Fuente: Martnez, Eduardo y Escudey, Mauricio (eds.
) (1997), Evaluacin y decisin multicriterio: refexiones y
experiencias, Santiago, USACH, UNESCO 1997 3.CONCEPTOS Y SOPORTES INFORMATICOS DE LA DECISION MULTICRITERIO DISCRETA Sergio Barba-Romero Casillas 1 RESUMEN El anlisis multicriterio es una metodologa de toma de decisiones que se ha impuesto como la idnea en multitud de campos de aplicacin. El importante subcaso en el que hay que decidir entre varias alternativas, desde unas pocas a algunos centenares, teniendo en cuenta diversos criterios o puntos de vista, surge frecuentemente. A este tipo de problemas se dedica la llamada Decisin Multicriterio Discreta, cuyo grado de madurez cientfca est ya hoy slidamente establecido. No slo en su faceta puramente terica, en donde cuenta con un notable cuerpo de propuestas, resultados y vas abiertas de investigacin, sino en la aplicada, dada su extensa gama de aplicaciones en muy diversos contextos. Para su utilizacin prctica suele ser muy conveniente disponer de un soporte informtico adecuado. Este trabajo describe sintticamente los principales conceptos involucrados en la Decisin Multicriterio Discreta, desde una perspectiva pragmtica, remitiendo al lector a referencias ms extensas donde pueda profundizar en las nociones expuestas. Asimismo, se comentan algunas interesantes realizaciones de soportes informticos recientemente aparecidas. 1. EL ANALISIS DE LA TOMA DE DECISIONES 1.1. Introduccin Tomar decisiones es una de las facetas ms relevantes de cualquier puesto de responsabilidad. En realidad, no puede existir responsabilidad si no lleva aparejada la facultad de poder tomar decisiones; y viceversa, toda decisin conlleva la responsabilidad de sus posibles repercusiones. Con esta frase comenzaba un libro sobre Toma de Decisiones escrito hace unos aos por este autor (Barba-Romero,1984), la cual me sigue pareciendo igualmente vlida para iniciar nuestras refexiones ahora. Pero aunque, indudablemente, el ser humano hace mucho tiempo que viene tomando decisiones, no lo es ya tanto desde que se ha planteado un anlisis cientfco de las mismas: Los precursores no van ms all 1 Dr. Ingeniero Industrial (U. Politcnica de Madrid), Licenciado en C. Econmicas (U. Autnoma de Madrid) y Graduado en Computer Sciences (Ohio State Univ., USA). Ex-Director del Departamento de Investigacin Operativa de CEPSA. Catedrtico de Anlisis Econmico de la U. de Alcal de Henares, donde ha desempeado varios cargos acadmicos. Ha publicado 6 libros y unas decenas de trabajos de investigacin, nacionales y extranjeros, entre los que destaca el recientemente aparecido en la Editorial Abacus de Madrid titulado "Decisin Multicriterio: Fundamentos tericos y utilizacin prctica", en colaboracin con Jean-Charles Pomerol. Editor asociado de la revista TOP de la Sociedad Espaola de Investigacin Operativa y miembro del Consejo de Redaccin del Journal of Decision Systems. Consultor de diversas instituciones pblicas y privadas. 34 del siglo XVIII (Bernouilli, Borda, Condorcet,..), y el verdadero auge de la cuestin es un tema de ya bien entrado el siglo XX. Sin embargo, y a pesar de su gran inters, la difusin de las metodologas de anlisis de la toma de decisiones y de las tcnicas de aplicacin prctica que de ellas se derivan ha tenido una evolucin difcil e irregular. Hoy en da hablamos de Sistemas de Ayuda a la Decisin, ya que se ha comprendido perfectamente que no es posible la sustitucin del decisor humano, no slo por motivos tcticos de ganar su confanza para poder implantar el sistema, sino mucho ms importante: por la constatacin de que no es eso lo que verdaderamente se necesita y realmente funciona en la prctica. Como certeramente sintetiza Blas Lara(1989), "Hemos de ser cautelosos con el culto excesivo a la racionalidad. A fuerza de querer racionalizar la decisin empobrecemos el conocimiento de las situaciones, despilfarramos nuestra profunda inteligencia del mundo, por lo general mucho ms rica en la etapa intuitiva que en la etapa consciente". 1.2. La metodologa multicriterio para la toma de decisiones Para afrontar especfcamente la habitual situacin en un problema de toma de decisin en la que son varios los objetivos o criterios que pretenden simultneamente cubrirse, ha surgido en los ltimos aos la metodologa multicriterio. La denominada Decisin Multicriterio es un campo interdisciplinario alimentado por fuentes muy diversas. En esencia, la Decisin Multicriterio es una optimizacin con varias funciones objetivo simultneas y un nico agente decisor. Puede formularse matemticamente de la siguiente manera: max F(x) xX donde: x es el vector [x 1 , x 2 ,...,x n ] de las VARIABLES de decisin. El problema de decisin es el de asignar los "mejores" (mejores en el sentido que las funciones objetivo, vase luego, defnen valores a estas variables). X es la denominada REGION FACTIBLE del problema (el conjunto de posibles valores que pueden tomar las variables). F(x) es el vector [f 1 (x), f 2 (x),...,f p (x)] de las p FUNCIONES OBJETIVO que recogen los criterios u objetivos simultneos del problema. La formulacin "max" (a maximizar), no es restrictiva pues siempre puede conseguirse mediante un adecuado cambio de signo. No es frecuente que en un problema de este tipo exista una alternativa o solucin (es decir, un valor concreto del vector x de las variables), para la cual alcancen simultneamente su valor ptimo todas y cada una de las funciones objetivo. Antes bien, suele ocurrir que debido al menor o mayor conficto entre los diversos criterios, una solucin sea mejor que las otras en algunos de ellos, mientras que para los restantes criterios sea superada por otras soluciones. Sin embargo, s es muy frecuente que existan soluciones dominadas, llamadas as porque hay otra u otras soluciones que las superan claramente en al menos un criterio, sin ser peor en los restantes. Generalmente, slo las soluciones no-dominadas o efcientes sern las que le interesar seguir considerando al decisor. Es importante que precisemos exactamente este concepto de solucin efciente, dado su papel fundamental en la teora de la Decisin Multicriterio. Decimos que una solucin a = [a 1 , a 2 ,...,a n ] (aX) es efciente cuando no existe otra solucin bX tal que f k (b)f k (a), k=1,p, con al menos un q tal que f q (b)>f q (a). Es evidente, por la defnicin anterior, que si pasamos de una solucin efciente a otra tambin efciente y una de las funciones objetivo mejora, entonces alguna al menos de las otras funciones objetivo debe empeorar (si no ocurriese as, la segunda solucin dominara a la primera, en contra de lo supuesto). 