Ingeniería Industrial
Investigación de Operaciones II
UNIDAD I. PROGRAMACIÓN POR METAS
Ing. María Isabel Pérez Salas
Aguascalientes, Ags.
TABLA DE CONTENIDO
ANTECEDENTES HISTÓRICOS .................................................................................................................. 1
1.1 DEFINICIÓN Y CONCEPTOS BÁSICOS ................................................................................................. 3
1.2 MODELO GENERAL DE METAS .......................................................................................................... 7
1.3 DIFERENCIAS ENTRE MODELO LINEAL Y MODELO METAS ................................................................ 7
1.4 MODELOS DE UNA SOLA META ........................................................................................................ 9
1.5 MODELOS DE METAS MÚLTIPLES ................................................................................................... 13
1.6 MODELOS DE SUBMETAS DENTRO DE UNA META.......................................................................... 17
1.7 MÉTODOS DE SOLUCIÓN ................................................................................................................ 18
1.7.1 MÉTODO DE FACTORES DE PONDERACIÓN .............................................................................. 18
1.7.2 MÉTODO DE JERARQUÍAS ........................................................................................................ 19
Investigación de Operaciones II
Unidad I. Programación por Metas
Antecedentes históricos
La idea original de la Programación por Metas (Goal Programming) (de aquí en adelante
PM) aparece en un artículo de Charnes, Cooper y Ferguson publicado en 1955 en la revista
Management Science. El trabajo pretende desarrollar un método que permita determinar
las compensaciones salariales a los ejecutivos de una importante compañía (General
Electric). La situación problema exigió la introducción de restricciones y condiciones de
signo en algunos de los coeficientes de regresión lo que hizo imposible recurrir a los
métodos tradicionales de regresión. Dada la insuficiencia de las técnicas estadísticas
clásicas para abordar este tipo de problema estos autores formularon un modelo de
regresión con restricciones (“constrained regression”) en el que se minimiza la suma de las
desviaciones absolutas. Dado que la desviación absoluta es una forma no lineal que no
puede optimizarse de una manera directa, Charnes et al. linealizaron el modelo
introduciendo, por primera vez en la literatura, variables de desviación positivas y negativas.
El valor de este trabajo es enorme al menos por dos tipos de razones. En primer lugar,
representa el embrión de la metodología PM. En segundo lugar, representa el nacimiento
de los métodos de regresión no paramétricos.
Charnes y Cooper utilizan por primera vez y de una manera explícita el término PM en el
Apéndice B de su libro clásico Management Models and Industrial Applications of Linear
Programming, con el título “Basic Existence Theorems and Goal Programming”.
Paradójicamente, los dos padres de la PM no analizaron en el trabajo citado un problema
de análisis de la decisión con metas múltiples, sino un caso de infactibilidad en
programación lineal. Es decir, utilizaron el concepto de PM para construir un enfoque que
permitiera obtener soluciones compromiso a problemas de programación lineal carentes de
solución factible.
En la primera parte de los años sesenta Ignizio (1963) se enfrentó a un complejo problema
en el campo del diseño en ingeniería consistente en la organización del sistema de antenas
del programa Saturno/Apolo. Este problema implicaba metas múltiples, funciones no
lineales, así como variables enteras. Ignizio consiguió obtener soluciones razonables
(satisfacientes) mediante la adaptación del concepto de PM introducido por Charnes y
Cooper.
Ing. María Isabel Pérez Salas 1
Investigación de Operaciones II
Unidad I. Programación por Metas
Charnes et al. (1963) demostraron la potencialidad de la PM en problemas contables y
financieros, Ijiri desarrolló técnicas matemáticas como la matriz inversa generalizada para
computar modelos de PM basados en metas excluyentes (pre-emptive).
Charnes et al (1968) formularon modelos de PM en el campo de la planificación de medios
publicitarios. Finalmente, para acabar con los pioneros de la PM debe citarse los trabajos
de Jääskeläinen (1969) en los que propuso modelos de PM para la planificación logística,
así como los primeros algoritmos de resolución.
En los años setenta el paradigma de la PM se articula considerablemente debido
principalmente a dos libros específicamente dedicados a este tópico. Uno de ellos escrito
por Lee (1972) y el otro por Ignizio (1976). Estos libros y trabajos posteriores introducen
refinamientos y extensiones del enfoque como: PM interactiva, PM difusa, análisis del dual,
mejoras algorítmicas, etc. Todas estas extensiones y mejoras teóricas impulsaron una
auténtica explosión de trabajos aplicados.
