Embed Size (px)
Citation preview
MODELO HETEROGÉNEO PARA LA DETERMINACIÓN DE IMPORTANCIA DE
IMPACTO AMBIENTAL BASADO EN EL ENFOQUE LINGÜÍSTICO DIFUSO.
TESIS PRESENTADA EN OPCIÓN AL TÍTULO ACADÉMICO DE MÁSTER EN
INFORMÁTICA PARA LA GESTIÓN MEDIOAMBIENTAL
Autor: Ing. David Rodríguez Rodríguez
Tutoras: Dra. C. Belkis Fabién Guerra Valdés
Ms. C. Yeleny Zulueta Veliz
Consultante: Ms. C. Marlene Dupin Fonseca
Santa Clara 2014
Universidad Central de las Villas
“Martha Abreu”
I
Declaración de autoría
Declaro por este medio que yo, Ing. David Rodríguez Rodríguez, con carnet de
identidad 85010520988, profesor de la Universidad de las Ciencias Informáticas, soy el
autor principal del trabajo final de maestría desarrollado como parte de la Maestría en
Informática para la Gestión Medioambiental y que autorizo a la Universidad Central
“Marta Abreu” de Las Villas a hacer uso de la misma en su beneficio, así como los
derechos patrimoniales con carácter exclusivo.
Para que así conste, firmo la presente declaración jurada de autoría en Santa Clara a
los ____ días del mes de ___________ del año ______.
Autor:
Tutor: Tutor:
II
Resumen
La investigación, se centra en la Evaluación de Importancia de Impacto Ambiental
(EIIA), como el proceso de toma de decisiones multicriterios para determinar la
Importancia de los Impactos de las acciones de un proyecto sobre los factores del
medio ambiente involucrado, teniendo en cuenta los juicios subjetivos provistos de
forma cualitativa y/o cuantitativa por los expertos sobre determinados criterios. Los
métodos clásicos de EIIA no manejan de forma eficiente la información heterogénea,
ya que los expertos se ven obligados a utilizar escalas numéricas en sus valoraciones,
obteniendo resultados igualmente numéricos de bajo nivel de interpretabilidad. En esta
contribución se propone un nuevo Modelo Heterogéneo para la EIIA, basado en el
Enfoque Lingüístico Difuso. Mediante el uso de la Técnica de Representación
Lingüística de las 2-Tuplas, y su enfoque extendido para manejar información
heterogénea, los expertos pueden suministrar sus preferencias utilizando diferentes
dominios de información, en correspondencia con la naturaleza y la incertidumbre de
los criterios, así como su nivel de conocimiento y experiencia. Además, el modelo
define un proceso de agregación escalonada para obtener valores de importancia de
impacto interpretables y sin pérdida de información. La investigación incluye la
aplicación del modelo propuesto en un caso de estudio en el Centro de Estudio de
Química Aplicada de la Universidad Central de Las Villas y el desarrollo de una
herramienta informática para facilitar su aplicación.
III
Abstract
This contribution is focus in Environmental Impact Significance Assessment (EISA) as
the multi-criteria decision making process for determining the importance of the
project's impacts over the involved environment, considering subjective judgments
provided in a qualitative and/or quantitative way. Classical EISA methods are not
efficient on handle heterogeneous information since the experts are forced to use
numerical scales and also they obtain numerical outputs of low interpretability. In this
contribution we propose a new heterogeneous approach for EISA based on fuzzy
linguistic models. By using the linguistic 2-tuple representation model, and its extended
approach to deal with heterogeneous information, it provides a flexible evaluation
framework in which experts can supply their preferences using different domains
conform to the nature and uncertainty of criteria as well as their level of knowledge and
experience. Moreover the approach applies an aggregation process to obtain
interpretable significance values without loss of information. The research also includes
the application of the proposed model in a case of study at the Center for Applied
Chemistry UCLV and development of a software to facilitate its implementation, which
is called Assessment System Environmental Impact Importance (SEVIIA).
IV
Índice
INTRODUCCIÓN .......................................................................................................... 1
CAPÍTULO I. MARCO TEÓRICO REFERENCIAL DE LA INVESTIGACIÓN ................. 5
1.1 Evaluación de Importancia de Impacto Ambiental. Conceptos y marco legal
cubano ...................................................................................................................................... 5
1.2 El proceso de EIIA ............................................................................................................ 6
1.3 Métodos tradicionales de EIIA ........................................................................................ 8
1.3.1 Matriz de Leopold ...................................................................................................... 8
1.3.2 Guía metodológica para la Evaluación de Impacto Ambiental propuesta por
Conesa .................................................................................................................................. 9
1.3.2.1 Matriz de Impacto. Valoración cualitativa del impacto ambiental .......... 10
1.3.3.2 Matriz de Importancia de Impacto ........................................................ 10
1.3.3.3 Análisis crítico de la metodología ......................................................... 14
1.4 Soluciones que incorporan técnicas difusas .............................................................. 16
1.5 Análisis y toma de decisión en la EIIA ........................................................................ 17
1.5.1 El proceso de análisis de decisión ........................................................................ 17
1.5.2 Un acercamiento a los Problemas de Toma de Decisión ................................. 19
1.5.3 Dominios de información ........................................................................................ 21
1.5.4 La EIIA como Problema de Toma de Decisión ................................................... 22
1.6 El Enfoque Lingüístico Difuso ....................................................................................... 23
1.6.1 Elección de una Adecuada Sintaxis del Conjunto de Términos Lingüísticos 24
1.6.1.1 Enfoque Basado en una Gramática Libre de Contexto ......................... 24
1.6.1.2 Enfoque Basado en Términos Primarios con una Estructura Ordenada25
1.6.2 Semántica del Conjunto de Término Lingüístico ................................................ 25
1.6.3 Computación con Palabras .................................................................................... 26
1.6.4 Modelo de Representación Lingüístico Basado en 2-tuplas ............................ 27
Conclusiones parciales ......................................................................................................... 28
V
CAPÍTULO II. MODELO HETEROGÉNEO PARA EIIA BASADO EN EL ENFOQUE
LINGÜÍSTICO DIFUSO ............................................................................................... 30
2.1 Un modelo heterogéneo de EIIA basado en el Enfoque Lingüístico Difuso ......... 30
2.1.1 Marco de Trabajo Heterogéneo ............................................................................ 31
2.1.2 Obtención de Preferencias .................................................................................... 33
2.1.3 Evaluación de Alternativas ..................................................................................... 33
2.1.3.1 Gestión de conflictos de criterios de costo/beneficio ............................ 34
2.1.3.2 Unificación de valores .......................................................................... 34
2.1.3.3 Agregación de Valores ......................................................................... 37
2.1.3.4 Explotación .......................................................................................... 41
Conclusiones parciales ......................................................................................................... 42
CAPÍTULO III. APLICACIÓN DEL MODELO HETEROGÉNEO DE EIIA BASADO EN
ENFOQUE COMPUTACIONAL LINGÜÍSTICO DIFUSO ............................................. 43
3.1. Resultados de Evaluación Impacto Ambiental a la Empresa Electroquímica de
Sagua ...................................................................................................................................... 43
3.2 Aplicación del Nuevo Modelo Heterogéneo de EIIA basado en el Enfoque
Lingüístico Difuso .................................................................................................................. 48
3.2.1 Marco de Trabajo Heterogéneo ............................................................................ 48
3.2.2 Obtención de Preferencias .................................................................................... 50
3.2.3 Clasificación de Alternativas .................................................................................. 52
3.2.3.1 Gestión de conflictos de criterios de costo/beneficio ............................ 52
3.2.3.2 Unificación de valores .......................................................................... 52
3.2.3.3 Agregación de valores ......................................................................... 54
3.2.4 Evaluación de resultados ....................................................................................... 56
3.3 Sistema de Evaluación de Importancia de Impacto Ambiental (SEVIIA) ............... 56
3.3.1 Estructura del sistema ............................................................................................ 57
3.3.2 Arquitectura de SEVIIA ........................................................................................... 57
3.3.3 Lenguajes de programación. ................................................................................. 58
3.3.4 Framework utilizados .............................................................................................. 59
3.3.5 Usuarios de SEVIIA ................................................................................................ 60
VI
3.3.6.1 Funcionalidades del rol Administrador ................................................. 61
3.3.6.2 Funcionalidades del rol Experto. .......................................................... 65
Conclusiones parciales ......................................................................................................... 67
CONCLUCIONES GENERALES ................................................................................. 69
RECOMENDACIONES ............................................................................................... 70
BIBLIOGRAFÍA ........................................................................................................... 71
1
INTRODUCCIÓN
El medio ambiente es el entorno vital, o sea el conjunto de factores físicos-naturales, estéticos, culturales, sociales y económicos que interactúan con el individuo y en la comunicad en que vive. Estos factores son usados por el hombre para desarrollar sus proyectos y están propensos a recibir impactos positivos o negativos a partir de las acciones que desencadenan. El crecimiento económico poco sustentable, ha acelerado en los últimos años el deterioro del medio ambiente. Normalmente se consumen productos y servicios ignorando el costo ambiental introducido en su creación.
Si bien es cierto que en las últimas décadas se han incrementado los esfuerzos por promover un cambio de actitud y una toma de conciencia ambiental, en ese mismo período de tiempo los efectos negativos causados por las actividades del hombre sobre el medio circundante, lejos de haberse solucionado, ha empeorado aún más (Aguilar 1993).
Para conseguir un desarrollo sostenible y equilibrado, es preciso aplicar un conjunto de principios básicos que informan sobre la gestión medioambiental. De ellos destacan la prevención y la corrección de la contaminación o deterioros causado por las acciones del hombre. Estos principios aunque todavía claramente insuficientes, se han visto reforzados por la aparición de políticas y legislaciones medioambientales fomentadas por el discurso político contemporáneo.
El uso racional de los recursos naturales requiere un adecuado estudio del impacto que causan las acciones del hombre sobre los factores del medio. Debido a este hecho, ha aumentado el interés gubernamental por las Evaluaciones de Impacto Ambiental (EIA), así como los enfoques para realizarlo. La EIA (Cuba 1997) es un procedimiento jurídico-administrativo que tiene por objeto evitar o mitigar la generación de efectos ambientales indeseables, provocados por planes, programas y proyectos de obras o actividades. Para ello, parte de la estimación previa de las modificaciones del ambiente que traerían consigo tales obras o actividades, posibilitando tomar decisiones sobre cuales puedan ser emprendidas y cuáles no. Incluye una información detallada sobre el sistema de monitoreo y control para asegurar su cumplimiento y las medidas de mitigación que deben ser consideradas.
Para realizar la EIA se siguen dos perspectivas diferentes (en ocasiones se realizan combinaciones de estas):
1. Basado en la Importancia de Impacto (EIIA): usa juicio de expertos sobre escalas ordinales que posteriormente son sometidas a un proceso de agregación de preferencias colectivas.
2. Basado en la Magnitud de Impacto: cuantifica los impactos usando indicadores para obtener la diferencia de calidad medioambiental en dos situaciones diferentes, “con el proyecto ejecutado” y “sin el proyecto”.
El concepto de Importancia de Impacto ambiental está muy ligado al concepto de Magnitud de Impacto, sin embargo no son equivalentes. La magnitud se refiere a la diferencia de la calidad medioambiental introducida por las acciones del hombre, mientras que la importancia está relacionada con el juicio de expertos sobre la
2
predicción de los efectos de estas acciones sobre el medio. El carácter predictivo de la importancia ocasiona que estén presentes elementos subjetivos en el juicio de los expertos, por otro lado, en la magnitud se llevan a cabo mediciones de indicadores medioambientales concretos.
La presente investigación se centrará en la Evaluación de Importancia de Impacto Ambiental (EIIA), como el proceso de determinación de la Importancia de Impacto de las acciones del proyecto sobre los factores medioambientales susceptibles a ser impactados, considerando los juicios subjetivos proveídos por los expertos, tanto de naturaleza cuantitativa como cualitativa.
La determinación de la Importancia de Impacto difiere entre los tipos de proyectos y los entornos donde estos se desarrollen, son dependientes del contexto, dependientes de valoraciones subjetivas e imprecisas y necesariamente es una tarea conjunta donde el juicio de los expertos se resume en el resultado final (Lawrence 2007 ). En la EIIA, los juicios son subjetivos debido a la falta o la insuficiencia de los datos de referencia, los plazos previstos para su adquisición y análisis y los términos de referencia proporcionados por las instituciones para la evaluación (Pastakia and Jensen 1998). Incluso cuando los datos ambientales cuantitativos son accesibles, el uso global de estos datos requiere un juicio predictivo sobre el posible impacto a una escala integral donde intervienen diversos factores.
Un aspecto muy importante en EIIA es maximizar la precisión de la evaluación y al mismo tiempo garantizar que los resultados obtenidos sigan siendo comprensibles (Ijas, Kuitunen et al. 2010), sin embargo, en el cumplimiento de este propósito, los métodos tradicionales de EIIA (Leopold, Clarke et al. 1971; Loran 1975; Conesa 1997; Bojórquez-Tapia, Ezcurra et al. 1998; Pastakia and Jensen 1998; Gómez-Orea 1999) tienen limitaciones relacionadas con:
Tratamiento de la información heterogénea: No son flexibles, puesto que los expertos se ven obligados a utilizar escalas numéricas aunque los criterios exhiben diversas naturalezas y podrían ser evaluados utilizando dominios de expresión diferentes.
Obtención de resultados comprensibles: Se obtienen resultados numéricos de baja interpretabilidad, debido a que los resultados cuantitativos no siempre representan la información cualitativa con precisión.
Tratamiento de la incertidumbre: Se muestran incapaces de manejar adecuadamente la incertidumbre y vaguedad de los juicios subjetivos de los expertos.
El Centro de Estudios de Química Aplicada de la Universidad Central de las Villas (CEQA), es una entidad facultada para la realización de EIIA. Sus especialistas brindan este servicio a las diferentes empresas e instituciones cubanas que lo requieran, haciendo uso de la metodología propuesta por Conesa (Conesa 1997). En ella se propone la realización de Evaluaciones Simplificadas y Evaluaciones Detalladas, dentro de la Evaluación Simplificada se encuentra la Valoración Cualitativa de Impactos, donde se estima la Importancia del Impacto a partir de la evaluación de 10 símbolos (criterios) para la conformación de la Matriz de Importancia de Impacto.
3
En el proceso de evaluación en el CEQA, los expertos se reúnen y llegan a un consenso de forma verbal, sobre la evaluación de cada uno de los símbolos, registrándolo en documentos Excel, provocando dispersión de la información y dificultad a la hora de realizar estudios comparativos. La evaluación de todos los símbolos es realizada con valores numéricos, disminuyendo la precisión del resultado final y sin tener en cuenta la naturaleza de los mismos. La agregación de las preferencias se realiza igualmente de forma verbal sin que medie un método científico y no disponen de ninguna herramienta que centralice y guíe el proceso. Los problemas detectados en el proceso de EIIA realizado en el CEQA refuerzan las limitaciones detectadas en los métodos tradicionales, reflejadas anteriormente. Este centro de estudios es el entorno real seleccionado para aplicar el resultado obtenido en esta investigación.
Por tanto el problema científico radica en que los métodos tradicionales de EIIA, no proporcionan un marco de evaluación capaz de reunir las valoraciones heterogéneas, teniendo en cuenta la incertidumbre de la EIIA, de acuerdo con la evaluación cualitativa y/o cuantitativa de los criterios y la experiencia de los expertos.
En correspondencia con lo planteado se formuló la hipótesis investigativa siguiente: La aplicación del nuevo modelo de EIIA, que proporcione un marco de evaluación que reúna las valoraciones heterogéneas, teniendo en cuenta la incertidumbre de EIIA y la naturaleza cualitativa y/o cuantitativa de la evaluación de los criterios, además de la experiencia de los expertos, permite obtener resultados de importancia de impacto comprensibles y con mayor precisión para la ayuda a la toma de decisiones.
La presente investigación tiene como objetivo general, desarrollar un nuevo modelo de EIIA que proporcione un marco de evaluación capaz de reunir las valoraciones heterogéneas, teniendo en cuenta la incertidumbre de la EIIA y de acuerdo con la evaluación cualitativa y/o cuantitativa de los criterios y la experiencia de los expertos.
Para darle cumplimiento al objetivo general se definen los siguientes objetivos específicos:
1. Establecer los referentes teóricos y conceptuales sobre el proceso de EIIA, así como de las formas de representación de la información heterogénea e incierta.
2. Conformar un nuevo modelo de EIIA flexible, basado en los métodos tradicionales, que incorpore formas de representación y agregación de la información heterogénea e incierta, para aumentar la precisión e interpretabilidad de los resultados finales de la evaluación.
3. Desarrollar un prototipo de software para el apoyo a los procesos de EIIA que implemente el modelo propuesto.
4. Aplicar el nuevo modelo de EIIA con información heterogénea al proceso de evaluación de importancia de impacto en el CEQA.
Para dar cumplimiento al sistema de objetivos propuestos, este trabajo de investigación se estructuró en varios momentos y los resultados se resumen en los capítulos siguientes:
4
Capítulo I. Marco teórico referencial de la investigación: En este capítulo se realizó un estudio de las tendencias actuales en temas relacionados con: EIA, basamento legal dentro de Cuba, métodos tradicionales basados en matrices para la EIIA, extensiones a los métodos tradiciones que incorporan lógica difusa, proceso de análisis de decisión, Enfoque Lingüístico Difuso y la Técnica de Representación Lingüística de las 2-Tuplas.
Capítulo II. Modelo Heterogéneo de EIIA basado en modelos computacionales lingüísticos difusos: En este capítulo se presenta un nuevo modelo para la realización de EIIA que proporciona un marco de evaluación capaz de reunir las valoraciones heterogéneas teniendo en cuenta la incertidumbre de EIIA y de acuerdo con la evaluación cualitativa y/o cuantitativa de los criterios y la experiencia de los expertos que participan en la evaluación. Para ello, se explican en detalle a partir de un diagrama de flujo, cada una de las fases que lo componen.
Capítulo III. Aplicación del Modelo Heterogéneo de EIIA basado en modelos computacionales lingüísticos difusos: En este capítulo se muestran los resultados de la aplicación del procedimiento propuesto en un proyecto de evaluación real, llevado a cabo por los especialistas del CEQA, como vía para la comprobación de la hipótesis general de investigación planteada. Además se dedica un epígrafe a la descripción del prototipo de software que implementa el modelo propuesto.
Finalmente se exponen las conclusiones y recomendaciones generales derivadas de la investigación realizada, se presenta la bibliografía referida en la tesis, así como un grupo de anexos para facilitar la comprensión del contenido.
5
CAPÍTULO I. MARCO TEÓRICO REFERENCIAL DE LA INVESTIGACIÓN
En el presente capítulo se exponen los resultados de la revisión bibliográfica realizada para llevar a cabo esta investigación. Refleja en su contenido, conceptos importantes dentro de la EIIA, así como el basamento legal con que cuenta este tipo de evaluación dentro de Cuba. Recoge además un análisis sobre las deficiencias de los principales métodos tradicionales basados en matrices, y de las características de varias extensiones publicadas. Además se recoge un estudio del proceso de análisis de decisión, el Enfoque Lingüístico Difuso y la Técnica de Representación Lingüística de las 2-Tuplas.
1.1 Evaluación de Importancia de Impacto Ambiental. Conceptos y marco legal cubano
El medio ambiente es la fuente de recurso que abastece al ser humano de las materias primas y energías necesarias para su desarrollo sobre el planeta. Solo una parte de estos recursos son renovables, por lo que requieren un inmenso cuidado para evitar su agotamiento.
Las acciones humanas afectan a multitud de ecosistemas, modificando con ello la evolución natural del planeta. Cada vez son más las especies y animales que se van extinguiendo o que están en vías de extinción a causa de las actividades irresponsables que comete la humanidad (Sur 2006).
Por estas razones es necesaria e importante la realización de la EIIA. Estas evaluaciones, pretenden como principio establecer un equilibrio entre el desarrollo de la humanidad y el medio ambiente, sin pretender llegar a ser una figura negativa, ni un freno al desarrollo, sino un instrumento operativo para impedir sobrexplotaciones del medio natural y alcanzar un desarrollo sostenible (Conesa 1997).
En Cuba, existe la Ley 81 del Medio Ambiente, que tienen como objetivo establecer los principios que rigen la política ambiental y las normas básicas para regular la gestión ambiental del Estado y las acciones de los ciudadanos y la sociedad en general.
En su capítulo IV, la Ley 81 establece el procedimiento para la realización de una Evaluación de Impacto Ambiental y comprende los siguientes pasos (Cuba 1997):
a) La solicitud de licencia ambiental. b) El estudio de impacto ambiental, en los casos en que proceda. c) La evaluación propiamente dicha, a cargo del Ministerio de Ciencia, Tecnología
y Medio Ambiente. d) El otorgamiento o no de la licencia ambiental.
La EIIA se realiza a un proyecto específico, con particularidades tales como: tipo de obra, materiales a ser usados, procedimientos constructivos, trabajos de mantenimiento en la fase operativa, tecnologías utilizadas, insumos, etc. Dado el carácter de instrumento predictivo de la EIIA, estas no se aplicarán a obras o planes ya realizados, solo puede aplicarse a estos para prevenir sus efectos hacia el futuro (Velasco 2000). Las consecuencias de una evaluación negativa pueden ser diversas
6
según la legislación y según el rigor con que esta se aplique, que va desde la paralización definitiva del proyecto hasta su ignorancia completa.
A continuación serán relacionados algunos conceptos importantes que intervienen en el proceso de EIIA (Conesa 1997):
Factores ambientales: Son los diversos componentes del medio ambiente, entre los cuales se desarrolla la vida en el planeta, siendo el soporte para toda actividad humana.
Proyecto: Unidad de acción que define o condiciona la realización y la localización de planes y programas, la realización de construcciones o de otras instalaciones y obras, así como otras intervenciones en el medio natural o en el paisaje, incluidas las destinadas a la explotación de los recursos naturales renovables y no renovables.
Acciones: Tareas llevadas a cabo por el hombre para ejecutar un proyecto determinado y que pueden afectar positiva o negativamente alguno de los factores ambientales presentes en el entorno.
Impacto ambiental: Se dice que hay impacto ambiental cuando una acción produce una alteración, favorable o desfavorable, en el medio o en algunos de sus componentes. El impacto de un proyecto sobre el medio ambiente es la diferencia entre la situación del medio ambiente futuro modificado, tal y como se manifestaría como consecuencia de la realización del proyecto, y la situación del medio ambiente futuro tal y como habría evolucionado sin tal actuación, es decir, la alteración neta (positiva o negativa en la calidad de vida del ser humano) resultante de una actuación.
