20131003 iseree2013 ferreira fernando 13 11 2013

Instituto Nacional de Eficiencia Energética y Energías

Algoritmo Basado en Criterios Múltiples para la Toma de

Decisiones: Aplicación a un Problema de Generación de Energía Fernando Ferreira1, Melio Sáenz

1Organización Latinoamericana de Energía2 Docteur-Ingénieur.- EP PETROECUADOR *mail de la persona de contacto: RESUMEN Los procesos de toma de decisiones requieren niveles de argumentación que dependen de la información disponible sobre la calidad e intensidad de la intervención a realizar, así como de las potenciales consecuencias que ella pueda tener sobre la organización objetivo. Decisiones personales y rutinarias terminan como una más de las expresiones del diario vivir de quien las toma mientras que aquellas con las cuales se busca cambiar patrones de comportamiento de la sociedad tienen que ser fundamentadas de manera que se minimice los riesgos.decisiones es el resultado de un proceso en el cual es importante conocer la manera agente que las toma consigue expresar sus preferencias. Este proceso puede realizarse de dos maneras: mediante un conjunto de métodos de agregación de criterios de evaluación o a través de una ayuda directa a la persona o colectividad. En los dos cconsecuencias que se podrían generar.conceptual del escenario en el cual se toma decisiones. Este escenario lo describimos mediante un sistema componentes que, a su vez, pueden ser Evaluamos, entonces, la participación de los componentes y de los elementos en la consecución de los objetivos describiendo el deterioro de la calidad de la estructura y del comportamiento del sistema y de sus elementos si llegaradoptada. El modelo así desarrollado lo aplicamos a datos obtenidos de un estudio cualitativo realizado para ordenar alternativas de generación de energía para una población.obtenido tiene en cuenta el comportamien PALABRAS CLAVE Multi criterios, desagregación, decisiones, INTRODUCCIÓN La primera etapa de la teoría de la decisión estuvo caracterizada por su carácter normativo basado en tres postulados: 1) conocimiento que podían ser considerevaluar de manera exacta el estado de los mismos o el valor exacto de sus atributos identificados como relevantes de un aspecto de la realidad, 2) de la colegiado que toma decisiones estrictamente mejor. (Mena, 2000) Desde 1983 se comienza a aplicar los principios de la desagregación multidimensional y multi criterio usando técnicas de programación por metas (estimación óptima y de compensación ejecutiva. También se aplica la minisuma de desviaciones absolutas vía regresión simple y regresión múltiple.Siskos, 2001)

ficiencia Energética y Energías Renovables

Algoritmo Basado en Criterios Múltiples para la Toma dea un Problema de Generación de Energía

2,*

Latinoamericana de Energía, OLADE, Quito, Ecuador EP PETROECUADOR

: [email protected]

Los procesos de toma de decisiones requieren niveles de argumentación que dependen de la calidad e intensidad de la intervención a realizar, así como de

las potenciales consecuencias que ella pueda tener sobre la organización objetivo. Decisiones personales y rutinarias terminan como una más de las expresiones del diario vivir de quien las

a mientras que aquellas con las cuales se busca cambiar patrones de comportamiento de la sociedad tienen que ser fundamentadas de manera que se minimice los riesgos.decisiones es el resultado de un proceso en el cual es importante conocer la manera agente que las toma consigue expresar sus preferencias. Este proceso puede realizarse de dos maneras: mediante un conjunto de métodos de agregación de criterios de evaluación o a través de una ayuda directa a la persona o colectividad. En los dos casos se trata de evaluar las consecuencias que se podrían generar. En el presente trabajo partimos de un modelo conceptual del escenario en el cual se toma decisiones. Este escenario lo describimos mediante un sistema componentes que, a su vez, pueden ser desagregados en elementos. Evaluamos, entonces, la participación de los componentes y de los elementos en la consecución de los objetivos describiendo el deterioro de la calidad de la estructura y del comportamiento del sistema y de sus elementos si llegara a instrumentarse la decisión adoptada. El modelo así desarrollado lo aplicamos a datos obtenidos de un estudio cualitativo realizado para ordenar alternativas de generación de energía para una población.obtenido tiene en cuenta el comportamiento del escenario y las preferencias globales.

Multi criterios, desagregación, decisiones, probabilidad de pérdida.

La primera etapa de la teoría de la decisión estuvo caracterizada por su carácter normativo de realidad de primer orden referida a los objetos del

que podían ser considerados como estables y suficientemente conocidos para evaluar de manera exacta el estado de los mismos o el valor exacto de sus atributos

s como relevantes de un aspecto de la realidad, 2) de la persona o cuerpo y 3) del óptimo que permite identificar aquella alternativa

(Mena, 2000)

Desde 1983 se comienza a aplicar los principios de la desagregación multidimensional y multi criterio usando técnicas de programación por metas (goal programming), modelos lineales de estimación óptima y de compensación ejecutiva. También se aplica la minimización de la suma de desviaciones absolutas vía regresión simple y regresión múltiple. (Jacquet

Algoritmo Basado en Criterios Múltiples para la Toma de a un Problema de Generación de Energía Eléctrica

Los procesos de toma de decisiones requieren niveles de argumentación que dependen de la calidad e intensidad de la intervención a realizar, así como de

las potenciales consecuencias que ella pueda tener sobre la organización objetivo. Decisiones personales y rutinarias terminan como una más de las expresiones del diario vivir de quien las

a mientras que aquellas con las cuales se busca cambiar patrones de comportamiento de la sociedad tienen que ser fundamentadas de manera que se minimice los riesgos. Tomar decisiones es el resultado de un proceso en el cual es importante conocer la manera cómo el agente que las toma consigue expresar sus preferencias. Este proceso puede realizarse de dos maneras: mediante un conjunto de métodos de agregación de criterios de evaluación o a través

asos se trata de evaluar las En el presente trabajo partimos de un modelo

conceptual del escenario en el cual se toma decisiones. Este escenario lo describimos desagregados en elementos.

