Instituto Tecnológico Superior de Coatzacoalcos

División de Ingeniería Industrial

En ero 2020
Nombre del Alumno: Martínez Martínez Hefer Nehemìas
Apellido Paterno Apellido Materno Nombre(s)

Investigación U1
Investigación de Operaciones II
No. Control:18080643 Semestre: Quinto Grupo: “E”

Fecha de inicio: Septiembre 2020 Fecha de término: Enero 2021

Nombre del Docente ING. Jiménez Ventura Bricio

Apellido Paterno Apellido Materno Nombre(s)

1
Índice

Introducción...............................................................................................................3

1.1 Definición y conceptos generales....................................................................4

1.2 Modelo general de metas....................................................................................6

1.3 Diferencias entre modelo lineal y modelo metas.................................................8

1.4 Modelos de una sola meta................................................................................10

1.5 Modelos de Metas Múltiples..............................................................................12

1.6 Modelos de submetas dentro de una meta.......................................................14

1.7 Métodos de solución..........................................................................................15

1.8 Uso de Software................................................................................................16

Conclusión...............................................................................................................18

GLOSARIO..............................................................................................................19

Bibliografía...............................................................................................................20

1
Introducción

La investigación de operaciones ayuda en la toma decisiones para realizar un

objetivo que se tenga en mente, lo cual da como resultado un criterio de
optimización de costos o de recursos, dependiendo lo que se requiera, pero claro
está que cada persona tiene un criterio diferente y es la razón por la cual cada
uno tiene una perspectiva diferente de ver las cosas, es por eso que existen
varios métodos para poder llegar al objetivo deseado.

Pero, así como hay decisiones no tan complicadas, por el contrario, existen
algunas en las que se debe de llegar a un estudio más profundamente, ya sea
por las consecuencias que generaría dicha decisión o la dificultad de poder
llevarla a cabo, provocando que no pueda realizarse a través de un sistema
metodológico.

Un ejemplo de la implementación de la investigación de operaciones es que hoy

en día las grandes empresas tienen problemas muy complejos, que quizá en el
estudio serán casos prácticos, pero la realidad es que en la vida común cuando
se lleva a cabo la práctica de alguna situación, es bastante diferente a lo que se
solía ver, es por eso por lo que hay que estar preparado y ser conscientes de que
allá afuera habrá problemas de mayor dificultad.

1 2
1.1 Definición y conceptos generales

La Programación de Metas o Programación por objetivos es un enfoque que

permite abordar problemas de decisión general respecto a las metas que se
deseen alcanzar en algún ámbito de la vida cotidiana. Estas metas pueden ser
complementarias, pero frecuentemente conflictivas.

La programación por metas es una técnica de la investigación de operaciones y

una herramienta de toma de decisiones dentro de la organización. La
programación por metas sirve para tratar problemas de decisión gerencial que
comprenden metas múltiples de acuerdo a la importancia que se les asigne a
éstas. El generador de decisiones (directivo) debe ser capaz de establecer al
menos una importancia, para clasificar dichas metas.

Programar por metas es realizar un modelo de programación lineal donde se

tenga una función objetivo que optimizar y sujeta a una o varias restricciones. Sin
embargo, se caracteriza por dos conceptos nuevos. El primero es el de las
restricciones de meta en lugar de las restricciones de recurso o disponibilidad y el
segundo concepto es el de rango de prioridad entre las funciones de objetivo.

Una característica de la Programación por Meta es que proporciona solución para

los problemas de decisión que tengan metas múltiples, conflictivas e
inconmensurables arregladas de acuerdo a la estructura prioritaria de la
administración. Las características que distinguen la programación Meta es que
las metas se satisfacen en una secuencia ordinal: las metas que deben
clasificarse en orden de prioridad por el tomador de decisiones son satisfechas
secuencialmente por el algoritmo de solución. Las metas con prioridad baja se
consideran solamente después de que las metas de prioridad alta se han
cumplido.

1
La Programación Meta es capaz de manejar problemas de decisión con una sola
meta o con metas múltiples. En tales circunstancias, las metas establecidas por el
tomador de decisiones son logradas únicamente con el sacrificio de otras metas.

La Programación meta es un proceso de satisfacción, en el sentido de que el

tomador de decisiones tratará de alcanzar un nivel satisfactorio en vez del mejor
resultado posible para un solo objetivo.

