Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Anexos
Anexos
Anexo I
Metodologa AHP
__________________________________________________________________ 133
Anexo I
2.1.1. Introduccin
La bsqueda de maximizacin de la eficiencia, la productividad y la
competitividad son puntos muy importantes a estudiar por parte de las
empresas, lo que ayuda a la bsqueda de metodologas de apoyo a la toma
de decisiones complejas en diferentes contextos, stos a su vez, con
diferentes criterios de seleccin. Todo ello ha llevado a desarrollar en los
ltimos tiempos, un gran nmero de mtodos de Decisin Multicriterio,
todos ellos de gran inters y con gran aplicacin en la vida real.
El objetivo de estos mtodos es eliminar las suposiciones sin
fundamentos, o intuiciones de las que suelen derivar decisiones sin
explicacin justificada, tomadas en gran cantidad de problemas complejos.
Estos mtodos a su vez, son aplicados en cualquier tipo de gestin,
ya sea econmica, de finanzas, medio ambiental, etc. Para ayudar a tomar
una buena decisin teniendo en cuenta cualquier tipo de criterio, ya sea
cuantitativo como cualitativo.
En este estudio vamos a emplear un mtodo para la toma de
decisiones teniendo en cuenta la intuicin derivada de la experiencia
profesional a la hora de tomar decisiones empresariales en problemas
complejos, en los cuales intervienen diversos criterios de seleccin. Para
ello se ha desarrollando un proceso de decisin relativo a la asignacin de
porcentajes de importancias para cada variable que intervienen en las
unidades productivas.
El proceso elegido para este problema es el AHP, por su sencillez y
claridad, existiendo a su vez software de apoyos para su aplicacin.
La metodologa de trabajo del AHP descompone el problema en una
estructura jerrquica, de manera sencilla y lgica, permitiendo a su vez
poder analizar otras posibles soluciones al realizar cambios en las
diferentes importancias de cada elemento que interviene en el problema a
tratar.
El programa a utilizar es el Expert Choice. Este programa comercial
trabaja en ambiente Windows y DOS, de fcil uso, pudiendo encontrar en
Internet demostraciones, manuales, versiones gratuitas, distintos tipos de
licencias....
2.1.2. Proceso de Jerarqua Analtica (AHP)
El Proceso de Jerarqua Analtica, conocido como AHP, se define como
un modelo para toma de decisiones. Fue desarrollado en la dcada de los 70
por el matemtico Thomas L. Saaty para resolver el tratado de reduccin de
__________________________________________________________________ 134
Anexo I
Figura Anexo I.1. Modelo Jerrquico para la Toma de Decisiones con el AHP
Anexo I
Escala Verbal
Igual importancia
Moderada
Fuerte
Extrema
2,4,6,8
Valores intermedios
Explicacin
Los dos elementos contribuyen igualmente a ala actividad. Siempre
ocurre en los lemento sde la diagonal de la matriz.
La experiencia y el juicio del experto favorecen levemente a un
elemento sobre el otro.
La experiencia y el juicio del experto favorecen fuertemente a un
elemento sobre el otro.
Un elelemento domina fuertemente al otro, y est probado en la
prctica.
Un elemento domina al otro, absolutamente y totalmente claro
Cuando se necesite un compromiso de las partes entre valoera
adyacentes.
1
a12
" Matriz de Comparaciones Pareadas" =
. .
1
1
a1n a 2n
.... a1n
.... a 2n
.... .
.... 1
__________________________________________________________________ 136
Anexo I
__________________________________________________________________ 137
Anexo I
Anexo I
Figura Anexo I.3. Introduccin de elementos del modelo jerrquico al software Expert Choice
__________________________________________________________________ 139
Anexo I
Figura Anexo I.4. Introduccin de las alternativas del modelo jerrquico en el software Expert Choice
__________________________________________________________________ 140
Anexo I
__________________________________________________________________ 141
Anexo I
Figura Anexo I.6. Prioridades locales de las alternativas mediante el software Expert Choice
Figura Anexo I.7. Prioridades globales de las alternativas mediante el software Expert Choice
__________________________________________________________________ 142
Anexo I
Figura Anexo I.8. Prioridades totales de las alternativas mediante el software Expert Choice
__________________________________________________________________ 143
Anexo II
1. SOFTWARE Lingo.
MATEMTICA.
