SciELO - Scientific Electronic Library Online

 
vol.27 número2Modelos de perfil de velocidad para evaluación de consistencia del trazado en carreteras de la provincia de Villa Clara, Cuba índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Revista ingeniería de construcción

versión On-line ISSN 0718-5073

Rev. ing. constr. vol.27 no.2 Santiago ago. 2012

http://dx.doi.org/10.4067/S0718-50732012000200006 

Revista Ingeniería de Construcción Vol. 27 No2, Agosto de 2012 www.ricuc.cl PAG. 83 - 98

Identificación de los requisitos del usuario en el sector de la construcción bajo mecanismos de descubrimiento del conocimiento

 

Fernanda Flach*, Marco Aurélio Stumpf González 1**, Andrea Parisi Kern***

 

* Universidade do Vale do Rio dos Sinos (UNISINOS), São Leopoldo, RS. BRASIL

Dirección de Correspondencia


RESUMEN

El propósito de este trabajo es investigar la forma en que el conocimiento del mercado inmobiliario puede ser utilizado para ayudar a identificar los requisitos de los usuarios. Un proyecto de construcción más ajustado a las necesidades de los usuarios puede aumentar su valor y producir cambios menores durante su ciclo de vida. En consecuencia, la renovación, remodelación y demolición estarán menos presentes, reduciendo la generación de residuos, la re-construcción y el consumo de materiales. Esto es especialmente importante en los casos de personalización de la vivienda. Sin embargo, uno de los desafíos que enfrentan los diseñadores es cómo identificar adecuadamente las necesidades de los usuarios, sus deseos y necesidades, pues constituyen un factor fundamental en el proceso inicial de información. En este contexto, los modelos estadísticos de datos basados en los bienes raíces pueden ser de gran utilidad para los diseñadores, pues reflejan la evaluación que poseen los usuarios de los atributos de construcción. La estrategia de investigación usa un mecanismo de descubrimiento del conocimiento, compuesta por cinco pasos: (1) la formulación de una base de datos general, (2) la selección de datos específicos utilizando el Razonamiento Basado en Casos, (3) el enriquecimiento de los datos, (4) el desarrollo de modelos de precios hedónicos utilizando el análisis de regresión, y (5) la simulación del valor de las alternativas de diseño. Sobre la base de aplicación de un modelo de precios hedónicos y utilizando los datos del mercado de las viviendas de clase media de Porto Alegre, Brasil, los principales resultados indican que los modelos de precios ajustados contienen suficientes detalles y precisión estadística para apoyar las decisiones en la etapa inicial de diseño

Palabras Clave: Requisitos de los usuarios, personalización de las viviendas, proceso de diseño, proceso de conocimiento, modelos de precios hedónicos


1. Introducción

El segmento que reúne las actividades de arquitectura, ingeniería y construcción (AEC industry) tiene gran importancia para la sociedad en relación a los aspectos económicos, sociales y medioambientales. Un proyecto de construcción más ajustado a las necesidades de los usuarios puede aumentar su valor y requerir cambios menores durante su ciclo de vida (Koskela, 2000). Sin embargo, identificar las necesidades de los usuarios no es una tarea sencilla para los diseñadores. Esto es especialmente importante en los casos de personalización de la vivienda, como por ejemplo, en los segmentos de pre-venta (Juan et al, 2006; Shin et al., 2008). Sin embargo, uno de los desafíos que enfrentan los diseñadores es cómo llegar a conocer las necesidades de los usuarios, sus deseos y necesidades desde la etapa inicial del diseño de la obra, conocida como sesión informativa o de orientación (RIBA, 2007).

El objetivo de este trabajo es investigar la forma en que el conocimiento del mercado inmobiliario puede ser usado para ayudar a identificar las necesidades de los usuarios. Presentamos un mecanismo de descubrimiento del conocimiento diseñado para identificar las necesidades de los usuarios y apoyar el proceso de toma de decisiones. La propuesta se basa en los modelos de precios hedónicos que entregan los datos de las transacciones en el mercado. El estudio analiza el proceso informativo o de orientación del diseño, los sistemas actuales de apoyo al proceso informativo y otros aspectos relacionados con él. Luego, se presenta la propuesta y algunos resultados obtenidos de un caso basado en un modelo de precios del mercado de la vivienda de la ciudad de Porto Alegre ubicada en el sur de Brasil.

2. El proceso de diseño de la obra

2.1. El rol de los requerimientos del usuario y las etapas iniciales de diseño

El diseño en el sector de la construcción se puede ver como una tarea compleja. Por su naturaleza, el diseño es un proceso creativo donde tanto los problemas como las soluciones surgen simultáneamente de manera retórica, persuasiva y exploratoria. Exige identificar y evaluar las diversas necesidades, requerimientos y deseos, los que deben ser traducidos adecuadamente al lenguaje constructivo para ser incorporados al producto final. El diseño es multidisciplinario y ejerce una poderosa influencia en otros procesos, como también en el producto Anal, en términos de calidad y valor (Koskela, 2000; Macmillan et al., 2001; Tzortzopoulos et al,, 2001).

Existen algunos modelos desarrollados para representar el proceso de diseño de la obra. En el plan de trabajo tradicional de RIBA, la etapa inicial del proceso de diseñar un proyecto constructivo se denomina Preparación y está compuesta por las evaluaciones ("identificación de las necesidades del cliente y objetivos") y el diseño ("desarrollo de la formulación inicial de los requerimientos"). La segunda etapa es el Diseño, compuesto por el diseño conceptual, desarrollo del diseño y diseño técnico, seguido por la Pre-construcción, Construcción y Etapas de Uso (RIBA, 2007). Posteriormente, se incluyó la demolición y el diseño para la deconstrucción dentro de la agenda de diseño (Morgan and Stevenson, 2005).

Una parte significativa del valor, costo y desechos generados durante el ciclo de vida de una obra se define en las fases iniciales de diseño. En ciertos casos, una decisión a tiempo durante el diseño define entre un 70% y un 80% del costo Anal (Bouchlaghem et al., 2006; Raflq et al., 2005) y tiene consecuencias considerables en el comportamiento de la obra (Wang et al., 2005).

