Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una

incertidumbre

MODELADO DE PROYECTO DE INVESTIGACIN ARRIESGA

CON MAPAS RIZADOS

Constanta Nicoleta BODEA1

PhD, profesor universitario, departamento de informtica econmica,
Universidad de economa, Bucarest, Rumania

Correo electrnico: bodea@ase.ro

Mariana Iuliana DASCALU2

Candidato de PhD, ttulo de mster en gestin de proyectos,
Universidad de economa, Bucarest, Rumania

Correo electrnico: cosmicondina@yahoo.com

Extracto: Los autores proponen un modelo de evaluacin de riesgos para proyectos de

investigacin. El modelo est basado en la inferencia rizada. La base de conocimiento para el
proceso rizado se construye con un mapa causal y cognoscitivo de riesgos. El mapa sobre todo
se desarroll para proyectos de investigacin, considerados su lifecycle tpico. El modelo se
aplic a un proyecto de investigacin de pruebas electrnicas: la probabilidad de no obtener
resultados de calidad se calcul considerando la suma de sobrepresupuesto y el nivel de
calidad de la idea de investigacin. El riesgo calculado se sita en el nivel superior en el mapa
de riesgos. Un sistema del software para evaluar riesgos en el proyecto de investigacin de
pruebas electrnicas tambin se desarroll. La investigacin fue financiada por el Ministerio de
Educacin e Investigacin, Consejo de investigacin universitario Nacional, Subvencin
PCE_ID_873.
Palabras claves: gestin del riesgo; proyecto de investigacin; modelo; lgicas difusas; mapa
de riesgos

1. Introduccin
La identificacin, prioritizing y el trato de riesgos representan actividades de la
direccin comunes. Mucho tiempo, los riesgos de riesgo, as como financiero se han
activamente manejado. Pero, la variedad, el nmero y las interacciones entre riesgos aumentan
continuamente. Los riesgos operacionales y estratgicos han aumentado debido al fracaso de
los mecanismos de control en un ambiente comercial muy dinmico. En estas circunstancias,
las organizaciones admiten la importancia de manejar todos riesgos, tanto el estndar como los
nuevos riesgos.
Organizaciones diferentes, como: tasando agencias, las bolsas, los inversores
institucionales, los accionistas y el gobierno corporativo indujeron una presin externa en la
direccin de la compaa para manejar riesgos sistemticamente y exhaustivamente. Una
solucin es adoptar el enfoque de la carpeta, la direccin de la compaa que considera el

riesgo de la carpeta

17

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

como el riesgo para la organizacin entera. Los riesgos se manejan considerando las
implicaciones para la compaa entera, en un enfoque holstico.
Hay una tendencia creciente de cuantificar riesgos. El requisito del riesgo permite que
gerentes se desarrollen "y si" los guiones y hagan decisiones racionales. Los avances en
tecnologa y maestra han hecho el requisito posible. A pesar de verdaderos avances, all
siempre permanecer riesgos que no son fcilmente cuantificables, como los relacionados con
la intervencin humana y ms nuevo. Hay un esfuerzo persistente de cuantificar los riesgos de
la carpeta, basados en los riesgos individuales y el requisito de interacciones. Esto puede ser
muy difcil si se requiere un alto grado de precisin. Pero, esto no es por lo general el caso.
Con el tiempo y con la prctica, las compaas se hacen ms familiares con y ms
capaz de manejar riesgos, y hasta buscar oportunidades de asumir riesgos. Las compaas
entendieron que la toma de riesgos informada es un medio para la ventaja competitiva.

2. Direccin de proyectos de investigacin

La direccin del proyecto de investigacin est llena de incertidumbre y complejidad.
La investigacin tiene elementos de creatividad e innovacin y la prediccin exacta del
resultado de investigacin es por lo tanto muy difcil. Es el gerente del proyecto de
investigacin trabajo de manejar tanto las complejidades que provienen de la cultura (s) del
trabajo de investigadores/investigacin como las incertidumbres asociadas con la generacin
3

de resultados de investigacin [4] .

