5. ASPEKT APLIKACYJNY PROBLEMU
5.1. T WORZENIE MODELU W ŚRODOWISKU M ATLAB
Przy konieczności zdefiniowania 725 funkcji przejścia (15 funkcji dla każdego z 48 czynników oraz 5 funkcji przejścia dla strategii wyjściowych) jedyną możliwością zachowania powtarzalności modelu jest posłużenie się skryptami tworzącymi model. Do utworzenia pełnego modelu potrzebne są 3 skrypty:
− AvgOR.m – skrypt definiujący operator AvgOR,
− DodajCzynnik.m – skrypt definiujący pełen zestaw funkcji przejścia,
− Model48.m – skrypt definiujący model z wykorzystaniem obu poprzednich skryptów.
Skrypt AvgOR definiuje implementację operatora logicznego używanego do wszystkich reguł wnioskowania wykorzystywanych w modelu. Skrypt AvgOr.m wraz z komentarzami wyjaśniającymi przedstawia listing poniżej.
%% Operator OR dostosowany do modelu 48 czynników
% Skrypt tworzy funkcję, która oblicza średnią wartość elementów wektora x
%Definicja funkcji function y = AvgOR(x)
%Krok 1: Sprawdzenie poprawności parametru wejściowego (czy zmienna x jest wektorem?) if ~isvector(x)
error('Wejście musi być wektorem') end
%Krok 2.Obliczenie średniej arytmetycznej wektora x
%- suma elementów wektora x podzielona przez ilość elementów tego wektora y = sum(x)/length(x);
end
Skrypt DodajCzynnik definiuje pełen zestaw 15 funkcji przejścia i ustawia ich parametry w zależności od stopnia skali dodawanego czynnika. Dla bezpieczeństwa, gdy deklarowana skala czynnika jest inna niż zakładane 3, 4 lub 5 stopni, tworzony jest zestaw złożony tylko z Funkcji Pustych. Zawartość skryptu wraz z komentarzami przedstawia listing poniżej:
%%Funkcja DodajCzynnik
% Celem funkcji jest dodanie czynnika do systemu logiki rozmytej modelu 48
% czynników, a więc utworzenie układu 15funkcji przejścia odpowiedniego dla
% jej stopnia skali.
% Parametry wejściowe funkcji:
% ZmFis - zmienna pod którą przechowywany jest system logiki rozmytej
% StpSkl - ile stopni ma skala tworzonego czynnika: 3, 4, 5 czy inny
% NazwaCz - nazwa czynnika np: 'CzynnikPierwszy'
%Krok 1. Definicja funkcji z 3 parametrami
function out = DodajCzynnik(ZmFis, StpSkl, NazwaCz)
%Krok 2. Dodanie zmiennej do modelu przechowywanego w zmiennej ZmFis, które
% jest wejściem w tym modelu, o nazwie przeniesionej w parametrze NazwaCz,
% oraz z przedziałem wartości od 0 do 10 ZmFis = addvar(ZmFis,'input',NazwaCz,[0 10]);
%Krok 3. Zdefiniowanie układu funkcji dla utworzonej zmiennej, w zależności
% od stopnia jej skali. Gdy stopień skali nie jest zgodny z przewidywaniem
Aspekt aplikacyjny problemu
end
Skrypt Model48.m to najdłuższy i najbardziej skomplikowany skrypt odpowiedzialny za utworzenie pełnego modelu wyboru strategii ekologizacji zgodnie z opisem zawartym w niniejszym opracowaniu.
Niemniej do zdefiniowania modelu wystarczy wykonanie 8 czynności, które wraz z odpowiednim komentarzem przedstawione są w listingu poniżej.