Los procesos de diseño han entregado gran cantidad de conocimientos (Baldwin et al., 1999; Langford y Retik, 1996; Yusuf y Alshawi, 1999). Según Meniru et al. (2003), el éxito de la solución final del diseño depende de que el equipo de diseño pueda coordinar sus conocimientos lo más tempranamente posible. Sin embargo, las restricciones de tiempo y una comunicación inadecuada entre el cliente y el arquitecto y entre los miembros del equipo ejercen una influencia negativa en la calidad del diseño (Ballard y Koskela, 1998; Kamara et al., 2000; Luck y McDonnell, 2006; Yu et al., 2005). Batty (1995) sostiene que la falta de tiempo disponible puede generar numerosas consecuencias, entre las que se incluye la falta de deseo, por parte del equipo de diseñadores, de asumir riesgos con nuevos materiales o sistemas.

Comprender adecuadamente los requisitos del usuario en las primeras etapas de diseño, reduce el esfuerzo de tener que volver a diseñar en las etapas siguientes. El proceso informativo o de orientación es el momento apropiado para tomar decisiones. Este proceso informativo constituye la etapa inicial del proceso de diseño y con frecuencia es el más importante, pues se establecen los objetivos del proyecto y se fijan las bases para el desarrollo conceptual (Peña y Parshall, 2001). También se conoce como programación arquitectónica. Antiguamente, cuando las construcciones eran más simples, esta etapa no era necesaria. A partir de la revolución industrial, las obras son cada vez más especializadas y exigen información amplia y específica (Donia, 1998). Barrett et al. (1996) define el proceso de información como un proceso sistémico mediante el cual el cliente/usuario explicita sus ideas y éstas quedan formalizadas. En general, el proceso informativo también se considera como una actividad de planificación dentro del proceso de diseño de la obra.

En los inicios, este proceso de información se consideraba como un documento estático, elaborado en un momento específico. Sin embargo, los autores sostienen que el documento informativo debe ser dinámico y debe ser aplicado durante todo el proceso de diseño (Aouad et al., 1998; Barrett et al., 1996; Tzortzopoulos et al., 2006). Por ejemplo, en el Plan de Trabajo de RIBA, el documento informativo se desarrolla a partir de una "información inicial" hasta una "información detallada del proyecto" y este desarrollo sucede paralelamente con el desarrollo del diseño conceptual y técnico (Kamara et al., 2001; RIBA, 2007). Kamara et al. (2001) sugiere que el documento informativo tenga dos partes: un programa estratégico y el documento informativo mismo.

2.2. Enfoque del diseño basado en el conocimiento

Como la información evoluciona y el proceso de diseño debe abarcar una gran cantidad de conocimiento, es importante entregar a los diseñadores las herramientas para manejar ese conocimiento. Algunas formas exploradas para mejorar el proceso informativo y administrar el diseño del conocimiento son la estimación de los valores (Kelly et al., 2005; Yu et al., 2005), el Despliegue Funcional de la Calidad (Quality Function Deployment, QFD) (Kamara et al., 1999), la planificación con Last Planner (Koskela et al., 1997; Tzortzopoulos et al., 2001), y la ingeniería conjunta o esquemas de colaboración (Bouchlaghem et al., 2006; Kamara and Anumba, 2000; Kamara et al., 2001; Koskela and Huovila, 1997; Macmillan et al., 2001; Marir et al., 2000; Meniru et al., 2003; Yan-chuen et al., 2000).

Otra forma de mejorar el proyecto es a través del Sistema de apoyo para la toma de decisiones (Decision Support Systems, DSS). Un DSS es un sistema computacional interactivo que ayuda a los encargados de tomar decisiones a resolver un problema de gestión estructurado o no estructurado, que tiene múltiples atributos, objetivos o finalidades (Power, 2002). Para el diseño de proyectos se usan principalmente dos tipos de DSS: los Sistemas Expertos (también conocidos como Sistema de Manejo del Conocimiento (CBR) o Sistema de apoyo apara la toma de decisiones basados en el conocimiento), y los Sistemas de Razonamiento Basado en Casos u otras herramientas de minería de datos.

Un Sistema Experto (Expert System, ES) posee una base de conocimiento (Knowledge Base, KB) y un motor de inferencia. Una base de conocimiento es una colección organizada de conocimientos, reglas y procedimientos. El componente activo es el motor de inferencia, que contiene reglas deducidas de un experto en la materia. Se construye usando el conocimiento estructurado y explícito (Power, 2002). Se han propuesto algunos ES para el diseño de proyectos, con aplicaciones para la remodelación de obras (Kaklauskas et al., 2005; Zavadskas et al., 2006), proyectos semi-automatizados para viviendas (González-Uriel and Roanes-Lozano, 2004), y evaluación de viviendas (Natividade-Jesus et al., 2007).

También se ha puesto énfasis en el DSS usando el Razonamiento en base a casos (Case-Based Reasoning, CBR). El CBR es una herramienta para razonar y aprender con aplicaciones exitosas en diversos ámbitos (Watson, 1997). Esta técnica considera las soluciones para nuevos problemas usando como referencia las soluciones adoptadas en problemas anteriores (descritos como "casos"), identificados en la base de datos a través de un mecanismo de selección de casos basado en la similitud entre los problemas o casos y cada uno de los casos disponibles en la base de datos (Aamodt y Plaza, 1994; Kolodner, 1993; Watson, 1997). Los CBR poseen algunas ventajas frente a los ES, por ejemplo, no requieren modelos explícitos para obtener la solución al problema y tienen flexibilidad para trabajar con gran cantidad de datos. Otra ventaja es que el CBR tiene la posibilidad de aprender con casos nuevos, siendo fácil mantener la aplicación actualizada. Una debilidad del CBR es ajustar los casos seleccionados para ejecutar resultados numéricos (Watson, 1997). El CBR se ha estado aplicando en proyectos de obras desde fines de la década de 1980 (Maher, 1987; Pearce et al., 1992).

Existen algunas aplicaciones del CBR en el proceso de información. El programa SEED-Pro explora las necesidades del cliente, presupuesto y restricciones, generando un programa arquitectónico (Akin et al., 1995; Donia, 1998). Marir et al. (2000) describe un sistema CBR diseñado para mejorar las especificaciones del proyecto de una obra que incluye la integración de la información y apoya simultáneamente la ingeniería y la toma de decisiones para la gestión y realización efectivas de todas las etapas del ciclo de vida de un proyecto de construcción. Van Leeuwen et al. (2000) propone un sistema para la remodelación de viviendas, que emplea el conocimiento sobre el diseño arquitectónico, los costos y materiales para la construcción. El sistema considera los requerimientos del usuario a través de un sistema CBR con un número de planos para viviendas tipo. Serpell y Rueda (2007) desarrollaron un sistema CBR para el proceso informativo, usando un proceso de tres etapas que busca casos similares para la definición de un nuevo proyecto.

