Técnicas de inteligencia artificial para optimizar la eficiencia del procedimiento de selección para la contratación de obras públicas
Resumen
El presente artículo propone el diseño de un modelo que proporciona una arquitectura genérica que actúa en forma autónoma en los procedimientos de selección en la contratación de obras públicas, generando un criterio de decisión autómata en caso de empate. Para el procedimiento de selección Adjudicación Simplificada, en caso de empate, se propone la elección del postor mediante un sorteo electrónico basado en un sistema de aleatoriedad controlada de encriptación y transformación. Para el procedimiento de selección Licitación Pública, en caso de empate se propone la elección del postor mediante un índice de cumplimiento pronosticado de acuerdo con el comportamiento de las empresas en la ejecución de proyectos de infraestructura similares. Con este fin se genera un modelo que realiza la predicción de la probabilidad de éxito o fracaso del postor de ejecutar el proyecto antes de iniciarlo, usando redes neuronales artificiales como herramienta de análisis. En el presente documento se revisan las características comunes de las redes neuronales artificiales.
Descargas
Citas
Apaza, M. (2003). Balanced Scorecard: Gerencia estratégica y de valor. Lima: Instituto de Investigaciones del Pacífico.
Basili, V., Caldiera, G. y Rombach, H. D. (1994). The Goal Question Metric Approach. College Park: Departamento de Ciencias de la Computación de la Universidad de Maryland.
Cantone, G., Sarciá, S. , y Basili, V. (2007). A Statistical Neural Network for Risk Management Process. College Park: Departamento de Ciencias de la Computación de la Universidad de Maryland.
Davis, D. (2000). Investigación en administración para la toma de decisiones. México: Thomson.
Del Carpio, J., y Eyzaguirre, R. (2007). Análisis de riesgo en la evaluación de alternativas de inversión utilizando Crystal Ball. Industrial Data, 10(1), 55-58.
Dixon, J.R. (1970). Diseño en ingeniería: inventiva, análisis y toma de decisiones. México Limusa-Wiley .
González Ramírez, M. R. (2001). Sistemas de información para la empresa. Alicante: Publicaciones de la Universidad de Alicante.
Greenwood, W. (1978). Teoría de decisiones y sistemas de información. México: Trillas.
Herrera, F., Herrera-Viedma, E., Verdegay, J.L. (1996). Direct approach processes in group decision making using linguistic OWA operators. Fuzzy Sets and Systems, 79, 175-190.
Huber, G. P. (1984). Toma de decisiones en la gerencia. México: Trillas.
Isasi, P., y Galván, I. (2004). Redes neuronales artificiales: Un enfoque práctico. Madrid: Pearson Education.
Keen, P. G. W. Scoot-Morton, M. S. (1978). Decision support systems: Organizational perspective. Addison Wesley.
Kohonen, T. (1982). Self-organized formation of topologically correct feature maps. Biological cybernetics, 43(1), 59-69.
Lezama, C. (2007). Indicadores de gestión. Recuperado de https://docplayer.es/49436198-Indicadores-de-gestion-cruz-lezama-osain.html
Matonis, J. (31 de agosto del 2012). BitZino And The Dawn Of ‘Provably Fair’ Casino Gaming. Forbes. Recuperado de https://www.forbes.com/sites/jonmatonis/2012/08/31/bitzino-and-thedawn-of-provably-fair-casino-gaming/#597270027593
Menguzzato, M., Renau, J.J. (1995). La dirección estratégica de la empresa: Un enfoque innovador del
management. Barcelona: Ariel.
Michie, D., Spiegelhalter, D. J. y Taylor, C. C. (1994). Machine learning, neural and statistical classification.
Londres: Ellis Horwood.
Moody, P.E. (1991). Toma de decisiones gerenciales. Bogotá: Mc Graw Hill Latinoamericana.
Rumelhart, D. E., Hinton, G.E. y Williams, R. J. (1986). Learning Internal Representations by Error Propagation. En: Rumelhart, D. E., McClelland, J. L. y The PDP Research Group, Parallel Distributed Processing: Explorations in the Microstructure of Cognition (Vol. 1). Boston: MIT Press.
Salgueiro, A. (2001). Indicadores de gestión y cuadro de mando. Madrid: Ediciones Diaz Santos.
Sarcià, S. A., Cantone, G., y Basili, V. R. (2007). A Statistical Neural Network Framework For Risk Management Process. Procedings of ICSOFT, Barcelona, SP, 2007.
Sarle, W. S. (2002). Ai-faq/neural-nets. Recuperado de ftp://ftp.sas.com/pub/neural/FAQ.html
Serra, D. (2004). Métodos cuantitativos para la toma de decisiones. Madrid: Gestión 2000.
Simon, H.A. (1977). The new science of management decision. New Jersey: Prentice-Hall.
Simon, H.A. (1980). El comportamiento administrativo: Estudio de los procesos decisorios en la organización administrativa. Madrid: Aguilar.
Smith, J. C. (1990). A neural network: could it work for you? Financial Executive, 6(3), 26-30.
Zimmermann, H. J. (1991). Fuzzy sets theory and its application. Boston: Kluwer Academic Publishers.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Última actualización: 03/05/21