تصمیم گیری حرفه ای در شرایط عدم قطعیت

 تصمیم گیری :

به طور كلي تصميم گيري يك فرآيند ذهني است كه تمام افراد بشر در سراسر زندگي خود با آن سرو كار دارند. فرآيند تصميم گيري در پرتو فرهنگ، ادراكات، اعتقاد و ارزش ها نگرش ها، شخصيت، دانش و بينش فرد صورت مي گيرد و اين عوامل بر يكديگر تأثير متقابل دارند. در مديريت معاصر تصميم گيري به عنوان فرآيند حل يك مسأله تعريف شده است و اغلب به تصميم گيري، حل مسأله نيز گفته مي شود. مي توان گفت تمام فعاليت ها و اقداماتي كه در همه زمينه ها توسط افراد بشر انجام مي شود.

برای اتخاذ یک تصميم مساعد بايد بتوان، ارزش هر يک از نتايج احتمالي را که پس از انجام تصميم او حاصل خواهد شد، پيش بيني کرده و به طور ضمني اين ارزش ها را با نوعي مقياس کمي مقايسه، و احتمال موفقيت را بررسي نمايد، که اين کار هميشه ساده نخواهد بود. تصمیم گیری از اجزای جدایی ناپذیر مدیریت به شمار می آید و در هر وظیفه مدیریت به نحوی جلوه گر است؛ در تعیین خط مش های سازمان، در تدوین هدفها، طراحی سازمان، انتخاب، ارزیابی و در تمامی اعمال مدیریت تصمیم گیری جزء اصلی و رکن اساسی است.

در هر نوع تصميم گيري دو عامل اساسي وجود دارد:

1.     ارزش نتايج حاصل از اتخاذ تصميم و اجراي آن و يا به عبارتي ارزش مورد انتظار شخص.

2.     شانس و احتمالي که در صورت اقدام، براي نيل به نتايج احتمالي مطلوب وجود خواهد داشت.

به نظر هربرت سايمون، تصميم گيري جوهر اصلي مديريت است و حتي مي توان مديريت را مترادف با آن دانست.

استفاده از مدل در تصمیمگیری

مدل های مختلفی برای پیش بینی اخذ تصمیم و تجزیه و تحلیل فعالیتهای مدیریتی وجود دارد ولی بطور کلی میتوان آنها را در چهار دسته تقسیم بندی کرد:

·                     مدل های کلامی: در مدل های کلامی ؛مدل بصورت نوشتار و در قالب عبارت وجملات بیان و تشریح می شود.

·                     مدل های ترسیمی: دراین مدل ها روابط بین متغیرها بصورت نمودار و اشکال ترسیم می گردد مانند نمودار تجزیه و تحلیل نقطه سربه سر که در تصمیم گیری مربوط به تولید بسیار کاربرد دارد.

·                     مدل های تجسمی (سه بعدی ): دراین مدل ها وضعیت فیزیکی موضوع در مقیاس معین مجسم می گردد مانند ماکت یک ساختمان یا یک کارخانه یا سالن استقرار اتومبیل.

·                     مدل های ریاضی: مدل های ریاضی روابط ریاضی بین متغیرها را نشان میدهند مانند فرمول تعیین تعداد کالا در نقطه سربه سر نوعی مدل ریاضی به شمار می آید..

طبقه بندی تصمیمها

طبقه بندی تصمیم ها کار مدیر و تحلیل گر را در انتخاب مدل ها و معیارهای تصمیم گیری و شیوه های اخذ تصمیم ساده می سازد. در این جا به دو نوع طبقه بندی اشاره خواهیم کرد.

 طبقه بندی تصمیم ها از نظر میزان اطمینان به نتایج حاصل از شقوقمختلف اخذ تصمیم:

 دراین طبقه بندی سه گروه قرار می گیرد:

o                    تصمیم گیری تحت شرایط اطمینان کامل: زمانی که تصمیم گیرنده با اطمینان کامل می داند که نتیجه یا نتایج حاصل از هر شق ممکن چیست و در چه شرایطی اتفاق خواهد افتاد. از نظر تصمیم گیری در شرایط اطمینان کامل قرار دارد.

o                    تصمیم گیری در شرایط ریسک: وقتی تصمیم گیرنده با اطمینان کامل نمی داند که نتایج حاصل از هر شق چیست ولی احتمال وقوع آنها را میداند در تحت شرایط ریسک و با مخاطره تصمیم میگیرد.

o                    تصمیم گیری در شرایط عدم اطمینان: هنگامی که تصمیم گیرنده احتمال وقوع نتایج حاصل از شقوق ممکن را نمی داند؛ او در شرایط عدم اطمینان تصمیم گیری می کند.
طبقه بندی تصمیم ها براساس مراحل:

 راه های دیگر برای طبقه بندی تصمیم گیری براساس مراحلی است که در تصمیم گیری ملاک عمل هستند که به دو دسته تقسیم می شوند

o                    تصمیم های تک مرحله ای یا ایستا: تصمیم های یکباره هستند که در آنها فقط به نتایج یک مرحله توجه می شود. درتصمیم های تک مرحله ای؛ تصمیم گیرنده مراحل بعدی و نتایج حاصل ازآنها را در نظر ندارد و قصد ش اخذ تصیم در مورد یک مسئله است که آن را ثابت فرض کرده است.

