métodos cuantitativos en empresas

Métodos cuantitativos en empresas Análisis de comportamiento bajo riesgo una incertidumbre

MODELADO DE PROYECTO DE INVESTIGACIÓN ARRIESGA CON MAPAS RIZADOS

Constanta Nicoleta BODEA1 PhD, profesor universitario, departamento de informática económica, Universidad de economía, Bucarest, Rumania

Correo electrónico: [email protected]

Mariana Iuliana DASCALU2 Candidato de PhD, título de máster en gestión de proyectos, Universidad de economía, Bucarest, Rumania Correo electrónico: [email protected] Extracto: Los autores proponen un modelo de evaluación de riesgos para proyectos de

investigación. El modelo está basado en la inferencia rizada. La base de conocimiento para el

proceso rizado se construye con un mapa causal y cognoscitivo de riesgos. El mapa sobre todo

se desarrolló para proyectos de investigación, considerados su lifecycle típico. El modelo se

aplicó a un proyecto de investigación de pruebas electrónicas: la probabilidad de no obtener

resultados de calidad se calculó considerando la suma de sobrepresupuesto y el nivel de

calidad de la idea de investigación. El riesgo calculado se sitúa en el nivel superior en el mapa

de riesgos. Un sistema del software para evaluar riesgos en el proyecto de investigación de

pruebas electrónicas también se desarrolló. La investigación fue financiada por el Ministerio de

Educación e Investigación, Consejo de investigación universitario Nacional, Subvención

PCE_ID_873.

Palabras claves: gestión del riesgo; proyecto de investigación; modelo; lógicas difusas; mapa de riesgos

1. Introducción

La identificación, prioritizing y el trato de riesgos representan actividades de la

dirección comunes. Mucho tiempo, los riesgos de riesgo, así como financiero se han

activamente manejado. Pero, la variedad, el número y las interacciones entre riesgos aumentan

continuamente. Los riesgos operacionales y estratégicos han aumentado debido al fracaso de

los mecanismos de control en un ambiente comercial muy dinámico. En estas circunstancias,

las organizaciones admiten la importancia de manejar todos riesgos, tanto el estándar como los

nuevos riesgos. Organizaciones diferentes, como: tasando agencias, las bolsas, los inversores

institucionales, los accionistas y el gobierno corporativo indujeron una presión externa en la

dirección de la compañía para manejar riesgos sistemáticamente y exhaustivamente. Una

solución es adoptar el enfoque de la carpeta, la dirección de la compañía que considera el

riesgo de la carpeta

17


como el riesgo para la organización entera. Los riesgos se manejan considerando las

implicaciones para la compañía entera, en un enfoque holístico. Hay una tendencia creciente de cuantificar riesgos. El requisito del riesgo permite que

gerentes se desarrollen "y si" los guiones y hagan decisiones racionales. Los avances en

tecnología y maestría han hecho el requisito posible. A pesar de verdaderos avances, allí

siempre permanecerá riesgos que no son fácilmente cuantificables, como los relacionados con

la intervención humana y más nuevo. Hay un esfuerzo persistente de cuantificar los riesgos de

la carpeta, basados en los riesgos individuales y el requisito de interacciones. Esto puede ser

muy difícil si se requiere un alto grado de precisión. Pero, esto no es por lo general el caso. Con el tiempo y con la práctica, las compañías se hacen más familiares con y más

capaz de manejar riesgos, y hasta buscar oportunidades de asumir riesgos. Las compañías

entendieron que la toma de riesgos informada es un medio para la ventaja competitiva.

2. Dirección de proyectos de investigación

La dirección del proyecto de investigación está llena de incertidumbre y complejidad.

La investigación tiene elementos de creatividad e innovación y la predicción exacta del

resultado de investigación es por lo tanto muy difícil. Es el gerente del proyecto de

investigación trabajo de manejar tanto las complejidades que provienen de la cultura (s) del

trabajo de investigadores/investigación como las incertidumbres asociadas con la generación

de resultados de investigación [4] 3

.

