PROBLEMAS DE DECISIONES CON OBJETIVOS MULTIPLES
En los capitulos anteriores mostramos cémo una gran diversidad de
métodos cuantitativos pueden ayudar a los administradores a tomar
mejores decisiones. En cada caso, siempre que necesitibamos una
solucién éptima,utilzamos un objetivo Unico (por ejemplo, maximizar
fa utilidad, minimizar el costo 0 minimizar el costo esperado).En este
capitulo analizaremos técnicas apropiadas en aquellas situaciones en
las que el tomador de decisiones necesita considerar milkiples obje-
tivos para llegar a la mejor decision general,Por ejemplo, una empresa
involucrada en la seleccién de un sitio para una nueva planta de ma-
nnufactura.El costo del terreno y de la construccién pueden variar de
un lugar a otro, por lo que un criterio para la seleccién del mejor sitio
podria ser el costo involucrado en la construccién de la planta.Si éste
fuera el Gnico criterio de interés, fa administracién simplemente se-
leccionaria el lugar que minimice el costo del terreno mis el de la
construccién.Antes de tomar cualquier decisién, sin embargo, la ad-
tministracién pudiera desear considerar criterios adicionales, por
ejemplo, la disponibitidad de transporte de la planta a los centros de
distribucin de la empresa, lo atractivo del sitio propuesto en funcién
de contratar y retener empleados, el costo de la energia ahi y los im-
puestos estatales y locales. En esta situacién, se resume la complejidad
del problema, porque un lugar puede resultar mas deseable en funcién
de un objetivo y menos en funcién de uno o mas de los restantes.
Para entrar en el tema de tomar decisiones con base en objetivos
imiitiples, primero consideraremos una técnica conocida como pro-
gramacién por objetivas,la cual se desarrollé para manefar situa-
ciones con criterios miitiples, dentro del marco general de la
programacién lineal, El otro procedimiento que veremos, conocido
como el proceso de jerarquia analitica (AHP, por sus siglas en
inglés), permite introducir factores subjetivos en la toma de una de-
cisidn. En este procedimiento, el tomador de la decisién debe hacer
Un juicio sobre la importancia relativa de cada uno de los objetivos
yracto seguido, defini cierta preferencia para cada una de las alter-
nativas en relacin con cada objetivo. El resultado es una clasificacion
Bi2
18.1
Métodos cuantativos para los negocios
con prioridades, que indica la preferencia general para cada una de las alternativas de de-
cision,
It
PROGRAMACION POR OBJETIVOS: FORMULACION Y SOLUCION GRAFICA
‘fin de ilustrar el procedimiento de la programaciga por objetivos para los problemas de de-
cisién con objetivos miltiples, consideremos el problema que encara el despacho de asesores
‘en inversiones Nicolo Investment Advisors. Un cliente especifco tiene 80,000 délares para in-
verti y, como estratega inicial, desearfa que la cartera de inversiones se limitara a 2 acciones:
Rendimiento anual indice de riesgo
Accién estimado por accién por accin
uso 8 ast
A Peis § us
USS. Oil, que tiene un rendimiento de 3 délares sobre una accién de precio de 25 dolares,
tiene una tasa de rendimiento anual de 12%, en tanto que la de Hub Properties es de 10%,
El indice de riesgo por accin, 0,50 para U.S. Oil y 0.25 para Hub Properties, es una clasi
ficacién que Nicoto ha asignado para medir el riesgo relativo de ambas inversiones. Indices
de riesgo més eievados implican un riesgo ms alto, por lo que Nicolo ha juzgado que US
Oil es una inversién més riesgosa. Especificando un Iimite de riesgo méximo para toda la
cartera, Nicolo evitaré colocar una parte demasiado sustancil de la misma en inversiones
de alto riesgo.
Para ilustrarel uso del indice de riesgo por accién para medi el riesgo total de la cartera,
suponga que Nicolo escoge una cartera en la que st invierte la totalidad de los 80,000 délares
en US. Oil, el riesgo més elevado, pero con un rendimiento estimado también mayor. Nicolo
podcia comprar $80,000/825 = 3200 acciones de U.S. Oil; y la carteratendria un indice de
riesgo de 3200(0.50) = 1600. Por otra pate, si Nicolo no adquiere acciones de ninguna de las
empresas, no incurrrd en riesgo alguno, pero tampoco tendrd rendimiento, Por lo tanto, el
{ndice de tiesgo de la carrera variar desde cero (riesgo minimo) hasta 1600 (ciesgo maximo).
