Está en la página 1de 16

Propuestas de

lgica difusa para


la toma de decisiones
Laura Patricia Pealva Rosales*

L os modelos para la toma de decisiones que pretenden incluir elementos de tipo cualitativo aportados por el lenguaje natural, han sido trabajados desde hace algn tiempo bajo los conceptos de la Lgica
Difusa, planteada por Zadeh en 1965; sin embargo, no son an lo suficientemente conocidos en nuestro
mbito para probar en la prctica su capacidad. En este escrito se ejemplifican algunas de las propuestas de modelos surgidas bajo este enfoque: la toma de decisiones individual, la configuracin de decisiones
grupales a partir de opiniones individuales y la obtencin del orden preferencial de alternativas de solucin, todas las cuales cumplen con un conjunto requerido de condicionantes.

Introduccin

* Profesora-investigadora del Departamento de Produccin Econmica, UAM-X

Si bien es amplio el trabajo de formalizacin hecho alrededor de la toma de


decisiones y tambin se han abordado las
mltiples variantes que la misma presenta en cuanto a nmero de objetivos,
criterios, decisores y pasos, los modelos
que pretenden incluir elementos de tipo
cualitativo aportados por el lenguaje natural no son an ampliamente conocidos

98

POLTICA

Y CULTURA

en nuestro mbito, en cuanto a su capacidad de modelacin. He aqu que nos encontramos ante una metodologa que merece nuestra atencin por los resultados
favorables de su aplicacin que han sido reportados en diversos campos de la gestin
de empresas (Gil Aluja; 1996; SIGEF; 1996).
En este escrito se ejemplifican algunas de las propuestas de la lgica difusa para
modelar la toma de decisiones con el uso de elementos de tipo cualitativo. Se presenta, primero, la situacin ms usual en la toma de decisiones (la individual) con
elementos de decisin de tipo cualitativo modelados a travs fuzzy sets. En seguida, la ejemplificacin de cmo se configuran decisiones grupales a partir de las
opiniones individuales. Finalmente, cmo se obtiene el orden preferencial de las alternativas de solucin que cumplen un conjunto de caractersticas.

Justificacin
La importancia de la toma de decisiones para la administracin y gestin de las empresas ha provocado diversas propuestas para formalizar su tratamiento.
Muchas de las metodologas empleadas para ello incluyen el manejo de la incertidumbre a partir de modelos de tipo estadstico. Sin embargo, el uso de trminos
como imprecisin y vaguedad para la descripcin de situaciones de decisin, ha llevado a algunos autores (Ostasiewicz; 1996) a reflexionar sobre el verdadero significado
de estos trminos. Su conclusin es que mientras el trmino incertidumbre se refiere a
la falta de conocimiento sobre cmo se comporta el mundo real y cundo hay un
cambio en su comportamiento, el trmino imprecisin refiere ms bien una falta de
capacidad instrumental para medir con exactitud, y el trmino vaguedad refiere una
falta de definicin precisa de los trminos (lingsticos, simblicos, grficos, etc.) usados para describir el mundo real.
La explicacin que dan respecto a esto ltimo es que si nuestros sistemas representacionales, particularmente nuestro lenguaje, estn llenos de trminos vagos es
porque nuestro cerebro parece trabajar ms con los conceptos que agrupan y distinguen los mltiples datos que llegan a l ante una situacin dada que directamente con
nmeros asociados a variables medibles.
La lgica difusa surge como una propuesta consistente con esta idea sobre cmo
trabaja el pensamiento humano.

PROPUESTAS DE LA LGICA DIFUSA PARA LA TOMA...