Los gerentes del proyecto de investigacin deberan hacer la declaracin siguiente a
los miembros del equipo de proyecto: Si no tiene varios fracasos, no hace un trabajo bueno
[7]. Los investigadores que actan seguro con mayor probabilidad producirn a conservador y
resultados esperados. A fin de obtener resultados innovadores, los investigadores deberan
tener un comportamiento de la toma de riesgos, aumentando la probabilidad de fracaso. Este
comportamiento debera ser una caracterstica en el sistema de investigacin, hasta al nivel
individual, se espera que el investigador procurar evitar el fracaso. En la mayora de proyectos
de investigacin, el objetivo de gestin de proyectos tambin es evitar tales fracasos. Es un
conflicto aparente entre la necesidad de la previsibilidad de la salida de proyecto, "a tiempo" y
en el presupuesto y la imprevisibilidad de resultado de investigacin y nuevas oportunidades
de investigacin que se levantan en el curso del proyecto. Por lo general, la calidad de salida
puede mejorar si las desviaciones del plan se permiten.
Los investigadores preguntan a un nivel grande de autonoma con su trabajo y
democracia en la toma de decisiones. Cooperan en un proyecto de investigacin, pero, en el
mismo tiempo, compiten fuertemente cada uno otros para obtener el crdito de los resultados
generados en el proyecto, como: autora de contribuciones de la conferencia o artculos,
patentes. Este concurso puede conducir para entrar en conflicto entre los objetivos conjuntos
de la cooperacin y los objetivos individuales de los investigadores.
Adems, la relacin entre el gerente del proyecto de investigacin y los participantes
de proyecto es caracterizada por una distribucin asimtrica del conocimiento donde los
investigadores individuales saben mucho ms sobre el potencial negativo y positivo de sus
contribuciones de investigacin que el director de proyecto hace ([4]).

3. Mtodos de modelado de riesgos

Segn la manera en la cual los clculos se realizan, all son analticos y mtodos de
simulacin para el modelado del riesgo. Los mtodos analticos requieren un conjunto de
suposiciones, sobre todo relacionado con las distribuciones de probabilidad. Los mtodos de
simulacin

18

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

requiera que un gran nmero de "juicios" se acerque una respuesta. Son relativamente
robustos y flexibles, pueden acomodar relaciones complejas y depender menos de la
simplificacin de asunciones y distribuciones de probabilidad estandarizadas. Al considerar la
manera en la cual las relaciones entre variables se representan, hay mtodos estadsticos y
estructurales. Los mtodos estadsticos estn basados en calidades estadsticas observadas
de variables arbitrarias sin hacer caso de relaciones de la causa/efecto mientras los mtodos
estructurales estn basados en relaciones de la causa/efecto explcitas. La figura 1 presenta la
utilizacin desarrollada de los modelos del riesgo ms importante de esto mtodos, con sus
ventajas.
Tcnica de clculo
Analtico
(frmula en forma de cerrada
soluciones)

Representacin
del
relaciones
Estadstico
(basado en observado estadstico
calidades sin hacer caso de
causa/efecto)

Simulacin
(las soluciones se derivaron de
repetido "dibuja" del
distribucin)

Modelos estadsticos y
analticos
(la velocidad, rplica fcil, usa
de datos disponibles)
Ejemplo: RBC
Modelos de simulacin
estructurales

Estructural
(basado en causa/efecto
especificada
encadenamientos; las calidades
estadsticas son
salidas, no entradas)

(flexibilidad; complejo
relaciones, incorporacin de
procesos de decisin, guin
examen de conductores)
Ejemplo: DFA

La figura 1. Las clases del modelo del riesgo (fuente: [2])

Los mtodos solan modelar los riesgos por lo general se personalizan segn los
riesgos especficos que ocurrieron en la compaa. Hay una amplia variedad de mtodos que
se pueden aplicar a riesgos modelos. Segn el grado al cual confan en datos histricos o
experto introduce ([2]), mienten en una serie continua de la informacin de la fuente (la figura
2).

