Académique Documents
Professionnel Documents
Culture Documents
de capacitacin dentro de la
organizacin con lgica difusa
Fernando vila Carren*
Evaristo Galeana Figueroa**
Dora Aguilasocho Montoya***
Resumen
En este trabajo se presenta un anlisis
que proporciona una mejor toma de decisiones en un entorno de incertidumbre,
dentro de la organizacin en el rea de
gestin de los recursos humanos (rrhh).
En este proceso se busca minimizar l a
incertidumbre mediante el uso de criterios cuantitativos y cualitativos. Haciendo
uso de fuzzy logic se toma como criterio
de clculo el uso de las distancias de
Hamming y Euclidiana promoviendo una
toma de decisiones ms eficiente y eficaz,
lo que llevar a las empresas a una posicin
competitiva al contar con capital intelectual
sobresaliente.
Abstract
This paper presents an analysis that provides better decision making in an uncertain
environment, within the organizaci6n in
management area of human resources (hr).
This process seeks to minimize uncertainty
using quantitative and qualitative criteria.
Using fuzzy logic is taken as criteria for
calculating Hammings and Euclideans
distances promoting decision-making more
efficient and effective, leading companies to
a competitive position to have intellectual
capital outstanding.
Palabras clave: planeacin, seleccin de personal, lgica difusa, parmetro adecuado, distancia,
organizacin competitiva.
Keywords: planning, staff training, fuzzy logic, appropriate parameter, distance, competitive organization.
27
Introduccin
La bsqueda de ventajas competitivas por parte de las empresas que participan
en mercados globales altamente turbulentos, unido a una mejora de la educacin
y formacin del factor humano (capital humano), ha forzado a los gestores de
las empresas a tener en cuenta la gestin de recursos humanos en sus decisiones
estratgicas. Esta sera la corriente soft de los rrhh (Claver, Gasc y Llopis, 1995)
en contraposicin con la denominada hard, que defiende el logro de resultados:
incremento de la productividad, reduccin de costes, etctera.
Las organizaciones necesitan transformar la gestin de los recursos humanos,
adoptndola como factor clave de xito que permita abordar el correspondiente
cambio corporativo, pues cumplen un papel vital en la conduccin de la direccin estratgica de la empresa. Es necesario, por tanto, identificar y desarrollar
los papeles de los recursos humanos, responsabilidades y competencias para
adaptar la cultura y estructura de la organizacin.
De ah que la planeacin de los recursos humanos derive en una parte esencial
del proceso. La relevancia del capital intelectual en las empresas cada da cobra
mayor importancia porque es un elemento trascendente para los pueblos y las
empresas (Gonzlez, 2004). En el caso de la seleccin de los recursos humanos,
sta se realiza bajo los criterios existentes de las teoras de la certeza y el azar.
Los argumentos previos establecen que toda empresa, para alcanzar eficientemente el logro de sus objetivos, necesita entrar en proceso de planeacin de
actividades para tomar buenas decisiones, en el marco de una actuacin adecuada lograr sus objetivos y posicionarse como una administracin competitiva.
Actualmente, en el mundo cambiante en el que se desarrollan las empresas esto
lleva consigo la necesidad de realizar un planeacin de alto impacto en la empresa, por todos los cambios de tecnologa, competencia, la sociedad y la economa,
principalmente.
Milkovich y Bogreu (1998) comentan que la planeacin de los recursos humanos consiste en la recopilacin y uso de la informacin que lleven al apoyo de las
decisiones sobre la inversin de recursos humanos.
La planeacin del personal es un proceso de decisin respecto de los recursos
humanos necesarios para conseguir los objetivos organizacionales en un periodo
determinado, afirman Caballero Merinno, Gento y Redondo (2005). Es decir,
se prepara al personal para satisfacer las demandas futuras de la compaa. La
importancia de preparar al personal de la organizacin en lo que se refiere a can28
Mercados y Negocios
29
Mercados y Negocios
una tripleta, siempre con nmeros entre [0, 1]. As, se tienen tripletas tales como
(0.3, 0.7, 0.5) en donde 0.7 es el mximo de presuncin. La valuacin puede
expresarse en lenguaje coloquial mediante: palabras, relativos, superlativos e incluso por los valores asociados de manera subjetiva a palabras del lenguaje. Esto
se produce cuando las cifras parecen un medio de comunicacin mejor que las
letras. Una valuacin est desde un punto de vista ms prctico consiste en la
expresin de un nivel de verdad que toma sus valores del intervalo de confianza.
Teora de los subconjuntos borrosos
Las definiciones matemticas de conjuntos son simples, se trata de un grupo
de objetos diferentes los unos de los otros y muy bien especificados. Tomemos
como grupo de personas involucradas con un proceso de seleccin donde se
enfrentarn a una competencia de conocimiento con todos los factores psicosociales que intervienen en esos momentos al desempeo. De este modo un
conjunto se halla frecuentemente especificado por una o varias propiedades. Un
subconjunto de un conjunto no comprende forzosamente la totalidad de los elementos del conjunto, aunque a veces por comodidad los matemticos admiten
que un conjunto es subconjunto de s mismo. Cuando se considera un elemento
de un conjunto, es posible determinar su pertenencia o no pertenencia a un
determinado subconjunto. Al conjunto de referencia se le llama frecuentemente
referencial.
Ordenacin de nmeros borrosos
La teora de los subconjuntos borrosos consiste en construir funciones de pertenencia, que son aplicaciones de un conjunto referencial en el intervalo [0, 1], en
lugar de utilizar los conjuntos tradicionales, en los que un elemento puede tomar
los valores 0 1 exclusivamente (Zadeh, 1965).
En los problemas de optimizacin es habitual realizar una ordenacin para
determinar qu elemento es mejor que o peor que los dems. Segn Gil
Aluja (1995b), la optimizacin se basa en los conceptos de relacin, asignacin,
agrupacin y ordenacin.
Puesto que cada vez la realidad es ms compleja, es til hacer comparaciones
no cuantitativas. Este autor propone algunos mtodos de ordenacin, como el
basado en la funcin ordinal de un grafo o matriz latina.
Volumen 14, nm. 1, enero-junio 2013
31
autor propone algunos mtodos de ordenacin como el basado en la funcin ordinal de un grafo o
siguiente
funcin
de
denominada
operador
fuzzy
siguiente
funcin
de pertenencia,
denominada
operador
fuzzy
max,max,
siguiente
funcin
de pertenencia,
pertenencia,
denominada
operador
fuzzy
autor
propone
algunos
mtodos
de ordenacin
como
el max,
basado ennolacuantitativas.
funcin ordinal
Puesto que matriz
cada
vez
la realidad
es ms
compleja,
es til hacer
comparaciones
Estede un grafo
latina.
Puesto
que
cada
eses
compleja,
eses
comparaciones
Este
Puesto
que
cadavez
vezlala
larealidad
realidad
esms
ms
compleja,
estil
tilhacer
hacer
comparaciones
nocuantitativas.
cuantitativas.
Este
Puesto
que
cada
vez
realidad
ms
compleja,
til
comparaciones
no
cuantitativas.
Este
matriz
latina.
autor propone
algunos
mtodos
de
ordenacin
como
el basado
en
lahacer
funcin
ordinal de no
un
grafo
o
Dados
dos nmeros
borrosos
ydeordenacin
, entonces
representa
unfuncin
nmero
borroso
que
tiene
elel
autor
algunos
mtodos
como
basado
ordinal
de
un
autorpropone
propone
algunos
mtodos
ordenacin
como
el
basado}en
enla
funcin
ordinal
de
ungrafo
grafoolaoo
autor
propone
algunos
mtodos
de
ordenacin
basado
en
ordinal
de
un
grafo
}la
de
{como
}lafuncin
{ {
matriz latina.
y , entonces
representa un nmero borroso que tiene l
Dados
dos
nmeros
borrosos
siguiente
funcin
pertenencia,
denominada
fuzzy max,
matriz
latina.
matriz
latina.
matriz
latina.
Fernando
vilade
Carren,
Evaristo Galeana
Figueroaoperador
y Dora Aguilasocho
Montoya
siguiente
funcin
de
pertenencia,
denominada
operador
fuzzy
max,borroso que tiene la
{
}
siguiente
relacin
de
orden
(Dubois
y
Prade,
1980;
Kaufmann
y
Gil
Aluja,
1994).
siguiente
relacin
de
orden
(Dubois
y
Prade,
1980;
Kaufmann
y
Gil
Aluja,
1994).
borroso
que
tiene
siguiente
funcin
de 1980;
pertenencia,
denominada
siguiente
relacin
delade
orden
(Dubois
ydenominada
Prade,
Kaufmann
y Gil
Aluja,operador
1994).
siguiente
funcin
pertenencia,
operador
fuzzy
max,
siguiente
funcin
de
pertenencia,
denominada
operador
fuzzy
max,
siguiente
funcin
de
pertenencia,
denominada
operador
fuzzy
max,
}
{
fuzzy max,
{ borrosos
y y, entonces
borrosos
ss Gento,
Dados
dos
, entonces
yysolo
sisi
Dados
dos
nmeros
borrosos
sA.
solo
si
si}y si
A
partir
decada
esteborrosos
concepto,
Caballero
A.,
Redondo,
A.
(2005)
definen
la
Dados
dosnmeros
nmeros
borrosos
y es
borrosos
si
solo
Puesto
que
vez
la
ms
compleja,
es
til
no
Este
Puesto
que
cada
vez
la realidad
realidad
es, entonces
msMerinno,
compleja,
es{{I.,
til hacer
hacer
comparaciones
no cuantitativas.
cuantitativas.
