Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

Tipo de artculo: Artculo original

Temtica: Gestin de Recursos humanos
Recibido: 27/06/2012 | Publicado: 15/07/012

Aplicacin al proceso de seleccin de personal del mtodo topsis

difuso utilizando umbrales de veto y voto mayoritario
A new topsis-based multi-criteria approach to personnel selection
with veto threshold and majority voting rule
Adrin De Jess Snchez Nievares1*, Heidy Luis Daz1, Sael Jos Berrillo Borrero1, Edistio Yoel Verdecia
Martnez2, Lizandra Arza Prez3
1

Estudiante. Facultad 1. Universidad de las Ciencias Informticas, Carretera a San Antonio de los Baos, km 2 ,

Torrens, Boyeros, La Habana, Cuba. CP.: 19370

2
Vicerrectora de Programas Especiales. Universidad de las Ciencias Informticas, Carretera a San Antonio de los
Baos, km 2 , Torrens, Boyeros, La Habana, Cuba. CP.: 19370
3
CALISOFT. Subdireccin de Investigacin y Postgrado. Universidad de las Ciencias Informticas, Carretera a San
Antonio de los Baos, km 2 , Torrens, Boyeros, La Habana, Cuba. CP.: 19370
*Autor para la correspondencia: ajsanchez@estudiantes.uci.cu

Resumen
La seleccin de personal, una de las actividades fundamentales de la gestin de recursos humanos, tiene como
objetivo seleccionar al candidato ms adecuado para cada uno de los puestos de trabajo. Este proceso se define como
un proceso de comparacin y decisin en el cual tienen una activa participacin los expertos humanos. Es una
tendencia su tratamiento como un problema de toma de decisin multicriterio en un ambiente de incertidumbre. El
presente trabajo propone un variante del mtodo Technique for Order Preference by Similarity to Ideal Solution uno
de los ms utilizados en la toma de decisin multicriterio. Esta variante es resultado del estudio realizado de la
variante difusa del mtodo que utiliza umbral de veto para sustituir las soluciones ideal positiva y negativa. El otro
elemento utilizado en la propuesta es la regla del voto mayoritario, utilizada fundamentalmente en la construccin de
multiclasificadores para combinar las distintas salidas de los clasificadores individuales y realizar una clasificacin

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

por consenso. En el caso de la propuesta se utilizan como ncleo de la seleccin de la alternativa ms adecuada
diferentes medidas de distancia. Para la variante propuesta se elabor una aplicacin informtica (F-TOPSIS-UVM)
del tipo Sistemas de Soporte a la Decisin que recibe la configuracin del problema y evala a los candidatos,
ordenndolos en funcin de los votos obtenidos. De esta aplicacin se toma el ejemplo que demuestra la factibilidad
del enfoque propuesto.
Palabras clave: Selecci n de per sonal , toma de decisin, TOPSIS, umbral de veto, voto mayoritario.
Abstract
The personal selection, one of the fundamental activities of the human resource management, has as objective to
select the most appropriate candidate for the organization. This process is defined as a comparison and decision
making process. In this process the human experts have an active participation. It is a tendency to consider this
problem of multi-criteria decision making under uncertainty. The present work proposes a new approach for
Technique for Order Preference by Similarity to Ideal Solution, one of the most used in multi-criteria decision
making. This variant is the result of the study of the fuzzy Technique for Order Preference by Similarity to Ideal
Solution variant that uses, veto threshold to substitute the positive and negative ideal solutions. The other element
used is the rule of the majority vote, used fundamentally in the construction of multi-classifiers to combine the
predictions of individual classifiers and to make a consensus classification. In the case of the proposal for the
selection of the most appropriate alternative, several distance measure are uses. Also a computer application was
developed (F-TOPSIS-UVM), with is a Support Decision System, that receives the configuration of the human
selection problem and evaluates the candidates and ranking using the votes. The example included in the paper is
built with F-TOPSIS-UVM.
Keywords: Fuzzy technique for order preference by similarity to Ideal solution, majority voting, multi-criteria
decision making, personnel selection, veto threshold.