Filosóficamente la PM se apoya en el concepto de soluciones satisfacientes introducido por
Herbert Simon en 1956 que conduce a una teoría de la racionalidad acotada (bounded
rationality) con profundas raíces psicológicas y que representa una clara alternativa a las
teorías clásicas basadas en una racionalidad perfecta. El término satisfaciente deriva de un
término en escocés antiguo (“satisficing”), que intenta fusionar los términos satisfactorio y
suficiente.
Simon conjetura que en las complejas organizaciones actuales (grandes empresas,
agencias gubernamentales, sindicatos, etc.), el contexto decisional está definido por
información incompleta, recursos limitados, multiplicidad de objetivos, conflicto de intereses,
etc. En este tipo de contexto, el centro decisor no está en condiciones de maximizar nada,
y menos una bien definida función objetivo como supone el análisis económico tradicional.
Por el contrario, Simon conjetura que en este tipo de contexto decisional complejo, el centro
decisor no optimiza, porque no puede, pero si intenta en cambio obtener soluciones
satisfacientes, en el sentido de ser satisfactorias y suficientes.
Ing. María Isabel Pérez Salas 2
Investigación de Operaciones II
Unidad I. Programación por Metas
Este tipo de cambio de lógica situacional, de la optimización a la búsqueda de soluciones
satisfacientes, implica asumir que el centro decisor en vez de maximizar o minimizar una
determinada función objetivo intenta que una serie de metas relevantes para su problema
se aproximen lo más posible a unos niveles de aspiración fijados de antemano.
Es decir, el centro decisor busca soluciones razonables (satisfacientes) mediante el máximo
cumplimiento posible de unos determinados niveles de aspiración. Aunque el enfoque PM
es susceptible de interpretarse en términos clásicos de utilidad, es sin embargo la
interpretación simoniana satisfaciente la que ha resultado ser más fructífera.
Consecuentemente con las ideas expuestas en este apartado podemos dar una definición
introductoria de la PM dentro del marco de la lógica satisfaciente. Así, podemos decir que
la PM constituye un marco analítico diseñado para analizar problemas complejos de análisis
de la decisión, en los que el centro decisor ha asignado niveles de aspiración a todos los
atributos relevantes para el problema en cuestión. Consecuentemente con este
planteamiento el centro decisor está interesado en minimizar de una manera u otra la falta
de logro de las correspondientes metas; de esta manera se intenta obtener una solución
satisfactoria y suficiente (satisfaciente).
1.1 DEFINICIÓN Y CONCEPTOS BÁSICOS
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.
La programación por Metas es una técnica de resolución de problemas con varios objetivos,
que permite escoger las variables que ofrecen una mejor solución al problema planteado,
teniendo la gran ventaja que permite trabajar con metas en distintas unidades e incluso
contrapuestas.
Ing. María Isabel Pérez Salas 3
Investigación de Operaciones II
Unidad I. Programación por Metas
Programación de Metas: Planteamiento utilizado para resolver n problema de optimización
de objetivos múltiples como un programa lineal que equilibre los pro y los contra de los
objetivos en conflicto.
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 de maximizar, y por encima de
la meta si su objetivo es minimizar.
Si+
Meta
Si-
Figura 1. Esquema básico de la programación por metas
En la figura anterior se puede apreciar que tenemos tres posibilidades, que la meta sea
alcanzada, que se logre un valor mayor a la meta, en cuyo caso se incurre en una
desviación positiva, o que se quede por debajo de la meta, donde se tiene una desviación
negativa. Dependiendo del problema y de la meta en sí, se tendrá interés en minimizar la
desviación positiva, la negativa o ambas.
La programación por metas es un enfoque para tratar problemas de decisión gerencial que
comprenden metas múltiples o ilimitadas, de acuerdo con la importancia que se les asigne
a estas metas. El tomar 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 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.