Estudio de Impacto Ambiental (EsIA): Es una de las etapas que deben ejecutarse dentro de una EIA. Su resultado final en un documento técnico, elaborado por especialistas en el área medioambiental, y que constituye la base de las conclusiones de la EIA (estas conclusiones se recogen en la Declaración de Impacto Ambiental) y que tiene como base la evaluación cualitativa de los impactos ambientales que pueden producir las acciones del hombre sobre los factores del medio ambiente.
1.2 El proceso de EIIA
Aunque hay varios enfoques clásicos para la EIIA (Leopold, Clarke et al. 1971; Conesa 1997; Bojórquez-Tapia, Ezcurra et al. 1998; Pastakia and Jensen 1998; Gómez-Orea 1999; Calvo, Mesiar et al. 2004), en la Figura 1.1 se esboza el procedimiento general de la solución adaptado de (Shepard 2005). El proceso tradicional de EIIA implica esencialmente el análisis de proyectos y el inventario ambiental, identificación de los impactos potenciales, la evaluación de importancia y la redacción del informe de impacto ambiental (Declaración de Impacto Ambiental).
7
1. En la primera etapa, los proyectos o las alternativas de proyectos se analizan con el fin de identificar el conjunto de acciones que desencadenan cada uno en su ejecución.
2. En la segunda etapa son identificados el conjunto de factores del medio ambiente susceptibles a recibir impactos. Un inventario ambiental incluye el entorno físico, químico, social, económico, biológico y cultural, donde se encuentra localizado el proyecto propuesto, y donde se podría esperar que los impactos se produzcan.
3. El propósito de identificar los impactos potenciales es predecir si habrá algún cambio en los factores del medio causados por el proyecto.
4. En la fase de evaluación, se calcula la importancia utilizando diferentes técnicas y finalmente los resultados se analizan con el fin de tomar decisiones. En ocasiones se realizan EIIA donde se comprenden únicamente los impactos perjudiciales mientras que los impactos beneficiosos son ignorados o viceversa (Lawrence 2007 ).
5. Por último, los expertos (comité de revisión de EIIA) deben decidir si aceptan o no la propuesta, y reflejar la decisión en el informe de impacto ambiental (Declaración de Impacto Ambiental).
La EIIA también puede ser considerada como una herramienta de planificación y gestión (P.Wathern 1994; Bojórquez-Tapia, Ezcurra et al. 1998) para el examen público de las empresas de desarrollo de programas, proyectos y actividades. Con frecuencia no solo implica a especialistas y técnicos ambientales, sino también a los ciudadanos y funcionarios que pueden introducir opiniones y preocupaciones, y necesitan participar en la interpretación de los resultados de EIIA. Como la determinación de importancia por lo general implica los diversos roles descritos en la Figura 1.2, los resultados exclusivamente numéricos, distantes del lenguaje humano común, pueden afectar al entendimiento final del EIIA, incluyendo su uso jurídico y administrativo.
Análisis del
Proyecto
Inventario Ambiental
Identificación de Impactos Potenciales
Evaluación de
Importancia
Redacción de Declaración de Impactos
Figura 1.1: Procedimiento general para EIIA
8
1.3 Métodos tradicionales de EIIA
Para realizar una evaluación de importancia de impacto ambiental se pueden utilizar diferentes metodologías. Algunos métodos son generales, otros muy específicos, pero de todos ellos pueden extraerse técnicas, que con variaciones, pueden ser útiles para la evaluación. La mayor parte de estos métodos se elaboran para trabajos concretos, por lo que, en ocasiones, no es sencillo su uso tal y como fueron creados, pero adaptándolos pueden llegar a ser muy útiles (Velasco 2000). Específicamente para la EIIA, los métodos más utilizados son los matriciales por su relativa simplicidad (Bojórquez-Tapia, Ezcurra et al. 1998; Toro, Requena et al. 2013). A continuación se describen algunas de las propuestas más representativas de este tipo de métodos.
1.3.1 Matriz de Leopold
Esta matriz de interacción elemento-actividad fue desarrollada en el Geographical Survey, de Estados Unidos por un colectivo de autores (Leopold, Clarke et al. 1971) liderado por Luna Leopold y de ahí su nombre. El procedimiento propuesto incluye los siguientes pasos:
1. Declaración de objetivo del proyecto. 2. Posibilidades tecnológicas para lograr el objetivo. 3. Acciones propuestas y alternativas. 4. Reporte de caracterización ambiental para iniciar las acciones. 5. Planes de ingeniería alternativa. 6. Identificación de impacto y análisis de magnitud e importancia. 7. Evaluación del impacto. 8. Recomendaciones.
La matriz queda conformada en el paso 6 y comprende 100 acciones que pueden causar cambios ambientales en el eje horizontal y 88 características ambientales en el eje vertical que pueden ser afectadas, existiendo un potencial de 8800 impactos en total. El principio básico del método consiste, inicialmente, en señalar todas las
Figura 1.2: Roles comunes en EIIA, adaptados de (Lawrence 2007)
Decisor
Funcionarios Público
Expertos
9
posibles interacciones entre las acciones y los factores, para luego establecer la magnitud de importancia de cada impacto identificado, si este es positivo o negativo y asignando para cada uno de los criterios un valor en una escala de 1 a 10 (donde 10 representa una gran magnitud o importancia). Los impactos beneficiosos o perjudiciales se representan con los signos (+) y (-) respectivamente.
Después de completar la matriz reducida, se continúa con el siguiente paso en el que se redacta un documento de revisión, destacando las columnas y filas con mayor cantidad de interacciones (factores más afectados y acciones de mayores efectos) o destacando las celdas con valores más altos.
1.3.2 Guía metodológica para la Evaluación de Impacto Ambiental propuesta por Conesa
Conesa propone un modelo de EIA basado en el método de las matrices causa-efecto, derivadas de la matriz de Leopold con resultados cualitativos, y del método del Instituto Batelle-Columbus (Laboratories 1972), con resultados cuantitativos, que consiste en un cuadro de doble entrada en cuyas columnas figuran las acciones impactantes y en filas, los factores ambientales susceptibles de recibir impactos (Conesa 1997).
El EsIA es el estudio técnico, de carácter interdisciplinar que incorporado en el procedimiento de la EIA, está destinado a predecir, identificar, valorar y corregir, las consecuencias o efectos ambientales que determinadas acciones pueden causar sobre la calidad de vida del hombre y su entorno (Conesa 1997).
Fases por las que se desarrolla el EsIA incluido en la EIA:
1. Análisis del proyecto y sus alternativas. 2. Definición del entorno del proyecto y posterior descripción y estudio del mismo. 3. Previsiones que los efectos generarán sobre el medio. 4. Identificación de las acciones del proyecto potencialmente impactantes. 5. Identificación de los factores del medio potencialmente impactados. 6. Identificación de relaciones causa-efecto entre acciones del proyecto y factores
del medio. Elaboración de matriz de importancia y valoración cualitativa del impacto.
7. Predicción de la magnitud de impacto sobre cada factor. 8. Valoración cuantitativa del impacto ambiental. 9. Definición de medidas correctoras. 10. Proceso de participación pública. 11. Emisión del informe. 12. Decisión de órgano competente.
Las nueve primeras fases corresponden a la EsIA. Las seis primeras fases corresponden a la valoración cualitativa, las fases siente, ocho y nueve corresponden a la valoración cuantitativa. Las fases diez y doce no corresponden propiamente al EsIA, sino que forman parte del proceso de la EIA. Obviando las fases siete, ocho y nueve, se corresponde con la Evaluación Simplificada que es equivalente a lo que se ha venido tratando como EIIA. El conjunto de las doce fases conduce a la Evaluación Detallada.
10
La investigación se centrará en el análisis hasta la fase seis, que es donde termina la valoración cualitativa propiamente dicha, específicamente en la determinación de la Importancia de Impacto Ambiental, o sea la importancia del efecto de una acción sobre el factor ambiental. Por tanto a continuación se reflejan las características de esta fase en particular.
1.3.2.1 Matriz de Impacto. Valoración cualitativa del impacto ambiental
Existen varios medios para identificar acciones (fase 4), entre los que se pueden destacar los cuestionarios específicos para cada tipo de proyecto, las consultas a paneles de expertos, escenarios comparados, consultas a los propios proyectos, grafos de interacción causa-efecto, etc.(Conesa 1997).
En la fase 5 se lleva a cabo la identificación de factores ambientales con el fin de detectar aquellos aspectos del medioambiente cuyos cambios motivados por las distintas acciones del proyecto en sus sucesivas fases (construcción, explotación o funcionamiento, ampliación o reforma y abandono o derribo), supongan modificaciones positivas o negativas en la calidad ambiental del mismo. Para la identificación de estos factores se usaran los mismos instrumentos citados en la detección de las acciones (cuestionarios especializados, consultas a paneles de expertos, etc.).
A cada factor medioambiental se le asigna una medida de su importancia relativa al entorno, medida en Unidades de Importancia (UIP), y que servirá posteriormente para efectuar ponderaciones en las estimaciones globales de los efectos.
Para la conformación de la Matriz de Efectos, es necesario determinar las acciones que puedan ocasionar impactos sobre una serie de factores del medio.
En la valoración cualitativa se busca obtener una estimación de los posibles efectos que recibirá el medio ambiente, mediante una descripción lingüística de las propiedades de tales efectos.
1.3.3.2 Matriz de Importancia de Impacto
Una vez identificadas las acciones y los factores del medio y la Matriz de Efectos, se pasa a la conformación de la Matriz de Importancia de Impacto, que brindará una valoración cualitativa al nivel requerido por una Evaluación de Impacto Ambiental Simplificada (Figura 1.3).
Figura 1.3: Matriz de Importancia de Impacto.
11
Para obtener la Importancia del Impacto se valoran once símbolos, a los que se añade uno que sintetiza en una cifra el valor final de la Importancia del Impacto. Estos símbolos independientemente de la naturaleza que presentan son analizados de forma cualitativa, a continuación se describen cada uno de ellos (Conesa 1997):
Signo: Hace referencia al carácter beneficioso (+) o perjudicial (-) de las acciones que van a actuar sobre los factores considerados.
Intensidad (I): Se refiere al grado de incidencia de una acción sobre un factor. El intervalo de valoración está comprendido entre 1-12, en el que 12 expresa la destrucción total del factor en el área donde se produce el efecto y el 1 la acción mínima. Los valores entre estos dos términos reflejan valoraciones intermedias.
Extensión (EX): Se refiere al área de influencia teórica del impacto en relación con el entorno del proyecto. Para una acción que cause un efecto localizado se considera de carácter Puntual (1). Si el efecto tiene una influencia generalizada dentro del entorno del proyecto adquirirá valor de 8, en situaciones intermedias se tendrán valores de Parcial (2) y Extenso (4). En caso de que el efecto sea puntual pero se produzca en un lugar crítico (por ejemplo, vertimiento cercano a una toma de agua), se le otorgarán un valor de 4 unidades por encima del que le correspondería en función de la extensión en la que se manifiesta.
Momento (MO): Hace referencia al tiempo que trascurre entre la aparición de la acción y el comienzo del efecto sobre el factor del medio considerado. Cuando el tiempo transcurrido sea nulo el momento será Inmediato, y si es inferior a un año tendrá Corto Plazo, ambos caso con un valor de (4). Si es un período de tiempo que va de 1-5 años, Medio Plazo (2), y si tarda en manifestarse más de 5 años, es a Largo Plazo con el valor asignado (1). Si ocurre alguna circunstancia que hiciera crítico el momento de impacto se le atribuiría un valor de 1 a 4 unidades por encima de las especificadas (por ejemplo, ruido en la noche cercano a un centro hospitalario).
Persistencia (PE): Se refiere al tiempo que, supuestamente, permanecería el efecto desde su aparición, y a partir del cual el factor afectado retornaría a las condiciones iniciales previas a la acción, por medios naturales o por acciones correctoras introducidas. Si tienen lugar durante menos de un año produce un efecto Fugaz y tomaría un valor de (1). Si el efecto permanece por un período de uno a diez años sería Temporal (2); si tienen una duración superior a los diez años, se considera un efecto Permanente (4).
Reversibilidad (RV): Se refiere a la posibilidad de reconstruir el factor afectado por el proyecto, es decir la posibilidad de retornar a las acciones previas a la acción, por medios naturales. Si es a Corto Plazo se le asigna valor de (1), si es a Medio Plazo (2) y si el efecto es irreversible se le asigna el valor de (4). Los intervalos de tiempo comprendidos en este período se corresponden con el parámetro anterior.
Recuperabilidad (MC): Se refiere a la posibilidad de reconstrucción, total o parcial. Del factor afectado como consecuencia del proyecto, es decir, la posibilidad de retornar a las acciones previas a la acción, por medio de las intervenciones humanas (medidas correctoras). Si el efecto es totalmente Recuperable, se le asigna un valor de (1) o (2),
12
en caso de que sea de manera inmediata o a medio plazo, si lo es parcialmente, el efecto es Mitigable, y toma un valor de (4). Cuando el efecto es Irrecuperable (imposible de reparar, tanto por el medio natural, como por la humana) se le asigna un valor de (8). En caso de ser Irrecuperable pero que exista la posibilidad de introducir medida compensatorias el valor adoptado será (4).
Sinergia (SI): Este atributo contempla el reforzamiento de dos o más efectos simples. La componente total de la manifestación de los componentes simples, provocados por acciones que actúan simultáneamente, es superior a la que se esperaría de la manifestación de los efectos cuando las acciones que la provocan actúan de manera independiente no simultánea. Cuando una acción sobre un factor, no es sinérgica con otras acciones que actúan sobre el mismo factor, el atributo toma valor de (1), si presenta un sinergismo moderado (2) y si es altamente sinérgico (4).
Acumulación (AC): Representa el incremento progresivo de la manifestación de efecto, cuando persiste de forma continua o reiterada la acción que lo genera. Cuando una acción no produce efectos acumulativos, se valora como (1). Si el efecto es acumulativo el efecto se incrementa a (4).
Efecto (EF): Se refiere a la relación causa efecto, es decir la forma de manifestación del efecto sobre el factor, como consecuencia de una acción. El efecto puede ser directo o primario cuando la repercusión de la acción es consecuencia directa de esta. En caso de que el efecto sea indirecto o secundario, su manifestación no es consecuencia directa de la acción sino que tiene lugar a partir de un efecto primario, actuando este como una acción de segundo orden. Toma el valor de (1) en caso de que sea secundario y el valor de 4 en caso de que sea primario.
Periodicidad (PR): Se refiere a la regularidad de manifestación del efecto, ya sea de forma cíclica o recurrente (efecto periódico), de forma impredecible en el tiempo (efecto irregular), o constante en el tiempo (efecto continuo). A los efectos continuos se les asigna un valor de (4), a los periódicos un valor de (2) y a los de aparición irregular (1).
Importancia del impacto (I): Vienen representado por un número que se obtiene a través de la siguiente fórmula y en función de los valores asignados a los símbolos correspondientes.
I= +-[3I + 2EX + MO + PE + RV + SI + AC + EF + PR + MC]
Toma valores entre 13 y 100. Los factores de importancia por debajo de 25, son irrelevantes, o sea compatibles. Los impactos moderados toman valores entre 25 y 50. Serán severos cuando se encuentre entre 50 y 75 y críticos cuando el valor sea superior a 75.
La variable Importancia de un Impacto se califica como Irrelevante, Moderada, Severa o Crítica, y aunque cada una de esas etiquetas tiene un contenido semántico claro, no hay una diferencia nítida entre cada una de ellas. Esta clasificación adolece del mismo problema que adolecen todas las clasificaciones intervalares de conceptos vagos: Supóngase dos impactos cuyos índices de importancia sean 50 y 51, respectivamente ¿se puede realmente considerar que sean tan diferentes como para asignarles dos etiquetas diferentes (“moderado” y “severo”)?.
13
Nótese que aunque se pretende que la Importancia de un Impacto sea una medida cualitativa, en realidad se calcula cuantitativamente, asignando para ello números enteros a cada una de las etiquetas recogidas en la Tabla 1.1. La descripción cualitativa de la metodología en realidad es una descripción cuantitativa basada en números enteros.
Tabla 1.1: Caracterización cualitativa de los símbolos.
Naturaleza
Impacto beneficioso +
Impacto perjudicial -
Intensidad(I)
Baja 1
Media 2
Alta 4
Muy alta 8
Total 12
Extensión(EX)
Puntual 1
Parcial 2
Extenso 4
Total 8
Crítico (+4)
Momento(MO)
Largo plazo 1
Medio plazo 2
Inmediato 4
Crítico (+4)
Persistencia(PE)
Fugaz 1
Temporal 2
Permanente 4
Reversibilidad(RV)
Corto plazo 1
Medio plazo 2
Irreversible 4
Sinergia(SI)
Sin sinergismo(simple) 1
Sinérgico 2
Muy sinérgico 4
Acumulación(AC)
Simple 1
Acumulativo 4
Efecto(EF)
Indirecto(secundario) 1
Directo 4
Periodicidad(PR)
Aperiódico 1
Periódico 2
Continuo 4
14
Recuperabilidad(MC)
Inmediata 1
Medio plazo 2
Mitigable 4
Irrecuperable 8
Importancia(I)
I= +-[3I + 2EX + MO + PE
+ RV + SI + AC + EF +
PR + MC]
El paso siguiente, es la valoración cualitativa del Impacto Ambiental Total, que se obtiene mediante un análisis numérico de la Matriz de Importancia de Impacto depurada, consistente de sumas, y sumas ponderadas por UIP de las importancias. Las sumas se realizan por filas y por columnas. Nuevamente se observa que la valoración cualitativa de la metodología consiste en un tratamiento cuantitativo basado en números enteros.
La suma ponderada por columnas permitirá identificar las acciones más agresivas (valores altos negativos), las poco agresivas (valores bajos negativos) y las beneficiosas (valores positivos). Las sumas ponderadas por filas permitirán identificar los factores más afectados por el proyecto. Al comparar los resultados que se obtienen en situaciones diferentes, podrá hacerse una valoración cualitativa de las distintas alternativas de proyecto.
A continuación se recogen algunos de los indicadores que suelen emplearse para estimar el impacto simultáneo de varios efectos (Conesa 1997).
Importancia total de 𝐼𝑖 de los efectos debido a la acción i.
𝐼𝑖 = ∑ 𝐼𝑖𝑗𝑗
Importancia total ponderada de los efectos debido a la acción i.
𝐼𝑟𝑖 = ∑ 𝐼𝑖𝑗𝑗 . 𝑃𝑗 / ∑ 𝑃𝑗𝑗
Importancia total 𝐼𝑗 de los efectos causados por a cada factor j.
𝐼𝑗 = ∑ 𝐼𝑖𝑗𝑖
Importancia total ponderada de los efectos causados por a cada factor j. 𝐼𝑟𝑗 = ∑ 𝐼𝑖𝑗𝑗 . 𝑃𝑗 / ∑ 𝑃𝑗𝑗
Importancia total (I) de los efectos debido a la actuación. 𝐼 = ∑ 𝐼𝐽𝑗
Importancia total ponderada (I) de los efectos debido a la actuación. 𝐼𝑟 = ∑ 𝐼𝑟𝑗𝑗
1.3.3.3 Análisis crítico de la metodología
La metodología en el análisis cualitativo de los efectos logra, en alguna medida, satisfacer los requerimientos de una Evaluación de Impacto Ambiental Simplificada; sin embargo, al analizarla se evidencian algunas debilidades, como las siguientes (Velasco 2000):
15
Pérdida de la perspectiva subjetiva de la EIIA: El concepto de la Importancia de Impacto está estrechamente relacionado con las percepciones y opiniones de los expertos. Sin embargo se usan ecuaciones matemáticas, basadas en operaciones aritméticas para obtener un valor numérico de la importancia.
La “valoración cualitativa” es realmente cuantitativa: La valoración cualitativa consiste en seleccionar unas etiquetas para cada variable, asignarle un valor numérico a cada etiqueta, y luego efectuar sumas y promedios con esos números. Dicho de otro modo, la valoración cualitativa es en realidad una serie de operaciones sobre variables definidas en la recta entera, ya que en el fondo lo único que se hace es representar los posibles valores de las variables como un conjunto de valores numéricos discretos. Puede decirse, por tanto, que el modelo lingüístico de la valoración cualitativa se define sobre números enteros.
No se modela la incertidumbre: Pese a que es de esperar que algunas variables no se puedan determinar con absoluta precisión, la metodología no establece ningún procedimiento para tratar variables con incertidumbre.
Tratamiento inadecuado de la información heterogénea: La metodología es estrictamente numérica e inflexibles, debido a que los expertos se ven obligados a utilizar escalas numéricas aunque los criterios sean cualitativos o cuantitativos y por tanto sería lógico utilizar diferentes dominios de expresión. Aun cuando propone descriptores lingüísticos que pudieran ser utilizados para modelar la subjetividad de los criterios de importancia ambiental, estos están rigurosamente ligados a escalas numéricas fijas tanto para los valores que pueden tomar cada criterio como para los valores finales de importancia.
Baja interpretabilidad de los resultados: Como es lógico, después de agregaciones numéricas, se obtienen resultado numéricos de baja interpretabilidad debido a que por una parte, los resultados cuantitativos no siempre representan la información cualitativa con precisión y por otra, existe pérdida de información en las aproximaciones cuando se agregan las valoraciones.
Las diferencias en las escalas distorsionan los pesos de las variables que intervienen en el cálculo de la importancia: A juzgar por la ecuación que permite calcular la Importancia de un Impacto, la Intensidad pesa 3 veces más (y la Extensión 2 veces más) que la mayoría de las variables restantes. Estas proporciones, no obstante, están falseadas debido a las diferentes escalas empleadas para valorar cada variable: mientras la Intensidad puede llegar a valer 12 unidades, la Acumulación solo puede alcanzar 4. Esto viene causado por no homogeneizar la escala de las variables.
Por lo tanto se concluye que el modelo lingüístico de los métodos tradicionales es bastante deficiente, especialmente porque está basado en números enteros. La capacidad de representación lingüística de los conjuntos difusos ha sido presentada y analizada desde hace varios años (Zadeh 1975/1976; Zadeh 1999; Velasco 2000). Mediante variables lingüísticas puede obtenerse una representación matemática adecuada de conceptos vagos, es decir, de conceptos que no pueden delimitarse por fronteras exactas; muchas de las variables que se emplean en los estudios de impacto
16
ambiental son de este tipo, lo que sugiere que sean modeladas mediante variables lingüísticas.
