Revisin de las metodologas de programacin

por metas

PRIMERA ENTREGA DE INTRODUCCION A LA INVESTIGACION DE

OPERACIONES

Revisin de las metodologas

De programacin
Por metas
ELABORADO POR:
WILSON FRANCISCO GOMEZ PARRA
COD. 1221980545
10 NOVIEMBRE 2014

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Introduccin
Los procesos de toma de decisiones se han venido analizando tradicionalmente
sobre la base de un paradigma que puede esquematizarse de la siguiente forma.
En primer lugar, se establece el conjunto de soluciones posibles o factibles del
problema de decisin analizado. A continuacin, fundndose en un criterio, se
asocia a cada solucin o alternativa un nmero que representa el grado de
deseabilidad que tiene cada alternativa para el centro decisor, es decir, se
establece una ordenacin de las soluciones factibles. Seguidamente, utilizando
tcnicas matemticas ms o menos sofisticadas, se procede a buscar entre las
soluciones factibles aquella que posee un mayor grado de deseabilidad. Dicha
alternativa es la solucin ptima.
Este sencillo marco de anlisis es el que subyace a cualquier problema de
decisin investigado dentro del paradigma tradicional de la optimizacin. Los
problemas de decisin abordados por medios de la programacin matemtica se
ajustan, asimismo, a este tipo de estructura terica. As, en esta clase de
problemas, las soluciones posibles se ordenan con arreglo a un cierto criterio que
representa las preferencias del centro decisor. Esta funcin de criterio recibe el
nombre de funcin objetivo. Recurriendo a tcnicas matemticas relativamente
sofisticadas se establece la solucin ptima como aquella solucin factible para la
que la funcin objetivo alcanza un valor ptimo.
Desde un punto de vista de contenido emprico, el marco terico anterior presenta
importantes debilidades que lo desva considerablemente de los procesos reales
de tomas de decisiones. En efecto, en muchos casos de la vida cotidiana, los
centro decisores no estn interesados en ordenar las soluciones factibles con
arreglo a un nico criterio, sino que desean efectuar esta tarea con arreglos a
diferentes criterios que reflejan sus particularidades y preferencias.
Objetivos: Representan direcciones de mejora de los atributos. La mejora puede
interpretarse en el sentido (ms del atributo mejor) o bien (menos del atributo
mejor). El primer caso corresponde a un proceso de maximizacin y el segundo a
uno de minimizacin de las funciones que corresponden a los atributos que
reflejan los valores del centro decisor.
Como paso previo a la definicin de meta se introducir el concepto de nivel de
aspiracin. Un nivel de aspiracin representa un nivel aceptable de logro para el
correspondiente atributo. La combinacin de un nivel de aspiracin con un atributo
genera una meta.

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Finalmente, el trmino criterio se utiliza como un trmino general que engloba los
tres conceptos precedentes (atributo, objetivo y metas). En otras palabras, los
criterios constituyen los atributos, objetivos o metas que se consideran relevantes
para un cierto problema decisional. Por consiguiente, la teora de la decisin
multicriterio constituye un marco general o paradigma decisional en el que
subyacen diferentes atributos, objetivos o metas.
La programacin multiobjetivo constituye un enfoque multicriterio de gran
potencialidad cuando el contexto decisional est definido por una serie de
objetivos a optimizar que deben de satisfacer un determinado conjunto de
restricciones. Como la optimizacin simultnea de todos los objetivos es
usualmente imposible, pues en la vida real entre los objetivos que pretende
optimizar un centro decisor suele existir un cierto grado de conflicto el enfoque
multiobjetivo en vez de intentar determinar un ptimo existente pretende
establecer el conjunto de soluciones eficientes o pareto ptimas.
Pese a lo que se acaba de comentar, la utilidad de estos enfoques se reduce
considerablemente en problemas decisionales de un tamao relativamente
elevado. De las ideas que se acaban de exponer se desprende que en problemas
complejos que conllevan la formulacin de modelos de cierto tamao, los
enfoques multiobjetivos son de limitado inters y tienen que dejar paso a otros
enfoques con una solidez terica tal vez menor, pero con una operatividad muy
superior. Dentro de esta lnea pragmtica puede encuadrarse la programacin por
metas.
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

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

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.
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
POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

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.
Metas y variables de desviacin
Forma inicial de la meta

Forma de la meta
transformada

Variable de desviacin no
deseada (a minimizar)

ti

pi = ti

Ni

ti

pi = ti

Pi

Fi(x)=ti

POLITECNICO GRANCOLOMBIANO

pi = ti

pi

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Formulacin de la funcin 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.

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Ejemplo:
La compaa Aedis ha desarrollado recientemente tres nuevos productos haciendo
uso del exceso de capacidad en sus tres plantas sucursales existentes: Cada
producto puede fabricarse en cualquiera de las tres plantas. El anlisis ha
demostrado que sera rentable utilizar el exceso de capacidad para producir estos
tres nuevos productos. En realidad, el propsito de la gerencia al desarrollar los
nuevos productos era lograr la utilizacin completa de la capacidad productiva de
exceso sobre una base rentable. Mientras que las plantas Aedis generalmente
operan a capacidad plena en sus lneas de productos existentes, la produccin por
debajo de la capacidad normal ocurre con poca frecuencia, presentando
problemas con la fuerza laboral. Aunque la compaa no necesita la fuerza laboral
plena durante los perodos de holgura, el costo de los despidos sera considerable,
y Aedis deseara evitar esto tanto como fuera posible.
Adems, la gerencia deseara balancear la utilizacin del exceso de capacidad
entre las sucursales. Esto servira para distribuir equitativamente la carga de
trabajo del personal de supervisores asalariados y reducir los agravios de la fuerza
laboral que se le paga por horas, que de otra manera se sentira discriminada con
respecto a las cargas de trabajo o a los despidos.
Para el perodo que es est considerando, las plantas tienen las siguientes
capacidades de produccin en exceso (en trminos de unidades) de nuevos
productos y capacidades de embarque disponibles asignadas a los nuevos
productos:
Planta

capacidad de exceso de
produccin(unidades)

capacidad de
embarque(pies cbicos)

