Professional Documents
Culture Documents
T E S I S
PRESENTA:
OCTUBRE DE 1982
m m m
T E S I S
PRESENTA:
MONTERREY, N.L
OCTUBRE DE 1982
I N D I C E
Introduccin
PAG.
CAPITULO I.- Introduccin a Programacin por Metas - _ Antecedentes de Programacin por Metas
- -
18
20
- -
22
22
24
Ejemplo # 1
24
Ejemplo & 2
39
47
49
Ejemplo # 1
49
por Metas
60
Ejemplo # 2
63
Ejemplo // 3
68
74
CAPITULO IV.- Un Modelo de Programacin por Metas para Distribucin de Recursos Acadmicos - -
79
Introduccin
79
El Modelo General
79
Un Ejemplo Numrico
87
Conclusin
Bibliografa
_ _ _ _ _ _ _ _ _ _
94
INTRODUCCION
El propsito de sta tesis es el de demostrar la aplicacin potencial de programacin por metas a problemas de decisin complejos en la administracin de instituciones de educacin superior (universidades).
Se trato la tcnica desde sus antecedentes, fundamentos, anlisis matemtico, formulacin del modelo, soluciones por el mtodo grfico y porel mtodo simplex y una aplicacin a distribucin de recursos acadmi
eos.
tudio proporcione una gua para desarrollar modelos mas completos, mscercanos a la realidad que qui2s encerrarn a una universidad entera o a un sistema universitario.
CAPITULO I
INTRODUCCION A PROGRAMACION POR METAS
Los orgenes de las tcnicas de programacin matemtica se remontan enla historia de las matemticas a las teoras de ecuaciones y de si gualda
des lineales y no lineales.
De 1948 en delante, muchos estudiosos continuaron tratando de refinar la tcnica de Dantzig y explorando la aplicacin potencial de programacin lineal.
de texto sobre programacin lineal. En su continua investigacin sobreprogramacin lineal, A. C h a m e s y W.W. Cooper desarrollaron el concepto
de "PROGRAMACION POR METAS".
solucin.
La-
Gerencia algunas veces pone tales metas, aun cuando ellas sean inalcanzables dentro de los lmites de recursos disponibles, por una variedadde razones.
- -
Z = $ IX^" + $
STT.
3X X
2X2
<
5Xi
1)
<
Xl
Xi"
X2
12
10
>
8
>
4
x2
>
Xi
Sin-
Fig. 1.1
re
Entonces, la
Min.
El-
capaz de manejar problemas de decisin que tratan con una meta simple con mltiples submetas, as como problemas con metas mltiples con mltiples submetas.
cin por metas puede estar compuesto de unidades no homogneas de medida, tales como libras y dlares, en lugarde un solo tipo de unidad.
en conflicto o son -
bles, asi que las metas de menor orden son consideradas nicamente despus de que las metas de mayor orden son satisfechas o haya sido alcanzado el punto mas all del cual ninguna mejora adicional sea deseada. ~
Si la gerencia puede proporcionar una clasificacin ordinal de metas en
trminos de sos contribuciones o importancia para la organizacin y todas las restricciones de las metas son lineales, e l problema puede sersolucionado por medio de programacin por metas.
C6mo puede una funcin objetivo ser determinada y expresada en forma algebraica cuando existen metas mltiples, no medibles y en conflicto?.
Una respuesta simple puede ser sugerida, una funcin objetivo compuesta
de metas mltiples.
tas encierra.
zar o minimizar la funcin objetivo directamente como en programacin lineal, lo que se va a minimizar son desviaciones entre las metas y como pueden ser realizadas dentro del conjunto dado de restricciones.
Diferente _
de programacin lineal, la funcin objetivo de programacin por metas no contiene variables de decisin.
mente las VARIABLES DE DESVIACION que representan cada tipo de meta o submeta.
Entonces la funcin ob
La funcin objetivo,-
La solucin de programacin lineal establece una relacin cuantitativaexacta entre las variables con nmeros cardinales, la solucin es nica
mente tan buena como sea la informacin.
Di
El gerente es usual-
mente cuestionado para determinar la prioridad de la realizacin deseada de cada meta o submeta y clasificarlas en. secuencia ordinal para elanlisis de decisin.
Obviamente, no es siem-
cia.
El valor real-
Resumiendo conceptos:
. El tomador de decisiones (gerente) define su estructura de preferen
cas.
li
valores son arbitrariamente asignados y cambiados en la bsqueda para un conjunto ptimo de valores.
nadas entre ellas mismas y entre otras variables, cuyos valores son especificados de acuerdo con el medio ambiente o la situacin tecnolgica.
Una funcin objetivo es una expresin matemtica que involucra algunasvariables en el modelo cuyos valores pueden ser computados cuando los valores de todas las otras variables son determinados.
cin por metas involucrando una meta simple con mltiples submetas y
(l-2)f(X lf X 2 , . .
donde aj, a 2 , . ,
Xn) = alXi + a 2 X 2 + . . . + a n ^
son
humeros reales.
X^.
= b
vector columna con componentes X]_, X 2 , . . . , Xq y dejamos que a sea un vector fila compuesta de al, a 2 >
. . .
entonces la ecuacin - -
ax = b
(1-4)
Min
Z = d- + d +
S.r.
ax + d" - d +
x, d~, d + -
En la e-
Cuando
y d~ son minimi
Debe
Si d + toma un valor-
(d T ) = o .
Vamos a ilustrar I) Meta simple con Mltiples Submetas, con el siguiente ejemplo:
Un fabricante de muebles produce dos clases de estos, escritorios y mesas .
Entonces un modelo de programacin por metas puede ser formulado como sigue:
Z = d" + d +
Min.
S.r.
X 2 , d", d + - 0
entonces obviamente la disminucin en la meta de utilidades ser expresada por d~, la cual representa la desviacin negativa de la meta.
Por
La solu
cin ser cualquier combinacin lineal de X^ y X2 entre los siguientesdos puntos (Xx = 8, X2 = 0) y (X : = 0, X2 = 16).
La nica restric
BX - h
(1-7)
Z = d" + d +
Min
ax + a _ - d = U
BX
X,
- h
d",
d+ - 0
el mximo nmero de escritorios que puede ser vendido en una semana esseis.
Z d" + d +
S.r.
$80X 1 + $40X 2 + d~ - d
X:
= $640
X2
x l s x 2 , d" , d +
La solucin a (1-8) es X^ 6 y X2 -
gerente de la planta puede ser realizada bajo las nuevas restriccionesimpuestas en las submetas.
les son expresados por un vector columna b de a componentes y que esasmetas mltiples pueden ser realizadas por combinaciones lineales de n variables submeta representadas por un vector columna X de n componen
tes.