Los gerentes del proyecto de investigación deberían hacer la declaración siguiente a

los miembros del equipo de proyecto: “Si no tiene varios fracasos, no hace un trabajo bueno”

[7]. Los investigadores que actúan seguro con mayor probabilidad producirán a conservador y

resultados esperados. A fin de obtener resultados innovadores, los investigadores deberían

tener un comportamiento de la toma de riesgos, aumentando la probabilidad de fracaso. Este

comportamiento debería ser una característica en el sistema de investigación, hasta al nivel

individual, se espera que el investigador procurará evitar el fracaso. En la mayoría de proyectos

de investigación, el objetivo de gestión de proyectos también es evitar tales fracasos. Es un

conflicto aparente entre la necesidad de la previsibilidad de la salida de proyecto, "a tiempo" y

“en el presupuesto” y la imprevisibilidad de resultado de investigación y nuevas oportunidades

de investigación que se levantan en el curso del proyecto. Por lo general, la calidad de salida

puede mejorar si las desviaciones del plan se permiten. Los investigadores preguntan a un nivel grande de autonomía con su trabajo y

democracia en la toma de decisiones. Cooperan en un proyecto de investigación, pero, en el

mismo tiempo, compiten fuertemente cada uno otros para obtener el crédito de los resultados

generados en el proyecto, como: autoría de contribuciones de la conferencia o artículos,

patentes. Este concurso puede conducir para entrar en conflicto entre los objetivos conjuntos

de la cooperación y los objetivos individuales de los investigadores. Además, la relación entre el gerente del proyecto de investigación y los participantes

de proyecto es caracterizada por una distribución asimétrica del conocimiento donde los

investigadores individuales saben mucho más sobre el potencial – negativo y positivo – de sus

contribuciones de investigación que el director de proyecto hace ([4]).

3. Métodos de modelado de riesgos

Según la manera en la cual los cálculos se realizan, allí son analíticos y métodos de

simulación para el modelado del riesgo. Los métodos analíticos requieren un conjunto de

suposiciones, sobre todo relacionado con las distribuciones de probabilidad. Los métodos de

simulación


requiera que un gran número de "juicios" se acerque una respuesta. Son relativamente

robustos y flexibles, pueden acomodar relaciones complejas y depender menos de la

simplificación de asunciones y distribuciones de probabilidad estandarizadas. Al considerar la

manera en la cual las relaciones entre variables se representan, hay métodos estadísticos y

estructurales. Los métodos estadísticos están basados en calidades estadísticas observadas

de variables arbitrarias sin hacer caso de relaciones de la causa/efecto mientras los métodos

estructurales están basados en relaciones de la causa/efecto explícitas. La figura 1 presenta la

utilización desarrollada de los modelos del riesgo más importante de esto métodos, con sus

ventajas.

Técnica de cálculo

Analítico Simulación Representación (fórmula en forma de cerrada (las soluciones se derivaron de del soluciones) repetido "dibuja" del relaciones distribución)

Estadístico Modelos estadísticos y analíticos

(basado en observado estadístico (la velocidad, réplica fácil, usa

calidades sin hacer caso de de datos disponibles)

causa/efecto) Ejemplo: RBC

Estructural Modelos de simulación

estructurales (basado en causa/efecto especificada (flexibilidad; complejo encadenamientos; las calidades estadísticas son relaciones, incorporación de salidas, no entradas) procesos de decisión, guión

examen de conductores) Ejemplo: DFA

La figura 1. Las clases del modelo del riesgo (fuente: [2])

Los métodos solían modelar los riesgos por lo general se personalizan según los

riesgos específicos que ocurrieron en la compañía. Hay una amplia variedad de métodos que

se pueden aplicar a riesgos modelos. Según el grado al cual confían en datos históricos o

experto introduce ([2]), mienten en una serie continua de la información de la fuente (la figura

2).

