La búsqueda de la eficiencia y la productividad contribuyen a la exploración de metodologías de apoyo para la toma de decisiones en escenarios donde intervienen múltiples variables o criterios de selección. Para efectos del presente artículo, se considera que dentro de los diversos métodos de decisión multicriterio, el método AHP muestra fuertes potencialidades en el interés de identificar y priorizar los problemas y las subsecuentes acciones, cuyos resultados serán los procesos de diseño, implementación, validación, control y evaluación enfrentados cotidianamente por las empresas, los sectores industriales y las regiones en el actual entorno regido por la globalización de la economía.

Palabras clave: métodos de decisión multicriterio, AHP, competitividad, empresas, sectores industriales, regiones.

ABSTRACT

The search for efficiency and productivity contribute to exploring support methodologies for decision making in scenarios where multiple variables or selection criteria intervene. For the purpose of this article, the authors consider that among the diverse multiple criteria decision methods, the analytic hierarchy process (AHP) method shows great potential for identifying and prioritizing problems and subsequent actions whose results will be seen in the design, implementation, validation, control, and evaluation processes that companies, industrial sectors, and regions deal with every day in the current environment governed by economic globalization.

Key words: Multiple criteria decision methods, AHP, competitiveness, companies, industrial sectors, regions.

1. Justificación de los métodos de decisión multicriterio, en especial el AHP

Para Miller (1989), la retórica aristotélica se ha afanado en subrayar que el hombre está obligado a tener que elegir entre diversidad de alternativas, aunque no hay reglas sistemáticas infalibles. Por ende, cada vez es más apremiante la necesidad de tomar decisiones, pero también cada vez es mayor el riesgo que se asume dado el escenario de intenso cambio. Desde tiempos remotos ha sido constante el interés por buscar alternativas que “ayuden a decidir” y, con base en ello, implementar modelos que fomenten la competitividad.

Sin embargo, los modelos actuales para la toma de decisiones no son capaces de garantizar que se está asumiendo una decisión en la dirección correcta. Kahl (1970), Argyris (1976), Kahneman y Tversky (1979) y, posteriormente, De Vicente (1999) y De Vicente, Manera Bassa y Blanco (2004) han estudiado que, a pesar de las claras limitaciones de los modelos desarrollados hasta el momento (como lo es la falta de formalización de la que padecen), estos son un referente de notable valor, debido a que permiten identificar elementos de respuesta tangibles a preguntas y problemas que se presentan en la toma de decisiones.

Por consiguiente, los métodos de decisión multicriterio, lejos de ser considerados elementos infalibles y certeros, cuya utilización permite encontrar una solución óptima y definitiva, son una base, sustentada en elementos científicos, que aporta mejoras distintivas para asumir una decisión. Como lo han estudiado Hammond, Keeney y Raiffa (2001), en todo caso se trata de decisiones basadas en componentes cuantificables que permiten ponderar el riesgo y, en virtud de ello, son capaces de elegir la “decisión” que, en el mejor de los casos, resulta ser la más satisfactoria, y en el peor, la menos insatisfactoria.

En este contexto cobra relevancia el planteamiento de lo que se entenderá como el “problema”. En estricto sentido, el problema se refiere a un objeto de estudio que se nutre de elementos cualitativos y cuantitativos (v. g., los sujetos y los elementos de estudio); por ende, no se trata forzosamente de un conflicto. Los objetivos que se persiguen en la confrontación del problema son (véase Moreno-Jiménez, 2003):

• Identificar lo que se ha interpretado como un problema, y basándose en ello considerar si este es real (como un elemento que genera riesgo) y en qué medida puede resultar perjudicial.

• Identificar la temporalidad, la vigencia, el escenario donde se desarrolla el problema, al igual que los agentes y las causas que lo provocan. Asimismo, es imprescindible reconocer el marco institucional y legal con el que se cuenta y que rige al problema.

• En un primer momento, identificar si vale la pena confrontar el problema y ponderar los costos y las ganancias(para el efecto puede resultar ser muy útil el famoso método DAFO: debilidades, amenazas, fortalezas y oportunidades). En un segundo momento, identificar y seleccionar las alternativas deseables y posibles que permitirán “atacar” el problema. Ello implica la identificación de los recursos (económicos, técnicos, tecnológicos y humanos) y de las habilidades, aptitudes y valores con los que se cuenta para enfrentar el problema y su posible solución.