Evaluamos, entonces, la participación de los componentes y de los elementos en la consecución de los objetivos describiendo el deterioro de la calidad de la estructura y del

a a instrumentarse la decisión adoptada. El modelo así desarrollado lo aplicamos a datos obtenidos de un estudio cualitativo realizado para ordenar alternativas de generación de energía para una población. El modelo

to del escenario y las preferencias globales.

La primera etapa de la teoría de la decisión estuvo caracterizada por su carácter normativo a los objetos del

mente conocidos para evaluar de manera exacta el estado de los mismos o el valor exacto de sus atributos

persona o cuerpo que permite identificar aquella alternativa

Desde 1983 se comienza a aplicar los principios de la desagregación multidimensional y multi ), modelos lineales de

mización de la (Jacquet-Lagrèze &


Actualmente los problemas de toma de decisiones han alcanzado tal nivel de complejidad que, para resolverlos, hemos evolucionado hacia la Teoría de la Elecciaxiomatización bajo la forma de la lógica de las decisiones. Señalemos que la presión de la industria, y del sector productivo en gritmo de crecimiento de las técnicas heurísticascomputadoras para participar en los procesos de decisión humanos,decisiones que ha hecho descuidar el estudio dEsta tendencia tendrá que revertirse algún momento a fin de construir una sólida base de conocimiento científico sobre el tema. En el presente trabajo formulamos el problema de manera general, considerando proceso de toma de decisiones reside en un sistema que se encuentra en un estado inicial y que podemos describir los sucesivos estados mediante un vector de variables relevantes que serán modificadas mediante las intervenciones desencadenseleccionadas mediante un algoritmo propuesto a tres etapasde la naturaleza de los criterios y de las escalas de los criterios de calificación de las alternativas. MODELO CONCEPTUAL Sea Ω un conjunto bien delimitado de objetos, conjunto finito, tal que elementos de Ω tiene una posición que no puede serun conjunto de atributos y propiedades establecer entre los elementos de 1,⋯ , ; 1, ⋯ , ; 1,2 , en donde referente de las relaciones, entonces El estado E del sistema relevantes ⋯índice superior no es un ordinal de tiempo. El proceso de toma de decisiones ordenado por al menos una clase de equivalenciaobligatoriamente:

a) El elemento sobre el cual se busca intervenirnecesidad de intervenir para modificarla Sociedad o una intersección de los dos;

b) El individuo o la colectividad criterios, métodos y procedimientos para hacerlo

c) El conjunto de alternativas

Las alternativas se construyen en relación posición, sus atributos y propiedades, laspropiedades emergentes generadas en la estructuración que como sistema experimenta el escenario. (Sáenz, 2009)

1 Sistemas de simulación basados en redes neuronales y lógica difusa son utilizados en modelos de simulación de empresas, mercados, toma de decisiones y una diversidad de situaciones en las que se necesita tomar decisiones.


Actualmente los problemas de toma de decisiones han alcanzado tal nivel de complejidad que, erlos, hemos evolucionado hacia la Teoría de la Elección Social y su

axiomatización bajo la forma de la lógica de las decisiones. (Raynaud & Arrow, 2010)

Señalemos que la presión de la industria, y del sector productivo en general, ha impuesto un ritmo de crecimiento de las técnicas heurísticas, favorecidas por la potencial capacidad de las computadoras para participar en los procesos de decisión humanos, para ayudardecisiones que ha hecho descuidar el estudio de la base epistemológica y la axiomatización.Esta tendencia tendrá que revertirse algún momento a fin de construir una sólida base de conocimiento científico sobre el tema.

En el presente trabajo formulamos el problema de manera general, considerando proceso de toma de decisiones reside en un sistema que se encuentra en un estado inicial y que

los sucesivos estados mediante un vector de variables relevantes que serán modificadas mediante las intervenciones desencadenadas a partir de las decisiones seleccionadas mediante un algoritmo propuesto a tres etapas en las cuales tenemos en cuenta de la naturaleza de los criterios y de las escalas de los criterios de calificación de las

un conjunto bien delimitado de objetos, conjunto finito, tal que Ω. Cada uno de los tiene una posición que no puede ser simultáneamente compartida con otro,

un conjunto de atributos y propiedades ; 1,⋯ , ; 1,⋯ , . Si existe o podemos establecer entre los elementos de Ω un conjunto de relaciones y funciones,

, en donde es el índice asociado a la naturaleza trascendente o entonces la tripleta Ω, , es un sistema. (Sáenz, 2014)

los describimos mediante el vector

⋯ y la historia ! " ⋯ # ⋯ $%&

ordinal de tiempo.

de toma de decisiones reside en un escenario anfitrión ' cuyo universo es ordenado por al menos una clase de equivalencia de las cuales tienen que existir

El elemento sobre el cual se busca intervenir y del cual se percibe o se conoce la necesidad de intervenir para modificar. Este puede ser un sistema de la Naturaleza o de la Sociedad o una intersección de los dos; El individuo o la colectividad DDDD encargada de tomar las decisiones que dispone de

s, métodos y procedimientos para hacerlo; El conjunto de alternativas factibles que pueden ser consideradas como solución

construyen en relación a los elementos constitutivos del sistemaposición, sus atributos y propiedades, las relaciones y funciones así como también a las propiedades emergentes generadas en la estructuración que como sistema experimenta el

redes neuronales y lógica difusa son utilizados en modelos de simulación de empresas, mercados, toma de decisiones y una diversidad de situaciones en las que se necesita tomar decisiones.