Introduccin
El proceso de seleccin, uno de los ms importantes de la GRH debe garantizar las personas con las competencias
necesarias a un determinado puesto de trabajo (Biles, et. al., 1986; Chiavenato, 2002; Wayne, et al., 2005; PMI 2008;
Curtis, et al., 2009). Es usual que este proceso se enfrente como un proceso con un alto grado de incertidumbre,
donde las decisiones juegan un papel importante. La incertidumbre presente en este problema se expresa en la
preferencia de los decisores de utilizar informacin cualitativa respecto a los candidatos que estn siendo
considerados o a las propias caractersticas del puesto de trabajo.

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

Al igual que en la mayora de las esferas de la sociedad las Tecnologas de la Informacin y las Comunicaciones
(TIC) han ido penetrando en la GRH, varios son los mtodos de decisin multicriterio que utilizan la lgica difusa
para darle solucin al problema de la seleccin de personal, dentro de estos mtodos se pueden mencionar Destacan
varios trabajos dentro de los que se encuentran: el Proceso de Anlisis Jerrquico (AHP) (Sarkis & Seol, 2006;
Huang, Chiu, et al., 2009; Bykzkan, 2011), Proceso de Anlisis en Red (ANP) (Saaty 2006; Ayub 2009), TOPSIS
(Dejiang, 2009; Kelemenis and Askounis, 2009; Kelemenis, 2010; Krohling, 2011) y PROMETHEE (del ingls,
Preference Ranking Organization Method for Enrichment Evaluation) (Chen-Tung, Yuan-Chu, et al., 2009).
TOPSIS es un mtodo de outranking, a partir de la informacin recogida a los expertos calcula un ndice de cercana
(utilizando generalmente una medida de distancia) a una solucin ideal, de esta forma calcula la solucin ms
adecuada. A partir del estudio de algunas variantes de este mtodo y siguiendo una tcnica aplicada a la solucin de
problemas de clasificacin, especficamente en el diseo de multiclasificadores, se propone una modificacin a una
de las variantes estudiadas incluyendo la regla del voto mayoritario, para combinar las distintas soluciones del
mtodo cuando se aplican varias medidas de distancia.

Planteamiento del problema

Se debe seleccionar el candidato ms adecuado para cada puesto de trabajo, para lo cual se tiene un conjunto de
candidatos

de los que se conoce informacin representada en un grupo de atributos que

los caracteriza

. Por otro lado se cuenta con un puesto o grupo de puestos de

trabajo en los cuales se deben ubicar los candidatos, denotando el conjunto de los puestos de trabajo como
de los que se define un grupo de atributos que representan las competencias o las
caractersticas requeridas al puesto de trabajo como

. La informacin dada por los

decisores, de manera cualitativa, se refiere a la evaluacin de los atributos necesarios para el puesto respecto a cada
candidato.

Elementos fundamentales de la lgica borrosa

La idea bsica presentada por (Zadeh, 1965) sobre la lgica difusa es asignar el grado de pertenencia de un elemento
a un conjunto a partir de una funcin, cambiando el concepto de lo verdadero y lo falso. La funcin de pertenencia
asocia a cada elemento un numero real en el intervalo [0,1], esta manera de representar la pertenencia a un conjunto
permite lidiar con la incertidumbre y vaguedad de ciertos procesos, como por ejemplo la evaluacin de competencias

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

por los expertos. La teora de conjuntos borrosos y sus principales conceptos, en sus inicios, fueron establecidos por
(Zadeh, 1965), de sus trabajos se toman las definiciones siguientes:
Definicin 1: Un conjunto borroso