>
X - 0
Suponiendo que una solucin existe para (1-9), el modelo puede ser
transformado a:
111
Min.
(1-10)
+
(d. + dT)
Z = Z
i-1
AX
Id" - Id + = b
X, d~, d + - 0
Donde d + y d
des
zar un volumen de ventas para escritorios y mesas cercano a seis y cuatro respectivamente
Z = d~ + d~ + d~ +
$80X 1 + $40X2 + d j
d+
(1-11)
*r*
Xx
+d~
X2
-dj
*dj
d, d, d, d+
= $ 640
=
Por-
lo tanto d~ = d~ = d~ = d* = 0.
Sin em-
Muy
tante debe ser alcanzada en toda la extensin de los deseos del gerente
Con el fin de realizar la solucin ordinal, esto es realizar las metasde acuerdo a su importancia, las desviaciones positivas y/o negativas
cerca de la meta deben ser clasificadas de acuerdo a los "factores de prioridad preferenciales".
consideradas solamente despus de que las metas de alto orden son reali
zadas como se deseaba.
+ 1.
Por -
ejemplo, si la meta de ventas involucra dos productos diferentes, h a br dos variables de desviacin con el mismo factor de prioridad.
El -
criterio a ser usado en la determinacin de los pesos diferenciales dlas variables de desviacin es la minimizacin del costo de oportunidad
o pesadumbre.
siempre es positivo debe ser asignado a la variable de desviacin individual con factor Pj idntico.
te representa la cantidad
ta.
prioridad deben ser proporcionadas con respecto a medida, no obstante las desviaciones que estn en diferentes niveles de meta no necesitan ser proporcionadas con respecto a medida.
La funcin objetivo de un problema de programacin por metas consta devariables de desviacin con factores de prioridad preferenciales Pj'spa
ra clasificacin ordinal y 3's para ponderacin al mismo nivel de prioridad.
(1-12)
donde Pji (i
2m)
2, . . ., 2m ; j 1, 2, , . . , k) son factores de -
prioridad preferenciales siendo Pj el factor preferencial de mas alto orden (el mayor) y
mos que d sea un vector columna de 2m componentes cuyos elementos son d~'s y d + t s , tal que:
(1-13)
Entonces, un
d =
(d~ , d", . . . .
d ; d+
d+
. . .
, d+)
cd
S,r>
AX + Rd = b
X, d - 0
a la semana.
ro de escritorios y mesas que pueden ser vendidos son seis y ocho por
semana, respectivamente.
En este ejemplo, el gerente de la planta hace una decisin que realizar sus metas lo mas que se pueda con el mnimo sacrificio. Como se permite tiempo extra, la produccin de escritorios y mesas puede tomar ms
que la capacidad de produccin de 10 horas.
Sj^ + X 2 + d" -
= 10
es
numero de me-
(1-16)
X 2 + d" = 8
donde d 2 es la baja realizacin de la meta de ventas para escritorio yd^ representa la baja realizacin de la meta de ventas para mesas.
De-
ble importancia a d 2 que a d~ de acuerdo con los respectivos mrgenes de utilidad para escritorios y mesas.
P3 : El ms bajo factor de prioridad es asignado al tiempo extra en lacapacidad de produccin (d*).
El objetivo es la minimizacin de
S.r.
+
X2 +
10
DJ
6
X,
'2
+ d
3
>
X^ * 6, X^ - 8, d~ = d~
= d~
A) Proporcionalidad
Debe ser sealado claramente que programacin por metas es una extensin
de programacin lineal.
Esto significa-
que la medida de realizacin de una meta y utilizacin de recursos debeser proporcional al nivel de cada actividad manejada individualmente.
B) Aditividad
La condicin de que la realizacin de una meta y la utilizacin de un re
curso sean proporcionales al nivel de cada actividad manejada individual
mente no asegura linealidad.
restricciones.
C) Divisibilidad
Otra limitacin de programacin por metas es que las fracciones en las variables de decisin deben ser aceptadas en la solucin.
Por ejemplo -
si la unidad usada para las variables de decisin en un problema de mezcla de productos es numero de cajas y una caja contiene 100 piezas de un
producto, un valor de solucin fraccional es perfectamente
satisfactorio.
Hay casos, sin embargo donde las variables de decisin deben ser enteros
D) Deterainstica
En los problemas de programacin por metas normales, todos los coeficien
tes del modelo (aij, bi, y Pj), deben ser constantes.
En otras palabras
Informacin y me
Programacin por metas puede ser aplicada a las siguientes tres areas dedecisin administrativa.
1) Problemas de Distribucin
Uno de los problemas de decisin bsicos es la distribucin ptima de recursos escasos.
acadmicos).
El problema de -
decisin es analizar la combinacin ptima de recursos de entrada paralograr cierto conjunto de metas de salida de tal manera que la realizacin de metas pueda ser maximizada para la organizacin.
rio de produccin, determinacin de la localizacin, planeacion f i n a n ciera, planeacion de personal, planeacion de estrategias de mercadotecnia, etc.
3) Anlisis de Polticas
Para agencias del gobierno y organizaciones no lucrativas, los p r o b l e
mas de decisin bsicas involucran la asignacin de prioridades a v a rias metas y el desarrollo de programas para realizar esas metas.
Tai-
CAPITULO II
FORMULACION DEL MODELO DE PROGRAMACION POR METAS Y SOLUCION POR
EL METODO GRAFICO
Min.
cd
S.r.
AX + Rd = b
X , d
funcin de variables de desviacin con ciertos factores de prioridad ypesos asignados a ellos.
nes prcticas.
I) Minimizacin de (d
+ d+)
- d + = b, -
En-
otras palabras, la minimizacin de ambas desviaciones, positiva y negativa tender a encontrar cual valor de X realiza la meta Ax = b exactamente.
Si AX =
ta
Si no es posible minimizar d
a cero, el -
conjunto solucin consistir de todas las X*s que minimicen (b-AX) lomas que se pueda.
III. Minimizacin de d +
Si la funcin objetivo es para minimizar la desviacin positiva de lameta, la solucin identificar todas las X f s que satisfagan AX - b, si
tales soluciones son posibles en el modelo.
Si el modelo no puede m i .
IV. Minimizacin de (d
La minimizacin de (d
de AX,
- d+)
- d ) tiene el mismo efecto que la maximizacion
Si denotamos d (d
restringida en signo.
puede ser escrito como:
(2-2)
Min.
d.
