在公司中做出决策是很少有勇气可以承担的责任，也就是说，有勇气，知识和决定告诉或标记一个完整的组织必须遵循的路线。毫无疑问，这是一项巨大的责任，因为成千上万甚至数百万比索的投资，工作和生计为许多家庭，甚至一个人的生计都依赖它。
这就是为什么任何公司或组织都不会轻易做出决定，或者不考虑可能涉及的所有因素，以及对将来可能构成风险或问题的所有因素进行决策的原因。
模糊的世界决策制定公司现在，考虑到要制定这些决策的人，他们必须经过培训的专业人员，他们具有不同的技能和态度，具有不同的发展技能。这些技能之一就是能够量化无法量化的东西。但这怎么可能呢？正是在这一刻，模糊逻辑开始发挥作用，即使很难克服现有的障碍，也可以正确，清晰，准确地传输和接收信息或知识。
通常，可以提到的是，漫射信息允许为最初不存在的方面提供一定的可量化值。这是因为，如开始时所提到的，公司无法承受不代表某种程度可靠性的路径，这是因为没有给他们的建议赋予价值的领域非常多。很难闯入。
当前，模糊逻辑因其在现代工业中的大量应用，从工业过程和系统中反映出来的应用，自动演绎人工智能设备的发展以及电子元件的构造而获得了价值。一般用于家庭使用或娱乐。
数值和非数值解释。
该语言充满了人类可以理解的一些单词或概念，但是例如，如果它想被机器人或人工设备解释，则将具有不同的解释障碍。这就是为什么有两种方法引用某些特定特征的原因
非数值方法
在对数量和不同特征进行解释和定量时，可以提及一些非数值近似，其使用的推理更接近于通常的定性。在这种分类中，研究最多的方法之一是默认推理，它指的是规则系统的结论是有效的，直到找到更好的理由相信某件事为止（González，2011年）。
存在多种方法，其中可以突出显示概率方法系列，这些方法仅将数字值（可以是置信度）与0和1之间相关联，以使关于表达式。这样，当一个句子或一个表达式的概率为0.7时，这并不意味着它是70％正确，而是对表达式有70％的置信度。分配给概率的值在很大程度上取决于可用的证据。 Dempster-Shafer理论使用由值间隔给出的置信度，以便可以表示所获得的知识。同样，有几个概率族，描述技术，包括精确和近似方法（确定性因素）
模糊逻辑。
与上面的评论有关，可以提到模糊逻辑与推理方法属于近似和非概率类别，因为它可以定义为多元逻辑的扩展，极大地促进了逻辑的发展。定性信息建模只是粗略的。当前取得成功或成名的原因是，它有可能解决高度复杂且定义不明确的问题，如果尝试使用传统方法解决这些问题，则很难解决。
作者González（2011）将模糊逻辑定义为：
“这是多元逻辑，可以表示数学上的不确定性和模糊性，提供了对其进行处理的正式工具”
它是一种工具，它允许建立映射，在该映射中，可以通过提供一组输入变量（即输入空间）来解决出现的任何类型的有问题的情况，以便获得适合该问题的值。输出变量，即输出空间。
历史背景。
这样的“模糊逻辑”一词于1974年首次使用，如今已广泛使用，因为它涉及对模糊集，if-then规则，模糊算术，量词等进行分组的理论。 。
Lofti A. Zadeh是该概念的创造者，因为在他的建议中，提出了模糊逻辑，作为一种处理信息的方式，可以在一定程度上将数据关联部分属于集合。如上所述，正是在1970年代中期，这一理论才广为人知，并开始应用于控制系统。在演讲的第一部分中，即他的第一阶段（1965年至1974年之间），扎迪提到了模糊集的一般概念及其相关的隶属函数，该函数采用单位间隔中的值。在此阶段，没有深入提及与该表示相关的推理机制和逻辑。
在第二阶段，即1972年至200年之间，引入了两个重要的概念：语言变量和if-then规则（if-then）的概念。当前，模糊集的绝大多数应用程序都使用这些概念，由于第二阶段概念的发展，模糊控制应用程序得到了迅速发展。
发展的第三阶段是从1996年至今，模糊逻辑的重点是使用自然语言过程搜索Internet并开发自动响应，从而利用单词进行计算。如今，有各种各样的研究领域在各个应用领域中广泛地占据了模糊逻辑的理论。
使用分散信息。
信息和知识是与学习过程紧密相关的要素，可以轻松分为四个主要阶段：
- 阶段1
无能-无意识。
- 第二阶段
无权同意。
- 第三阶段
胜任力
- 阶段4
竞争无意识
现在，在此学习过程中，可以提到的是，数据或信息始终存在，作为可以以某种含义存储的最小元素以及与特定上下文有关的信息。当执行和处理它时，它是信息的开始。数据集将始终面向一端，因此现在可以称为信息。现在，可以根据文本的类型对该信息进行分类，以便进行呈现。为了真正获得信息并将其付诸实践，将其转化为知识，必须通过不同的心理过程，将其与以前拥有的信息进行比较，并找到共同点或明显差异，将定义新的职位或先前的知识。
