الاستدلال المنطقي الغامض المباشر. المشكلات الحديثة في العلم والتعليم منطق ضبابي خاتمة منطقية غامضة

تم تعريفه اعلاه ان قواعد الجبهة الاسلامية للانقاد يصاغ من قبل خبير. لكن الخبير لا يمكنه دائمًا تحديد ما إذا كان الحدث سيحدث أم لا. على سبيل المثال ، يقوم الطبيب بإجراء تشخيص معين بناءً على ملاحظاته للمريض. تتيح لك خبرة الطبيب في كثير من الحالات بدقة كبيرة تحديد مرض المريض. لكن يمكن أن يكون مخطئًا ، لذلك غالبًا ما يتم النظر في التشخيصات الأخرى.

لا يستطيع الناس دائمًا الإجابة على الأسئلة بدقة. هل يمكن معرفة درجة حرارة الشخص إذا قال إنه مريض قليلاً؟ على الأرجح لا. كلمات مثل عالية وساخنة وخفيفة المتغيرات اللغوية، والتي لا يمكن تحديدها بقيمة واحدة.

يتكون المتغير اللغوي من أسماء المتغيرات، على سبيل المثال ، معدل الفائدة وقيمه ، على سبيل المثال ، يزيد ، يسقط.

يسمى استخدام هذه المفاهيم في صياغة القواعد بالمنطق الضبابي.

يمكن النظر إلى الاستدلال الغامض على أنه امتداد للاستدلال التقليدي. في الاستدلال العادي ، يتم تطبيق بعض قواعد الاستدلال (التي يُفترض أنها صحيحة) على فرضيات معينة (والتي يُفترض أيضًا أنها صحيحة) ، مما يؤدي إلى استنتاجات تعتبر صحيحة. في الاستدلال المنطقي الغامض ، يمكن أن يكون لكل من قواعد المباني الأولية والاستدلال مستوى تعسفي من الحقيقة في النطاق من 0 إلى 1 ، على التوالي ، ويمكن أيضًا أن تكون النتائج التي تم الحصول عليها أكثر أو أقل موثوقية.

كمثال ، ضع في اعتبارك تأثير أسعار الإيجار والغذاء على مستوى معيشة الأسرة. هذا التأثير موصوف بالبيانات التالية.

1. إذا ارتفع مستوى K_P بشكل طفيف ، فإن Y_W_1 ينخفض ​​قليلاً. ( م = 0.9)

2. إذا نما K_P قليلاً ، فلن يسقط Y_L_1. ( م = 0.1) (إذا توقفوا عن الدفع)

3. إذا زاد K_P بشكل ملحوظ ، فإن Y_L_1 ينخفض ​​بشكل ملحوظ. ( م = 0.5)

4. إذا زاد K_P بشكل ملحوظ ، فلن تسقط Y_ZH_1. ( م = 0.5)

5. إذا نما C_P بشكل طفيف ، فإن Y_W_2 ينخفض ​​قليلاً. ( م = 1)

6. إذا نما C_P بشكل ملحوظ ، فإن Y_W_2 ينخفض ​​بشكل ملحوظ. ( م = 1)

7. إذا انخفض Y_L_1 قليلاً وسقط Y_L_2 قليلاً ، فإن Y_L يسقط قليلاً. ( م = 1)

8. إذا انخفض Y_L_1 قليلاً وانخفض Y_L_2 بشكل ملحوظ أو انخفض Y_L_1 بشكل ملحوظ وسقط Y_L_2 بشكل ملحوظ ، فإن Y_L_2 ينخفض ​​بشكل ملحوظ. ( م =1)

9. إذا انخفض Y_ZH_1 بشكل كبير وانخفض Y_ZH_2 بشكل ملحوظ ، فإن Y_ZH ينخفض ​​بشكل كبير. ( م = 1)

المصطلحات K_P GROWTH SLIGHTLY و K_P GREAT GROWTH غامضة ويتم التعبير عنها كنسب مئوية للنمو ص الصيغ التالية.

عند 0< ص < 2 م (K_P ينمو بشكل طفيف) = ص / 2.

في 2< ص < 4 م

في 4< ص < 10 م (K_P ينمو صغيرًا) = (10 - ص ) / 6.

في ص > 10 م (K_P ينمو قليلاً) = 1.

في ص < 5 م (K_P ينمو بشكل كبير) = 0.

في 5< ص < 15 م (K_P ينمو بشكل كبير) = ( ص - 5) / 10.

في ص > 15 م (K_P ينمو بشكل كبير) = 1.

الشروط C_P زيادة طفيفة و C_P زيادة كبيرة غامضة أيضًا ويتم التعبير عنها بواسطة الصيغ

عند 0< ص < 1 م (شحم C_P قليلًا) = ص .

في 1< ص < 5 م (C_P GROW SMALL) = (5 - ص ) / 4.

عند 0< ص < 10 م (C_P ينمو بشكل كبير) = ص / 10.

في ص > 10 م (C_P ينمو بشكل كبير) = 1.

عند استخدام منطق غامض ، لكل صيغة ، يتم إدخال مجموعة كاملة من القيم الممكنة بين 0 (FALSE) و 1 (TRUE) ، وقواعد حساب هذه القيم. تحدد القيم المحسوبة بهذه الطريقة درجة صحة الصيغ. ضع في اعتبارك المفاهيم الأساسية للمجموعة الضبابية ووظيفة العضوية.

ضع في اعتبارك مفاهيم مثل "النمو" و "السقوط". نشير هذه المفاهيم إلى متغيرات معدل الفائدة ومتغيرات RUBLE. فيما يتعلق بمتغير سعر الفائدة ، يمكن لمفهوم النمو أن يعني زيادة في مستوى الأسعار في البورصة بمقدار 10-30 نقطة وفقًا لمؤشر داو جونز ، وفيما يتعلق بمتغير الروبل ، فهذا يعني زيادة في سعر صرف الروبل مقارنة بأي عملة أخرى بنسبة 20-30 مرة. في هذا السياق ، فإن كلمة "تنمو" تسمى المعنى متغير لغوي. يمكن أن يأخذ المتغير اللغوي قيمًا مختلفة من فاصل زمني معين ، يمكن أن تتغير حدوده وفقًا للظروف. على سبيل المثال ، قد تتغير حدود الفاصل الزمني للمتغير اللغوي "بارد" اعتمادًا على ما إذا كان الشتاء أو الربيع.

إن مفهوم "السقوط" هو أيضًا متغير لغوي يستخدم في القواعد التي تصف سوق الأوراق المالية. باستخدام المتغيرات اللغوية ، يمكنك حساب قيم بعض الاحتمالات دون إثقال كاهل المستخدم بأسئلة غير ضرورية. للقيام بذلك ، من الضروري تحديد المتغيرات اللغوية إلى حد ما. يجب السماح لمستخدم النظام الخبير بإضافة تعريفات لهذه المتغيرات ، مثل الصغيرة أو المتوسطة. يمكن للمستخدم أن يحدد تقديرًا بسيطًا للروبل ، ويجب أن يعرف النظام الخبير بالضبط ما هو المقصود بهذا.

ضع في اعتبارك القاعدة:

إذا انخفضت أسعار الفائدة وانخفضت الضرائب ، فإن مستوى السعر في البورصة آخذ في الازدياد.

هذه القاعدة ليست صحيحة دائمًا ، لذا يمكنك تعيين قيمة بعض الأرقام لها م ، والتغيير من 0 إلى 1. يسمى هذا الرقم وظيفة العضوية μ.

دع وظيفة العضوية لهذه القاعدة تساوي 0.9 ، أي احتمال انخفاض أسعار الفائدة وانخفاض الضرائب ، يكون مستوى السعر في البورصة 0.9.

لكن استيفاء القاعدة يعتمد على استيفاء شروط انخفاض أسعار الفائدة وانخفاض الضرائب ، وهذا ليس هو الحال دائمًا.

اجعل دالة العضوية للمتغير اللغوي INTEREST RATES FALL تساوي 0.6 ، ودالة العضوية للمتغير اللغوي TAXES DECREASE تساوي 0.8.

ثم يمكن كتابة القاعدة على النحو التالي:

إذا انخفضت أسعار الفائدة (- 0.6) و

تنخفض الضرائب (μ - 0.8) ، ثم مستوى السعر في التبادل - زيادة (قواعد μ - 0.9)

يمكن حساب وظيفة العضوية المتمثلة في حقيقة أن مستوى السعر في البورصة سيرتفع حقًا على النحو التالي: يتم تحديد وظيفة الحد الأدنى للعضوية لشروط جزء IF من القاعدة ، مفصولة بالمعامل المنطقي AND ، ومضروبة في دالة العضوية للقاعدة بأكملها. للمثال المعطى: (الحد الأدنى (0.6، 0.8)) * 0.9 = 0.54

لذلك ، مع μ - 0.54 ، يمكننا القول أن مستوى السعر في البورصة سينخفض.

إذا كان هناك عامل OR منطقي في الجزء الشرطي من القاعدة ، فيجب اختيار μ لهذا الناتج على أنه الحد الأقصى من μ لإخراج القاعدة الأولى و μ لإخراج القاعدة الثانية. للوهلة الأولى ، يبدو كل هذا معقدًا للغاية ، لذلك دعونا نلقي نظرة على مثال. بادئ ذي بدء ، نقوم بصياغة المبادئ العامة.

