Académique Documents
Professionnel Documents
Culture Documents
41-52
RESUMEN
Los recursos intangibles se han convertido en la principal fuente de generacin de riqueza y bienestar
dentro de la economa del conocimiento. El capital humano, como componente inherente a toda empresa,
est conformado por un grupo de variables que agregan valor, por lo tanto, su medicin es punto focal en
las organizaciones del siglo XXI. Desafortunadamente, por el carcter intangible y calificativo de algunos
de sus componentes, su medicin y control presentan dificultades. El presente artculo propone, mediante
el uso de herramientas basadas en la lgica difusa, evaluar el impacto de la capacitacin en las empresas,
aplicando el razonamiento propio de la lgica difusa a fin de complementar y extender la lgica clsica.
El trabajo de ingeniera del conocimiento est basado en el conocimiento de los expertos, en el cual se
identificaron los factores que incidan en el proceso, se modelaron estas como variables lingsticas, se
deriv un conjunto de reglas difusas para medir cualitativamente el impacto de la capacitacin, se realiz
una implementacin de una aplicacin en Matlab y se propuso un conjunto de casos al sistema con los
que se obtuvieron muy buenos resultados.
Palabras clave: Lgica difusa, sistema de inferencia difusa, variables lingsticas, capacitacin, impacto
de la capacitacin.
ABSTRACT
The intangible assets have become the main source of wealth creation and welfare within the knowledge
economy. Human capital, as an inherent component in any company, is comprised of a group of variables
that add value, therefore, its measurement is a focal point in the XXI century organizations. Unfortunately,
due to the intangible and qualifying nature of some of its components, measurement and control of the
human capital show some difficulties. This article proposes, through the use of tools based on fuzzy logic,
the evaluation of the impact of training in companies, by applying the reasoning characteristic of fuzzy
logic, with the aim to complement and extend the classical logic. The work of knowledge engineering
is based on the knowledge of experts, in which the factors that influence on the process were identified
and modeled as linguistic variables. A set of fuzzy rules was derived in order to measure qualitatively
the impact of training. An implementation of an application in Matlab was developed and a set of cases
was proposed to the system obtaining very good results.
Keywords: Fuzzy logic, fuzzy inference system, linguistic variables, training, impact of training.
1 Departamento de Capital Humano. Universidad de Sancti Spritus Jos Mart Prez. Ave. de los Mrtires # 360. CP 60100,
Sancti Spritus, Cuba. E-mail: renier@uniss.edu.cu; gfelix@uniss.edu.cu
2 Departamento de estudios informticos. Universidad Central Marta Abreu de Las Villas. Carretera de Camajuan, kilmetro
42
Esquivel Garca, Flix Benjamn y Bello Prez: Evaluacin del impacto de la capacitacin con lgica difusa
Un estudio tcnico del problema permite encontrar palabra, adjetivo o etiqueta lingstica A. Entonces
que existen diferentes formas de representacin del se puede decir que un conjunto difuso A se define
conocimiento, como las redes semnticas, los marcos, como una funcin de pertenencia que enlaza o
las ontologas y los mapas conceptuales [20] que empareja los elementos de un dominio o universo
permiten la exteriorizacin de conocimiento tcito de discurso X con elementos del intervalo [0,1],
y de construccin de conocimiento explcito, que para cada conjunto difuso se dene una funcin
combina la captura y la representacin, de manera de pertenencia o inclusin A(x), que representa
fcil y flexible, del conocimiento almacenado en el grado en que un valor para la variable x est
la estructura cognitiva de la persona. Es importante incluido en el concepto representado por la etiqueta
sealar que la base de esa teora es la espiral del A. Cuanto ms cerca est A(x) del valor 1, mayor
conocimiento [21]. ser la pertenencia del objeto x al conjunto A. Los
valores de pertenencia varan entre 0 (no pertenece
SISTEMA DE INFERENCIA DIFUSA en absoluto) y 1 (pertenencia total) por lo que un
conjunto difuso es una clase de objetos con grados de
El hombre, en la bsqueda de la precisin, pertenencias continuos. Existen varias definiciones
ha intentado ajustar el mundo real a modelos de funcin de pertenencia [30-31]. Otros tipos de
matemticos rgidos y estticos. El nacimiento de aproximacin de nmeros difusos son estudiados
la teora de los conjuntos difusos fue en la direccin en los trabajos [32-35].