La noción fundamental de la Programación Meta, comprende incorporar todas las

metas gerenciales en la formulación del modelo del sistema. En la programación
Meta, en vez de intentar minimizar o maximizar la Función Objetivo directamente,
como en la programación lineal, se minimizan las desviaciones entre las metas y
los límites logrables dictados por el conjunto dado de restricciones en los
recursos.

 Estas variables de desviación, que se denominan de “holgura” o “sobrantes” en

programación lineal toman un nuevo significado en la Programación Meta. Ellas
se dividen en desviaciones positivas y negativas de cada una de las submetas o
metas. El objetivo se convierte entonces en la minimización de estas
desviaciones, dentro de la estructura prioritaria asignada a estas desviaciones.

Ventajas de la programación por metas:

 Una ventaja de la programación por metas es su flexibilidad en el sentido

de que permite al directivo que toma las decisiones, experimentar con una
multitud de variaciones de las restricciones y de prioridades de las metas
cuando se involucra con un problema de decisión de objetivos múltiples.

 Permite tomar decisiones más estudiadas, no decisiones arbitrarias que lo

único que pueden ocasionar es la inestabilidad económica de la empresa.

1
  Una de las ventajas más importantes de la programación de metas es su
flexibilidad en el sentido de que permite al tomador de decisiones,
experimentar con multitud de variaciones de restricciones, y de prioridades
de las metas cuando se involucra con un problema de decisión de
objetivos múltiples. 

1.2 Modelo general de metas.

Representan direcciones de mejora de los atributos. La mejor: interpretarse en el

sentido (más del atributo mejor) o bien (menos del mejor).

El primer caso corresponde a un proceso de maximización y el segundo uno de

minimización de las funciones que corresponden a los atributos que
reflejan los valores del centro decisor.

Como paso previo a la definición de meta se introducirá el concepto de n

aspiración. Un nivel de aspiración representa un nivel aceptable de logro
correspondiente atributo. La combinación de un nivel de aspiración con un:
genera una meta.

Finalmente, el término criterio se utiliza como un término general que engloba tres
conceptos precedentes (atributo, objetivo y metas). En otras palabras, criterios
constituyen los atributos, objetivos o metas que se consideran relevantes
para un cierto problema decisional. Por consiguiente, la teoría de la decisión
criterio constituye un marco general o paradigma decisional en el que su
diferentes atributos, objetivos o metas.

La forma del modelo de programación lineal sigue siendo la misma

programación por meta, es decir, también se tiene una función objetivo que busca
optimizar sujeta a una o más restricciones. Sin embargo, dentro de este marco de
referencia se agregarán dos conceptos nuevos.

1
El primero es 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 objetivo.

Una vez que se establece un problema en el formato del modelo general de

programación lineal, para obtener la solución puede aplicarse el MÉTODO
SIMPLEX modificado solo para tomar en cuenta las prioridades.

La programación por metas es un enfoque para tratar problemas de decisión

gerencial que comprenden metas múltiples o inconmensurables, de acuerdo a la
importancia que se les 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
programación meta es su flexibilidad en el sentido de que permite al tomador de
decisiones, experimentar con una multitud de variaciones de las
restricciones y de prioridades de las metas cuando se involucra con un
problema de decisión de objetivos múltiples.

El primer paso es la formulación de un modelo de programación por metas

consiste en fijar los atributos que se consideran relevantes para el problema que
se está analizando. Una vez establecidos los atributos, se pasa a
determinar el nivel de aspiración 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 aspiración, por medio de la introducción de las
variables de desviación negativa y positiva, respectivamente. Así para el atributo
¡-ésimo, se tiene la siguiente meta: donde, como es habitual, f(x) representa la
expresión matemática del atributo i-ésimo, Ti su nivel de aspiración, ni y
pi las variables de desviación negativa y positiva, respectivamente. Las
variables de desviación negativa cuantifican la falta de logró de una meta con
respecto a su nivel de aspiración, mientras que las variables de desviación
positiva cuantifican el exceso de logro de una respecto a su nivel de aspiración.

1
 Como un nivel de aspiración no puede simultáneamente sobrepasarse y

quedar por debajo de él, al menos una de las dos variables de desviación tomará
valor cero cuando la meta alcanza exactamente su nivel de aspiración.

