• فعلی و همکاران [۵۲] به بررسی عوامل مؤثر بر مشارکت دانشجویان در فعالیت‌های پژوهشی و تولید علم پرداخته­اند.

• نتایج آزمون­های آماری در پژوهش اعظمی [۴۰] در زمینه وجود رابطه بین تعداد مقاله‌های منتشر شده اعضای هیئت علمی با سطح زبان انگلیسی، روش تحقیق، آمار و بانک‌های اطلاعاتی نشان داد بین تعداد مقاله‌های منتشر شده و میزان آشنایی با زبان انگلیسی و روش تحقیق، رابطه معنادار وجود دارد، در حالی که وجود این رابطه در مورد آمار و بانک­های اطلاعاتی، تأیید نمی‌شود.

• نوروزی چالکی و دیانی [۵۳] عوامل موثر بر موفقیت مدیران در سازمان را شامل ثبات مدیریت، فاصله فیزیکی سازمان از مرکز، استقلال سازمانی مدیر، ارتباط تخصص مدیر با اهداف سازمان، استفاده از فناوری در امور آموزش کارکنان (تأثیر فناوری) می­دانند.

• کورکی و همکاران [۳۹] در پژوهش دیگری به بررسی عوامل موثر بر عدم گرایش به نگارش مقالات علمی اعضای هیأت علمی پرداخته­اند. آنان عوامل خود را در سه محور مشکلات سازمانی، مشکلات شخصی و سازمانی و مشکلات شخصی قرار دادند. عوامل مشغله زیاد در امور آموزشی و تدریس، آشنا نبودن به ضوابط پذیرش و مقررات چاپ مقالات در مجلات علمی فارسی، دست و پا گیر بودن ضوابط پذیرش و مقررات چاپ مقالات در مجلات علمی فارسی، طولانی بودن زمان ارائه تا چاپ مقالات فارسی، آشنا نبودن به ضوابط پذیرش و مقررات چاپ مقالات در مجلات علمی لاتین، دست و پا گیر بودن ضوابط و مقررات چاپ مقالات در مجلات علمی لاتین، طولانی بودن زمان ارائه تا چاپ مقالات لاتین، نداشتن تسلط کافی به زبان انگلیسی، آشنا نبودن اعضای به اصول و متدلوژی مقاله نویسی، کافی نبودن دانش و سطح علمی اعضای هیأت علمی در نگارش مقالات، دسترسی محدود به منابع و اطلاعات زمینه­ای و ابزاری، کافی نبودن ابزار تشویقی و پایین بودن امتیاز تخصیصی به هر مقاله در ارتقاء اعضای هیأت علمی جزء عوامل اولیه موثر بر عدم گرایش به نگارش مقالات علمی شناسایی شدند.

• • زینالو و همکاران [۵۴] گزارش کردند که هیأت علمی معتقدند بیشترین مشکلات موجود در انجام پژوهش به ترتیب موانع مالی، موانع اداری، امکانات کم و نامطلوب، میزان اطلاع رسانی در پژوهش­ها، ضعیف بودن انگیزه استادان برای انجام پژوهش و نیز عملکرد ضعیف استادان برای انجام پژوهش می­باشد.

• به نظر دارابی و همکارانش [۵۵]، مقررات اداری، کمبود بودجه تحقیقاتی، حجم کار زیاد، عدم وجود انگیزه و مهارت­ های فردی از جمله عواملی هستند که مانع از انجام فعالیت­های پژوهشی می­گردند، ولی نتایج مطالعه آنان نشان داد که با اصلاح شیوه ­های اداری و مدیریتی و برنامه­ ریزی متناسب با مشکلات موجود، می­توان موانع را بر طرف و از شدت مشکلات کاست.

• مهم‌ترین موانع و عوامل پژوهش و نوآوری از دیدگاه مهدی و همکاران [۱۷] عبارتست از مدیریت، سیاست­گذاری و نظام پژوهشی، فرهنگ پژوهش، پژوهشگران، فضای استاندارد علمی و پژوهشی، قوانین و مقررات پژوهشی، بودجه و امکانات پژوهشی، کاربرد نتایج پژوهش.