• Valorar hasta dónde se está dispuesto a combatir al problema. A partir de ello se pueden identificar opciones consideradas como second best, con las cuales se establezca un orden priorizado (ranking) de alternativas.

De acuerdo con Simon (1947, 1955, 1978, 1983 y 2005) y Thaler (1986), aquellos problemas en los que las alternativas de decisión son finitas se denominan problemas de decisión multicriterio discretos. Por otro lado, cuando el problema toma un número infinito de valores y conduce a un número infinito de alternativas posibles, se llama decisión multiobjetivo. Los principales métodos de decisión multicriterio discretos son:

• Ponderación lineal (scoring).

• Utilidad multiatributo (MAUT).

• Análisis jerárquico (AHP).

El método de ponderación lineal (scoring) es probablemente el más conocido y el más comúnmente utilizado de los métodos de decisión multicriterio. Con este se obtiene una puntuación global por la simple suma de las contribuciones obtenidas de cada atributo. Si se tienen varios criterios con diferentes escalas (dado que ellos no se pueden sumar directamente), se requiere un proceso previo de normalización para que pueda efectuarse la suma de las contribuciones de cada uno de los atributos. Debe tomarse en cuenta que, sin embargo, el orden obtenido con este método no es independiente del procedimiento de normalización aplicado.

Ross (2007) señala que los MAUT se basan en estimar una función parcial para cada atributo, de acuerdo con las preferencias de las personas responsables de tomar las decisiones, que luego se agregan en una función MAUT en forma aditiva o multiplicativa. Al determinarse la utilidad de cada una de las alternativas, se consigue una ordenación del conjunto de las alternativas que intervienen en el proceso.

La teoría MAUT busca expresar las preferencias del tomador de decisiones sobre un conjunto de atributos o criterios. Está basada fundamentalmente en el siguiente principio: todo tomador de decisiones intenta implícitamente maximizar una función que agrega todos los puntos de vista relevantes del problema. Es decir, si se interrogara previamente al tomador de decisiones sobre sus preferencias, sería muy probable que sus respuestas coincidieran con una cierta función de utilidad.

Los métodos basados en relaciones de sobreclasificación originalmente los desarrolló, a finales de la década de los sesenta y en la de los setenta, Roy (1968, 1971, 1973 [con Bertier]y 1974), si bien posteriormente otros autores los han continuado, como Bertier y Bouroche (1981), De Vicente (1999), entre otros. Las propuestas de Roy y sus seguidores generaron una teoría basada en relaciones binarias, denominadas de sobreclasificación, y en los conceptos de concordancia y discordancia.

Desde estos criterios fueron creados diversos procedimientos complementarios, entre los que caben destacar, fundamentalmente, los procedimientos elimination et choix traduisant la réalité (Electre). Las distintas versiones de Electre(I, II, III, IV, IS y TRI), en realidad, se tratan de una familia de métodos cuyo interés es proponer procedimientos para la solución de diferentes tipos de problemas suscitados en el tratamiento de la teoría de decisión. Estos métodos emplean relaciones de sobreclasificación (outranking) para decidir sobre una solución que, sin ser óptima, pueda ser considerada satisfactoria y, de ese modo, obtener una jerarquización de las alternativas.

Un enfoque alternativo al anterior fue desarrollado por Saaty(1980, 1986, 1990, 1994a, 1994b y 1994c), el cual fue denominado Analytic Hierarchy Process (AHP, esto es, proceso de análisis jerárquico). El AHP es un lógico y estructurado método de trabajo que optimiza la toma de decisiones complejas cuando existen múltiples criterios o atributos, mediante la descomposición del problema en una estructura jerárquica.

Esto permite subdividir un atributo complejo en un conjunto de atributos más sencillos y determinar cómo influyen cada uno de esos atributos individuales en el objetivo de la decisión. Esa influencia está representada por la asignación de los valores que se asigna a cada atributo o criterio. El método AHP establece dichos valores a través de comparaciones pareadas (uno a uno). En determinadas circunstancias esto facilita la objetividad del proceso y permite reducir sustancialmente el uso de la intuición en la toma de decisiones.

2. El AHP como herramienta para la toma de decisiones

Por lo tanto, este método ha posibilitado que en el proceso de toma de decisiones se estructure un problema multicriterio en forma visual, mediante la construcción de una jerarquía de atributos, la cual contiene como mínimo tres niveles:

• El propósito o el objetivo global del problema, situado en la parte superior.

• Los distintos atributos o criterios que definen las alternativas en el medio.