o                    در تصمیم های چند مرحله ای و دنباله دار: نظر تصمیم گیرنده معطوف به مراحل بعدی و نتایج ناشی از تصمیم اخذ شده است. در این گونه تصمیم ها هدف آن نیست که فقط در یک مرحله نتیجه خوبی حاصل شود بلكه نظر آن است که یک سلسله انتخاب ها طوری انجام مي گیرند که نتیجه کلی خوبی از مجموع آنها بدست مي آید. تصمیم های چند مرحله ای در واقع مجموعه ای از تصمیم ها هستند که ارتباط آنها با هم در نظر گرفته شده و اثرات هر تصمیم به تصمیم بعدی مورد توجه است. روش تصمیم گیری ماتریس یک تصمیم گیری تک مرحله ای است. روش درخت تصمیم گیری یک تصمیم گیری چند مرحله ای می باشد.

تصمیم گیری تحت عدم قطعیت

آشنائی و تسلط بر \”علم و هنر تصمیم گیری\” از جمله پیش نیازهای بسیارمهم مطالعات و تحقیقات اثر بخش است. بی تردید هدف نهائی از انجام چنین تحقیقاتی رسیدن به درکی عمیق تر و بهتر برای تطبیق اقدام ها با یکدیگر و حتی تطبیق اقدام ها با \”عدم اقدام\” است. اقدام هائی که نهایتا در قالب برنامه ها و طرح های مشخص و منسجم تدوین و پیاده می شوند اصولا باید بر پایه یک روش نظام مند، علمی و معتبر شناسائی، ارزیابی و انتخاب شوند. اگرچه گاهی اوقات در کنار اصطلاحات و مفاهیمی مانند تصمیم گیری و برنامه ریزی، قید هائی مانند \” تحت شرایط عدم قطعیت\” اضافه می شوند اما باید اذعان کرد که تصمیم گیری و برنامه ریزی در محیط های سرشار از آرامش، سکون، و قطعیت کامل، اگر نگوئیم کاملا بی معنی،مطمئنا غیر واقع بینانه است.

از سوی دیگر اکثر مسائل و چالش هائی که فراروی تصمیم گیران و برنامه ریزان قرار می گیرد ماهیتی چند هدفی دارند که این خود بر دشواری های تحلیلی می افزاید. در واقع بسیاری از ساده سازی های گذشته_ مثلا به این صورت بوده است که که در یک تصمیم مشخص فقط کمینه یا بیشنه سازی هزینه یا سود مهم است_ امروزه قابل قبول نبوده و ضروری است که برای مواجهه هر چه بیشتر با شرایط واقعی از روش ها و رویکردهای توسعه یافته تر بهره برد. این روش ها نگاهی جامع تر به موضوعاتی مانند تعدد آینده ها، تعدد اهداف، تغییر طرز تلقی نسبت به ریسک، و از همه مهم تر موازنه های اجتناب ناپذیر دارند.

 اکثر مدیران، فرماندهان، مهندسان، و برنامه ریزان با چارچوب کلی تصمیم گیری به خوبی آشنا هستند. همانطور  که در شکل زیر ملاحظه می شود نخست مجموعه اي متناهی از سياست ها، راهکارها، يا گزينه ها تهیه می شود (ستون L ها). البته چنین رویکردی یعنی  شناسائی گزینه ها پیش از تبیین ارزش ها در \”تفکر ارزشی\” کاملا نقد شده و کاستی های آن از لحاظ سرکوب خلاقیت و عدم شناسائی فرصت های تصمیم برجسته می شوند.

 از طرف دیگر تلاش می شود که از طریق کاربرد روش ها و تکنیک های مختلف آینده پژوهی يک مجموعه متناهي از \”وضعيت های آینده\” به دست آید (سطر X ها). سپس مقادیر درايه هاي این ماتريس  بر اساس یک \”نظام ارزشي\” تعیین می شوند. يعني مشخص می شود که اگر يک سياست، راهکار، یا گزینه خاص انتخاب شود و يک آينده خاص اتفاق بيافتد درجه مطلوبيت يا ارزش از صد درصد چقدر خواهد بود. اگر فقط بحث پول مطرح باشد ميزان خالص سود يا ضرر در نظر اکثريت ميزان مطلوبيت يا ارزش را به خوبي نشان مي دهد. اما از آنجا که فرد به جاي \”يک آينده محتمل\” با طيفي از \”آينده های باورکردنی\” مواجه مي شود \”عدم قطعيت\” بر مساله سايه مي اندازد.

اگر بتوان براي تک تک آينده ها يک احتمال منطقي و معقول برآورد کرد آنگاه انتخاب از بين مجموعه سياست ها يا راهکارها سر راست مي شود. در هر سطر مطلوبيت يا ارزش هر وضعیت آينده در احتمالش ضرب شده و مجموع حساب مي شود. آنچه که به دست مي آيد مطلوبيت يا ارزش مورد انتظار هر سياست يا راهکار است. تصميم گيرنده کافي است که در بين آنها بيشترين را انتخاب کرده و از انتخاب منطقي خود راضي بوده و از آن دفاع کند.

