En varios artículos de este blog hemos descrito distintos aspectos del Proceso Analítico Jerárquico (Analytic Hierarchy Process, AHP). Se trata de una técnica de decisión Multicriterio propuesta por T.L. Saaty que combina aspectos tangibles e intangibles para obtener, en una escala de razón, las prioridades asociadas con las alternativas del problema. No obstante, AHP presenta limitaciones que debemos conocer antes de utilizar este método.
Pues bien, una de las ventajas de AHP es que permite medir la consistencia del decisor al emitir sus juicios. Este aspecto es muy relevante, puesto que si decimos que A>B y que B>C, no podemos decir que A<C. Este aspecto es de gran interés cuando consultamos a expertos en una materia para comprobar que la información que nos facilita es correcta. Si la consistencia es aceptable, se puede continuar con el proceso de decisión. Pero si no lo es, entonces el que toma las decisiones debe replantearse sus juicios sobre las comparaciones pareadas antes de continuar con el análisis.
Saaty sugiere para el método AHP convencional (en el que se utiliza el método del autovector principal para obtener las prioridades), que la inconsistencia sea capturada mediante un único valor denominado 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. Como esta medida depende del orden de la matriz (n), Saaty propone la utilización de la Razón de Consistencia (CR) que se obtiene dividiendo CI por su valor esperado RI, calculado a partir de un gran número de matrices recíprocas positivas de orden n generadas aleatoriamente (Tabla 1). Por tanto, una vez la matriz es consistente siempre y cuando CR no supere los valores indicados en la Tabla 2. 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 1):
Tabla 1. Índice aleatorio RI
Tabla 2. 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 del autovector principal por la derecha, basado en el teorema de Perron-Frobenius, 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.
En la práctica, el vector de los pesos w=(w1, w2,…, wn) se obtiene (método de las potencias) elevando la matriz de juicios a una potencia suficientemente grande, sumando por filas y normalizando estos valores mediante la división de la suma de cada fila por la suma total. El proceso concluye cuando la diferencia entre dos potencias consecutivas sea pequeña.
Sin embargo, este vector de los pesos de cada alternativa también se pueden calcular por el método de la media geométrica por filas (Crawford y Williams, 1985). En este caso, el peso de cada prioridad se calcula como la media geométrica por filas normalizado a la suma de las medias geométricas de todas las filas. Este método se está utilizando ampliamente en los últimos años por sus propiedades matemáticas y sociológicas. Los resultados de este método, comparados con el cálculo del autovector, son parecidos, aunque su cálculo es más sencillo.
De todas formas, os dejo un vídeo del profesor Aznar donde se explica con cierto detalle cómo calcular la consistencia y el autovector. Espero que os sea de utilidad.
Referencias:
AZNAR, J.; GUIJARRO, F. (2012). Nuevos métodos de valoración: modelos multicriterio. Editorial Universitat Politècnica de València.
CRAWFORD, G.; WILLIAMS, C. (1985). A note on the analysis of subjective judgement matrices. Journal of Mathematical Psychology, 29:387-405.
Dentro de la toma de decisiones multicriterio existe una familia de procedimientos que pretende obtener la mejor alternativa en función del grado de satisfacción que proporcionan. Son los llamados métodos de teoría de utilidad o valor (utility/value methods). Dentro de este grupo se encuentran los métodos MAUT (multi-attribute utility theory) y los MAVT (multi-attribute value theory). En estos métodos, unas funciones de satisfacción transforman los valores reales que representan el comportamiento de cada alternativa en un grado de satisfacción.
MIVES proporciona un valor para cada una de las alternativas basándose en una estructura jerárquica de criterios y subcriterios típica de la metodología AHP (Analytic Hierarchy Process). No se aconsejan más de tres o cuatro niveles ni que el número de indicadores final supere 20, pues las valoraciones de los indicadores poco importantes pueden desdibujar los resultados. Un grupo de expertos se encarga de realizar las comparaciones pareadas entre cada uno de los niveles de criterios o subcriterios.
A cada indicador se le asocia una función de valor, que asignará una cifra entre 0 y 1. Esto permite la comparación con unidades de medida diferente. La función de valor se define mediante cinco parámetros para obtener formas de S, cóncavas o convexas (Figura 1). Los parámetros que determinan el tipo de función son Ki, Ci, Xmax, Xmin, y Pi. Un grupo de expertos es el que decide los parámetros de cada una de las funciones de valor. Cabe señalar que estas funciones objetivo son sensibles a una pequeña variación de datos de entrada o en la propia determinación de sus parámetros.
