Sunteți pe pagina 1din 10

1.

- El criterio de optimalidad paretiana

En 1896, el economista italiano Vilfredro Pareto introdujo un criterio de optimalidad que ha


recibido su nombre y que puede considerarse crucial en teoría económica. En su
formulación inicial, Pareto considera que una colectividad se encuentra en un estado
óptimo si ninguna persona de esa colectividad puede mejorar su situación sin que empeore
la situación de alguna otra persona de la misma. Esta clase de optimalidad se denomina
también eficiencia paretiana. El atractivo del criterio de Pareto es que, aún tratándose
indiscutiblemente de un juicio de valor, es muy poco fuerte, por lo que la mayoría de las
personas lo aceptarían razonablemente.
Este criterio de optimalidad paretiana puede transferirse de una manera directa de la
economía al análisis decisional multicriterio. Para ello, basta sustituir el concepto original
de Pareto de «sociedad» o «colectivo» de personas por el de «conjunto de criterios». Así,
cada criterio individual representa a una persona en esta nueva interpretación. Esta
traslación del concepto de optimalidad paretiana juega un papel esencial en los diferentes
enfoques desarrollados dentro del paradigma multicriterio. Puede decirse que la eficiencia
paretiana es una condición exigida como necesaria para poder garantizar la racionalidad de
las soluciones generadas por los diferentes enfoques multicriterio.
El concepto de optimalidad paretiana dentro del campo multicriterio puede definirse
formalmente de la siguiente manera. Un conjunto de soluciones es eficiente (o Pareto
óptimas) cuando está formado por soluciones factibles (esto es, que cumplen las
restricciones), tales que no existe otra solución factible que proporcione una mejora en un
atributo sin producir un empeoramiento en al menos uno de los demás atributos. Cuando
una solución en mejor que otra en al menos un criterio, y es tan buena como la otra en los
demás, se dice que la primera solución “domina a la segunda” (dominancia de Pareto). Así,
el conjunto de soluciones eficientes corresponde al conjunto de soluciones factibles “no
dominadas”; a este conjunto se le conoce también como “Frontera de Pareto”.
A título de ejemplo, supongamos que en un problema de selección de un modelo de caza-
bombardero el centro decisor considera como relevantes los siguientes atributos: velocidad,
carga máxima, costo y maniobrabilidad. Las seis ofertas posibles vienen representadas en la
Tabla 1.
Atributos
Velocidad Carga Costo Maniobrabilidad
Alternativa
(Km/hora) (Toneladas) (Millones dólares) (Escala 1-10)
A 1400 10 500 9
B 1700 8 600 7
C 1400 12 500 8
D 1800 7 700 7
E 1500 9 600 9
F 1800 6 700 6

Tabla 1: Selección de un modelo de Caza-bombardero

1
Todos los atributos considerados son del tipo «más es mejor» excepto el atributo costo que,
obviamente, es del tipo «menos es mejor». De acuerdo con la definición de eficiencia
paretiana el modelo F es no-eficiente o inferior y nunca será elegido por un centro decisor
racional, pues está dominado por la alternativa o modelo D: la velocidad y el costo en los
dos modelos coinciden, sin embargo, tanto la carga máxima como la maniobrabilidad
proporcionada por el modelo D es mayor que el proporcionado por el modelo F. Por el
contrario, los modelos A, B, C, D y E son eficientes en términos paretianos, pues ninguno
de los modelos iguala o supera a los otros tres en los cuatro criterios considerados (o de
manera equivalente: no es posible mejorar en un criterio sin empeorar en otro).
Todos los enfoques multicriterio pretenden obtener soluciones que sean eficientes en el
sentido paretiano que acabamos de definir. Incluso dentro de la programación multiobjetivo
el primer paso consiste en obtener el conjunto de soluciones factibles y eficientes. Esto es,
el conjunto de soluciones posibles se particiona en dos subconjuntos disjuntos. El
subconjunto de soluciones factibles no eficientes (el cual es descartado de todo análisis
posterior) y el subconjunto de soluciones factibles y eficientes (frontera de Pareto). Una vez
realizada tal partición, se introducen de diferentes maneras las preferencias del centro
decisor con objeto de obtener un compromiso entre las soluciones factibles y eficientes.