1. حدد الحد الأقصى لقيمة μ من μ لشروط القاعدة ، مفصولة بعامل AND منطقي.

2 إذا كانت القاعدة تحتوي على عامل تشغيل OR ، فاختر أقصى قيمة من μ لجميع شروط القاعدة مفصولة بعامل AND لجميع الشروط المتصلة بواسطة عامل التشغيل OR.

3. اضرب المحدد μ في μ للقاعدة.

4. إذا كانت هناك عدة قواعد لها نفس الاستنتاج المنطقي ، فاختر الحد الأقصى من جميع قيم μ التي تم الحصول عليها.

ضع في اعتبارك قاعدتين لهما نفس الاستنتاج المنطقي C:

إذا أ (μ = 0.3) وب (μ = 0.6) ، ثم C (μ = 0.5)

إذا كانت D (μ = 0.4) و E (μ = 0.7) ، ثم C (μ = 0.9)

في القواعد المذكورة أعلاه ، يتم حساب μ للاستدلال C على النحو التالي:

الحد الأقصى ((الحد الأدنى (0.3،0.6) * 0.5) ، (الحد الأدنى (0.4،0.7) * 0.9)) =

الحد الأقصى (03 * 0.5) ، (0.4 * 0.9)) = الحد الأقصى (0.15،0.36) = 0.36

لنأخذ مثالاً باستخدام عامل التشغيل المنطقي OR:

إذا كان A (μ = 0.3) و B (μ = 0.6) أو D (μ = 0.5) ثم C (μ = 0.4)

في هذا المثال ، يتم حساب μ للاستدلال C على النحو التالي:

الحد الأقصى (الحد الأدنى (0.3،0.6) ، 0.5) * 0.4) = الحد الأقصى (0.3،0.5) * 0.4 = 0.5 * 0.4 = 0.2.

في كثير من الحالات ، يتم تعيين قيم الحدود لدالة العضوية مبدئيًا. يعتبر الاستنتاج المنطقي صحيحًا فقط إذا تجاوزت قيم μ قيم الحدود المحددة مسبقًا. يستمر العمل بقاعدة المعرفة طالما أن قيمة دالة عضوية الاستدلال أكبر من القيمة الحدودية. في سياق العمل ، يتم إجراء حسابات معينة. افترض أنه بالنسبة لاستنتاج معين ، فإن μ تساوي 0.4. يتم تذكر هذه القيمة. ثم تتم مقارنتها بالقيمة الحدودية μ (افترض أنها تساوي 0.8). تبين أن القيمة المخزنة أقل من القيمة الحدية ، وبالتالي يستمر العمل بقاعدة المعرفة. إذا تم العثور على نفس الاستنتاج المنطقي أثناء العمل مع قاعدة المعرفة ، μ لـ μ جديد وتتم إضافة النتيجة إلى μ المخزنة مسبقًا. تشير قيمة μ التي تساوي 1 إلى الثقة المطلقة في صحة الاستنتاج. ثم تتم مقارنة القيمة المخزنة حديثًا μ بالقيمة الحدودية ، وإذا كانت أكبر ، يتم تنفيذ استنتاج منطقي ، وإلا يستمر العمل مع قاعدة المعرفة. يمكن كتابة ما سبق باستخدام المساواة:

مخزنة μ = مخزنة مسبقًا μ + (مدرجة في قائمة μ) * μ للقاعدة الجديدة.

على سبيل المثال:

قيمة الحد μ = 0.8

القاعدة: إذا أ ثم ب (μ = 0.6)

مخزنة μ: 0.6

قاعدة جديدة: إذا كانت C ثم ب (μ = 0.7)

مخزنة μ = 0.6 + (1-0.6) * 0.7 = 0.88 (تم تجاوز القيم الحدية والمخرجات قيد التقدم).

أسئلة للفحص الذاتي للفصل 3:

1. هل يمكن أن يكون هناك عدة حالات مستهدفة في مشاكل التفكير في فضاء الدولة من البيئة؟

2. هل من الممكن حل مشكلة التفكير في فضاء الدولة للبيئة ، مع الأخذ في الاعتبار في كل خطوة إجراءين من أصل أربعة إجراءات ممكنة؟

3. هل يمكن أن تتغير الإجراءات الممكنة في عملية حل المشكلة في فضاء الدولة؟

4. عند حل مشكلة التفكير الغامض في فضاء الدولة للبيئة ، هل نحصل على إجابة حتمية أو احتمالية؟

5. هل يمكن لدالة العضوية أن تأخذ قيمة أكبر من واحد؟

اختبارات للفصل 3.

1. الغرض من البحث:

أ) إيجاد الحالة المستهدفة ، ب) إيجاد حالة وسيطة ، ج) إيجاد الحالة التالية.

2. البحث والاستنتاج والاستدلال

أ) نفس الإجراء ، ب) إجراءات مختلفة ، ج) ليس لها علاقة بالأفعال.

3. مع المنطق الضبابي ، يمكن أن يأخذ المتغير اللغوي

أ) إحدى القيمتين "صواب" أو "خطأ" ، ب) مجموعة من القيم ضمن فترة زمنية معينة ، ج) قيمة واحدة.

4. يسمى بيان المشكلة

أ) تحديد جميع الحالات الممكنة ، ب) تحديد جميع الإجراءات الممكنة ، ج) تحديد جميع الإجراءات والحالات الممكنة.

5. إذا كان هناك عامل تشغيل منطقي في الجزء الشرطي من القاعدة ، فيجب اختيار وظيفة العضوية μ للإخراج

أ) الحد الأقصى μ لاشتقاق القاعدة الأولى و μ لاشتقاق القاعدة الثانية ، ب) الحد الأدنى ، ج) وظيفة العضوية للاشتقاق لا تعتمد على وظائف العضوية لوظائف القاعدتين الأولى والثانية

حول موضوع:

"استنتاج ضبابي"

الهدف من العمل: لإتقان إجراءات تكوين المتغيرات اللغوية وتنفيذ الاستدلال المنطقي الغامض.

1. المعلومات النظرية

1.1 تسلسل تنفيذ الاستدلال الغامض

آلية الاستدلال الغامض المستخدمة في أنواع مختلفة من أنظمة الخبراء وأنظمة التحكم لها أساسًا قاعدة معرفية شكلها خبراء في مجال الموضوع في شكل مجموعة من القواعد الغامضة من النوع التالي:

P1: إذا xهنالك أ 1 ، إذن ذهنالك ب 1;

P2: إذا xهنالك أ 2 ، إذن ذهنالك ب 2;

ص ن: لو xهنالك ان، الذي - التي ذهنالك مليار دولار,

أين x- متغير لغوي الإدخال (اسم لقيم البيانات المعروفة) ؛ ذ- المتغير اللغوي الناتج (اسم قيمة البيانات المطلوب حسابها) ؛ منظمة العفو الدولية, ثنائيةهي وظائف العضوية (مجموعات فرعية ضبابية) محددة على التوالي في xو ذ; « xهنالك أ"عبارة غامضة تسمى فرضيةقواعد؛ " ذهو ب" - ندعا بيان واضح خاتمةقواعد.

مثال على هذه القاعدة:

لو سعر عالي، الذي - التي يطلب قصير.

هنا سعر- متغير المدخلات x; يطلب- قيمة الانتاج ذ; عالي, قصير- دوال العضوية (مجموعات فرعية ضبابية) محددة في مجموعات من القيم الأسعارو يطلبعلى التوالى.

في أنظمة التحكم الضبابية ، تعمل جميع القواعد في وقت واحد ، لكن درجة تأثيرها على النتيجة مختلفة. لذلك ، فإن أساس تشغيل أنظمة التحكم الضبابي هو حساب نتيجة معممة تأخذ في الاعتبار تأثير جميع القواعد.

تتكون عملية معالجة قواعد الاستدلال الغامض في أنظمة التحكم من أربع مراحل:

1. مقدمة من الضبابية(fasification). يتم تطبيق وظائف العضوية المحددة في متغيرات الإدخال على قيمها الفعلية لتحديد درجة صحة فرضية كل قاعدة.

2. استنتاج غامض.يتم تطبيق قيمة الحقيقة المحسوبة لمقدمات كل قاعدة على استنتاجات القواعد. هذا يعطي مجموعة فرعية ضبابية لمتغير الإخراج لكل قاعدة. تستخدم العمليات كقواعد للاستدلال دقيقة(حد أدنى) أو منتج(عمل). في الاستدلال المنطقي الأدنى ، تكون وظيفة العضوية لاستنتاج القاعدة "مقطوعة" بالارتفاع المقابل لدرجة الحقيقة المحسوبة لفرضية القاعدة (انظر الشكل 1). في الاستنتاج المنطقي لـ PRODUCT ، يتم استخدام درجة صحة فرضية القاعدة كمعامل يتم من خلاله مضاعفة قيم وظيفة العضوية لاستنتاج القاعدة (انظر الشكل 2).

3. تعبير. يتم دمج جميع المجموعات الفرعية الضبابية المحددة لكل متغير ناتج (في جميع القواعد) معًا لتشكيل مجموعة فرعية ضبابية واحدة لكل متغير ناتج. يستخدم هذا الاتحاد العملية الأعلى(الحد الأقصى) أو مجموع(مجموع). عند تكوين MAXIMUM ، يتم دمج وظائف العضوية لمجموعات فرعية ضبابية وفقًا للصيغة (يظهر التفسير الرسومي في الشكل 3):

https://pandia.ru/text/80/195/images/image003_177.gif "width =" 71 "height =" 23 ">

الشكل 4. تكوين SUMMA.