en X se caracteriza por una funcin de pertenencia

elemento de X un nmero real del intervalo

en x representa el grado de pertenencia

, donde el valor de

de x al conjunto A, esto se representa como

que asocia a cada

En muchos de los procesos donde intervienen expertos uno de los elementos que ms facilidades brinda en el
tratamiento de la incertidumbre y la informacin cualitativa es la utilizacin de variables lingsticas, estas permiten
representar las valoraciones de los criterios de los expertos en trminos cualitativos, trminos en los que
normalmente ellos se comunican.
Definicin 2: Se entiende por variable lingstica una variable cuyos valores son palabras o sentencias en un
lenguaje natural o artificial. En trminos ms especficos una variable lingstica es caracterizada por una quntupla
(N, T(N), U, G, M), donde N es el nombre de la variable, T(N) es el conjunto de trminos, que son el conjunto de
valores lingsticos, U es el universo de discurso, G es la regla sintctica para generar los trminos en T(N), y M es la
regla semntica para asociar a cada trmino lingstico X su significado. (Zadeh, 1975)
Para la representacin que permite la asociacin de un objeto a una etiqueta lingstica se emplean funciones de
pertenecas que pueden ser: exactas, triangulares, trapezoidales, y gausianas entre otras.
Definicin 3: Un nmero borroso es un subconjunto borroso que posee tres caractersticas: el referencial pertenece
al campo de los nmeros reales R, la funcin caracterstica de pertenencia es normal y la funcin caracterstica de
pertenencia es convexa (Zadeh, 1975).
Una de las formas ms empleadas para representar a los nmeros borrosos son los nmeros con funcin de
pertenencia con forma de triangulo, de ah que se conozcan como nmeros borrosos triangulares.
Definicin 4: Un nmero borroso triangular est determinado por una funcin de pertenencia formada por dos
segmentos de lneas, uno del punto

y el segundo siguiendo desde

. Su dominio es el

intervalo [0,1]. Un nmero borroso triangular se representa por la tripleta ordenada

. (Wierman 2010). La

funcin de pertenencia es estrictamente creciente en [a,b] y estrictamente decreciente en [b,c].

Sobre la base de las operaciones definidas por (Garcia-Cascales 2007) se establece lo siguiente:
Definicin 5: Sean

dos nmeros triangulares difusos representados por

. Se definen

las siguientes operaciones entre ellos:

i.

Suma:

(1)

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

ii.

(2)

iii.

Resta:

(3)

iv.

Multiplicacin:

v.

Divisin:

vi.

Multiplicacin por un escalar:

vii.

Distancia:

(4)
(5)

(6)

(7)

En el caso de la distancia entre los nmeros difusos varias son las medidas que permiten calcularla, entre ellas se
pueden mencionar la distancia Euclidea, de Minkowski, de Hamming, de Tchebyschev, el Mtodo del vrtice, la
distancia Camberra, y Mahalanobis entre otras muchas de las que han sido definidas. En la literatura aparece dentro
del grupo de las ms utilizadas la distancia euclidiana.

El mtodo topsis y sus modificaciones

TOPSIS parte de la consolidacin de la informacin proporcionada por los decisores, a cada uno de ellos se le
solicita una matriz para que evale a cada candidato en los requerimientos del puesto de trabajo, a esta matriz se le
conoce como matriz de decisin. Tambin se le pide ofrezca su valoracin del peso que deben tener las
caractersticas en el proceso de seleccin del candidato ms idneo. La valoracin de la importancia de cada criterio
se recoge en el vector de pesos W, que se define como:

(8), se debe cumplir que

(9). Adems del peso se define si el criterio es un beneficio o un costo, en el mtodo se tratan de
maximizar los beneficios y minimizar los costos, el conjunto de los beneficios se representa como
costos como

y el de los

. Cuando las evaluaciones dadas por los decisores son emitidas en forma de etiquetas lingsticas, se

conocen al mtodo como TOPSIS Difuso, siendo esta la variante que se analiza.

La matriz de decisin

(10), donde m son las alternativas

se define como sigue:

(candidatos) y q los criterios en los que son evaluados durante el proceso de seleccin.
Una vez obtenida la matriz
conocida como

, el primer paso es la normalizacin de ella, obtenindose la matriz normalizada,

(11), donde

(12).

El siguiente paso es la multiplicacin de R por el vector de pesos para obtener la matriz de decisin normalizada y

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

ponderada

(13), donde

(14). A partir de la matriz

se calculan la solucin ideal positiva

(15) y la solucin ideal negativa

(16). El clculo de

realiza segn sea un costo o un beneficio. Para

y de

se

(17) y para

(18).
El siguiente paso es calcular la distancia de cada alternativa a los ideales

