Vous êtes sur la page 1sur 60

Los mtodos

operativos de
programacin
de la
produccin en
la empresa
Kevin S. Nanwani Medina
Daniel Reyes Ramos

Que es la programacin de la
produccin?

Consiste en asignar las rdenes de produccin o


las operaciones en que se descomponen a
centros de trabajo especficos dentro de
intervalos temporales concretos
Clculo de necesidades de la poblacin
Planificacin de la produccin

Programacin de la produccin

Programacin de la produccin
Objetivo principal
Volumen ptimo de produccin que cumpla
los objetivos propuestos

Ventajas de la programacin de la
produccin

Prever las prdidas de tiempo o las sobrecargas entre los centros de


produccin.
Los pedidos se pueden entregar en las fechas estipuladas
Se calculan las necesidades de mano de obra, maquinaria y equipo.
As habr una mejor utilizacin de estos recursos

Se pueden disminuir los costos de fabricacin

Se calcula la productividad de los trabajadores

Se controlan los stocks de materias primas

Tipos de programacin

El volumen ptimo de produccin marginalista

Los modelos de programacin lineal clsica

Los modelos de programacin por objetivos

La programacin lineal multicriterio

Volumen ptimo de produccin


marginalista
La produccin marignalista se basa en la siguiente frmula:

Beneficio (B) = Ingresos totales (IT) costos totales (CT)

El costo marginal debe ser igual al ingreso


marginal para que los beneficios sean mximos

Ejemplo
Ingreso Marginal = Costo Marginal

Trabajadores por
ao

Producto total (kg de maz por ao)

60

130

200

265

325

360

380

360

Teora de la Firma

1. Objetivo

Maximizacin del beneficio.

2. Proceso de Transformacin de la produccin: La empresa debe producir aquella cantidad


que
Coste marginal = Ingreso marginal
Si Im > Cm ; Conviene aumentar el output
Si Im < Cm ; Conviene reducir el output.

3. Informacin: El empresario tiene acceso a:


La demanda de los productos que pondr a la venta
La oferta de los factores de produccin
El estado de la tecnologa.

4. Decisiones: Si la empresa tiene un objetivo, una funcin de produccin e informacin


suficiente, el paso siguiente ser decidir sobre:
Qu factores de produccin y en qu cantidad hay que comprar
Qu producto fabricar y qu cantidad de ese producto.

http://www.youtube.com/watch?v=mjw69QXaA4Y

Modelo muy rechazado actualmente porque no es un fiel


reflejo de la realidad cambiante, solo se acepta en los
siguientes casos:

Conducta racional de los sujetos econmicos individuales

Economa esttica

Futuro econmico cierto

Existencia de funciones continuas o con variaciones


infinitesimales

Existencia de valores marginales para cada factor y


producto independientemente

Lo ms habitual es acudir a mtodos estticos de


programacin matemtica para la resolucin de
problemas de optimizacin. Estos mtodos son:

Lineal clsico
Por objetivos
Lineal multicriterio

Modelo de programacin lineal


clsica
La programacin lineal es el conjunto de tcnicas
matemticas que pretenden resolver una situacin
optimizando (maximizar o minimizar) una funcin objetivo
con restricciones

Funcin Objetivo (F.O.): Es


una funcin lineal de varias
variables, sujeta a una serie de
restricciones, expresadas por
inecuaciones lineales.

Para seleccionar que funcin objetivo debe elegirse hay que tener en
cuenta los siguientes aspectos:

Si vamos a encontrar situaciones en las cuales tendremos solo costos la


F.O. ser de MINIMIZACION.

Si el enunciado solo da datos econmicos de gananciala F.O. ser de


MAXIMIZACION.

Si el enunciado nos da al mismo tiempo costos y ganancias restaremos de


la siguiente manera:
GANANCIAS COSTOS = UTILIDAD
la que tendr como F.O. MAXIMIZACIN.
Si no nos dan ningn datos econmico hay varias opciones:
Si solo nos da tiempos, el tiempo ha de minimizarse.
Si nos da slo produccin, hemos de maximizarla.
Si el modelo corresponde a contratar al personal, la funcin objetivo se
deber minimizar.