2.3. El descubrimiento del conocimiento en el mercado inmobiliario

Aunque la literatura presenta diversos esfuerzos para mejorar el proceso de diseño de una obra, la mayoría de los ejemplos considera el conocimiento del diseñador (diseño de gestión/ conocimiento del equipo de trabajo o empleo de experiencias previas, expresado en casos o reglas deducidas de los expertos).

Existen pocos esfuerzos en aplicaciones realizadas para descubrir los requisitos de la obra en base a los conocimientos del usuario.

Sin embargo, es posible identificar las preferencias de los clientes por la información entregada por el mercado inmobiliario, con respecto al precio pagado por cada propiedad. Como las decisiones de los clientes son principalmente de carácter económico, los precios son proporcionales al nivel de calidad percibido o, en un sentido más amplio, al nivel de calidad percibido por los usuarios. En otros términos, el precio es una variable sustituta del valor del producto.

Se pueden considerar las propiedades como productos multi-dimensionales, considerando la influencia simultánea de las diversas características que conforman el precio Anal. Por lo tanto, las viviendas son bienes heterogéneos con una serie completa de atributos. Se diferencian en términos de diseño, tamaño, configuración interna, calidad de la construcción y ubicación. Entonces, existe una gran variedad de productos en el mercado inmobiliario y su heterogeneidad hace que la comparación directa sea una ardua tarea. En consecuencia, al comienzo es difícil comprender la importancia relativa de cada vivienda, en relación con su participación en el precio final; solamente se conoce su precio total (Harvey, 1996; Lavender, 1990; Robinson, 1979).

Los modelos de precios hedónicos (Hedonic Price Model, HPM) buscan establecer la relación entre el precio de la vivienda y sus características. En los modelos hedónicos, los bienes son descritos a través de un "conjunto de atributos", reuniendo las características importantes. Como el precio parcial relacionado con cada atributo no puede ser aislado directamente, porque no existen mercados específicos para cada uno, los precios se obtienen en forma indirecta. El precio implícito de cada uno de esos atributos, también llamados precios hedónicos o "precios sombra", son precios relacionados con cada atributo de la propiedad. Haciendo un análisis de regresión de las características de la vivienda según el precio observado, se pueden extraer las contribuciones que aporta cada atributo al precio total. La herramienta más utilizada para obtener los coeficientes que miden estas contribuciones es el Análisis de regresión múltiple (Multiple Regression Analysis, MRA), conocido también como herramienta estadística, usada en casi todos los estudios hedonísticos. Según la teoría de precios hedonísticos, los coeficientes representan los precios que los compradores desearían pagar, en promedio, por esas características (Rosen, 1974; Sheppard, 1999).

Para apoyar de manera efectiva a los proyectistas, estos modelos deben ser sustentables, es decir, deben estar basados en datos sólidos. El análisis de grandes bases de datos es visto como una ventaja a la que se puede llegar por el descubrimiento del conocimiento en las bases de datos (Knowledge Discover in Databases, KDD). El descubrimiento del conocimiento en las bases de datos es un enfoque relativamente nuevo para el análisis de datos. Se trata de una organización especial de los datos y técnicas que permiten la revelación del conocimiento que presumiblemente se encuentra oculto en los datos. Esta dimensión surgió en la década de 1980 como una alternativa para el análisis de grandes bases de datos (Fayyad et al., 1996).

El descubrimiento del conocimiento se produce a través de diferentes fases, compuestas por tres etapas básicas del proceso: pre-procesamiento, selección de datos importantes y minería de datos. La fase de pre-procesamiento abarca la recopilación y preparación de los datos. Puede emplear varias técnicas estadísticas, como agrupación, análisis de regresión múltiple, análisis de factores, muestreo y estadísticas descriptivas. El resultado de esta etapa es una base de datos confiable. La segunda etapa es la selección de los datos, la búsqueda de datos importantes para cada problema, utilizando, por ejemplo, el muestreo, el CBR o la agrupación. En la fase de minería de datos, se pueden escoger otras técnicas para resolver el asunto del descubrimiento del conocimiento, como redes neurales, análisis de regresión múltiple, agrupación, razonamiento basado en casos, algoritmos genéticos y sistemas basados en reglas difusas (Berry and Linoff, 2000; Hair et al., 1998; Pyle, 1999). Algunos estudios en el sector de la construcción, investigan la demora en los proyectos de construcción (Kim et al., 2008; Soibelman y Kim, 2002).

3. Metodología y datos

3.1. El sistema propuesto

Este estudio consideró el paradigma del Descubrimiento del conocimiento en las bases de datos (KDD) en un sistema híbrido, usando el Razonamiento en base a casos (CBR) y el Análisis de regresión múltiple (MRA) para la construcción de modelos de precios hedónicos. La investigación se basó en una simulación usando una base de datos real de bienes inmobiliarios.

Se incluyó el KDD porque permite manejar grandes bases de datos. El CBR es una forma conveniente para seleccionar viviendas, usando un índice de similitud para encontrar las propiedades importantes (aquellas similares a la de la obra en estudio). Como el CBR tiene dificultades para manejar y adaptar datos numéricos, se usó el MRA para generar índices de calidad, basados en la relación del precio de la vivienda y sus características. Este tipo de relación es representada en forma de ecuación (un modelo de precio hedónico).

Sin embargo, para desarrollar estudios usando el mercado inmobiliario se deben incluir dos etapas adicionales en el esquema básico de KDD/CBR. Se requieren ejemplos detallados para generar modelos específicos de precios. Como en general las viviendas tienen un gran conjunto de atributos importantes, a partir de la recopilación de los primeros datos, no es posible detallar todos los casos dentro de una gran base de datos. La solución para esta aparente paradoja es recopilar la información básica para todos los casos (suficiente para permitir la selección de casos en el CBR) y complementar la muestra de datos después de la selección, así como hacer un trabajo de recopilación total solamente para las propiedades seleccionadas (suficiente para generar un HPM útil).