%%Model wskazania strategii ekologizacji na podstawie wartości 48 czynników
%Krok 1. Czyszczenie zmiennych używanych w skrypcie, na wypadek,
% gdyby środowisko używało zmiennych o takich samych nazwach clear a;
clear ruleList;
%Krok 2. Utworzenie systemu FL pod nazwą 'Strategie Ekologizacji' a=newfis('StrategieEkologizacji');
%Krok 3. Podmiana metody OR na metodę własną a.orMethod='AvgOR';
%Krok 4. Ustawienie metody defuzzyfikacji na MOM (Middle Of the Maximum) a=setfis(a,'DefuzzMethod','mom');
Aspekt aplikacyjny problemu
a= addmf(a,'output',1,'Innowacyjna','trimf',[ 5 7 9]);
a= addmf(a,'output',1,'Defensynwa', 'trimf',[ 7 9 11]);
%Krok 7. Zdefiniowanie reguł wnioskowanie systemu w układzie macierzowym
% 51 kolumn
%Krok 8. Powiązanie reguł wnioskowania z utworzonym systemem logiki
% rozmytej
a=addrule(a,ruleList);
%Krok 9. (Opcjonalny) Wyświetlenie systemu w edytorach graficznych
% środowiska Matlab fuzzy(a);
mfedit(a);
ruleedit(a);
ruleview(a);
W skrypcie Model48.m wyjaśnienia wymaga krok 4, a więc wybór i ustawienie metody defuzzyfikacji modelu. W środowisku Matlab dostępnych jest 5 metod defuzzyfikacji:
− centroid – tworzy linię przechodzącą przez środek ciężkości figury ograniczonej od góry przez funkcję wyjściową z modelu. Jest to wartość domyślna ustawiana automatycznie dla każdego nowego układu logiki rozmytej.
− bisector – tworzy linię, która dzieli dokładnie na pół pole figury ograniczonej od góry przez funkcję wyjściową z modelu. W wielu przypadkach linia ta przechodzi dokładnie w tym samym miejscu co centroid.
− som – tzw. najmniejsze maksimum (z jęz. ang.: „the smallest of maximum”) użyteczne, gdy powstaje pewien przedział dla których wyjście z modelu osiąga wartość maksymalną. Wynikiem zastosowania
som jest linia pionowa przechodząca przez najmniejszą bezwględną (najbliżej wartości zerowej) wartość tego obszaru.
− mom – tzw. środek maksimum (z jęz. ang.: „middle of maximum”) tworzy linię przechodzącą przez środek przedziału, dla których wyjście z modelu osiąga wartość maksymalną.
− lom – tzw. największe maksimum (z jęz. ang.: „the largest of maximum”) tworzy linię przechodzącą przez największą bezwzględną wartość zakresu, dla którego wyjście z modelu osiąga wartość maksymalną.
Wszystkie 5 metod defuzzyfikacji przedstawia Rysunek 25, przy czym wartość domyślna jest zaznaczona na czerwono.
Centroid i bisector zawodzą w określaniu wyniku dla modelu wskazania strategii ekologizacji szczególnie w sytuacjach, gdy dwie nie sąsiednie strategie są wskazywane z porównywalną siłą. Wówczas funkcja wyjściowa tworzy 2 lub więcej „garbów” z wartościami bliskimi wartościom maksymalnym. W takiej sytuacji obie te metody pokażą uśredniony wynik pomiędzy wskazywanymi strategiami.
Zdecydowanie bardziej sprawdza się wówczas któraś z metod pokazywania wartości maksymalnej.
Ponieważ możliwe jest również wskazanie z tą samą siłą dwóch sąsiednich strategii, najbardziej odporną na przekłamania wydaje się wybór metody środkowego maksimum.
W celu sprawdzenia poprawności działania opracowanego modelu opracowano i przeprowadzono testy walidacji dwojakiego rodzaju. W pierwszej kolejności sprawdzono czy model potrafi wyznaczyć strategie zgodnie z założeniami konstrukcyjnymi wartościowania czynników. W drugiej kolejności sprawdzono odpowiedzi modelu na pobudzenie sygnałami o równych wartościach podawanych na wszystkie 48 wejść w celu uzyskania macierzy odpowiedzi modelu przedstawiającej przekrojowy widok wpływu zmian wartości wektora wejściowego na wyniki doradzania strategii.
Dla celów sprawdzenia poprawności działania opracowanego modelu dla pięciu określonych strategii ekologizacji, należało dla każdej z nich wyznaczyć wzorzec wartości wektora A. Wzorzec ten uzyskuje się poprzez dekompozycję układu funkcji modelu na wartości liczbowe wektora wejściowego odpowiadające maksymalnym wartościom funkcji sprzyjających realizacji danej strategii, przy założeniu że:
− dla funkcji głównych (o kształcie trójkątnym) - wartość wzorcową stanowi rzędna dla maksimum danej funkcji;
− dla funkcji dodatkowych (o kształcie trapezowym) - wartość wzorcową stanowi środkowa rzędna przedziału o maksymalnej wartości funkcji zaokrąglona w dół do liczby całkowitej.