4. الصقل أو التحجيم(defuzzification) لنتيجة التكوين ، أي الانتقال من مجموعة فرعية ضبابية إلى قيم عددية.

يتم إجراء القياس بطرق مختلفة. التعريف الأكثر شيوعًا هو "مركز الثقل" حوظائف العضوية لمجموعة فرعية ضبابية وفقًا للصيغة (انظر الشكل 5):

https://pandia.ru/text/80/195/images/image012_79.gif "width =" 232 "height =" 60 ">.

أرز. 5. التحجيم بواسطة طريقة "مركز الثقل".

هناك طريقة أخرى للقياس وهي استخدام القيمة القصوى لدالة العضوية (انظر الشكل 6). في هذه الحالة ، يتم استخدام ثلاثة أنواع من أخذ الحد الأقصى: الأكبر من الحد الأقصى ( LOM) ، الأصغر من الحد الأقصى ( سوم) ومركز الحد الأقصى ( أم).

أرز. 6. التحجيم بواسطة طريقة "الحد الأقصى".

مثال. دع بعض الأنظمة يتم وصفها بالقواعد الغامضة التالية:

P1: إذا xهنالك أ، الذي - التي ثهنالك د,

P2: إذا ذهنالك ب، الذي - التي ثهنالك ه,

P3: إذا ضهنالك ج، الذي - التي ثهنالك F,

أين x, ذو ض- أسماء متغيرات الإدخال ، ث- اسم متغير الإخراج ، أ, ب, ج, د, ه, Fيتم منح وظائف العضوية.

تم توضيح إجراء الاستدلال الغامض في الشكل. 7.

يُفترض أن متغيرات الإدخال قد اتخذت بعض القيم المحددة (الواضحة) - x 0, ذ 0 و ض 0.

وفقًا للمراحل المذكورة أعلاه من معالجة قواعد الاستدلال الغامض ، في المرحلة 1 لهذه القيم وعلى أساس وظائف العضوية أ, ب, ج، يتم تحديد درجات الحقيقة لمتطلبات كل من القواعد الثلاثة المذكورة أعلاه (انظر الشكل 7).

في المرحلة 2 ، تكون وظائف العضوية في استنتاجات القواعد "مقطوعة" (أي ، د, ه, F) على المستويات .

في المرحلة 3 ، يتم النظر في وظائف العضوية التي تم اقتطاعها في المرحلة الثانية ويتم دمجها باستخدام العملية القصوى ، مما يؤدي إلى مجموعة فرعية ضبابية مجمعة موصوفة بواسطة وظيفة العضوية وتتوافق مع الاستنتاج المنطقي لمتغير الإخراج ث.

https://pandia.ru/text/80/195/images/image015_71.gif "width =" 53 "height =" 27 ">: .

أرز. 7. توضيح لإجراء الاستدلال الغامض.

1.2 خوارزميات الاستدلال الضبابي

دعونا نفكر في التعديلات الأكثر استخدامًا لخوارزمية الاستدلال الغامض ، على افتراض ، من أجل التبسيط ، أن قاعدة المعرفة تتضمن قاعدتين غامضتين للنموذج:

P1: إذا xهنالك أ 1 و ذهنالك ب 1 ثم ضهنالك ج 1,

P2: إذا xهنالك أ 2 و ذهنالك ب 2 ثم ضهنالك ج 2,

أين x, ذ- أسماء متغيرات الإدخال ؛ ض- اسم متغير الإخراج ؛ أ 1, أ 2, ب 1, ب 2, ج 1, ج 2 هي بعض وظائف العضوية المعطاة.

من الضروري تحديد معنى واضح ض 0 بناءً على قواعد الاستدلال المحددة والقيم الواضحة x 0, ذ 0.

1.2.1. خوارزمية ممداني

تتوافق هذه الخوارزمية مع المثال المدروس والشكل. 7. رياضيا ، يمكن وصفها على النحو التالي.

1. الغموض: يتم تحديد درجات الحقيقة لمقدمات كل قاعدة: أ 1(x 0), أ 2(x 0), ب 1(ذ 0), ب 2(ذ 0).

2. الاستدلال الغامض: يتم تحديد مستويات "القطع" للمتطلبات الأساسية لكل قاعدة باستخدام عملية MINIMUM:

https://pandia.ru/text/80/195/images/image019_59.gif "width =" 162 "height =" 25 "> ،

حيث تشير "" إلى عملية أخذ الحد الأدنى (min) ، ثم يتم حساب وظائف العضوية "المقطوعة"

https://pandia.ru/text/80/195/images/image022_54.gif "width =" 145 "height =" 28 ">.

3. التكوين: باستخدام عملية MAXIMUM ( الأعلى، يُشار إليها أيضًا باسم "") ، يتم دمج الوظائف المقطوعة التي تم العثور عليها ، ونتيجة لذلك ، يتم تحديد المجموعة الفرعية الغامضة النهائية لمتغير الإخراج مع وظيفة العضوية:

4. الصقل: العثور عليها ض 0 يحسب مركز الثقل.

1.2.2. خوارزمية تسوكاموتو

المباني الأولية هي نفسها المستخدمة في الخوارزمية السابقة ، ولكن في هذه الحالة يُفترض أن الوظائف ج 1(ض) و ج 2(ض) رتيبة. تتضمن الخوارزمية الخطوات التالية:

1. المرحلة الأولى هي نفسها الموجودة في خوارزمية ممداني.

2. في المرحلة الثانية ، أولاً (كما في خوارزمية ممداني) مستويات "القطع" و ، ثم نتيجة حل المعادلات

https://pandia.ru/text/80/195/images/image030_35.gif "width =" 126 "height =" 52 src = ">

متى نمجموعات غامضة ، يتم استخدام الصيغة التالية:

.

مثال. دعونا ، https://pandia.ru/text/80/195/images/image035_34.gif "width =" 96 "height =" 25 src = ">.

يتم تحديد درجات حقيقة المتطلبات الأساسية للقواعد على النحو التالي:

https://pandia.ru/text/80/195/images/image037_31.gif "width =" 340 "height =" 25 src = ">

والقيم و https://pandia.ru/text/80/195/images/image040_32.gif "width =" 91 "height =" 25 src = "> ،.

في نفس الوقت ، القيمة الواضحة لمتغير المخرجات (انظر الشكل 8)

الشكل 8. رسم توضيحي لخوارزمية Tsukamoto.

1.2.3. خوارزمية سوجينو

تستخدم خوارزمية Sugeno مجموعة من القواعد الغامضة بالشكل التالي:

P1: إذا xهنالك أ 1 و ذهنالك ب 1 ثم ,

P2: إذا xهنالك أ 2 و ذهنالك ب 2 ثم .

تتضمن الخوارزمية الخطوات التالية.

1. الخطوة الأولى هي نفسها الموجودة في خوارزمية ممداني.

2..gif "width =" 162 "height =" 25 src = "> ومخرجات القواعد الفردية:

https://pandia.ru/text/80/195/images/image048_26.gif "width =" 120 "height =" 27 src = ">.

3. في الخطوة الثالثة ، يتم تحديد قيمة واضحة لمتغير الإخراج بواسطة الصيغة:

https://pandia.ru/text/80/195/images/image027_43.gif "width =" 21 "height =" 25 ">:

https://pandia.ru/text/80/195/images/image019_59.gif "width =" 162 "height =" 25 "> ،

ثم مجموعات فرعية غامضة https://pandia.ru/text/80/195/images/image051_24.gif "width =" 64 "height =" 25 src = ">.

3..gif "العرض =" 205 الارتفاع = 47 "الارتفاع =" 47 ">.

4. يتم التكرير باستخدام طريقة مركز الثقل.

خوارزمية لارسن موضحة في الشكل. 9.

أرز. 9. رسم توضيحي لخوارزمية لارسن.

1.2.5. مثال الاستدلال الضبابي

ضع في اعتبارك مثالاً لمعالجة قواعد الاستدلال الغامض باستخدام خوارزمية لارسن في نظام يتحكم في مروحة مكيف هواء الغرفة.

تتمثل مهمة التكييف في الحفاظ على درجة الحرارة المثلى للهواء في الغرفة ، وتبريده عندما يكون ساخنًا وتسخينه عندما يكون باردًا. دعنا ، من خلال تغيير سرعة دوران المروحة التي تدفع الهواء عبر عنصر التبريد ، من الممكن تغيير درجة حرارة الهواء في الغرفة ، ثم يمكن ضبط خوارزمية مكيف الهواء بالقواعد التالية:

1. إذا كانت درجة حرارة الغرفة عالية ، فإن سرعة المروحة تكون عالية.

2. إذا كانت درجة حرارة الهواء في الغرفة متوسطة ، فإن سرعة المروحة تكون متوسطة.

3. إذا كانت درجة حرارة الغرفة منخفضة ، فإن سرعة المروحة تكون منخفضة.

