PROCEDIMIENTO PARA DETERMINAR EL CONSENSO EN LA TOMA DE DECISIONES

Palabras clave: Consenso, toma de decisiones, consistencia, simulación, grupo de expertos

Resumen

Este artículo propone un procedimiento para arribar a un consenso cuando un grupo de expertos tiene preferencias relativamente homogéneas, sobre indicadores de importancia de los criterios “pesos” que evalúan las alternativas aplicadas; y es posible estimar el comportamiento o los resultados después de implementar cada alternativa. Estos “pesos” están relacionados con la posición de cada criterio en un ranking de importancia; por tanto, cuando se halla el consenso, éste puede interpretarse como el ranking consensuado por el grupo. La novedad en este procedimiento radica en que asume que el consenso puede no existir (el grupo puede no tener preferencias relativamente homogéneas); analizando simultáneamente el nivel de consistencia de cada uno de los “expertos” para que el procedimiento no fuerce el consenso. El procedimiento propuesto es presentado en un caso de estudio donde se utilizó la simulación para conocer los posibles resultados de implementar cada alternativa; lo que permitió evaluar matemáticamente las alternativas y romper con la forma clásica de evaluar las alternativas directamente por los expertos; y como resultado se logró mejorar la calidad del servicio de atención al cliente.

Descargas

La descarga de datos todavía no está disponible.

Citas

AŞCHILEAN, I., BADEA, G., GIURCA, I., SEBASTIAN, G. y GEORGE, F. (2017). Choosing the optimal technology to rehabilitate the pipes in water distribution systems using the AHP method. Energy Procedia [en línea], 112(October 2016), 19–26. Disponible: https://doi. org/10.1016/j.egypro.2017.03.1109

DAJANI, J. S., SINCOFF, M. Z. y TALLEY, W. K. (1979). Stability and agreement criteria for the termination of Delphi studies. Technological Forecasting and Social Change [en línea], 13(1), 83–90. Disponible: https://doi.org/10.1016/0040-1625(79)90007-6

FREUND, J., MILLER, I. y JOHNSON, R. Probabilidad y estadística para ingenieros. PrenticeHall. 1996.

GAO, R., NAM, H.O., KO, W.I. y JANG, H. (2018). Integrated system evaluation of nuclear fuel cycle options in China combined with an analytical MCDM framework. Energy Policy [en línea], 114(September 2017), 221–233. Disponible: https://doi.org/10.1016/j.enpol.2017.12.009

GONZÁLEZ GONZÁLEZ, A. y GARZA RÍOS, R. (2003). Aplicación de las técnicas multicriteriales en la evaluación y selección de proveedores. Ingeniería Industrial [en línea], 24(2), 34-39. Disponible: http://rii.cujae.edu.cu/index.php/revistaind/article/view/189/173 HILLIER, F. S. y LIEBERMAN, G. J. Introduction to Operations Research. 9th ed. McGrawHill. 2010.

LANG, S., REGGELIN, T. y WUNDER, T. (2017). Mesoscopic Simulation Models for Logistics Planning Tasks in the Automotive Industry. Procedia Engineering [en línea], 178, 298–307. Disponible: https://doi.org/10.1016/j.proeng.2017.01.118

LE PIRA, M., INTURRI, G., IGNACCOLO, M., PLUCHINO, A. y RAPISARDA, A. (2017). Finding shared decisions in stakeholder networks: An agent-based approach. Physica A: Statistical Mechanics and Its Applications [en línea], 466, 277–287. Disponible: https://doi. org/10.1016/j.physa.2016.09.015

MANNINA, G., REBOUÇAS, T. F., COSENZA, A., SÀNCHEZ-MARRÈ, M. y GIBERT, K. (2019). Decision support systems (DSS) for wastewater treatment plants – A review of the state of the art. Bioresource Technology [en línea], 290(July), 121814. Disponible: https://doi. org/10.1016/j.biortech.2019.121814

MARTÍNEZ DELGADO, E., GONZÁLEZ SÁNCHEZ, C., GARZA RÍOS, R. y HERNÁNDEZ ASCO, C. (2018). Integración de la simulación, la regresión y la optimización multiobjetivo para determinar los recursos en un banco. Revista Investigacion Operacional [en línea], 39(1), 140–150. Disponible: http://www.invoperacional.uh.cu/index.php/InvOp/article/view/591/553

MIODRAG, Z., KAFFKA, J., CLAUSEN, U., MUNSEL, L. y DROST, S. (2016). Assessment of Emissions Caused by Logistics Handling Operations in Multimodal-terminals. Transportation Research Procedia [en línea], 14, 2754–2761. Disponible: https://doi.org/10.1016/j. trpro.2016.05.483

ROßMANN, B., CANZANIELLO, A., VON DER GRACHT, H. y HARTMANN, E. (2018). The future and social impact of Big Data Analytics in Supply Chain Management: Results from a Delphi study. Technological Forecasting and Social Change [en línea], 130(January), 135– 149. Disponible: https://doi.org/10.1016/j.techfore.2017.10.005

SAATY, T. L. (1990). How to make a decision. European Journal of Operational Research [en línea], 175, 9–26. Disponible: https://doi.org/10.1007/978-1-4614-3597-6_1

SHAHSAVARI, M. H. y KHAMEHCHI, E. (2018). Optimum selection of sand control method using a combination of MCDM and DOE techniques. Journal of Petroleum Science and Engineering [en línea], 171(July), 229–241. Disponible: https://doi.org/10.1016/j.petrol.2018.07.036

TAMOŠAITIENĖ, J., KAZIMIERAS, E. y ŠILEIKAITĖ, I. (2017). A novel hybrid MCDM approach for complicated supply chain management problems in construction. Procedia Engineering [en línea], 172, 1137–1145. Disponible: https://doi.org/10.1016/j.proeng.2017.02.168

VAVRÍK, V., GREGOR, M. y GRZNÁR, P. (2017). Computer simulation as a tool for the optimization of logistics using automated guided vehicles. Procedia Engineering [en línea], 192, 923–928. Disponible: https://doi.org/10.1016/j.proeng.2017.06.159

VON DER GRACHT, H. A. (2012). Consensus measurement in Delphi studies. Review and implications for future quality assurance. Technological Forecasting and Social Change [en línea], 79(8), 1525–1536. Disponible: https://doi.org/10.1016/j.techfore.2012.04.013

VULEVIĆ, T. y DRAGOVIĆ, N. (2017). Multi-criteria decision analysis for sub-watersheds ranking via the PROMETHEE method. International Soil and Water Conservation Research [en línea], 5(1), 50–55. Disponible: https://doi.org/10.1016/j.iswcr.2017.01.003

ZAMANI-SABZI, H., KING, J. P., GARD, C. C. y ABUDU, S. (2016). Statistical and analytical comparison of multi-criteria decision-making techniques under fuzzy environment. Operations Research Perspectives [en línea], 3, 92–117. Disponible: https://doi.org/10.1016/j. orp.2016.11.001
Publicado
2019-03-30