4.6 Evaluación multicriterio (EMC)

De acuerdo con Pietersen (2006), el objetivo general de la evaluación multicriterio es auxiliar al decisor a escoger la mejor alternativa entre un rango de alternativas en un entorno de criterios en competencia y conflicto; y los objetivos pueden ser económicos, ambientales, sociales, institucionales, técnicos y estéticos (Montis, A. de, et al., 2000); cuando las decisiones implican alcanzar varios objetivos o criterios, ellas se denominan decisiones multiobjetivo o decisiones multicriterio, respectivamente (Elineema, 2002).

De acuerdo con Chakhar (2003), casi todas las técnicas de EMC consisten en una primera etapa, del diseño de una matriz con los criterios y las alternativas definidos; la siguiente etapa consiste en la agregación de las distintas puntuaciones de los criterios, con el uso de algún procedimiento de agregación (la aplicación de alguna técnica de EMC) específico, tomando en cuenta la preferencia de los decisores expresada en término de pesos que se asignan a los diferentes criterios; ese procedimiento o técnica permite al decisor comparar entre las diferentes alternativas con base a los pesos asignados.

Evaluación multicriterio en la Investigación Operativa

La investigación en programación matemática tradicional (programación lineal operativa), en el modelado de las decisiones agrícolas, descansa en ciertos supuestos básicos acerca de la situación modelada y el decisor mismo; así, un supuesto fundamental es que el decisor busca optimizar un objetivo individual bien definido; sin embargo, usualmente el decisor esta buscando una decisión óptima entre distintos objetivos, muchos de los cuales pueden estar en conflicto entre sí (Romero y Rehman, 1989). En este tipo de investigación (operativa) los economistas prefieren el uso de modelos rígidamente estructurados (Johnson, 1984), sin embargo, cuando se trata de decisiones que deben tomar los productores agropecuarios, especialmente de producción bajo condiciones de riesgo e incertidumbre, esos modelos de programación operativa o lineal suelen ser incapaces de considerar o interpretar adecuadamente los objetivos y metas de aquellos.

Según Tkach y Simonovic (1997), la evaluación de alternativas mediante las técnicas multicriterio se basa en valores de criterios asociados a cada alternativa y los objetivos y preferencias de los decisores; los criterios pueden ser de naturaleza cuantitativa o cualitativa, y con frecuencia exhiben variabilidad espacial. Las técnicas convencionales de EMC, como la programación compromiso no tienen la capacidad de abocarse a la irregular distribución espacial de los valores de los criterios en la evaluación de alternativas. Por ello, en el siguiente apartado se tratará de las evaluaciones multicriterio en el ambiente de los SIG que sí pueden considerar la variabilidad espacial de los atributos.

4.6.1 Técnicas de evaluación multicriterio

De acuerdo con Tkach y Simonovic (1997), las técnicas multicriterio se caracterizan por una gran diversidad metodológica y pueden agruparse en tres principales grupos de técnicas: a) de ordenamiento o jerarquías; b) de utilidad multiatributo o multicriterio, y c) técnicas de programación matemática. Las primeras requieren de comparaciones pareadas o globales entre alternativas, y no son prácticas cuando el número de alternativas es grande; las segundas se basan en modelos multiplicativos simples o aditivos para agregar o agrupar criterios simples y por ello no son adecuados para analizar sistemas ambientales complejos; las terceras se utilizan en un contexto continuo para identificar soluciones muy cercanas a la solución ideal introduciendo la medida de la distancia en unidades métricas (Bocco et al., 2002); éstas técnicas se desarrollaron en el enfoque de la programación lineal (investigación operativa).

Según Ávila (2002) y Toskano (2005), los principales métodos de evaluación y decisión multicriterio discreto son: Ponderación Lineal, Utilidad Multiatributo (MAUT), Relaciones de Superación y AHP.

4.6.1.1 Ponderación lineal

La ponderación lineal es un método que permite abordar situaciones de incertidumbre o con pocos niveles de información, y es un método fácil y utilizado ampliamente en el mundo; en este método se construye una función de valor para cada una de las alternativas y es completamente compensatorio y puede resultar dependiente y manipulable en la asignación de pesos a los criterios o en la escala de medida de las evaluaciones.

4.6.1.2 Utilidad Multiatributo

En la utilidad multiatributo, para cada atributo se determina la correspondiente función de utilidad (parcial), y luego se agregan en una función de utilidad multiatributo de forma aditiva o multiplicativa; al determinarse la utilidad de cada una de las alternativas se obtiene una ordenación completa del conjunto finito de alternativas. El método de utilidad multiatributo supone la transitividad de preferencias o la comparabilidad, utiliza “escalas de intervalo”, y acepta el principio de “preservación de orden” (rank preservation). La condición de independencia preferencial mutua entre los atributos suele aceptarse casi axiomáticamente, e implícitamente es cuestionable y no refleja la estructura de preferencias del agente decisor. El rigor y rigidez de los supuestos teóricos de este método usualmente son controvertidos y difíciles de contrastar en la práctica, lo que obliga a relajarlos, aunque permiten abordar fluidamente cuestiones de incertidumbre y riesgo.

4.6.1.3 Relaciones de superación

Las relaciones de superación usan como mecanismo básico el de las comparaciones binarias de alternativas, es decir comparaciones de dos en dos de las alternativas, y de dos en dos de los criterios. De esta forma puede construirse un coeficiente de concordancia Cik asociado con cada par de alternativas (ai, a k).

Existen dos métodos de la escuela francesa: ELECTRE y PROMETHEE. Del método ELECTRE (Elimination et Choix Traduisant la Realité) se encuentran disponibles varias versiones que usan pseudocriterios y la teoría de conjuntos difusos. El método PROMETHEE (Preference Ranking Organization Method for Enrichment Evaluation) se ha aplicado, con predicción para problemas de ubicación.

4.6.1.4 El Proceso de Análisis Jerárquico

El AHP fue desarrollado por el matemático Thomas Saaty, y consiste en formalizar la comprensión intuitiva de problemas complejos mediante la construcción de un modelo jerárquico. El propósito del método es permitir que el agente decisor pueda estructurar un problema multicriterio en forma visual, mediante la construcción de un modelo jerárquico que básicamente contiene tres niveles: meta u objetivo, criterios y alternativas (Ávila, 2002; Toskano, 2005)

Una vez construido el modelo jerárquico, se realizan comparaciones en pares entre dichos elementos (criterios-subcriterios y alternativas) y se atribuyen valores numéricos a las preferencias señaladas por las personas, entregando una síntesis de las mismas mediante la agregación de esos juicios parciales. El fundamento del proceso de Saaty descansa en el hecho que permite dar valores numéricos a los juicios dados por las personas, logrando medir cómo contribuye cada elemento de la jerarquía al nivel inmediatamente superior del cual se desprende. Para estas comparaciones se utilizan escalas de razón en términos de preferencia, importancia o probabilidad, sobre la base de una escala numérica propuesta por el mismo Saaty, que va desde 1 hasta 9. Una vez obtenido el resultado final, el AHP permite llevar a cabo un análisis de sensibilidad (Ávila, 2000).