Florentin Smarandache. Introducción a la Lógica Plitogénica.
Neutrosophic Computing and Machine Learning, Vol. 18, 2021
Introducción a la Lógica Plitogénica
Introduction to Plitogenic Logic
Florentin Smarandache
1
1
División de Matemáticas, Física y Ciencias Naturales, Universidad de Nuevo México, Campus Gallup, NM 87301, EE. UU. E-mail: sma-
rand@unm.edu
Resumen: Una proposición lógica plitogénica P es una proposición que se caracteriza por muchos grados de valo-
res de verdad con respecto a muchos valores de atributos correspondientes (o variables aleatorias) que caracterizan
a P. Cada grado de valor de verdad puede ser clásico, difuso, intuicionista difuso, neutrosófico u otra lógica de ex-
tensión difusa. Al final, se calcula una verdad acumulativa de P.
Palabras claves: lógica neutrosófica, lógica plitogénica, análisis multivariado plitogénico, verdad acumulativa,
aplicación lógica plitogénica.
Abstract: A plitogenic logical proposition P is a proposition that is characterized by many degrees of truth values
with respect to many corresponding attribute values (or random variables) that characterize P. Each degree of truth
value may be classical, fuzzy, intuitionistic fuzzy, neutrosophic, or other fuzzy extension logic. In the end, a
cumulative truth of P is computed.
Keywords: neutrosophic logic, plitogenic logic, plitogenic multivariate analysis, cumulative truth, plitogenic logic
application.
1 INTRODUCCIÓN
Expliquemos la Lógica Plitogénica en detalle mostrando una aplicación práctica.
Una proposición lógica plitogénica P es una proposición que se caracteriza por muchos grados de valores de
verdad con respecto a muchos valores de atributos correspondientes (o variables aleatorias) que caracterizan a P.
Es una pluri-lógica.
Lo denotamos por P (V
1
, V
2
,…, V
n
), para n ≥ 1, donde V
1
, V
2
,…, V
n
son las variables aleatorias que determinan,
cada una de ellas en cierto grado, el valor de verdad de P.
Las variables pueden ser independientes una a una, o pueden tener algún grado de dependencia entre algunas
de ellas. Los grados de independencia y dependencia de las variables determinan el operador conjuntivo lógico pli-
togénico que se utilizará en el cálculo de la verdad acumulada de P.
Las variables aleatorias pueden ser: clásicas, difusas, intuicionistas difusas, indeterminadas, neutrosóficas y
otros tipos de extensiones difusas.
P (V
1
) = t
1
o el valor de verdad de la proposición P con respecto a la variable aleatoria V
1
.
P (V
2
) = t
2
o el valor de verdad de la proposición P con respecto a la variable aleatoria V
2
.
...
Y así sucesivamente, P (V
n
) = t
n
o el valor de verdad de la proposición P con respecto a la variable aleatoria V
n
.
Las variables V
1
, V
2
,…, V
n
se describen mediante varios tipos de distribuciones de probabilidad, P(V
1
),
P(V
2
),…, P(V
n
). Por lo tanto, toda la proposición P se caracteriza por n distribuciones de probabilidad o n subvalo-
res de verdad. Al combinarlos todos, obtenemos un valor de verdad acumulativo de la proposición lógica P.
Smarandache [1] introdujo la lógica/conjunto/probabilidad y estadística plitogénica en 2017 y en años poste-
riores (2018-2020) las desarrolló [2-6]. Las cuales fueron aplicadas en numerosos campos y por varios autores [7-
27].
El análisis multivariante plitogénico utilizado en la teoría de conjuntos, probabilidades y estadística se utiliza
ahora en lógica, dando origen a la lógica plitogénica.
El análisis multivariante plitogénico es una generalización del análisis multivariado clásico.
University of New Mexico
Neutrosophic Computing and Machine Learning, Vol. 18, 2021
Florentin Smarandache. Introducción a la lógica plitogénica
2
2 CLASIFICACIÓN DE LAS LÓGICAS PLITOGÉNICAS
Dependiendo de los valores reales de t
1
, t
2
,…, t
n
, tenemos:
2.1 Lógica booleana (o clásica) plitogénica
Ocurre cuando los grados de verdades t
1
, t
2
,…, t
n
{0,1}, donde 0 = falso y 1 = verdadero.