• Las alternativas que concurren en la parte inferior del diagrama.

En caso de que los atributos o los criterios no sean lo suficientemente explícitos o claros, pueden incluirse subcriterios más operativos en forma secuencial entre el nivel de criterios y el de las alternativas, lo que origina un modelo jerárquico multinivel. Una vez construido el modelo jerárquico, se realizan comparaciones por pares entre dichos elementos (criterios, subcriterios y alternativas) y se atribuyen valores numéricos a las preferencias señaladas por las personas que intervienen en el proceso de decisión.

Cuando el número de elementos para los que se efectúan las comparaciones relativas supera (7±2), el número mágico de Miller (1956), el modelo AHP recurre a las medidas absolutas (ratings) –esta restricción es posible de eliminar si se hace una separación del total de alternativas en grupos de elementos con un cardinal menor que el número de Miller–. La toma de decisiones multiatributo (multiple atribute decision making) trabaja con un número finito (que generalmente es pequeño) de alternativas determinadas, A={A1, A2…Am}, del cual se conoce además su evaluación sobre cada uno de los atributos, X1, X2,…Xn, de carácter cuantitativo o cualitativo y que se representa a través de la denominada matriz de decisión (Cuadro 1).

A partir de la matriz de decisión representada en el Cuadro 1 es posible expresar que x_ij es el resultado alcanzado por la alternativa Ai, j=1,…, n. Asimismo, a partir de los valores preferidos por el tomador de decisiones (sobre cada uno de los atributos), se puede formar la alternativa presuntamente ideal.

La identificación del problema es el marco o situación que se desea resolver mediante la selección de una de las alternativas disponibles o de su ranking. La definición del objetivo es una declaración de algo que uno desea alcanzar (particularmente véase Keeney, 1992). El objetivo está en un nivel independiente del resto de los elementos (criterios, subcriterios y alternativas), que contribuyen a su consecución.

La identificación de criterios y subcriterios constituye los puntos de vista considerados importantes para la resolución de un problema o la consecución de un objetivo. Este proceso es la base para la toma de decisiones, que puede ser medida o evaluada y expresará las preferencias de los implicados. La identificación de alternativas corresponde a propuestas posibles o viables mediante las cuales se podrá alcanzar el objetivo general.

Con base en estos elementos es posible establecer las prioridades de acuerdo con el método AHP. El fundamento de la propuesta de Saaty (1980) se basa en que permite dar valores numéricos a losjuicios dados por las personas (gracias a lo cual se puede medir cómo contribuye cada elemento de la jerarquía al nivel inmediatamente superior del cual se desprende). Para la realización de las comparaciones se utilizan escalas de razón en términos de preferencia, importancia o probabilidad, sobre la base de una escala numérica, que va desde uno hasta nueve.

El AHP trata directamente con pares ordenados de prioridades de importancia, preferencia o probabilidad sobre un atributo o criterio representado. Por ende, es posible suponer que este es el método natural que las personas siguieron al tomar decisiones mucho antes que se desarrollaran funciones de utilidad y, evidentemente, antes de que se desarrollara formalmente el AHP (véase Saaty, 1990, 1994a, 1994b y 1994c; Murphy, 1993).

La información que se demanda del tomador de decisiones es una matriz cuadrada que contiene comparaciones pareadas de alternativas o criterios, tal y como se expone en el Cuadro 2. En este caso, A es una matriz n×n, donde a_ij es la medida subjetiva de la importancia relativa del criterio i frente al j, según una escala normalizada de 1 (la misma importancia) a 9 (absolutamente más importante).

En la matriz A todos los elementos son positivos y verifican las siguientes propiedades:

1.      Reciprocidad: si A es una matriz de comparaciones pareadas se cumple que:

a_ij=1/a_ji, para todas i, j=1, 2,... n

2.      Consistencia: a=a_ik/a_jk para todas i, j, ij, k=1, 2,... n

A cada celda de la matriz le corresponderá uno de los valores de la escala de Saaty. Las comparaciones ubicadas al lado izquierdo de la diagonal formada por el valor 1 tienen una intensidad de preferencia inversa a las ubicadas al lado derecho de la diagonal. Por otro lado, las prioridades se ubican en la parte derecha de la matriz y son calculadas por el software para el usuario, incorporando el elemento recíproco en la celda de la matriz que corresponda. Adicionalmente, el AHP muestra las inconsistencias resultantes de los juicios y el valor que las mejoraría. Si el grado de inconsistencia es inaceptable, se deben reconsiderar y revisar sus juicios emitidos sobre las comparaciones pareadas antes de continuar con el análisis.