Este
comparaciones
{
}}}
A partirrelacin
de estedeconcepto,
Caballero
Merinno,
A. I., Gento,
A.,Aluja,
Redondo,
A. (2005) definen l
siguiente
orden
(Dubois
y Prade,
1980;
Kaufmann
y Gil
1994).
autor
algunos
mtodos
de
ordenacin
como
basado
en
la
ordinal
autordepropone
propone
algunos
mtodos
deMerinno,
ordenacin
como
el
basado
en
la funcin
funcin
ordinal de
de un
un grafo
grafo oo
A partir
este concepto,
Caballero
Gento
y el
Redondo
(2005)
definen
siguiente
relacin
de orden
(Dubois
y
Prade,
1980;
Kaufmann
y
Gil
Aluja,
1994).
{
{
}
{
}
}
{
}
A partir
de
este
concepto,
Caballero
Merinno,
A.
I.,
Gento,
A.,
Redondo,
A.
(2005)
definen
la
matriz
(() ))latina.
matriz
latina.
[][{ ]]{{ (Dubois
[de orden
}} Aluja,
} y Gil
{
{
}
{
}
}
{
}
A
partir
de
este
concepto,
Caballero
Merinno,
A.
I.,
Gento,
A.,
Redondo,
A
partir
de
este
concepto,
Caballero
Merinno,
A.
I.,
Gento,
A.,
Redondo,
A.(2005)
(2005)definen
definenlala
la
A
partir
de
este
concepto,
Caballero
Merinno,
A.
I.,
Gento,
A.,
Redondo,
A.
(2005)
definen
{
}
{
}
y 1980;
, entonces
si y solo si A.
1994).
siguiente
relacin
de orden
(Dubois
y Prade,
Kaufmann
y Gil Aluja,
Dados dos
nmeros
borrosos
borrosos
s 1994).
yyyyyyPrade,
Kaufmann
siguiente
relacin
de
orden
(Dubois
1980;
Kaufmann
1994).
siguiente
relacin
deborrosos
orden
(Dubois
Prade,
1980;
Kaufmann
GilAluja,
Aluja,
1994).
siguiente
relacin
de
orden
(Dubois
1980;
Aluja,
1994).
Gil
, Prade,
borrosos
siynmero
y solo
slo
Dados
dos
nmeros
Dados
dos
nmeros
borrosos
,entonces
un
Dados
dos
nmeros
borrosos
, entonces
representa
un
nmero
borroso que
que tiene
tiene la
la
Dados
dos
nmeros
borrosos
entonces
borrosos
ss yyyGil
si
sisiborroso
representa
A
de que
est
este
provoca
situaciones
de
donde,
como
A pesar
de que
est
bien
fundamentado,
este
orden
provoca
situaciones
de indecisin,
donde,
como
siguiente
funcin
de
denominada
operador
fuzzy
max,
A pesar
pesar
que
estlabien
bien
fundamentado,
este orden
orden
provoca
situaciones
de indecisin,
donde,
como
siguiente
funcin
de pertenencia,
pertenencia,
denominada
fuzzy
max,
}la
, entonces
realidad
Dados
dos
nmeros
borrosos
yfundamentado,
si
y solo
{ borrosos
{comparaciones
}indecisin,
Puesto
quedecada
vez
compleja,
essoperador
til
hacer
no cuantitativas.
Este
sims compleja,
Puesto
que cada
vez
es
es til hacer
compar
realidad[ es ]ms
( )
{
}
sealan
Dubois,
Kerre,
Meisar
yy Prade
podra
que
sealan
Dubois,
Kerre,
Meisar
y Prade
intuitivamente
que
debera
ser ser
debera
Dados
dos
nmeros
borrosos
y(2000),
borrosos
sisisiyesperar
Dados
dos
nmeros
borrosos
, entonces
entonces
borrosos
s{se
solo
Dados
dos
nmeros
borrosos
yy (2000),
,entonces
borrosos
yysolo
solo
{,(2000),
} } ses spodra
}} sisisi
{
{
intuitivamente
esperar
sealan
Dubois,
Kerre,
Meisar
Prade
intuitivamente
se
podra
esperar
que
debera
autor propone
ordenacin
como
el basado
en ladefuncin
ordinal
de un
grafo oser
mtodos de
)
algunos
mtodos
ordenacin
el basado
en la f
[ autor
] { propone
( algunos
} como
{
}
{
}
diferentes.
una
considerado
mayor
que
porque
son
muy
Para
dar
solucin
a
esta
cuestin
considerado
mayor
que
porque
son
muy
diferentes.
Para
dar
una
solucin
a
esta
cuestin
considerado
mayor que
son
muyorden
diferentes.
Para
dar una }}solucin
{ porque
} este
{ {{provoca
}situaciones
bien
fundamentado,
de in- a esta cuestin
matriz
latina.
A pesar
de que est
[vez
]la
( matriz
) latina.
{ realidad
}
Puesto
que
cada
es
ms
compleja,
es
til
hacer
comparaciones
no
Puesto
que
cada
vez
la
realidad
es
ms
compleja,
es
til
hacer
comparaciones
no cuantitativas.
cuantitativas.
Este
{
}
{
}
{
}
{
}
{
}
{
}
{
}
{
}
A
pesar
de
que
est
bien
fundamentado,
este
orden
provoca
situaciones
de
indecisin,
donde,
como
hemos
tenido
en cuenta
la
de los
De
Silva,
Sergio,
Andrade,
Miguel
A.
hemos
tenido
en cuenta
de De
Cobos
Silva,
Sergio,
Gutirrez
Andrade,
Miguel
A. Este
los
(2000),
Cobos
Gutirrez
decisin,
donde,
como
sealan
Kerre,
Meisar
y Prade
intuitivahemos
la propuesta
propuesta
los
Cobos
Silva,
Sergio,
Gutirrez
la propuesta
[ [[ ]Dubois,
]{]{{ de De
(tenido
} }}Andrade, Miguel A.
(( )))en cuenta
{
}
{
}
{
}
{
}
{
}
{
}
fundamentado,
de
borrosos
nmeros
este
yla
autor
algunos
mtodos
de
como
el
basado
ordinal
de
grafo
ooser
A
pesar
deesperar
que
estque
bien
orden
situaciones
de
indecisin,
en
funcin
un
autor
propone
algunos
mtodos
ordenacin
como
elprovoca
basadoque
en
la
funcin
ordinal
de
undonde,
grafo
Dados
dos
nmeros
borrosos
ydebera
,ordenacin
entonces
representa
un
nmero
borroso
que
tiene
la com
ser
considerado
mayor
porque
son
mente
sepropone
podra
Dados
dos(2000),
, entonces
representa
un
(2011).
(2011).
sealan
Dubois,
Kerre,
Meisar
y Prade
intuitivamente
se
podra
esperar
que
debera
(2011).
A
partir
de
este
concepto,
Caballero
Merinno,
A.
I.,
Gento,
A.,
Redondo,
A.
(2005)
definen
la
A
partir
de
este
concepto,
Caballero
Merinno,
A.
I.,
Gento,
A.,
Redondo,
A.
(2005)
definen
la
muy
diferentes.
Para
dar
una solucin
a esta
cuestin
hemos
tenido
en
cuenta
la que
max, se
matriz
latina.
matriz
latina.
sealan
Dubois,
Kerre,
yorden
Prade
(2000),
intuitivamente
sedar
podra
siguiente
funcin
de
pertenencia,
operador
fuzzy
max,
siguiente
funcin
pertenencia,
operador
A pesar
de
que
est
bien
fundamentado,
este
provoca
de denominada
indecisin,
donde,
como
denominada
considerado
mayor
que Meisar
porque
son
muydesituaciones
diferentes.
Para
una esperar
solucin
a fuzzy
esta debera
cuestin
propuesta
de
De
los
Cobos
Silva
y
Gutirrez
Andrade
(2011).
siguiente
relacin
de
orden
(Dubois
y
Prade,
1980;
Kaufmann
y
Gil
Aluja,
1994).
[
]
[
]
siguiente
relacin
de
orden
(Dubois
y
Prade,
1980;
Kaufmann
y
Gil
Aluja,
1994).
Sean
dos
nmeros
borrosos
y
y
Sean
dos
nmeros
borrosos
y
y
un
nmero
real,
.
Entonces,
un
nmero
real,
.
Entonces,
fundamentado,
y
[
]
Sean
dos
nmeros
borrosos
y
un
nmero
real,
.
Entonces,
A
pesar
de
que
est
bien
fundamentado,
este
orden
provoca
situaciones
de
indecisin,
donde,
como
A
pesar
de
que
est
bien
este
orden
provoca
situaciones
de
indecisin,
donde,
como
A
pesar
de
que
est
bien
fundamentado,
este
orden
provoca
situaciones
de
indecisin,
donde,
como
considerado
mayor
que
porque
sonlosmuy
diferentes.
Para dar
a esta
cuesti
sealan Dubois,
Kerre,
Meisar
y Prade
(2000),
intuitivamente
se podra
esperar
queuna solucin
debera
ser
hemos
tenido
en
cuenta
la propuesta
de un
De
Cobos
Silva,
Sergio,
Gutirrez
Andrade,
Miguel
A.
nmero
real,
h
[0,1]
.
