Members in the risk assessment grou

Members in the risk assessment group are asked to evaluate
each factor at the bottom level of the FI hierarchy
under the agreed score system as shown in Fig. 2. A modified
fuzzy AHP method is applied to work out the priority
weights of risk factors. FI can be obtained by the composition
of the scores and the related weights of risk factors
in the hierarchy process.
In a typical AHP method, experts have to give a definite
number within a 1–9 scale to the pair-wise comparison so
that the priority vector can be computed. Assume two factors
of F1 and F2, if F1 and F2 are equally important, then it
has a scale of 1; if F1 is weakly more important than F2, then
it has a scale of 3; scales of 5, 7 and 9 are used to describe
strongly more important, very strongly more important
and absolutely more important, respectively. Even scales
of 2, 4, 6 and 8 are used to compromise slight difference
between two classifications. The corresponding reciprocals
1, 1/2, 1/3, . . ., 1/9 are used for the reverse comparison, i.e.
F2 comparing to F1 [6]. However, factor comparisons often
involve certain amount of uncertainty and subjectivity. For
example, an expert E1 knows factor F1 is more important
than factor F2, however, the expert cannot give a definite
scale to the comparison because the expert is not sure about
the degree of importance of F1 over F2. The expert probably
provides a range of 3–7 to describe these two factors, e.g. F1
is between weakly more important to very strongly more
important than F2. Sometimes, experts cannot compare
two factors due to the lack of adequate information. In this
case, a typical AHP method has to be discarded due to the
existence of fuzzy or incomplete comparisons. A fuzzy AHP
approach may therefore be expected.
A Fuzzy AHP is an important extension of the typical
AHP method which was first introduced by Laarhoven
and Pedrycz [16]. However, the complicated fuzzy operation
and the lack of proven techniques to address fuzzy
consistency and fuzzy priority vector have undermined
their implementation in practice [8,15,17–19]. A modified
fuzzy AHP is hereby proposed to use standardised trapezoidal
fuzzy number (STFN) to capture and convert
experts’ fuzzy information and subjective judgement. In
this method, fuzzy aggregation is used to create group
decisions, then defuzzication is employed to transform
the STFN scales into crisp scales for the computation
of priority weights. The group preference of each factor
is then calculated by applying fuzzy aggregation operators,
i.e. fuzzy multiplication and addition operators.
There are seven steps to calculate FI that are described
as below.

Kết quả (Việt) 1:

Các thành viên trong nhóm đánh giá rủi ro sẽ được yêu cầu để đánh giámỗi yếu tố ở mức dưới cùng của hệ thống phân cấp FItheo các thoả thuận điểm hệ thống như minh hoạ trong hình 2. Một lầnmờ AHP phương pháp được áp dụng để làm việc trong ưu tiêntrọng lượng của yếu tố nguy cơ. FI có thể được thu được bằng các thành phầnđiểm số và liên quan trọng của yếu tố nguy cơtrong quá trình phân cấp.Trong một điển hình AHP phương pháp, các chuyên gia có để cung cấp cho một xác địnhsố trong một quy mô 1-9 để so sánh pair-wise vì vậyưu tiên vector có thể được tính toán. Giả định hai yếu tốF1 và F2, nếu F1 và F2 là quan trọng không kém, sau đó nócó một quy mô 1; Nếu F1 là yếu quan trọng hơn F2, sau đóđô thị này có quy mô của 3; vảy của 5, 7 và 9 được sử dụng để mô tảquan trọng mạnh mẽ hơn, quan trọng rất mạnh mẽ hơnvà quan trọng hoàn toàn hơn, tương ứng. Ngay cả quy mô2, 4, 6 và 8 được sử dụng để thỏa hiệp sự khác biệt nhỏgiữa hai phân loại. Reciprocals tương ứng1 1/2, 1/3,..., 1/9 được sử dụng cho việc so sánh đảo ngược, tức làF2 so sánh với F1 [6]. Tuy nhiên, yếu tố so sánh thườngliên quan đến số tiền nhất định của sự không chắc chắn và chủ quan. ChoVí dụ, một chuyên gia E1 biết yếu tố F1 là quan trọng hơnhơn yếu tố F2, Tuy nhiên, các chuyên gia không thể cho một xác địnhquy mô để so sánh bởi vì các chuyên gia là không chắc chắn vềmức độ của tầm quan trọng của F1 trong F2. Các chuyên gia có lẽcung cấp một loạt các 3-7 để mô tả hai yếu tố, ví dụ như F1là giữa yếu quan trọng hơn rất mạnh mẽ hơnquan trọng hơn F2. Đôi khi, các chuyên gia không thể so sánhhai yếu tố do thiếu thông tin đầy đủ. Trong điều nàytrường hợp, một phương pháp điển hình AHP đã bị loại bỏ do cácsự tồn tại của so sánh mờ hoặc không đầy đủ. Một mờ AHPcách tiếp cận do đó có thể được mong đợi.Một AHP mờ là một phần mở rộng quan trọng của các điển hìnhAHP phương pháp đầu tiên được giới thiệu bởi Laarhovenvà Pedrycz [16]. Tuy nhiên, các hoạt động phức tạp mờvà thiếu các kỹ thuật đã được chứng minh để địa chỉ mờnhất quán và mờ ưu tiên vector đã làm suy yếuthực hiện trong thực tế [8,15,17-19]. Một lầnmờ AHP bằng văn bản này được đề xuất để sử dụng tiêu chuẩn hóa hình Thangmờ số (STFN) để nắm bắt và chuyển đổiCác chuyên gia mờ thông tin và bản án chủ quan. Ởphương pháp này, mờ tập hợp được sử dụng để tạo nhómquyết định, sau đó defuzzication được sử dụng để biến đổiSTFN quy mô vào sắc nét cân tính toántrọng lượng ưu tiên. Sở thích nhóm của mỗi yếu tốsau đó được tính bằng cách áp dụng vận hành mờ tập hợp,toán tử nhân và bổ sung tức là mờ.Có bảy bước để tính toán FI được mô tảnhư dưới đây.