Una vez que se obtiene la matriz de comparaciones pareadas, es posible hacer una síntesis de las prioridades deducidas de cada faceta del estudio, con el interés de obtener prioridades generales y una ordenación de las alternativas. Para tal fin, el AHP permite combinar todos los juicios o las opiniones, de modo que las alternativas quedan organizadas de la mejor a la peor.

3. Utilidad del método AHP para elegir alternativas en un entorno de competitividad creciente

En el actual proceso de globalización económica, las empresas, los sectores industriales y las regiones están obligados a ser competitivos e innovadores. La competitividad se refiere a la creación y al mantenimiento de un mercado en el que participan numerosas empresas y donde se determina el precio conforme a la ley de la oferta y la demanda. Desde el punto de vista microeconómico, la competitividad se refiere a la capacidad de las empresas para competir y, con base en su éxito, ganar cuota de mercado, incrementar sus beneficios y crecer.

Como se puede suponer, en todas estas variables incide poderosamente la capacidad de decisión de las personas responsables. Tanto en la determinación del precio de un producto como en la elección sobre la mayor inversión en proyectos de innovación, los tomadores de decisiones de las empresas y los sectores industriales tienen que asumir el riesgo que representa cada una de estas opciones, para lo cual es necesario que cuenten con instrumentos que les permitan ponderar un mayor grado de certidumbre.

En lo que respecta al nivel macroeconómico, la competitividad es la aptitud de los países, regiones o localidades para fomentar que las empresas produzcan bienes y servicios, capaces de competir eficazmente con el exterior (y en el exterior), y que los beneficios derivados impacten en el incremento de la renta. Por consiguiente, los tomadores de decisiones, que en este caso son los políticos y los funcionarios, tienen que asumir la responsabilidad de elegir cuáles serán las estrategias para encaminar a los países, las regiones y las localidades por la senda del progreso (primero del crecimiento y posteriormente del desarrollo, como lo apunta el enfoque neoschumpeteriano).

Los autores neoschumpeterianos se han interesado en el estudio de la elección de alternativas en un entorno de competitividad creciente. El trabajo seminal desde este enfoque es el de Nelson y Winter (1977), en el cual, a través del estudio Simon (1947), los autores se dieron a la tarea de explicar las dinámicas para la toma de decisiones en los sectores industriales.

Nelson y Winter (1982) llegaron a la conclusión de que las empresas, los sectores industriales y las regiones están fuertemente limitados para alcanzar la plena optimización de sus opciones, debido a que las variables necesarias para el correcto análisis de las posibilidades son inconmensurables. En todo caso, sugieren que es preferible que las empresas, los sectores industriales y las regiones utilicen reglas generales, pero que estén en constante adaptación a los cambios que se registran en el entorno.

Sobre la importancia de elegir la opción indicada en el fomento de la competitividad, se han desarrollado trabajos como los de Bleeke (1990); Tidd, Bessant y Pavitt (2001), y Crew (2004). Estos estudios son coincidentes en cuanto a que de la adecuada capacidad de decisión dependerá que las empresas pervivan en su entorno o, por el contrario, desaparezcan, con el subsecuente impacto para los sectores industriales y las regiones a las que pertenecen.

Ante esta diversidad de elementos, es necesario identificar cuáles son algunos de los más notables métodos de decisión multicriterio para elegir alternativas que fomenten la competitividad en las empresas, los sectores industriales y las regiones. Con el interés de resumir toda la información y poder proporcionar una jerarquización de prioridades de las alternativas que impulsen la competitividad de las empresas, los sectores industriales y las regiones, se sugiere utilizar el proceso matemático llamado sintetización, que consiste en obtener un sistema de valores, consistente con las preferencias subjetivas mostradas y recogidas en la matriz de comparaciones pareadas.

Para aplicar el método AHP no hace falta contar con información cuantitativa sobre el resultado que alcanza cada alternativa en cada uno de los criterios considerados, sino tan sólo los juicios de valor de la persona que tome las decisiones. Para llevar a cabo el proceso se tienen que realizar los siguientes pasos (véase De Vicente, 1999): (i) sumar los valores de cada columna de la matriz de comparaciones pareadas; (ii) dividir cada elemento de la matriz entre el total de su columna, y (iii) calcular el promedio de los elementos de cada línea de las prioridades. Dada la matriz de comparaciones:

sumamos verticalmente los elementos de cada columna. Así se obtienen los valores:

Una vez obtenida la suma de cada columna, dividimos cada elemento de la matriz entre la suma obtenida, para conseguir:

A la cual denominaremos matriz de comparaciones normalizada.

