Seleccin de mquinas de control numrico usando

Fuzzy AHP
Selection of numeric control machines using Fuzzy AHP
Orlando Durn y Jos Aguil

Metodologa AHP FUZZY

La metodologa propuesta considera incorporar los nmeros difusos o
triangulares a la metodologa AHP. Inicialmente se utilizan los nmeros difusos
para indicar el nivel de intensidad o importancia relativa que un factor de la
jerarqua tiene por sobre otro. A partir de estas comparaciones se construye la
matriz de comparaciones con nmeros triangulares. La mejor alternativa es
obtenida consecuentemente a partir de un sistema de ranqueo para nmeros
difusos que se presenta ms adelante en esta seccin. Sintetizando, la aplicacin
de la metodologa propuesta considera las tres etapas siguientes:
1. Construccin de la estructura jerrquica para el problema a ser resuelto.
2. Obtencin de la matriz fuzzy de comparaciones
3. Rankear las alternativas y seleccionar la ms adecuada
Recordando que el mtodo AHP es un mtodo que permite atribuir pesos donde
valores numricos no pueden ser obtenidos directamente. Este mtodo trabaja a
partir de una matriz donde se localizan las comparaciones entre pares, segn la
importancia o preponderancia relativa que un elemento de la jerarqua tenga
sobre otro. Se propone aqu modificar la escala de Saaty utilizando ahora
nmeros triangulares o fuzzy.
Un nmero difuso del tipo triangular () es usualmente representado como una
tripleta (l,m,n) donde m, n y l corresponden al valor medio, y a los lmites
superior e inferior respectivamente. Esta es la utilizacin que se emplear en el
resto de este trabajo.
En general para los nmeros triangulares difusos del tipo =(l,m,n), la funcin de
membresa (x) est dada por la definicin mostrada abajo y puede ser
representada como en la figura 1.

Explicamos a continuacin la operatoria entre nmeros triangulares (Chiu y Park,

1998). El producto entre dos o ms nmeros triangulares esta dado por

Por otro lado, la divisin entre dos nmeros triangulares o difusos est expresado
por:

Mientras que el valor recproco de un nmero triangular (a, b, c) es (1/a, 1/b, 1/c).
De la misma forma la potencia de un nmero triangular est dada por
(a1, a2, a3)n = (a1n, b2n, c3n)
De la figura 2 se puede apreciar que la importancia relativa entre dos elementos
es gradual y no abrupta

Por otro lado, sean

w1 = pesos expresados como nmeros triangulares donde n = 1, 2, ...... , nmero
de atributos
los elementos de la matriz de comparacin aij sern una estimativa de la relacin
wi/wj. Tenemos entonces la matriz:

Los juicios u opiniones segn la escala de Saaty se representan por nmeros

difusos triangulares 1, 3, 5, 7, 9 donde la definicin de estos nmeros est dada
en la tabla 3 y sus funciones de membresa en la tabla 2.

Sabemos que la matriz A tiene todas sus entradas valores reales y positivos.
Tambin se debe cumplir que ij = 1 / ji. Por lo tanto A es una matriz recproca
positiva.
Seguidamente se procede a calcular el autovector, el autovalor y el ndice RC,
considerando ahora que los elementos a ij son nmeros difusos o triangulares.
Para estimar el autovector V de la matriz A se utiliza la siguiente ecuacin

Tenemos as

hasta

De esta forma se puede obtener el autovector Vi formado por n nmeros

triangulares que tiene la forma:
V = (V1, V2, ...Vn)
Donde Vi es un nmero triangular de la forma (Vl, Vm, Vu)
De la misma forma que en el AHP tradicional el autovector debe ser normalizado
y posteriormente pasar por otro proceso de normalizacin para que la sumatoria
de sus elementos sea igual a 1; para realizar esto basta con calcular la proporcin
de cada elemento del autovector normalizado en relacin a la sumatoria de los
elementos del autovector.