Una vez clarificado el significado de las variables de desviación, es

importante introducir el concepto de variable de decisión no deseada. Una
variable de decisión se dice que no es deseada cuando al centro decisor le
interesa que la variable en cuestión alcance su valor más pequeño (esto es cero).
Cuando la meta deriva de un atributo del tipo más del atributo mejor (objetivo a
maximizar la variable no deseada (a minimizar), será la variable de desviación
negativa (cuantificación de la falta de logro). Finalmente, cuando se desea
alcanzar exactamente el nivel de aspiración tanto la variable de desviación
negativa como la positiva son variables no deseadas y por tanto variables para
minimizar.

Existen cuatro formas de restricciones de objetivos, según se permita

variación 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 programación por objetivos que prohíba incluir

restricciones que no sean de objetivo o restricciones de recurso.

1.3 Diferencias entre modelo lineal y modelo metas

Modelo Lineal Modelo Meta
Usa un solo objetivo Tiene más de un objetivo
Las variables y la función objetivo deben de Variación de PL.

1
ser lineales.
Es necesario que cada variable aditiva Se llega a una solución eficiente.
respecto a la variable objetivo.

Las soluciones no deben de ser Utiliza restricciones meta.

necesariamente números enteros.
La solución óptima (máximo o mínimo) debe Tiene 3 tipos de modelos:
de ocurrir en uno de los vértices del  Sin prioridad.
conjunto de soluciones factibles.  Con prioridad.
 Con prioridad y ponderación.
Las funciones lineales en variables de Se usa para resolver problemas
decisión con restricciones lineales (programas) lineales con objetivos
optimizando una función objetivo también similares, con cada objetivo visto como
lineal. una “meta”.
Se tiene una función objetivo, se busca una Aquí las variables de desviación son las
combinación de recursos”. cantidades que una meta es superada o
no alcanzada.
Ventajas
Permite comparar un amplio rango de Satisface los objetivos en una secuencia
soluciones, alternativas y analizar sus de prioridad. Los objetivos de segunda
consecuencias prioridad se persiguen sin reducir los
objetivos de primera prioridad.
Indica al administrador como emplear más
eficazmente sus factores seleccionándolos Se conforma con una cota inferior.
y distribuyéndolos adecuadamente.
Hace que el administrador sea más objetivo El espacio de soluciones siempre tiene
en sus decisiones al obtener todos los datos que cumplirse, mientras que los objetivos
que puedan ser útil para la formulación no pueden cumplirse.
matemática del problema.

1
1.4 Modelos de una sola meta

Es similar al modelo de Programación Lineal. El Primer paso es definir las

variables de decisión, después se deben de especificar todas las metas
gerenciales en orden de prioridad. Una característica de la Programación de Meta
es que proporciona solución para los problemas que tengan metas múltiples y
conflictivas arregladas de acuerdo con la estructura prioritaria de la
administración.

Ejemplo de Una Sola Meta.

Una división de Schwim Manufacturing Company produce dos tipos de bicicletas:

(1) una bicicleta de 3 velocidades y (2) una de 10 velocidades. La división obtiene
una utilidad de $25 en la bicicleta de 10 velocidades y $15 en la bicicleta de 3
velocidades. Debido a la fuerte demanda de estos artículos, durante el período de
planeación de verano la división cree que puede vender, a los precios que
prevalezcan, todas las unidades de estas dos bicicletas que produzca. Las
instalaciones de producción se consideran recursos escasos. Estos recursos
escasos corresponden al departamento de ensamblado y terminado. Los tiempos
unitarios de procesamiento y las capacidades de cada uno de los departamentos
se muestran en la tabla siguiente:

Hrs. requeridas para procesar cada bicicleta.

En el Contribución a
depto. De la utilidad
Tipo de bicicleta En el Depto. de
terminación unitaria
ensamble
3 velocidades 1 1 15

10 velocidades 3 1 25

Hrs. disponibles 60 40

1
 en
cada depto.

La división durante este período de planeación se enfrenta a cambios grandes de

organización y cree que el maximizar la utilidad no es un objetivo realista. Sin
embargo, desearía lograr un nivel satisfactorio de utilidad durante este período de
dificultad. La dirección cree que la utilidad diaria de $600 debería satisfacerse y
desea determinar, dadas las restricciones del tiempo de producción, la mezcla de
producto, que debería llevar a esta tasa de contribución a utilidades.

