PROGAMACION META

INVESTIGACION DE OPERACIONES

OSCAR ANDRES BALLESTEROS MAHECHA

JHONATHAN ORTIZ
WILLIAM AMAYA

UNIVERSIDAD MANUELA BELTRAN

ENERO 20 DE 2016

PROGRAMACION POR METAS

La forma del modelo de programacin lineal sigue siendo la misma en
programacin por meta, es decir, tambin se tiene una funcin objetivo que
optimizar sujeta a una o ms restricciones. Sin embargo, dentro de este marco de
referencia se agregarn dos conceptos nuevos. El primero es el de las
restricciones de meta en lugar de las restricciones de recurso que se han
analizado. El segundo concepto es el de rango de prioridad entre las funciones de
objetivo. Una vez que se establece un problema en el formato del modelo general
de programacin lineal, para obtener la solucin puede aplicarse el MTODO
SIMPLEX modificado solo para tomar en cuenta las prioridades.
La programacin por metas es un enfoque para tratar problemas de decisin
gerencial que comprenden metas mltiples o inconmensurables, de acuerdo a la
importancia que se le asigne a estas metas. El tomador de decisiones debe ser
capaz de establecer al menos una importancia ordinal, para clasificar estas metas.
Una ventaja importante de la programacin meta es su flexibilidad en el sentido de
que permite al tomador de decisiones, experimentar con una multitud de
variaciones de las restricciones y de prioridades de las metas cuando se involucra
con un problema de decisin de objetivos mltiples.
COMO SE FORMULA?
El primer paso en la formulacin de un modelo de programacin por metas
consiste en fijar los atributos que se consideran relevantes para el problema que
se est analizando. Una vez establecidos los atributos, se pasa a determinar el
nivel de aspiracin que corresponde a cada atributo, es decir, el nivel de logro que
el centro decisor desea alcanzar. Seguidamente, se conecta el atributo con el nivel
de aspiracin, por medio de la introduccin de las variables de desviacin negativa
y positiva, respectivamente. As para el atributo i-simo, se tiene la siguiente meta:
donde, como es habitual, f(x) representa la expresin matemtica del atributo isimo, Ti su nivel de aspiracin, ni y pi las variables de desviacin negativa y
positiva, respectivamente. Las variables de desviacin negativa cuantifican la falta
de logro de una meta con respecto a su nivel de aspiracin, mientras que las
variables de desviacin positiva cuantifican el exceso de logro de una meta con
respecto a su nivel de aspiracin.
Como un nivel de aspiracin no puede simultneamente sobrepasarse y quedar
por debajo de l, al menos una de las dos variables de desviacin tomarn valor
cero cuando la meta alcanza exactamente su nivel de aspiracin.
Una vez clarificado el significado de las variables de desviacin, es importante
introducir el concepto de variable de decisin no deseada. Una variable de

