Modelizado de información cualitativa:

La comunicación verbal es una fuente de información adicional que, correctamente tratada, revela intereses, preferencias y apreciaciones que pueden resultar de gran valor, especialmente en ausencia de datos. El empleo de técnicas basadas en lógica difusa o análisis multi-criterio permite dar forma y hacer manejable este conocimiento, e incorporarlo a procesos de evaluación y toma de decisiones.

Con nuestras herramientas, podrás recoger opiniones de expertos e interesados de forma dinámica e intuitiva, incorporar su conocimiento e intereses a tu proceso decisional, y emplearlos para conocer en qué medida son sus puntos de vista son homogeneos, o qué alternativas se encuentran más alineadas con sus preferencias.

Modelizado y manejo de sistemas complejos:

El nivel de complejidad de un sistema sube a medida que lo hace el rango de posibles supuestos a considerar, el nivel de detalle exigido a las soluciones, la flexibilidad con la que queremos contar para construir alternativas, y el abanico de puntos de vista desde los que observar una operación. La incorporación de factores dinámicos, efectos indirectos, asó como de modelos operacionales surrogados en un modelo global, requiere de técnicas de modelizado y representación a medida y avanzadas.

Nuestros modelos permiten desplegar de forma ordenada y gradual gran cantidad de información de diferentes niveles de detalle, hacen posible contrastar la validez de distintas alternativas, compararlas, y observar sus resultados desde perspectivas diferentes sin perder la visión de conjunto.

Optimización y Análisis Multi-Objetivo:

Las técnicas de optimización multi-objetivo permiten encontrar soluciones de compromiso tendentes a alcanzar múltiples objetivos. Estas soluciones se caracterizan por ofrecer, para cada objetivo, el mejor resultado posible sin perjudicar el de los demás, por lo que desde el punto de vista de la negociación entre intereses, son la alternativa más eficiente .

Típicamente, la optimización multi-objetivo produce un conjunto más o menos grande de soluciones de compromiso que, una vez analizado, permite establecer relaciones de equilibrio entre objetivos e inferir su grado de alineamiento.

Hemos desarrollado métodos para enfocar la selección de alternativas en las regiones de mayor convergencia entre múltiples intereses, centrando así el análisis en el ámbito de lo aceptable, y permitiendo descartar soluciones irrealistas.

Análisis de Incertidumbre:

El análisis de incertidumbre consiste en evaluar cómo la variabilidad inherente a las asunciones de un modelo, influye en el resultado del mismo.

La Simulación Monte Carlo es una de las técnicas más habituales y contrastadas en este tipo de análisis, y consiste en realizar un número elevado de evaluaciones del modelo eligiendo cada vez valores aleatorios para cada variable en base a las funciones de distribución de probabilidad que definen sus valores posibles.

La forma más básica del análisis de incertidumbre es el análisis de sensibilidad, que relaciona la variación de una variable, con el resultado para un determinado objetivo. Nuestros métodos, además, construyen escenarios, identifican aquellos en los que más estrategias se comportan mejor y peor, y determinan los riesgos y oportunidades que cada estrategia presenta para cada objetivo considerado, y a nivel global.

El establecimiento de escalas dentro de una organización permite asignar y regular, de formar progresiva y sistemática, atribuciones y responsabilidades desde los niveles superiores hacia los inferiores (control top-down). Al mismo tiempo, sin embargo, el funcionamiento global de cada escala dependerá de cómo lo hagan sus sucesivas sub-escalas, propiciando la aparición de fallos en cascada que comprometan la viabilidad del conjunto (propagación bottom-up).

La incertidumbre relacional de un sistema representa el efecto que la consecución o no de los objetivos parciales, puede tener sobre los objetivos globales, y dependerá de la configuración de libertades y restricciones que se asignen a cada escala. Una configuración correcta, permitirá mejorar la resiliencia del sistema maximizando la capacidad de adaptación a nivel local (Bottom), minimizando a la vez los riesgos sobre los objetivos globales (Top).

El empleo de técnicas avanzadas de optimización multi-objetivo y de análisis de incertidumbre, son capaces de proveer al decisor de multitud de alternativas, y de generar gran cantidad de escenarios posibles. Sin embargo, esta diversidad de opciones puede convertirse en una importante carga decisional, generando ruido y dificultando tanto la extracción de conocimiento a lo largo del proceso, como la selección misma de alternativas.

Mediante el empleo de técnicas de análisis visual, clasificadores y sistemas de control dinámico, en Mgnesio hemos desarrollado métodos para enfocar, de forma interactiva, la selección de alternativas en las regiones de mayor interés y descartar soluciones irrelevantes, evitando así esfuerzos innecesarios . Con nuestros métodos es posible identificar, de forma intuitiva y dinámica, soluciones que cumplan las múltiples condiciones exigibles para resultar aceptables.

Disponemos así mismo de métodos para sintetizar el espacio de soluciones. Basados en el análisis cluster, estos métodos son capaces de agrupar las soluciones en un número manejable de sub-conjuntos y después, atendiendo al criterio de preferencia elegido por el decisor, seleccionar soluciones representativas de cada sub-conjunto.