En el esquema CBR tradicional se seleccionan algunos casos similares que serán adaptados para entregar una solución. Bajo esta mirada, el resultado final es proporcionado por el mismo CBR. La segunda diferencia de nuestra propuesta es que el sistema seleccione un ejemplo para ser modelado, usando una herramienta adicional para generar el resultado (MRA). En consecuencia, el sistema propuesto está compuesto por cinco etapas:

(1) Creación de la base de datos - recopilación y pre-procesamiento de datos del mercado inmobiliario;

(2) Selección de una muestra con datos relevantes a través del CBR;

(3) Enriquecimiento de los datos (detalles de la muestra);

(4) Generación del HPM usando el MRA;

(5) Simulación de valores de diferentes alternativas en el proceso de diseño.

La Figura 1 muestra la configuración general del DSS propuesto.

Figura 1. Configuración del sistema propuesto

A continuación, se demuestra el sistema a través de un estudio empírico que está compuesto por la estimación y uso de un modelo de precios que utiliza los datos del mercado de viviendas de clase media de la ciudad de Porto Alegre, ubicada en el sur de Brasil. En esta sección, se presentan las primeras cuatro etapas y la quinta, en la sección siguiente.

3.2. Creación de la base de datos

Esta etapa del estudio está basada en investigaciones similares sobre modelación de bienes inmobiliarios (Author, 2006). Al comienzo, se recopiló datos sobre el mercado inmobiliario local, formando una base de datos compuesta por más de 30.000 casos. La información sobre estas unidades se extrajo de los archivos de los Impuestos sobre la compraventa del Servicio de Impuestos Internos de Porto Alegre.

En esta fase, se recopilaron datos básicos como precio de venta (declarado por el contribuyente), superficie total y privada, año de término de la edificación y nivel de calidad de la construcción. Luego se recopilaron las variables indicadoras de la calidad de la ubicación como la distancia hasta el principal centro de negocios y hasta los principales centros de comercio y recreación. También se reunieron variables cualitativas indicadoras de la calidad del vecindario y de las viviendas. A continuación de la fase de recopilación de datos, se realizaron operaciones de pre-procesamiento, obteniéndose un conjunto de datos listos para la modelación general.

3.3. La selección de los datos

Se realizó la simulación del proceso de diseño de departamentos en el mercado de preventa. Los datos relevantes para el segmento estudiado fueron seleccionados a través del CBR, considerando unidades de departamentos ubicados en una zona de clase media dentro de la ciudad. La selección se realizó usando atributos básicos como precios de venta, superficie construida y ubicación. Se utilizó un mecanismo de similitud basado en los algoritmos por vecindad cercana (Nearest Neighborhood Algorithm, K-NN). Con todo, se creó un conjunto de datos compuesto por 110 unidades de departamentos.

3.4. Enriquecimiento de los datos

La muestra fue detallada mediante el uso de fuentes como planos y fotografías de las viviendas. Se identificó información importante de este segmento del mercado como cantidad de dormitorios y baños, existencia de chimeneas, barbacoa, balcón o terraza y lavadero; número de estacionamientos privados; características de los espacios para recreación del edificio (presencia de piscina, sauna, espacio para juegos y deportes), así como también la calidad de la construcción.

El área considerada es relativamente uniforme, en lo relativo a accesibilidad y calidad del vecindario. La muestra está compuesta por viviendas nuevas y los precios eran relativamente estables durante el periodo de recolección de los datos. Por lo tanto, no fue necesario incluir variables como edad, ubicación, vecindario y tiempo de venta.

3.5. La creación del HPM

Para generar el modelo de precios hedónicos, se consideraron diferentes variables cuantitativas: el precio de venta (€), la superficie (m2), la cantidad de dormitorios simples, la cantidad de dormitorios con baño exclusivo, la cantidad de espacios para recreación (que incluye piscina/ sauna/ gimnasio/ espacios para juegos), la cantidad de espacios privados para estacionamiento y evaluación de la calidad de la construcción (desde 1, muy pobre hasta 10, muy buena).

Se contemplaron variables dummy para la presencia de los siguientes elementos: tina de baño, sala escritorio, terraza equipada con barbacoa, terraza simple, chimenea y espacio para lavadero. Las variables dummy se consideraron iguales a uno si la vivienda poseía el atributo y, de lo contrario, era igual a cero.

La Ecuación 1 muestra el modelo básico, y la Tabla 1 muestra las estadísticas descriptivas:

(1)

donde:

• SP = precio de venta en Euros

• FA = superficie construida en metros cuadrados (m2)

• BBr = cantidad de dormitorios con baño exclusivo

• SBr = cantidad de dormitorios simples

• BT = igual a uno si la vivienda posee una tina de baño y, de lo contrario, igual a cero

• HOr = igual a uno si la vivienda posee escritorio en una habitación independiente y, de lo contrario, es igual a cero

• BBE igual a uno si la vivienda posee terraza equipada con barbacoa y, de lo contrario, igual a cero

• SBa igual a uno si la vivienda posee una terraza simple y, de lo contrario, es igual a cero

• FP igual a uno si la vivienda posee chimenea y, de lo contrario, igual a cero

• LA igual a uno si la vivienda posee una espacio para lavadero y, de lo contrario, igual a cero

• LE cantidad de espacios para recreación (incluye piscina/sauna/gimnasio/ espacios para juegos)

• PPS cantidad de espacios privados para estacionamiento

• BQ evaluación de la calidad de la construcción

• a. coeficientes que deben ser estimados, y

 ε término estocástico.

Tabla 1. Resumen estadístico de las variables cuantitativas

Como la mayoría de estos atributos se usan generalmente en los estudios hedónicos (Ball, 1973; Boyle y Kiel, 2001; Chau y Wong, 2004; Chau et al., 2001; Din et al., 2001; Smith et al., 1988), se podrían considerar las diferencias culturales locales. Por ejemplo, la importancia de las terrazas fue demostrada por Chau y Wong (2004).

En este caso, el atributo "terraza con equipamiento para barbacoa" (BBE) significa una característica importante para el mercado inmobiliario de Porto Alegre. La cultura local privilegia el consumo de carne asada en las reuniones familias y de amigos. La inclusión de equipamiento para barbacoa en los departamentos en el segmento de mercado medio-alto en la ciudad de Porto Alegre se inició hace unos 30 años y, rápidamente, se extendió a otro tipo de propiedades y también en sus alrededores. Este es un fuerte atractivo para la venta y, en muchos casos, se define el diseño de un área privada usando este elemento como punto de partida.