لكي يقوم النظام بمعالجة هذه القواعد ، من الضروري تعيين وظائف العضوية لمجموعات فرعية ضبابية تحدد قيمة درجة الحرارة روسرعة المروحة الخامس. دع درجة حرارة الهواء في الغرفة تتراوح بين 0 و 60 درجة مئوية. وظيفة العضوية لمجموعة فرعية ضبابية قليل، المحددة في الفاصل الزمني لتغير درجة الحرارة ، يمكن ضبطها ، على سبيل المثال ، على النحو التالي (انظر الشكل 10). إذا كانت درجة الحرارة أقل من 12 درجة مئوية ، فهذه بالتأكيد درجة حرارة منخفضة للغرفة ( ). لا يمكن تسمية درجات الحرارة التي تزيد عن 20 درجة مئوية بأنها منخفضة ( ). في النطاق من 12 إلى 20 درجة مئوية ، تقل وظيفة العضوية خطيًا ، أي مع زيادة درجة الحرارة ، تنخفض حقيقة العبارة "درجة حرارة الهواء في الغرفة منخفضة "..gif" العرض = "249" الارتفاع = "116">

أرز. 10. مجموعة فرعية ضبابية "منخفضة" ، محددة في مجموعة قيم درجة الحرارة.

يسمح لنا التفكير المماثل بتحديد وظائف العضوية للمجموعات الفرعية المتبقية: متوسطو عالي(انظر الشكل 11 ، 12).

أرز. 11. مجموعة فرعية ضبابية "متوسط" ، محددة على مجموعة من قيم درجة الحرارة

الشكل 12. مجموعة فرعية ضبابية "عالية" ، محددة على مجموعة من قيم درجة الحرارة

نحدد مجموعات فرعية ضبابية لسرعة المروحة. فليكن متنوعًا من 0 إلى 1000 دورة في الدقيقة. المتغير التالي لتعريف وظائف العضوية لمجموعات فرعية ضبابية ممكنة قليل, متوسطو عالي(انظر الشكل 13 ، 14 ، 15):

أرز. 13. مجموعة فرعية ضبابية "منخفضة" ، محددة في المجموعة

قيم سرعة المروحة

= 28 درجة مئوية

2. التنازل عن العمل المخبري

1. وضع عرض للمتغيرات اللغوية حسب الخيار الذي حدده المعلم. يجب أن يكون تمثيل المتغيرات اللغوية واقعيًا وأن يفي بقواعد بناء مصطلحات المتغيرات اللغوية.

2. قم بصياغة قواعد الاستدلال الغامض باستخدام هذه المتغيرات.

3. إجراء استدلال غامض لقيمتين متغيرتين محددتين باستخدام خوارزميات Mamdani و Larsen في بيئة البرنامج MathCad.

4. قارن نتائجك.

5. إصدار تقرير عن العمل.

3. متغيرات التخصيصات للعمل المخبري

1. موقع الشقة (بالنسبة لمركز المدينة) ، تكلفة الشقة.

2. مدة البنك ، مصداقية البنك.

3. دخل العميل ، ثقة العميل.

4. حجم الشقة ، تكلفة الشقة.

5. رأس مال الشركة ، موثوقية الشركة.

6. عمر الشخص ، وإمكانية الحصول على وظيفة.

7. العمر الافتراضي للمنتج وحجم شرائه.

8. سعر السيارة وحجم المبيعات.

9. جودة المنتج ، حجم المبيعات.

10. جودة المنتج ، خدمة الحياة.

11. الموعد النهائي لتنفيذ الطلب ، أولوية التطبيق.

12. سرعة الحركة ، احتمال وقوع حادث.

13. جودة البضائع ، فترة الضمان.

14. عمر السيارة ، مخاطر التأمين (بالنقاط على مقياس مكون من 5 نقاط).

15. عمر السائق ، مخاطر التأمين (بالنقاط على مقياس مكون من 5 نقاط).

16. تعقيد الإصلاح (بالنقاط على مقياس مكون من 10 نقاط) ، وقت الإصلاح (بالأيام).

17. تحميل شبكة الكمبيوتر ، وقت استجابة الشبكة (وقت الإرسال).

18. تحميل شبكة الكمبيوتر ، احتمال تسليم الرسالة.

19. القرب من عقبة ، سرعة الحركة.

20. عمر الجهاز ، وموثوقية الجهاز.

21. درجة حرارة الهواء في الدفيئة ، وقت بث الدفيئة.

22. عمر الشجرة ، العائد المتوقع.

23. كمية هطول الأمطار ، العائد المتوقع.

24. السرعة القصوى للسيارة ، مخاطر التأمين (بالنقاط على مقياس مكون من 5 نقاط).

25. خبرة عمل متخصص (بالسنوات) ، احتمالية الحصول على وظيفة.

4. أسئلة التحكم

1. ما هي القاعدة الغامضة؟

2. قم بتسمية مراحل معالجة قواعد الاستدلال الغامض.

3. ما هي العمليات المستخدمة لتكوين مجموعات ضبابية؟

4. ما هي طرق التحجيم (defuzzification) المستخدمة؟

5. وصف خوارزمية ممداني.

6. وصف خوارزمية Tsukamoto.

7. وصف خوارزمية سوجينو.

8. وصف خوارزمية لارسن.

5. محتوى التقرير

2. صياغة مهام العمل المخبري.

3. وصف لتقدم العمل على كل عنصر من عناصر المهمة.

4. استنتاجات حول العمل المنجز.

الأدب

1. ، بيانات الرايخ. معالجة المعلومات الذكية. - م: الناشر ، دار المعرفة للنشر ، 2001. - 496 ص.

2. خوارزميات التحكم Anisimov: Uch. مخصص. - م: دار النشر MPEI ، 2004. - 61 ص.

يظهر الهيكل النموذجي لعملية الاستدلال الغامض في الشكل. 17.

أرز ، 17

بادئ ذي بدء ، يجب تكوين قاعدة قاعدة ، وهي مجموعة محدودة من القواعد للإنتاج الغامض. يتضمن تشكيل قاعدة القاعدة تعريف المتغيرات اللغوية للمدخلات والمخرجات ، وكذلك القواعد نفسها. المتغيرات اللغوية المدخلة هي المتغيرات اللغوية المستخدمة في الشروط الفرعية للقواعد. متغيرات المخرجات هي متغيرات مستخدمة في التضمينات الفرعية للقاعدة. يعني تعريف المتغيرات اللغوية تعريف مجموعات المصطلحات الأساسية للمتغيرات ووظائف العضوية لمجموعات المصطلحات. يتم تشكيل القواعد كما تمت مناقشته في القسم 2.4. يمكن تعيين وزن لكل قاعدة يأخذ قيمة من الفاصل الزمني. إذا لم يكن هناك وزن ، فيمكننا افتراض أن الوزن يساوي صفرًا.

مدخلات نظام الاستدلال الغامض عبارة عن متجه x * = [* ، * ، * 2 ، «؟ ** ،] من القيم الواضحة للمتغيرات اللغوية e. تحسب كتلة التشويش (am. fuzzification) درجة انتماء هذه القيم إلى مجموعات غامضة من قيم المتغيرات اللغوية. للقيام بذلك ، يجب معرفة وظائف كل مصطلح من المتغيرات اللغوية.

Fuzzification يتم بالطريقة التالية. اسمح لكل متغير لغوي إدخال q تكون قيمته الرقمية معروفة X *.يتم النظر في كل عبارة من الشروط الفرعية ، حيث يظهر المتغير g ، على سبيل المثال ، "p. هنالكمن اين نظام التشغيل (- مصطلح ذو وظيفة عضوية معروفة [لاه).معنى X *يستخدم كوسيطة // (l) ، مما ينتج عنه = q (x *). في هذه الحالة ، يمكن استخدام المعدلات. وبالتالي ، يتم حساب قيم الحقيقة لجميع الشروط الفرعية لنظام الاستدلال الغامض. يتم استبدال العبارات في الشروط الفرعية بالأرقام. عند إخراج كتلة التشويش ، يتم تكوين المتجه m = ، وهو مدخل كتلة الإخراج.

تستقبل كتلة الاستدلال الغامض عند الإدخال متجه درجة الحقيقة لجميع الشروط الفرعية تيوتحسب دالة العضوية الناتجة لقيمة المخرجات (يمكن أن يكون لنظام الاستدلال مخرجات متعددة ، وفي هذه الحالة نتحدث عن متجه الإخراج). يتضمن حساب دالة العضوية الناتجة الإجراءات التالية (توجد بين قوسين أسماء الإجراءات وفقًا للمعيار الدولي للغات البرمجة لوحدات التحكم IEC 1131 - وحدات التحكم القابلة للبرمجة. الجزء 7 - برمجة التحكم الضبابي):

• - حساب درجة حقيقة الظروف (التجميع - التجميع) ؛
• - تحديد وظائف العضوية المفعلة للاستنتاجات (تنشيط - تنشيط) ؛
• - تحديد وظائف العضوية الناتجة عن المتغيرات اللغوية الناتجة (التراكم - التراكم).

في إجراء حساب درجة صحة الشروط لكل من قواعد نظام الاستدلال الغامض (التجميع) ، يتم النظر في كل شرط من قواعد نظام الاستدلال الغامض ويتم حساب درجة صحة الشروط. البيانات الأولية هي درجة صحة الشروط الفرعية (ناقل تي) محسوبة في كتلة fuzzification. إذا كان الشرط يحتوي على بيان واحد غامض للشكل ، فإن درجة صحة الشرط تساوي درجة صحة بيان الشرط. إذا كان الشرط يتكون من شرطين فرعيين متصلين عن طريق الاقتران أو الانفصال ، يتم حساب درجة الوفاء بالشرط باستخدام معايير مثلثة (القسم 1.5). على سبيل المثال ، بالنسبة لشرط قاعدة IF "(3 ، هنالكأ "و" R 2 لديك 2 "نحصل

Xو × 2 -قيم متغيرات الإدخال n ؛ و × 2 ،

تيهو أحد مشغلي t-norm ، / و أ(خ) و م أ ،(*) - وظائف العضوية للشروط "، و أ 2.

