En numerosas ocasiones contamos con muy poca información o tenemos que tomar una decisión teniendo en cuenta aspectos cualitativos que son difíciles de valorar. Para solucionar este tipo de problemas, muy habituales en situaciones reales, el profesor Thomas L. Saaty propuso en la década de los 70 un método denominado Analytic Hierarchy Process (AHP), que se ha traducido al español como Proceso Analítico Jerárquico. Este método multiatributo, nacido como respuesta a problemas concretos de toma de decisiones en el Departamento de Defensa de los Estados Unidos, hoy día se aplica habitualmente a casi todos los ámbitos de la empresa, la economía o la investigación de operaciones, entre otros muchos.
En apretada síntesis, AHP es un método que selecciona alternativas en función de una serie de criterios o variables, normalmente jerarquizados, los cuales suelen entrar en conflicto. En esta estructura jerárquica, el objetivo final se encuentra en el nivel más elevado, y los criterios y subcriterios en los niveles inferiores, tal y como se muestra en la Figura 2. Para que el método sea eficaz, es fundamental elegir bien los criterios y subcriterios, los cuales deben estar muy bien definidos, ser relevantes y mutuamente excluyentes (independencia entre ellos). Es importante que el número de criterios y subcriterios en cada nivel no sea superior a 7, para evitar excesivas comparaciones a pares.
Figura 2. Ejemplo de estructura jerárquica AHP
Una vez definida la estructura jerárquica, se comparan los criterios de cada grupo del mismo nivel jerárquico y la comparación directa por pares de las alternativas respecto a los criterios del nivel inferior. Para ello se utilizan matrices de comparación pareadas usando una Escala Fundamental (Tabla 1). Esta es la clave del método, usar una escala de comparación por pares, puesto que el cerebro humano está especialmente bien diseñado para comparar dos criterios o alternativas entre sí, pero menos cuando tiene que hacer comparaciones conjuntas. En efecto, la Ley de Weber-Fechner establece que el menor cambio discernible en la magnitud de un estímulo es proporcional a la magnitud de dicho estímulo. Como la relación entre el estímulo y la percepción corresponde a una escala logarítmica, si un estímulo crece en progresión geométrica, la percepción evolucionará como una progresión aritmética. Es por ello que AHP utiliza una escala fundamental del 1 al 9 que ha sido satisfactoria en comprobaciones empíricas realizadas en situaciones reales muy diversas.
Tabla 1. Escala fundamental de comparación por pares (Saaty, 1980)
La comparación de las diferentes alternativas respecto al criterio del nivel inferior de la estructura jerárquica, como la comparación de los diferentes criterios de un mismo nivel jerárquico dan lugar a una matriz cuadrada denominada matriz de decisión. Esta matriz cumple con las propiedades de reciprocidad (si aij=x, entonces aji=1/x), homogeneidad (si i y j son igualmente importantes, aij=aji=1, y además, aii= 1 para todo i), y consistencia (la matriz no debe contener contradicciones en la valoración realizada). La consistencia se obtiene mediante el índice de consistencia (Consistency Index, CI) donde λmax es el máximo autovalor y n es la dimensión de la matriz de decisión. Un índice de consistencia igual a cero significa que la consistencia es completa. Una vez obtenido CI, se obtiene la proporción de consistencia (Consistency Ratio, CR) siendo aceptado siempre que no supere los valores indicados en la Tabla 3. Si en una matriz se supera el CR máximo, hay que revisar las ponderaciones.
Donde RI es el índice aleatorio, que indica la consistencia de una matriz aleatoria (Tabla 2):
Tabla 2. Índice aleatorio RI
Tabla 3. Porcentajes máximos del ratio de consistencia CR
Una vez verificada la consistencia, se obtienen los pesos, que representan la importancia relativa de cada criterio o las prioridades de las diferentes alternativas respecto a un determinado criterio. Para ello, el AHP original utiliza el método de los autovalores, donde hay que resolver la siguiente ecuación:
donde A representa la matriz de comparación, w el autovector o vector de preferencia, y λmax el autovalor.
A continuación os dejo algunos vídeos de interés donde se explica el método AHP y sus aplicaciones. Espero que os sean de utilidad.
