. Bulanık mantık kavramları problem durumunun deneyiminden ortaya çıksa da, matematiksel olarak tahmin etmenin veya modellemenin zor olduğu süreçlerde uygulama alanları önemli olmuştur. (Guzmán, 2006)
Bulanık mantık ve olasılık
Olasılık, toplam olası olay sayısı üzerinden iyi tanımlanmış bir olayın meydana gelme sıklığı hakkındaki verileri temsil eder. Öte yandan, belirsiz üyelik derecesi, bir olayın özelliklerinin iyi tanımlanmadığı başka bir olayla olan benzerliklerini temsil eder.
Belirsizlik
Belirsizlik şu şekilde sınıflandırılabilir: deterministik, rastgele, belirsiz veya belirsiz, belirsizlik ve kafa karışıklığı. (Torres ve Tranchita, 2004) Her biri aşağıda detaylandırılmıştır:
Determinizm. Bu, sonuçların ve olayların meydana gelmesinin mükemmel bilgisidir, bu noktadan itibaren belirsizlik dikkate alınmaz.
Rastgele belirsizlik. Bu, bir deneyden kaynaklanan olası olaylar bilindiğinde meydana gelir, örneğin bozuk para atmak.
Belirsizlik belirsizliği veya spesifik değil. Bu, bir ifadenin doğru veya yanlış olabileceği zamandır. Bu açıdan olasılık ampirik, sübjektif veya deneysel olarak belirlenir ve mutlak değerler yerine aralıklar cinsinden verilebilir. Bu noktada, bilgi eksikliği olduğu için olaylar belirtilmemiştir veya iyi tanımlanmamıştır. Bu, bir durumun gerçekliğini veya yanlışlığını tespit etmeyi imkansız kılan muğlaklıktır.
Karışıklık belirsizliği. Bu tür hem belirsiz hem de belirsiz özelliklere sahiptir.
Belirsizlik rastgele tipte ise, olasılık yönünden, belirsizlik problemleri, göreli frekans ve istatistiksel analiz yoluyla farklı olaylara olasılıklar atanarak modellenebilir. Böylece olayların gerçekleşme olasılığının yeterli bir ölçümünü elde edebiliriz.
Ancak, öznel bir bakış açısından bunun mümkün olmadığı durumlar vardır, çünkü olasılık bir olay veya bir nesne hakkındaki kişisel belirsizlik veya inanç ölçütü olarak kabul edilir ve tanımlanmadığı için olasılık yoktur. Bu nedenle, statik veriler olmadığı için bazı problemler modellenebilir, ancak olasılıkları insanların meydana gelme konusundaki inancına göre tayin edilebilir. Belirsizliği modelleme teknikleri arasında Bayes ağları ve Markow zincirleri bulunmaktadır.
Bir ifadenin doğruluğunu veya yanlışlığını kesin olarak tanımlamanın mümkün olmadığı belirsizlik ve belirsizlik durumunda, belirsizliğin modellenmesi bulanık mantıkla gerçekleştirilir.
Bulanık mantık sistemleri
Bulanık mantık sistemi, şekil no. 1. Bir dizi bulanık kural içeren bir kural tabanı evet…. Yani…, bulanık kurallarda kullanılan bulanık kümelerin üyelik işlevlerini tanımlayan bir veritabanı, çıkarım işlemlerinin kurallara göre belirlendiği bir karar verme birimi, belirli girdileri dilsel değerlerle eşdeğerlik derecelerine dönüştüren ve belirsiz çıkarım sonuçlarını doğru çıktıya dönüştüren bir etkisizleştirme arayüzü.
Bulanık mantık sistemi. (Torres ve Tranchita, 2004)
Kuralların sonucuna göre iki tür yaygın farklılaşma modeli vardır. İlk model Mamdani tipi sistemdir. Bunda, kuralların sonuçları üyelik işlevleridir.Daha sonra, bu kurallar bir maksimum işlev olan bir toplama operatörü tarafından değerlendirilir, böylece daha sonra dağıtılmış olan bulanık bir küme elde edilir.
Diğer model, kuralın sonuçlarının monoton olarak azalmayan fonksiyonlar olduğu Tsukamoto tipidir. Çıkarılan on yıl kuralı çıktısı, indüklenmiş gerçek değer olarak azaltılır. Global çıktı, her kuralın çıktısının ağırlıklı ortalamasıdır.
