Los impulsores continuamente cambiantes de la industria del tratamiento de agua,

encarnados por rigurosas regulaciones ambientales y de salud y el desafío de los

contaminantes emergentes, necesita el desarrollo de sistemas de apoyo a la toma de
decisiones para la selección de trenes de tratamiento adecuados. Este documento explora un
enfoque sistemático para desarrollar sistemas de apoyo a la toma de decisiones, que incluye
el análisis del (los) problema (s) de tratamiento, la adquisición y representación del
conocimiento, y la identificación y evaluación de criterios que controlan la selección de
sistemas de tratamiento óptimos. El objetivo de este artículo es revisar los enfoques y
métodos utilizados en el apoyo a la toma de decisiones. Sistemas desarrollados para ayudar
en la selección, secuenciación de procesos unitarios y diseño de bebidas. sistemas de
tratamiento de agua, aguas residuales domésticas y aguas residuales industriales. No es
sorprendente, Se encontró que las consideraciones técnicas dominaban la lógica de los
sistemas desarrollados. La mayoría de Las herramientas de apoyo a la toma de decisiones
existentes emplean conocimientos heurísticos. Se ha determinado que no Es necesario
desarrollar sistemas integrados de apoyo a la toma de decisiones que sean genéricos,
utilizables y un enfoque de análisis del sistema.
o que puedan estar familiarizados, pero necesitan más conocimientos paraconsiderar el
desarrollo y la aplicación del tratamiento del agua DSS en el futuro. Este documento
explora las diversas decisiones Apoyar los enfoques y métodos utilizados en el
análisis.interpretación y solución del proceso de tratamiento de agua selección,
secuenciación y diseño de estos procesos.Tener un compendio de estos enfoques y
métodos.puede ayudar a los desarrolladores de DSS a seleccionar el enfoque másadecuado
al problema en cuestión.

La tecnología de la información ha desempeñado un papel cada vez más importante enla

planificación, diseño y operación del tratamiento del agua sistemas. Un sistema de apoyo a
la toma de decisiones (DSS) es una información sistema que ayuda al usuario a elegir un
sistema coherente y cercano solución óptima para un problema particular en un tiempo
reducido marco (Poch et al. 2004). Esfuerzos para desarrollar DSS para resolver problemas
de tratamiento de agua y aguas residuales en los últimos 20 años proporcionan una gran
cantidad de conocimientos con respecto a diseñar y construir DSS. La gama de aplicaciones
de Los DSS en problemas de tratamiento de agua son abrumadores; asuntos incluir la
selección y el diseño de los procesos de tratamiento, secuenciación de procesos
seleccionados ya sea en paralelo o enserie en un tren de tratamiento, y seguimiento y
control deplantas de tratamiento (Evenson y Baetz 1994; Hidalgo et al.2007). Los avances
en la evaluación comparativa en el desarrollo de DSS son necesario proporcionar una lista
de conocimientos para beneficiar a los ingenieros e investigadores que no están
familiarizados con los DSS
el problema que nos ocupa. O esta etapa puede ser específica del problema, donde la
preocupación puede ser con un contaminante o proceso de tratamiento, o el análisis puede
ser genérico, donde se considera que diferentes procesos eliminan varios contaminantes. La
segunda etapa incluye el desarrollo de los modelos de razonamiento donde el conocimiento
reunido de la primera etapa se puede representar numéricamente, o en forma heurística de
"regla empírica". La tercera etapa representa el soporte de decisión real donde se generan
alternativas y evaluado, y se produce la selección y el diseño del proceso. En Los métodos
de optimización de esta etapa juegan un papel importante en incorporando todos los
factores para llegar al mejor resultado posible alternativa. La etapa final asegura la
usabilidad al validar y verificar la lógica de DSS, así como mejorar el usuario interactividad
con el DSS desarrollado. Esta de cuatro etapas El enfoque no siempre está estructurado
como se muestra a continuación y el Los procedimientos de desarrollo de varios DSS
generalmente permanecen muy distinto y específico del proyecto (Gachet & Sprague
2005).Especialmente, muchos DSS desarrollados no consideran aspectos de usabilidad en
el diseño del DSS. En muchos casos el La distinción entre las etapas del desarrollo de un
DSS no es delineado. Algunos de los DSS revisados en este documento son descrito en la
Tabla 1; los DSS seleccionados en esta tabla son los más desarrollado y automatizado, en
lugar de conceptual,unos. Los diversos métodos y técnicas utilizados para desarrollar los
DSS y las funciones que aumentan su usabilidad son mencionado en la tabla. Las siguientes
secciones discuten estos métodos y técnicas en detalle