El cliente de Nicolo deseari evitar una cartera de alto riesgo; asf no seria deseable in
vertir todos Tos fondos en U.S. Oil. Sin embargo, el cliente estuvo de acuerdo en que un
nivel aceptable de riesgo corresponderfa a una cartera con un indice méximo total de riesgo
de 700, Considerando sélo el riesgo, una meta u objetivo es encontrar una cartera que tenga
‘un indice de riesgo de 700 0 menos.
tra meta del cliente es obtener un rendimiento anual de por lo menos 9,000 dilares.
Bsta meta se puede conseguir con una cartera formada por 2000 acciones de U.S. Oil (aun
costo de 2000($25) = 50,000) y 600 acciones de Hub Properties (aun costo de 600($50)
$30,000); el rendimiento anual, en este caso, seta 2000($3) + 600(S5) = 9000 délares. Ob-
serve, sin embargo, que para esta estrategia de inversiones el indice de riesgo de la cartera
serfa de 2000(0.50) + 600(0.25) = 1150, por lo que este tipo de carter aleanza la meta del
rendimicnto anual, pero no satisfac la meta del indice de riesgo para la misma.
Deal forma, el problema de seleccin de carteraes de decisiin de objetivos miltplesein-
vvoluera 2 metas en conficto: una se ocupa del riesgo la otra, del rendimiento anual. El pro-
cedimiento de programacién por objetivo ha sido desarollado precisamente para este tipo de
problemas. Usted puede utiliza la programacién por objetivos para encontrar aquellacartera que
se acerque lo mis posible a conseguir ambas metas, Antes de aplicar esta metodologta el cliente
deberd determinar cul de las metas, ies que hay alguna, tiene mayor importancia,
‘Suponga que la meta de maxima prioridad del cliente es restringir el riesgo y mantener
su indice en 700 0 menos. Tal cliente no estédispuesto a cambiar esta meta por ning in-na programacién por
objets con priordades
yeraruiads, jamie se
acopran arregls etre
ets de nel superior €
Inferior
Para llegar eacamente 2
‘usa met, ambas variables
dd desviscin deben ser
iguala cero
Problemas de decsiones con objedvos mips B3
cremento en rendimiento anual. Pero, siempre que cl indice de riesgo en la cartera no ex-
ceda de 700, e cliente busca el mejor rendimiento posible. Con base en este enunciado de.
las prioridades, las metas para el problema se establecen como sigue
Meta principal (nivel de prioridad 1)
Meta 1: Encontrar una cartera que tenga un indice de riesgo de 700 o inferior.
Meta secundaria (nivel de prioridad 2)
Meta 2: Encontrar una cartera que consiga un rendimiento anual de por lo menos
9000 détares,
La meta principal se conoce como meta de nivel de priovidad 1 y la secundaria se
conoce como meta de nivel de prioridad 2. En terminologta de programacién por abjetivos,
Jas primeras se conocen como prioridades jerarquizadas, porque cl tomador de decisiones
no esta dispuesto a sacrficar ningin resultado de la meta del nivel de prioridad |, a cam-
bio de mejorfas en metas de prioridad inferior. El indice de riesgo de 700 dela carteraes el
valor objetivo para la meta del nivel de priridad I (principal) y el rendimiento anual de
{9000 dtares es el valor objetivo para la meta del nivel de prioridad 2 (secundario. La di-
ficultad para encontrar una solucién que consiga alcanzar estas metas es que s6lo hay
80,000 dlare disponibles para invert.