Actualmente los problemas de toma de decisiones han alcanzado tal nivel de complejidad que, ón Social y su

(Raynaud & Arrow, 2010)

eneral, ha impuesto un , favorecidas por la potencial capacidad de las

r a la toma de e la base epistemológica y la axiomatización.1

Esta tendencia tendrá que revertirse algún momento a fin de construir una sólida base de

En el presente trabajo formulamos el problema de manera general, considerando que el proceso de toma de decisiones reside en un sistema que se encuentra en un estado inicial y que

los sucesivos estados mediante un vector de variables relevantes que serán ir de las decisiones

en las cuales tenemos en cuenta de la naturaleza de los criterios y de las escalas de los criterios de calificación de las

. Cada uno de los compartida con otro,

xiste o podemos un conjunto de relaciones y funciones, ()*; +

es el índice asociado a la naturaleza trascendente o (Sáenz, 2014)

los describimos mediante el vector de variables %&en donde el

cuyo universo es de las cuales tienen que existir

del cual se percibe o se conoce la . Este puede ser un sistema de la Naturaleza o de

que dispone de

pueden ser consideradas como solución.

constitutivos del sistema: su relaciones y funciones así como también a las

propiedades emergentes generadas en la estructuración que como sistema experimenta el

redes neuronales y lógica difusa son utilizados en modelos de simulación de empresas, mercados, toma de decisiones y una diversidad de situaciones en las que se necesita tomar decisiones.


Sea ,el conjunto de alternativas soluciones factibles. DDDD dispone dealternativa - ∈ /, le corresponde una imagen por la función vectorial imagen de - es un vector de asociada a un objetivo de maximización, cuando más es mejor; o de minimenos es mejor y el conjunto de los preparación). De acuerdo al -ésimo criterio diremos que la alternativa alternativa 0 ssi 12-3 ≿ 112-3 ≻ 6203; donde el símbolo (“mayor o igual”), y el símbolo es de maximización, y se remplazan por respectivamente, cuando el objetialternativas según el criterio parcial Problema: ordenar las alternativasde la persona o colectividad que toma decisiones Metodología Esta consiste en identificar y caracterizar el objeto de la decisión, definiendo las potenciales alternativas y formulando una problemática en el conjunto de alternativas.un modelo de familias consistentes de critde valor no creciente, exhaustivos y no redundantes para pasar el desarrollo de un modelo de preferencias globales que nos permita agregar las preferencias marginales en los criterios. Finalmente, y de acuerdo con los resultados obtenidos en los pasos anteriores, brindaremos ayuda o soporte al proceso de toma de decisiones.

Generalmente las preferencias globales consisten en juicios conmensurables respecto al conjunto de alternativas posibles que ordenan las alternativas desde la mejor hasta la peoralternativas se encuentran relacionadas de manera razonable y prudente. MODELO EXPERIMENTAL Toda decisión conlleva una parte de descubrimiento, de voluntad razonada, de azar irracional, de efectos y afectos organizacionales. La cultura individual y colectiva establece características diferenciales entre una y otra selección que las hace más o menos atractivas agente decidor. Todo depende de múltiples racionalidades fundamentadas en sistemas no idénticos de valores, a veces conflictivos, de puntos de vista específicos a partir de los cuales se sienten juzgados, de percepciones desfasadas a veces contradictoripercibida y aprehendida bajo diferentes puntos de observación, bajo la óptica de un acervo cultural propio de la colectividad y con aspiraciones propias y comunitarias que revelan actitudes y sentimientos propios de la complejidad del sequien toma decisiones busca que éstas sean de calidad En el proceso de toma de decisiones participan los actores que las toman, el staff que las asume y quienes facilitan el proceso en armónica interacción. Como seres humanos pensamos siempre que tomamos las buenas decisiones incentivados por nuestro ego que nos hace pensar que sabemos hacerlo. Estamos conscientes de aquella oportunidad


el conjunto de alternativas posibles de solución de decisión y sea / ⊂ U el conjunto de dispone de 8 criterios de evaluación 1 tales que 1: /

, le corresponde una imagen por la función vectorial : 21, 1es un vector de ;<, :2-3 =12-3, 1>2-3, … , 1<2-3@. La función

asociada a un objetivo de maximización, cuando más es mejor; o de minimización, cuando y el conjunto de los n criterios es exhaustivo y no redundante.

ésimo criterio diremos que la alternativa - es “al menos tan buena” como la 1203; la alternativa - es “mejor” que la alternativa

; donde el símbolo ≿ (“preferencia débil”) se remplaza por el símbolo ≻ (“preferencia débil”) por (“mayor”) cuando el objetivo

es de maximización, y se remplazan por A (“menor o igual”) y por respectivamente, cuando el objetivo es de minimización. Cada función 1 permite ordenar las alternativas según el criterio parcial .

ordenar las alternativas, en orden decreciente, según las preferencias de la persona o colectividad que toma decisiones (el decisor).

Esta consiste en identificar y caracterizar el objeto de la decisión, definiendo las potenciales alternativas y formulando una problemática en el conjunto de alternativas. Luego construimos un modelo de familias consistentes de criterios suponiendo que estos criterios son funciones de valor no creciente, exhaustivos y no redundantes para pasar el desarrollo de un modelo de preferencias globales que nos permita agregar las preferencias marginales en los criterios.

erdo con los resultados obtenidos en los pasos anteriores, brindaremos ayuda o soporte al proceso de toma de decisiones. (Roy, 1985)

Generalmente las preferencias globales consisten en juicios conmensurables respecto al junto de alternativas posibles que ordenan las alternativas desde la mejor hasta la peor

alternativas se encuentran relacionadas de manera razonable y prudente. (Sáenz, 2013)