Donde T es el autovector normalizado y es utilizado para cuantificar y ponderar

la importancia de las caractersticas o atributos en anlisis.
Un paso o etapa importante del mtodo AHP es la prueba de consistencia de la
respuesta dada por los especialistas, o sea si los datos estn o no lgicamente
relacionados. El mtodo es semejante al utilizado cuando se utilizan los nmeros
crisp.

Se estima inicialmente el autovector

, donde la estimativa est dada por

donde w es el nmero triangular que representa la sumatoria de las columnas de

la matriz de comparaciones.
Posteriormente se calcula el ndice de Consistencia (IC) a travs de la expresin:

Seleccin de mquinas de control numrico usando

Fuzzy AHP
Selection of numeric control machines using Fuzzy AHP
Orlando Durn y Jos Aguil

Estudio de caso
En esta seccin, la metodologa propuesta anteriormente es aplicada a travs de
un ejemplo numrico. Suponga que un grupo de analistas ha sido designado para
evaluar tres alternativas de Mquinas Herramientas Automatizadas (Maq1, Maq2,
Maq3). Este anlisis ser hecha considerando una serie de seis atributos
cualitativos: Flexibilidad del Equipo, Facilidad de Operacin, Confiabilidad,
Calidad, Facilidad de Instalacin y de Manutencin. Estos seis atributos sern
referidos de aqu en adelante como AT1, AT2, AT3, AT4, AT5 y AT6
respectivamente. Una vez que los analistas han realizado las comparaciones
paritarias se obtiene la siguiente matriz del tipo A. En esta matriz las relaciones
de comparacin entre criterios ha sido hecha utilizando las escala de Saaty pero
ahora con nmeros triangulares.

Note que esta matriz representa cuan importante es para un conjunto de decisores
un determinad atributo por sobre otro en particular.

A partir de esta matriz se debe calcular el autovector, el autovalro y el Indice RC.

Ahora realizando las operaciones sobre los nmeros triangulares y que fueron
comentadas en el apartado anterior.
De esta forma se obtiene el siguiente autovector de nmeros triangulares:
V = ((1,3 2,3 4,3) (1,9 3,6 5,6) (0, 3 0,4 0,6) (0,6 0,98 2,3) (0,8 1,4 3,0) (0,2 0,2
0,5))
Antes de proceder a realizar las normalizaciones es necesario considerar un
alcance en relacin con el ranqueo o comparacin de valores difusos. El objetivo
de este ranqueo es definir cuales valores son mayores y menores, estableciendo
un ordenamiento lineal entre los valores. Existen diversas formas para realizar
esta ordenamiento, entre los que se destacan el mtodo del ordinal representativo,
que esta dado por la siguiente relacin:

Donde A=(a1, a2, a3) es un nmero triangular. ser entonces el ordinal

representativo de cada nmero triangular. El segundo criterio para ordenacin
lineal consiste apenas en considerar el elemento central de la tripleta, o sea a2. El
tercer mtodo utilizado tradicionalmente para la ordenacin lineal consiste en
calcular la divergencia, o sea, la diferencia entre a3 y a1. Ser considerado mayor
el nmero que para elementos a2 iguales tenga mayor divergencia.
En nuestro ejemplo, se ha ocupado el primer criterio comentado anteriormente.
Con esto se considera el segundo elemento del autovector como el mayor de
ellos. Observe que segn el segundo criterio del valor central tambin este
elemento es considerado como el mayor de los elementos del autovector.
Recordemos que el mencionado segundo elemento de este autovector
corresponde al AT2 que representa a la facilidad de operacin.
Despus de las normalizaciones el autovector queda de la siguiente forma:
V = ((0,03 0,26 2,42) (0,04 0,40 3,17) (0,01 0,04 0,34) (0,01 0,11 1,30) (0,02
0,16 1,70) (0,004 0,03 0,26))
Para probar la consistencia de la respuesta, o sea, verificar que los datos estn
lgicamente relacionados, Saaty propone la siguiente relacin

