TECNOLÓGICO NACIONAL DE MÉXICO
INSTITUTO TECNOLÓGICO DE ZITÁCUARO
MATERIA:
INVESTIGACIÓN DE LAS OPERACIONES II
DOCENTE:
Ing. Leonardo Colín Maya
INTEGRANTES DEL EQUIPO
1. Carmona Cruz Alexis Manuel
2. Fuentes Sánchez Dulce Esmeralda
3. Iniestra Silverio Julio Cesar
4. Sánchez Cárdenas Luz Aurora
5. Sánchez Rojas Félix Alexis
TRABAJO:
Investigación de la unidad l
CARRERA:
INGENIERÍA INDUSTRIAL
H. ZITÁCUARO A 22 DE AGOSTO DE 2019
Programación Por Metas
Antecedentes de Programación por Metas.
Los orígenes de las técnicas de programación matemática se remontan en la
historia de las matemáticas a las teorías de ecuaciones y desigualdades lineales y
no lineales. Sin embargo, George Bernard Dantzig es reconocido como el padre
de la Programación Lineal. Dantzig trabajó primeramente en la búsqueda de
técnicas para resolver problemas logísticos de planeación militar, cuando él fue
empleado por la Fuerza Aérea de Los Estados Unidos en Washington, D.C., allá
por 1940.
Programación de Metas y Objetivos
La mayoría de las situaciones de decisión real, sean personales o profesionales,
se caracterizan por metas (atributos) y objetivos múltiples más que por un simple
objetivo. Estas metas pueden ser complementarias, pero frecuentemente son
conflictivas entre ellas y también inconmensurables.
Definición de Programación por metas
La Programación meta es una técnica de resolución de problemas multicriterios,
que permite escoger las variables que ofrecen una mejor solución al problema
planteado, teniendo la gran ventaja que permite trabajar con metas medidas en
distintas unidades e incluso contrapuestas. La filosofía de los problemas de
programación meta es muy similar a los de Programación Lineal, sólo que ahora
además de las restricciones estructurales, se pueden tener varios objetivos
simultáneos, los cuales se desean alcanzar. Como la existencia de un objetivo que
puede ser alcanzado o no.
Meta: Valor objetivo numérico específico establecido para un fin en un programa
de metas.
Penalización: Valor relativo que se usa para representar insatisfacción con cada
unidad que un objetivo esté por debajo de su meta, si el objetivo es maximizar, y
por encima de la meta si lo que se busca es minimizar.
Estructura de un Modelo de Programación por Metas
El primer paso en la formulación de un modelo de programación por metas es fijar
los objetivos/ atributos, f(x), que se consideran relevantes para el problema que
estemos analizando.
El segundo paso es determinar el nivel de aspiración, t, que corresponde a cada
Atributo, siendo éste el nivel de logro del atributo que el decisor considera
aceptable. A continuación, definimos las metas, es decir, los atributos combinados
con niveles de aspiración. Cada meta se convierte en una restricción “blanda” a
incorporar en el modelo de programación por metas.
n: variable de desviación negativa, cuantifica la falta de logro de una meta
p: variable de desviación positiva, cuantifica el exceso de logro de una meta
En general, la meta del atributo i-ésimo se escribe como:
Los valores de las variables de desviación son siempre positivos o cero, al menos
una de las dos variables de desviación que definen la meta tendrá que ser cero.
Las dos variables de desviación tomarán el valor cero cuando la meta alcance
exactamente su nivel de aspiración, ti. Una variable de desviación se dice que es
no deseada cuando al centro decisor le conviene que la variable en cuestión
alcance su valor más pequeño, es decir, cero.
Características de un modelo por metas
Tiene más de un objetivo.
Se llega a una solución eficiente.
Utiliza restricciones metas.
Tiene 3 tipos de modelos; sin prioridad, con prioridad y con ponderación.
Ventajas
Satisface los objetivos en una secuencia de prioridad. Los de segunda
prioridad se persiguen sin reducir los objetivos de primera prioridad.
Se conforma con una cota inferior.
El espacio de soluciones siempre tiene que cumplirse, mientras que los
objetivos no se pueden cumplir.
Ejemplo de Programación por metas
En cierto país de 20 000 habitantes se tienen las siguientes bases tributarias: 550
millones por predial. 35 millones por alimentos y medicinas. 55 millones por
ventas. El consumo anual de gasolina es de 7.5 millones de galones.
Se tienen las siguientes metas:
1. Tener un ingreso por impuestos de 16 millones.
2. Que el impuesto para alimentos y medicinas no exceda el 10% del total de
impuestos´.
3. Que el impuesto sobre ventas no exceda el 20% del total de impuestos.
4. Que el impuesto para gasolina no exceda de 2 centavos por galón.
Así es que las variables serían:
X1 = tasa tributaria predial.
X2 = tasa tributaria por alimentos y medicinas.
X3 = tasa tributaria por ventas.