Anlisis de
datos

Emprico
evaluacin de
datos histricos

Parmetros
adecuados
de

Estocstico
Diferencial
Ecuaciones
(SDEs)
De los
nervio
s
redes

Sistema
Dinmica
simulacin

terico
distribucin
Extremo
Valor
Teora

Entrada
experta

Modelado

Influencia
diagramas

Bayesian
Creencia
Redes

Regresin
variables
esto afectar

Evaluacin directa

Preferenci
a
entre
apuesta
s
o
loteras

Rizado

Delphi

lgica

mtodo

riesgo

La figura 2. La serie continua de mtodos para modelado del riesgo

19

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

Aunque haya numerosas tcnicas para el modelado del riesgo, cada vez ms los
expertos tienen miedo de usarlos para hacer valoraciones del riesgo precisas. Las
representaciones rizadas son una solucin de obtener evaluaciones de riesgos realistas en la
direccin de proyectos [3], dentro de ciertos lmites. Abordation rizado para el modelado del
riesgo se puede mejorar considerando riesgos causales y cognoscitivos que trazan un mapa
[1], que son diagramas que reflejan relaciones del efecto de la causa dentro de proyectos.

4. Modelo rizado para Evaluacin del Riesgo en Proyectos de

investigacin
El modelo rizado propuesto trae una contribucin slida a la gestin del riesgo
adaptando tcnicas existentes en la evaluacin de riesgos a proyectos de investigacin. El
modelo tiene dos etapas importantes: identificacin del riesgo de una base de datos experta,
usando mapas del riesgo y construyendo componentes modelos para inferencia rizada. El
modelo permite el requisito del riesgo sabiendo los valores crujientes de fuentes del riesgo.
Gracias a mecanismos de lgicas difusas, el resultado tiene un valor de la valoracin ms alto.
4.1. Identificacin de riesgos usando Mapas Causales y Cognoscitivos

Un acercamiento comn en la identificacin de riesgos de proyecto considera la fuente

de riesgos: direccin, coste, tecnologa, produccin, ambiente u horario. El modelo rizado
considera riesgos no slo en la correlacin con su fuente, pero en la correlacin con el proyecto
lifecycle, tambin [1]. Mientras es vano tratar de eliminar el riesgo, y cuestionable para tratar
de minimizarlo, es esencial que los riesgos tomados ser los riesgos correctos. [5]
Esto si conocido que los proyectos de investigacin son muy arriesgados: en el
proyecto de investigacin, el valor agregado debera ser el ms alto posible y se debera
obtener tan pronto como sea posible. [8] Para mejores riesgos gerentes, es til crear un mapa
causal y cognoscitivo de riesgos, basados en la experiencia de expertos [1]. Este mapa
describe la propagacin de riesgos en todas partes del proyecto. Los riesgos ocurrieron en
cierto momento del proyecto lifecycle (ver Fig. 3) crear otros riesgos en los momentos
siguientes. Los riesgos se sienten durante todas las fases de un proyecto de investigacin: la
conceptualizacin de la idea, desarrollo de la oferta de proyecto, fuente de financiacin del
proyecto, proyecta la iniciacin, la ejecucin de proyecto y cerrarse de proyecto.

La figura 3. Proyecto de investigacin Lifecycle

20

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

Comenzar del proyecto de investigacin lifecycle (Higo 4), despus de riesgos se

identifica:
riesgos ambientales: indiferencia en el mercado, situacin econmica precaria,
legislacin desfavorable;
riesgos de la direccin: la valoracin de duracin poco realista, capacidades de la
negociacin pobres, planificacin pobre, objetivos confusos, comunicacin pobre,
control pobre, entendi mal la visin total, detrs - riesgo del horario, aceptacin de una
idea pobre, prdida de una idea buena;
riesgos financieros: valoracin de presupuesto poco realista, riesgo de
sobrepresupuesto;
produccin & tecnologa: capacidades de la innovacin pobres, carencia de
colaboradores

con

experiencia,

implicaciones

multidisciplinarias,

carencia

de

resultados de calidad, calidad introducida baja de la idea;