, para ello se pueden utilizar las

distancias ya mencionadas. Finalmente se escoge la alternativa para la cual la formula

valor menor,

son las distancias del candidato respecto a los ideales

(19) devuelve el
. Esta frmula representa el

concepto central de TOPSIS donde la alternativa preferida es la que se encuentra a la menor distancia de
mayor distancia de

y a la

Topsis difuso con umbral de veto

Uno de los problemas de este enfoque de TOPSIS es que el clculo de

y de

se realiza en funcin de los

propios candidatos, sin embargo en el problema de seleccin de personal esto no siempre es posible, pues en muchos
casos se imponen requisitos que deben cumplir los candidatos para ocupar el puesto de trabajo, es en estas
situaciones que aparece el umbral de veto. El umbral de veto representa el valor mnimo con que debe cumplir el
candidato para ser seleccionado, se calcula a partir de la informacin brindada por los propios decisores.
Al mtodo anteriormente descrito se le adiciona el clculo del umbral, su normalizacin y su ponderacin,
operaciones que dan lugar a las matrices ,
(21);
(24), donde

, a partir de las formulas siguientes:

(22), donde

(20), donde
(23); y

(25). Estas matrices contienen nmeros triangulares, es

por ello que se coloca los smbolos de las operaciones definidas, en el caso de la sumatoria, para indicar que es el
promedio de la suma de los nmeros difusos. Es a partir de esta ltima matriz se calcula la distancia que permite
tomar la decisin de cul es el mejor candidato, esta distancia puede ser cualquiera de las mencionadas previamente.
El mejor candidato es el que este ms lejos del umbral, por lo que se selecciona el de mayor distancia, si es necesario
ordenar los candidatos entonces se hace de mayor a menor de acuerdo al valor de la distancia.

Regla del voto mayoritario

El problema de la clasificacin es uno de los problemas tpicos en el aprendizaje automtico, en la ltima dcada se

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

ha desarrollado la tendencia de combinar varios clasificadores con el propsito de mejorar la precisin de los
resultados. Witten y Frank (2005) plantean que cuando las personas sabias toman decisiones crticas, tienen en cuenta
la opinin de varios expertos en lugar de confiar en su propio juicio o la de un solo consejero (Witten y Frank, 2005).
Polikar explica que una idea semejante a sta constituye la base de los multiclasificadores: utilizar varios expertos
(clasificadores) y combinar sus diferentes salidas en aras de lograr un mejor rendimiento (Kuncheva, 2004). Una de
las formas ms comunes de fusin de clasificadores es el voto mayoritario. En este caso, cada clasificador vota por
una clase, de acuerdo con su resultado y finalmente se selecciona la clase con mayor cantidad de votos. En caso de
ms de dos clases, el resultado se dara por mayora y cuando slo existen dos clases, coincide efectivamente con la
mayora absoluta (50 % de votos ms 1). (Arencibia, 2011).
La

regla

del

voto

mayoritario

se

puede

definir

partir

de

la

expresin

siguiente:

(26), donde: T es la cantidad de mtodos, c es la cantidad de respuestas

(clases) posibles y h(x) se define como la funcin que permite contar los votos,

(27).

Grficamente un mtodo que use voto mayoritario puede representarse de la siguiente manera:

Figura 1. Esquema de aplicacin de la Regla del voto mayoritario.

En un esquema de voto mayoritario cada uno de los mtodos que resuelve el problema emite un voto, que coincide
con la respuesta que arrojara a partir de los datos entrados, a partir de estos votos se selecciona la respuesta que ms
veces es devuelta por los mtodos individuales, la respuesta ms votada. El esquema descrito es el conocido como
voto mayoritario puro. Otros esquemas de este tipo consideran la importancia de los mtodos, para ello definen un
peso en funcin de la certeza del mtodo, en este caso se habla de voto mayoritario ponderado.

Propuesta de mtodo topsis difuso con umbral de veto y voto mayoritario

A partir de los fundamentos mtodo TOPSIS Difuso con umbral de veto y de la regla del voto mayoritario, se define
la siguiente propuesta:

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

Figura 2. Esquema de TOPSIS con umbral de veto y regla del voto mayoritario.