X4 = impuesto para gasolina en centavos por galón.
Metas
Las metas quedarían expresadas de la siguiente forma:
1. Tener un ingreso de impuestos de 16 millones.
550x1 + 35x2 + 55x3 + 0.075x4 >= 16
2. Que el impuesto para alimentos y medicinas no exceda el 10% del total de
impuestos
35x2 <= .1 (550x1 + 35x2 + 55x3 + 0.075x4)
Haciendo las operaciones correspondientes, y simplificando, la meta anterior
quedaría:
55x1 – 31.5x2 + 5.5x3 + 0.0075x4 >= 0
3. Que el impuesto sobre ventas no exceda el 20% del total de impuestos.
55x3 <= .2 (550x1 + 35x2 + 55x3 + 0.075x4)
Haciendo las operaciones correspondientes, y simplificando, la meta anterior
quedaría:
110x1 + 7x2 – 44x3 + 0.015x4 >= 0
4. Que el impuesto para gasolina no exceda de 2 centavos por galón.
x4 <= 2
La planificación por metas (incluyendo las variables de desviación) sería:
550x1 + 35x2 + 55x3 + 0.075x4 + n1 – p1 = 16
55x1 – 31.5x2 + 5.5x3 + 0.0075x4 +n2 – p2 = 0
110x1 + 7x2 – 44x3 + 0.015x4 +n3 – p3 = 0
X4 + n4 – p4 = 0
Las variables de desviación no deseadas serían: n1, n2, n3, p4.
La función de logro sería:
Min g (n1, n2, n3, p4)
Esperamos que esta explicación y este ejemplo te hayan permitido entender un
poco más la programación por metas.
Programación Lineal
La programación lineal es una técnica de modelización matemática desarrollada a
partir de la década de 1930. Desde entonces, se ha aplicado con frecuencia en los
procesos de toma de decisión de numerosos ámbitos económicos y productivos,
como la planificación de empresa y la ingeniería industrial.
Conceptos de programación lineal
La técnica matemática conocida por programación lineal se utiliza para obtener
una solución óptima a un problema condicionado por unas variables de partida
sujetas a ciertas restricciones. Un problema clásico de la programación sería el
siguiente: teniendo n productos del tipo A y m del tipo B, que pueden envasarse en
dos clases de paquetes en diferentes proporciones y con un precio distinto para
cada paquete, cuántos paquetes de cada tipo deberán formarse para obtener una
cantidad máxima de ingresos.
En el planteamiento del problema se manejan varios conceptos esenciales:
Las variables.
Las restricciones que se imponen, expresadas por inecuaciones lineales.
La función objetivo, de tipo lineal, que describe el problema.
El grupo de las soluciones posibles recibe el nombre de conjunto
restricción o conjunto solución factible. La solución debe situarse en el área
definida por las inecuaciones de restricción, que se conoce por región factible.
Región factible del sistema de inecuaciones lineales:
La región factible puede estar acotada, como en la figura, o no acotada. Cuando
está acotada, se representa gráficamente como un polígono con un número de
lados menor o igual que el de restricciones (en la figura, el polígono acotado tiene
cuatro lados, y las restricciones también son cuatro).
Se llama solución óptima a la que maximiza o minimiza la función objetivo. Esta
solución si es única siempre se encuentra en un vértice o punto extremo de la
región factible.
Características del modelo lineal:
Usa un solo objetivo.
Las variables y la función objetivo deben ser lineales.
Es necesario que cada variable aditiva respecto a la variable objetiva.
Las soluciones no deben ser necesariamente números enteros.
La solución óptima (máximo o mínimo) debe ocurrir en uno de los vértices
del conjunto de soluciones factibles.
Se tiene una función objetivo “se busca una combinación de recursos”.
Ventajas
Permite comparar un amplio rango de soluciones y alternativas y analiza
sus consecuencias.
Indica al administrador como emplear más eficazmente sus factores
seleccionándolos y distribuyéndolos adecuadamente.
Hace que el administrador sea más objetivo en sus decisiones al obtener
todos los datos que pueden ser útiles para la formulación matemática del
problema.
Desventajas
El modelo matemático requiere de una gran simplificación puede que este
no se represente con exactitud.
A veces los administrativos no entienden el modelo por lo que no se resiste
a aceptar los resultados derivados.
Referencias bibliográficas
1. Chase y Jacobs (2014). Administración de operaciones. Producción y cadena de
suministros. Mc Graw Hill.
2. Taha (2012). Investigación de operaciones. Novena edición. Pearson Educación.
3. Mariana I.Puente Riofrio. Programación lineal para la toma de decisiones
4. https://es.slideshare.net/juanlugomarin/programacion-de-metas-y-objetivos-
16646467
5. MC.Marcos Samuel López. Investigación de Operaciones II
6. https://naps.com.mx/blog/programacion-por-metas-explicacion-y-ejemplo/
