Fuzzy System
سیستم های فازی
سیستمهای فازی مجموعهای از مدلهای ریاضی و منطقی هستند که بر پایه منطق فازی (Fuzzy Logic) کار میکنند. این سیستمها برخلاف سیستمهای سنتی قطعی (که بر اساس منطق دو ارزشی “صفر و یک” عمل میکنند)، میتوانند عدم قطعیت و دادههای نادقیق را پردازش کنند.
سیستم های فازی چیست ؟
سیستم های فازی یک چارچوب ریاضی است که با مفهوم عدم قطعیت و عدم دقت در مسائل دنیای واقعی سروکار دارد. آنها برای تقلید از شهود انسان طراحی شدهاند که به آنها اجازه میدهد در محیطهایی که ممکن است سیستمهای سنتی شکست بخورند، به طور موثر عمل کنند. رویکرد سیستم های فازی به ویژه در شرایطی که متغیرهای متعدد وجود دارد و روابط بین آنها کاملاً واضح نیست ، مفید است.
سیستم های فازی زیرمجموعه ای از هوش مصنوعی هستند و منطق فازی شکلی است که با گنجاندن درجاتی از درستی یا نادرستی در فرآیند استدلال خود، امکان قضاوت و تصمیم گیری دقیق تری را فراهم می کند. سیستم های فازی از منطق فازی برای تجزیه و تحلیل داده هایی که ناقص، مبهم یا نامطمئن هستند استفاده می کنند.
اجزای اصلی یک سیستم فازی
فازیساز
Fuzzifier
فازیساز مقدار عددی ورودی را به یک مقدار فازی تبدیل میکند تا سیستم بتواند با دادههای نادقیق کار کند. این کار معمولاً با استفاده از توابع عضویت مانند مثلثی، ذوزنقهای یا گوسی انجام میشود.
پایگاه قواعد فازی
Fuzzy Rule Base
این بخش شامل مجموعهای از قوانین اگر-آنگاه (IF-THEN) است که نحوه واکنش سیستم را مشخص میکند. این قوانین بر اساس دانش خبره یا تجربیات قبلی تعریف میشوند.
موتور استنتاج فازی
Fuzzy Inference Engine
این بخش با استفاده از پایگاه قواعد، مقادیر فازی ورودی را پردازش کرده و یک خروجی فازی تولید میکند. برای این کار از روشهایی مانند ممدانی (Mamdani) و سوگنو (Sugeno) استفاده میشود.
دیفازیساز
Defuzzifier
دیفازیساز خروجی فازی را به یک مقدار عدد قطعی تبدیل میکند که در دنیای واقعی قابل استفاده باشد. روشهای مختلفی مانند مرکز ثقل (Centroid) و میانگین بیشینهها (Mean of Maximums) برای این تبدیل استفاده میشوند.
ایده اصلی در پس سیستم های فازی این است که با گنجاندن عدم دقت و ابهام در فرآیند تصمیم گیری، استدلال انعطاف پذیرتر و شبیه انسان را امکان پذیر کند. این امر باعث میشود که سیستمهای فازی در شرایطی که منطق سنتی و تکنیکهای تصمیمگیری کافی نباشد، مفید باشد.
سیستم های فازی از منطق فازی برای نمایش و پردازش دادههایی استفاده میکنند که دقیقاً تعریف نشدهاند و امکان تصمیمگیری انعطافپذیرتر و سازگارتر را فراهم میکنند. یکی از کاربردهای کلیدی سیستم های فازی در سیستم های کنترل است که در آن برای کنترل طیف وسیعی از فرآیندهای صنعتی استفاده می شود. سیستم های فازی همچنین می توانند در سیستم های تشخیص الگو، طبقه بندی داده ها و سیستم های پشتیبانی تصمیم به کار گرفته شوند. علاوه بر این، در توسعه سیستمهای استدلال خودکار مورد استفاده قرار میگیرند، جایی که میتوانند با ارائه یک روش شهودی و طبیعیتر استدلال به فرآیند تصمیمگیری کمک کنند.