La figura 4. Mapa de Propagacin de riesgos en Proyectos de investigacin

Despus de crear el mapa de propagacin de riesgos, tambin es til crear un registro
de riesgos o un tronco de riesgos, en el cual cada riesgo identificado del mapa debera tener un
cdigo, un nombre, una descripcin y una fuente (tipo). Un fragmento de tal registro se muestra
en la Tabla 1. Los riesgos identificados son la base de conocimiento para crear las reglas
modelas rizadas.
La tabla 1. Fragmento de Registro de Riesgos en Proyectos de investigacin
Riesgo
Cdigo

Nombre del riesgo

Descripcin del riesgo

Tipo del riesgo

RSK01

Calidad introducida baja del

idea
Riesgo de sobrepresupuesto

La idea aceptada no puede ser

correctamente
desarrollado.
El proyecto est atrasado y
el presupuesto suplementario es

Produccin &
Tecnologa
Financiero

RSK02

necesario para el acabamiento

la investigacin.

21

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

4.2. Componentes modelos para Inferencia Rizada

El modelo propuesto para la evaluacin del riesgo en proyectos de investigacin tiene

los componentes tpicos de un modelo [9] rizado: variables de la entrada, salida reglas
variables, rizadas. Las reglas usadas en el modelado de riesgos rizado se basan en los dos
conceptos famosos de la direccin de riesgos (probabilidad de riesgo occurance e impacto de
l en el desarrollo de proyecto) y en causas primarias de riesgos, se identificaron en el mapa
de riesgos. El modelo se puede generalmente declarar como: Ms sobrepresupuesto es y la
calidad ms introducida de la idea de investigacin, ms abajo el nivel del riesgo encontr en el
proyecto de investigacin. El riesgo situado al nivel superior del mapa era el nico considerado
declarando el modelo, debido al principio de transitividad en la cadena de propagacin del
riesgo. De hecho, el modelo consiste en un conjunto de reglas usado en la definicin de riesgos
de proyecto, que se incorporan a La carencia del riesgo de resultados de calidad. El modelo
se puede aplicar para calcular el valor de cualquier riesgo representado en el mapa de riesgos,
usando valores numricos de sus factores. Una situacin interesante, especfica para
proyectos de investigacin, es el hecho que la presencia de un riesgo interior
(sobrepresupuesto) disminuye el riesgo total de tener resultados de calidad mala.
Los modelos por lo general rizados se usan en la toma de decisiones y ofrecen dos
tipos de respuestas: el riesgo se puede o aceptar o rechaz [6]. El modelo propuesto ofrece
slo un valor cuantitativo del riesgo, porque la decisin de aceptar el riesgo es tomada por el
agente humano: director de proyecto, gerente de riesgos o cualquier otro accionista. Para
concluir, la salida del modelo desarrollado no es una forma de decisin, pero un parmetro
importante para tomar una decisin apropiada. Los componentes modelos se describen
adelante, usando la formalizacin rizada [9].
4.2.1. Variables de la entrada
El modelo tiene dos formas de variables de la entrada: funciones de la entrada y
constantes de la entrada. Las funciones de la entrada tienen la forma de:
P (Rsk) = probabily de Rsk occurance I
(Rsk) = impacto de Rsk en el proyecto de
investigacin donde Rsk = consider el
cdigo del riesgo

Se describen en la Tabla 2, segn conceptos de lgicas difusas.

La tabla 2. Descripcin de Variables de la entrada en Modelo de Anlisis del Riesgo
Variable rizada
Nombre

Universo de
Discurso

P (Rsk)

[0,100] %

Yo (Rsk)

[0, 50]

Grados lingsticos
VL (muy bajo), L (bajo), M (de medio), H (alto), VH
(muy
alto)
VL (muy bajo), L (ow), M (de medio), H (alto), VH (muy
alto)

Las constantes de la entrada tienen la forma de:

RskCause1 = causan 1 de Rsk
occurance RskCause2 = causan 2 de
Rsk occurance donde Rsk = consider
el cdigo del riesgo

Se describen en la misma manera que la entrada funciona, la nica diferencia que es

el universo definido de discource: es especfico para cada causa identificada.