به طور کلی، ارکان اساسی و متغیرهای کلیدی تعریف کننده یک فضای تصمیم عبارتند از:

·                     مجموعه ای از سیاست ها، راهکارها، اقدام ها یا گزینه ها که تصمیم گیر و برنامه ریز باید از بین آنها انتخاب کند.

·                     مجموعه ای از وضعیت های آینده که رخداد آنها باور کردنی است.

·                     ترکیب های مختلف تک تک وضعیت های آینده با تک تک سیاست ها. این ترکیب ها معرف و مولد سناریو های بدیل هستند.

·                     توزیع احتمال بر روی وضعیت های آینده باورکردنی که بر اساس تحلیل اطلاعات و نظرخواهی از خبرگان تعیین می شود.

·                     اهداف، معیارها، طرز تلقی درباره ریسک، ترجیحات پایه، و موازنه های ارزشی که اساس نظام ارزشی را تشکیل می دهند. این نظام ارزشی چند معیاره یا چند هدفی میزان مطلوبیت یا ارزش پیامدهای اجرای هر سیاست را در هر وضعیت آینده تعیین می کند.

·                     یک معیار هنجاری برای تطبیق و ارزیابی سیاست ها و راهکارها و نهایتا انتخاب از بین آنها.

در هر تصمیم گیری هوشمندانه ای باید با تمرکز بر ارکان فوق مبنائی منطقی و عقلانی برای تصمیم سازی و تصمیم گیری و نهایتا تدوین و اجرای اقدام ها و برنامه ها فراهم شود. روشن است که هیچ تضمینی برای دسترسی به اطلاعات کامل درباره این متغیرهای کلیدی در تصمیم های مهمی که فراروی برنامه ریزان قرار می گیرد وجود ندارد و بنابراین شناخت و آگاهی کامل و کافی از این متغیرهای کلیدی در دنیای واقعی بسیار دشوار است. به هر حال باید به کمک روش ها و ابزارهای موجود به درکی عمیق و جامع از تک تک این متغیرهای دست یافت.

هر چقدر اطلاعات درباره فضای تصمیم کمتر باشد عدم قطعیت ها نیز بيشتر و عمیق تر می شود. مثلا اگر عملا هيچ برآوردي درباره توزیع احتمال بر روی وضعيت هاي آينده ميسر نباشد تصميم گيري در شرايط \”عدم قطعيت عميق\” (Deep Uncertainty) مطرح مي شود. مانند شکل زير که سطر دوم، یعنی توزیع احتمال وضعیت های آینده، از آن حذف شده است.

به طور کلی \”عدم قطعیت عمیق\” زمانی وجود دارد که تحلیل گران موارد زیر را نمی دانند یا نمی توانند درباره آنها به توافق برسند:

 1- مدل های مناسب برای نشان دادن چگونگی تولید مجموعه وضعیت های آینده، مجموعه سیاست ها، و روابط بین آنها

2- توزیع های احتمال

3- نظام ارزشی

 همانطور که ملاحظه می شود در جدول بالا فرض شده است که هنوز درجه هاي مطلوبيت يا ارزش، مجموعه وضعيت هاي آينده، و همچنين مجموعه سياست ها و پیامدهای ترکیب اینها کاملا روشن و متناهي هستند. اما به خاطر نداشتن توزيع احتمالات، محاسبه مطلوبيت يا ارزش مورد انتظار بهينه ميسر نيست. تصميم گيرنده به ناچار بايد در جست و جوي معياري جديد باشد که نهايتا بتواند از انتخاب خود دفاع کند.

بعضي از اين معيارها عبارتند از:

Max-Best: يعني فرد در هر سطر بيشترين f را پیدا کند. وقتي به ازای هر سیاست یا راهکار بیشترین f مشخص شد نهايتا موردي انتخاب مي شود که در بين بيشترين ها بيشترين باشد. اين در واقع معياري است که افراد ريسک پذير به آن گرايش زيادي دارند.

Satisficing: يعني فرد يک سطح تراز تعريف کند. اين سطح به عنوان کف مطلوبيت شناخته مي شود. سپس در هر سطر تعداد مواردي که مساوي يا بيشتر از اين کف مطلوبيت هستند شمارش مي شوند. وقتي به ازاي هر سياست يا راهکار اين تعداد مشخص شد نهايتا سطري انتخاب مي شود که بيشترين تعداد را داشته باشد. اين معياري است که اکثر انسان هاي موفق و البته محافظه کار هنگام مواجهه با عدم قطعيت عميق از آن استفاده مي کنند و در واقع نشان دهنده ترکيب \”رضايت و کفايت\” است.

