Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Resumen
Abstract
The foresight exercises are very diverse and in worldwide literature appear seVeral
approaches fo,. the recoIlecting and treatment process of information. Furthermore,
it' s common to al! this methodologies the necessity of processing a large quantity of
data emitted by a relatively big graup af persans thal, far Ihe foresight, are knawn as
"experts", because they usually have knowledge about a particular theme that
common persns don't manage. Delphi method is one of the most common, which
pursuits the acquirement of a trustworthy group opinion beginning from a set 01
INTRODUCCiN
1. CONCEPTOS BSICOS
Conjunto crisp
Para introducir el concepto de conjunto fuzzy, inicialmente se debe aclarar que los
conjuntos definidos de manera clsica y que utilizan toda la lgica clsica de
conjuntos se les denomina conjuntos crisp con el nico propsito de diferenciados
de los conjuntos fuzzy.
4 Ingeniera & Desarrollo. Universidad del Norte. 14: 1-23, 2003
Un conjunto crisp se define de tal manera que divide al universo de posibilidades
(llamado univemo del discurso en la lgica fuzzy) en dos grupos: los que
pertenecen al conjunto y los que no pertenecen, de all que se le haya denominado
crisp (rgido).
1 si XE A
o si xi" A
Tal como lo defini Zadeh (1973), un conjunto fuzzy puede ser interpretado
como una clase de objetos muy particulares para los cuales no existen lmites bien
definidos entre los objetos que pertenecen a determinada categora y los que no.
llA<X)
0,5
5 'e
Figura 1. Funcin de pertenencia del conjunto fuzzy fro
El nivel alfa de un conjunto fuzzy A incluye los elementos que tienen un valor para
la funcin de pertenencia(.L) igualo superior a alfa (a). El nivel ade un conjunto
fuzzy es un conjunto crisp y se representa de la siguiente manera:
Aa = (x E X I .LA(X) a}
Conjunto soporte de un conjunto fuzzy
Nmero fuzzy
a-e a a-A
Figura 2. Nmero fuzzy triangular
1-(a-x)/8 si a- 8 x a
l-(x-a)/'A si a x a+'A
O de otra manera
Cada una de las opiniones emitidas por los expertos para estimar las fechas de
ocurrencia de los eventos se asoci a un nmero fuzzy triangular. En la figura 3
se representa grficamente dos opiniones definidas a travs de nmeros fuzzy
triangulares con un rea comn de interseccin que identifica el grado de
coincidencia.
e, 1
e, 1
e, 1
El procedimiento para establecer el consenso sigue los siguientes pasos (Hsu &
Chen, 1996):
r. Datos de entrada
Donde C<P<L
Con base en los tres valores anteriores se construye un nmero fuzzy triangular
lti para cada una de las i opiniones de los expertos (i = 1,2,...,n), y se asocia a cada
uno de ellos una funcin de pertenencia IlRi (x)para representar la estimacin
subjetiva.
Esta funcin de pertenencia es igual a cero (O) para los valores iguales o menores
que la fecha ms cercana (C) y para los valores iguales o mayores que la fecha ms
lejana (L). Esto se debe a que en este tipo de estimacin el experto no le brinda
ninguna posibilidad de que el evento ocurra antes de C y despus de L.
Igualmente, la funcin de pertenencia toma un valor mximo igual a uno (1)para
la estimacin de la fecha ms probable (P). Obsrvese cmo el nmero fuzzy
triangular representado en la figura 5cumple con las tres propiedades previamente
mencionadas.
En la figura 6 aparecen los nmeros fuzzy Rl' R, YR" los cuales representan las
estimaciones de los expertos El' E, YE3respectivamente.
a e
En muchas ocasiones hay expertos que poseen una mayor incidencia en la toma
de decisiones de grupo, lo que hace que la decisin final est afectada por los
diferentes niveles de importancia de los expertos involucrados.
Ejemplo 2
R, R ,
Despus que se han medido todos los niveles de acuerdo entre los expertos,
tomndolos de dos en dos, se construye la matriz de acuerdo (MA) de la siguiente
manera:
El nivel de acuerdo promedio para cada uno de los expertos E, (i = 1,2,...,n) est
dado por 1 n
A(E,} = - L,Sij (3)
n-l j=J
j~j
Luego se calcula el nivel de acuerdo relativo del experto E,(i = 1,2,...,n) con la
siguiente expresin:
NAR _ A(E) (4)
, n
L,A(E,)
;=1
8". Coeficiente del nivel de consenso
CNC. = 1
"w. +
1-' 1
(1 - ~)'NAR 1
(5)
donde O~ ~ ~ 1.
Sea R el nmero fuzz!f global que integra ]a opinin de los expertos. A travs de
]a definicin de] coeficiente de] nivel de consenso de] experto E, (i = 1,2,...,n), e]
consenso global R se define mediante
n
~ = L,(CNC,(*)R.) (6)
i=1
4.EJEMPLO DE APLICACIN
Se tienen los siguientes nmeros fuzzy triangulares relacionados con las opiniones
de 3 expertos:
RJ = (1, 2, 3)
R, = (1.5, 2.5, 3.5)
R., = (2, 2.5, 4)
1
.-R, - R,
Se determinan los niveles de acuerdo para cada uno de los expertos mediante
S(R,R).
, J
Ntese cmo el experto 2 tiene un mayor grado de coincidencia entre los expertos.