22

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

4.2.2. Variables de la salida

La variable de la salida es el valor para un riesgo identificado y se nota como:
V (Rsk) = valor cuantitativo de Rsk, donde Rsk = consider el cdigo del riesgo

Se describe en la Tabla 3 y grficamente se representa en Fig. 5. De hecho, ambas

variables de la entrada y salida pueden ser grficamente representadas por conjuntos difusos:
en el eje del Buey el valor de la variable rizada se representa y en el eje de Oy el valor de (la
funcin de la pertenencia a a
el conjunto difuso) se representa. Los "tringulos" son conjuntos difusos.
La tabla 3. Descripcin de Variables de la salida en Modelo de Anlisis del Riesgo
Variable rizada
Nombre
V (Rsk)

Universo de
Discurso
[0, 10]

Grados lingsticos
VL (muy bajo), L (ow), M (de medio), H (alto),
VH (muy alto)

La figura 5. Representacin de Conjuntos difusos para Valor del Riesgo en

Proyectos de investigacin
4.2.3. Reglas modelas
El modelo de evaluacin del riesgo consiste en un juego de reglas predefinidas para
establecer el valor de riesgos en proyectos de investigacin. Estas reglas de la inferencia se
mencionan en la Tabla 4. El conector usado para ligar condiciones en reglas es "y". Adems de
los valores lingsticos de variables modelas (VL, L, M, H y VH), algunos restrictors se usan:

"algo" =

"muy" = 2
donde es la funcin que muestra si un valor numrico pertenece a un conjunto difuso y tiene
valores entre 0 y 1 (un mayor valor muestra un ingreso ms fuerte).
La tabla 4. Reglas de la inferencia para Riesgo de Anlisis "Rsk" en Proyectos de investigacin
P (Rsk) /
Yo (Rsk)

VL

VL

VL

algo VL

algo M

VH

VH

muy H

VH

VH

VH

VH

VH

VH

muy H

muy VH

23

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

Un ejemplo de una regla es (R1):

(R1):

si P (Rsk) es H y (Rsk) soy VH entonces Rsk es VH

El interpretion del artculo (R1) es:

Si el riesgo Rsk tiene una alta probabilidad de occurance y el impacto de este riesgo
es muy alto, entonces su valor tambin es muy alto. (Ver los valores subrayados de la Tabla 4)

5. Aplicacin del Modelo Rizado para Evaluar Riesgos

en un Proyecto de investigacin de pruebas
electrnicas
El modelo rizado para la evaluacin de riesgos se valida aplicndolo a un verdadero
proyecto de investigacin. El proyecto tiene el objetivo principal de estudiar mtodos de
pruebas electrnicas en ambientes de aprendizaje electrnico y de descubrimiento y
mejoramiento de aquellos que tiene la aplicabilidad en la gestin de proyectos. Entre objetivos
de investigacin, hay: educacin en una sociedad globalizada, aprendizaje electrnico en
presentes, instrumentos para poner en prctica sistemas de aprendizaje electrnico, definiendo
el lugar de pruebas electrnicas en plataformas de aprendizaje electrnico, desarrollo de un
modelo de pruebas electrnicas conveniente para evaluacin de conocimiento en campo de
gestin de proyectos. Siendo un proyecto de investigacin, la calidad de los resultados finales
depende de la calidad de la idea de investigacin y en coacciones de presupuesto (ver los
elementos destacados de la Figura 4). El riesgo de tener una idea de calidad mala ha atado
varios puntos (de 0 a 10), reflejando el nivel de la innovacin y aplicabilidad de la idea. El
riesgo de tener una idea de calidad baja como el punto de partida del proyecto depende del
riesgo de aceptar esa idea. El riesgo de sobrepresupuesto es un riesgo famoso en proyectos,
pero en proyectos de investigacin puede el valor agregado a resultados cientficos, as
realzando el nivel de satisfaccin de los accionistas.

