Cómputo con palabras para evaluar la eficiencia organizacional con ANFIS

Autores/as

  • Pascual Noradino Montes Dorantes Universidad Autónoma del Noreste (UANE), Campus Saltillo
  • Bertha Alicia Garza Ruiz
  • Gerardo Maximiliano Méndez

DOI:

https://doi.org/10.29059/educiencia.v5i1.184

Palabras clave:

Cómputo con palabras, lenguaje natural, evaluación, sistema de información

Resumen

En este artículo se analizan las razones por las que no se pueden asignar en una organización valores numéricos de forma simple a sus componentes, ya
que el uso de las variables lingüísticas estas, son difíciles de ser medidas con precisión por métodos tradicionales. Por ello, se expone un método novedoso
para evaluar la eficiencia de una organización por medio de los modelos de cómputo suave, como lo son la Red Adaptativa Neuro-Difusa (ANFIS por sus siglas en inglés) y el cómputo con palabras que son capaces de realizarlo al transformar los datos lingüísticos en numéricos y viceversa. El campo de investigación incluye una revisión básica de la literatura y una postura reflexiva de los investigadores. El objetivo principal es desarrollar y probar un modelo para evaluar la eficiencia de la organización apoyada en técnicas de inteligencia artificial como la red adaptativa de inferencia difusa (ANFIS). La propuesta es relevante y pertinente dado que hoy en día aún no existe un consenso entre los diferentes expertos en los diferentes campos de la ciencia de lo que es la organización. Se concluye que es necesaria una definición ingenieril debido a que el concepto requiere de una aproximación matemática dada la falta de consenso, lo complejo del mismo, la no linealidad y la incertidumbre generada por eluso del lenguaje natural y a la falta de modelos de evaluación de eficiencia.

Citas

Aldabas-Rubira, E. (2002). Introducción al reconocimiento de patrones mediante redes neuronales. IX Jornades de Conferències d’Enginyeria Electrònica del Campus de Terrassa, Terrassa, España, del 9 al 16 de Diciembre del 2002.
Álvarez-Gayou, J. L. (2003). Cómo hacer investigación cualitativa. Fundamentos y metodología. Colección
Paidós Educador. México: Paidós Mexicana.
Anderson, J. A. (2007). Redes Neurales. Alfaomega.
Ayala, G., Peña, M., Pérez, F., Pérez, C. y Bravo, A. (2016). Modelo de gestión de conocimiento para los centros de producción de la Universidad Nacional Mayor de San Marcos. Theorēma, 1, 199-214.
Dorantes, P. N. M., Gómez, M. A. J., Santoyo, A. M., & Méndez, G. M. (2017) Fuzzy look-up table for knowledge management and decision making. Educational Alternatives, 15, 181-191.
Dorantes, P. N. M., & Mendez, G. M. (2015). Non-iterativeradial basis function neural networks to quality control via image processing. IEEE Latin America Transactions, 13(10), 3447-3451.
Dorantes, P. N. M., & Mendez, G. M. (2016). Type-2 fuzzy logic systems for temperature evaluation in ladlefurnace. IEEE Latin America Transactions, 14(8), 3914-3920.
Dorantes, P. N. M., Ruiz, B. A. G., & Méndez, G. M. (2018a). Organización como un concepto multidisciplinar que produce ambigüedad interpretativa. EDUCIENCIA, 3(2), 49-58.
Dorantes, P. N. M, Sánchez P. H., Cantú J. M., García, E., & Méndez G. M. (2018b). Design and optimization of Distribution Routes Using Evolutionary strategy and Type-1 Singleton Neuro-fuzzy systems. IEEE Latin America Transactions. 16(5), 1499-1507.
Hall, R. (1996). Organizaciones. Estructuras, procesos y resultados, Prentice Hall, México.
Hodder, R. (2016). Emotion, Organization, and Society. Society, 53(4), 425-434.
Ibarra, E. (2000). Teoría de la organización, mapa conceptual de un territorio en disputa. En E. de-la-Garza (Ed.), Tratado Latinoamericano de Sociología del Trabajo (pp. 245–283). México: FCE – FLACSO- UAM- COLMEX.
Jang, J. S. R., Sun, C. T., & Mizutani, E. (1997). Neurofuzzy and soft computing, a computational approach to learning and machine intelligence. Prentice Hall, Inc., Simon & Schuster/A Viacom Company, Upper Saddle River, NJ.
Le-Breton, D. (2012), Por una antropología de las emociones. Revista Latinoamericana de Estudios sobre Cuerpos, Emociones y Sociedad, 4(10), 67–77.
Mendel, J. M. (2001). Uncertain Rule-Based Fuzzy Logic Systems: Introduction and New Directions Upper Saddle River, NJ: Prentice-Hall.
Mendel, J. M. (2007). Computing with words and its relationships with fuzzistics. Information Sciences, 177(4), 988-1006.
Mendel, J. M., Zadeh, L.A., Trillas, E, Yager, R., Lawry, J., Hagras, H., & Guadarrama, S (2010), ‘What computing with words means to me’ [discussion forum]. IEEE Computational Intelligence Magazine, 5(1), 20-26.
Méndez, G. M., Dorantes, P. N. M., & Alcorta, M. A. (2020). Dynamic adaptation of the PID’s gains via Interval type-1 non-singleton type-2 fuzzy logic systems whose parameters are adapted using the backpropagation learning algorithm. Soft Computing, 24(1), 17-40.
Montes-Dorantes y Col. (2020). Computo para evaluar la eficiencia organizacional 81
Montaño, L. (2001). La razón, el afecto y la palabra: reflexiones en torno al sujeto en la organización. Iztapalapa. El sujeto construcción y deconstrucción, 21(50), 191-212.
Montaño, L. y Rendón M. (2000). La noción de organización. Iztapalapa, 48, 63- 84.
Rocha, E. (2015). Investigación y teorías de la comunicación masiva. 1ª Ed. México, D.F: Pearson.
UAM (2011). Plan de desarrollo institucional 2011-2024. Recuperado de http://www.uam.mx/pdi/pdi/pdi_2011_2024/assets/downloads/PDI_2011-2024.pdf. Fecha de consulta: 10 de enero de 2020.
Weick, K. (1976). Educational Organizations as Loosely Coupled Systems, Administrative Science Quarterly, 21(1), 1-19.

Descargas

Publicado

2020-12-15

Cómo citar

Montes Dorantes, P. N., Garza Ruiz, B. A., & Maximiliano Méndez, G. (2020). Cómputo con palabras para evaluar la eficiencia organizacional con ANFIS. EDUCIENCIA, 5(1), 54–67. https://doi.org/10.29059/educiencia.v5i1.184

Número

Sección

Artículos

Artículos más leídos del mismo autor/a