Entonces,
Sean
dos
Dados
dos
nmeros
borrosos
representa
un
nmero
borroso
que
tiene
la
Dados
dosnmeros
nmeros borrosos
borrosos yy y,, hentonces
entonces
representa
un
nmero
borroso
que
tiene
la
0
0
debera
sealan
Dubois,
Kerre,
Meisar
y
Prade
(2000),
intuitivamente
se
podra
esperar
que
ser
sealan
Dubois,
Kerre,
Meisar
y
Prade
(2000),
intuitivamente
se
podra
esperar
que
debera
ser
sealan
Dubois,
Kerre,
Meisar
y
Prade
(2000),
intuitivamente
se
podra
esperar
que
debera
ser
hemos
tenido
en
cuenta
la
propuesta
de
De
los
Cobos
Silva,
Sergio,
Gutirrez
Andrade,
Miguel
A
considerado
mayor
muy
diferentes.
dar una
solucin a esta cuestin
(2011).
y si
[][ se
[ porque
{ Parafuzzy
yyque
slo
siside
se
verifica:
solo
se
verifica:
si
solo
si si
]son
max,
}
sidos
solo
se
verifica:
operador
]verifica:
{
siguiente
funcin
denominada
max,
siguiente
funcin
de pertenencia,
pertenencia,
denominada
operador
fuzzy
Dados
nmeros
borrosos
y
,
entonces
borrosos
s
si
y
solo
si
Dados
dos
nmeros
borrosos
y
,
entonces
borrosos
s
si
y
solo
si
porque
considerado
que
son
Para
una
aaaesta
considerado
mayor
que de
porque
sonmuy
muydiferentes.
diferentes.
Paradar
dar
unasolucin
solucin
estacuestin
cuestin
considerado
mayor
que
son
muy
diferentes.
Para
dar
una
solucin
esta
cuestin
(2011).
hemos tenido
en cuentamayor
la
propuesta
Deporque
los Cobos
Silva,
Sergio, Gutirrez
Andrade,
Miguel
A.
Sean
dos
nmeros
borrosos
y{{ yde
unlos
nmero
.Gutirrez
Entonces,
}} Cobos
{{Silva,
{propuesta
}De
{ real,
} [ }}]Gutirrez
Sergio,
hemos
tenido
en
lala
Andrade,
hemos
tenido
encuenta
cuenta
lapropuesta
deDe
los
Cobos
Silva,
Sergio,
Andrade,Miguel
MiguelA.
A.
hemos
tenido
en
cuenta
propuesta
De
los
Cobos
Silva,
Sergio,
Gutirrez
Andrade,
Miguel
A.
de
(2011).
Merinno,
ypartir
{{ y de
A partirSean
de este
concepto,borrosos
Caballero
Merinno,
A.
I.,
Gento,
A.,
Redondo,
A.
(2005)
definen
la
[
]
A
este
concepto,
Caballero
A.
I.,
Gento,
A.,
Re
dos nmeros
un
nmero
real,
.
Entonces,
}
{
}
}
{
}} }
(2011).
{{
(2011).
(2011).
[[ ]]{{
(( ))
}
relacin
[{ siguiente
]{{Prade,
}} de{}}orden
{{ y(Dubois
} y}}Prade,
si yde
solo
si (Dubois
{{ 1980;
{{Gil
}} }1980; Kaufmann y Gil Al
se verifica:
Aluja,
}
siguiente
orden
y
Kaufmann
relacin
[ ] . Entonces,1994).
Sean dos nmeros borrosos y y
un nmero real,
si y solo si
verifica:
de
]yse
[y yynmeros
[ [[ ] ].] .Entonces,
Sean
nmeros
Seandos
dos
nmerosborrosos
borrosos
unnmero
nmeroreal,
real, normalmente
. Entonces,
Entonces,
Sean
dos
nmeros
borrosos
yy un
un
nmero
real,
La
toma
de
decisiones
aapartir
borrosos
supone
que
{
} I.,
{normalmente
}que que
La
toma
de
decisiones
partir
de
nmeros
supone
normalmente
stos
sido
La
toma
de
decisiones
a
partir
de
nmeros
borrosos
supone
stos
han han
sido
borrosos
A
partir
de
este
concepto,
Caballero
Merinno,
A.
Gento,
A.,
Redondo,
A.
definen
toma
de
decisiones
a
partir
de
nmeros
borrosos
supone
normalmente
que
stos
han
sidola
partir
de
este
concepto,
Caballero
Merinno,
A.
I.,
Gento,
A.,
Redondo,
A. (2005)
(2005)
definen
la
stos
LaAsiA
[
]
y
solo
si
se
verifica:
pesar
de
que
est
bien
fundamentado,
este
orden
provoca
situaciones
de
indecisin,
donde,
como
han
sido
previamente
ordenados.
El
orden
de
las
cantidades
borrosas
se
A
pesar
de
que
est
bien
fundamentado,
este
orden
provoca
situaciones
de
indecisin,
donde,
como
si y
previamente
ordenados.
El
orden
de
las
cantidades
borrosas
se
basa
en
la
comparacin
de
previamente
ordenados.
El
orden
de
las
cantidades
borrosas
se
basa
en
la
comparacin
de
relacin
sisi
siguiente
de
(Dubois
yse
Prade,
1980;
Kaufmann
yy Gil
1994).
previamente
ordenados.
El semejanzas
orden
las cantidades
borrosas
se Aluja,
basaEstas
en
lase-comparacin de
siguiente
relacin
desiorden
orden
(Dubois
yverifica:
Prade,
1980;
Kaufmann
Gil
Aluja,
1994).
[ [[ ] ]se
]de
siyyysolo
solo
si de
verifica:
solo
si
se
verifica:
basa
en la comparacin
los intuitivamente
conjuntos
}
{ borrosos.
} esperar
{ entre
sealan
Dubois,
Meisar
(2000),
que
sealan
Dubois, Kerre,
Kerre,
Meisar yy Prade
Prade
(2000),
intuitivamente
se podra
podra
esperar
que debera
debera ser
ser
se
{
}
{
}
semejanzas
entre
los
borrosos.
Estas
semejanzas
pueden
ser,
por
ejemplo,
un
semejanzas
entre
los conjuntos
borrosos.
Estas
semejanzas
ser,rea
por
ejemplo,
un centro
de de
pueden
semejanzas
entre
los conjuntos
conjuntos
borrosos.
Estas
semejanzas
pueden
ser,
por
ejemplo,
un centro
centro
de
mejanzas
pueden
ser,
por ejemplo,
un
centro
de
gravedad,
un
por
debajo
}
{
}
{
}muy}diferentes.
}dar }una
considerado
mayor
considerado
mayor que
que { porque
porque
son
diferentes.
Para
una
solucin
esta
cuestin
} aa esta
{ cuestin
{{{ son
}} { {{{ Para
}} solucin
muy
{dar
un
rea
toma
borrosos
de
gravedad,
un
por
debajo
de
pertenencia
varios
de
interseccin
entre
los
gravedad,
rea
porpertenencia
debajo
funcin
pertenencia
o varios
interseccin
loshan
[ de]la
la
varios
de
la(La
funcin
de
varios
interseccin
los
conjuntos
de
)dos
}solo
entre
]puntos
decisiones
a{o
partir
nmeros
borrosos
normalmente
queentre
stos
(,puntos
)de de
{ puntos
gravedad,
unnmeros
rea
porborrosos
debajo
de
la
funcin
pertenencia
puntos
desi
interseccin
entre
lossido
Dados
yy{funcin
entonces
sso[o supone
si
yyde
solo
Dados
dos
nmeros
borrosos
,de
entonces
borrosos
si
si
}
{
}
{
}
{
}
{
}
{
hemos
tenido
en
cuenta
la
propuesta
de
De
los
Cobos
Silva,
Sergio,
Gutirrez
Andrade,
Miguel
hemos
tenido
en
cuenta
la
propuesta
de
De
los
Cobos
Silva,
Sergio,
Gutirrez
Andrade,
Miguel
A.
borrosos.
La
toma
deordenados.
decisiones Ela partir
nmeros
borrososborrosas
supone se
normalmente
que
stos han A.
sid
conjuntos
borrosos.
conjuntos
borrosos.
previamente
orden{de
cantidades
basa
en
la
comparacin
de
conjuntos
borrosos.
}
{
}
}
{
}
{ las
}
{
}
{de
(2011).
(2011).
En
la prctica, segn
el mtodo
se pueden
ordenaciones
diferentes
previamente
El orden
de Estas
lasproducir
cantidades
se
enhan
la sido
comparacin
La toma de
decisionesentre
a ordenados.
partir
de nmeros
supone
normalmente
que
stosejemplo,
semejanzas
los conjuntos
borrosos.
ser,
por
un centro ded
{{ borrosos
}}semejanzas
{{ borrosas
}} basa
orden
pueden
A
pesar
de
que
est
bien
fundamentado,
este
provoca
situaciones
de
indecisin,
A
pesar
de
que
est
bien
fundamentado,
este
orden donde,
provocacomo
situacione
para
la
misma
muestra
de
conjuntos
borrosos,
lo
que,
sin
duda,
complica
la
toma
[[ ]] {{
(
)
}
(
)
}
La
toma
aade
de
nmeros
borrosos
normalmente
que
han
sido
La
tomade
dedecisiones
decisiones
apartir
partir
de
nmeros
supone
normalmente
questos
stos
han
sido
La
toma
de
decisiones
partir
de
nmeros
borrosos
normalmente
que
stos
han
sido
{{borrosos.