MODELO EXPERIMENTAL

conlleva una parte de descubrimiento, de voluntad razonada, de azar irracional, de efectos y afectos organizacionales. La cultura individual y colectiva establece características diferenciales entre una y otra selección que las hace más o menos atractivas agente decidor. Todo depende de múltiples racionalidades fundamentadas en sistemas no idénticos de valores, a veces conflictivos, de puntos de vista específicos a partir de los cuales se sienten juzgados, de percepciones desfasadas a veces contradictorias, de la realidad percibida y aprehendida bajo diferentes puntos de observación, bajo la óptica de un acervo cultural propio de la colectividad y con aspiraciones propias y comunitarias que revelan actitudes y sentimientos propios de la complejidad del ser humano, sin embargo de lo cual quien toma decisiones busca que éstas sean de calidad. (Sáenz, 2013)

En el proceso de toma de decisiones participan los actores que las toman, el staff que las roceso en armónica interacción. Como seres humanos pensamos

siempre que tomamos las buenas decisiones incentivados por nuestro ego que nos hace pensar que sabemos hacerlo. Estamos conscientes de aquella oportunidad en la que

el conjunto de ⟶ ;. A cada

2 1>, … , 1<3. La La función 1 está

mización, cuando (Burbano, En

es “al menos tan buena” como la es “mejor” que la alternativa 0 ssi

(“preferencia débil”) se remplaza por el símbolo C (“mayor”) cuando el objetivo

(“menor”), permite ordenar las

según las preferencias globales

Esta consiste en identificar y caracterizar el objeto de la decisión, definiendo las potenciales Luego construimos

erios suponiendo que estos criterios son funciones de valor no creciente, exhaustivos y no redundantes para pasar el desarrollo de un modelo de preferencias globales que nos permita agregar las preferencias marginales en los criterios.

erdo con los resultados obtenidos en los pasos anteriores, brindaremos

Generalmente las preferencias globales consisten en juicios conmensurables respecto al junto de alternativas posibles que ordenan las alternativas desde la mejor hasta la peor. Las

(Sáenz, 2013)

conlleva una parte de descubrimiento, de voluntad razonada, de azar irracional, de efectos y afectos organizacionales. La cultura individual y colectiva establece características diferenciales entre una y otra selección que las hace más o menos atractivas al agente decidor. Todo depende de múltiples racionalidades fundamentadas en sistemas no idénticos de valores, a veces conflictivos, de puntos de vista específicos a partir de los cuales

as, de la realidad percibida y aprehendida bajo diferentes puntos de observación, bajo la óptica de un acervo cultural propio de la colectividad y con aspiraciones propias y comunitarias que revelan

, sin embargo de lo cual

En el proceso de toma de decisiones participan los actores que las toman, el staff que las roceso en armónica interacción. Como seres humanos pensamos

siempre que tomamos las buenas decisiones incentivados por nuestro ego que nos hace pensar tomamos una


decisión del tipo “ no nos queda más”(Raynaud, 1973) Utilizamos procedimientos de promociónconsensos y perdemos oportunidades para declarar una decisión. Ccon mayor entusiasmo que las pérdidas de oportunidadpuesto que nuestro cerebro no busca alcanzar intuitivamente decisiones de calidad y sin embargo no buscamos ayuda profesional. Dejamos que la calidad resida en la percepción de quien toma las decisiones, teniendo presente que la satisfacción es una pruque la calidad es global. Cuando construimos el modelo matemático correspondiente asignamos a la selección de una alternativa, Es un hecho que los agentes basan sus pronósticos en la representacontecimiento respecto a otros similares ya ocurridos ya que la experiencia adquirida ocurre por observación sucesiva de acontecimientos por lo que recurrimos a una técnica empírica de resolución de problemas que tiene en cuentaconstruye la estrategia a adoptar. Estos métodos son conocidos como heurísticos, los mismos que no aseguran llegar a un resultado en un número finito de etapas y tampoco lo hacen respecto a obtener un resultado óptimo. Lo que si podemos comprometer de estos resultados es que ellos serán los menos alejados de las opciones consideradas por los agentes como válidas, deseables y tolerables. Estas técnicas son heredadas de antiguos procedimientos quese aplicaban a problemas complicados. Ya Keynes en 1921 disponía de racional que puede tener una persona sobre la ocurrencia o no de un determinado sucesoacepta desde un punto de vista subjetivodeterminado. Kahneman y Tversky concibieron un proceso de elección como un proceso mental de estimación intuitiva de cantidades, probabilidades y de asignación de valores numvariables. (Tversky & Kahnnemann, 1974)ordenada de esos múltiples y complementarios conceptos abordados con el reto de construir una calificación global que permita identificar las alternativas dominantes. MODELO MATEMÁTICO Admitimos que:

1. El valor de cada alternativa depende de 2. Cada criterio contribuye con un valor positivo o negativo parcial al valor de una

alternativa 3. Cada alternativa tiene un valor global propio4. Cada uno de los tres valores anteriormente

en la toma de decisiones, la misma que se expresa mediante un coeficiente de ponderación particular.

La calificación que obtiene cada alternativa está en función de la pérdida de valor de la misma percibida por D . Se materializa mediante un criterio semántico al cual se le asigna un valor numérico, de acuerdo con la Tabla N.1. De esta manera podemos utilizar el área que se encuentra bajo la curva de densidad de probabilidad para, restándole las unidades que deteralternativa, obtener el valor de la misma en términos probabilísticos.


no nos queda más” , pero no sabemos lo que nos perdemos tras de ella.

Utilizamos procedimientos de promoción-aprobación con los cuales creemos generar consensos y perdemos oportunidades para declarar una decisión. Castigamos pérdidas reales

pérdidas de oportunidad. No buscamos maximizar los valopuesto que nuestro cerebro no busca alcanzar intuitivamente decisiones de calidad y sin embargo no buscamos ayuda profesional. Dejamos que la calidad resida en la percepción de quien toma las decisiones, teniendo presente que la satisfacción es una prueba local mientras

Cuando construimos el modelo matemático correspondiente a la selección de una alternativa, una probabilidad basada en la experiencia.