• تصدیقی و تصدیقی [۵۶] با بررسی نظام­های آموزشی سایر کشورها، راهکارهایی را برای برطرف کردن موانع پژوهش به صورت زیر ارائه داده­اند: اصلاح قوانین ارتقا به نفع پژوهش، موظف شدن اساتید، مدیران و متخصصان به امر پژوهش، ارتباط بین پژوهشگران و مدیران، کاهش موانع مالی و اداری تحقیق، حذف ساختار نامناسب بوروکراسی، انعطاف­پذیری مقررات، کاهش مقررات دست و پا گیر اداری، ایجاد ثبات در مدیریت، ایجاد جو اعتماد جهت تقویت مدیریت پژوهشی، توجه به تحقیقات مشارکتی، قدردانی مناسب از اساتید و دانشجویان پژوهشگر، تاسیس سازمان متمرکز و مستقل جهت نظم بخشیدن به تحقیقات، جلوگیری از دوباره کاری، نظارت بر همه تحقیقات و ایجاد بانک پژوهش و تحقیق.

• پژوهش­های دیگری[۵۵و۵۶و۵۷و۵۸] مبنی بر یافتن موانع و مشکلات پژوهش و آسیب­شناسی آن در دانشگاه­ها انجام شده است.

۲-۶- روش­های به‌کارگیری و تحلیل عوامل حیاتی موفقیت
۲-۶-۱- زنجیره حیاتی موفقیت
زنجیره حیاتی موفقیت^[۱۲] یک ابزار برای طراحی عوامل موفقیت در پروژه­ های فناوری اطلاعات و یک روش برای تولید ایده راهبردی پروژه فناوری اطلاعات به شمار می­رود. زنجیره حیاتی موفقیت بر پایه تئوری ترکیبات انفرادی^[۱۳] که توسط کلی^[۱۴] در دهه ۱۹۵۰ توسعه یافت، استوار است. این زنجیره روابط مهم بین مشخصه­های عوامل حیاتی موفقیت و اهداف سازمان را مورد بررسی قرار می­دهد. روش­شناسی زنجیره حیاتی موفقیت شامل چهار مرحله است. این چهار مرحله عبارتند از: آمادگی قبل از بررسی، مصاحبه­ ها، تجزیه و تحلیل و جمع­بندی، و کارگاه­های عقیده سنجی [۵۹].
زنجیره حیاتی موفقیت را الیاهو گلدرات در سال ۱۹۹۷ در کتابی با همین عنوان معرفی کرد. کتاب گلدرات چالشی در جامعه مدیریت پروژه پدید آورد. برخی آن را شیوه­ای نوین و انقلابی در مدیریت پروژه می­دانند چون معتقدند با کوتاه­سازی مدیریت پروژه و افزایش توان ادای تعهدات هزینه و زمان، بازدهی را بالا می­برد. برخی دیگر آن‌را گزافه­گویی دانسته می­گویند مدیران با تجربه سال‌هاست با این روش کار می­ کنند و یکتایی این روش تنها در نام­گذاری آن است نه در نهاد آن. پفرز، گنگلر و تانانن^[۱۵] (۲۰۰۳) با توسعه متدلوژی عوامل حیاتی موفقیت متدلوژی “زنجیره­های حیاتی موفقیت” را به دست آورده­اند که روابط بین مشخصات سیستم­های اطلاعاتی، عوامل حیاتی موفقیت و اهداف سازمانی را به طور روشن مدل بندی می­ کند [۵۹].
از نقاط ضعف و محدودیت‌های زنجیره حیاتی موفقیت این است که اگر اطلاعات کافی در دسترس نباشد، زنجیره حیاتی موفقیت باید به وسیله روش­های دیگر برای برنامه­ ریزی سیستم­های اطلاعاتی کامل شود و در ارائه پیشنهادهایی برای پروژه­ های راهبردی، کارآمدتر بودن زنجیره حیاتی موفقیت از سایر تکنیک­های ممکن برای تولید ایده­ ها، هنوز ثابت نشده است [۶۰].
۲-۶-۲- فرایند تحلیل سلسله مراتبی
فرایند تحلیل سلسله مراتبی^[۱۶]، یکی از کارامدترین روش­های تصمیم ­گیری است و در حوزه تعیین عوامل حیاتی موفقیت استفاده شده است[۶۱]. این روش بر اساس تحلیل مغز انسان برای مسائل پیچیده و فازی پیشنهاد گردیده است. هدف به دست آوردن و رده­بندی نظرات کاربران درباره اهمیت عوامل حیاتی موفقیت معین است. متدلوژی تحلیل سلسله مراتبی، توسط ساعتی در دهه ۱۹۷۰ ارائه شده است به طوری که کاربردهای متعددی از آن زمان تا کنون برای این روش مورد بحث قرار گرفته‌اند. فرایند تحلیل سلسله مراتبی و کاربرد آن بر سه اصل زیرین استوار است [۶۲]:
الف – بر پایی یک ساختار و قالب رده­ای برای مسئله.
ب – برقراری ترجیح‌ها از طریق مقایسات زوجی (به صورت نرخ نهایی جانشینی).
ج – برقراری سازگاری منطقی از اندازه ­گیری­ها.
این متدلوژی یک ساختار سلسله مراتبی را برای نمایش یک مسئله چند تصمیمی به کار می‌برد که برای این کار مسئله را به چندین زیرمسئله تجزیه می­ کند. تحلیل سلسله مراتبی به طور گسترده برای انعکاس اهمیت یا وزن فاکتورهای مرتبط با اولویت­ها مورد استفاده قرار گرفته است. بنابراین وزن یا اهمیت داده بر هر ملاک (معیار)، برای هر واحد متفاوت است. وزن داده شده به هر یک از معیارها ممکن است هر مقداری را بگیرد و هیچ یک از آنها نمی­تواند مهم‌تر از مابقی تلقی شود. هرچند، این مسئله وقتی مناسب­تر است که تصمیم گیرنده هیچ گونه تقدمی برای خصوصیات متفاوت قائل نشود [۵۹].
فرایند تحلیل سلسله مراتبی، به پاسخ دهندگان اجازه می­دهد تا علاقه شخصی خود را بیان کنند، بنا بر این هر مسئله می ­تواند با بهره گرفتن از این مجموع علایق ارزیابی شود، به طوری که یک رده­بندی ویژه، برای هر تصمیم گیرنده فراهم می­ شود. در این صورت چند روش برای به دست آوردن مجموعه‌ای از علایق کلی وجود دارد که یا به سادگی میانگین امتیازات انفرادی را در نظر می­گیرد یا با ایجاد یک وزن، با توجه به اهمیت مورد نظر تصمیم گیرنده، این کار را صورت می­دهد. از نقاط ضعف و محدودیت­های فرایند تحلیل سلسله مراتبی می­توان موارد زیر را نام برد [۶۳] :