S.r.
AX + d = b
X , d - O
a la maximizacin de AX.
V. Minimizadn de (d + - d~)
El efecto de la funcin a minimizar (d + - d~) es equivalente a la minimi
zacin de AX.
(2-3)
Min.
S.r.
AX - d = b
X , d 0
Como sabemos que d = AX - b y b es una constante, la funcin objetivo es la misma que minimizar AX.
Ejemplo # 1.- Una Compaa textil produce dos tipos de materiales de lino
de fabricantes de muebles.
El presidente de la Ca. cree que una buena relacin entre patrn y e m pleados es un factor importante para el progreso del negocio.
Entonces,
firma. Por lo tanto, cuando haya una demanda que exceda a la capacidad
de produccin nomral, el simplemente aumenta la capacidad de produccinnormal por medio de tiempo extra. Sin embargo, el siente tambin que eltiempo extra de la planta de mas de 10 horas por semana debe ser evitado
debido a que incrementara los costos. El presidente tiene las siguientes
cuatro metas.
mal).
2.- La seguida meta es limitar el tiempo extra de la planta a 10 horaspor semana.
3.- La tercera meta es alcanzar las metas de ventas de 70,000 yardas de
material para tapicera y 45,000 yardas de material para vestido.
4.- La cuarta y ultima meta de el presidente es la de minimizar el tiem
po extra de la planta lo mas que se pueda.
Como en este ejeaplo se involucran metas mltiples incompatibles, una aproximacin de programacin lineal no es efectiva para este caso.
Se_
po extra de la planta.
1) Capacidad de Produccin
La capacidad de produccin est limitada a
nos.
X x + X 2 + d~ - d* - 80
donde:
X. Numero de horas usadas para producir el material para tapicera.
2) Restricciones de Ventas
En este caso las ventas maximas para el material para tapicera'y el material para vestido se fijaron a 70,000 y 45,000 yardas, respectivamente.
Aqu se supone que no es posible la sobrerealizacin de los lmites mxi
mos de ventas.
X. - 70
(2-6)
X 2 - 45
(Xj y X 2 son espresadas en miles)
<2
-7)
2 +
d-
70
=45
donde:
d^ = Baja realizacin de la meta de ventas del material para tapicera.
d~ = Baja realizacin de la meta de ventas del material para vestido.
Para re-
Por lo -
In
troduciendo algunas variables de desviacin nuevas, una restriccin relativa a el tiempo extra puede ser expresada como:
(2-8)
d+ + d~ - d*
= 10
donde:
dT = Desviacin negativa de el tiempo extra a partir de 10 horas.
a?
+
d^ = Tiempo extra mas alia de 10 horas.
Entonces de (2-5):
- 80
sustituyendo d* en (2-8)
X1 + X2 + d j
80 + d~ - d^
= 10
Como la baja utilizacin de la capacidad de produccin (d^) en esta metade el tiempo extra toma un valor de cero, entonces la ecuacin anterior se convierte en:
(2-9)
X A + X 2 + d~ - d+
= 90
El objetivo es la minimiza
cin de las desviaciones de las metas con ciertas prioridades asignadas.La variable de desviacin con la mas alta prioridad debe ser minimizada lo mas que se pueda.
Sin e m
$2.50 en las utilidades, y una yarda de material para vestido solamente$1.50 en las utilidades.
pesos a las metas de ventas de esos materiales, no obstante ellos estnen el mismo nivel de prioridad.
Xj + X 2 + d~
Xx
-d*
+ d~
(2-10)
X2
= 70
+ d~
+ X2
80
= 45
+ d
3 ' d 4 ^
-d*
"
= 90
por metas por e l mtodo grfico, las restricciones deben ser graficadascomo se muestra en la figura (2-1).
de ser menor o igual o aun mayor que 80 horas, las reas sombreadas pueden estar sobre los dos lados de la lnea recta, como se puede notar con
las flechas en la grfica. Ahora, si las metas presentadas por el presidente son encontradas dentro de las reas de las restricciones de ventas,
Fig. 2-1
El paso -
La primera meta es e-
La
flecha que apuntaba hacia el origen desde la funcin de arriba debe ser
minimizada a cero.
fact
Fig. 2-2
Fig. 2-3
Esta meta
de ventas puede ser encontrada sobre la lnea EF dentro del rea sombrea
da en la fig- (2-3).
Nosotros no de
seamos realizar la tercena aeta a expensa de las priaeras des metas. La meta may-ma de ventas para el material para vestido obviamente na
puede ser realizada dentro del medio ambiente de decisin dado.
ta de ventas
roy
La me
Si hacemos simultneas
ecuaciones:
Xj + X 2 = 80
Xj + X 2 = 90
con Xj 70.
el punto F que X^ = 70 y Xg
48
20.
venderan 70,000 yardas de el material para tapicera y 20,000 yardas de el material para vestido, entonces, el punto F es el punto ptimo pa
ra encontrar las tres metas de la firma.
Si nosotros e_
liminamos el tiempo extra de 10 horas, esto realizara la cuarta meta, pero solamente con el sacrificio de 10,000 yardas de material para v e s
tido.
Por supuesto nosotros no deseamos alcanzar la cuarta meta a expensas dela tercera meta.
En otras -
La -
f2
"l2)
Z = 2500 Xj + 1500
X:
1 +
100
X2 -
45
Xj
90
1 X2
Obviamente, ao existe rea de solucin factible 7 consecuentemente el problema no puede ser resuelto por medio de programacin lineal.
Max
= 2500 X 1 + 1500 X 2
S.r.
X1
70
(2-11)
"
Xx +
l*
X2
90
caso .
ser muy posible que no todas las metas puestas por el que toma las deci
siones involucren metas financieras, ejemplo, raximizacin de utilida
des o minimizacin de costos.
Para ilustrar esto, vamos a cambiar el caso anterior muy ligeramente. Suponiendo que el mejor cliente de la compaa textil orden 100,000
yardas de material para tapicera.
desea fallar en cumplir con esa orden; por lo tanto la prioridad mas al
Min.
2 -
PjL d
+ P2d" + P 3 d : +
S.r.
X x + X 2 + d~
X,
+d.
-d.
(2-13)
l>
2*
3 ' d l
100
: 45
+ d:
h
X
80
_d
i o
Fig. 2-4
Ahora, la primera meta es cumplir con la meta de ventas de 100,000 yardas de material para tapicera ordenada por el mejor cliente.
Por lo -
recta de X^ = 100.