Análisis de datos Modelado

Entrada experta

Empírico Estocástico Sistema Influencia Evaluación directa evaluación de Diferencial Dinámica diagramas

datos históricos Ecuaciones simulación

(SDEs)

Parámetros adecuados

De los nervios Bayesian

Preferencia

de redes Creencia entre

teórico Redes apuestas o

distribución loterías

Extremo Regresión Rizado Delphi

Valor lógica método

Teoría variables

esto afectar

riesgo

La figura 2. La serie continua de métodos para modelado del riesgo

19


Aunque haya numerosas técnicas para el modelado del riesgo, cada vez más los

expertos tienen miedo de usarlos para hacer valoraciones del riesgo precisas. Las

representaciones rizadas son una solución de obtener evaluaciones de riesgos realistas en la

dirección de proyectos [3], dentro de ciertos límites. Abordation rizado para el modelado del

riesgo se puede mejorar considerando riesgos causales y cognoscitivos que trazan un mapa

[1], que son diagramas que reflejan relaciones del efecto de la causa dentro de proyectos. 4. Modelo rizado para Evaluación del Riesgo en Proyectos de investigación

El modelo rizado propuesto trae una contribución sólida a la gestión del riesgo

adaptando técnicas existentes en la evaluación de riesgos a proyectos de investigación. El

modelo tiene dos etapas importantes: identificación del riesgo de una base de datos experta,

usando mapas del riesgo y construyendo componentes modelos para inferencia rizada. El

modelo permite el requisito del riesgo sabiendo los valores crujientes de fuentes del riesgo.

Gracias a mecanismos de lógicas difusas, el resultado tiene un valor de la valoración más alto.

4.1. Identificación de riesgos usando Mapas Causales y Cognoscitivos

Un acercamiento común en la identificación de riesgos de proyecto considera la fuente

de riesgos: dirección, coste, tecnología, producción, ambiente u horario. El modelo rizado

considera riesgos no sólo en la correlación con su fuente, pero en la correlación con el proyecto

lifecycle, también [1]. “Mientras es vano tratar de eliminar el riesgo, y cuestionable para tratar

de minimizarlo, es esencial que los riesgos tomados ser los riesgos correctos.” [5]

Esto si conocido que los proyectos de investigación son muy arriesgados: en el

proyecto de investigación, el valor agregado debería ser el más alto posible y se debería

obtener tan pronto como sea posible. [8] Para mejores riesgos gerentes, es útil crear un mapa

causal y cognoscitivo de riesgos, basados en la experiencia de expertos [1]. Este mapa

describe la propagación de riesgos en todas partes del proyecto. Los riesgos ocurrieron en

cierto momento del proyecto lifecycle (ver Fig. 3) creará otros riesgos en los momentos

siguientes. Los riesgos se sienten durante todas las fases de un proyecto de investigación: la

conceptualización de la idea, desarrollo de la oferta de proyecto, fuente de financiación del

proyecto, proyecta la iniciación, la ejecución de proyecto y cerrarse de proyecto.

La figura 3. Proyecto de investigación Lifecycle


Comenzar del proyecto de investigación lifecycle (Higo 4), después de riesgos se identifica:

• riesgos ambientales: indiferencia en el mercado, situación económica precaria,

legislación desfavorable;

• riesgos de la dirección: la valoración de duración poco realista, capacidades de la

negociación pobres, planificación pobre, objetivos confusos, comunicación pobre,

control pobre, entendió mal la visión total, detrás - riesgo del horario, aceptación de una

idea pobre, pérdida de una idea buena;

• riesgos financieros: valoración de presupuesto poco realista, riesgo de sobrepresupuesto;

• producción & tecnología: capacidades de la innovación pobres, carencia de

colaboradores con experiencia, implicaciones multidisciplinarias, carencia de

resultados de calidad, calidad introducida baja de la idea;

La figura 4. Mapa de Propagación de riesgos en Proyectos de investigación

Después de crear el mapa de propagación de riesgos, también es útil crear un registro

de riesgos o un tronco de riesgos, en el cual cada riesgo identificado del mapa debería tener un

código, un nombre, una descripción y una fuente (tipo). Un fragmento de tal registro se muestra

en la Tabla 1. Los riesgos identificados son la base de conocimiento para crear las reglas

modelas rizadas.