contraria, generar modelos matemticos adaptables a
los problemas del mundo real; su desarrollo se debi Otro concepto clave en la Teora de los conjuntos
a la necesidad de disponer de alguna representacin difusos es el de variables lingsticas, las mismas
matemtica de familias de objetos usuales que, con la pueden formular descripciones vagas en lenguaje
teora clsica de conjuntos o la teora de probabilidad natural a trminos matemticos precisos y son una
no podan ser representados adecuadamente, ya forma de comprimir informacin llamada granulacin
que no son adecuadas para tratar la imprecisin, [36-37], ayudando a caracterizar fenmenos que estn
la incertidumbre, la no especificidad, la vaguedad, mal definidos o son complejos de definir o ambas
la inconsistencia y la complejidad del mundo real, cosas [38-40]. Formalmente una variable lingstica
permitiendo expresarlos en trminos matemticos se define segn [38-41] por <N, U, T(N), M> donde:
capturando todas las incertidumbres asociadas con
el razonamiento y el pensamiento humano. N es el nombre de la variable lingstica y U
dominio subyacente.
La lgica difusa puede entenderse como una T(N) es el conjunto de trminos o etiquetas
herramienta matemtica cuya amplia aplicabilidad se lingsticas que puede tomar N.
basa en la concepcin de conjuntos con fronteras no M es una regla semntica que asocia cada
exactas que se emplean en presencia de informacin elemento de T(N) con un conjunto difuso en
imperfecta [22-23], que se ocupa de los problemas U de entre todos los posibles.
relativos a la imprecisin, la incertidumbre y el
razonamiento aproximado y es un marco que tolera Las variables difusas proporcionan una transicin
la imprecisin y la verdad parcial bajo un enfoque gradual de estados y tienen capacidad para
no estadstico [24-25] y que puede ser construida expresar y trabajar con observaciones y medidas de
basndose en el conocimiento de los expertos. incertidumbre, que son ms ajustadas a la realidad
que las variables con cambios abruptos, de ah que las
Definicin de conjuntos difusos etiquetas lingsticas sean los trminos lingsticos
La teora de conjuntos difusos parte de la teora definidos como conjuntos difusos que representan
clsica de conjuntos, aadiendo una funcin de los posibles valores de una variable lingstica
pertenencia al conjunto generalmente denida [42]. Utilizando las variables lingsticas se pueden
como un nmero x entre 0 y 1 (el intervalo [0,1]) implementar los sistemas de inferencia difusa.
[26-29], en lugar de la pertenencia clsica binaria
definida en el conjunto {0,1}. As, se introduce Un sistema de inferencia difusa es un sistema
el concepto de conjunto difuso asociado a un computacional basado en los conceptos de la teora
determinado valor lingstico, denido por una de conjuntos difusos, reglas IF-THEN difusas y
43
Ingeniare. Revista chilena de ingeniera, vol.22 N1, 2014
razonamiento difuso. Su estructura bsica consiste El presente trabajo persigue evaluar el impacto
en tres componentes: una base de reglas difusas, de la capacitacin con un modelo basado en un
una base de datos (la cual contiene las funciones de sistema de inferencia difusa que permita expresar
pertenencia usadas) y un mecanismo de razonamiento, las valoraciones sobre los indicadores en distintos
que ejecuta el procedimiento de inferencia difusa; dominios de expresin dependiendo de la naturaleza
donde las entradas y salidas pueden ser valores duros de los mismos o del conocimiento que tengan sobre
o difusos. El mecanismo de inferencia difusa que se ellos, que maneje la vaguedad o incertidumbre que
propone en el presente trabajo es de tipo Mamdani, esta conlleve. A continuacin una breve descripcin
por ser uno de los ms empleados [43] y probados de las variables para realizar dicha evaluacin, as
de manera prctica [44]. como de sus respectivas etiquetas lingsticas:
1. Definir los objetivos, las restricciones y el Aprendizaje: es el proceso por el que las personas
comportamiento del sistema de inferencia adquieren conocimientos, tcnicas y actitudes
difusa. mediante la experiencia, la reflexin, el estudio o
2. Seleccin de las variables. la instruccin, as como el resultado deseado tras
3. Seleccin de la estrategia difusa o fusificacin la realizacin de un programa formativo.
de las variables. Aprendizaje alto: se manifiesta cuando los dirigentes
4. Construccin de la base de reglas. adquieren los conocimientos y habilidades de forma
5. Seleccin de la lgica de toma de decisiones, satisfactoria, participando en todos los encuentros
no es ms que seleccionar el tipo especfico de de forma activa y con elevada motivacin.
sistema de inferencia difusa. Aprendizaje medio: se evala el conocimiento
6. Seleccin de la estrategia de defusificacin. y las habilidades de los dirigentes de manera
7. Ejecutar pruebas para validar el sistema de positiva, observndose pequeas deficiencias en el
inferencia difusa y verificar si la solucin es aprendizaje. Se adquieren algunos conocimientos
compatible con el paso 1. Se modifican los y escasas habilidades.