Desarrollo de las restricciones y de las ecuaciones objetivo
Empecamosdefiniend las variables de dis:
1x, = niimero de acciones adquiridas de U.S. Oil
2x, = niimero de acciones adquiridas de Hub Properties,
Las resticciones para los problemas de programacién por objetivos se manejan igual
que en uno ordinario de programacién lineal. En el problema de Nicolo Investment Advi-
sors, existe una restrcciGn que corresponde a os fondos disponibles. Dado que cada accién
de U.S. Oil cuesta 25 délares y cada accidn de Hub Properties 50 délares, larestriceién que
representa los fondos disponibles es
25x, + 50%, = 80,000
Para completa Ia formulacién del modelo, debemos desarollar una ecuacin objetivo
para cada meta. Empecemos con una ecuacién objetivo para la mete principal. Dado que
cada accién de U.S. Oil tiene un indice de riesgo de 0.50 y cada una de Hub Properties lo
tiene de 0.25, el indice de riesgo de lacartera serd de 0.50, + 0.25x,. Dependiendo de los
valores de x; y x el indice de riesgo de la cartera podria ser menor que, igual a, o mayor
que, el valor meta de 700. Para representar estas posiblidades de manera matemiética,
0, se obtendrin ingresos inferiores a la meta, por
lo que la funcién objetivo para el problema de prioridad 2 es
Min d
A continuacién, consideraremos cual debe ser la funcién objetivo para el problema
de prioridad 3. Al tener en cuenta la meta 4, si d= 0, habremos encontrado una solu-
ccidn con, por fo menos, 200 contactos con clientes anteriores; sin embargo, sid; > 0,no
hhabremos alcanzado la meta de entrar en contacto con, por lo menos, 200 clientes ante-
riores. Asf, para la meta 4, el objetivo es minimizar d, . Al ver la meta 5, si dy = Oen-
contraremos una solucién de al menos 120 contactos con clientes nuevos; sin embargo,
si ds > 0, no habremos alcanzado dicha meta. Para la meta 5, el objetivo es minimizar
dz. Si la meta 4 y la 5 son de igual importancia, la funcidn objetivo para el problema de
prioridades 3 seria
Min dy + 5
‘Sin embargo, suponga que la administracidn cree que generar nuevos clientes es vital
para el éxito a largo plazo de ta empresa, y que la meta 5 debe tener doble peso que la 4; de
esta manera la funcidn objetivo para et problema de prioridad 3 serfa
Min dy + 245
‘Combinando las funciones objetivo para os tres niveles de prioridad, obtenemos la fun-
ign objetivo general para él problema dé Suncoast Office Supplies:
Min Pid’) + Pyd;) + Pads) + Pade) + Py2ds)
‘Como indicamos anteriormente, P,P, y Py son simples etiquetas que nos recuerdan
que las metas | y 2 son de prioridad {; 1a meta 3 es de prioridad 2 y las 4 y S son de prio-
ridad 3. Ahora podremos escribir e! modelo completo de programacién por abjetivos como
sigue:
Min Pid’) + Py(dz) + Py(ds) + Py(dy) + PsQds)
sujeto a
2+ By-df + dy 680 Meta!
My+ 3 df edz = 600 Meta2
250, + 125%, ~ de tds 70,000 Meta3
4 - dj +d; 200 Meta 4
4 — dj +d; = 120 Metas
Sty df dy .df, dy. d.dy.df.dy. dy, ds = 0
Solucién por computadora
El siguiente procedimiento por computadora desarrolla una soluci6n a un modelo de
programacién por objetivos, al resolver una secuencia del problema de programacién
lineal. El primer problema comprende todas las restricciones y todas las ecuaciones
objetivo para el modelo completo de programacién por objetivos; sin embargo, la funcién744
Mécodos cvantitatvs para los negocios
objetivo para este problema involucra dnicamente metas de priotidad Py. De nuevo, nos refe-
Firemos a este problema como Py
CCualquiera que sea Ia soluci6n al problema P,, se elaborael problema P, agregando una
restriccién al modelo Py, Jo cual asegure que los problemas subsecuentes no degraden la
solucién obtenida para el problema P. La funcidn objetivo para el problema de prioridad
2 toma en consideracién tinicamente las metas P,..Continuaremos este proceso fasta que
hayamos considerado todos los niveles de prioridad. Mustramos el procedimiento para el
problema de Suncoast Office Supplies uilizando LINDO,
Para resolver el problema de Suncoast Office Supplies, iniciaremos con el problema P,
Mind! + dy
sujetoa
Qn + 3x = 680 Metal
2x + Bn = 600 Meta2
2500, + 125% = 70,000 Meta3
4 200. Meta4
4 ~ df tds 120 Meta
Kyte di de df dy.dfdy.di.dy,df.ds = 0
En la figura 18.4 mostramos la solucién LINDO para este programa lineal.! Note que
DIMINUS se refiere ad; , DIPLUS se refiere a dj’, D2MINUS se refiere ad; y asf sucesi
vamente. La solucién, que consiste de x, = 300 contactos con clientes anteriores y x, =0
contactos con clientes nuevos, consigue tanto las metas I y 2 porque D1PLUS y D2!