2.-La normalización de los criterios

Aunque no siempre es necesario, en muchos métodos multicriterio, resulta esencial


proceder a la normalización de los diferentes criterios en consideración. La normalización
es necesaria, al menos por los tres tipos de razones que exponemos seguidamente.
En primer lugar, debe tenerse en cuenta que en la mayor parte de los contextos decisionales
las unidades en que están medidos los diferentes criterios suelen ser muy diferentes. Así, en
el ejemplo del apartado anterior, los criterios están medidos en kilómetros/hora, toneladas,
dólares, etc. En este tipo de situación, una comparación o agregación de los diferentes
criterios carece de significado.
En segundo lugar debe asimismo tenerse en cuenta que en muchos problemas multicriterio,
los valores alcanzables por los diferentes criterios pueden ser muy diferentes. En tales
casos, sin una normalización previa, los métodos multicriterio pueden conducirnos a
soluciones sesgadas hacia los criterios con valores alcanzables mayores (p.e. la velocidad
con respecto a la maniobrabilidad en nuestro ejemplo del caza-bombardero).
Finalmente, cuando en la sección siguiente analicemos diferentes procedimientos para
interactuar con el centro decisor, con el propósito de obtener indicadores de sus
preferencias, la normalización previa de los criterios facilita este tipo de tarea. En efecto, en
bastantes casos los centros decisores realizan con más facilidad las tareas comparativas
entre criterios cuando trabajan con valores normalizados de los mismos en vez de trabajar
con sus correspondientes valores originales.
Seguidamente pasamos a exponer brevemente los procedimientos de normalización de
criterios más utilizados en la práctica.
1) Uno de los métodos más simples consiste en dividir los valores que alcanza el criterio
por su valor «mejor». El valor mejor es el máximo cuando el criterio consiste en un
atributo del tipo «más es mejor» o el mínimo cuando se trata de un atributo del tipo «menos

2
es mejor». Así, según se desprende de los datos de la Tabla 2, los valores normalizados para
los criterios, por ejemplo, velocidad y costo (columnas 1 y 3 de la Tabla 1) son (para las
alternativas de la A a la E, respectivamente):
 1400 1700 1400 1800 1500 
Velocidad    0,78;  0,94;  0,78;  1,0;  0,83
 1800 1800 1800 1800 1800 
 500 600 500 700 600 
Costo   1,0;  1,20;  1,0;  1,40;  1,20 
 500 500 500 500 500 
Los valores normalizados son en este caso adimensionales. Para los criterios del tipo “más
es mejor”, los valores serán siempre menores o iguales a 1,0; siendo dicho valor el óptimo
para el criterio.
Para los criterios del tipo “menos es mejor”, los valores serán siempre mayores o iguales a
1,0; siendo dicho valor, nuevamente, el óptimo para el criterio.
2) Normalización a intervalo [0,1]. En algunos métodos multicriterio resulta conveniente
que los valores normalizados de los criterios queden acotados en el intervalo [0,1]. Este tipo
de normalización puede conseguirse con facilidad restando al valor alcanzado por el criterio
el valor mínimo, dividiendo seguidamente dicha diferencia por el correspondiente
recorrido. Operando de esta forma los valores normalizados de los criterios velocidad y
costo (para las alternativas de la A a la E, respectivamente) son:
 1400  1400 1700  1400 1400  1400 1800  1400 1500  1400 
Velocidad    0;  0,75;  0;  1,0;  0,25 
 1800  1400 400 400 400 400 
 500  500 600  500 700  500 700  500 600  500 
Costo   0;  0,50;  1,0;  1,0;  0,50 
 700  500 200 200 200 200 
Dé una interpretación adecuada a los valores obtenidos en este caso.