parmetros del sistema de inferencia difusa Aprendizaje bajo: se adquieren muy pocos
para aumentar la precisin del modelo. conocimientos y habilidades, solo se cumpli con
7.1. Refinar el diseo. la presencia fsica del dirigente y no existe mucho
7.2. Necesidad de mejora: Ir al paso 1. inters por aprender.
44
Esquivel Garca, Flix Benjamn y Bello Prez: Evaluacin del impacto de la capacitacin con lgica difusa
Desempeo en el puesto: son las actividades que objetivos de la empresa, lo cual exige tiempo de
realiza el dirigente para cumplir con los objetivos trabajo dedicado a los mismos.
establecidos. Cada empresa define los indicadores Disciplina laboral buena: se refleja en el
que considere para evaluar a sus dirigentes, los cumplimiento de los objetivos del puesto de
cuales pueden ser: cumplimiento de los objetivos trabajo en correspondencia con los objetivos de
de trabajo, responsabilidad, preocupacin por sus la empresa. No se manifiestan dificultades en el
subordinados, superacin, intercambio con todos ausentismo, impuntualidad, desaprovechamiento
los trabajadores de la empresa, entre otros. de la jornada, incumplimiento de las normas de
Desempeo elevado: el dirigente evidencia elevados trabajo, incumplimiento de la calidad del trabajo,
resultados en su trabajo, excelentes criterios de desobediencia a la administracin, entre otras.
sus subordinados y superiores, logra los objetivos Disciplina laboral regular: se cumple parcialmente
establecidos con el mximo aprovechamiento de con los objetivos establecidos en el puesto de
los cursos recibidos. trabajo, incurriendo en algunas prdidas de tiempo
Desempeo medio: cuando se realiza un trabajo imputables al comportamiento de los empleados,
satisfactorio en el puesto de trabajo cumpliendo con afectando los objetivos que se desean alcanzar. Los
todo lo establecido. Los criterios de sus subordinados ndices que miden una buena disciplina laboral no
y superiores son buenos y los indicadores de se satisfacen en su totalidad.
desempeo que forman parte del mismo se cumplen Disciplina laboral mala: incumplimiento de los
con algunos sealamientos. objetivos del puesto de trabajo en correspondencia
Desempeo bajo: existe un mal trabajo, lo que pone con los objetivos de la empresa, prdidas de tiempo
de manifiesto un bajo rendimiento en la mayora imputables al comportamiento de los empleados.
de los indicadores del desempeo que posee la Aparecen incumplimientos en casi todos los ndices
empresa, mostrndose reiterados incumplimientos de la misma.
de los objetivos establecidos por la institucin.
Resultados econmicos: es el cumplimiento de
Clima organizacional: es la forma en que el dirigente los objetivos de la empresa en trminos econmicos,
percibe su trabajo, su rendimiento, su productividad reflejando los beneficios y prdidas de la misma.
y satisfaccin en la labor que desempea. Se evala Es el aporte social de la institucin.
de acuerdo con el liderazgo, comunicacin, trabajo Resultados econmicos buenos: se cumplen
en equipo, condiciones de trabajo, estimulacin, los indicadores econmicos de la empresa,
motivacin y nivel de capacitacin. evidencindose un elevado aporte social, se
Clima organizacional favorable: se observa un sobrecumplen los planes y se observa satisfaccin
favorable ambiente de trabajo y excelente relacin en los empleados.
entre los factores del sistema organizacional de Resultado econmico regular: existen algunos
la empresa y el comportamiento individual tiene sealamientos por los auditores, superiores y
consecuencias positivas sobre la organizacin. trabajadores, no se cumple el plan en toda su totalidad.
Clima organizacional medio: se observan Resultados econmicos bajos: no se cumple con los
insatisfacciones y un ambiente de trabajo, que no se indicadores econmicos establecidos en el perodo,
cumple en toda su totalidad. Adems, los trabajadores no se cumple el plan.
manifiestan inconformidades en alguno de los
indicadores que integran el clima organizacional. Variables de salida
Clima organizacional desfavorable: existen quejas y Impacto individual: es la repercusin que tiene la
un desfavorable ambiente de trabajo, lo que implica capacitacin recibida, mediante cambios favorables
consecuencias negativas sobre la organizacin. en el nivel de satisfaccin, competencias de los
Los trabajadores manifiestan criterios negativos individuos y su desempeo en el puesto de trabajo,
en factores como liderazgo, comunicacin, trabajo evalundose en alto, medio o sin impacto.
en equipo, condiciones de trabajo, estimulacin,
motivacin y nivel de capacitacin. Impacto organizacional: es la repercusin que
tiene la capacitacin recibida, mediante cambios
Disciplina laboral: cumplimiento de los objetivos favorables en el mejoramiento de la eficacia y la
del puesto de trabajo en correspondencia con los eficiencia, evalundose en alto, medio o sin impacto.