Caso de estudio
Sean Juan (A1), Alfredo (A2), Sonia (A3) y Eduardo (A4) los candidatos para el completamiento un equipo de
desarrollo de software, donde hay libre una plaza de Desarrollador Web. Para este proceso de seleccin se establecen
los criterios siguientes: Desarrollar aplicaciones en el lenguaje PHP (C1); Implementar consultas en bases de datos
relacionales (C2); Reutilizar cdigo desde una perspectiva orientada a objetos extendiendo las clases ya desarrolladas
(C3); Utilizar herramientas para el control de las versiones (C4); Comunicarse en idioma ingles (C5) y Gestionar su
trabajo utilizando herramientas para el control del proyecto (C6).
En este problema se cuenta con dos decisores Pedro, el Jefe del proyecto (DS1) y Daisy Jefa de los desarrolladores
(DS2), ellos evaluaron, por separado, a los candidatos de acuerdo a los requisitos mediante pruebas y entrevistas y
segn su experiencia ponder la importancia de los criterios.
La informacin de los decisores se recogi utilizando etiquetas ligsticas, las mismas se muestran a continuacin, en
el Anexo 1 se muestran ambos conjuntos de forma grfica:

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:
Tabla 1. Etiquetas lingsticas para el peso.

Tabla 2. Etiquetas lingsticas para los criterios de

evaluacin.

Etiqueta

Nmero

Etiqueta

Nmero

Muy Bajo

VL

(0.0, 0.0, 0.1)

Muy pobre

VP

(0.0, 0.0, 0.1)

Bajo

(0.0, 0.1, 0.3)

Pobre

(0.0, 0.1, 0.3)

Medio-bajo

ML

(0.1, 0.3, 0.5)

Medianamente pobre

MP

(0.1, 0.3, 0.5)

Medio

(0.3, 0.5, 0.7)

Justo

(0.3, 0.5, 0.7)

Medio-alto

MH

(0.5, 0.7, 0.9)

Medianamente bueno

MG

(0.5, 0.7, 0.9)

Alto

(0.7, 0.9, 1.0)

Bueno

(0.7, 0.9, 1.0)

Muy alto

VH

(0.9, 1.0, 1.0)

Muy bueno

VG

(0.9, 1.0, 1.0)

La siguiente Tabla muestra los pesos y los umbrales de veto definidos por los decisores:

Tabla 3. Pesos de los criterios y umbrales de veto dados por los decisores.
Decisor

C1

C2

C3

C4

C5

C6

DM1

VH

VH

DM2

VH

VH

MH

MH

DM1

MP

MP

MP

DM2

MP

Wi

Ti

La siguiente tabla muestra las evaluaciones dadas por los decisores:

Tabla 4. Evaluaciones dadas por los decisores sobre los criterios seleccionados.
Criterios
Candidatos

C1

C2

C3

C4

C5

C6

DM1

DM2

DM1

DM2

DM1

DM2

DM1

DM2

DM1

DM2

DM1

DM2

A1

VG

VG

VG

A2

VG

VG

VG

MG

VG

A3

VG

MP

VG

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:
G

A4

MG

MG

VG

MG

VG

Una vez realizada la agregacin de la informacin dada por los decisores se obtuvieron: la matriz difusa de pesos
agregada (

), la matriz difusa de decisin agregada ( ), y las matrices relacionadas con los umbrales ( ,

):
Tabla 5. Matriz difusa de pesos agregada (

).

C1

C2

C3

C4

C5

C6

(0.90, 1.00, 1.00)

(0.90, 1.00, 1.00)

(0.70, 0.90, 1.00)

(0.50, 0.70, 0.85)

(0.30, 0.50, 0.70)

(0.60, 0.80, 0.95)

Tabla 6. Matriz difusa de de umbral de veto agregada ( ) y normalizada (

C1

C2

C3

C4

C5

C6

(0.70, 0.90, 1.00)

(0.70, 0.90, 1.00)

(0.10, 0.30, 0.50)

(0.20, 0.40, 0.60)

(0.05, 0.20, 0.40)

(0.15, 0.30, 0.50)

Tabla 7. Matriz de decisin difusa ( ), y Matriz de decisin normalizada ( ).