35 La eleccin entre soluciones efcientes es el verdadero problema de la Decisin Multicriterio, ya que en principio no hay ningn otro elemento de racionalidad "objetiva" que podamos manejar para descartar ms soluciones. Nos vemos abocados a tener que hacer intervenir consideraciones de tipo subjetivo: las preferencias del decisor. Un criterio clasifcador en la Decisin Multicriterio atiende al nmero (fnito o infnito) de alternativas a considerar en la decisin, existiendo mtodos muy diferentes segn cual sea el caso, aun cuando algunos de los fundamentos tericos sean muchas veces aplicables a ambos tipos de situaciones. En primer lugar estn aquellos problemas en los que las variables de decisin, y por tanto las funciones objetivo, pueden tomar un nmero infnito de valores distintos (valores en un continuo), conduciendo as a un nmero infnito de alternativas posibles del problema. La rama continua de la Decisin Multicriterio, tambin llamada Decisin Multiobjetivo, se dedica precisamente a este tipo de problemas. Otra gran clase de problemas la constituyen aqullos en los que las alternativas de decisin lo son en nmero fnito y, generalmente, pequeo (conjunto discreto de alternativas). Ejemplos tpicos son el de elegir el emplazamiento de una nueva incineradora de basuras entre los posibles preestudiados, el de seleccionar el o los mejores proyectos de inversin en una organizacin o el de decidir qu modelo de automvil comprar de la gama ofrecida por el mercado. En todos los casos citados la decisin se basar, naturalmente, en las diversas caractersticas o atributos de las alternativas respecto a los criterios de decisin relevantes. Tales problemas se denominan de Decisin Multicriterio Discreta y les son aplicables algunos de los mtodos de la Decisin Multiobjetivo. No obstante, existen para ellos mtodos especfcos, como los de Relaciones de Superacin (Electre, Promethee,...), el Anlisis Jerrquico de Saaty (AHP), los mtodos de Permutacin y otros muchos. La Decisin Multicriterio Discreta nos va a interesar aqu especialmente 2 . Una razn bsica para esta seleccin es la de que aborda el tipo de problemas ms frecuente en la prctica: los de seleccin por el decisor de entre varias alternativas, pocas y concretas, posibles. La otra gran rama, la Decisin Multiobjetivo, ms adecuada para problemas de diseo multicriterio, no ser considerada aqu en lo sucesivo. El lector hispanohablante tiene en el Romero (1993) una buena y reciente referencia para poder ampliar detalles sobre ella. 2. CONCEPTOS BASICOS DE LA DECISION MULTICRITERIO DISCRETA 2.1. El paradigma del problema Resumiendo un tratamiento ms detallado de la problemtica y metodologa de la Decisin Multicriterio Discreta (DMD, en lo sucesivo), que puede verse en otros lugares (Barba-Romero,1994; Barba-Romero y Pomerol,1995), la Figura 1 recoge uno de los modelos ms predominantes de trabajo (aun cuando existen otros ms especializados, como los rboles jerrquicos del Analytic Hierarchy Process de Saaty o los modelos de Redes Neuronales Artifciales). Consta bsicamente de dos tipos de datos que constituyen el punto de partida de los diversos mtodos de DMD, los cuales habrn de ser proporcionados, estimados bien extrados indirectamente del decisor. Figura 1: Modelo de trabajo del problema de la DMD. 2 A la Decisin Multicriterio Discreta tambin se la llama a veces Decisin Multiatributo, an cuando esta denominacin, traduccin literal del vocablo anglosajn Multiattribute, me parece equvoca por llamarse as tambin un tipo especfco de mtodos de la misma. 36 CRITERIOS C 1 . . . C j . . . C n A 1 MATRIZ . . DE . DECISION . . ALTERNATIVAS A i . . . . . r ij . . A m w 1 . . . w j . . . w n Leyenda: r ij : evaluacin (rating) de la alternativa i respecto al criterio j. w j : peso (weight) del criterio j. Se parte de una enumeracin de las alternativas (o soluciones, o proyectos, o candidatos,...) A i (i=1,m) en consideracin. Tales alternativas son completamente disjuntas y exhaustivas. Es decir, no cabe concebir alternativas "intermedias" a las enumeradas (si tales alternativas quisieran considerarse adanse simplemente con carcter individual a la lista anterior). En defnitiva el conjunto {A i } es discreto y universal a nuestros efectos. Por otra parte, los criterios ( atributos, caractersticas,...) sobre los cuales se basar la decisin tambin constituyen un conjunto discreto {C j } (j=1,n). Aqu s pueden tener mucho sentido la posible subordinacin de unos criterios a otros: es decir, la as llamada jerarquizacin de criterios, como comentar ms adelante. Descritos los conceptos y dimensiones de las alternativas y los criterios slo resta estructurar adecuadamente la informacin que les relaciona y defne. Estos son los dos tipos de datos ms arriba aludidos y que aparecen en la Figura 1. En primer lugar, las evaluaciones r ij de cada alternativa i respecto a cada criterio j, constituyendo la llamada matriz de decisin, las cuales describen cada alternativa considerada en funcin de los criterios. Por otro lado los pesos w j , agrupados en el llamado vector de pesos, los cuales intentan representar la estructura de preferencias del decisor. El problema general de la DMD, independientemente de la forma concreta en que se midan los r ij y los w j , es el de seleccionar aquella alternativa que "mejor" satisfaga las preferencias del decisor. Descartada en la DMD la posibilidad de alcanzar una solucin ptima (el mismo concepto de ptimo carece de sentido en todo el mbito de la Decisin Multicriterio), hemos de contentarnos con ese "mejor" entrecomillado para signifcar que su defnicin est abierta a diversas interpretaciones ms o menos racionales. De ah los diferentes enfoques y mtodos propuestos y las diversas soluciones en principio posibles al problema. 2.2. La estructuracin de los criterios 37 Una adecuada seleccin y estructuracin de los criterios relevantes al problema es esencial para que el anlisis del mismo sea signifcativo y til. A la hora de defnir el conjunto de criterios convendr asegurarse de que cumple las siguientes deseables propiedades: a) Exhaustividad: No se ha olvidado ningn criterio que permita discriminar las alternativas. Esta propiedad es la ms inmediata de tener en cuenta en el momento de la modelizacin, procurando que todos los aspectos relevantes al problema de decisin aparezcan refejados como criterios. b) Coherencia: Las preferencias globales del decisor son coherentes con las preferencias segn cada criterio, en el sentido de que si dos alternativas a y b tiene la misma califcacin en todos los criterios, y por tanto son globalmente indiferentes para el decisor, la mejora de a respecto a un criterio implica una preferencia global de a respecto a b. Esta propiedad deber cumplirse si el decisor es racional. c) No redundancia: Un conjunto de criterios, verifcando las dos propiedades anteriores, es no redundante si la supresin de uno solo de los mismos implica que el subconjunto de los restantes viola alguna de tales propiedades. Esta propiedad es deseable, pero no esencial, estando el peligro en la posibilidad de otorgar duplicada importancia a los criterios redundantes si ello no se tiene en cuenta en el momento de asignar y utilizar los pesos. No debe confundirse la propiedad de no redundancia con la de la independencia de criterios, en el sentido de que no estn correlacionados (una vez que se hayan cuantifcado las evaluaciones de las alternativas respecto a ellos). En efecto, esta propiedad de independencia se cumple raramente en la prctica (no est correlacionado, por ejemplo, el nivel de impacto acstico de una autopista con el coste de la misma?) por lo que es absurdo pretender exigirla. Como consejo general puede darse el siguiente: El conjunto de criterios ms adecuado es aqul que obedece a consideraciones descriptivas (mejor describe los datos disponibles del problema y ms lo hace intuitivamente comprensible al decisor), en el caso de que ste sea nico, o a consideraciones dictadas por la naturaleza del conficto, si se est en un contexto de una decisin a negociar entre distintas partes interesadas. Por otra parte, el nmero mximo de criterios posibles de utilizar puede estar limitado