}borrosos
{supone
}ser,
semejanzas
entre
losdebajo
conjuntos
Estas
por
ejemplo,
un
centro
} semejanzas
{supone
}comparacin
pueden
previamente
ordenados.
El
orden
las
cantidades
borrosas
se
basa
en
la
de
gravedad,
un
rea
por
de
la
funcin
de
pertenencia
o
varios
puntos
de
interseccin
losd
[
]
Sean
dos
nmeros
borrosos
y
y
un
nmero
real,
.
Entonces,
[ esperar
] . Entonces,
Sean
dos nmeros
borrosos
yGento
y Dubois,
un
nmero
real,
de decisiones
(Caballero
Merinno,
y Redondo
(2005).
debera entre
sealan
Dubois,
Kerre, Meisar
y Prade
(2000),
intuitivamente
se podra
queintuitivamente
ser
sealan
Kerre,
Meisar
y Prade
(2000),
se podr
ordenados.
ElEl
se
de
previamente
ordenados.
Elorden
orden
delas
lascantidades
cantidades
borrosas
sebasa
basaen
en
lacomparacin
comparacin
de
previamente
ordenados.
orden
de
las
cantidades
borrosas
se
basa
en
la
comparacin
de
gravedad,
un
rea por
debajo
de lade
funcin
de pertenencia
varios
puntos
dela
interseccin
entre
lo
semejanzaspreviamente
entre
los borrosos.
conjuntos
borrosos.
Estas
semejanzas
puedenborrosas
ser,opor
ejemplo,
un
centro
de
conjuntos
considerado
mayor
que
porque
son
muy
diferentes.
Para
dar
una
solucin
a
esta
cuestin
considerado
mayor
que
porque
son
muy
diferentes.
Para
dar
pesar
que
de
conjuntos
[[ borrosos.
]]borrosos.
si
yborrosos.
solo
si
se
verifica:
entre
semejanzas
pueden
ser,
un
semejanzas
entre
los
conjuntos
borrosos.
Estas
semejanzas
pueden
ser,
porejemplo,
ejemplo,
uncentro
centro
de
semejanzas
los
conjuntos
Estas
pueden
ser,
por
ejemplo,
un
centro
de
sidebajo
yentre
sololos
si conjuntos
se pertenencia
verifica:
pesar
est
bien
fundamentado,
este
orden
provoca
situaciones
de
indecisin,
como
Asemejanzas
est
bien
fundamentado,
esteEstas
orden
provoca
situaciones
depor
indecisin,
donde,
comode
gravedad,A
un
reade
porque
de
la
funcin
de
osemejanzas
varios puntos
de interseccin
entredonde,
los
hemos tenido en cuenta la propuestahemos
de Detenido
los Cobos
Silva,
Sergio,
Gutirrez
Andrade,
Miguel
A.
en
cuenta
la propuesta
de
De de
los
Cobos
Sergio,
gravedad,
un
por
debajo
lala
de
pertenencia
ooovarios
puntos
entre
los
gravedad,
unrea
rea
porMeisar
debajode
de
lafuncin
funcin
de
pertenencia
varios
puntos
deinterseccin
interseccin
entre
losG
gravedad,
un
rea
por
debajo
funcin
de
pertenencia
varios
puntos
de
interseccin
entre
los
Silva,
Dubois,
Kerre,
yyde
Prade
(2000),
intuitivamente
se
podra
esperar
que
debera
ser
sealan
Dubois,
Kerre,
Meisar
Prade
(2000),
intuitivamente
se
podra
esperar
que
debera
ser
conjuntossealan
borrosos.
{
}
{
}
{
}
{
}
(2011).
(2011).
conjuntos
conjuntosborrosos.
borrosos.
conjuntos
borrosos.
considerado
mayor
considerado
mayor que
que porque
porque son
son muy
muy diferentes.
diferentes. Para
Para dar
dar una
una solucin
solucin aa esta
esta cuestin
cuestin
}
{
}
{
} Silva,
}un
{unDe
los
32 hemos
y Negocios
tenido
cuenta
Sergio,
Andrade,
Sergio,
hemos
tenido en
en
cuenta la
la propuesta
propuesta
de
De
los Cobos
Cobos
Silva,{[Mercados
Gutirrez
Andrade,
Miguel[A.
A. ] .
Sean
dos nmeros
borrosos
y ySean de
nmero
real,
dos
nmeros
borrosos
y ] . Entonces,
y Gutirrez
nmero
real,Miguel
(2011).
(2011).
de
borrosos supone
que
La toma
toma
de decisiones
decisiones
partir
de nmeros
supone
normalmente
que stos
stos han
han sido
sido
La
de
nmeros
[ aa]partir
si y solo
si
se verifica:
[ ] senormalmente
si y soloborrosos
si
verifica:
previamente
ordenados.
las
cantidades
basa
yyorden
previamente
ordenados.
El
orden
de un
lasnmero
cantidades
borrosas
se
basa en
en la
la comparacin
comparacin de
de
yy de
[[ ]]se
Sean
dos
borrosos
real,
.. Entonces,
Sean
dos nmeros
nmeros
borrosos El
un
nmero
real, borrosas
Entonces,
{ borrosos.
} semejanzas
{
}{ ser,
}
{ centro
por
semejanzas
Estas
pueden
un
de
semejanzas entre
entre los
los conjuntos
conjuntos
borrosos.
Estas
semejanzas
pueden
ser,
por ejemplo,
ejemplo,
un
centro
de
Como
yalos
selos
mencion
en
elpara
resumen
referencia
a dos
criterios
para
lamuestra
seleccin
de
recursos
humanos
para
lala
empresa
laproducir
aplicacin
de
ladetcnica
deladistancias
demisma
Hamming
de
recursos
humanos
para
lael
empresa
aplicacin
de la
tcnica
distancias
de
Hamming
y lay la
de
recursos
para
la hacemos
empresa
la
aplicacin
de
la
tcnica
de
distancias
de
Hamming
y lay la
deprctica,
los
recursos
humanos
la
empresa
la aplicacin
de
la
tcnica
degenerales
distancias
de
Hamming
En
la
prctica,
segn
mtodo
se
pueden
ordenaciones
diferentes
para
la
muestra
En
lalos
segn
elhumanos
mtodo
se
pueden
producir
ordenaciones
diferentes
para
misma
DISTANCIA
DE
HAMMING
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
de
conjuntos
borrosos,
loborrosos,
que,
sin
duda,
complica
lacomplica
toma
detoma
Caballero
Merinno,
A.
I.,seleccin
de conjuntos
borrosos,
lomencion
que,
sin duda,
complica
lacomplica
toma
de
decisiones.
Caballero
Merinno,
A.
I.,
de
conjuntos
borrosos,
lo
que,
sin
duda,
la
dedos
decisiones.
Caballero
Merinno,
A. A.
I., I.,
de
conjuntos
lo
que,
sin
duda,
ladecisiones.
toma
de
decisiones.
Caballero
Merinno,
Como
ya
se
en
el
resumen
hacemos
referencia
a
criterios
generales
para
la
Como
ya
se
mencion
enempresa
elENTRE
hacemos
referencia
a los
dos
criterios
generales
para
DISTANCIA
DE
HAMMING
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
de
losDISTANCIA
recursos
humanos
para
la
aplicacin
de
lala
tcnica
de
distancias
de
Hamming
ylaen
Euclidiana
como
elemento
base
en
la
toma
de
decisiones
siendo
los
parmetros
indicados
en I.e
como
elemento
base
en
laresumen
toma
de
decisiones
siendo
parmetros
indicados
enI.,
ellaseleccin
DE
HAMMING
DOS
SUBCONJUNTOS
BORROSOS
Euclidiana
como
elemento
base
en
la
toma
de
decisiones
siendo
los
parmetros
indicados
en
el
Euclidiana
como
elemento
base
en
la
toma
de
decisiones
siendo
los
parmetros
indicados
el A.
de
conjuntos
lo
que,
sinla
duda,
toma
de
decisiones.
Caballero
Merinno,
deEuclidiana
conjuntos
borrosos,
loborrosos,
que,
sin
duda,
complica
lacomplica
toma
de
decisiones.
Caballero
Merinno,
A.
Gento,
A.,
Redondo,
A.
(2005).
Gento,
A., Redondo,
A.
(2005).
Gento,
A.,
Redondo,
A. A.
(2005).
Gento,
A.,
Redondo,
(2005).
de
los
recursos
humanos
para
la
empresa
la
aplicacin
de
la
tcnica
de
distancias
de
Hamming
y
de
los
para
empresa
la aplicacin
de lalos
tcnica
de distancias
de Hamming
ylala
Como
ya
se
mencion
enhumanos
el resumen
referencia
a dossiendo
criterios
generales
para
la seleccin
Euclidiana
como
elemento
base
en hacemos
lalatoma
de
decisiones
parmetros
indicados
en el
concepto
de
distancia.
concepto
de
distancia.
concepto
de
concepto
de recursos
distancia.
Gento,
A.,distancia.
Redondo,
A.
(2005).
Gento,
A.,
Redondo,
A.
(2005).
Como
se mencion
en el referencia
resumen hacemos
referencia
a dos para
criterios
generales p
Como
ya se mencion
en ya
el resumen
hacemos
a dossiendo
criterios
generales
la seleccin
Euclidiana
como
elemento
base en
la
toma
dededecisiones
los
parmetros
indicados
como
elemento
toma
decisiones
siendo
los
parmetros
indicados
de
los
humanos
para
layfinito
la
aplicacin
la
tcnica
de
distancias
decomo:
Hamming
y la enenelel
,la
empresa
DOS
yybase
y,en
ySUBCONJUNTOS
DISTANCIA
HAMMING
ENTRE
SUBCONJUNTOS
BORROSOS
concepto
de
distancia.