La forma del modelo de programación lineal sigue siendo la misma en programación por
meta, es decir, también se tiene una función objetivo que se busca optimizar sujeta a una
o más restricciones. Sin embargo, dentro de este marco de referencia se agregarán dos
nuevos conceptos. El primero es el de las restricciones de meta en lugar de las restricciones
Ing. María Isabel Pérez Salas 4
Investigación de Operaciones II
Unidad I. Programación por Metas
de recursos que se analizaron en Investigación de operaciones I. El segundo concepto es
el de rango de prioridad entre las funciones de objetivo.
Las características de la programación por metas son:
La función objetivo siempre busca minimizar.
Por cada meta existirá una restricción meta.
Que las metas se satisfacen en una secuencia ordinal. Esto es, que las metas deben
clasificarse en orden de prioridad por el tomador de decisiones, éstas 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.
La programación de metas 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 por metas comprende incorporar las
metas gerenciales en la formulación del modelo del sistema.
En la programación por metas 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 limites logrables dictados por el conjunto dado
de restricciones en los recursos. Estas variables de desviación que se denominan
de “holgura” o “exceso” en programación lineal, toman un nuevo significado en la
programación por metas. Éstas 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.
Ing. María Isabel Pérez Salas 5
Investigación de Operaciones II
Unidad I. Programación por Metas
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.
Las principales áreas de aplicación de la PM en los últimos años han sido las siguientes:
a )Control de calidad k) Programación económica
b) Finanzas l) Recursos académicos
c) Inversiones m) Recursos agrarios
d) Localización n) Recursos ambientales
e) Militares o) Uso del agua
f) Mercadotecnia p) Recursos forestales
g) Optimización de mezclas q) Recursos humanos
h) Optimización en ingeniería r) Recursos pesqueros
i) Publicidad s) Recursos sanitarios
j) Producción
Mercadeo: Donde las metas conflictivas podrían ser: Maximizar la participación del
mercado, minimizar los costos de publicidad, maximizar el margen de ganancia por
artículo vendido.
Control de Inventarios: Donde es necesario minimizar el número de faltantes y
minimizar el costo de almacenaje y aumentar el nivel de respuesta a los clientes.
Producción: Donde es necesario minimizar el costo de fabricación, maximizar el control
de calidad y maximizar la utilización de recursos.
Ing. María Isabel Pérez Salas 6
Investigación de Operaciones II
Unidad I. Programación por Metas
1.2 MODELO GENERAL DE METAS
Consideremos un problema decisional en el que existen q metas. La estructura de la meta
genérica i-ésima es la siguiente:
(gi) fi(x) + Si- - Si+ = ti
Donde:
fi(x): Representa la expresión matemática del atributo i-ésimo; (es decir, una función del
vector x de las variables de decisión).
t : el nivel de aspiración asociado a dicho atributo,
Si- y Si+ las variables de desviación negativa y positiva
La variable de desviación negativa cuantifica la falta de logro de una meta con respecto a
su nivel de aspiración, Mientras que la variable de desviación positiva juega el papel
opuesto; es decir, la medición del exceso de logro de una meta con respecto a su nivel de
aspiración.
1.3 DIFERENCIAS ENTRE MODELO LINEAL Y MODELO METAS
La formulación de un modelo de PM es similar al modelo de Programación Lineal (PL). El
primer paso es definir las variables de decisión, después se deben de especificar todas las
metas gerenciales en orden de prioridad. Así, una característica de la Programación por
Metas es que proporciona solución para los problemas de decisión que tengan metas
múltiples, conflictivas e inconmensurables arregladas de acuerdo con la estructura
prioritaria de la administración.
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.
Ing. María Isabel Pérez Salas 7
Investigación de Operaciones II
Unidad I. Programación por Metas
Después se conecta el atributo con el nivel de aspiración, por medio de la introducción de
las variables de la desviación negativa y positiva, respectivamente:
Si- = variable de desviación negativa, cuantifica la falta de logro de una meta con respecto
a su nivel de aspiració[Link] con respecto a su nivel de
Si+ = variable de desviación positiva, cuantifica el exceso de logro de una meta con
respecto a su nivel de aspiración.
En general, la meta del atributo i-ésimo se escribe como:
Los valores de las variables de desviación son siempre positivas 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.
En conclusión, los pasos para la formulación de problemas de programación por metas:
Definir las variables de decisión; también se definen las variables de desviación
negativa y positiva.
Identificación de las restricciones.
Identificación de la función objetivo. El objetivo es minimizar la penalización total por
no haber logrado las dos metas.