El tercer paso consiste en obtener las prioridades de la matriz de comparaciones a partir de la matriz normalizada:

Para ello se calcula el vector columna:

que contenga los promedios de las filas, y se obtiene el vector de prioridades de los criterios:

Se puede comprobar que la suma de los elementos del vector prioridades debe ser igual a 1.

Las matrices obtenidas se multiplican con las matrices de los vectores de prioridades de los subcriterios respecto al criterio de jerarquía superior:

Posteriormente, el proceso se repite hasta terminar todas las comparaciones de los elementos del modelo(criterios, subcriterios y alternativas). Una de las ventajas del AHP es que no se exige transitividad cardinal en los juicios. Esto significa que permite cierta inconsistencia en el tomador de decisiones al emitirlos (Wedley, Schoner y Tang, 1993; Escobar y Moreno-Jiménez, 1997).

No obstante, el propio AHP ofrece un método para medir el grado de consistencia entre las opiniones pareadas que da el tomador de decisiones. Si el grado de consistencia es aceptable, puede continuarse con el proceso de decisión; pero, de lo contrario, el que toma las decisiones posiblemente tendrá que modificar sus juicios antes de continuar con el estudio.

Por otro lado, la consistencia tiene dos propiedades simultáneas. La primera sobre la transitividad de las preferencias, que indica que los juicios emitidos deben respetar las condiciones de transitividad originados al comparar más de dos elementos. Es decir: si w₁, es mejor que w₂, y w₂ es mejor w₃, entonces se espera que w₁ sea mejor que w₃.

La otra propiedad se refiere a la proporcionalidad de las preferencias. Es decir, juicios enteramente consistentes implican, además de la propiedad de transitividad, la proporcionalidad entre ellos. Esto significa que si w₁ es tres veces mejor que w₂, y wes dos veces mejor que w₃, entonces se espera que w₁ sea seis veces mejor que w₃. De acuerdo con lo indicado, podemos decir que una matriz (A)es consistente cuando las comparaciones a pares se basan en medidas exactas. Es decir, cuando los valores w_1…w_n, son conocidos y se obtiene a_ij=w_i/w_j.

En la práctica los juicios humanos tienden a ser imperfectos, erráticos y voluntariosos; por lo cual es muy difícil disponer de medidas exactas para los w_i, sobre todo en procesos de decisiones donde, en general, existe una gran cantidad de variables cualitativas. Para Saaty (1980) la consistencia de los juicios son como la verificación del resultado a=a_ija_ik para todo i,j, k de la matriz de comparaciones pareadas. Es decir, si los juicios del tomador de decisiones fueran exactos, se cumpliría la ecuación indicada, y la matriz de comparaciones (A) sería consistente.

Si recogemos las comparaciones pareadas entre alternativas en la matriz

decimos que el elemento a₁₂ representa la importancia entre la alternativa 1 y la 2.

Al hacer una analogía de los valores, y suponiendo que la alternativa 1 vale w₁ y la 2 vale w₂, se tendrá que: a₁₂=w₁/w₂. Si en la matriz (A) cada elemento a_ij es reemplazado por la relación w₁/w_2, se tendrá la siguiente matriz:

Si consideramos la línea i de la matriz de juicios: a_i1, a_i2,…a_ij,... a_in, y en el caso ideal, se multiplicaran los elementos de la línea por w₁, w_2…, w_n, tendríamos:

Si hacemos lo mismo con las decisiones o juicios reales, se obtendría un vector línea, cuyos elementos representarían una dispersión estadística del juicio dado sobre el valor w_i. Por lo tanto, se puede utilizar como estimativa de w_i el promedio de los valores, y queda como sigue:

Situación ideal: w_j=a_ij, w_j (para i, j=1, 2,..., n)

Situación de un caso real:

Según la teoría de matrices, dado que ∑λ_i=∑a_ii=n, y al considerar pérdida de consistencia de la matriz A, se genera una matriz A’, y se cumple para este caso que:

Si hay consistencia:

Si no hay consistencia:

Además, cuanto más parecido sea λmax al número de alternativas que se están analizando (n), más consistente será el juicio de valor elaborado.

El desvío de la consistencia viene representado por el índice de consistencia (IC).

