ANALIZA PERFORMANSI ROBOTA POMOĆU FUZZY GRAFOVA I FUZZY C-MEANS ALGORITMA

U ovom radu prikazujemo pristup analizi performansi robota koji kombinuje dva komplementarna koncepta: fuzzy grafove i Fuzzy C-Means (FCM) algoritam. Cilj rada je pokazati kako se tačnost i ponovljivost robota mogu objediniti u jedinstvenu mjeru pouzdanosti, te kako se ta mjera može dalje koristiti u formiranju fuzzy indeksa sličnosti između robota. Primijenjen na skupu od 16 simuliranih robota, FCM algoritam formira četiri jasno razdvojena klastera s prosječnom pripadnošću od 0.97. Dobivene vrijednosti pripadnosti koriste se kao fuzzy težine za konstrukciju fuzzy grafa, čija analiza pokazuje da se, za prag sličnosti 𝜏=0.95 struktura mijenja sa četiri na šest klastera, a 87.5% robota ostaje povezano u stabilnim podgrupama. Na taj način omogućeno je dublje razumijevanje odnosa između robota – s jedne strane kroz grafovsku strukturu s fuzzy težinama, a s druge strane kroz grupisanje robota na osnovu fuzzy pripadnosti klasterima. Ovakav hibridni pristup doprinosi boljem sagledavanju strukture performansi i može imati praktičnu primjenu u održavanju robota i alokaciji zadataka.