Rysunek 25. Metody defuzzyfikacji
Aspekt aplikacyjny problemu
Wprowadzenie do modelu wzorcowych wektorów powinno zakończyć się zwrotem wyniku (według metody środkowego maksimum) jednoznacznie przypisanym dla danej strategii, zgodnie zasadami określonymi w pkt. 0 ( Rysunek 21 pkt. c).
Zgodnie z powyższym dla każdej z pięciu strategii otrzymano wektor wzorcowy, który po podstawieniu do modelu daje wynik końcowy odpowiadający tej strategii. Wartości wzorcowe wektora A dla każdej ze strategii oraz odpowiedzi modelu na wzorcowe wartości wejściowe przedstawiono poniżej:
a) Strategia Ofensywna
Tabela 13. Wektor wzorcowy A dla Strategii Ofensywnej
Strategia Ofensywna
Lp. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Nr funkcji G2 G2 G1 G2 G2 G3 G2 G2 D23 G2 G2 G2 G2 G3 G3 G4 G4 G2 G3 G3 G3 G3 G3 G1
Wartości wzorcowe
wektora A 5 3 1 3 5 9 5 5 8 3 3 3 3 9 9 9 9 3 9 9 9 9 9 1
Lp. 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
Nr funkcji G3 G3 G3 G3 G3 G4 G3 G3 G3 G3 G3 G3 G1 G1 G3 G4 G4 G4 G1 G3 G3 G3 G2 G3
Wartości wzorcowe
wektora A 9 9 6 6 6 6 9 9 9 9 9 9 1 1 6 9 9 9 1 9 9 9 5 6
Rysunek 26. Odpowiedź modelu dla wektora wzorcowego A Strategii Ofensywnej
b) Strategia Pasywna Kondycji
Tabela 14. Wektor wzorcowy A dla Strategii Pasywnej Kondycji
Strategia Pasywna Kondycji
Lp. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Nr funkcji D22 G3 G2 G3 G1 D21 G1 G1 D21 G3 G3 G3 G3 G2 G1 G2 G2 G3 G1 G1 D21 G2 D21 G2
Wartości wzorcowe
wektora A 7 6 3 6 1 3 1 1 2 6 6 6 6 5 1 3 3 6 1 1 3 5 3 5
Lp. 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
Nr funkcji G1 G1 D32 D32 D32 G2 D22 D22 D22 D22 D22 D22 D21 D21 G2 G3 G3 G3 D21 D22 D22 D22 G1 D22
Wartości wzorcowe
wektora A 1 1 6 6 6 3 7 7 7 7 7 7 3 3 3 6 6 6 3 7 7 7 1 5
Rysunek 27. Odpowiedź modelu dla wektora wzorcowego A Strategii Pasywnej Kondycji
Aspekt aplikacyjny problemu
c) Strategia Pasywna Działania
Tabela 15. Wektor wzorcowy A dla Strategii Pasywnej Działania
Strategia Pasywna Działania
Lp. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Nr funkcji G1 G1 G3 G1 G3 G3 G3 G3 G1 G1 G1 G1 G1 G3 G3 G3 G3 G1 G3 G2 G3 G1 G3 G2
Wartości wzorcowe
wektora A 1 0 5 0 9 9 9 9 0 0 0 0 0 9 9 6 6 0 9 5 9 1 9 5
Lp. 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
Nr funkcji G3 G3 D21 D21 D21 D22 D21 D21 G2 G2 G3 D21 D22 G3 G4 G3 G3 G3 D22 D21 G2 G1 G3 G1
Wartości wzorcowe
wektora A 9 9 2 2 2 5 3 3 5 5 9 3 7 9 9 6 6 6 7 3 5 1 9 0
Rysunek 28. Odpowiedź modelu dla wektora wzorcowego A Strategii Pasywnej Działania
d) Strategia Innowacyjna
Tabela 16. Wektor wzorcowy A dla Strategii Innowacyjnej
Strategia Innowacyjna
Lp. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Nr funkcji G2 D22 G4 D22 D22 D22 G2 G2 D22 D22 D22 D22 D22 G3 G2 G3 G3 D22 G2 G3 D22 D22 D22 G1
Wartości wzorcowe
wektora A 5 5 7 5 7 7 5 5 5 5 5 5 5 9 5 6 6 5 5 9 7 7 7 1
Lp. 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
Nr funkcji D22 D22 D22 D22 D22 G3 D22 G2 G2 G2 G2 G2 G2 G2 G3 G2 G2 G2 G2 G2 G2 G2 G2 G2
Wartości wzorcowe
wektora A 7 7 5 5 5 6 7 5 5 5 5 5 5 5 6 3 3 3 5 5 5 5 5 3
Rysunek 29. Odpowiedź modelu dla wektora wzorcowego A Strategii Innowacyjnej
Aspekt aplikacyjny problemu
e) Strategia Defensywna
Tabela 17. Wektor wzorcowy A dla Strategii Defensywnej
Strategia Defensywna
Lp. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Nr funkcji G3 G4 G5 G4 G1 G1 G1 G1 G1 G4 G4 G4 G4 G1 G1 G1 G1 G4 G1 G1 G1 G1 G1 G3
Wartości wzorcowe
wektora A 9 9 9 9 1 1 1 1 0 9 9 9 9 1 1 0 0 9 1 1 1 1 1 9
Lp. 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
Nr funkcji G1 G1 G4 G4 G4 G1 G1 G1 G1 G1 G1 G3 G1 G3 G1 G1 G1 G1 G3 G1 G1 G1 G1 G4
Wartości wzorcowe
wektora A 1 1 9 9 9 0 1 1 1 1 1 9 1 9 0 0 0 0 9 1 1 1 1 9
Powyżej zaprezentowane wyniki testów wskazują, że model wyznacza strategię zgodnie z założeniami konstrukcyjnymi.