por el tipo de mtodo de DMD que se vaya a emplear posteriormente para el anlisis del problema. As, no es aconsejable emplear ms de 7 criterios en los mtodos de comparacin de alternativas como el de Zionts (1981), debido a la conocida limitacin del cerebro humano para comparar simultneamente ms de 7 cosas (el mgico nmero 7 que la psicometra nos ha desvelado; vase Miller,1956). Pero aun cuando el mtodo de DMD lo permita, no es aconsejable trabajar simultneamente con ms de 20 criterios en el mismo plano de igualdad por la difcultad entonces de percibir las caractersticas ms signifcativas del problema de decisin en una visin global del mismo. Ante la existencia de un nmero extenso de criterios, situacin bien frecuente en la prctica, puede recurrirse sin embargo a estructurarlos en una jerarqua de criterios y subcriterios, incluso a varios niveles, que permita aliviar o hasta eliminar los inconvenientes mencionados. Este mecanismo de modelizacin de los criterios ser casi obligado a la hora de asignar los pesos a los mismos (como comento en la seccin 2.6) y es muy frecuente que los mejores programas y SIAD de DMD lo ofrezcan como faceta a disposicin del usuario. Unas palabras, antes de terminar esta seccin, respecto a la medida de la INCERTIDUMBRE. Una de las ventajas que aporta la metodologa multicriterio es la de permitir fcilmente tener en cuenta este importante factor en las tomas de decisiones. En efecto, independientemente de otras posibilidades que cada mtodo concreto de DMD con frecuencia ofrece para abordarla, un procedimiento sencillo e inmediato es el de confgurar un criterio o varios que la recojan expresamente. As, el riesgo de que el coste de cada alternativa se desborde respecto a la evaluacin establecida en el correspondiente criterio "coste" puede recogerse mediante otro criterio "riesgo de incremento del coste" cuyas evaluaciones se miden como las varianzas, o 38 los costes mximos, o cualquier otra adecuada medida de dispersin, de la variable coste que ahora consideramos aleatoria. 2.3. Cuantifcacin y normalizacin de evaluaciones Denominamos evaluaciones a las distintas caractersticas que las alternativas presentan frente a cada criterio. Ser necesario cuantifcarlas de la manera ms precisa posible, ya que representarn a las alternativas en todo el proceso de anlisis posterior. De ello depender que al fnal del proceso el decisor no tenga la sensacin subjetiva de que las conclusiones no son realistas. Sin embargo, la cuestin no es ciertamente fcil. Para cada criterio, la escala de medida de las evaluaciones vendr muy determinada por su propia naturaleza. Una primera clasifcacin de escalas es en cualitativas o cuantitativas. Cuando las evaluaciones se caracterizan por califcaciones del tipo "excelente, bueno, normal, regular o malo", estamos utilizando una escala cualitativa de medida. Este tipo de escalas son ciertamente tiles, a pesar de su imprecisin, ya que al emplear el lenguaje natural su comprensin es inmediata para el decisor, con lo que le resulta fcil y gil utilizarla. Pero en dicho mrito reside tambin su debilidad ya que la polisemia del lenguaje natural har que distintos decisores, o an el mismo en distintos momentos o situaciones, entiendan cosas diferentes por, por ejemplo, el trmino "bueno". De ah la mencionada imprecisin. Aun cuando para la medicin inicial o inmediata de las evaluaciones de un cierto criterio, una escala cualitativa pueda ser lo ms adecuado, en algn momento ser imprescindible, a fn de poder operar matemticamente con ellos, "traducirlas" a una escala cuantitativa como las que comentamos a continuacin. Existen propuestas de mtodos de DMD que, utilizando la Teora de los Conjuntos Difusos y/o tcnicas de Sistemas Expertos, permiten afrontar directamente problemas en que las evaluaciones se miden en escalas cualitativas, pero no estn exentos de problemas tericos difciles de resolver adecuadamente. Una introduccin a este tema puede verse en Reyes y Barba-Romero (1986). Las escalas cuantitativas son bsicamente de dos tipos: ordinales o cardinales. Un criterio tiene una escala ordinal de medida de sus impactos cuando respecto al mismo se establece una ordenacin de mejor a peor (o viceversa) de las alternativas. La cuantifcacin numrica no consiste ms que en algn convenio del tipo, por ejemplo, valor 1 a la peor alternativa, valor 2 a la siguiente mejor, etc. Estos valores tienen un signifcado estrictamente de ordenacin: "2" signifca que es mejor, segn el convenio anterior, que "1", no que es el doble de bueno. La escala cardinal es la ms completa en cuanto a sus posibilidades de uso, pero al mismo tiempo la ms exigente desde un punto de vista terico y la ms costosa generalmente de emplear, aun cuando para ciertos criterios (coste, peso, distancia,...) ser la escala natural de medida. Simplifcando la cuestin al caso particular de una escala cardinal-ratio, aun cuando cabra hablar tambin de la cardinal-intervalo (vase el captulo 2 del Barba-Romero y Pomerol (1995) para mayores detalles), una escala cardinal es aqulla en la que los valores de las evaluaciones admiten una interpretacin de proporcionalidad: Ahora "2" signifca efectivamente el doble que "1". Si esto es bueno o malo depender de lo que se est midiendo, costes o benefcios, pero en todo caso la mencionada proporcionalidad existe. Existen mtodos de DMD (los llamados mtodos ordinales) que no necesitan ms que una escala ordinal para la medicin de las evaluaciones, pero ni son los ms potentes ni estn exentos de complicaciones tericas. Por otra parte, es frecuente que se disponga de datos cardinales cuya riqueza sera penoso derrochar degradndolos a datos ordinales, aun cuando esto sea por supuesto siempre posible. La legibilidad y potencial representativo que para el decisor tengan los valores numricos que describen a las evaluaciones son un factor importante para orientar en el tipo de selecciones antedichas. Otro factor condicionante es, sin duda, el de la disponibilidad de los datos. 39 Casi todos los mtodos de DMD precisan que las evaluaciones r ij de una alternativa concreta i, correspondientes a todos y cada uno de los criterios j, sean comparables en magnitud, unidad de medida, posicin del cero, dispersin de medida, etc. Es el problema de la normalizacin de las evaluaciones, para afrontar el cual existen diferentes procedimientos tales como dividir por el mximo o por la suma de las evaluaciones de cada criterio, u otros ms elaborados sobre los cuales no nos extenderemos aqu (pueden verse en los ya citados Barba-Romero,1994 o Barba-Romero y Pomerol,1995). No es neutral la eleccin, pues el resultado fnal puede verse considerablemente afectado por el procedimiento de normalizacin utilizado. Es por ello que aqu reside una clara posibilidad de manipulacin de los resultados de un problema de DMD, frente a la cual habr que estar siempre muy conscientes. 