MIVES se articula basándose en la estructura jerárquica AHP, habiendo sido su resultado satisfactorio. No obstante, existen consideraciones asociadas al cumplimiento de determinadas hipótesis de independencia entre criterios y subcriterios que deberían tenerse en cuenta. Se recomienda revisar al respecto el artículo “Limitaciones de los métodos de toma de decisiones basados en procesos de jerarquía analítica AHP” en este mismo blog. Además, téngase en cuenta que el método se apoya en el acuerdo en las comparaciones pareadas de criterios y subcriterios y en la determinación de las funciones de valor correspondientes. Por tanto, el resultado va a depender de este grupo de expertos, por lo que su correcta selección pasa a ser un aspecto crítico del método.
A continuación os dejo unos vídeos explicativos del profesor Jaime C. Gálvez, de la Universidad Politécnica de Madrid, y un artículo explicativo del método. Espero que os sean de interés. Llamo la atención al segundo 44 del tercer vídeo donde se explica un ejemplo de aplicación. Un subcriterio es el coste económico de la estructura y otro subcriterio tiene que ver con el consumo de recursos (cantidad de hormigón o de acero consumido). Es evidente que tanto el coste (criterio económico) como el consumo de recursos (criterio medioambiental) no son linealmente independientes, lo cual significa que el método AHP no podría utilizarse con plenas garantías (se incumple una de las hipótesis de partida que sustenta este procedimiento) y, por tanto, el MIVES subyacente tampoco.
Aguado, A.; Manga, R.; Ormazabal, G. (2006). Los aspectos conceptuales del proyecto MIVES. Capítulo 6 libro. La medida de la sostenibilidad en edificación industrial. Modelo integrado de Valor en Edificios Sostenibles (MIVES). LABEIN. UPV-EHU UPC. ISBN 84- 690-2629-1. pp. 249-271.
Cuando nos enfrentamos a problemas de causalidad complejos y difíciles de articular o comprender, un enfoque habitual para su estudio es la aplicación de un modelo. El modelo DEMATEL (Decision Making Trial and Evaluation Laboratory) fue creado en el Instituto Battelle de Ginebra en 1971.
Se trata de un modelo especialmente útil para analizar las relaciones de causa y efecto entre los componentes de un sistema. Esta propuesta permite confirmar la interdependencia entre factores y ayudar a elaborar un mapa que refleje las relaciones relativas entre ellos, y puede utilizarse para investigar y resolver problemas complicados y entrelazados. Este método no solo convierte las relaciones de interdependencia en un grupo de causa y efecto mediante matrices, sino que también encuentra los factores críticos de un sistema de estructura compleja con la ayuda de un diagrama de relaciones de impacto.
DEMATEL, al igual que ANP (Analytic Network Process), se basa en las percepciones de los individuos (una persona o un grupo de personas). En todos los casos encontrados en la literatura, DEMATEL y ANP se utilizan para crear una supermatriz ponderada, que se potencia hasta el límite para obtener las prioridades de los factores/alternativas de decisión relevantes. Lo interesante es que DEMATEL presenta grandes ventajas al usarlo con ANP, pues identifica realimentaciones e interdependencias en la red y simplifica en gran manera el cálculo en red al sustituir las matrices de comparación pareada por una escala de cero a tres que permite plantear de inicio una matriz de relación directa. Ninguna influencia se puntúa como 0, 1 es la valoración para una influencia leve, 2 para una influencia fuerte y 3 para una influencia muy fuerte. No obstante, hay autores que proponen una escala de 0 a 4.
Los pasos necesarios para aplicar DEMATEL son los siguientes:
Construcción de la matriz de influencia directa
Normalización de la matriz de influencia directa
Encontrar la matriz de relación total
Producción de un diagrama causal
Obtención de la matriz de dependencia interna y el mapa de relación de impacto
En los siguientes vídeos del profesor Aznar se explican en detalle la mecánica de cálculo. Espero que os sean de interés. Para aquellos interesados, los vídeos forman parte de un pequeño curso gratuito MOOC al que podéis acceder en este enlace:
BERNAL, S.; NIÑO, D.A. (2018). Modelo multicriterio aplicado a la toma de decisiones representables en diagramas de Ishikawa. Universidad Distrital Francisco José de Caldas, Bogotá D.C., 137 pp.
FONTELA, E.; GABUS, A. (1974). DEMATEL, innovative methods, technical report no. 2, structural analysis of the world problematique. Battelle Geneva Research Institute, NY.
