1.简介
随着新技术和研究的不断发展，信息日新月异地侵扰着我们的世界，因为不可避免地是通过对信息的分析或处理来产生新信息的。
但是在所有这些信息中，有很大一部分由于缺乏准确性或准确性而无法量化。因为它的特点是模棱两可。
因此，组织在其数据库中拥有不准确的信息或更好地称为模糊信息是很正常的。因为人类习惯于用其语言术语或形容词来形容；但这在决策过程中对人类有很大帮助。
但是，在这样一个快速的世界中，人类不可能分析其组织的所有信息以在短时间内做出适当的决策。因此，该分析过程已被替换，现在可以通过计算机或软件来完成。
但是，要开发此过程，就需要实施模糊逻辑或模糊集理论。下面的文章将解释什么是模糊逻辑？
2.概念框架
2.1信息
信息是关于某种事件，事实或现象的一组数据，这些数据在给定的上下文中具有其含义，其目的可能是减少不确定性或增加对某些事物的了解（Thompson，2008）。
2.2模糊
这是一个形容词，指的是它不清楚，混乱，不准确且不具体，因为它缺乏良好的定义或确定性。
2.3模糊逻辑
模糊逻辑在模糊信息的开发和解释中起着重要作用，因此有必要知道什么是模糊逻辑？它在哪里出现？
模糊逻辑或更广为人知的模糊逻辑，在西班牙语中指模糊逻辑或启发式逻辑，用于处理缺乏准确性的知识或信息，但这并不意味着由于缺乏准确性而必须丢弃该信息。
那么，我们将引发巨大争议，因为人类处理和分析的日常生活中决策所使用的分散信息的数量令人惊讶地过高。
模糊逻辑是一种计算智能技术，试图以高度不精确的方式理解或分析信息。
所谓不精确的信息，是指由诸如“非常热”之类的表达式组成的信息，但实际上并不能使我们确切地知道正在经历多少热量。
理解人类日常使用的这种表达方式的关键在于对我们语言的量词的理解，例如：“很多”，“非常”，“稀缺”，“很少”。
模糊逻辑与常规逻辑的不同之处在于，前者处理不精确的信息，而后者仅处理定义明确且准确的信息。
最令人惊讶的是，人类确实理解使信息不精确的表达，并基于这些表达做出重要的决定。
但是，量化指标的分析是由人进行的，尽管先前的分析不能由计算机进行。
当研究人员Lofti A. Zadeh对仅具有两个选项的经典集合（酥集）的选项不满意时，这结束了：属于（1）或不属于集合（0）。
他在1965年首次描述了“模糊集”或“模糊集”。可以看出，这些集合可以部分地属于某些集合，而忽略了传统或常规逻辑。这个概念发表在文章模糊集上。
Zadeh在测试模糊集理论时建立了模糊逻辑的概念。六年后，扎迪（Zadeh）在文章“定量模糊语义学”上发表文章，他定义了构成模糊逻辑及其当前应用的要素。
应该提到的是，模糊集理论和模糊逻辑的概念一开始在欧洲就广为接受，而在美国（这是他们的摇篮），他们拒绝接受这一新发现。因为科学家对二元论以外的任何事物都持怀疑态度。
但是直到1974年，Ebrahim Mandani才首次在工业控制领域应用模糊逻辑的概念。
他是模糊控制或模糊控制系统的创造者。将其应用于调节蒸汽机。
您可以想象，曼达尼（Mandani）在应用模糊逻辑和模糊集方面的成功是计算机技术进步的结果（以前没有那么发达）。
3.模糊信息
扎德工程师认为，人们不需要逻辑或数字信息即可执行控制任务。取而代之的是，有时人们用不精确的数据来执行活动或任务更为实用。
只有这样，模糊信息才是由一组模糊数据或模糊或不清楚的数据组成的信息，这些信息不准确且无法量化，但是此类数据是定性的并且可以测量。
值得一提的是，分散的信息对于组织的发展非常重要，因为这可能会限制组织在共享或告知信息时获取真实知识，从而构成局限。
模糊或不清楚的信息的一个例子是当相互关联的数据无法量化时，一个例子如下：
在进行市场研究时，应询问问题以了解产品在消费者中的接受程度。