Absolute Regret: يعني فرد پيش خود فکر کند که بعدا در آينده چقدر افسوس مي خورد. مثلا شايد در ستون X1 بيشترين مطلوبيت يا ارزش ممکن با سياست يا راهکار Lj متناظر باشد. اما اگر فرد Li را انتخاب کرده باشد و وضعيت آينده X1 اتفاق بيافتد افسوس مي خورد که اي کاش Lj را انتخاب مي کرد. در نتيجه در هر ستون تفاوت بين مطلوبيت يا ارزش سياست يا راهکار منتخب با بيشترين حالت ممکن ستون، تاسف مطلق را نشان مي دهد. براي تشکيل ماتريس تاسف هاي مطلق کافي است که در هر ستون بيشترين مورد مشخص شود و به آن صفر نسبت داده شود و سپس در درايه هاي بالا و پائين آن تفاوت ها يادداشت شود. آنگاه مي توان به ازاي هر سياست يا راهکار مشخص (‌يعني در هر سطر) بيشترين تاسف مطلق را بر روي مجموعه وضعيت هاي آينده پيدا کرد. نهايتا موردي انتخاب مي شود که در بين بيشترين تاسف هاي مطلق، تاسف کمتري از بقيه داشته باشد.

Relative Regret: منطق حکم مي کند وقتي شما در معامله اي که حداکثر سود آن ۲۰ ميليون تومان است صد هزار تومان ضرر مي کنيد کمتر افسوس مي خوريد تا زماني که در معامله اي که حداکثر سود آن دويست هزار تومان است همان مقدار صد هزار تومان ضرر مي کنيد. روشن است که در هر دو حالت تاسف مطلق يکسان است اما مهم اين است که بدانيم اين تاسف نسبت به چه مقدار پايه اي محاسبه شده است. بنابراين بايد پس از محاسبه تفاوت ها، آنها بر بيشترين مقدار ممکن تقسيم شوند تا نشانگر اين واقعيت ساده باشند که تاسف نسبي قوي تر از تاسف مطلق است. وقتي به ازاي هر سياست يا راهکار مشخص بيشترين تاسف نسبي به دست آمد مشابه حالت قبلي موردي انتخاب مي شود که در بين بيشترين تاسف هاي نسبي، تاسف نسبي کمتري از بقيه داشته باشد.

Satisficing Relative Regret: اين معيار که در واقع ترکيبي است از معيار دوم با معيار قبلي تلاش مي کند که فضاي تصميم فرد را به اصطلاح جارو کند و کانون توجه و بنابراين انتخاب را فقط معطوف به بيشترين تاسف هاي نسبي نکند. همانطور که در معيار Satisficing یک سطح تراز تعریف می شود در اینجا نیز برای تاسف نسبی یک سطح تراز تعریف می شود. این سطح در واقع یک سقف برای تاسف نسبی است. در هر سطر تعداد موارد تاسف هاي نسبي که مساوي يا کمتر از اين سقف هستند شمارش مي شوند. وقتي به ازاي هر سياست يا راهکار اين تعداد مشخص شد نهايتا موردي انتخاب مي شود که بيشترين تعداد را داشته باشد. یا بر عکس، در هر سطر تعداد مواردی که مساوی یا بیشتر از این سقف هستند شمارش می شوند. وقتی به ازای هر سیاست یا راهکار این تعداد مشخص شد نهایتا موردی انتخاب می شود که کمترین تعداد را داشته باشد.

در بین معیارهای بالا، آخرین معیار یعنی SRR به پابرجائی تصمیم کمک بیشتری می کند و البته فرد را از پذيرش ریسک زياد براي رسيدن به بهترين منافع ممکن باز می دارد. ولي در صورت کاربرد اين معيار خاص می توان امیدوار بود که \”صرف نظر از اینکه کدام یک از وضعیت های آینده رخ خواهند داد تاسف نسبی از حد مشخصي بیشتر نخواهد شد.\”

اگر نتوان مجموعه وضعیت های آینده یا مجموعه سیاست ها را روشن ساخت و مرز هاي آنها را تعيين کرد آنگاه پيدا کردن يک معيار مناسب براي تصميم گيري دشوار تر و عدم قطعیت عمیق تر مي شود. یکی از چالش های برنامه ریزی برای افق های درازمدت نیز ندانستن مجموعه وضعیت های آینده است. همچنین اگر فرد یا گروه تصمیم گیرنده مجموعه همه سياست ها، راهکارها، يا گزينه ها را پيشاپيش نداند آنگاه نمي تواند تاسف هاي نسبي خود را تعيين کند. البته گذشت زمان و همچنين امکان مواجهه با سياست يا راهکار جديد خوبي که قبلا آن را نمي دانسته است از یک سو و امکان مواجهه با یک وضعیت آینده شگفتی ساز از سوی دیگر به هر حال اين تاسف نسبي را تعيين خواهد کرد.