Ing. María Isabel Pérez Salas 8
Investigación de Operaciones II
Unidad I. Programación por Metas
1.4 MODELOS 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:
Horas. requeridas para procesar cada bicicleta
Tipo de bicicleta En el Depto. En el depto. de Contribución a
de ensamble terminación la utilidad
unitaria
3 velocidades 1 1 15
10 velocidades 3 1 25
Horas. disponibles
60 40
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.
a) Plantear el problema lineal y resolverlo por el método gráfico. Comprobar la no
existencia de región factible.
b) Modelar el problema como programación por metas.
c) Resolver el problema y obtener conclusiones.
Ing. María Isabel Pérez Salas 9
Investigación de Operaciones II
Unidad I. Programación por Metas
a) El modelo por programación lineal es el siguiente:
Max z= 15X1 + 25X2
s.a
X1 + 3X2 <= 60 horas de ensamble
X1 + X2 <= 40 horas de terminado
X1, X2 , >= 0
VB X1 X2 H1 H2 Sol
Z 0 0 3 10 700
X1 0 1 1/2 -1/2 10
X2 1 0 -1/2 3/2 30
b) El problema planteado con el modelo de programación por metas con una sola meta,
quedará de la siguiente manera:
Definición de variables:
X1 = Número de bicicletas de 3 velocidades producidas por día
X2 = Número de bicicletas de 10 velocidades producidas por día
S1- = Cantidad por debajo de la utilidad perseguida
S1+ = cantidad por encima de la utilidad perseguida
Minimizar Z = S1- + S1+
s.a.
X1 +3X2 ≤ 60 (horas de ensamble).
X1 + X2 ≤ 40 ( (horas de terminación)
15X1 + 25X2 + S1- - S1+ = 600 (Utilidad perseguida) Restricción meta
x1,x2, S1- , S1+ ≥ 0
Ing. María Isabel Pérez Salas 10
Investigación de Operaciones II
Unidad I. Programación por Metas
Nota: Puesto que tanto S 1- , S1+ aparecen en la función objetivo y a ambas se les asigna
pesos iguales, esto indica que la administración desea lograr la utilidad meta exactamente.
Ahora vamos a resolverlo por el método simplex:
Tabulador inicial
Entra la variable X2 y sale H1.
VB X1 X2 H1 H2 S1- S1+ Sol
Z 15 25 0 0 1 -1 600
H1 1 3 1 0 0 0 60 60/3=20
H2 1 1 0 1 0 0 40 40/1=40
d1- 15 25 0 0 1 -1 600 600/25=24
Condiciones para desarrollar el método simplex en programación por metas:
1.- Todos los problemas son de minimizar.
2.- La variable S1- es el sublogro respecto de la meta.
3.- La variable S1+ es el sobrelogro respecto de la meta.
4.- La función objetivo original queda incluida como una restricción.
Las iteraciones necesarias para obtener la solución se muestran a continuación:
Iteración 1
VB X1 X2 H1 H2 S1- S1+ Sol
Z 20/3 0 -25/3 0 1 -1 100
X2 1/3 1 1/3 0 0 0 20 20/(1/3)=60
H2 2/3 0 -1/3 1 0 0 20 20/(2/3)=30
d1- 20/3 0 -25/3 0 1 -1 100 100/(20/3)=15
Ahora entra la variable X1 y sale la variable d1-
Ing. María Isabel Pérez Salas 11
Investigación de Operaciones II
Unidad I. Programación por Metas
Iteración 2 y tabulación final
VB X1 X2 H1 H2 S1- S1+ Sol
Z 0 0 0 0 0 0 0
X2 0 1 3/4 0 -1/20 1/20 15
H2 0 0 1/2 1 -1/10 1/10 10
X1 1 0 -5/4 0 3/20 -3/20 15
Como en el renglón Z ya no existe variable caracterizada como meta que meter a la base,
termina el proceso simplex. La solución óptima se ha logrado.
X1= 15, X2= 15
Sustituyendo el valor de Z= 25*15 + 15*15= 600, por lo tanto se ha logrado la meta
planteada.
La solución en POM se muestra a continuación.
Como podemos observar se alcanzó la meta de los ingresos de 600 y se usaron todas las
horas el departamento de ensamble, sin embargo solo se utilizaron 30 horas del
departamento de terminación.