Se considera que la consistencia del tomador de decisiones es aceptable cuando la RC es <10%. Este valor está sujeto a la dimensión de la matriz de comparaciones; es decir, del mismo número de elementos que se comparan para completar la matriz. Este número viene dado por: ><10%. Este valor está sujeto a la dimensión de la matriz de comparaciones; es decir, del mismo número de elementos que se comparan para completar la matriz. Este número viene dado por:

n= número de comparaciones: n es la dimensión de la matriz.

El AHP calcula la razón de consistencia como IC de (A) y el IC aleatorio o (IA), teniendo que la relación de consistencia (RC):

El IA (Cuadro 3) es el índice de consistencia aleatoria de la matriz A; en tanto que -el índice de consistencia de una matriz de comparaciones pareadas es cuando las comparaciones por pares se generan al azar. Incluso es posible generar aleatoriamente  matrices del tipo A estrictamente recíprocas y de diferentes tamaños. Este se denomina índice de consistencia aleatoria (ICA) o índice randómico (IR).

4. El AHP como instrumento para la medición de la competitividad regional: el caso de los municipios mineros de Castilla y León, España

En el presente análisis se han adoptado los criterios señalados en el Cuadro 5.

Una vez identificado el perfil de los municipios analizados (descritos en el Cuadro 4), en el Cuadro 6 se muestra la evolución de cada uno de los municipios de acuerdo con los seis criterios considerados en el Cuadro 5, y la comparación paritaria entre los criterios considerados.

Los resultados derivados del Cuadro 7 señalan que el municipio con una mejor posición competitiva es Bembibre, debido a que es el que mejor cumple con los criterios considerados en el Cuadro 5: obtuvo una prioridad de 0,147 o 14,7%. El segundo puesto lo ocupa el municipio de Triollo, con una prioridad de 0,144 o 14,4%. Finalmente, el peor posicionado fue el municipio de Boñar. El estudio aquí mostrado permite validar que los métodos de decisión multicriterio(AHP) son una herramienta de gran utilidad para hacer frente a las implicaciones derivadas del actual entorno de competitividad creciente.

]]>

Una vez obtenido el vector resultante de las comparaciones paritarias entre los criterios, el Cuadro 7 muestra: (i) las comparaciones paritarias entre los diez municipios (vector) y (ii) el ranking de los municipios para cada uno de los criterios analizados.

Para realizar comparaciones relativas entre espacios equivalentes, como son los municipios de Castilla y León, el método AHP nos ha permitido ordenar los municipios del mejor al peor, considerando simultáneamente la relación de criterio descritos en el Cuadro 5. El resultado obtenido en el Cuadro 7 muestra una ordenación por niveles de desarrollo socioeconómico municipal. Gracias al ranking de municipios así construido, es posible observar, de forma comparada, la posición relativa de cada municipio con respecto a una posición media. En virtud de lo anterior, es posible identificar que Bembibre es el municipio mejor posicionado, y Boñar, el peor.

Conclusiones

En un entorno de competitividad creciente es fundamental el empleo de métodos que ayuden a decidir sobre elecciones concretas. La búsqueda de la eficiencia y la productividad de las empresas y los sectores industriales, pero también de las regiones y las localidades, están contribuyendo a la búsqueda de metodologías de apoyo en la toma de decisiones en escenarios donde intervienen múltiples variables o criterios de selección.

Desde tiempos remotos ha sido una constante el interés por buscar alternativas que ayuden a decidir y, con base en ello, implementar modelos que ofrezcan alternativas para el fomento de la competitividad. Para el pre-sente trabajo, el método AHP muestra fuertes potencialidades en el interés de identificar y de priorizar los problemas y las subsecuentes acciones que derivarán, como lo puede ser en los procesos de diseño, implementación, validación, control y evaluación a los que se enfrentan cotidianamente las empresas, los sectores industriales y las regiones en el actual entorno regido por la globalización de la economía.

El método AHP se caracteriza por su flexibilidad, la cual facilita el entendimiento de la situación de los problemas. Esto permite llevar a cabo un proceso ordenado y gráfico de las etapas requeridas en la toma de decisiones. Asimismo, el AHP permite analizar por separado la contribución de cada componente del modelo respecto al objetivo general. Por contrapartida, la limitación que plantea el uso del AHP es el número de elementos que pueden compararse simultáneamente –número de Miller (7±2)–. Es posible eliminar esta restricción si se hace una separación del total de alternativas en grupos de elementos con un cardinal menor que el número de Miller.