مقدمهای بر منطق فازی
منطق فازی توسط لطفی زاده، دانشمند ایرانی-آمریکایی، در سال ۱۹۶۵ معرفی شد. در منطق کلاسیک، که معمولاً به آن منطق بولی یا باینری گفته میشود، هر عبارت میتواند فقط یکی از دو حالت را بپذیرد: درست (۱) یا غلط (۰). اما در منطق فازی، این محدودیت وجود ندارد و هر عبارت میتواند یک مقدار عضویت بین ۰ و ۱ داشته باشد. این اجازه میدهد که اطلاعات به شکل دقیقتری مدلسازی شوند.
منطق فازی به جای دو حالت “درست” یا “غلط”، از مجموعهای از مقادیر درجهای استفاده میکند که میتواند بیانگر میزان صحت یک وضعیت باشد. این منطق به سیستمها این امکان را میدهد که به طور انعطافپذیرتری با اطلاعات ناقص و غیرقطعی کار کنند.
خصوصیات منطق فازی
مزایای سیستمهای فازی در تصمیمگیری پیچیده
یکی از مزیت های کلیدی سیستم های فازی توانایی آنها در مدیریت داده های غیر دقیق و نامطمئن است. برخلاف سیستمهای سنتی که بر منطق باینری (درست یا نادرست) متکی هستند، سیستمهای فازی از درجاتی از عضویت برای توصیف میزان تعلق یک چیز به یک دسته خاص استفاده میکنند. این امکان انعطاف بیشتر در تصمیم گیری و ارزیابی دقیق تری از موقعیت های پیچیده را فراهم می کند. علاوه بر این، سیستم های فازی را می توان به راحتی با سیستم های موجود ادغام کرد و ترکیب آنها را در برنامه های مختلف آسان می کند. همچنین درک و پیاده سازی آن ها آسان است و برای طیف وسیعی از کاربران، از مبتدی تا متخصص، قابل دسترسی است. به طور کلی، مزایای سیستم های فازی آنها را به ابزاری ارزشمند برای حل مسائل پیچیده و تصمیم گیری آگاهانه در صنایع مختلف تبدیل می کند.
مزایای کلیدی سیستمهای فازی
سیستمهای فازی با مدیریت عدم قطعیت، انعطافپذیری بالا و مدلسازی شهودی، راهکاری قدرتمند برای تصمیمگیری هوشمند ارائه میدهند.
مدیریت عدم قطعیت
توانایی پردازش دادههای مبهم و نادقیق.
انعطافپذیری بالا
امکان تغییر و افزودن قوانین بدون نیاز به تغییرات بزرگ در سیستم.
مدلسازی ساده و شهودی
استفاده از قوانین "اگر-آنگاه" شبیه به تفکر انسان.
عدم نیاز به مدل ریاضی دقیق
قابلیت حل مسائل پیچیده بدون نیاز به معادلات پیچیده.
مقاومت در برابر نویز
سیستم در برابر تغییرات کوچک ورودی حساسیت کمتری دارد.
قابلیت ترکیب با سایر روشها
توانایی ادغام با شبکههای عصبی، الگوریتمهای بهینهسازی و یادگیری ماشین.
کاربردهای سیستم های فازی
برای هر دستور یا عمل مکانیکی، الکترومغناطیسی یا نرم افزاری و غیره که برای آن فرمول یا دستورالعمل مطلق و شفاف ریاضی وجود نداشته باشد و بخصوص زمانی که دستور کار بوسیله جملات انشاء شده باشد، نرم افزار متکی به منطق فازی راه گشا بوده و کارآمد است.
- هدایت و کنترل تاسیسات پویا (ماشین لباس شویی، قطار، آسانسور، جرثقیل، ترمز ABS، کنترل خودکار هواپیما، …)
- دستگاه های صوتی و تصویری
- موتورهای جست و جو
- روباتیک
- مهندسی پزشکی
- تجهیزات پزشکی
- کنترل تاسیسات
- ریسک شناسی
- کارهای آماری و ارزیابی جهت تصمیم گیری مدیران
برخی از مشتریان شرکت :