• در روش فرایند تحلیل سلسله مراتبی به دلیل مقایسات دودویی عوامل حیاتی موفقیت در صورت زیاد بودن تعداد عوامل تعداد محاسبات خیلی زیاد خواهد شد که در نهایت به رتبه ­بندی عوامل حیاتی موفقیت منجر خواهد شد.

• تناقض­های ممکن در جواب­های افراد مصاحبه شده، ممکن است به محاسبه­ی غلط وزن­های عوامل حیاتی موفقیت منتهی شوند.

۲-۶-۳- پویایی­های سیستم
پویایی‌های سیستم^[۱۷] روش­شناسی مطالعه و مدیریت سیستم‌های بازخوری پیچیده مانند سیستم‌های موجود در حوزه کسب‌و‌کار و سایر سیستم‌های اجتماعی است. در واقع می‌توان گفت از این روش­شناسی برای بررسی و مطالعه تمامی انواع سیستم‌های بازخوری استفاده شده است. اگر چه واژه «سیستم» در مورد بسیاری از وضعیت‌ها به کار رفته است اما «بازخور» در این زمینه،‌ صفتی مشخصه محسوب می‌شود. مسائل موجود در سیستم از دو ویژگی (۱) پویایی و (۲) ساختار بازخوردی برخوردارند. رویکرد پویایی­های سیستم ]۶۴[ :

• ابتدا مسأله‌ای را شناسایی می‌کند.

• فرضیه‌ای پویا که علت وقوع مسأله را تشریح می‌کند، شکل می‌دهد.

• یک مدل شبیه‌سازی رایانه‌ای از سیستم نهفته در ریشه مسأله ایجاد می‌کند.

• مدل را به منظور حصول اطمینان از باز تولید رفتار مشاهده شده در دنیای واقعی مورد بررسی و آزمایش قرار می‌دهد.

• سیاست‌های بدیل مختلف که می‌توانند مسأله را بهبود دهند، طراحی و آزمایش می‌کند.