SAATY, T.L., VARGAS, L. G. (2013). Decision making with the analytic network process: economic, political, social and technological applications with benefits, opportunities, costs and risks (Vol. 195). Springer Science & Business Media
En un artículo anterior vimos que una de las limitaciones más importantes del método método AHP (Analytic Hierarchy Process) es que, de forma habitual, existen relaciones de interdependencia y realimentación entre los distintos criterios, subcriterios o alternativas. Para solucionar este inconveniente, en el año 1996 Saaty presentó el modelo ANP (Analytic Network Process) como una generalización de AHP. Se trata de un método discreto de análisis de decisiones multicriterio que permite capturar las relaciones de interdependencia y de realimentación entre elementos del sistema (criterios y alternativas), según se puede ver en la Figura 1.
Figura 1. Agrupación de elementos por característica común (mínimo un componente de criterios y uno de alternativas). Elaboración propia, basada en Aznar (2020)
Lo primero que llama la atención, por tanto, es que se pasa de una representación jerárquica, típica de AHP, a una representación mediante una red. La red la forman nodos o clústeres, comprendiendo cada uno de ellos una serie de elementos que pueden ser criterios o alternativas. Se denomina realimentación a la relación que existe entre los elementos de un mismo clúster y se denomina interdependencia a la relación que existe entre elementos de distintos clústeres. (Aznar y Guijarro, 2012).
Una de las bondades de ANP es que no se hacen suposiciones sobre la independencia de los elementos de un nivel superior respecto a los de uno inferior y sobre la independencias entre los elementos de un mismo nivel. Ello permite una estructura no lineal, con fuentes, ciclos y sumideros, y que prioriza no solo elementos, sino grupos o grupos de elementos, lo cual está en consonancia con la complejidad del mundo real.
Vamos a poner un ejemplo sencillo para ver las diferencias entre el AHP y ANP. Supongamos que estamos evaluando las características de tres candidatos a un puesto directivo. AHP preguntaría cuánto más importante es en liderazgo el candidato A respecto al candidato B, siendo el liderazgo uno de los criterios, que podría incluir otros como hablar idiomas o capacidad de aprendizaje. Pues bien, ANP haría, adicionalmente, la pregunta inversa, ¿cuánto más importante sería el liderazgo respecto a la capacidad de aprendizaje en el candidato A?
En la Figura 2 se puede ver una matriz con todos los elementos de ANP. Como puede observarse, hay relaciones entre todos los elementos y componentes entre sí.
Figura 2. Tabla con los elementos de ANP
El ANP se puede decir que consta de dos etapas fundamentales: la primera es la estructuración del problema (construcción de la red) y la segunda es el cálculo de las prioridades de los elementos. No obstante, de forma más detallada, los pasos para aplicar ANP son los que a continuación se enumerar. Dejamos los vídeos del profesor Aznar para una explicación pormenorizada de cada uno de estos pasos.
Identificación de los elementos de la red. Alternativas, criterios y construcción de la red.
Análisis de la red de influencias entre los elementos del sistema (criterios y alternativas). Matriz de dominación interfactorial.
Cálculo de las prioridades entre elementos. Supermatriz original (unweighted).
Cálculo de las prioridades entre clústeres. Supermatriz ponderada (weighted).
Cálculo de la supermatriz límite
No obstante, como cualquier otro método, ANP también presenta algunas limitaciones (Zhou et al., 2010):
Con un número elevado de relaciones y criterios, se complican los cálculos, aunque existen también otras metodologías de la toma de decisión que pueden ayudar en este punto
Hay que facilitar al decisor el uso de la metodología para que le resulte más fácil
Cuantas más relaciones entre elementos, más preguntas hay que hacer para definir las influencias entre todos los componentes y elementos de las matrices.
Veamos a continuación, en los vídeos del profesor Aznar, una explicación más en detalle del método y un ejemplo de aplicación. Espero que os sean de interés estos vídeos. Para aquellos interesados, los vídeos forman parte de un pequeño curso gratuito MOOC al que podéis acceder en este enlace:
AZNAR, J.; GUIJARRO, F. (2012). Nuevos métodos de valoración: modelos multicriterio. Editorial Universitat Politècnica de València.
BERNAL, S.; NIÑO, D.A. (2018). Modelo multicriterio aplicado a la toma de decisiones representables en diagramas de Ishikawa. Universidad Distrital Francisco José de Caldas, Bogotá D.C., 137 pp.
