Abstract
由於技術和自動化的進步，使從事工作時包括了更多的心智性的勞動。為了正確地在人機系統（human-machine system）中分配人與機械的功能，評量心智性工作負荷（mental workload ）是非常重要的。主觀評估是用來當做對工作困難度的行為性認知的一種評估。由於其具有很高的表面有效性和資料收集與分析的容易性，它是評估心智性工作負荷的一種很有用的評估方法。一般主觀評估方法常常用數值來做評估，但是人們的主觀感覺是很難用單一數值表達的。本研究提出用模糊語詞（linguistic terms）評估心智性工作負荷的評估方法。各個評估標準（criteria）和其對應的重要性權數（importance weights）用語意語詞（lingustic terms ）評估，這些語意語詞是語意變數（linguistic variable ）的語意值（lingguistic value ），語意值用模糊數（fuzzy numbers ）來描述。用模糊加權平均（fuzzy weighted average）整合這些表示口語化語意評估結果的模糊數成為一個代表總評估結果的模糊數。最後用以模糊數的積分值排列模糊數的方法（ranking fuzzy numbers with intergral value）將此代表總評估結果的模糊數轉換成以口語化語意表示的心智性的工作負荷之評估，此方法稱為〞模糊語意多標準評估方法〞（FLMCM ：Fuzzzy Linguistic Multiple Critria Measure method ）。在本研究中，更提出了改進的求模糊加權平均的演算法（IFWA：Improved FuzzyWeighted Average algorithm），此演算法可用很少的步驟和計算求得模糊加權平均的近似從屬函數（membership function ）。並且提出用積分值排列模糊數的方法，此法可以避免已有的一些排列方法的一些缺點與矛盾。FLMCM 蜼然主要是用來評估心智性的工作負荷，其也為評估口語化多標準決策問題（linguisticmultiple criteria decision making problems）提供了有效的解決模式。#9205599#9205599