DESARROLLO DE UNA DECISIÓN DE TRATAMIENTO DE AGUAS

SISTEMA DE APOYO

Se han propuesto varios procedimientos para seleccionar ysecuenciar los procesos de

tratamiento y diseñar agua y instalaciones de tratamiento de aguas residuales. Las etapas
para el desarrollo un tratamiento de agua DSS son similares independientemente de la
solicitud; una descripción de las cuatro etapas para el desarrollo de un El DSS para un
problema de tratamiento de agua se muestra en la Figura 1.La primera etapa incluye el
análisis e interpretación deLa tecnología de la información ha desempeñado un papel cada
vez más importante en la planificación, diseño y operación del tratamiento del
aguasistemas. Un sistema de apoyo a la toma de decisiones (DSS) es una
informaciónsistema que ayuda al usuario a elegir un sistema coherente y cercano solución
óptima para un problema particular en un tiempo reducido marco (Poch et al. 2004).
Esfuerzos para desarrollar DSS para resolver problemas de tratamiento de agua y aguas
residuales en los últimos 20 años proporcionan una gran cantidad de conocimientos con
respecto a diseñar y construir DSS. La gama de aplicaciones de Los DSS en problemas de
tratamiento de agua son abrumadores; asuntos
incluir la selección y el diseño de los procesos de tratamiento,
secuenciación de procesos seleccionados ya sea en paralelo o enserie en un tren de
tratamiento, y seguimiento y control de plantas de tratamiento (Evenson y Baetz 1994;
Hidalgo et al.2007). Los avances en la evaluación comparativa en el desarrollo de DSS son
Es necesario proporcionar una lista de conocimientos para beneficiar a los ingenieros y a
los investigadores que no están familiarizados con los DSS.

El problema en cuestión. O esta etapa puede ser específica del problema, donde la
preocupación puede ser con un contaminante o proceso de tratamiento, o el análisis puede
ser genérico, donde se considera que diferentes procesos eliminan varios contaminantes. La
segunda etapa incluye el desarrollo de modelos de razonamiento donde el conocimiento
reunido de la primera etapa se puede representar numéricamente, o en forma heurística de
"regla empírica". La tercera etapa representa el soporte de decisión real donde se generan
las alternativas y evaluado, y se produce la selección y el diseño del proceso. En Los
métodos de optimización de esta etapa juegan un papel importante en incorporando todos
los factores para llegar al mejor resultado posible alternativa. La etapa final asegura la
usabilidad al validar y verificar la lógica DSS, así como mejorar el usuario interactividad
con el DSS desarrollado. Esta de cuatro etapas El enfoque no siempre está estructurado
como se muestra a continuación y el Los procedimientos de desarrollo de varios DSS
generalmente permanecen muy distinto y específico del proyecto (Gachet & Sprague
2005).Especialmente, muchos DSS desarrollados no consideran aspectos de usabilidad en
el diseño del DSS. En muchos casos el La distinción entre las etapas del desarrollo de un
DSS no es delineado. Algunos de los DSS revisados en este documento son descrito en la
Tabla 1; los DSS seleccionados en esta tabla son los más desarrollado y automatizado, en
lugar de conceptual, unos. Los diversos métodos y técnicas utilizados para desarrollar los
DSS y las funciones que aumentan su usabilidad son mencionado en la tabla. Las siguientes
secciones discuten estosmétodos y técnicas en detalle.