SAATY, T.L., VARGAS, L. G. (2013). Decision making with the analytic network process: economic, political, social and technological applications with benefits, opportunities, costs and risks (Vol. 195). Springer Science & Business Media
ZHU, Q., DOU, Y., SARKIS, J. (2010). A portfolio-based analysis for green supplier management using the analytical network process.Supply Chain Management: An International Journal, 15(4), 306-319. https://doi.org/10.1108/13598541011054670
Cuando el profesor Thomas Saaty dió a conocer el método AHP (Analytic Hierarchy Process) en la década de los 80, ya se dio cuenta de que este procedimiento presentaba algunas limitaciones que debía solucionar más adelante. En el año 1996 presentó el modelo ANP (Analytic Network Process) como una generalización de AHP. Este modelo permitió incluir relaciones de interdependencia y realimentación entre elementos del sistema (criterios y alternativas).
En este artículo nos vamos a centrar en algunas limitaciones de AHP que conviene tener en cuenta al tomar decisiones. Este aspecto no es menor, puesto que existen modelos basados en AHP que pueden verse arrastrados por alguna de estas limitaciones.
No obstante, no todo son inconvenientes, ni mucho menos. El profesor José María Moreno ya nos advierte, tal y como se desprende del artículo que os dejo al final de este post, que en este momento no se ha podido probar la supremacía de ningún método o escuela de pensamiento en lo que se refiere al paradigma de la toma de decisión multicriterio. De hecho, AHP ha basado su éxito en trasladar las percepciones humanas a valores numéricos evaluados en una escala de prioridades que permiten sintentizar lo tangible y lo intangible, lo objetivo y lo subjetivo, e incluso lo racional y lo emocional. Además, constituye un procedimiento fácil de utilizar, aplicable a numerosas situaciones reales donde se trata de elegir una alternativa, y donde se puede agregar la decisión individual y la de grupo. Y no menos importante, el AHP es una de las pocas técnicas multicriterio que ofrece una axiomática teórica. Pero veamos ahora en algunos de los inconvenientes de AHP que habrá que valorar siempre que usemos este método o algún otro basado en él.
El principal problema que presenta AHP es que, de forma habitual, existen relaciones de interdependencia y realimentación entre los distintos criterios, subcriterios o alternativas (Figura 2). AHP es unidireccional, siendo las relaciones entre los distintos elementos de abajo hacia arriba, lo cual puede suponer una simplificación demasiado fuerte de la realidad. La condición de independencia y jerarquía que subyace en AHP es necesaria para que quien toma las decisiones tenga una función de valor aditiva. De hecho, AHP se apoya en los axiomas de reciprocidad, homogeneidad y síntesis. Pues este último axioma, que implica que los juicios acerca de las prioridades de los elementos en una jerarquía no dependen de los del nivel más bajo, puede rebatirse cuando existe dependencia de la importancia de un objetivo con el nivel inferior.
Veamos un ejemplo concreto. Si se está analizando la sostenibilidad económica, ambiental y social de una estructura de hormigón, uno de los subcriterios económicos puede ser el coste de la estructura y otro subcriterio ambiental puede ser el consumo de recursos, por ejemplo, la cantidad utilizada de hormigón o de acero. Es evidente que el coste depende de la cantidad de recursos consumidos. Este es un ejemplo muy sencillo, pero en el mundo real, las interdependencias pueden ser sutiles o difíciles de ver a priori. No es fácil, en situaciones normales, encontrar criterios y subcriterios que sean independientes unos de otros.
Figura 2. Relación entre elementos en ANP en la estructura jerárquica AHP (adaptado de Aznar, 2012)
Una de las objeciones recibidas por el método es que si la jerarquía en AHP es incompleta, pueden distorsionarse los pesos. Otro problema adicional tiene que ver con el número de criterios en cada nivel y con su ponderación relativa. Supongamos, por ejemplo que hay dos criterios en el primer nivel y que sus pesos son del 75% en uno y del 25% en el otro. Esta ponderación ya condiciona de forma drástica las ponderaciones de todas las variables que cuelgan de ellas. De esta manera, prácticamente se está anulando el interés de los subcriterios que dependen jerárquicamente de aquel menos ponderado en el primer nivel. El profesor Aznar (2012) ilustra, con ejemplos concretos, cómo el uso de ANP, frente a AHP, provoca cambios significativos en la valoración final de cada una de las alternativas.
También hay que indicar que la escala de nueve puntos de Saaty (los valores siempre entre 1 y 9) es arbitraria para medir las preferencias de los decisores. Esta escala puede plantear, por ejemplo, el siguiente problema: Si una alternativa A es 5 veces más importante que la alternativa B y esta a su vez es 5 veces más importante que la alternativa C, se produce un problema serio, ya que AHP no puede manejar el hecho de que la alternativa A es 25 veces más importante que la alternativa C. Esta deficiencia se visualiza en la Figura 3. Se puede ver cómo la alternativa círculo rojo es mejor al resto con la escala de Saaty: 5 para el triángulo, 7 para el rombo y 9 para el cuadrado. Si comparamos el triángulo verde con el resto, debería ser: 3 para el rombo y 5 para el cuadrado. Del mismo modo, el rombo presenta una valoración de 3 respecto al cuadrado. Con esta matriz pareada, el ratio de consistencia es válido. Sin embargo, si se reajustan las valoraciones dividiendo por dos las comparaciones del triángulo, rombo y cuadrado, el ratio de consistencia baja significativamente. En ese caso, los autovectores han cambiado, aunque se mantienen las prioridades.