• و در نهایت راه‌حل برگزیده را به اجرا می‌گذارد.

این روش­شناسی نخستین بار توسط فارستر^[۱۸] ابتدا در دهه­های۱۹۴۰ و ۱۹۵۰ مطرح و بررسی­هایی بر روی آن انجام شد. نخستین حوزه کاربرد پویایی‌های سیستم، مدیریت راهبردی مسائل صنعتی بود. نتیجه اصلی این پژوهش، انتشار کتاب پیشگامانه «پویایی‌های صنعتی» در سال ۱۹۶۱ بود که متدلوژی جدیدی را در حوزه مسائل صنعتی/ کسب‌وکار معرفی می‌کرد و به تصویر می‌کشید. از زمان انتشار این کتاب دامنه کاربردهای این روش­شناسی به شدت توسعه یافته و در حال حاضر حوزه‌های زیادی را تحت پوشش قرار می‌دهد [۶۵].
۲-۷- منطق و تفکر فازی
در زندگی روزانه ما کلمات و مفاهیمی به کار می‌روند که مراتب و درجات دارند و نسبی هستند و نمی‌توان به صورت منطق دو ارزشی^[۱۹] که فقط حکم “هست و نیست” را صادر می‌کند، با آن‌ ها رفتار کرد. مثالی که تبدیل به مبنای ادراکی برای این بحث شده است، مثال رنگ خاکستری است. رنگ خاکستری، سفید است یا سیاه؟ رنگ خاکستری، تا حدودی سفید است و تا حدودی سیاه و هر چه میزان سفیدی آن افزایش یابد خاکستری کم رنگ‌تر به دست می ­آید و هر چه میزان سیاهی افزایش یابد خاکستری پررنگ‌تر حاصل می‌شود. برای قضاوت درباره رنگ خاکستری در فضای سیاه و سفید، باید از درصد استفاده کرد مثلاً: ۲۰% سفید و ۸۰% سیاه. [۵] فرض کنید از تعدادی دانشجویان سئوال شده است دانشگاه چگونه مکانی است؟ و پاسخ­های زیر داده شده است:
۱) عالی است. ۲) خوب است. ۳) تقریباً خوب است. ۴) بد نیست. ۵) بد است.
بدیهی است که نمی‌توان گروه سئوال شدگان را به دو دسته تقسیم کرد. افرادی که گفته‌اند خوب است و افرادی که گفته‌اند بد است (منطق بولی) بلکه شامل ۵ رده هستیم یعنی چنانچه پاسخ عالی است (متغیر لفظی) دارای ارزش ۱ (مقدار عددی) و پاسخ بد است دارای ارزش ۰ باشد آنگاه ۳ گزاره خوب است، تقریباً خوب است و بد نیست نیز دارای ارزش‌اند که مقداری بین ۰ و ۱ خواهد بود (عدد حقیقی). این گونه بیان­ها در زبان محاوره‌ای است که فلاسفه از دیرباز به نقص منطق دو ارزشی پی برده بودند و هم اکنون منطق فازی^[۲۰] است که برای فرموله کردن اینگونه بیان­ها و تعیین ارزش برای هر گزاره ادعاهایی دارد. بنابراین اگر به جای مجموعه دو عضوی از بازه یعنی استفاده کنیم توسعه منطق بولی به منطق فازی را انجام داده‌ایم اینجاست که گوییم منطق بولی زیرمجموعه‌ای از منطق فازی است و یا منطق فازی ابر مجموعه منطق بولی (دودویی ـ دو ارزشی) است. منطق فازی فناوری جدیدی است که شیوه‌هایی را که برای طراحی و مدل­سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است، با بهره گرفتن از مقادیر زبانی و دانش فرد خبره جایگزین می‌‌سازد.