1.4 Soluciones que incorporan técnicas difusas
Varios investigadores han desarrollado estudios relacionados con la aplicación de Técnicas Difusas a la Evaluación de Impacto Ambiental, desarrollando metodologías para diferentes proyectos.
Estas investigaciones tienen como característica común, que se valen de las herramientas para modelar conceptos vagos o inciertos que provee la Teoría de Conjuntos Difusos para las variables que intervienen en el proceso de evaluación ambiental. Tienen como antecedentes la metodología matricial desarrollada por Vicente Conesa, muy empleada en España. Además estos autores desarrollan una herramienta que implementa la metodología que proponen, y sirve de ayuda a los expertos en medio ambiente para realizar sus evaluaciones.
Todas las investigaciones estudiadas, tienen en común además, el uso de la aritmética difusa en los modelos que se presentan. Según López en (López 1999), el uso de la aritmética difusa hace que pueda aumentar la imprecisión de los resultados. Estos resultados (números difusos) obtenidos a partir de los operadores aritméticos difusos son valores que pueden no coincidir con ninguno de los términos lingüísticos del conjunto inicial de términos. Esto llevará a tener que realizar un proceso de aproximación lingüística para expresar los resultados en el dominio de expresión original. A continuación se muestran algunos ejemplos de estas investigaciones:
Modelo Difuso de Evaluación de Impacto Ambiental de Oscar Duarte
En el año 2000, el ingeniero colombiano Oscar Duarte Velasco (Velasco 2000), conjuntamente con investigadores de la Universidad de Granada, España, desarrolló una metodología para los Estudios de Evaluación de Impacto Ambiental, con el objetivo de, en primer lugar, incorporar en los Estudios de Impacto Ambiental la posibilidad de definir variables con incertidumbre, además que sea posible manipular en un marco unificado las variables de tipo numérico y lingüístico. También desarrolló una metodología que permite caracterizar las medidas correctoras que deben tomarse para mitigar el valor del impacto ambiental de un proyecto determinado.
En su investigación Duarte, además, elabora un modelo de computación con palabras basado en aritmética difusa, donde emplea algoritmos para la extensión de las funciones crisp a números difusos.
Esta metodología fue creada fundamentalmente para el desarrollo de evaluaciones de impacto en proyectos de construcción de carreteras.
Estudio de Impacto Ambiental Difuso de José Manuel Martín Ramos
Esta investigación fue desarrollada por el ingeniero José Manuel Martín Ramos, de la Universidad de Huelva, España (Ramos 2003). En su trabajo se encaminó hacia dos vertientes, primeramente la aplicación de métodos de ayuda a la toma de decisiones a los problemas de los estudios de impacto ambiental, que manipulen de forma
17
indiferente tanto información cualitativa como cuantitativa y permitan seleccionar entre alternativas de proyectos, en dependencia del resultado de la evaluación de impacto.
La otra línea fundamental de esta investigación fue el desarrollo de la metodología que incluye la aplicación de Técnicas Difusas a los Estudios de Evaluación de Impacto Ambiental, conjuntamente con los Métodos Difusos de Decisión Multicriterio.
La metodología, aunque puede ser empleada en proyectos de diferente naturaleza, se desarrolló para proyectos de implantación de vertederos.
Modelos Multicriterios Difusos de Yisenia Rosario Ferrer
En esta investigación se describió una metodología difusa de evaluación de impacto ambiental que permite realizar el seguimiento en el tiempo del impacto ambiental, y su aplicación a un caso de estudio el Proyecto Minero Yacimiento Punta Gorda (Moa, Cuba).
El modelo incorpora técnicas difusas (Ferrer 2009) en la evaluación de impacto ambiental de proyectos mineros y permite definir de manera adecuada conceptos vagos como impacto moderado o impacto severo, representar la incertidumbre inherente a las predicciones que se realizan. Para ello utiliza Sistemas de Computación con Palabras basados en Aritmética Difusa.
Para facilitar el uso (a los expertos ambientales del territorio) de la metodología desarrollada, se presentó el sistema informático SIAM (Sistema para la evaluación de Impacto Ambiental), permite realizar una evaluación integral de impacto ambiental de proyectos mineros a través de la implementación de la metodología para el seguimiento en el tiempo del impacto ambiental, desde las primeras etapas del proyecto hasta la etapa de Abandono y Cierre de la mina.
1.5 Análisis y toma de decisión en la EIIA
1.5.1 El proceso de análisis de decisión
La toma de decisiones es, por su impacto económico, social y motivacional una actividad de extraordinaria importancia no solo en los entornos administrativos sino además en la vida cotidiana del ser humano.
Preferencias Solución
A pesar de los distintos problemas de decisión (Pedrycz, Ekel et al. 2011) que se pueden presentar, el esquema básico para su resolución (Fodor and Roubens 1994; Clemen 1996; Roubens 1997) se compone de las dos fases representadas en la Figura 1.4:
1. Fase de agregación:
Agregación Explotación
Figura 1.4: Esquema de resolución general de un problema de toma de decisión.
18
Su objetivo es obtener un valor colectivo de preferencias para cada alternativa y/o criterio de representación, a partir de las valoraciones individuales de preferencias proporcionadas por los expertos que participan en el problema, utilizando un operador de agregación adecuado a las necesidades del problema (Cutello and Montero 1994; Yager 1994; Calvo, Mesiar et al. 2004; Ben-Arieh and Chen 2006; Ben-Arieh and Chen 2006; Yager 2007; Beliakov, Pradera et al. 2008; Merigó, Casanovas et al. 2010; Merigó and Lafuente 2013).
2. Fase de explotación: Su información de entrada son los valores obtenidos en la fase anterior. Su objetivo es seleccionar la/s mejor/es alternativa/s a partir de los valores colectivos y la definición de un criterio de selección que permita establecer un orden de mérito entre el conjunto de alternativas en el problema. Para ello se utilizan funciones de selección (Orlovsky 1978) que permiten escoger y ordenar las mejores alternativas a partir de vectores de utilidad o relaciones de preferencias (Orlovsky 1978; Roubens 1989; Herrera and Herrera-Viedma 2000; Kacprzyk and Zadrożny 2009).
En situaciones de la vida real, los decisores no pueden llegar directamente a la agregación y la explotación debido a que muchos factores externos y subjetivos afectan a un problema de toma de decisión. Por tanto la solución puede variar en dependencias de las condiciones y complejidad en la que se presenta un problema. El análisis de la decisión (Clemen 1996) es un enfoque adecuado para el proceso de evaluación. Su objetivo principal es apoyar el proceso de toma de decisiones, proporcionando los elementos efectivos y relevantes a los decisores de un modo racional, intuitivo y ordenado. Suministra los métodos para las decisiones de la organización primeramente establecimiento el conjunto de elementos a evaluar en el marco de evaluación, a continuación, se recoge toda la información y finalmente, se calcula una evaluación para cada elemento. Estas fases se representan en la Figura 1.5.
Análisis de Decisión Toma de Decisión
Debido a que el uso del sistema de análisis de decisiones en los procesos de evaluación lingüísticas similares, basadas en modelos de 2-tuplas han logrado resultados exitosos (Andrés, García-Lapresta et al. 2009; Gramajo and Martínez 2012; Espinilla, Andrés et al. 2013), se propondrá en esta memoria un enfoque estructurado de acuerdo con dicho esquema.
Marco de Evaluación
Obtención de
Información
Clasificación de
Alternativas
Toma de Decisiones
Figura 1.5: Esquema de análisis de la decisión.
19
1.5.2 Un acercamiento a los Problemas de Toma de Decisión
Dependiendo de las características de los elementos del problema de decisión, estos podrán calificarse siguiendo diferentes puntos de vista. Por otro lado, el tipo de información que define el marco del problema y su modelado influirán también en el modelo de resolución del problema de decisión. La teoría de la decisión (Triantaphyllou 2000) ha establecido una serie de criterios que permiten clasificar los problemas de decisión atendiendo a diferentes puntos de vista:
1. Según el ambiente de decisión en el que se han de tomar las decisiones. 2. Según el número de atributos o criterios que se han de valorar en la toma de
decisiones. 3. Según el número de expertos que participan en proceso de decisión.
A continuación se describe cada clasificación.
Ambiente de Decisión
Según la teoría clásica de decisión (Triantaphyllou 2000) se pueden distinguir tres
situaciones o ambientes de decisión.
a) Ambiente de certidumbre: Son conocidos con exactitud todos los elementos o factores que intervienen en el problema. Esta situación permite asignar valores cuantitativos de utilidad a cada una de las alternativas presentes en el problema.
b) Ambiente de riesgo: Algunos de los elementos o factores están sujetos a leyes del azar. En estos casos los problemas pueden ser resueltos usando teoría de la probabilidad.
c) Ambiente de incertidumbre: La información disponible sobre las distintas alternativas puede ser incompleta, vaga o imprecisa, lo que implica que la utilidad asignada a cada alternativa tenga que ser valorada de forma cualitativa. Esta incertidumbre surge a raíz del intento de modelar la imprecisión propia del comportamiento humano o la inherente a ciertos fenómenos que por su naturaleza son inciertos.
En problemas reales, es muy común que las decisiones sean tomadas bajo situaciones con información vaga, imprecisa e incierta como por ejemplo, en los fenómenos que describen los procesos de evaluación de impacto ambiental de un determinado proyecto. Esto ha generado la necesidad de recurrir a la definición de herramientas para trata este tipo de incertidumbre, entre ellos se encuentran la Teoría de los Conjuntos Difusos (Dubois and Prade 1980). La lógica difusa y el enfoque lingüístico difuso serán las herramientas que se usarán en esta memoria para el tratamiento de este tipo de información, ya que los modelos de información lingüística hacen muchos más flexibles y fiables los modelos de decisión bajo incertidumbre.
Número de criterios
El número de criterios o atributos que se tienen en cuenta en los procesos de decisión permite clasificar los problemas en dos tipos (Chen and Hwang 1992; Jiménez, Ríos-Insua et al. 2003; Chuu 2007; J. Lu and Ruan 2007; Pedrycz, Ekel et al. 2011):
20
a) Problemas con un solo criterio o atributo: Problemas de decisión en los que solo se tiene en cuenta para evaluar las alternativas un solo criterio o atributo que representa la valoración dada a esa alternativa.
b) Problemas multicriterio o multiatributos: Problemas de decisión en los que, para evaluar las alternativas, se tienen en cuenta dos o más criterios o atributos que definen a cada alternativa. Los problemas de Toma de Decisión Multicriterio (TDMC) son más complejos en su resolución que los de un solo criterio. Cada criterio puede establecer un orden de preferencias diferente y particular sobre el conjunto de alternativas. A partir del conjunto de órdenes de preferencias particulares, será necesario definir algún mecanismo que permita construir un orden global de preferencias. En la literatura se puede encontrar varios ejemplos (Salminen, Hokkanen et al. 1998; Triantaphyllou 2000).
Número de expertos
Atendiendo al número de expertos presentes en el proceso de Toma de Decisión los problemas pueden clasificarse en dos tipos (Herrera-Viedma, Martínez et al. 2005; Herrera, Martínez et al. 2005; Herrera-Viedma, Alonso et al. 2007):
a) Unipersonales o individuales: Las alternativas son valoradas por un único experto.
b) Multiexperto: Las decisiones son tomadas por un conjunto finito de expertos (Triantaphyllou 2000). Los problemas multiexperto presentan mayor complejidad a la hora de la toma de decisión, no obstante el hecho de tener en cuenta múltiples puntos de vista puede ofrecer una solución más satisfactoria (Herrera-Viedma, Alonso et al. 2007).
Dominios empleados para expresar las preferencias.
Se llama dominios de expresión de preferencias al conjunto de valores utilizados por los expertos para emitir sus preferencias. En la literatura se pueden encontrar distintos dominios como el numérico, el intervalar y el lingüístico. De esta forma según los dominios de información empleados para expresar las preferencias, los problemas se pueden clasificar en:
a) Homogéneos. Todas las preferencias son emitidas usando el mismo dominio de información (Delgado, Verdegay et al. 1992; Fodor and Roubens 1994; Greco, Matarazzo et al. 2001; Xu 2008; Xu and Yager 2008; Kacprzyk and Zadrożny 2009).
b) Heterogéneo o no-homogéneo. Las preferencias son emitidas usando más de un dominio de información (Herrera, Martínez et al. 2005; Ruan, Martínez et al. 2007; Li, Huang et al. 2010; Mata, Martínez et al. 2011; Carrasco and Villar 2012; Espinilla, Palomares et al. 2012; Rodríguez, Palomares et al. 2013).
La elección de un dominio de información determinado está condicionada por los siguientes aspectos:
Naturaleza de los criterios: La naturaleza del fenómeno que se evalúa puede condicionar el dominio a usar en su evaluación. Criterios de naturaleza
21
cuantitativa se ajustan a valoración numéricas, mientras que aquellos que presentan naturaleza cualitativa en los que al tratarse, por ejemplo, percepciones subjetivas o conocimientos vagos, el uso de palabras (términos lingüísticos) suelen ser apropiados (Kacprzyk 1986; Herrera and Herrera-Viedma 2000; Chen 2001).
Pertenencia de expertos a diferentes áreas del conocimiento: Cada experto deseará utilizar un dominio de información cercano al tipo de información con la que está familiarizado en su respectiva área de trabajo.
Nivel de conocimiento de los expertos sobre el problema: La experiencia en la resolución de problemas similares puede incidir sobre la elección de dominios de información más precisos frente a otros expertos con menor experiencia.
A continuación se revisarán algunos de los dominios de información comúnmente utilizados en los problemas de toma de decisión y que se pretende además incorporar en la solución que se brinde para la EIIA.
1.5.3 Dominios de información
Dominio Numérico
Implica que los expertos expresen sus valoraciones mediante números. Existen dos variantes al respecto:
a) Numérico Binario: Se caracteriza por usar exclusivamente dos valores {0,1} para cuantificar la utilidad de cada alternativa.
b) Numérico normalizado en el intervalo de [0,1]: Los expertos usan un valor en este intervalo para modelar la preferencia de cada alternativa (Herrera, Martínez et al. 2005; Espinilla, Andrés et al. 2013). A diferencia del anterior, este dominio permite usar valores reales dentro del intervalo para emitir sus valoraciones, posibilitando establecer un orden de preferencias entre las alternativas, en función de utilidad asignada a cada una de ellas.
Dominio Intervalar
Surge por la necesidad de valorar alternativas sobre las que no se tiene el conocimiento preciso para asignarles un valor exacto mediante un número. Este tipo de valoración se ha mostrado como una técnica ampliamente utilizada (Kraft and Petry 1997; Téno and Mareschal 1998; Calvo, Mesiar et al. 2004) para manejar la incertidumbre en diferentes problemas de decisión, dándoles a los expertos mayor seguridad para emitir sus valoraciones.
Dominio Lingüístico
Existen situaciones de decisión en las que la información disponible es demasiado imprecisa o se valoran aspectos de naturaleza cualitativa. En ellas el experto puede considerar más adecuado utilizar una palabra o termino lingüístico para expresar sus preferencias que un valor numérico más o menos preciso (Delgado, Verdegay et al. 1992; Zadeh 1996; Herrera and Herrera-Viedma. 2000; Martínez, Pérez et al. 2008; Martínez, Ruan et al. 2010).Generalmente es muy usado cuando se modelan aspectos relacionadas con percepciones humanas, muchas veces expresadas de forma imprecisa y donde es habitual usar palabras del lenguaje natural en lugar de números.
22
Dentro de la Toma de Decisión Difusa, el Enfoque Lingüístico Difuso (Zadeh 1983; L.A 1996; Zadeh 1996) ha sido la disciplina encargada de modelar las preferencias de los expertos que usan información lingüística para emitir sus valoraciones (Bonissone 1980; Xu 2007; Wei 2009; Carrasco and Villar 2012; Toro, Requena et al. 2013).
1.5.4 La EIIA como Problema de Toma de Decisión
Como ha destacado Conesa, la EIIA es un instrumento de conocimiento al servicio de la decisión (Conesa 1997). Las últimas décadas han visto un rápido crecimiento del interés en la aplicación de la Métodos de Toma de Decisiones Multi-Criterios (MTDMC) para apoyar y mejorar la EIIA, haciendo el proceso de toma de decisiones más transparente y la información más manejable para todas las partes interesadas (Kiker, Bridges et al. 2005).
Vale recordar, que la EIIA es una predicción sobre la forma en que un proyecto repercutirá sobre el entorno, por lo tanto como toda predicción es de esperar que la incertidumbre esté presente en algunos de los parámetros involucrados.
El entorno es muy complejo, y por tanto no se puede describir con un único modelo. Esto obliga a modelarlo como un conjunto de factores ambientales que sean relevantes, representativos y analizables.
Aunque cada factor sea susceptible a ser analizado de forma separada, son muy diferentes entre sí, lo que dificulta la agregación de la información parcial de cada factor para obtener un análisis global del entorno. Esta situación se ve acentuada si, como es usual, el estudio de cada factor se lleva a cabo por un experto o grupo de expertos diferentes. Algunas de las variables involucradas son de tipo numérico, mientras que otras son de tipo lingüístico; el modelo matemático que se emplee para efectuar el estudio debe ser capaz de combinar ambos tipos de variables de manera coherente. La EIIA implica, en contextos complejos, criterios y factores de distintas naturalezas por lo que no puede obviarse su carácter heterogéneo.
Claramente entonces la EIIA puede ser modelada como un problema de Toma de Decisión multicriterio en un ambiente de incertidumbre donde se consideran los siguientes elementos:
Un conjunto de acciones A = {a1 ,… ,am} a ser ejecutadas para completar el
proyecto.
Un conjunto de factores ambientales F = {f1,… ,fm} afectados por las acciones.
Un conjunto de impactos I = {If1a1 ,… ,Ifman} .
Un conjunto de criterios C = {c1 ,… ,ch} que caracterizan los impactos.
Uno o varios expertos E = {e1,… ,ek} que proporcionarán información acerca de
cada uno de los impactos sobre el conjunto de criterios.
La necesidad de ponderar las acciones y factores según su importancia para el medio ambiente y determinar la mejor alternativa de proyecto, desde el punto de vista del impacto que pueda causar sobre el medio.
23
1.6 El Enfoque Lingüístico Difuso
Los problemas presentes en el mundo real contienen aspectos que pueden ser de distintas naturalezas. Cuando dichos aspectos o fenómenos son de naturaleza cuantitativa, éstos se valoran fácilmente utilizando valores numéricos más o menos precisos. Sin embargo, cuando la naturaleza de tales aspectos no es cuantitativa sino cualitativa o cuando la información es vaga e imprecisa, no es sencillo ni adecuado utilizar un modelado de preferencias numérico. En estos casos, se ha mostrado adecuado el uso del modelado lingüístico, ya que mejora la habilidad y flexibilidad para emitir valoraciones (Estévez 2009).
Este tipo de aspectos suelen aparecer frecuentemente en problemas que presentan incertidumbre, donde se pretenden evaluar fenómenos relacionados con percepciones y relaciones de los seres humanos (diseño, gusto, diversión, etc.). En estos casos, se suelen utilizar palabras del lenguaje natural (bonito, feo, dulce, salado, simpático, mucha, poca, etc.) en lugar de valores numéricos para emitir valoraciones. Tal y como se indica por diversos autores en (Chen and Hwang 1992; L.A 1996; Estévez 2009), el uso de un modelado lingüístico de preferencias puede deberse a varias razones:
La información disponible con la que trabajan los expertos es demasiado vaga o imprecisa para ser valorada utilizando números precisos.
Situaciones en las que la información no puede ser cuantificada debido a su naturaleza y solo puede medirse utilizando términos lingüísticos. Por ejemplo, para evaluar el confort o el diseño de un coche (Levrat, Voisin et al. 1997), el uso de términos como bueno, medio y malo, suele ser habitual.
Información cuantitativa que no puede medirse porque no están disponibles los elementos necesarios para llevar a cabo una medición exacta o porque el coste de su medición es muy elevado. En este caso, el uso de un valor aproximado que permita reflejar los distintos valores del problema puede ser adecuado. Por ejemplo, en una situación en la que se pretende predecir la extensión de terreno que podría afectar la emisión de sustancias gaseosas perjudiciales una vez que se instaure una industria determinada. Entonces, en lugar de valores numéricos, se puede utilizar términos lingüístico como, por ejemplo, baja, media, alta, etc., para medir el área que abarca el efecto.
En la literatura existen diferentes enfoques para modelar la información lingüística (Zadeh 1975/1976; Lawry 2001; Mendel 2007; Mendel 2007; Martínez, Ruan et al. 2010). En esta investigación, se hará uso del Enfoque Lingüístico Difuso, que tiene como base teórica la Teoría de Conjuntos Difusos y se ha mostrado como una técnica eficaz para valorar aspectos de naturaleza cualitativa (Bonissone 1982; Degani and Bortolan 1988; Adamopoulos and Pappis 1996; Herrera and Herrera-Viedma 2000; Herrera and Martínez 2001; Arfi 2005; Martínez, Ruan et al. 2009). Para ello, representa los aspectos cualitativos como valores lingüísticos, utilizando variables lingüísticas cuyo dominio de expresión son conjuntos de palabras o términos lingüísticos (Zadeh 1975/1976). Definición 1. Una variable lingüística está caracterizada por una quíntupla (H, T(H),U,G,M), en la que:
- H es el nombre de la variable.
24
- T(H) es el conjunto de valores lingüísticos o etiquetas lingüísticas. - U es el universo de discurso de la variable. - G es una regla sintáctica (que normalmente toma forma de gramática) para
generar los valores de T(H). - M es una regla semántica que asocia a cada elemento de T(H) su significado.
Para cada valor L ∈T(H), M(L) sería un subconjunto difuso de U. Una variable lingüística se caracteriza por un valor sintáctico o etiqueta y por un valor semántico o significado. La etiqueta es una palabra o frase perteneciente a un conjunto de términos lingüísticos y el significado de dicha etiqueta viene dado por un subconjunto difuso en un universo de discurso. Al ser las palabras menos precisas que los números, el concepto de variable lingüística es una buena propuesta para caracterizar aquellos fenómenos que no son adecuados para poder ser evaluados mediante valores numéricos precisos. Para resolver un problema desde el punto de vista del Enfoque Lingüístico Difuso es necesario llevar a cabo dos operaciones fundamentales (Estévez 2009):
Elección de una adecuada sintaxis del conjunto de términos lingüísticos, T(H).
