Many scientific and business problems revolve around understanding data that is in some
way ambiguous or uncertain. The challenge is generally to squeeze as much useful information
as possible from the data, and at the same time maintain a clear and quantified understanding of
the final accuracy. When a sequence of decisions is needed, each choice can have complex and
far-reaching consequences; making good decisions in this situation is challenging from both a
mathematical and a computational perspective. Therefore, in this study we proposed a novel
method based on Z-numbers concept in order to handle ambiguity or uncertainty in a large
petrochemical plant.
Zadeh (2011) proposed a notion called Z-numbers which relates to the issue of information
reliability. The concept of a Z-number is concerned with the issue of information reliability.
Reliability of information which is the degree of certainty one has about his/her subjective ideas,
is the concept considered in Z-numbers. A Z-number has two components Z= (A, B). The first
component (A) is the domain of variable which is a fuzzy set and the component B shows the
degree of reliability (certainty) of A. Usually, A and B are described in linguistic terms such as
high and sure. Z-numbers are used to give information about uncertainty of variable X, where the
value of variable is denoted by A along with an impression of certainty such as reliability, strength of truth or confidence as B (Yager, 2012). Z-valuations provide partial information about variable
X (Zadeh, 2011). Some examples of these z-valuations are:
(Trust to the supplier, High, Likely)
(Demand for product, Low, sure)
The question is how to use z-valuations to handle subjective data and also to merge or
gather numerous pieces of information. The answer depends on the nature of underlying
ambiguity related to variable X. Zadeh (2011) considered probabilistic uncertainty associated with
a variable and assumed X as a random variable. Yager (2012) addressed some examples and
assumed that probability area of variable was given, and then the combination of Z-numbers was
computed.
ปัญหาทางธุรกิจทางวิทยาศาสตร์และหลายหมุนรอบข้อมูลความเข้าใจที่ในบางวิธี
คลุมเครือหรือไม่แน่ใจ ความท้าทายโดยทั่วไปที่จะบีบมากข้อมูลที่เป็นประโยชน์
ที่สุดจากข้อมูล และในเวลาเดียวกันรักษาความเข้าใจที่ชัดเจนและปริมาณของ
ความถูกต้องขั้นสุดท้าย เมื่อลำดับของการตัดสินใจที่จำเป็น แต่ละตัวเลือกสามารถมีความซับซ้อนและ
ผลกระทบกว้างขวาง ;การตัดสินใจที่ดีในสถานการณ์นี้คือการท้าทายจากทั้งมุมมอง
ทางคณิตศาสตร์และการคำนวณ ดังนั้นในการศึกษานี้จึงได้เสนอวิธีการใหม่ z-numbers
ตามแนวคิดเพื่อจัดการกับความคลุมเครือ หรือความไม่แน่นอนในโรงงานปิโตรเคมีขนาดใหญ่
.
zadeh ( 2011 ) ได้เสนอแนวคิดที่เรียกว่า z-numbers ซึ่งเกี่ยวข้องกับเรื่องของข้อมูล
)แนวคิดของ z-number เป็นกังวลกับปัญหาของความน่าเชื่อถือของข้อมูล .
ความน่าเชื่อถือของข้อมูลซึ่งเป็นระดับที่แน่นอนหนึ่ง มีความคิดเกี่ยวกับของเขา / เธอ อัตนัย
เป็นแนวคิดพิจารณา z-numbers . เป็น z-number มีสองส่วนประกอบ Z = ( a , b ) ส่วนประกอบแรก
( ) เป็นโดเมนของตัวแปรซึ่งเป็นชุดฟัซซี่และส่วนประกอบ B แสดง
ระดับของความน่าเชื่อถือ ( แน่นอน ) . . มักจะ , A และ B จะอธิบายในแง่ภาษาศาสตร์ เช่น
สูงแน่นอน z-numbers จะใช้เพื่อให้ข้อมูลเกี่ยวกับความไม่แน่นอนของตัวแปร x
ค่าของตัวแปรที่เขียนโดยพร้อมกับความประทับใจที่แน่นอน เช่น ค่าความแข็งแรงของความจริงหรือความเชื่อมั่นเป็น B ( เยเกอร์ , 2012 ) ให้ข้อมูลเกี่ยวกับตัวแปร
z-valuations บางส่วนX ( zadeh , 2011 ) ตัวอย่างบางส่วนของ z-valuations เหล่านี้ :
( ไว้วางใจให้ซัพพลายเออร์ , สูง , โอกาส )
( ความต้องการสินค้าต่ำ แน่นอน )
คำถามคือวิธีที่จะใช้ z-valuations จัดการข้อมูลอัตนัยและยังผสานหรือ
รวบรวมหลายชิ้นของข้อมูล คำตอบขึ้นอยู่กับธรรมชาติของต้นแบบที่เกี่ยวข้องกับตัวแปร X
ความคลุมเครือ
การแปล กรุณารอสักครู่..