Seguimos en este entrada explicando los conceptos básicos que subyacen a a toma de decisión multicriterio. El concepto de toma de decisiones multi-criterio(MCDM) abarcaba en sus inicios al conjunto de métodos que servían como herramienta para el proceso de toma de decisiones (Cinelli et al., 2014). Sin embargo, el desarrollo de estos métodos ha sido exponencial, de forma que es necesario algún tipo de clasificación para entender mejor el funcionamiento de cada técnica.
Hwang and Yoon (1981) propusieron dividir los métodos MCDM en métodos de toma de decisión multi-atributo (Multi-attribute decision-making, MADM) y métodos de toma de decisión multi-objetivo (Multiobjective decision-making, MODM). En la Figura se puede ver esta clasificación general de los métodos. Los métodos MADM se utilizan para resolver problemas discretos: las alternativas están predeterminadas y los expertos valoran “a priori” cada criterio e indicando la importancia de cada uno de ellos. Los métodos MODM se utilizan para resolver problemas continuos: las alternativas no están predeterminadas, pues son grupos de soluciones igualmente buenas bajo una serie de restricciones, participando los expertos “a posteriori”.
Los métodos MADM, a su vez, se pueden subdividir en función del tipo de información inicial (determinista, estocástica o incierta), o dependiendo de los grupos de decisores (un único grupo o varios grupos). Sin embargo, la clasificación más habitual es la propuesta por Hajkwociz y Collins (2007) y De Brito y Evers (2016) en los siguientes métodos:
Los métodos de puntuación directa(scoring methods) son los más simples, basados en evaluar las diferentes alternativas mediante operaciones aritméticas básicas. SAW y COPRAS evalúan las alternativas sumando el valor normalizado de cada criterio por su peso correspondiente. SAW es más antiguo y permite realizar este proceso únicamente cuando se desea maximizar un criterio. COPRAS constituye una evolución de SAW y se aplica tanto para criterios que se desean maximizar como minimizar.
Los métodos basados en la distancia (distance-based methods) calculan la distancia entre cada alternativa y un punto concreto. El método GP pretende obtener la alternativa que satisfaga un conjunto de metas, es decir, el punto no es el óptimo, sino aquel que cumpla una serie de condiciones. El método CP trata de obtener aquella alternativa más próxima al hipotético punto óptimo. Los métodos VIKOR y TOPSIS se basan en CP, diferenciándose en la normalización de los criterios. VIKOR tiene en cuenta la distancia a la solución ideal y TOPSIS considera tanto la distancia tanto a la solución ideal como a la solución no ideal.
Los métodos de comparación por pares (pairwise comparision methods) son muy útiles para obtener los pesos de los diferentes criterios y evaluar criterios subjetivos comparando las alternativas entre sí. El método AHP fue el primero en desarrollarse y es uno de los métodos más usados en la toma decisiones. ANP es una evolución del AHP que permite usar criterios dependientes entre sí. MACBETH es una alternativa similar al AHP en cuanto a forma, pero con algunas diferencias en cuanto a conceptos.
Los métodos de superación (outranking methods) establecen una relación de preferencia entre un conjunto de soluciones donde cada una de ellas muestra un grado de dominación sobre las otras respecto a un criterio. Estos métodos son capaces de tratar con información incompleta y difusa, y permite clasificar las alternativas en función de la relación de preferencia existente entre ellas. Dentro de este grupo se encuentran PROMETHEE y ELECTRE.
Los métodos basados en funciones de utilidad o valor (utility/value methods) como MAUT (utilidad) y MAVT (valor), definen funciones que determinan el grado de satisfacción de una alternativa respecto a un criterio. Estas funciones convierten las valoraciones de las alternativas en un grado de satisfacción para cada criterio. Dichas funciones presentan diferentes formas en función de la relación entre la valoración y el grado de satisfacción. MIVES es un derivado de los anteriores en el cual se proporciona las ecuaciones que definen las diferentes funciones de satisfacción.
Tabla. Clasificación de los métodos MADM (Penadés-Plà et al., 2016)
A pesar de todo lo anterior, la vida real es compleja. Siempre existe una incertidumbre en las valoraciones o en las comparaciones. Es por ello que muchos de estos métodos utilizan herramientas como la teoría fuzzy, el método de Montecarlo o los números Grey. Además, cuando la toma de decisiones no es individual, suelen existir diferentes grupos con diferentes intereses, con lo que es necesario llegar a un consenso entre ellos. El método Delphi es una herramienta útil para cuando hay diferentes decisores.