Definición de la semántica asociada a cada término lingüístico.
1.6.1 Elección de una Adecuada Sintaxis del Conjunto de Términos Lingüísticos
Para que una fuente de información pueda expresar con facilidad su información y conocimiento es necesario que disponga de un conjunto apropiado de descriptores lingüísticos. Un aspecto muy importante, que es necesario analizar para establecer la descripción de una variable lingüística, es la granularidad de la incertidumbre (Bonissone and Decker 1986), es decir, la cardinalidad del conjunto de términos lingüísticos usado para expresar y representar la información.
Se dice que un conjunto de términos lingüísticos tiene (Estévez 2009):
Una granularidad baja o un tamaño de grano grueso, cuando la cardinalidad del conjunto de etiquetas lingüísticas es pequeña.
Una granularidad alta o un tamaño de grano fino, cuando la cardinalidad del conjunto de etiquetas lingüísticas es alta.
Una vez establecida la cardinalidad, se aplicará un mecanismo para generar la sintaxis de los términos lingüísticos. Existen dos enfoques para esto, el primero define la sintaxis a partir de una gramática libre de contexto y el segundo utiliza una escala con un orden total definido. A continuación se analizan brevemente ambos mecanismos.
1.6.1.1 Enfoque Basado en una Gramática Libre de Contexto
Una posibilidad para generar el conjunto de términos lingüísticos consiste en utilizar una gramática libre de contexto G, donde el conjunto de términos pertenece al lenguaje generado por G (Zadeh 1975/1976; Bonissone 1982; Bordogna and Pasi 1993). Una gramática generadora, G, es una 4-tupla (𝑉𝑛; 𝑉𝑡; 𝐼; 𝑃) , siendo 𝑉𝑛 el conjunto de
símbolos no terminales, 𝑉𝑡 el conjunto de símbolos terminales, 𝐼 el símbolo inicial y 𝑃 el conjunto de reglas de producción (Estévez 2009). La elección de estos cuatro elementos determinará la cardinalidad y forma del conjunto de términos lingüísticos. El
25
lenguaje generado deberá ser lo suficientemente grande para que pueda describir cualquier posible situación del problema.
De acuerdo con las observaciones de Miller en (Miller 1956), el lenguaje generado no tiene que ser infinito, sino más bien fácilmente comprensible.
1.6.1.2 Enfoque Basado en Términos Primarios con una Estructura Ordenada
Una alternativa para reducir la complejidad de definir una gramática consiste en dar directamente un conjunto de términos distribuidos sobre una escala con un orden total definido (Yager 1995; Bordogna, Fedrizzi et al. 1997; Herrera and Herrera-Viedma. 2000). Por ejemplo, se considera el siguiente conjunto de cinco etiquetas 𝑇(𝐻) = {𝑀; 𝐵 ; 𝑀𝐸; 𝐴; 𝑇 }.
𝑆0=M= Mínimo 𝑆1=B=Bajo 𝑆2= ME=Medio 𝑆3= A=Alto 𝑆4=T=Total
donde 𝑠𝑖 < 𝑠𝑗 si y solo si 𝑖 < 𝑗.
En estos casos, es necesario que el conjunto de términos lingüísticos satisfagan las siguientes condiciones adicionales (Yager 1994):
1. Existe un operador de negación. Por ejemplo, Neg(si) = sj, j = g − i (g + 1 es
la cardinalidad de T (H)). 2. Tiene un operador de maximización: max (si; sj) = si si si ≥ sj.
3. Tiene un operador de minimización: min (si; sj) = si si si ≤ sj.
En esta investigación se hará uso del enfoque basado en términos primarios con una estructura ordenada.
1.6.2 Semántica del Conjunto de Término Lingüístico
Como se ha visto, además de la sintaxis, el Enfoque Lingüístico Difuso define una semántica para dar significado a cada una de las etiquetas del conjunto de términos. En la literatura existen varios enfoques para definir la semántica del conjunto de etiquetas lingüísticas (Torra 1996; Bordogna, Fedrizzi et al. 1997), siendo uno de los más utilizados el enfoque basado en funciones de pertenencia (Tong and Bonissone 1980; Bonissone and Decker 1986; Delgado, Verdegay et al. 1992; Bordogna and Pasi 1993; Lee 1996). Este enfoque define la semántica del conjunto de términos lingüísticos utilizando números difusos en el intervalo [0; 1], donde cada número difuso es descrito por una función de pertenencia.
Un método eficiente desde un punto de vista computacional para caracterizar un número difuso, es usar una representación basada en parámetros de su función de pertenencia (Bonissone 1982). Esta representación paramétrica se expresa usando una 4-tupla (a; b; d; c). Los parámetros “b” y “d” indican el intervalo en el que la función de pertenencia vale 1; mientras que “a” y “c” indican los extremos izquierdo y derecho de la función de pertenencia (Bonissone 1982). Un caso especial de este tipo de funciones de pertenencia son las funciones de pertenencia triangulares, en las que b = d, por lo que se representan mediante una 3-tupla (a, b, c), donde “b” es el valor donde la función de pertenencia vale 1, mientras que “a” y “c” indican los extremos izquierdo y derecho de la función.
26
En la Figura 1.6 se muestra la semántica de una variable lingüística que evalúa la altura de una persona, utilizando números difusos definidos por funciones de pertenencia trapezoidales.
Figura 1.6: Definición de la variable lingüística de altura utilizando números difusos con
funciones de pertenencia trapezoidales tomada de (Estévez 2009).
La Figura 1.7 muestra un conjunto similar al anterior, con igual sintaxis pero ahora su semántica es representada con funciones de pertenencia triangulares.
Figura 1.7: Conjunto de 5 etiquetas lingüísticas uniformemente distribuidas.
1.6.3 Computación con Palabras
El uso de variables lingüísticas implica la necesidad de realizar procesos de computación con palabras (del inglés: CWW), tales como comparación, negación y agregación de variables lingüísticas. Dichos procesos se han llevado a cabo utilizando distintos modelos:
Modelo Basado en el Principio de Extensión (Degani and Bortolan 1988): En él, las operaciones se realizan utilizando la aritmética difusa (Dubois and Prade 1980) sobre los números difusos que soportan la semántica de las etiquetas lingüísticas. Por tanto, los resultados obtenidos son números difusos y para expresarlos mediante etiquetas lingüísticas hay que llevar a cabo procesos de aproximación lingüística.
Modelo Simbólico (Delgado, Verdegay et al. 1992): Las operaciones se realizan sobre los índices de las etiquetas lingüísticas que son valores discretos. Debido
27
a la naturaleza discreta de estos valores para obtener un resultado final en el conjunto de etiquetas hay que realizar operaciones de aproximación.
Modelo Basado en la Representación 2-tupla Lingüística (Herrera and Martínez 2000; Herrera and Martínez 2001): Las operaciones se realizan sobre información lingüística expresada mediante 2-tuplas, permitiendo trabajar en un dominio de expresión lingüístico, pero tratándolo como un universo continuo. Lo cual, es una importante ventaja sobre los modelos anteriores, ya que no hay que realizar operaciones de aproximación para expresar los resultados, ganándose precisión en los mismos.
1.6.4 Modelo de Representación Lingüístico Basado en 2-tuplas
El modelo de representación lingüístico basado en 2-tuplas fue presentado en (Martínez 2000) para mejorar los problemas de pérdida de información en los procesos de computación con palabras de otros modelos (Martínez 2001): Modelo basado en el Principio de Extensión (Degani and Bortolan 1988) y Modelo Simbólico (Delgado, Verdegay et al. 1992). Además, se ha demostrado como un modelo útil en el tratamiento de contextos con múltiples escalas lingüísticas y con información heterogénea (Estévez 2009), siendo estos contextos de gran interés para alcanzar los objetivos de esta investigación.
Este modelo se basa en el concepto de Traslación Simbólica que a continuación se refleja y se define por López en (López 1999).
Definición 2. Sea 𝑆 = {𝑠0, … , 𝑠𝑔} un conjunto de términos lingüísticos, y 𝛽𝜖[0, 𝑔]un
valor en el intervalo de granularidad de S. La Traslación Simbólica de un término lingüístico 𝑠𝑖 es un número valorado en el intervalo [−.5, .5) que expresa la diferencia
de información entre una cantidad de información expresada por el valor βϵ [0, g] obtenido en una operación simbólica y el valor entero más próximo, 𝑖 ∈ {0, … , 𝑔} que
indica el índice de la etiqueta lingüística (𝑠𝑖) más cercana en S.
A partir de este concepto, se presentó un nuevo modelo de representación para la información lingüística, el cual usa como base de representación un par de valores o 2-tupla, (si , αi) donde si ∈ S y αi ∈ [−.5, .5) .
Este modelo de representación define un conjunto de funciones que facilitan las operaciones sobre 2-tuplas.
Definición 3. Sea S = {s0, … , sg} un conjunto de términos lingüísticos y βϵ[0, g]un valor
que representa el resultado de una operación simbólica, entonces la 2-tupla lingüística
que expresa la información equivalente a β se obtiene usando la siguiente función:
∆: [0; 𝑔] → 𝑆𝑥 [−.5, .5)
𝑠𝑖, 𝑖 = 𝑟𝑜𝑢𝑛𝑑 (𝛽)
∆ (𝛽) = (𝑠𝑖, 𝛼), 𝑐𝑜𝑛
𝛼 = 𝛽 – 𝑖, 𝛼 𝜖 [−5, .5)
28
Donde round es el operador usual de redondeo, si es la etiqueta con índice más
cercano a β y α es el valor de la traslación simbólica. La función ∆ es biyectiva y
∆−1: S x [−.5, .5) → [0; g] es definida como ∆−1(si, α) = α + i . De tal forma la 2-tupla
S x [−.5, .5) queda identificada con un valor en el intervalo [0; g].
Ejemplificación:
∆−1: S x [−.5, .5) → [0; g]
∆−1(si, α) = α + i = β
∆−1(s1, .25) = .25 + 1 = 1.25
Por lo tanto, la conversión de un término lingüístico en una 2-tupla consiste en añadir el valor cero como traslación simbólica:
si ∈ S → (si, 0)
Conclusiones parciales
La EIIA se muestra como una herramienta para predecir los efectos que pueden causar las acciones del hombre sobre los factores medioambientales. El basamento legal de este procedimiento en Cuba está dado en la Ley 81 del Medio Ambiente.
Los métodos y metodologías tradicionales utilizan escalas numéricas para la valoración de los impactos, por lo que no permiten modelar y manejar adecuadamente la incertidumbre presente en este tipo de evaluaciones y no proveen ningún mecanismo para el tratamiento de información expresada en diferentes dominios, es decir, información heterogénea, ocasionando una pérdida de la perspectiva subjetiva de la EIIA y un bajo valor interpretativo en el resultado final. Por tanto, estos métodos o metodologías pueden llegar a ser mejorados si se adaptan a un marco de trabajo heterogéneo e incierto en el que se desarrolla el problema de decisión; esto posibilitará que los expertos se sientan cómodos y seguros a la hora de expresar sus preferencias y por lo tanto, que la solución final tenga mayor fiabilidad.
Las extensiones realizadas a los métodos tradicionales estudiados, si bien incluyen mecanismos para el manejo de información heterogénea y la incertidumbre, presentan pérdida de información por concepto de aproximación de valores en la agregación de preferencias debido al uso de la aritmética difusa.
Por otro lado, se ha presentado el Enfoque Lingüístico Difuso como una herramienta capaz de representar de forma adecuada preferencias cualitativas donde estén presentes conceptos vagos e inciertos o donde no puedan realizarse mediciones exactas. El uso de variables lingüísticas implica la necesidad de emplear un modelo para realizar operaciones de computación con palabras. En esta memoria se usará el Modelo de Representación basado en las 2-tupla Lingüísticas, que permite trabajar en un dominio de expresión lingüístico, pero tratándolo como un universo continuo, lo que significa una importante ventaja sobre el resto de los modelos estudiados, pues no es necesario realizar operaciones de aproximación para expresar los resultados,
29
ganándose precisión en los mismos. Este modelo ha sido extendido para el tratamiento de información heterogénea, lo que posibilita emplear sus ventajas para superar las limitaciones en EIIA anteriormente descritas.
30
CAPÍTULO II. MODELO HETEROGÉNEO PARA EIIA BASADO EN EL ENFOQUE LINGÜÍSTICO DIFUSO
En este capítulo se presenta un nuevo modelo para la realización de EIIA que proporciona un marco de evaluación capaz de reunir las valoraciones heterogéneas teniendo en cuenta la incertidumbre de EIIA y de acuerdo con la evaluación cualitativa y/o cuantitativa de los criterios y la experiencia de los expertos que participan en la evaluación. Para ellos se explican en detalle a partir de un diagrama de flujo, cada una de las fases que lo componen.
2.1 Un modelo heterogéneo de EIIA basado en el Enfoque Lingüístico Difuso
Como representa el diagrama de flujo expuesto en la Figura 2.1, el modelo propuesto consta de tres fases principales, el mismo se extiende del esquema de análisis de la decisión clásica (Clemen 1996) presentado en la Figura 1.5.
Figura 2.1: Modelo heterogéneo de EIIA.
En la fase del Marco de Trabajo Heterogéneo, se define la estructura y la representación de la información, incluyendo los dominios heterogéneos en los que los expertos proporcionarán sus preferencias sobre los impactos, considerando los diferentes criterios. Además, son definidos para el proyecto en cuestión, los factores ambientales presentes en el entorno, las acciones que desencadena, los expertos que participarán en la evaluación y los criterios que estos valorarán.
En la segunda fase son recogidas las preferencias individuales de cada experto para cada interacción factor/acción, sobre los criterios seleccionados, en los dominios de información definidos en la fase anterior.
En la fase de Evaluación de Alternativas el proceso de computación con palabras permite obtener los valores de Importancia de Impacto. Con la normalización y la
Marco de trabajo heterogéneo
Acciones, Factores,
Impactos, Criterios,
Expertos,
Dominios de
Expresión.
Obtención de preferencias
Numérica (N)
Intervalar (V)
Lingüística (S)
Evaluación de alternativas
Manejo de conflictos entre
criterios de
costo/beneficio.
Unificación de valores
1. Escoger BTLS
2. Unificar en CD
3. Trasformar en
2-tuplas.
Agregación de valores 1. Cálculo de valores colectivos.
2. Cálculo de importancia de
impacto.
3. Ajuste de importancia.
4. Cálculo de valores de
importancia final.
Explotación
Evaluación de Importancia de Impacto Ambiental
31
unificación de las preferencias heterogéneas se obtienen los valores lingüísticos de 2-tuplas, que después son sometidos a un proceso de agregación escalonada que brinda como resultado final la Matriz de Importancia de Impacto. Todas las fases se describirán en detalle en los siguientes epígrafes.
2.1.1 Marco de Trabajo Heterogéneo
Establecer un marco de trabajo heterogéneo donde se comprenden dominios de expresión diferentes en los que los expertos pueden emitir sus valoraciones; permitirá recoger adecuadamente la información heterogénea, para posteriormente calcular la evaluación general de un proyecto de forma tal que ofrezca resultados útiles para la toma de decisiones.
Como se ha mencionado, los criterios que intervienen en el contexto EIIA pueden tener diferentes naturalezas (cuantitativa y cualitativa). Por ejemplo, varios métodos de evaluación (Conesa 1997; Bojórquez-Tapia, Ezcurra et al. 1998; Gómez-Orea 1999) incluyen la “Extensión” como criterio que expresa la extensión espacial de la zona afectada por el impacto. Por lo tanto, puede ser evaluada de forma cuantitativa. Sin embargo muchos de los aspectos de incertidumbre en problemas EIIA tienen características no probabilísticas, ya que están relacionados con la imprecisión y la vaguedad de significados. Entonces puede ser dificultoso para calificarlos utilizando los valores numéricos precisos (tal vez la zona afectada no puede ser directamente medida, precisamente por el carácter predictivo de la evaluación). En tales casos dudosos otros tipos de evaluaciones como valores de intervalo o valores lingüísticos podrían ser más adecuados.
Además, como EIIA debe ser un proceso interdisciplinario, involucra a expertos procedentes de diferentes áreas del conocimiento y con diferente nivel de experiencia. Por ejemplo, los expertos relacionados con los factores biofísicos pueden preferir expresar sus opiniones con un dominio de la información diferente de aquellos que están más cerca de los factores sociales y culturales.
Teniendo en cuenta los elementos anteriores, el conjunto de expertos podrá expresar sus preferencias en diferentes dominios de información, generando un marco heterogéneo en el problema, que incluiría los siguientes dominios:
Valores numéricos: Ellos son comunes para las evaluaciones relacionadas con los criterios cuantitativos juzgados bajo ciertas condiciones o riesgo (Triantaphyllou 2000).
Intervalo de valores: Son comunes cuando la información sobre los criterios cuantitativos son vagos y los expertos no puede dar un número preciso (Yager and Kreinovich 1999).
Valores lingüísticos: Ellos son comunes para evaluar los criterios ambientales cualitativos y/o cuando obtener valores más precisos es imposible o innecesario (Yager and Kreinovich 1999). En tales casos, el Enfoque Lingüístico Difuso es adecuado para la representación de la información como valores lingüísticos por medio de las variables lingüísticas (Zadeh 1975/1976). Se ha observado que en los problemas de EIIA, pueden existir expertos con diversos niveles de
32
conocimiento. En contextos lingüísticos, la granularidad de la incertidumbre indica este nivel de distinción entre las diferentes valoraciones (cuanto más conocimiento, más granularidad y viceversa). Con el fin de proporcionar más flexibilidad a los expertos, es conveniente definir un marco de evaluación propicio con diferentes conjuntos de términos lingüísticos y diferentes granularidad, es decir, información lingüística multigranular (Herrera and Martínez 2001).
Por lo tanto el marco de trabajo puede formalizarse como sigue: Sea 𝐴 = {𝑎1, … , 𝑎𝑛} el conjunto de acciones comprendidas durante el proyecto, 𝐹 ={𝑓1, … , 𝑓𝑛} el conjunto de factores ambientales susceptibles a recibir impactos con una
importancia reflejada en el vector de pesos 𝑊𝑓 = {𝑤1𝑓
, … , 𝑤𝑚𝑓
} , 𝑤𝑖𝑓
∈ [0,1] con
∑ 𝑤𝑖𝑓𝑚
𝑖=1 = 1.
Cada impacto medioambiental es representado por 𝐼 = {𝐼𝑓1𝑎1, … , 𝐼𝑓𝑚𝑎𝑚
} , que
comprende la acción que causa el impacto y el factor ambiental afectado. Adicionalmente se tiene 𝐸 = {𝑒1, … , 𝑒𝑘} , que representa el conjunto de expertos que evaluarán el impacto ambiental de acuerdo con el conjunto de criterios 𝐶 = {𝑐1, … , 𝑐ℎ}
cuyos pesos son 𝑊𝑐 = {𝑤1𝑐, … , 𝑤ℎ
𝑐} , 𝑤𝑖𝑐 ∈ [0,1] con ∑ 𝑤𝑖
𝑐ℎ𝑖=1 = 1.
Como los criterios representan diferentes dimensiones de los impactos, pueden entrar en conflicto entre sí (Triantaphyllou 2000) y es necesario la división de C en dos
subgrupos: 𝐶1 con los criterios de beneficio y 𝐶2 con los criterios de costo. Eso significa que para los criterios de beneficio, el experto prefiere tener un valor máximo entre las alternativas, mientras que para los criterios de costo, el experto prefiere tener un valor mínimo entre las alternativas. Por ejemplo, en el criterio Momento, que representa el tiempo en que se manifiesta el efecto de una acción sobre un factor determinado, entre mayor sea su valor, es menos significativo, mientras que en otros criterios como la Intensidad, que refleja el grado de incidencia de una acción sobre un factor
determinado, valores mayores son más significativos. Además 𝐶 = 𝐶1 + 𝐶2 y 𝐶1 ∩𝐶2 = ∅ donde ∅ es el conjunto vacío. Sea 𝑈 = {𝑢11, 𝑢12, … , 𝑢𝑚(𝑛−1),𝑢𝑚𝑛} , 𝑢𝑖𝑗 ∈ {−1,1} el vector de interacciones
factor/acción, donde -1 representa que el impacto es negativo o perjudicial y 1 que el impacto es positivo o beneficioso. Las preferencias de cada experto 𝑒𝑘 ∈ 𝐸 sobre el impacto de la acción 𝑎𝑗 ∈ 𝐴 sobre el
factor 𝑓𝑖 ∈ 𝐹 de acuerdo con los criterios 𝑐ℎ ∈ 𝐶 se representan por 𝑥𝑖𝑗ℎ𝑘. Podrían ser
evaluadas utilizando los valores dentro de los dominios pertenecientes a 𝑂 ∈ {𝑁, 𝑉, 𝐿}.
Valores numéricos (N): xijhk = vij
hk ∈ [0,1].
Valores en intervalos (V): xijhk = V([0,1]) = [aij
hk, bijhk] con aij
hk, bijhk ∈ [0,1] y aij
hk <
bijhk .
Valores lingüísticos (S): xijhk = sij
hk ∈ Sk, Sk = {s0k, … , sg
k} siendo g + 1 la
cardinalidad del conjunto de términos lingüísticos Sk empleados por el experto ek.
33
Por lo tanto un experto puede ofrecer sus valoraciones utilizando el dominio en el que se sienta más cómodo. Además, dependiendo de los criterios de selección se podrá emplear un dominio específico de acuerdo con la esencia del criterio.
2.1.2 Obtención de Preferencias
Una vez definido el Marco de Trabajo Heterogéneo, deben ser recogidas las valoraciones de los expertos. Cada experto brinda sus preferencias sobre los criterios definidos 𝐶 = {𝑐1, … , 𝑐ℎ} para los impactos 𝐼𝑓𝑖𝑎𝑗
por medio del vector de valoración
{xij1k, … , xij
hk}, como se muestra en la Tabla 2.1.
Tabla 2.1: Preferencias heterogéneas de los expertos.