SatisfacienLa tercera-
Es^
ta claro que con el fin de satisfacer la primera meta tenemos que traba^
jar la planta 100 horas es decir 20 horas de tiempo extra.
Entonces, -
45).
El nico modo de
cumplir con esta meta, es por medio de mas horas de tiempo extra de laplanta
Fig. 2-5
cuerdo a las condiciones del medio ambiente especificadas y a la estructura de prioridades establecidas.
Ejemplo # 2.- El gerente de la nica tienda de discos de un pueblo que tiene Universidad tiene un problema de decisin que involucra metas mu
tiples.
Las horas de
De acuer-
do a los registros de desempeo de los vendedores, las ventas promedio han sido cinco discos por hora para los vendedores de tiempo completo ydos discos por hora para los vendedores de medio tiempo.
sueldo promedio por hora son $3 para los vendedores de tiempo completo y
$2 para los vendedores de medio tiempo.
ta de un disco as $1.50.
en la Universidad local, el gerente siente que la meta de ventas para el prximo mes debe ser de 5,500 discos.
das a la semana, es a menudo requerido el tiempo extra de los vendedores (no necesariamente tiempo extra, pero si horas extras para los vendedores de medio tiempo).
Por lo
trabajo regulares de los empleados (no suspensiones) es un factor importante para una buena relacin obrero patronal.
El gerente desea
signar pesos diferentes a la minlmizaciSn del tiempo extra de acuerdo a la razn de utilidad marginal neta entre los vendedores de tiempo com
pleto y medio tiempo.
(ventas
por hora).
(2-14)
+ 2X 2 + d~ - d*
5,500
donde:
X^ = Total de horas al mes para los vendedores de tiempo completo.
X 2 = Total de horas al~mes para los vendedores de medio tiempo.
d^ = Baja realizacin de la meta de ventas
d* = Sobre realizacin de la meta de ventas
5
regular para cada tipo de vendedor y el numero de vendedores empleadosde tiempo completo y de medio tiempo.
tal de horas al mes para los vendedores de tiempo completo, con cinco vendedores de tiempo completo, el total de horas regulares por mes sera
de 5 X 160 = 800.
(2
~15)
Entonces tenemos;
3 " d3
8 0 0
320
donde:
d^ = Baja utilizacin de las horas de trabajo regular para los vendedores de tiempo completo en horas al mes.
d^ = Tiempo extra dado a los vendedores de tiempo completo al mes.
d^ - Baja utilizacin de las horas de trabajo regular para los vendedores de medio tiempo en horas/mes.
Si no hay varia-
ble de desviacin a minimizar para realizar la meta, uno debe crear una
introduciendo una nueva restriccin.
das antes.
Aho_
cierta meta.
del tiempo extra para los vendedores de tiempo completo como una partede la cuarta meta,
Para limitar
(2-16)
4 * * 4
donde:
temp
.
d-2
d2
en (2-16) tenemos:
800
sustituyendo
X x + d - 800 + d~ - d* = 100
Como d^ para esta meta toma un valor de cero entonces la ecuacin anterior se convierte en :
X
(2-17)
"
900
Pjdj + P 2 d^ + 2P 3 d 2 + P g d 3 + SP^d* +
P ^
S. r.
5Xj + 2X2 + dj
Xj
C2
'l8)
-dj
+d~
X2
Xj
x
- 5,500
-d+
+d
l"
2*
-dj
d
800
320
900
0
En el modelo anterior, el peso diferencial de 3 es asignado a d* al nivel P^ en la base de la razn de utilidad marginal neta por hora ntrelos vendedores de tiempo completo y los de medio tiempo.
La razn de -
extra es $3.00 para los vendedores de tiempo completo y $ 1.00 para los
vendedores de medio tiempo.
-4 5
+
vendedores de tiempo completo.
Fig.
2-6
Como le-
asignamos doble peso a la minimizacin de dJ debemos restringir el reasolucin sobre y arriba de la lnea X^ = 8QG*
Fig. 2-8
el peso a la minimizacin del tiempo extra de los vendedores de medio tiempo y una vez al peso del tiempo extra de los vendedores de tiempo completo, d* debe ser minimizada primero.
ir a la lnea recta X 2 ~ 320 es el punto A.
zar d*.
zar d2 , estaramos incrementando d^. Por lo tanto la solucin ptima de el problema ser el punto A, donde X 1 = 900, X 2 = 500, d* = 100,
d^ - 180.
de alcanzar las tres ms importantes metas completamente, pero la ultima meta no es realizada, debido a que hay horas de tiempo extra en la solucin.
Lo antes expuesto en este capitulo lo podemos resumir en los siguientes:
PASOS A SEGUIR PARA LA FORMULACION DEL MODELO DE PROGRAMACION POR METAS.
Como se ilustraron las formulaciones del modelo de programacin por metas con ejemplos relativamente simples.
Las c o n s
mizar con el fin de realisar cierta meta, una nueva restriccin debe
ser creada.
Primero,-
los factores de prioridad preferenciales deben ser asignados a ciertasvariables de desviacin que son relevantes para alcanzar una meta.
Se-
gundo, si es necesario, deben ser asignados pesos diferenciales a las variables de desviacin que esten al mismo nivel de prioridad.
Es impe
rativo que las metas al mismo nivel de prioridad sean proporcionadas otengan una medida comn.
CAPITULO III
Ejemplo # 1.
La mejor manera para explicar el mtodo simplex de programacin por metas es a travs de un ejemplo.
El presidente de una
Min
S.R.
-di+
X : + X2 + dx~
80
(3-1)
X
+d
X +
+d3"
x x + X2
x
2~
-d4+
-ha4"
x
2*
1 d
4+ ~
70
45
90
0
La razn por la que se formulo la ultima restriccin (minimizacin deltiempo extra de la planta en exceso de 10 horas) por medio de variables
de decisin fu porque debamos tener todas las restricciones e x p r e s a
das en trminos de variables de decisin con el fin de resolver el problema por el mtodo grfico.
d. +
- d.. +
10
donde:
dj
d^
Enton
Min.
+ * P 3 d 2 " + 3P 3 d 3 " + P 4 d j +
Z - Pjdj" +
80
70
45
10
S.r.
XJ + X 2
+ DJ~
+2"
1
x2
+d 3 ~
d
X^
u"
i+
ll+
d 2 ' d 3 ' d ll * d l * d ll
Antes de que sea presentada la primera tabla del mtodo simplex para elmodelo (3-3), hay varias cosas que debemos considerar.
Primero, en programacin por metas, el propsito de la funcin objetivoes minimizar el total de metas inalcanzables.