Definición de variables:

x1 = Número de bicicletas de 3 velocidades producidas por día. x2 = Número de

bicicletas de 10 velocidades producidas por día d1− = Cantidad por debajo de la
utilidad perseguida d1+ = cantidad por encima de la utilidad perseguida

Minimizar Z = d1− + d1+

Sujeto a:

x1+3x2  60 (horas de ensamble). x1 + x2  40 ((horas de terminación).

Restricciones estructurales

15x1 +25x2 +d1− − d1+ = 600 (Utilidad perseguida)

Restricción meta x1, x2, d1−, d1+ ≥ 0

Nota: Puesto que tanto d1−, d1+ aparecen en la función objetivo y a ambas se les
asigna pesos iguales, esto indica que la administración desea lograr la utilidad
meta exactamente.

1
1.5 Modelos de Metas Múltiples

Meta unilateral inferior: Establece un límite inferior por debajo del cual no se
quiere ir (pero se aceptan desvíos a la meta que deberá minimizarse). Meta
unilateral superior: Establece un limite superior que no se quiere
exceder (pero se aceptan desvíos a la mera que deberá minimizarse). Meta
bilateral: Establece un blanco especifico que no se quiere perder hacia ningún
lado.

Ejemplo metas múltiples con prioridad

Considera la situación de Schwim Manufacturing Company en donde la

administración desea alcanzar varias metas. Ahora supondremos que la
administración desea ordenar dichas metas en orden de importancia y que la
meta más importante tiene prioridad absoluta sobre la siguiente meta más
importante y así sucesivamente.

Para lograr que las metas de baja prioridad se consideren solamente después de
lograr las metas de alta prioridad, se clasifican las metas en k rangos y las
variables de desviación asociadas con las metas, se les asigna un número
prioritario Pj (j = 1, 2,.,k). Los factores de prioridad satisfacen

P1>>>P2>>>...Pj>>>Pj+1.

Las relaciones de prioridad implican que la multiplicación por n, no importa que

tan grande sea n, no puede hacer una meta de baja prioridad tan importante
como una meta de alta prioridad (por ejemplo: Pj>nPj+1).

Ahora supongamos que la división de bicicletas de Schwim, además de lograr sus

$600.00 de meta primaria de utilidad, desea utilizar completamente sus
departamentos de ensamblaje y terminación durante la reorganización que se

1
avecina. Esto es, como una meta secundaria, la división desea minimizar el
tiempo ocioso. La formulación del modelo es:

Minimizar Z = P1(d1- + d1+) + P2(d2-+d3-)

s. a.

15x1+25x2 +d1- -d1+ = 600

x1 +3x2 + d2- -d2+ = 60

x1 +x2 +d3- -d3+ = 40

x1, x2,di-,di+ " 0

Donde:

x1 = Número de bicicletas de 3 velocidades producidas por día

x2 = Número de bicicletas de 10 velocidades producidas por día

d1- = Cantidad por debajo de la utilidad perseguida

d1+ = cantidad por encima de la utilidad perseguida

d2- = Tiempo ocioso diario en el departamento de ensamble

d2+ = Tiempo extra diario en el departamento de ensamble

d3- = Tiempo ocioso diario en el departamento de terminación.

d3+ = Tiempo extra diario en el departamento de terminación.

Nota: Puesto que d1- y d1+ se incluyen en la función objetivo, el modelo intentará
lograr exactamente la utilidad diaria perseguida de $600, minimizando tanto las
desviaciones positivas como las negativas. Con d2+ d3+ y eliminados de la
función objetivo, sin embargo, el modelo no se preocupará del tiempo extra en el
departamento de ensamble o terminación e intentará minimizar solamente el
tiempo ocioso en estos departamentos. Debido a que la meta de utilidad
perseguida es más importante que la meta de minimización del tiempo ocioso, a

1
esta se le asigna prioridad P1. El modelo intentará lograr esta meta hasta donde
más le sea posible antes de considerar la meta secundaria de minimizar el tiempo
ocioso de producción.

1.6 Modelos de submetas dentro de una meta.

Ejemplo de Metas Múltiples y Submetas.

En el ejemplo de la Schwim, la máxima utilidad alcanzada, tomando 60 horas de
tiempo de ensamble, 40 horas de tiempo de terminación y resolviendo como un
problema de programación lineal, es de $700.00. Debido a la reorganización de la
división se han considerado casos en donde la administración quedaría
satisfecha (al menos temporalmente) con un plan de producción que conduzca a
una utilidad más baja de $600.00.