2.4. Preanlisis de Dominacin Denominamos as a un anlisis previo al intento de seleccionar la mejor alternativa, muy conveniente de realizar en la prctica debido a sus posibilidades de simplifcacin del problema, basado en el importante concepto de solucin efciente o no dominada defnido en la seccin 1.2. Comencemos defniendo el concepto relacionado de alternativa dominante. La idea intuitiva es que una alternativa es dominante cuando sus evaluaciones son mejores, al menos iguales, que las correspondientes evaluaciones de cualquier otra alternativa. Suponiendo desde ahora, a fn de simplifcar la notacin, que las evaluaciones r ij sean cardinales y crecientes en preferencias (es decir, criterios a maximizar), podemos dar una defnicin ms formal del concepto anterior. Decimos que la alternativa A i es dominante cuando rijrkj, para todo k=1,m y para todo j=1,n. Este concepto es la generalizacin al contexto multicriterio del habitual concepto de ptimo global en la optimizacin o decisin monocriterio. La existencia y deteccin de una alternativa dominante en el problema de DMD que estemos abordando supone, como es natural, la inmediata solucin de ste. Sin embargo la realidad no suele ser tan complaciente, por lo que en un problema real es raro que una alternativa sea dominante. Lo que s es habitual que ocurra es que coexistan varias alternativas no dominadas o efcientes en un problema de DMD. Cualquier alternativa que no sea efciente es por tanto dominada por alguna algunas otras, y podemos excluirla de nuestra bsqueda de la mejor alternativa. En efecto, nunca ser racional elegir tal alternativa cuando existe al menos otra que es al menos igual en todos los criterios y la supera netamente en al menos alguno. Lo anterior es aplicable a aquellos problemas en los que slo se busque la mejor alternativa (los de tipo , en la terminologa de Roy,1985). Sin embargo, en aquellos otros problemas en los que se desea una ordenacin de las alternativas (problemas llamados de tipo ), s puede tener inters conservar vivas las dominadas pues, aun sindolo por alguna(s) otra(s) alternativas, no lo sern por las restantes, frente a las que pueden compararse favorablemente en una ordenacin fnal (problema del "segundn brillante", en afortunada expresin de Schrlig,1985). 2.5. Preanlisis de satisfaccin De nuevo un anlisis previo cuya utilidad prctica puede ser grande. Su concepto central es el de eliminar las alternativas no-satisfactorias en el sentido que enseguida defniremos. La idea bsica la propone Simon (1955) al plantear un modelo alternativo al paradigma vigente del decisor racional. El "hombre administrativo" de Simon dista del anterior ideal en varios aspectos importantes: Informacin limitada, capacidad limitada de clculo, no necesidad de bsqueda del ptimo en los problemas reales sino tan slo soluciones "satisfactorias", etc. Es por ello que Simon habla de unos niveles de aspiracin, fjados a priori por el decisor, cumplidos los cuales cualquier alternativa que primero encuentre le servir como solucin vlida para su problema de decisin. 40 El anlisis de satisfaccin (tambin llamado a veces mtodo conjuntivo) utiliza estas ideas de forma que, empleando unos umbrales de satisfaccin para cada criterio (umbral inferior si tal criterio se maximiza; umbral superior si se minimiza) que el decisor pueda defnir previamente, se eliminen las alternativas que, en algn criterio, no los pasen. Estas alternativas seran por tanto alternativas no-satisfactorias, lo que justifca su exclusin de posteriores anlisis. El preanlisis de satisfaccin puede constituir por s mismo un anlisis completo del problema (un mtodo de DMD) si el decisor altera dinmica e interactivamente los umbrales de satisfaccin de los criterios con el fn de ir reduciendo el nmero de alternativas satisfactorias hasta que slo quede una de ellas como superviviente. Esta es precisamente la flosofa del mtodo PRIAM desarrollado por Lvine y Pomerol (1986), utilizando conceptos de Inteligencia Artifcial. 2.6. La asignacin de los pesos En todo problema de DMD es casi inevitable que unos criterios tengan para el decisor ms relevancia que otros. Por circunstancias muy diversas, entre las que lgicamente estn sus preferencias personales (ms o menos objetivables, o completamente subjetivas), el decisor puede considerar ms importantes a unos criterios que a otros. Se denominan pesos (o ponderaciones) a estas medidas de la importancia relativa que los criterios tienen para el decisor, y a la somera descripcin de los procedimientos para estimarlos o asignarlos va destinada esta seccin. El procedimiento clsico de estimacin de los pesos en Decisin Multicriterio es el propuesto por Churchman y Ackof (1954) posteriormente analizado y mejorado por Knoll y Engelberg (1978) fundamentalmente, y denominado a veces como mtodo de las utilidades relativas. Consiste bsicamente en, partiendo de unas estimaciones provisionales, irlas afnando en el sentido de mejorar su consistencia interna por medio de comparaciones binarias de subgrupos de criterios. Otro conjunto importante y amplio de procedimientos de estimacin de pesos se basa en efectuar comparaciones binarias de los criterios. Representante signifcado de este tipo es el conocido AHP (Analytic Hierarchy Process) de Saaty (1977), cuya descripcin detallada puede verse en otros captulos de esta obra. Una va completamente distinta es la del mtodo de la Entropa (Zeleny,1982). La idea esencial es la de que la importancia relativa del criterio j (a medir por el peso w j ) en una situacin dada de decisin (refejada por su matriz de decisin), est directamente relacionada con la informacin intrnseca promedio generada por el conjunto de alternativas respecto a dicho criterio, y asimismo por la asignacin subjetiva de la importancia que el decisor le otorgue segn sus preferencias. La forma operativa de cuantifcar todo esto es utilizando el concepto de entropa de Shannon y Weaver (1949) aplicado al vector de evaluaciones de cada criterio, como medida inversa de la importancia que a este criterio dichos datos atribuyen, combinado con unos pesos subjetivos dados a priori por el decisor. Aparte de su elegancia terica, su gran ventaja es la de su "objetividad" en contextos de decisiones de grupo. Un mtodo Delphi de consenso, combinado o no con los mtodos anteriores, viene siendo propuesto recientemente como el ms adecuado a fn de converger a un vector de pesos que recoja las preferencias del grupo de decisores involucrados, en lugar del nico decisor hasta ahora supuesto. Vase Khorramshahgol y Moustakis (1988) para un caso real de aplicacin a decisiones de trazado de autopistas. Terminemos comentando un aspecto importante: el de la posible jerarquizacin de los criterios y la repercusin de ello en los pesos que se les asignen. Supongamos una estructura jerrquica de criterios a dos niveles: Un primer nivel de criterios "padres" y un segundo nivel de subcriterios "hijos" de aqullos. Cabe preguntarse ahora lo siguiente: Ser mejor, en el sentido de recoger ms felmente las preferencias del decisor, comenzar asignando pesos a los criterios del primer nivel y "repartirlos" entre los criterios del 41 segundo nivel?. Este reparto exigira una asignacin de pesos parciales relativos de cada grupo de criterios del segundo nivel con relacin a su criterio padre del primer nivel, y una composicin fnal de estos pesos relativos con los pesos de los del primer nivel, a fn de obtener los pesos defnitivos de los criterios del segundo nivel. A este procedimiento se le denomina una asignacin jerarquizada de pesos, frente a la asignacin no jerarquizada que hasta ahora era la nica que habamos contemplado. Tales cuestiones se han estudiado experimentalmente en diversas ocasiones (Weber y Borcherding,1993; Stilwell et al.,1987) y las conclusiones vienen siendo coincidentes: La asignacin jerarquizada es ms rica que la no jerarquizada, en el sentido de un mayor contraste (mayor varianza) de los pesos obtenidos. Sin embargo, tambin se constata la signifcativa infuencia, en los valores fnales de los pesos, del modelo elegido para la agrupacin de los criterios en una estructura jerrquica, lo que no parece muy tranquilizador. Sea como fuere, el concepto de jerarqua de criterios es muy relevante en los problemas reales y comienza a utilizarse cada vez ms. El ya comentado mtodo AHP de Saaty, por ejemplo, toma el modelo jerrquico como concepto central de su metodologa de trabajo, y muchos paquetes informticos de DMD permiten una jerarquizacin opcional de criterios y una asignacin, jerrquica o no, de los pesos. 