5.1. Formalizacin de Modelo de Evaluacin del Riesgo para Proyecto de investigacin

de pruebas electrnicas
A fin de calcular la probabilidad de La carencia del riesgo de resultados de calidad
(notado P (Rsk)), la calidad introducida baja de la idea se refleja en variable LowQAIdea y
suma de sobrepresupuesto en la variable "de Sobrepresupuesto". Ambas variables se definen
en la Tabla 5. Las reglas de la inferencia para mostrar el efecto de LowQAIdea y los cambios
"de Sobrepresupuesto" en el valor "de Rsk" se presentan en la Tabla 6.

La tabla 5. Variables rizadas para Calcular Riesgo en Proyecto de investigacin de pruebas

electrnicas
Variable rizada
Nombre
OverBudget
LowQAIdea
P (Rsk)

Variable
Escribir a
mquina
entrada
entrada
salida

Universo de discurso

Grados lingsticos

[0,5] miles de Euros

[0,10] puntos

VL, L, M, H, VH
VL, L, M, H, VH

[0,100]%

VL, L, M, H, VH

La tabla 6. Reglas de la inferencia para Calcular "P (Rsk) en Proyecto de investigacin de

pruebas electrnicas
OverBudget /
LowQAIdea
MUY BAJO

MUY BAJO

BAJO

algo

algo

MEDIO

ALTO

MUY ALTO

BAJO
MEDIO
ALTO
MUY ALTO

M
H
VH
VH
VH

M
H
H
VH
VH

L
L
M
H
VH

VL
VL
L
M
M

muy VL
VL
L
M
M

24

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

Las funciones de ingreso de variables de la entrada se ilustran en Fig. 6 y 7 y la que

para la variable de la salida en Fig. 8.

La figura 6. Funciones de ingreso para variable "de

Sobrepresupuesto" en Evaluacin de Riesgo del
Proyecto de investigacin

La figura 7. Funciones de ingreso por Calidad introducida baja de la idea variable en

Evaluacin de Riesgo del Proyecto de investigacin

La figura 8. Funciones de ingreso para Variable de la Salida Rizada en

Evaluacin de Riesgo del Proyecto de
investigacin

25

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

5.2. Pasos en Aplicacin del Modelo de Evaluacin del Riesgo en Proyecto de

investigacin de pruebas electrnicas
El modelo rizado transforma los valores de la entrada al valor de la salida, en cuatro
pasos. Con objetivos exemplification, dos valores numricos se consideran como valores de la
entrada en el modelo de evaluacin del riesgo de un proyecto de investigacin de pruebas
electrnicas.
El paso 1: el Encarte valora por variables de la entrada
OverBudget = 2.7 (la investigacin necesita una suma suplementaria de 2,7 miles de
Euros para ser
terminado)
LowQAIdea = 7 (el riesgo de tener una idea de calidad baja es 7/10, segn expertos)
El paso 2: Clasifique valores de la entrada crujientes en el conjunto difuso conveniente: ganan
el sentido semntico. Segn Fig. 6, la suma de sobrepresupuesto puede ser alta y
muy alta. Segn
Fig. 7, el riesgo de una idea pobre puede ser medio o alto.
El paso 3: Establece el nivel de ingreso de cada valor de la entrada a un conjunto difuso; un
valor de la entrada puede pertenecer a un o dos conjuntos difusos, pero en una proporcin
diferente, llamada nivel de confianza; este nivel de confianza es el valor de Oy del punto de la
interseccin entre cosa nica de la entrada y conjunto difuso. [9] el nivel de Confianza se
calcula usando la frmula siguiente:

trustLevel x (A) = b. y + m (x b. x)

(F1)
de donde a y b son dos puntos sucesivos un conjunto difuso, el m es la cuesta de la lnea
determinada por estos dos puntos, A representa un conjunto difuso y x representa un valor de
la entrada;
Para LowQAIdea:

trustLevel7 (M) = 0.5

trustLevel7 (H) = 0.33
Para OverBudget: trustLevel

(H) = 0.6
trustLevel 2.7 (VH) = 0.13
2.7

Las oraciones siguientes se consideran:

(S1) Una idea de la calidad media es el punto de partida en el proyecto de
investigacin de pruebas electrnicas. (S2) Una idea de la alta calidad es el punto de
partida en el proyecto de investigacin de pruebas electrnicas. (S3) El
sobrepresupuesto usado en el proyecto de investigacin de pruebas electrnicas es
alto.
(S4) El sobrepresupuesto usado en el proyecto de investigacin de pruebas electrnicas es
muy alto.
Segn susodichos niveles de confianza deliberados, (S1) tiene un valor del 50% de
la verdad, (S2) tiene el valor del 33% de la verdad, (S3) un valor del 60% de la verdad y (S4)
un valor del 13% de la verdad.
Step4: Aplique reglas de inferencias, en 4 etapas. Los conjuntos difusos resultados son
"cortados" por una lnea horizontal. Esta lnea es determinada por mnimo de los niveles de
confianza. Las intersecciones entre conjuntos difusos y lneas se obtienen: esta interseccin
tiene, por lo general, una forma de trapezoidal. Al final, el reencuentro de conjuntos difusos "de
reduccin" se hace (ver Fig. 8)

Step5: Restrictors (muy, algo) se aplican, si es necesario.

Step6: Dos mtodos defuzzification se aplican al conjunto difuso final. Se deberan obtener
dos valores similares para el riesgo total en el proyecto de pruebas electrnicas.
En el Centro de gravedad (COG) Defuzzification, el conjunto difuso final se
descompone en formas simples: tringulos, rectngulos y trapecios, como mostrado en Fig. 9.
Para calcular la probabilidad del acontecimiento del riesgo, la frmula siguiente se usa:

26

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

La fig. (i)
de center areafig (i)

P (Rsk)
DIENTE =

yo

(F2)

areafig (i)
yo

donde el higo es el vector de formas,

es el centro de gravedad de una cifra y areafig (el i)

es

centerfig (i)
el rea de una cifra.

La figura 9. DIENTE Defuzzification en Modelo de Evaluacin del Riesgo

Segn el mtodo del DIENTE, probablemente del riesgo La carencia de
resultados de calidad para los valores de la entrada considerados es:

P (Rsk)
= 13.33*1.25 + 20*5 + 28.05*2.05 + 38.33*5.53 + 47.8*0.54

DIENTE

1.25 + 5 + 2.05 + 5.53 +0.54

P (Rsk)
= 16.67 + 100 + 57.7 + 212 + 25.81

DIENTE

14.37

P (Rsk) DIENTE = el 28.68%

En el Medio de mximo (MOM) Defuzzification, la frmula siguiente se usa:

locMaxix
locMaxiy
yo

P (Rsk) MAM =

locMaxiy

(F3)

yo

es el valor del
donde locMaxy es el valor de Oy de un mximo local (ver Fig. 10), locMaxx Buey
yo

yo

de un punto mximo local y locMax es el vector de puntos mximos locales.

La figura 10. La MAM DEFUZZIFICATION en Modelo de Evaluacin del

Riesgo

27

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

Segn el mtodo de la MAM, probablemente del riesgo La carencia de

resultados de calidad para los valores de la entrada considerados es:

P (Rsk) MAM = el
P (Rsk) MAM = 0.5*15 +0.5*25 20%
0.5 +0.5
Los dos mtodos defuzzification revelaron resultados similares (el 28,68% y el 20%):
el modelo aplicado se valida. La funcin de ingreso de la variable de la salida se analiza (ver
Fig. 8) y la conclusin consiste en que la Carencia del riesgo de resultados de calidad tiene
una probabilidad baja de occurance para un proyecto de investigacin de pruebas electrnicas.
5.3. Software para Evaluacin del Riesgo basada en Modelo Rizado
El modelo rizado para analizar el riesgo total en el proyecto de investigacin de
pruebas electrnicas era usado para desarrollar un sistema rizado. Windows aplicacin basada
se cre. El interfaz es intuitivo (ver Fig. 11): el usuario final tiene que insertar el valor del riesgo
"de sobrepresupuesto" y de la calidad introducida baja de la idea riesgo y obtendr la
probabilidad del acontecimiento del riesgo total en el proyecto de investigacin de pruebas
electrnicas.