son iguales a cero; de manera alterna, el valor de la funciGn objetivo de DLPLUS + D2MI-
NUS = 0 también confirma que ambas prioridades 1 se alcanzaron. Note que esta solucién
también aleanza la meta de ingresos por ventas, dado que D3PLUS = 5000 dares, alcanza
Ja meta 4 ya que DAPLUS = 100 y se queda corta en la meta 5 en DSMINUS = 100 clientes
nuevos. Sin embargo, es aun més importante saber que hay una solucién que alcanza las
metas de prioridad 1 y 2
Dado que la solucién al problema P, también alcanza la meta de prioridad 2. no es
necesario que claboremos un problema P,. De hecho, pasamos directamente a la solucién
del P,, cuyo modelo se forma agregando una restricci6n al problema Py, la cual debe garan-
tizar que todas las soluciones posteriores no degraden Ia solucién ya obtenida para las
‘metas de prioridad P, y P,, Podemos agregar una restriccidn que obligue a todas las solu-
ciones futuras a saisfacer las restricciones dj + dy = Oy dy = 0. Al agregar estas res-
tricciones al modelo y escribiendo la funcién objetivo en funcién de ta meta de prioridad 3,
‘obtenemos el programa lineal y la solucién LINDO que aparece en ta figura 18.5.
La solucién éptima al problema P, es entrar en contacto con x, = 250 clientes anteriores
y-con x, = 60 nuevas. Aunque esta soluciGn excede la meta de contacto con los anteriores en
DAPLUS=50, no lega ala meta de contactos con nuevos por DSMINUS = 60 clientes nuevos.
‘Se consideraron todos los niveles de prioridad por lo que el procedimiento de solucién
ha terminado, La solucién éptima para Suncoast es entrar en contacto con 250 clientes an-
teriores y con 60 nuevos. Aunque dicha respuesta no satisface la meta de la administraci6n
de entrar en contacto con por lo menos 120 clientes nuevos, consigue todas las dems metas
cespecificadas. Si a la administraci6n no le satisface esta solucién se podria considerar un
cconjunto distinto de prioridades. Sin embargo, la administracién debe considerar que en
cualquier situacién con metas miltples en distintos niveles de prioridad, muy rara vez Se
alcanzarén todas las metas con los recursos existentes.
| Larrentador morraos se oberon con veri Windows 95 de LINDO.Figura 8.4
OBJECTIVE FUNCTION VALUE
1) 0.0000000
VARIABLE VALUE REDUCED Cos?