99

Si el trabajo del cerebro se dirige ms a trabajar conceptos que nmeros, resulta


contradictoria la clasificacin booleana que hacemos de las medidas tomadas sobre
los objetos en estudio, al ubicarlas o no, sin ninguna otra opcin, dentro de algn
clase, conjunto, categora o concepto. La teora de los fuzzy sets reconoce y permite
expresar que una medida realmente presenta transiciones graduales entre la membresa
y no membresa a un conjunto. Esta teora formaliza mediante la llamada "funcin
de membresa" el grado de compatibilidad existente entre un valor observado y el
concepto al cual se asocia.
Diversas propuestas se han presentado para usar elementos de la teora de los fuzzy
sets y lgica difusa asociada (Zadeh; 1965); y en los modelos de toma de decisiones (Spillman: sf ; Yager: sf; Kacprzyk; 1986; Bellman y Zadeh; 1970). As, se han desarrollado
modelos para la toma de decisiones bajo multicriterios, multiestados, formacin de
consenso en grupos, y otros, algunos de los cuales enseguida presentaremos.

Modelos fuzzy pata la toma de decisiones


A) Toma de decisiones individual

El proceso bsico de toma de decisiones consiste en evaluar un conjunto de alternativas ante la presencia de objetivos y restricciones relevantes. Si estos objetivos y
restricciones se presentan en forma lingstica, pueden ser representados en trminos de fuzzy sets, la decisin se determinar mediante una consideracin conjunta o
agregada de los mismos.
Ejemplo:

Supongamos que un individuo quiere decidir su voto por "el mejor" de cuatro posibles candidatos; al, a2, a3 y a4, a un puesto de gestin universitaria. Su objetivo es
escoger al candidato que ofrece "mejores condiciones de trabajo" con las restricciones de que tenga un "alto nivel acadmico" y "accesibilidad en el trato".1
1

Estos conceptos resultan altamente subjetivos y dependientes del contexto individual, as


que el decisor tiene libertad para definirlos en la forma que l los entienda.

100

POLTICA

Y CULTURA

Llamemos A al conjunto de posibles acciones o alternativas en discusin, G al de


objetivos o metas y Cal de restricciones planteadas dentro de la situacin de decisin.
Dentro del proceso de decisin, los posibles "estados de la naturaleza"2 pueden
ser definidos mediante las funciones

que sealan, para cada alternativa a de decisin, los niveles que se alcanzan en los
objetivos (X) y el grado en que se cumplen las restricciones (Y).
Si el objetivo de "mejores condiciones de trabajo" es considerado equivalente al
posible aumento de sueldo al ao, el objetivo se puede expresar entonces en trminos monetarios, tomando como base el conjunto de alternativas A.
De esta manera, definimos una funcin g que asigna a cada candidato su valor
de ventaja competitiva:

Si el "alto nivel acadmico" se mide de acuerdo al puntaje asignado por la comisin


dictaminadora durante el ltimo periodo reportado de actividades y productos de
trabajo, el nivel de restriccin puede definirse con la funcin c siguiente

futuros.

Este trmino es usado en la teora de las decisiones para etiquetar los posibles escenarios

PROPUESTAS

DE

LA

LGICA

DIFUSA

PARA

LA

TOMA.

..

101

Los conjuntos fuzzy que representan objetivos y restricciones, planteados de manera


lingstica, se construyen ahora mediante una composicin de funciones.

Donde las nuevas funciones presentadas son las llamadas "funciones de membresa",
que establecen el grado de concordancia de la medida con el concepto que representan.
As, considerando uG (de la figura 1) como la funcin que representa el objetivo de "mejores condiciones de trabajo".

102

POLTICA Y CULTURA

los conjuntos fuzzy respectivos son:

Respecto a la segunda restriccin que requiere que el candidato tenga "accesibilidad


en el trato", sta puede ser expresada directamente por el decisor al asignarles a cada
uno de los cuatro candidatos una "calificacin" (entre 0 y 1 para cumplir la caracterstica de una "funcin de membresa") sobre este aspecto. As, el conjunto fuzzy C2
queda determinado por:

PROPUESTAS DE LA LGICA DIFUSA PARA LA TOMA...