DISTANCIA
DE
HAMMING
ENTRE
DOS
BORROSOS
DISTANCIA
DE
HAMMING
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
DISTANCIA
DE
HAMMING
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
Sea
un
referencial
,
definimos
la
distancia
de
Hamming
como:
Sea
unEuclidiana
referencial
finito
y
y
definimos
la
distancia
de
Hamming
como:
Sea
un
referencial
finito
y
,
definimos
la
distancia
de
Hamming
como:
Searecursos
unDE
referencial
finito
definimos
la
distancia
de
Hamming
Mtodos estratgicos
de capacitacin
dentro
delala empresa
organizacin
con
lgica difusa
de los para
recursos
humanos
para
aplicacin
de la tcnica
de distancias
deconcepto
los
recursos
humanos
la DOS
empresa
laDOS
aplicacin
de BORROSOS
la la
tcnica
de
distancias
de Hamming
y la de
de
DISTANCIA
DE HAMMING
ENTRE
SUBCONJUNTOS
BORROSOS
DISTANCIA
DE HAMMING
ENTRE
SUBCONJUNTOS
concepto
dedistancia.
distancia.
Euclidiana
como
elemento
de decisiones
siendo
losHamming
parmetros
indicados en el
Sea un
referencial
finitobase
y en
y la toma, definimos
la distancia
de
como:
Euclidiana
como
elemento
base
en
la toma
de
decisiones
losla parmetros
Como
ya
se
mencion
el resumen
hacemos
referencia
areferencia
dos
generales
para
la
seleccin
Como
ya se
mencion
en
resumen
hacemos
areferencia
dos
criterios
para
la siendo
seleccin
Como
yaunya
sereferencial
mencion
en en
el
a siendo
dos
criterios
generales
para
seleccin
Como
se
mencion
el
hacemos
agenerales
dos
criterios
generales
para
la seleccin
Euclidiana
elemento
base
la
toma
decisiones
los
parmetros
indicados
en el
en
Distancia
deelen
Hamming
entre
dos
subconjuntos
borrosos
finito
yresumen
y yreferencia
, definimos
lacriterios
de
como:
hacemos
Sea
uncomo
referencial
finito
y resumen
,de
definimos
ladistancia
distancia
deHamming
Hamming
como:
conceptoSea
de
distancia.
ya se en
mencion
endeelhacemos
resumenreferencia
hacemos areferencia
a dosgenerales
criterios para
generales
para la seleccin
Como ya seComo
mencion
el resumen
dos criterios
la seleccin
concepto
distancia.
de recursos
los recursos
humanos
para
la empresa
la aplicacin
detcnica
la tcnica
de
distancias
de
Hamming
la
de los
humanos
para
la empresa
aplicacin
la
Hamming
layHamming
de de
los
recursos
humanos
para
la empresa
la) de
aplicacin
dede
la|distancias
tcnica
dede
distancias
deyde
Hamming
y lay la
los
recursos
humanos
para
la|
aplicacin
de
la |tcnica
de
distancias
concepto
de
distancia.
( |
)la
(,empresa
) |
)definimos
| | como:
la|
de
Hamming
Sea un Como
referencial
y yen( el(resumen,
distancia
ya sefinito
mencion
hacemos
referencia
a
dos
criterios
genede loshumanos
recursos
humanos
para
la
empresa
la
aplicacin
de
la
tcnica
de
distancias
de
Hamming
y la
de los recursos
para
la
empresa
la
aplicacin
de
la
tcnica
de
distancias
de
Hamming
y
la
Sea
referencial
yde de
y decisiones
,parmetros
definimos
la
distancia
deel
Hamming
Euclidiana
como
elemento
base
en
definito
siendo
parmetros
indicados
en
el en como
Euclidiana
como
elemento
base
en un
la
toma
siendo
los los
indicados
en
Euclidiana
como
elemento
ladecisiones
toma
decisiones
siendo
los los
parmetros
indicados
el el
Euclidiana
como
elemento
ladecisiones
toma
parmetros
indicados
en
Sea
un
referencial
finito
y base
ytoma
, definimos
la distancia
de Hamming
como:
en
| siendo
|
(labase
)deen
rales
para
la
seleccin
de
los
recursos
humanos
para
la
empresa,
la
aplicacin
de
como base
elemento
toma
de decisiones
indicados
en el
EuclidianaEuclidiana
como elemento
en la base
toma
siendo los siendo
parmetros
indicados en
el
de
| | los parmetros
|
( (en
)ydecisiones
la
concepto
de
distancia.
concepto
deconcepto
distancia.
de distancia.
concepto
de
| como elemento
)la euclidiana
la
tcnica
de distancia.
distancias de Hamming
base en la
concepto
de distancia.
concepto
de
distancia.
y|
siendo
Con
y la
Con
[ ] [] ]
[]como:
finito
y,ydefinimos
siendo
yel|distancia
yen
Con
como:
toma
decisiones,
siendo
los
parmetros
concepto
y decomo:
de
[ como:
distancia.
un
finito
y (yy siendo
la
distancia
de
Hamming
Sea Sea
unCon
referencial
y y yfinito
Hamming
Seareferencial
undefinito
referencial
,ladefinimos
distancia
Hamming
Sea
un
referencial
y,ydefinimos
,indicados
definimos
la
de
Hamming
)ysiendo
distancia
de
|
|
(
)
,, definimos
distancia
de
Hamming
finito
y ( , ydefinimos
SeaSea un referencial
ladedistancia
Hamming
Sea
finito y finito
y y ysiendo
la distancia
|
)
[ ]como:
y
Hamming
Con un referencial
| de
como:
[ ]]
como:
y siendo
yy
Con
siendo
Con
Entonces
ladefinicin
otra
definicin
de parmetro
en
semetodologa
apoya
la metodologa
la
toma
de[decisiones
en e
Entonces
la otra
de parmetro
enyque
seque
apoya
la
la toma
decisiones
en el
Entonces
ladefinicin
otra
definicin
parmetro
en
se apoya
la metodologa
lade
toma
de
decisiones
Entonces
la otra
de de
parmetro
en
que
seque
apoya
la metodologa
la toma
de
decisiones
en en
el el
]
Con
| | la |toma de[ decisiones
|
||
(yEuclidiana.
) (Euclidiana.
( Euclidiana.
)siendo
) )se apoya
la metodologa
y
|
Entonces
latrabajo
otra
de
parmetro
en(|
que
en el
presente
trabajo
la
distancia
presente
trabajo
esdefinicin
laesdistancia
presente
trabajo
esCon
laesdistancia
Euclidiana.
presente
la
distancia
[
y siendo
y
]
en
deparmetro
[
y
siendo
y
Con
|
|
|
|
(
)
(
)
Entonces
la
otra
definicin
que
se
apoya
la
metodologa
la
toma
de
decisiones
definicin
de parmetro en que se apoya la metodologa la toma de decisionesenenelel
presenteEntonces
trabajo eslalaotra
distancia
Euclidiana.
presente
trabajo
esesla
distancia
Euclidiana.
trabajo
la
distancia
Euclidiana.
Entonces
la
otra
definicin
en
que
apoya
la de
metodologa
la reales
toma
de decisiones
en
En
elque
de
elparmetro
referencial
el
conjunto
de
los
nmeros
reales
la el
distancia
En En
el caso
el que
referencial
sea sea
el sea
conjunto
de
los
nmeros
reales
la distancia
de
En
elde
caso
de
elde
referencial
elseconjunto
los
nmeros
la distancia
el presente
caso
decaso
que
el que
referencial
el sea
conjunto
de
los
nmeros
reales
la distancia
de de de
Entonces
la
otra
deyseparmetro
en yque
se apoya
la
metodologa
] decisiones
[ toma
[ [ ] ]la toma
Con
ydesiendo
y apoya
siendo
y
y siendo
ConCon Entonces
ydefinicin
siendo
Con
y siendo
Con la otra definicin
parmetro
en que
la
en el de d
ymetodologa
[] de
la
presente
trabajo
esvendra
la
distancia
Euclidiana.
EnHamming
el Hamming
caso
devendra
que
elvendra
referencial
sea
el
conjunto
de los
reales
] como:
] como:
[siendo
Hamming
definida
Hamming
vendra
definida
] como:
[ [es
definida
definida
como:
[ ]de
[ la] distancia
y[] siendo
Con
Con
ytrabajo
y nmeros
y
presente
la
distancia
Euclidiana.
presente
trabajo
es
la
distancia
Euclidiana.
EnEnelelcaso
dedeque
elelreferencial
sea
elelconjunto
dedelos
nmeros
reales
laladistancia
caso
que
referencial
sea
conjunto
los
nmeros
reales
distanciadede
] como: en que se apoya la metodologa la toma
Hamming
vendra la
definida
Entonces
otra definicin[ de parmetro
Entonces
laEntonces
otra
definicin
de
parmetro
en
que
se
apoya
laapoya
la toma
detoma
decisiones
en el en el
Entonces
laEntonces
otra
definicin
de
parmetro
se
apoya
laque
metodologa
toma
de decisiones
la otra
definicin
deen
parmetro
en
que
se
la metodologa
la
de en
decisiones
la otra
definicin
deque
parmetro
semetodologa
apoya
lalametodologa
la
toma
de el
decisiones
en el
Hamming
como:
[ es
Hamming
como:
dededecisiones
en definida
eldefinida
presente
la] ]en
distancia
euclidiana.
