سیستم خبره فازی (Fuzzy Expert System) سامانهای است که با ترکیب دانش تخصصی و منطق فازی، تصمیمگیری در شرایط مبهم و غیرقطعی را ممکن میسازد. در دنیای واقعی که دادهها همیشه دقیق، کامل و شفاف نیستند، چنین سیستمی برای تحلیل درست و قابلاتکا ضروری است. این نوشتار بهطور کامل و علمی تمام جنبههای این فناوری را توضیح میدهد؛ نظر به اهمیت موضوع در این نوشتار، «سیستم خبره فازی» مفهومسازی و تعریف خواهد شد.
مبانی نظری و تعریف سیستم خبره فازی
سیستم خبره فازی سامانهای هوشمند است که برای استدلال و محاسبات از منطق فازی بهره میبرد. در واقع سیستمهای خبره فازی نوعی از سیستمهای خبرهاند که به جای استفاده از منطق دو ارزشی، در آنها از منطق فازی استفاده میشود.
یک سیستم خبره مبتنی بر منطق فازی مجموعهای از توابع عضویت و قوانین را شامل میشوند که در مجموع برای استدلال استفاده میگردند. سیستمهای فازی مبتنی بردانش یا قواعد هستند و هسته مرکزی یک سیستم فازی پایگاه دانشی است که از قواعد فازی تشکیل شده است.
سیستم خبره فازی ترکیبی از دو حوزه مهم است:
سیستم خبره بر پایه قواعد تخصصی کارشناس و موتور استنتاج فعالیت میکند، در حالی که منطق فازی برای مدلسازی مفاهیمی استفاده میشود که ذاتاً دقیق یا قابل اندازهگیری نیستند—مفاهیمی مانند «زیاد»، «کم»، «نسبتاً بالا» یا «تقریباً مناسب».
پیوند این دو رویکرد، امکان تحلیل شرایطی را فراهم میسازد که نمیتوان آنها را با منطق دودویی (۰ یا ۱) مدیریت کرد. این پیوند موجب میشود سیستم نهتنها دانش یک متخصص را تقلید کند، بلکه توان دستیابی به تصمیمهایی را داشته باشد که مشابه قضاوت انسانی، انعطافپذیر و تدریجی هستند.
اهمیت سیستم خبره فازی
ماهیت بسیاری از تصمیمهای انسانی مبهم است؛ انسان به ندرت با مقادیر دقیق فکر میکند. زمانی که دادههای موجود ناقص یا کیفی باشند، سیستمهای کلاسیک قادر به تصمیمگیری دقیق نیستند و در اینجا نقش سیستم خبره فازی برجسته میشود. این فناوری ساختاری فراهم میکند که بتوان تحلیلهایی نزدیک به قضاوت انسانی انجام داد و خروجیهایی سازگار، منعطف و قابل اعتماد تولید کرد.
- مدیریت عدمقطعیت در دادهها و شرایط واقعی
- افزایش دقت تحلیل در مسائل مبهم
- توانایی استفاده از دانش کارشناسان بهصورت طبیعیتر
- کارایی بالا در حوزههایی با دادههای کیفی
- کاهش خطا در تصمیمگیری نسبت به روشهای سختگیرانه کلاسیک
اهمیت سیستم خبره فازی تنها در قابلیت فنی آن نیست، بلکه در تواناییاش برای بازنمایی واقعیتر فرایند فکری انسان است. سازمانهایی که با شرایط متغیر، دادههای ناقص، یا شاخصهای شهودی سروکار دارند، با این سیستم میتوانند تصمیمگیری چابکتر و دقیقتری تجربه کنند. نبود چنین رویکردی باعث میشود خروجی تصمیمها غیرواقعی، ناهمخوان و حتی مخاطرهآمیز باشد.
ابعاد سیستم خبره فازی
سیستم خبره فازی دارای ابعاد چندگانه است که هریک بخشی از عملکرد کل سامانه را شکل میدهد. بعد نخست، «بعد دانش فازی» است که شامل قواعد، توابع عضویت و ساختار دانش کارشناسان است. این بعد بیان میکند چگونه دانش انسانی به فرم فازی ترجمه میشود. بعد دوم، «بعد استنتاج فازی» است که روشهای محاسباتی موردنیاز برای تبدیل ورودیهای مبهم به خروجی منطقی را شامل میشود. این بعد مغز محاسباتی سیستم است. بعد سوم، «بعد تعامل با کاربر» است که بر نحوه نمایش نتایج، توضیح تصمیمها و قابلیت اعتمادسازی تمرکز دارد.