La tabla 1. Fragmento de Registro de Riesgos en Proyectos de investigación

Riesgo Nombre del riesgo Descripción del riesgo Tipo del riesgo Código

RSK01 Calidad introducida baja del La idea aceptada no puede ser correctamente Producción &

idea desarrollado. Tecnología RSK02 Riesgo de sobrepresupuesto El proyecto está atrasado y Financiero

el presupuesto suplementario es

necesario para el acabamiento la investigación.

21


4.2. Componentes modelos para Inferencia Rizada

El modelo propuesto para la evaluación del riesgo en proyectos de investigación tiene

los componentes típicos de un modelo [9] rizado: variables de la entrada, salida reglas

variables, rizadas. Las reglas usadas en el modelado de riesgos rizado se basan en los dos

conceptos famosos de la dirección de riesgos (probabilidad de riesgo occurance e impacto de

él en el desarrollo de proyecto) y en causas primarias de riesgos, se identificaron en el mapa

de riesgos. El modelo se puede generalmente declarar como: „Más sobrepresupuesto es y la

calidad más introducida de la idea de investigación, más abajo el nivel del riesgo encontró en el

proyecto de investigación.” El riesgo situado al nivel superior del mapa era el único considerado

declarando el modelo, debido al principio de transitividad en la cadena de propagación del

riesgo. De hecho, el modelo consiste en un conjunto de reglas usado en la definición de riesgos

de proyecto, que se incorporan a “La carencia del riesgo” de resultados de calidad. El modelo

se puede aplicar para calcular el valor de cualquier riesgo representado en el mapa de riesgos,

usando valores numéricos de sus factores. Una situación interesante, específica para

proyectos de investigación, es el hecho que la presencia de un riesgo interior

(sobrepresupuesto) disminuye el riesgo total de tener resultados de calidad mala.

Los modelos por lo general rizados se usan en la toma de decisiones y ofrecen dos

tipos de respuestas: el riesgo se puede o aceptar o rechazó [6]. El modelo propuesto ofrece

sólo un valor cuantitativo del riesgo, porque la decisión de aceptar el riesgo es tomada por el

agente humano: director de proyecto, gerente de riesgos o cualquier otro accionista. Para

concluir, la salida del modelo desarrollado no es una forma de decisión, pero un parámetro

importante para tomar una decisión apropiada. Los componentes modelos se describen

adelante, usando la formalización rizada [9].

4.2.1. Variables de la entrada

El modelo tiene dos formas de variables de la entrada: funciones de la entrada y

constantes de la entrada. Las funciones de la entrada tienen la forma de: P (Rsk) = probabily de Rsk occurance I

(Rsk) = impacto de Rsk en el proyecto de

investigación donde Rsk = consideró el

código del riesgo

Se describen en la Tabla 2, según conceptos de lógicas difusas.

La tabla 2. Descripción de Variables de la entrada en Modelo de Análisis del Riesgo

Variable rizada Universo de Grados lingüísticos Nombre Discurso

P (Rsk) [0,100] % VL (muy bajo), L (bajo), M (de medio), H (alto), VH (muy

alto) Yo (Rsk) [0, 50] VL (muy bajo), L (ow), M (de medio), H (alto), VH (muy

alto)

Las constantes de la entrada tienen la forma de: RskCause1 = causan 1 de Rsk

occurance RskCause2 = causan 2 de

Rsk occurance donde Rsk = consideró

el código del riesgo

Se describen en la misma manera que la entrada funciona, la única diferencia que es

el universo definido de discource: es específico para cada causa identificada.