750

12000

300

10000

450

6500

Los productos 1,2 y 3 requieren 30,20 y 15 pies cbicos por unidad,

respectivamente. Las contribuciones unitarias a la utilidad de los productos 1,2 y 3
son $15,18 y 12 respectivamente. Los pronsticos de ventas indican que Aedis
puede esperar ventas tan altas como 900, 1000 y 700 unidades de los productos
1, 2 y 3 respectivamente, durante el periodo de planeacin en consideracin.
POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Dada la situacin que hemos descrito, la administracin ha expresado las

siguientes metas de preferencia en orden de importancia decreciente (P1=ms
importante):
P1. Lograr una utilidad perseguida de $15000.
P2. Utilizar tanto de la capacidad de exceso como sea posible. Debido al bajo
costo de la mano de obra, la administracin cree que es 1,5 veces ms importante
utilizar la capacidad de exceso de la planta 1 que la de las plantas 2 y 3.
P3. Lograr un balance de la carga de trabajo en la utilizacin de exceso de la
capacidad entre todas las plantas. Debido a ciertas demandas adicionales de los
trabajadores de la planta 1, la administracin cree que si ocurre algn desbalance
en la carga de trabajo, es dos veces ms importante que favorecer a la planta
1con menor trabajo con respecto a las plantas 2 y 3
P4. Lograr el pronstico de ventas para el producto 2, puesto que este tiene la
mayor contribucin a la utilidad por unidad.
P5. Producir suficiente cantidad de los productos 1 y 3 para cumplir con las ventas
pronosticadas.
P6. No exceder la capacidad de embarque disponible.
Formulacin del modelo
Los siguientes pasos se requieren para formular el modelo de programacin meta.
1-Exceso en las restricciones de capacidad
N- desviacin negativa.
P- desviacin positiva.
X21

X31

P1 =750

X12

X22

X32

P2 =300

X13

X23

X33

P3 =450.

Donde Xij = nmero de unidades del producto i producidas en la planta j

N1,N2,N3 =exceso de capacidad no utilizada en las plantas 1,2 y 3
respectivamente.
P1,P2,P3 = cantidad mediante la cual la capacidad de exceso se excede las
plantas 1,2 y 3 respectivamente.
POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

2-Resricciones en el requisito de espacio

30X11

20X21

15X31

N4

P4=12000

30X12

20X22

15X32

N5

P5=10000

30X13

20X23

15X33

N6

P6= 6500

N4,N5,N6 =nmero de unidades de capacidad de embarque disponible no

utilizada en las plantas 1,2 y 3, respectivamente.
P4,P5,P6 = nmero de unidades de capacidad adicional de embarque requerida
en las plantas 1,2 y 3, respectivamente
3-Restricciones en las ventas esperadas
X11

X12

X21

X2

X31

X32

X13
X23
X33

N7
N8
N9

P7=900
P8=1000
P9= 700

N7,N8,N9 =nmero de unidades subrogadas de las ventas esperadas de los

productos 1,2 y 3 respectivamente.
P7,P8,P9 = nmero de unidades sobrelogradas de las ventas esperadas de los
productos 1,2 y 3 respectivamente.
4-Balance de carga de trabajo
X11

X21

750 = X12

X22

X11

X21

750 = X13

X23

300
X33

450

Este balance de ecuaciones puede escribirse como una restriccin meta por
medio de una simple divisin y por transposicin del miembro derecho como sigue
(por transitividad, solamente dos restricciones de balance son necesarias):
0.0013X11 0.0013X21
+N10 P10 =0

0.0013X31

0.0033X12

0.0033X32

0.0013X11 0.0013X21
+ N11 P11=0

0.0013X31

0.0022X13

0.00223X23

P0.0033X32

0.00223X33

N10, N11= nmero de unidades producidas demasiado bajas con relacin a las
producidas en las plantas 2 y 3, respectivamente.