Restricciones

Son las limitaciones y en los modelos lineales tienen


slo las siguientes estructuras:
Usar

Para expresiones como :

<=

Como mximo, a lo ms, disponibilidad, demanda mxima.

>=

Como mnimo, por lo menos, al menos, demanda mnima.

total, proporcin

Todas las constantes del lado derecho de las inecuaciones


deben ser no negativas
4x 2x < -5

-4x + 2x > 5

Otros trminos importantes de


Programacin Lineal

Regin factible: Esta se refiere al conjunto de valores


de las variables de decisin que satisfacen las
restricciones. A partir de la regin factible obtenemos las
puntos extremos, y las soluciones (factibles y ptima/s).
Soluciones factibles: conjuntos valores de las
variables de decisin que satisface las restricciones.
Solucin ptima: es aquella que minimiza o maximiza
la funcin objetivo y se encuentra dentro de la regin
factible. Puede ser unica, multiple, no acotada o no
factible.

Ejemplo
http://www.youtube.com/watch?v=DaejR4fNEho

Se dispone de 600 g de un determinado frmaco para


elaborar pastillas grandes y pequeas. Las grandes
pesan 40 g y las pequeas 30 g. Se necesitan al menos
tres pastillas grandes, y al menos el doble de pequeas
que de las grandes. Cada pastilla grande proporciona un
beneficio de 2 y la pequea de 1 . Cuntas pastillas
se han de elaborar de cada clase para que el beneficio
sea mximo?
Eleccin de las incgnitas

x = Pastillas grandes
y = Pastillas pequeas

Funcin objetivo

f(x,y) = 2x + y
Restricciones
40x + 30y 600
x 3
y 2x
Como el nmero de pastillas han
de ser nmeros naturales
tenemos dos restricciones ms:
x 0
y 0

Tenemos que representar grficamente las restricciones.


Al ser x 0 e y 0, trabajaremos en el primer cuadrante.
Representamos las rectas, a partir de sus puntos de corte con los ejes.

Calcular las coordenadas de los vrtices del recinto de


las soluciones factibles.
La zona de interseccin de las soluciones de las
inecuaciones sera la solucin al sistema de inecuaciones,
que constituye el conjunto de las soluciones factibles.

Resolvemos grficamente la inecuacin y para ello


tomamos un punto del plano y sustituimos para
descubrir cual de las posibles soluciones es la ptima.

f(x, y)= 2 3 + 16 = 22
f(x, y)= 2 3 + 6 = 12
f(x, y)= 2 6 + 12 = 24 Mximo

El mximo beneficio es de 24 , y se obtiene fabricando


6 pastillas grandes y 12 pequeas.

Mtodo de programacin por


objetivos

El mtodo de programacin por objetivos


se emplea cuando queremos alcanzar
varios objetivos a la vez
Consiste en dar un valor a cada objetivo,
clasificndolos segn su importancia o la
necesidad que existe de alcanzarlo.
La programacin por objetivos puede ser no
secuencial o secuencial.

Mtodo de programacin por


objetivos (II)

Por otro lado las metas pueden ser:


Unilateral inferior.

Unilateral superior.

Bilateral.

Mtodo de programacin por


objetivos (III)

Es necesario establecer una funcin objetivo


para cada meta. A la hora de establecer las
restricciones de cada funcin objetivo, podemos
encontrarnos con dos tipos:

Restricciones duras o estrictas.


n

a ij x j b i
j= 1

Restricciones blandas o flexibles.


n

h ij x j 0 i = Y i Y i
j= 1

a ij x j b i
j= 1

Mtodo de programacin por


objetivos (IV)

El significado de las variables es el siguiente:

hijx Valor esperado del objetivo i-simo.