Experto Criterio 𝑰𝒇𝟏𝒂𝟏
… 𝑰𝒇𝒎𝒂𝒏
𝒆𝟏 𝑐1 𝑥11
11 … 𝑥𝑚𝑛11
…
…
…
…
𝑐ℎ 𝑥11ℎ1 … 𝑥𝑚𝑛
ℎ1
…
…
…
…
…
𝒆𝟐 𝑐1 𝑥11
1𝑘 … 𝑥𝑚𝑛1𝑘
…
…
…
…
𝑐ℎ 𝑥11ℎ𝑘 … 𝑥𝑚𝑛
ℎ𝑘
2.1.3 Evaluación de Alternativas
En esta fase, se calculan los valores de preferencia colectivos para cada alternativa y se utilizan para obtener una clasificación. Para esto se han desarrollado diferentes enfoques (Zhang and Lu 2003; Herrera, Martínez et al. 2005; Li, Huang et al. 2010). O bien puede unificar la información heterogénea en un dominio de expresión común o tratar con información heterogénea por separado para cada dominio de expresión con el fin de agregar y obtener la evaluación final para cada alternativa (Martínez, Ruan et al. 2009). La elección de uno u otro enfoque se basa en las necesidades de los actores que participan en el proceso de EIIA, que puede estar relacionado con la interpretabilidad, costo de incluir nuevas alternativas, cálculo de los resultados parciales, etc.
Para esta investigación se considera el enfoque de las 2-tuplas para unificar la información heterogénea, presentado por Herrera en (Herrera, Martínez et al. 2005) debido a que sus resultados están cerca de lenguaje humano natural y proporcionan interpretabilidad y comprensibilidad.
La fase de evaluación es el núcleo del enfoque, ya que genera valores de importancias interpretables, que resumen la información heterogénea recolectada. Para lograr este propósito, se siguen los tres pasos que se presentan en la Figura 2.1. En primer lugar la información heterogénea se gestionará con el fin de hacer frente a los conflictos que
34
puedan introducir los criterios de costo/beneficio. En segundo lugar, la información es unificada en un formato común, siguiendo el procedimiento descrito en la sección Unificación de Valores, para facilitar la agregación escalonada de las preferencias, con el fin de obtener los valores de importancia lingüística. Finalmente, estos resultados serán evaluados para obtener un orden para las alternativas.
2.1.3.1 Gestión de conflictos de criterios de costo/beneficio
Este paso consiste en analizar los conflictos de los criterios de costo/beneficio, de tal
manera que a partir de las preferencias que se reunieron 𝑥𝑖𝑗ℎ𝑘 se obtendrán las
preferencias normalizadas ��𝑖𝑗ℎ𝑘 (ver Tabla 2.2) utilizando las ecuaciones definidas a
continuación:
Valores numéricos, para 𝑥𝑖𝑗ℎ𝑘 ∈ [0,1]:
𝑥𝑖𝑗ℎ𝑘/𝑦𝑖 si 𝑐ℎ ∈ 𝐶1 (1)
��𝑖𝑗ℎ𝑘 = 1 − 𝑥𝑖𝑗
ℎ𝑘/𝑦𝑖 si 𝑐ℎ ∈ 𝐶2
donde, 𝑦𝑖 = max{ 𝑥𝑖𝑗ℎ1, … , 𝑥𝑖𝑗
ℎ𝑘} .
Valores en intervalos, para 𝑥𝑖𝑗ℎ𝑘 ∈ 𝑉([0,1]):
[ 𝑎𝑖𝑗ℎ𝑘/𝑦𝑖, 𝑏𝑖𝑗
ℎ𝑘/𝑦𝑖] si 𝑐ℎ ∈ 𝐶1 (2)
��𝑖𝑗ℎ𝑘 = [1 − 𝑏𝑖𝑗
ℎ𝑘/𝑦𝑖, 1 − 𝑎𝑖𝑗ℎ𝑘/𝑦𝑖] si 𝑐ℎ ∈ 𝐶2
donde, 𝑦𝑖 = max{𝑏𝑖𝑗ℎ1, … , 𝑥𝑖𝑗
ℎ𝑘}
Valores lingüísticos, para 𝑥𝑖𝑗ℎ𝑘 ∈ 𝑆:
𝑠𝑖𝑗ℎ𝑘 si 𝑐ℎ ∈ 𝐶1 (3)
��𝑖𝑗ℎ𝑘 = 𝑁𝑒𝑔(𝑠𝑖𝑗
ℎ𝑘) si 𝑐ℎ ∈ 𝐶1
donde Neg es el operador de negación (Herrera and Martínez 2000), de tal manera que 𝑁𝑒𝑔(𝑠𝑖) = 𝑠𝑔−𝑖.
2.1.3.2 Unificación de valores
El enfoque 2-tupla para tratar la información heterogénea.
El enfoque 2-tupla para tratar la información heterogénea (Herrera, Martínez et al. 2005) se basa en la unificación de la información por medio de conjuntos difusos, en un conjunto de términos lingüísticos que después se transforman en 2-tuplas lingüísticas.
35
El proceso de resolución propuesto por Herrera y otros autores en (Herrera, Martínez et al. 2005) está compuesto por los siguientes pasos:
1) Elección del conjunto básico de términos lingüísticos (del inglés: BLTS) S ={s0, s1, … , sg}: El BLTS debe tener la granularidad máxima para mantener el
grado de incertidumbre asociada a cada experto, así como la capacidad de discriminación para expresar los valores de preferencia. Para lograr ambos propósitos, se consideran dos posibilidades: a) Si solo hay un conjunto de términos lingüísticos con granularidad máxima,
este será el BLTS. b) Si hay dos o más conjuntos de términos lingüísticos con la misma
granularidad entonces la máxima granularidad se define como sigue: i) Si todos los conjuntos de términos lingüísticos tienen la misma
semántica, entonces el BTLS es cualquiera de ellos. ii) Si los conjuntos de términos lingüísticos tienen diferentes semánticas,
entonces el BLTS estará dado por el conjunto con mayor número de términos que no debe superar el número máximo que una persona es capaz de discriminar (hasta 13 de acuerdo con (Miller 1956)).
2) Trasformación en conjuntos difusos: Transformar cada valor en un conjunto
difuso sobre S mediante una de las siguientes funciones de transformación:
Para x ϵ [0,1] , la función de transformación numérica TNS :[0,1] → F(S) se
define como:
TNS(x) = ∑ ��𝑖/𝜆𝑖𝑔𝑖=1 , (4)
donde 𝜆𝑖 = 𝜇siϵ [0,1] es el grado de pertenencia de x a ��𝑖ϵ �� :
0, 𝑠𝑖 x ∋ 𝑆𝑢𝑝𝑝𝑜𝑟𝑡 ( 𝜇𝑠𝑖 (𝑥))
x− 𝑎𝑖
𝑏𝑖− 𝑎𝑖, 𝑠𝑖 𝑎 𝑖 ≤ x ≤ 𝑏𝑖
𝜇si(x) = 1, 𝑠𝑖 𝑏𝑖 ≤ x ≤ 𝑑𝑖 (5)
𝑐𝑖− x
𝑐𝑖− 𝑑𝑖, 𝑠𝑖 𝑑𝑖 ≤ x ≤ 𝑐𝑖
Para x ϵ V([0,1]), la función de trasformación en intervalos TVS :V([0,1]) →
F(S) se define como:
TVS(x) = ∑ ��𝑖/𝜆𝑖𝑔𝑖=1 , (6)
donde𝜆𝑖 = 𝑚𝑎𝑥𝑦 min {𝜇𝐼(𝑦), 𝜇sj(𝑦)} , 𝑦 ∈ [0,1] y:
36
0 si y<a
𝜇𝐼(𝑦) = 1 si 𝑎 ≤ y≤ b (7)
0 si y>b
Para x ϵ S con S = {𝑠𝑗, 𝑗 = 1, … , ℎ} y h ≤ 𝑔, la función de trasformación
TSS:V([0,1]) → F(S) lingüística se define como:
TSS(x) = ∑ ��𝑖/𝜆𝑖𝑔𝑖=1 , (8)
donde λi = maxy min {μI(y), μsj(y)}.
3) Transformación en 2-tuplas lingüísticas: Finalmente se transforman los
conjuntos difusos en 2-tuplas lingüísticas sobre el BLTS utilizando la función
X: F(S) → S como se define a continuación.
𝑋(𝜆0,𝜆1, … , 𝜆𝑔) =∑ 𝑗
𝑔𝑗=0 𝜆𝑗
∑ 𝜆𝑗𝑔𝑗=0
(9)
Resumiendo, las preferencias heterogéneas x normalizadas, son unificadas en las 2-tuplas lingüísticas como sigue:
𝑋(TNS (x)) si x ∈ 𝑁
x = X(TVS (x)) si x ∈ 𝑉 (10)
𝑋(TSS(x)) si x ∈ 𝑆
Después de aplicar (10), se obtienen los valores de las 2-tuplas lingüísticas (sp, 𝛼𝑝) 𝑖𝑗ℎ𝑘
(ver Tabla 2.3).
Tabla 2.2: Preferencias heterogéneas normalizadas.
Experto Criterio 𝑰𝒇𝟏𝒂𝟏
… 𝑰𝒇𝒎𝒂𝒏
𝒆𝟏 𝑐1 ��11
11 … ��𝑚𝑛11
…
…
…
…
𝑐ℎ ��11ℎ1 … ��𝑚𝑛
ℎ1
…
…
…
…
…
𝒆𝟐 𝑐1 ��11
1𝑘 … ��𝑚𝑛1𝑘
…
…
…
…
𝑐ℎ ��11ℎ𝑘 … ��𝑚𝑛
ℎ𝑘
37
Tabla 2.3: Unificación de preferencias.
Experto Criterio 𝑰𝒇𝟏𝒂𝟏
… 𝑰𝒇𝒎𝒂𝒏
𝒆𝟏 𝑐1 (𝑠𝑝, 𝛼𝑝)11
11 … (𝑠𝑝, 𝛼𝑝) 𝑚𝑛11
…
…
…
…
𝑐ℎ (𝑠𝑝, 𝛼𝑝)11ℎ1 … (𝑠𝑝, 𝛼𝑝)𝑚𝑛
ℎ1
…
…
…
…
…
𝒆𝟐 𝑐1 (𝑠𝑝, 𝛼𝑝)11
1𝑘 … (𝑠𝑝, 𝛼𝑝)𝑚𝑛1𝑘
…
…
…
…
𝑐ℎ (𝑠𝑝, 𝛼𝑝)11ℎ𝑘 … (𝑠𝑝, 𝛼𝑝)𝑚𝑛
ℎ𝑘
2.1.3.3 Agregación de Valores
En este paso se usan operadores de agregación definidos en el modelo computacional de 2-tupla lingüísticas (Herrera and Martínez 2000).
Operador de agregación de 2-tupla: La agregación de información consiste en obtener un valor que resuma un conjunto de valores. En la literatura, se pueden encontrar numerosos operadores de agregación que permiten combinar la información de acuerdo a distintos criterios. Cualquiera de estos operadores puede ser fácilmente
extendido para trabajar con 2-tuplas usando funciones ∆ y ∆−1 , que transforman
valores numéricos β en 2-tupla y viceversa sin pérdida de información.
Algunos ejemplos de estos operadores son los siguientes (López 1999):
Definición 4. Siendo X = {(s1, α1) , … , (sn, αn) } un conjunto de varias 2-tuplas
lingüísticas, la 2-tupla que simboliza la media aritmética extendida, 𝛷, se calcula de la siguiente forma:
𝛷[(r1, α1) , … , (rn, αn)] = ∆ (∑1
nni=1 ∆−1(r1, α1)) = ∆ (∑
1
nni=1 β) (11)
Definición 5. Siendo X = {(r1, α1) , … , (rn, αn) } un conjunto de varias 2-tuplas
lingüísticas y W = (w1, … , wn ) un vector numérico con los pesos asociados a cada 2-
tupla. La media ponderada extendida ƍ se define como:
ƍ = ∆ (∑ ∆−1(ri,αi) .wi
ni=1
∑ wini=1
) = ∆ (∑ β.wi
ni=1
∑ wini=1
) (12)
Después de unificar las valoraciones individuales de los expertos en las 2-tuplas lingüísticas, es necesario realizar cálculos para generar primeramente los valores de preferencia colectiva, luego la Importancia de Impacto y por último la importancia de
38
cada factor y cada acción de forma individual, así como la de la importancia global de proyecto. A continuación se explica cómo realizar esta fase:
i. Cálculo de valores de preferencia colectivos. La evaluación de los expertos sobre cada criterio, para el impacto causado por cada acción sobre cada factor, es un valor lingüístico 2-tupla (ver Tabla 2.4)
denotado como (sp, 𝛼𝑝)𝑖𝑗ℎ y es calculado con el operador de las 2-tuplas, media
aritmética:
(sq, 𝛼𝑞)𝑖𝑗ℎ = 𝛷 ((𝑠𝑝, 𝛼𝑝)𝑖𝑗
ℎ1, … , (𝑠𝑝, 𝛼𝑝)
𝑖𝑗
ℎ1)
Tabla 2.4: Valores de preferencia colectiva.
Criterio 𝑰𝒇𝟏𝒂𝟏
… 𝑰𝒇𝒎𝒂𝒏
𝒄𝟏 (𝑠𝑝, 𝛼𝑝)11
1 … (𝑠𝑝, 𝛼𝑝)𝑚𝑛1
…
…
…
…
𝒄𝒉 (𝑠𝑝, 𝛼𝑝)11
ℎ … (𝑠𝑝, 𝛼𝑝)𝑚𝑛ℎ
ii. Cálculo de importancia de impacto.
Después de tener el valor colectivo para cada criterio de evaluación, utilizando
el operador de las 2-tuplas, media ponderada, con 𝑊𝑓, se calcula la importancia para cada impacto (sr, ∝r), como se define a continuación:
(sr,αr)ij = ƍ((sr,αr)1
ij , … , (sr,αr)2
ij )
iii. Ajuste de importancia. Este paso permite manejar a los impactos positivos y negativos. Teniendo en cuenta que un valor lingüístico (sr, ∝r)ij no comprende en sí mismo si el impacto
será beneficio o perjudicial. Es necesario ajustar la importancia según su naturaleza, con el fin de especificar si un impacto Ifiaj
tiene un carácter negativo
o positivo. Se llama a este procedimiento “Ajuste de Importancia”. Al analizar la naturaleza de un impacto, lógicamente surge la idea de dos nuevos valores (Conesa 1997; Blanco, Delgado et al. 2009) (uno positivo y otro negativo) a partir de los valores de importancia de impacto originales. Eso significa que se pueden enfrentar los impactos con la misma extensión, intensidad y persistencia, pero con signo contrario, para ello se requiere una posición diferente para hacer frente a este tipo de impactos. En el contexto lingüístico, implica ampliar el universo del discurso para representar valores importancia lingüísticas positivas y negativas, de tal manera que del conjunto inicial términos (del inglés: BLTS) se obtiene un nuevo conjunto con más términos y mayor granularidad. Para representar este hecho, se propone proceder en forma similar al proceso de construcción de Jerarquía Lingüística (LH) (Herrera and Martínez 2001). Para resolver este problema, deben ser generado dos niveles de LH, con:
39
a) BLTS de nivel 1. b) El nuevo Conjunto de Términos Lingüísticos Ajustado (del inglés: ALTS)
generado siguiendo la Regla 2 (Herrera and Martínez 2001) como se puede ver en la Figura 2.2.
Figura 2.2: Procedimiento de ajuste de importancia.
Una vez que se tienen los ALTS en el nivel 2, para generar su semántica se
define la función de transformación ϑ que implica la naturaleza U.
Definición 6. Sea LH = ⋃ l(t, n(t))t
cuyos conjuntos de términos son:
𝑙(1, 𝑛(𝑡) BLTS
𝑙(2,2 ∗ 𝑛(𝑡) −1) ALTS Considerando la representación lingüística 2-tupla, la función de transformación de BLTS a ALTS, satisfaciendo las reglas básicas jerarquía lingüísticas, y de acuerdo con la naturaleza U = {u11, u12, … , um(n−1), umn} es definido como:
𝜗: 𝑙(1, 𝑛(𝑡) → 𝑙(2,2 ∗ 𝑛(𝑡) −1)
∆−1 (∆(𝑠𝑖, 𝛼) +𝑔−1
2) si u= 1
𝜗((𝑠𝑖, 𝛼)) = (13)
∆−1 (𝑔−1
2− ∆(𝑠𝑖, 𝛼)) si u= −1
La Figura 2.3 muestra un ejemplo de cómo emplear la función de ajuste ϑ. Finalmente se puede ajustar cada valor (sr,αr)ij a través de:
(𝑠𝑡,𝛼𝑡)𝑖𝑗 = 𝜗((𝑠𝑖, 𝛼𝑟)𝑖𝑗 )
40
Figura 2.3: Ejemplo de aplicación de la función de ajuste 𝝑.
iv. Cálculo de la importancia final del proyecto. Utilizando nuevamente los operadores de agregación de las 2-tupla se pueden generar los siguientes indicadores: Importancia del factor: Representa la importancia de un factor ambiental debido a los impactos causados por todas las acciones que interactúan con él, por lo que se obtiene a través de la agregación de los valores de importancia ajustados de los impactos sobre cada factor. (sz, αz)i = 𝛷((st, αt)i1, … , (st, αt)in) (14) Importancia de la acción: Representa la importancia de los impactos causados por una acción sobre los factores ambientales, por lo que se obtiene mediante la agregación de valores de importancia ajustados de todos los impactos causados por esta acción. (sy, αy)j = 𝛷((st, αt)1j, … , (st, αt)mj) (15)
Importancia ponderada de la acción: Representa la importancia de los impactos causados por una acción sobre los factores ambientales, teniendo en cuenta también la importancia de cada factor afectado, por lo que se obtiene mediante una agregación ponderada de los valores de importancia de los impactos ajustados causados por esta acción, utilizando la ponderación del vector 𝑊𝑓 , que permite obtener valores de
importancia inferiores para las acciones más agresivas que afectan los factores más importantes.
(sf, αf)j = ƍ((st, αt)1, … , (st, αt)n) (16)
Importancia global del proyecto: Representa el significado general de los impactos causados por todas las acciones sobre todos los factores, es decir, el total de los efectos posibles que el ambiente experimentará causados por el proyecto. (sg, αg) = 𝛷((st, αt)11, … , (st, αt)mn) (17)
Los valores obtenidos en las etapas (ii) a (iv) pueden resumirse como se muestra en la Tabla 2.5.
Naturaleza (-) Naturaleza (+)
41
Tabla 2.5: Valores de importancia final.
Factor/Acción 𝒂𝟏 … 𝒂𝒏 Importancia
𝒇𝟏 (𝑠𝑡, 𝛼𝑡)11 … (𝑠𝑡, 𝛼𝑡)1𝑛 (𝑠𝑧, 𝛼𝑧)1
… …
…
…
…
…
𝒇𝒎 (𝑠𝑡, 𝛼𝑡)𝑚1 … (𝑠𝑡, 𝛼𝑡)𝑚𝑛 (𝑠𝑧, 𝛼𝑧)𝑚
Importancia (𝑠𝑦, 𝛼𝑦)1 … (𝑠𝑦, 𝛼𝑦)𝑛
(𝑠𝑔, 𝛼𝑔)
Importancia Ponderada
(𝑠𝑓 , 𝛼𝑓)1 … (𝑠𝑓 , 𝛼𝑓)𝑛
La Figura 2.4 muestra de forma resumida los pasos de la fase de Agregación de Valores explicados anteriormente.
Figura 2.4: Fase de Agregación de Valores
2.1.3.4 Explotación
Para concluir, se pueden clasificar a los impactos, las acciones y los factores de acuerdo a sus valores de Importancia de Impacto. Para ello se utiliza el operador de comparación de 2-tuplas definido en su modelo computacional (López 1999).
Operador de comparación de 2-tupla: La comparación de información lingüística representada por medio de 2-tuplas, se realiza de acuerdo a un orden lexicográfico. Se consideran dos 2-tuplas (sx, α1) y (sr, α2) que representan cantidades de información:
42
Si x < r, entonces (sx, α1) es menor que (sr, α2) . Si x = r, entonces:
a) Si α1 = α2, entonces (sx, α1) y (sr, α2) representan la misma información.
b) Si α1<α2, entonces (sx, α1) es menor que (sr, α2). c) Si α1>α2, entonces (sx, α1) es mayor que (sx, α1).
En el caso de los valores finales de importancia ya ajustados, cuanto más grandes mejor, los factores más afectados y las acciones más agresivas tienen valores importancias inferiores. También se pueden ordenar las diferentes alternativas para el mismo proyecto con los valores de importancia global.
Conclusiones parciales
La EIIA es un procedimiento crítico en el que se evalúa la importancia de los efectos inducidos por las acciones humanas sobre los factores ambientales. Los métodos tradicionales no son eficientes en el manejo de la heterogeneidad y la incertidumbre de EIIA por lo tanto, en este trabajo se ha propuesto un enfoque nobel de EIIA basado en modelos lingüísticos difusos para la Evaluación Simplificada de Impacto. Al utilizar el Modelo de Representación de 2-tuplas Lingüísticas y su enfoque extendido para hacer frente a la información heterogénea, permite un marco de trabajo flexible en el que los expertos pueden ofrecer a sus preferencias a través de diferentes dominios, de acuerdo con su experiencia y conocimientos, así como la incertidumbre y el carácter de cada criterio. La propuesta también comprende los procesos CWW que permiten obtener resultados más interpretables, primeramente unificando las evaluaciones heterogéneas en conjuntos de términos lingüísticos de 2-tuplas y después aplicando un proceso de agregación precisa que hace posible generar la importancia de cada impacto, así como la importancia de los factores y acciones junto con la importancia global del proyecto.
43
CAPÍTULO III. APLICACIÓN DEL MODELO HETEROGÉNEO DE EIIA BASADO EN ENFOQUE COMPUTACIONAL LINGÜÍSTICO DIFUSO
En esta sección, se ilustra el funcionamiento del nuevo modelo de EIIA mediante su aplicación en el proyecto de evaluación a la Reconversión Tecnológica de la Planta de Cloro-Sosa de Sagua la Grande (perteneciente a la Electroquímica de Sagua), presentado en el Informe de Evaluación Ambiental correspondiente, por los especialistas del CEQA. Esta evaluación ambiental fue realizada haciendo uso de la metodología propuesta por Conesa y será utilizada como punto de comparación para los resultados que se obtendrán a partir de la aplicación del nuevo modelo propuesto. Además se presentará el prototipo de software del modelo heterogéneo para la determinación de Importancia de Impacto Ambiental basado en el Enfoque Lingüístico Difuso.