Lista de referencias

1. Argyris, C. (1976). Single-loop and double-loop models in research on decision making. Administrative Science Quarterly, 21 (3), 363-375.         [ Links ]

2. Ávila Mogollón, R. M. (1996). Proyecto regional. Santiago, Chile, 2000. Información sobre tierras y aguas para un desarrollo agrícola sostenible. Santiago: Proyecto FAO. Clave GCP/RLA/126/JPN.         [ Links ]

3. Bertier, P. y Bouroche, J. M. (1981). Analyse des donnèes multidimensionelles. Paris: PUF.         [ Links ]

4. Berumen, S. A. (2005). An approach to local and regional competitiveness. Cuadernos de Administración (29), 13-32.         [ Links ]

5. Una aproximación a los indicadores de la competitividad local y factores de la producción. (2006). Cuadernos de Administración (31), 12-29.         [ Links ]

6. Bleeke, J. (1990). Strategic choices for newly opened markets. Harvard Business Review, septiembre-octubre, 26-39.         [ Links ]

7. Boletín Oficial del Estado (2002, 5 de enero). Orden de 17 de diciembre del Ministerio de Economía. BOE: Madrid.         [ Links ]

8. Crew, A. (2004). Trade´s paradigm under analysis. Johanesbourg: St. Andrew.         [ Links ]

9. De Vicente, M. A. (1999). Ayuda multicriterio a la decisión: problemática de los criterios en los métodos de sobreclasificación. Madrid: Dykinson.         [ Links ]

10. Manera Bassa, J. y Blanco, F. J. (2004). Análisis multivariante para las ciencias sociales. Madrid: Dykinson.         [ Links ]

11. Escobar, M. T. y Moreno-Jiménez, J. M. (1997). Problemas de gran tamaño en el proceso AHP: aplicación de método a un caso simplificado del Plan Nacional de Regadíos. Estudios de Economía Aplicada, 8, 25-40.         [ Links ]

12. Hammond, J. S., Keeney, R. L. y Raiffa, H. (2001). Decisiones inteligentes: guía práctica para tomar mejores decisiones. Barcelona: Gestión 2000.         [ Links ]

13. Harker, P. T. (1987). The incomplete pairwise comparisons in the analytic hierarchy process. Mathematical Modelling, 9, 837-848.         [ Links ]

14. Kahl, A. (1970). Management decision models and computers. Management Science, 17 (4), B269-B281.         [ Links ]

15. Kahneman, D. and Tversky, A. (1979). Prospect theory: An analysis of decisions under risk. Econometrica, 4, 263-291.         [ Links ]

16. Keeney, R. R. (1992). Value-focused thinking: A Path to creative decision making. Cambridge, Mass.: Harvard University Press.         [ Links ]

17. Lage-Filho, L. (2004). Venezuela: Iniciativa para la Integración de la Infraestructura Regional Suramericana (IIRSA). Caracas: Selección de Municipios para Desarrollo Local (SMDL).         [ Links ]

18. Darling, A. (2004). Establishing priorities for the preservation of historic cities. Washington: Inter-American Development Bank (IADB).         [ Links ]

19. Langley, A. (1989). In search of rationality: The purposes behind the use of formal analysis in organizations. Administrative Science Quarterly, 34(4), 598-631.         [ Links ]

20. Miller, A. (1956). The magical number seven plus or minus two: Some limits on our capacity for processing information. The Psychological Review (63), 81-97.         [ Links ]

21. The rethoric of decision making science, of Herbert A. Simon says. (1989). Science, Technology & Human Values, 14 (1), 43-46.         [ Links ]

22. Ministerio de Administraciones Públicas de España (2007). Inventario de operaciones estadísticas (IOE). Madrid: autor.         [ Links ]

23. Ministerio de Industria de España (2006). Plan 1998-2005 de la Minería del Carbón y Desarrollo Alternativo de las Comarcas Mineras. Madrid: autor.         [ Links ]

24. Moreno-Jiménez, O.(2003). Los métodos estadísticos en el nuevo método científico. En J. M. Casas y A. Pulido, Información económica y técnicas de análisis en el siglo XXI (pp. 331348). Madrid: INE.         [ Links ]

25. Murphy, C. K. (1993). Limits on the analytic hierarchy process from its consistency index. European Journal of Operational Research (65), 138-139.         [ Links ]