Finalmente, conviene indicar que en un contexto de programación por metas la manera más
eficaz de normalizar los criterios consiste en dividir las variables de desviación por los
correspondientes niveles de aspiración. De esta forma pasamos de trabajar con desviaciones
absolutas, que están medidas en las unidades que caracterizan a la correspondiente meta, a
operar con desviaciones porcentuales que carecen de dimensión.

3) La tercera posibilidad es definir un nivel mínimo “m” en cada criterio que


corresponda a un logro del 0% (generalmente un valor de cero para los criterios del tipo
más es mejor, pero en una escala de notas 1-7, por ejemplo, corresponde al valor 1); y un
nivel máximo “M” que se interpreta como un logro del 100% en el criterio. Después se
utiliza una transformación equivalente a la normalización al intervalo [0,1] (excepto que los
valores mínimos y máximos son reemplazados por m y M, respectivamente.

La ventaja de esta transformación es que cada valor puede ser interpretado como un
porcentaje de cumplimiento del objetivo correspondiente.

3
3.- Dominancia por Ranking (o por importancia)

Cuando se posee información acerca del orden relativo de cada criterio en términos de
importancia, entonces se puede utilizar un segundo tipo de dominancia para reducir el
conjunto de candidatos obtenidos al utilizar la dominancia de Pareto. Este orden
relativo es, sin embargo, sensible a las unidades de medida de los diversos objetivos.
Por ejemplo, si consideramos los objetivos: tiempo versus distancia (al decidir entre
diversas rutas para viajar entre 2 puntos de la ciudad, algunas más largas pero menos
congestionadas), no es posible decir cuál de estos objetivos en más importante. Sin
embargo, sí es posible (lo cual no significa que sea fácil) decir si 1 minuto de ahorro
en tiempo es menos (o más) importante que (preferible a) un kilómetro adicional en
distancia.

En nuestro ejemplo, supongamos que el decisor considera que un aumento en la velocidad


máxima de V km/hr es preferible a un aumento de C toneladas en la carga máxima.
En este caso una alternativa domina a otra por importancia de objetivos si solo es
inferior que la última en el criterio carga por C toneladas, pero en compensación
supera a ésta en el criterio velocidad por un margen V > C*(V/ C).

4.- La ponderación preferencial de los criterios

En muchos problemas decisionales puede resultar conveniente obtener pesos o indicadores


de las preferencias relativas del centro decisor de unos criterios con respecto a otros.
Conviene indicar que así como la tarea de normalizar criterios requiere exclusivamente una
información de tipo técnico, la estimación de las preferencias relativas conlleva una fuerte
carga subjetiva, lo que hace necesario que para estimar dichos pesos preferenciales
tengamos que interaccionar de una manera u otra con el centro decisor.
4.1 Considerando sólo información de “ranking de preferencias”:
Seguidamente pasamos a exponer alguno de los procedimientos utilizados para poder
estimar pesos preferenciales. La forma más sencilla de abordar esta tarea consiste en pedir
al centro decisor que clasifique los criterios por orden de importancia. Es decir, si tenemos
n criterios se solicita al centro decisor que asigne el número 1 al criterio que considere más
importante, el número 2 al criterio siguiente en importancia, hasta asignar el número n al
criterio que considera menos importante. Pesos compatibles con dicha información pueden
obtenerse a partir de alguna de estas dos expresiones [1]:
i) Ponderación Lineal
n  rj  1
Wj  n
(1.1)
n  r 1
i 1
i

4
ii) Ponderación Armónica
1/ rj
Wj  n (1.2)
1 / r
i 1
i

donde rj es el lugar o posición que ocupa el criterio j-ésimo en la clasificación establecida