Referencias:
Cinelli, M.; Coles, M.; Kirwan, K. Analysis of the potentials of multi criteria decision analysis methods to conduct sustainability assessment.Ecol. Indic. 2014, 46, 138–148.
De Brito, M. M.; Evers, M. Multi-criteria decision-making for flood risk management: A survey of the current state of the art.Nat. Hazards Earth Syst. Sci. 2016, 16, 1019–1033.
García-Segura, T.; Penadés-Plà, V.; Yepes, V. (2018). Sustainable bridge design by metamodel-assisted multi-objective optimization and decision-making under uncertainty.Journal of Cleaner Production, 202: 904-915.
Hajkowicz, S.; Collins, K. A review of multiple criteria analysis for water resource planning and management.Water Resour. Manag. 2007, 21, 1553–1566.
Hwang, C. L.; Yoon, K. Multiple attribute decision making: Methods and Applications; 1981.
Zamarrón-Mieza, I.; Yepes, V.; Moreno-Jiménez, J.M. (2017). A systematic review of application of multi-criteria decision analysis for aging-dam management.Journal of Cleaner Production, 147:217-230.
In recent times, a great deal of interest has emerged from different sectors of society towards sustainability and sustainable product design. Decision makers are increasingly encouraged to take into consideration the economic, environmental and social dimensions of reality when dealing with problems. Sustainability is of particular importance in the field of civil engineering, where structures are designed that are long lasting and shall cause significant impacts over a long period of time, such as bridges or dams. Consequently, when addressing a structural design, civil engineers shall account for the three dimensions of sustainability, which usually show conflicting perspectives. Multi-criteria methods allow the inclusion of non-monetary aspects into the design process of infrastructure. In the postgraduate course ‘Predictive and optimisation models for concrete structures’, offered at the Masters in Concrete Engineering of the Universitat Politècnica de València, civil engineering students are taught how to apply such tools within the framework of sustainable design of concrete structures. The present paper conducts a state-of-the-art review of the main multi-criteria decision making methodologies taught in the course in the context of sustainability. Articles are searched in recognized databases, such as SCOPUS and Web of Science. The most significant methods, such as Analytical Hierarchy Process (AHP), Elimination and Choice Expressing Reality (ELECTRE), Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) or Complex Proportional Assessment (COPRAS) are systematically discussed, identifying the actual trends concerning the use of such methodologies in the field of civil engineering. The review provides a deep insight in the multi criteria techniques that are most frequently used when assessing sustainability of infrastructure designs.
KEYWORDS
Postgraduate education; multi-criteria decision making; sustainability; structural design; state of the art review
REFERENCE
NAVARRO, I.; MARTÍ, J.V.; YEPES, V. (2018). Multi-criteria decision making techniques in civil engineering education for sustainability. Proceedings of ICERI2018,the 11th annual International Conference of Education, Research and Innovation, Seville (Spain), 12th-14th November 2018, pp. 9798-9807. ISBN: 978-84-09-05948-5
Figura 1. De Lou Sander – Trabajo propio, Dominio público, https://commons.wikimedia.org/w/index.php?curid=8040446
Con esta entrada voy a iniciar una serie relacionada con la toma de decisiones. Todos tomamos decisiones a cada momento. Qué hago este fin de semana, si voy a ir al gimnasio dos o tres veces a la semana, a qué hora pongo el despertador, etc. Pues este tipo de decisiones no solo son individuales, sino que las empresas, los políticos o cualquier tipo de organización la deben tomar a cada momento. En la Figura 1 tenemos un ejemplo habitual: seleccionar un líder entre tres candidatos, tomando como criterios, por ejemplo, la edad, la experiencia, la educación o el carisma. Y muchas influyen significativamente en nuestra calidad de vida, en nuestras finanzas o en nuestro futuro. Es por esto, que la toma de decisiones se ha convertido en un proceso de gran importancia al que hay que prestar atención cuando se va a realizar la elección de una solución o alternativa.