103

En una situacin as caracterizada por los conjuntos fuzzy G, C, y C2, una decisin
fuzzy se concibe como un conjunto fuzzy en A tal que satisface simultneamente las
metas G y las restricciones C y C2. Es decir, en trminos lgicos:

En trminos de conjuntos:

Una solucin al planteamiento hecho de esta manera, mediante conjuntos fuzzy, es


establecida mediante el operador fuzzy de interseccin:3

para toda a en A.
El resultado es una decisin expresada como un conjunto fuzzy. La mejor alternativa, nica y ntida, se obtiene de este conjunto fuzzy mediante alguno de los mtodos
de "defuzzyfcacin"4 existentes.
B) Configuracin de consensos grupales

Cuando la decisin tiene que tomarse entre varias personas, sabemos que las metas
de los decisores individuales difieren y que cada uno de ellos tiene acceso a diferente
3

Diversos son los operadores fuzzy de interseccin propuestos, los ms usuales son mn, como
operador de interseccin, y mx como operador de unin, ya que 1) cumplen las propiedades fundamentales de las operaciones para conjuntos ntidos y 2) pueden extenderse a cualquier nmero
finito de conjuntos fuzzy , debido a su asociatividad. Adems, cumplen los axiomas referidos a las tnormas y co-normas respectivamente.
4
Como el llamado "mtodo centrado en rea". Estos mtodos obtienen el valor ntido o
"crisp", que representa al conjunto fuzzy en cuestin.

104

POLTICA Y CULTURA

informacin sobre la cual basa su decisin, por ello, asignarn diferente orden preferencial al conjunto de alternativas que se les presentan como posible solucin.
En este caso, dadas las preferencias de orden individuales, deber hallarse el orden
de preferencias que mejor satisfaga al conjunto decisor.
El grado de preferencia grupal de la alternativa ai sobre la aj (su popularidad relativa) se puede calcular dividiendo el nmero decisores que prefieren ai sobre aj entre el nmero total de decisiores que emiten su opinin (esquema de voto
mayoritario),5 es decir:

Tenemos entonces a R como una funcin

podemos decir que est definiendo un conjunto fuzzy S en la forma

ste conjunta todos los pares que se pueden conformar con el conjunto total de alternativas y que presentan algn grado de pertenencia a la medida de preferencia
grupal, es decir, es el conjunto de pares de alternativas que cumplen con algn grado
de preferencia grupal.
Para cualquier valor

considerado como un determinado nivel de acuerdo entre los individuos del grupo

No se consideran aqu los diferentes niveles de influencia ejercida por los individuos en el
grupo.

PROPUESTAS DE LA LGICA DIFUSA PARA LA TOMA...

105

llamado "alfa-corte" de S, conjunta el ordenamiento de pares que en el grupo alcanz un grado de acuerdo mayor o superior al valor alfa.
En general, todo conjunto fuzzy es la unin de sus "alfa-cortes". La expresin

indica que en este caso se debe considerar una unin ponderada de "alfa-cortes", toda
vez que los pares de alternativas que lograron, por ejemplo, un nivel de acuerdo grupal de 0.75 deben considerarse de mayor importancia para la configuracin del
consenso que aquellos que lograron un nivel de acuerdo al 0.25. Sin embargo, todos
ellos son consideradas.
Si se revisa cules de los ordenamientos totales (los que consideran a todas las
alternativas), son compatibles con los pares establecidos en los "alfa-cortes" de S, en
un proceso iterativo de interseccin de "alfa-cortes", se obtendr un valor de alfa para
el cual existe un nico ordenamiento compatible con la relacin R.
Este valor representa el mximo nivel de consenso alcanzado en el grupo de
acuerdo con las opiniones individuales, el ordenamiento compatible encontrado representa la decisin grupal.
Ejemplo
Cada individuo de un grupo de 8 decisores puede plantear un orden preferencial Pi
sobre el conjunto de cuatro alternativas A={a1,a2,a3,a4} para elegir al "mejor" de
los candidatos propuestos. Por ejemplo:

Sea O - {P1, P2, P3, P4, P5, P6, P7, P8} el grupo de ordenamientos inicialmente
propuesto por los decisores.