ANÁLISIS DE PROBLEMAS DE TRATAMIENTO DE AGUAS

Hay más de 20 factores que deben tenerse en cuenta al seleccionar un proceso de

tratamiento de agua y diseñar un tren de tratamiento (Metcalf y Eddy 2003; MWH

2005).Sin embargo, la mayoría de los DSS desarrollados solo consideran los principales

factores técnicos y económicos de la selección de un agua proceso de tratamiento, como la

eficiencia de eliminación de contaminantes y costo de capital. La razón es que muchos de

los factores no técnicos que influyen en la selección de un agua el proceso de tratamiento

no es cuantificable; así que hay menos datos disponibles para ellos, y el alcance de su

influencia es variable. Esta etapa, como se muestra en la Figura 1, es principalmente

preocupado por extraer información sobre el tratamiento

problema de las fuentes de datos disponibles. El término datos se refiere a los números y
cifras registrados en informes y bases de datos, mientras que el término información se
refiere a la transformación de datos en términos significativos que ayuden a definir el
problema a la mano (Bellinger et al. 2004). En general, hay tres enfoques para elegir al
analizar el tratamiento alternativas (diseño técnico, técnico y económico análisis y análisis
del sistema).

Diseño técnico
La selección de un proceso de tratamiento de agua es inherentemente una técnica
tarea de diseño. Sin embargo, como se desprende de la Tabla 1, este El enfoque está algo
desactualizado cuando los tomadores de decisiones la importancia de considerar factores no
técnicos en su decisiones. Actualmente solo se utiliza cuando la técnica problema es de
considerable dificultad para justificar el tiempo y dinero invertido en el DSS técnico
desarrollado. Como se muestra En la Figura 2, el alcance de este enfoque se centra en la
Los aspectos técnicos del sistema y los objetivos constituyen una lista de objetivos de
desempeño para la eliminación efectiva de ciertos contaminantes que se logran a través de
un detallado enfoque de diseño (Evenson y Baetz 1994; Hudson et al.1997; Bagajewicz
2000; Sairan y col. 2004). Aunque estopuede sonar como una optimización estrictamente
matemática problema, a menudo se utilizan heurística y conocimiento experto para tener en
cuenta los aspectos de diseño no cuantitativos. Adicionalmente, Pueden ser necesarios
estudios piloto para cuantificar el conjunto de variables. consideradas en el análisis de las
alternativas estudiadas (Joksimovic et al. 2006). Incluso dentro del alcance de la técnica
efectividad los objetivos a menudo difieren según la fuente de agua y tipo de problema de
tratamiento en cuestión. características de los distintos sistemas de tratamiento de agua.En
la Figura 2 mostramos la diferencia de alcance entre los varios enfoques para el análisis de
un problema de tratamiento de agua.El análisis técnico proporciona información específica
sobre la eficiencia y efectividad del desempeño. Análisis Economico se centra en los costos
reales, y el análisis del sistema considera la panorama más amplio que incluye los aspectos
de costo, técnico desempeño, así como social, legal y ambiental interacciones (Balkema et
al. 2001). En general, el El resultado de un DSS es más confiable cuando adopta un
enfoque integrado para el análisis y la solución de problemas; y al hacerlo, también es más
probable que lleve a una decisión que es más sostenible.

Análisis del sistema

Muchos perciben que diseñar un esquema de tratamiento de agua debe tener en cuenta no
solo los aspectos técnicos sino también sociales, políticos, económicos, legislativos e
incluso características climatológicas del área a la que se destina el servicio (Hidalgo et al.
2007). Un enfoque de análisis del sistema incluye elegir entre una amplia variedad de
alternativas de tratamiento en vista de un entorno de trabajo definido exhaustivamente
(Comas et al. 2003). Considera la interactividad del alternativa de tratamiento con todo el
entorno afectado permitiendo una selección de tratamiento basada en la sostenibilidad
sistemas (Tang et al. 1997; Balkema et al. 2001; Comas et al. 2003; Hidalgo y col. 2007).
En general, se puede concluir que lo anterior Las metodologías pueden conducir a
diferentes percepciones sobre el el problema en cuatro niveles de decisión: preprimaria,
primaria,tratamiento secundario y terciario (Freitas et al. 2000); o delineando el
procedimiento de selección entre alternativas en el forma de un diagrama de flujo de
decisiones (Flores et al. 2007). Estas Los métodos conceptuales pueden guiar al diseñador a
seleccionar o diseñar un sistema que cumpla con los objetivos preestablecidos;sin embargo,
sin automatización requieren un esfuerzo sustancial para seguirlos con éxito. Varios
métodos de representación del conocimiento utilizados para permitir la automatización de
la selección.y proceso de diseño en DSS de tratamiento de agua y aguas residuales se
analizan a continuación.