模糊逻辑和经典逻辑之间的对比。
在不同的逻辑上有很多地方会发生冲突，但是，对于一个特定的问题，可能是这两者的一部分，或者是两者的结合。在传统的集合论中，将作为集合的成员定义为布尔谓词，而在模糊集合论中，将作为集合的成员表示为可能性的分布。模糊逻辑具有强大的数学基础，主要是在不同的集合理论中，这些理论提供了模仿人类逻辑行为的可能性。
该模糊信息主要用于表示不精确，模棱两可或含糊不清的信息，即，起初没有办法以无法量化的具体方式对其进行定义。它用于对布尔逻辑定义之外的概念执行操作。通过使用模糊逻辑，子集可以用真假程度来表示。
两种逻辑之间最鲜明的对比如下：
基本特征。
模糊逻辑具有一些特性，使其成为一种非常具体的方法，因为它遵循诸如不兼容原理之类的原理，该原理提到不能以完全精确的方式对复杂系统的行为进行描述。为了解决此问题，Zadeh提出了获得一些能够严格可靠地处理不准确信息的工具或策略的需求，这些工具或策略具有以下特定特征：
- 信息表示不正确。
这是因为提出了使用模糊集理论。以及通过“ if，then”类型的条件命题描述复杂系统在其输入和输出关系中的经验。
- 关于不正确信息的推断。
您需要一种可以合并所拥有信息的方法，以便获得新的事实。为此，作者确立了对通用推理方法的需求，并介绍了所谓的组成推理规则。
- 确切的推理。
可以将其视为近似推理的一种特殊情况，因为任何逻辑系统都可以被模糊化。通过模糊逻辑，可以以系统的方式表达人类知识，并且可以轻松地将其包含在工程系统中。
- 模糊约束。
由于必须占据一个近似值，因此能够定义难以获得精确模型的系统时，模糊系统特别有趣。
- 推论
这可以看作是模糊约束编程过程。
- 决定
它广泛用于决策支持系统。模糊逻辑允许获得具有不完整值或不确定信息的决策。
模糊集。
模糊集是一种可以包含部分隶属度的元素的方法，与经典逻辑不同，模糊逻辑中的元素可能属于也可能不属于所述集。在这种规模下，可以处理中间点以及与之进行比较的元素周围的某些影响，以确定元素或设备的特性。
会员功能。
它是确定集合元素的归属程度的曲线。它由希腊字母µ表示，可以假定为介于0和1之间的值。
在一组经典逻辑中，将具有以下图形：（请参阅PDF）
图1.经典逻辑的使用（Gonzales，2011年）
在具有模糊集的系统中，将找到以下图形：（请参阅PDF）
图2.模糊集的使用（Gonzales，2011年）
话语世界。
这是变量可以采用的一组值。我们将要考虑的这组元素。还必须了解它是一个模糊变量，实际上，它是基于人类感知而不是基于精确测量值的任何值。
结论。
通过看到某些过程在某种程度上相反，这个概念很容易适应。也就是说，首先，该技术基于自主执行测量和控制过程的基础，也就是说，机器，系统或过程由于其特定的特性而可以检测出可以检测到的元素或产品。符合或不符合是好是坏，发生了什么或没有发生什么。
但是，现在不仅要寻求两个固定的参数，而且还要以一种更加“人性化”的方式来理解所有可以用来做出决定的不同参数。
但是，为了能够将其包含到系统，过程，机器人或某些数字元素中，它必须具有高度的开发和理解能力，这就是引入模糊逻辑的原因。
一个新概念，它允许开发有助于决策的策略或工具，并且可以克服可能出现的障碍。
论文提案
根据组织中出现的需求，基于模糊逻辑的系统的实现。
目的
在公司内部使用完全分散的方法评估，开发和实施满足特定需求规格的系统或过程。
谢谢
特别感谢Orizaba技术学院，教授行政管理基础知识课程的Fernando Aguirre yHernández教授，感谢他与学生分享的所有知识以及促进学习文化的行政管理硕士学位。还要感谢CONACYT提供的支持以及它通过不同的计划为研究生提供的机会领域。
书目参考
- GUILLERMO ALFREDO ARRIOJA CARRERA。（2011）。分散信息的管理。墨西哥Orizaba：ITO，Guillermo Morales-Luna。（2002）。墨西哥扩散逻辑学简介：CINVESTAV-IPN.JP Aurrand-Lions，L。Fournier，P。Jarri等。模糊控制在ISIS车辆制动中的应用。在《模糊与神经元系统论丛》和《车辆应用》（1991年）中，LA Zadeh。模糊集。信息与控制，8：338-353，1965。LA Zadeh。概述了一种复杂系统分析的新方法。IEEE关于系统人与控制论的交易，1973年1月28-44日，TomásArredondo Vidal。（2014）。模糊逻辑简介。墨西哥。