por el centro decisor. Supongamos que el responsable de la selección de un caza-
bombardero ordena la importancia de los criterios en orden decreciente de la siguiente
manera: maniobrabilidad, velocidad, costo y carga.
La aplicación de la fórmula (1.1) conduce a los siguientes pesos para los cuatro criterios
considerados:
4  2 1 4  4 1
W1 (velocidad )   0,30; W2 (c arg a )   0,10;
4  3  2 1 4  3  2 1
4  3 1 4 11
W3 (cos to)   0,20; W4 ( maniobrabi lidad )   0,40;
4  3  2 1 4  3  2 1
La aplicación de la fórmula (1.2) conduce a los siguientes nuevos pesos para los
cuatro criterios considerados:
1/ 2 1/ 2 1/ 4
W1 (velocidad)    0,24; W2 (c arg a )   0,12;
1  1 / 2  1 / 3  1 / 4 25 / 12 25 / 12
1/ 3 1/1
W3 (cos to)   0,16; W4 (maniobrabilidad )   0,48;
25 / 12 25 / 12
Es interesante observar que con los 2 procedimientos expuestos la suma de los pesos
preferenciales obtenidos es igual a uno. Esta propiedad es bastante útil tanto para interpretar
el significado de los pesos como para facilitar su uso por parte del centro decisor.
4.2 Definiendo una unidad de medida común.
En muchos casos es posible encontrar una unidad de medida común a la cual puedan ser
transformados los diferentes criterios. Consideremos el siguiente ejemplo:

Una persona desea comprar un taxi para manejarlo él mismo. Se le presentan dos
alternativas: un vehículo petrolero que requiere una inversión de $8.000.000 y tiene un
rendimiento de 18 Km/l, y un vehículo bencinero cuesta $6.000.000 y tiene un rendimiento
de 13 Km/l. Los vehículos son idénticos en otros aspectos: apariencia, comodidad, etc. Una
medida común para comparar estas alternativas es por ejemplo el Valor Actual Neto (VAN)
de todos los flujos de dinero que se producirán durante toda la vida útil del vehículo en
ambos casos. Sin embargo esto requiere más información: distancia a recorrer, gastos de
mantenimiento, valor de salvamento, vida útil, etc.

4.3 Considerando las “intensidades de las preferencias”:


El procedimiento de estimar pesos preferenciales dado en la sección 2.7.1, aunque tiene un
claro interés práctico no está exento de dificultades. Así, con este enfoque tenemos en
cuenta que el criterio i-ésimo es preferido al criterio j-ésimo, pero no tenemos en absoluto

5
en cuenta la intensidad de dicha preferencia. Por otra parte, ordenar simultáneamente los n
criterios es una tarea complicada para cualquier centro decisor, muy especialmente cuando
el número n de criterios es elevado.
Este tipo de dificultades pueden superarse recurriendo a un procedimiento sugerido por
Saaty [2] que constituye la base de la metodología multicriterio conocida como Proceso
Analítico Jerárquico (AHP por su sigla en inglés). Este procedimiento requiere del centro
decisor la comparación simultánea de sólo dos objetivos. Es decir, el centro decisor ha de
realizar una comparación de valores subjetivos por «parejas».
Los valores numéricos que propone aplicar Saaty son los siguientes: (1) cuando los criterios
son de la misma importancia; (3) moderada importancia de un criterio con respecto a otro;
(5) fuerte importancia; (7) demostrada importancia; y (9) extrema importancia. Asimismo,
Saaty sugiere valores intermedios para juicios de valor contiguos. Supongamos que con la
aplicación de esta escala el centro decisor nos proporciona los valores subjetivos que
figuran recogidos en la matriz de la Tabla 3.

Velocidad Carga Costo Maniobrabilidad


(Km/hora) (Toneladas) (Millones US$) (Escala 1-10)
Velocidad (Km/hora) 1 7 2 1/2
Carga (Toneladas) 1/7 1 1/3 1/9
Costo (Millones US$) ½ 3 1 1/5
Maniobrabilidad (Escala 1-10) 2 9 5 1
Tabla 3: Matriz de comparación por parejas (selección de un Cazabombarderos)