Programación matemática
Se ha revisado la programación temática utilizada para resolver los problemas del
tratamiento del agua (Bagajewicz 2000).Este enfoque se centra principalmente en los
aspectos técnicos de el diseño y se ocupa principalmente de optimizar el solución, como se
analiza más adelante en este documento. Aunque la programación matemática se ha
utilizado con éxito en diseñar un tren de tratamiento óptimo, es discutible si los problemas
de diseño del mundo real son presentables en un modelo matemático. Entero, lineal, no
lineal y mixto La programación, así como los algoritmos heurísticos, se utilizan
comúnmente para modelar un problema y esbozar un función objetiva. Aunque la
programación matemática Los métodos se utilizan para la representación del conocimiento,
son más a menudo considerados como herramientas de optimización (Balkema et al.2001;
Joksimovic y col. 2006).

Simulación y modelado
La simulación y el modelado de procesos ayudan a definir y cuantificar las relaciones entre
el desempeño del proceso y variables de diseño en forma de una matemática relación. La
simulación juega un papel importante en la generación de alternativas de diseño y en la
estimación de su rendimiento.en diversas condiciones (Heller et al. 1998; Rodríguez Roda
et al. 2000; Joksimovic et al. 2006; Flores et al. 2007; Hlavinek y Kubik 2008). Los
balances de masa y energía han Se ha utilizado para simular procesos, estimar las
características de los efluentes y sugerir modificaciones de procesos para mejorar
rendimiento (Petrides et al. 1995). La influencia del proceso Las incertidumbres sobre el
rendimiento del tren se consideraron utilizando Simulación de Montecarlo para generar
aguas residuales alternativas trenes de tratamiento (Chen y Beck 1997; Benedetti et al.
2008).Además, la simulación se puede utilizar para probar la eficacia del tren de
tratamiento seleccionado (Ullmer et al. 2005).