45
Ingeniare. Revista chilena de ingeniera, vol.22 N1, 2014
46
Esquivel Garca, Flix Benjamn y Bello Prez: Evaluacin del impacto de la capacitacin con lgica difusa
47
Ingeniare. Revista chilena de ingeniera, vol.22 N1, 2014
COMPLETITUD: Las reglas han de cumplir el resultado de salida dado por el software con los
todas las combinaciones posibles de entradas otorgados por el panel de expertos. Comparando
al controlador, con el fin de que no queden los datos analizados se observa que el experimento
fisuras en las cuales no se tome una accin. arroj una alta coincidencia de los valores de salida
CONSISTENCIA: No pueden coexistir dos con los criterios generados por los especialistas. Para
acciones de control para la misma situacin, validar la robustez con que el sistema responde a las
lo que producira una contradiccin. distintas interrogantes a partir de los datos de entrada,
INTERACCIN: Corresponde al peso propio se hizo uso del programa estadstico informtico
que tiene una regla entre las restantes, para Statistical Package for the Social Sciences (SPSS),
ello se debe analizar el efecto de las reglas en el cual es muy usado en lasciencias sociales [54].
la accin de control.
ROBUSTEZ: Es una medida de la reaccin En la Tabla5 se observan las variables de salida del
del controlador frente a perturbaciones en las sistema, junto con los resultados de haber aplicado
entradas. el test de Friedman, las curvas ROC (que no es ms
que la certeza con que cada regla es evaluada segn
Una parte de la base de conocimiento por la que corresponda, o sea, bajo, medio y alto) y las tablas
est conformado el sistema de inferencia difusa est de contingencia.
dada como reglas difusas segn muestra la Tabla4.
Para la variable Impacto individual, a pesar de que se
Tabla4. Base datos de conocimiento para el impacto aprecian diferencias significativas entre los expertos
individual. (significacin 0,002 con intervalo de confianza a
BASE DE CONOCIMIENTO
la izquierda de 0,05, e incluso de 0,01, despus
de haberse aplicado el test de Friedman); puede
IMPACTO INDIVIDUAL
notarse en la Tabla6, que cuando se relacionan los
S ENTONCES
resultados del sistema con la tendencia central de los
Satisfaccin Desempeo Impacto
Aprendizaje siete expertos, se obtienen resultados satisfactorios.
del personal en el puesto individual
As queda evidenciado con las tres curvas ROC, las
Satisfecho Mucho Elevado Alto
cuales tienen rea significativamente mayor que 0,5.
Algo Mucho Elevado Alto
Adems se alcanzan buenos resultados con el uso de
Insatisfecho Mucho Elevado Medio
la Tabla6 de contingencia para dicha variable, por lo
Satisfecho Medio Elevado Medio
que no existen discordantes extremos (Alto-Bajo).
Algo Medio Elevado Medio
Insatisfecho Medio Elevado Medio Para la variable Impacto organizacional despus de
Satisfecho Poco Elevado Alto aplicar el test de Friedman se observa que tampoco
Algo Poco Elevado Medio hay diferencias significativas segn la Tabla5, lo
Insatisfecho Poco Elevado Sin impacto cual indica concordancia entre los expertos. Las
Satisfecho Mucho Sealamiento Alto 3 curvas ROC que se hacen con la certeza del
Algo Mucho Sealamiento Alto sistema propuesto respecto de las correspondientes
Insatisfecho Mucho Sealamiento Medio evaluaciones de los expertos 1, 2, 3 se aprecia una
Fuente: Elaboracin propia.
Tabla5. Indicadores de validacin en el SPSS.
Luego de haber analizado las variables lingsticas
% de
con sus respectivas combinaciones mediante reglas Curva Curva Curva
Sig. de casos
Variables ROC ROC ROC
difusas se utiliz el mtodo de defusificacin centro Friedman concor-
Bajo Medio Alto
de gravedad o centroide. dantes
Impacto 0,002 0,859 0,809 0,827 76,7
individual
Valoracin experimental Impacto
Para dar una valoracin experimental del sistema de 0,339 0,942 0,813 0,887 71,7
organizacional
inferencia difusa fueron propuestos y formulados Impacto
0,023 0,919 0,821 0,910 80,0
ms de 100 casos, otorgndoles valores a todas las capacitacin
variables de entrada y realizando un anlisis con Fuente: Elaboracin propia.