2.2 Lógica difusa plitogénica
Cuando los grados de verdades t
1
, t
2
,…, t
n
están incluidos en [0,1], y al menos uno de ellos está incluido en
(0, 1), para distinguirlo de la Lógica Booleana Plitogénica anterior.
Aquí tenemos:
2.2.1. Lógica difusa plitogénica de valor único, si los grados de verdades t1, t2,…, tn son números de valor
único (nítidos) en [0, 1].
2.2.2. Lógica difusa plitogénica con valores de subconjunto (como valores de intervalo, valores vacilantes,
etc.), cuando los grados de verdades t1, t2,…, tn son subconjuntos (intervalos, subconjuntos vacilantes, etc.) de
[0, 1].
2.3 Lógica difusa intuicionista plitogénica
Cuando P (V
j
) = (t
j
, f
j
), cuando t
j
, f
j
se incluyen en [0,1], 1 j n, donde tj es el grado de verdad y f
j
es el
grado de falsedad de la proposición P, con respecto a la variable V
j
.
De la misma forma, tenemos:
2.3.1. Lógica difusa intuicionista plitogénica de valor único, cuando todos los grados de verdades y falseda-
des son números de valor único (nítidos) en [0, 1].
2.3.2. Lógica difusa intuicionista plitogénica de valores de subconjuntos, cuando todos los grados de verda-
des y falsedades son subconjuntos de valores incluidos en [0, 1].
2.4 Lógica indeterminada plitogénica
Cuando las distribuciones de probabilidad de las variables aleatorias V
1
, V
2
,…, V
n
son funciones indetermi-
nadas (neutrosóficas), es decir, funciones con argumentos y/o valores vagos o poco claros.
2.5 Lógica neutrosófica plitogénica
Cuando P (Vj) = (tj, ij, fj), con tj, ij, fj incluidos en [0,1], 1 j n, donde tj, ij, fj son los grados de verdad,
indeterminación y falsedad respectivamente de la proposición P con respecto a la variable aleatoria Vj.
Del mismo modo, tenemos:
2.5.1. Lógica neutrosófica plitogénica de valor único, cuando todos los grados de verdades, indeterminacio-
nes y falsedades son números de valor único (nítidos) en [0, 1].
2.5.2. Lógica neutrosófica plitogénica de valores de subconjuntos, cuando todos los grados de verdades, in-
determinaciones y falsedades son subconjuntos de valores incluidos en [0, 1].
2.6 Lógica plitogénica (otras extensiones difusas)
Como otras extensiones difusas, podemos mencionar hasta la fecha: difusa Pitagórica, Imagen difusa, Ferma-
teana difusa, Esférica difusa, Ortopar de q-Rung difuso, Lógica neutrosófica difusa refinada y cualquier otra ló-
gica de extensión difusa, etc.
2.7 Lógica híbrida plitogénica
Cuando P (V
1
), P (V
2
),…, P (V
n
) son tipos mixtos de las distribuciones de probabilidad anteriores.
3 APLICACIONES
3.1 Variables de la Pluri-Verdad
En nuestra vida diaria, rara vez tenemos una "verdad simple", en su mayoría tratamos con "verdades comple-
jas".
Por ejemplo:
Neutrosophic Computing and Machine Learning, Vol. 18, 2021
Florentin Smarandache. Introducción a la lógica plitogénica
3
Te agrada alguien por algo, pero no te agrada por otra cosa;
te gusta alguien por algo en un cierto grado y por otra cosa en un grado diferente;
Del mismo modo, puedes odiar a alguien por algo en un grado y por otra cosa en un grado diferente.
Una sociedad (o sistema) igualitario no existe de hecho en nuestro mundo real. Es un marco demasiado rígi-
do. Todos los individuos son diferentes y por consiguiente actúan de manera diferente.
Por tanto, en nuestro mundo, tratamos con una “plito-lógica” (plitho significa, en griego, pluri o muchos) o
“lógica compleja”. Y esto se caracteriza mejor por la lógica plitogénica.
3.2 Tipos de variables de verdad aleatorias
La verdad depende de muchos parámetros (variables aleatorias), no de un sólo valor, y al final necesitamos
calcular la verdad acumulada (la verdad de todas las verdades).
Las variables aleatorias pueden ser clásicas (con valores nítidos/exactos), pero a menudo en nuestro mundo
son vagas, poco claras, solo parcialmente conocidas, con datos indeterminados.