22


4.2.2. Variables de la salida

La variable de la salida es el valor para un riesgo identificado y se nota como:

V (Rsk) = valor cuantitativo de Rsk, donde Rsk = consideró el código del riesgo

Se describe en la Tabla 3 y gráficamente se representa en Fig. 5. De hecho, ambas

variables de la entrada y salida pueden ser gráficamente representadas por conjuntos difusos:

en el eje del Buey el valor de la variable rizada se representa y en el eje de Oy el valor de μ (la

función de la pertenencia a a

el conjunto difuso) se representa. Los "triángulos" son conjuntos difusos.

La tabla 3. Descripción de Variables de la salida en Modelo de Análisis del Riesgo

Variable rizada Universo de Grados lingüísticos Nombre Discurso

V (Rsk) [0, 10] VL (muy bajo), L (ow), M (de medio), H (alto), VH (muy alto)

La figura 5. Representación de Conjuntos difusos para Valor del Riesgo en Proyectos de investigación

4.2.3. Reglas modelas

El modelo de evaluación del riesgo consiste en un juego de reglas predefinidas para

establecer el valor de riesgos en proyectos de investigación. Estas reglas de la inferencia se

mencionan en la Tabla 4. El conector usado para ligar condiciones en reglas es "y". Además de

los valores lingüísticos de variables modelas (VL, L, M, H y VH), algunos restrictors se usan:

• "algo" = 3 μ

• "muy" = μ2 donde μ es la función que muestra si un valor numérico pertenece a un conjunto difuso y tiene

valores entre 0 y 1 (un mayor valor muestra un ingreso más fuerte).

La tabla 4. Reglas de la inferencia para Riesgo de Análisis "Rsk" en Proyectos de investigación P (Rsk) / VL L M H VH Yo (Rsk)

VL VL algo VL L algo M muy H

L L L L H VH

M M M M H VH

H H H H muy H VH

VH VH VH VH H muy VH


Un ejemplo de una regla es (R1): (R1): si P (Rsk) es H y (Rsk) soy VH entonces Rsk es VH

El interpretion del artículo (R1) es: Si el riesgo Rsk tiene una alta probabilidad de occurance y el impacto de este riesgo

es muy alto, entonces su valor también es muy alto. (Ver los valores subrayados de la Tabla 4)

5. Aplicación del Modelo Rizado para Evaluar Riesgos

en un Proyecto de investigación de pruebas

electrónicas

El modelo rizado para la evaluación de riesgos se valida aplicándolo a un verdadero

proyecto de investigación. El proyecto tiene el objetivo principal de estudiar métodos de

pruebas electrónicas en ambientes de aprendizaje electrónico y de descubrimiento y

mejoramiento de aquellos que tiene la aplicabilidad en la gestión de proyectos. Entre objetivos

de investigación, hay: educación en una sociedad globalizada, aprendizaje electrónico en

presentes, instrumentos para poner en práctica sistemas de aprendizaje electrónico, definiendo

el lugar de pruebas electrónicas en plataformas de aprendizaje electrónico, desarrollo de un

modelo de pruebas electrónicas conveniente para evaluación de conocimiento en campo de

gestión de proyectos. Siendo un proyecto de investigación, la calidad de los resultados finales

depende de la calidad de la idea de investigación y en coacciones de presupuesto (ver los

elementos destacados de la Figura 4). El riesgo de tener una idea de calidad mala ha atado

varios puntos (de 0 a 10), reflejando el nivel de la innovación y aplicabilidad de la idea. El

riesgo de tener una idea de calidad baja como el punto de partida del proyecto depende del

riesgo de aceptar esa idea. El riesgo de sobrepresupuesto es un riesgo famoso en proyectos,

pero en proyectos de investigación puede el valor agregado a resultados científicos, así

realzando el nivel de satisfacción de los accionistas.