Métodos de inteligencia artificial

Los sistemas expertos (ES) son sistemas basados en el conocimiento (KBS) que emulan el
razonamiento humano utilizando el conocimiento dentro de un disciplina particular (Heller
et al. 1998). La mayor parte del agua Los problemas de tratamiento se basan en la
aplicación de ciertas reglas. de pulgar. Aplicar reglas heurísticas basadas en la experiencia
enLa selección y pedido de unidades de tratamiento de agua ha ganó popularidad en las
últimas dos décadas (Krovvidy et al. 1991; Yang y Kao 1996; Hudson y col. 1997;Heller y
col. 1998; Freitas y col. 2000; Ahmed y col. 2003;Comas et al. 2003; Wukovits y col.
2003). El desafío de ES se encuentra en la fase de adquisición de conocimiento donde el
conocimiento establecido se puede obtener de expertos en el dominio y publicaciones
relevantes (Sairan et al. 2004). El conocimiento es generalmente organizado y
documentado en forma de decisión árboles como precursor del desarrollo del KBS
(Krovvidy et al.1991; Yang y Kao 1996; Freitas y col. 2000; Comas et al.2003). Luego, los
árboles de decisión se pueden convertir en producción gobierna atravesando cada rama
desde la raíz hasta la hoja.Las reglas extraídas de los árboles de decisión se pueden
codificar para descartar, favorecer o desfavorecer alternativas basadas en su características
(Evenson y Baetz 1994; Comas et al. 2003).Los sistemas de información basados en
problemas (IBIS) ofrecen una marco para registrar información como argumentación en un
proceso de deliberación y se utilizan para mapear la lógica de la selección y el diseño
alternativo como proceso de argumentación. Estas redes IBIS toman la forma de una vista
de árbol. La el problema o pregunta relacionada con el diseño se muestra en la parte
superior,las posibles soluciones alternativas al problema planteado rama de él, y los
argumentos o razones detrás de la selección de una alternativa completa la vista de árbol
(Tasso &de Arantes e Oliveira 1998; Rodríguez-Roda y col. 2000).El razonamiento basado
en casos (CBR) estima el problema solución basada en las soluciones exitosas para
anteriores problemas similares. El principal desafío para un sistema CBR es determinar
aquellas situaciones antiguas que son "similares" a la caso actual y organizarlos en una base
de conocimiento en un manera que permite la descripción del problema en cuestión para
recuperar estos casos relevantes (Krovvidy y Wee 1993). La El razonamiento es que
partiendo de la solución de un caso anterior probablemente pondrá al diseñador en el
camino óptimo hacia una solución. Los sistemas basados en casos están diseñados para ser
actualizado automáticamente con nuevos conocimientos para mejorar la solución obtenida.
Los casos se ven como secuencia de estados que toma un estado de problema dado (p. ej.
agua contaminada) a un estado objetivo objetivo (por ejemplo, agua decalidad aceptable)
(Krovvidy y Wee 1993). El principal El inconveniente de los sistemas basados en casos es
que requieren un gran cantidad de casos para obtener soluciones aceptables. Las redes
neuronales (NN) imitan el funcionamiento del cerebro humano aprendiendo a lidiar con
ciertos problemas de experiencia, y luego aplicar este aprendizaje a nuevos peroproblemas
similares. Al igual que el cerebro humano, su La estructura incluye neuronas
interconectadas que generan una salida basada en señales de entrada. La cantidad de
neuronas y la forma en que están conectados influye en la salida. NN se han utilizado como
métodos de optimización; Krovvidy y col.(1991) utilizaron Hopfield NN para seleccionar
un agua residual óptimasistema con costo total mínimo sujeto a la restricción que las
concentraciones de contaminantes del efluente son inferiores alos límites objetivo.Las redes
de probabilidad bayesiana son redes gráficas probabilísticas que representan un conjunto de
variables y la extensión de los que son condicionalmente independientes. Ellos son rara vez
se utiliza en DSS de tratamiento de agua. Probabilístico bayesiano El razonamiento se
utilizó para definir relaciones entre variables. de la calidad del agua cruda, las alternativas
de procesamiento del agua, sucostos, calidad del agua tratada y consecuencias para el
público salud (Zhu y McBean 2007). La probabilidad de lo último tres variables dadas las
dos primeras variables se calcula y se examinan las alternativas para seleccionar la óptima.
La lógica difusa no es un método independiente; más bien es un técnica para manipular
información incompleta, imprecisa o poco confiable y mejorar la representación de
Relaciones que no están bien definidas en el problema.bajo análisis. Krovvidy y col. (1994)
utilizan la composiciónregla de inferencia para definir una relación difusa entre el
concentraciones de afluentes y efluentes para una serie de tecnologías en un tren de
tratamiento y para definir el resultadovalores de posibilidad para sus porcentajes de
eliminación. Yang yKao (1996) utiliza funciones de pertenencia difusa para incorporar
preferencia de tecnología definida por el usuario en su DSS en un expresión inguística
(baja, media y alta) que es la principal ventaja de utilizar lógica difusa.

OPTIMIZACIÓN SECUENCIAL DE DECISIONES

Después de definir el problema en cuestión y representarlo en cualquiera de los métodos

descritos anteriormente, el paso final es seleccione una solución óptima (o casi óptima). A

pesar de la

tendencia de los desarrolladores de DSS a esforzarse por alcanzar un solución óptima, a

menudo este paso está ausente en el agua

tratamiento DSS, tal vez porque la definición misma de un Por lo general, no se acuerda la

solución óptima. En caso de objetivos de diseño en conflicto, la búsqueda puede ser

soluciones óptimas de Pareto donde al menos se satisfacen la mayoría de los objetivos sin

violar a los demás (Balkema et al. 2004).Elegir entre una variedad de alternativas de

tratamiento es generalmente basado en las limitaciones planteadas por los objetivos

del sistema de tratamiento por un lado y el

características del sistema de tratamiento por el otro.Los investigadores y diseñadores se

refieren a las consideraciones que ayudar a seleccionar una alternativa de tratamiento como