DIPLUS 0.000000 1.000000
D2MINUS 0.000000 1.000000
x1 300.000000 0.000000
x2 0.000000 0.000000
DiMINus 0.000000 0.000000
D2PLUS 0.000000 0.000000
D3PLUS 5009.000000 0.000000
D3MINUS 0.000000 0.000000
DAPLUS 100, 000000 0.000000
DaMINUS 0.000000 0.000000
DSPLUS 0.000000 0.000000
DSMINUS 190.0000 0.000000
MIN —_DAMINUS + 2o54nNUS
SUBJECT fo
2X1 + 3X2 ~ DIPLUS + pIEINUS
2X1 + 3X2 + D2MINUS~ D2PLUS =
250X1 + 125X2 - DOPLUS + DINTNUS =.70000
Xd ~ DAPLUS + Dawns = 200
X2 - DSPLUS + DSIMWUS = 120
DIPLUS + D2MINUS = 0
D3MINUS = 0
END
OBJECTIVE FICTION VALUE
nv 120.0000
‘VARIABLE vas REDUCED cos
pipLus 0.000000 0.000000
p2MINUS 9.000000 1.000000
x1 250,000000 0.000000,
x2 0,000000 0.000000
DiMINus 0.000000 1.000000
D2PLus 0.000000, 0.000000
D3PLUS 0.000000 9.000000
D3MINUS 0.000000 0.000000
DapLus 50,000000, 0.000000
DaMINus 0.000000 1.000000
DSPLUS 0.000000 2.000000
DSMINUS. 60.000000, 0.000000,
Ez SOLUCION COW LADO AL PROBLEHA P,
oN46
‘Métodos euanttvos para los negocios
NO TAS | We pals pm pt en iis le po
18.3
La mayoriaprfiere un
procedimiento de
resolucién de problemas
que sea conceptunlmente
senclloy encenlible. Uno de
fos puntos fuertes del
proceso jrdrquicoanaitco
es que es fil de
comprender ya pesar de
lle lo suflentemente
sélido para anor las
complojidades de los
problemas dela vida real
gules on sl nse name debe resheseun pratense para obtener son de
progaacin projets. lana spent iia Is desicons pede de so |
iis, Se pein ners ee mes porque ts eas nent ian sie de pila
2, prcedinits de progam por bjs puede aiane cade e ana se ene 2 ura
sci ofl ante wo pana tl sain oid 2 omar lus de as estes
en fom de ec jit can varies devin, puede obtener wasn que mi
sine uma onda de das vale de deine A mem, ee prceiienssoei
oa respuesta rae
3. € proce paras pleas de prpamac proj con mips nies de pid
conte en resoer una seen de poranas es. to ein nad ininanent, de ma
sera que noe sco una erry sin complet. Mains sfc oo
grep ua retin, aden ptr de wn pega linea sige
c It
EL PROCESO JERARQUICO ANALITICO
El proceso jerérquico analitico (AHP, por sus siglas en inglés) desarrollado por Thomas L.
Saaty,? esté disefiado para resolver problemas complejos que involucren miitiples obj-
tivos, El proceso requiere que el tomador de las decisiones aporte juicios sobre la impor
tancia relativa de cada objetivo, y que a continuacién especifique una preferencia sobre el
“objetivo de cada alternativa de décisiGn. El resultado de AHP es una clasificacién con prio-
ridad e indicando las preferencias generates hacia cada una de las alternativas de decisién,
Bn la seccién Métodos Cuantitativos en Accidn: Cémo utilizar AHP y la Programacién por
Objetivos para Planear la Localizacién de Instalaciones describe la forma en que la Uni
versidad de Missouri-Rolla wiliz6 AHP y la programacidn por objetivos para asignar el es-
pacio de una nueva instalaci6
‘A fin de presentar AHP, consideratemos el problema al cual se enfrenta Diane Payne,
quien planea adquirir un auto usado. Después de un andlisis previo de marcas y modelos
disponibles, redujo Ta lista de alternativas a tres autos: A, B y C. La tabla 18.1 nos da un re-
surnen de la informacién que reunié en relacién con estos automoviles
Con base en la informacién de la tabla 18.1 —as{ como en sus sentimientos personales,
resultado de haber manejado cada uno de los automéviles— Payne decidié que para llegar
a Ja compra necesitaba tomar en consideracin varios criterios. Después de meditar sel
cion6 el precio, las millas por galén (MPG), la comodidad y el estilo como los cuatro cr
terios a considerar. Los datos cuanttativos relacionados con el precio y con las MPG estén
incluidos directamente en la tabla 18.1, Sin embargo, la medida de la comodidad y Ia del
estilo no pueden especificarse con tanta facilidad. Payne necesitaré pensar en Factores como
los acabados interiores del automdvil, equipo estereafénico, facilidad de entrada y salida,
¥ caracterfsticas de ajuste de los asientos, para determinar el nivel de comodidad. El estilo
de cada auto debe medirse en funcién de una evaluacién subjetiva de Payne.