2.7. Mtodos de ordenacin Denominamos as a los diferentes mtodos propuestos para llevar a cabo uno de los aspectos ms relevantes de la metodologa multicriterio: el de agregar toda la informacin contenida en la matriz de decisin y en el vector de pesos, a fn de obtener una ordenacin de las alternativas, de ms a menos preferidas. Como factores relevantes a la hora de clasifcar los mtodos de la DMD podramos considerar los siguientes: Las dimensiones (m x n) de la matriz de decisin, la forma (cardinal, ordinal, etc) de medirse las evaluaciones y los pesos, los procedimientos de trabajo que plantean al decisor (estimacin de datos, comparaciones entre alternativas, interactividad,...), su carcter compensatorio no, el tipo de resultados que ofrecen (desde un preorden parcial de las alternativas, como en el ELECTRE I, hasta una cardinalidad completa de las mismas, como en los mtodos de funcin de utilidad), etc. Dichas caractersticas son importantes, pero aisladamente incompletas como factores determinantes de una clasifcacin, por lo que tal vez la clasifcacin ms relevante pueda basarse en la similitud de estructura y de operativa de los mtodos ms extendidos y utilizados. Los ya centenares de mtodos de ordenacin propuestos en la literatura, podran agruparse, segn el punto de vista expuesto, en las once grandes especies o categoras siguientes: * Ordinales y lexicogrfcos * Utilidad Multiatributo * Ponderacin Lineal * Mtodo Jerrquico de Saaty (AHP) * Concordancia * Relaciones de Superacin * Comparacin de alternativas * Distancia al ideal * Permutacin * Anlisis multivariante * Inteligencia artifcial y Redes Neuronales 42 No es ste el lugar para entrar en una descripcin, ni tan siquiera esquemtica, de tales categoras de mtodos, remitiendo para ello a la ya citada obra de Barba-Romero y Pomerol (1995). Baste decir que, naturalmente, la experiencia viene mostrando que unos mtodos son mejores que otros, pero sin que pueda afrmarse (ni probablemente pueda hacerse nunca) que uno de ellos es netamente el mejor, ya que tal cosa depender de muchas circunstancias (dimensiones, tipo de datos, resultados buscados, etc.) relativos al problema del que en cada momento se trate. 2.8. Anlisis de sensibilidad La ordenacin fnal de las alternativas depende de todas las medidas (evaluaciones, pesos) y procedimientos (normalizaciones, agregaciones) que se han ido efectuando hasta obtenerla. A veces, segn los problemas y los datos, esta dependencia es muy dbil, por lo que la ordenacin fnal conduce a decisiones "robustas", que no se ven afectadas por ligeros (o incluso grandes) cambios en los datos (o en los procedimientos, aunque estos no suelen modifcarse una vez elegidos). Por el contrario, otras veces la ordenacin fnal es muy susceptible a cualquier pequeo cambio en los datos, por lo que las decisiones fnales son muy crticas. Estos efectos es muy conveniente que el decisor los conozca y que pueda experimentar con ellos hasta calibrarlos debidamente. Contamos ya con varios trabajos tericos interesantes, como el pionero de Mareschal (1988), caracterizando los por l defnidos mtodos aditivos de orden r (el mtodo de ponderacin lineal, entre otros, caera en ese marco). O los ms recientes estudios de Antunes y Clmaco (1992) y de Wolters y Mareschal (1995). Asimismo, muchos de los soportes informticos para DMD ya incorporan facetas de anlisis de sensibilidad de los pesos. Existen diversas posibilidades para ello, ya que las capacidades interactivas y de clculo de la actual informtica personal as lo permite. 3. SOPORTES INFORMATICOS PARA LA DECISION MULTICRITERIO DISCRETA 3.1. Los soportes para la toma de decisiones El decisor necesita herramientas para realizar el proceso de toma de una decisin. Cualquier cosa que le ayude en dicha tarea podr ser califcada, por tanto, como un soporte de toma de decisiones: una moneda que lanza a cara o cruz, un manual con el procedimiento predeterminado a seguir para conceder un crdito, un programa informtico que le da una respuesta o solucin tras preguntarle varios datos, o un sistema informtico ms complejo y completo. Estando en la era del ordenador consideraremos nicamente como tales soportes los que estn informatizados: al fn y al cabo, tanto la moneda como el manual de procedimientos pueden simularse por ordenador, por lo que todos los ejemplos anteriores podran traducirse a un soporte informtico y por tanto cumplir la pseudo-restriccin que acabamos de establecer. Ahora bien, nuestro concepto de soporte a la toma de decisiones no es el de todo aquello que es susceptible de informatizarse y de, en mayor o menor medida, ayudar a un ser humano a tomar decisiones, sino tan slo el de aquellos sistemas informticos que se adapten a los paradigmas y el marco conceptual de la Teora de la Decisin. Esto s excluye ya a la moneda y al manual de procedimientos, por muy informatizados que estn. Tambin excluye a cualquier programa clsico del tipo nmina (o facturacin, o pedidos, etc.), en el que la "decisin" fnal de cunto abonar a un empleado depende de algunos datos concretos (puesto de trabajo, antigedad, situacin familiar,...) previamente suministrados y con los que se efectan unos clculos preestablecidos. 43 En realidad, lo mnimo que podemos exigirle a un soporte de toma de decisiones que merezca tal nombre es que exista una cierta bsqueda heurstica de la solucin (la "decisin") y que en dicho proceso el decisor tenga al menos un control parcial. Es decir, siguiendo la terminologa de Wirth, que el resultado fnal no sea exclusivamente dirigido por los datos (data driven). Podemos estar hablando, por tanto, de slo dos cosas: un programa ad-hoc que sea la traduccin informtica de algn algoritmo del arsenal de la Teora de la Decisin (paquetes de programacin lineal, de rboles de decisin o de planifcacin Pert de proyectos, por ejemplo), o de un sistema ms completo, con posibilidad de trabajar con algoritmos o paradigmas diversos y amplias funciones de interfase con el decisor y de archivo de datos y modelos. Estos ltimos son los SIAD, sobre los que enseguida hablaremos ms en extenso. Algunos autores consideran igualmente como soportes de toma de decisiones, e incluso como SIAD, a conocidos paradigmas informticos como las Hojas de Clculo, las Bases de Datos o los Generadores de Sistemas Expertos, dadas sus innegables vocaciones y capacidades para ayudar a la toma de diverssimos tipos de decisiones, y a su ampliamente demostrada en la prctica utilidad para ello. Por mi parte no veo ningn inconveniente fundamental para hacerlo tambin as, pues participo de dicha visin como alguna publicacin atestigua (Barba-Romero et al.,1987). Sin embargo, siendo puristas habra que considerar a tales