تلاش برای تبیین دقیق موقعیت‌های موجود در دنیای واقعی که به دلیل تشکیکی بودن، دارای مراتب و درجات هستند و منحصر به دو حالت بود و نبود نیستند، سبب تولد منطق و تفکری به نام “فازی” شد. تفکر فازی، به دنبال توصیف مجموعه‌ها و پدیده‌های غیرقطعی و نامشخص و طیف‌دار هستند. منطق فازی با متغیرهای زبانی^[۲۱] سروکار دارد. علم بشری نیاز به شیوه‌ای از تفکر دارد که بتواند به شکل سیستماتیک و دقیق، پدیده‌های غیر دقیق را فرموله کند تا به درستی آن‌ ها را بشناسد و به درستی از آن‌ ها استفاده نماید. “درجات و مراتب"، کلمات حیاتی تفکر فازی هستند [۵]. منطق فازی روشی است که ظرفیت و تفکر انسان­ها را جهت استدلال نادقیق و تقریبی مدل می­ کند. مفهوم منطق فازی توسط پروفسور لطفی عسگرزاده ارائه گردید. ‌زاده معتقد است که باید به دنبال ساختن مدل‌هایی بود که ابهام را به عنوان بخشی از سیستم مدل کند. استفاده از نظریه فازی می‌تواند اطلاعات نادقیق و مبهم تصمیم‌گیران را وارد مدل کند. منطق فازی طیف وسیعی از تئوری‌ها و تکنیک‌ها را شامل می‌شود که اساساً بر پایه ۴ مفهوم بنا شده است [۶۶]: مجموعه‌های فازی، متغیرهای کلامی، توزیع احتمال فازی (تابع عضویت) و قوانین اگر - آنگاه فازی.
۲-۷-۱- پیشینه منطق فازی
تاریخچه کاربرد فازی اولین مرتبه به سال ۱۹۲۶ توسط یکی از فلاسفه بنام کریستین اسمالز^[۲۲] برمی­گردد که در کتاب فلسفه کلیت و فرضیه، مسیر تکامل را در رابطه با مفاهیم مبهم و غیر دقیق ارائه نموده است. پس از آن در سال ۱۹۳۷ توسط ماکس بلک^[۲۳] فیلسوف کوانتوم مقاله­ای تحت عنوان ابهام منتشر گردید که برای اولین بار منجر به تعریف منحنی عضویت شد. در سال ۱۹۶۵پرفسور لطفی عسگرزاده استاد ایرانی­الاصل دانشگاه برکلی کالیفرنیا اولین مقاله خود را تحت عنوان “مجموعه‌های فازی، اطلاعات و کنترل” منتشر کرد. هدف اولیه او در آن زمان، توسعه مدلی کارآمدتر برای توصیف فرایند پردازش زبان‌های طبیعی بود. او مفاهیم و اصطلاحاتی همچون مجموعه‌های فازی، رویدادهای فازی، اعداد فازی و فازی‌سازی را وارد علوم ریاضیات و مهندسی نمود. ایده نظریه مجموعه فازی با این عبارت توسط پرفسور لطفی­زاده مطرح شد: “ما نیازمند یک نوع دیگری از ریاضیات هستیم تا بتوانیم ابهامات و عدم دقت رویدادها را مدل­سازی نماییم، مدلی که متفاوت از نظریه احتمالات است” [۵].
نظریه منطق فازی پیشرفت قابل توجهی داشته‌ و در حوزه ­های بسیاری از جمله سیستم‌های خبره و تصمیم ­گیری، مهندسی کنترل و غیره مورد استفاده بوده است [۱۰]. مجموعه­های فازی به دلیل انعطاف­پذیری، شبیه­سازی استدلال انسان را در قالبی که روی رایانه­های رقمی قابل اجراست، میسر می­سازند. منطق فازی استفاده از متغیرهای لغوی را در الگوریتم­ها و برنامه­ ها ممکن می­سازد. مثلاً برنامه ­نویس می ­تواند صفات کمی نا دقیقی چون بسیار یا کم را در برنامه رایانه­ای به کار برد. چنین امکانی، به ویژه در کاربردهای هوش مصنوعی و برنامه ­های کنترل (تنظیم و نظارت­ بر) فرآیندها، از اهمیت خاصی برخوردار است. انجام این کار با بهره گرفتن از منطق فازی آسان است. حال آنکه بیان این قواعد با روابط دقیقی ریاضی مانند معادلات دیفرانسیل (به دلیلی حجم فوق­العاده زیاد آنها) کاری دشوار و گاه ناممکن است.
۲-۷-۲- منطق فازی و روابط علی
کریستین اسماتز در ۱۹۲۶ می­گوید: علم در قرن ۱۹ همانند فلسفه و اخلاق و تمدن آن قرن به وسیله حدود مشخصی، شاخص­ های معین و محدوده­ای دقیق، مرزبندی شده است. جنبه­ های مختلف یک موضوع که شامل اجزای دقیق از یک سو و غیر دقیق از سوی دیگر است به طور کامل مورد بحث قرار نمی­گرفت و صرفاً تجزیه و تحلیل درباره نقاط واضح، برجسته و درخشان انجام می­شد [۵].
