РОЗРОБЛЕННЯ СИСТЕМИ НЕЧІТКОГО ЛОГІЧНОГО ВИСНОВКУ ПРИЙНЯТТЯ УПРАВЛІНСЬКИХ РІШЕНЬ У ВИПРОБУВАЛЬНИХ ЛАБОРАТОРІЯХ
DOI:
https://doi.org/10.31732/2663-2209-2025-78-275-285Ключові слова:
оцінка ризиків, експертна система, нечітке моделювання, нечіткий висновок, випробувальна лабораторіяАнотація
Метою статті є розробка системи нечіткого логічного висновку прийняття управлінських рішень у випробувальних лабораторіях. Відповідно до вимог ДСТУ EN ISO/IEC 17025:2019 система управління ризиками та можливостями має бути елементом системи управління лабораторією. Для оптимізації процесу управління ризиками застосовано експертну систему на основі нечіткого моделювання висновку оцінки величини ризику. У процесі аналізу факторів ризику виявлені показники, які можуть бути визначені як індикатори ризику для випробувальних лабораторій: інтервал калібрування застосованого вимірювального обладнання; результат калібрування застосованого вимірювального обладнання; кількість помилок у протоколах випробування виробів; результат участі в порівняльних випробуваннях; час, який відведено для проведення випробувань виробів. Модель містить базу правил і дозволяє проводити лінгвістичний аналіз ризиків для діяльності випробувальної лабораторії. Розроблена база правил містить 243 нечітких правила. Основне з них: якщо один із ризиків високий, то й загальний результат також характеризується високим рівнем ризику. Реалізація процесу моделювання бази правил відбувається за допомогою застосування спеціалізованого пакета Fuzzy Logic Toolbox програмного засобу MATLAB. Виконання нечіткого висновку реалізується на основі алгоритму Мамдані (Mamdani). Отримано поверхню залежності вихідної лінгвістичної змінної від двох вхідних факторів ризику: інтервал калібрування застосованого вимірювального обладнання та результат калібрування цього вимірювального обладнання. Поверхня чітко демонструє логічну узгодженість та обґрунтованість розробленої системи продукційних правил. Процедура дефазифікації проводилася методом «центру тяжкості», результати для кількох комбінацій вхідних даних представлені в таблиці.
Результати цього процесу моделювання дозволяють визначити необхідність проведення запобіжних заходів або коригуючих дій. Наявність приведеної експертної системи визначення величини ризиків у випробувальних лабораторіях забезпечить постійний моніторинг стану системи управління ризиками. Подальшою перспективою розвитку запропонованої моделі є створення адаптивної нечіткої продукційної моделі, що дозволить при виникненні нових ризиків проводити їх переоцінку.
Завантаження
Посилання
Gallab, M., Bouloiz, H., Alaoui, Y., & Tkiouat, M. (2019). Risk Assessment of Maintenance
activities using Fuzzy Logic, Procedia Computer Science 148, 226-235.
https://doi.org/10.1016/j.procs.2019.01.065
Kosko, B. (1994). Fuzzy systems as universal approximates. IEE Transactions on computers, 11,
-1333. URL: https://sipi.usc.edu/~kosko/Fuzzy Universal Approx.pdf.
Mamdani, E.H. (1975). An experiment in linguistic synthesis with a fuzzy logic controller / E.H.
Mamdani & S. Assilian // International Journal of Man–Machine Studies, № 7(1), 1–13.
https://doi.org/10.1016/S0020-7373(75)80002-2
Nurutdinova, I. & Dimitrova, L. (2021). Risk significance assessment on the basis of a fuzzy
model. E3S Web of Conferences 273, 08037 (2021) INTERAGROMASH 2021, 7 p.
https://doi.org/10.1051/e3sconf/202127308037
Paluszek, M. & Thomas, S. (2020) Practical MATLAB Deep Learning: A Project-Based
Approach. 1st Ed.: Apress, 252 p. https://doi.org/10.1007/978-1-4842-5124-9
Shang, E.& Hossen, Z. (Eds.). (2013). Applying Fuzzy Logic to Risk Assessment and Decision-
Making. Casualty Actuarial Society. Canadian Institute of Actuaries. Society of Actuaries,
p. https://www.soa.org/globalassets/assets/files/research/projects/research-2013-fuzzy-
logic.pdf
Sivanandam, S.N., Sumathi, S. & Deepa, S.N. (2007). Introduction to Fuzzy Logic using
MATLAB, Springer-Verlag Berlin Heidelberg, 430 p.
