本文档从其作者Lofti Zaedeh对该背景的简要背景介绍开始讨论模糊逻辑的问题，随后介绍了分析导致这些系统生成的每个阶段的原理。包括这方面的概念，例如：不确定性和概率，标志着两者之间的主要区别。最后介绍了它在组织管理领域的应用。
关键字：模糊逻辑，不确定性，系统。
介绍
模糊逻辑产生的机会是能够运用数学将辩证逻辑思维形式化，这要归功于亚里士多德经典传统的结合，随后是具有介电逻辑的数学的转变。模糊数学早已作为计算真相标准的工具，从最假到最真的值尺度开始，产生定量结果，从而保证了最接近真相的选择。模糊逻辑理论通过数学提供，能够对人们的认知过程的不确定性进行建模。
背景
模糊逻辑一词是由Lofti Zaedeh在70年代提出的。1974年下半年，易卜拉欣·曼达尼（Ebrahim Mamdani）将模糊逻辑的概念应用于过程控制中，并创建了第一个用于调节蒸汽机的模糊控制。1985年，高木和Sugeno建立了模糊控制理论。它在过程控制中的应用在工业，医药，航空和电子领域是显而易见的。（罗拜纳，2010年）
模糊逻辑原理
模糊逻辑或模糊逻辑的英文名称是针对不精确推理模式的建模，这对于在不确定和不精确环境中进行理性决策的路径很重要。这取决于对基于不准确，不完整或不完全可靠的知识体系的问题得出接近答案的能力。模糊逻辑允许通过模糊集理论来表示数学语言中定性语言类型的常识。 （佩雷斯，2007年）
模糊逻辑的目的是识别非线性现象的结果，而不会忽略其发生的环境和定性特征。另一方面，传统的统计学和线性数学仅给出其行为和一般现象的特定或函数近似。 （Mendoza，2009年）
模糊逻辑基于每个人都不同理解的概念。例如，有些人认为体重不足70公斤的苗条身材。根据他们的观点，其他人被认为是体重超过70公斤的脂肪。这就是为什么稀薄，肥胖和肥胖的集合称为模糊集合的原因。模糊集是指边界模糊或建立不充分的集。后来，一旦将变量分类到模糊集中，便为其分配了一个值，这些值与发现问题的上下文有关。在模糊逻辑中，将成员资格的百分比分配给在数值上相同的集合。这个概念称为隶属度，可以取0到1的值; 1号，0表示集合成员身份，0表示没有集合成员身份。
可以在下表中举例说明。
扩散逻辑
表1.自己的阐述
定义了模糊集的新间隔，这称为隶属函数（µ）。选择间隔的形式时要考虑人的经验，以公斤为单位的身体状态的概念。通过隶属函数将现实世界的值转换为模糊逻辑的过程称为模糊化。
绘制一个图，其中“ y”轴是隶属度，它定量地描述了隶属度函数。在“ x”的轴上，以千克为单位。关联的名称（瘦，胖，肥胖）被称为语言意义，从质上描述了隶属度函数。隶属函数的形式根据要解决的问题情况进行选择。例如，有不同的形状：三角形，高斯形，梯形，S形等。根据隶属度函数，关联的隶属度称为隶属度（GP）。
可以从隶属函数中做出决定，这一步骤称为推理。根据问题中出现的经验或看法，这被称为模糊规则，如果……则可以用形式写成。
从进入和退出成员资格功能开始，继续以下方法：
- 推理过程。对于与被测变量相关的每个隶属度，都会得出结论。这可能是由于截断方法所致，该方法包括剪切出口隶属度函数，从而使大于关联的隶属度的值消失。或者通过缩放方法，该方法包括根据隶属度按比例缩放隶属度函数，结合模糊结论得出最终结论，最后得出的结论是defuzzyfica，也就是回到现实世界，通过使用各种技术，例如：
- 最大值的平均值，该平均值计算具有最高隶属度的所有变量的平均值。计算输出的加权平均值。
对于选择的去真菌方法，将根据满足该过程的需要和行为的方法来进行。尽管模糊逻辑的概念源于问题情况的经验，但它们的应用领域在难以进行数学预测或建模的过程中非常重要。（古兹曼，2006年）
模糊逻辑与概率
概率表示有关可能事件总数中明确事件发生频率的数据。另一方面，分散成员资格的程度表示一个事件相对于另一个事件的相似性，在另一个事件中，这些事件的特征没有得到很好的定义。
不确定
不确定性可以分为：确定性，随机性，模棱两可或不确定性，模糊性和混乱性。（Torres&Tranchita，2004）下面分别详细介绍了它们：
确定性。它是结果和事件发生的完美知识，从这一点出发，不考虑不确定性。
随机不确定性。当已知由实验引起的可能事件（例如扔硬币）时，就会发生这种情况。
模棱两可或不确定的不确定性。这是一条语句可以为真或为假的情况。在这方面，概率是凭经验，主观或实验确定的，可以根据范围而不是绝对值给出。此时，由于缺少信息，因此事件尚未指定或没有很好定义。这种模糊性使得无法确定情况的真实性或虚假性。