وكذلك الحال بالنسبة لشرط القاعدة:

أين س-أحد مشغلي s-norm. إذا كان الشرط يحتوي على مجموعة من الشروط الفرعية المتصلة بالفصل والترابط ، فسيتم أولاً حساب درجات حقيقة الشروط الفرعية المرتبطة بالاقتران ، ثم عن طريق الانفصال. كالعادة ، تكسر الأقواس الترتيب. يوصى باستخدام قواعد متسقة لحساب الحقيقة. على سبيل المثال ، إذا تم استخدام عملية التقاطع الصغرى لحساب الاقتران الغامض ، فيجب استخدام عملية الاتحاد الأقصى لحساب الانفصال الغامض.

يعتمد إجراء تحديد وظائف العضوية النشطة للاستنتاجات (التنشيط) على تشغيل التضمين الغامض (القسم 2.1). بيانات الإدخال للإجراء هي درجات حقيقة شروط القواعد ووظائف العضوية لقيم المخرجات ، وبيانات الإخراج هي وظائف العضوية لجميع التضمينات الفرعية. لنفكر في مثال. دع القاعدة تكون بالصيغة IF (x = A) ثم (y = في)، وظائف العضوية ج أ(خ) و MV (y) - مثلث (الشكل 18) ، قيمة الإدخال X *\ u003d 6.5 ، درجة حقيقة الحالة / i ، f (x *) \ u003d 0.5 (انظر الشكل 18).

أرز. 18 -

نستخدم دلالة الممدية:

تم العثور على وظيفة العضوية المفعلة عمليًا للنتيجة عند استخدام ضمني ممداني ببساطة عن طريق اقتطاع وظيفة العضوية في الخاتمة Мv (y) D درجة درجة حقيقة الحالة [ل أ(x *) (الشكل 18). يمكن استخدام عوامل التضمين الغامض الأخرى.

على سبيل المثال ، تظهر نتيجة تفعيل الاستنتاج باستخدام قاعدة "المنتج" في الشكل. 19.

أرز. 19

من الناحية العملية ، خاصةً عندما تكون هناك عدة استنتاجات في القواعد ، فمن الملائم استخدام إجراء التنشيط بناءً على خوارزمية الاستدلال Mamdani (ستتم مناقشة الخوارزمية في القسم 2.6). في هذه الخوارزمية ، لكل قاعدة ، سيتم إعطاء عامل ترجيح / ^ e. ربما F / = 1 ، يتم أخذ هذه القيمة إذا لم يتم تحديد عامل الترجيح بشكل صريح. بالنسبة للتضمينات الفرعية الفردية لنفس القاعدة ، يمكن تحديد معاملات ترجيح مختلفة. يتم حساب درجة صحة جميع التضمينات الفرعية للقاعدة / بواسطة الصيغة

تنشيط وظيفة العضوية ي-يتم حساب الاستبعاد الفرعي للقاعدة / th بواسطة إحدى الصيغ بناءً على طريقة التركيب الغامض:

تفعيل دقيقة / ي *(د>) = دقيقة ( مع ص(ي ")) ؛

تنشيط المنتج // * (ص) = ج ر// (ص).

تعتبر الخوارزمية المدروسة ملائمة بشكل خاص عندما تحتوي القواعد على عدة استنتاجات فرعية للنموذج.

نظرًا لأن الاستنتاجات الفرعية المتعلقة بنفس المتغير اللغوي الناتج تنتمي عمومًا إلى قواعد مختلفة ، فمن الضروري إنشاء دالة عضوية ناتجة واحدة لكل متغير ناتج. هذا الإجراء يسمى التراكم. يتم تنفيذ التراكم عن طريق الجمع ، باستخدام أحد معايير s ، وظائف العضوية النشطة لكل متغير لغوي ناتج. نتيجة لذلك ، لكل متغير ناتج ، يتم الحصول على وظيفة عضوية واحدة ، ربما تكون في شكل معقد للغاية.

Defuzzification (الاختزال إلى التكافؤ) - إيجاد قيمة واضحة لكل متغير لغوي ناتج بمعنى معين بأفضل طريقة ، تمثل متغيرًا غامضًا. يتم تفسير الحاجة إلى إزالة اللبس من خلال حقيقة أنه ، كقاعدة عامة ، هناك حاجة إلى قيم واضحة عند إخراج نظام الاستدلال الغامض ، والتي يتم تغذيتها ، على سبيل المثال ، إلى المشغل. نظرًا لوجود معايير مختلفة لتمثيل متغير تم النقر عليه كرقم واحد ، فهناك طرق مختلفة لإلغاء اللبس. نتيجة لتحديد وظائف العضوية الناتجة عن المتغيرات اللغوية الناتجة ، يتم الحصول على وظائف العضوية الناتجة №res (ذ) -بالنسبة لوظيفة العضوية الأحادية ، فإن أبسط طريقة لإلغاء اللبس هي اختيار رقم واضح يتوافق مع الحد الأقصى لدرجة العضوية. إن تعميم هذه الطريقة على الوظائف متعددة الوسائط هما طريقتا القيمة النموذجية اليمنى واليسرى.

في طريقة القيمة النموذجية اليسرى (LM - Lost Most Maximum) ، وتسمى أيضًا طريقة الحد الأقصى الأول (FM - FirstofMaxima) ، أو الأصغر من الحد الأقصى (SOM - أصغر من الحد الأقصى) ، يتم أخذ قيمة واضحة في= دقيقة (Xر) ، أين x t -القيمة المشروطة لدالة العضوية الناتجة. بمعنى آخر ، يتم أخذ الوضع الأصغر (أقصى اليسار) كمتغير إخراج واضح.

في طريقة القيمة النموذجية الصحيحة (RM - RightMostMaximum) ، وتسمى أيضًا طريقة الحد الأقصى الأخير (LM - LastofMaxima) ، أو أكبر طريقة قصوى (LOM - أكبر حد أقصى) ، يتم أخذ قيمة واضحة في\ u003d max (x / u | ، أي أكبر (أقصى اليمين) من الأوضاع. تظهر أمثلة على إزالة الألغاز باستخدام القيم النمطية اليسرى واليمنى في الشكل 20 أ و 206.

في طريقة متوسط ​​الحد الأقصى (MM - MidleofMaxima) ، أو طريقة مركز الحد الأقصى (MOM - MeanOfMaximums) ، تم العثور على المتوسط ​​الحسابي لعناصر المجموعة الشاملة مع أقصى درجة من العضوية

أين جي- مجموعة جميع العناصر من الفاصل الزمني التي لها أقصى درجة من الانتماء إلى المجموعة الغامضة. يظهر مثال على إزالة الألغاز باستخدام متوسط ​​طريقة الحد الأقصى في الشكل. القرن ال 20

يتم إجراء عملية إزالة الحواف بواسطة طريقة مركز الثقل (CG - Center of Gravity ، Centroid) وفقًا لصيغة تحديد مركز ثقل الشكل المسطح ، مقيدًا بمحاور الإحداثيات والرسم البياني لوظيفة العضوية المحددة

أين دقيقةو الأعلىهي النقطتان اليمنى واليسرى للفاصل الزمني للناقل لمتغير الإخراج.

يظهر مثال على إزالة التشويش باستخدام طريقة مركز الثقل في الشكل. القرن ال 20

أرز. 20-أمثلة على إزالة التشويش أ) نتيجة إزالة التشويش بواسطة القيمة النمطية اليسرى لـ y = ص 1 ؛

• ب) نتيجة إزالة اللبس بطريقة القيمة النموذجية الصحيحة في = في 2 ؛
• ج) نتيجة إزالة اللغز عن طريق متوسط ​​الحد الأقصى ؛
• د) نتيجة الإزالة بواسطة طريقة مركز الثقل. Defuzzification بواسطة طريقة مركز المنطقة (CA - Center of

Area، Bisector of Area، Bisector) للعثور على مثل هذا الرقم

>’ الأعلى

لا ذماذا ي// (x) dx = ي// (x) dx. المعنى الهندسي للطريقة

تتمثل في إيجاد مثل هذه النقطة على المحور x بحيث يقسم العمود العمودي المستعاد عند هذه النقطة المنطقة الواقعة تحت منحنى دالة العضوية إلى جزأين متساويين.

1

1 "معهد يورجا التكنولوجي (فرع) التابع للمؤسسة التعليمية لميزانية الدولة الفيدرالية للتعليم المهني العالي" البحوث الوطنية بجامعة تومسك للفنون التطبيقية "

يتم تحديد أهمية عملية اختيار الموردين لمؤسسة بناء الآلات. يتم إعطاء وصف موجز لمراحل التقييم واختيار المورد. يتم إجراء تحليل الأساليب والنهج لحل هذه المشكلة. تم الكشف عن العلاقة بين مراعاة معايير معينة وكفاءة العمل مع المورد. بناءً على النموذج الضبابي الذي طوره المؤلفون ، تم إنشاء برنامج كمبيوتر "نظام معلومات لاختيار الموردين". يتيح لك البرنامج تحديد قيمة مؤشرات المورد لتقييم أدائه ، لتتبع ديناميات كل مؤشر. بالنظر إلى مجموعة من المعايير المهمة ، يتم تصنيف الموردين حسب الأولوية ، مما يسمح لصانع القرار باختيار الخيار الأنسب. يتم النظر في التنفيذ العملي في مثال مؤسسة بناء الآلات.