En el caso
que vendra
elvendra
referencial
seatrabajo
el [conjunto
de
los nmeros
reales
la distancia de
la otraEn
definicin
de
parmetro
en
que
se
apoya
la
metodologa
la
toma
de
decisiones
en el
Entonces laEntonces
otra definicin
de
parmetro
en
que
se
apoya
la
metodologa
la
toma
de
decisiones
en
el
el
caso
de
que
el
referencial
sea
el
conjunto
de
los
nmeros
reales
)(sea
)(Euclidiana.
sea
|
| | | reales
)|conjunto
( (Euclidiana.
presente
trabajo
latrabajo
distancia
) elel
presente
trabajo
es
Euclidiana.
presente
trabajo
esella
distancia
|
presente
es
laEuclidiana.
En
el
caso
de
que
referencial
la distancia de
| |de
Enlaes
eldistancia
caso
de
que
eldistancia
referencial
conjunto
de los nmeros
] como:
[
Hamming vendra
definida
presente
trabajo
es laEuclidiana.
distancia
presente trabajo
es la
distancia
vendra
]| como:
[
) [Euclidiana.
Hamming
definida
la
distancia
de Hamming
definida
] |como:
( vendra
Hamming
vendra
definida
||
( ( ) ) | |
Encaso
el caso
de
que
el
el conjunto
deconjunto
los nmeros
reales
la distancia
En el
de
elcaso
referencial
sea sea
el conjunto
deconjunto
nmeros
reales
la distancia
En que
el caso
dereferencial
queque
el referencial
seasea
el
de de
los
nmeros
reales
ladedistancia
de de
En
el
de
el referencial
ellos
los
nmeros
reales
ladedistancia
DISTANCIA
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
DISTANCIA
EUCLIDIANA
DOS
SUBCONJUNTOS
BORROSOS
DISTANCIA
EUCLIDIANA
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
EUCLIDIANA
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
En
caso
de EUCLIDIANA
que elENTRE
referencial
sea
el
conjunto
de
los
nmeros
reales
la
distancia
de
En
elDISTANCIA
caso
de el
que
el referencial
sea
el
conjunto
de
los
nmeros
reales
la
distancia
de
|
[ |] como:
] como:
] [ como:
[ ( [ ]) como:
Hamming
vendra
definida
Hamming
vendra
definida
Hamming
vendra
definida
Hamming
vendra
definida
|
|
(
)
] como:
[ ( DOS
Hamming
vendra definida
Hamming vendra
definida
DISTANCIA
EUCLIDIANA
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
DISTANCIA
EUCLIDIANA
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
,ydefinimos
, definimos
Sea
un euclidiana
referencial
finito
, definimos
la Euclidiana
distancia
Euclidiana
como:
SeaSeaSea
unDistancia
referencial
finito
y entre
la distancia
como:
referencial
finito
, definimos
la distancia
Euclidiana
como:
un un
referencial
finito
y yydos
yyysubconjuntos
la distancia
Euclidiana
como:
borrosos
DISTANCIA
EUCLIDIANA
BORROSOS
|SUBCONJUNTOS
,)definimos
| Euclidiana
| la|distancia
( ) y ) DOS
( (
Sea un referencial
finito( yENTRE
como:
|)
|
| |
DISTANCIA
EUCLIDIANA
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
DISTANCIA
EUCLIDIANA
ENTRE
DOS
SUBCONJUNTOS
BORROSOS
|
|
Sea
un
referencial
finito
y
y
,
definimos
la
distancia
Euclidiana
como:
|
|
(
)
(
)
Sea
un
referencial
finito
y
,
definimos
la
distancia
euclidiana
como:
Sea
y
y
, definimos la distancia Euclidiana
como:
)
( ()()(
( ( ( ) ) ) )
(
)
Sea un referencial finito y y
, definimos ladistancia
Euclidiana como:
yBORROSOS
BORROSOS
Sea
ySUBCONJUNTOS
,)definimos
la distancia
DOS
finito
ySUBCONJUNTOS
SUBCONJUNTOS
( un
)ENTRE
(SUBCONJUNTOS
DISTANCIA
EUCLIDIANA
ENTRE
DOS
DISTANCIA
EUCLIDIANA
ENTRE
DISTANCIA
EUCLIDIANA
DOS
BORROSOS
DISTANCIA
EUCLIDIANA
ENTRE
DOS
BORROSOS
Sea
un referencial
finito
yreferencial
, definimos
la distancia
Euclidiana
como: Euclidiana como:
( ( BORROSOS
))
)SUBCONJUNTOS
DISTANCIA
EUCLIDIANA
SUBCONJUNTOS
DISTANCIA
EUCLIDIANA
ENTRE (DOS
BORROSOS
(ENTRE
) DOS
y siendo
Con
y siendo
y y y y y [ [] [ ] [] ]
ConConCon
Con
yy siendo
y siendo
) (
)distancia
Euclidiana
un
finito
y yy siendo
como: como:
Sea Sea
un referencial
y y finito
y( finito
distancia
como:
Seareferencial
referencial
y , ydefinimos
,ladefinimos
distancia
Euclidiana
Sea un finito
un
referencial
y, definimos
, la
definimos
laEuclidiana
Euclidiana
distancia
y) la
[ como:
] )
Con
(
) (
( y ), ydefinimos
(distancia
Sea
un
referencial
finito
,
definimos
la
distancia
Euclidiana
como:
Sea unCon
referencial
finito
y
y
la
Euclidiana
como:
Metodologa
propuesta
para
la
seleccin
del
personal
[[ ]]
y
siendo
y
y siendo
y
Con
Con
ConCon
Con
[ ]
siendo
y
(tienen
) )y para
evaluar
) )( (parten
Las formas que(Con
se
para
( (
( elementos
de
) ) necesarios
) )
y( siendo
y que[ ]
y
siendo
y
Con
adquiridos
( con
) (losdatos
( ) y de
( un
) anlisis
sean la referencia, tener
ah )poder tomar
parcial o totalmente decisiones. Entre los elementos (psicosocial) mnimos necesarios
en consideracin
[ [] ]
y siendo
y anlisis,
y siendo
y siendo
Con
y siendo yen el
y comportamienCon que se recomiendan
y estn:
[ [] ]
[ ]
[ ]
Con
y siendo y siendo
y
y
Volumen 14, nm. 1, enero-junio 2013
33
Mercados y Negocios
De acuerdo con Gonzlez Santoyo (2004), la asignacin del nivel de sus capacidades, tomando en cuenta que la estimacin del grado en que cada aspirante
a ocupar la vacante y, en este caso, la posicin depender de las cualidades, caractersticas o atributos, y esto se hace con valuaciones en nmeros del intervalo
[0, 1].
Para Gonzlez Santoyo (2009) el objetivo de la aplicacin de este enfoque es
el proporcionar informacin alterna a la proporcionada por la teora clsica, lo
que permitir tener una toma de decisiones ms eficiente y eficaz en la seleccin
de recursos humanos. Los lderes exitosos entienden que las ideas y la creatividad
son una herramienta esencial para moldear y motivar a toda una organizacin.
La generacin de ideas lleva a la creatividad; a su vez, se desarrollan importantes
funciones y stas se producen buscando continuamente nueva informacin, reflexionando respecto a su propia experiencia y estudiando nuevas perspectivas,
no slo acerca de mercados, tecnologa y conducta humana. La prueba de conocimiento o capacidad ofrece un diagnostico real de las habilidades de la persona;
una prueba de aptitud proporciona un pronstico de su potencial de desarrollo
a corto y largo plazos.
Las caractersticas potenciales del aspirante, de acuerdo con Gil Aluja (1996),
consideran como aquella persona que quiera participar en la vacante del puesto,
se tiene que por el mismo, por su propia caracterstica exige un mnimo necesario de habilidades, aunque pudieran considerarse otras, como aptitudes psicolgicas, aptitudes de comunicacin, etc. Esta lista de cualidades ser distinta y se
estructurar de acuerdo con el puesto vacante. sta puede ser presentada como
un subconjunto difuso referencial, que es finito.
El mismo es expresado como:
Sea: C = {c1, c2, c3, ,cn} = {ci}
Donde:
C = subconjunto de competencias.
ci = cualidad o competencias (i); i= 1, 2, 3,.., n.
ci C, ; no se califica numricamente mediante 0 1, stas dan lugar a una
funcin de pertenencia, declarada como: ci {0, 1}; es declarado como un
subconjunto difuso.
Si alguna cualidad o competencia no es necesaria, bastar con eliminarla de (C).