decisin se dice que no es deseada cuando al centro decisor le interesa que la

variable en

Cuestin alcance su valor ms pequeo (esto es cero). Cuando la meta deriva de

un atributo del tipo ms del atributo mejor (objetivo a maximizar) la variable no
deseada (a minimizar), ser la variable de desviacin negativa (cuantificacin de la
falta de logro). Finalmente, cuando se desea alcanzar exactamente el nivel de
aspiracin tanto la variable de desviacin negativa como la positiva son variables
no deseadas y por tanto variables a minimizar.
Supngase que un fabricante quiere planear producir por lo menos tres mesas se
escribir la restriccin: T>=3
Esto no permite ningn valor por debajo de 3. Si hubiera otra restriccin en
conflicto con esta, el problema no tendra solucin factible.
Ahora bien, los objetivos administrativos son mucho menos rgidos y absolutos.
Una manera ms real para establecer las restricciones de las mesas sera: "si es
posible, nos gustara hacer tres mesas por lo menos. Esto tiene una prioridad
alta". En forma anloga, los objetivos de las ganancias o de los rendimientos
sobre inversiones se expresan en trminos de metas deseadas: hacer lo posible
por obtener ganancias de $1000 el prximo ao o buscar un rendimiento sobre
inversiones del 10% antes de impuestos. Sin duda pueden ocurrir desviaciones
arriba o abajo, alrededor de una meta. Si la restriccin de las mesas es fabricar
por lo menos tres, esto puede escribirse como: T + Dut - Dot = 3
En donde Dut - Cantidad que falta para lograr el objetivo de las mesas.
Dot - Cantidad que sobrepasa el objetivo de las mesas.
T- Nmero de mesas.
Ntese que las restricciones de meta siempre se escriben como igualdades. El
primer subndice de la variable de desviacin indica la variacin hacia abajo o
hacia arriba de la meta. El segundo subndice indica de qu se trata el objetivo, en
este caso mesas.
Existen cuatro formas de restricciones de objetivos, segn se permita variacin
hacia arriba o hacia abajo:
CASO 1: Se permiten desviaciones en ambas direcciones.
CASO 2: Solo se permiten desviaciones hacia abajo.
CASO 3: Solo se permiten desviaciones hacia arriba
CASO 4: No se permiten desviaciones.

No existe algo en la programacin por objetivos que prohba incluir restricciones

que no sean de objetivo o restricciones de recurso.

El significado de las variables de desviacin no deseadas puede clarificarse por

medio del siguiente cuadro.
COMO SE FORMULA LA FUNCION OBJETIVO
La funcin objetivo para un problema de programacin por meta siempre es
minimizar alguna combinacin de variables de desviacin. Desde un punto de
vista de toma de decisiones administrativa, esto significa que se est buscando la
combinacin de variables reales por ejemplo (mesas y sillas) que cumplan mejor
con todos los objetivos. Esto podra llamarse optimizar un conjunto de objetivos
"satisfactorios" o satisfacer.
La forma exacta de la funcin objetivo vara segn la respuesta a estas dos
preguntas:

Son conmensurables o proporcionales los objetivos?

Cul es la importancia relativa de cada objetivo?

Objetivos conmensurables de igual importancia: este es el caso ms sencillo,

aunque muy pocas veces se encuentra en la prctica. Aqu los objetivos se miden
en una escala comn (conmensurables y tienen la misma importancia.
Ponderacin preferente de los objetivos: las ponderaciones de preferencia pueden
aplicarse a cualquier grupo de objetivos conmensurables. Las ponderaciones
deben reflejar la utilidad o el valor de los objetivos.
Rango de prioridad de los objetivos: qu pasa cuando los objetivos no son
conmensurables, cuando no hay una escala comn para comparar las
desviaciones de los diferentes objetivos? Este es un caso importante, al que se
enfrentan con frecuencia los administradores. Si el administrador puede ordenar o
dar un rango para sus metas entonces la solucin es posible.
Quizs no sea una tarea fcil dar un rango a los objetivos de acuerdo con su
importancia pero es algo que la mayora de las personas entienden y pueden
lograr. En la programacin por objetivos se le asigna la prioridad P1al objetivo ms
importante, siguiendo P2 a una prioridad ms baja. No existe lmite en el nmero
de niveles de prioridad pero debe asignarse una prioridad para cada variable de
desviacin. Se permiten empates o prioridades iguales.
Los problemas de programacin por meta se resuelven en orden de prioridad. Es
decir, se prueba la optimizacin en el nivel de prioridad ms alto ignorando las
prioridades ms bajas hasta optimizar este nivel.