5.1. Formalización de Modelo de Evaluación del Riesgo para Proyecto de investigación de pruebas electrónicas

A fin de calcular la probabilidad de “La carencia del riesgo” de resultados de calidad

(notado “P (Rsk)”), la calidad introducida baja de la idea se refleja en variable “LowQAIdea” y

suma de sobrepresupuesto en la variable "de Sobrepresupuesto". Ambas variables se definen

en la Tabla 5. Las reglas de la inferencia para mostrar el efecto de “LowQAIdea” y los cambios

"de Sobrepresupuesto" en el valor "de Rsk" se presentan en la Tabla 6.

La tabla 5. Variables rizadas para Calcular Riesgo en Proyecto de investigación de pruebas electrónicas

Variable rizada Variable Universo de discurso Grados lingüísticos

Nombre Escribir a máquina

OverBudget entrada [0,5] miles de Euros VL, L, M, H, VH LowQAIdea entrada [0,10] puntos VL, L, M, H, VH

P (Rsk) salida [0,100]% VL, L, M, H, VH

La tabla 6. Reglas de la inferencia para Calcular "P (Rsk)” en Proyecto de investigación de pruebas electrónicas OverBudget / MUY BAJO BAJO MEDIO ALTO MUY ALTO LowQAIdea

MUY BAJO algo algo

M M L VL muy VL BAJO H H L VL VL MEDIO VH H M L L ALTO VH VH H M M MUY ALTO VH VH VH M M

24


Las funciones de ingreso de variables de la entrada se ilustran en Fig. 6 y 7 y la que

para la variable de la salida en Fig. 8.

La figura 6. Funciones de ingreso para variable "de

Sobrepresupuesto" en Evaluación de Riesgo del

Proyecto de investigación

La figura 7. Funciones de ingreso por “Calidad introducida baja de la idea” variable en

Evaluación de Riesgo del Proyecto de investigación

La figura 8. Funciones de ingreso para Variable de la Salida Rizada en

Evaluación de Riesgo del Proyecto de

investigación


5.2. Pasos en Aplicación del Modelo de Evaluación del Riesgo en Proyecto de investigación de pruebas electrónicas

El modelo rizado transforma los valores de la entrada al valor de la salida, en cuatro

pasos. Con objetivos exemplification, dos valores numéricos se consideran como valores de la

entrada en el modelo de evaluación del riesgo de un proyecto de investigación de pruebas

electrónicas.

El paso 1: el Encarte valora por variables de la entrada

OverBudget = 2.7 (la investigación necesita una suma suplementaria de 2,7 miles de Euros para ser

terminado) LowQAIdea = 7 (el riesgo de tener una idea de calidad baja es 7/10, según expertos)

El paso 2: Clasifique valores de la entrada crujientes en el conjunto difuso conveniente: ganan

el sentido semántico. Según Fig. 6, la suma de sobrepresupuesto puede ser alta y

muy alta. Según Fig. 7, el riesgo de una idea pobre puede ser medio o alto. El paso 3: Establece el nivel de ingreso de cada valor de la entrada a un conjunto difuso; un

valor de la entrada puede pertenecer a un o dos conjuntos difusos, pero en una proporción

diferente, llamada “nivel de confianza”; este nivel de confianza es el valor de Oy del punto de la

intersección entre cosa única de la entrada y conjunto difuso. [9] el nivel de Confianza se

calcula usando la fórmula siguiente:

trustLevel x (A) = b. y + m (x • b. x) (F1) de donde a y b son dos puntos sucesivos un conjunto difuso, el m es la cuesta de la línea

determinada por estos dos puntos, A representa un conjunto difuso y x representa un valor de

la entrada;

Para LowQAIdea: trustLevel7 (M) = 0.5

trustLevel7 (H) = 0.33

Para OverBudget: trustLevel

2.7 (H) = 0.6 trustLevel 2.7 (VH) = 0.13

Las oraciones siguientes se consideran:

(S1) “Una idea de la calidad media es el punto de partida en el proyecto de

investigación de pruebas electrónicas.” (S2) “Una idea de la alta calidad es el punto de

partida en el proyecto de investigación de pruebas electrónicas.” (S3) “El

sobrepresupuesto usado en el proyecto de investigación de pruebas electrónicas es

alto.”