106

POLTICA

Y CULTURA

Utilizando el esquema de voto mayoritario, para contabilizar las preferencias


manifiestas al comparar por pares las alternativas a1,a2,a3,a4, se configura la siguiente relacin fuzzy de preferencia grupal:

Los "alfa-cortes" para esta relacin son:

Se aplica ahora el procedimiento que permite llegar al ordenamiento nico que constituye la eleccin del grupo:
Del conjunto original de ordenamientos propuestos, la interseccin con los "alfacortes" ir discriminando aquellos que no cumplan con las restricciones sealadas por
estos "alfa-cortes", de manera tal, que identificaremos grupos cada vez ms reducidos de ordenamientos sobre los cuales el grupo de decisores est de acuerdo.
El "alfa-corte"

PROPUESTAS DE LA LGICA DIFUSA PARA LA TOMA...

107

seala que a un nivel del .75 los decisores estn de acuerdo en que es ms apropiado
el candidato a1 que el a3 y el candidato a2 que el a3 para ocupar el puesto, por ello
el grupo de ordenamientos inicialmente propuesto queda restringido a

El siguiente "alfa-corte":

seala que el grupo de decisores est de acuerdo, a un nivel de .625, en que el candidato al es ms apropiado que el candidato a4, y ste es ms apropiado que el a2 y
que el a3; tambin se mantiene el acuerdo antes mencionado. Por ello, el grupo de
ordenamientos sufre una nueva restriccin, quedando como:

Al considerar la interseccin de los subconjuntos 10, .750 y .625, se obtiene el ordenamiento

como la eleccin grupal que logra un nivel de acuerdo con valor 0.625.
C) Seleccin de alternativas de acuerdo al grado de cumplimiento de caractersticas determinadas

Sea C={C1, C2, ..., Cn) la referencia de cualidades (caractersticas) que requieren
cumplirse dentro del perfil de un puesto de trabajo.
Una manera de considerar el grado en que una alternativa dada cumple con cada
caracterstica es representarlo mediante un conjunto borroso Ci, con funcin de
membresa

108

POLTICA Y CULTURA

La asignacin de valores de membresa al conjunto borroso pueden ser establecidos


de acuerdo con una correspondencia semntica como la siguiente (Gil Aluja: 1996):
/ totalmente competente
.9 competente
.8 prcticamente competente
.7 casi competente
,6 bastante competente
.5 medianamente competente
.4 bastante incompetente
.3 casi incompetente
.2 prcticamente incompetente
.1 incompetente
0 totalmente incompetente
Se considera para la calificacin de los candidatos un intervalo, al cual llamaremos
"intervalo de competencia ideal":

donde x en el extremo izquierdo considera la calificacin mnima requerida para la


caracterstica que se est evaluando y el valor /, en el extremo derecho, ndica el cumplimiento cabal de la caracterstica.
A todo candidato se le podr asignar una calificacin intervalar que lo califique
respecto a su grado de cumplimiento de tal o cual caracterstica; este intervalo se puede
denominar

Para cualquier candidato, es posible encontrar 3 posibles situaciones de calificacin


al puesto:
Situacin 1: el intervalo de competencia del candidato queda por debajo del requerido para el puesto, grficamente:

PROPUESTAS DE LA LGICA DIFUSA PARA LA TOMA...

109

Situacin 2: existe una cierta concordancia (traslape) entre el intervalo de competencia del candidato con el ideal requerido para el puesto:

Situacin 3: el intervalo de competencia del candidato est totalmente comprendido


dentro del ideal del puesto a cubrir.

Se establece el clculo de un "ndice de concordancia" que seala, en escala de 0 a 1,


cul es el grado o medida de la interseccin entre los intervalos
Tal ndice se calcula en la forma general:

La competencia real del candidato en relacin con la lista de caractersticas requeridas por el puesto, se puede calcular mediante el promedio de los valores obtenido

110

POLTICA Y CULTURA

para los ndices de concordancia de todas y cada una de las caractersticas, y se denomina "ndice de competencia".
Ejemplo
Consideremos las calificaciones que se dan a cada uno de los 4 candidatos al puesto
de gestin universitaria, que hemos venido presentando en los ejemplos anteriores.