Volumen 14, nm. 1, enero-junio 2013
35
Ya que se tiene establecido el subconjunto difuso, el proceso consiste en comparar las cualidades o competencias exigidas para cada nivel de participacin en
el concurso la conformacin ideal, con las posedas por cada uno de los aspirantes al mismo lugar; de esta forma se podran obtener valores numricos para
el subconjunto difuso expresado en la escala semntica endecadaria citada de
acuerdo con lo estipulado por el profesor Gil Aluja (1996), la misma para el presente, por lo tanto, se modifica para acondicionarla a la evaluacin (Gonzlez, et
al. (2009) y se presenta a continuacin:
Cuadro 1
Escala semntica endecadaria
Indicador
1
.9
.8
.7
.6
.5
.4
.3
.2
.1
0
Calificacin
Perfecto
Muy bueno
Bueno
Casi bueno
Poco bueno
Regular
Poco malo
Casi malo
Malo
Muy malo
Psimo
Mercados y Negocios
37
38
Mercados y Negocios
Cuadro 2
Perfil ideal
Preparacin acadmica
Liderazgo
Socializacin
Salud fsica
Disponibilidad de tiempo
Dominio del idioma ingls
Responsabilidad
Experiencia profesional
1
1
.6
.7
.7
1
1
.8
Para trabajar de una forma acorde con la definicin misma de los subconjuntos
borrosos, el perfil ideal para el puesto lo escribiremos en forma horizontal, quedando de la siguiente manera:
A=
.6
.7
.7
.8
~
En el proceso de reclutamiento se determinaron a cinco candidatos con las caractersticas propias o atributos descritos en los siguientes subconjuntos borrosos:
C1 =
.7
.6
.6
.8
.2
C2 =
.7
.9
.9
.8
.8
.7
.7
.6
C3 =
.6
.8
.8
.8
.6
C4 =
.8
.8
.9
.7
.8
.9
.6
.8
C5 =
.7
.9
.9
.7
.8
.9
.6
.9
~
~
~
~
~
39
.7
.9
.9
.7
.8
.9
.6
.9
~
Fernando vila Carren, Evaristo Galeana Figueroa y Dora Aguilasocho Montoya
( )
( )
( )
( | )
|
| |
( )
( | )
|
|
| |
|
/8=0.2250
/8=0.2250
)
|
|| |
|
|
( )
|
( ()
( )
( )
| | ||
|
|
|
/8=0.2250 |
|
|
| |
| =1.4/8=0.1750
|| ||
|| | |
| || |
|
|
| |
||
|
|
Esto
el orden
de los candidatos
sera,
es decir,ms
el candidato
apto
|implica
=1.4/8=0.1750
Esto
que que
el orden
de los candidatos
sera, es decir
el candidato
apto para elms
puesto
es el
4,
yimplica
as|sucesivamente:
puesto
el 4,dey los
ascandidatos
sucesivamente:
Estoel
implica
quees
el orden
sera, es decir el candidato ms apto para el puesto es el
4,para
y as
sucesivamente:
4, y as sucesivamente:
Euclidiana
tendremos:
En el caso de utilizar el concepto de distancia
EnEnelelcaso
deutilizar
utilizar
el concepto
deEuclidiana
distancia
euclidiana, tendremos:
caso de
el concepto
de distancia
tendremos:
( )
( ( ) )
(( ))
40
( )
( )
(( ))
( (
Mercados y Negocios
( )
( )
( )
( )
( )
( )
( )
Utilizando las
borrosas
como elemento
decisor, en ambos
casos
candidatocasos
4 es el
lastcnicas
tcnicas
borrosas
como elemento
decisor,
enelambos
el canUtilizando Utilizando
lasindicado
tcnicas
borrosas
como elemento
decisor,
en ambos
casos el candidato
4 es el
a ocupar el cargo y el menos indicado sera el nmero 3.
didato 4 es el indicado a ocupar el cargo y el menos indicado sera el nmero 3.
Sin embargo
la segunda,
tercera
y cuarta
opcin difieren
en ambos
casos.3.
indicado a ocupar
el cargo
ylaelsegunda,
menos
indicado
nmero
Sin embargo,
tercera
y sera
cuartael
opcin
difieren en ambos casos.
situacin
adicional
la seleccin
del en
personal
la difcil tarea de la
Sin embargo laComo
segunda,
tercera
y cuartaa opcin
difieren
ambos en
casos.
Como situacin adicional a la seleccin del personal en la difcil tarea de la planeacin de los
planeacin de los recursos humanos, es posible dar mayor utilidad a los datos
recursos humanos, es posible dar mayor utilidad a los datos con los que contamos hasta el
con los que contamos hasta el momento, por lo que podemos hacer uso de esta
momento, por lo que podemos hacer uso de esta informacin y realizamos el clculo de las
Como situacin
adicional
a la seleccin
del de
personal
en la difcil
tarea
de la planeacin
de los
informacin
y realizamos
el clculo
las distancias
Hamming
existentes
entre
distancias Hamming existentes entre los diferentes candidatos:
losEsdiferentes
candidatos:
recursos humanos,
es : posible
obvio que
dar mayor utilidad a los datos con los que contamos hasta el
momento, por lo que podemos hacer uso de esta informacin y realizamos el clculo de las
distancias Hamming
existentes entre
los diferentes
candidatos:
Es obvio que :
41
Como situacin adicional a la seleccin del personal en la difcil tarea de la planeacin de los
Como
situacin adicional a la seleccin del personal en la difcil tarea de la planeacin de
recursos humanos, es posible dar mayor utilidad a los datos con los que contamos hasta el
recursos humanos, es posible dar mayor utilidad a los datos con los que contamos hasta
momento, por lo que podemos hacer uso de esta informacin y realizamos el clculo de las
momento, por lo que podemos hacer uso de esta informacin y realizamos el clculo de
vilaexistentes
Carren, Evaristo
Figueroa y candidatos:
Dora Aguilasocho Montoya
distanciasFernando
Hamming
entreGaleana
los diferentes
0.25
siguiente:
Se obtiene
la relacin borrosa
0
0.25
0.3375
0
0.25
0.25
0
0.3375
0
0.1375
0.1375
0.25
0.3375
0.1375
0.1 0 0.1
0.1375 0.2875
0.25
0.1375 0.2875
0.25
0.1375
0.1 0 0.1
0.0
0.0875
0.0875
0.087
0.1375
0.0875
0.25
0.1 0
0.2875
0.07500.
siguiente:
0.0875
0.0875
Se obtiene la relacin
borrosa0.3375
0.25
0
0.1375
0.1
0.0875
0.25
0
0.1375
0.1
0.0875
0.25
0.08750.1
0.0
0.10.1375 0.0875
0.25 0
0.2875
0.07500.0875
0.037
00 0.25
0.0875
0.075
0 0.3375
0.25 0.1375
0.3375
0.2875
0.3375
0.1375
0.0875
0.075
0.3375
0.1375
0
0.0875
0.075
0.0875
0
0.075
0.3375
0.0875
0.2875
0.075 Esta matriz
0.0375
de
distancias e
0.1375
0.25
0.1 0.1375 0.0875
0.08750.1
00.0875
0.0375
0.25
0
0.25
0.1
0
0.0375
0.25
0.1
0.0875
0
0.0375
0.25
0dededistancias
0.0375
Esta matriz
una matriz d
semejanza.
0.1
0.2875
0.0875
0.0375
es
0.0875
0.075
00
0.2875
0.0875
0.075
0.3375
0.13750.25
0 0.3375
0.0875 0.25 0.0375
0.075 0.2875
0
0.2875
0.0875
0.075
0.0375
0.25
0.1
0.0875
0
0.0375
semejanza.
Esta
matriz dededistancias
su comple
0
0.25
0.3375 es una matriz
0.25 de desemejanzas,
0.28750.25
pro
0.2875
0.0375
0 0.25
semejanza.
0.3375
de semejanza.
complemento
desemejanzas,
0.75la
0.75
0 a1 1, proporciona
0.1375
0.25
0.3375
0.1375
0.25
Esta
matriz
de
distancias
es
una
matriz
de
su
Esta
matriz
de
distancias
es
una
matriz
de
desemejanzas,
su
complemento
aa 1,
proporciona
la
Esta
matriz
de
distancias
es
una
matriz
de
desemejanzas,
su
complemento
1,
proporciona
la
Esta
susucomplemento
a0.75
1a 1, proporciona
Estamatriz
matrizdededistancias
distanciasesesuna
matrizdededesemejanzas;
desemejanzas,
complemento
la
unamatriz
1
0.75
0.6625
1
0.6625
0.3375
0.1375
0.1 0 0.1
0.25
0
0.1375 0.2875
0.25
de
semejanza.
proporciona
la matriz de semejanza.
de semejanza.
de semejanza.
0.75
0.8625
10 0.1 0.0875
0.8625
0.75
0.6625
0.75
0 1
0.1375
0.0
0.75
0.25
0.1
0.0875
0.25
0.3375
0.1375
0.087
0.6625
0.2875
0.75
0.6625
0.7125
10 0.0875
0.8625
1 00.
0.75
0.75
0.9
0.75
0.8625
0.9
0.3375
0.1375
0.0875
0.25
0.7125
0.6625
0.2875
0.075
0.1
0.0875
0.25
0
0.1375
0.1
0.0875
0.25
0
0.1375
0.1
0.0875
0.25
0
0.1375
0.1
0.0875
10.1375 0.0875
0.8625
0.9
0.9125
0
0.75
0.9
0.9125
0.9125
0.1 0.7125
0.8625
1 0 0.0875
0.9125
0.25
0.1
0.0875
0.0
0.6625
0.250.75
0.2875
0.075
1
0.75
0.75
0.7125
0.3375
0.1375
0 0.75
0.0875
0.075 0.037
1 0.3375
0.75
0.6625 0.6625
0.7125
1
0.75
0.6625
0.75
0.7125
0.1375
0
0.0875
0.075
0.3375
0.1375
0
0.0875
0.075
1
0.7125
0.6625
0.8625
10.75
0.9125
0.925
Buscamos
ahora,
nivel
0.75 0.0875
0.7125
0.9125
0.925
0.1375
0
0.0875
0.3375
0.75
0.9
0.9125
1 poe
0.2875
0.075
0.0375
Esta
matriz
de0.075
distancias
0.6625
0.75
1
0.8625
0.9
0.9125
0.1
0.0875
00
0.0375
0.75
1
0.9
0.9125
0.75 0.25
1
0.8625 0.8625
0.9
0.9125
0.25
0.1
0.0875
0.0375
0.0875
0.75
1
0.8625
0.9ahora,
0.9125
Buscamos
nivel
nivel,
para lo
0.75
0.9
0.9125
1 por
0.9625
similitud.