- بعد دانش فازی: قواعد، توابع عضویت، ساختاردهی دانش
- بعد استنتاج: روشهای مامدانی، سوگنو، دیفازیسازی
- بعد تعامل: شفافیت، قابلیت توضیح، تجربه کاربری قابل فهم
هماهنگی میان این ابعاد موجب میشود سیستم خبره فازی بتواند جایگزینی مناسب برای کارشناسان، یا مکملی قدرتمند در تصمیمگیری باشد. زمانی که این ابعاد بهدرستی طراحی شوند، سیستم قادر است حتی در شرایطی که اطلاعات کامل نیست، خروجی معنادار و دقیق ارائه دهد.
اجزای سیستمهای خبره فازی شامل: یک مجموعه قوانین، یک بدنه از حقایق شامل توابع عضویت و مجموعههای فازی و یک موتور استنتاج که از طریق کاربرد قوانین به حقایق دست مییابد، است.
درواقع نقطه شروع ساخت یک سیستم فازی بدست آوردن مجموعهای از قواعد اگر _ آنگاه فازی از دانش افراد خبره یا دانش حوزه مورد بررسی میباشد. در مرحله بعد، ترکیب این قواعد در یک سیستم واحد را خواهیم داشت.
مراحل کار در سیستمهای خبره فازی
مراحل کار در چنین سیستمهایی شامل فازیسازی، استنتاج فازی و فازیزدایی است.
- خارج کردن از حالت فازی
- ترکیب
- استنتاج
- فازی سازی
موارد استفاده ازمنطق فازی درسیستمهای فازی
- تعریف معیارها و اهداف
- تعیین روابط ورودی و خروجی
- استفاده از ساختار مبتنی بر قاعده منطق فازی و شکستن مسئله به یک سری قواعد Then-IF
- ساخت توابع عضویتی که مقدار عبارات ورودی/خروجی استفاده شده در قواعد را تعریف مینماید.
- ساخت قواعد ضروری
- آزمایش سیستم، ارزیابی نتایج، تنظیم قواعد و توابع عضویت و آزمایش مجدد تا زمانیکه نتایج رضایتبخشی بدست آید.
میتوان اذعان داشت، منطق فازی روش فکرکردن افراد رامنعکس کرده و تلاش مینماید تا روش تصمیمگیری انسان رامدلسازی کند. همچنین منطق فازی منجر به ایجاد سیستمی جدید و هوشمند میشود.
کاربردها و شیوههای استفاده
سیستمهای خبره فازی کاربردهای متنوعی دارند که عمدهتریم آنها عبارتند از:
- شناسایی الگو
- سیستمهای مالی
- تحلیل دادهها
فرآیند ایجاد یک سیستم خبره فازی به صورت زیر است:
- مشخص کردن مسئله و تعریف متغیرهای زبانی
- تعیین مجموعههای فازی
- اکتساب و ساخت قواعد فازی
- دگذاری مجموعههای فازی، قواعد فازی وروالها
- انجام استنتاج فازی
- ارزیابی ومیزان کردن سیستم
میزانسازی سیستم خبره فازی
بازبینی مجدد متغیرهای ورودی وخروجی مدل و درصورت نیاز تعریف دوباره محدوده آنها
بازبینی مجدد مجموعههای فازی و درصورت لزوم تعریف مجموعههای اضافی
فراهم آوردن همپوشانی مناسب میان مجموعههای همسایه. در این خصوص پیشنهاد میشود مجموعههای فازی مثلث به مثلث و ذوزنقه به مثلث بین ۲۵ تا ۵۰ درصد از پایهشان همپوشانی داشته باشند.
بازبینی مجدد قواعد موجود و در صورت نیاز افزودن قاعده جدید به پایگاه قواعد.
تنظیم وزنهای اجرای قاعده. بیشتر ابزارهای منطق فازی این امکان را فراهم میآورند تا اهمیت قواعد را با تغییرضرب کنندههای وزنی کنترل کنند.
اصلاح شکل مجموعههای فازی که دربیشتر موارد سیستمهای فازی به تخمین یک شکل بشدت مقاوم هستند.
سخن پایانی
سیستم خبره فازی یکی از پیشرفتهترین ابزارهای تصمیمیار در مسائل واقعی است، زیرا ترکیبی از دانش انسانی و توان منطقی هوش مصنوعی را در محیطهای غیرقطعی فراهم میکند. این سامانه با استفاده از قواعد فازی و استنتاج هوشمند، قادر است تصمیمگیری را از حالت خشک و دودویی خارج کرده و انعطافپذیری واقعگرایانهای ایجاد کند. بررسی مبانی نظری، اهمیت و ابعاد آن نشان میدهد که این فناوری راهکاری پایدار برای تحلیل شرایط پیچیده و مبهم است. استفاده از سیستم خبره فازی به سازمانها کمک میکند کیفیت تصمیمها را بالا ببرند و در مواجهه با عدمقطعیت عملکردی مطمئنتر داشته باشند.
منبع: مقاله سیستم خبره و کاربرد آن در مدیریت نوشته آرش حبیبی کنفرانس بینالمللی صنعتی شریف تهران