Donde el elemento w es calculado por la sumatoria de las columnas de la matriz

de preferencias, o sea:
W = ((2,6 5,0 10,4) (1,8 2,2 6,3) (19,2 27,3 36,0) (4,3 10,4 18,7) (3,5 7,7 14,7)
(20,0 30,0 40,0))
Podemos estimar el max obteniendo el siguiente nmero triangular

para la obtencin del Indice de Consistencia (escalar), proponemos utilizar el

valor central del nmero triangular max
IC = (6,47- 6)/ 5 = 0,09
Conjuntamente se procede al clculo de RC en funcin del ndice randmico
retirado de la tabla sugerida por Saaty para el nmero de atributos igual a seis.
De esta manera tenemos
RC = 0,09/1.24 = 0,07 < 0,10 lo que indica la total consistencia de las
evaluaciones o comparaciones expresadas en la matriz de comparaciones. De esta
etapa se puede concluir que el vector de pesos o preferencias entre los atributos
(autovector V) considerados en el anlisis representa las importancias otorgadas
por los especialistas a estos atributos en el siguiente orden: AT2,AT1, AT5, AT4,
AT3 y AT6.

Autovector para comparaciones entre mquinas segn los seis atributos

considerados en el anlisis:
VAT1 = ((0,1 0,2 1,0) (0,1 0,5 1,8) (0,1 0,3 1,4))
VAT2 = ((0,1 0,3 0,8) (0,1 0,3 1,0) (0,1 0,3 1,2))
VAT3 = ((0,2 0,4 1,2) (0,1 0,2 0,5) (0,1 0,4 1,0))
VAT4 = ((0,3 0,6 1,1) (0,10,2 0,3) (0,1 0,3 0,6))
VAT5 = ((0,1 0,3 1,0) (0,1 0,5 1,8) (0,1 0,3 1,2))

VAT6 = ((0,2 0,5 1,3) (0,1 0,3 0,9) (0,1 0,3 0,8))
Para la obtencin del ranqueo de las mquinas se multiplica el autovector relativo
a las mquinas segn cada uno de los atributos por el autovector de la
importancia de los atributos bajo anlisis (todos los elementos de estos
autovectores son nmeros triangulares) obtenindose el vector final, que muestra
el ranqueo para cada una de las tres alternativas de mquinas bajo anlisis, como
se muestra abajo:

Realizada esta multiplicacin se ha obtenido el siguiente vector

Abajo se muestra el criterio de ordenamiento lineal que muestra que la mquina 2

es la ms apropiada para la seleccin segn los atributos considerados y su
importancia relativa.
Maq 1 2,43
Maq 2 3,00
Maq 3 2,77
[anterior] [inicio] [siguiente]

Conclusiones

Se propone un mtodo de anlisis de inversin y seleccin de equipos de

manufactura avanzada utilizando la metodologa AHP. Se ha incorporado a esta
tecnologa el concepto de nmeros difusos de manera tal a mejorar la forma con
que los especialistas puedan realizar las comparaciones entre pares de
alternativas. La contribucin de este trabajo radica en la facilidad con que se
operan los nmeros triangulares viabilizando as la resolucin de anlisis
multicriteriales de manera robusta y consistente. En el ejemplo mostrado en este

artculo la tcnica se ha aplicado a un caso dnde se debe seleccionar una

mquina de comando numrico entre tres alternativas utilizando para esto un
conjunto de seis atributos intangibles. Finalmente destacamos la utilidad de
incorporar el pensamiento difuso a tcnicas de decisin debido a la posibilidad de
expresar de manera ms natural factores intangibles e considerarlos entre las
ventajas de adquirir determinada tecnologa. Futuros trabajos apuntan a la
elaboracin de una herramienta computacional para el apoyo de este proceso y a
aplicaciones en el campo de la industria.