Para
ellomatriz
utilizar
0.1
0.25
0.1
0.0875
0.0375
0.25
0.7125
0.925
0.9625
matriz
de00de
distancias
es0.0375
una
d
semejanza.
0.6625
0.8625
1 Esta 0.9125
0.9125
0.925
0.2875
0.0875
0.075
0.0375
00
0.6625
0.8625
1
0.9125
0.925
0.6625
0.8625
1
0.9125
0.925
0.6625
0.8625
1
0.9125
0.925
0.2875
0.0875
0.075
0.0375
Buscamos
nivel
por
para
los
valores
de
similitud.
Para
ellomatriz
utilizaremos
0.6625
0.8625 Esta
1 ahora,
0.9125
0.925
0.7125
0.9125
0.925
0.9625
1
matriz
dede
distancias
es nivel,
una
de desemejanz
semejanza.
0.2875
0.0875
0.075
0 el algor
0.75
0.9
0.9125
110.0375
0.9625
0.75
0.9
0.9125
0.9625
0.75
0.9
0.9125
1
0.9625
0.75
0.9125
1ello utilizaremos
0.9625
similitud.
Para
algoritmo
de
Pichaen
0.75 0.9
0.9 ahora,
0.9125
0.9625
Por
ejemplo,
mximo
Buscamos
nivel
por
para1 los
valores
de elsu
hallados
semejanza.
complem
el
Esta
matriz
dede
distancias
es nivel,
una matriz
de desemejanzas,
0.7125
0.9125
0.925
0.9625
11
0.7125
0.9125
0.925
0.9625
0.7125
0.9125
0.925
0.9625
11en
Buscamos
nivel
por
nivel,
para
los
valores
de 1elsu
hallados
las de
sub
Por
ejemplo,
mximo
nivel
0.7125ahora,
0.9125
0.925
0.9625
similitud.
Para
ellomatriz
utilizaremos
algoritmo
de
Esta
matriz
dede
distancias
es
una
de
desemejanzas,
a 11,
pro
complemento
relac
el
0.7125
0.9125
0.925
0.9625
semejanza.
Pichat.
similitud.
Para ello utilizaremos
el
algoritmo
de
Por
ejemplo,
el mximo
nivel de 11
se tendr
p
de
semejanza.
Pichat.
su
la
valores
0.75
0.75
Buscamos
ahora,
nivel
por
nivel,
para
los
de
hallados
en
las
sub
mxim
Esta
matriz
de
distancias
es
una
matriz
de
desemejanzas,
complemento
aa relaciones
1,
proporciona
Buscamos
ahora,
nivel
por
nivel,
para
los
valores
de
hallados
en
las
sub
relaciones
mxim
Buscamos
ahora,
nivel
por
nivel,
para
los
valores
de
hallados
en
las
sub
relaciones
mxim
Esta
matriz
de
distancias
es
una
matriz
de
desemejanzas,
su
complemento
1,
proporciona
la
Buscamos
ahora,
nivel
para
losel
hallados
en1 se
lastendr
sub
mxim
Buscamos
ahora,
nivel
porpor
nivel,
para
los valores
de
a de
hallados
en
las subrelacio2 0.6625
Por
ejemplo,
mximo
nivel de
Esta matriz
deello
distancias
es
una
matriz
devalores
desemejanzas,
su
1,para:
proporciona
de
nivel,
Pichat.
11 complemento
0.75
1 a relaciones
0.75
1 2 la
0.6625
similitud.
Para
utilizaremos
el
algoritmo
de
semejanza.
similitud.
Para
ello
utilizaremos
el
algoritmo
de
Pichat.
nes
mximas
de
similitud.
Para
ello
utilizaremos
el
algoritmo
de
Pichat.
de
semejanza.
similitud.
ParaPor
elloejemplo,
utilizaremos
el mximo
nivel dede
para:
2 1 2
3
de semejanza.
11 Pichat.1 se tendr
1
el algoritmo
0.75
0.8625
0.6625
0.75
0.6625 1 0.8625
0.75
0.75
1
3
1 0.75
1
2 0.6625
siguientes
tendr
0.6625
0.7125
1 2 Los
11
0.8625
1de1 s
0.753 niveles
0.75
0.9
0.75
0.8625
0.9
Por
ejemplo,
el
mximo
nivel
de
se
para:
0.7125
Por ejemplo, el mximo nivel de
se tendr para:
nivel
2 se tendr
3 yniveles
40.9125
42 Por ejemplo, el mximo
Negocios
Los
siguientes
de1 similitud
entre
1 de
1Mercados
3 0.9
1
0.75
1 2 para:
0.8625
0.9
1
0.75
0.9125
0.6625
1De
0.9125
1
0.75
0.6625 0.8625
0.75 0.7125
0.7125 0.9125
1
0.75
0.6625
0.75
0.7125
0.75
0.7125
1
2 Los
1 siguientes
3 1De
1 similitud
4 entre
10.925
niveles
de0.75
entre:
los
De
1 1
1
0.6625
0.75
0.7125
0.6625
0.6625
0.8625
0.9125
0.925
Buscamos
ahora,
nivel
0.75
0.7125
0.9125
11
2
3
4
0.75
0.9
0.9125
1 po
2
3
4
0.75
1
0.8625
0.9
0.9125
11
2
3
4
0.75
1
0.8625
0.9
0.9125
1
0.8625
0.9125
De
entre4De
los
De0.9
entreutilizar
losloc4
Los2
siguientes
de 31similitud
entre:
0.75
0.75
1 niveles
0.8625
0.9
Buscamos
ahora,
por
nivel,
para
0.75
0.9125
0.9625
similitud.
Paracandidatos
ello
0.7125
0.9125
0.925
0.9625
11
11
2
1
330.9
44 nivel
11 10.9125
55
0.6625
0.8625
1
0.9125
0.925
2
1
1
0.6625
0.8625
1
0.9125
0.925
0.6625
1
0.9125
0.925
1
1
2 niveles
1 0.8625
1
4
1
53
Los siguientes
de similitud3 entre:
De
entre los candidatos
De
entre los
1
1
2
1
3
1
4
1
5
1
43
Referencias bibliogrficas
Caballero Merinno, A. I., Gento, A., y Redondo, A. (2005). Seleccin de personal utilizando
lgica borrosa, trabajo presentado en el ix Congreso de Ingeniera de Organizacin,
septiembre 2005, Gijn.
De los Cobos Silva, Sergio, y Gutirrez Andrade, Miguel A. (2011). Regresin borrosa
vs regresin por mnimos cuadrados ordinarios: Caso de estudio, Revista de Matemtica: Teora y Aplicaciones, 18(1), pp. 33-48.
Gil Aluja, J. (1995a). Seleccin multicriterio de inversiones mediante retculos de Galois, en Cuervo, A. (dir.), Direccin de empresas de los noventa: Homenaje al profesor MarcialJess Lpez Moreno. Civitas. Madrid, pp. 139-157.
. (1995b). Modelos no numricos de asignacin en la gestin de personal, Comunicaciones del 2 Congreso de la Sociedad Internacional de Gestin y Economa Fuzzy, Santiago
de Compostela, nm. II, pp. 93-120.
. (1996). La gestin interactiva de los recursos humanos en la incertidumbre. Madrid: Centro
de Estudios Ramn Areces.
Gonzlez, F., Chvez, R., Flores, B., y Flores, J. (2009). Conformacin de equipos de
trabajo en un enfoque multivalente y su permanencia en proyectos, Inceptum, iv(6),
enero-junio.
Gonzlez, F., Flores, B., y Chagolla, M. (2004). Uncertainty theory applied to optional
selection of personnel in an enterprise, Fuzzy Economic Review, ix(2), noviembre.
Gonzlez, F., y Flores, B. (2009). Evaluacin financiera de las empresas usando lgica
difusa, Inceptum, iv(7), julio-diciembre.
Guerrero, C., y Terceo, A. (2012). Cmo seleccionar y contratar empresas en el outsourcing utilizando la metodologa de los nmeros borrosos, Revista Contadura y Administracin. Mxico: unam.
Kaufmann, A., Gil Aluja, J., y Gil Lafuente, A. M. (1994). La creatividad en la gestin de las
empresas. Madrid: Pirmide.
Kaufmann, A., Gil Aluja, J., y Terceo, A. (1994). Matemtica para la economa y la gestin de
empresas. Barcelona: Foro Cientfico.
Kaufmann, A., y Gil Aluja, J. (1991). Nuevas tcnicas para la direccin estratgica. Barcelona:
Publicacions Univertat de Barcelona.
Milkovich, G., y Boudreau, J. (1994). Direccin y administracin de recursos humanos. Un enfoque
de estrategia. Estados Unidos: Addison Wesley Iberoamericana.
Zadech, L. A. (1965). Fuzzy Sets, Information and Control, nm. 8, pp. 338-353.
44
Mercados y Negocios