Por -
En lugar de esto el criterio simplex viene a ser una matriz de tamao - mxn, donde m representa el numero de niveles de prioridad preferencialesY TI es el nmero de variables incluyendo ambas variables de decisin y de
desviacin.
Tercero, como el criterio simplex es expresado como una matriz en lugar de una fila, debemos disear un nuevo procedimiento para la
cin de la columna ptima (clave).
identifica
prioridad preferenciales es Pj > Pj + 1 , lo cul significa que Pj siempre lleva prioridad sobre Pj + 1.
miento para la seleccin de la columna ptima (clave) debe considerar elnivel de prioridades.
lineal.
En la primera r&s_
C,
V
p,
3
-P3
5P 3P3
d:
fl xi
dj
80 i!
70
du
,0
P.
0
485
P3
P,
P,
P:
Pj
d*
l
l
45
1
1
,
I
<
1
U-
-1
80
Pi
TABLA 3-1
0)
Por lo tonto,
y d^
+
restriccin (d^
+ d^
- d^
^en
^e la-
En la ultima-
0).
Consecuentemente -
Siempre la-
En
Debe-
tabla.
& fes paroblesas de miaiaizacin de programacin lineal, los valores enla columna de constantes del criterio simples representan el costo total
de la solucin.
485,
0 y P^
cial donde la planta no est an en operacin es evidente que la segunda y cuarta metas estn en ese momento completamente alcanzadas porqueson metas que se refieren a tiempo extra de la planta.
La baja realiza^
Para la tercera -
naron diferentes pesos de 5 y 3 a la baja realizacin de las metas de ventas para los materiales para tapiceras y vestido.
tas son proporcionadas y estn al mismo nivel de prioridad, este procedimiento es absolutamente apropiado
5(70) + 3(45)
= 485.
Ya se -
haba discutido que los valores de Cj representan los factores de prioridad asignados a las variables de desviacin y los valores de Zj son porducto de la suma de Cj por constantes o coeficientes*
Entonces el-
El v a
Conse^
3P
3'
PARA
LAS
siguientes
Para la columna d ^
bas cero.
Para la columna
de Zj de -Pj de la tabla.
La ltima-
En-
toaces Zj-Cj para la columna viene a ser -P 2 de acuerdo a esto se poneun (-1) en la hilera P 2 para la columna d]_
En otras palabras, la columna con el valor mximo positivo en el nivelP1 en (Zj - Cj) ser seleccionada como la columna ptima.
En la tabla-
(3*1), hay dos valores positivos idnticos en las columnas X^ y Xj. Con
el fin de romper este empate, checaresos los siguientes niveles de pri
ridad mas bajos.
(5 en X^; 3 en X 2 ), entonces
El rengln (o hilera) clave -
El co_
en la base, la baja utilizacin de la capacidad normal de la planta v la baja realizacin de la meta de ventas para el material para tapice
ra ser afectada.
y d^ .
Utilizando el procedimiento simples regular de programacin lineal, laprimera tabla es revisada para obtener la segunda tabla con se muestra
en la tabla (3-2).
, y por lo
Como nuestra atencin inmediata es la realizacin de la meta ms importante , debemos simplemente examinar si Zj ha decrecido en el nivel P^ al final de cada paso (en este paso decreci 70).
Cuando Zj en el n i
vel P^ es completamente minimizada a cero, nuestra atencin debe entonces ser enfocada en el valor Zj en el nivel P 2 y as sucesivamente.
El r e n g
La produccin de 70,000
yardas de material para tapicera y 10,000 yardas de material para vestido requerir de 80 horas de operacin en la planta;
Pj
I
p.
d,
"l
d,
.0
J*
l
1
XS
P4
d,
O -
10
70
10
P,
P,
Xj
*/
d,,
0
10
TABLA
Ji
J,i
P:
d,
1
i
c,
(3-2)
d,i
10
70
3S
10
P4
*2
3P,
d.,
P3
P2
P,
SP<
di
d;
1
1
-3
IOS
0
0
_2
d11 dj
-O
1
3
I
-1
TABU.
(3-3)
La solucin indica que la produccin de 70,000 yardas de Biatfial para tapicera y 10,000 yardas de material para vestido es suficiente para al_
canzar la primera segunda y cuarta metas.
no est completamente alcanzada debido a que a la meta de ventas dei material para vestido le faltan 35,000 yaraas para lograrla; el valor de d-,
los coeficientes en (Zj - Cj) son negativo o cero como se muestra en latabla (3-3).
El ren
Se emplea tiempo extra de operacin de la planta para alcanzar la tercera meta completamente.
mizacin del tiempo extra de la planta, entonces estamos alcanzando la tercera meta a expensas de la cuarta.
Es ptima en
el sentido de que esa solucin capacita al que toma las decisiones paraalcanzar sus metas lo mas cercano posible dentro de sus restricciones de
decisin dadas y su estructura de prioridades.
Se debe notar como disminuy el valor de Zj en el nivel P^ de 105 a 75.Para disminuir la baja realizacin de la tercera meta se sacrific la
=25.
horas de tiempo extra de la planta y 25,000 yardas de baja realizacin en la meta de ventas del material para vestido.
P!
C,
\
Xi
20
70
2S
>i
d,
X2 df
1
d-
l
1
di
PA
75
0
P.
d i dj
I
1
]
10
F3
P2
P<
P:
d,
10
Pa
sf
PI 3Pi
-3
1
-i
3
lT
TABLA (3-4)
ll+ *
en la solucin.
Pero encontramos
Esto impli-
en
I a solucin.
La misma
de entrar a la solucin si es que hay un elemento negativo en la mismacolumna en un nivel de prioridad mayor.
Ahora que ya se ha ilustrado como resolver un problema de programacinpor metas por el mtodo simplex modificado, podemos resumir los pasos de la solucin para a y u d a m o s en soluciones futuras:
Por lo tanto,-
Enlistar las-
En el criterio
na C.
Pri
mos a identificar la^, columna de variables que tenga el valor (Zj-Cj)ms positivo. La variable en esa columna entrar en la solucin base
en la siguiente iteracin.
Si el em-
Calcular-
Seleccione el rengln que tenga el mnimo La variable en ese rengln ser reemplaza-
las metas de ms alto orden primero y por lo tanto reduce el numero de iteraciones.
*-
Segundo, encuentre los nuevos valores para todos los otros renglones
usando el mismo procedimiento, de clculo que en el mtodo simplex de programacin lineal.