通过这些问题，试图了解消费者对产品的感受，这些问题与一系列的感官测试密切相关。这将导致无法测量的数据集，换句话说就是“模糊信息”，其含义不够清晰，难以理解。
应该提到的是，扩散信息不仅是无法量化的信息，还可以是在处理或分析过程中失去其真实含义的所有逻辑信息。
我们拥有分散的信息这一事实并不意味着它不能被使用或对组织没有价值;相反，这意味着我们必须将所述数据置于另一个过程中以进行分析并将其转换为逻辑，常规或传统信息。
一旦信息被转换为可量化的信息，它将为组织或个人做出良好的决策提供必要的工具。
3.1模糊集
模糊逻辑Zedah的父亲将模糊集定义为某个项目对某个集合的归属程度不确定（但以某种方式相关）的那些项目。
一个例子是一群高个子，这是一个模糊的项目。因为没有可衡量的参数使我们能够识别或知道人们在多大程度上可以被认为是高个子，所以他们属于高个子人群。
因此可以说高度限制是分散的，并且由于没有规格或属性，因此任何人都可以输入该集合。
模糊集的定义如下：话语范围U（有序）上的模糊集A是一组由数学方程式表示的对：
A = {µλ（u）/ u：uεU，µλ（u）ε}，
哪里：
µ =隶属函数
µλ =元素u对模糊集A的隶属度。
（0-1）
µλ（u）= 0表示u根本不属于模糊集A。
µλ（u）= 1表示u完全属于模糊集A
3.2模糊集的元素
一旦我们解释了分散信息在组织中的重要性和重要性，就必须了解分散信息所具有的要素。
因此，一个信息项由（Urrutia&Varas，2013）组成：
Á属性：是确定对象值的函数。
属性分为三种类型：
属性分类
类型I：指准确的或更知名的经典数据，可能已经定义了语言标签。高个子的例子。
类型II：存储经典和模糊数据的属性，是与有序参照相关的不精确数据集。
例如，标签可以是：儿童，青年，成人，以0到100为一组。
类型III：它们是与无序正常参照相关的不精确数据的属性。
例如：该属性将是头发的颜色，而引用不是按顺序排列的，或者标签将是；金发，红发和棕色。
前述属性用于创建处理模糊集的模型。
- 对象：可以是任何东西或项目。值：它是与属性相关联的参考域的子集（Garrido&Cadenas，2013）置信度：它是项目准确性的指标。
3.3模糊信息的特征
模糊信息的特点是不精确，具有高度不确定性，这两个特征之间的区别在于，不精确性与项目值有关，不确定性是项目置信度的指标。
3.4如何识别常规信息的扩散信息？
通常在信息收集阶段会获得各种信息，包括逻辑信息和分散信息，因为组织在其不同部门和环境中会生成大量信息。内部和外部。
为了确定收集过程中获得的信息是否分散，有必要考虑RosasSánchez（2012）考虑的一系列问题：
- 所获得的信息是否满足组织的需求；需要信息的合作者可以有效地查阅信息吗？信息是否具体，可靠且完全集成？是否存在重复？
3.5用于识别和提取模糊信息的工具
下面将描述的步骤顺序将用于从常规方法中识别和提取模糊信息，以便仅获取模糊信息，然后您可以处理和处理模糊信息以将其转换为逻辑信息。 。
- 指派人员分析每个活动的相关信息，在组织中开发信息管理方法时咨询专家人员，实施一种方法来收集，收集所有信息并进行结构化和排序。从层次上确定要管理的信息源，测量信息源的可靠性，实施快速阅读和选择技术以强调主要思想，并在其中识别“关键词”。内容。使用主题索引和搜索引擎。
3.6分析模糊信息的工具
一旦识别并提取了模糊信息，就必须使用其他类型的工具来执行将模糊信息分析或转换为常规信息的工作；这反过来又成为组织的知识。
3.6.1定量数据分析
定量信息通常不分散，这是因为定量信息具有一定的精确度和可靠性，并且可以测量；为防止定量信息扩散，必须采取的措施是实施有助于对数字数据集进行操作的软件，以保持其可靠性和确定性。
3.6.2定性数据分析
