Resumen de Sistema clasificador borroso basado en algoritmos genéticos para evaluar el estado de ejecución de proyectos

Carlos Rafael Rodríguez Rodríguez, Marieta Peña Abreu, Gilberto Fernando Castro Aguilar, Pedro Yobanis Piñero Pérez

• English

  Las organizaciones suelen orientar sus objetivos hacia la gestión mediante proyectos. Para controlar la ejecución de los mismos, las organizaciones emplean diversas herramientas para facilitar la toma de decisiones. Sin embargo, aún son insuficientes en contextos con incertidumbre en la información y condiciones cambiantes en los estilos de gestión. Para afrontar esa situación es recomendable el uso de técnicas de soft computing. Como contribución a ello, en este trabajo se propone un método para construir un sistema clasificador borroso para evaluar el estado de ejecución de proyectos. Se experimenta con técnicas basadas en algoritmos genéticos; se analiza su forma de operación y los atributos que emplean. Se realiza una validación cruzada aleatoria con 20 iteraciones y 3 clasificadores utilizando una base de conocimientos de 204 proyectos. Para determinar la técnica de mejores resultados se calculan las métricas: cantidad de reglas generadas, porciento de clasificaciones correctas, cantidad de falsos positivos, cantidad de falsos negativos, error cuadrático medio, raíz del error cuadrático medio y error porcentual de la media absoluta simétrica. El principal aporte práctico es la integración a la biblioteca AnalysisPro de las técnicas de soft computing seleccionadas, mediante funciones implementadas en lenguaje PL/R que utilizan como dependencia el paquete FRBS.

• English

  Organizations often guide their objectives towards project management. Organizations employ many tools to ease decision-making during project execution control. However, they are still insufficient in contexts with uncertainty in information and changing management style conditions. It is advisable to use soft computing techniques to face this situation. As a contribution in this context, this paper proposed a method to build a fuzzy classifier system to evaluate the state of project execution. An experiment is conducted with techniques based on genetic algorithms. Their working methods and parameters used are analyzed. A random cross-validation is made with 20 iterations and 3 classifiers using a base of knowledge with 204 projects. In order to determine the technique of better results, it calculates the metrics: quantity of generated rules, percent correct classifications, quantity of false positives, quantity of false negatives, Mean Square Error, Root Mean Square Error and Symmetric Mean Absolute Percentage Error. The main practical contribution is the integration of selected soft computing techniques into the AnalysisPro library, using functions implemented in PL/R language that use the FRBS package as a dependency.