3.1. Resultados de Evaluación Impacto Ambiental a la Empresa Electroquímica de Sagua
La Empresa Electroquímica de Sagua del Ministerio de la Industria (MINDUS) con el apoyo financiero del ALBA se propone realizar la inversión del proyecto “Reconversión Tecnológica Planta de Cloro Sosa” en el municipio de Sagua La Grande, el cual tiene como objetivos:
Garantizar el suministro de cloro y sus derivados a sectores sensibles de la economía del país, en un escenario donde la planta presenta restricciones en el mercado internacional en el suministro de mercurio y materiales auxiliares para su uso y en el tratamiento de residuales generados por el mismo, conllevando un incremento significativo en el precio de ellos.
Sustituir de forma total la planta actual con la tecnología de mercurio con más de 30 años de explotación, eliminando así los riesgos de contaminación por mercurio al medio ambiente y la salud humana, adquiriendo una planta con tecnología de membrana.
Disminuir los costos de producción actuales, al eliminar los elevados gastos en el tratamiento y confinación de residuales, monitoreo ambiental, mantenimiento y recambio de equipos tecnológicos y estructuras civiles.
Disminuir el consumo energético en el proceso productivo en aproximadamente un 30% en comparación con la actual tecnología que representa un ahorro de 12 GWh/año.
Para la identificación y evaluación de impactos potenciales del proyecto, el grupo de trabajo evaluador, analizó los principales elementos de la información obtenida relacionada con las características del proyecto y el estado del medio ambiente.
Acerca de las características del proyecto, los expertos realizaron un análisis de los objetivos y justificación económica del mismo, así como otros aspectos que incluyen magnitud de la obra en términos económicos, descripción de las etapas del proyecto, materia prima, características, recursos naturales a utilizar, productos finales, aguas residuales y tratamiento de las mismas, descripción del proceso tecnológico, señalando etapas del proceso, equipamiento, capacidades, entre otros.
44
Respecto al estado del medio ambiente se analizaron criterios relacionados con geología, geomorfología, tipo de suelo, características de las aguas superficiales y subterráneas, descripción del clima, niveles de contaminación de las aguas y del aire, características del paisaje, vegetación y fauna. Se informaron igualmente las características fundamentales de la comunidad estudiada, así como las impresiones recibidas por el grupo evaluador en sus encuestas y contactos con la población y Dirección Política Administrativa del Consejo Popular respecto a las expectativas del proyecto.
La evaluación se realizó tomando como herramienta la Guía Metodológica de Evaluación de Impactos Ambientales de Conesa.
Obtenida toda esta información, fueron identificadas las tres fases del proyecto que se corresponden con, construcción, funcionamiento y cierre de la planta. Para este estudio será analizada la evaluación realizada en la fase de construcción.
Fueron identificadas por parte de los expertos las siguientes acciones impactantes:
𝑎1 Desbroce y movimiento de tierra.
𝑎2 Pavimentación y recubrimiento de superficies.
𝑎3 Emisión de gases y polvo.
𝑎4 Emisión de residuos sólidos.
𝑎5 Trasiego de vehículos.
𝑎6 Transporte de materiales y maquinarias.
𝑎7 Presencia de personal ajeno.
𝑎8 Construcción y ampliación de redes eléctricas.
𝑎9 Emisión de ruido.
𝑎10 Construcción de canales para evitar inundaciones.
Y los siguientes factores del entorno susceptibles a recibir impactos:
𝑓1 Aire.
𝑓2 Suelo y subsuelo.
𝑓3 Flora.
𝑓4 Fauna.
𝑓5 Medio perceptual.
𝑓6 Uso del territorio.
𝑓7 Economía del territorio.
𝑓8 Población.
Una vez identificados los impactos para cada interacción acción/factor, y calculada la importancia de impacto ambiental se obtuvo la siguiente Matriz de Importancia de Impacto depurada, para la fase de construcción:
45
air
e (
F1
)
su
elo
y s
ub
su
elo
(F
2)
fl
ora
(F
3)
fa
un
a (
F4
)
m
ed
io p
erc
ep
tua
l (F
5)
u
so
del
terr
ito
rio
(F
6)
eco
no
mía
del
terr
ito
rio
(F
7)
p
ob
lació
n (
F8
)
Im
po
rtan
cia
Ab
so
luta
Im
po
rtan
cia
Rela
tiva
Desbroce y movimiento de tierra (AC1) -26 -37 -19 -17 -31 -29 -33 0 -192 -19.95
Pavimentación y recubrimiento de superficies (AC2) 0 -37 -17 0 30 33 -30 22 1 -0.975
Emisión de gases y polvos (AC3) -32 0 -17 -22 -19 -30 0 -29 -149 -13.925
Emisión de residuos sólidos (AC4) 0 -39 -20 -19 -33 -27 -27 0 -165 -16.875
Trasiego de vehículos (AC5) -30 -25 -17 -22 -25 -29 -27 -26 -201 -20.475
Transporte de materiales y maquinarias (AC6) -31 -32 -17 -22 -21 -26 -27 -32 -208 -21.175
Presencia de personal ajeno (AC7) 0 0 -17 -17 0 -25 -21 -31 -111 -11.3
Construcción y ampliación de redes eléctricas (AC8) 0 -16 -17 -23 -19 -19 -24 0 -118 -12
Emisión de ruido (AC9) 0 0 0 -23 -18 -19 0 -29 -89 -8.325
Construcción de canales para evitar inundaciones (AC10) -20 -34 -22 -20 -21 -23 -27 31 -136 -17.9
Unidades de Importancia 120 120 75 75 120 120 250 120 1000
Importancia Absoluta -139 -220 -163 -185 -157 -194 -243 -94 -1435
Importancia Relativa -13.9 -22 -12.23 -13.9 -15.7 -19.4 -36.5 -9.4 -146.95
Figura 3.1: Matriz de Importancia de Impacto de la fase de construcción.
A continuación se muestra una leyenda para la mejor comprensión de los resultados, en correspondencia con lo establecido por Conesa en su metodología.
Análisis de resultados de la matriz de la Fase constructiva.
Aire (𝐟𝟏)
Acciones Impactantes
Factores Impactados
46
Varias acciones constructivas pueden producir afectaciones negativas moderadas en la atmósfera, producto de la emisión de sustancias que alteran la calidad del aire, como
son: la emisión de gases y polvo (𝑎3), el trasiego de vehículos (𝑎5) que provoca la emisión de gases de combustión y ruido; el desbroce y movimiento de tierra (𝑎1) y el
transporte de materiales y maquinarias (𝑎6) que afectan de forma moderada debido a que todas ellas se revertirán una vez que concluya la fase constructiva.
No obstante estas acciones se consideran de baja intensidad, extensión parcial con persistencia temporal y reversibilidad a corto plazo dadas las siguientes consideraciones:
- El área del movimiento de tierra es pequeña, solo de 30 000 m2. - Los vehículos y equipos utilizados en la construcción no son de gran peso y
magnitud. - El cronograma tentativo de ejecución propuesto por la firma de ingeniería para
la obra es a mediano plazo (24 meses) con cinco meses de movimiento de tierra.
- Se utilizarán emplazamientos pertenecientes a la planta actual de cloro y sosa, lo cual disminuye los trabajos de cimentación relacionados con el almacenamiento de productos.
Suelo y subsuelo (𝐟𝟐)
El impacto se refiere a las modificaciones inevitables para la construcción de los objetos de obra relacionados con la futura instalación, influyendo de forma moderada
las acciones de desbroce y movimiento de tierra (𝑎1) se considera la intensidad de media a alta y extensión parcial, la emisión de residuos sólidos (𝑎4) específicamente residuos de la construcción, las acciones de pavimentación y recubrimiento de superficies (𝑎2), trasiego de vehículos (𝑎5), transporte de materiales y maquinarias (𝑎6)
y la construcción. La ampliación de redes eléctricas (𝑎8) impacta de forma irrelevante.
También afecta de manera negativa con importancia moderada la construcción de
canales para evitar posibles inundaciones (𝑎10).
Estas acciones podrán afectar las características del suelo de una manera temporal y puntual directa y de manera irreversible.
Flora (𝐟𝟑) y Fauna (𝐟𝟒)
Los efectos de la etapa constructiva sobre la flora y la fauna son negativos e irrelevantes, se debe señalar que la magnitud del impacto no es significativa pues el área de afectación es pequeña (30 000 m2). No existe flora ni fauna en la región reportada como especie rara o en peligro de extinción, predominando el marabú en el área donde se ubicará la obra.
Medio Perceptual (𝐟𝟓)
El paisaje se encuentra impactado por la actividad del hombre, no existiendo valores paisajísticos naturales que puedan ser afectados por la etapa constructiva, no obstante toda actividad constructiva produce impactos negativos de carácter moderado sobre
47
elementos que afectan el paisaje como el desbroce y movimiento de tierra (𝑎1), la
emisión de residuos sólidos (𝑎4) y el trasiego de vehículos (𝑎5), las demás acciones influyen pero de forma irrelevante aunque al final la Importancia Absoluta del impacto alcanza uno de los mayores valores dada por la gran cantidad de factores que influyen sobre el mismo.
Por otra parte, cabe esperar que al finalizar el proceso constructivo el paisaje alcance valores positivos incorporados a la acción del proyecto en cuanto a pavimentación y recubrimientos de superficies ( 𝑎2 ) de forma permanente durante un largo plazo, logrando una armonía dadas las características arquitectónicas de las instalaciones del proyecto.
Uso del territorio (𝐟𝟔)
Se consideran impactos negativos de efecto moderado, las acciones, emisión de gases y polvos (𝑎3) debido al efecto que puede producir sobre las poblaciones aledañas, la
emisión de residuos sólidos (𝑎4) debido a los problemas de estética causados por los residuos de desbroce y construcción ( 𝑎1 ), el trasiego de vehículos ( 𝑎5 ) que se incrementa sobre los niveles normales pudiendo afectar las vías de acceso, de igual forma afecta la acción transporte de materiales y maquinarias (𝑎6), la presencia de personal ajeno (𝑎7) debido a que las personas contratadas en la etapa constructiva pueden alterar las condiciones de vida de comunidades cercanas y la emisión de ruido (𝑎8) debido al uso de equipos y maquinarias propios de esta actividad. En general aunque todas las acciones anteriores impactan negativamente, su valor está atenuado por la consideración de que aportan un beneficio cualitativo del uso del territorio debido a que la misma implica el cese de una acción contaminante relacionada con la tecnología actual. Existe un efecto positivo debido a que la dirección del país asignó un presupuesto para una nueva inversión en el territorio y a la pavimentación y
recubrimiento de superficie (𝑎2).
Economía del territorio (𝐟𝟕)
En esta etapa constructiva es necesario el gasto de recursos financieros en las acciones de desbroce y movimiento de tierra (𝑎1), la pavimentación y recubrimiento de
superficie (𝑎2), el tratamiento y disposición final de los residuos sólidos (𝑎4) debido a que está concebido su traslado a sitios de disposición autorizados como aparece en las
memorias del proyecto constructivo, el trasiego de vehículos ( 𝑎5 ), transporte de materiales maquinarias (𝑎6) y la construcción y ampliación de redes eléctricas (𝑎8), los beneficios integrales de la inversión se obtendrán posteriores a esta fase constructiva. La economía del territorio se ve beneficiada por la asignación de recursos financieros para la nueva inversión y las obras inducidas relacionadas con la misma.
Población (𝐟𝟖)
Impactan negativamente de forma moderada la presencia de personal ajeno (𝑎7 ),
emisión de ruido (𝑎9) y la emisión de gases y polvos (𝑎3) específicamente sobre las comunidades cercanas, las magnitudes de los impactos son moderados, así como habrá mayor riesgo de accidentes por el aumento de la circulación vial por lo que se
considera como acciones negativas el trasiego de vehículos (𝑎5) y el transporte de
48
materiales y maquinarias pesadas (𝑎6) por la posible obstaculización de los sistemas normales de trasporte. Impacta de forma positiva la rehabilitación y construcción de vías de acceso a la planta (𝑎2).
En el caso de (𝑎10) la construcción de canales favorecerá a la población evitando inundaciones frecuentes que ocurren en la actualidad.
Resumen de la fase constructiva
En la etapa constructiva existen varias acciones que impactan los factores del medio ambiente, se ha considerado que los mismos tienen un carácter moderado debido a una intensidad media y una extensión parcial concentrada fundamentalmente en el área del proyecto.
Los factores más impactados de forma negativa son el suelo y el subsuelo, la economía y el uso del territorio. Le siguen por orden de importancia relativa el aire y el medio perceptual.
Las acciones más impactantes son: trasiego de vehículos, el transporte de materiales y maquinarias y la generación de residuos sólidos.
En esta fase la pavimentación de superficies impacta de forma positiva al territorio y a la población.
3.2 Aplicación del Nuevo Modelo Heterogéneo de EIIA basado en el Enfoque Lingüístico Difuso
3.2.1 Marco de Trabajo Heterogéneo
Acciones: Se corresponden con las acciones identificadas en el epígrafe anterior.
Factores medioambientales: Se corresponden con factores identificados en el epígrafe anterior.
Los criterios a usar son los definidos por la metodología de Conesa reflejados en la Tabla 3.1.
Tabla 3.1: Criterios propuestos por Conesa
Criterio Nombre Descripción
𝒄𝟏 Intensidad Efecto de acción sobre factor.
𝒄𝟐 Extensión Área de influencia teórica del impacto en relación con el entorno del proyecto.
𝒄𝟑 Momento Tiempo que trascurre entre la aparición de la acción y el comienzo del efecto sobre el factor del medio considerado.
𝒄𝟒 Persistencia Tiempo en que, supuestamente, permanecería el efecto desde su aparición.
𝒄𝟓 Reversibilidad Posibilidad de reconstruir el factor afectado por el
49
proyecto.
𝒄𝟔 Sinergia Reforzamiento de dos o más efectos simples.
𝒄𝟕 Acumulación Incremento progresivo de la manifestación de efecto.
𝒄𝟖 Efecto Relación causa efecto, es decir la forma de manifestación del efecto sobre el factor, como consecuencia de una acción.
𝒄𝟗 Recuperabilidad Posibilidad de reconstrucción, total o parcial.
𝒄𝟏𝟎 Periodicidad Regularidad de manifestación del efecto.
En este caso participan 3 expertos 𝑒1, 𝑒2, 𝑒3 que brindarán sus valoraciones usando valores lingüísticos y numéricos.
Los criterios 𝑐1, 𝑐2, y 𝑐9 son evaluados en un conjunto lingüístico de términos
lingüísticos de 5 términos 𝑆5, simétricamente y uniformemente distribuidos con la sintaxis representada en la Figura 3.2.
Figura 3.2: Conjunto de términos lingüísticos 𝑺𝟓.
Los criterios 𝑐6, 𝑐7,𝑐8 y 𝑐10 son evaluados en un conjunto lingüístico de términos
lingüísticos de 3 términos 𝑆3, simétricamente y uniformemente distribuidos con la sintaxis representada en la Figura 3.3.
Figura 3.3: Conjunto de términos lingüístico 𝑺𝟑.
Los criterios c3, c4, y c5 se evalúan en números reales que representan años.
50
Son considerados todos los impactos identificados en el caso de estudio original, para un total de 64, de ellos solo 4 positivos o beneficiosos. A continuación se reflejan los pesos de los criterios y los factores, además de la naturaleza de cada impacto:
𝑊𝑓 = {0.12, 0.12,0.075, 0.075, 0.12, 0.12, 0.25, 0.12}
𝑊𝑐 = {0.36, 0.24, 0.08, 0.04, 0.04 0.04, 0.04, 0.04, 0.08, 0.04}
𝑈 = {−1, , −1, , −1, −1, , , , −1, −1, −1, , −1, −1, −1, , −1, , −1, , −1, −1, −1, −1, −1, −1, −1,
−1, −1, , −1, −1, , −1, −1, −1, −1, −1, −1, −1, −1, −1,1, −1, −1, −1, −1, , −1, −1, −1, −1,1,
−1, −1, −1, −1, −1, −1, −1, −1, −1, , −1, −1, −1, −1, −1, −1, −1, ,1, −1, , −1, −1, −1, , −1,1}
3.2.2 Obtención de Preferencias
Después de establecido el marco de trabajo, el siguiente paso es la recoger las preferencias heterogéneas de cada uno de los expertos que participan en la evaluación. En la Tabla 3.2 se muestra un fragmento de las valoraciones emitidas, debido a que el gran número de impactos dificulta su presentación íntegra.
Tabla 3.2: Preferencias heterogéneas de los expertos.
Expertos Criterios 𝑰𝒇𝟐𝒂𝟏 𝑰𝒇𝟐𝒂𝟐
𝑰𝒇𝟐𝒂𝟒 𝑰𝒇𝟐𝒂𝟓
𝑰𝒇𝟐𝒂𝟔 𝑰𝒇𝟐𝒂𝟖
𝑰𝒇𝟐𝒂𝟏𝟏
𝑒1
𝑐1 M B M M M MB MB
𝑐2 B B B MB B MB MB
𝑐3 0 0 0 0 2 0 0
𝑐4 12 12 12 2 2 0 0
𝑐5 12 12 12 0 2 0 0
𝑐6 M B M B B M M
𝑐7 B B B B B M M
𝑐8 A A A B A A A
𝑐9 B B M M M M M
𝑐10 B MA M M M MB MB
𝑐1 M B M M M MB MB
51
𝑒2
𝑐2 M B B MB B MB MB
𝑐3 0 0 0 0 2 0 0
𝑐4 12 12 12 2 2 0 0
𝑐5 12 12 12 0 2 0 0
𝑐6 M B M B B M M
𝑐7 B B B B B M M
𝑐8 A A A B A A A
𝑐9 B B M M M M M
𝑐10 M MA M M M MB MB
𝑒3
𝑐1 B M M B M MB MB
𝑐2 M M B B B MB MB
𝑐3 0 0 0 0 2 0 0
𝑐4 12 12 12 2 2 0 0
𝑐5 12 12 12 0 2 0 0
𝑐6 M B M B B M M
𝑐7 B B B B B M M
𝑐8 A A A B A A A
𝑐9 M B M M M M M
𝑐10 B MA M M M MB MB
52
3.2.3 Clasificación de Alternativas
3.2.3.1 Gestión de conflictos de criterios de costo/beneficio
Como se estableció en el marco de trabajo heterogéneo, los criterios 𝑐3 y 𝑐9 son criterios de costo. En el siguiente ejemplo se muestra como se realiza la normalización de valoraciones lingüísticas y numéricas respectivamente.
��2121 = 𝑁𝑒𝑔(𝐵) = 𝑁𝑒𝑔(𝑠0) = 𝑠2−0 = 𝐴
��2131 = 1 −
0
5= 1
3.2.3.2 Unificación de valores
Las preferencias heterogéneas provistas por los expertos son primero unificadas a un conjunto difuso y luego a las 2-tuplas con el conjunto términos lingüísticos de cinco
etiquetas, 𝑆5. En la Tabla 3.3 se muestra los valores de 2-tuplas resultantes, los cuales han sido generados de la forma que muestra el ejemplo siguiente:
(𝑠𝑝, 𝛼𝑝)2131 = 𝑋(TNS (��12
41))
(𝑠𝑝, 𝛼𝑝)2131 = 𝑋(TNS (1)) = 𝑋({(𝑠0, 0), (𝑠1, 0), (𝑠2, 0), (𝑠3, 0), (𝑠4, 1)})
= ∆−1(4) = (𝑠4, 0) = (𝑀𝐴, 0)
Tabla 3.3 Valores unificados a las 2-tuplas.
Expertos Criterios 𝑰𝒇𝟐𝒂𝟏 𝑰𝒇𝟐𝒂𝟐
𝑰𝒇𝟐𝒂𝟒 𝑰𝒇𝟐𝒂𝟓
𝑰𝒇𝟐𝒂𝟔 𝑰𝒇𝟐𝒂𝟖
𝑰𝒇𝟐𝒂𝟏𝟏
𝑒1
𝑐1 (M,0) (B,0) (M,0) (M,0) (M,0) (MB,0) (MB,0)
𝑐2 (M,0) (B,0) (B,0) (MB,0) (B,0) (MB,0) (MB,0)
𝑐3 (MA,0) (MA,0) (MA,0) (MA,-0.3) (MA,0) (MA,0) (MA,0)
𝑐4 (MA,0) (MA,0) (MA,0) (B,-0.3) (B,-0.3) (MB,0) (MB,0)
𝑐5 (MA,0) (MA,0) (MA,0) (MB,0) (B,-0.3) (MB,0) (MB,0)
𝑐6 (M,0) (MA,0) (M,0) (MB,0) (M,0) (M,0) (M,0)
𝑐7 (MB,0) (MB,0) (MB,0) (MB,0) (MB,0) (M,0) (MB,0)
𝑐8 (MA,0) (MB,0) (MA,0) (MB,0) (MA,0) (MB,0) (MA,0)
𝑐9 (MB,0) (MA,0) (M,0) (M,0) (M,0) (M,0) (M,0)
53
𝑐10 (B,0) (MA,0) (M,0) (M,0) (MB,0) (MB,0) (A,0)
𝑒2
𝑐1 (M,0) (B,0) (M,0) (M,0) (M,0) (MB,0) (MB,0)
𝑐2 (M,0) (B,0) (B,0) (MB,0) (B,0) (MB,0) (MB,0)
𝑐3 (MA,0) (MA,0) (MA,0) (MA,-0.3) (MA,0) (MA,0) (MA,0)
𝑐4 (MA,0) (MA,0) (MA,0) (B,-0.3) (B,-0.3) (MB,0) (MB,0)
𝑐5 (MA,0) (MA,0) (MA,0) (MB,0) (B,-0.3) (MB,0) (MB,0)
𝑐6 (M,0) (MA,0) (M,0) (MB,0) (M,0) (M,0) (M,0)
𝑐7 (MB,0) (MB,0) (MB,0) (MB,0) (MB,0) (M,0) (MB,0)
𝑐8 (MA,0) (MB,0) (MA,0) (MB,0) (MA,0) (MB,0) (MA,0)
𝑐9 (MB,0) (MA,0) (M,0) (M,0) (M,0) (M,0) (M,0)
𝑐10 (M,0) (MA,0) (M,0) (M,0) (MB,0) (MB,0) (A,0)
𝑒3
𝑐1 (B,0) (M,0) (M,0) (M,0) (M,0) (MB,0) (MB,0)
𝑐2 (M,0) (M,0) (B,0) (B,0) (M,0) (MB,0) (MB,0)
𝑐3 (MA,0) (MA,0) (MA,0) (MA,-0.3) (MA,0) (MA,0) (MA,0)
𝑐4 (MA,0) (MA,0) (MA,0) (B,-0.3) (B,-0.3) (MB,0) (MB,0)
𝑐5 (MA,0) (MA,0) (MA,0) (MB,0) (B,-0.3) (MB,0) (MB,0)
𝑐6 (M,0) (MA,0) (M,0) (MB,0) (M,0) (M,0) (M,0)
𝑐7 (MB,0) (MB,0) (B,0) (MB,0) (MB,0) (M,0) (MB,0)
𝑐8 (MA,0) (MB,0) (A,0) (MB,0) (MA,0) (MB,0) (MA,0)
𝑐9 (MB,0) (MA,0) (M,0) (M,0) (M,0) (M,0) (M,0)
𝑐10 (B,0) (MA,0) (M,0) (M,0) (MB,0) (MB,0) (A,0)
54
3.2.3.3 Agregación de valores
i. Cálculo de valores colectivos
Para calcular los valores de preferencia colectiva para cada impacto se usa la ecuación (11). El resultado son los valores de 2-tupa presentados en la Tabla 3.4, generados como se muestra en el siguiente ejemplo:
(𝑠𝑞 , 𝛼𝑞)211 = ∆ (
∆−1(𝑀, 0) + ∆−1(𝑀, 0) + ∆−1(𝐵, 0)
3) = (𝑀, −0.3)
Tabla 3.4: Valores colectivos de los criterios en las 2-tuplas.