criterio o
factores (Figura 1). Aunque en la etapa de análisis del problema uno debe proponer los

criterios u objetivos incorporado en el proceso de decisión, es sólo en el fase de

optimización en la que un desarrollador define el método de

cuantificación de los criterios según se ajusta a la optimización método utilizado. Estos

criterios suelen ser difíciles de evaluar o

medir y, por lo tanto, conjuntos de indicadores indirectos que mejor evaluar estos criterios

se utilizan. Los criterios pueden ser generalmente

categorizados en cuatro tipos: técnico, económico, ambiental y sociocultural. Sin embargo,

la mayoría de los estudios se centran solo en indicadores técnicos y económicos tales como:

costo

de tratamiento, calidad del efluente lograda, terreno requerido, facilidad de operación y

mantenimiento, requerimiento de recursos

(Hlavinek y Kubik 2008).

Hay dos enfoques generales para secuencial

optimización de decisiones: (1) análisis de detección comparando sistema; (2) desglose de

decisiones en partes pequeñas y priorizando los distintos criterios de decisión. Ambos

enfoques se han utilizado de forma individual o secuencial (Figura 1). La Las técnicas

utilizadas en la implementación de cualquiera de los enfoques varían y se analizan a

continuación.Análisis de cribado Si los procesos unitarios se consideran por separado, el

número de sistemas aumenta drásticamente. Compilando todo lo posible trenes de

tratamiento de aguas residuales, Chen y Beck (1997) han señaló que se necesitan hasta

50.000 alternativas
considerados como posibles trenes para lograr

tratamiento de aguas residuales. Una alternativa es usar cribado análisis utilizando

información sobre circunstancias locales y calidad del agua para descartar alternativas

inapropiadas antes ejecutar el algoritmo de calificación (Loetscher & Keller 2002).

Asimplificar la evaluación de múltiples alternativas muchos DSSemplear una etapa de

preselección. Los objetivos se pueden refinar en restricciones numéricas expresadas en

función de la variables de diseño y utilizadas en el cribado (Rodríguez Roda et al. 2000;

Loetscher & Keller 2002). Las reglas también tienen

Se ha utilizado para seleccionar alternativas que no pueden contaminar. eliminación o que

no puede funcionar en presencia de ciertos compuestos (Wukovits et al. 2003). Por

ejemplo, un La restricción común es cumplir con los límites reglamentarios.

sobre la concentración de contaminantes del efluente; esto puede ser expresado

cuantitativamente como contaminante X sin exceder la concentración Y.Los métodos de

detección utilizados varían; eliminación conjuntiva (CE) es un método que se utilizó para

eliminar el saneamiento sistemas que tienen valores de atributos inferiores al límite

definido niveles, y por lo tanto se consideran técnicamente inviables (LoetscherY Keller

2002). Otro método es la "generación y

método de cribado ”, que se utilizó en el cribado alternativo trenes de tratamiento de aguas

residuales (Chen y Beck 1997). Esto El método procede generando tantas alternativas

candidatas como sea posible y calculando una "probabilidad de supervivencia". basado en

las frecuencias relativas de satisfacer con éxito un restricción particular y luego aislar las

más prometedoras alternativas. Esto le da más flexibilidad, ya que el enfoque es en generar

las alternativas independientemente de la selecciónCriterios. Los criterios de detección a

menudo no están del todo acordados entre los diseñadores, y por lo tanto es mejor hacer las

alternativas lista independiente de los criterios.

Desglose de decisiones

A medida que se utilizan más criterios para evaluar una alternativa,Se debe establecer la

importancia relativa de cada criterio.1763 M. A. Hamouda y col. | Sistemas de apoyo a la

toma de decisiones en el diseño de procesos de tratamiento de agua y aguas residuales

Ciencia y tecnología del agua — WST | 60,7 | 2009 y la puntuación global con respecto a

todos los criterios debe ser derivado. En caso de criterios contradictorios, es aún más

importante tener en cuenta las diferencias en su impacto (Heller et al. 1998). En este caso

decisión multicriterio análisis (MCDA) se puede incorporar en el DSS por desglosando el

problema del diseño.