همچنین در بررسی روابط علت و معلولی، تمامی شاخص­ های آن‌ ها مورد توجه قرار نمی­گرفت. یعنی “علت” هرگز به عنوان یک حالت جامع که در مرحله­ ای مشخص با حالت جامع دیگری به نام معلول مرتبط می­ شود، تحلیل نمی­ شود، بلکه برجسته­ترین و مهم‌ترین مشخصه حالت اول از آن مجزا و مجرد می­شد و به عنوان “علت” نامیده می­شد. همچنین برجسته­ترین مشخصه حالت دوم به عنوان “معلول” شناخته می­شد و روابط علت و معلولی تنها بین این برجسته­ترین­ مشخصه­های دو حالت بیان می­شد. هر چیزی که بین این علت و معلول قرار داشت به دور افکنده می­شد. به این ترتیب، “علت” عبارت بود از مشخصه­های بارز یک خالت و “معلول” عبارت بود از مشخصه بارز حالت دیگر و تنها همین مشخصه­های برجسته به عنوان علت و معلول در کلیه شرایط در مقابل هم قرار می­گرفتند. در چنین منطقی قسمت اعظم شرایط علت و معلولی نادیده گرفته می­شد و درک چگونگی عبور از یک حالت به حالت دیگر در شرایط واقعی علت و معلولی ناممکن می­شد [۵].
۲-۷-۵- سیستم‌های فازی
سیستم‌های فازی، مدل‌سازی در قالب کلمات را ممکن می‌سازند. سیستم‌های فازی بر انگیزاننده­ی قوانین و معادلات هستند اما هر یک از تا حدودی، و در نهایت میانگین آن‌ ها خروجی سیستم خواهد بود. سیستم‌های فازی، سیستم‌های مبتنی بر قاعده “اگر- آنگاه” فازی هستند. مثلاً اگر سرعت ماشین بالا برود، آنگاه نیروی کمتری به پدال گاز وارد کنید. اگر سرعت متوسط است نیروی متعادلی وارد کنید و اگر سرعت کم است نیروی بیشتری وارد کنید. کلمات کم، زیاد، متوسط، متعادل به صورت یک طیف تعریف می‌شوند مثلاً کم یعنی از صفر تا بیست، زیاد یعنی از هفتاد تا صد و متوسط یعنی از سی تا هفتاد که نقطه ثقل آن پنجاه است. به عبارت دیگر سیستم‌های فازی امکان تحلیل “چه می‌شود اگر این‌گونه بشود؟” را مشخص‌تر و دقیق‌تر می‌دهند. سیستم‌های فازی بر اساس تعیین موقعیت‌هایی که در نوسان هستند و درجات و مراتب دارند، استراتژی مناسبی را برای عملکردِ سیستم انتخاب می‌کنند. در سیستم‌های فازی، طیفی از استراتژی‌ها باید تعریف و تعیین شوند که هر کدام برای تأثیرگذاری در محدوده‌ای خاص مناسب می‌باشند. بر اساس ادراک فازی، تصویر از پدیده‌ها ترسیم می‌شود که حقایق، اشیاء و فرآیندها را به ارزش‌ها، سیاست‌ها و اهداف ارتباط می‌دهد و به‌ شما اجازه می‌دهد تا چگونگی اعمال متقابل و نحوه عملکرد حوادث پیچیده را پیش‌بینی کنید [۵].
منطق فازی را از طریق قوانینی که عملگرهای فازی نامیده می‌شوند، می‌توان به‌کار گرفت. این قوانین معمولاً بر اساس مدل زیر تعریف می‌شوند:
IF variable IS set THEN action
پارادایم حاکم بر یک کنترلر فازی به این ترتیب است که متغیرهای دنیای واقعی به عنوان ورودی دریافت می‌شوند. قوانین فازی آن‌ ها را به متغیرهای معنایی تبدیل می‌کند. فرایند فازی این ورودی را می‌گیرد و خروجی معنایی تولید می‌کند و سرانجام خروجی‌ها به زبان دنیای واقعی ترجمه می‌شوند. یک سیستم استنتاج فازی شامل چهار مرحله به صورت زیر است [۶۷] :