Si -
hay un valor (Zj - Cj) positivo en el rengln, determine si hay un valor (Zj - Cj) negativo en el nivel de prioridad mas alto en la mis^
ma columna.
ridad ms alto para el valor (Zj - Cj) positivo en el rengln de nteres, la solucin es ptima.
y continuar.
Paso X
Formulacin
del
Hodelo
i ^
Pasq 2
Tabla
Hueva variable de
Entrada
Inicial
Paso 4
Paso 3
Variable de
Nueva Solucin
Bsica
Factible
Salida
Parar
ttg. fe*
Bjeaplo 9 2.
as eosplicado da progresa
Mia
S.r.
V i
V u
5Xj + 2 I 2 + dj
(3-4)
V T
A *
5,
-d.
+d.
*2
320
-d.
21
l ' X 2
-d,
X,
3 ' d 21' d l
<
+
d
2'
100
El problema involucra cuatro factores de prioridad y 10 variables, dos de decisin y ocho de desviacin.
Todas-
La tabla
dj
5500
Pl
dr
2P3
-2
800
P3
dS
320
d:,
rvf
P3
Ct
d~2
P4
dj 1
df
-1
1
1
-l
-1
-3
P3
1920
_2
-1
P2
P.
5500
dh
-1
1
100
-]
1
1
<
&4
-1
5
SSLA 0-5)
-1
2. DETERMINE U
A travs de un examen de los valores (Zj - Cj) en e l nivel P^, es aparente que la colunia X^ E T la columaa ptima, GOW
tiene e l va>
lor ms positivo
es el rengln clave.
Por -
locin base.
y-
d ^ ^ i y a que permanecen iguales que loe valores anteriores debido a que haba ceros en las iotersecclones con la coluama X^.
rengln donde algunos clculos son requeridos es
un coeficiente (5) en la columna ptima X,,
El nico -
porque existe -
P.
N"
X)
800
320
DI,
100
P.
P3
320
P:
P,
1500
2PS Pj
d]
d~: ds
-i
1500
XI
X2
P,
dj dj
-1
1
1
PA
JP4
dt
-1
-1
3
-1
-1
TABLA
d21
-1
-1
P2
-1
(3-6)
ai cinco.
(
1
Pl
Ji
1000
X ,
900
320
I,
<li
100
P4
100
Fj
320
1000
1,
2P< f,
P,
d, d d
d'
3P.
J ',
!
1
sT
J.
200
* 1
1100
di
320
di
300
P<
NT
I
1 5
CD
1/5
1 5
1
1
1
1/5
300
2 5
1 5
1/5
Pj
320
P,
200
2 5
1/5
P,
3
!
1/5
72
1/5
972
320
3P,
1/5
2 5
1/5
X,
rT
2/5
2 S
J21
P2
2/5
'
1/5
2/5
1/5
2/5
1/5
172
1 5
- !
2/5
-l/S
1/5
-1
2/5
1 S
13 5
1/5
2/5
1/2
172
Pj
P;
72
1/5
P,
di
180
*i
900
*2
500
a;
100
pa
640
Pj
p2
0
0
p.
1/2
2 S
5/2
1/:
<;
5 2
15/2
2/5
S 2
1
13 2
1/2
3/2
3/2
13/2
1
1
TABLA (3-7)
Ejemplo # 3.
Vamos a resolver ahora un problema ms complejo de programacin por metas con tres variables de decisin, 16 de desviacin y cinco factor deprioridad preferenciales.
Una compaa fabricante de computadoras, produce tres diferentes tiposde estas: Alfa, Beta y Gamma.
La capacidad de operacin-
Los departamen-
El departamento de -
mercadotecnia tambin reporta que la demanda es tal que la firma puedeesperar vender todas las computadoras que sean producidas en el mes.
3.-
4.- Satisfacer la neta de ventas para cada tipo de computadora: Alfa, 10; Beta, 12 y Gamma, 10 (nuevamente se deben asignar pesos de a--
cuerdo al margen de utilidad relativa de cada computadora).
As que po-
52 x +
+ 12X 3 + d ~
- d*
donde:
X^ numero de computadoras Alfa
X. = nmero de computadoras Beta
170
II) R E S T R I C C I O N E S D E
VENTAS
Primero la firma tiene que cumplir unas ordenes con un distrito de ventas como sigue:
(3-5A)
2 ~
4~ ~
4+
De aqu en delante, se supone que se pueden definir las variables sin necesidad de escribir su significado mas abajo.
C3-5B)
Xj + d 5 ~ - d 5 +
10
X2 + d6~ - d 6 +
12
X3 + d?" - d ? +
10
III) TIEMPO E X T R A D E L A L I N E A D E
ENSAMBLE
de minimizar para alcanzar ciertas metas. El presidente limito el tiempo extra de la lnea de ensamble a 20 horas. Como no tenemos una variable de desviacin a minimizar con el fin de realizar esta meta, vamos a
introducir la siguiente restriccin:
(3-5 c)
d|
d^
dx~
20
donde:
d^
S.r.
+ P ^ j
+ 20P 4 d~ + 18P4d~ +
+
+ 21P,d, + P c d.
5 1
4 /
5X
(3-5D)
8X
12X
"dl
"
- 4
X2
+d74
X.
3
X,
1
-d
'd5
+d
-dl
X3
d'11
"
+ d
"1
-d,
U
11
+ ,+ .+ .+ ,+ ,+ , +
X
,X
2' 3
,d
l 2
,d
,d
,d
,d
10
12
10
20
-d
4
++dZ
d
X,
170
6' 7
,d
ll' l
,d
,d
3' 4
,d
5' 6
,d
>d
ll
Recordemos que el
criterio usado para asignar los pesos fu el margen de utilidad relativa para los tres tipos de computadora.
que el costo de operacin de la lnea de ensamble es proporcional a - cual computadora se est produciendo en la lnea.
La utilidad marginal
Entonces, la -
utilidad por hora de la lnea de ensamble para la Alfa es $ 20,000. - Similarmente, las utilidades por hora de la lnea de ensamble para la Beta y Gamma ser de $ 18,000 y $ 21,000 respectivamente.
Se presentan las tablas inicial y final (3-8) y (3-9) del mtodo simplex
**
(3-9) se puede ver que las primeras tres metas fueron totalmente alcanzadas, mientras que las ultimas dos no.