Gran parte de las decisiones que tomamos en la vida diaria la realizamos intuitivamente. Sin embargo, cuando se presenta un problema de mayor importancia y se quiere convertir la toma de decisiones en un problema racional aparece el proceso de toma de decisiones (Figura 2), el cual está comprendido por 5 fases: (1) definición del problema, (2) identificación de las alternativas, (3) determinación de los criterios, (4) evaluación de las alternativas, y (5) elección de una opción.
Figura 2. Proceso de toma de decisiones
Cuando la toma de una decisión depende de únicamente un único criterio, la solución óptima es aquella que optimiza dicho criterio. Este tipo de problema ofrece una visión parcial de la realidad, pues normalmente en la solución a un problema influyen numerosos aspectos que pueden ser contradictorios y entrar en conflicto entre sí. Aquí es donde entran en escena los problemas de decisión que tienen en cuenta dos o más criterios.
La toma de decisiones multicriterio constituye el proceso o acción que se utiliza para resolver un problema cuando son diferentes los criterios que deben considerarse. Por lo tanto, su objetivo principal es la evaluación de una serie de soluciones o alternativas Aj (i=1,2,…,n) a un problema basadas en las puntuaciones rij en relación a una serie de criterios Ci (j=1,2,…,m). La interacción entre los dos conjuntos de elementos se suele expresar como la matriz de toma de decisiones Mmn:
Figura 3. Matriz de toma de decisión
Las puntuaciones rij varían dependiendo de si el criterio evaluado es cuantitativo o cualitativo. Los criterios cuantitativos son criterios objetivos que se evalúan numéricamente, pero al tratar de realizar el mismo tipo de evaluación frente a criterios subjetivos, como son los cualitativos, la confusión aflora y se vuelve difícil asignar un valor numérico a un criterio cualitativo. Teniendo presente lo dicho, es más sencillo crear una escala de evaluación mediante términos lingüísticos que posteriormente sean asociados a valores numéricos. Un ejemplo será la utilización del Proceso Analítico Jerárquico (AHP), del cual hablaremos en su momento.
Por tanto, los criterios a evaluar pueden ser cuantitativos y cualitativos, y además dentro de cada grupo las unidades de medida pueden ser diferentes. Es por esto, que es necesario normalizar la matriz de toma de decisiones antes de evaluar las alternativas, de forma que las puntuaciones rij se conviertan en puntuaciones r’ij normalizadas. Paralelamente a la normalización de la matriz de toma de decisiones se deben obtener los pesos wi de cada criterio Ci en función de su importancia en la obtención de la meta final. Por lo tanto, la matriz de decisiones previa a la evaluación, se convierte en una matriz donde las puntuaciones rij se convierten en puntuaciones normalizadas con pesos asociados vij:
Los pesos asociados a cada criterio expresan la importancia relativa de cada uno de estos criterios, que sirven para alcanzar la valoración final de cada alternativa. La asignación de los pesos a cada criterio es un punto muy importante en la toma de decisiones, pues una pequeña variación de los mismos puede provocar que en un mismo problema, la solución final se decante por una u otra alternativa. Existe una gran variedad de métodos de asignación de pesos, que pueden considerarse objetivos o subjetivos. Pero eso lo dejamos para una entrada posterior.
By retocada por Yeza de la versión original de Alonsoquijano [Public domain], from Wikimedia Commons
Actualmente existe una tendencia clara hacia la evaluación de los impactos en todas las etapas del ciclo de vida de un producto. Esta tendencia ha llegado a los proyectos de estructuras, donde la evaluación de las repercusiones sociales, ambientales y económicas de las distintas alternativas no deriva en una decisión clara y unívoca de la mejor solución, sobre todo cuando los objetivos que se pretenden se encuentran enfrentados entre sí (Jato-Espino et al., 2014; Penadés-Plà et al., 2016; Zamarrón-Mieza et al., 2017; Sierra et al., 2018). El problema de seleccionar la mejor opción en el ámbito del proyecto de puentes ha supuesto una línea de investigación que se ha desarrollado enormemente en las últimas décadas. Balali et al. (2014) expusieron que los problemas relacionados con la toma de decisiones a lo largo del ciclo de vida de un puente se pueden enmarcar dentro de las siguientes fases: (a) proyecto, (b) construcción, y (c) uso y mantenimiento. Estas fases son las que se consideran habitualmente por otros autores (Malekly et al, 2010), que además añaden una última fase en el ciclo de vida de un puente: (d) reciclado o demolición.