C1

C2

C3

C4

C5

C6

A1

(0.90, 1.00, 1.00)

(0.50, 0.50, 0.70)

(0.70, 0.90, 1.00)

(0.50, 0.70, 0.85)

(0.70, 0.90, 1.00)

(0.80, 0.95,1.00)

A2

(0.30, 0.50, 0.70)

(0.50, 0.70, 0.85)

(0.90, 1.00, 1.00)

(0.80, 0.95, 1.00)

(0.40, 0.60, 0.80)

(0.80, 0.95, 1.00)

A3

(0.80, 0.95, 1.00)

(0.70, 0.90, 1.00)

(0.20, 0.40, 0.60)

(0.20, 0.40, 0.60)

(0.60, 0.75, 0.85)

(0.05, 0.20, 0.40)

A4

(0.60, 0.80, 0.95)

(0.70, 0.90, 1.00)

(0.30, 0.50, 0.70)

(0.40, 0.60, 0.80)

(0.70, 0.85, 0.95)

(0.60, 0.75, 0.85)

Tabla 8. Matriz difusa de de umbral de veto agregada, normalizada y ponderada (

).

C1

C2

C3

C4

C5

C6

(0.63, 0.90, 1.00)

(0.63, 0.90, 1.00)

(0.07, 0.27, 0.50)

(0.10, 0.28, 0.51)

(0.02, 0.10, 0.28)

(0.09, 0.24, 0.48)

Tabla 9. Matriz de decisin difusa ponderada ( )

C1

C2

C3

C4

C5

C6

A1

(0.81, 1.00, 1.00)

(0.45, 0.50, 0.70)

(0.49, 0.81, 1.00)

(0.25, 0.49, 0.72)

(0.21, 0.45, 0.70)

(0.48, 0.76, 0.95)

A2

(0.27, 0.50, 0.70)

(0.45, 0.70, 0.85)

(0.63, 0.90, 1.00)

(0.40, 0.67, 0.85)

(0.12, 0.30, 0.56)

(0.48, 0.76, 0.95)

A3

(0.72, 0.95, 1.00)

(0.63, 0.90, 1.00)

(0.14, 0.36, 0.60)

(0.10, 0.28, 0.51)

(0.18, 0.38, 0.60)

(0.03, 0.16, 0.38)

A4

(0.54, 0.80, 0.95)

(0.63, 0.90, 1.00)

(0.21, 0.45, 0.70)

(0.20, 0.42, 0.68)

(0.21, 0.43, 0.67)

(0.36, 0.60, 0.81)

A partir de las matrices (

se determinaron las distancias de las alternativas al umbral, se utilizaron las

10

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

siguientes medidas de distancia: Euclideana (D1), Hamming (D2), Sign (P=1) (D3), Sign (P=2) (D4), Signed (D5),
Cheng (D6), ChuTsao (D7), Yager (D8), Chew(D9), Coseno (D10), Camberra (D11) y Tchebyschev (D12).

Tabla 10. Distancias al umbral de veto.

D1

D2

D3

D4

D5

D6

D7

D8

D9

D10

D11

D12

A1

3.304

5.543

2.551

1.755

1.276

0.826

0.638

1.261

1.908

1.005

6.733

2.273

A2

3.664

6.275

2.115

1.458

1.058

0.658

0.529

1.032

2.115

0.982

7.313

2.415

A3

0.842

1.390

0.628

0.434

0.314

0.191

0.157

0.307

0.486

0.316

3.257

0.600

A4

1.788

3.038

1.731

1.202

0.866

0.512

0.433

0.853

1.033

0.810

4.935

1.215

Se observa el resultado arrojado por la mayora de las distancias aplicadas, si bien no difieren grandemente desde el
punto de vista numrico, es un criterio a tener en cuenta en los problemas de toma de decisin. Utilizando las
medidas de distancias anteriores se procede a ordenar en funcin de esta medida, colocando al ms distante del
umbral el primer lugar.

Tabla 11. Voto segn las medidas de distancia empleadas.

D1

D2

D3

D4

D5

D6

D7

D8

D9

D10

D11

D12

A1

02

02

01

01

01

01

01

01

02

01

02

02

A2

01

01

02

02

02

02

02

02

01

02

01

01

A3

04

04

04

04

04

04

04

04

04

04

04

04

A4

03

03

03

03

03

03

03

03

03

03

03

03

Con estos rdenes cada uno de los mtodos asociados a las distancias emite su voto, el mismo se refleja en la tabla
anterior con los nmeros en negritas y la casilla sombreada, como se puede observar el candidato A1 obtuvo 7 votos
como mejor alternativa, por lo que es la que se seleccionara para dar solucin al problema; le sigue el candidato A2
con 5 votos, el resto de los candidatos no obtiene votos como mejor alternativa. Si se realiza un anlisis de los
criterios y pesos emitidos por los decisores se puede observar que en cuanto a los criterios C1, C2 y C3 no existe
diferencia, los consideran de igual importancia, las diferencias estn los criterios C4, C5 y C6, donde Pedro el Jefe de
Proyecto, en el primero de estos considera de mayor importancia el manejo de herramientas para el control de
versiones, por su parte Daisy considera que la comunicacin en idioma ingles y el dominio de herramientas para la