Oi Valor deseado del objetivo i-simo.
Yi+ Desviaciones por exceso entre los niveles

previsto y deseado.
Yi- Desviaciones por defecto entre los niveles
previsto y deseado.

De estas Yi slo puede ser positiva una de ellas,


es decir, slo habr desviacin o por exceso o
por defecto.

Mtodo de programacin por


objetivos (V)

En cuanto a la funcin objetivo, se trata de minimizar las


desviaciones de los valores esperados, es decir, se busca un
comportamiento adecuado, no el mejor. Un ejemplo de la
funcin objetivo sera el siguiente: tenemos tres objetivos (O1,
O2 y O3) donde O1 es una meta unilateral inferior, O2 un
objetivo que se desea alcanzar exactamente y O3 una meta
unilateral superior, obtenindose por tanto la siguiente
funcin objetivo:
Mn (Z) = Y-1 + Y+2 + Y-2 + Y+3

Si tenemos unas restricciones como las que hemos explicado


anteriormente, tanto las flexibles como las estrictas, se
intentan reducir al mnimo las desviaciones Y-1 (por defecto en
el objetivo 1), Y+2 y Y-2 (por exceso y defecto en el objetivo 2,
respectivamente) y Y+3 (por exceso en el objetivo 3).

Mtodo de programacin por


objetivos (VI)

La funcin objetivo es de esa forma


debido a que todos los objetivos son igual
de importantes. De no haber sido as,
habra que poner un parmetro que
otorgue a cada objetivo su peso en la
funcin, por ejemplo:
Mn (Z) = AY-1 + C(Y+2 + Y-2) + BY+3
donde A>B>C, entendindose que el objetivo
prioritario es el 1 seguido del 3 y, por ltimo, el
2. Por tanto, se minimizara primero el objetivo
ms importante, en este caso el 1.

Ejemplo 1(I)

Supongamos que hay que planificar la


produccin de un tipo de bebida alcohlica,
pudiendo para ello seguir dos tipos de tcnicas
de produccin: la A o la B.
Se tiene que X1 representa los litros de esta
bebida que se obtendran, mensualmente, con la
tcnica A, mientras que X2 representa los litros
obtenidos empleando la tcnica B.
Los datos numricos son los siguientes:

Ejemplo 1(II)

La capacidad mxima que se puede obtener de esta bebida


mediante la tcnica A es de 2000 litros al mes, mientras
que mediante la tcnica B esta cantidad pasa a ser 2700
litros al mes. Se supone adems que la empresa destina a
3000 trabajadores a realizar esta tarea, siendo el beneficio
bruto de 5.000/mes con la tcnica A y de 4.000/mes con
la tcnica B.
Los costes fijos que afronta la empresa son de
450.000/mes.
Esta empresa persigue, por tanto, dos objetivos: maximizar
el beneficio bruto y minimizar los daos al medioambiente.
Se estima para ello que, mediante la tcnica A, al destilar
el alcohol se emiten a la atmsfera 5 unidades de CO2 por
las 3 unidades que se emiten con la tcnica B.

Ejemplo 1(III)

Se analiza la situacin mediante este cuadro:

TCNICA

PRODUCCI
N MENSUAL
(en litros.)

MXIMA
PROD.
MENSUAL
(l/mes)

COSTE
UNITARIO
PRODUCCI
N

B BRUTO
(/mes)

EMISIN
CO2

x1

2000

C1

5000

5 unidades

x2

2700

C2

4000

3 unidades

Ejemplo 1(IV)

El objetivo 1 (maximizar el beneficio


bruto) vendra determinado por la
siguiente funcin objetivo:
Max: f1 (x) = 5.000x1 + 4.000x2
Por su parte, el objetivo 2 (minimizar el
impacto medioambiental) se representara
como:
Min: f2 (x) = 5x1 + 3x2

Ejemplo 1(V)

Contaramos con las siguientes restricciones:

Capacidad de produccin mxima (A+B) = 4700


l/mes
Mano de obra: x1 + x2 3000
Produccin: x1 2000 ; x2 2700
Costes fijos: 5000 x1 + 4000 x2 450000

Con estos datos podemos resolver de la


siguiente forma:
F1 (x) = 5000 x 0 + 4000 x 112,5 =
450.000
F2 (x) = 5 x 0 + 3 x 112,5 = 337,5

Ejemplo 2(I)

La empresa Autocan SL, una empresa automovilstica, va


a lanzar al mercado un nuevo modelo de coche, por lo
que pide un plan publicitario a una agencia
especializada.
Autocan SL busca alcanzar 3 objetivos con esta
publicidad:

1 Objetivo: al menos 80.000 hombres de altos ingresos


2 Objetivo: al menos 120.000 personas de ingresos medios
3 Objetivo: al menos 70.000 mujeres de altos ingresos

La agencia publicitaria dispone de 2 tipos de pautas


publicitarias: en series y en concursos televisivos. El
presupuesto es de 1.200.000

Ejemplo 2(II)

En la siguiente tabla se aprecia la audiencia


potencial de cada pauta en personas/minuto.

Pauta

Hombres
Altos
Ingresos

Personas
Ingresos
Medios

Mujeres
Altos
Ingresos

Coste

Series

14.000

20.000

10.000

200.000

Concursos

6.000

10.000

8.000

120.000

Ejemplo 2(III)

En primer lugar, se determinan las


variables de decisin y las variables de
desvo:

x1: minutos de publicidad en Series


x2: minutos de publicidad en Concursos
Y+: cantidad del desvo que excede el objetivo
Y-: cantidad del desvo que falta para alcanzar
el objetivo

Ejemplo 2(IV)

Adems, para determinar la penalizacin que se


aplicar en caso de desvos, la empresa estima
los siguientes costes de oportunidad:

Por cada desvo


estima un coste
Por cada desvo
estima un coste
Por cada desvo
estima un coste

de
de
de
de
de
de

1.000 personas del objetivo 1 se


oportunidad de 400.000
1.000 personas del objetivo 2 se
oportunidad de 200.000
1.000 personas del objetivo 3 se
oportunidad de 100.000

Ejemplo 2(V)

La funcin objetivo, por tanto, debe buscar minimizar las


desviaciones ponderadas por las penalizaciones, siendo
de la siguiente forma:
Min. f(x) = 400.000Y1- + 200.000Y2- + 100.000Y3sujeto a
14.000x1 + 6.000x2 + Y1- - Y1+ =
80.000
20.000x1 + 10.000x2 + Y2- - Y2+
= 120.000
10.000x1 + 8.000x2 + Y3- - Y3+ = 70.000
200.000x1 + 120.000x2 1.200.000

Ejemplo 2 (VI)

Solucionando este problema, podemos llegar a


los siguientes resultados:

x1 = 6
Y1- = 0
Y2- = 0
Y3- = 10.000

x2 = 0
Y1+ = 4.000
Y2+ = 0
Y3+ = 0

Con esta solucin ptima se cumplen los


objetivos 1 y 2 pero falla el tercero, lo cual se
explica por la prioridad que se ha asignado a
este objetivo (penalizacin de 100.000)

Ejemplo 3(I)

La empresa Ventacan S.L. estudia tres nuevos productos


para sustituir a los modelos actuales, debiendo
determinar que mezcla de estos productos debe
producir. La administracin quiere prestar atencin
primordial a tres factores: la ganancia a largo plazo, la
estabilidad de la fuerza de trabajo y el nivel de inversin
de capital que ser necesario para el nuevo equipo. En
particular, ha establecido los siguientes objetivos:

Lograr una ganancia a largo plazo (en valor presente neto) de al


menos 125 millones de euros por estos tres productos.
Mantener el nivel actual de empleo de 4000 empleados
Mantener la inversin de capital en menos de 55 millones de
euros.