Así pues, el proyecto de puentes se caracteriza por la presencia de múltiples objetivos de diseño -muchos contradictorios entre sí-, y la selección de la mejor opción entre distintas alternativas. La calidad, la constructibilidad, la seguridad, el impacto ambiental y el coste son los aspectos que normalmente se consideran en el diseño y la planificación de las operaciones de mantenimiento de un puente. La optimización multiobjetivo (Multi-Objective Optimization, MOO) resulta una herramienta útil cuando varios objetivos desean optimizarse simultáneamente. MOO proporciona un conjunto de soluciones eficaces, constituyendo la denominada frontera de Pareto. Las soluciones que forman parte de la frontera de Pareto no pueden mejorarse sin que empeore cualquier otra solución de dicho conjunto. Koumousis y Arsenis (1998) utilizaron MOO para el diseño de estructuras de hormigón. Liao et al (2011) revisaron los estudios que utilizaron metaheurísticas para problemas relacionados con el ciclo de vida de un proyecto de construcción. Por su parte, Zavala et al. (2013) estudiaron las metaheurísticas utilizadas en la optimización multiobjetivo de las estructuras.
Se pueden reseñar varios estudios que han utilizado la optimización multiobjetivo para comparar el diseño de estructuras de hormigón armado (Reinforced Concrete, RC) atendiendo a la reducción de las emisiones de gases de efecto invernadero y la reducción de costes (Martínez-Martín et al., 2012; García-Segura et al., 2014, 2016; Yepes et al, 2015). Payá et al. (2008) optimizaron pórticos de edificación de RC utilizando como función objetivo la constructibilidad, los costes económicos, el impacto ambiental y la seguridad general de la estructura. Martínez-Martín et al. (2012) optimizaron las pilas RC de un puente considerando como funciones objetivo el coste económico, la congestión de las armaduras pasivas y las emisiones de CO2. Yepes et al. (2015) incorporaron como función objetivo la vida útil en el diseño de una viga de sección en I confeccionada con hormigón de alta resistencia. García-Segura et al. (2014) incluyeron, además, un factor que evalúa la seguridad global en esa misma estructura.
A pesar de que los diseños deben garantizar cierta durabilidad, esta función objetivo suele utilizarse más en el ámbito de la gestión del mantenimiento de infraestructuras ya existentes. Así, Liu y Frangopol (2005) emplearon la optimización multiobjetivo en puentes deteriorados atendiendo a su estado, a los niveles de seguridad y al coste de mantenimiento de la estructura a lo largo del ciclo de vida. Sabatino et al. (2015) optimizaron las operaciones de mantenimiento de la estructura a lo largo de su ciclo de vida bajo los objetivos simultáneos de reducción del coste de mantenimiento y la utilidad mínima anual asociada con un indicador relacionado con la sostenibilidad. Torres-Machi et al. (2015) optimizaron la gestión sostenible de un pavimento considerando simultáneamente aspectos económicos, técnicos y ambientales.
Otro aspecto de interés en el ámbito de la investigación son los procedimientos que permiten seleccionar una solución de un conjunto de opciones posibles atendiendo a múltiples criterios. Las técnicas de toma de decisiones proporcionan un procedimiento racional a las decisiones basadas en cierta información, experiencia y juicio. Estas técnicas pueden clasificarse de acuerdo con la forma en la que el decisor articula sus preferencias. En un proceso “a priori”, los expertos asignan los pesos de cada criterio en la etapa inicial. El proceso “a posteriori” no requiere una definición previa de las preferencias. Por ejemplo, la optimización multiobjetivo genera una gama de soluciones óptimas, que se consideran igualmente buenas –frontera de Pareto-. En este caso, la toma de decisiones tiene lugar “a posteriori”. Este enfoque permite el análisis de las mejores soluciones según cada objetivo, lo cual proporciona información sobre la relación entre los objetivos y las soluciones. Jato-Espino et al. (2014) presentaron una revisión del desarrollo de los métodos de decisión multicriterio aplicados a la construcción. Existen numerosas técnicas de toma de decisiones multicriterio. TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution), VIKOR (Multi-criteria Optimization and Compromise Solution), MAUT (Multi-Attribute Utility Theory), AHP (Analytical Hierarchy Process), ANP (Analytical Network Process), PROMETHEE (Preference Ranking Organization Method for Enrichment Evaluations), DEA (Data Envelopment Analysis), COPRAS (Complex Proportional Assessment) o QFD (Quality Function Deployment), son, entre otras, las más extensamente utilizadas.