Además, la presencia de una sala-escritorio independiente (HOr) es considerada como un espacio muy importante por este segmento. Por otra parte, el espacio de recreación fue representado en una variable, contabilizando la presencia de diferentes elementos (piscina/ sauna/ gimnasio/ espacios para juegos), en base a los resultados obtenidos en los estudios iniciales que señalaban que individualmente los elementos no tenían importancia estadística.

4. Resultados y discusión

4.1. Análisis estadístico del HPM

La Tabla 2 presenta los resultados del análisis de regresión para las muestras de datos seleccionados. Cabe mencionar que se desarrollaron otros modelos y que la especificación lineal entregó mejores resultados.

Tabla 2. Resultados del análisis de regresión - modelo lineal

La ecuación del HPM, respecto de las variables y coeficientes de la Tabla 2, se presenta en la Ecuación 2:

(2)

Como se aprecia en la Tabla 2, todas las variables tienen importancia y los coeficientes son significativos en un nivel del 5% o más. Los resultados señalan un R2 ajustado alto de 0,9694. El análisis de los gráficos de precios recopilados x precios estimados y precios estimados x errores estandarizados, aunque aquí no se muestran, no indican la presencia de tendencias u otros problemas estadísticos, como auto-correlación, valores atípicos, varianza de error no constante, etc. Asimismo el análisis de correlación no señala correlaciones fuertes entre las variables explicativas, ya que éstas no exceden de 0,6. Por lo tanto, se puede concluir que el modelo presenta condiciones estadísticas adecuadas y puede ser de utilidad para el análisis de mercado, en términos de la estimación del valor.

El análisis de los coeficientes establecidos permite hacer una comparación entre las variables e identificar alternativas con mayor valor agregado. Por ejemplo, los resultados indican que un dormitorio simple (SBr) o un espacio común para gimnasio, incluido en los espacios de recreación (LE), agrega valores similares para los usuarios en el precio total de la vivienda. En este ejemplo, el precio hedónico del SBr es de 4.500 Euros y el precio hedónico del LE es de 4.400 Euros. Por otra parte, la diferencia entre la variación de precio considerando un dormitorio simple (SBr, 4.500 Euros) y un dormitorio equipado con un baño (BBr, 16.700 Euros) seguramente justificaría la inclusión del baño como una mejor alternativa.

Sin embargo, en otros casos, la importancia de algunos atributos no es tan clara. Por ejemplo, los coeficientes hedónicos de algunas variables como chimenea (FP), tina de baño (BT), y terraza equipada con barbacoa (BBE) no representan exclusivamente estos equipamientos, sino más bien a una gran conjunto de elementos. En realidad, son elementos emblemáticos y trabajan como signos de valor, indicando una categoría superior de la vivienda; también tienen una gran influencia en el diseño. Por ejemplo, la inclusión de una terraza o chimenea exige el aumento y la redistribución de los espacios interiores, y una tina de baño obliga a ampliar aún más la superficie del baño. La mayoría de las veces, es muy difícil agregar estos elementos durante la fase de producción. Después de terminada la producción, es aún más difícil o incluso imposible. Los diseñadores deberían considerar estos elementos desde los primeros bosquejos, reforzando la importancia del conocimiento para apoyar las primeras etapas de diseño.

En la mayoría de las viviendas del ejemplo, las terrazas equipadas con barbacoa (BBE) son espacios relativamente más grandes, desde 8 a 15m2 y además se desempeñan como un estar/comedor adicional. Las terrazas simples (SBa) se ubican, generalmente, en los dormitorios y desempeñan distintas funciones: promover el contacto con el espacio exterior y mejorar la ventilación natural. Normalmente, son más pequeñas, de alrededor de 6m2. Al comparar ambos precios hedónicos (BBE = 23.900 Euros; SBa = 6.500 Euros) es posible concluir que las terrazas simples se usan menos y tienen menor importancia para los usuarios.

4.2. Simulación usando la información del HPM

Cuando el diseñador se enfrenta a un nuevo proyecto compuesto por diversas unidades de departamentos de 100 m2, por ejemplo, existen diferentes configuraciones. En este caso, el valor de los distintos elementos debería guiar al diseñador para maximizar las preferencias del usuario y el precio final del proyecto. En este contexto, a continuación, se presenta una demostración de dos situaciones, usando los resultados obtenidos en el HPM generado. En ambos ejemplos, se trata de un departamento de 100m2 con dos espacios para estacionamiento, el espacio para recreación está compuesto por piscina y espacios para juegos, con un nivel de calidad de la construcción igual a siete.

Caso A: un estar/living (24m2), un dormitorio con baño incluido (20m2), dos dormitorios (19,8m2), dos baños (5,2m2), una terraza (4,5m2), cocina y servicios (10m2), corredor (4m2), considerando la superficie de muros igual a 12,5m2.

Caso B: un estar/living conectado a la terraza equipada con barbacoa (31,7m2), dos dormitorios con baño incluido (35,7m2), un baño (1,3m2), escritorio (4m2), cocina (8m2), espacio para lavadero (3m2), corredor (4m2), y superficie de muros igual a 12,3m2.

La Tabla 3 describe los dos casos en base a las variables consideradas en el HPM.

Tabla 3. Nivel de las variables para los casos A y B

 

Las Ecuaciones 3 y 4 describen las ecuaciones para los Casos A y B, así como el precio de venta resultante.

Ecuación para el Caso A

(3)

Ecuación para el Caso B

(4)

De acuerdo a las Ecuaciones 3 y 4, el Caso B presenta una estimación de precio más alta en comparación con el precio de venta del Caso A. Como ambos casos pueden tener un precio de construcción similar porque la superficie, calidad de construcción y recreación son iguales, el Caso B muestra una ventaja financiera y económica significativa. La diferencia entre ambos precios de venta es de unos 35.000 Euros.

Además, considerando el hecho de que el Caso B contempla las preferencias del mercado porque usa los datos de bienes raíces, se estima que habrá menos reacondicionamiento, remodelación y demolición durante el ciclo de vida de la vivienda. Por ejemplo, para transformar el departamento del Caso A al departamento del Caso B, sería necesario remover unos 13m2, generando unos 2m3 de desechos de demolición y construcción.

