Domain experts were asked to give j

Domain experts were asked to give judgments about the fuzzy probabilities regarding all the nodes. They use linguistic terms to describe the fuzzy probabilities and then refine them with membership functions. The assignment of linguistic terms with associated fuzzy membership functions is case-dependent and expert-dependent (a detailed description of the linguistic variables can be seen in Appendix 2 and demonstrated in Table 8). For example, linguistic term “Quite unlikely to happen” was assigned to node “Human Errors” and then defined by fuzzy membership function (0.39,0.40,0.41). Without loss of generality, in this case study triangle (a, b, c) is used although other forms of fuzzy membership function could be employed.

結果 (繁體中文) 1:

領域的專家被要求提供有關關於所有節點的模糊概率的判斷。他們使用的語言術語來描述模糊概率，然後用隸屬函數完善它們。具有相關聯的模糊隸屬函數語言項的分配是區分依賴性和專家依賴性（語言變量的詳細描述可在附錄2中可以看出，在表8所示）。例如，語言術語“不太可能發生”被分配到節點“人為錯誤”，然後通過模糊隸屬函數（0.39,0.40,0.41）的定義。不失一般性，在這種情況下研究三角形（A，B，C）被使用，儘管其它形式的模糊從屬函數的可以採用。

結果 (繁體中文) 2:

域專家被要求對所有節點的模糊概率做出判斷。他們使用語言術語來描述模糊概率，然後使用成員函數對其進行細化。語言術語與關聯的模糊成員函數的分配取決於案例和專家依賴（語言變數的詳細說明見附錄 2，表 8 中演示）。例如，語言術語"不太可能發生"被分配給節點"人為錯誤"，然後由模糊成員函式定義（0.39，0.40，0.41）。在不失去一般性的情況下，在本案例研究中，雖然可以使用其他形式的模糊成員函數，但可以使用三角形（a、b、c）。

結果 (繁體中文) 3:

領域專家被要求對所有節點的模糊概率做出判斷。他們用語言來描述模糊概率，然後用隸屬函數對其進行細化。帶有相關模糊隸屬函數的語言項的賦值是案例依賴和專家依賴的（語言變數的詳細描述見附錄2和錶8）。例如，語言術語“不太可能發生”被賦予節點“人為錯誤”，然後由模糊隸屬函數（0.39,0.40,0.41）定義。在不喪失通用性的情况下，在本例中，儘管可以使用其他形式的模糊隸屬函數，但仍使用三角形（a、b、c）。