Unsere Gesellschaft verfolgt aktuell einen rasanten, technischen Fortschritt, bei dem immer mehr Aufgaben automatisiert werden sollen und Firmen mit starker digitaler Basis konventionelle Produkthersteller werttechnisch längst überholt haben. Einmal jährlich ermittelt das Marktforschungsinstitut Milward Brown die weltweit 10 wertvollsten Unternehmen. In diesem Ranking ist McDonald’s mit Rang 9 das einzige Unternehmen, welches konventionelle statt digitaler Produkte verkauft.
Jedoch stoßen automatisierte Systeme bei Anwendung der herkömmlichen Logik, nach welcher eine Aussage nur wahr oder unwahr sein kann, schnell an ihre Grenzen. Schon allein die simpel anmutende Fragestellung, ob ein Fahrzeug, das sich mit 80km/h bewegt, schnell ist oder nicht, lässt sich mit herkömmlicher Logik nicht beantworten. Dem gegenüber stellt die Fuzzy-Mengenlehre ein Werkzeug bereit, um solche Aussagen mathematisch bewerten und Aussagen auch teilweise wahr oder teilweise falsch einstufen zu können. Diese Arbeit stellt die Thematik Fuzzy-Mengenlehre im Allgemeinen vor und zeigt anhand praktischer Anwendungsbeispiele und dem abschließenden Ausblick, inwiefern solche Systeme zukünftig eingesetzt werden können.
Inhaltsverzeichnis
1. Einleitung
1.1. Einführung in das Thema
1.2. Problemorientierte Fragestellung der Arbeit
2. Grundlagen
2.1. Die klassische Mengenlehre
2.2. Die Fuzzy-Mengenlehre
2.2.1. Theoretische Grundlage der Fuzzy-Mengenlehre
2.2.1. Operatoren von Fuzzy-Mengen
2.2.2. Schlussfolgerungen in der Fuzzy-Mengenlehre
3. Fuzzy-Mengenlehre in der Praxis
3.1. Fuzzy-Control
4. Ausblick und Prognosen für den Einsatz der Fuzzy-Mengenlehre
5. Fazit
Zielsetzung & Themen
Die vorliegende Arbeit verfolgt das Ziel, die Grundlagen der Fuzzy-Mengenlehre einzuführen und deren praktische Relevanz bei der Lösung komplexer, unscharfer Fragestellungen – insbesondere in der Automatisierungstechnik – aufzuzeigen. Dabei wird die zentrale Forschungsfrage adressiert, wie Fuzzy-Systeme gegenüber klassischer, binärer Logik Vorteile bei der Abbildung realitätsnaher, sprachlich beschriebener Probleme bieten können.
- Grundlagen der klassischen Mengenlehre im Vergleich zur Fuzzy-Logik
- Mathematische Operationen wie Konjunktion, Disjunktion und Negation in der Fuzzy-Mengenlehre
- Einsatz von Fuzzy-Control-Systemen am Beispiel einer automatisierten Abstandsregelung
- Potenziale der Fuzzy-Logik für zukünftige Anwendungsfelder wie Cognitive Cities und komplexe industrielle Steuerungen
Auszug aus dem Buch
2.2. Die Fuzzy-Mengenlehre
Östliche Philosophien beschäftigten sich bereits ca. 500 v. Chr. mit unscharfen Systemen, wie die philosophische Weltsicht von Laozi zeigt (vgl. Portmann, E., 2019, S. 1). Erste Ideen nach einem unscharfen Logiksystem in der modernen Mathematik stammen von Lukasiewic und Black. Dies war zum einen der Unschärfeproblematik der Quantentheorie geschuldet als auch jener Erkenntnis, dass viele mathematische Modelle in der Technik oder Biologie die Realität nicht exakt, sondern unscharf abbilden (vgl. Adamy, J., 2019, S. 5). Eine erste unscharfe Logiktheorie entwickelte 1965 Zadeh, und benannte sie die Fuzzy-Logik. „Fuzzy“ bedeutet dabei so viel wie unscharf oder verschwommen (vgl. Adamy, J., 2019, S. 5). Diese Erweiterung der klassischen Mengenlehre bietet nun auch die Möglichkeit auch das Unscharfe mathematisch zu erfassen.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung beleuchtet die Problematik des menschlichen Versagens im Straßenverkehr und identifiziert Fuzzy-Logik als potenzielles Werkzeug zur Verbesserung automatisierter Abstandsregelungssysteme.