这些数据的分析由于缺乏确定性，可靠性以及模糊集的数据不具有有限的结构或归属而更加复杂。
换句话说，定性数据是无法测量的，因此它们使研究分析复杂化，仅仅是主观概念，知识却变得分散。
3.6.3启发式方法
启发式方法用于实现一种创新的方法来解决模糊问题，其中包括银粉法，当通过软件执行启发式方法时可以提供更好的解决方案，从而获得理想的解决方案。
3.6.4模糊逻辑
它是分析定性或不精确信息的最新方法之一。当概念根据时间和上下文具有不同含义时，将广泛使用此方法。模糊逻辑的基础是上述Zadeh提出的模糊集。
3.7基于模糊逻辑技术的系统模型
基于模糊逻辑技术的系统模型由三个模块组成（请参见图2）：
扩散
推理
广播
模糊逻辑系统
图2显示了一个系统，该系统从数据输入开始，该数据输入由一组变量组成，这些变量是根据要解决的问题的规范预先选择的。一个例子就是与城市空间交通有关的因素：人口，车辆数量，房屋，就业。
3.7.1扩散块
它具有形成模糊集的功能，根据输入的每个变量（单独输入）的归属程度，可以决定将它们放置在哪个模糊集中。
3.7.2推理块
它具有将一个命题与另一个命题的实现相关联或指示该命题的实现的功能，用pq表示，这样就可以表示……。
因此，推理块表示模糊规则，例如，如果u是A，则v是B，其中A和B是模糊集；其中uεU和vεV。
最终目标是根据隶属度将前一个块形成的模糊集转换为与输出变量关联的模糊集。
3.7.3广播块
一旦模糊集与输出变量相关联，就有必要专门表达获得的结果。
值得一提的是，此阶段可以使用三种方法进行：
削减为：包括将总价值减少到单个集合。
最大值：该集合仅具有一个最大值，如果存在不同的最大值，则需要从平均值中获取值。
重心：重心，通过求和计算得出。
输出：这些是具体结果，在示例中将是关于城市出行次数的已知或识别车辆流量。
3.8模糊信息的交流
在组织内部的任何过程中，交流都是必不可少的，而模糊信息的交流也不例外，因为有必要找到一种避免组织具有比逻辑更多的模糊信息的方法。
出于这个原因，建议一旦组织分析并量化了分散的信息，就将最终获得的特定结果告知积极或消极影响的合作者。
3.9模糊集理论的例子
篮球教练必须为他的球队选择候选人，球员必须符合的规格或参数为：身高≥1.85 m，得分16篮筐中，得分≥13（参见表1）。
表1.测试结果（D´Negri&de Vito，2006）。
测试结果
经典的解决方案只采用候选人I和F；但是，候选人E的得分为16（满分16），但身高没有上限是无法解决的。
应用模糊集的结果解决方案是不同的，您必须首先根据高度≥1.85m和得分≥13的16个篮子的集合程度为每个变量定义0到1的模糊数，最后获得以下组合：扩散逻辑。
因此，运用集合论，我们可以认识到我们得到了另一个解决方案。其中玩家E是最终解决方案的一部分，而其他经典解决方案则是2厘米的好元素。
表2.用模糊逻辑求解（D´Negri&de Vito，2006）
模糊逻辑解决方案
两种方法之间的区别在于刻度，而在经典解决方案中，刻度为0或1（属于或不属于），对于模糊集理论，解决方案的刻度介于0到1之间。扩大模糊集的隶属度（见表3）。
表3.通过经典逻辑和模糊逻辑获得的毕业等级的比较（D´Negri&de Vito，2006）。
通过经典逻辑和模糊逻辑获得的毕业量表的比较
3.9.1应用模糊逻辑在工业中应用模糊信息的例子。
日本是为解决模糊信息问题而实施模糊逻辑的国家，如下所示。
- 空调控制系统，相机中的自动对焦系统，工业控制系统的优化，手写识别系统，燃料使用的有效改进，人类行为的模拟，不精确信息（FSQL）的存储和查询。 NASA的模糊逻辑以执行复杂的操作维护系统：适用于与故障或维护相关的基础架构；称它们为桥梁，金属结构，道路，控制系统。
