【例一】 A(x )=表示模糊集“年老”的隸屬函式，A表示模糊集“年老”，當年齡x≤50時A（x）=0表明x不屬於模糊集A（即“年老”），當x ≥100時，A（x）=1表明x 完全屬於A，當50くx〈100時，0〈A（x）〈1，且x越接近100，A（x）越接近1，x屬於A的程度就越高。這樣的表達方法顯然比簡單地說：“100歲以上的人是年老的，100歲以下的人就不年老。”更為合理。 【例二】 按照模糊綜合分析法，我們對某企業效績進行評價。 1.設因素集U：U={u1，u2，……u9} 綜合中國現行評價體系和平衡記分法(SEC)，我們選取了u1(淨資產收益狀況)、u2(資產營運狀況)、u3(長期償債能力)、u4(短期償債能力)。U5(銷售增長狀況)，u6(市場佔有能力)、u7(技術能力)、u8(發展創新能力)、u9(學習能力)等9個指標為反映企業效績的主要指標。其中，u1、u2、u3、u4、u5是財務業績方面的指標，原來都用精確的比率指標反映，但對它們適當地模糊化更能客觀真實地反映企業效績。例如，在評價企業短期償債能力時，該企業流動比率為1.8，但專家們發現該企業存貨數額龐大，佔了流動資產的較大部分，說明其資產的流動性並不好，因而仍可評定該指標為較低等級。U6是客戶方面業績指標，u7內部經營過程方面業績指標，u8、u9是學習與增長方面業績指標。 2.設評價集V={v1，v2……v4} 。簡便起見，我們設v1：優秀，v2：良好，v3：平均，v4：較差。 3.我們選取了該企業的註冊會計師、熟悉該企業情況的專家組成評判組，得到評價矩陣 4.根據專家意見，我們確定權重集A為： 5.按照M(,，+)模型 所以，根據最大隸屬度原則，該企業效績評定為“良好”。事後，該企業領導認為這個評價結果比較符合實際情況。
【例一】 A(x )=表示模糊集“年老”的隸屬函式，A表示模糊集“年老”，當年齡x≤50時A（x）=0表明x不屬於模糊集A（即“年老”），當x ≥100時，A（x）=1表明x 完全屬於A，當50くx〈100時，0〈A（x）〈1，且x越接近100，A（x）越接近1，x屬於A的程度就越高。這樣的表達方法顯然比簡單地說：“100歲以上的人是年老的，100歲以下的人就不年老。”更為合理。 【例二】 按照模糊綜合分析法，我們對某企業效績進行評價。 1.設因素集U：U={u1，u2，……u9} 綜合中國現行評價體系和平衡記分法(SEC)，我們選取了u1(淨資產收益狀況)、u2(資產營運狀況)、u3(長期償債能力)、u4(短期償債能力)。U5(銷售增長狀況)，u6(市場佔有能力)、u7(技術能力)、u8(發展創新能力)、u9(學習能力)等9個指標為反映企業效績的主要指標。其中，u1、u2、u3、u4、u5是財務業績方面的指標，原來都用精確的比率指標反映，但對它們適當地模糊化更能客觀真實地反映企業效績。例如，在評價企業短期償債能力時，該企業流動比率為1.8，但專家們發現該企業存貨數額龐大，佔了流動資產的較大部分，說明其資產的流動性並不好，因而仍可評定該指標為較低等級。U6是客戶方面業績指標，u7內部經營過程方面業績指標，u8、u9是學習與增長方面業績指標。 2.設評價集V={v1，v2……v4} 。簡便起見，我們設v1：優秀，v2：良好，v3：平均，v4：較差。 3.我們選取了該企業的註冊會計師、熟悉該企業情況的專家組成評判組，得到評價矩陣 4.根據專家意見，我們確定權重集A為： 5.按照M(,，+)模型 所以，根據最大隸屬度原則，該企業效績評定為“良好”。事後，該企業領導認為這個評價結果比較符合實際情況。