Es un hecho que los agentes basan sus pronósticos en la representatividad de un resultado o acontecimiento respecto a otros similares ya ocurridos ya que la experiencia adquirida ocurre por observación sucesiva de acontecimientos por lo que recurrimos a una técnica empírica de resolución de problemas que tiene en cuenta a cada etapa los resultados de las precedentes y construye la estrategia a adoptar. Estos métodos son conocidos como heurísticos, los mismos que no aseguran llegar a un resultado en un número finito de etapas y tampoco lo hacen

tado óptimo. Lo que si podemos comprometer de estos resultados es que ellos serán los menos alejados de las opciones consideradas por los agentes como válidas, deseables y tolerables. Estas técnicas son heredadas de antiguos procedimientos que

a problemas complicados. Ya Keynes en 1921 disponía de grados de creencia racional que puede tener una persona sobre la ocurrencia o no de un determinado sucesoacepta desde un punto de vista subjetivo la confianza o creencia de que ocurra un

Tversky concibieron un proceso de elección como un proceso mental de estimación intuitiva de cantidades, probabilidades y de asignación de valores num

(Tversky & Kahnnemann, 1974). En nuestro modelo presentamos una combinación ordenada de esos múltiples y complementarios conceptos abordados con el reto de construir una calificación global que permita identificar las alternativas dominantes.

El valor de cada alternativa depende de sus atributos y propiedades; Cada criterio contribuye con un valor positivo o negativo parcial al valor de una

Cada alternativa tiene un valor global propio; Cada uno de los tres valores anteriormente expresados tienen una importancia propia en la toma de decisiones, la misma que se expresa mediante un coeficiente de

La calificación que obtiene cada alternativa está en función de la pérdida de valor de la misma e materializa mediante un criterio semántico al cual se le asigna un valor

De esta manera podemos utilizar el área que se encuentra bajo la curva de densidad de probabilidad para, restándole las unidades que determinan el deterioro del valor de la alternativa, obtener el valor de la misma en términos probabilísticos.

pero no sabemos lo que nos perdemos tras de ella.

aprobación con los cuales creemos generar astigamos pérdidas reales

. No buscamos maximizar los valores puesto que nuestro cerebro no busca alcanzar intuitivamente decisiones de calidad y sin embargo no buscamos ayuda profesional. Dejamos que la calidad resida en la percepción de

eba local mientras Cuando construimos el modelo matemático correspondiente

una probabilidad basada en la experiencia.

atividad de un resultado o acontecimiento respecto a otros similares ya ocurridos ya que la experiencia adquirida ocurre por observación sucesiva de acontecimientos por lo que recurrimos a una técnica empírica de

a cada etapa los resultados de las precedentes y construye la estrategia a adoptar. Estos métodos son conocidos como heurísticos, los mismos que no aseguran llegar a un resultado en un número finito de etapas y tampoco lo hacen

tado óptimo. Lo que si podemos comprometer de estos resultados es que ellos serán los menos alejados de las opciones consideradas por los agentes como válidas, deseables y tolerables. Estas técnicas son heredadas de antiguos procedimientos que

grados de creencia racional que puede tener una persona sobre la ocurrencia o no de un determinado suceso y

la confianza o creencia de que ocurra un hecho

Tversky concibieron un proceso de elección como un proceso mental de estimación intuitiva de cantidades, probabilidades y de asignación de valores numéricos a las

En nuestro modelo presentamos una combinación ordenada de esos múltiples y complementarios conceptos abordados con el reto de construir

Cada criterio contribuye con un valor positivo o negativo parcial al valor de una

expresados tienen una importancia propia en la toma de decisiones, la misma que se expresa mediante un coeficiente de

La calificación que obtiene cada alternativa está en función de la pérdida de valor de la misma e materializa mediante un criterio semántico al cual se le asigna un valor

De esta manera podemos utilizar el área que se encuentra bajo la curva de densidad minan el deterioro del valor de la


El modelo matemático se basa en la inferencia de funciones aditivas a partir del ordenamiento obtenido entre las opciones posibles,tipo del métCarlo. (Ferreira, 2003)

La calificación global la obtenemos mediante la siguiente expresión:

en dondemediante los criterios de primer nivel, correspondiente a los criterios de segundo nivel y partir demodificarían la calidad de la respuesta del sistemanos permite tener en cuenta del comportamiento de la alternativa de manera global componen, dándole un enfoque sist

de alternativas. (Jacquet-Lagrèze & Siskos, 2001)

Con los valores de pérdida de calidad de las alternativas, asociando áreas a las mismas, es posible evaluar la función 62-3 de densidad de probCarlo. Recordemos que el modelo construido tiene una naturaleza funcional de preferencias globales.

MODELO DIGITAL

Este modelo consta de un algoritmo y de un programa, descritos en los (Ferreira, 2013)

Algoritmo Leer Alternativas: con las características más importantes del contexto de decisión;Crear: Matrices de criterios:

1. Primer nivel 2. Segundo nivel 3. Atributos (Especificando las escalas

asociadas.) Calificar: Cada una de las alternativas, especificando los perfiles de impactos provocados por cada uno de los atributos; Calcular La calificación global


El modelo matemático se basa en la inferencia de funciones aditivas a partir del ordenamiento obtenido entre las opciones posibles,tipo del método UTA para lo cual aplicamos el método de Monte

(Ferreira, 2003).

calificación global la obtenemos mediante la siguiente expresión:

: ∑ -<

E 0FG

H (1)

en donde : es la calificación global, - es la calificación obtenida

mediante los criterios de primer nivel, 0F la calificación

correspondiente a los criterios de segundo nivel y GH la calificación a

partir de la manera cómo los atributos y propiedades de la alternativamodificarían la calidad de la respuesta del sistema. Esta ecuación (1) nos permite tener en cuenta del comportamiento de la alternativa de manera global así como de la participación de los elementos que la componen, dándole un enfoque sistémico al proceso de calificación