Incluso cuando tratamos con un criterio tan fécilmente medible como el precio, la sub-
Jetividad se convierte en un problema siempre que el tomador de decisiones indica una pre-
ferencia personal, Por ejemplo, ef automsvil A cuesta 3600 d6tares mas que el auto C; esta
diferencia pudiera representar mucho dinero para una persona pero no para otra. Asi, el he-
cho de que el auto A pueda considerarse extremadamente mas costoso que el C 0 solamente
‘moderadamente més costoso resulta un juicio subjetivo que dependera principalmente del
estado financiero de quien efectia la comparacién. Una ventaja de AHP es que esta dise-
fiado para manejar situaciones de esta fndole, en la cual los juicios subjetivos de los indi-
vviduos forman parte importante del proceso de decisis
2 Sag, TL, Then Mercy Roce. Noa Yrk: MG 1960,{
|
}
|
|
j
i
|
i
|
Problemas de decsiones con objctvos miltiples
mr
METODOS CUANTITATIVOS EN ACCION
| COMO UTILIZAR AHP Y LA PROGRAMACION POR OBJETIVOS PARA PLANEAR LA LOCALITACION DE MSTALAGNES® | 7
La adninisracn del departamento de ingeiia de la veda de
Wisour-tla necestaba deterninar cima agar SO? pies cuadades
plana para un aueolboratorio de mana integrate por oa
putadra (IM ain de alana def jr mera posible bs be
tives de fa univesidad, Un equip interno de paneacin identi usa
lina de 15 seine (or ejemplo, miquas de produc, aot
silane, sistemas tobias, ec) qu deberian quedaren el
laboratoi CME espacio requrd paras 15 secoes, sn embug,
sumaba un total de 6035 pies cudados. Por tat, el equip de
planecén necetaba encontrar un mitdo para agar el ead
disponible entre scion
Se idenicarn $ metas que reeban bias deca, in
vestigain y anpacin de laura, Meta Iinrenenar el ues
tudanl de las murs intacins Meta 2: desarlar sues cas
Net 3: estima fe imvetigan, Meta 4: increment fx concentra
Categoria Automévil A
Preio $8100
6 ie
nein Dekae
Grroceria Tama met 4
ado a, cinta
Notor 6 lindas
VOC mene INFORMACION PARA EL PROBLEMA DE SELECCION DE AUTOMOVIL
et industria sabe concepts CI, y meta 5: mj agen de a
nied. I equi uit ANP para desarolarcokcenes de pone
lracin de piitades en cada ano de as bjs (dain inet
tac anpacin)y cada wea de as meas, lecrpr os cokes
de ponder deducts del ans AHP en un model e progranacén
lingo ojos el al dering qué ac de os SU? pies ca
ads de exp Ge plata debiaasignase a cada sec
Et esp ent "eca la metodlga RP en consi ucis
snes cosets, por parte de es integrates del grupo de
tfaneain de as insalacones. Aud a obtener an consens aprtuna
an enor atanente pic, para in problema de plane ins
titwional raonablenent compl
* fan ajar C0, Elie, OnurogPaming Fes he
hivesiy of Misa, erie tao de 19D, pp. 5-108,
‘Automévil B Automévil C
$1200 9500
2B »
or eacina dal promedio. _Estindar
ports Sport? puerta Compacto 2 pueras
avr ane
4 lindos tubo 4 lines
Desarrollo de ia jerarquia
EL primer paso en AHP es desarrollar una tepresentaci6n grfica del problema, en funcién
de Ia meta general, de los crterios y de las altemativas de decisién. Este tipo de grfica
pone de manifiesto la jerarquéa del problema, La figura 18.6 muestra la jerarquia para la
seleccién de automévil. Observe que el primer nivel de la jerarqufa indica que la meta ge~
neral es seleccionar el mejor auto, En el segundo nivel, fos cuatro criterios (precio, MPG,
‘comodidad y estilo) contribuirén a lograr la meta general, Finalmente, en el tercer nivel,
cada alternativa de decisién (automévil A, automévil B y automévil C)contribuyen de man-
cra tinica a cada uno de los eriteios.