Ejemplo 3(II)

Sin embargo, la gerencia se da cuenta que es posible que no se


alcancen todas la metas simultneas por lo que ha analizado las
prioridades. Este anlisis lleva a establecer ponderaciones de
penalizacin de:
5 si no se logra la meta de las ganancias (por cada milln
menos que se logre)
2 por sobrepasar la meta del nivel de empleo (por cada 100
empleados)
4 por quedar debajo en esta misma meta y
3 por exceder la meta de inversin de capital (por cada milln de
exceso)
La contribucin a la ganancia de cada nuevo producto, del nivel de
empleo y de la inversin de capital es proporcional a la tasa de
produccin. Estas contribuciones por tasa unitaria de produccin se
muestran a continuacin.

Ejemplo 3(III)

El problema de Ventacan S.L. incluye los tres tipos


posibles de metas:

Una meta unilateral inferior (la ganancia a largo plazo)


Una meta bilateral (el nivel de empleo) y
Una unilateral superior (inversin de capital)

Si se definen las variables de decisin x1, x2, x3 como las


tasas de produccin de los productos 1, 2 y 3,
respectivamente, se ve que las metas se pueden
establecer como:

12x1 + 9x2 + 15x3 125 meta de ganancias


500x1 + 300x2 + 400x3 = 4000 meta de nivel de empleo
5x1 + 7x2 + 8x3 55 meta de inversin

Ejemplo 3(IV)

Las ponderaciones de penalizacin seran las siguientes:


Minimizar f(x) = 5 (cantidad abajo de la meta de ganancias a
largo plazo)
+ 2 (cantidad en exceso de la meta de nivel de
empleo)
+ 4 (cantidad debajo de la meta de nivel de empleo)
+ 3 (cantidad de exceso de la meta de inversin de
capital)
Para expresar este objetivo global matemticamente, se introducen
algunas variables auxiliares (variables adicionales que ayudan a la
formulacin del modelo) Y1, Y2, Y3 definidas como sigue:
Y1 = 12x1 + 9x2 + 15x3 -125 (ganancia a largo plazo menos la
meta)
Y2 = 500x1 + 300x2 + 400x3 - 4000 (nivel de empleo menos la
meta)
Y3 = 5x1 + 7x2 + 8x3 - 55 (inversin de capital menos la
meta)

Ejemplo 3(V)

Como cada Yi puede ser positiva o negativa, se sustituir


cada una por la diferencia de dos variables no negativas:
Y1 = Y1+ Y1- donde Y1+ 0, Y1- 0
Y2 = Y2+ Y2- donde Y2+ 0, Y2- 0
Y3 = Y3+ Y3- donde Y3+ 0, Y3- 0
Dadas estas nuevas variables auxiliares, la funcin objetivo
global se puede expresar matemticamente como:
Minimizar f(x) = 5Y1- + 2Y2+ + 4Y2- + 3Y3+
Ahora es una funcin objetivo vlida para un modelo de
programacin lineal.
Como no hay penalizacin por exceder la meta de la ganancia
de 125 o por quedar debajo de la inversin de capital de 55,
ni Y1+ ni Y3- deben aparecer en esta funcin objetivo que
representa la penalizacin total por las desviaciones de las
metas.

Ejemplo 3 (VI)

Para completar la conversin de este problema de


programacin por objetivos a un modelo de programacin
lineal, se deben incorporar las definiciones anteriores Yi+ y Yidirectamente en el modelo. Se obtiene la siguiente
formulacin de programacin lineal de este problema de
programacin por objetivos.
Minimizar f(x) = 5y1- + 2y2+ + 4y2- + 3y3+
Sujeta a:
12x1 + 9x2 + 15x3 (y1+ y1-) = 125
5x1 + 3x2 + 4x3 (y2+ y2-) = 40
5x1 + 7x2 + 8x3 (y3+ y3-) = 55
(Si el problema original tuviera alguna restriccin de
programacin lineal real, como restricciones sobre cantidades
fijas de ciertos recursos disponibles, stas se incluiran en el
modelo)