Lagrèze & Siskos, 2001)

Con los valores de pérdida de calidad de las alternativas, asociando áreas a las mismas, es de densidad de probabilidades, mediante una simulación Monte

que el modelo construido tiene una naturaleza funcional de preferencias

Este modelo consta de un algoritmo y de un programa, descritos en los recuadros

Alternativas: con las características más importantes del contexto de decisión;

Atributos (Especificando las escalas

Cada una de las alternativas, especificando los perfiles de impactos provocados por cada uno de

Programa Escrito en lenguaje VBnetprocesador de 64 bits, el código de desarrollo ocupa 137 Mb y el ejecutable 1.18 Mb. 2013)

El modelo matemático se basa en la inferencia de funciones aditivas a partir del ordenamiento obtenido entre las opciones posibles, del

para lo cual aplicamos el método de Monte

calificación global la obtenemos mediante la siguiente expresión:

es la calificación obtenida la calificación la calificación a e la alternativa

. Esta ecuación (1) nos permite tener en cuenta del comportamiento de la alternativa de

así como de la participación de los elementos que la émico al proceso de calificación

Con los valores de pérdida de calidad de las alternativas, asociando áreas a las mismas, es abilidades, mediante una simulación Monte

que el modelo construido tiene una naturaleza funcional de preferencias

recuadros siguientes:

Escrito en lenguaje VBnet para un procesador de 64 bits, el código de desarrollo ocupa 137 Mb y el

(García,


APLICACIÓN El trabajo de Cesaretti (Cesaretti, 2010)de generación eléctrica en función del impacto social y ambientaleste caso para aplicar el algoritmo propuesto, realizando un análisis cuantitativo.se aplica con la siguiente información Alternativas: consideramos como fuentes generadoras la biomasa, carbón, eólica, gas natural, hidroeléctrica, nuclear, petróleo y solar fotovoltaica Criterios: Primer nivel: describen la estructura sistémica del escenario esociales (S), ambientales (A) y financieros (F). Deben ser jerarquizados y ordenados de acuerdo con juicios de valor decrecientes Segundo nivel: dan cuenta de la participación de los elementos del sistema como que estos se encontraran aislados. Esto es, sin tener en cuenta de las inter relaciones que existen o que pueden existir. Estos son: (Sociales) radiación, aceptación pública, seguridad; (Ambientales) área ocupada, uso del agua, efecto invernadero; y, (Financiero)eficiencia energética y tecnología nacional. Atributos: son niveles de calificación de las alternativas de acuerdo con su capacidad de asimilación de los impactos producidos por las intervenciones externas. Se encuentran ordenados con jerarquía basada en juicios de valor Alimentación de datos En la fig. 2 mostramos ejemplos típicos de las pantallas que genera el modelo digital para ingresar los datos al computador.

Fig. 2.- Pantallas típicas para el ingreso de datos


(Cesaretti, 2010) desarrolla un análisis cualitativo para ordenar fuentes de generación eléctrica en función del impacto social y ambiental. Nosotros hemos este caso para aplicar el algoritmo propuesto, realizando un análisis cuantitativo.

con la siguiente información:

consideramos como fuentes generadoras la biomasa, carbón, eólica, gas natural, hidroeléctrica, nuclear, petróleo y solar fotovoltaica.

: describen la estructura sistémica del escenario en el cual los elementos son sociales (S), ambientales (A) y financieros (F). Deben ser jerarquizados y ordenados de acuerdo con juicios de valor decrecientes.

: dan cuenta de la participación de los elementos del sistema como que estos se , sin tener en cuenta de las inter relaciones que existen o que

Estos son: (Sociales) radiación, aceptación pública, seguridad; (Ambientales) área ocupada, uso del agua, efecto invernadero; y, (Financiero) costo unitario de generación, eficiencia energética y tecnología nacional.

son niveles de calificación de las alternativas de acuerdo con su capacidad de asimilación de los impactos producidos por las intervenciones externas. Se encuentran

en juicios de valor decreciente.

En la fig. 2 mostramos ejemplos típicos de las pantallas que genera el modelo digital para ingresar los datos al computador. (Ferreira, 2013)

Pantallas típicas para el ingreso de datos

para ordenar fuentes . Nosotros hemos adaptado

este caso para aplicar el algoritmo propuesto, realizando un análisis cuantitativo. El algoritmo

consideramos como fuentes generadoras la biomasa, carbón, eólica, gas natural,

n el cual los elementos son sociales (S), ambientales (A) y financieros (F). Deben ser jerarquizados y ordenados de

: dan cuenta de la participación de los elementos del sistema como que estos se , sin tener en cuenta de las inter relaciones que existen o que

Estos son: (Sociales) radiación, aceptación pública, seguridad; (Ambientales) to unitario de generación,

son niveles de calificación de las alternativas de acuerdo con su capacidad de asimilación de los impactos producidos por las intervenciones externas. Se encuentran

En la fig. 2 mostramos ejemplos típicos de las pantallas que genera el modelo digital para


RESULTADOS Podemos constatar que, de acuerdo con la calificaes dominante cuando se analiza el problema dando prioridad a los y ambientales. Sin embargo, cuando consideramos los resultados respecto a la eficiencia global relación entre costo y eficiencia global, la mejor opción es la generación con biomasa. La eólica pasa, en este caso, a la cuarta poseconómica, la generación con fuente eólica se encuentra en posición 6

Conclusiones Hemos construido un modelo conceptualelectricidad y el subsistema de la sociedad beneficiaria de la energía que se generará. Esta concepción sistémica da lugar a nuevas propiedades y atributos que se derivan de las interacciones entre subsistemas y entre los elementos de cada uno de ellos, las mismas que son tomadas en cuenta, de manera heurística, en el modelo mediante la evaluación de la calificación global que refleja la participación de los elementos, criterios de segundo nivel, en las calificaciones de los subsistemas

Resaltemos la facilidad que hemos introducido en la concepción del modelo para calificar las alternativas puesto que lo hacemos en relación con la pérdida de calidad de las mismas como consecuencia de las interacciones sistémicas que ocurren en la realidad. Es más fácil evaluar las pérdidas que no las ganancias en estos casos.