T
1
P,
C /
Pl
20P2
18P2
21P;
20P4
d?
dj
d,
di
170
d?
|8P4 d;
21P4 d7"
di,
P4
12
dj
d]
10
dt
di
0
20
18
:i
21
12
-20 -18
21
170
20 -18
P,
d\
-1
Pi
a;
-l
I
18
d6
-1
\
20
x2
1/3
39/4
XS
d~
dj
<G
d3
de
dj
20
P4
154
P3
P2
p,
0
0
dJi dt
d
5/8
d^
dt
ds
d7
dfj
3/2
- 1
1
3/2
--1/12
-5/12
312
1/8 5/8
1/8 -5/8 -1 -3/2
1
-5/8
1
1
-1
-2 3
-1
1/12
20
p5
Pj
Ps
3/2
-2/3
47/8
y/8
d2
21
(3-8)
1/8 -5/8
1
49/8
I8P4
di,
t
1
20
df
-1
1
10
-1
1
c,
:op4
df
-1
358
x.
d-
-1
TABLA
21P4
d? dj, df
12
626
Ps
Ps
0)
P3
P
x3
Ps
.
X2
12
1.12
-1
-3/2
3/2
1
-1
-1
-1
-9/4 -35/4
13
7/4
- 6
74
-1
- 2 0
-18 -21
-1
TABLA
(3-9)
Hay algunas complicaciones que a menudo surgen en los problemas de programacin por metas.
-5X X -
+ d* - d*
-25
En la tabla inicial del mtodo simplex de programacin por metas, se supone que la solucin es en el origen.
(3-7)
5X x + ^
+ d* -
25
lor de -25 a menos de la restriccin, d^ debe ser minimizada en (3-6) y dj debe ser minimizada en la ecuacin revisada (3-7).
terminacin de la columna ptima y consecuentemente de la variablede entrada esta basada en los valores (Zj - Cj) en los niveles de prioridad ms bajos.
La resolucin-
de el problema de degeneracin debe ser decidida determinando que rengln tiene la variable con factor de prioridad ms alto.
Seleccionando la variable con el factor de prioridad ms alto comola variable de salida, el proceso de solucin puede ser acortado co_
mo las metas de ms alta prioridad sern alcanzadas mas rpidamente.
7b
SOLUCION ILIMITADA
Es posible que debido a una estructura de prioridades no realista del que toma las decisiones o por falta de restricciones, el p roble
ma puede admitir que una o ms variables se incrementen sin ningnlmite.
altas que niveles fcilmente alcanzables dentro del medio ambientede decisin existente.
bien proporciona algn dicernimiento en analizar la estructura de metas del que toma las decisiones.
si es que se respeta lo siguiente: (1) Que haya solamente una variable de desviacin simple (meta simple) en cada nivel de prioridad
preferencial y (2) que sean asignados pesos diferenciales entre lassubmetas al mismo nivel de prioridad cuando hay mas de una meta simple en cada nivel de prioridad.
examine-
/
mos el caso de la tienda de discos que se discuti como ejemplo # 2en este captulo.
gue:
Min.
Z = P x d- + P 2 d 2 + + 2P 3 d2 + P 3 d 3 + P^d* + P^d*
S.r.
5X t + 2X 2 + d~
Xx
-d+
+d~
(3-8)
-d 2
_
X2
+
-d 3
+d 3
d7
1
21 + +dt
2
X 1 ,X 2 ,d 1 ,d 2 , d 3 ,d 2 1-,d 1 ,d 2 ,d/3 M
' o21
-d21
07
"
5,500
800
320
100
Las primeras tres metas pueden ser completamente alcanzadas en cualquierpunto A o B o cualquier punto en la lnea recta que une a A y B, pero lacuarta meta no puede ser realizada, debido a que la suma del tiempo extra
no puede ser eliminado completamente.
Fig. 3-2
C A P I T U L O # IV
DE
ACADEMICOS
Introduccin
La aproximacin de programacin por metas parece ser una de las t c n i
cas mas apropiadas en el desarrollo de un modelo para alcanzar metas
un modelo de programacin por metas para una distribucin ptima de recursos en instituciones de alto aprendizaje (o de educacin superior).No obstante que es posible formular un modelo para un perodo de tiempo
mltiple bastante complejo que sirva para el propsito de planeacin alargo plazo para una universidad entera, el enfoque de este estudio est limitado a la planeacin de una facultad dentro de la universidad. Mas aun el tiempo de planeacin bajo consideracin est limitado a un ao.
Una vez que el modelo bsico est completo para un ao, este-
puede ser extendido (no obstante que no es una tarea simple) para un
El Modelo General
Ser introducido primeramente un modelo general de planeacin para distribucin de recursos de una facultad.
de
*9
Y
= Nmero de instructores
= Nmero de profesores asistentes sin grado
= Nmero de profesores asociados sin grado
Nmero de profesores de tiempo completo sin grado
= Nmero de profesores de medio tiempo sin grado
= Nmero de profesores especiales sin grado
= Nmero de personal administrativo
= Nmero de profesores asistentes con grado
- Nmero de profesores asociados con grado
= Nmero de profesores de tiempo completo con grado
= Nmero de profesores de medio tiempo con grado
- Nmero de profesores especiales con grado
= Incremento total de la nmina del ano anterior, c
ment salarial de profesores, administrativos y asistentes graduados.
CONSTANTES
a^
Porcentaje del personal acadmico que est clasificado como profesores de tiempo completo.
a^
b^
CARGAS DE ENSEANZA
Variable
Proporcin
X3
Licenciatura
Graduados
Salario
'i
'2
c3
b3
b'3
1
s2
'4
'5
*6
'7
'8
7
S,
*9
Y
*9
10
10
' 10
'n
12
12
'l2
13
13
'l3
Restricciones
A. Acreditacin
1.- Un cierto porcentaje del personal acadmico deben ser profesores
de tiempo completo.
6
3
( E X. + X. + l
i-3 1
*
i=l
(4-1)
8
5
Yi + Y s ) / ( E Xi + 2 Yi)
i=2
i-1
>
-
Xy y de Yj a Y^ estn disponibles para ensear asignaturas de l i c e n ciatura, y Xg y de Y^ a Y^ estn disponibles para responsabilidades de enseanza en graduados, podemos escribir:
3
Z Yi /( E X i + E Yi)
i=l
i-2
i-1
a9
a,
(4-2)
5
Yi /( X Q +
Yi)
enseanza.
tos de personal acadmico es el numero estimado de horas crdito estudiante (para ambos,
por sesin*
za deseadas de los profesores, los requerimientos de personal acadmico pueden ser determinados.