La figura 11. Producto de software para Modelo de Evaluacin del Riesgo en Proyecto de
investigacin de pruebas electrnicas
El algoritmo usado para crear el software refleja completamente los pasos descritos
en el peridico corriente. Tres clases especficas son usadas para poner en prctica el
algoritmo (ver Fig. 12):
FuzzySystem: contiene las reglas de la inferencia;
FuzzySet: contiene mtodos defuzzification, unin, interseccin, restrictor
funciones;
FuzzyPoint: elementos de conjuntos difusos;
La clase de FuzzySystem se tiene que cambiar, a fin de crear otros sistemas rizados.

28

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

La figura 12. Diagrama de la clase para Sistema de Evaluacin del Riesgo Rizado

6. Conclusiones
El modelo propuesto ofrece un instrumento fcil de usar para la evaluacin del riesgo
en proyectos de investigacin. El modelo est en la inferencia rizada. La base de conocimiento
usada por reglas rizadas se basa en mapas causales y cognoscitivos de riesgos. Aunque los
proyectos de investigacin se conozcan por su alto nivel del riesgo, muy pocos sistemas del
riesgo dedicados se desarrollaron sobre todo para ellos. Por lo tanto, el modelo rizado para la
evaluacin del riesgo en proyectos de investigacin es un instrumento innovador que puede ser
usado para pronosticar el fracaso de proyecto: los accionistas pueden ahorrar el dinero, tiempo,
esfuerzo, sin dejar la calidad de predicciones. El modelo era usado para desarrollar un sistema
del software para evaluar el riesgo en un proyecto de investigacin de pruebas electrnicas,
por tanto su aplicabilidad se valid. El sistema se puede desarrollar adelante para evaluar
todos riesgos del mapa, no slo el que del nivel superior, como hace ahora.

Referencias
1.

2.

3.
4.
5.

Al-Shehab, A. J., Hughes, R. T. y Winstanley, G. Modelado de riesgos en ES/ESTO proyectos a

travs de
Correlacin causal y Cognoscitiva, El Diario Electrnico de Evaluacin de Sistemas de
informacin, Brighton, el Reino Unido, volumen 8, 2005, pps 1-10
Chen, J.-H. y Chen, S.-M. Un nuevo mtodo para clasificar nmeros rizados generalizados para
Manejando problemas de Anlisis del Riesgo Rizados, Conferencia Conjunta sobre
Medidas de Ciencias de informacin, 2006
Ern-Kjlhede, E. Teora de gestin de proyectos y la direccin de proyectos de investigacin,
Poltica y Filosofa Escuela de negocios de Copenhague, enero de 2000
Hodge, B. Desarrollando Proyectos de la Gestin del riesgo, universidad de Waterloo, 2004
(http://www.cs.uwaterloo.ca/~apidduck/CS480/Lectures/RiskMgmt.pdf)
Hussain, O. K., Chang, E., Hussain, F. K. y Dillon, T. S. Aproach rizado para arriesgar basado
Toma de decisiones, Notas de la Conferencia en Ciencias informticas, Springer
Berln/Heidelberg, volumen 4278, 2006, pps 1765-1775

29

Mtodos cuantitativos en empresas

Anlisis de comportamiento bajo riesgo una
incertidumbre

6.
7.

8.
9.

Jain, R. K. y Triandis, H. C. Direccin de organizaciones de investigacin y desarrollo.

Manejando el Rebelde, John Wiley & Sons Inc., Nueva York, 1997
Lin, Y., Poschen, M., Procter, R., Voss, A., Goble, C., Bhagat, J., De Roure, D., Cruickshank, D. y
Rouncefield, M de direccin gil: Estrategias de Desarrollar un Sitio Conectado a una red
Social para Cientficos, universidad de Southampton - Escuela de Electrnica y Ciencias
informticas, ECS EPrints, 2008
Teodorescu, H. N., Zbancioc, M. y Voroneanu, O. Conocimiento sistemas basados. Aplicaciones,
Performantica, Iassy, 2004
* * * descripcin de gestin del riesgo de la empresa, baja sociedad actuarial, riesgo de la empresa
Comit de gestin, mayo de 2003