Una vez establecidos los intervalos de competencia idnea para cada caracterstica
como:

La frmula anterior, que especifica el clculo del ndice de competencia, permite establecer como orden preferencial de candidatos:

PROPUESTAS DE LA LGICA DIFUSA PARA LA TOMA...

111

Con esto terminamos la ejemplificacin de lo que la lgica difusa ofrece para el tratamiento de factores de tipo cualitativo que intervienen en los procesos de toma de
decisiones.
Mucho ms hay que estudiar, por ejemplo, sobre el tratamiento de cuantificadores lingsticos ("la mayora", "pocos", "muchos",etc); los niveles de influencia que
ejercen las opiniones individuales en los grupos de decisin, etctera. Otros mtodos fuzzy consideran ya estas situaciones. Existen tambin mtodos que manejan
niveles jerrquicos de decisin.
Los modelos existentes se han creado generalmente para un tipo de situacin
particular, en realidad se requiere una mezcla de ellos para manejar una situacin real.

Conclusiones

La informacin usada por estos mtodos no requiere, como en otros, ser perfectamente estructurada, lo cual coincide con lo que encontramos en algunas
situaciones de decisin.
La escala lingstica usada permite expresar con mayor flexibilidad las apreciaciones y preferencias de los propios decisores y de los individuos que aportan
informacin sobre las alternativas.
La mayora de los mtodos existentes se enfocan en forma exclusiva al tratamiento de variables cuantitativas, pero aun stas pueden ser calificadas en escalas
lingsticas y tratadas de manera ms sencilla y a la par de las variables cualitativas.
Los clculos necesarios en esta metodologa se pueden realizar en un sencillo
software tipo "hoja de clculo", lo cual facilita su aplicacin.

Bibliografa
Bellman R.E. y L.A. Zadeh. "Decision-making in a fuzzy environment", en Management Science,
pp. B 141 - B164/ 17, 1970.
Dubois, Didier J. FUZZY sets and systemr. Academic Press, Londres/ EE UU, 1980.

112

POLTICA

Y CULTURA

Gil Aluja, Jaime, ha gestin interactiva de los recursos humanos en la incertidumbre: Editorial Centro
de Estudios Ramn Areces, Madrid, 1996.
Kacprzyk, Janusz. "A 'down-to-earth' managerial decisin making va a yk^y-logic-based
representation of commonsense knowledge", en Artificial Intelligence in Economics and
Management. L. F. Pau, editor/Elsevier Science Publishers, North Holland, 1986, pp.
57-64.
Klir, George J. & Bo Yuan. Fu^y sets and Fu^jy logic (Theory and Applications): Prentice Hall
PTR, Upper Saddle River, Nueva Jersey, 1995.
Ostasiewicz, Walenty. "Some philosofical aspects ofu^y sets", en Fu^y Economic review.
International Association for Fu^y-set Management and Economy/nm. 2, vol I.,
noviembre, 1996, pp. 3-32.
Pealva Rosales, Laura P., Juan Carlos Castro Ramrez y Jess Rodrguez Olaya. "Uso de la
lgica difusa para la seleccin de personal", en memorias del l Seminario sobre nuevas formas
para el manejo de la incertidumbre y la vaguedad en la Administracin y la Economa. UAMXochimilco, Departamento de Produccin Econmica, 1997.
SIGEF. Memorias del III Congreso de la Sociedad Internacional de Gestin y Economa Fu^y
(SIGEF) /Facultad de Ciencias Econmicas, Universidad de Buenos Aires, Argentina,
noviembre de 1996.
Spillman, Bonnie ; R. Spillman y James Bezdek. Afu^y analysis of consensus in smallgroups,
Mimeo.
Yager, Ronald R. Satisfaction andfu^y decisin functions, Mimeo, 1981.