Las aproximaciones al conjunto de lgicas borrosa son utilizadas cuando el conocimiento

humano para el modelamiento es necesario y cuando se necesita evaluaciones humanas.

El conjunto de teoras de Fuzzy han sido estudiadas extensamente en los ltimos 40 aos,
la mayora del inters reciente se ha enfocado en representar la incertidumbre en el
proceso cognitivo del hombre.

El conjunto de teoras de lgica borrosa es aplicado a problemas de ingeniera, negocios,

medicina y ciencias relacionadas a la salud y las ciencias naturales. Cada una de estas de
estas disciplinas y ciencias se enfrentan diariamente a la toma de decisiones multi-criterio,
donde ha sido exitosa la aplicacin de estas teoras, tanto utilizando tcnicas multi-atributo
como multi-objetivo.

La toma de decisiones multi-atributo con metodologa Fuzzy, puede ser visto como un
mtodo alternativo para combinar la informacin en un problema de matriz de decisin
junto con la informacin adicional del tomador de decisiones para determinar un ranking
final o seleccin entre varias alternativas.

La toma de decisiones multi-objetivo es una herramienta poderosa para asistir en el proceso

de bsqueda para la decisin que mejor satisfaga la cantidad de objetivos que entran en
conflicto entre s. (Kahraman C. , 2008) y al fusionar dichas tcnicas con la lgica borrosa o
Fuzzy, se obtienen herramientas ms poderosas para lograr toma de decisiones ms
robustas.

Mtodos de toma de decisiones multi-atributos con lgica borrosa y sus aplicaciones:

AHP difuso:
Es uno de los mtodos de toma de decisin ms ampliamente usada. La teora de lgica
borrosa es puede ser el mtodo ms comn para el trabajar con incertidumbre. Los
tomadores de decisiones pueden encontrar que es mucho ms confiable dar un intervalo
de evaluacin que un valor fijo de evaluacin. (Demirel, Demirel, & Kahraman, 2008).
La inhabilidad de tratar con la imprecisin y subjetividad en la comparacin por pares ha
sido mejorada en el AHP borroso. En vez de tener un valor puntual, el Fuzzy AHP usa un
rango de valores para incorporar la incertidumbre en el tomador de decisiones.
Los decisores generalmente encuentran mas confiable dar unos intervalos de juicio mas que
valores exactos.

Se pueden utilizar valores triangulares, trapezoidales o algunos mtodos de inteligencia

artificial, para determinar los rangos de las funciones borrosas (difusas) y sus aplicaciones
pueden verse reflejadas en muchos campos disciplinarios, entre estos se encuentran
algunos que (Demirel, Demirel, & Kahraman, 2008) recopilaron, como lo son tcticas de
guerra, sistemas de control de calidad, satisfaccin al cliente, cadena de suministro,
evaluacin de sistemas operativos.
Electre difuso:
Electre el la abreviacin de las siglas del francs (ELimination Et Choix Traduisant la REalit)
y al igual que el mtodo PROMETHE de sus siglas en ingls (Preference Ranking Organization
METHod for Enrichment Evaluations), son mtodos basado en la construccin y
aprovechamiento de una relacin sin rangos, yace bajo la idea de aceptar un resultado
menos rico que el obtenido bajo la teora de utilidad multi-atributo. Consta de una relacin
binaria definida para un conjunto de alternativas, basadas en la preferencia del decisor,
comparando una alternativa frente a la otra en el criterio especfico. (Bufardi, Gheorghe, &
Xirouchakis, 2008). Con Electre el decisor se enfrenta a un conjunto de alternativas finitas
las cuales deben ser organizadas de la mejor a la peor.

