Failure modes and effects analysis (FMEA) is a widely used engineering tool in the fields of the design of a product or a process to improve its quality or performance by prioritizing potential failure modes in terms of three risk factors―severity, occurrence, and detection. In a classical FMEA, the risk priority number is obtained by multiplying the three values in 10 score scales which are evaluated for the three risk factors. However, the drawbacks of the classical FMEA have been mentioned by many previous researchers. As a way to overcome these difficulties, this paper suggests the ELECTRE III that is a representative technique among outranking models. Furthermore, fuzzy linguistic variables are included to deal with ambiguous and imperfect evaluation process. In addition, when the importances for the three risk factors are obtained, the entropy method is applied. The numerical example which was previously studied by Kutlu and Ekmek‡ioğlu(2012), who suggested the fuzzy TOPSIS method along with fuzzy AHP, is also adopted so as to be compared with the results of their research. Finally, after comparing the results of this study with that of Kutlu and Ekmek‡ioğlu(2012), further possible researches are mentioned.

효율적이고 체계적인 퍼지제어를 위해 조작자의 제어동작을 모델링하거나 공정을 모델링하는 기법이 필요하고, 또한 퍼지 추론시에 조건부의 기여도(contribution factor)의 결정과 동작부의 제어량의 결정이 추론의 결과에 중요하다. 본 논문에서는 추론시 조건부의 기여도와 동작부의 세어량이 퍼지 엔트로피의 개념하에서 수행되는 적응 퍼지 추론시스템을 제시한다. 제시된 시스템은 전방향 신경회로망의 토대위에서 구현되며 주건부의 기여도가 퍼지 엔트로피에 의하여 구해지고, 동작부의 제어량은 확장된 퍼지 엔트로피에 의하여 구해진다. 이를 위한 학습 알고리즘으로는 역전파 알고리즘을 이용하여 조건부의 파라미터의 동정을 하고 동작부 파라미터의 동정에는 국부해에 보다 강인한 유전자 알고리즘을 이용하다. 이러한 모델링 기법을 임펄스 잡음과 가우시안 잡음이 첨가된 영상에 적용하여 본 결과, 영상복원시에 발생되는 여러 가지의 경우에 대한 적응성이 보다 양호하게 유지되었고, 전체영상의 20%의 데이터만으로도 객관적 화질에 있어서 기존의 추론 방법에 비해 향상을 보였다.