Ejemplo 3 (VII)

Al aplicar el mtodo smplex a esta formulacin


se obtiene la siguiente solucin ptima:

x1 = 25/3
Y1+ = 0
Y2+ = 25/3
Y3+ = 0
Por lo tanto

x2 = 0
x3 = 5/3
Y1- = 0
Y2- = 0
Y3- = 0
Y1 = 0, Y2 = 25/3, Y3 = 0

De manera que la primera y tercera metas se


satisfacen plenamente, pero la meta de nivel de
empleo de 4000 queda excedida por 833
empleados. La penalizacin resultante por
desviarse de las metas es f(x) = 16 x 2/3.

Mtodo de programacin lineal


multicriterio (I)

Este mtodo parte de la base de que todo sujeto


decisor tiene frente a s un conjunto de
objetivos.
Cabe destacar que, por resultar muy fcil de
resolver, no se abordarn las siguientes
situaciones:
Si los objetivos son perfectamente
compatibles
Si existe una escala de prioridades claramente
establecida sobre esos objetivos
Ambas situaciones no suelen ser muy
frecuentes.

Mtodo de programacin lineal


multicriterio (II)

En la programacin lineal multicriterio es muy


importante el trmino de eficiencia.
Las principales formas de proceder en un problema de
programacin lineal multicriterio son las siguientes:
Agregar las distintas funciones objetivos en una sola
Explorar el conjunto de soluciones eficientes
Definir un orden parcial ms fuerte que el que viene
determinado por las funciones objetivo iniciales
Reduccin de la incomparabilidad mediante tcnicas
tales como el estudio de signos, el rango de los
parmetros, etc., las cuales requieren una menor
informacin acerca de las funciones globales

Mtodo de programacin lineal


multicriterio (III)

Un programa lineal multicriterio con n funciones


objetivo sigue la siguiente forma:

Mx f1 = c1 x
Mx f2 = c2 x
.
.
.
Mx fn = cn x
Sujeto a:

AX b
X0

Modelo de programacin lineal


multicriterio (IV)

Bajo las hiptesis enunciadas al comienzo, no


existe ningn ptimo comn a todas las n
funciones objetivo consideradas, por lo que
nuestro inters reside en caracterizar una
solucin eficiente, x*, dentro del conjunto de
soluciones factibles. Para dicha solucin, se
cumplir que no existir ninguna otra posible x,
tal que:

f i x f i x

donde

f i x f i x

i = 1,2 ,... ,n

para al menos un i

Modelo de programacin lineal


multicriterio (V)

Por tanto, para cada solucin eficiente existir


un conjunto de ponderaciones i que cumplen
que: n
i= 1
a)
b)
i > 0
i= 1
De tal forma que resolviendo el modelo lineal
siguiente se obtiene la nsolucin buscada:
Max

f n 1= i C i X
i= 1

Sometida a las restricciones ya mencionadas:


AX b
X0

Modelo de programacin lineal


multicriterio (VI)

Consideramos en cada ocasin una funcin


objetivo como prioritaria y optimizaremos el
modelo con respecto a ella solamente, mientras
evaluamos las restantes.
Se obtiene as la siguiente matriz de ptimos

individualizados.

f 11

f 12

f 21
f n1

f 1n
f 2n

f n2

f nn

Por tanto, con esta tcnica, slo se determina


una ordenacin parcial del conjunto de
soluciones factibles.

Ejemplo (I)

Una empresa fabricante y comercializadora de dos


productos desea obtener el mejor beneficio de los
mismos, a la vez que conseguir la mayor penetracin
comercial en el mercado.
El beneficio neto que pude conseguirse de la venta de
cada uno de los productos es de 10 para el primero y de
5 para el segundo. La eficacia comercial (en lo que
respecta a la penetracin de la empresa en el mercado)
es el doble para el segundo producto en comparacin
con el primero.
La direccin de la empresa no ha hecho explcitas sus
preferencias en cuanto a lo que considera una
combinacin satisfactoria de ambos objetivos, y slo
desea alguna informacin acerca de cul puede ser el
mejor compromiso entre ellos.