Se podría concluir que el modelo hedónico (Ecuación 2) tiene buen potencial para ser usado para diseñar. Se podría emplear para apoyar las decisiones en las primeras fases del diseño, siendo de ayuda en situaciones de ventaja comparativa, permitiendo evaluar el impacto de las decisiones de diversas configuraciones sobre el precio final de venta. De este modo, se puede emplear para la estimación de valores y los diseñadores podrían simular el valor de algunas alternativas y decidirse por aquellas que tengan un mayor valor de mercado.

5. Conclusiones

Este estudio propone un nuevo enfoque ya que sugiere el uso de datos del mercado inmobiliario para descubrir las necesidades de los usuarios. Es un sistema KDD híbrido, que emplea las técnicas del CBR para la selección de casos y el análisis de regresión múltiple para generar modelos de precios. El principio tras el sistema es que en los datos de venta existe un conocimiento oculto sobre las necesidades del usuario que puede ser descubierto a través de los modelos de precios hedónicos.

Se presentó una aplicación basada en datos reales de las viviendas de una ciudad brasilera. El modelo hedónico calculado tuvo un buen comportamiento estadístico.

Sobresalen cinco puntos como principales ventajas. Primero, es un modelo numérico que permite la simulación y el diseñador puede estudiar una variedad de opciones diferentes, explorando la mejor u óptima solución en términos de las necesidades del usuario. Segundo, el modelo se puede obtener a través de datos reales del mercado inmobiliario. Tercero, la información obtenida podría ser usada para apoyar las decisiones en las primeras etapas del proceso de diseño, cuando se define el costo total y el precio para el proyecto. Cuarto, el uso de herramientas automatizadas puede mejorar la eficiencia del proceso, ya que los resultados se obtienen fácil y rápidamente si se organiza bien la base de datos. Por último, el HPM identifica elecciones económicamente viables porque el modelo se basa en datos reales del mercado.

En resumen, los modelos de precios hedónicos se pueden entender como una forma segura para identificar las necesidades y preferencias de los usuarios de las viviendas mediante un modo indirecto. Así, la fase de concepción de nuevos productos puede ser más objetiva e inteligente.

6. Referencias

Aamodt A. and Plaza E. (1994), "Case-based reasoning: Foundational issues, methodological variations, and system approaches", AI Communications, Vol. 7 No. 1, pp. 39-59. - http://iospress.metapress.com/index/316258107242JP65.pdf        [ Links ]

Akin 0., Sen R., Donia M. and Zhang Y. (1995), "SEED-Pro: Computer Assisted Architectural Programming in SEED", Journal of Architectural Engineering, Vol. 1 No. 4, pp. 153-161. - available at http://web.ebscohost.com/ehost/detail?sid=07fdc793-2cf0-47d2-aea9-799f2ef99bdf%40sessionmgr104&vid=1&hid=111&bdata=Jmxhbmc9cHQtYnImc2l0ZT1laG9zdC1saXZl#db=a9h&AN=6783082        [ Links ]

Aouad G., Hinks J., Cooper R., Sheath D.M., Kagioglou M. and Sexton M. (1998), "An IT Map for a generic design and construction process protocol" Journal of Construction Procurement, Vol. 4 No. 1, pp. 132-151 . - available at http://eprints.lancs.ac.uk/39899/        [ Links ]

Baldwin, A.N., Austin, S.A., Hassan, T.M. and Thorpe, A. (1999), "Modeling information flow during the conceptual and schematic stages of building design", Construction Management and Economics, No. 17, pp.155-167. - available at http://www.tandfonline.com/doi/abs/10.1080/014461999371655        [ Links ]

Ball M.J. (1973), "Recent empirical work on the determinants of relative house prices", Urban Studies, Vol. 10 No. 2, pp. 213-233. - available at http://usj.sagepub.com/content/10/2/213.short         [ Links ]

Ballard G. and Koskela L. (1998), "On the agenda for design management research", in Proceedings of the 6th Annual Conference of the International Group for Lean Construction, Guaruja Beach. - available at http://www.ce.berkeley.edu/~tommelein/IGLC-6/ BallardAndKoskela.pdf        [ Links ]

Barrett P.S., Hudson J. and Stanley C. (1996), "Is briefing innovation?", in Langford, D.A. and Retik, A. (Eds.), The Organization and Management of Construction, Shaping Theory and Practice - Volume 3, Managing Construction Information, E & FN Spon, London, pp. 87-95.         [ Links ]

Batty W.J. (1995), "The development of interactive strategic design environments", Pattern Recognition, Vol. 28 No.10, pp.1477-1481. - available at http://www.sciencedirect.com/science/article/pii/003132039400152C         [ Links ]

Berry M.J. and Linoff G. (2000), Mastering Data Mining, Wiley Computer Publishing, New York, NY.         [ Links ]

Bouchlaghem D., Shang H., Anumba C.J., Cen M., Miles J. and Taylor M. (2006), "ICT-enabled collaborative working environment for concurrent conceptual design", Architectural Engineering and Design Management, Vol. 1, pp.261-280. - available at http://www.ingentaconnect.com/content/earthscan/aedm/2006/00000001/00000004/art00004        [ Links ]

Boyle M.A. and Kiel K.A. (2001), "A survey of house price hedonic studies of the impact of environmental externalities", Journal of Real Estate Literature, Vol. 9 No. 2, pp.117-144. - available at http://ares.metapress.com/index/23U082061Q53QPM3.pdf         [ Links ]

Chau K.W. and WongS.K. (2004), "The value of the provision of a balcony in apartments in Hong Kong", Property Management, Vol. 22 No. 3, pp. 250-263. - available at http://www.emeraldinsight.com/journals.htm?articleid=845575&show=abstract         [ Links ]

Chau K.W., Ma V.S. M. and Ho D.C. W. (2001), "The pricing of 'Luckiness' in the apartment market", Journal of Real Estate Literature, Vol. 9 No. 1, pp. 31-40.         [ Links ]

Din A., Hoesli M. and Bender A. (2001), "Environmental variables and real estate prices", Urban Studies, Vol. 38 No. 11, pp. 1989-2000. - available at http://usj.sagepub.com/content/38/11/1989.short        [ Links ]

Donia M. (1998), Computational Modeling of Design Requirements for Buildings, Ph.D. Dissertation, School of Architecture, Carnegie Mellon University, Pittsburgh, PA. - available at http://code.arc.cmu.edu/archive/html/paper228.html        [ Links ]