Luego, los niveles de acuerdo relativo de cada uno de los expertos son:
0.8
W =- = 0.333
3 2.4
Suponiendo que el nivel de acuerdo relativo (NAR) es ms importante que el
grado de importancia (w), se define a ~ = 0.4. De aqu que los coeficientes de
consenso para cada uno de los expertos se calculan como sigue:
El nmero fuzzy global que agrupa la opinin de todos los expertos sera:
Este software permite realizar todo el proceso de integracin fuzzy de tal manera
que se llegue a un consenso con base en las opiniones emitidas por cada uno de
los expertos. Con el propsito de conocer la estructura y el funcionamiento del
software se explican a continuacin los aspectos ms relevantes agrupando las
instrucciones por mdulos. Igualmente, se hizo una corrida con 10 nmeros fuzzy
triangulares para ilustrar los pantallazos y los valores que guarda enel Workspace
del MatLab una vez se haya terminado el procesamiento. Se aclara que el
Workspace del MatLab es una ventana que guarda todas las variables creadas
en el software, y a travs de esta ventana se puede editar en pantalla el ltimo valor
calculado para cada una de las variables, ya sean stas matrices, vectores o
escalares.
Este mdulo incluye la entrada de los nmeros fuzzy triangulares (vector N_Fuzzy)
bajo el esquema de fecha cercana, fecha probable y <<fechalejana. Igualmente
se solicita la inclusin de la importancia de cada uno de los expertos (vector PUNT).
En el cuadro 1 se muestra la informacin que aparece en Workspace del
MatLab.
Cuadro 1
Despliegue de la matriz N_Fuzzy y del vector PUNT
disp(N Fuzzy)
2003 2004 2010
2003 2005 2007
2003 2005 2010
2004 2006 2008
2005 2005 2008
2005 2006 2009
2005 2008 2010
2006 2008 2010
2007 2011 2013
2008 2010 2012
Cuadro 2
Mensajes del software Int_Fuzzy sobre los resultados de la interseccin y la
unin de los nmeros fuzzy
disp(S)
1.0000 0.5439 0.7778 0.4667 0.3953 0.4172 0.3012 0.2222 0.0744 0.0476
0.5439 1.0000 0.5714 0.3913 0.4000 0.2000 0.0976 0.0323 o o
0.7778 0.5714 1.0000 0.5298 0.4286 0.5000 0.3521 0.2623 0.0833 0.0548
0.4667 0.3913 0.5298 1.0000 0.5429 0.6000 0.2500 0.1429 0.0169 o
0.3953 0.4000 0.4286 0.5429 1.0000 0.4737 0.2308 0.1290 0.0161 o
0.4172 0.2000 0.5000 0.6000 0.4737 1.0000 0.4211 0.2903 0.0606 0.0256
0.3012 0.0976 0.3521 0.2500 0.2308 0.4211 1.0000 0.8000 0.1579 0.1250
0.2222 0.0323 0.2623 0.1429 0.1290 0.2903 0.8000 1.0000 0.1765 0.1429
0.0744 o 0.0833 0.0169 0.0161 0.0606 0.1579 0.1765 1.0000 0.5789
0.0476 o 0.0548 o o 0.0256 0.1250 0.1429 0.5789 1.0000
5.4. MDULO
4: CLCULO
DELCOEFIOENTE
DELNlVELDECONSENSO
(CNC)
El CNCes el factor ms importante para determinar el valor del nmero fuzzy que
integra la opinin de todos los expertos. Este mdulo permite calcular este factor
con base en los sig;uientes parmetros:
Cuadro 5
Despliegue del vedor respuesta N_Fuzzy Jnt
disp(N_Fuzzy_lnt)
1.0e+003
Aproximando los valores del vedor resultante se podra decir que la estimacin
resultante sera el nmero fuzzy triangular (200S,2007, 2010).
.,
~
.
o
ID 0.8
o
ID
e
ID
o.
Q.
ID O .
'O
o 0.2
~
'O
;
Opiniones Agregada de Expertos (Nmero Fuzzy)
.,
~
.
o
ID
o 0.8
ID
e
ID
o.
Q.
ID O.,
'O
o 0.2
'O
~ O
'" 2004 2005 2006 2007
Aos de Ocurrencia
2008 2009 2010
disp(N_Fuzzy_Sens)
1.0e+003
Ij~
el 20032004 2005 20062007 2008 20092010 201120122013
:
,
2004
j
o 0.1 0.2 0.3 O., O> 0.6 0.7 O., 0.9 1
CONCLUSIONES
Este artculo muestra la forma en que se pueden llevar a cabo los resultados de
convergencia de las opiniones provenientes de diferentes expertos cuando se
hace prospectiva Delphi. Se hace necesario el uso de al menos dos rondas. La
primera con preguntas abiertas y la segunda con preguntas cerradas sobre la
fecha de ocurrencia de eventos identificados en la primera ronda. Las fechas de
ocurrencia propuestas por cada experto para cada evento se asocian a nmeros
fuzzy triangulares (fecha optimista, fecha probable, fecha pesimista) y se integran
mediante un proceso fuzzy (Hsu & Chen, 1996). Se desarroll un software para la
toma de opiniones, los clculos necesarios para el proceso de integracin fuzzy y
la muestra de resultados (tabular y grfica) incluyendo el anlisis de sensibilidad.
Con el propsito de mostrar el pro-ceso de integracin aplicado a nmeros fuzzy
triangulares se presenta un ejemplo de estudio.
Referencias