2. Grundlagen: Dieses Kapitel erläutert die Grenzen der klassischen, binären Mengenlehre und führt die Fuzzy-Mengenlehre sowie deren mathematische Operatoren und Schlussfolgerungsmechanismen als Alternative ein.
3. Fuzzy-Mengenlehre in der Praxis: Hier wird der praktische Einsatz der Fuzzy-Logik durch das spezifische Beispiel eines Fuzzy-Abstandsreglers in Fahrzeugen verdeutlicht und technisch analysiert.
4. Ausblick und Prognosen für den Einsatz der Fuzzy-Mengenlehre: Der Ausblick diskutiert zukünftige Anwendungsmöglichkeiten der Technologie, unter anderem in der Stadtplanung (Cognitive Cities) und der industriellen Automatisierung.
5. Fazit: Das Fazit fasst die Vorteile der Fuzzy-Mengenlehre zusammen und betont deren Rolle als unverzichtbarer Bestandteil einer hochtechnisierten, vernetzten Welt.
Schlüsselwörter
Fuzzy-Mengenlehre, Fuzzy-Logik, klassische Mengenlehre, Fuzzy-Control, Automatisierungstechnik, Zugehörigkeitsgrad, linguistische Variable, Abstandsregelung, Fuzzy-Inferenz, Defuzzifizierung, Industrie 4.0, Expertensysteme, Systemdesign, Regelungstechnik, Unschärfe.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit bietet eine fundierte Einführung in die Fuzzy-Mengenlehre und untersucht deren Anwendungsmöglichkeiten bei der Lösung komplexer Probleme in der Automatisierungstechnik.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Themen sind der theoretische Vergleich zwischen klassischer und Fuzzy-Logik, die mathematischen Grundlagen unscharfer Mengen sowie deren praktische Umsetzung in Regelsystemen.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel ist es, aufzuzeigen, wie die Fuzzy-Mengenlehre mathematisch genutzt werden kann, um unschärfere, reale Zusammenhänge effizienter abzubilden als mit herkömmlicher, binärer Logik.
Welche wissenschaftliche Methode kommt zum Einsatz?
Die Arbeit nutzt eine literaturbasierte theoretische Herleitung sowie eine fallstudienartige Analyse anhand eines Fuzzy-basierten Abstandsreglers für PKWs.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die theoretischen Grundlagen der Fuzzy-Logik, die Erläuterung der zugehörigen Operatoren und eine detaillierte Fallstudie zur praktischen Anwendung im Bereich Fuzzy-Control.
Welche Schlüsselwörter charakterisieren die Arbeit am besten?
Zu den prägenden Begriffen zählen Fuzzy-Logik, Zugehörigkeitsgrad, linguistische Variable, Fuzzy-Inferenz und Automatisierungstechnik.
Wie unterscheidet sich ein Fuzzy-Regler von einem linearen Regler in der Abstandsregelung?
Während ein linearer Regler bei einem zu geringen Abstand zu einer riskanten, abrupten Brems- und Beschleunigungsdynamik neigt, ermöglicht der Fuzzy-Regler eine adaptivere und menschlichere Verhaltensweise durch ein differenziertes, nichtlineares Kennfeld.
Welche Rolle spielt die Defuzzifizierung in einem Fuzzy-Control-System?
Die Defuzzifizierung ist der entscheidende Prozessschritt, in dem die linguistisch ermittelten Fuzzy-Werte wieder in reell-wertige Variablen zurückübersetzt werden, um konkrete Steuerungsbefehle, wie etwa die Sollbeschleunigung, auszugeben.
Warum wird im Ausblick der Begriff "Cognitive Cities" verwendet?
Der Begriff beschreibt urbane Umgebungen, die durch Fuzzy-logische Algorithmen die Bedürfnisse ihrer Bevölkerung besser erfassen, verarbeiten und gezielt auf diese reagieren können.
- Quote paper
- Johann Padel (Author), 2020, Einführung in die Fuzzy Mengenlehre, Munich, GRIN Verlag, https://www.grin.com/document/916730