Fayyad U.M., Piatetsky-Shapiro G., and Smith P. (1996), "From data mining to knowledge discovery: An overview", in Fayyad, U.M., Piatetsky-Shapiro, G., Smyth, P. and Uthurusamy, R. (Eds.), Advances in Knowledge Discovery and Data Mining, AAAI Press/MIT, Menlo Park, CA/Cambridge, MA, pp. 1-34.         [ Links ]

González M.A.S. and Formoso C.T. (2006), "Mass appraisal with genetic fuzzy rule-based systems", Property Management, Vol. 24 No. 1, pp. 20-30. - available at http://www.emeraldinsight.com/journals.htm?articleid=1541555&show=abstract         [ Links ]

González-Uriel A. and Roanes-Lozano E. (2004), "A knowledge-based system for house layout selection", Mathematics and Computers in Simulation, Vol. 66 No. 1, pp. 43-54. - available at http://www.sciencedirect.com/science/article/pii/S0378475404000771         [ Links ]

Hair Jr. J. F., Anderson R.E., Tatham R.L. and Black W.C. (1998), Multivariate Data Analysis, 5ed., Prentice-Hall, Upper Saddle River, NJ.         [ Links ] Harvey, J. (1996), Urban Land Economics, 4ed., MacMillan, London.         [ Links ]

Juan Y.K., Shih S.G. andPerng Y.H. (2006), "Decision support for housing customization: A hybrid approach using case-based reasoning and genetic algorithm", Expert Systems with Applications, Vol. 31 No. 1, pp. 83-93. - available at http://www.sciencedirect.com/science/article/pii/S0957417405001910        [ Links ]

Kaklauskas A., Zavadskas E.K. and Raslanas S. (2005), "Multivariant design and multiple criteria analysis of building refurbishments", Energy and Buildings, Vol. 37 No. 4, pp. 361-372. - available at http://www.sciencedirect.com/science/article/pii/S0378778804002385         [ Links ]

Kamara J.M., Anumba C.J., Members A. and Evbuomwan N.F.O. (1999), Client requirements processing in construction: a new approach using QFD. Journal of architectural engineering, Vol. 5 No.1, pp. 8-15.         [ Links ]

Kamara J.M. and Anumba C.J. (2000), "Client requirements processing for concurrent life-cycle design and construction", Concurrent Engineering, Vol. 8 No.2, pp.74-88. - available at http://cer.sagepub.com/content/8/2/74.short         [ Links ]

Kamara J.M., Anumba C.J. andEvbuomwan N.F.O. (2000), "Process model for client requirements processing in construction", Business Process Management Journal, Vol. 6 No. 3, pp. 251-379. - available at http://www.emeraldinsight.com/journals.htm?articleid=843453        [ Links ]

Kamara J.M., Anumba C.J. and Evbuomwan N.F.O. (2001), "Assessing the suitability of current briefing practices in construction within a concurrent engineering framework", International Journal of Project Management, Vol. 19, pp.337-351. - available at http://www. sciencedirect.com/science/article/pii/S0263786300000156        [ Links ]

Kelly J. Hunter K., Shen G. and Yu A. (2005), "Briefing from a facilities management perspective", Facilities, Vol. 23 No. 7/8, pp.356-367. - available at http://www.emeraldinsight.com/journals.htm?articleid=1502622&show=abstract        [ Links ]

Kim H., Soibelman L. and Grobler F. (2008), "Factor selection for delay analysis using knowledge discovery in databases", Automation in Construction, Vol. 17 No. 5, pp. 550-560. - available at http://www.sciencedirect.com/science/article/pii/S0926580507001306         [ Links ]

Kolodner J.K. (1993), Case-Based Reasoning, Morgan Kaufmann Publishers, San Francisco.         [ Links ]

Koskela L. (2000), An Exploration Towards a Production Theory and its Application to Construction, Ph.D. Dissertation, Technical Research Centre of Finland - VTT, Helsinki. - available at http://mail.leanconstruction.org/pdf/P408.pdf         [ Links ]

Koskela L. and Huovila P. (1997), "On Foundations of concurrent engineering", in Anumba, C. and Evbuomwan, N. (Eds.). Concurrent Engineering in Construction (CEC97), The Institution of Structural Engineers, London, pp. 22-32.         [ Links ]

Koskela L., Ballard G. and Tanhuanpaa V.-P. (1997), "Towards lean design management", in Proceedings of the 5th Annual Conference of the International Group for Lean Construction, Gold Coast, Australia, pp.1 -13. - available at http://berkeley.academia.edu/GlennBallard/Papers/837953/Towards_lean_design_management        [ Links ]

Langford D.A. and Retik A. (Eds.) (1996), The Organization and Management of Construction, Shaping Theory and Practice, Vol. 3 - Managing Construction Information, E & FN Spon, London.         [ Links ]

Lavender S.D. (1990), Economics for Builders and Surveyors, Longman, Essex, UK.         [ Links ]

Luck R. and McDonnell J. (2006), "Architect and user interaction: The spoken representation of form and functional meaning in early design conversations", Design Studies, Vol. 27 No. 2, pp.141 -166. - available at http://www.sciencedirect.com/science/article/pii/S0142694X05000694        [ Links ]

Macmillan S., Steele J., Austin S., Kirby P. and Spence R. (2001), "Development and verification of a generic framework for conceptual design", Design Studies, Vol. 22 No. 2, pp. 169-191. - available at http://www.sciencedirect.com/science/article/pii/S0142694X00000259         [ Links ]

Maher M. L. (1987), "Expert Systems for structural design", Journal of Computing in Civil Engineering, Vol. 1 No. 4, pp. 270-283.         [ Links ]

Marir F., Rezgui Y. and Benhadj-Djilali R. (2000), "A case-based expert system for construction project process activity specifications", International Journal of Construction Information Technology, Vol. 8 No. 1, pp.53-73. - available at http://eprints.kingston.ac.uk/3202/         [ Links ]

Meniru K., Rivard H. and Bédard C. (2003), "Specifications for computer-aided conceptual building design", Design Studies, Vol. 24, pp.51 -71. - available at http://www.sciencedirect.com/science/article/pii/S0142694X02000091         [ Links ]

Morgan C. and Stevenson F. (2005), Design and Detailing for Deconstruction - SEDA Design Guide for Scotland - No.1, Scottish Ecological Design Association (SEDA), Northumberland, UK. - available at http://www.seda.uk.net/design_and_detailing_for_deconstruction.html        [ Links ]