26. Nelson, R. and Winter, S. G. (1977). In search of a useful theory of innovation. Research Policy, 6 (1), 36-76.         [ Links ]

27. An evolutionary theory of economic change. (1982). Cambridge, Mass.: Harvard University Press.         [ Links ]

28. Ross, D. (2007). Economic theory and cognitive science. Boston: MIT Press.         [ Links ]

29. Roy, B. (1968). Classement et choix en présence de points de vue multiples: la méthode Electre. Revue Francaise d’Informatique et de Recherche Operationnelle, 8, 57-75.         [ Links ]

30. Problems and methods with multiple objective functions. (1971). Mathematical Programming, 1, 239-266.         [ Links ]

31. Critères multiples et modélisation des préférences: l’apport des relations de surclassement. (1974). Revue d’Économie Politique, 1, 1-44.         [ Links ]

32. Bertier, P. (1973). La méthode Electre II: une application au media planning. In M. Ross(ed.), Operational research 72 (pp. 291-302). New York: North Holland Publishing Co.         [ Links ]

33. Saaty, T. L. (1980). Multicriteria decision making: The analytic hierarchy process. New York: McGraw Hill.         [ Links ]

34. Axiomatic foundation of the analytic hierarchy process. (1986). Management Science, 32 (7), 841-855.         [ Links ]

35. Roy, B. (1990). How to make a decision. European Journal of Operational Research (48), 9-26.         [ Links ]

36. Fundamentals of decision making and priority theory with the analytic hierarchy process. (1994a). Pittsburgh: RWS Publications.         [ Links ]

37. How to make a decision: the analytic hierrarchy process. (1994b). Interfaces, 24 (6), 19-43.         [ Links ]

38. Homogeinity and clustering in AHP ensures the validity of the scale. (1994c). European Journal of Operational Research, 72, 598-601.         [ Links ]

39. Simon, H. A. [1947] (2000). Administrative behaviour. A study of decision making processes in administrative organizations. New York: Free Press.         [ Links ]

40. A Behavioral model of rational choice. (1955). Quarterly Journal of Economics, 69, 99-118.         [ Links ]

41. On how to decide what to do. (1978). The Bell Journal of Economics, 9 (2), 494-507.         [ Links ]

42. Reason in human affairs. (1983). Stanford: Stanford University Press.         [ Links ]

43. Darwinism, altruism and economics. (2005). In K. Dopfer (ed.), The evolutionary foundations of economics. Cambridge: Cambridge University Press.         [ Links ]

44. Thaler, R. (1986). The psychology and economics conference handbook: Comments on Simon, on Einhorn and Hogarth, and on Tversky and Kahneman. The Journal of Business, 59 (4), S279-S284.         [ Links ]

45. Tidd, J., Bessant, J. and Pavitt, K.(2001). Managing innovation: Integrating technological, market  and organizational change. Chichester: John Wiley.        [ Links ]

46. WEB-Hipre (s. f.). Global decision support. Recuperado de: http://www.hipre.hut.fi        [ Links ]

47. Wedley, W. C., Schoner, B. and Tang, T. S. (1993). Starting rules for incomplete comparisons in the analytic hierarchy process. Mathematical and Computer Modelling, 17 (4-5), 93-100.         [ Links ] ]]> 1 1976 21 3 3 363-375 2 1996 3 1981 4 2005 29 29 13-32 5 2006 31 31 12-29 6 1990 26-39 7 ^dBoletín Oficial del Estad 2002 8 2004 9 1999 10 2004 11 1997 8 25-40 12 2001 13 1987 9 837-848 14 1970 17 4 4 B269-B281 15 1979 4 263-291 16 1992 17 2004 18 2004 19 1989 34 4 4 598-631 20 1956 63 63 81-97 21 1989 14 1 1 43-46 22 Ministerio de Administraciones Públicas de España 2007 23 Ministerio de Industria de España 2006 24 2003 331-348 25 1993 65 65 138-139 26 1977 6 1 1 36-76 27 1982 28 2007 29 1968 8 57-75 30 1971 1 239-266 31 1974 1 1-44 32 1973 291-302 33 1980 34 1986 32 7 7 841-855 35 1990 48 48 9-26 36 1994 37 1994 24 6 6 19-43 38 1994 72 598-601 39 2000 40 1955 69 99-118 41 1978 9 2 2 494-507 42 1983 43 2005 44 1986 59 4 4 S279-S284 45 2001 46 WEB-Hipre 47 1993 17 4-5 4-5 93-100