(S4) “El sobrepresupuesto usado en el proyecto de investigación de pruebas electrónicas es muy alto.”

Según susodichos niveles de confianza deliberados, (S1) tiene un valor del 50% de

la verdad, (S2) tiene el valor del 33% de la verdad, (S3) un valor del 60% de la verdad y (S4)

un valor del 13% de la verdad. Step4: Aplique reglas de inferencias, en 4 etapas. Los conjuntos difusos resultados son

"cortados" por una línea horizontal. Esta línea es determinada por mínimo de los niveles de

confianza. Las intersecciones entre conjuntos difusos y líneas se obtienen: esta intersección

tiene, por lo general, una forma de trapezoidal. Al final, el reencuentro de conjuntos difusos "de

reducción" se hace (ver Fig. 8)

Step5: Restrictors (muy, algo) se aplican, si es necesario. Step6: Dos métodos defuzzification se aplican al conjunto difuso final. Se deberían obtener

dos valores similares para el riesgo total en el proyecto de pruebas electrónicas. En el Centro de gravedad (COG) Defuzzification, el conjunto difuso final se

descompone en formas simples: triángulos, rectángulos y trapecios, como mostrado en Fig. 9.

Para calcular la probabilidad del acontecimiento del riesgo, la fórmula siguiente se usa:

26


P (Rsk)

DIENTE =

La fig. (i) de ∑center

areafig (i)

yo

(F2)

• areafig (i)

yo

donde el higo es el vector de formas,

centerfig (i) es el centro de gravedad de una cifra y areafig (el i)

es

el área de una cifra.

La figura 9. DIENTE Defuzzification en Modelo de Evaluación del Riesgo

Según el método del DIENTE, probablemente del riesgo “La carencia de

resultados de calidad” para los valores de la entrada considerados es:

P (Rsk)

DIENTE = 13.33*1.25 + 20*5 + 28.05*2.05 + 38.33*5.53 + 47.8*0.54 ⇒ 1.25 + 5 + 2.05 + 5.53 +0.54

P (Rsk)

DIENTE = 16.67 + 100 + 57.7 + 212 + 25.81 ⇒ 14.37

P (Rsk) DIENTE = el 28.68%

En el Medio de máximo (MOM) Defuzzification, la fórmula siguiente se usa:

P (Rsk) MAMÁ =

• locMaxix

locMaxiy

yo

(F3)

• locMaxiy

yo

donde locMaxy es el valor de Oy de un máximo local (ver Fig. 10), locMaxx es el valor del Buey

yo yo

de un punto máximo local y locMax es el vector de puntos máximos locales.

La figura 10. La MAMÁ DEFUZZIFICATION en Modelo de Evaluación del Riesgo


Según el método de la MAMÁ, probablemente del riesgo “La carencia de

resultados de calidad” para los valores de la entrada considerados es:

P (Rsk) MAMÁ = 0.5*15 +0.5*25

⇒ P (Rsk) MAMÁ = el

20% 0.5 +0.5

Los dos métodos defuzzification revelaron resultados similares (el 28,68% y el 20%):

el modelo aplicado se valida. La función de ingreso de la variable de la salida se analiza (ver

Fig. 8) y la conclusión consiste en que la “Carencia del riesgo” de resultados de calidad tiene

una probabilidad baja de occurance para un proyecto de investigación de pruebas electrónicas.