نظام معلومات.

الاستدلال الغامض

الخدمات اللوجستية

الموردين

مزود

1. أفونين أ. اللوجستيات الصناعية: كتاب مدرسي / أ.م. أفونين ، يو. تساريغورودتسيف ، إيه. بيتروف. - م: FORUM، 2012. - 304 ص. - (التعليم المهني).

2. Bowersox Donald J. ، كلوس ديفيد جيه. الخدمات اللوجستية: سلسلة إمداد متكاملة. - م: أوليمب بيزنس ، 2001. - 640 ص.

3. Gadzhinsky A.M. اللوجستيات: كتاب مدرسي لمؤسسات التعليم العالي والثانوي. - الطبعة الثالثة ، المنقحة. وإضافية - M.: IVTs "Marketing" 2000. - 375 صفحة.

4. Elenich A.A. تشكيل إستراتيجية لزيادة القدرة التنافسية للمنشآت الصناعية: دكتوراه. ديس. ... كان. اقتصاد ن. // المكتبة الاقتصادية [مورد الكتروني]. - وضع الوصول: http://economy-lib.com/ (تاريخ الوصول: 05.05.2013).

5. Eremina E.A. نموذج اختيار المورد الضبابي // عالم شاب. - 2011. - رقم 11. - V. 1. - S. 120-122 [مورد إلكتروني]. - وضع الوصول: http://www.moluch.ru/archive/34/3890/ (تاريخ الوصول: 05.05.2013).

6. Kanke A.A. اللوجيستيات: كتاب مدرسي / أ. كانكي ، ا. Koschevaya. - M.: KNORUS، 2011. - 320 ص. - (للعزاب).

8. اللوجستيات: كتاب مدرسي. البدل / ماجستير تشيرنيشيف و [آخرون] ؛ إد. ماجستير تشيرنيشيف. - روستوف ن / د: فينيكس ، 2009. - 459 ص. - (تعليم عالى).

9. نماذج وأساليب نظرية اللوجستيات: كتاب مدرسي. - الطبعة الثانية. / تحت. إد. ضد. لوكينسكي. - سان بطرسبرج. : بيتر ، 2008. - 448 ص. - (مسلسل "تعليمي").

10. تحديد الحاجة إلى المواد [مورد إلكتروني]. - وضع الوصول: http://coolreferat.com/. (تاريخ الوصول: 2013/05/05).

11. سيرجيف ف. الإدارة في لوجستيات الأعمال. - م: فيلين ، 1997. - 772 ص.

12. STO ISM O.4-01-2012 نظام إدارة متكامل. إدارة المشتريات.

13. لوجستيات النقل: كتاب مدرسي / محرر. إد. رطل. Myrotina. - م: امتحان 2002. - 512 ص.

مقدمة

اختيار مورد لمؤسسة تصنيع هي العملية التي تبدأ منها حركة تدفق المواد إلى المستهلك. يعد الاختيار والعمل مع الموردين لمشروع تجاري هو أساس النشاط. كقاعدة عامة ، يتم تطوير علاقات موثوقة مع الموردين على مر السنين. في مواجهة المنافسة والتطور السريع للسوق ، غالبًا ما يكون من الضروري تحديد المورد بشكل سريع وصحيح ، مما يؤدي في النهاية إلى تحقيق أكبر دخل.

يعتبر مورد المواد في سلسلة التوريد رابطًا مهمًا ، لأن تعتمد النتيجة النهائية لنشاط المؤسسة التصنيعية ودرجة رضا المستهلك النهائي إلى حد كبير على خصائص البضائع التي يقدمها. لذلك ، يواجه مدير مؤسسة التصنيع مهمة اختيار مثل هذا المورد ، وظروف التفاعل التي من شأنها أن تلبي متطلبات مؤسسة التصنيع في الوقت الحالي على أفضل وجه وتضمن استقرار هذه الظروف على المدى الطويل. لزيادة كفاءة التوريد ، من الضروري التفاعل طويل الأمد بين ممثلي الشركة المشتري والشركة الموردة. وإدراكًا لذلك ، يركز المصنعون على الحد من عدد الموردين وتحسين أنشطة عدد صغير من الموردين الرئيسيين ، مما يقلل التكاليف التي يتكبدها المورد ، والسعر الذي يدفعه المشتري ، ويحسن جودة المنتج.

في عملية دراسة إدارة المشتريات وأنشطة قسم المشتريات (MTS) للاختيار والعمل مع الموردين ، على سبيل المثال مؤسسة بناء الآلات ، تم تحديد مشكلة الاختيار الطويل وغير الفعال دائمًا للموردين ، والمعالجة الروتينية لكميات كبيرة من المعلومات بسبب عدم وجود أدوات برمجية مناسبة. يستغرق العثور على المورد المناسب وتقديم طلب ما متوسطه ثلاثة أشهر ، وأحيانًا أطول ، حتى 10 أشهر أو أكثر. المستندات - ملف تعريف المورد ، تصنيف المورد ، وما إلى ذلك ، ملفات منفصلة لكل مورد ومنتجات ، يتم جمعها في مجلدات حسب السنة. على أساسها ، من الصعب إجراء تحليل ، لتتبع فعالية العمل مع المورد في الديناميات. تتيح لك حلول SRM الحالية حل جزء كبير من مهام إدارة المشتريات واختيار الموردين. ولكن ، كقاعدة عامة ، يكون لها تكلفة عالية ، ويتم إنشاؤها في شكل وحدات من نظام تخطيط موارد المؤسسات (ERP) تم تطويره لمجال نشاط معين ، وبالتالي ، فهو متاح فقط لعدد محدود من المؤسسات. يتم تقييم الموردين في مثل هذه الأنظمة وفقًا لمجموعة محدودة من المعايير. لذلك ، في رأينا ، هناك حاجة لمثل هذه الأدوات البرمجية التي تسمح لك بمرافقة عمليات إدارة المشتريات ، جزئيًا أو كليًا بأكبر قدر من الكفاءة.

نظر المؤلفون في خيار إنشاء نظام يسمح بمراعاة عدد من المعايير المهمة في وقت واحد للمنتجات التي يقدمها المورد ، وكذلك أنشطة المؤسسة الموردة. سيؤدي استخدام نظام المعلومات هذا لقسم التوريد ، أي للوجستي أو مدير المشتريات ، إلى تقليل الوقت لاختيار المورد ، وتقييم جدوى التفاعل معه على المدى الطويل.

1. أحكام عامة بشأن اختيار المورد

على نطاق أوسع ، عند اختيار مورد ، يمكن تحديد المراحل الرئيسية التالية.

1. البحث عن الموردين المحتملين. يتم تحديد طرق البحث ومعايير الاختيار المسبق اعتمادًا على الظروف الداخلية والخارجية للمؤسسة. نتيجة لذلك ، يتم تكوين قائمة بالموردين ، يتم تحديثها واستكمالها باستمرار.

2. تحليل الموردين. يتم تحليل القائمة المجمعة للموردين المحتملين على أساس معايير خاصة ، مما يسمح باختيار الأنسب للمتطلبات. يمكن أن يكون عدد معايير الاختيار عدة عشرات وقد يختلف. نتيجة لتحليل الموردين ، يتم تشكيل قائمة بأولئك الذين يتم العمل معهم لإبرام العقود.

3. تقييم نتائج العمل مع الموردين. للتقييم ، تم تطوير مقياس خاص يسمح بحساب تصنيف المورد. إن تقييم وتحليل الموردين هو الذي يستحق نهجًا خاصًا. كما تظهر الممارسة ، يمكن أن يتوافق العديد من الموردين مع نظام المعايير المعمول بها. يتم الاختيار النهائي للمورد من قبل صانع القرار في قسم المشتريات وعادة لا يمكن إضفاء الطابع الرسمي عليه بشكل كامل.

2. طرق ونماذج لتقييم وتحليل الموردين

تتيح لنا مراجعة الأعمال المتعلقة بهذا الموضوع التمييز بين نهجين رئيسيين لتقييم وتحليل الموردين: التحليلي - باستخدام الصيغ وعدد من المعلمات التي تميز المورد) ؛ خبير - استنادًا إلى تقييمات الخبراء للمعايير وتصنيفات الموردين التي تم الحصول عليها على أساسها. في إطار هذه الأساليب ، يتم استخدام طرق مثل التحليل الذاتي للموردين ، وتقييم جوانب مختلفة من الأنشطة ، وطريقة تحديد الأولويات ، وطريقة القبول (التفضيلات) ، وطريقة تقدير التكلفة ، وطريقة الخصائص السائدة ، وما إلى ذلك. يعتمد الاختيار على مؤشرات متوسط ​​الصناعة ، ومؤشرات أي مؤسسة منافسة ، ومؤشرات مؤسسة رائدة ، ومؤشرات مؤسسة مرجعية ، ومؤشرات مؤسسة لمجموعة إستراتيجية ، ومؤشرات بأثر رجعي لمؤسسة يتم تقييمها. مع الأخذ في الاعتبار مزايا وعيوب الطرق المذكورة أعلاه ، يُقترح نموذج قائم على طريقة الاستدلال الغامض لتقييم واختيار المورد ، مما يسمح بمراعاة كل من المؤشرات النوعية والكمية ؛ لتقييم مدى ملاءمة العمل مع مورد في ظل وجود معلومات حول أنشطته وموقعه التنافسي ومنتجاته. وفقًا لهذا النموذج ، تتضمن عملية اختيار المورد الخطوات التالية: تحديد معايير تقييم المورد بواسطة خبير ؛ حساب قيم دالة العضوية ؛ تحديد مستوى رضا البدائل ؛ اختيار البديل الأفضل. من أجل تبسيط عملية اختيار الموردين ، تم تطوير نظام معلومات على أساس النموذج المقترح.