Z bi Xi +
i-2
Z bi + 8 Yi
il
2 bi Xi +
i2
5
t
l bi + 8 Yi
il
a,
*
(licenciatura)
a5
(graduados)
(4-3)
Otro aspecto a ser considerado en la determinacin de los r e q u e r i mientos de personal acadmico es la proporcin deseada profesor/estu
diante.
l Xi +
i*2
(4-4)
l Yi)/bu
il
Js
(X g +
Yi)/ b 1 5
>
-
>
-
a6
a7
(licenciatura)
(graduados)
Ci T
<
TT
Xx
i*2
r
T
12
(4-5)
tt
i=l
Ci T
C13t
>
-
T Yi
i-1
Y5
porcionado.
(4
"6)
8
5
2 Xi + 2 Yi) / X Q
y
i-2
i-1
aft
(4-7)
2 Xi +
i-3
2 Yi) / Xi
i1
aQ
y
F. INCREMENTO SALARIAL
Para mantener un personal adecuado, es necesario proporcionar aumentos salariales peridicos.
nal es:
2
b
16< S l
7
Xi)
il
(S
17
2X3
= Si
i=3
i+1
Si
i3
(4-8)
+
18
Sl
(4-9)
l
i=1
Xi + S 2 X 3 +
E
i=3
Si X . + 1 +
1
Si Y.
i=3
+ SgY
+ w = p
FUNCION OBJETIVO
La funcin objetivo es minimizar desviaciones, ya sean negativas o posi_
tivas de un conjunto de metas con ciertos factores de prioridad p r e f e
renciales asignados por el director de la facultad de acuerdo con polticas universitarias, condiciones existentes y su juicio.
UN EJEMPLO NUMERICO
Un ejemplo numrico simplificado se presentara para demostrar la aplica_
cin del modelo general.
Administracin en una universidad proporciona la siguiente estructura de prioridades para netas acadmicas ademas de informacin sobre c o n s
tan tes.
A. ESTRUCTURA DE PRIORIDADES
P^ = Mantener los requerimientos necesarios para acreditacin b a s a
dos en las regulaciones de acreditacin y las polticas acadmi^
cas del director.
~ Asegurar incrementos de salario adecuados para el personal acadmico, asistentes graduados y personal administrativo general.
P^ = Asegurar un numero adecuado de profesores cumpliendo con las
proporciones deseadas de profesores/estudiantes y teniendo instruccin disponible para las horas crdito necesarias de los es_
tudiantes.
(rango).
Cargas de Enseanza
Variable
Licenciatura
Proporcin Deseada
Graduados
Maxima
Mnima
Salario
3,000.00
X2
7%
3,000.00
X3
12
8,000.00
15
13,000.00
15,000.00
17,000.00
2,000.00
1%
21
13,000.00
14
15,000.00
23
17,000.00
30,000.00
4,000.00
2,000.00
30,000.00
B.
RESTRICCIONES
(4-10)
6
3
8
5
Z Xi + X Q + Z Yi + Y. - 0.75 ( E Xi + Z Yi) + d, - d.
-_-)
O
i
J
-i
i
1
1=3
il
i*l
i=l
Tambin es requerido que al menos el 40% del personal acadmico queensea a nivel licenciatura tenga grado.
5
(4-11)
Z Yi - 0.40 ( Z Xi + Z
i-1
i=2
i1
Yi) + d
+
- d
Tambin es requerido que al menos el 75% del personal acadmico queensea a nivel graduados tenga grado.
5
(4-12)
esperado es 1,820, el nmero promedio de horas crdito/estudiante llevados en la facultad es 10, y el tamao de clase deseado es pues
to en 20.
Numero de estudiantes \
esperado
(4-13)
dito/estudiante
/ 'Tamao de clase
j /
deseado
6X 2 + 12)^ + 9X 4 + 6X 6 + 3X ? + 6Y : + 6Y 2 + 3Y 3 + d~ - d*
* 910
Para las horas crfidito/estudiante de instruccin para graduados, sepronosticaron 100 horas por sesin.
100
Los pronsticos de nu
mero esperado de estudiantes son 1820 para licenciatura y 100 para graduados.
(4-15)
Esas
3
restricciones vienen
-
Z Xi + Z Yi + d, - dT - (0.05) (1820)
6
6
i-2
i-1
y para graduados
8
_
.
(4-16)
X,, + Z Yi + d 7 - di
i-1
(0.10) (100)
10
91
personal acadmico de acuerdo a la proporcin deseada del personal acadmico total para cada tipo de personal.
<
0.Q7T - x 2 + d X
Q.15T -
II
0.07T -
"
=
0.23T - Y 3 + d x ;
0.02T -
0.05T - x 5 +
0.02T -
0.21T -
0.14T -
ll
l"2
*8
0,01T - x 7 +
0.01T -
'
13
donde
8
T - Z
i-2
Xi +
5
Z Ti
il
Con el fin de asegurar personal administrativo adecuado para el trabajo administrativo y de oficina, la proporcin deseada profesor/per.
sonal administrativo es puesta a 4 por 1
por el director.
triccin es entonces:
C4-18)
"
4X
20 ' d 20
La r e s
(4-19) E X i +
i=3
il
2
l Xi) + 0.08 (8,000 X,, + 13,000 X.
3
4
i*l
(4-20)
+ 15,000 X 5 + 17,000 X 6 + 2,000 X ? + 30,000 X g
3,000
+ 15,000 Y 2 + 17,000
+ 2,000 Y^
donde hay un 6% de incremento para estudiantes graduados y personal administrativo y un 8% de incremento para personal acadmieo.
La restriccin para la nmina total de la facultad completa ser:
(4-21)
3,000 x x + 3,000 ^
+ 15,000 Y 2
4,000 X9 + w + d ^ - d ^ - 0
C. Funcin Objetivo
3
Min. Z - Pj Z di + P 2 d 2 2
+ 2P 3 d~ +
13
+ P
(4-22)
V l 9
+ P
_
d I + P
\
1=8
P ^
20
17
+ P
di
. 1A
i=14
23
D, Solucin
La solucin a este modelo de programacin por metas fu la siguiente
Realizacin de Metas
Acreditacin
Alcanzada
Incremento Salarial
Proporciones profesores /estudiantes
Proporcin profeso res/personal administrativo
Distribucin del Personal
Acadmico
A
'
|t
$ 2;471,000
Variables
32
H
10
10
X 4 = 22
42
6
Y2 *
7'
w
$17,000
Xe"
20
Y 3 - 34
0
CONCLUSION:
La aproximacin de programacin por metas no es la ultima solucin paraproblemas de presupuestos y planeacin en una facultad.
Se requiere que
da
B I B L I O G R A F I A