3.3 Pesos de las variables de verdad
Alguna verdad puede pesar más que otra verdad.
Por ejemplo, alguien puede agradarle más por algo de lo que no le agrada por otra cosa.
O al contrario, es posible que alguien no te guste por algo más de lo que te guste por otra cosa.
3.4 Grados de subjetividad de las variables de verdad
En las ciencias blandas, tales como: sociología, ciencias políticas, psicología, lingüística, etc., o en la cultura,
literatura, arte, teatro, danza, existe un grado significativo de subjetividad en la medición de la verdad. No es be-
llo lo que es bello, sino que es bello lo que a mí me gusta, dice un proverbio rumano.
4 GENERALIZACIONES
La lógica plitogénica es una generalización de todas las lógicas anteriores: booleana, difusa, intuicionista di-
fusa, lógica neutrosófica y todas las demás lógicas de extensión difusa.
Es una Lógica Multivariante, cuyas variables de verdad pueden estar en cualquier tipo de las lógicas anterio-
res.
5 EJEMPLO
Consideremos una proposición ordinaria P, definida a continuación:
P = Juan ama su ciudad
y calculemos su complejo valor de verdad.
Por supuesto, muchos atributos (variables de verdad) pueden caracterizar una ciudad (algunos de ellos des-
conocidos, otros parcialmente conocidos o aproximadamente conocidos). Un espectro completo de atributos para
estudiar es inalcanzable.
En aras de obtener mayor simplicidad, consideramos las cinco proposiciones siguientes como 100% inde-
pendientes de dos en dos.
En este ejemplo solo elegimos unas pocas variables V
j
, para 1 ≤ j ≤ 5:
V
1
: porcentaje bajo/alto de habitantes infectados por el virus COVID-19;
V
2
: no violenta/violenta;
V
3
: concurrida/con poca gente;
V
4
: limpia/sucia;
V
5
: tranquila/ruidosa,
Una representación más precisa de la proposición P es P (V
1
, V
2
, V
3
, V
4
, V
5
).
Con respecto a cada variable V
j
, la P (V
j
) incluida en [0, 1] tiene, en general, diferentes valores de verdad, pa-
ra 1 ≤ j ≤ 5.
Supongamos que Juan prefiere que su ciudad tenga (o sea): bajo porcentaje de habitantes infectados por
COVID-19, no violenta, con poca gente, limpia y tranquila.
P (Vj) es el grado en que Juan ama la ciudad con respecto a la forma en que la variable Vj la caracteriza.
5.1. Lógica booleana (clásica) plitogénica
P (V
1
) = 1
P (V
2
) = 0
Neutrosophic Computing and Machine Learning, Vol. 18, 2021
Florentin Smarandache. Introducción a la lógica plitogénica
4
P (V
3
) = 1
P (V
4
) = 0
P (V
5
) = 1
Por lo tanto, P (V
1
, V
2
, V
3
, V
4
, V
5
) = (1, 0, 1, 0, 1), o Juan ama su ciudad de las siguientes maneras:
en un grado del 100% con respecto a la variable V
1
;
en un grado del 0% con respecto a la variable V
2
;
en un grado del 100% con respecto a la variable V
3
;
en un grado del 0% con respecto a la variable V
4
;
en un grado del 100% con respecto a la variable V
5
.
El valor de verdad acumulativo será, de la manera clásica, la conjunción clásica (
𝑐
), donde c significa clásico:
1,
𝑐
0
𝑐
1
𝑐
0
𝑐
1 = 0
¡o a Juan le gusta su ciudad en un grado clásico acumulativo del 0%!
La lógica clásica es tosca, por lo tanto, las lógicas más refinadas dan una mayor precisión, como sigue.
5.2 Lógica difusa plitogénica
Es posible que las variables de verdad del 100% o del 0% no se ajusten exactamente a las preferencias de
Juan, pero pueden estar cerca. Por ejemplo:
P (V
1
, V
2
, V
3
, V
4
, V
5
) = (0.95, 0.15, 0.80, 0.25, 0.85),
lo que significa que Juan ama su ciudad:
en un grado del 95% con respecto a la variable V
1
;
en un grado del 15% con respecto a la variable V
2
;
en un grado del 80% con respecto a la variable V
3
;
en un grado del 25% con respecto a la variable V
4
;
en un grado del 85% con respecto a la variable V
5
.