48
Esquivel Garca, Flix Benjamn y Bello Prez: Evaluacin del impacto de la capacitacin con lgica difusa
Tabla6. Tabla de contingencia entre los expertos En la variable Impacto de la capacitacin, segn la
y el sistema para la variable Impacto Tabla5, se observan diferencias significativas entre
individual. los expertos. No obstante, cuando se relacionan los
Expertos*Sistema resultados del sistema con la tendencia central de los
Sistema
siete expertos, se obtienen resultados satisfactorios.
Total As queda evidenciado con las tres curvas ROC,
Bajo Medio Alto
Frecuencia
todas las cuales tienen rea significativamente mayor
4 4 que 0,5. Tambin queda demostrado con la Tabla8.
Bajo % de los
100 100
expertos
Frecuencia CONCLUSIONES
Exper- 1 28 5 34
Medio % de los
tos 2,9 82,4 14,7 100
expertos
La lgica difusa tiene una historia corta, pero un
Frecuencia
8 14 22 rpido crecimiento debido a su capacidad de resolver
Alto % de los
36,4 63,6 100 problemas relacionados con la incertidumbre de la
expertos
Frecuencia informacin o del conocimiento de los expertos.
5 36 19 60
Total % de los Adems, proporciona un mtodo formal para la
8,3 60,0 31,7 100
expertos expresin del conocimiento en forma entendible
Sig. de Monte Carlo para el test exacto de Fisher=0,000. La por todos. En el trabajo presentado en el artculo
concordancia exacta entre el sistema y los expertos se logra se ha utilizado la misma para crear un modelo
en un 46 de los 60 casos para un 76,6%.
computacional que permite evaluar el impacto de
Fuente: Elaboracin propia con el SPSS. la capacitacin en una institucin dada. Se cre
un sistema inteligente, definido como sistema de
Tabla7. Tabla de contingencia entre los expertos inferencia difusa, que permite evaluar el impacto
y el sistema para la variable Impacto de la capacitacin y constituye una herramienta
organizacional. que permite tomar decisiones en la definicin de
Expertos*Sistema acciones para mejorar la capacitacin empresarial. La
Sistema valoracin experimental mediante el empleo de un
Total conjunto de casos de prueba mostr un desempeo
Bajo Medio Alto satisfactorio del sistema. Tiene la ventaja de utilizar
Frecuencia
4 1 5
Bajo % de los
80,0 20,0 100
expertos
Tabla8. Tabla de contingencia entre los expertos
Frecuencia
Expertos Medio % de los
4 21 4 29 y el sistema para la variable Impacto de
13,8 72,4 13,8 100 la capacitacin.
expertos
Frecuencia Expertos*Sistema
8 18 26
Alto % de los
30,8 69,2 100 Sistema
expertos Total
Bajo Medio Alto
Frecuencia
8 30 22 60 Frecuencia
Total % de los 7 3 10
13,3 50,0 36,7 100 Bajo % de los
expertos 70,0 30,0 100
expertos
Sig. de Monte Carlo para el test exacto de Fisher=0,000. La
concordancia exacta entre el sistema y los expertos se logra Frecuencia
1 24 7 32
en un 43 de los 60 casos para un 71,6%. Expertos Medio % de los
3,1 75,0 21,9 100
expertos
Fuente: Elaboracin propia con el SPSS. Frecuencia
1 17 18
Alto % de los
5,6 94,4 100
buena concordancia (vase que todas las reas bajo expertos
Frecuencia
las curvas ROC tienen valores superiores a 0,8 e Total % de los
8 28 24 60
intervalos de confianza francamente a la derecha de 13,3 46,7 40,0 100
expertos
0,5, que es el rea de la recta diagonal del cuadrado Sig. de Monte Carlo para el test exacto de Fisher=0,000. La
que indicara mala clasificacin). Por ltimo, la concordancia exacta entre el sistema y los expertos se logra
Tabla 7 de contingencia muestra que no existen en un 48 de los 60 casos para un 80%.
discordantes extremos (Alto-Bajo). Fuente: Elaboracin propia con el SPSS.
49
Ingeniare. Revista chilena de ingeniera, vol.22 N1, 2014
un sistema inteligente y agilizar el tiempo de trabajo formacin y desarrollo que permita conocer
de los evaluadores en las reas de capacitacin. el impacto de la capacitacin en la gerencia
territorial de ETECSA. Tesis para optar
REFERENCIAS al grado de licenciada en Contabilidad y
Finanzas. Universidad de Sancti Spritus Jos
[1] A. Cuesta. Tecnologa de Gestin de Recursos Mart Prez. Sancti Spritus, Cuba. 2007.