Criterios 𝑰𝒇𝟐𝒂𝟏 𝑰𝒇𝟐𝒂𝟐
𝑰𝒇𝟐𝒂𝟒 𝑰𝒇𝟐𝒂𝟓
𝑰𝒇𝟐𝒂𝟔 𝑰𝒇𝟐𝒂𝟖
𝑰𝒇𝟐𝒂𝟏𝟏
𝑐1 (M,-0.3) (B,0) (M,0) (M,0) (M,0) (MB,0) (M,0)
𝑐2 (M,0) (B,0) (B,0) (MB,0) (B,0) (MB,0) (M,0)
𝑐3 (MA,0) (MA,0) (MA,0) (MA,-0.3) (M,0.4) (MA,0) (MA,0)
𝑐4 (MA,0) (MA,0) (MA,0) (B,-0.3) (B,-0.3) (MB,0) (MB,0)
𝑐5 (MA,0) (MA,0) (MA,0) (MB,0) (B,-0.3) (MB,0) (MB,0)
𝑐6 (M,0) (MB,0) (M,0) (MB,0) (MB,0) (M,0) (M,0)
𝑐7 (MB,0) (MB,0) (B,0) (MB,0) (MB,0) (M,0) (MB,0)
𝑐8 (MA,0) (MA,0) (MA,0) (MB,0) (MA,0) (MA,0) (MA,0)
𝑐9 (B,0) (MB,0) (M,0) (M,0) (M,0) (M,0) (M,0)
𝑐10 (B,0.3) (MA,0) (M,0) (M,0) (M,0) (MB,0) (A,0)
ii. Cálculo de importancia de impacto Para el cálculo de la importancia de cada impacto se agregan los valores colectivos utilizando la ecuación (12), obteniendo los resultados en el conjunto
términos lingüísticos de cinco etiquetas, 𝑆5 como se muestra en la fila (sr, 𝛼𝑟)𝑖𝑗 de la Tabla 3.5.
55
Tabla 3.5: Valores de importancia de impacto.
𝑰𝒇𝟐𝒂𝟏 𝑰𝒇𝟐𝒂𝟐
𝑰𝒇𝟐𝒂𝟒 𝑰𝒇𝟐𝒂𝟓
𝑰𝒇𝟐𝒂𝟔 𝑰𝒇𝟐𝒂𝟖
𝑰𝒇𝟐𝒂𝟏𝟏
(sr, 𝛼𝑟)𝑖𝑗 (M,-0.39) (M,-0.36) (M,-0.28) (M,-0.24) (M,-0.31) (B,-0.28) (M,0.05)
Naturaleza (-) (-) (-) (-) (-) (-) (-)
(st, 𝛼𝑡)𝑖𝑗 (MN,0.39) (MN,0.36) (MN,0.28) (MN, 0.24) (MN,0.31) (LN, 0.28) (MN,-0.05)
iii. Ajuste de importancia de impacto
Para este caso de estudio es construida la jerarquía lingüística con los siguientes conjuntos de términos:
CBTL 𝑙(1,5) {𝑠05, 𝑠1
5, 𝑠25, 𝑠3
5, 𝑠45}
CATL 𝑙(2,9) {𝑠09, 𝑠1
9, 𝑠29, 𝑠3
9, 𝑠49, 𝑠5
9, 𝑠69, 𝑠7
9, 𝑠89}
Una vez obtenida la sintaxis de CATL 𝑆9 su semántica es definida a partir de la escala de importancia propuesta por Pastakia y otros autores en (Pastakia and Jensen 1998) y teniendo en cuenta la clasificación de Conesa, como se muestra en la Figura 3.4.
Figura 3.4: Conjunto de términos lingüísticos 𝑺𝟗.
Para trasformar los términos lingüísticos de 𝑆5 a 𝑆9 es necesario aplicar la ecuación 13, considerando la naturaleza de cada impacto que refleja el vector U. El procedimiento de ajuste es realizado de la forma en que se muestra en el ejemplo siguiente donde se ajusta la importancia (sr, 𝛼𝑟)𝑖𝑗 para el impacto
causado por la acción 𝑎1 sobre el factor 𝑓2 con naturaleza negativa.
(sr, 𝛼𝑟)21 = 𝜗 (M, −0.39) = ∆−1 (9 − 1
2− ∆(M, −0.39)) = ∆−1(2.39) = (MN, 0.39)
iv. Cálculo de valores de importancia final
56
Para el cálculo de los valores de importancia finales mostrados en el Anexo 1, se usan las ecuaciones de la 14-17.
3.2.4 Evaluación de resultados
Al analizar los resultados obtenidos tras la aplicación del nuevo modelo, se pudo constatar coherencia con los valores de importancia de Impacto para cada una de las interacciones factor/acción resultantes de la aplicación de la metodología tradicional. Todos los impactos resultaron moderadamente negativos o ligeramente negativos, con excepción de tres impactos moderadamente positivos y uno ligeramente positivo.
Los factores más impactados de forma negativa son el suelo y el subsuelo, la economía, el uso del territorio y el aire. Las acciones más impactantes son: trasiego de vehículos, el transporte de materiales y el desbroce y movimiento de tierra. Estos resultados, de forma general, coinciden con los obtenidos cuando se aplicó la metodología tradicional.
Con el nuevo modelo, los expertos pudieron valorar cada criterio con el dominio de expresión que consideraron más adecuado según su naturaleza. En el caso de los criterios de naturaleza cualitativa fueron utilizadas escalas lingüísticas para las evaluaciones, debido a que se ha demostrado que las variables lingüísticas permiten modelar de forma adecuada, los aspectos con fronteras vagas o inciertas. Al representar la información lingüística con las 2-tuplas, se logró aumentar la precisión de los resultados finales, por ser capaz de representar cualquier información dentro del universo de discurso sin necesidad de aproximación lingüística. Anteriormente se obtenían resultados con valores lingüísticos como (irrelevante, moderado, severo y crítico); con el nuevo modelo los resultados están representados por dos valores, el primero referido a la etiqueta lingüística y el segundo a la traslación simbólica; esta traslación significa un desplazamiento simbólico hacia la etiqueta de la izquierda o la de la derecha según corresponda. De esta forma se pueden comparar dos valores con la misma etiqueta lingüística pero con diferente traslación simbólica, que anteriormente simplemente eran considerados impactos iguales.
El aumento de la precisión y la obtención de resultados finales con mayor valor interpretativo, son dos elementos presentes en el nuevo modelo que de esta forma brinda información más útil para la toma de decisiones.
3.3 Sistema de Evaluación de Importancia de Impacto Ambiental (SEVIIA)
En este epígrafe se presenta el prototipo software que implementa el Modelo Heterogéneo de EIIA basado en Enfoque Lingüístico Difuso propuesto en esta memoria de investigación.
Para ello, primero, se describirá la estructura general del sistema y su arquitectura. A continuación, los lenguajes utilizados para implementarlo. Posteriormente, se definirán los distintos usuarios y para finalizar, se describirá las funcionalidades principales de SEVIIA.
57
3.3.1 Estructura del sistema
El prototipo de sistema propuesto consta de dos módulos, como se muestra en la Figura 3.5.
El Módulo de Administración engloba todas las funcionalidades que permiten configurar los parámetros iniciales de un proyecto de EIIA. Permite además, gestionar todos los usuarios y los proyectos. Una de sus funcionalidades principales es la generación de la Matriz de Importancia de Impacto para cada proyecto, en consecuencia con las valoraciones emitidas por los expertos que participan en la evaluación. Está destinado a los usuarios con rol de Administrador.
El Módulo de Evaluación Ambiental por su parte tendrá como usuarios finales a los expertos que participen en la EIIA, su funcionalidad principal es permitir la evaluación de los proyectos asignados, además posibilita el cambio de contraseña para el usuario registrado.
Figura 3.5: Estructura del sistema propuesto
3.3.2 Arquitectura de SEVIIA
Se ha desarrollado un prototipo de software con una arquitectura cliente/servidor y una interfaz Web de comunicación con los usuarios. El funcionamiento de las arquitecturas de este tipo es sencilla: la aplicación se encuentra en un servidor central al que los usuarios acceden a través de un software cliente, en este caso un navegador Web. Una vez que ha accedido a la aplicación, el usuario realiza peticiones que el servidor tiene que atender para generar una respuesta comprensible para el cliente.
SEVIIA
Evaluación
Cambio de Contraseña
Evaluación de Impacto
Administración
Gestión de Usuarios
Gestión de Factores
Gestión de Acciones
Gestión de Dominios
Gestión de Símbolos
Gestión de Proyecto
58
Una arquitectura cliente/servidor Web libera, por lo tanto, al usuario final de la aplicación de tener que instalarla en su máquina y consigue que cada usuario solo pueda acceder a la información que le corresponde. Además, este tipo de arquitectura, gracias a su diseño modular, es fácilmente escalable tanto en nuevos clientes como en servidores añadidos.
Figura 3.5 Arquitectura Cliente-Servidor.
3.3.3 Lenguajes de programación.
Java 1.7.3
Java es un lenguaje de programación del lado del servidor, de propósito general, basado en clases y orientado a objetos, se usa mayormente en aplicaciones web cliente-servidor. Java es multiplataforma, posee amplia compatibilidad con diferentes motores de base de datos y es de código libre, es distribuido lo que permite trabajar en ambiente de redes y contiene una gran biblioteca de clases para la utilización del protocolo TCP/IP, incluyendo HTTP, además permite el trabajo con diferentes framework como Spring e Hibernate (Fernández 2005).
HTML 5
Se utiliza como lenguaje de programación en el lado del cliente HTLM (Hyper Text Markup Language). Es un lenguaje para la definición de estilos lógicos en documentos de hipertexto, siendo el medio principal para la creación de información en Internet. HTML se limita a describir la estructura y el contenido de un documento, nunca el formato de la página y su apariencia, ya que éstos son muy dependientes del navegador utilizado. Este lenguaje es portable, es decir, se pueden visualizar las páginas con cualquier sistema operativo y, por supuesto también crearlas (Castro 2003).
CSS 3
CSS (las siglas de "Cascade Style Sheet") especifica la forma del diseño de los documentos (tanto XHTML como HTML) y ayuda a mejorar el posicionamiento web. CSS brinda varias ventajas como hacer que el código de las páginas Web sea más limpio y claro. El trabajo con CSS resulta muy eficiente para separar el contenido del diseño, siendo esto muy útil cuando se quiere cambiar un aspecto del diseño de un
59
sitio web, ya que sin hojas de estilo se tendría que cambiar página a página dicho aspecto y sin embargo, cuando se han definido hojas de estilo, se puede cambiar dicho aspecto modificando únicamente la hoja de estilo, con lo que se logra además de un ahorro de tiempo una mayor uniformidad en el diseño (Group 2014).
JavaScript
JavaScript es un lenguaje interpretado, se ejecuta del lado del cliente y que se complementa perfectamente con Java, ya que, por ejemplo, podría actuar de filtro dejando realizar la petición al servidor solo cuando los datos de los clientes sean válidos. En cambio, si los datos son erróneos, informan al cliente de su error mediante mensajes de alerta. El código JavaScript puede estar incrustado dentro del documento HTML o estar almacenado en ficheros aparte (con extensión .js) y ser invocados por el documento (Web 2014).
3.3.4 Framework utilizados
JQuery
jQuery es un framework de JavaScript. Es compatible con CSS3 y con diferentes navegadores como Firefox. Su objetivo principal es hacer la programación mucho más fácil y rápida del lado del cliente. Con jQuery se pueden producir páginas dinámicas en relativamente corto tiempo. Es gratis y el código fuente puede ser modificado y adaptado siguiendo las políticas de las licencias (MIT y GPL2) (Programación 2013).
Bootstrap 2.0
Bootstrap es un framework diseñado para simplificar el proceso de creación de diseños web. Para ello ofrece una serie de plantillas CSS y de ficheros JavaScript, los cuales permiten conseguir interfaces que funcionen de manera brillante en los navegadores actuales y un diseño que pueda ser visualizado de forma correcta en distintos dispositivos y a distintas escalas y resoluciones. Además admite una mejor integración con otros frameworks que se usan habitualmente, como por ejemplo jQuery y un diseño sólido basado en herramientas actuales y potentes como CSS3/HTML (Genbeta 2012).
Spring Framework 3.0
Es un framework de código abierto de desarrollo de aplicaciones para la plataforma Java. Por su diseño el framework ofrece mucha libertad a los desarrolladores.
Spring es flexible ya que está diseñado como una serie de módulos que pueden trabajar independientemente uno de otro. Además mantiene un mínimo acoplamiento entre la aplicación y el propio framework de forma que podría ser desvinculada de él sin demasiada dificultad. Es un framework ligero en términos de tamaño y costes. La mayor parte de Spring se puede distribuir en un único archivo .jar que pesa aproximadamente 3 MB. Permite configurar y componer complejas solicitudes de los componentes más simples. Los objetos de aplicación son compuestos de forma declarativa, por lo general en un archivo XML (Framework 2013).
Hibernate Framework 3.0
60
Hibernate es un framework de Mapeo Objeto-Relacional (ORM) para Java que facilita el mapeo de atributos entre una base de datos relacional tradicional y el modelo de objetos de una aplicación, mediante archivos declarativos (XML) o anotaciones en los beans (componente software que tiene la particularidad de ser reutilizable) de las entidades que permiten establecer estas relaciones. Tiene por objetivo facilitar la persistencia de objetos Java en bases de datos relacionales y al mismo tiempo la consulta de estas bases de datos para obtener objetos (Hibernate 2013).
3.3.5 Usuarios de SEVIIA
El Sistema de Evaluación de Importancia de Impacto Ambiental será utilizado por dos tipos de usuarios bien diferenciados con distintas atribuciones cada uno:
Administrador: Este usuario administra y realiza todas las configuraciones necesarias para las EIIA. Esto comprende la gestión de los expertos que participarán en la evaluación, la gestión de los factores y las acciones que fueron identificadas para el proyecto en cuestión, así como las posibles interacciones entre ellos y su naturaleza. Además gestiona los dominios de información en la que los expertos emitirán sus preferencias. Por último gestiona el proyecto de evaluación, como entidad que agrupa todos los elementos del sistema.
Experto: Este usuario, es el encargado de realizar las valoraciones de las EIIA, emitiendo sus preferencias a partir del marco de evaluación que ha establecido el administrador del sistema.
Como el objetivo principal de este epígrafe es presentar el funcionamiento del prototipo de software para un proceso de evaluación de Importancia de Impacto Ambiental, basado en el Enfoque Lingüístico Difuso, no se cree necesario presentar en esta memoria el diseño de la base de datos necesaria para almacenar la información generada por el sistema de evaluación.
3.3.6 Funcionalidad de SEVIIA
Se presentará las principales funcionalidades del prototipo software, SEVIIA. Dicha presentación se enfocará según el tipo de usuario registrado en el sistema.
Figura 3.7 Página de inicio para registrarse en el sistema.
61
A continuación se detallarán las distintas opciones que tendrá el usuario Administrador una vez registrado en SEVIIA.
3.3.6.1 Funcionalidades del rol Administrador
La Figura 3.8 muestra la interfaz del sistema con las funcionalidades para el rol de Administrador.
Figura 3.8 Página del menú para el Administrador del sistema.
En la parte lateral derecha aparece un menú con todas las funcionalidades disponibles y que serán detalladas a continuación.
Gestionar usuario: Con esta opción se podrá adicionar, editar y eliminar los usuarios del sistema. Como se ha descrito anteriormente pueden tener dos roles diferentes (Administradores, Expertos). Además posibilita el cambio de contraseña para el usuario autenticado. La Figura 3.8 muestra los atributos que se recogen para la creación de un usuario.
62
Figura 3.8 Formulario para añadir un nuevo usuario.
Gestionar factores: Con esta opción se podrá adicionar, editar y eliminar los factores ambientales. Para adicionar un nuevo factor es necesario introducir en la interfaz, los atributos nombre y unidad de importancia (UIP).
Gestionar acciones: Con esta opción se podrá adicionar, editar y eliminar las acciones impactantes. Para adicionar una nueva acción solo es necesario introducir su nombre en la interfaz.
Gestionar conjuntos: Con esta opción se podrán crear conjuntos de etiquetas lingüísticas de tres o de 5 términos. Para ello es necesario introducir en la interfaz el nombre de cada una de las etiquetas y su abreviatura.
Gestionar dominios: Con esta opción se podrán crear y eliminar dominios de información, estos serán usados por los expertos para brindar sus preferencias. Los tipos de dominios disponibles son lingüísticos, numéricos e intervalares. Si desea adicionar un dominio de información lingüística será necesario introducir en la interfaz el atributo nombre del dominio y escoger el conjunto de etiquetas lingüística que lo describirá. Si desea adicionar un dominio de información numérica o intervalar, será necesario llenar los campos nombre, límite inferior y límite superior.
Gestionar símbolos: Con esta opción se podrá crear, modificar y eliminar los símbolos o criterios sobre los cuales los expertos emitirán su valoración. Para adicionar
63
un símbolo es necesario el nombre, su abreviatura, el tipo de utilidad (costo, beneficio) y seleccionar el dominio de información en el que será valorado.
Gestionar proyectos: Con esta funcionalidad el Administrador finalmente puede crear, editar y consultar los proyectos de evaluación. Inicialmente es necesaria la gestión de todos los elementos que componen un proyecto de evaluación antes de crearlo. Para la creación se tienen que llenar algunos datos como nombre del proyecto, entidad a la que perteneces, fase en la que se encuentra, expertos que participan, las acciones impactantes, los factores impactados y la naturaleza de la interacción entre ellos. Este proceso se divide en tres interfaces diferentes, enlazadas entre sí, para hacerlo más intuitivo y organizado (Ver Figuras 3.9-3.11).
Figura 3.9 Formulario para añadir datos del Proyecto (I).
64
Figura 3.10 Formulario para añadir datos del Proyecto (II).
Figura 3.11 Formulario para añadir datos del Proyecto (II).
65
El administrador puede además, listar todos los proyectos pendientes, es decir los proyectos que están en espera de ser evaluados por los expertos involucrados. En ese listado se muestra un porciento de completitud, que representa el avance de la evaluación a partir del número de expertos que tienen que emitir su valoración. Una vez que el proyecto esté 100% evaluado, entonces posibilitará realizar el proceso de agregación de preferencias descrito en el Capítulo 2, que finalmente dará como resultado la Matriz de Importancia de Impacto Ambiental, permitiendo la opción de exportar a formato Excel y archivar el proyecto (Ver Figura 3.12). También es responsabilidad del Administrador cerrar los proyectos que por alguna razón no serán evaluados y archivar los proyectos que ya estén 100 % evaluados. Los proyectos archivados podrán ser consultados y en cualquier momento se podrá acceder a la Matriz de Importancia de Impacto que resultó de su evaluación.
Figura 3.12 Formulario de la Matriz de Importancia de Impacto.
3.3.6.2 Funcionalidades del rol Experto.
Cambiar contraseña: Los expertos inicialmente entran a la aplicación con el usuario y la contraseña que le entrega el administrador del sistema. Luego podrán cambiar su contraseña en el menú desplegable de la parte lateral izquierda, donde aparecerán las acciones que este usuario puede realizar, como se muestra en la Figura 3.13. El papel de los expertos como se ha explicado, es emitir sus valoraciones sobre los criterios definidos para cada una de las posibles interacciones acción/factor, con el fin de realizar la Matriz de Importancia de Impacto que surge de la agregación de todas las preferencias individuales. Para ello puede acceder a la opción proyectos asignados,
66
y de esa forma listar todos los proyectos activos que él tiene asignados para realizar su evaluación, como se muestra en la Figura 3.13.
Figura 3.13 Formulario para la selección del proyecto a evaluar.
Al seleccionar uno de los proyectos, iniciaría la evaluación como tal, a partir de cada una de las posibles interacciones acción/factor como se muestra en la Figura 3.14.
Figura 3.14 Formulario para las evaluación de los impactos.
Seguidamente, tendría que brindar sus valoraciones para cada uno de los símbolos en los dominios de información que fueron previamente definidos por el Administrador, Figura 3.15.
67
Figura 3.15 Formulario para la evaluación de los criterios.
Conclusiones parciales
La aplicación del Modelo Heterogéneo de EIIA basado en Enfoque Computacional Lingüístico Difuso en el proyecto de evaluación “Empresa Electroquímica de Sagua”, realizado en el CEQA, permitió comprobar la factibilidad de su aplicación para la determinación de la Matriz de Importancia de Impacto comprendida en el proceso de Evaluación Simplificada. El hecho de brindar un marco de trabajo heterogéneo, permitió modelar las preferencias individuales en distintos dominios de información, tanto cualitativas como cuantitativas, adaptándose así a la naturaleza de cada criterio evaluado, a los conocimientos y a la especialidad de cada experto. Además permitió modelar la incertidumbre presente en varios de los criterios que se evalúan, así como la unificación de las preferencias heterogéneas a las 2-tuplas lingüísticas como forma de representación final de la información. Los resultados de la aplicación del nuevo
68
modelo muestran coherencia en comparación con los obtenidos usando la metodología tradicional propuesta por Conesa, sin embargo la forma de representación de la información final en 2-tuplas lingüísticas en sí, aumenta su nivel de interpretabilidad y precisión, haciéndola más adecuada para la ayuda a la toma de decisiones.