Ejemplo (II)

Por otro lado se sabe que:


La capacidad de produccin nos impide obtener
ms de 6.000 unidades totales, contando ambos
productos.
La situacin actual del mercado no permite
vender ms de 4.000 unidades del segundo
producto.
Las horas de trabajo disponibles para la
fabricacin de ambos productos ascienden a
10.000, requirindose dos horas para el segundo
y hora y cuarto para el primero.

Ejemplo (III)

En la siguiente tabla se aprecian los datos


referidos:
Productos

Beneficios
unitarios

Eficacia
Comercial

Horas de
trabajo por
unidad
producida

10

1,25

Ejemplo (IV)

Tenemos las siguientes restricciones:

Capacidad de produccin mxima (A+B) =


6.000 unidades.
Cuota mxima de mercado para B = 4.000
unidades.
Horas de trabajo disponibles fabricacin
(A+B) = 10.000 horas

Ejemplo (V)

La solucin al caso prctico sera la siguiente:

mx

F 1 x = 1. 000 0 3. 000 100= 300 . 000


f 2 x = 1 x 1 2 x 2
=
Ef = [ f 1 x , f 2 x ]

10x1 + 5x2 (OBJ. 1 de B)

max = x1 + 2x2 (OBJ. 2 de eficacia comercial)


Sujeto a:
x1 + x2 6.000
x2 4.000

1,25x1 + 2x2 10.000

Ejemplo (VI)

La solucin segn el algoritmo de


Belenson y Kapur sera:
1) Resolver un modelo de
programacin lineal para cada una
de las funciones objetivos, a la vez
que evaluamos las dems.
X2

X1

X2

4.000

1.600

4.000

2.666,6 3.333,3
6
3

6.000

x1+x2 6.000
1,25x1 + 2x210.000

x24.000

C
A

B
A
Regin factible

X1

Ejemplo (VII)

Vemos que el punto B es


la solucin ptima a f2 (f22
= 9.600 ; f12 = 36.000) y
que el punto D es la
solucin ptima a f1 (f11 =
60.000 ; f21 = 6.000),
siendo el punto C la
solucin ptima de la
funcin definitiva.
2) Formacin de la matriz
de pagos del juego de
suma cero

f1

f2

MAX

f1

60.000

36.000

60.000

f2

6.000

9.600

9.600

Ejemplo (VIII)

3) Normalizacin de los datos para tener en


cuenta las distintas unidades de medida de los
objetivos.
60.000 /
60.000

36.000 /
60.000

6.000/
9.600

9.600 /
9.600

0,6

5/8

Ejemplo (IX)
4) Resolucin del juego:
Restamos las dos columnas
- (1 0,6 = 0,4)
- ( 5/8 1 = 0,375)
Y los cambiamos de orden (0,375 arriba y 0,4 abajo)
5) Referir los resultados a las funciones objetivo
originales

0, 375
1=
60.000

0,4
2=
9.600

Ejemplo (X)

6) Hacer que los sumen 1

0,375
60 . 000
1=
= 0, 13
0, 375
0,4
60 . 000 9600

0,4
9. 600
2 =
= 0, 87
0, 375
0,4
60. 000 9600

Ejemplo (XI)

7) Formacin de la funcin objetivo


compuesta

f = 0,13 (10x1 + 5x2) + 0,87 (x1 + 2x2)


f = 2,17x1 + 2,39x2

Cuyo ptimo se encuentra en el punto C


donde:
f* = 13.753,3
x1 = 2.666 unidades de A
f1 = 43.333.3
x2 = 3.333 unidades de B
f2 = 9.333,3