Dodatkowo Rysunek 31 przedstawia macierz wyników zwracaną przez model na pobudzenie sygnałami o równych wartościach podawanych na wszystkie 48 wejść modelu. Rysunek ten powstał przez zestawienie obok siebie w kolumnach odpowiedzi na wektor wejściowy o wartościach od 0 do 10. W rzędach znajdują się wartości odpowiedzi modelu dla poszczególnych strategii opisanych skrótami po lewej stronie macierzy. W ostatnim rzędzie na dole znajduje się wynik defuzyfikacji przedstawiony zarówno graficznie jak i liczbowo.
Rysunek 30. Odpowiedź modelu dla wektora wzorcowego A Strategii Defensywnej
Analizując rysunek rzędami wida
najbardziej sprzyjają wartości czynników z zakresu od 8 do 10.
pobudzana najmocniej wektorami o warto
(sPDz=5) osiąga słabsze maksima ale w dwóch przedziałach warto
Innowacji (sInn=7) posiada wyraźnie zarysowane maksimum odpowiedzi dla warto od 3 do 7 przy jednoczesnym silnym tłumieniu dla pozostałych warto Defensywna najsilniej odpowiada na warto
że uzyskane wyniki najsilniejszego pobudzenia poszczególnych strategii odpowiadaj najczęściej występującym wartościom w wyznaczonych powy
Ofensywnej w wektorze wzorcowym (Tabela 18) najliczniej wyst uzyskanej macierzy odpowiedzi przez najsilniejsz
Analogicznie wektor wzorcowy dla Strategii Pasywnej Kondycji (Tabela 19) zawiera
wartości 6 i 7 co znajduje wyraźne odzwierciedlenie w macierzy odpowiedzi. Z kolei wektor wzorcowy dla Strategii Pasywnej Działania (Tabela 20) zawiera warto
macierzy odpowiedzi jako odpowied
minimum. Wreszcie wektor wzorcowy dla Strategii Innowacyjnej (Tabela 21) najliczniej zawiera
wartości pomiędzy 5 a 7, podczas gdy wektor wzorcowy dla Strategii Defensywnej zawiera same skra wartości 0,1 oraz 9.
Reasumując, widać że na macierz odpowiedzi modelu najwi semantyczne czynników sprzyjając
skompilowane do reguł wnioskowania wzorcowych poszczególnych strategii. Odst pobudzany jest wektorami o jednorodnych warto spodziewać, że taka sytuacja w praktyce nie wyst modelu na wektory wejściowe o róż
konsekwencją najlepszego dopasowania do wektorów wzorcowyc
Rysunek 31. Macierz odpowiedzi na jednorodny wektor wej
ędami widać, że Strategii Ofensywnej (oznaczonej na rysunku sOff=1) ści czynników z zakresu od 8 do 10. Strategia Pasywna Kondycji (sPKn=3) jest pobudzana najmocniej wektorami o wartościach z zakresu od 3 do 7. Z kolei Strategia Pasywna Działania ga słabsze maksima ale w dwóch przedziałach wartości od 0 do 3 oraz od 6 do 9. Strategia
źnie zarysowane maksimum odpowiedzi dla wartoś
od 3 do 7 przy jednoczesnym silnym tłumieniu dla pozostałych wartościach. Wreszczie Strategia Defensywna najsilniej odpowiada na wartości skrajne tj. z przedziału od 0 do 3 oraz 9
e uzyskane wyniki najsilniejszego pobudzenia poszczególnych strategii odpowiadaj
ściom w wyznaczonych powyżej wektorach wzorcowych. I tak dla Strategii orcowym (Tabela 18) najliczniej występuje wartość 9 i jest to widoczne w uzyskanej macierzy odpowiedzi przez najsilniejszą odpowiedź na wartości wektorów z zakresu od 8 do 10.