Utilizando AHP, el tomador de decisiones hace juicios sobre la importancia relativa de
cada uno de los eriterios, en funci6n de su contribucién para la meta general. En el nivel
siguiente quien toma la decisién indica una preferencia, es decir, una prioridad para cada
alternativa de decisién, en funcién de cémo contribuira cada criterio. Por ejemplo, en la se-
leccién del automévil, Payne necesitard definir cudl es su juicio sobre la importancia rel
tivade cada uno de los cuatro criterios, También necesitara seialar su preferencia hacia cada
tuno de Tos tres autos, en relacién con cada uno de los eriteros. Para simplificar Ia informa-
cin de la importancia relativay de las preferencias, y dar una claificacién de prioridades
de los tes vehiculos en Funcién de su preferencia general, se utiliza un proceso matemético.748
Mécodos cuanttativas para los negocios
PTIRCMRER CM JERARQUIA DEL PROBLEMA DE SELECCION DE AUTOMOVILES
‘Meta general Seleccionar el mejor autom6vil
exe [eo] [S| [es]
‘Ateratva. [Astomiuit [Aono] [Antomiv | [Awe A]
B
te decsin:
Automévil 8 | Automéui B | AutomovilB | automsvil B
Av ¢||Asensitc|>ssusitc| | anomie
eu
18.4 ESTABLECIMIENTO DE PRIORIDADES UTILIZANDO AHP
En esta seccién mostraremos cémo en AHP se utilizan comparaciones por pates para es-
tablecer medidas de prioridad en crterios y alternativas de decisién. Lo que se necesita de
terminar en la seleccién de autos es ta prioridad de
1. Jos cuatro criterios en funcién de la meta general,
2. los tes automéviles en funcién del precio,
3. Ios tres automéviles en funcidn de MPG,
4. los tres automéviles en funcidn de la comodidad, y
5. los tres automéviles en funcidn det estilo.
En el andlisis siguiente mostramos c6mo establecer prioridades para los tres au
toméviles en funcién de la comodidad. Los otros conjuntos de prioridades pueden deter
minarse de manera similar.
Comparaciones por pares
La comparacién por pares es el bloque constructivo fundamental de AHP. Para establecer
las prioridades de los tres vehfculos en funcién de la comodidad, le pedimos a Diane Payne
que exprese una preferencia sobre este criterio, cuando los autos se consideran de dos en
dos (por pares). Esto es, debe comparar la comodidad del automdvil A con la del B; fa del
‘Accom ta del C, y la del B con la del C, en tres comparaciones separadas
AHP utiliza una escala subyacente con valores de | a 9 para evaluar las preferencias
relativas entre dos elementos. La tabla 18.2 nos da las tasas numéricas recomendadas para
las preferencias verbales expresadas por quien toma las decisiones. La investigacidn y la
experiencia han confirmado que Ia escala de 9 unidades es una base razonable para dis-
‘riminar preferencias entre dos elementos distintos.
En el problema de los automéviles, suponga que Payne comparé la comodidad del A
con la del B, y estd convencida de que el primero es més eémodo. A continuacién se le pre
gunta cual prefiere entre el A comparado con el B, uilizando algunas de las descripciones
verbales que aparecen en la tabla 18.2, Si ella prefiere moderadamente el automévil A so-
bre el B, en AHP se utiliza un valor 3; si prefiere poderasamente el auto A. se utiliza un 5;Problemas de decisiones con objedvos mlples 149
WPT Cetera {SCALA DE COMPARACION POR PARES PARA PREFERENCIAS AHP
Juicio verbal sobre Tasa
la preferencia numeri
Fcremadanente mis prefrio ’
De muy poderosamente mis a eteradanente mis
May paderosamente mis prerit
De poderosamente més 2 muy padtrosamente mis
Pedersamente mis prlrido
De maderadamete rs 2 padrosamente mis
odeadament mis peferdo
De ial a moderadanente mis
Uelnenepretido
si profiere muy poderosamente el A, se utiliza un 7; si ta preferencia es extremadamente
‘mds, se utiliza i 9. Los valores 2, 4,6 y 8 son intermedios en la escala de preferencia. Se
reserva el valor 1, silos dos elementos se consideran igualmente preferidos.
Suponga que al pedirle que diga su preferencia entre los automaviles A y B, en cuanto
al criterio de comodidad, Payne sefiala que prefiere el autom6vil A igual a moderadamente
ins que el B, la medida que refleje este juicio serfa un 2. A continuacién, se le pide expre-
sar su preferencia entre el vehculo A y el C. Suponga que este caso indica que prefiere el
auto A muy poderosamente a extremadamente mas que el automdvil C, esto corresponde a
una tasa de 8. Finalmente, a Payne se le pide que diga su preferencia en cuanto al automévil
B comparadocon el C. Suponga que en este caso ella prefiere de poderosamente més a muy
poderosamente més el B en comparacién con el C; AHP le asignaria el nimero 6.