Natividade-Jesus E., Coutinho-Rodrigues J. and Antunes C.H. (2007), "A multicriteria decision support system for housing evaluation", Decision Support Systems, Vol. 43 No. 3, pp. 779-790. http://www.sciencedirect.com/science/article/pii/S0167923606002156        [ Links ]

Pearce M, Goel A.K., Kolodner J.L., Zimring C., Sentosa L. and Billington R. (1992), "Case-based design support: A case study in architectural design", IEEE Expert, Vol. 7, pp. 14-20. - available at http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=163668        [ Links ]

Peña W. M. and Parshall S. A. (2001), Problem Seeking: An Architectural Programming Primer, 4ed., John Wiley and Sons, New York, NY. - available at https://wiki.uta.edu/download/attachments/33099548/Studio.pdf        [ Links ]

Power D. J. (2002), Decision Support Systems: Concepts and Resources, Quorum, Westport.         [ Links ]

Pyle D. (1999), Data Preparation for Data Mining, Morgan Kaufmann, San Francisco, CA.         [ Links ]

Rafiq M.Y., Mathews J. D. and Bullock G. N. (2003), "Conceptual Building Design - Evolutionary Approach", Journal of Computing in Civil Engineering, Vol. 17 No. 3, pp. 150-158. - available at http://ascelibrary.org/cpo/resource/1/jccee5/v17/i3/p150_s1         [ Links ]

Robinson R. (1979), Housing Economics and Public Policy, MacMillan, London.         [ Links ]

Rosen S. (1974), "Hedonic prices and implicit markets: product differentiation in pure competition", Journal of Political Economy, Vol. 82 No. 1, pp. 34-55. - available at http://www.jstor.org/sici?sici=0022-3808%28197401%2F02%2982%3A1%3C34%3AHPAIMP%3E2.0. CO%3B2-U&         [ Links ]

Royal Institution of British Architects (RIBA) (2007), "RIBA outline plan of work", available at:http://www.architecture.com/Files/RIBAProfessionalServices/Practice/OutlinePlanofWork(revised).pdf        [ Links ]

Serpell A.F. and Rueda J.M. (2007), "Modeling a project scope using a Case-Based Reasoning approach", in Proceedings of the CIB W78 24th International Conference, CIB, Maribor, Slovenia, pp.329-335.         [ Links ]

Sheppard S. (1999), "Hedonic analysis of housing markets", in Cheshire, P. C., and Mills, E. S. (Eds.), Handbook of Applied Urban Economics - Vol. 3, Elsevier, New York, NY, pp.1595-1635.         [ Links ]

Shin Y., An S.H., Cho H.H., Kim G.H. andKang K.I. (2008), "Application of information technology for mass customization in the housing construction industry in Korea", Automation in Construction, Vol. 17 No. 7, pp. 831-838.         [ Links ]

Smith L.B., Rosen K.T. and Fallis G. (1988), "Recent developments in economic models of housing markets", Journal of Economic Literature, Vol. 26 No. 1, pp. 29-64.         [ Links ]

Soibelman L. and Kim H. (2002), "Data preparation process for construction knowledge generation through knowledge discovery in databases", Journal of Computing in Civil Engineering, Vol. 16 No. 1, pp.39-48. - available at http://link.aip.org/link/?JCCEE5/16/39/1         [ Links ]

Tzortzopoulos P., Cooper R., Chan P. and Kagioglou M. (2006), "Clients' activities at the design front-end", Design Studies, Vol. 27, pp.657-683. - available at http://www.sciencedirect.com/science/article/pii/S0142694X06000445        [ Links ]

Tzortzopoulos P., Formoso C.T. and Betts M. (2001), "Planning the product development process in construction: an exploratory case study", in Proceedings of the 9th Annual Conference of the International Group for Lean Construction, National University of the Singapore, Singapore, pp. 103-116. - available at http://cic.vtt.fi/lean/singapore/Tzortzopoulosetal.pdf        [ Links ]

Van Leeuwen J.P., de Vries B. and van den Oetelaar E. (2000), "A decision support system for building refurbishment design", in Proceedings of the CIB W78 International Conference on Construction Information Technology (CIT 2000), CIB, Reykjavik, Iceland. -available at http://www.ds.arch.tue.nl/Research/Publications/Jos/CIT2000/CIT2000vanLeeuwen.pdf        [ Links ]

Wang W., Zmeureanu R. and Rivard H. (2005), "Applying multi-objective genetic algorithms in green building design optimization", Building and Environment, Vol. 40, pp. 1512-1525. - available at http://www.sciencedirect.com/science/article/pii/S0360132304003439        [ Links ]

Watson I. (1997), Applying Case-Base Reasoning: Techniques for Enterprise Systems, Morgan Kaufmann, San Francisco, CA.         [ Links ]

Yan-chuen L., Phil M. and Gilleard J.D. (2000), "Refurbishment of building services engineering systems under a collaborative design environment", Automation in Construction, Vol. 9 No. 2, pp.185-196. - available at http://www.sciencedirect.com/science/article/pii/S0926580599000047        [ Links ]

Yu A.T.W, Shen Q., Kelly J. and Hunter K. (2005), "Application of value management in project briefing", Facilities, Vol. 23 No. 7/8, pp.330-341. - available at http://www.emeraldinsight.com/journals.htm?articleid=1502620&show=abstract        [ Links ]

Yusuf F. and Alshawi (1999), "Improving the brief through information and process modeling", in Lacasse, M.A. and Vanier, D.J. (Eds.), Proceedings of the CIB W78 8th International Conference on Durability of Building Materials and Components, Institute for Research in Construction, Ottawa, Canada, pp. 2651-2663. - available at http://www.irbnet.de/daten/iconda/CIB2250.pdf        [ Links ]

Zavadskas E. K., Kaklauskas A., Vainiunas P., Dubakiene R., Gulbinas A., Krutinis M., Cyras P. and Rimkus L. (2006), "A building's refurbishment knowledge and device based decision support system", in Luo, Y. (Ed.), Cooperative Design, Visualization, and Engineering - LNCS 4101, Springer, Berlin, pp.287-294. - available at http://www.springerlink.com/index/3827868668881158.pdf.         [ Links ]


E-mail: mgonzalez@unisinos.br

Fecha de Recepción:16/04/2012 Fecha de Aceptación:20/07/2012