Abu Dabous y Alkass (2010) presentaron una estructura jerárquica para la toma de decisiones en la gestión de puentes basados en MAUT y AHP. Sabatino et al. (2015) recurrieron a la teoría de utilidad de múltiples atributos para evaluar diversos aspectos de la sostenibilidad estructural considerando los riesgos asociados a los fallos en el puente y las actitudes frente al riesgo de los decisores. Ardeshir et al. (2014) emplearon un AHP difuso para seleccionar la ubicación para la construcción de un puente. Aghdaie et al. (2012) emplearon AHP y COPRAS para calcular la importancia relativa de los criterios y clasificar las alternativas en la selección de ubicaciones para construir nuevas pasarelas. Balali et al. (2014) seleccionaron el material, el procedimiento constructivo y la tipología estructural de un puente mediante la técnica PROMETHEE. Tanto VIKOR (Opricovic, 1998) como TOPSIS (Hwang y Yoon, 1981) son métodos que seleccionan soluciones basadas en la distancia más corta a la solución ideal. Opricovic y Tzeng (2004) compararon VIKTOR y TOPSIS y mostraron que presentan algunas diferencias en relación con la función de agregación y los efectos de normalización. La técnica difusa (fuzzy) (Zadeh, 1965) es una técnica útil para representar la incertidumbre inherente en la vida real. Joshi et al. (2004) evaluaron un conjunto de criterios para seleccionar la cimentacion más adecuada mediante fuzzy. AHP se combina con fuzzy (Jakiel y Fabianowski, 2015, Wang et al., 2001) para seleccionar entre distintas tipologías de puentes RC y alternativas de plataforma offshore, respectivamente. Abu Dabous y Alkass (2010) indicaron la dificultad en establecer la importancia relativa entre dos elementos con planteamientos deterministas, debido a la incertidumbre inherente al comportamiento de los diferentes elementos.
Se han propuesto muchos métodos para reducir el conjunto de soluciones procedentes de la frontera de Pareto (Hancock y Mattson, 2013). El método de la región de “rodilla” (Rachmawati y Srinivasan, 2009) constituye un método “a posteriori” que distingue los puntos para los cuales una mejora en un objetivo da lugar a un empeoramiento significativo de al menos otro objetivo. Una región de “rodilla” en el frente óptimo de Pareto, visualmente es una protuberancia convexa en la parte delantera, la cual es importante para la toma de decisiones en contextos prácticos, pues a menudo constituye el óptimo en equilibrio. Los métodos de agrupación se centran en ensamblar soluciones en grupos y seleccionar soluciones representativas (Saha y Bandyopadhyay, 2009). Los métodos de filtrado eliminan las soluciones de Pareto que ofrecen poca información al decisor (Mattson et al., 2004). Yepes et al. (2015a) propusieron un procedimiento sistemático “a posteriori” para filtrar la frontera de Pareto, a la vez que proporcionaba conocimiento relevante derivado del proceso de resolución. Esta técnica simplifica la elección de la solución preferente. Para ello se combinan matrices AHP aleatorias con la minimización de la distancia para seleccionar la solución más cercana a la ideal.
Se puede consultar una revisión bibliográfica reciente sobre la aplicación de las herramientas de decisión multicriterio al ciclo de vida de los puentes en el trabajo de Penadés-Plà et al. (2016). En este trabajo se comprueba cómo no existe una métrica universalmente aceptada para medir la diversidad de objetivos de todo tipo que se utilizan en la selección de la mejor opción de proyecto de un puente para un caso determinado. Para ello se analizaron un total de 77 artículos publicados desde 1991. El estudio aplicó un análisis multivariante de correspondencias (ver Figura). De este modo, se recogen los métodos de decisión multicriterio que debe aplicar el ingeniero para la selección de alternativas según la fase del ciclo de vida del puente, así como los criterios que se han considerado en dichos trabajos. La relación más obvia se ha identificado entre la lógica difusa y la fase de uso y mantenimiento. También se observa que el método AHP es ampliamente usado en las tres primeras fases del ciclo de vida de un puente. Finalmente la fase de demolición o reciclado es la menos estudiada, asociándose principalmente al método ANP.
