Resumen de Modelo neuronal para detección y corrección de inconsistencias en el proceso analítico jerárquico (ahp)
Debido a las limitaciones cognitivas propias de quien debe tomar una decisión es altamente deseable contar con herramientas que den apoyo en tales situaciones. El Proceso Analítico Jerárquico (AHP) es una de esas herramientas y permite obtener un ranking de prioridades sobre las alternativas disponibles en base a la valoración de los criterios de evaluación definidos por el decisor. Dichas valoraciones se colocan en matrices de comparación entre pares cuya consistencia es verificada antes de realizar el cálculo del ranking de prioridades. Cuando la cantidad de elementos (criterios y alternativas) es elevada, surgen problemas de completitud y consistencia en las valoraciones, motivo que impide utilizar AHP. El presente trabajo de tesis describe un modelo basado en redes neuronales artificiales (RNAs), específicamente de perceptrones multi-capa, que es capaz de completar las valoraciones faltantes o perdidas que se utilizan en AHP y al mismo tiempo mejorar la consistencia de los juicios emitidos por el decisor. A diferencia de otras técnicas, el modelo puede ser utilizado para situaciones en las cuales solamente se requiera completar matrices, o se requiera mejorar la consistencia de las mismas o, incluso, donde se desee realizar las dos tareas al mismo tiempo. El documento contiene una breve introducción indicando las características del proceso de toma de decisiones. Luego se hace una descripción del método AHP y del modelo de RNA utilizado. Finalmente se describe el modelo Neuronal de Tratamiento de Inconsistencias (NTI), las pruebas realizadas y el modelo de implementación como parte de un sistema general de apoyo a las decisiones.