http://dx.doi.org/10.1007/978-3-540-35781-0
Trpathy, S., Saxena, R. & Gupta, P. (2013). Comparison of statistical methods for outlier
detection in proficiency testing data on analysis of lead in aqueous solution. American
Journal of Theoretical and Applied Statistics. 2(6): 233-242.
http://www.sciencepublishinggroup.com/j/ajtas
Zadeh, L. (1973). Outline of a new approach to the analysis of complex systems and decision
processes / L.Zadeh // IEEE Transactions on Systems, Man, and Cybernetics, №3(1). 28–
https://doi.org/10.1109/TSMC.1973.5408575
Zadeh, L. A. (1999). Fuzzy sets as s basic for theory of possibility. and Fuzzy Sets systems,
- 34. URL: https://doi.org/10.1016/S0165-0114 (99)80004-9
Данченко, О. Б. (2014). Огляд сучасних методологій управління ризиками в проектах / О.
Б. Данченко // Управління проектами та розвиток виробництва. № 1. С. 16-25.
Доступ через: http://nbuv.gov.ua/UJRN/Uprv_2014_1_4
ДСТУ IEC/ISO 31010:2013 (IEC/ISO 31010:2009, IDT) Керування ризиком. Методи
загального оцінювання ризику. Київ. МІНЕКОНОМРОЗВИТКУ УКРАЇНИ. 2015, 73 с.
Доступ через https://khoda.gov.ua/image/catalog/files/dstu%2031010.pdf
ДСТУ EN ISO/IEC 17025:2019 (EN ISO/IEC 17025:2017, IDT) Загальні вимоги до
компетентності випробувальних та калібрувальних лабораторій. Київ. ДП
«УкрНДНЦ», 2020, 24 с. Доступ через https://uas.gov.ua.
ДСТУ ISO 31000:2018 (ISO 31000:2018, IDT) Менеджмент ризиків. Принципи та
настанови. Київ. ДП «УкрНДНЦ», 2019. 23 с. Доступ через http://uas.org.ua
Кочетков, О.В., Гаур, Т.О. & Машін, В.М. (2019). Система оцінки ризиків інформаційної
безпеки підприємства на основі нечіткої логіки. Наукові праці ОНАЗ ім. О.С. Попова,
№ 1, C. 97-104. Доступ через https://doi.org/10.33243/2518-7139-2019-1-1-97-104
Кузьменко, О.О. & Віткін, Л.М. (2024). Розроблення математичної моделі на основі
нечіткої логіки для визначення ризику в діяльності випробувальної лабораторії. Вчені
записки Університету «Крок». Розділ 2. Управління та адміністрування. Випуск №
(73). С. 188-194. DOI: 10.31732/2663-2209-2024-73-188-194
Посохов, І.М. (2013). Дослідження методів оцінки ризиків корпорацій. Європейський
вектор економічного розвитку. № 2 (15). C. 211-217. Доступ через
https://eurodev.duan.edu.ua/images/PDF/2013/2/26.pdf
Топчій, Н.В. (2020). Аналіз ризиків у випробувальній лабораторії органу оцінки
відповідності. Вчені записки ТНУ імені В.І. Вернадського. Серія: технічні науки. Том
(70). Ч. 1, № 6. С. 1-5. Доступ через: DOI https://doi.org/10.32838/TNU-2663-
/2020.6-1/01
Хавіна, І. П. & Цуранов, М.В. (2024). Дослідження механізму нечіткої логіки для оцінки
інформаційних ризиків підприємства. Харків. ХВУВС. C. 329-335. Доступ через
https://dspace.univd.edu.ua/server/api/core/bitstreams/4e9b2fa9-ead5-40c8-ba39-
c27950f8c50f/content
Штовба, С.Д. (2006). Навчання нечіткої бази знань за вибіркою нечітких даних /
Штучний інтелект. № 4. С. 560-570. Доступ через

Downloads
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.