3. نظام معلومات اختيار الموردين

"نظام معلومات اختيار الموردين المستند إلى الاستدلال الغامض" مخصص لموظفي قسم اللوجستيات في مؤسسة تصنيعية ، ولوجستيين ، ومديري المشتريات ، ومديري المبيعات كأداة لدعم القرار.

تم إنشاء نظام معلومات اختيار البائع في بيئة تطوير تطبيقات Borland C ++ Builder v.6 جنبًا إلى جنب مع Access DBMS.

يتكون نظام المعلومات المطور من الوحدات الرئيسية التالية: منتجات المورد (المقصود بها تقييم المعايير المرتبطة بتقييم منتجات المورد) ، والموردين (المقصود منها تقييم أنشطة الموردين) ، والمعايير (اللازمة لتحديد قيم معايير تقييم المنتجات وأنشطة الموردين).

يبدأ العمل في البرنامج بإدخال (استيراد أو إضافة) بيانات المصطلحات ومهمة التخطيط ، ومعلومات حول الموردين ومنتجاتهم. بالإضافة إلى ذلك ، يتم تعيين المعلومات حول الموردين ، المعروضة في مجموعة المعايير الواردة في الجدول 1 ، من قبل الخبراء كمدخلات معلومات دائمة مشروطة. المدخلات ، معلومات الإخراج ، وظائف النظام مقدمة في الشكل. 1. النافذة الرئيسية في الشكل. 2. تحتوي النافذة الرئيسية على علامات تبويب للعمل مع البيانات حول الموردين ومنتجاتهم ومعايير التقييم الخاصة بهم وقواعد وتقارير إنتاج الاستدلال الغامض. تحتوي كل علامة تبويب على أوامر ، وتحتوي بدورها أيضًا على علامات تبويب فرعية خاصة بها. تم تصميم علامة التبويب "القواعد" للعمل مع قواعد الاستدلال الغامض. وبالتالي ، من الممكن وضع قواعد منفصلة للموردين وقوائم المنتجات المشتراة. نتيجة نظام المعلومات هي قائمة مرتبة لأكثر الموردين تفضيلاً. باستخدام تقرير خاص ، يمكنك تتبع ديناميكيات تصنيف المورد خلال الفترة. يتم تشكيل تقارير "قيم معايير الموردين" ، "تصنيف الموردين" ، "تقرير عن ديناميكيات المعيار" ، "تصنيف منتجات الموردين" على أساس الحسابات والمعلومات الثابتة المشروطة (الشكل 2 ، 3).

الجدول 1 - فترات قيم معايير التقييم

معيار	معنى	فاصل القيمة
	قليل
	مقبول
	عالي جدا
المرونة سياسة
شروط الدفع	غير مؤات
	أقل قبولًا
	مقبول
	الأكثر قبولًا
جودة المنتج
	مرض
توافر طاقات إنتاجية مجانية
	التمديد ممكن
مستوى الموثوقية	منخفض ، أقل
	مرض
	مقبول
النشاط التجاري للمؤسسة
	أقل من المتوسط
	فوق المتوسط
سرعة التسليم
	مرض
	مقبول

الشكل 1 - معلومات ووظائف "نظام المعلومات لاختيار مورد بناءً على طريقة الاستدلال الغامض"

الشكل 2 - علامات التبويب "الموردون" و "تسمية المنتجات"

في علامة التبويب "المعايير" ، يتم تحديد قائمة المعايير ، ويدخل الخبير قيمها. يتم إدخال قيم المعايير في قاعدة البيانات باستخدام الأمر Set Criteria Values. يتوافق كل معيار مع متغير لغوي ، يمكن تعيين شروطه باستخدام أمر "تحديد شروط المعيار" (الشكل 3). تحتوي النافذة على أوامر: "جديد" - لإضافة مصطلح جديد إلى المتغير اللغوي ، "تحرير" - لتعديل المصطلح المحدد ، "حذف" - لحذف المصطلح المحدد و "تعيين العناصر" - لاستدعاء نافذة "العناصر" ، حيث يمكنك تحديد عناصر المصطلح المحدد ووظائف العضوية الخاصة بهم.

الشكل 3 - نافذة "شروط المعيار" مستوى الموثوقية "، تقرير" تصنيف الموردين "

يتم حساب شروط المتغير اللغوي للمعيار تلقائيًا بعد النقر فوق الزر "تحديد شروط المعيار". إذا لزم الأمر ، يمكنك تحديد الشروط الجديدة ووظائف العضوية الخاصة بهم. وبالمثل ، يتم ملء بيانات معايير المنتج في علامة التبويب الفرعية "معايير المنتج". لتكوين مصطلحات المتغير اللغوي الناتج ، انتقل إلى علامة التبويب الفرعية "المتغير الناتج". يتم تعيين قواعد إنتاج الاستدلال الغامض في علامة التبويب "القواعد". يتم إنشاء تقرير تقييم المورد على أساس البيانات الواردة في التقارير: تقييم منتج المورد ، وقيم معايير المورد ، وما إلى ذلك (الشكل 4).

الشكل 4 - تقارير "نظام معلومات اختيار الموردين"

يسمح لك نظام المعلومات باختيار الخيار الأنسب للتفاعل بين المؤسسة والموردين في عملية الشراء ، وترتيب الموردين حسب الأولوية. تتمثل إحدى ميزات النظام في أن تشغيله يعتمد على طريقة الاستدلال الغامض ، والذي يسمح بحل المشكلات ذات الطابع الرسمي بشكل ضعيف ، مما يسمح بمراعاة ليس فقط المعايير الكمية ، ولكن أيضًا المعايير المعبر عنها نوعيًا. لذلك ، يمكن استخدامه كأداة لدعم القرار.

بشكل عام ، يوفر استخدام أدوات اختيار الموردين المناسبة للمؤسسة: تعريفًا واضحًا لجودة التوريدات فيما يتعلق بوحدة الإنتاج في العقد ؛ استبعاد أو تقليل عدد حالات الصراع المتعلقة بجودة المنتج ونظام التسليم ؛ تبادل المعلومات فيما يتعلق بجودة التوريدات ؛ تعظيم الاستفادة من تكاليف القبول وخفض التكاليف على مستهلك المنتجات ؛ تحسين جودة الإمدادات.

المراجعون:

كوريكوف أناتولي ميخائيلوفيتش ، دكتور في العلوم التقنية ، أستاذ ، رئيس. قسم ACS ، جامعة تومسك لأنظمة التحكم والإلكترونيات اللاسلكية ، تومسك.

سابوجكوف سيرجي بوريسوفيتش ، دكتور في العلوم التقنية ، أستاذ ، رئيس. قسم MIG UTI NITPU ، يورجا.

رابط ببليوغرافي

إيريمينا إي ، فيديرنيكوف د. نظام المعلومات لاختيار المورد على أساس طريقة الاستدلال المنطقي الضبابي // المشكلات الحديثة في العلم والتعليم. - 2013. - رقم 3 .؛
URL: http://science-education.ru/ru/article/view؟id=9317 (تاريخ الوصول: 01/04/2020). نلفت انتباهكم إلى المجلات التي تصدرها دار النشر "أكاديمية التاريخ الطبيعي".

5. المنطق الضبابي. معلومات تاريخية موجزة. جوانب المعلومات غير الكاملة

6. تعريفات المجموعات الهشة والغامضة. تعريف مجموعة ضبابية. وظيفة عضوية. أمثلة على مجموعات ضبابية منفصلة ومتصلة.

7. الخصائص الأساسية للمجموعات الضبابية. عدد غير واضح وفاصل زمني غير واضح.

* 7. الخصائص الأساسية للمجموعات الغامضة. عدد غير واضح وفاصل زمني غير واضح.

* 7. الخصائص الأساسية للمجموعات الغامضة. عدد غير واضح وفاصل زمني غير واضح.

8. مفاهيم التشويش والتشويه والمتغير اللغوي. مثال.

9. عمليات بمجموعات ضبابية (تكافؤ ، تضمين ، عملية غامضة "و" ، "أو" ، "لا").

10. تعميم عمليات التقاطع والنقابة في صنف T-Standards و s-conorms.

11. العلاقات الغامضة. قواعد التكوين (max-min) و (max-prod). أمثلة.

12. خوارزميات ضبابية. مخطط معمم لإجراء الاستدلال الغامض.

13. الخوارزميات الضبابية. طريقة الحد الأدنى (طريقة ممداني) كطريقة للاستدلال المنطقي الغامض (يجب أن يكون العرض مصحوبًا بمثال).