Supongamos que la reorganización se ha llevado a cabo y que la administración

desea lograr una tasa de utilidad diaria de $750.00. Esto significaría que algunas
restricciones previas anexas deberían violarse. Sin embargo, supongamos que
las 60 y 40 horas representan la capacidad de producción de los departamentos
de ensamble y terminación en tiempo normal solamente, utilizando la fuerza
laboral existente. El tiempo extra podría utilizarse en cualquier departamento; por
tanto, las desviaciones por encima como por debajo de las 40 y 60 horas serían
factibles y como máximo serían 3 y cuatro respectivamente. La tasa de pago de
horas extras es 3 veces más alta que la del departamento de ensamble. Las
metas prioritarias de la administración, de mayor a menor importancia, son las
siguientes:

P1 = Lograr tasa diaria de utilidad perseguida de $750.00

P2 = Minimizar el tiempo ocioso en ambos departamentos.

P3 = Minimizar el tiempo extra en ambos departamentos La formulación de la

programación meta es:

1
Minimizar Z = P1(d1− + d1+) + P2(d2−+d3−) + 3P3d4+ + P3d5+ s.
15x1 +25x2 +d 1 − −d 1 + = 750 (Utilid a d
p e rse g u id a ) x1 + 3x2 + d 2− −d 2+ = 60 (Ho ra s
d e e n sa m b le ) x1 + x2 +d 3 − −d 3 + = 40
(Ho ra s d e te rm in a c ió n) d 2+ +d 4 − −d 4 +
=3 Ho ra s e xtra s e n e n sa m b le d 3− +d 5 −
−d 5 + =4 Ho ra s e xtra s e n te rm in a c ió n

1.7 Métodos de solución

x1, x2 , d i−, d i+ ≥ 0 Pa ra to d o i

1. Programación meta ponderada: se basa en el establecimiento de

ponderaciones para las variables de desviación. La programación meta afecta
con coeficientes numéricos las variables de desviación de la función objetivo y
resuelve el problema utilizando el método simplex.

2. Programación meta lexicográfica: se basa en resolver el problema de

programación meta obteniendo inicialmente una solución para las variables metas
más importantes, es decir, aquellas que tienen prioridad 1. Seguidamente se
busca la solución para aquellas variables desviación con prioridad 2 pero
agregando nuevas restricciones al sistema dadas por el valor que se obtuvo para
las variables de prioridad 1 obtenidas en la solución anterior y así sucesivamente
hasta llegar a la solución de las variables de última prioridad.

3. Método simplex multicriterio: El Método Simplex fue el primer método surgido

para solucionar problemas de Programación Lineal, por lo que se le considera el
método de solución clásico por excelencia. En este método se le proporciona
valores a las prioridades siempre que P1 sea mucho mayor que P2 y P2 mucho
mayor que P3>>P4>>P5…. y busca como solución óptima aquella que
proporcione una mejor utilización de los recursos.

El método más utilizado es el de la Programación meta ponderada. Pese a lo que

se acaba de comentar, la utilidad de estos enfoques se reduce
considerablemente en problemas decisionales de un tamaño relativamente
elevado. De las ideas que se acaban de exponer se desprende que en problemas
complejos que conllevan la formulación de modelos de cierto tamaño, los

1
enfoques multiobjetivo son de limitado interés y tienen que dejar paso a otros
enfoques con una solidez teórica tal vez menor, pero con una operatividad muy
superior. Dentro de esta línea pragmática puede encuadrarse la programación
por metas.

1.8 Uso de Software

Solver es una herramienta de análisis que tiene el programa Excel, permite

calcular el valor de una celda que depende de diversos factores o variables
donde a la vez que existen una serie de restricciones que han de cumplirse.
Solver de Excel realiza cálculos para la solución de problemas de
programación lineal en donde a partir de una función lineal a optimizar, el fin es
obtener valores óptimos ya sean máximos o mínimos .

