Selección de Contratistas Basada en el Funcionamiento de Redes Neuronales.

En el día de hoy, público y agotado el sumario Gürtel, hemos conocido una manera española de contratación, basado en criterios y tradiciones antiguas. Pero con la tecnología, la informática, y un proyecto regenerador para el futuro de nuestros pueblos y administraciones, es posible hacerlo con otras formas.

Este post es continuación del que tratata la selección de contratistas, explicando el desarrollo de aplicaciones informáticas que intentan emular aspectos de la inteligencia humana, como la capacidad de memorizar, o asociar hechos (redes neuronales).

Este proyecto, analiza dichos procesos con objeto de reducir el riesgo de incumplimiento en los objetivos del proyecto (alcance, plazo, coste, calidad, funcionalidad, rentabilidad), aplicando la teoría de conjuntos y controladores borrosos (fuzzy sets; fuzzy control) al apoyo en la toma de decisiones en la contratación pública y, en particular, a la selección multicriterio de contratistas en el sistema tradicional de contratación, considerando criterios cualitativos y cuantitativos.

Se pretende también, diseñar un sistema con autoaprendizaje, basado en redes neuronales, que tuviese la funcionalidad de corrección automática de la base interna de reglas en función de un entrenamiento con diferentes casos, dividiendo los problemas complejos en tareas más simples, con el sistema de nodos conectados en diversos grados. Así, la señal de entrada se recibe, se procesa, y la entrega a otro nodo para que sea de nuevo procesada.

Las RRNN resultan de gran utilidad en el procesado de grandes cantidades de datos, en la extracción de patrones de relación entre datos de entrada, y de salida, y para establecer modelos, cuando fallan otras aplicaciones ( predicción meteorológica, diagnóstico clínico, optimización de rutas de transporte, caudales en ríos...). Es utilizado en grandes organizaciones, como bancos, para homogeneizar la toma de decisiones y evitar riesgos, e igualmente para el fin aquí tratado.

El sistema combina el uso de datos cualitativos y cuantitativos, como la experiencia en obras análogas, calidad final, recursos materiales y humanos, experiencia y conocimiento del personal clave (jefes de obra), otro personal técnico, estructura organizativa, adecuación de los métodos de contruccion, cobertura de seguros, etc, entrenando la red con ejemplos que cubrían un amplio rango de combinaciones, y estableciendo una validación, estableciendo errores máximos para según qué criterios, y eliminando la subjetividad a la hora de seleccionar los valores que toman las variables.

La utilidad de la aplicación, permite extraer conocimientos para uniformizar la toma de decisiones en la contratación, agilizando la toma de decisiones, reduciendo sesgos, y solucionando problemas diversos (experiencia insuficiente, comportamiento discrecional o potencial corrupción...) evitando riesgos innecesarios.

La ventaja de esta técnica, es que permite extraer conocimiento de sistemas que tienen en cuenta interrelaciones entre criterios, así como relaciones no lineales.

La principal desventaja es la necesidad de casos resueltos en cantidad suficiente, escasa flexibilidad para permitir cambios fáciles y rapidos, para por ejemplo, desactivar algún criterio, incluir nuevos, que los casos previos de que se dispone no siempre tengan los mismos criterios, diversidad de criterios de selección...

En general, estos inconvenientes pueden ser paliados con selecciones previas, combinación de este método con otras técnicas como utilización de algoritmos genéticos o de técnicas híbridas o mixtas, etc.

Fuente: Revista Dyna, Ingeniería e Industria, febrero 2010. www.revistadyna.com