6. Les systèmes de bases de données post-relationnelles
205
classiques dans la théorie des bases de données s'étendent aux
dépendances fonctionnelles floues.
Extension des
langages
d'interrogation
relationnels
Des projets de recherche portent également sur l'extension des
langages d'interrogation relationnels à la logique floue. Ainsi, des
langages d'interrogation flous ont été développés et partiellement
implantés dans des prototypes. À titre d'illustration, nous présentons
ci-après un langage de classification floue, fCQL (fuzzy
Classification Query Language), appliqué à un problème concret de
classification.
Classification des
partenaires
commerciaux
Dans l'analyse et l'évaluation des partenaires commerciaux d'une
entreprise, il est intéressant de les regrouper par classes selon leurs
caractéristiques communes. Ainsi par exemple nous définissons un
ensemble regroupant des «partenaires ayant des problèmes de qualité
à la livraison» et un deuxième ensemble de «partenaires avec qui nous
renforcerons les liens commerciaux». Ce regroupement en classes
signifie une réduction de la complexité. Il permet au chargé des
relations de l'entreprise de mieux analyser les liens commerciaux avec
ses partenaires et de les entretenir de manière mieux ciblée.
Avantages de la
classification floue
Dans une classification floue, chaque partenaire commercial
appartient à une ou plusieurs classes selon les valeurs de leurs
attributs ; on parle de segmentation floue des partenaires. Par
exemple, un partenaire peut appartenir simultanément à la classe des
«partenaires ayant des problèmes de qualité» avec une valeur
d'appartenance de 0.3 et à la classe des «partenaires avec qui nous
renforcerons les liens commerciaux» avec une valeur de 0.7. La
classification floue permet donc une interprétation différenciée de
l'appartenance à des classes.
Différenciation
verbale de la
qualité et du retard
de livraison
La figure 6-10 montre l'espace de classification pour évaluer les
partenaires commerciaux sur la base de deux attributs dans notre
exemple simple : le retard de livraison et la qualité. Le retard de
livraison s'exprime en nombre de jours entre la date de livraison
promise et le jour de livraison effective. Pour juger de la qualité de la
livraison, nous utilisons les prédicats «excellente», «moyenne»,
«suffisante» et «médiocre». Ces domaines de valeurs, retard de
livraison et qualité de la livraison, sont partitionnés par l'utilisateur en
205
classiques dans la théorie des bases de données s'étendent aux
dépendances fonctionnelles floues.
Extension des
langages
d'interrogation
relationnels
Des projets de recherche portent également sur l'extension des
langages d'interrogation relationnels à la logique floue. Ainsi, des
langages d'interrogation flous ont été développés et partiellement
implantés dans des prototypes. À titre d'illustration, nous présentons
ci-après un langage de classification floue, fCQL (fuzzy
Classification Query Language), appliqué à un problème concret de
classification.
Classification des
partenaires
commerciaux
Dans l'analyse et l'évaluation des partenaires commerciaux d'une
entreprise, il est intéressant de les regrouper par classes selon leurs
caractéristiques communes. Ainsi par exemple nous définissons un
ensemble regroupant des «partenaires ayant des problèmes de qualité
à la livraison» et un deuxième ensemble de «partenaires avec qui nous
renforcerons les liens commerciaux». Ce regroupement en classes
signifie une réduction de la complexité. Il permet au chargé des
relations de l'entreprise de mieux analyser les liens commerciaux avec
ses partenaires et de les entretenir de manière mieux ciblée.
Avantages de la
classification floue
Dans une classification floue, chaque partenaire commercial
appartient à une ou plusieurs classes selon les valeurs de leurs
attributs ; on parle de segmentation floue des partenaires. Par
exemple, un partenaire peut appartenir simultanément à la classe des
«partenaires ayant des problèmes de qualité» avec une valeur
d'appartenance de 0.3 et à la classe des «partenaires avec qui nous
renforcerons les liens commerciaux» avec une valeur de 0.7. La
classification floue permet donc une interprétation différenciée de
l'appartenance à des classes.
Différenciation
verbale de la
qualité et du retard
de livraison
La figure 6-10 montre l'espace de classification pour évaluer les
partenaires commerciaux sur la base de deux attributs dans notre
exemple simple : le retard de livraison et la qualité. Le retard de
livraison s'exprime en nombre de jours entre la date de livraison
promise et le jour de livraison effective. Pour juger de la qualité de la
livraison, nous utilisons les prédicats «excellente», «moyenne»,
«suffisante» et «médiocre». Ces domaines de valeurs, retard de
livraison et qualité de la livraison, sont partitionnés par l'utilisateur en