Analizar la incertidumbre de los resultados basados en estimaciones de los grados de pertenencia de los datos a conjuntos difusos es esencial para tomar decisiones. Estos conjuntos difusos son a menudo designados por expertos como particiones difusas fuertes del dominio de los datos con números difusos trapezoidales. Algunos índices de la difusidad del conjunto difuso proporcionan una evaluación del grado de incertidumbre de los resultados. Es factible reducir la difusidad de los conjuntos difusos por debajo de un nivel tolerable redefiniendo adecuadamente la partición difusa fuerte. Sin embargo, diferencias significativas en la partición difusa original resultan en disparidades con respecto al razonamiento aproximado del tomador de decisiones y la interpretabilidad de los resultados. A la luz de esto, proporcionamos en este estudio una técnica aplicada a particiones difusas fuertes trapezoidales que, aunque no altera apreciablemente la partición difusa original, reduce la difusidad de sus conjuntos difusos. La difusidad de los conjuntos difusos se evalúa utilizando la entropía difusa de De Luca y Termini. Luego se ejecuta un proceso iterativo, con el objetivo de modificar los núcleos de las particiones difusas trapezoidales para disminuir su difusidad. Esta técnica se prueba en conjuntos de datos que contienen temperaturas diarias promedio medidas en varias ciudades. Los hallazgos demuestran que este enfoque logra un gran equilibrio entre el objetivo de reducir la difusidad de los conjuntos difusos y el objetivo de no alterar apreciablemente la partición difusa original.