Se propuso un nuevo modelo de toma de decisiones con múltiples atributos (MADM) en este documento con el fin de hacer frente al rendimiento temporal de las alternativas durante diferentes períodos de tiempo. Aunque los problemas MADM dinámicos están ocupando una posición más visible en la literatura, la mayoría de las aplicaciones tratan de combinar datos pasados y presentes mediante operadores de agregación. Existe una brecha en la investigación en el desarrollo de metodologías basadas en datos para capturar los patrones y tendencias en los datos históricos. En paralelo con el hecho de que el estilo de toma de decisiones evoluciona de basado en la intuición a basado en datos, el presente estudio propone un nuevo modelo de funciones borrosas de tipo-2 intervalo (IT2F) para predecir el rendimiento actual de las alternativas basado en las matrices de decisiones históricas. Dado que la disponibilidad de datos históricos precisos con la calidad deseada no siempre se puede obtener y los datos suelen involucrar imprecisión e incertidumbre, las predicciones sobre el rendimiento de las alternativas se modelan como conjuntos IT2F. Estas salidas estimadas se transforman en formas interpretables mediante el uso de procedimientos de coincidencia de vocabulario. Luego, se emplean procedimientos interactivos para permitir a los tomadores de decisiones modificar la matriz de decisiones predicha basándose en sus percepciones y juicios subjetivos. Finalmente, se realiza una clasificación de las alternativas basada en las puntuaciones de rendimiento pasadas y actuales.