Figura. Análisis de correspondencias entre la toma de decisiones y el ciclo de vida (Penadés-Plà et al., 2016)
Referencias:
Abu Dabous, S.; Alkass, S. (2010). A multi‐attribute ranking method for bridge management. Engineering, Construction and Architectural Management, 17(3), 282–291.
Aghdaie, M.H.; Zolfani, S.H.; Zavadskas, E.K. (2012). Prioritizing constructing projects of municipalities based on AHP and COPRAS-G: A case study about footbridges in Iran. The Baltic Journal of Road and Bridge Engineering, 7(2), 145–153.
Ardeshir, A.; Mohseni, N.; Behzadian, K.; Errington, M. (2014). Selection of a bridge construction site using Fuzzy Analytical Hierarchy Process in Geographic Information System. Arabian Journal for Science and Engineering, 39(6), 4405–4420.
Balali, V.; Mottaghi, A.; Shoghli, O.; Golabchi, M. (2014). Selection of appropriate material, construction technique, and structural system of bridges by use of multicriteria decision-making method. Transportation Research Record: Journal of the Transportation Research Board, 2431, 79–87.
García-Segura, T.; Yepes, V.; Alcalá, J. (2014). Sustainable design using multiobjective optimization of high-strength concrete I-beams. In The 2014 International Conference on High Performance and Optimum Design of Structures and Materials HPSM/OPTI (Vol. 137, pp. 347–358). Ostend, Belgium.
García-Segura, T.; Yepes, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Engineering Structures, 125:325-336.
Hancock, B.J.; Mattson, C. A. (2013). The smart normal constraint method for directly generating a smart Pareto set. Structural and Multidisciplinary Optimization, 48(4), 763–775.
Hwang, C.L.; Yoon, K. (1981). Multiple Attributes Decision Making Methods and Applications. Springer, Berlin Heidelberg.
Jakiel, P.; Fabianowski, D. (2015). FAHP model used for assessment of highway RC bridge structural and technological arrangements. Expert Systems with Applications, 42(8), 4054–4061.
Jato-Espino, D.; Castillo-López, E.; Rodríguez-Hernández, J.; Canteras-Jordana, J.C. (2014). A review of application of multi-criteria decision making methods in construction. Automation in Construction, 45, 151–162.
Joshi, P.K.; Sharma, P.C.; Upadhyay, S.; Sharma, S. (2004). Multi objective fuzzy decision making approach for selection of type of caisson for bridge foundation. Indian Journal Pure Application Mathematics.
Koumousis, V.K., Arsenis, S.J. (1998). Genetic Algorithms in Optimal Detailed Design of Reinforced Concrete Members. Computer-Aided Civil and Infrastructure Engineering, 13(1), 43–52.
Liao, T.W.; Egbelu, P.J.; Sarker, B.R.; Leu, S.S. (2011). Metaheuristics for project and construction management – A state-of-the-art review. Automation in Construction, 20(5), 491–505.
Liu, M.; Frangopol, D. M. (2005). Multiobjective maintenance planning optimization for deteriorating bridges considering condition, safety, and life-cycle cost. Journal of Structural Engineering, 131(5), 833–842.
Malekly, H.; Meysam Mousavi, S.; Hashemi, H. (2010). A fuzzy integrated methodology for evaluating conceptual bridge design, Expert Systems with Applications, 37, 4910-4920.
Martínez-Martín, F.J.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2012). Multi-objective optimization design of bridge piers with hybrid heuristic algorithms. Journal of Zhejiang University: Science A, 13(6), 420–432.
Mattson, C.A.; Mullur, A.A.; Messac, A. (2004). Smart Pareto filter: obtaining a minimal representation of multiobjective design space. Engineering Optimization, 36(6), 721–740.
Opricovic, S. (1998). Multicriteria Optimization of Civil Engineering Systems. Faculty of Civil Engineering, Belgrade.