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

P10, P11= Nmero de unidades producidas en exceso relativas a las que es

producen en las plantas 2 y 3, respectivamente.
5- Restriccin de utilidad
X13)

X23)

X33)

N12

P12

=15000
N12 =suma en dlares por debajo de la utilidad perseguida.
P12 = suma en dlares por encima de la utilidad perseguida.
Si la meta de utilidad no se enuncia, se puede restringir el lado derecho de esta
ecuacin para que sea cero y determinar cul sera la utilidad. Puesto que todas
las variables reales (Xij) y las variables de desviacin (N P) son no negativas, el
valor de (N12, P12) sera la utilidad real.
6- Funcin objetivo
Minimizar
P6)
Puesto que la administracin desea conseguir una utilidad perseguida de $15000
con la ms alta prioridad, se asigna PR1 a las variables de desviacin en la meta
de restriccin de utilidad. La segunda meta de la administracin sera utilizar el
exceso de capacidad de planta hasta donde fuera posible. Sin embargo, era
preferible utilizar el exceso en la planta 1 sobre las plantas 2 y 3 en una relacin
de 1,5 a 1. Esta situacin presumiblemente representa una distincin en los costos
de operacin de las diferentes plantas. Para reflejar las prioridades relativas de la
administracin, se modifica la formulacin estndar de la funcin objetivo(que
N3)) a 1,5PR2N1
N3), que pondera el logro de la
minimizacin de la desviacin 1 con un factor de 3/2 vez. El segundo nivel general
de prioridades administrativas que tienen que ver con el problema de PR2. La
tercera meta de la administracin era lograr un balance de subutilizara la planta 1
en vez de sobreutilizarla, debido a factores adicionales desfavorables que existan
all y no se presentan en las plantas 2 y 3. Por tanto, se asigna 2PR3 a N10 y N11
y PR3 a P10 y P11. Puesto que la cuarta meta era lograr las ventas esperadas del
producto 2, se asigna PR4 a N8. A N7 y N9 asignamos PR5, pues la quinta meta
es el logro de estas ventas esperadas. Aqu no preocupa el sobre logro de las
ventas pronosticadas, puesto que se puede, si hay espacio disponible, almacenar
un inventario. Si no es posible, las restricciones en la capacidad de embarque, que
tienen prioridad ms alta, tendrn en cuenta esta situacin. Puesto que la sexta

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

meta de la administracin es no exceder la capacidad de embarque, se asigna a

P4, P5 y P6 el valor de PR6.
METODOS DE SOLUCION
Si se supone el problema de planificar la produccin de una papelera de propiedad
pblica en la que existen dos posibles productos: pulpa celulosa obtenida por
medios qumicos o pulpa celulosa obtenida por medios mecnicos. Se
representar por X1 y X2, respectivamente, las toneladas diarias de pulpa de
celulosa obtenida por los dos mencionados procedimientos. Las capacidades
mximas de produccin se estiman en 300 y 200 toneladas/da para cada uno de
los dos tipos de pasta de celulosa. Cada tonelada de pasta de celulosa producida
demanda un jornal. La empresa dispone de una plantilla de 400 trabajadores, no
deseando contratar mano de obra eventual. El margen bruto(ingresos menos
costos variables)por tonelada de pasta de celulosa obtenida por medios qumicos
es de $1000 , siendo de $3000 el que se obtiene a travs de medios mecnicos
Los costos fijos de la papelera se estiman en 3300 unidades/da: la empresa
deseara, al menos, cubrir los costos fijos.
Las preferencias de la empresa se concentran en la maximizacin del margen
bruto(objetivo econmico) y el la minimizacin del dao generado en el ro en el
que la papelera vierte sus residuos productivos (objetivo ambiental). Se estima
que los residuos producidos por cada tonelada de pasta de celulosa obtenida por
medios mecnicos y por medios qumicos generan unas demandas de oxgeno en
las aguas del ro de 1 y 2 unidades. A la vista de estos datos, la estructura
matemtica del modelo multiobjetivo es la siguiente:
Se formular el modelo como un modelo de programacin por metas. Para ello, se
consideran los trminos independientes no como cantidades rgidas que hay que
alcanzar para que la solucin sea factible, sino como niveles de aspiracin que el
centro decisor desea satisfacer en la medida de lo posible. Es decir, las
restricciones rgidas iniciales se convierten en metas o restricciones(blandas) que
pueden violarse sin que ello genere soluciones imposibles. Para desarrollar este
ejercicio se asocia al atributo demanda biolgica de oxgeno un nivel de aspiracin
de 300 unidades, a los dems atributos se les asocia como nivel de aspiracin el
trmino independiente de la correspondiente restriccin rgida, excepto para el
atributo margen bruto, al que se le asocia un nivel de aspiracin de 400 unidades.
De esta forma, se tiene la siguiente lista de metas:
G1:X1

2X2

G2:1000X1

N1

P1=300(demanda biolgica de oxgeno)

3000X2

N2

POLITECNICO GRANCOLOMBIANO

P2=400( margen bruto)

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

G3:X1

X2

N3

P3=400 (empleo)

G4:X1

N4

P4=300(capacidad de produccin)

G5:X2

N5

P5=200(capacidad de produccin)

Seguidamente, se pasa a determinar las variables de desviacin no deseadas.

Para la meta G1 la variable de desviacin no deseada sera la P1, pues
obviamente se desea alcanzar una demanda biolgica de oxgeno lo ms pequea
posible(de ser posible menor de 300 unidades). Para la meta G2 la variable de
desviacin no deseada ser la N2, pues se desea alcanzar un margen bruto lo
ms grande posible(de ser posible mayor de 400 u). Para la meta G3 se supone
que al centro decisor no le interesa ni quedarse corto con respecto al nivel de
aspiracin (mano de obra ociosa), ni quedarse largo(contratacin adicional de
mano de obra), en tal caso, tanto N3 como P3 son variables de desviacin no
deseadas, finalmente, el centro decisor no desea superar sus capacidades de
produccin, lo que implicara recurrir a turnos extraordinarios, en consecuencia,
las variables P4 y P5 son no deseadas.
Una vez determinadas las variables de desviacin no deseadas, el paso siguiente
en la formulacin de un modelo de programacin por metas consiste en proceder
a la minimizacin de dichas variables. El proceso de minimizacin puede
acometerse de diferentes maneras. Puede decirse que cada una de estas
maneras origina una variante de la programacin por metas. Seguidamente se
pasa a exponer las variantes ms utilizadas.
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
subrogado 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

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

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 subrogado 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
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:

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

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
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 subroga 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 almenos 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:

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

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:
.
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.
Asimismo, es til comparar las soluciones que han generado los modelos de
metas ponderadas y de metas lexicogrficas. En el caso del modelo basado en

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

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 PARA RESOLVER PROGRAMAS
LEXICIGRAFICOS.
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

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

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.

