Resumen

El presente estudio propone un novedoso modelo de predicción de clases de sostenibilidad para empresas distribuidoras de energía eléctrica en Brasil, basado en indicadores de sostenibilidad, con el objetivo de una gestión de riesgos más eficaz para una determinada empresa entre sus competidoras. Como tales indicadores se basan en medidas cuantitativas y cualitativas y es muy probable que incurran en imprecisiones en sus medidas, el modelo a proponer se basa en un Soporte de Decisión Multicriterio, la Teoría de Conjuntos Rugosos, que permite el tratamiento matemático de esas imprecisiones, y la Inteligencia Artificial, en este caso, el Aprendizaje Automático por inferencia de reglas. En consecuencia, se generan tablas de decisión con atributos de condición, indicadores de sostenibilidad, y atributos de decisión, clases de sostenibilidad: alta, media o baja. Como resultado, es posible predecir clases de sostenibilidad basadas en series temporales de indicadores y reglas de inferencia a partir de tablas de decisión, utilizando el paquete RoughSets en R y el software jMAF, demostrando el uso de cinco algoritmos de generación de reglas y sus respectivas precisiones.

1. INTRODUCCIÓN

El presente estudio tiene como objetivo la proposición de un modelo de predicción de clases de sostenibilidad para empresas de distribución de energía eléctrica en Brasil, basado en indicadores e índices de sostenibilidad, con miras a una gestión de riesgos más eficaz para una determinada empresa en relación con sus competidores. El modelo a ser propuesto se basa en un abordaje multicriterio (Gomes & Rangel, 2009a, b; Slowinski et al., 2012) con el uso de la Teoría de los Conjuntos Rugosos (RST), una teoría matemática para el tratamiento de datos imprecisos, y del Aprendizaje Automático, un subcampo de la Inteligencia Artificial, con el objetivo de inferir reglas de decisión, si ... entonces ..., en la predicción de clases de sostenibilidad basadas en indicadores de progreso y sostenibilidad, utilizando el paquete RoughSets en R y el software jMAF.

Según Wu & Wu (2012), Elkington (2020) y Pereira & Cândido (2020), el desarrollo sostenible y la sostenibilidad involucran temas interdisciplinarios y están presentes en las discusiones de muchas áreas de la ciencia, en organizaciones públicas y privadas, no gubernamentales y en la sociedad como un todo. La sostenibilidad se relaciona no sólo con aspectos ecológicos, sino también con aspectos económicos, políticos, culturales, sociales, temporales y espaciales, lo que hace imprescindible la creación de instrumentos de medición, como los indicadores de sostenibilidad, herramientas compuestas por una o más variables, que pueden relacionarse de muchas maneras. En consecuencia, el establecimiento de objetivos y la creación de instrumentos son pasos fundamentales para hacer posible la medición de la sostenibilidad empresarial.

• Materias:Gestión de riesgos Inteligencia artificial Modelos de pronóstico Toma de decisiones
• Subjects:Risk management Artificial intelligence Forecasting models Decision making
• Palabras claves:Pronóstico; Decisión multicriterio; Teoría de conjuntos rugosos; Inteligencia artificial; Sostenibilidad; Gestión de riesgos
• Keywords:Forecasting; Multicriteria decision; Rough sets theory; Artificial intelligence; Sustainability; Risk management