LENGUAJE
DE
MODELACIN
Anexo II
Derivados
Lista Explcita
No Densos Filtros
___________________________________________________________________145
Anexo II
___________________________________________________________________146
Anexo II
Igual
No igual
Mayor que o igual a
Menor que
Menor que o igual a
Anexo II
Sucursal
Proyecto
1
2
3
1
2
3
1
2
3
Tasa de
Inversin
(%)
8
6
7
5
8
9
10
6
15
Inversin
Mxima
10
5
9
7
10
4
6
12
6
X
j =1
(i , j )
Mnimo( i )
i = 1,2,3
___________________________________________________________________148
Anexo II
X
j =1
(i , j )
Mximo( i )
i = 2
(Solo para B)
i = 1,2,3;
j = 1,2,3
X
i =1 j =1
(i, j )
PresupuestoTotal
Funcin Objetivo
3
MAX = Tasa(i , j ) * X (i , j )
i =1 j =1
Anexo II
SETS:
SUCURSAL / A, B, C/:;
ENDSETS
Proyecto (j), no depende de ningn elemento superior, por lo tanto es
un elemento bsico, que se define como un conjunto primitivo, para nuestro
ejemplo lo llamaremos el set PROYECTO, compuesto por tres proyectos:
SETS:
SUCURSAL / A, B, C/:;
PROYECTO / 1..3/:;
ENDSETS
Los elementos Tasa, Inv. Mxima y X(i,j) dependen de los elementos
Sucursal (i) y Proyecto (j) (definidos anteriormente como conjuntos), por lo
tanto es necesario crear una estructura de un set derivado que permita
enlazar ambos conjuntos; en este ejemplo se llamar el set
SUCURSAL_PROYECTO, compuesto por los conjuntos SUCURSAL y
PROYECTO, y se definir como un conjunto derivado denso.
As mismo los elementos Tasa, Innv. Mxima y X(i,j), sern atributos
del conjunto derivado SUCURSAL_PROYECTO, y se definirn como
TASA, INVMAXIMA y ASIGNACION.
SETS:
SUCURSAL / A, B, C/:;
PROYECTO / 1..3/:;
SUCURSAL_PROYECTO
INVMAXIMA, ASIGNACION;
ENDSETS
(SUCURSAL,PROYECTO):
TASA,
Anexo II
ENDSETS
Una vez definido la seccin de conjuntso SETs, definimos a
continuacin la seccin DATA:
Observando que Presupuesto es un parmetro aislado y no depende de
ningn elemento, se puede deducir que no es necesario definirlo en la
seccin SETS, directamente es definido en la seccin data.
DATA:
PRESUPUESTO = 35;
ENDDATA
Los atributos MINIMO, MAXIMO, INVMAXIMA y TASA definidos
anteriormente en la secciona SETS, son atributos definidos para la lectura
de parmetros, en cambio ASIGNACION es un atributo que se comporta
como variable, por lo tanto este ltimo no ser definido en la seccin
DATA. Finalmente la seccin DATA quedar de la siguiente manera:
DATA:
PRESUPUESTO = 35;
MINIMO = 8, 10, 15;
MAXIMO = 0, 20, 0;
INVMAXIMA = 8, 6, 7,
5, 8, 9,
10, 6, 15;
TASA = 0.08, 0.06, 0.07,
0.05, 0.08, 0.09;
0.1, 0.06, 0.15;
ENDDATA
Observacin: Para la lectura del atributo MAXIMO, solo para la
segunda sucursal existe lmite mximo, para las otras que tienen cero, se
debe asumir que no existe lmite mximo, en la implementacin de las
restricciones se tratar este caso con filtros.
Se observa que cada una de las 3 sucursales tiene un valor asignado de
inversin MINIMO y MAXIMO, y cada una de las 9 combinaciones
posibles
de
SUCURSAL
y
PROYECTO,
es
decir
___________________________________________________________________151
Anexo II
MAX = Tasa(i , j ) * X (i , j )
i =1 j =1
Formulacin en LINGO:
MAX = @SUM
ASIGNACION );
SUCURSAL_PROYECTO
TASA
.08 ASIGNACION( A, 1)
ASIGNACION ( A, 3)
ASIGNACION ( B, 2)
ASIGNACION ( C, 1)
ASIGNACION ( C, 3)
+
+
+
+
.06 ASIGNACION
.05 ASIGNACION
.09 ASIGNACION
.06 ASIGNACION
(A, 2)
(B, 1)
(B, 3)
(C, 2)
X
j =1
(i , j )
Mnimo( i )
i = 1,2,3
Formulacin en LINGO:
@FOR ( SUCURSAL (I):
@SUM ( PROYECTO (J):
___________________________________________________________________152
Anexo II
MINIMO (I)
);
X
j =1
(i , j )
Mximo( i )
i = 2
@FOR ( SUCURSAL ( I )
|
@SUM (PROYECTO ( J ):
ASIGNACION ( I,J)
(Solo para B)
MAXIMO ( I ) #NE# 0:
<=
MAXIMO ( I ) );
Anexo II
i = 1,2,3;
j = 1,2,3
Formulacin en LINGO:
@FOR ( SUCURSAL_PROYECTO ( I,J ):
ASIGNACION ( I,J) )
<=
INVMAXIMA( I,J));
Para cada SUCURSAL I, y PROYECTO J, las cantidades asignadas a
cada SUCURSAL I asociadas al PROYECTO J, en la variable
ASIGNACION ( I,J ), debe ser menor o igual a la inversin mxima
INVMAXIMA para la SUCURSAL I en el PROYECTO J.
Ecuacin Generada por LINGO para esta restriccin:
ASIGNACION (A, 1) <= 8
ASIGNACION (A, 2) <= 6
ASIGNACION (A, 3) <= 7
ASIGNACION (B, 1) <= 5
ASIGNACION (B, 2) <= 8
ASIGNACION (CB, 3) <= 9
ASIGNACION (C, 1) <= 0
ASIGNACION (C, 2) <= 6
ASIGNACION (C, 3) <= 15
Restriccin de presupuesto disponible.
