Algoritmo computacional para comparar y ordenar modelos basados en indicadores y valor de usuario
Resumen
En ocasiones se tiene un listado de modelos que se deben comparar mediante un grupo de indicadores, ordenados según el criterio de un usuario, y, dado que se conoce si el crecimiento del valor de los indicadores afectaría o no los intereses del usuario. Se muestra un algoritmo computacional capaz de comparar y asignar un valor numérico a cada modelo, de tal forma que el valor asignado se corresponda con la prioridad establecida por el usuario a cada indicador de los modelos. El algoritmo propuesto permite establecer un ranking entre los modelos, al igual que otros algoritmos conocidos, como el Modelo Espacio Vectorial; sin embargo, este algoritmo considera las prioridades de comparación del usuario. Al trabajar estrictamente con funciones lineales, el margen de errores de cálculo es nulo. El algoritmo ha sido validado por el software Ambiens v1.0 (dedicado a la gestión de residuos) y muestra resultados relevantes en la comparación de modelos. La propuesta cobra su esencia en la necesidad de conocer, de entre un grupo de modelos, el mejor de ellos, según el criterio de usuario por indicadores.
Palabras clave
Algoritmo, Comparación, Indicadores, Modelos, Ordenamiento
Referencias
- J. Dalton, El atomismo en Química. Spain: Alicante University, 2012.
- H. R. Lezama, et al., “Logística Inversa: una alternativa para la gestión de productos fuera de uso (PFU),” Rev. Inter. La Nueva Gest. Org., vol. 9, pp. 13-23, 2010.
- M. Ortega, and J. Delgado, “Uso de algoritmos genéticos para resolver el modelo determinista y estocástico para el diseño de una red de recogida de residuos”, in International Conference on Industrial Engineering and Industrial Management, Madrid, Spain, 2007, pp. 1443-1451.
- E. Santibanez, G. Robson, et al., “Um Algoritmo evolucionário combinado com otimização para resolver o problema de projecto de uma supply chain de remanufatura,” in Anais XLIV Simpósio Brasileiro de Pesquisa Operacional. Rio de Janeiro, Brasil, 2012.
- P. Ruiz, “Implementación de un algoritmo metaheurístico para la solución de un problema de programación de transporte terrestre internacional,” M.S. Thesis, Universidad Nacional, Medellín, Colombia, 2013.
- M. P. Gato, et al., “Revisión de modelos de gestión de inventarios para repuestos reparables,” in 4th International Conference On Industrial Engineering and Industrial Management. Donostia San Sebastián, Spain, 2010, pp. 1329-1335.
- I. Konstantaras, “Optimal Control of Production and Remanufacturing in a Reverse Logistics Model with Backlogging,” Mathematical Problems in Engineering, vol. 2010. DOI: https://doi.org/10.1155/2010/320913
- S. R. Singh, and N. Saxena, “An Optimal Returned Policy for a Reverse Logistics Inventory Model with Backorders,” Advances in Decision Sciences, vol. 2012, 2012. DOI: https://doi.org/10.1155/2012/386598
- D. Schrady, “Mathematical models of the reparable item inventory system,” Naval Postgraduate School, Monterey, California, 1967.
- J. P. Sepúlveda, F. Baesler, and D. A. Núñez, “Benefits of using ad-hoc inventory management models in the presence of return flows,” Revista Facultad de Ingeniería Universidad de Antioquia, Medellín, Colombia, 2010, no. 55, pp. 210-218.
- M. Sierra, “Lógica Básica Paraconsistente y Paracompleta con Negación Clásica,” Revista Universidad EAFIT, vol. 38 (126), pp. 81-97, 2012.
- R. A. Mendoza, “Métodos de inferencia estadística para entrenamiento de modelos ocultos de Markov,” Elementos, vol. 1 (1), pp. 57-70, 2011. DOI: https://doi.org/10.15765/e.v1i1.191
- L. E. Vargas, “Cálculo de la distribución predictiva en un modelo Tar”, Master Thesis, Universidad Nacional de Colombia, Bogotá, Colombia, 2012.
- Y. C. Fonseca, “Recuperación de la información: taxonomía de sus modelos,” Revista Cubana de Ciencias Informáticas, vol. 6 (2), pp. 1-8, 2012.