تعریف سیستمهای فازی و انواع آن
واژه فازی در فرهنگ لغت آکسفورد به صورت مبهم، گنگ و نادقیق تعریف شده است. نظریة مجموعه های فازی، شرایط عدم اطمینان ،قادر است بسیاری از مفاهیم و متغیرها و سیستم هایی را که نادقیق هستند، صورتبندی ریاضی ببخشد و زمینه را برای استدلال، استنتاج، کنترل و تصمیم گیری در شرایط عدم اطمینان فراهم آورد.
منطق فازی: نوعی از منطق بی نهایت مقداره و در حقیقت یک ابتکار برای بیان رفتار مطلوب سیستم ها با استفاده از زبان روزمره می باشد. در واقع منطآنها در یک مورد هیچ تردیدی نداشتند و آن اینکه هر پدیده ای یا\”درست\” است یا \”نادرست\” .
منطق فازی، یک جهان بینی جدید است که به رغم ریشه داشتن در فرهنگ مشرق زمین با نیازهای دنیای پیچیده امروز بسیار سازگارتر از منطق ارسطویی است. منطق فازی جهان را آن طور که هست به تصویر می کشد. بدیهی است چون ذهن ما با منطق ارسطویی پرورش یافته، برای درک مفاهیم فازی در ابتدا باید کمی تامل کنیم، ولی وقتی آن را شناختیم، دیگر نمی توانیم به سادگی آن را فراموش کنیم. دنیایی که ما در آن زندگی می کنیم، دنیای مبهمات و عدم قطعیت است. مغز انسان عادت کرده است که در چنین محیطی فکر کند و تصمیم بگیرد و این قابلیت مغز که می تواند با استفاده از داده های نادقیق و کیفی به یادگیری و نتیجه گیری بپردازد، در مقابل منطق ارسطویی که لازمه آن داده های دقیق و کمی است، قابل تامل است.
● تاریخچه منطقفازی
زمانی که در سال ۱۹۶۵ پروفسور لطفی زاده، استاد ایرانی الاصل دانشگاه برکلی، اولین مقاله خود را در زمینه فازی تحت عنوان مجموعه های فازی (FUZZY TEST) منتشر کرد، هیچ کس باور نداشت که این جرقه ای خواهد بود که دنیای ریاضیات را به طور کلی تغییر دهد.
گرچه در دهه ۱۹۷۰ و اوایل دهه ۱۹۸۰ مخالفان جدی برای نظریه فازی وجود داشت، اما امروزه هیچ کس نمیتواند ارزشهای منطق فازی و کنترلهای فازی را منکر شود. زمینه های پژوهش و تحقیق در نظریه فازی بسیار گسترده می باشد.

● مجموعه های فاز
اگر بخواهیم نظریه مجموعه های فازی را توضیح دهیم، باید بگوییم نظریه ای است برای اقدام در شرایط عدم اطمینان است.

این نظریه قادر است بسیاری از مفاهیم و متغیرها و سیستم هایی را که نادقیق و مبهم هستند، صورتبندی ریاضی ببخشد و زمینه را برای استدلال، استنتاج، کنترل و تصمیم گیری در شرایط عدم اطمینان فراهم آورد.
پر واضح است که بسیاری از تصمیمات و اقدامات ما در شرایط عدم اطمینان است و حالتهای واضح غیر مبهم بسیار نادر و کمیاب می باشند. نظریهٔ مجموعه های فازی به شاخه های مختلفی تقسیم شده است.

پرفسور لطفی زاده در سال ۱۹۶۲ چیزی را بدین مضمون برای سیستم های بیولوژیک نوشت: ما اساساً به نوع جدید ریاضیات نیازمندیم؛ ریاضیات مقادیر مبهم یا فازی که توسط توزیع های احتمالات قابل توصیف نیستند. وی فعالیت خویش در نظریه فازی را در مقالهای با عنوان «مجموعه های فازی» تجسم بخشید. مباحث بسیاری در مورد مجموعه های فازی به وجود آمد و ریاضیدانان معتقد بودند نظریه احتمالات برای حل مسائلی که نظریه فازی ادعای حل بهتر آن را دارد، کفایت می کند.
دههٔ ۱۹۶۰ دههٔ چالش کشیدن و انکار نظریه فازی بود و هیچ یک از مراکز تحقیقاتی، نظریه فازی را به عنوان یک زمینه تحقیق جدی نگرفتند. اما در دههٔ ۱۹۷۰، به کاربردهای عملی نظریه فازی توجه شد و دیدگاههای شک برانگیز درباره ماهیت وجودی نظریه فازی مرتفع شد.
استاد لطفی زاده پس از معرفی مجموعهٔ فازی در سال ۱۹۶۵، مفاهیم الگوریتم فازی را در سال ۱۹۶۸، تصمیم گیری فازی را در سال ۱۹۷۰ و ترتیب فازی را در سال ۱۹۷۱ ارائه نمود. ایشان در سال ۱۹۷۳ اساس کار کنترل فازی را بنا کرد این مبحث باعث تولد کنترل کننده های فازی برای سیستمهای واقعی بود؛ ممدانی (Mamdani) و آسیلیان (Assilian) چهارچوب اولیه ای را برای کنترل کننده فازی مشخص کردند. در سال ۱۹۷۸ هومبلاد (Holmblad) و اوسترگارد(Ostergaard) اولین کنترل کننده فازی را برای کنترل یک فرایند صنعتی به کار بردند که از این تاریخ، با کاربرد نظریه فازی در سیستمهای واقعی، دیدگاه شک برانگیز درباره ماهیت وجودی این نظریه کاملاً متزلزل شد.
دههٔ ۱۹۸۰ از لحاظ نظری، پیشرفت کندی داشت؛ اما کاربرد کنترل فازی باعث دوام نظریه فازی شد.
هیچ اندیشیده اید که کشور ژاپن چرا گوی سبقت را در تولید لوازم الکترونیک هوشمند از دیگر همتایانش ربوده ست؟ …مهندسان ژاپنی به سرعت دریافتند که کنترل کننده های فازی به سهولت قابل طراحی بوده و در مورد بسیاری مسائل می توان از آنها استفاده کرد.
به علت اینکه کنترل فازی به یک مدل ریاضی نیاز ندارد، می توان آن را در مورد بسیاری از سیستم هایی که به وسیلهٔ نظریه کنترل متعارف قابل پیاده سازی نیستند، به کار برد..
● سیستمهای فازی چگونه سیستمهایی هستند؟
سیستم های فازی، سیستم های مبتنی بر دانشق فازی یک منطق پیوسته است که از استدلال تقریبی بشر الگو برداری کرده است.
این منطق حدود چهل سال پیش در آمریکا، توسط پرفسور لطفی زاده پایه ریزی شد و برای اولین بار در سال ۱۹۷۴ در اروپا برای تنظیم دستگاه تولید بخار، در یک نیروگاه، کاربرد عملی پیدا کرد. با پیشرفت چشمگیر ژاپن در عرصه وسایل الکترونیکی، در سال ۱۹۹۰ کلمه \”فازی\” در آن کشور به عنوان \”کلمه سال\” شناخته شد.