Gráficamente esta es la solución:
Ing. María Isabel Pérez Salas 12
Investigación de Operaciones II
Unidad I. Programación por Metas
TAREA. Plantea este mismo modelo con la siguiente consideración:
La administración cree que es dos veces más importante sobrelograr que sublograr la
meta de utilidad perseguida.
1.5 MODELOS DE METAS MÚLTIPLES
La agencia de publicidad Leon Burnit quiere determinar el programa de anuncios en TV
para la Priceler Auto Company. Priceler tiene tres objetivos:
Objetivo 1. Sus anuncios deben ser vistos por un mínimo de 40 millones de personas con
ingresos altos (PIA).
Objetivo 2. Sus anuncios deben ser vistos por un mínimo de 60 millones de personas con
ingresos bajos (PIB).
Objetivo 3. Sus anuncios deben ser vistos por un mínimo de 35 millones de mujeres con
ingresos altos (MIA).
Leon Burnit puede comprar dos tipos de anuncios: los que aparecen durante los juegos de
fútbol y los que aparecen durante los melodramas; a lo más puede gastar $600,000.00
dólares. Los costos del comercial y las audiencias potenciales de un anuncio de 1 minuto
se muestran en la siguiente tabla:
Anuncio Millones de televidentes
Ing. María Isabel Pérez Salas 13
Investigación de Operaciones II
Unidad I. Programación por Metas
Costo
VAI PBI MAI
(dólares)
Futbol 7 10 5 100 000
Telenovela 3 5 4 60 000
Leon Burnit debe plantear un modelo de programación por metas que determine cuántos
minutos comprar durante el fútbol y cuántos durante los melodramas, reduciendo al mínimo
la penalización total por ventas perdidas. Dicha penalización, en miles de dólares es :
$200.00 para la meta 1, $100.00 para la meta 2 y $50.00 para la meta 3.
a) Plantear el problema lineal, resolverlo por el método gráfico y comprobar la no
existencia de región factible.
b) Resolver el problema utilizando el método de jerarquías. VAI PBI MAI
a) X1: Numero de anuncios para el juego de futbol
X2: Numero de anuncios mostrados en telenovelas
Min z= 𝑠1− + 𝑠2− + 𝑠3−
s.a
7X1 + 3X2 + 𝑠1− - 𝑠1+ = 40
10X1 + 5X2 + 𝑠2− - 𝑠2+ <= 60
15X1 + 25X2 + 𝑠3− - 𝑠3+ = 35
100 X1 + 60X2 <= 600
X1, X2 , Sj- ,Sj+ >= 0 j=1,2,3
Tabulación Inicial
Entra X1 y sale S1-
Ing. María Isabel Pérez Salas 14
Investigación de Operaciones II
Unidad I. Programación por Metas
X1 X2 𝑠1+ 𝑠2+ 𝑠3+ 𝑠1− 𝑠2− 𝑠3− H4 SOL
VIA 7 3 1 0 0 0 0 0 0 40
PIB 10 5 0 1 0 0 0 0 0 60
MIA 5 4 0 0 1 0 0 0 0 35
𝑠1− 7 3 -1 0 0 1 0 0 0 40 40/7=5.7
𝑠2− 10 5 0 -1 0 0 1 0 0 60 60/10=6
𝑠3− 5 4 0 0 -1 0 0 1 0 35 35/5=7
H4 100 60 0 0 0 0 0 0 1 600 =600/100
Iteración 1
X1 X2 𝑠1+ 𝑠2+ 𝑠3+ 𝑠1− 𝑠2− 𝑠3− H4 SOL
VIA 0 0 0 0 0 -1 0 0 0 0
PIB 0 5/7 10/7 1 0 -10/7 0 0 0 20/7
MIA 0 13/7 5/7 0 1 -5/7 0 0 0 45/7
X1 1 3/7 -1/7 0 0 1/7 0 0 0 40/7
𝑠2− 0 5/7 10/7 -1 0 -10/7 1 0 0 20/7 2
𝑠3− 0 13/7 5/7 0 -1 -5/7 0 1 0 45/7 9
H4 0 120/7 100/7 0 0 -100/7 0 0 1 200/7 1.66
Para la segunda iteración entra S 1+ y sale H4.