Usando el operador min de conjunción difusa (
𝐹
), obtenemos:
0.95
𝐹
0.15
𝐹
0.80
𝐹
0.25
𝐹
0.85 = min {0.95, 0.15, 0.80, 0.25, 0.85} = 0.15
¡o a Juan le gusta su ciudad en un grado difuso acumulativo del 15%!
5.3 Lógica difusa intuicionista plitogénica
P (V
1
, V
2
, V
3
, V
4
, V
5
) = ((0.80, 0.20), (0.15, 0.70), (0.92, 0.05), (0.10, 0.75), (0.83, 0.07)),
lo que significa que Juan ama su ciudad en un grado del 80%, y no le gusta en un grado del 20%, y así suce-
sivamente con respecto a las otras variables.
Usando el operador intuicionista de conjunción difusa (
𝐼𝐹
) min/max para obtener el valor de verdad acumu-
lativo, uno tiene:
(0.80; 0.20)
𝐼𝐹
(0.15; 0.70)
𝐼𝐹
(0.92; 0.05)
𝐼𝐹
(0.10; 0.75)
𝐼𝐹
(0.83; 0.07) =
= (min {0.80, 0.15, 0.92, 0.10, 0.83}, max{0.20, 0.70, 0.05, 0.75, 0.07}) = (0.10, 0.75),
¡o a Juan le gusta y no le gusta su ciudad en un grado difuso intuicionista acumulativo del 10% y del 75%,
respectivamente!
5.4 Lógica indeterminada plitogénica
P (V
1
, V
2
, V
3
, V
4
, V
5
) = (0,80 o 0,90, [0.10, 0.15], [0.60, desconocido], > 0.13, 0.79),
lo que significa que Juan ama su ciudad:
en un grado de 80% o 90% (no está seguro) con respecto a la variable V
1
;
en un grado entre el 10% o el 15% con respecto a la variable V
2
;
en un grado del 60% o más con respecto a la variable V
3
;
en un grado superior al 13% (es decir, en el intervalo (0,13, 1]) con respecto a la variable V
4
;
en un grado del 79% con respecto a la variable V
5
.
Por lo tanto, las variables proporcionan valores indeterminados (poco claros, vagos).
Aplicando el operador min de conjunción indeterminada (
𝐼
), obtenemos:
min {(0.80 o 0.90), [0.10, 0.15], [0.60, desconocido), (0.13, 1], 0.79} = 0,10.
5.5 Lógica neutrosófica plitogénica
P (V
1
, V
2
, V
3
, V
4
, V
5
) = ((0.86, 0.12, 0.54), (0.18, 0.44, 0.72), (0.90, 0.05, 0.05), (0.09, 0.14, 0.82),
(0.82, 0.09, 0.14)),
lo que significa que Juan ama la ciudad en un 86%, el grado de amor indeterminado es del 12% y el grado de
desagrado es del 54% con respecto a la variable V
1
, y lo mismo con respecto a las demás variables.
Nuevamente, usando el operador de conjunción neutrosófica (
𝑁
) min/max/max para calcular el valor de
verdad acumulativo, se obtiene:
Neutrosophic Computing and Machine Learning, Vol. 18, 2021
Florentin Smarandache. Introducción a la lógica plitogénica
5
(0.86; 0.12; 0.54)
𝑁
(0.18; 0.44; 0.72)
𝑁
(0.90; 0.05; 0.05)
𝑁
(0.09; 0.14; 0.82)
𝑁
(0.82, 0.09, 0.14) = (min{0.86, 0.18, 0.90, 0.09, 0.82}, max {0.12, 0.44, 0,05, 0.14, 0.09},
max {0.54, 0.72, 0.05, 0.82, 0.14}) = (0.09, 0.44, 0.82),
¡o Juan ama, no está seguro (indeterminado) y no le gusta su ciudad con un grado neutrosófico acumulativo
del 9%, 44% y 82% respectivamente!
6 INVESTIGACIONES FUTURAS
Construir los operadores de agregación plitogénica (tales como: intersección, unión, negación, implicación,
etc.) de las variables V
1
, V
2
,…, V
n
en conjunto (agregación acumulada), en los casos en que las variables V
i
y V
j
tengan algún grado de dependencia dijy grado de independencia 1- dij, con dij[0, 1], para todo i, j {1, 2,…,
n} y n ≥2.