Las interacciones de los dos subsistemas se incorporan en el modelo calificaciones que describen las perturbaciones que experimentan los subsistemas por la valoración que llamamos atributos. Al multiplicar estos valores por el producto de los criterios de primero y de segundo nivel conformamos un indicador global.

Cuando consideramos los aspectos relacionados con la srenovables son las mejores opciones para satisfacer las preferencias de los actores. Es decir, el modelo genera un resultado intuitivo que lo esperábamos.

Si nos referimos a la eficiencia, el modelo permite obtener una facilita el cálculo de una calificación global la cual tiene en cuentconsiderados por el actor y no solamente la eficiencia

En relación con el trabajo del cual obtuvimos la información, señalemos de obtener clasificadores cuantitativos globales se ha cumplido y que podría afinarse la desagregación de criterios y la aplicación del algoritmo para argumentar la toma de decisiones.

Alternativas

(1) U$/MWh

(2)

Escore

Global (3)

Eólica 110 85.61

Biomasa 56 78.21

Solar 205 68.61

Gas natural 78 67.61

Hidroeléctrica 66 67.41

Nuclear 77 54.91

Petróleo 274 44.41

Carbón 75 31.01

Tabla 2.- Resumen de resultados


Podemos constatar que, de acuerdo con la calificación global, la fuente de geneanaliza el problema dando prioridad a los criterios socio

y ambientales. Sin embargo, cuando consideramos los resultados respecto a la eficiencia global relación entre costo y eficiencia global, la mejor opción es la generación con biomasa. La eólica pasa, en este caso, a la cuarta posición. Desde el punto de vista de eficiencia económica, la generación con fuente eólica se encuentra en posición 6.

Hemos construido un modelo conceptual que tiene en cuenta un subsistema generador de electricidad y el subsistema de la sociedad beneficiaria de la energía que se generará. Esta concepción sistémica da lugar a nuevas propiedades y atributos que se derivan de las

s y entre los elementos de cada uno de ellos, las mismas que son tomadas en cuenta, de manera heurística, en el modelo mediante la evaluación de la calificación global que refleja la participación de los elementos, criterios de segundo nivel, en

caciones de los subsistemas mediante los criterios de primer nivel.

Resaltemos la facilidad que hemos introducido en la concepción del modelo para calificar las alternativas puesto que lo hacemos en relación con la pérdida de calidad de las mismas como

secuencia de las interacciones sistémicas que ocurren en la realidad. Es más fácil evaluar las pérdidas que no las ganancias en estos casos.

Las interacciones de los dos subsistemas se incorporan en el modelo calificaciones que s que experimentan los subsistemas por la valoración que

llamamos atributos. Al multiplicar estos valores por el producto de los criterios de primero y de segundo nivel conformamos un indicador global.

Cuando consideramos los aspectos relacionados con la salud y el medio ambiente las fuentes renovables son las mejores opciones para satisfacer las preferencias de los actores. Es decir, el modelo genera un resultado intuitivo que lo esperábamos.

a la eficiencia, el modelo permite obtener una mejor evaluación porque facilita el cálculo de una calificación global la cual tiene en cuenta todos los aspectos considerados por el actor y no solamente la eficiencia- económica.

En relación con el trabajo del cual obtuvimos la información, señalemos que nuestro propósito de obtener clasificadores cuantitativos globales se ha cumplido y que podría afinarse la desagregación de criterios y la aplicación del algoritmo para argumentar la toma de

Escore

Global (3)

Alternativas

(4)

Efic. Global

(5)

Alternativas

(6)

Efic. Económica

85.61 Biomasa 13.14 Hidroeléctrica

78.21 Hidroeléctrica 9.61 Biomasa

68.61 Gas natural 8.16 Gas natural

67.61 Eólica 7.32 Carbón

67.41 Nuclear 6.71 Nuclear

54.91 Carbón 3.89 Eólica

44.41 Solar 3.15 Petróleo

31.01 Petróleo 1.53 Solar

Resumen de resultados

ción global, la fuente de generación eólica criterios socio-económicos

y ambientales. Sin embargo, cuando consideramos los resultados respecto a la eficiencia global relación entre costo y eficiencia global, la mejor opción es la generación con biomasa.

ición. Desde el punto de vista de eficiencia

que tiene en cuenta un subsistema generador de electricidad y el subsistema de la sociedad beneficiaria de la energía que se generará. Esta concepción sistémica da lugar a nuevas propiedades y atributos que se derivan de las

s y entre los elementos de cada uno de ellos, las mismas que son tomadas en cuenta, de manera heurística, en el modelo mediante la evaluación de la calificación global que refleja la participación de los elementos, criterios de segundo nivel, en

Resaltemos la facilidad que hemos introducido en la concepción del modelo para calificar las alternativas puesto que lo hacemos en relación con la pérdida de calidad de las mismas como

secuencia de las interacciones sistémicas que ocurren en la realidad. Es más fácil evaluar

Las interacciones de los dos subsistemas se incorporan en el modelo calificaciones que s que experimentan los subsistemas por la valoración que

llamamos atributos. Al multiplicar estos valores por el producto de los criterios de primero y

alud y el medio ambiente las fuentes renovables son las mejores opciones para satisfacer las preferencias de los actores. Es decir, el

mejor evaluación porque todos los aspectos

que nuestro propósito de obtener clasificadores cuantitativos globales se ha cumplido y que podría afinarse la desagregación de criterios y la aplicación del algoritmo para argumentar la toma de