Iteración 2 y tabulación final
X1 X2 𝑠1+ 𝑠2+ 𝑠3+ 𝑠1− 𝑠2− 𝑠3− H4 SOL
VIA 0 0 0 0 0 -1 0 0 0 0
PIB 0 -1 0 1 0 0 0 0 -1/10 0
MIA 0 1 0 0 1 0 0 0 -1/20 5
X1 1 3/5 0 0 0 0 0 0 1/100 6
𝑠2− 0 -1 0 -1 0 0 1 0 -1/10 0
𝑠3− 0 1 0 0 -1 0 0 1 -1/20 5
S1+ 0 6/5 1 0 0 -1 0 0 7/100 2
Ing. María Isabel Pérez Salas 15
Investigación de Operaciones II
Unidad I. Programación por Metas
Conclusión:
X2 = 6, se deben contratar 6 anuncios para los partidos de futbol.
Los resultados de POM se muestran a continuación:
Como se muestra en la tabla anterior se alcanzan los objetivos 1 y 2, se alcanzó a 42
millones de hombres de altos ingresos y nos faltaron 5 millones para alcanzar la meta 3.
Ing. María Isabel Pérez Salas 16
Investigación de Operaciones II
Unidad I. Programación por Metas
Supongamos que se añade a este modelo la restricción de que se debe cumplir con un
presupuesto de $600,000.00 dólares. Si se decide que se tenga una penalización de 1 dólar
por cada dólar de diferencia con esa meta, entonces ¿Cuál sería la formulación correcta
del modelo modificado?
1.6 MODELOS DE SUBMETAS DENTRO DE UNA META
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 que
$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. 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:
Minimizar Z = P1(S1- + S1+) + P2(S2- + S3-) + 3P3S2+ P3S3
s. a.
Ing. María Isabel Pérez Salas 17
Investigación de Operaciones II
Unidad I. Programación por Metas
15x1+25x2 - S1+ + S1- = 750 (Utilidad perseguida)
x1 +3x2 - S2+ + S2- = 60 (Horas de ensamble)
x1 +x2 - S3+ + S3- = 40 (Horas de terminación)
x1,x2, S+ , S- ≥ 0 para toda i
1.7 MÉTODOS DE SOLUCIÓN
Para resolver un modelo con varios objetivos y metas quizás conflictivas, se han
desarrollado dos métodos:
1.- El método de factores de ponderación.
2.- El método de jerarquías.
1.7.1 MÉTODO DE FACTORES DE PONDERACIÓN
La ponderación de objetivos para la determinación de soluciones eficientes es posiblemente
la primera técnica multiobjetivo considerada. El método se deduce directamente de las
condiciones necesarias de Kuhn. Tucker para soluciones eficientes y fue propuesto por
Zadeh en 1963, para con una adecuada variación paramétrica de los pesos, generar el
conjunto eficiente.
Supongamos que el modelo de programación de metas tiene n metas, y que la i-ésima
meta se expresa como sigue:
Minimizar Gi, i = 1, 2, …, n
La función objetivo combinada que se usa en este método se define como sigue:
Minimizar z = w1G1 + w2G2 + … + wnGn
El parámetro wi , 1,2, …, n, representa factores de ponderación positivos que reflejan las
preferencias de quien toma las decisiones, respecto de la importancia relativa de cada
meta.
Ing. María Isabel Pérez Salas 18
Investigación de Operaciones II
Unidad I. Programación por Metas
1.7.2 MÉTODO DE JERARQUÍAS
Este método es conocido también como programación por objetivos prioritarios, para poder
aplicar este tipo de programación, el tomador de decisiones tiene que jerarquizar sus
objetivos desde el más importante (objetivo 1) hasta el menos importante (objetivo n). El
coeficiente de la función objetivo para la variable que representa el objetivo i será Pi. Se
supone que
P1 P2 P3 …. Pn
Por lo tanto, la ponderación o peso del objetivo 1 es mucho mayor que el objetivo 2, y el
peso del objetivo 2 es mucho mayor que el del objetivo 3, y así sucesivamente.
El procedimiento de solución considera una meta cada vez, comenzando con la máxima
prioridad P1 y terminando con la última Pn. El proceso se hace de tal forma que la solución
obtenida con una meta de menor prioridad nunca degrade a alguna solución de mayor
prioridad.
Ing. María Isabel Pérez Salas 19