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

APLICACIN 2 PROBLEMAS DE TRANSPORTE.

La Mercury Distributing Company suministra un solo producto a tres clientes en
diversos sitios desde bodegas diferentes. Durante el perodo de planeacin
considerado, la compaa no puede cumplir la demanda de los clientes los cuales
deben satisfacerse a expensas de otros. Para evitar desequilibrios serios, es
importante balancear la porcin de demanda satisfecha entre ciertos clientes.
Tambin debido a acuerdos sindicales, la compaa debe satisfacer ciertos
requisitos mnimos en los niveles de embarque en ciertas rutas. Finalmente, varias
de las rutas sobre las cuales se podra embarcar el producto son peligrosas y
deben evitarse.
El problema de transporte se resume a continuacin , los costos de embarque se
dan en cada una de las celdas y los valores de demanda en los mrgenes. Note
que la demanda total excede al suministro en 1.500 unidades.
De a cliente 1 cliente2 cliente 3 suministro

Bodega 1 10 4 12 3.000
Bodega 2 8 10 3 4.000
Demanda 2.000 1.500 5.000 8.500 7.000
La administracin ha expresado las siguientes preferencias de las metas en el
orden decreciente de importancia(P1= ms importante):
P1. Satisfacer la demanda total del cliente 3(entrega garantizada).
P2. Satisfacer por lo menos el 75% de la demanda de cada cliente.
P3. Minimizar el costo de transporte para los artculos embarcados.
P4. Embarcar por lo menos 1.000 unidades en la ruta de la bodega 2 al cliente 1
(convenio sindical9.
P5. Minimizar el costo de embarque en las rutas de la bodega 1 al cliente 3 y de la
bodega 2 al cliente 2 (peligros).
P6. Balancear el porcentaje de demanda satisfecha entre los clientes 1 y 2.

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Formulacin del modelo. Se definen las siguientes variables:

Xij= nmero de unidades embarcadas de la bodega i al cliente j.
Ni= subrogo de la meta en la restriccin i-sima.
Pi= sobrelogro de la meta en la restriccin isima.
1.restricciones de suministro. El suministro se restringe a la capacidad de la
bodega, por tanto, las desviaciones positivas pueden excluirse de las restricciones
de suministro.
X11 + X12 + X13 + N1=3.000
X21 + X22 + X23 + N2=4.000.
2. restricciones de demanda. Supongamos que la compaa nunca desea
sobrecumplir la demanda del cliente. Por tanto, las desviaciones positivas pueden
excluirse de las restricciones de demanda . Sin embargo, las desviaciones
negativas deben incluirse para identificar el subrogo de las metas de demanda,
pues la demanda total excede el suministro total.
X11 + X21 + N3=2.000
X12 + X22 + N4=1.500
X13 + X23 + N5=5.000.
3. meta de convenio sindical. El convenio sindical expresa que al menos 1.000
unidades deben embarcarse de la bodega 2 al cliente 1. La variable N6 representa
una desviacin negativa de esta meta, mientras que la variable P6 es la cantidad
de sobrelogro de la meta.
X21 + N6 - P6=1.000
4. mnima meta de demanda satisfecha. Para evitar desequilibrios grandes de
satisfaccin de demanda entre los clientes, se incluye una meta de satisfaccin de
por lo menos el 75% de la demanda de cada uno de los clientes. Las restricciones
adecuadas, incluyendo variables de desviacin son las siguientes:
X11 + X21 + N7 - P7=1.500
X12 + X22 + N8 - P8=1.125
X13 + X23 + N9 - P9=3.750.

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

5. meta de peligros en la carretera. Debido a los peligros de la carretera, la

Compaa desea minimizar el embarque desde la bodega 1 al cliente 3 y desde la
bodega 2 al cliente 2. Por tanto, el nivel de meta para estas restricciones e fija en
cero y se minimizan P10 y P11.
X13 - P10=0
X22 - P11=0.
6. meta de balance a clientes. La compaa desea transportar cantidades a los
clientes 1 y 2 tales que una proporcin igual de la demanda de cada una sea
satisfecha. Esto se puede expresar por
(X11+X21)/2.000 = (X12+X22)/1.500.
As, trasponiendo e incorporando variables de desviacin, la restriccin meta se
convierte en
X11 - 1,33X12 + X21 - 1,33X22 + N12 - P12=0.
7. meta del costo de transporte. Puesto que la compaa desea minimizar el
costo total de transporte, se impone una meta de cero y se hace un intento por
minimizar la desviacin positiva de este valor de la meta perseguida.
10X11 + 4X12 + 12X13 + 8X21 + 10X22 + 3X23 - P13=0.
8. funcin objetivo.
Minimizar
Z=PR1(N5)+PR2(N7+N8+N9)+PR3(P13)+PR4(N6)+PR5(1.2P10+P11)+PR6(N12+
P12).
Note que para PR5,P10 tiene un coeficiente de 1,2, pues el costo de embarque de
la bodega 1 al cliente 3 (c=12) es 1,2 veces mayor que el costo de embarque de la
bodega 2 al cliente 2(c=10).
Aplicacin 3 Anlisis de portafolio
La Sentinal Finance Company, una compaa pequea , desea invertir en cuatro
acciones de valores. El costo de cada una y la tasa de retorno pronosticada de
cada una por cinco analistas de la compaa se presentan a continuacin:
Valor 1 Valor 2 Valor 3 Valor 4