شاید بتوان با دو رنگ سیاه و سفید مثال بهتری ارائه داد. اگر در ریاضی، دو رنگ سیاه و سفید را صفر و یک تصور کنیم، منطق ریاضی، طیفی به جز این دو رنگ سفید و سیاه نمی بیند و نمی شناسد. ولی در مجموعه های نامعین منطق فازی، بین دو رنگ سیاه و سفید مجموعه ای از طیف های خاکستری هم لحاظ می شود و به این طریق فصل مشترک ساده ای بین انسان و کامپیوتر بوجود می آید.
این باور به سیاه و سفیدها، (صفر و یک ها) و این نظام دو ارزشی به گذشته دور باز می گردد و حداقل به یونان قدیم و زمان ارسطو می رسد. البته قبل از ارسطو نوعی ذهنیت فلسفی وجود داشت که به ایمان دودویی با شک و تردید می نگریست. بودا در هند، پنج قرن قبل از مسیح و تقریباً دو قرن قبل از ارسطو زندگی می کرد. اولین قدم در سیستم اعتقادی او، گریز از جهان سیاه و سفید و برداشتن این حجاب دو ارزشی بود، نگریستن به جهان به همان صورتی که هست. از دید بودا جهان را باید سراسر تناقض دید، جهانی که چیزها و ناچیزها در آن وجود دارد. در آن گل های رز هم «سرخ» هستند و هم «غیرسرخ.»
منطق ارسطو اساس ریاضیات کلاسیک را تشکیل می دهد. براساس اصول و مبانی این منطق، همه چیز تنها مشمول یک قاعده ثابت می شود که به موجب آن: «آن چیز درست است یا نادرست».

دانشمندان نیز بر همین اساس به تحلیل دنیای خود می پرداختند. گرچه آنها همیشه مطمئن نبودند که چه چیزی درست است و چه چیزی نادرست و گرچه درباره درستی یا نادرستی یک پدیده مشخص، ممکن بود دچار تردید شوند.البته  یا قواعد می باشند؛ قلب یک سیستم فازی یک پایگاه دانش است که از قواعد فازی تشکیل شده است.
در اولین نگاه به اطراف خود به سادگی می توانید مجموعه ای از این دستگاه ها و لوازم را در خانه و محل کار خود بیابید. منطق فازی تعمیمی از منطق دو ارزشی متداول است و درحالیکه در منطق دودویی جایی برای واژه هایی همچون \”کم\”، \”زیاد\”،\”اندکی\”،\”بسیار\” و… که پایه های اندیشه واستدلال های معمولی انسان را تشکیل می دهند وجود ندارد، روش فازی برمبنای بکارگیری همین عبارات زبانی است.بعنوان مثال، مساله رعایت فاصله با خودروی جلویی در هنگام رانندگی را در نظر می گیریم، جهت تنظیم این فاصله هنگام مواجه شدن با خودروی روبرو \”اگر جاده لغزنده باشد ، باید فاصله را زیاد می کنیم\” و \” اگر سرعت خوردرو کم باشد ، می توانیم فاصله را کم می کنیم\” و \”اگر هوا تاریک باشد ، فاصله را زیاد می کنیم\” که غالبا به هنگام رانندگی امکان اندازه گیری دقیق میزان سرعت خودرو ، تاریکی جاده ، لغزندگی جاده و نظیر آن به منظور محاسبه مقادیر فاصله مطلوب وجود ندارد ، درنتیجه جهت طراحی سیستم ترمز موثر خودرو بر پایه منطق فازی، عباراتی مثل تاریکی کم یا زیاد ، سرعت کم یا زیاد ولغزندگی کم یا زیاد و… را بعنوان متغیرهای ورودی و عباراتی همچون \” فاصله کم یا زیاد\” را مشابه آنچه در مغز انسان برای تصمیم گیری رخ می دهد را بعنوان متغیر خروجی بکار می بندیم.

