Um Sistema de Inferência Fuzzy (FIS) é a unidade-chave de tomada de decisão dentro de um sistema de lógica fuzzy. Ele fornece uma estrutura computacional para traduzir o raciocínio humano em um modelo funcional, principalmente por meio do uso de regras SE-ENTÃO. Um FIS é estrategicamente importante porque pode processar informações vagas e imprecisas usando uma estrutura de regras linguísticas para derivar uma saída definitiva, tornando-se um pilar fundamental do controle fuzzy e de aplicações de tomada de decisão.

A principal característica de um FIS é que sua saída é sempre um conjunto fuzzy, independentemente de suas entradas serem valores nítidos (precisos) ou fuzzy (imprecisos). Consequentemente, para aplicações que exigem uma única saída acionável, como em um controlador, uma unidade de defuzzificação é necessária para converter essa saída fuzzy em uma variável nítida.

Um Sistema de Inferência Fuzzy completo é construído a partir de cinco blocos funcionais distintos:

• Base de regras: Contém o conjunto de regras difusas SE-ENTÃO que governam o comportamento do sistema.
• Base de dados: Define as funções de associação para os conjuntos fuzzy usados ​​dentro das regras fuzzy.
• Unidade de tomada de decisão: Executa operações de inferência sobre as regras para derivar conclusões.
• Unidade de Interface de Fuzzificação: Converte quantidades de entrada nítidas em quantidades difusas.
• Unidade de interface de defuzzificação: Converte as quantidades de saída difusas do processo de inferência de volta em quantidades nítidas.

Embora a arquitetura fundamental permaneça consistente, a mecânica interna desses sistemas pode diferir significativamente. Este whitepaper fornece uma análise comparativa dos dois principais métodos de inferência fuzzy: o sistema Mamdani e o modelo Takagi-Sugeno.