CONCLUSIONES
Demostramos en este artículo que la lógica plitogénica es la lógica más grande posible de la actualidad. Da-
do que vivimos en un mundo lleno de indeterminación y datos contradictorios, tenemos que lidiar, en lugar de
una verdad simple con una verdad compleja, donde esta última es una verdad acumulativa resultante de la agre-
gación plitogénica, de muchas variables aleatorias de valor de verdad que caracterizan un artículo (o evento).
Referencias
[1] Florentin Smarandache: Plithogeny, Plithogenic Set, Logic, Probability, and Statistics. Brussels, Belgium: Pons, 2017,
141 p.; http://fs.unm.edu/Plithogeny.pdf
[2] Florentin Smarandache: Plithogenic Set, an Extension of Crisp, Fuzzy, Intuitionistic Fuzzy, and Neutrosophic Sets -
Revisited. Neutrosophic Sets and Systems, Vol. 21, 2018, 153-166;
http://fs.unm.edu/NSS/PlithogenicSetAnExtensionOfCrisp.pdf
[3] Florentin Smarandache (Special Issue Editor): New types of Neutrosophic Set/Logic/Probability, Neutrosophic Over-
/Under-/Off-Set, Neutrosophic Refined Set, and their Extension to Plithogenic Set/Logic/Probability, with Applications.
Special Issue of Symmetry (Basel, Switzerland, in Scopus, IF: 1.256), November 2019, 714 p.,
https://www.mdpi.com/journal/symmetry/special_issues/Neutrosophic_Set_Logic_Probability
[4] Florentin Smarandache, Mohamed Abdel-Basset (editors): Optimization Theory Based on Neutrosophic and Plithogenic
Sets, ELSEVIER, Academic Press, 2020, 446 p.; https://www.elsevier.com/books/optimization-theory-based-on-
neutrosophic-and-plithogenic-sets/smarandache/978-0-12-819670-0
[5] Florentin Smarandache: Extension of Soft Set to Hypersoft Set, and then to Plithogenic Hypersoft Set. Neutrosophic
Sets and Systems, Vol. 22, 2018, 168-170; http://fs.unm.edu/NSS/ExtensionOfSoftSetToHypersoftSet.pdf
[6] Florentin Smarandache: Conjunto plitogenico, una extension de los conjuntos crisp, difusos, conjuntos difusos
intuicionistas y neutrosoficos revisitado. Neutrosophic Computing and Machine Learning, Vol. 3, 2018, 1-19.
[7] Shazia Rana, Madiha Qayyum, Muhammad Saeed, Florentin Smarandache, Bakhtawar Ali Khan: Plithogenic Fuzzy
Whole Hypersoft Set, Construction of Operators and their Application in Frequency Matrix Multi Attribute Decision
Making Technique. Neutrosophic Sets and Systems, Vol. 28, 2019, 34-50.
[8] Nivetha Martin, Florentin Smarandache: Plithogenic Cognitive Maps in Decision Making. International Journal of
Neutrosophic Science (IJNS) Vol. 9, No. 1, 2020, 9-21.
[9] Florentin Smarandache, Nivetha Martin: Plithogenic n-Super Hypergraph in Novel Multi-Attribute Decision Making.
International Journal of Neutrosophic Science (IJNS) Vol. 7, No. 1, 2020, 8-30.
[10] Shazia Rana, Muhammad Saeed, Midha Qayyum, Florentin Smarandache: Plithogenic Subjective Hyper-Super-Soft
Matrices with New Definitions & Local, Global, Universal Subjective Ranking Model. International Journal of
Neutrosophic Science (IJNS) Vol. 6, No. 2, 2020, 56-79; DOI: 10.5281/zenodo.3841624.
[11] Firoz Ahmad, Ahmad Yusuf Adhami, Florentin Smarandache: Modified neutrosophic fuzzy optimization model for
optimal closed-loop supply chain management under uncertainty. Optimization Theory Based on Neutrosophic and
Plithogenic Sets, 2020, 343-403; DOI: 10.1016/B978-0-12-819670-0.00015-9.
[12] Sudipta Gayen, Florentin Smarandache, Sripati Jha, Manoranjan Kumar Singh, Said Broumi, Ranjan Kumar:
Introduction to Plithogenic Hypersoft Subgroup. Neutrosophic Sets and Systems, Vol. 33, 2020, 208-233.
[13] Nivetha Martin, Florentin Smarandache: Introduction to Combined Plithogenic Hypersoft Sets. Neutrosophic Sets and
Systems, Vol. 35, 2020, 503-510.