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Costo $ 30,00 $45,00 $ 27,00 $ 53,00

Pronstico 1 3,00 13,00 4,00 25,00
Pronstico 2 1,00 4,50 0,60 15,00
Pronstico 3 2,75 1,75 2,75 20,00
Pronstico 4 4,50 5,00 1,90 5,00
Pronstico 5 3,25 2,75 3,75 35,00
Retorno esperado 2,90 5,40 2,60 20,00
($ / accin )
Adems, la compaa financiera no deseara invertir ms de $100.000. Sentinal
tiene las metas siguientes para su portafolio de inversiones:
P1 : Lograr un retorno esperado de 10% de la cantidad invertida.
P2 : Alcanzar un riesgo mnimo ( que se mide como la desviacin absoluta de los
retornos esperados ; un subrogado de la varianza )
P3 : Invertir 10% de la inversin total en el valor 4
P4 : Invertir un mximo de $100.000
Formulacin del Modelo. El problema de portafolio puede formularse como un
problema de programacin meta de la manera siguiente:
1. Restriccin en el retorno esperado . Puesto que el retorno esperado
perseguido es 10% , se consideran tanto desviaciones positivas como negativas
en las restricciones , esto es
2,90 x1 + 5,40 x2 + 2,60 x3 + 20,00 x4 + n1 p1 = 0,10 ( 30 x1 + 45 x2 + 27 x3 +
53 x4 ) , que se simplifica para obtener

0,10 x1 + 0,90 x2 0,10 x3 + 14,70 x4 + n1 p1 = 0 ,

Donde Xj = nmero de acciones invertidas en el valor j
POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

n1 = cantidad en que subrogar el retorno esperado

p1 = cantidad en que se sobrelogra el retorno esperado

2- Restricciones de minimizacin del riesgo

0,10 x1 + 7,60 x2 + 1,40 x3 + 5,00 x4 + n2 p2 = 0
- 1,90 x1 0,90 x2 2,00 x3 5,00 x4 + n3 p3 = 0
- 0,15 x1 3,65 x2 + 0,15 x3 + 0,00 x4 + n4 p4 = 0
1,60 x1 0,40 x2 0,70 x3 15,00 x4 + n5 p5 = 0
0,35x1 2,65 x2 + 1,15 x3 + 15,00 x4 + n6 p6 = 0
Donde n2, . . . , n6 = cantidad de desviacin negativa con respecto a la meta de
cero
p2, . . . , p6 = cantidad de desviacin positiva respecto a cero
La restriccin de riesgo , medida como el valor absoluto de las desviaciones de los
retornos pronosticados de un valor con respecto a su retorno medio pronosticado ,
se determina de la tabla anterior de pronsticos . Por ejemplo, la primera
restriccin en esta seccin se determina como sigue. Primero, determine las
desviaciones de los retornos pronosticados por el primer analista con respecto a
los retornos medios esperados para los valores del 1 al 4. Las desviaciones totales
deseadas de estos pronsticos (multiplicadas por las acciones desconocidas
invertidas en cada valor, Xj) deben ser iguales a cero, para minimizar el riesgo,
como las desviaciones pueden estar por encima o por debajo de cero se
incluyeron tanto las positivas como las negativas en estas restricciones
3 Restriccin de inversin en el valor 4
53,00 x4 = 0,10 ( 30,00 x1 + 45,00 x2 + 27,00 x3 + 53,00 x4 ) n7 + p7
- 3,00x1 4,50 x2 2,70 x3 + 47,70 x4 + n7 p7 =0
Donde n7=cantidad que falta para lograr invertir el 10% de los fondos invertidos en
el valor 4
p7=cantidad sobrelograda de esa meta