LINGO (Linear Generalize Optimizer) es un software creado por Lindo System,

que presenta versiones en las que no se tiene límite de variables, ni restricciones,
además, LINGO cuenta con versiones para Linux, Mac y Windows de 32 y 64
bits. LINGO es una herramienta integral diseñada para hacer que la construcción
y resolución de modelos de optimización lineales, no lineales, cuadráticos,
restringidos, etc., sean más rápidos, fáciles y eficientes, ofreciendo un paquete
completamente integrado que incluye un lenguaje poderoso para expresar
modelos de optimización, además de un entorno con todas las funciones para la
creación y edición de problemas y un conjunto de soluciones rápidas integradas;
dicho de otra manera LINGO es una herramienta simple para formular problemas
lineales y no lineales, resolverlos y analizar su solución. El resultado que LINGO
nos proporciona es la optimización que nos ayuda a encontrar el mejor resultado:
la ganancia más alta, o el costo más bajo. Entre los aspectos técnicos de LINGO
podemos destacar las siguientes características:

1
  LINGO se puede aplicar en el lenguaje de modelo matemático, permitiendo
expresar un problema de una manera muy similar a la anotación
matemática normal pudiendo también, expresar una serie entera de
restricciones en una declaración compacta.
 La sección de los datos, que le permite aislar los datos de la formulación
del modelo. De hecho, LINGO puede leer datos incluso de una hoja de
cálculo separada, base de datos, o archivo de texto. Con datos
independientes del modelo, es mucho más fácil de hacer cambios, y hay
menos oportunidad de error cuando se realiza el modelo.

R Y RStudio

R es un software de uso libre que presenta versiones para Windows, Linux y Mac.
R fue desarrollado por Bell Laboratories y es capaz de resolver problemas de
programación lineal, no lineal, series temporales; También se utiliza para la
realización de gráficos y se pueden implementar fácilmente diversas librerías para
resolver distintos problemas de optimización.

Por otro lado, estudiamos RStudio, este es un entorno desarrollado para R. Es de

código abierto y comercial y está disponible para Windows, Linux y Mac.

Cabe destacar, por último, los paquetes goalprog y glpkAPI, que son paquetes
específicos de R para resolver los problemas de Programación por Metas.

1
Conclusión

La programación por metas, es un método matemático que requiere de una

serie de operaciones matemáticas que el valuador en su día a día no podría
realizar de forma manual por cuestiones de tiempo y pertinencia, hoy en día el
uso de las herramientas computacionales permite reducir la inversión de tiempo
para resolver este tipo de modelos matemáticos; los programas para
programación por metas que existen actualmente facilitan el cálculo del avalúo,
de tal forma que el valuador puede utilizar el método con el uso de un software y
centrarse en la búsqueda de los comparables y criterios más apropiadas para
justificar el valor del bien.

Con la información anterior se puede entender que los modelos por metas son
bastantes similares a los modelos de programación lineal y se pueden resolver
utilizando el método simplex pero agregando las restricciones de las metas
planteadas en dicho problema, que se encuentras tanto modelos de una sola
meta, de metas múltiples y también aquellos que contienen submetas
en cada una de estas y aunque cada una de ellas puede ser un poco más
compleja que la anterior todas están se pueden solucionar con algunos softwares
como el ejemplo de Solver en Excel.

1
GLOSARIO

Modelo general de metas: Representan direcciones de mejora de los atributos.

Atributos: En la programación orientada a objetos, los atributos son una

propiedad o característica que se puede asignar a un objeto (elemento). Mediante
el uso de atributos se pueden asignar valores específicos a ciertos elementos.

Variable de decisión: Las variables de decisión son incógnitas que deben ser

determinadas a partir de la solución del modelo.

Programación De Metas: Es una técnica de la investigación de operaciones y

una herramienta de toma de decisiones dentro de la organización.

Restricción: Limitación que se produce en alguna cosa, especialmente en el

consumo de algo.

Decisiones directivo: toman decisiones rápidas y se centra en el corto plazo. Su

eficiencia y prontitud al tomar decisiones hacen que cumplan esta función con
mínima información y que evalúen pocas alternativas

1
Bibliografía

 Carucci. (21 de Enero de 2015). issuu. Obtenido de

[Link]
g
 Elizabeth. (5 de Julio de 2018). Club Ensayos. Obtenido de
[Link]
entre-el-modelo-lineal-y-modelo/[Link]
 GEO. (13 de Enero de 2015). Obtenido de GEO:
[Link]
investigacion-deoperaciones/
 Industriales, I. (15 de Mayo de 2012). [Link]. Obtenido de
[Link]

1
1