Opricovic, S.; Tzeng, G.H. (2004). Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS. European Journal of Operational Research, 156(2), 445–455.
Payá, I.; Yepes, V.; González-Vidosa, F.; Hospitaler, A. (2008). Multiobjective optimization of reinforced concrete building frames by simulated annealing. Computer-Aided Civil and Infrastructure Engineering, 23(8), 596–610.
Penadés-Plà, V.; García-Segura, T.; Martí, J.V.; Yepes, V. (2016). A review of multi-criteria decision making methods applied to the sustainable bridge design. Sustainability, 8(12), 1295.
Rachmawati, L.; Srinivasan, D. (2009). Multiobjective evolutionary algorithm with controllable focus on the knees of the Pareto front. IEEE Transactions on Evolutionary Computation, 13(4), 810–824.
Sabatino, S.; Frangopol, D.M.; Dong, Y. (2015). Sustainability-informed maintenance optimization of highway bridges considering multi-attribute utility and risk attitude. Engineering Structures, 102, 310–321.
Saha, S.; Bandyopadhyay, S. (2009). A new multiobjective clustering technique based on the concepts of stability and symmetry. Knowledge and Information Systems, 23(1), 1–27.
Sierra, L.A.; Yepes, V.; Pellicer, E. (2018). A review of multi-criteria assessment of the social sustainability of infrastructures. Journal of Cleaner Production, 187:496-513.
Torres-Machi, C.; Chamorro, A.; Pellicer, E.; Yepes, V.; Videla, C. (2015). Sustainable pavement management: Integrating economic, technical, and environmental aspects in decision making. Transportation Research Record: Journal of the Transportation Research Board, 2523, 56–63.
Wang, H.L.; Zhang, Z.; Qin, S.F.; Huang, C.L. (2001). Fuzzy optimum model of semi-structural decision for lectotype. China Ocean Engineering, 15(4), 453–466.
Yepes, V.; García-Segura, T.; Moreno-Jiménez, J.M. (2015). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4), 1024–1036.
Yepes, V. (2017). Trabajo de investigación. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 110 pp.
Zadeh, L.A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353.
Zamarrón-Mieza, I.; Yepes, V.; Moreno-Jiménez, J.M. (2017). A systematic review of application of multi-criteria decision analysis for aging-dam management. Journal of Cleaner Production, 147:217-230.
Zavala, G.R.; Nebro, A.J.; Luna, F.; Coello Coello, C. A. (2013). A survey of multi-objective metaheuristics applied to structural optimization. Structural and Multidisciplinary Optimization, 49(4), 537–558.
El estadio Milenium de Cardiff acoge la final de la Liga de Campeones en 2017
Hoy se juega la final de la Champions. Es la excusa perfecta para comentar un método basado en la toma de decisiones AHP que permite valorar y priorizar a los jugadores de fútbol. No entraré en si son o no abusivos los sueldos de los jugadores. Lo bien cierto es que determinados deportes mueven cifras millonarias y tienen una importancia económica de primer orden.
Es por ello que, simplemente, os paso un curso completo on-line donde se explica paso a paso la técnica. Mi objetivo es que la podáis utilizar en otros ámbitos de vuestra profesión o en problemas cotidianos. Veréis que no es tan difícil.
El curso se llama “Valoración y priorización de futbolistas OnLine” y es de la Universitat Politècnica de València.
Multi-storey and high-rise buildings use a significant amount of carbon-intensive materials in their structure and in their slab floors. The latter are the focus of this paper. Not only structural efficiency and construction costs need to be considered, but also energy efficiency, emissions, resource extraction and building flexibility over time. In addition to functionality, slab floor components can respond to resource depletion and GHG minimisation while ensuring cost effectiveness. As there is no single solution for an optimal slab type, we provide a set of criteria and sub-criteria. Accordingly, a multi-criteria decision matrix is required to select the best choice. A group of experts will rank and validate the proposed structure to know how relevant each is to the decision maker.
Reference:
MOLINA-MORENO, F.; YEPES, V. (2016). Indicators for Serviceability for Low-Carbon Building Slab Types. IABSE Conference — Structural Engineering: Providing Solutions to Global Challenges, September 23-25, 2015, Geneva, Switzerland, pp. 178-185.