امروزه هیچ دستگاه الکترونیکی، از جمله وسایل خانگی، بدون کاربرد این منطق در ساختار فنی خود ساخته نمی شود.

بسط و گسترش منطق فازی و تئوری مجموعه های فازی بدلیل ابهام و عدم قطعیتی بوده که در مسائل پیرامون ما وجود دارد و به همین جهت در منطق فازی (علی رغم منطق دو ارزشی) گستره ای از ارزشها تعریف شده است تا ما قادر باشیم احساسات و تفکراتمان را بدون ابهام به مخاطبان خود انتقال دهیم .بدون اغراق زندگی روزمره ما آمیخته با مفهوم فازی است ، یعنی بطور ناخودآگاه از عباراتی استفاده می کنیم که برای مخاطب دقیقا مشخص نیست.

بعبارت ساده تر، مفهوم کلمه یا عبارت به تنهایی ممکن است واضح و روشن باشد ، اما زمانیکه از آن بعنوان معیاری در تعیین اعضای یک مجموعه ریاضی استفاده می شود ، شاید نتوان بطور قاطع شیء را به آن نسبت داد و بالعکس.
با این اوصاف :
الف) ما تا چه حد قادریم احساسات و تفکراتمان را بدون ابهام به مخاطبان خود انتقال دهیم و تا چه حد آن چیزی که بیان می کنیم دقیقا همان خواسته ذهنی ما بوده است؟
ب) چقدر درک مخاطب از جمله ما ، با آنچه که مقصود ما بوده همخوانی داشته است؟
این دو سوال ۲ مفهوم متفاوت و درعین حال اساسی در مبحث فازی را بیان می کنند. بطور کلی برای برقراری ارتباط با محیط اطراف ، ما از یک \”زبان طبیعی\” استفاده می کنیم و از آنجاکه قدرت تفکر همواره فراتر از توان پیاده سازی آن با یک زبان است برای بسیاری از مفاهیم ذهنی معادل دقیقی در دامنه لغات زبان وجود ندارد.
برای سوال دوم هم باید گفت که عوامل مختلفی در برداشت و درک افراد از یک مفهوم مشخص اثرگذار است .فرضا در عبارت \”هوای سرد\” با توجه به مکان زندگی ، فرهنگ ، حساسیت فرد به سرما و… تعابیر مختلفی برای فرد از عبارت \”سردی\” قابل تعریف است که لزوما با شخص دیگر در مکان دیگر برابر نیست، زیرا سردی هوا از نظر افراد مختلف داری درجات متفاوتی است.کسی که در قطب زندگی می کند دمای ۱۵- را سرد می داند درحالیکه برای فرد ساکن استوا دمای ۵+ درجه هم ممکن است سرد تلقی شود.

این تفاوت درک افراد از یک موضوع یکسان چگونه قابل توجیه است؟
برای پاسخ به این سوال ابتدا باید مفهوم و جایگاه واژه \”سردی\” در دنیای پیرامون ما تعریف و مشخص شود .این نکته همان چیزی است که پروفسور لطفی زاده در سال ۱۹۷۳ تحت عنوان متغیرهای زبانی به آن اشاره کرد، متغیرهایی که عدد نیستند بلکه مقادیرآنها حروف و لغات هستند و با مدلسازی مجموعه ای برای متغیر زبانی \”سردی\” (در واقع تئوری مجموعه های فازی) سعی در توصیف آن نموده و به هرکدام از دماهای مختلف (x) ، یک \”درجه عضویت\”(µ) نسبت می دهیم که بیان کننده میزان تعلق آن عضو به مجموعه است و بین بازه بسته ۰ و ۱ متغیر است:
در نتیجه در تئوری مجموعه فازی A در مجموعه مرجع U بصورت زوج مرتب زیر است

: A = { (x,µ(x))|xЄ A}
یعنی دیگر نمی توان بطور دقیق عنصری از U را به مجموعه A نسبت داد و چون مرزی که در انتساب اعضا به وجود می آید(به دلیل درک مختلف افراد از آن عبارت ) حالت غیر قطعی و غیر دقیق به خود می گیرد، توابع عضویت در تعیین درجات عضویت نقشی اساسی ایفا می کنند .