Analogicznie wektor wzorcowy dla Strategii Pasywnej Kondycji (Tabela 19) zawiera
źne odzwierciedlenie w macierzy odpowiedzi. Z kolei wektor wzorcowy dla Strategii Pasywnej Działania (Tabela 20) zawiera wartości silnie rozdystrybuowane, co widoczne jest w macierzy odpowiedzi jako odpowiedź najmniej zdecydowa, o najsłabiej zaznaczonym maksimum i minimum. Wreszcie wektor wzorcowy dla Strategii Innowacyjnej (Tabela 21) najliczniej zawiera
dzy 5 a 7, podczas gdy wektor wzorcowy dla Strategii Defensywnej zawiera same skra że na macierz odpowiedzi modelu największy wpływ maj
ących realizacji poszczególnych strategii ekologizacji (Tabela 13), które skompilowane do reguł wnioskowania (Tabela 17) bezpośrednio wpływają na warto
wzorcowych poszczególnych strategii. Odstępstwa wynikają z faktu, że w niniejszym te pobudzany jest wektorami o jednorodnych wartościach dla wszystkich czynników, podczas gdy nale
e taka sytuacja w praktyce nie występuje. Z drugiej strony przeprowadzenie testu odpowiedzi ciowe o różnych wartościach mija się z celem, gdyż uzyskane odpowiedzi b najlepszego dopasowania do wektorów wzorcowych, które przeplatają ę
. Macierz odpowiedzi na jednorodny wektor wejściowy o wartościach od 0 do 10
e Strategii Ofensywnej (oznaczonej na rysunku sOff=1) Strategia Pasywna Kondycji (sPKn=3) jest ciach z zakresu od 3 do 7. Z kolei Strategia Pasywna Działania ci od 0 do 3 oraz od 6 do 9. Strategia nie zarysowane maksimum odpowiedzi dla wartości czynników z zakresu ściach. Wreszczie Strategia do 3 oraz 9-10. Warto zauważyć, e uzyskane wyniki najsilniejszego pobudzenia poszczególnych strategii odpowiadają w przybliżeniu ej wektorach wzorcowych. I tak dla Strategii ść 9 i jest to widoczne w ci wektorów z zakresu od 8 do 10.
Analogicznie wektor wzorcowy dla Strategii Pasywnej Kondycji (Tabela 19) zawiera największą ilość ne odzwierciedlenie w macierzy odpowiedzi. Z kolei wektor wzorcowy dla ci silnie rozdystrybuowane, co widoczne jest w najmniej zdecydowa, o najsłabiej zaznaczonym maksimum i minimum. Wreszcie wektor wzorcowy dla Strategii Innowacyjnej (Tabela 21) najliczniej zawiera środkowe dzy 5 a 7, podczas gdy wektor wzorcowy dla Strategii Defensywnej zawiera same skraje kszy wpływ mają skale i wartości ych realizacji poszczególnych strategii ekologizacji (Tabela 13), które ą na wartości wektorów że w niniejszym teście model ciach dla wszystkich czynników, podczas gdy należy się puje. Z drugiej strony przeprowadzenie testu odpowiedzi ż uzyskane odpowiedzi będą h, które przeplatają się wzajemnie.
ciach od 0 do 10
Aspekt aplikacyjny problemu
Wykorzystanie modelu w środowisku Matlab sprowadza się do jego uruchomienia, możliwości podglądania i zmiany jego parametrów oraz obliczenia odpowiedzi modelu, czyli wskazania strategii ekologizacji na podstawie wartości 48 czynników wejściowych.
W celu uruchomienia modelu w środowisku Matlab należy wpisać nazwę skryptu Model48 co spowoduje wykonanie jego zawartości i utworzenie modelu. W wyniku tego w przestrzeni roboczej Matlaba powstaną 2 zmienne:
• a – zmienna przechowująca cały model logiki rozmytej.
• ruleList – zmienna techniczna, za pomocą której zdefiniowano reguły wnioskowania i przypisano je do modelu.