5.3. Software para Evaluación del Riesgo basada en Modelo Rizado

El modelo rizado para analizar el riesgo total en el proyecto de investigación de

pruebas electrónicas era usado para desarrollar un sistema rizado. Windows aplicación basada

se creó. El interfaz es intuitivo (ver Fig. 11): el usuario final tiene que insertar el valor del riesgo

"de sobrepresupuesto" y de “la calidad introducida baja de la idea” riesgo y obtendrá la

probabilidad del acontecimiento del riesgo total en el proyecto de investigación de pruebas

electrónicas. La figura 11. Producto de software para Modelo de Evaluación del Riesgo en Proyecto de investigación de pruebas electrónicas

El algoritmo usado para crear el software refleja completamente los pasos descritos

en el periódico corriente. Tres clases específicas son usadas para poner en práctica el

algoritmo (ver Fig. 12):

• FuzzySystem: contiene las reglas de la inferencia;

• FuzzySet: contiene métodos defuzzification, unión, intersección, restrictor

funciones;

• FuzzyPoint: elementos de conjuntos difusos; La clase de FuzzySystem se tiene que cambiar, a fin de crear otros sistemas rizados.


La figura 12. Diagrama de la clase para Sistema de Evaluación del Riesgo Rizado

6. Conclusiones

El modelo propuesto ofrece un instrumento fácil de usar para la evaluación del riesgo

en proyectos de investigación. El modelo está en la inferencia rizada. La base de conocimiento

usada por reglas rizadas se basa en mapas causales y cognoscitivos de riesgos. Aunque los

proyectos de investigación se conozcan por su alto nivel del riesgo, muy pocos sistemas del

riesgo dedicados se desarrollaron sobre todo para ellos. Por lo tanto, el modelo rizado para la

evaluación del riesgo en proyectos de investigación es un instrumento innovador que puede ser

usado para pronosticar el fracaso de proyecto: los accionistas pueden ahorrar el dinero, tiempo,

esfuerzo, sin dejar la calidad de predicciones. El modelo era usado para desarrollar un sistema

del software para evaluar el riesgo en un proyecto de investigación de pruebas electrónicas,

por tanto su aplicabilidad se validó. El sistema se puede desarrollar adelante para evaluar

todos riesgos del mapa, no sólo el que del nivel superior, como hace ahora.

Referencias 1. Al-Shehab, A. J., Hughes, R. T. y Winstanley, G. Modelado de riesgos en ES/ESTO proyectos a

través de Correlación causal y Cognoscitiva, El Diario Electrónico de Evaluación de Sistemas de

información, Brighton, el Reino Unido, volumen 8, 2005, pps 1-10 2. Chen, J.-H. y Chen, S.-M. Un nuevo método para clasificar números rizados generalizados para

Manejando problemas de Análisis del Riesgo Rizados, Conferencia Conjunta sobre

Medidas de Ciencias de información, 2006 3. Ernø-Kjølhede, E. Teoría de gestión de proyectos y la dirección de proyectos de investigación,

Política y Filosofía Escuela de negocios de Copenhague, enero de 2000 4. Hodge, B. Desarrollando Proyectos de la Gestión del riesgo, universidad de Waterloo, 2004

(http://www.cs.uwaterloo.ca/~apidduck/CS480/Lectures/RiskMgmt.pdf) 5. Hussain, O. K., Chang, E., Hussain, F. K. y Dillon, T. S. Aproach rizado para arriesgar basado

Toma de decisiones, Notas de la Conferencia en Ciencias informáticas, Springer

Berlín/Heidelberg, volumen 4278, 2006, pps 1765-1775


6. Jain, R. K. y Triandis, H. C. Dirección de organizaciones de investigación y desarrollo. Manejando el Rebelde, John Wiley & Sons Inc., Nueva York, 1997

7. Lin, Y., Poschen, M., Procter, R., Voss, A., Goble, C., Bhagat, J., De Roure, D., Cruickshank, D. y Rouncefield, M de dirección Ágil: Estrategias de Desarrollar un Sitio Conectado a una red

Social para Científicos, universidad de Southampton - Escuela de Electrónica y Ciencias

informáticas, ECS EPrints, 2008 8. Teodorescu, H. N., Zbancioc, M. y Voroneanu, O. Conocimiento sistemas basados. Aplicaciones,

Performantica, Iassy, 2004 9. * * * descripción de gestión del riesgo de la empresa, baja sociedad actuarial, riesgo de la empresa

Comité de gestión, mayo de 2003

métodos cuantitativos en empresas

Documents