14. خوارزميات ضبابية. طريقة الحد الأقصى للمنتج (طريقة لارسن) كطريقة استدلال غامض (يجب أن يكون العرض التقديمي مصحوبًا بمثال).

15. طرق التشويه.

16. إجراء (مخطط) الاستدلال الغامض. مثال على الاستدلال الغامض لتنفيذ قواعد متعددة. مزايا وعيوب الأنظمة القائمة على المنطق الضبابي.

17. الشبكات العصبية الاصطناعية. ملامح من الخلايا العصبية البيولوجية. نموذج الخلايا العصبية الاصطناعية.

18. تعريف الشبكة العصبية الاصطناعية (إضافات). تصورات أحادية الطبقة ومتعددة الطبقات.

19. التصنيف الإضافية. تم حل المهام بمساعدة الشبكات العصبية.

20. المراحل الرئيسية لتحليل الشبكة العصبية. تصنيف هياكل الشبكات العصبية المعروفة حسب نوع التوصيلات ونوع التعلم وتطبيقاتها.

21. خوارزمية التعلم الخاضعة للإشراف لمدرك متعدد الطبقات

22. خوارزميات لتعلم الشبكات العصبية. خوارزمية الانتشار العكسي

23. مشاكل التعلم ns.

24. شبكات Kohonen. بيان مشكلة التكتل. خوارزمية التجميع.

25. تحويل خوارزمية التجميع لغرض التنفيذ في أساس الشبكة العصبية. هيكل شبكة Kohonen

26. خوارزمية التعلم غير الخاضعة للإشراف لشبكات Kohonen. الإجراء المعمم

27. خوارزمية التعلم غير الخاضعة للرقابة لشبكات Kohonen. طريقة الجمع المحدبة. تفسير الجرافيك

28. خرائط التنظيم الذاتي (عصير) Kohonen. ملامح عصير التعلم. خرائط البناء

29. مشاكل التعلم الإضافية

30. الخوارزميات الجينية. تعريف. ميعاد. جوهر الانتقاء الطبيعي في الطبيعة

31. المفاهيم الأساسية للخوارزميات الجينية

32. رسم تخطيطي للخوارزمية الجينية الكلاسيكية. ميزات التهيئة. مثال.

33. رسم تخطيطي للخوارزمية الجينية الكلاسيكية. اختيار الكروموسوم. طريقة الروليت. مثال.

33. رسم تخطيطي للخوارزمية الجينية الكلاسيكية. اختيار الكروموسوم. طريقة الروليت. مثال.

34. رسم تخطيطي للخوارزمية الجينية الكلاسيكية. تطبيق العوامل الجينية. مثال.

35. رسم تخطيطي للخوارزمية الجينية الكلاسيكية. التحقق من حالة التوقف هكتار.

36. مزايا الخوارزميات الجينية.

37. هجين هذه وأنواعها.

38. هيكل نظام خبير مرن.

39. منهجية تطوير الأنظمة الذكية. أنواع النماذج الأولية للأنظمة الخبيرة.

40- هيكل معمم للمراحل الرئيسية لتطوير الأنظمة الخبيرة.

1. تحديد الهوية.

2. التصور.

3. إضفاء الطابع الرسمي

4. البرمجة.

5. اختبار الاكتمال والنزاهة

16. إجراء (مخطط) الاستدلال الغامض. مثال على الاستدلال الغامض لتنفيذ قواعد متعددة. مزايا وعيوب الأنظمة القائمة على المنطق الضبابي.

التشويش هو عملية الانتقال من مجموعة واضحة إلى مجموعة ضبابية.

تجميع المتطلبات الأساسية - لكل قاعدة ، أ -قطع وتقطيع المستويات.

تفعيل القواعد - يتم التنشيط لكل من قواعدها بناءً على التنشيط الأدنى (Mamdani) ، تنشيط المنتج (Larsen)

تراكم الاستدلال - التركيب ، اتحاد المجموعات الغامضة المقطوعة التي تم العثور عليها باستخدام عملية الفصل الأقصى.

المتغير اللغوي هو متغير قيمته مصطلحات (كلمات ، عبارات في اللغة الطبيعية).

تتوافق كل قيمة لمتغير لغوي مع مجموعة ضبابية معينة مع وظيفة العضوية الخاصة بها.

نطاق المنطق الضبابي:

1) عدم كفاية أو عدم اليقين في المعرفة ، عندما يكون الحصول على المعلومات مهمة صعبة أو مستحيلة.

2) عندما تكون هناك صعوبة في معالجة المعلومات غير المؤكدة.

3) شفافية النمذجة (على عكس الشبكات العصبية).

نطاق المنطق الضبابي:

1) عند تصميم أنظمة الدعم واتخاذ القرار على أساس الأنظمة الخبيرة.

2) عند تطوير وحدات التحكم الغامضة المستخدمة في إدارة الأنظمة التقنية.

"+": 1) حل المهام ذات الطابع الرسمي الضعيف.

2) التطبيق في المجالات التي يكون من المرغوب فيها التعبير عن قيم المتغيرات في شكل لغوي.

"-": 1) مشكلة اختيار وظيفة العضوية (يتم حلها عند إنشاء أنظمة ذكية مختلطة)

2) قد تكون مجموعة القواعد المصاغة غير كاملة وغير متسقة.

16- إجراء (مخطط) الاستدلال المنطقي الغامض. مثال على الاستدلال الغامض لتنفيذ قواعد متعددة. مزايا وعيوب الأنظمة القائمة على المنطق الضبابي.

تعتمد النتيجة النهائية على اختيار طريقة البرمجة اللغوية العصبية و defuzzification.

P1: إذا كانت درجة الحرارة (T) منخفضة والرطوبة (F) متوسطة ، فإن الصمام يكون نصف مفتوح.

P2: إذا كانت درجة الحرارة (T) منخفضة والرطوبة (F) مرتفعة ، يتم إغلاق الصمام.

NLV: طريقة max-min (Mamdani) ؛

Defuzzification: طريقة متوسط ​​الحدود القصوى.

17. الشبكات العصبية الاصطناعية. ملامح من الخلايا العصبية البيولوجية. نموذج الخلايا العصبية الاصطناعية.

الشبكات العصبية هي هياكل حسابية تصمم عمليات بيولوجية بسيطة مرتبطة بشكل شائع بتلك الموجودة في الدماغ البشري. يتكون الجهاز العصبي البشري والدماغ من خلايا عصبية مترابطة بواسطة ألياف عصبية قادرة على نقل النبضات الكهربائية بين الخلايا العصبية.

الخلايا العصبية هي خلية عصبية تعالج المعلومات. يتكون من جسم (نواة وبلازما) وعمليات نوعين من الألياف العصبية - التشعبات ، والتي يتم من خلالها استقبال النبضات من محاور عصبونات أخرى ، ومحور عصبي خاص به (في النهاية يتفرع إلى ألياف) ، والذي من خلاله يمكنه نقل نبضة يولدها جسم الخلية. في نهايات الألياف توجد نقاط الاشتباك العصبي التي تؤثر على قوة الدافع. عندما يصل الدافع إلى الطرف المشبكي ، يتم إطلاق مواد كيميائية معينة تسمى غير الناقلات الأولية التي إما تثير أو تمنع قدرة العصبون المستقبل على توليد نبضات كهربائية. يمكن أن تتعلم نقاط الاشتباك العصبي اعتمادًا على نشاط العمليات التي يشاركون فيها. يمكن أن تتغير أوزان المشابك بمرور الوقت ، مما يؤدي أيضًا إلى تغيير سلوك الخلايا العصبية المقابلة.

نموذج الخلايا العصبية الاصطناعية

x 1… x n - إشارات إدخال الخلايا العصبية القادمة من الخلايا العصبية الأخرى. W 1… W n هي أوزان متشابكة.

المضاعفات (المشابك) - إجراء اتصال بين الخلايا العصبية ، وضرب إشارة الإدخال برقم يميز قوة الاتصال.

توتاليزر - إضافة إشارات قادمة من خلال اتصالات متشابكة من الخلايا العصبية الأخرى.

* 17- الشبكات العصبية الاصطناعية. ملامح من الخلايا العصبية البيولوجية. نموذج الخلايا العصبية الاصطناعية.

محول غير خطي - ينفذ دالة غير خطية لحجة واحدة - ناتج الأفعى. هذه الوظيفة تسمى وظيفة التنشيط أو وظيفة النقل الخلايا العصبية.
;

نموذج الخلايا العصبية:

1) يحسب المجموع المرجح لمدخلاته من الخلايا العصبية الأخرى.

2) هناك مشابك عصبية مثيرة ومثبطة في مدخلات الخلايا العصبية

3) عندما يتجاوز مجموع المدخلات عتبة الخلية العصبية ، يتم إنشاء إشارة خرج.

أنواع وظائف التنشيط:

1) وظيفة العتبة: النطاق (0 ؛ 1)

"+": سهولة في التنفيذ وسرعة عالية في الحساب

2) Sigmoidal (وظيفة لوجستية)

في حالة النقصان ، يصبح المقطع مسطحًا ، مع = 0 يصبح خطًا مستقيمًا.

"+": تعبير بسيط عن مشتقها ، وكذلك القدرة على تضخيم الإشارات الضعيفة بشكل أفضل من الإشارات الكبيرة ومنع التشبع من الإشارات الكبيرة.

"-": منطقة ذات قيمة صغيرة (0.1).

3) ظل زائدي: النطاق (-1،1)