Humanos. Flix Varela y Academia. Cuarta [10] J. Cabrera. Repensar la evaluacin del
Edicin. La Habana, Cuba. Vol.1, pp.347. impacto de la capacitacin. Impacto de
2010. ISBN: 978-959-07-1340-8 OC. la capacitacin. Editado por Direccin de
[2] F. Benjamn y R. Esquivel. Procedimiento Capacitacin de Cuadros y Estudios de
para evaluar el impacto de la capacitacin en Direccin. Primera Edicin. La Habana, Cuba.
los cuadros de las empresas que contribuyen Vol.1, pp.6-25. 2004. ISBN: 959-16-0274-8.
al desarrollo local utilizando Lgica Difusa. [11] M. Clemente y R. Esquivel. Evaluacin
Tesis para optar al grado de licenciado. del impacto de la capacitacin en la granja
Universidad Central Marta Abreu de Las agroindustrial Aracelio Iglesias. Tesis para
Villas. Villa Clara, Cuba. 2011. optar al grado de licenciada en Contabilidad y
[3] F. Munn. Las teoras de la complejidad Finanzas. Universidad de Sancti Spritus Jos
y sus implicaciones en las ciencias del Mart Prez. Sancti Spritus, Cuba. 2007.
comportamiento. Revista Interamericana [12] J. Diez y J. Abreu. Impacto de la capacitacin
de Psicologa. Vol.29 N 1, pp.1-12.1995. interna en la productividad y estandarizacin
ISSN: 0034-9690. de procesos productivos: un estudio de
[4] J. Calventus. La lgica borrosa como caso. Daena: International Journal of Good
aporte a una nueva epistemologa en ciencias Conscience. Vol.4 N2, pp.97-144. 2009.
sociales: una aproximacin conceptual. ISSN: ISSN 1870-557X.
Revista Psicologa. Vol.1 N 2, pp.1-18. [13] R. Esquivel y E. Gutirrez. Implementacin
2000. ISSN: 0719-0581. de un procedimiento que facilite la medicin
[5] L. Ballester y A. Colom. Lgica difusa: una del impacto de la capacitacin de los cuadros
nueva epistemologa para las Ciencias de la y sus reservas en el CAI Arrocero Sur del
Educacin. Revista de Educacin. Vol.340, Jbaro. Tesis para optar por el grado de
pp.995-1008. 2006. ISSN: 0034-8082. Mster en Direccin. Universidad de Sancti
[6] S. Medina. Aproximacin a la medicin del Spritus Jos Mart Prez. Sancti Spritus,
capital intelectual organizacional aplicando Cuba. 2006.
sistema de inferencia difusa. Cuadernos de [14] H. Garza. Impacto de la capacitacin en
Administracin. Vol.23, pp.35-68. 2010. una empresa del ramo elctrico. Daena:
ISSN: 1900-7205. International Journal of Good Conscience.
[7] M. Agero. Evaluacin del impacto de la Vol.4 N2, pp 194-249. 2009. ISSN: ISSN
capacitacin de la Maestra en Direccin 1870-557X.
de un grupo de directivos empresariales de [15] Y. Lpez y R. Esquivel. Evaluacin del
Ciudad de La Habana. I Taller cientfico impacto de la capacitacin en el CAI Arrocero
nacional sobre la medicin del impacto de Sur del Jbaro para mejorar la Gestin
la capacitacin. Matanzas, Cuba. 2003. Empresarial. Tesis para optar por el grado
[8] Y. Castro y R. Esquivel. Diseo e de Mster en Direccin. Universidad de
implementacin de un procedimiento para Sancti Spritus Jos Mart Prez. Sancti
la evaluacin del impacto de la capacitacin Spritus, Cuba. 2007.
recibida por la reserva de cuadros de la UJC [16] S. Prez. Propuesta Metodolgica para
de Sancti Spritus. Tesis para optar al grado la Evaluacin de Impacto de la Maestra
de Mster en Direccin. Universidad de en Direccin impartida por la Facultad de
Sancti Spritus Jos Mart Prez. Sancti Ciencias Econmicas y Empresariales de la
Spritus, Cuba. 2007. Universidad de Oriente. II Taller Nacional
[9] Z. Barreto y R. Esquivel. Diseo e de Medicin del Impacto de la Capacitacin.
implementacin de un procedimiento de Matanzas, Cuba. 2004.