11

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

gestin de proyectos tienen mayor importancia. Tambin es justo destacar que la diferencia entre las importancias
definidas no es significativa. El anlisis de las alternativas ms cercanas (A1 y A2) permite observar que fueron
evaluadas con pequeas diferencias entre los decisores, la integracin de los criterios de los decisores arroja que en
C2 y C6 son evaluadas de manera similar, estando las diferencias en el resto de los criterios donde en C1 y C5 se
evala mejor a la alternativa A1 y en C3 y C5 a la alternativa A2. Incluir los pesos de los criterios decide entonces
que la mejor alternativa sea A1 segn las distancias D3, D4, D5, D6, D7, D8 y D10.

Aporte y novedad
El aporte del enfoque propuesto se concreta en la posibilidad de resolver el mismo problema integrando diferentes
soluciones. En muchas de las propuestas analizadas la solucin se selecciona a partir de calcular la distancia a la
solucin ideal utilizando la distancia de Hamming, la distancia Euclidea o incluso utilizando nuevas medidas para
evaluar la cercana de los candidatos a las caractersticas del puesto de trabajo, como es el caso clsico de TOPSIS.
La novedad es la capacidad de utilizar todas estas medidas de distancias y combinar las soluciones obtenidas
utilizando la Regla del Voto Mayoritario. Otro de los aportes es el Sistema de Ayuda a la Toma de Decisin
elaborado (F-TOPSIS-UVM), al que se le pueden incorporar nuevas medidas de distancia sin grandes esfuerzos.

Conclusiones
El enfoque presentado permite combinar la utilizacin de los umbrales de veto y la regla del voto mayoritario, dos
tcnicas utilizadas para dar solucin al problema de la seleccin de personal, cuando intervienen varios decisores. El
umbral de veto permite definir los requisitos mnimos para las competencias o caractersticas requeridas en el puesto
de trabajo, y el voto mayoritario permite combinar soluciones diferentes, obtenidas en este caso por la utilizacin de
medidas de distancias entre nmeros difusos. El caso de estudio presentado, obtenido a partir de F-TOPSIS-UVM,
permiti demostrar la factibilidad del enfoque propuesto ilustrando cmo funciona el mismo.
En el futuro se pretende comparar los resultados de este enfoque con otros mtodos que han obtenido buenos
resultados en el dominio de este problema como PROMETHEE, VIKTOR, ELECTRE, DRSA, PAPRIKA, AIRM,
ANP y AHP buscando dar un mayor significado al razonamiento aproximado que llevan implcito estos mtodos,
combinando para ello otras tcnicas de soft computing, con el objetivo de acercar estos mtodos a la forma en que las
personas resuelven el problema.