METODOS DE SOLUCION
PROGRAMACION POR METAS PONDERADAS
La manera ms intuitiva de acometer la minimizacin de las variables de
desviacin no deseadas consiste en minimizar la suma de dichas variables. As,
para nuestro ejemplo, tendramos que proceder a minimizar la siguiente suma:
MIN P1 + N2 + N3 + P3 + P4 + P5 (4)
Ahora bien, la expresin (4) carece de significado y no debe de utilizarse como
surrogado de las preferencias del centro decisor por las siguientes razones. La
expresin (4) suma variables de desviacin medidas en unidades diferentes
(unidades monetarias, nmero de jornales, toneladas de pasta de papel, etc.) por
lo que su suma no tiene significado, es como si sumramos (caa de cerveza con
kilos de patatas). Adems, como los valores absolutos de los niveles de aspiracin
son muy diferentes, la minimizacin de (4) puede producir soluciones sesgadas
hacia un mayor cumplimiento de las metas con niveles de aspiracin elevados.
Ambos problemas pueden evitarse si en vez de minimizar una suma de
desviaciones absolutas procedemos a minimizar una suma de desviaciones
porcentuales. As, la expresin (4) se convierte en:
Min. P1/300 + N2/400 + (N3+P3)/400 + P4/300 + P5/200 (5)
En efecto, como los porcentajes carecen de dimensin, la suma dada por (5) no
presenta problema de homogeneidad. Adems, el procedimiento de normalizacin
empleado elimina cualquier sesgo hacia el cumplimiento de metas con niveles de
aspiracin elevados. No obstante, la expresin (5) presenta todava un problema
para poderla considerar un surrogado de las preferencias del centro decisor, en
efecto, en la formulacin dada por (5) subyace el supuesto de que el centro
decisor da la misma importancia al logro de todas las metas, lo cual no tiene
necesariamente que ser cierto. Este problema puede superarse sustituyendo la
expresin (5) por:
Min. W1 P1/300 + W2 N2/400 + W3 (N3+P3)/400 + W4 P4/300 + W5 P5/200.
Donde los coeficientes W ponderan la importancia relativa que el centro decisor
asigna a la realizacin de cada meta. Este mtodo consiste en minimizar la suma
ponderada de las variables de desviacin no deseadas, expresadas en trminos
porcentuales, se conoce en la literatura con el nombre de programacin
ponderada. Para nuestro ejemplo, a formulacin completa del modelo de metas
ponderadas sera el siguiente:
Min W1 P1/300 + W2 N2/400 + W3 (N3+P3)/400 + W4 P4/300 + W5 P5/200
Sujeto a:

G1: X1 + 2X2 + N1 - P1=300

G2: 1000X1 + 3000X2 + N2 - P2=400
G3: X1 + X2 + N3 - P3=400
G4: X1 + N4 - P4=300
G5: X2 + N5 - P5=200

N1=0 X1=300 X2=33,33

N3=66,66 P1=66,66 N2=P2=0
P3=0 N4=P4=0
N5=166,66 P5=0
Algortmicamente, la estructura del modelo (5) corresponde a la de un modelo de
programacin lineal tradicional que puede resolverse de una manera inmediata
recurriendo al Simplex. Para diferentes sistemas de pesos se irn generando
distintas soluciones. As, si hacemos W1=...=W5=1, esto es, si el centro decisor
asigna la misma importancia a la realizacin de las diferentes metas, se obtiene la
siguiente solucin ptima:

La solucin obtenida permite la completa realizacin de la meta G2(margen bruto),

G4 y G5(capacidades de produccin). Por el contrario, en lo referente a la meta
G1, se supera la demanda biolgica de oxgeno deseada en 66,66 unidades y en
cuanto a la meta G3, no se utilizan 66,66 jornales de los 400 disponibles
obviamente, los anlisis basados en modelos de programacin por metas pueden
enriquecerse considerablemente, sometiendo los pesos preferenciales a un
anlisis de sensibilidad. De esta manera, para cada conjunto de pesos ensayados
se obtendr la solucin ptima del modelo que mejor se adecua a la estructura de
preferencias del centro decisor que surroga el correspondiente conjunto de pesos.
PROGRAMACION POR METAS LEXICOGRAFICAS.
En la programacin por metas lexicogrficas, las metas situadas en la prioridad
ms alta se satisfacen en la medida de lo posible, solo entonces se considera la
posible satisfaccin de metas situadas en prioridades ms bajas. Es decir, las
preferencias se ordenan igual que las palabras en un lxico o diccionario, de ah la
denominacin de programacin por metas lexicogrficas.
Con el objetivo de ilustrar la estructura de este enfoque, supongamos que para el
centro decisor la prioridad primera Q1 est formada por las metas G4 y G5. Esto
es, para el centro decisor las primeras metas que se deben satisfacer de una
manera absoluta y excluyente son las que pretendan garantizar que no se superen
las capacidades de produccin de la fbrica. La siguiente prioridad en orden de
importancia Q2 est formada por la meta G1, que pretende que el plan de
produccin genere una demanda biolgica de oxgeno de, como mximo, 300
unidades. La prioridad Q3 est formada por la meta G2, que pretende alcanzar un

Margen bruto de al menos 400.00 u. Finalmente, la ltima prioridad Q4, est

formada por la meta G3, que pretende utilizar, exactamente, la fuerza de trabajo
disponible. Consecuentemente, el proceso completo de minimizacin lexicogrfica
de las variables de desviacin no deseadas se traduce en el siguiente vector:
LEX MIN a=[ (P4+P5);(P1);(N2);(N3+P3)]
Sujeto a:
Q2 G1: X1 + 2X2 + N1 - P1=300
Q3 G2: 1000X1 + 3000X2 + N2 - P2=400
Q4 G3: X1 + X2 + N3 - P3=400
Q1 G4: X1 + N4 - P4=300
Q1 G5: X2 + N5 - P5=200
Esta programacin por metas lexicogrficas puede resolverse recurriendo a
algunos de los mtodos de resolucin que, con mayor o menor detalle, se
expondrn en los prximos apartados. Recurriendo a cualquiera de estos mtodos
se obtiene la siguiente solucin ptima.
X1=100 , X2=100
N1=P1=N2=P2=0
N3=200 P3=0
N4=200 P4=0 N5=100 P5=0
Con el siguiente vector de logro ptimo:
A* =[ 0,0,0,200] .
La solucin obtenida permite el logro completo de las metas G1, G2 y G5 que
forman las tres primeras prioridades. Con respecto a la meta G3, que forma la
ltima prioridad, existe una desviacin negativa de 200 jornales; es decir, en la
solucin lexicogrficamente ptima, se satisfacen todas las metas excepto la
referente a la utilizacin de toda la fuerza de trabajo, quedando 200 jornales sin
utilizar.
Es interesante observar que, aunque las variables P4 y P5 estn medidas en las
mismas unidades (toneladas/da) y por tanto su suma tiene pleno sentido, sin
embargo, como sus correspondientes niveles de aspiracin alcanzan valores
diferentes, en rigor el trmino P4+P5 de la funcin de logro debera de sustituirse
por el trmino (P4/300)+(P5/200), tal como se apunt en el apartado anterior.

As mismo, es til comparar las soluciones que han generado los modelos de
metas ponderadas y de metas lexicogrficas. En el caso del modelo basado en
metas ponderadas, la suma de las variables de desviacin no deseadas en el
ptimo es igual a P1+N3=66,66+66,66=133,32, mientras que en el modelo
lexicogrfico dicha suma es mayor: N3=200. Esta diferencia es lgica, pues la
mayor desviacin generada por el modelo lexicogrfico queda compensada por un
mayor nivel de realizacin de la meta G1 (P1=0 en el modelo (6), mientras que
P1=66,66 en el modelo (5)) situado en la segunda prioridad.
EL
METODO
SECUENCIAL
LEXICIGRAFICOS.