La interpretación de los elementos de dicha matriz es inmediata. Así, tenemos que el centro
decisor considera que la velocidad es demostradamente más importante que la carga, que la
velocidad se puede considerar que tiene la misma o una moderada mayor importancia que
el costo, etc. Es interesante observar que, por su propia construcción, este tipo de matrices a
lo «Saaty» poseen propiedades recíprocas (esto es, a ij = 1/aji). A partir de la matriz anterior
se pretende encontrar un vector de pesos (W1, W2, W3, W4) que resulte consistente con las
preferencias subjetivas mostradas por el centro decisor y reflejadas en la comentada matriz.
Es decir, tenemos que encontrar una solución al siguiente sistema de ecuaciones:
Wi
 a ij i  1,  , n; j  1,  , n; j  i (1.3)
Wj

Dadas las normales inconsistencias (aij ≠ aik  akj) en los juicios de valor emitidos por el
centro decisor, el sistema de ecuaciones homogéneas dado por (1.3) tiene como única
solución la trivial (i.e. W1 = ... = W4 = 0). Ante tal situación el paso lógico consiste en
encontrar el vector de pesos W que más se aproxime a los pesos verdaderos. Esta tarea
puede abordarse recurriendo a diferentes procedimientos matemáticos. Uno de los más
sencillos consiste en calcular la media geométrica de los elementos de cada fila de la matriz
de comparación por «parejas». Operando de esta manera obtenemos:
Wˆ1  1  7  2  1 / 2  1,627; Wˆ 2  1 / 7  1  1 / 3  1 / 9 
1/ 4 1/ 4
 0,270;
Wˆ 3  1 / 2  3  1  1 / 5  0,740; Wˆ 4   2  9  5  1
1/ 4 1/ 4
 3,080;

6
Tal como hemos indicado anteriormente, es conveniente trabajar con pesos que sumen la
unidad. Para ello, nos basta con dividir cada uno de los pesos anteriormente hallados por la
suma de todos ellos. Operando de tal manera obtenemos los siguientes pesos:
1,627 1,627 0,270
W1    0,285; W2   0,047;
1,627  0,270  0,740  3,080 5,716 5,716
0,740 3,080
W3   0,129; W2   0,539;
5,716 5,716

Aunque no puede hablarse del mejor método para estimar pesos preferenciales, sin
embargo, siempre que las características del centro decidor permitan efectuar una
interacción estructurada, los métodos tipo Saaty (basados en comparaciones por «parejas»)
parecen ofrecer una mayor solidez con respecto a otros métodos alternativos.

7
5.- Criterio único ponderado

Una de las técnicas más usadas para encontrar la mejor alternativa para un decidor
particular es unificar los criterios en un “criterio generalizado” que considera la suma
ponderada de los diferentes criterios, obteniendo los pesos Wi por cualquiera de las técnicas
dadas en la sección 2.7.
Si bien este método puede ser criticado por muchas razones, es el más utilizado en la
práctica. Dos de las principales críticas al método se exponen a continuación:
i) Existen soluciones pertenecientes a la Frontera de Pareto para las cuales no existe un
conjunto de ponderaciones (pesos) que hagan que dicha alternativa sea “óptima” (la
mejor) en el criterio generalizado. Así dicha alternativa, aunque es eficiente, queda
automáticamente fuera de competencia debido a la técnica usada. Considere por ejemplo
las siguientes 2 alternativas de transporte que se le ofrecen (ambos criterios son del tipo
“menos es mejor”):
Tiempo Costo
Alternativas
(minutos) (pesos)

A 10 15

B 20 10

C 16 13

Considerando (sin pérdida de generalidad) que se le da una ponderación 1,0 al criterio 1, y


W2 al criterio 2, y haciendo variar el valor de W2 se puede observar en el siguiente gráfico
que la alternativa C nunca es mínima en el criterio generalizado. Si W2 < 2, entonces la
mejor alternativa es A; si W2 > 2, entonces la alternativa elegida es B; si W2 = 2, el decidor
estará indiferente entre las alternativas A y B. Sin embargo, puede haber muchas personas
que preferirían racionalmente la alternativa C.

