شکل۳-۲ اعداد فازی مثلثی برای متغیرهای کلامی

گام سوم: ارزیابی‌های تصمیم‌گیرندگان را جمع‌ آوری نمایید
برای تعیین رابطه میان معیارهای  ، یک گروه تصمیم‌گیری متشکل از p کارشناس مورد سوال قرار می‌گیرند تا مجموعه‌ای از مقایسات زوجی بر حسب عبارات کلامی بدست آید. از این رو تعداد p ماتریس فازی  با بهره گرفتن از نظرات هر کارشناس تهیه می‌شود.

(۳-۱۴)
که در آن  ماتریس فازی  ، ماتریس رابطه مستقیم اولیه فازی^[۵۰] کارشناس k ام نامیده می‌شود.
گام چهارم: بدست‌آوردن ماتریس نرمال رابطه مستقیم فازی.
فرض کنید  ، اعداد فازی مثلثی باشند،

(۳-۱۵)
سپس برای تبدیل مقیاس معیارها به مقیاس‌های قابل مقایسه، از تبدیل مقیاس خطی، به صورت فرمول نرمال‌سازی استفاده می‌شود. ماتریس نرمال‌سازی رابطه مستقیم فازی کارشناس kام یعنی  به صورت ذیل نشان داده شده است،

(۳-۱۶)
که در آن

(۳-۱۷)
همانند روش دیماتل معمولی فرض می‌کنیم حداقل یک i وجود دارد که  .
این فرض در عمل به خوبی برآورده می‌شود. سپس عبارات جبری ضرب یک عدد ثابت در یک عدد فازی و جمع دو عدد فازی برای محاسبه ماتریس میانگین  ، حاصل از  استفاده می‌شوند.

(۳-۱۸)
که در آن
(۳-۱۹)
ماتریس فازی  ، ماتریس نرمال رابطه مستقیم فازی نامیده می‌شود. در اینجا ما از میانگین حسابی برای یکپارچه‌سازی کل داده‌های کارشناسان بعد از محاسبه ماتریس نرمال رابطه مستقیم فازی  استفاده می‌کنیم. این روش بهتر از روش یکپارچه‌سازی کل داده‌های کارشناسان بعد از محاسبه ماتریس رابطه مستقیم اولیه فازی  است.
گام پنجم: پیاده‌سازی و تحلیل مدل ساختاری.
برای محاسبه ماتریس رابطه کلی فازی^[۵۱] ، ابتدا باید همگرایی  را تضمین نماییم. در محاسبه  ، رابطه تقریب  را جهت ضرب دو عدد فازی مثلثی به کار می‌بریم. از این رو عناصر  نیز اعداد فازی مثلثی هستند.
فرض کنید  و سه ماتریس قطعی ذیل را که عناصر آن از  استخراج می‌شوند را در نظر بگیرید:

(۳-۲۰)
مطابق حالت قطعی، ماتریس رابطه کلی فازی را به صورت ذیل تعریف می‌نماییم:

قضیه: فرض کنید  که در آن  ، آنگاه:
(۳-۲۱)

و
(۳-۲۲)
.  و
(۳-۲۳)
اکنون که  بدست آمده، روش CFCS را جهت فازی زدایی و بدست آوردن ماتریس رابطه کلی به کار می‌بریم. لذا برای روش CFCS خواهیم داشت:
اگر  اعداد فازی مثلثی باشد و  معرف مقدار قطعی آنها باشد. همچنین داریم:
(۳-۲۴)
و  و
آنگاه:

(۳-۲۵)
فصل چهارم