Kết quả (Việt) 2:

Các thành viên trong nhóm đánh giá rủi ro được yêu cầu đánh giá
từng yếu tố ở cấp dưới cùng của hệ thống phân cấp FI
theo hệ thống điểm đã đồng ý như hình. 2. sửa đổi
phương pháp AHP mờ được áp dụng cho việc ra các ưu tiên
trọng lượng của các yếu tố nguy cơ. FI có thể đạt được bởi thành phần
của điểm số và các trọng số liên quan đến các yếu tố rủi ro
trong quá trình phân cấp.
Trong một phương pháp AHP điển hình, các chuyên gia đã đưa ra một định
số trong một quy mô 1-9 để so sánh cặp-khôn ngoan như vậy
mà vector ưu tiên có thể được tính toán. Giả sử hai yếu tố
của F1 và F2, nếu F1 và F2 là quan trọng không kém, sau đó nó
có một thang điểm từ 1; nếu F1 là yếu quan trọng hơn F2, sau đó
nó có thang điểm từ 3; quy mô 5, 7 và 9 được sử dụng để mô tả
mạnh mẽ quan trọng hơn, rất mạnh mẽ quan trọng hơn
và hoàn toàn quan trọng hơn, tương ứng. Ngay cả quy mô
của 2, 4, 6 và 8 được sử dụng để thỏa hiệp khác biệt nhỏ
giữa hai cách phân loại. Nghịch đảo tương ứng
1, 1/2, 1/3,. . ., 1/9 được sử dụng để so sánh ngược lại, tức là
F2 so với F1 [6]. Tuy nhiên, so sánh yếu tố thường
liên quan đến số tiền nhất định của sự không chắc chắn và chủ quan. Đối với
ví dụ, một chuyên gia E1 biết yếu tố F1 là quan trọng hơn
so với yếu tố F2, tuy nhiên, các chuyên gia có thể không đưa ra một định
quy mô để so sánh bởi vì các chuyên gia là không chắc chắn về
mức độ quan trọng của F1 trên F2. Các chuyên gia có thể
cung cấp một loạt các 3-7 để mô tả hai yếu tố này, ví dụ như F1
là giữa yếu quan trọng hơn rất mạnh mẽ hơn nữa
quan trọng hơn F2. Đôi khi, các chuyên gia không thể so sánh
hai yếu tố do thiếu thông tin đầy đủ. Trong
trường hợp này, một phương pháp AHP điển hình đã bị loại bỏ do sự
tồn tại của các so sánh mờ hoặc không đầy đủ. Một AHP mờ
cách tiếp cận do đó có thể được mong đợi.
Một AHP mờ là một phần mở rộng quan trọng của các điển hình
phương pháp AHP lần đầu tiên được giới thiệu bởi Laarhoven
và Pedrycz [16]. Tuy nhiên, các hoạt động mờ phức tạp
và thiếu kỹ thuật đã được chứng minh để giải quyết mờ
nhất quán và vector ưu tiên mờ đã làm suy yếu
việc thực hiện trong thực tế [8,15,17-19]. Một sửa đổi
mờ AHP được hướng đề xuất sử dụng chuẩn hình thang
số mờ (STFN) để nắm bắt và chuyển đổi
các chuyên gia thông tin mờ và đánh giá chủ quan. Trong
phương pháp này, tập hợp mờ được sử dụng để tạo ra các nhóm
quyết định, sau đó defuzzication được sử dụng để chuyển đổi
các STFN quy mô vào quy mô rõ nét cho việc tính toán
các trọng ưu tiên. Các ưu đãi nhóm của mỗi yếu tố
được tính toán bằng cách áp dụng khai thác tập hợp mờ,
tức là phép nhân và ngoài khai thác mờ.
Có bảy bước để tính toán FI được mô tả
như dưới đây.