混乱的不确定性。这种类型具有模棱两可和模糊的特征。
如果不确定性是随机类型，则从概率角度来看，可以通过相对频率和统计分析将概率分配给不同事件来对不确定性问题进行建模。因此，我们可以获得事件发生概率的适当度量。
但是在某些情况下，从主观的角度来看这是不可能的，因为概率被认为是对事件或物体的不确定性或信念的个人量度，并且由于没有定义，因此概率不存在。这就是为什么可以对某些问题进行建模的原因，因为没有静态数据，但是可以根据人们对事件的信念来分配其可能性。贝叶斯网络和Markow链是用于建模不确定性的技术。
在模棱两可和模棱两可的情况下，不可能精确地定义陈述的真实性或虚假性，不确定性的建模是通过模糊逻辑进行的。
模糊逻辑系统
模糊逻辑系统使用推理，该推理由五个块组成，如图5所示。1.包含许多模糊规则的规则库是……。因此…，一个数据库，定义了模糊规则中使用的模糊集的隶属函数，一个决策单元，其中根据规则确定推理操作，一个广播接口它将特定的输入转换为具有语言值的等效度，并提供去模糊化界面，将推理的模糊结果转换为准确的输出。
模糊逻辑系统。（Torres&Tranchita，2004年）
根据规则的结果，有两种类型的差异化扩散模型。第一个模型是Mamdani类型系统。在这种情况下，规则的结果是隶属函数，随后，这些规则由作为最大函数的聚合算符进行评估，因此获得了模糊集，然后对其进行解扩散。
另一个模型是Tsukamoto类型，其中规则的结果是单调非递减函数。推断的十进制规则输出作为诱导的真实值减少。全局输出是每个规则的输出的加权平均值。
在两个系统中，每个规则的结果是一个输入加上一个常数项，而最终输出是每个规则的输出的加权平均值。（Torres&Tranchita，2004年）
管理中的模糊逻辑
决策制定领域的经典理性模型，例如规范决策理论，描述方法和博弈论，如今已成为决策支持系统和支持现代管理的基础。 ，但这些模型撇开了人类的主观性。逻辑行政管理使用集成的模糊模型进行决策，旨在实现组织的连贯性，可以从心理学，经济学和行政管理等不同角度来关注组织决策。对于前两者，数学模型已用于所谓的实验心理学和经济学中，它们使用有限理性的模型，这些模型试图描述人的决定方式。决策的另一个方面是通过专家系统，人工智能和不确定性编程。 （Keropyan和Gil-Lafuente，2011年）
另一方面，逻辑管理使用基于模糊逻辑的模型，该模型基于知识和基于经验和知识的工程技术来指导组织提高竞争力。分为三种模型：
- 认知模型。他们利用多价逻辑和其他模糊逻辑元素（例如修饰符）的使用，将专家知识和支持信息转换为形式模型。他们使用模糊关系来考虑组织的结构复杂性及其在环境中的适应性，不确定性下的计算模型。它使用模糊算法来可视化因变量计算中因变量的可能变化。（Espín和Vanti，2006年）
结论
模糊逻辑或也称为模糊逻辑，是使用不确定或不精确表达式的逻辑，此分析是通过组合输入变量（通过模糊集定义），通过生成一个或多个规则的规则组来进行的多个输出值。有关管理的应用程序之一是能够为组织做出战略决策，首先考虑客观问题，而不会遗留影响决策结果的主观特征。
论文题目
提出了一种模糊逻辑模型，用于量化汽车经销商的售后服务中的客户满意度。
目标
设计调查以获取与汽车代理商客户的满意度相对应的信息。根据调查中获得的响应，定义变量以进行模糊设置。
参考资料
- Espín，R.和Vanti，A.（2006）。逻辑管理：某外贸公司的案例研究。 《 Unisinos行政管理杂志》，2（2），69-77.Guzmán，V.（2006）。工程中的模糊逻辑：原理，应用和未来。 Science and Technology，24（2），87-107。Hassan，S.，Mata，M.&Garmendia，L.（sf）。模糊逻辑在具有软件代理的社交系统中的应用。 《计算机科学数学》，Keropyan，A。和Gil-Lafuente，AM（2011）。基于模糊决策模型在战略管理中的应用。 《非洲企业管理杂志》，第5卷，第15期，第6586-6590页，门多萨湖（2009年）。模糊逻辑系统。商业感知的应用。 Universidad&Empresa，17，252-270。Pérez，I.（2007）。初学者的模糊逻辑：理论与实践。加拉加斯，委内瑞拉：UCAB.Robaina，D.（2010年）。模糊逻辑应用于决策。工业，31（2），2-5。Torres，A.&Tranchita，C.（2004）。推理和概率还是模糊推理？工学院，157-165。