Figura 3. Ratio de consistencia en función de las comparaciones pareadas. Elaboración propia
Pero aquí no terminan los inconvenientes. Como contrapartida a la simplicidad, AHP no tiene en cuenta la incerteza asociada a representar la opinión en la forma de un número. Además, si se agrega durante el proceso otra alternativa, las clasificaciones de las alternativas originales pueden cambiar, lo cual rigidiza el método. Por otra parte, si se incrementa el número de alternativas o criterios, se puede llegar a la inconsistencia de la matriz de comparaciones pareadas. Asimismo, en el método es muy laborioso si se incrementa el número de alternativas o criterios.
Un inconveniente adicional de AHP es la normalización de las matrices de preferencias, transformando las valoraciones planteadas en utilidades definidas en la escala (0,1) mediante la obtención del vector propio de las mismas. Esto solo es estrictamente válido si los juicios volcados en la matriz son perfectamente consistentes. En caso contrario, puede ser complicada la interpretación.
Sin embargo, los problemas con AHP se agudizan cuando aparece una situación de conflicto en la que existe una mayor o menor oposición en los intereses de los decisores y, además, las decisiones de cada decisor dependen de las que tomen los demás en la búsqueda de sus propios intereses. En este caso, la teoría de juegos o juegos de estrategia sería la forma más razonable de abordar el problema.
En apretada síntesis, estas reflexiones vienen a cuento de que, muchas veces, estamos utilizando métodos, incluso recogidas alguna normativa legal, donde se pretende dar cuerpo de ley a un conjunto de criterios para evaluar algún aspecto de especial interés. Es el caso del método AHP empleado, por ejemplo, como parte de otros como MIVES, que han dado lugar, a un índice de contribución de la estructura a la sostenibilidad (Anejo 2 del Código Estructural). Con todo, y para tranquilidad de muchos, la teoría AHP, si bien presenta ciertos problemas como los expuestos, parece conservar su condición de ser el método de toma de decisión más conocido y empleado de los métodos multicriterio.
También, por su interés, os dejo el artículo de José Luis Zanazzi sobre las críticas recibidas por AHP y su análisis.
Pero no todo van a ser noticias negativas en relación con el AHP. Os dejo, a continuación, el artículo del profesor José María Moreno donde explica el método AHP.
Figura 1. Toma de decisiones en grupo. https://conectia-psicologia.es/
Cuando se utiliza un modelo de toma de decisiones multicriterio tal y como el AHP (Proceso Analítico Jerárquico), una de las dudas que surgen es saber cómo agregar los juicios de todos los expertos de una forma razonable. Una solución sería la de buscar un consenso de grupo mediante un proceso interactivo con varias rondas de negociación entre los expertos. En este caso, un moderador que no participa en la discusión, sugiere a los responsables de la toma de decisiones que actualicen sus juicios. Sin embargo, a veces es difícil llegar a un acuerdo consensuado (Dong y Saaty, 2014).
En el caso de tener un grupo de expertos homogéneos (coincidencias en formación, trabajo profesional, finalidad de su trabajo, etc.), vamos a basarnos en la media geométrica para agregar los juicios. A pesar de que esta media es menos intuitiva que la aritmética, es una medida menos sensible a los valores extremos que la media de una muestra estadística. Además, la media geométrica es adecuada para calcular variables en porcentaje o índices. Los juicios de las comparaciones pareadas en AHP son ratios, sus valores siempre son positivos, mayores que cero, y algo no menos importante, la media geométrica cumple con satisfacción la propiedad recíproca de las matrices de comparación.
Un ejemplo muy sencillo permite comprobar la reciprocidad con la media geométrica, frente a la media aritmética. Supongamos que con la media aritmética la media de dos juicios con valores de 7 y 9 resultaría en 8, cuyo valor reciproco es 1/8, pero en el otro lado de la matriz obtendríamos un valor de (1/7 + 1/9)/2 = 8/63 lo que difiere del valor esperado de 1/8 para mantener la matriz recíproca. Dejamos al lector la comprobación de que con la media geométrica se mantiene la reciprocidad.