Figura 1.1: Criterio generalizado en función de W2

8
ii) El método es muy sensible a los valores de las ponderaciones; pero, como se discutió
previamente, dichas ponderaciones no sólo son subjetivas sino que contienen un alto grado
de inconsistencia.
iii) Los pesos asignados son sensibles a las unidades y a los rangos en cada criterio.
A pesar de estos cuestionamientos (y varios otros), la mayor simplicidad de los métodos
utilizados para resolver el problema con un criterio generalizado es ampliamente utilizada.
Para el ejemplo del caza-bombarderos, el criterio generalizado vendría dado por la
siguiente expresión:
WGi  W1  velocidad i  W2  c arg ai  W3  cos toi  W4  maniobrabilidad i

Donde el objetivo es encontrar la alternativa que tenga el “mayor” valor en el costo


generalizado. El signo negativo que acompaña a W3 sirve para compatibilizar el criterio
costo que es del tipo “menos es mejor” con el criterio general que es, en este caso, del tipo
“más es mejor”. Otra alternativa es hacer una transformación previa de algunos de los
criterios y así obtener criterios de solo un tipo, como se hará en la continuación del ejemplo
del caza-bombarderos.
Existen muchos métodos que no “sucumben a la tentación” de unificar los criterios y que
son cada vez más utilizados. Entre ellos se puede mencionar: Programación Multiobjetivos,
Programación por Metas, Método ELECTRE, Procesos Analíticos Jerarquizados (AHP),
etc.
Ejemplo:
Continuando con el ejemplo del caza-bombarderos, se seleccionará la mejor
alternativa considerando una normalización de los criterios al intervalo [0,1], con
transformación del criterio de costo a un criterio del tipo “más es mejor”. El criterio
generalizado se obtendrá utilizando los pesos obtenidos por los métodos de ranking (lineal
y armónico) y por el método de Saaty visto en la sección 2.6.2.
Los valores normalizados de los criterios quedan:
Atributos
Maniobrabilida
Alternativa Velocidad Carga Costo* d
A 0 0.6 1 1
B 0.75 0.2 0.5 0
C 0 1 1 0.5
D 1 0 0 0
E 0.25 0.4 0.5 1
Los pesos obtenidos con los 3 métodos vistos son:
Maniobrabilida
Pesos Velocidad Carga Costo d
Lineales 0.3 0.1 0.2 0.4
Armónicos 0.24 0.12 0.16 0.48
Saaty 0.285 0.047 0.129 0.539

9
Los valores del criterio generalizado para cada alternativa (y cada método de
obtención de pesos) son los siguientes:

Criterio Generalizado
Método Método Método
Alternativa Lineal Armónico Saaty
A 0.66 0.712 0.6962
B 0.345 0.284 0.28765
C 0.5 0.52 0.4455
D 0.3 0.24 0.285
E 0.615 0.668 0.69355
En este caso, con cualquiera de los 3 métodos la alternativa seleccionada es la A.

6.- Análisis de sensibilidad respecto de las ponderaciones

Una forma de aumentar la robustez del método del criterio ponderado es hacer un análisis
de qué tan sensible es la decisión a cambios en las ponderaciones. Para ello se acostumbra a
hacer variar el peso de uno de los criterios, manteniendo constantes los de los demás. De
esta manera se calcula el intervalo en que podría variar cada ponderación de manera aislada
sin cambiar la decisión de la alternativa elegida. (Notar que no se exige que los pesos sigan
sumando 1).
Para el ejemplo del caza-bombarderos se muestra en la siguiente tabla la sensibilidad de los
pesos obtenidos por el método lineal.
Velocidad Carga Costo Maniobrabilidad

Pesos Lineales [0, 0.48] [0, 0.50] [0.11,) [0.085 , )

Se puede observar que los rangos de variación son bastante amplios y alejados del peso
actual. Sin embargo si se hace, por ejemplo, un análisis de la sensibilidad del peso asignado
a la velocidad con el método de Saaty, se obtiene el siguiente rango: [0, 0.295].
Considerando que el peso actual es de 0.285, se observa que un pequeño aumento del peso
haría cambiar la decisión, siendo E la alternativa seleccionada.
El análisis de la sensibilidad puede hacerse también gráficamente, como se hizo para W2 en
la figura 1.1.

10

S-ar putea să vă placă și