Clasificación de interesados de proyectos basada en técnicas de soft computing

• Yasiel Pérez Vera ^[1] ; Anié Bermudez Peña ^[2]
  1. [1] Universidad La Salle

     Universidad La Salle

     México

     
  2. [2] Universidad de las Ciencias Informáticas

     Universidad de las Ciencias Informáticas

     Cuba

     
• Localización: Revista Cubana de Ciencias Informáticas, ISSN-e 2227-1899, Vol. 12, Nº. 4, 2018
• Idioma: español
• Títulos paralelos:
  • Project stakeholder classification based on soft computing techniques
• Enlaces
  • Texto completo
• Resumen
  • español

    El proceso de clasificación de interesados es usualmente llevado a cabo por el director del proyecto utilizando métodos como la entrevista con expertos, la lluvia de ideas y listas de chequeo. Dichos métodos se llevan a cabo de forma manual y con carácter subjetivo por parte de especialistas vinculados a los proyectos. Esto afecta la exactitud de la clasificación y los directivos del proyecto no cuentan con una información más detallada a la hora de tomar decisiones sobre los involucrados. Como objetivo de este trabajo se propone un sistema borroso genético para la clasificación de interesados, que permita mejorar la calidad de la clasificación con respecto a la forma manual realizada en los proyectos. La propuesta realiza el aprendizaje automático y ajuste de sistemas de inferencia borrosos para la clasificación de interesados a partir de la ejecución de seis algoritmos genéticos: GFS.THRIFT, GFS.FR.MOGUL, GFS.GCCL, FH.GBML, GFS.LT.RS y SLAVE. Se examinan los resultados de aplicarlos en 10 iteraciones calculando las medidas: porciento de clasificaciones correctas, falsos positivos, falsos negativos, error cuadrático medio y error porcentual de la media absoluta simétrica. Los mejores resultados los obtiene el algoritmo FH.GBML. El sistema borroso genético desarrollado mejora la clasificación de los interesados mostrándose como una herramienta de apoyo a la toma de decisiones en organizaciones orientadas a la producción por proyectos.

  • English

    Stakeholder classification process is usually carried out by project manager using methods such as interviewing experts, brainstorming and checklists. These methods are carried out manually and subjectively by specialists belonging to the project. This affects the classification accuracy and project managers do not have more detailed information when making decisions about stakeholders. The objective of this research is to propose a genetic fuzzy system for classifying stakeholders for improving the classification quality with respect to the manually performed in projects. The proposal realizes the machine learning and adjustment of fuzzy inference systems for the stakeholder’s classification from the execution of six genetic algorithms: GFS.THRIFT, GFS.FR.MOGUL, GFS.GCCL, FH.GBML, GFS.LT.RS and SLAVE. It examines the results of applying them in 10 iterations by calculating the measures: accuracy, false positive, false negative, mean square error and symmetric mean absolute percentage error. The best results are shown by FH.GBML algorithm. The genetic fuzzy system implemented improves the stakeholder’s classification as a tool to support decision making in organizations oriented to production by projects.