Existen dos formas de agregar los juicios individuales de un grupo de expertos homogéneos:
a) Agregación de prioridades individuales, que transforma vectores de prioridad individuales en un vector de prioridad del grupo (Figura 2).
Figura 2. Agregación de prioridades individuales (Bernal y Niño, 2014)
b) Agregación de juicios individuales, que transforma las matrices comparación por pares individuales en una grupal (Figura 3). En este caso, si las matrices individuales tienen una consistencia aceptable, la grupal también suele serlo (Dong y Saaty, 2014).
Figura 3. Agregación de juicios individuales (Bernal y Niño, 2014)
En ambos casos, hay que tener en cuenta que el vector propio resultante del grupo se debe normalizar.
Otro problema sería el de grupos heterogéneos de expertos, que pueden llegar a producir resultados bastante divergentes. En este caso, se suele resolver el problema mediante la Programación por metas extendida (Linares y Romero, 2002). Aunque también es posible acudir a otro tipo de métodos, como la lógica neutrosófica (Navarro et al., 2020; 2021).
A continuación ponemos un ejemplo de tres expertos homogéneos. En primer lugar vamos a agregar los juicios individuales de tres expertos (Figura 4) y, como método alternativo, agregaremos los vectores propios de cada experto (Figura 5), llegando, en este caso, a un vector propio normalizado que coincide en ambos casos.
Figura 4. Agregación de juicios individuales de tres expertos homogéneos
Figura 5. Agregación de prioridades individuales de tres expertos homogéneos
Referencias:
AZNAR, J.; GUIJARRO, F. (2012). Nuevos métodos de valoración: modelos multicriterio. Editorial Universitat Politècnica de València.
BERNAL, S.; NIÑO, D.A. (2018). Modelo multicriterio aplicado a la toma de decisiones representables en diagramas de Ishikawa. Universidad Distrital Francisco José de Caldas, Bogotá D.C., 137 pp.
DONG, Q.; SAATY, T. L. (2014). An analytic hierarchy process model of group consensus.Journal of Systems Science and Systems Engineering, 23(3), 362–374. https://doi.org/10.1007/s11518-014-5247-8
LINARES, P., ROMERO, C. (2002). Aggregation of preferences in an environmental economics context: A goal-programming approach.Omega, 30(2), 89–95. https://doi.org/10.1016/S0305-0483(01)00059-7
NAVARRO, I.J.; YEPES, V.; MARTÍ, J.V. (2020). Sustainability assessment of concrete bridge deck designs in coastal environments using neutrosophic criteria weights.Structure and Infrastructure Engineering, 16(7): 949-967. DOI:10.1080/15732479.2019.1676791
Figura 1. Entropía. https://concepto.de/leyes-de-la-termodinamica/
Un procedimiento algo similar al método CRITIC que vimos en un artículo anterior, es el método de la entropía. Es un procedimiento propuesto por Zeleny en 1982 para calcular de forma objetiva el peso de cada uno de los criterios empleados en la toma de decisiones.
En este caso, la importancia de un criterio se supone que es proporcional a la cantidad de información intrísecamente aportada por el conjunto de alternativas respecto a dicho criterio. Se trata de dar mayor peso a aquel criterio que es capaz de discriminar mejor a las alternativas, es decir, aquel criterio que presente mayor diversidad en las valoraciones de las alternativas. La diversidad es menor cuanto mayor es la entropía, y por tanto, esta es la base del método.
El método de entropía se puede resumir en los siguientes pasos:
Crear la matriz de decisión
Normalizar por la suma los valores de cada uno de los criterios
Calcular la entropía de cada criterio (se usan logaritmos en base 10)
Calcular la diversidad de cada criterio
Calcular el peso de cada criterio
En la Figura 2 se puede ver un esquema de cálculo con este método (Bernal y Niño, 2018).
Figura 2. Método de entropía (Bernal y Niño, 2018)
Para normalizar la valoración de cada alternativa respecto a cada criterio respecto a la suma, hay que distinguir si se trata de un valor que quiere interesa ser incrementado (por ejemplo, un beneficio), o bien se trata de un valor que se desea que sea el más bajo posible (por ejemplo, un coste). En la Figura 3 se puede ver cómo se podría realizar dicha normalización para el caso de valores que se incrementan. En caso de que disminuyan, se utiliza la inversa de dicho valor. Si hubieran valores negativos en los valores de las alternativas, antes de normalizar por suma, se añade una constante a cada una de las evaluaciones, de forma que sean mayores o iguales que cero.