Parametry utworzonego modelu można obejrzeć na 2 sposoby:
• wpisując polecenie showfis(a), uzyskuje się szczegółowy opis definicji modelu zawierający ok 2300 linii definicji.
• wpisując w środowisko samą nazwę zmiennej (czyli a) uzyskuje się ogólny, skrócony opis modelu podobny do tego przedstawionego poniżej:
a =
name: 'StrategieEkologizacji' type: 'mamdani'
andMethod: 'min' orMethod: 'AvgOR' defuzzMethod: 'mom' impMethod: 'min' aggMethod: 'max' input: [1x48 struct]
output: [1x1 struct]
rule: [1x5 struct]
W celu wskazania strategii należy wykonać 4 kroki:
Krok 1. Utworzenie wektora z wartościami 48 czynników. Wektor tworzy się poprzez wpisanie nazwy wektora (np.: A jak Ankieta), a następnie po znaku równości, w nawiasie klamrowym umieszcza się wartości wszystkich 48 czynników np.:
A = [1 2 3 4 5 6 7 8 9 0 1 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8];
Krok 2. Obliczenie wartości wyjściowej z modelu. Krok ten obejmuje 3 działania wykonywane za pomocą 1 polecenia:
1. W pierwszej kolejności zostanie utworzona zmienna OUT
2. Wartość zmiennej OUT zostanie ustalona poprzez wykonanie obliczeń na modelu a zasilonym wektorem wejściowym A
3. Wreszcie wartość zmiennej OUT zostanie wypisana na ekranie.
Treść polecenia wykonującego powyższe 3 kroki wraz z odpowiedzią Matlaba przedstawia się następująco:
OUT = evalfis(A,a) OUT =
3
Proszę zwrócić uwagę na fakt, że w przeciwieństwie do polecenia tworzącego wektor A, które kończy się znakiem średnika, polecenie powyższe kończy się bez średnika. Jeżeli jest średnik na końcu polecenia Matlab nie ujawnia wyniku wykonania polecenia.
Krok 3. Interpretacja wyniku. Jak wielokrotnie wspominano Matlab w obliczeniach ignoruje stosowanie wszelkiego nazewnictwa i posługuje się kolejnością zdefiniowania poszczególnych obiektów. W celu zinterpretowania wyniku podanego przez zmienną OUT należy odczytać nazwę najbliżej położonej strategii ekologizacji z szeregu nazw i odpowiadających im wartości zmiennej wyjściowej (Tabela 18).
Tabela 18. Wskazanie strategii ekologizacji
Strategia ekologizacji Wartość wyniku
Ofensywna 1
Pasywna Kondycji 3
Pasywna Działania 5
Innowacyjna 7
Defensywna 9
W przytoczonym przykładzie zmienna OUT zwróciła wynik 3, co zgodnie z powyższą tabelą wskazuje na realizację Strategii Pasywnej Kondycji.
Krok 4. Interpretacja sytuacji zakładu. Zakładając, że wartości wektora wejściowego A zostały pozyskane na podstawie ankiety wykonanej przez reprezentatywną osobę zakładu chemicznego, można w następnej kolejności dokonać deskryptywnej analizy sytuacji tego zakładu i wskazać działania konieczne do realizacji wskazanej strategii, czyli w omawianym przykładzie: strategii innowacyjnej.
Tworzenie analizy deskryptywnej działań ekologizacji opiera się na 4 założeniach:
1. Model wskazał strategię, której realizacja jest najbliższa danej sytuacji istniejącej w zakładzie.
2. Wzorzec wartości czynników sprzyjających realizacji wskazanej strategii znajduje się w tabeli „Skale i wartości semantyczne czynników sprzyjające realizacji poszczególnych strategii ekologizacji”
(Tabela 8)
3. Wszystkie czynniki o wartościach lepszych jakościowo niż podanych we wzorcu do realizacji strategii stanowią silną stronę przedsiębiorstwa lub są jego szansą.
4. Wszystkie czynniki o wartościach jakościowo słabszych niż podanych we wzorcu do realizacji wskazanej strategii stanowią słabą stronę przedsiębiorstwa lub są dla niego zagrożeniem. To właśnie te czynniki ujawniają szczegółową listę kierunków działań jakie przedsiębiorstwo powinno podjąć, by wzmocnić swoją pozycję i w konsekwencji z sukcesem zrealizować wskazaną strategię.
Aspekt aplikacyjny problemu