La matriz de comparacién por pares
Para desarrollar las prioridades de los tres automaviles en funcisn al criterio de comodidad,
necesitamos elaborar una matriz de los valores de comparacién por pares. Se estén con-
siderando tres vehiculos, por lo que la matriz de comparacién por pares consistiré en tres
renglones y tres columnas. La porcién siguiente de la matriz de comparacién por pares
se basa en las referencias especificadas por Diane Payne.
Comodidad
Automévil A Automévil B_ Automévil C
Autom A 1 8
Aatonéril 8 ‘
Autom
El valor de la matriz. que corresponde a la comparacin del automévil A con el B es 2; la
comparacién del A con el C es 8 y la del auto B con el C es 6,
Para determinar las entradas faltantes en la matriz.de comparacién por pares, primero ob-
serve que, cuando comparemos cualquiera de los automéviles consigo mismo, el juicio sera
‘igualmente preferido”, Por tanto, con base en la escala mostrada en la tabla 18.2, el valor750
Métodos cuancitatos para los negocios
del automévil A comparado con el A; del B con e1B y del C con el C debe ser 1. Asf, AHP
Te asigna 1 a todos los elementos de la diagonal de la matriz.de comparacién por pares.
‘Todo lo que resta es determinar la evaluacién del auto B comparado con el A; del C en
comparacién con el A y del C con el B. Obviamente, podriamos seguir el mismo proce-
dimiento, pidiéndole a Payne que nos diga su preferencia en estas tres comparaciones por
pares. Sin embargo, sabemos que su preferencia entre el auto A y el B es 2, por lo que no
necesita hacer otra comparacién por pares de estos dos vehiculos. De hecho, concluiriamos
que la escata de preferencia para el automsvil B en comparacién con el A es simplemente
cl recfproco del valor de preferencia del A comparado con el B, es decir ¥s. De tal manera,
‘AHP obtiene la escala del auto B frente al A calculando el recfproco del valor del A en
relacién con el B. Utilizando esta relacién inversa, es decit, rec{praca, encontramos que Ia
scala del automévil C en comparacién con el Aes % y la del C con el B es ¥6. Estos va
lores de preferencia completan la matriz. de comparacién por pares respecto al criterio de
comodidad, como se puede ver en la tabla 18.3.
Sintesis
Una vez que hayamos desarrollado las matrices de comparaciones por pares, podemos
calcular la prioridad de cada uno de los elementos que se estén comparando. Por ejem-
plo, ahora necesitamos utilizar la informacién de comparaci6n por pares de Ia tabla 18,
para estimar la prioridad relativa de cada uno de fos automéviles, en funcién del crterio
de comodidad. Esta parte de AHP se conoce como sintetizaci6n.
El procedimiento matematico exacto para efectuar esta sintetizacién involuera el
célculo de valores caracteristicos y de vectores caracteristicos, lo cual queda fuera del al-
cance de este texto. Sin embargo, el provedimiento siguiente, en tres pasos, nos da una
buena aproximacisn de prioridades sintetizadas.
Procedimiento para los juicios de sintetizacion
Paso 1. . Sume los valores de cada columna de la matriz de comparacién por pares.
Paso 2. Divida cada uno de los elementos de la matriz, de comparacidn por pares en-
tue el total de su columna; la matriz resultante Se conace como matriz, de
‘comparacién por pares normalizada,
Paso 3. Calcule la media de Ios elementos de cada bilera de la matri2,normalizada;
estas medias nos dan una estimacién de las prioridades relativas de los ele-
menios que se estén comparando.
ara mostrar eémo opera este proceso de sintetizacién, efectuarcmos el procedimiento
centres pasos para la matriz de comparacién por pares que se muestra en la tabla 18.3.
POD ame toe} MATRIZ DE COMPARACION POR PARES QUE MUESTRA LAS PREFERENCIAS PARA
LOS TRES AUTOMOVILES EN FUNCION DE LA COMODIDAD
Comodidad
‘Automévil A Automévil B- Automévil C
Autom A 1 4
Atm B 4 ‘
atm € K 1Usted debe ser capar de
establecer mauris de
‘comparacién por parety