Figura 3. Normalización por la suma (Bernal y Niño, 2018)
Supongamos que tenemos 5 alternativas para una estructura de hormigón que se va a evaluar respecto a 4 criterios: coste, beneficio, emisiones de CO2 y durabilidad. Si la matriz de decisión es la siguiente, invito al lector a calcular la mejor alternativa:
Coste
Beneficio
Emisiones
Durabilidad
Alternativa 1
346
623
67
32
Alternativa 2
623
665
44
44
Alternativa 3
823
1000
98
26
Alternativa 4
556
344
33
33
Alternativa 5
234
666
23
53
Los pesos calculados con la metodología anterior serían los siguientes: Coste: 0,342; Beneficio: 0,168; Emisiones: 0,384 y Durabilidad: 0,106.
La valoración normalizada de cada alternativa sería la siguiente: Alternativa 1: 0,181; Alternativa 2: 0,177; Alternativa 3: 0,133; Alternativa 4: 0,184 y Alternativa 5: 0,325.
Por tanto, la Alternativa 5 sería la primera en ser seleccionada, mientras que la Alternativa 3 sería la última. Se invita al lector a comprobar los resultados respecto al método CRITIC, visto en un artículo anterior. La mejor alternativa se mantiene, pero la peor cambia.
A continuación os dejo un vídeo explicativo del método realizado por el profesor Jerónimo Aznar Bellver, que espero que os sea de interés.
AZNAR, J.; GUIJARRO, F. (2012). Nuevos métodos de valoración: modelos multicriterio. Editorial Universitat Politècnica de València.
BERNAL, S.; NIÑO, D.A. (2018). Modelo multicriterio aplicado a la toma de decisiones representables en diagramas de Ishikawa. Universidad Distrital Francisco José de Caldas, Bogotá D.C., 137 pp.
ZELENY, M. (1982). Multiple Criteria Decision Making. Mc Graw Hill, New York, NY.
Dentro de los procedimientos de toma de decisiones multicriterio encontramos el método CRITIC (CRiteria Importance Through Intercriteria Correlation) propuesto por Diakoulaki, Mavrotas y Papayannakis en 1995. Se puede clasificar CRITIC dentro de los métodos comparativos. Con este método se obtienen pesos para cada uno de los criterios de forma que el peso es tanto mayor cuanta mayor sea su varianza (mayor desviación típica), y cuanta mayor información diferente a la de los otros criterios aporte (menor coeficiente de correlación entre criterios). Este método de ponderación de criterios se ha utilizado en diversos ámbitos como la valoración de empresas, inmuebles o jugadores de fútbol.
La metodología de CRITIC se puede resumir en los siguientes pasos:
Crear la matriz de decisión
Normalizar por el rango los valores de cada uno de los criterios
Calcular la desviación típica de cada criterio
Calcular la correlación entre cada par de criterios
Calcular el peso de cada criterio
En la Figura 2 se puede ver un esquema de cálculo con este método (Bernal y Niño, 2018).
Figura 2. Método CRITIC (Bernal y Niño, 2018)
Para normalizar la valoración de cada alternativa respecto a cada criterio respecto al rango, hay que distinguir si se trata de un valor que quiere interesa ser incrementado (por ejemplo, un beneficio), o bien se trata de un valor que se desea que sea el más bajo posible (por ejemplo, un coste). En la Figura 3 se puede ver cómo se podría realizar dicha normalización.
Figura 3. Normalización por el rango (Bernal y Niño, 2018)
Supongamos que tenemos 5 alternativas para una estructura de hormigón que se va a evaluar respecto a 4 criterios: coste, beneficio, emisiones de CO2 y durabilidad. Si la matriz de decisión es la siguiente, invito al lector a calcular la mejor alternativa:
Coste
Beneficio
Emisiones
Durabilidad
Alternativa 1
346
623
67
32
Alternativa 2
623
665
44
44
Alternativa 3
823
1000
98
26
Alternativa 4
556
344
33
33
Alternativa 5
234
666
23
53
Los pesos calculados con la metodología anterior serían los siguientes: Coste: 0,849; Beneficio: 1,565; Emisiones: 0,921 y Durabilidad: 0,710.
La valoración normalizada de cada alternativa sería la siguiente: Alternativa 1: 0,184; Alternativa 2: 0,213; Alternativa 3: 0,153; Alternativa 4: 0,133 y Alternativa 5: 0,316.
Por tanto, la Alternativa 5 sería la primera en ser seleccionada, mientras que la Alternativa 4 sería la última.
A continuación os dejo un vídeo explicativo del método realizado por el profesor Jerónimo Aznar Bellver, que espero que os sea de interés.
En este otro video se da un ejemplo de aplicación para valorar, en este caso, un apartamento.