El uso del prototipo de sistema (SEVIIA) reduce el esfuerzo requerido para realizar la EIIA en el CEQA, además, al ser una aplicación Web no requiere la presencia física de los expertos en el mismo lugar geográfico. Permite además, la generación de la Matriz de Importancia de Impacto, haciendo uso del nuevo modelo propuesto, así como su exportación a formato Excel para logar compatibilidad con el proceso actualmente definido en el CEQA.
69
CONCLUCIONES GENERALES
Como resultado de la presente investigación, pudo arribarse a las conclusiones generales siguientes:
El análisis de la bibliografía consultada para la elaboración del marco teórico de la investigación confirma la importancia de la realización de Evaluaciones Impacto Ambiental para alcanzar el tan necesario desarrollo sostenible. El proceso de evaluación ambiental incluye valoraciones en diferentes dominios de información, donde normalmente están involucrados conceptos vagos e incertidumbre. Los métodos y metodologías tradiciones estudiados, utilizan escalas numéricas para la valoración de los impactos, por lo que no permiten modelar y manejar adecuadamente la incertidumbre presente en este tipo de evaluaciones y no proveen ningún mecanismo para el tratamiento de información expresada en diferentes dominios, es decir, información heterogénea, ocasionando una pérdida de la perspectiva subjetiva de la EIIA y un bajo valor interpretativo en el resultado final. Las extensiones realizadas a los métodos tradicionales estudiados, si bien incluyen mecanismos para el manejo de información heterogénea y la incertidumbre, presentan pérdida de información por concepto de aproximación de valores en la agregación de preferencias debido al uso de la aritmética difusa, por lo tanto podrían afectar la precisión de los resultados finales de Importancia de Impacto.
El nuevo modelo de EIIA propuesto, utiliza el Modelo de Representación de 2-tuplas Lingüísticas y su enfoque extendido para hacer frente a la información heterogénea, brinda un marco de trabajo flexible en el que los expertos pueden ofrecer a sus preferencias a través de diferentes dominios, de acuerdo con su experiencia y conocimientos, así como la incertidumbre y a la naturaleza de cada criterio. La propuesta también comprende los procesos CWW que permiten obtener resultados más interpretables, primeramente unificando las evaluaciones heterogéneas en conjuntos de términos lingüísticas de 2-tuplas y después aplicando un proceso de agregación precisa que hace posible generar la importancia de cada impacto, así como la importancia de los factores y acciones junto con la importancia global del proyecto.
La aplicación del nuevo modelo en el proyecto de evaluación “Empresa Electroquímica de Sagua”, realizado en el CEQA, permitió comprobar la factibilidad de su aplicación para la determinación de la Matriz de Importancia de Impacto comprendida en el proceso de Evaluación Simplificada. Los resultados muestran coherencia en comparación con los obtenidos usando la metodología tradicional propuesta por Conesa, pero aumentando el nivel de interpretabilidad y precisión, haciéndolos más adecuados para la ayuda a la toma de decisiones.
El uso del prototipo de sistema (SEVIIA) reduce el esfuerzo requerido para realizar la EIIA en el CEQA, permitiendo la generación de la Matriz de Importancia de Impacto, haciendo uso del nuevo modelo propuesto, así como su exportación a formato Excel para logar compatibilidad con el proceso actualmente definido en el CEQA.
70
RECOMENDACIONES
Extender el modelo para que incluya los procesos definidos en la Evaluación Detallada de Impacto Ambiental.
Adicionar en el prototipo de software la posibilidad de realizar comparaciones entre alternativas de un mismo proyecto.
71
BIBLIOGRAFÍA
1. Adamopoulos, G. I. and C. P. Pappis (1996). "A fuzzy linguistic approach to a multicriteria sequencing problem." European Journal of Operational Research 166 92(3): 628-636.
2. Aguilar, R. H. d. (1993). "Presupuestos teóricos y eticos sobre la paz. El conflicto sociedad-naturaleza: algunos planteamientos sobre su génesis y consecuencias. . Ana Rubio (Ed). Eirene." Seminario de Estudios sobre la paz y los conflictos, 2013.
3. Andrés, R. d., J. L. García-Lapresta, et al. (2009). "A multi-granular linguistic model for management decision-making in performance appraisal." Soft Computing 14 no. 1: 21-34.
4. Arfi, B. (2005). "Fuzzy decision making in politics: a linguistic fuzzy-set approach (LFSA)." Political Analysis 13(1): 23-56.
5. Beliakov, G., A. Pradera, et al. (2008). Aggregation functions: A guide for practitioners, Springer Publishing Company.
6. Ben-Arieh, D. and Z. Chen (2006). "Linguistic-labels aggregation and consensus measure for autocratic decision making using group recommendations." IEEE Transactions on Systems, Man, and Cybernetics Part A: 558–568.
7. Ben-Arieh, D. and Z. Chen (2006). "Linguistic group decision-making: opinion aggregation and measures of consensus." Fuzzy Optimization and Decision Making 5 no. 4: 371–386.
8. Blanco, A., M. Delgado, et al. (2009). "Aieia: Software for fuzzy environmental impact assessment." Expert Systems with Applications 36 no. 5: 9135-9149.
9. Bojórquez-Tapia, L. A., E. Ezcurra, et al. (1998). "Appraisal of environmental impacts and mitigation measures through mathematical matrices." Journal of Environmental Management 53 no. 1: 91-99.
10. Bonissone, P. P. (1980). A fuzzy sets based linguistic approach: Theory and applications
11. Proceedings of the 12th conference on Winter simulation, Piscataway, NJ, USA, IEEE Press.
12. Bonissone, P. P. (1982). Approximate Reasoning in Decision Analysis. Norh-Holland M.M. Gupta and E. Sánchez (Eds.) Norh-Holland Publishing Company.
13. Bonissone, P. P. (1982). A fuzzy sets based linguistic approach: Theory and applications. North-Holland.
14. Bonissone, P. P. and K. S. Decker (1986). Uncertainty in Artificial Intelligence. Norh-Holland, Amsterdam, L.H. Kanal and J.F. Lemmer (Eds.).
15. Bordogna, G., M. Fedrizzi, et al. (1997). "A linguistic modeling of consensus in group decision making based on OWA operators. ." IEEE Transactions on Systems, Man, and Cybernetics. Part A: Systems and Humans 27(1): 126-133.
16. Bordogna, G. and G. Pasi (1993). "A fuzzy linguistic approach generalizing Boolean information retrieval: a model and its evaluation. ." Journal of the American Society for Information Science 44(2): 70-82.
72
17. Calvo, T., R. Mesiar, et al. (2004). "Quantitative weights and aggregation." Fuzzy Systems, IEEE Transactions on 12 no. 1: 62–69.
18. Carrasco, R. A. and P. Villar (2012). "A new model for linguistic summarization of heterogeneous data: an application to tourism web data sources." Soft Computing 12: 135–151.
19. Castro, L. (2003). "¿Qué es HTML? ." from http://aprenderinternet.about.com/od/Glosario/g/Que-Es-Html.htm.
20. Clemen, R. T. (1996). Making hard decisions: An introduction to decision analysis, Duxbury Press.
21. Conesa, V., Ed. (1997). Guía metodológica para la evaluación del impacto ambiental.
22. Cuba, A. N. d. P. P. d. (1997). Ley 81 "Medio Ambiente", Gaceta Oficial de la República de Cuba.
23. Cutello, V. and J. Montero (1994). "Hierarchies of aggregation operators." International Journal of Intelligent Systems 9 no. 11 1025–1045.
24. Chen, S. J. and C. L. Hwang (1992). "Fuzzy multiple attribute decision-making: methods and applications." Springer-Verlag Berlín/New York.
25. Chen, T. (2001). "Applying linguistic decision-making method to deal with service quality evaluation problems." International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems 9 no. Supplement: 103–114.
26. Chuu, S. J. (2007). "Evaluating the flexibility in a manufacturing system using fuzzy multi-attribute group decision-making with multi-granularity linguistic information." The International Journal of Advanced Manufacturing Technology 32 no. 3-4: 409–421
27. Degani, R. and G. Bortolan (1988). "The problem of linguistic approximation in clinical decision making." International Journal of Approximate Reasoning 22 2(2): 143-162.
28. Delgado, M., J. L. Verdegay, et al. (1992). "Linguistic decision–making models." International Journal of Intelligent Systems 7 no. 5: 479–492.
29. Dubois, D. and H. Prade (1980). Fuzzy sets and systems: theory and applications. New York, Academic Press.
30. Espinilla, M., R. d. Andrés, et al. (2013). "A 360-degree performance appraisal model dealing with heterogeneous information and dependent criteria." Information Sciences 222 459–471.
31. Espinilla, M., I. Palomares, et al. (2012). "A comparative study of heterogeneous decision analysis approaches applied to sustainable energy evaluation." International Journal on Uncertainty Fuzziness and Knowledgebased Systems 20 159–174.
32. Estévez, M. E. (2009). Nuevos Modelos de Evaluación Sensorial con Información Lingüistica. Tesis Doctoral, Escuela Politécnica Superior de Jaén.
33. Fernández, O. B. ( 2005) "Introducción al lenguaje de programación Java." 34. Ferrer, Y. R. (2009). Evaluación en el Tiempo del Impacto Ambiental con
Técnicas Difusas. Aplicación en la Minería de Moa. Tesis Doctoral, UNIVERSIDAD DE GRANADA.
73
35. Fodor, J. C. and M. Roubens, Eds. (1994). Fuzzy preference modelling and multicriteria decision support, Kluwer Academic Publishers.
36. Framework, S. (2013). from http://www.springsource.org/spring-framework. 37. Genbeta. ( 2012). "Diseñando tu nuevo proyecto web con Bootstrap 2.0.", from
http://www.genbetadev.com/desarrollo-web/disenando-tu-nuevo-proyecto-web-con-bootstrap-2-0.
38. Gómez-Orea, D. (1999). Un instrumento preventivo para la gestión ambiental. 39. Gramajo, S. and L. Martínez (2012). "A linguistic decision support model for qos
priorities in networking." Knowledge-based Systems 32 no. 1: 65-75. 40. Greco, S., B. Matarazzo, et al. (2001). "Rough sets theory for multicriteria 41. decision analysis." European Journal of Operational Research 129 no. 1: 1–47. 42. Group, C. W. (2014). "WHAT IS CSS?", from http://www.w3.org/Style/CSS/. 43. Herrera-Viedma, E., S. Alonso, et al. (2007). "A consensus model for group
decision making with incomplete fuzzy preference relations." Fuzzy Systems, IEEE Transactions on 15 no. 5: 863–877.
44. Herrera-Viedma, E., L. Martínez, et al. (2005). "A consensus support system model for group decision-making problems with multigranular linguistic preference relations." Fuzzy Systems, IEEE Transactions on 13 no. 5: 644–658.
45. Herrera, F. and E. Herrera-Viedma (2000). "Choice functions and mechanisms for linguistic preference relations." European Journal of Operational Research 166 120(1): 144-161.
46. Herrera, F. and E. Herrera-Viedma. (2000). "Linguistic decision analysis: steps for solving decision problems under linguistic information. ." Fuzzy Sets and Systems 115(1): 67-82.
47. Herrera, F. and L. Martínez (2000). "A 2-tuple fuzzy linguistic representation model for computing with words. ." IEEE Transactions on Fuzzy Systems 8(6): 746-752.
48. Herrera, F. and L. Martínez (2001). "The 2-tuple linguistic computational model. Advantages of its linguistic description, accuracy and consistency." International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems 9(Suppl.): 33-49.
49. Herrera, F. and L. Martínez (2001). "A model based on linguistic 2-tuples for dealing with multigranular hierarchical linguistic contexts in multi-expert decision-making." Systems, Man, and Cybernetics Part B: Cybernetics IEEE Transactionson 31 no. 2: 227-234.
50. Herrera, F., L. Martínez, et al. (2005). "Managing non-homogeneous information in group decision making." European Journal of Operational Research 166: 115-132.
51. Hibernate. (2013). from http://www.hibernate.org/. 52. Ijas, A., M. T. Kuitunen, et al. (2010). "Developing the riam method (rapid impact
assessment matrix) in the context of impact signicance assessment." Environmental Impact Assessment Review 30 no. 2: 82-89.
53. J. Lu, G. Z. and D. Ruan (2007). "Intelligent multi-criteria fuzzy group decisionmaking for situation assessments." Soft Computing 12 no. 3: 289–299.
74
54. Jiménez, A., S. Ríos-Insua, et al. (2003). " A decision support system for multiattribute utility evaluation based on imprecise assignments." Decision Support Systems 36 no. 1: 65-79.
55. Kacprzyk, J. (1986). "Group decision making with a fuzzy linguistic majority." Fuzzy Sets and Systems 18 no. 2: 105 – 118.
56. Kacprzyk, J. and S. Zadrożny (2009). "Towards a general and unified characterization of individual and collective choice functions under fuzzy and nonfuzzy preferences and majority via the ordered weighted average operators." Int. J. Intell. Syst. 24 no. 1: 4–26.
57. Kiker, G. A., T. S. Bridges, et al. (2005). "Application of multicriteria decision analysis in environmental decision making." ntegrated Environmental Assessment and Management 1 no. 2: 95-108.
58. Kraft, D. H. and F. E. Petry (1997). "Fuzzy information systems: managing uncertainty in databases and information retrieval systems." Fuzzy Sets and Systems 90 no. 2: 183 – 191.
59. L.A, Z. (1996). "Fuzzy logic = computing with words." IEEE Transactions on Fuzzy Systems 4(2): 103-111.
60. Laboratories, B.-C. (1972). Environmental evaluation system for water resource planning. B. o. reclamation. USA, US Department of the Interior.
61. Lawrence, D. P. ( 2007 ). "Impact signicance determinationpushing the boundaries " Environmental Impact Assessment Review 27 no. 8: 770-788.
62. Lawry, J. (2001). "A methodology for computing with words." Internation Journal of Approximate Reasoning 28: 51-89.
63. Lee, H. M. (1996). "Applying fuzzy sets theory for evaluating the rate of aggregative risk in software development." Fuzzy Sets and Systems 79(3): 323-336.
64. Leopold, L. B., F. E. Clarke, et al. (1971). "A procedure for evaluating environmental impact." Circular 645 Elsevier Science ch. US Geological Survey.
65. Levrat, E., A. Voisin, et al. (1997). "Subjective evaluation of car seat comfort with fuzzy set techniques. ." International Journal of Intelligent Systems 12: 891-913.
66. Li, D. F., Z. G. Huang, et al. (2010). "A systematic approach to heterogeneous multiattribute group decision making." Computers & Industrial Engineering 59 no. 4: 561–572.
67. Li, D. F., Z. G. Huang, et al. (2010). "A systematic approach to heterogeneous multiattribute group decision making." Computers & Industrial Engineering 59 no. 4: 561-572.
68. López, L. M. (1999). Un nuevo modelo de representación de información lingüística basado en 2-tuplas para la agregación de preferencias lingüísticas. Tesis doctoral, Univeridad de Granada.
69. Loran, B. (1975). "Quantitative assessment of environmental impact" Jornal of Environmental Systems 5 no. 1: 247-256.
75
70. Martínez, L., L. G. Pérez, et al. (2008). "A linguistic decision based model applied to olive oil sensory evaluation, ." Studies in Fuzziness and Soft Computing vol. 220: 317–334.
71. Martínez, L., D. Ruan, et al. (2010). "Computing with words in decision support systems: An overview on models and applications." International Journal of Computational Intelligent Systems 3 no. 4: 382–395.
72. Martínez, L., D. Ruan, et al. (2009). "Linguistic decision making: Tools and applications 179." Information Sciences 8 no. 14: 2297-2298.
73. Mata, F., J. C. Martínez, et al. (2011). "A web-based consensus support system dealing with heterogeneous information." Studies in Fuzziness and Soft Computing, Springer Consensual Processes: 357–381.
74. Mendel, J. M. (2007). "Computing with words and its relationships with fuzzistics. ." Information Sciences 8 177(4): 988-1006.
75. Mendel, J. M. (2007). "Computing with words: Zadeh, turing, popper and occam." Computational Intelligence Magazine , IEEE 2(4): 10-17.
76. Merigó, J. M., M. Casanovas, et al. (2010). "Linguistic aggregation operators for linguistic decision making based on the dempster-shafer theory of evidence." International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems 18 no. 3: 287–304.
77. Merigó, J. M. and A. M. G. Lafuente (2013). "A method for decision making based on generalized aggregation operators." International Journal of Intelligent Systems 28 no. 5: 453–473.
78. Miller, G. A. (1956). "The magical number seven plus or minus two: some limits on our capacity of processing information." Psychological Review 63(2): 81-97.
79. Orlovsky, S. A. (1978). "Decision-making with a fuzzy preference relation." Fuzzy Sets and Systems 1 no. 3: 155–167.
80. P.Wathern (1994). "Environmental impact assessment: Theory and practice." Routledge Chapman & Hall.
81. Pastakia, C. and A. Jensen (1998). "The rapid impact assessment matrix (riam) for eia." Environmental Impact Assessment Review 18. no. 5: 461-482.
82. Pedrycz, W., P. Ekel, et al. (2011). Fuzzy multicriteria decision-making: Models, methods and applications. West Sussex, U.K, John Wiley & Sons
83. Programación. (2013). "¿Qué es y para qué sirve jQuery?", from http://programacionya.com/%C2%BFque-es-y-para-que-sirve-jquery/.
84. Ramos, M. (2003). Modelos Multicriterios Difusos. Aplicaciones. Tesis Doctoral, Universidad de.
85. Rodríguez, R. M., I. Palomares, et al. (2013). "An attitude-driven web consensus support system for heterogeneous group decision making." Expert Systems with Applications 40 no. 1: 139–149.
86. Roubens, M. (1989). "Some properties of choice functions based on valued binary relations." European Journal of Operational Research 40 no. 3: 309 – 321.
87. Roubens, M. (1997). "Fuzzy sets and decision analysis." Fuzzy Sets Syst. 90 no. 2: 199–206.
76
88. Ruan, D., L. Martínez, et al. (2007). "Dealing with heterogeneous information in engineering evaluation processes." Information Sciences 177 no. 7: 1533–1542.
89. Salminen, P., J. Hokkanen, et al. (1998). "Comparing multicriteria methods in the context of environmental problems." European Journal of Operational Research 104 no. 3: 485–496.
90. Shepard, R. B. (2005). "Quantifying environmental impact assessments using fuzzy logic." Springer Series on Environmental Management, Springer.
91. Sur, P. d. L. y. L. R. e. A. d. (2006). "Lista Roja de la UICN." 92. Téno, J. F. L. and B. Mareschal (1998). "An interval version of PROMETHEE for
the comparison of building products’design with ill-defined data on environmental quality." European Journal of Operational Research 109 no. 2: 522–529.
93. Tong, M. and P. P. Bonissone (1980). "A linguistic approach to decision making with fuzzy sets." IEEE Transactions on Systems, Man, and Cybernetics. Part A: Systems and Humans 10(11): 716-723.
94. Toro, J., I. Requena, et al. (2013). "A qualitative method proposal to improve environmental impact assessment." Environmental Impact Assessment Review 43 no. 0: 9–20.
95. Torra, V. (1996). "Negation function based semantics for ordered linguistic labels. ." International Journal of Intelligent Systems 11(11) 975-988.
96. Triantaphyllou, E. (2000). "Multi-criteria decision making methods: A comparative study " Applied Optimization Springer.
97. Velasco, O. G. D. (2000). Técnicas Difusas en la Evaluación de Impacto Ambiental. Tesis Doctoral, Universidad de Granada.
98. Web, L. (2014). "Introducción a JavaScript." from http://librosweb.es/javascript/. 99. Wei, G. W. (2009). "Some geometric aggregating operator and their application
to dynamic multiple attribute decision making in intuitionistic fuzzy setting." Journal of Uncertainty. Fuzziness and Knowledge-Based Systems 17 no. 02: 179–196.
100. Xu, Z. (2007). " Intuitionistic preference relations and their application in group decision making." Information Science 177 no. 11: 2363–2379.
101. Xu, Z. (2008). "On multi-period multi-attribute decision making." Knowledge-Based Systems 21 no. 2: 164–171.
102. Xu, Z. and R. R. Yager (2008). "Dynamic intuitionistic fuzzy multi-attribute decision making." International Journal of Approximate Reasoning 48 no. 1: 246 – 262.
103. Yager, R. R. (1994). "Aggregation operators and fuzzy systems modeling." Fuzzy Sets Syst. 67 no. 2: 129–145.
104. Yager, R. R. (1995). "An approach to ordinal decision making." International Journal of Approximate Reasoning 22 12(3-4): 237-261.
105. Yager, R. R. (2007). "Aggregation of ordinal information." Fuzzy Optimization and Decision Making 6 no. 3: 199–219.
106. Yager, R. R. and V. Kreinovich (1999). " Decision making under interval probabilities." International Journal of Approximate Reasoning 22 no. 3: 195-215.
77
107. Zadeh, L. A. (1975/1976). "The concept of linguistic variable and its applications to approximate reasoning,." Inform. Sci. 8/9 Part I; Part II; Part III.: 199-249/301-357/ 143-180.
108. Zadeh, L. A. (1983). "A computational approach to fuzzy quantifiers in natural languages." Computer & Mathematics with Applications 9 no. 1: 149–184.
109. Zadeh, L. A. (1996). "Nacimiento y evolución de la lógica borrosa, el softcomputing y la computación con palabras: un punto de vista personal." Psicothema 8 no. 2: 421–429.
110. Zadeh, L. A. (1999). "What is Computing with words? Computing with words in Information." Intelligent Systems 1. Physica Verlag.
111. Zhang, G. and J. Lu (2003). "An integrated group decision-making method dealing with fuzzy preferences for alternatives and individual judgments for selection criteria." Group Decision and Negotiation 12 no. 6: 501-515.
78
Anexo 1: Matriz de Importancia de Impactos, Fase constructiva (nuevo modelo).