La forma más simple de MCDA es cuantificar la

Criterios de evaluación y cálculo de la puntuación total ponderada.para cada alternativa.

MCDA puede llegar a ser sustancialmente máscomplejo cuando hay objetivos y

limitaciones en conflicto. Se puede utilizar una amplia gama de métodos MCDA

en problemas de selección. Puede hacerse mediante métodos de compensación

que asignan pesos a diferentes objetivos, como a través de un comparación por pares de

alternativas utilizando el proceso de jerarquía analítica (AHP) o utilizando SMART. Otros

métodos de no compensación incluyen ELECTRE (ELIMINACIÓN y

Choice Expressing the Reality) y PROMETHEE (Método de organización de clasificación

de preferencia para el enriquecimientoEvaluación) que utilizan técnicas de clasificación

basadas en
relaciones de preferencia (por ejemplo, la alternativa "a" es mejor que

alternativa "b" si se aplica la condición "x") (Ashley et al. 2008)Flores et al.

(2007), quienes definieron los criterios para el diseño de un planta de lodos como teniendo

un conjunto de problemas, un conjunto de diseño

objetivos, un conjunto de criterios de evaluación utilizados para medir lagrado de

satisfacción de los objetivos por un conjunto de alternativas,y un conjunto de factores de

ponderación asignados y normalizados para determinar la importancia relativa de los

objetivos.Las alternativas se pueden evaluar cuantificando la evaluación criterios y calcular

su puntaje de suma ponderado para

cada alternativa.Otro ejemplo de MCDA es el uso de métodos analíticos proceso de

jerarquía (AHP). AHP fue desarrollado por Thomas Saaty en la década de 1970 (Saaty y

Vargas 2001). AHP está diseñado para la evaluación subjetiva de un conjunto de

alternativas basadas en múltiples criterios dispuestos en una estructura jerárquica. Un La

jerarquía AHP consiste en un objetivo general, una serie de alternativas para el

cumplimiento de la meta, y un grupo de criterios y

igual influencia (1) a una influencia extremadamente alta (9). En estoDe esta manera, se

construye una matriz de decisiones para cada indicador. Estas Las matrices se combinan

normalizando y calculando el media geométrica para llegar a una decisión final (Ellis y

Tang 1991;Tang y col. 1997; Bick y Oron 2005).AHP ignora las complicadas

interrelaciones entre

múltiples criterios de desempeño. La integración de AHP y El análisis relacional gris

(GRA) se ha utilizado para resolver el problema inexacto de seleccionar una alternativa

óptima de tratamiento de aguas residuales para superar los inconvenientes de ambos

métodos. AHP permite usar pesos no uniformes en cada criterio, mientras que GRA

permite que el análisis multinivel Examinar las complicadas interrelaciones entre factores.

(Zeng et al. 2007).Ocasionalmente se ha encontrado que AHP no es adecuado.debido a la

gran cantidad de comparaciones pareadas en un Problema de selección de tratamiento. La

técnica de utilidad multiatributo (MAUT) es otra técnica en la que las estructuras de árbol

se utilizan para agregar calificaciones de criterios en varios niveles en lo que se conoce

como fusión multinivel (MLA)(Loetscher y Keller 2002). La fuerza de MLA radica en su

capacidad para lidiar con numerosos criterios a través de estructuras de árbol;también

utiliza diferentes métodos de agregación en los distintos niveles para tener en cuenta el

efecto diferente que tiene cada criterio en

el objetivo (Figura 4). Las letras mayúsculas A, G y M representanpara diferentes métodos

de agregación: media aritmética, media geométrica y multiplicación, respectivamente.La

programación de enteros simple es otra herramienta para la calificación multicriterio de

alternativas (Loetscher &Keller 2002). Lineales y no lineales más sofisticados subcriterios

que relacionan las alternativas con el objetivo como se muestra

en la Figura 3. Se puede clasificar un gran número de sistemas comparando los sistemas

alternativos por pares en todos criterios seleccionados. Los criterios lingüísticos están

representados en

valores numéricos de 1 a 9 utilizando la escala de Saaty para fines comparativos juicio para

denotar importancia comparativa que van desde