控制系统（例如在交通，水箱，水闸中的调节决定）。
模糊输入计算（轨道和桥梁的荷载，地震应力，边坡稳定性）。
在医学上
- 通过使用无血流登记处的动脉信号评估动脉衰老；通过登记处分类来评估糖尿病患者的机构费用；用于生物医学数据分析的模糊技术。
4。结论
就像在其他场合一样，我已经提到信息是组织内最重要的资产，并且是定义每个组织所拥有的竞争优势程度的资产。
但这并不意味着该组织仅通过拥有大量信息就可以比其他竞争对手具有竞争优势。
好吧，拥有无法衡量某个变量可能造成的影响的信息是没有用的，或者如果您未执行正确的过程因而没有足够的信息，那么拥有大量常规信息也将毫无用处高度的信任度或对100％可靠的信息的信任度，因为它会使组织的合作者在拥有的大量信息中迷失方向。
然后，组织可以拥有两种类型的信息；逻辑或常规信息（可量化的）和模糊信息，其特征在于不可量化和缺乏准确性。
但是，分散的信息对于组织非常重要，因此有必要使该信息经历一个过程，将分散的信息转换为对组织有用的具体信息，进而允许其做出正确的决策。
模糊信息的分析基于模糊逻辑。
5.论文建议：
实施模糊逻辑以确定在PEMEX Cd。Mendoza中导致最多并发管道故障的原因。
5.1目的：
将分散的信息转换为常规信息，作为应急人员的知识，以提高生产过程的效率。
6.参考书目
- 乔治亚州阿里奥拉·卡雷拉（2013年）。从http://es.scribd.com/doc/57256980/INFORMACION-DIFUSA获取（加利福尼亚州坎奇诺·维拉斯克斯）（2012年5月5日）。传播和处理分散信息。从Gestiopolis获得：http://www.gestiopolis.com/administracion-estrategia-2/comunicacion-manejo-de-informacion-difusa.htm公民，I.（2013年4月28日）。模糊集和模糊逻辑上的元素，D´Negri，CE和de Vito，EL（2006）。近似推理简介：模糊逻辑。从《阿根廷呼吸医学杂志》获得：加里多和卡德纳斯，JM（2013年4月28日）。在高斯分量混合模型中处理模糊信息，RosasSánchez，L。（2012年3月14日）。处理分散信息。决策不可或缺的工具。从Gestiopolis获得：http：// www。gestiopolis.com/administracion-estrategia-2/manejo-informacion-difusa-heráculo-indispensable-toma-decisiones.htm汤普森（I。）（2008年）。 Promonegocios。从http://www.promonegocios.net/mercadotecnia/definicion-informacion.htmlUDLAP获得。 （2013年4月29日）。扩散逻辑。从第3章获取：http：//catarina.udlap.mx/u_dl_a/tales/documentos/lmt/ramirez_r_o/capitulo3.pdfUrrutia，A.和&Varas，M.（2013年4月28日）。 UML中的扩散数据模型：广告插入建议案例。从…获取mx / u_dl_a /故事/文档/ lmt / ramirez_r_o / capitulo3.pdfUrrutia，A.，&Varas，M.（2013年4月28日）。 UML中的扩散数据模型：广告插入建议案例。从…获取mx / u_dl_a /故事/文档/ lmt / ramirez_r_o / capitulo3.pdfUrrutia，A.，&Varas，M.（2013年4月28日）。 UML中的扩散数据模型：广告插入建议案例。从…获取