[14] Shio Gai Quek, Ganeshsree Selvachandran, Florentin Smarandache, J. Vimala, Son Hoang Le, Quang-Thinh Bui,
Vassilis C. Gerogiannis: Entropy Measures for Plithogenic Sets and Applications in Multi-Attribute Decision Making.
Mathematics 2020, 8, 965, 17 p.; DOI: 10.3390/math8060965.
[15] Nivetha Martin, Florentin Smarandache: Concentric Plithogenic Hypergraph based on Plithogenic Hypersoft sets - A
Novel Outlook. Neutrosophic Sets and Systems, Vol. 33, 2020, 78-91.
[16] George Bala: Information Fusion Using Plithogenic Set and Logic. Acta Scientific Computer Sciences 2.7, 2020, 26-27.
[17] Shawkat Alkhazaleh: Plithogenic Soft Set. Neutrosophic Sets and Systems, Vol. 33, 2020, 256-274.
[18] R. Sujatha, S. Poomagal, G. Kuppuswami, Said Broumi: An Analysis on Novel Corona Virus by a Plithogenic Fuzzy
Neutrosophic Computing and Machine Learning, Vol. 18, 2021
Florentin Smarandache. Introducción a la lógica plitogénica
6
Cognitive Map Approach. International Journal of Neutrosophic Science (IJNS), Volume 11, Issue 2, 2020, 62-75; DOI:
10.5281/zenodo.4275788.
[19] S. P. Priyadharshini, F. Nirmala Irudayam, F. Smarandache: Plithogenic Cubic Sets. International Journal of
Neutrosophic Science (IJNS), Volume 11, Issue 1, 2020, 30-38; DOI: 10.5281/zenodo.4275725.
[20] Prem Kumar Singh: Plithogenic set for multi-variable data analysis. International Journal of Neutrosophic Science
(IJNS), Volume 1, Issue 2, 2020, 81-89; DOI: 10.5281/zenodo.3988028.
[21] C. Sankar, R. Sujatha, D. Nagarajan: TOPSIS by Using Plithogenic Set in COVID-19 Decision Making. International
Journal of Neutrosophic Science (IJNS), Volume 10, Issue 2, 2020, 116-125; DOI: 10.5281/zenodo.4277255.
[22] Wilmer Ortega Chavez, Fermin Pozo Ortega, Janett Karina Vasquez Perez, Edgar Juan Diaz Zuniga, Alberto Rivelino
Patino Rivera: Modelo ecologico de Bronferbrenner aplicado a la pedagogia, modelacion matematica para la toma de
decisiones bajo incertidumbre: de la logica difusa a la logica plitogenica. NSIA Publishing House Editions, Huanuco,
Peru, 2021, 144 p.
[23] Nivetha Martin, R. Priya: New Plithogenic sub cognitive maps approach with mediating effects of factors in COVID-19
diagnostic model. Journal of Fuzzy Extension & Applications (JFEA), Volume 2, Issue 1, Winter 2021, 1-15; DOI:
10.22105/JFEA.2020.250164.1015.
[24] Mohamed Abdel-Basset, Rehab Mohamed, Florentin Smarandache, Mohamed Elhoseny: A New Decision-Making
Model Based on PlithogenicSet for Supplier Selection. Computers, Materials & Continua, 2021, vol. 66, no. 3, 2752-
2769. DOI:10.32604/cmc.2021.013092
[25] Nivetha Martin, Florentin Smarandache, R. Priya: Introduction to Plithogenic Sociogram with preference representa-
tions by PlithogenicNumber. Journal of Fuzzy Extension & Applications, 15 p.
[26] S.P. Priyadharshini, F. Nirmala Irudayam, F. Smarandache: Plithogenic Cubic Set. International Journal of Neutrosoph-
ic Science (IJNS), 2020, Vol. 11, No. 1, 30-38.
[27] Alptekin Ulut Ayse Topal, DarjanKarabasevic, Dragisa Stanujkic, Gabrijela Popovic, and Florentin Smarandache,
Prioritization of Logistics Risks with Plithogenic PIPRECIA Method, in C. Kahraman et al. (Eds.): INFUS 2021,
Springer, LNNS 308, pp. 663670, 2022.
Recibido: Mayo 15, 2021. Aceptado: Junio 2, 2021