Este mtodo parte de la informacin de la matriz de decisin difusa compuesta por los n
criterios distintos los cuales pueden ser difusos o no y el conjunto de las m alternativas
difusas diferentes, todas estas posibles soluciones, al problema de decisin multicriterio
dado. Posteriormente el mtodo se divide en dos fases de aprovechamiento de la relacin
de sobrecalificacin.
Se construyen las matriz de concordancia y discordancia difusa y a partir de esta una
relacin difusa S para saber si una alternativa es mejor que la otra. (Martn, 2003)

Evaluacin multi-criterio por lgica borrosa usando TOPSIS:

Topsis viene de su singlas en ingls (Technique for Order Preference by Similarity to Ideal
Solution), este mtodo es visto como un problema de toma de decisiones multi-atributo,
en con m alternativas y un sistema geomtrico con m puntos en un espacio de n
dimensiones. El mtodo considera la jerarqua entre atributos y alternativas. En Topsis La
alternativa escogida debe tener la distancia mas pequea desde la solucin positiva ideal y
la distancia mas larga hacia la solucin no ideal. TOPSIS define un ndice llamado similaridad
(o cercana relativa). La lgica borrosa complementa este mtodo mediante la teora de
conjuntos difusos y un anlisis de estructura jerrquica con el fin de asignar pesos en la
matriz de decisin y evaluar la asignabilidad del peso a las diferentes alternativas versus los
criterios. Los mtodos utilizados con lgica borrosa y Topsis se han venido incrementando
y cada uno de ellos se enfoca de manera diferente, pero bsicamente lo que se realiza en
ofrecer una cercana relativa borrosa para cada alternativa. (Kahraman, Kaya, Cevick, Ates,
& Glbay)

Vikor Difuso:
Vikor proviene de sus siglas del serbio (VIseKriterijumska Optimizacija I Kompromisno
Resenje) que significa, optimizacin multicriterio y solucin por compromiso. Al igual que
el Topsis, utiliza el concepto de distancia de cada alternativa a las soluciones ideales y no
ideales, se genera la matriz de decisin con nmeros difusos de acuerdo a los pesos de cada
criterio, los cuales tambin podran ser nmeros difusos, y se resuelve el ejercicio
normalmente. (Ceballos, Lamata, & Pelta, 2015).
Generalmente, se aplica el enfoque de multicriterio borroso para evaluar la incertidumbre,
subjetividad e imprecisin con diferentes tipos de variables difusas, con las cuales se
determina la importancia de los pesos de los criterios de evaluacin y se aplica el mtodo
Vikor para consolidar y organizar las alternativas viables. (Chang, 2014)

Bibliografa
Kahraman, C. (2008). Fuzzy Multi-Criteria Decision-Making. Theory and applications with
recent developments (Vol. 16). Estambul, Turquia: Springer Science + Business
Media, LLC.
Demirel, T., Demirel, N. C., & Kahraman, C. (2008). Fuzzy analytic hierarchy process and its
aplications. En Kahraman, & Cengiz, Fuzzy Multi-criteria decision making. Theory
and applications with recent developments (Vol. 16, pg. 591). Estambul, Turquia:
Springer.
Martn, J. M. (2003). Modelos multicriterio difusos: Aplicaciones. Tesis Doctoral.
Departamento de ciencias de la computacin e inteligenica artificial. .
Ceballos, B., Lamata, M. T., & Pelta, D. (2015). 16th Conferencia de la Asociacin Espaola
para la Inteligencia Artificial. En J. Puerta, J. Gmez, B. Dorronsoro, E. Barrenechea,
A. Troncoso, B. Baruque, & M. Galar (Ed.), Una Comparativa de Modelos de
Decision Multi-Criterio Difusos. 16. Albacete: Springer.
Bufardi, A., Gheorghe, R., & Xirouchakis, P. (2008). Fuzzy outranking methods: Recent
developments. En C. Kahraman, Fuzzy multi-criteria decision-making. Theory and
applications with recents developments (pg. 591). Estambul, Turquia: Springer.
Kahraman, C., Kaya, I., Cevick, S., Ates, N., & Glbay, M. (s.f.). Fuzzy multicriteria
evaluationof industrial robotycs systems using Topsis. En K. Cegiz, Fuzzy
Multicireria . Decision making (Vol. 16, pg. 591). Estambul, Turqua: Springer.
Chang, T.-H. (2014). Fuzzy VIKOR method: A case study of the hospital service evaluation
in Taiwan. Information Sciences, 271, 196-212.