herramientas como paradigmas o medios con los que desarrollar soportes de toma de decisiones, de manera anloga, aunque evidentemente ms especializada, a como un lenguaje de alto nivel como el Basic o el C permite tambin desarrollarlos (adems de a otros programas informticos, como el de nmina, que no son soportes de toma de decisiones como hemos anteriormente acordado). Por tanto, sera ms adecuado considerarlos como pre-soportes de toma de decisiones, sin que la cuestin merezca que nos detengamos ms en ella. El vocablo SIAD proviene de las siglas de Sistema Interactivo de Ayuda a la Decisin, y corresponde al trmino original anglosajn DSS (Decision Support System), puesto en circulacin por Scott Morton a principios de los aos 70. Ni la traduccin literal SSD (Sistema Soporte de Decisiones), ni otras acepciones manejadas por diversos autores han logrado sobrevivir frente a la anterior denominacin SIAD, de fuerte carcter descriptivo como enseguida justifcar. Las caractersticas fundamentales que hacen que un sistema informtico merezca el nombre de SIAD son las siguientes: * Sistema: Es decir, una estructura funcional ms o menos compleja, no limitndose a un simple programa ad-hoc para un tipo concreto de problemas. Ms abajo se comentan las partes usuales de dicha estructura. * Interactivo: Dirigido por el decisor (o persona en quien delegue o le asesore, o comit de decisin al unsono), de manera que sea ste quien determine la accin siguiente en funcin de los resultados hasta el momento. Accesible tantas veces como se quiera y con tiempos de respuesta coherentes con la decisin de que se trate. * de Ayuda: Sin sustituir al decisor, sin automatizar completamente la decisin. * a la Decisin: Lo que signifca dos cosas. La primera que es un sistema especfco para la toma de decisiones; es ms, para una categora determinada de problemas de decisin. Y la segunda, que ayuda durante todo o casi todo el proceso de decisin, no tan slo para una fase muy concreta del mismo. La estructura funcional de un SIAD suele constar de las tres partes siguientes: 1) Interfases de dilogo y de salida de informes. 44 2) Memoria de datos y modelos (Base de Datos). 3) Capacidades de proceso de informacin (algoritmos de la Teora de la Decisin). Una vez establecidos los principales conceptos de los SIAD, no creo sea necesario profundizar ms en los detalles, los cuales podr con ms provecho encontrarlos el lector interesado en alguno de los textos especializados en este tema, como el Lvine y Pomerol (1989). En Pomerol (1993) y en Angehrn y Jelassi (1994) se ofrecen unas refexiones crticas an ms actualizadas. 3.2. Algunos paquetes recientes Asistimos en los ltimos aos a una verdadera pltora de realizaciones de SIAD y de paquetes informticos dedicados a la Decisin Multicriterio Discreta, de los cuales el captulo 10 del Barba-Romero y Pomerol (1995) ofrece un inventario bastante completo. Mi objetivo aqu es el de researle al lector algunos pocos de ellos: los que constituyen, a mi juicio, las propuestas simultneamente ms recientes e interesantes de entre la que han llegado a mi conocimiento. 3.2.1 AIM v3.0 El mtodo AIM (Aspiration-level Interactive Method) de Lotf, Stewart y Zionts (1992) se autodeclara eclctico desde un punto de vista terico y enfatiza su inters porque el decisor lo encuentre intuitivo y fcil de utilizar. Su mecanismo bsico de trabajo consiste en encontrar la alternativa "ptima" al minimizar la distancia (Tchebychef o eucldea, a elegir) a unos "niveles de aspiracin" fjados por el usuario para cada criterio. El paquete AIM que da forma al mtodo (lo enva por 10$ el Prof. Stanley Zionts, School of Management, University of New York at Bufalo, Bufalo, NY, 14260, USA) permite que estos niveles puedan ser dinmica e interactivamente modifcados. Para ello el decisor dispone de una actualizada informacin en pantalla, con los niveles Ideal, Nadir (anti-ideal) y los de aspiracin actual y mejor y peor inmediatamente ms prximos, junto con el porcentaje de alternativas que tales niveles de aspiracin dejan por debajo (en cada criterio y en el total de todos ellos). Un posterior, y opcional, anlisis de superacin tipo Electre, permite escoger entre la alternativa "ptima" anterior y otras alternativas prximas a ella. La ltima versin 3.0 admite hasta 50 alternativas y 10 criterios. Estos pueden ser los usuales de maximizacin o de minimizacin, otros de tipo meta e incluso cualitativos (con evaluaciones excelente, bien, medio, dbil o malo). Permite niveles de satisfaccin y anlisis de dominacin, todo ello de forma interactiva. Los pesos los calcula automticamente en funcin de, para cada criterio, el ideal, el nadir y el nivel de aspiracin fjado por el usuario, lo que los hace fuertemente dinmicos e independientes de la voluntad directa del decisor, no existiendo otra posibilidad de asignarlos. El mtodo, segn sus autores, compara bien con otros como el AHP de Saaty, y en Yoon et al. (1991) se generaliza este enfoque a problemas de Decisin Multiobjetivo (variables continuas). Pero aparte de estos prometedores comienzos no conozco ms experiencias que lo avalen. 3.2.2. ELECTRE III-IV v.3.0 para Windows Los mtodos de superacin Electre III y IV son variantes del bsico y conocido Electre I pero permitiendo mayores sofsticaciones: defnicin de pseudocriterios y comparaciones difusas. El Electre III maneja pesos defnidos por el decisor aunque, como en todos los mtodos Electre, estos no tienen carcter de tasas de sustitucin sino tan solo medidas de preferencia que se agregan en el proceso de construccin de las relaciones de superacin. El Electre IV, sin embargo, ni exige ni utiliza pesos, pues funciona por medio de una secuencia de relaciones de superacin anidadas que, en forma paramtrica, va construyendo. Ambos ofrecen, como resultado fundamental, un preorden parcial de las alternativas. La versin 3.0 para Windows del paquete Electre III-IV, desarrollado por el LAMSADE de la U. Paris IX (Place du Marchal De Lattre de Tassigny, 75775, Paris, CEDEX 16, Francia) permite trabajar cmoda y efcazmente con estos sutiles mtodos de DMD. Las ayudas son completas y didcticas, la ejecucin muy 45 efciente, los resultados vistosos y completos, y el manejo amigable y fexible, aun cuando algunas cosas, como los criterios cualitativos, no estn permitidas. Tan slo un inconveniente: su precio es de 9000 FF (la experiencia de Bernard Roy y sus colaboradores es algo que evidentemente hay que pagar...). 