50
Esquivel Garca, Flix Benjamn y Bello Prez: Evaluacin del impacto de la capacitacin con lgica difusa
[17] F. Rabaza. La medicin del impacto de la [27] A. Kulkarni. Computer vision and fuzzy-
capacitacin: El caso de un Diplomado. I neuronal systems. Prentice Hall PTR. New
evento sobre la Evaluacin de Impacto de York, USA. Vol. 1, p. 509. 2001. ISBN:
la capacitacin. Matanzas, Cuba, 2003. 0135705991.
[18] L. Rodrguez y R. Esquivel. Procedimiento [28] N. Kasabov. Foundations of neural
para evaluar el impacto de la capacitacin networks, fuzzy systems and knowledge
en los cuadros y sus reservas en las engineering. The MIT Press. Segunda
organizaciones que favorecen el desarrollo edicin. Massachusetts, USA. Vol.1, p.547.
local del municipio de Yaguajay. Tesis 1998. ISBN: 0-262-11212-4.
para optar al grado de licenciada en Cultura [29] B. Kosko. El futuro borroso o el cielo en un
Fsica. Universidad de Sancti Spritus Jos chip. Drakontos Bolsillo. Primera edicin.
Mart Prez. Sancti Spritus, Cuba. 2010. Barcelona, Espaa. Vol.1, pp.25-35. 2010.
[19] G. Feixas y J. Cornejo. Manual de la ISBN: 978-84-9892-087-1.
tcnica de la rejilla mediante el programa [30] B. Kosko. Neural Networks and Fuzzy
RECORD ver. 2.0. Paids. Segunda edicin. Systems: A Dynamical Systems Approach
Barcelona, Espaa. Vol. 1, pp. 95. 1996. to Machine Intelligence. Prentice Hall.
ISBN: 84-493-0317-6. New York, USA. Vol.1, p.449. 1992. ISBN:
[20] A. Simn y V. Estrada. Herramientas para 0136114350.
el perfeccionamiento de los sistemas de [31] J. Galindo. Conjuntos y sistemas difusos.
gestin de conocimiento basados en mapas Lgica difusa y apliaciones. E.T.S.I.
conceptuales. Tesis para optar al grado de Informtica. 2007. Fecha de consulta: 2012.
doctor. Instituto Superior Politcnico Jos URL: http://www.lcc.uma.es/~ppgg/FSS/
Antonio Echeverra. La Habana, Cuba. [32] Y. Chalco-Cano, M. Jimnez-Gamero, H.
2008. Romn-Flores and M.A. Rojas-Medar. An
[21] I. Nonaka y H. Takeuchi. The Knowledge approximation to the extension principle
using decomposition of fuzzy intervals.
Creating Company: How Japanese Companies
Fuzzy Sets and Systems. Vol.159, Issue 24,
Create the Dynamics for Innovation. Oxford
pp.3245-3258. 2008. ISSN: 0165-0114.
University Press. First edition. New York-
[33] G. Gonzlez-Rodrguez, A. Colubi and W.
Oxford, USA. Vol.1, pp.1-95. 1995. ISBN:
Trutschnig. Simulation of fuzzy random
0-19-509269-4.
variables. Information Sciences. Vol.179,
[22] A. Kandel. Fuzzy Expert Systems. CRC
Issue 5, pp.642-653. 2009. ISSN: 0020-0255.
Press. Primera edicin. Florida, USA. Vol.1,
[34] E. Nasibov and S. Peker. On the nearest
pp.99-112. 1992. ISBN: 084934297X.
parametric approximation of a fuzzy number.
[23] L. Zadeh. Fuzzy sets, fuzzy logic, and fuzzy
Fuzzy Sets and Systems. Vol.159, Issue 11,
systems: selected papers. World Scientific pp.1365-1375. 2008. ISSN: 0165-0114.
Pub. Co. Inc. Singapore. Vol. 6, pp. 821. [35] L. Stefanini, L.Sorini and M.L. Gerra.
1996. ISBN: 9810224214. Parametric representation of fuzzy numbers
[24] L. Zadeh. Nacimiento y evolucin de la lgica and application to fuzzy calculus. Fuzzy
borrosa, el soft computing y la computacin Sets and Systems. Vol. 157, Issue 24,
con palabras: un punto de vista personal. pp. 2423-2455. 2006. ISSN: 0165-0114.
Psicothema. Vol.8 No 2, pp.421-429. 1996. [36] L. Zadeh. Soft Computing and Fuzzy Logic.
ISSN: 0214-9915. IEEE Software. Vol.11, Issue 6, pp.48-56.
