The fuzzy inference system (FIS) wa

The fuzzy inference system (FIS) was implemented in the Fuzzy toolbox of MATLAB version R2013a. The first step in each FIS implementation is to define the name and number of the variables involved in the inference and decision-making processes. These parameters are initially in the form of crisp variables which are then converted to fuzzy values using fuzzifier functions.
The fitting characteristics for the FIS variables were assigned based on a survey which was conducted in the modern rice mills of the area. The aim of this survey was to acquire human expert’s knowledge in quality evaluation of rice. Experts’ knowledge was considered for the determination of each membership function (MF) name, range and also MFs’ intervals. Based on the investigation, two quality indices namely, degree off milling (DOM) and percentage of broken kernels (PBK) were considered as the FIS inputs and the quality of the product was selected as the only output of the FIS. In order to design the fuzzifier functions, which are also known as MFs, first the range of variation for the input variables should be defined. It is also
necessary to determine the appropriate name, number and variation range for each of the MFs of the FIS variables. Results of the investigation in rice mills revealed that the expert opinion on both quality indices can be expressed in the form of five crisp variables namely, Very Low (VL), Low (L), Medium (M), High (H), and Very High (VH). It was also found that the experts opine on the product quality in the form of five linguistic variables including Very Bad (VB), Bad (B), Medium (M), Good (G), and Very Good

ผลลัพธ์ (ไทย) 1:

ระบบข้อเอิบ (FIS) มีการใช้งานในเครื่องมือชัดเจนของ MATLAB รุ่น R2013a ขั้นตอนแรกในแต่ละงาน FIS คือการ กำหนดชื่อและหมายเลขของตัวแปรเกี่ยวข้องในกระบวนการตัดสินใจข้อ พารามิเตอร์เหล่านี้จะเริ่มต้นในรูปของตัวแปรกรอบที่แล้วแปลงเป็นค่าที่ชัดเจนโดยใช้ฟังก์ชัน fuzzifierลักษณะเหมาะสมสำหรับตัวแปร FIS ถูกกำหนดตามการสำรวจที่ได้ดำเนินการในโรงสีข้าวทันสมัยของพื้นที่ จุดมุ่งหมายของแบบสำรวจนี้คือการ รับรู้ของผู้เชี่ยวชาญบุคคลในการประเมินคุณภาพของข้าว ผู้เชี่ยวชาญด้านความรู้ที่พิจารณาสำหรับการกำหนดชื่อแต่ละสมาชิกฟังก์ชัน (MF) ช่วง และช่วงของ MFs ขึ้นอยู่กับการสอบสวน ดัชนีคุณภาพสองได้แก่ ปริญญาออกกัด (โดม) และเปอร์เซ็นต์ของเมล็ดแตก (PBK) ได้ถือเป็นอินพุต FIS และเลือกคุณภาพของผลิตภัณฑ์เป็นผลเฉพาะ FIS การออกแบบฟังก์ชัน fuzzifier ซึ่งจะเรียกอีกอย่างว่า MFs ก่อนช่วงของความแปรปรวนในตัวแปรอินพุตควรกำหนด มีจำเป็นต้องกำหนดช่วงชื่อ หมายเลข และรูปแบบเหมาะสมสำหรับแต่ละของ MFs แปร FIS ผลการตรวจสอบในโรงสีข้าวเปิดเผยว่า สามารถแสดงความคิดเห็นผู้เชี่ยวชาญในดัชนีคุณภาพทั้งในรูปของตัวแปรกรอบห้าได้แก่ มากต่ำ (VL), ต่ำ (L), กลาง (M), สูง (H), และมากสูง (VH) นอกจากนี้ยังพบว่า ผู้เชี่ยวชาญคิดเห็นคุณภาพสินค้าในห้าตัวแปรภาษาศาสตร์รวมถึงมากไม่ดี (VB), ดี (B), กลาง (M), ดี (G), และ ดีมาก

ผลลัพธ์ (ไทย) 2:

