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