PARA

RESOLVER

PROGRAMAS

Este mtodo consiste en resolver una secuencia de programas lineales. El primer

programa lineal de la secuencia minimiza la primera componente del vector de
logro, sujeta esta minimizacin a las restricciones (igualdades) correspondientes a
la prioridad Q1. El segundo programa lineal minimiza la segunda componente de
la funcin de logro sujeta tanto a las restricciones correspondientes a las
prioridades Q1 y Q2, como a los valores de las variables de desviacin de la
prioridad q1 que se obtuvieron en la solucin precedente. El procedimiento
secuencial contina hasta resolver el ltimo programa lineal
Primer problema (primer nivel de prioridad)
Minimizar a1=P4+P5
Sujeto a:
X1 + N4 - P4=300
X2 + N5 - P5=200
Existen ptimos alternativos para las variables de decisin (1*) y para P4=P5=0.
(1*) La existencia de ptimos alternativos se puede comprobar fcilmente por
inspeccin de la tabla final del simplex. As, si en esta tabla para al menos una
variable no bsica su costo reducido es cero, entonces existen ptimos
alternativos.
Segundo problema (segundo nivel de prioridad)
Minimizar a2=P1
Sujeto a:
X1 + N4=300
X2 + N5=200
X1 + 2X2 + N1 - P1=300

Nuevamente existen ptimos alternativos para las variables de decisin y P1=0

Tercer problema (tercer nivel de prioridad).
Minimizar a3=N2
Sujeto a:

X1 + N4=300
X2 + N5=200
X1 + 2X2 + N1=300
1.000X1 + 3.000X2 + N2 - P2=400.000

Vuelven a existir ptimos alternativos para las variables de decisin y N2=0

Cuarto problema (cuarto nivel de prioridad).
Minimizar a4=N3 + P3
Sujeto a:

X1 + N4=300
X2 + N5=200
X1 + 2X2 + N1=300
1.000X1 + 3.000X2 - P2=400.000
X1 + X2 + N3 - P3=400

La solucin ptima de este programa lineal, y de todo el modelo lexicogrfico es:

X1=100, X2=100, N3=200, en lo referente a variables de decisin y variables de
desviacin no deseadas no nulas; se reproduce la solucin ofrecida al final del
ejercicio planteado como programacin por metas lexicogrficas.
En definitiva, el mtodo secuencial expuesto exige resolver una secuencia de
programas lineales cuyo nmero mximo coincide con el nmero de niveles de
prioridad que tenga el modelo. El nmero de programas lineales a resolver se
reducir, cuando al resolver uno de ellos no se detecte la existencia de ptimos
alternativos; en tal caso, el proceso de clculo se detiene no siendo necesario
resolver los programas lineales.1

BIBLIOGRAFIA E INFOGRAFIA
1 http://fmarrerodelgado.galeon.com/metas.html

http://fmarrerodelgado.galeon.com/metas.html
www.ccee.edu.uy/ensenian/catmetad/.../MdA%20-%20PPO%20_25p_.pdf

Arbonas, M.E. Optimizacin Industrial (I): Distribucin de los recursos.

Coleccin Productica No. 26. Marcombo S.A, 1989.
Arbonas, M.E. Optimizacin Industrial (II): Programacin de recursos.
Coleccin Productica No. 29. Marcombo S.A, 1989.
Anderson, D.R., Sweeney.J. , Williams,T.A. , Introduccin a los Modelos
Cuantitativos para Administracin. Grupo Editorial Iberoamrica. 1993.
Moskowitz, H. y Wright G.P. Investigacin de Operaciones. Prentice_Hall
Hispanoamericana S.A. 1991.
Trujillo,J;Batista,A: Mtodos Econmicos-Matemticos I.Editorial ISPJAE,
Habana,1986.
Taha,H: Investigacin de Operaciones.Alfaomega,Mxico,1995.
Buffa,E: Operations Management: Problems and Models. Edicin
Revolucionaria,La Habana, 1968.