BERNAL, S.; NIÑO, D.A. (2018). Modelo multicriterio aplicado a la toma de decisiones representables en diagramas de Ishikawa. Universidad Distrital Francisco José de Caldas, Bogotá D.C., 137 pp.
DIAKOULAKI, D.; MAVROTAS, G.; PAPAYANNAKIS, L. (1995). Determining objective weights in multiple criteria problems – The CRITIC method. Computers & Operations Research, 22(7):763-770.
Alternativas de diseño para muros de contención de tierras
El diseño sostenible de infraestructuras es uno de los aspectos clave para alcanzar los Objetivos de Desarrollo Sostenible, debido a los impactos tanto económicos como ambientales del sector de la construcción. Las metodologías de decisión multicriterio permiten abordar el diseño sostenible de infraestructuras considerando simultáneamente el impacto de un diseño en las diferentes dimensiones de la sostenibilidad. Este artículo propone el uso de la lógica neutrosófica para resolver uno de los principales problemas asociados a la toma de decisiones: la subjetividad de los expertos implicados. Mediante el enfoque neutrosófico de la metodología AHP multicriterio y el uso de la técnica VIKOR, se analizan los impactos económicos y ambientales asociados a cuatro diseños de muros de contención de tierras.
Referencia:
SÁNCHEZ-GARRIDO, A.J.; MARTÍNEZ-MUÑOZ, D.; NAVARRO, I.J.; YEPES, V. (2021). Neutrosophic logic applied to the multi-criteria evaluation of sustainable alternatives for earth-retaining walls. 6th International Conference on Mechanical Models in Structural Engineering, CMMoST 2021, 1-3 December, Valladolid, Spain, pp. 188-203. ISNB: 978-84-09-39323-7
Acaban de publicarnos un artículo en la revista Sustainability, revista indexada en el JCR. En este caso se ha realizado un análisis comparativo de la producción de la maquinaria agrícola considerando la sostenibilidad en la toma de decisión multicriterio. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.
Este trabajo presenta la aplicación de métodos de decisión para definir la mejor producción en la industria de la maquinaria agrícola. Con este objetivo, se identificó la programación actual de la línea de producción, así como el flujo de producción, realizando un análisis de inventario y un estudio de impacto ambiental. Se definieron siete alternativas para el mix de producción de remolques de grano, considerando diferentes materiales y procesos de producción. La selección de la mejor programación según los diferentes criterios se realizó mediante el proceso de jerarquía analítica (AHP) y el análisis envolvente de datos (DEA) para evaluar las implicaciones gerenciales en la toma de decisiones. Los resultados obtenidos mediante el AHP identificaron una única alternativa como la mejor, lo que facilita la toma de decisiones. El método DEA identificó dos alternativas como las más eficientes, y en este caso el gestor puede elegir entre una combinación de productos que genere un menor impacto ambiental o una mayor rentabilidad. Aunque se aplica a la industria agrícola, la metodología presentada puede adaptarse fácilmente a otras actividades relacionadas con el entorno construido, como la industria de la construcción.
Abstract:
Competition among companies is growing globally, with the need to increase productivity and efficiency in the product sector. However, there is also a growing concern about global warming and the depletion of natural resources, as well as their effects on human health. In this context, all human activities that involve intense usage of resources must take into account sustainability as one of the decision criteria. This work presents the application of decision-making methods to define the best product mix in the agricultural machinery industry. With this objective, the current schedule of the production line was identified, along with the production flow, by performing an inventory analysis and an environmental impact study (endpoint). A total of seven alternatives for the production mix of grain trailers were defined, considering different materials and production processes. The selection of the best schedule according to the different criteria was performed through the analytic hierarchy process (AHP) and data envelopment analysis (DEA) to evaluate the managerial implications for decision making. The results obtained through AHP identified a single alternative as being the best, which facilitates the decision making. The DEA method identified two alternatives as the most efficient, and in this case the manager can choose between a product mix that generates lesser environmental impact or greater profitability. Although applied to agricultural industry, the presented methodology can be easily adapted to other activities related to the built environment, such as construction industry.
Keywords:
Analytic hierarchy process (AHP); data envelopment analysis (DEA); sustainability; product mix; agricultural industry; decision making
En varios artículos de este blog hemos descrito distintos aspectos del Proceso Analítico Jerárquico (Analytic Hierarchy Process, AHP). Se trata de una técnica de decisión Multicriterio propuesta por T.L. Saaty que combina aspectos tangibles e intangibles para obtener, en una escala de razón, las prioridades asociadas con las alternativas del problema. No obstante, AHP presenta limitaciones que debemos conocer antes de utilizar este método.