Formulacin Matemtica:
___________________________________________________________________154
Anexo II
3
X
i =1 j =1
(i, j )
PresupuestoTotal
Formulacin en LINGO:
@SUM ( SUCURSAL_PROYECTO ( I,J ):
ASIGNACION ( I,J)
<=
PRESUPUESTO;
La suma de las cantidades asignadas a cada SUCURSAL I asociadas
al PROYECTO J, en la variable ASIGNACION (I,J), debe ser menor o
igual que el presupuesto total PRESUPUESTOI.
Ecuaciones generadas por LINGO para esta restriccin:
ASIGNACION ( A, 1)
+ ASIGNACION ( A, 3)
+ ASIGNACION ( B, 2)
+ ASIGNACION ( C, 1)
+ ASIGNACION ( C, 3)
+ASIGNACION (A, 2)
+ASIGNACION(B, 1)
+ASIGNACION(B, 3)
+ASIGNACION(C, 2)
<= 35
___________________________________________________________________155
Anexo II
___________________________________________________________________156
Anexo II
State:
Iterations:
Infeasibility:
Objective:
Best IP:
IP Bound:
___________________________________________________________________157
Anexo II
5
3.980000
Cost
Value Reduced
PRESUPUESTO
MINIMO( A)
MINIMO( B)
MINIMO( C)
MAXIMO( A)
MAXIMO( B)
MAXIMO( C)
TASA( A, 1)
TASA( A, 2
TASA( A, 3)
TASA( B, 1)
TASA( B, 2)
TASA( B, 3)
TASA( C, 1)
TASA( C, 2)
TASA( C, 3)
INVMAXIMA( A, 1)
INVMAXIMA( A, 2)
INVMAXIMA( A, 3)
INVMAXIMA( B, 1)
INVMAXIMA( B, 2)
INVMAXIMA( B, 3)
INVMAXIMA( C, 1)
INVMAXIMA( C, 2)
INVMAXIMA( C, 3)
ASIGNACION( A, 1)
ASIGNACION( A, 2)
ASIGNACION( A, 3)
ASIGNACION( B, 1)
ASIGNACION( B, 2)
ASIGNACION( B, 3)
ASIGNACION( C, 1)
ASIGNACION( C, 2)
ASIGNACION( C, 3)
Variable
35.00000
8.000000
10.00000
15.00000
0.000000
20.00000
0.000000
0.8000000E-01
0.6000000E-01
0.7000000E-01
0.5000000E-01
0.8000000E-01
0.9000000E-01
0.1000000
0.6000000E-01
0.1500000
8.000000
6.000000
7.000000
5.000000
8.000000
9.000000
10.00000
6.000000
15.00000
8.000000
0.000000
0.000000
0.000000
1.000000
9.000000
2.000000
0.000000
15.00000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.2000000E-01
0.1000000E-01
0.3000000E-01
0.000000
0.000000
0.000000
0.4000000E-01
0.000000
___________________________________________________________________158
Anexo II
Row
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Slack or Surplus
3.980000
0.000000
0.000000
2.000000
10.00000
0.000000
6.000000
7.000000
5.000000
7.000000
0.000000
8.000000
6.000000
0.000000
0.000000
Dual Price
1.000000
-0.2000000E-01
-0.2000000E-01
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.1000000E-01
0.000000
0.000000
0.5000000E-01
0.1000000
___________________________________________________________________159
Anexo II
Variable
ASIGNACION( A, 1)
ASIGNACION( B, 2)
ASIGNACION( B, 3)
ASIGNACION( C, 1)
ASIGNACION( C, 3)
Value
8.000000
1.000000
9.000000
2.000000
15.00000
Reduced Cost
0.000000
0.000000
0.000000
0.000000
0.000000
___________________________________________________________________160
Anexo III
A p e rtu ra H o ja d a ta
G e n e ra r fic h e ro fas e 1
R e d u c ci n e n tra d as /
m a xim iza ci n s a lid a s
c o n ta rg e ts
E jec uc i n s o ftw a re
L e c tu ra d e re s ulta d os
V e r re s u lta d o s
F IN
___________________________________________________________________161
Anexo III
INICIO
Ejecucin software
Lectura de resultados
Ver resultados
FIN
Generar Restricciones
Cerrar fichero
FIN
___________________________________________________________________162
Anexo III
IN IC IO
Im p o rta r d a to s
NO
V a ria b les
co n
ta rg e ts
SI
R e s o luc i n s oftw are
E xp o rta r re su lta do s
F IN
INICIO
Importar datos
Variables
con
targets
SI
Resultados = Resultados fase1
NO
Resolucin software
Exportar resultados
FIN
Este diagrama de flujo sera idntico para los tres modelos, ya que las
diferencias entre ellos residen en las distintas restricciones a insertar en
cada modelo, no en el funcionamiento del programa
___________________________________________________________________163
Anexo IV
___________________________________________________________________164