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Esta restriccin plantea que se quiere invertir exactamente 10% de los fondos
invertidos en el valor 4 ; por tal razn se han incluido las desviaciones positivas y
negativas , y estarn presentes en la funcin objetivo
4 Restriccin de inversin total
30 x1 + 45 x2 + 27 x3 + 53 x4 + n8 = 100.000
Donde n8 = cantidad en que no se satisface la meta
Solo se incluy la variable de desviacin negativa porque la restriccin se limita a
la cantidad de fondos disponibles
Modelo de Programacin Meta Resumido
Minimizar Z = P1 ( n8 ) + P2 (n1 + p1 ) + P3 ( n2 + p2 + n3 + p3 + n4 + p4 + n5 +
p5 + n6 + p6 ) + P4 ( n7 + p7 )
-0,10 x1 + 0,90 x2 0,10 x3 + 14,70 x4 + n1 p1 = 0
0,10 x1 + 7,60 x2 + 1,40 x3 + 5,00 x4 + n2 p2 = 0
-1,90 x1 0,90 x2 2,00 x3 5,00 x4 + n3 p3 = 0
-0,15 x1 3,65 x2 + 0,15 x3 + 0,00 x4 + n4 p4 = 0
1,60 x1 0,40 x2 0,70 x3 15,00 x4 + n5 p5 = 0
0,35 x1 2,65 x2 + 1,15 x3 + 15,00 x4 +n6 p6 = 0
-3,00 x1 4,50 x2 2,70 x3 + 47,70 x4 + n7 p7 = 0
30,00 x1 + 45,00 x2 + 27,00 x3 + 53,00 x4 + n8 = 0
Todo Xj , Ni , Pi >= 0
Para resolver un problema multicriterio por programacin lineal, una de las metas
tendra que escogerse y formularse en la funcin objetivo. Esta sera la meta de
menor importancia. Las metas restantes necesitaran ser incorporadas en las
restricciones del modelo. El algoritmo simplex sera para seleccionar una solucin
ptima que satisfaciera primero todas las restricciones, y solamente se preocupara
posteriormente en la optimizacin de la funcin objetivo. Si no existe solucin que
satisfaga todas las restricciones, la meta en la funcin objetivo se tendra que
eliminar y formular un nuevo problema de programacin lineal.

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

La nueva formulacin contendra entonces en la funcin objetivo la siguiente meta

de menor importancia. Este proceso continuara hasta obtener una solucin
factible.
Las caractersticas claves de un problema de programacin meta son:
Las metas se satisfacen en el orden de prioridad establecido por el tomador de
decisiones.
Las metas no necesitan satisfacerse exactamente sino tan cerca como sea
posible.
El modelo de programacin meta se puede expresar en general en la forma
siguiente:
Wi(Pi+Ni)
Sujeto a

aij +N P = bi

Xj, Ni, Pi

0, todo i, j

Donde Xj es la variable de decisin j.

Wi es la prioridad asignada a la meta i
Ni es el grado de subrogo de la meta i.
Pi es el grado de sobrelogro de la meta i.
La principal diferencia entre la programacin meta y la programacin lineal, es que
en la programacin lineal todos los objetivos excepto el ms dbil deben
satisfacerse exactamente, mientras que para la programacin meta cada meta
debe satisfacerse hasta donde sea posible.
Si se desea lograr una meta exactamente, tanto las variables de desviacin como
las variables que indican la cantidad de subrogo de la meta deben incluirse en la
funcin objetivo que se debe minimizar. Si se debe evitar el subrogo, la variable de
desviacin correspondiente al subrogo debe incluirse en la funcin objetivo, pero
la del sobrelogro podra eliminarse.
Por ejemplo, si uno desea hacer que la suma de dos variables X1 y X2 sea igual a
100, la restriccin podra formularse as:
X1 + X2 + N1 - P1=100

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Aqu N1 0 indicara que la suma X1 y X2 sera menor que 100 y P1 0 indicara

que la suma sera mayor que 100. Para un logro exacto de la funcin objetivo(
para minimizar) tendra que incluirse tanto P1 como N1. Para evitar el subrogo,
solamente la variable N1 aparecera en la funcin objetivo.
Los factores de prioridad preestablecidos son los coeficientes asociados con las
desviaciones en cada meta en la formulacin de programacin meta. Tienen la
prioridad de que, si la meta i es ms importante que la meta j, el factor Pi ser
mucho mayor que Pj. Esto significa que an si las desviaciones de la meta j son
muy grandes comparadas con las desviaciones de la meta i, el mtodo simplex
minimizar la funcin objetivo de acuerdo a la desviacin de la meta i.
La ponderacin cardinal puede ser usada(1) para indicar el valor relativo de las
metas , uno podra asignar un factor de prioridad 3Pi a una meta tres veces ms
importante que la meta i, o (2) para indicar la importancia relativa del sobrelogro
versus el subrogo de una meta. Si los pesos cardinales se asignan a las metas o
prioridades, el problema puede resolverse como un programa convencional lineal.
En general, una solucin simplex a problemas de programacin meta es similar a
problemas de programacin lineal. Sin embargo, en el caso de programacin meta
, debemos trabajar en la funcin objetivo con factores de prioridad en lugar de
pesos. El resultado de estos es que los trminos de la fila de evaluacin (Zj Cj),
en general, son trminos que contienen uno o ms factores de prioridad. As, en la
programacin meta, para escoger las variables que entran a la base, buscamos el
trmino (Zj Cj) que contenga el valor positivo ms alto en el factor de prioridad
ms alto que permanezca. Solamente despus de que los trminos ms altos de
prioridad Zj -Cj tomen valores no positivos, consideramos los trminos de baja
prioridad. En la programacin meta, los trminos Zj Cj son vectores, mientras
que en la programacin lineal son escalares.
La programacin meta es aplicable en las siguientes reas:
MERCADEO. Donde las metas conflictivas podran ser: maximizar la participacin
del mercado, minimizar los costos de publicidad, maximizar el margen de
gananci8a por artculo vendido.
CONTROL DE INVENTARIOS. Donde es necesario minimizar el nmero de
faltantes y minimizar el costo de almacenaje.
PRODUCCION. Donde es necesario minimizar el costo de fabricacin, maximizar
el control de calidad, y maximizar la utilizacin de recursos.