12

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

Referencias
ALUJA, J. G. Fuzzy Sets in the Management of Uncertainty, Springer. 2004.
ARENCIBIA, J. Prediccin de resistencia a frmacos del VIH utilizando multiclasificadores. Tesis para Optar
por el grado acdemico de Mster en Informtica Aplicada. Universidad de las Ciencias Informticas. 2011.
AYUB, M., KABIR, Md. JONAED, RABIUL ALAMT, Md. GOLAM. Personnel Selection Method Using
Analytic Network Process (ANP) and Fuzzy Concept. 12th International Conference on Computer and
Information Technology (ICCIT 2009), Dhaka, Bangladesh. 2009.
BILES et. al., C. G., SCHULER, R. S. Audit Handbook of Human Resources Management Practices.
Arnerican Society for Personnel Administration. 1986.
BYKZKAN, G., ARSENYAN, JBID, RUAN, DA. "Logistics Tool Selection with Two-Phase Fuzzy
Multi Criteria Decision Making: A Case Study for Personal Digital Assistant Selection." Expert Systems with
Applications 39. 2011.
CANS et al, L. C. E. T., LARA M. T., LIERN C. V., PREZ C. J. C. "Modelos flexibles de seleccin de
personal basados en la valoracin de competencias." 2008.
CANS, L., T. CASASS, et al. "Personnel Selection Based on Fuzzy Methods." Revista de Matemtica
Teora y Aplicaciones 18: p. 177-192. 2011.
CANS, L., LIERN, V. "Soft Computing-Based Aggregation Methods for Human Resource Management."
European Journal of Operational Research 78. 2007.
CURTIS et al., B., HEFLEY, W. E., MILLER, S. A. People CMM. A Framework for Human Capital
Management, Adison Wesley. 2009.
CHANG, P. T., L.C. HUANG, and H. J. LIN. The Fuzzy Delphi Via Fuzzy Statistics and Membership
Function Fitting and an Application to Human Resources. Fuzzy Sets and Systems, 119,. 112: p.511-520. 2000.
CHEN-TUNG, C., H. YUAN-CHU, et al. Applying Multiple Linguistic PROMETHEE Method for Personnel
Evaluation and Selection. Industrial Engineering and Engineering Management, 2009. IEEM 2009. IEEE
International Conference on. 2009.
DEJIANG, W. Extension of TOPSIS Method for R&D Personnel Selection Problem with Interval Grey
Number. Management and Service Science, 2009. MASS '09. International Conference on.
GARCIA-CASCALES, M. S., LAMATA M.T "A Modification of the Index of Liou and Wang for Ranking
Fuzzy Number." International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems 15, no.4: p.

13

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

411-424. 2007.
HAYES et al., J., ROS-QUIRIE, A., ALLISON, C.W "Senior Managers' Perception of the Competencies they
Require for Effective Performance: Implications for Training and Developmen." Personnel Review 29. 2000.
HUANG, D. K., H. N. CHIU, et al. "A Fuzzy Multi-Criteria Decision Making Approach for Solving a BiObjective Personnel Assignment Problem." Computers & Industrial Engineering 56(1): 1-10. 2009.
JAFARI et al, A., JAFARIAN, M, ZAREEI, A. , ZAERPOUR, F. "Using Fuzzy Delphi Method in
Maintenance Strategy Selection Problem." Journal of Uncertain Systems Vol.2, No.4: p.289-298. 2008.
KELEMENIS, A., & ASKOUNIS, DIMITRIOS "A new TOPSIS-Based Multi-Criteria Approach to Personnel
Selection." Expert Systems with Applications 37(7): p. 4999-5008. 2010.
KELEMENIS, A. M. and D. T. ASKOUNIS. An Extension of fuzzy TOPSIS for Personnel Selection. Systems,
Man and Cybernetics, 2009. SMC 200. IEEE International Conference on.
KUNCHEVA, L. I. Combining Pattern Classifiers, Methods and Algorithms. New York, Wiley Interscience,
2004.
KROHLING, R. A., CAMPANHARO, VINICIUS C. "Fuzzy TOPSIS for Group Decision Making: A Case
Study for Accidents with Oil Spill in the Sea." Expert Systems with Applications p. 38. 2011.
SAATY, T. L., VARGAS, L. G. Decision Making With Analytic Network Process. Economic, POlitical,
Social and Technological Applications with Benfits, Opportunities, Cost and Risk. 2006.
SARKIS & SEOL, J., INSHIK. An Analytic Network Process Model for Internal Auditor Selection.
Applications of Management Science: In Productivity, Finance, and Operations Emerald Group Publishing.
2006.
WIERMAN, M. J. An Introduction to the Mathematics of Uncertainty. 2010.
ZADEH, L. "Fuzzy Sets." Information and Control: 338-353. 1965.
ZADEH, L. "The Concept of a Linguistic Variable and its Application to Approximate Reasoning."
Information Sciences. 1975a.
Anexo 1

14

Serie Cientfica de la Universidad de las Ciencias Informticas

http://publicaciones.uci.cu/index.php/SC | seriecientifica@uci.cu
No. 7, Vol. 5, Ao: 2012
ISSN: | RNPS:

15