3.2.3. PROMCALC v3.4 PROMCALC (PROMethee CALCulations) est desarrollado por los Profs. Jean Pierre Brans y Bertrand Mareschal de la Universidad Libre de Bruselas, y es comercializado por ellos mismos (U.L.B., Center for Statistics and Operations Research, Pleinlan 2, B-1050 Bruxelles, Blgica). La versin 3.4 es la ltima que conozco y mejora sustancialmente en capacidades a la anterior versin 2.1.. En Brans y Mareschal(1994) se describe ampliamente su metodologa y potencialidades. PROMCALC es la plasmacin informtica del mtodo Promethee, otro de los ms reconocidos mtodos de superacin, hecha por dos de sus autores ms representativos. Admite problemas de hasta 150 alternativas y 3600 evaluaciones, lo que supone no menos de 24 criterios. Como resultado fnal se obtiene un preorden parcial de las alternativas (la incomparabilidad puede ocurrir, mtodo Promethee I), o forzarse un preorden completo (mtodo Promethee II), ambos representables grfcamente. PROMCALC viene dotado de una amplia batera de Anlisis de Sensibilidad de los pesos, como los "walking weights" y los intervalos y polgonos de estabilidad, los cuales visualizan interactivamente y de diversas maneras la variacin que los pesos pueden experimentar sin que se altere la ordenacin (completa o parcial, a opcin del usuario) actual de las alternativas. Otra faceta interesante la constituye el denominado procedimiento Promethee V, que permite aadir restricciones sobre las alternativas, a voluntad del usuario, y resolver mediante un algoritmo incorporado de optimizacin combinatoria (vase la referencia Brans y Mareschal,1994, antes citada, para mayores detalles) Asimismo, el paquete GAIA (Geometrical Analysis for Interactive Aid), de los mismos autores, aparece ahora incluido como una opcin ms del men, constituyendo un interesante complemento que provee informacin grfca acerca de las caractersticas de conficto y/o dependencia entre los criterios, y de la posicin relativa de las alternativas, basada en un anlisis de Componentes Principales en el espacio de los criterios. Los n criterios existentes se proyectan ortogonalmente en el plano de los dos hipercriterios que mejor recojan la informacin existente. En este plano (el plano GAIA) las alternativas pueden entonces ubicarse, aprecindose as sus proximidades relativas, grupos que eventualmente forman, etc. PROMCALC es, en defnitiva, un paquete potente, efciente y muy bien diseado, robusto y cmodo de usar. Aunque algo pobre en documentacin y en informes impresos, sus informes grfcos son excelentes. Sus usuarios deben ser conscientes de que su metodologa terica conduce a resultados frecuentemente distintos a los que se obtienen con otros enfoques, como el de la ponderacin lineal. 3.2.4. Expert Choice v9.0 para Windows Expert Choice 9.0 para Windows es la ltima versin del conocido paquete de decisin multicriterio discreta basado en el Analytic Hierarchy Process (AHP) de Thomas L. Saaty, (comercializado por Decision Support Software Inc.). Expert Choice no slo se basa en el AHP, sino que es la concrecin informtica, supervisada por el mismo Saaty, de este mtodo de decisin multicriterio. La versin para Windows ofrece notables mejoras respecto a la ltima versin 8.0 para DOS. Sin entrar en excesivos detalles, ya que en otros captulos de este libro se comentan con ms detenimiento y autoridad, digamos que varias de dichas mejoras son las siguientes: En primer lugar, y como es lgico, una explotacin de las grandes posibilidades de interfase interactiva del ambiente Windows, creando un entorno GUI muy amigable y con cuidadas y extensas ayudas. En segundo lugar, que ya pueden existir hasta 9 nodos por nivel, en lugar del anterior lmite de 7, y que se han aadido nuevas posibilidades de importacin/exportacin de datos. Por ltimo, destacar los cinco tipos de Anlisis de Sensibilidad 46 disponibles, posibles de contemplar simultneamente en sus respectivas ventanas mientras varan dinmicamente al interaccionar el usuario con uno cualquiera de ellos. El resultado es el de una pantalla con una potencia de anlisis difcilmente imaginable hasta la fecha. 3.2.5. HIPRE3+ e INPRE El mtodo HIPRE (HIerarchical PREferences) ha sido propuesto por Raimo Hamalainen y sus colaboradores de la HUT (Helsinki University of Technology) y est disponible informticamente en el paquete HIPRE3+. Puede traerse una demo a travs de Internet (htpp://www.hut.f/HUT/Systems.Analysis/) o bien escribiendo al Prof. Hamalainen (HUT, Systems Analysis Laboratory, Otakaari 1 M, 02150 Espoo, Finlandia). Funciona en DOS, pero es muy interactivo y el ratn es aconsejable, aunque no obligatorio. La interfaz es amigable y personalizable por el usuario. Su metodologa bsica es la del Analytic Hierarchy Process de Saaty, pero con notables extensiones y una realizacin muy lograda. Permite hasta 20 niveles en la jerarqua del modelo y hasta 50 elementos por nivel. La asignacin de pesos puede ser directa o por comparaciones binarias, y el usuario puede defnir fcilmente diversas funciones de utilidad para los criterios. Los resultados son potentes en diversos sentidos: por su efciencia en ofrecerlos inmediatamente que se cambia un dato en pantalla, y por sus completos anlisis de sensibilidad. Dispone de un efcaz y fexible editor de macros a fn de poder construir procedimientos o demostraciones. El paquete paralelo HIPRE3+ Group Link es una versin para Windows para Trabajo en Grupo que permite aplicar esta metodologa a decisiones de grupos que manejen dicho entorno. En Wesseling y Gabor(1994) se describe la aplicacin del HIPRE3+ a la decisin de seleccionar la mejor alternativa de crecimiento del aeropuerto Schiphol de Amsterdam. Un paquete hermano del HIPRE3+ es el INPRE (INteractive PREferences) tambin diseado por R.Hamalainen. Es, de nuevo, un procedimiento tipo AHP, pero con la posibilidad ahora de manejar comparaciones binarias intervalo, lo que permite al decisor mucha mayor fexibilidad al expresar sus preferencias, generalmente imprecisas. Internamente recurre a un algoritmo basado en la programacin lineal, pero esto es transparente al usuario y debo decir que no he notado inefciencias en los modelos que he probado, bien es verdad que eran muy sencillos, de entre los disponibles en la demo que puede obtenerse por las mismas vas descritas al hablar del HIPRE3+. El paquete INPRE an est en estado experimental, por lo que deben verse con indulgencia sus notables limitaciones actuales (como la de no permitir ms que modelos de muy pocas alternativas y criterios o la de no tener mecanismos propios para exportar resultados), pero aun as ya ha sido utilizado en importantes decisiones de poltica energtica por el Parlamento fnlands (Salo y Hamalainen,1995). Es un mtodo esperanzador, del que conviene seguir sus evoluciones futuras. 3.2.6.MCView En Vetschera(1994) se describe este sistema no comercial para la toma de decisiones multicriterio discretas por medio de un proceso gradual de extraccin de las preferencias del decisor. Se basa en dos procedimientos metodolgicos interrelacionados: unas comparaciones globales de aquellos pares de alternativas que al usuario le sea fcil realizar, y unas estimaciones cardinales de preferencias (en forma, bien de pesos, bien de niveles de aspiracin), a las que unos algoritmos de bsqueda ptima tratan de hacer consistentes con las comparaciones globales anteriores. El usuario visualiza los datos, las preferencias expresadas y la inconsistencia que estas generan, por medio de una pantalla grfca interactiva del tipo componentes principales (como en la opcin GAIA del PROMCALC 3.4), pero generalizada como una combinacin convexa de ello y de una ordenacin simple de las alternativas (el parmetro de dicha combinacin es ajustable con el ratn del usuario). Con todo esto, el decisor puede ir modifcando interactivamente sus preferencias expresadas hasta el momento y viendo instantneamente sus efectos, hasta que la situacin global le satisfaga. En la referencia citada ms arriba, el lector interesado podr consultar ms detalles de este eclctico (GAIA, comparacin de alternativas, distancia al ideal,...) paradigma de trabajo, cuya validez prctica est an por calibrar, tal y como su propio proponente reconoce. 