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Un mtodo para obtener la clasificacin de importancia es la comparacin por

pares. Al tomador de decisiones se le presentan todos los pares posibles y se le
pregunta, qu meta de cada par es ms importante. A cada meta se le da una
clasificacin basada en el nmero de veces que la meta tiene la clasificacin ms
alta en las comparaciones por pares. Si el tomador de decisiones es consistente,
la meta ms importante debera tener el rango ms elevado en las n-1
comparaciones apareadas(donde n es el nmero de metas), la siguiente mejor
deber tener la clasificacin ms lata en n-23 metas y as sucesivamente.
Bibliografa
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.
Problemas
Un pequeo fabricante de equipo especial de productos de oficina fabrica dos
clases de productos, sillas y lmparas. El margen bruto de la venta de una silla es
$80; el de la venta de una lmpara, $40. La meta del gerente de planta es lograr
una utilidad bruta de $640 la semana siguiente. Formule este problema como un
problema de programacin meta.
Considere el problema del ejercicio 1. Suponga que adems de la restriccin de la
meta considerada en el ejemplo, se imponen las dos restricciones meta. Los
informes del departamento de mercadeo indican que le mximo nmero de sillas
que pueden venderse en una semana es de seis. El mximo nmero de lmparas

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

es ocho. Reformule este problema como un problema como un problema de

programacin meta.
Considere de nuevo el fabricante de equipos de oficina de los ejercicios 1 y 2.
Suponga que el gerente desea ahora lograr una utilidad semanal tan cerca de
$640 como sea posible. Tambin desea lograr un volumen de ventas para las
sillas y lmparas cerca de seis y cuatro, respectivamente. Reformule este
problema de decisin del gerente como un programa meta.
Considere el siguiente problema modificado del fabricante de equipo de oficina. La
produccin de una silla o de una lmpara requiere 1 hora de capacidad de
produccin de 10 horas por semana. Debido a la capacidad limitada en las ventas,
el mximo nmero de sillas y lmparas que puede venderse es de seis y de ocho
por semana respectivamente. El margen bruto de la venta de una sillas es $80 y
de $40 para una lmpara. El gerente de planta ha colocado las siguientes metas,
clasificadas de acuerdo a importancia:
Desea evitar la subutilizacin de la capacidad de produccin.
Desea vender tantas sillas y lmparas como sea posible. Puesto que el margen
bruto de la venta de una silla se ha fijado como el doble de la utilidad de una
lmpara, tiene un deseo doble de lograr la meta de sillas sobre la meta de las
lmparas
Desea minimizar el tiempo extra de la planta tanto como sea posible.
Formule este problema como un problema de programacin meta, para que el
gerente de planta pueda tomar una decisin que cumpla sus metas tanto como se
pueda.
Un gerente de produccin se enfrenta al problema de asignar trabajo a dos de sus
mquinas. La tasa de procesamiento de la mquina 1 es de 5 unidades por hora
en la segunda mquina. El tiempo de operacin regular en ambas mquinas es de
8 horas por da. El gerente de produccin tiene las siguientes metas para el
prximo da en orden de prioridad:
- Evitar el subrogo del nivel de produccin, que se ha fijado en 120 unidades del
producto.
- Evitar que el tiempo extra en la mquina 2 exceda 3 horas.
- Minimizar la suma del tiempo extra(nota: asigne pesos diferenciados de acuerdo
al costo relativo del tiempo extra- suponga que el costo de operacin de las dos
mquinas es el mismo).

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

- Evitar la subutilizacin del tiempo normal de trabajo( asigne pesos de acuerdo a

la productividad relativa de las mquinas).
Universal appliances produce congeladores. La compaa tiene dos lneas de
produccin. La tasa de produccin para la lnea 1 es 3 unidades por hora y para la
lnea 2 es de 2 unidades por hora. La capacidad regular de produccin es de 40
horas por semana para ambas lneas. La utilidad bruta de un congelador es de
$125. El presidente de la compaa tiene las siguientes metas para la semana
siguiente, que se muestran en orden descendente de prioridad.
- Cumplir la meta de produccin de 200 unidades por semana.
- Limitar la operacin de tiempo extra de la lnea a 5 horas.
- Evitar la subutilizacin de las horas normales de trabajo de ambas lneas.
- Limitar la suma de la operacin de tiempo extra para ambos grupos.
Formule este problema como un problema de programacin meta.
Resuelva este problema por el mtodo grfico de programacin meta.
Resuelva este problema por el mtodo simplex de programacin meta. Compare
su solucin a la que se obtiene por el mtodo grfico.
Resuelva el siguiente problema por los mtodos grficos y simplex de
programacin lineal.
Minimizar Z=PR1(N1) + 2PR2(N2) + PR3(P1)
Sujeto a X1 + X2 + N1 P1=400
X1 + N2=240
X2 + N3=300
Resuelva el siguiente problema por los mtodos grficos y simplex de
programacin meta:
Minimizar Z= PR1(N1) + PR2(P2) + 6PR3(P3) + 5PR3 (P4) + 6PR4(N4) +
5PR4(N3)
SUJETO A 50X1 + 60X2 + N1-P1=1.200
10X2+N2-P2=110
10X1+N3-P3=80