Efic. Económica

(7)

2.88

2.12

1.92

1.66

1.42

1.04

0.19

0.19


Señalemos, de todas maneras, que nuestras conclucualitativo realizado por Cesarettidebido a que genera la menor emisión de cantidades de recursos naturales, los niveles de segur(Cesaretti, 2010) AGRADECIMIENTOS Los autores agradecen a Rafael Burbano, Estuardo Dueñas y Nelson Jiménez por los comentarios y sugerencias sobre este trabajo REFERENCIAS Bana e Costa, C. V., 1995. Uma abordagem ao problema de construção de uma função de valor cardinal, MACBETH,, IST. Burbano, R., En preparación. Un Modelo ParamétricoMúltiples. Quito: FLACSO- UAB.Cesaretti, A. M., 2010. Análise comparativa entre fontes de geração elétrica segundo critérios socioambientais e econômicos. ABC. Ferreira, F., 2003. Regulação Econômica, Fronteira Eficiente e Clusters Dinâmicos, Desenvolvimento e Aplicação para o Cálculo do Fator X. Tese de Doutorado Eng. Florianópolis-SC, Brasil: UFSC. Ferreira, F., 2013. Probability and heurGarcía, F., 2013. Programación del modelo PHD, Jacquet-Lagrèze, E. & Siskos, Y., 2001. Preference disaggregation: 20 years of MCDA experiece. European Journal of Operational Research, Jacquet-Lagrèze, E. S. Y., 1982. Assessing a set of additivie utility functions for multicriteria decision making:The UTA method. Mena, S., 2000. Introduction aux méthodes multicritères d'aide à la déciAgron.Soc.Environ.. Raynaud, H., 1973. Cours de recherche Operationnelle (Notes du Cours). ENSIMAG. Raynaud, H. & Arrow, K., 2010. Roy, B., 1985. Méthodologie multi critére d'aide à la décision. Sáenz, C., 2009. Contribución al estudio formal y al desarrollo de herramientas informáticas para la construcción de escenarios. Sáenz, C., 2013. Decision making or decision support (WP), Sáenz, M., 2014. Modelos. Quito: EP PETROECUADOR.Tversky, A. & Kahnnemann, D., 1974. Judgement under uncertainty:heuristics and biases.. Science, New Series.


Señalemos, de todas maneras, que nuestras conclusiones difieren puesto que el análisis Cesaretti deja abierta la posibilidad de utilizar la generación nuclear

debido a que genera la menor emisión de CO2 hacia la atmósfera, no requiere de grandes s, los niveles de seguridad operativa y los costos competitivos.

Los autores agradecen a Rafael Burbano, Estuardo Dueñas y Nelson Jiménez por los comentarios y sugerencias sobre este trabajo y a Fabio García por la programación

Bana e Costa, C. V., 1995. Uma abordagem ao problema de construção de uma função de valor cardinal, MACBETH,, IST. Investigação Operacional.

Un Modelo Paramétrico-No Paramétrico Basado en Criterios UAB.

Análise comparativa entre fontes de geração elétrica segundo critérios socioambientais e econômicos. Santo André.- Brasil: SP: Universidade Fede

Regulação Econômica, Fronteira Eficiente e Clusters Dinâmicos, Desenvolvimento e Aplicação para o Cálculo do Fator X. Tese de Doutorado Eng.

Probability and heuristic for decision 3D matrix. Quito: OLADE.

Programación del modelo PHD, Quito: OLADE. Lagrèze, E. & Siskos, Y., 2001. Preference disaggregation: 20 years of MCDA

European Journal of Operational Research, pp. 233-245. Lagrèze, E. S. Y., 1982. Assessing a set of additivie utility functions for multicriteria

decision making:The UTA method. European Journal of Operational Research, Mena, S., 2000. Introduction aux méthodes multicritères d'aide à la décision.

Cours de recherche Operationnelle (Notes du Cours).

Raynaud, H. & Arrow, K., 2010. Logique de la décision mangériale. Paris : Lavoisier.Méthodologie multi critére d'aide à la décision. Paris: Economica.

Contribución al estudio formal y al desarrollo de herramientas informáticas para la construcción de escenarios. Quito: Universidad San Francisco de Quito.

Decision making or decision support (WP), New York: Dévry University.Quito: EP PETROECUADOR.

Tversky, A. & Kahnnemann, D., 1974. Judgement under uncertainty:heuristics and biases..

siones difieren puesto que el análisis deja abierta la posibilidad de utilizar la generación nuclear

hacia la atmósfera, no requiere de grandes dad operativa y los costos competitivos.

Los autores agradecen a Rafael Burbano, Estuardo Dueñas y Nelson Jiménez por los y a Fabio García por la programación.

Bana e Costa, C. V., 1995. Uma abordagem ao problema de construção de uma função de

No Paramétrico Basado en Criterios

Análise comparativa entre fontes de geração elétrica segundo Brasil: SP: Universidade Federal Do

Regulação Econômica, Fronteira Eficiente e Clusters Dinâmicos, Desenvolvimento e Aplicação para o Cálculo do Fator X. Tese de Doutorado Eng. Produção..

Quito: OLADE.

Lagrèze, E. & Siskos, Y., 2001. Preference disaggregation: 20 years of MCDA

Lagrèze, E. S. Y., 1982. Assessing a set of additivie utility functions for multicriteria European Journal of Operational Research, pp. 151-164.

sion. Biotecnol.

Cours de recherche Operationnelle (Notes du Cours). Grenoble:

Paris : Lavoisier. Paris: Economica.

Contribución al estudio formal y al desarrollo de herramientas informáticas

New York: Dévry University.

Tversky, A. & Kahnnemann, D., 1974. Judgement under uncertainty:heuristics and biases..

Documents

20131003 iseree2013 ferreira fernando 13 11 2013