برای مثال برای مجموعه فازی با عنوان \”سردی\” دمای ۱۰- با درجه ۰.۸ به این مجموعه تخصیص می یابد در حالیکه دمای ۵+ دارای درجه عضویت ۰.۴ در این مجموعه است.با توجه به این درجه عضویتها می توان فهمید دمای ۱۰- سردتر از ۵+ است زیرا میزان تعلق آن به مجموعه فازی \”سردی\” بیشتر است.
همانند مجموعه های کلاسیک، اگر درجه عضویت عنصری به مجموعه فازی صفر باشد ، آن عنصر به مجموعه تعلق ندارد و درجه عضویت یک نشان می دهد که عنصر دقیقا عضو مجموعه است.بهر حال در تئوری fuzzyابهام در مفهوم توصیف کننده ها و گزاره های بیان کننده شرائط سیستم وجود دارد و توجه کنید که کلیه مباحث ما مربوط به این نوع عدم قطعیت است، بویژه زمانیکه در خصوص تصمیم گیری و یا ارزیابی یک سیستم یا فرآیند تحت کنترل صحبت می کنیم.
به عنوان نمونه عبارت \” سال مالی موفق \” را در نظر بگیرید. برای بعضی شرکتها ، سال اقتصادی موفق یعنی اینکه نسبت به سال قبل سود بیشتری بدست آورند اما برای برخی دیگر یعنی اینکه از ورشکستگی رهایی یابند! و…

در نتیجه عبارت فوق الذکر یک گزاره وابسته به نحوه عملکرد شرکتهای مختلف است وبرخلاف عبارت \” سردی هوا\” ذاتا لغتی فازی محسوب نمی شود.
بدلیل ماهیت منطق فازی و تئوری مجموعه های فازی ، زمینه های کاربردی گسترده ای در علوم مهندسی و حتی اجتماعی و اقتصادی برای آن بوجود آمده است.یکسری از انجمنهای فعال در زمینه منطق و تکنولوژی فازی عبارتند از :Japan Soceity Fuzzy Theory and Systems(SOFT) ,Laboratory for International Fuzzy Engineering Research(LIFER)
● آشنایی با منطق فازی
منطق فازی عبارتست از \”استدلال با مجموعه های فازی\”. در منطق فازی به جای دو ارزشی بودن ، ما طیفی از ارزشها را در بازه بسته صفر و یک خواهیم داشت. با این طیف می توان عدم قطعیت را به خوبی نمایش داد .

تمایز عمده منطق فازی با منطق چند ارزشی آن است که در منطق فازی مفهوم یک عبارت هم می تواند مبهم باشد(مانند سردی هوا) . در منطق فازی می توانیم جملاتی را که معمولا در محاورات روزانه در تحلیل مسائل استفاده می کنیم از قبیل \”کاملا درست است\” ،\”کم و بیش درست است\”، \”تا حدی نادرست است\” و… را بکار بندیم . بطور کلی منطقها بعنوان پایه برهان به ۳ بخش متمایز مقادیر درستی (Truth Values), عملگرها(operators) و فرآیند استدلال (reasoning) تقسیم می شوند.
برای نمونه عملگر OR برای دو ورودی منطق دودویی (با مقادیر درستی صفر و یک) به شکل زیر است:
OR B A
۱ ۱ ۱
۱ ۰ ۱
۱ ۱ ۰
۰ ۰ ۰
و برای فرآیند استدلالی به شرح زیر ما جدول متناسب را رسم نمودیم:
Modus Ponens : (A ^ (A → B) )→B
B ^ A → B B A
۱ ۱ ۱ ۱ ۱
۱ ۰ ۰ ۰ ۱
۱ ۰ ۱ ۱ ۰
۱ ۰ ۱ ۰ ۰
این استدلالها مربوط به منطق دودویی است ، در حالیکه منطق فازی بسطی از منطق چند ارزشی بر پایه تئوری مجموعه هاست که در آن مقادیر درستی بجای صفر و یک متغیرهای زبانی هستند.
تئوری مجموعه های فازی:
در ابتدای کار به منظور یاد آوری به مجموعه های کلاسیک اشاره خواهیم داشت. یک مجموعه کلاسیک بعنوان یک مجموعه ای از اشیاء با اجزایA Є x تعریف می شود.در واقع تابع مشخصه ای وجود دارد که برای هر x متعلق به مجموعه مرجع U مقدار µ(x) را بررسی می کند، تا مشخص شود که آن x متعلق به A است یا خیر:
۱ , if and onlyif xЄ A
A ۰ , if and onlyif x
بعبارت دیگر گزاره xЄ A یا درست است ویا غلط .چنین مجموعه ای به اشکال مختلف قابل تعریف است:
۱_ می تواند لیست عناصری باشد که به مجموعه متعلقند.
۲_توصیف مجموعه با بیان شرط عضویت{A={x|x<5
۳_ تعریف عناصر بوسیله یک تابع مشخصه که در آن \”۱\” نشانه عضویت و \”۰\” نشانه عدم عضویت است.
اما زمانیکه تابع مشخصه می تواند مقادیر پیوسته ای در [۰,۱] را به خود اختصاص دهد آنگاه

µ(x): U →[0, 1]
دیگر نمیتوان بطور دقیق عضوی از U را به مجموعه A نسبت داد یا بالعکس ، بلکه برای هر x یک \”درجه عضویت\” تعریف می شود ، مثلا وقتی گفته می شود درجه عضویت x در مجموعه A برابر ۰.۸ است ، حاکیست که امکان تعلق x به این مجموعه بیش از امکان عدم تعلق آنست .این نکته پایه تئوری مجموعه های فازی است و عمل تخصیص درجه عضویت نیز بر عهده توابع عضویت می باشد.