Un nuevo método para aplicar la decisión de elegir por ventajas (CBA) multicriterio a un gran número de alternativas de diseño
El diseño de edificios, infraestructura civil y otros sistemas complejos en nuestro entorno construido implica considerar muchos criterios de diseño, a menudo contradictorios. Los equipos de proyectos de arquitectura, ingeniería y construcción (AEC) a menudo utilizan métodos de toma de decisiones multicriterio (MCDM) para ayudarlos a llegar a una solución de diseño preferida. Un método emergente de MCDM en la práctica hoy en día es Elegir por ventajas (CBA) que se ha aplicado con éxito a muchos proyectos de AEC. Este método tiene varios beneficios sobre los métodos tradicionales de MCDM (como la suma ponderada): CBA no permite ocultar una compensación de dinero por valor, CBA ayuda a diferenciar entre alternativas basadas en el contexto de la decisión, CBA reduce el tiempo para llegar a un consenso y maneja mejores compensaciones subjetivas al basar las decisiones en la importancia de las ventajas acordadas. El ACB se aplica generalmente entre dos y diez alternativas, y nunca se ha utilizado para más de cien alternativas. Por lo tanto, este estudio contribuye al conocimiento al desarrollar y probar un nuevo método para aplicar el ACB a cientos o miles de alternativas. El nuevo método implica agrupar alternativas en unas pocas alternativas de diseño representativas basadas en la similitud de características utilizando el método K-means. Las preferencias entre estas alternativas de diseño representativas se generalizan mediante regresión lineal. Se llevó a cabo un experimento con sujetos estudiantes para medir el nivel de precisión en el que las preferencias se pueden generalizar mediante el método propuesto. El experimento consideró 1.000 alternativas de diseño de edificios diferentes. El ACB se aplicó a alternativas representativas utilizando tres, seis, ocho y diez grupos. El estudio midió errores, correlaciones y consistencia de las predicciones para cada configuración de clúster. Cuando se utilizaron ocho clústeres para crear alternativas representativas, las decisiones siempre fueron consistentes con las tomadas con alternativas aleatorias, y la correlación con la preferencia predicha fue mayor con un error menor en comparación con otras configuraciones de clústeres probadas.