Her iki sistemde de her kuralın sonucu, bir girdi artı sabit bir terimdir ve nihai çıktı, her kuralın çıktısının ağırlıklı ortalamasıdır. (Torres ve Tranchita, 2004)
Yönetimde bulanık mantık
Normatif karar teorisi, tanımlayıcı yöntemler ve oyun teorisi gibi karar verme alanındaki klasik rasyonalite modelleri, günümüzde karar destek sistemlerinin temelidir ve modern yönetimi destekler. Ancak bu modeller insan öznelliğini bir kenara bırakır. Mantıksal yönetim, karar verme için entegre bulanık modeller kullanır ve örgütsel tutarlılığı sağlamayı amaçlar, örgütsel karar verme, psikoloji, ekonomi ve yönetim gibi farklı noktalardan odaklanabilir. İlk ikisi için, matematiksel modeller deneysel psikoloji ve ekonomide kullanılmış, sınırlı rasyonalite modelleri kullanıyorlar ve bu modeller, insanın nasıl karar verdiğini açıklamaya çalışıyor.Karar vermenin diğer bir yönü, belirsizlik programlamasıyla birlikte yapay zeka yoluyla uzman sistemler aracılığıyla yapılır. (Keropyan ve Gil-Lafuente, 2011)
Öte yandan mantıksal yönetim, kurumu rekabet edebilirliğe doğru yönlendirmek için literatüre ve deneyime dayalı bilgi mühendisliği teknikleri aracılığıyla bulanık mantığa dayalı modelleri kullanır. Üç model sınıflandırılmıştır:
- Bilişsel model. Uzman bilgisini ve destekleyici bilgiyi biçimsel modellere dönüştürmek için çok değerlikli mantık ve değiştiriciler gibi diğer bulanık mantık unsurlarını kullanırlar. Organizasyonların yapısal karmaşıklığını ve ortama uyumlarını hesaba katmak için bulanık ilişkileri kullanırlar Belirsizlikte hesaplama modeli. Bağımlı değişkenlerin hesaplamalarında bağımlı değişkenlerin olası varyasyonlarını görselleştirmek için bulanık aritmetik kullanır. (Espín ve Vanti, 2006)
Sonuç
Bulanık mantık veya aynı zamanda bulanık mantık olarak da adlandırılan, belirsiz veya kesin olmayan ifadeler kullanan mantıktır, bu analiz, bulanık kümeler olarak tanımlanan girdi değişkenlerinin birini veya çoklu çıktı değerleri. İdare ile ilgili uygulamalardan biri, kuruluş için stratejik kararlar alabilmek, ilk etapta nesnel konuları göz önünde bulundurarak ve kararların sonucunu etkileyen öznel özellikleri bir kenara bırakmamaktır.
Tez konusu
Bir otomobil bayisinde satış sonrası hizmette müşteri memnuniyetinin ölçülmesi için bulanık mantık modeli önerisi.
hedefler
Otomobil acentesinin müşterilerinin memnuniyet derecesine karşılık gelen bilgileri elde etmek için bir anket tasarlayın. Ankette elde edilen yanıtlara dayalı olarak bulanık kümesi gerçekleştirmek için değişkenleri tanımlayın.
Referanslar
- Espín, R. ve Vanti, A. (2006). Mantıksal yönetim: bir dış ticaret şirketinde bir vaka çalışması. administracao e contabilidade da Unisinos dergisi, 2 (2), 69-77. Guzmán, V. (2006). Mühendislikte bulanık mantık: ilkeler, uygulamalar ve gelecek. Bilim ve Teknoloji, 24 (2), 87-107 Hassan, S., Mata, M., & Garmendia, L. (sf). Bulanık mantığın yazılım aracıları ile sosyal sistemlere uygulanması. Bilgisayar biliminde matematik Keropyan, A. ve Gil-Lafuente, AM (2011). Stratejik yönetime ilişkin bulanık tabanlı bir karar modeli uygulaması. African Journal of Business Management, 5 (15), 6586-6590. Mendoza, L. (2009). Bulanık mantık sistemi. iş algısına bir uygulama. Universidad & Empresa, 17, 252-270. Pérez, I. (2007). Yeni Başlayanlar İçin Bulanık Mantık: Teori ve Uygulama. Karakas,Venezuela: UCAB.Robaina, D. (2010). Karar vermede bulanık mantık uygulandı. Industrial, 31 (2), 2-5. Torres, A. ve Tranchita, C. (2004). Çıkarım ve Olasılıksal veya Bulanık Akıl Yürütme? Mühendislik Fakültesi, 157-165.
