Caracterización de la productividad de una empresa mexicana desarrolladora de tecnología mediante control difuso
DOI:
https://doi.org/10.46661/revmetodoscuanteconempresa.5374Palabras clave:
productividad, empresa de base tecnológica, lógica difusa, simulación Monte CarloResumen
Se presenta el desarrollo de un modelo que permite medir la productividad de una empresa de base tecnológica, que se basa en las interacciones identificadas entre la inversión del departamento de investigación, el fraude informático y el robo. Estas interacciones se presentan mediante un modelo de variables difusas con las que se desarrollan las funciones de membresía para cada una de éstas. Así mismo se desarrollan las reglas de interacción basándose en la conjunción de los conjuntos difusos propuestos para el modelo Mamdani. Con estos diseños es posible determinar el grado de la productividad, también caracterizada por un conjunto difuso. Para probar el modelo se utilizó simulación Monte Carlo con cuatro escenarios. Los resultados de la serie de simulaciones muestran que bajo la descripción de los conjuntos difusos es posible medir el comportamiento de la productividad en la empresa analizada, mediante rangos de productividad establecidos en el diseño del conjunto difuso propuesto.
Descargas
Citas
Cabrera-Llanos, A.I., Ortiz-Arango, F., & Cruz-Aranda, F. (2019). Un Modelo de Minimización de Costos de Mantenimiento de Equipo Médico Mediante Lógica Difusa. Revista Mexicana de Economía y Finanzas, 14(3), 379-396. https://doi.org/10.21919/remef.v14i3.410.
CEPAL (2020). Acerca de Microempresas y Pymes. https://www.cepal.org/es/temas/pymes/acerca-microempresas-pymes.
Chattopadhyay, A.K., & Chattopadhyay, T. (2014). Monte Carlo Simulation. New York: Springer. http://link.springer.com/10.1007/978-1-4939-1507-1_10 (October 25, 2018).
Cheung, W.L., Pitcher, T.J., & Pauly, D. (2005). A Fuzzy Logic Expert System to Estimate Intrinsic Extinction Vulnerabilities of Marine Fishes to Fishing. Biological Conservation, 124(1), 97-111. https://doi.org/10.1016/j.biocon.2005.01.017
Dávila, G., Ortiz, F., & Cruz, F. (2016). Cálculo Del Valor En Riesgo Operacional Mediante Redes Bayesianas Para Una Empresa Financiera. Contaduria y Administracion, 61(1), 176-201. http://dx.doi.org/10.1016/j.cya.2015.09.009.
González, C. (2011). Lógica Difusa. Una introducción práctica. Técnicas de Softcomputing. Ed. Universidad de Castilla-La Mancha. https://www.esi.uclm.es/www/cglez/downloads/docencia/2011_Softcomputing/LogicaDifusa.pdf
Jamshidi, A., Yazdani-Chamzini, A., HajiYakhchali, S., & Khaleghi, S. (2013). Developing a New Fuzzy Inference System for Pipeline Risk Assessment. Journal of Loss Prevention in the Process Industries, 26(1), 197-208. https://doi.org/10.1016/j.jlp.2012.10.010
Kroese, D. (2011). Monte Carlo Methods. Lecture Notes. Department of Mathematics, School of Mathematics and Physics. The University of Queensland. https://github.com/dpkroese/Monte-Carlo-lecture-notes/blob/master/mccourse.pdf.
Passino, K.M. (1998). Fuzzy Control, Department of Electrical Engineering. USA: The Ohio State University. https://www2.ece.ohio-state.edu/~passino/FCbook.pdf
Sánchez, E.S. et al. (2015). Fuzzy-State Machine for Triage Priority Classifier in Emergency Room. In Springer, Cham, 1488–91. http://link.springer.com/10.1007/978-3-319-19387-8_361 (October 23, 2018).
Sivanandam, S.N., Sumathi, S., & Deepa, S.N. (2007). Introduction to Fuzzy Logic Using MATLAB. https://doi.org/10.1007/978-3-540-35781-0
Tah, J.H.M., & Carr, V. (2000). A Proposal for Construction Project Risk Assessment Using Fuzzy Logic. Construction Management and Economics, 18(4), 491-500. https://doi.org/10.1080/01446190050024905
Tejada, G. (2000). Tutorial de Lógica Fuzzy. Electrónica - UNMSM, 5, 18-29. https://revistasinvestigacion.unmsm.edu.pe/index.php/electron/article/view/4426
Vicent, I. (2014). Conjuntos difusos: aplicación al control de procesos. Prácticas Externas y Proyecto Final de Grado en Matemática Computacional. Universidad de Valencia.
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.