[25] C. Carlsson and R. Fuller. Fuzzy reasoning in 1994. ISSN: 0740-7459.
decision making and optimization. Physica- [37] L. Zadeh. Fuzzy Logic, Neural Networks,
Verlag Heidelberg. New York, USA. Vol.82, and Soft Computing.The concept of a
pp.337.2002. ISBN: 3-7908-1428-8. linguistic variable and its application to
[26] J. Jang. Neuro fuzzy and soft computing: approximate reasoning-II. The concept of
A computation al approach to learning and a linguistic variable and its application to
machine intelligence. Prentice Hall. New approximate reasoning-III. Commun.
York, USA. Vol. 1, p. 614. 1997. ISBN: ACM. Vol. 37, Issue 3, pp. 77-84. 1994.
0132610663. ISSN: 0001-0782.
51
Ingeniare. Revista chilena de ingeniera, vol.22 N1, 2014
[38] L. Zadeh. The concept of a linguistic [46] G. Tejada. Tutorial de lgica Fuzzy.
variable and its application to approximate Electrnica-UNMSM. Vol 5, pp.18-29. 2000.
reasoning-III. Information Sciences. Vol.9, [47] C. Lee. Fuzzy Logic in Control Systems:
pp.43-80. 1975. ISSN: 0020-0255. Fuzzy Logic Controllers-II. IEEE Trans.
[39] L. Zadeh. The concept of a linguistic on Systems, Man and Cybernetics. Vol.20,
variable and its application to approximate pp.419-433. 1990. ISSN: 0018-9472.
reasoning-I. Information Sciences. Vol.8, [48] C. Lee. Fuzzy Logic in Control Systems:
Issue 3, pp.199-249. 1975. ISSN: 0020-0255. Fuzzy Logic Controllers-I. IEEE Trans. on
[40] L. Zadeh. The concept of a linguistic Systems, Man and Cybernetics. Vol.20, Issue
variable and its application to approximate 2, pp.404-435. 1990. ISSN: 0018-9472.
reasoning-II. Information Sciences. Vol.8, [49] W. Pedrycz. Fuzzy Control and Fuzzy
pp.301-375. 1975. ISSN: 0020-0255. Systems. Research Studies Press. Second
[41] L. Zadeh. Outline of a new approach to edition. Taunton, Somerset, England. Vol.1,
analysis of complex systems and decision p.350. 1993. ISBN: 0863801315.
processes. IEEE Trans. syst. Man and [50] R. Yager and D. Filev. Essentials of Fuzzy
Cybernetics. Vol.3, Issue 1, pp.22-44. 1973. Modeling and Control. Wiley Interscience.
ISSN: 0018-9472. New York, USA. Vol.1, p.388. 1994. ISBN:
0471017612.
[42] V. Soler. Lgica difusa aplicada a conjuntos
[51] C. Martnez. Uso de las Tcnicas de
imbalanceados: Aplicacin a la deteccin
Preprocesamiento de Datos e Inteligencia
del sndrome de Down. Tesis para optar
Artificial (Lgica Difusa) en la Clasificacin/
al grado de doctor. Universitat Autnoma
Prediccin del Riesgo Bancario. Tesis para
de Barcelona. Barcelona, Espaa. 2007.
optar al grado de Licenciado. Universidad
[43] E.H. Mamdani and S. Assilian. An
de los Andes. 2007.
Experiment in Linguistic Synthesis with [52] L. Augier. Tecnologa para evaluar el
a Fuzzy Logic Controller. International desempeo de los recursos humanos en
Journal of Man-Machine Studies. Vol. 7, entidades tursticas. TURyDES. Vol. 3
Issue 1, pp.1-13. 1975. ISSN: 0020-7373. N8. 2010. ISSN: 1988-5261.
[44] E. Mamdani. Application of Fuzzy Logic [53] L. Cabrera y R. Esquivel. Procedimiento
to Approximate Reasoning Using Linguistic para identificar las competencias laborales en
Synthesis. IEEE Trans. Computers. Vol.26, la Universidad de Sancti Spritus Jos Mart
Issue 12, pp. 1182-1191. 1977. ISSN: Prez. Tesis para optar al grado de ingeniero
0018-9340. industrial. Universidad de Sancti Spritus Jos
[45] H. Bandemer and S. Gottwald. Fuzzy sets, Mart Prez. Sancti Spritus, Cuba. 2010.
fuzzy logic, fuzzy methods with applications. [54] A. Pardo y M. Ruiz. SPSS 11. Gua para
John Wiley and Sons. Primera edicin. New el anlisis de datos. McGraw-Hill. Primera
York, USA. Vol. 1, p. 250. 1995. ISBN: Edicin. Espaa. Vol.1, p.736. 2002. ISBN:
0471956368. 978-84-481-3750-2.
52