47 3.3. El sistema SMC: un Soporte MultiCriterio El SMC versin 1.0 es un soporte de decisiones multicriterio discretas, realizado por este autor y colaboradores de la Universidad de Alcal. Se ha desarrollado en lenguaje Visual Basic para Windows, a fn de que su interfaz de usuario sea cmoda y estndar. Se trata de un prototipo, pero plenamente operativo, lo que implica que es fable y robusto. Su formato en pantalla es de tipo Hoja de Clculo, de manera que el decisor tiene siempre a la vista tanto los datos del problema como los resultados que vaya obteniendo. Se maneja, en general, mediante comandos accesibles en mens. Su metodologa de trabajo permite que el usuario edite y manipule un problema, descarte opcionalmente alternativas detectadas en los preanlisis de dominacin o de satisfaccin, emplee diversos mtodos de ordenacin de las restantes (Ponderacin Lineal, Promethee II y Distancia al Ideal), y realice variados anlisis de sensibilidad. Todo ello de forma cmoda, fexible y efciente. Este enfoque metodolgico de emplear una batera de mtodos de ordenacin ya se propona en un paquete antecesor del SMC (Barba- Romero,1987 y 1988), y es hoy el fundamento de otros SIAD publicados en la literatura (Balestra y Tsoukias,1990; Hong y Vogel,1991; Antunes et al.,1994). Las Figuras 2 y 3 a continuacin recogen, a ttulo de muestra, la pantalla principal de trabajo del SMC y una ventana en la que el usuario selecciona la escala de medida que le parece ms apropiada para un criterio cuyos datos vaya a introducir a continuacin. 48 Figura 2: Pantalla principal de trabajo del SMC. Figura 3: Ventana de descripcin de las escalas en el SMC. 49 4. BIBLIOGRAFIA ANGEHRN, A. and T. JELASSI (1994), DSS research and practice in perspective, (Decision Support Systems, vol. 12, pp. 267-275) ANTUNES, C. H. and J. N. CLMACO (1992), Sensitivity analysis in MCDM using the weight space, (Operations Research Letters, vol. 12, pp. 187-196) ANTUNES, C. H.; L. A. ALMEIDA; S. V. LOPE and J. N. CLMACO (1994), A decision support system dedicated to discrete multiple criteria problems, (Decision Support Systems, vol. 12, pp. 327-335) BALESTRA, G. and TSOUKIAS, A. (1990), Multicriteria analysis represented by artifcial intelligence techniques, (Journal of the Operational Research Society, vol. 41, n 5, pp. 419-430) BARBA-ROMERO, S. (1984), Tcnicas de Apoyo a la Toma de Decisiones en la Administracin Pblica, (Instituto Nacional de la Administracin Pblica, Madrid) BARBA-ROMERO, S. (1987), Panormica actual de la decisin multicriterio discreta, (Investigaciones Econmicas, vol. XI, n 2, pp. 279-308) BARBA-ROMERO, S. (1988), Un sistema de soporte a las decisiones multicriterio discretas, (Novtica, vol. XIV, n 72, pp. 15-22) BARBA-ROMERO, S. (1994), Evaluacin multicriterio de proyectos, en Martnez, E. (Ed.), Ciencia, Tecnologa y Desarrollo: Interrelaciones Tericas y Metodolgicas, (Ed. Nueva Sociedad, Caracas, pp. 455-507) BARBA-ROMERO, S.; J. L BRCENA y M. A. PLAZA (1987), La fnanciacin de la innovacin en el CDTI, (Economistas, n 28, pp. 42-48) BARBA-ROMERO, S. y J-Ch. POMEROL (1995), Decisiones Multicriterio: Fundamentos tericos y utilizacin prctica, (Abacus, Madrid) BRANS, J-P. and B. MARESCHAL (1994), The PROMCALC & GAIA decision support system for multicriteria decision aid, (Decision Support Systems, vol. 12, pp. 279-310) CHURCHMAN, C. W. and R. L. ACKOFF (1954), An approximate measure of value, (Journal of the Operational Research Society of America, vol. 2, n 2, pp. 172-187) HONG, H. B. and D. R. VOGEL (1991), Data and model management in a generalized MCDM-DSS, (Decision Sciences, vol. 22, pp. 1-25) KHORRAMSHAHGOL, R. and V. S. MOUSTAKIS (1988), Delphic hierarchy process (DHP): A methodology for priority setting derived from the Delphic method and analytical hierarchy process, (European Journal of Operational Research, vol. 37, n 3, pp. 347-354) KNOLL, A. L. and A. ENGELBERG (1978), Weighting multiple objectives. The Churchman-Ackof technique revisited, (Computers and Operations Research, vol. 5, pp. 165-177) LARA, B. (1989), Patologas de la decisin humana, (Diario El Pas, Madrid, 20 de marzo de 1989, p. 20) LVINE, P. and J. Ch. POMEROL (1986), PRIAM, an interactive program for choosing among multiple attribute alternatives, (European Journal of Operational Research, vol. 25, pp. 272-280) LVINE, P. y J. Ch. POMEROL (1989), Systmes Interactifs d'Aide la Dcision et Systmes Experts, (Hermes, Paris) 50 LOTFI, V., T. J. STEWART and S. ZIONTS (1992), An Aspiration-level interactive model for multiple criteria decision making, (Computers and Operations Research, vol. 19, n 7, pp. 671-681) MARESCHAL, B. (1988), Weight stability intervals in multicriteria decision aid, (European Journal of Operational Research, vol. 33, pp. 54-64) MILLER, G. A. (1956), The magical number seven, plus or minus two: Some limits on our capacity for processing information, (Psychological Review, vol. 63, pp. 81-97) 51 POMEROL, J-Ch. (1993), Multicriteria DSSs: State of the art and problems, (Central European Journal for Operational Research and Economics, vol. 2, n 3, pp. 197-212) REYES, J. and S. BARBA-ROMERO (1986), Expert systems and multicriteria decision making, presented at EURO VIII, (Eight European Conference on Operational Research, Lisboa) ROMERO, C. (1993), Teora de la Decisin Multicriterio: Conceptos, tcnicas y aplicaciones, (Alianza, Madrid) ROY, B. (1985), Methodologie Multicritre d'Aide a la Dcision, (Economica, Paris) SAATY, T. L. (1977), A scaling method for priorities in hierarchical structures, (Journal of Mathematical Psychology, vol. 15, n 3, pp. 234-281) SALO, A. A. and R. P. HAMALAINEN (1995), Preference programming through approximate ratio comparisons, (European Journal of Operational Research, vol. 82, n 3, pp. 458-475) SCHRLIG, A. (1985), Dcider sur Plusieurs Critres, (Presses Polytechniques Romandes, Lausanne) SHANNON, C. E. and W. WEAVER (1949), The Mathematical Theory of Communication, (University of Illinois Press, Chicago) SIMON, H. A. (1955), A behavioral model of rational choice, (Quarterly Journal of Economics, vol. 69, n 1, pp. 99-114) SIMON, H. A. (1960), The New Science of Management Decision, (Harper and Brothers, New York) STILLWELL, W. G., D. von WINTERFELDT, and R. S. JOHN (1987), Comparing hierarchical and nonhierarchical weighting methods for eliciting multiattribute value models, (Management Science, vol. 33, n 4, pp. 442-450) VETSCHERA, R. (1994), MCView: An integrated graphical system to support multiattribute decisions, (Decision Support Systems, vol. 11, pp. 363-371) WEBER, M. and K. BORCHERDING(1993), Behavioral infuences on weight judgements in multiattribute decision making, (European Journal of Operational Research, vol. 67, n 1, pp. 1-12) WESSELING, J. A. M. and A. GABOR (1994), Decision modelling with HIPRE3+, (Computational Economics, vol. 7, pp. 147-154) WOLTERS, W. T. M. and B. MARESCHAL (1995), Novel types of sensitivity analysis for additive MCDM methods, (European Journal of Operational Research, vol. 81, n 2, pp. 281-290) YOON, Y. S., V. LOTFI and S. ZIONT (1991), Convergent aspiration-level search, CASE method for multiple objective linear programming: Theory and comparative tests, (University of New York at Bufalo, Working Paper n 754) ZELENY, M. (1982), Multiple Criteria Decision Making, (McGrawHill) ZIONTS, S. (1981), A multiple criteria method for choosing among discrete alternatives, (European Journal of Operational Research, vol. 7, pp. 143-147) 52