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

100X2+N4-P4=800
La planta de produccin de un pequeo fabricante de artculos de tenis tiene una
capacidad operacional mxima de 8 horas por da. Con esta capacidad, la
compaa produce dos productos: una raqueta de tenis de madera de lnea y una
raqueta de tenis de aluminio requieren 6 y 10 minutos respectivamente, en la
fbrica. Debido a la capacidad limitada de ventas, las ventas esperadas de las
raquetas de madera y aluminio, son 60 y 50 respectivamente. La utilidad unitaria
de la venta de la raqueta de madera es $5, mientras que la de aluminio deja una
utilidad unitaria de %10. El gerente de la compaa ha enumerado las siguientes
metas en orden de importancia:
Evitar la subutilizacin de la capacidad de produccin.
Lograr las ventas esperadas paras las raquetas de madera y aluminio.(nota:
puesto que la utilidad de la venta de la raqueta de madera es la mitad de la
raqueta de aluminio, l tiene la mitad del inters en lograr la meta de ventas de la
madera sobre la de aluminio.)
Formule este problema como un problema de programacin meta y resuelva para
obtener un programa ptimo de produccin.
Fratemos ahora las variables de desviacin con respecto a las metas perseguidas
en la funcin objetivo como trminos cuadrticos. Esto es, nuestra desutilidad por
no lograr una meta perseguida dada, vara con el cuadro de nuestra desviacin(en
vez de linealmente) de esa meta. Formule este problema como un problema de
programacin meta cuadrtica utilizando un algoritmo adecuado de programacin
cuadrtica.
Suponga de nuevo que el gerente tiene preferencias cuadrticas como en (b); sin
embargo, ha puesto una meta adicional. Esta meta es lograr las ventas esperadas
para los productos en el extremo alto y minimizar el tiempo extra requerido por
produccin.( nota: esto implica preferencias asimtricas, o trminos de interaccin
que comprenden variables de desviacin.) esta meta adicional se supone que
tiene el mismo grado de importancia como el logro de las ventas esperadas.
Formule y resuelva este problema como un problema de programacin meta.
Dados los datos siguientes, deseamos estimar los parmetros de una funcin
lineal que relaciona las ventas de tv con el precio y produccin.
Datos de regresin que relaciona las ventas de tv al precio y produccin

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Observacin ventas de tv precio de tv produccin de tv

Datos primarios
1 100 10 100
2 50 15 100
3 130 13 70
datos secundarios
4 200 13 150
5 170 15 200
Suponga que tenemos un conocimiento a priori de que el incremento de precios
de un tv tiene un efecto no negativo en la cantidad producida. Note tambin que
consideramos los datos primarios como dos veces ms importantes que los
secundarios, pues se cree que son dos veces ms exactos.
Formule este problema como un problema de programacin meta cuadrtica.
Usando minimizacin de los errores absolutos de desviacin como un criterio,
formule este problema como un problema lineal de programacin meta.
Preguntas de revisin
Qu es la programacin meta? Cundo se aplica?
Haga un contraste de diferencias entre la programacin lineal y la programacin
meta lineal.
Muestre cmo podra resolver un problema multicriterio por programacin lineal.
Exprese las caractersticas claves de un problema de programacin meta en
general, definiendo trminos. Construya un problema ejemplo simple y formlelo
como un problema de programacin meta lineal. Haga un contraste entre esta
formulacin por programacin lineal. Resuelva ambas formulaciones grficamente
y discuta sus resultados.

POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

por metas

Si una meta debe cumplirse exactamente, cmo se maneja esto en la funcin

objetivo del modelo de programacin meta? Si se debe evitar el subrogo de una
meta(sobrelogro), cmo se puede manejar esto en la funcin objetivo lustre
con ejemplos.
Qu se entiende por factores prioritarios preestablecidos en un problema de
programacin meta?
Se puede utilizar ponderacin cardinal en la funcin objetivo de un modelo de
programacin meta? Qu le pasa a un modelo de programacin meta, si se
asignan pesos cardinales a todas las prioridades de la funcin objetivo de un
modelo de programacin meta?
Haga un contraste de las diferencias para resolver un problema de programacin
lineal versus problema de programacin meta por el mtodo simplex.
Ilustre algunas reas problema de la administracin en donde usted piense que la
programacin meta podra aplicarse. Sea tan especfico como le sea posible.
Explique e ilustre un mtodo para obtener clasificacin por importancia de metas
mltiples.
Respuestas a las preguntas de revisin
La programacin meta es una tcnica de programacin matemtica que trata las
restricciones de un problema de programacin lineal, como metas en la funcin
objetivo. La optimizacin significa llegar tan cerca como sea posible al logro de
estas metas en orden de prioridad, del modelo pre especificado por el tomador de
decisiones. La programacin meta es aplicable a una meta o metas mltiples,
aunque su gran empleo ocurre cuando las metas son mltiples y conflictivas y
todas no pueden satisfacerse simultneamente.
En programacin lineal, se elige una meta como funcin objetivo y las otras metas
se especifican como restricciones. Cualquier solucin a un problema de
programacin lineal, debe satisfacer todas las restricciones antes de optimizar la
funcin objetivo.

problema con una restriccin de igualdad que contiene variables de holgura,

indicando el logro o subrogo de las metas. La funcin objetivo condiciona estas
variables de desviacin y una solucin intentar minimizarlas en orden de
prioridad. As, la programacin meta tolera el logro total o parcial de las metas,
mientras que la programacin lineal requiere la satisfaccin total de todas las
metas representadas por las restricciones.
POLITECNICO GRANCOLOMBIANO

WILSON GOMEZ

Revisin de las metodologas de programacin

POLITECNICO GRANCOLOMBIANO

por metas

WILSON GOMEZ