ระบบอนุมานฟัซซี (FIS) ถูกนำมาใช้ในกล่องเลือนรุ่น MATLAB R2013a ขั้นตอนแรกในการดำเนินการในแต่ละสถาบันการเงินคือการกำหนดชื่อและจำนวนของตัวแปรที่เกี่ยวข้องในการอนุมานและกระบวนการตัดสินใจ พารามิเตอร์เหล่านี้เป็นครั้งแรกในรูปแบบของตัวแปรที่คมชัดที่มีการแปลงแล้วให้เลือนค่าใช้ฟังก์ชัน fuzzifier.
ลักษณะที่เหมาะสมสำหรับตัวแปรสถาบันการเงินที่ได้รับมอบหมายจากการสำรวจที่ได้ดำเนินการในโรงสีข้าวที่ทันสมัยของพื้นที่ จุดมุ่งหมายของการสำรวจครั้งนี้คือการได้รับความรู้จากผู้เชี่ยวชาญของมนุษย์ในการประเมินคุณภาพของข้าว ผู้เชี่ยวชาญด้านความรู้ได้รับการพิจารณาสำหรับการวัดของแต่ละฟังก์ชั่นสมาชิก (MF) ชื่อของช่วงและยัง MFs 'ช่วงเวลา ขึ้นอยู่กับการสอบสวนทั้งสองดัชนีคุณภาพคือระดับปิดกัด (DOM) และร้อยละของเมล็ดหัก (พีบีเค) ได้รับการพิจารณาเป็นปัจจัยการผลิตที่สถาบันการเงินและคุณภาพของผลิตภัณฑ์ได้รับเลือกเป็นเพียงการส่งออกของสถาบันการเงิน ในการออกแบบฟังก์ชั่น fuzzifier ซึ่งเป็นที่รู้จักกันเป็น MFs แรกช่วงของการเปลี่ยนแปลงสำหรับตัวแปรควรจะกำหนด นอกจากนี้ยังเป็นสิ่งที่จำเป็นเพื่อตรวจสอบชื่อที่เหมาะสมจำนวนและช่วงการเปลี่ยนแปลงสำหรับแต่ละ MFs ของตัวแปร FIS
ผลการสอบสวนในโรงสีข้าวพบว่าความคิดเห็นของผู้เชี่ยวชาญทั้งในดัชนีคุณภาพสามารถแสดงในรูปแบบของห้าตัวแปรกรอบคือต่ำมาก (VL), ต่ำ (L) ขนาดกลาง (M) สูง (H) และ สูงมาก (VH) นอกจากนี้ยังพบว่าผู้เชี่ยวชาญมีความคิดเห็นเกี่ยวกับคุณภาพของผลิตภัณฑ์ในรูปแบบของตัวแปรห้าภาษารวมทั้งไม่ดีมาก (VB), Bad (B), ขนาดกลาง (M), ดี (G) และดีมาก

ผลลัพธ์ (ไทย) 3:

ระบบอนุมานฟัซซี ( 6 ) ถูกนำมาใช้ในกล่องเครื่องมือเลือนของ r2013a รุ่นโปรแกรม ขั้นตอนแรกในการใช้แต่ละคณะเพื่อกำหนดชื่อและหมายเลขของตัวแปรที่เกี่ยวข้องในกระบวนการการอนุมานและการตัดสินใจ พารามิเตอร์เหล่านี้จะเริ่มต้นในรูปแบบของตัวแปรซึ่งเป็นกรอบแล้วแปลงค่าแบบฟัซซีโดยใช้ฟังก์ชัน
ตัวทำให้คลุมเครือ .ลักษณะที่เหมาะสมสำหรับสถาบันการเงินตัวแปรที่ได้รับมอบหมายตามการสำรวจที่ดำเนินการในที่ทันสมัยโรงสีข้าวในพื้นที่ วัตถุประสงค์ของการสำรวจครั้งนี้ได้รับความรู้ของผู้เชี่ยวชาญในการประเมินคุณภาพของข้าว ความรู้ของผู้เชี่ยวชาญได้พิจารณาเพื่อการตัดสินใจของแต่ละสมาชิกฟังก์ชัน ( MF ) ชื่อ ช่วง และยัง MFS ' ช่วง จากการสอบสวน2 . ดัชนีคุณภาพคือ ออกกัด ( DOM ) และเปอร์เซ็นต์เมล็ดหัก ( pbk ) ถือว่าเป็นสถาบันการเงินและปัจจัยคุณภาพของผลิตภัณฑ์ที่ออกเพียงของชื่อ . เพื่อการออกแบบฟังก์ชันตัวทำให้คลุมเครือ , ซึ่งเป็นที่รู้จักกันเป็น MFS ก่อนช่วงการเปลี่ยนแปลงสำหรับตัวแปรนำเข้า ควรกำหนด นอกจากนี้
ที่จำเป็นเพื่อหาชื่อที่เหมาะสม จำนวนและรูปแบบสำหรับแต่ละช่วงของ MfS ของ 6 ตัวแปร ผลของการสืบสวนในโรงสีข้าว พบว่า ความคิดเห็นของผู้เชี่ยวชาญ ทั้งคุณภาพ ดัชนีสามารถแสดงในรูปแบบของตัวแปร 5 กรอบ คือต่ำมาก ( VL ) ต่ำ ( L ) ขนาดกลาง ( M ) , สูง ( H ) และสูงมาก ( VH )นอกจากนี้ยังพบว่า ผู้เชี่ยวชาญมีความคิดเห็นเกี่ยวกับคุณภาพของผลิตภัณฑ์ในรูปแบบของห้าภาษา ได้แก่ เลวมาก ( VB ) , ( B ) ขนาดกลาง ( M ) , ดี ( G ) และ ดี มาก