LA PLANIFICACION DE LA PRODUCCION PARA OBJETIVOS MULTIPLES LeINTRODUCCION 11. VOLUMEN OPTIMO DE PRODUCGION A CORTO PLAZO 1.1 Andlal marginals 1.2 Mutipleadores de Lagrange 1L3.-Programactén matemitca IIL-LOS MODELOS LINEALES CLASICOS Y SUS DEFECTOS 1WLt.- Formulacién matemética IL2.- Caractorsticas tundament 3. Detectos dela P.L clésica IV. DIFERENTES ENFOQUES © METODOLOGIAS PARA RESOLVER ‘OBJETIVOS MULTIPLES. IV.1.- Relacionar los dlstintos objetivos entre sf de manera que se obtenga una inica funcion objetivo compuesta. 12 Establecer un objetivo como priortario entre todos los posibles y optimizar ta funclén objetivo correspondiente PROBLEMAS CON 1V.3.- Buscar soluciones eficientes 1V.4.- Adoptar umbrales de satistaccion V.- LA PROGRAMACION POR OBJETIVOS (P.P.0.) V.1.- Restrieciones -Restriociones flexible -Restricciones no flexibles V.2.- La funcién objetivo VL LA PROGRAMACION LINEAL MULTICRITERIO (P.LM.C.) VL1.- Hipétesis de que parte V.2.- Formulacion matemética del modelo V13.- Calculo de la soluctén eficiente Vil. CONCLUSIONES = BIBLIOGRAFIAAs NTRODUCCION nvr tan cleciakvies a conto plazo relaclonacas con of disefio det sistema ch eoorimioa de la prodtucetin que dé lugar a la utlizacion productivo en ta eros, ne arcu Ia puanitioas ‘opting dle loa reourmos daponibies y, a la vez, le permita alcanzar los objetivos fjados por la vier {Ex doo, to que ae pretends en este tema ex daterminar el volumen Optimo de produccién ‘a corto plazo pata a empreaa: entendienda por Optio aquel programa que, tenlendo en cuenta toa comtickonamientoa o lintaclones de recursos & que la misma ee ve sometida, le permite la ‘consecuctin de los objetivoa previatos ls VOLUMEN OPTIMO DE PRODUCCION A CORTO PLAZO Con et objetivo vitimo de determinar el volumen éptimo de producci6n para la empresa, haremos una raviaibn de los distintos modelos que cronolégicamente han ido surglendo, comenzando por el andlisls marginaliata, hasta llegar @ las aportaciones mas recientes y que conatituyen realizaciones mas cercanas a la problemética de la empresa actual, como la Programacton Muticrteri, Andliais marginaliste La “Teoria de la Firma” clislca, nos propuso en su dla como volumen Optimo de produccién para la empresa, aquél que le reporta el maximo beneficlo, o sea, aquel volumen de produccion para ef cual la funcién B = k- Grae hace maxima, ws. 1® condiclén de maximo: a6) alm 0 4(Q) 2 condicién de maximo: #@)_ <0 (a)? O sea, alli donde el ingreso marginal y el coste marginal se Igualan, la funcién de beneficio ‘80 hace maxima y el volumen de producclén correspondiente seria el 6ptimo (Q*). ‘Ahora bien, este planteamiento marginalista s6lo es valido en teorla y actuando bajo clertas condiciones 0 hipétesis factuales, que han sido falsadas por las experiencias de la realidad econdmica y de la propia estructura de la empresa; como lo es por ejemplo:SX eaane @euveas ferere @euay oe @euunusa La hipétesis de conducta racional de los sujetos econémicos Indiduals. La hipotesis de una economia estitica La hipétesie de un futuro econémico clerto. La hipétesis de existencie de funciones continuas 0 con variaciones infintesimales. La hipétesis de existencle de valores marginales para cada factor y producto Independiontemente. ‘Ademés, aunque este planteamionto marginal se aplica sobre diferentes formas de mercado, es usual que el equllibrio tipico de la empresa se formule en mercados de ‘competencia perfecta, lo que pusde considerarse como una condicién factual mas. De todas formas, esto no es dbice para desechar este modelo, ni para desmerecer sus virtudes; ya que ha servido y sive para ayudar a comprender la Iégica econémica que esté Implicita en este proceso decisorlo, aplicable en el mejor de los casos a una actuacion ideal. Ya |o dijo Friedman, el “marginalismo no pretende explicar la realidad, sino que es un método para ayudar a comprenderta’ ‘Sin embargo, en la mayorla de problemas de optimizacién dentro del mundo real de la ‘empresa, existen una serie de linitaciones o restricciones que condicionan la decision a tomar. sea, en la asignacion de recursos limitados de que dispone una empresa se ha de procurar un 6ptimo que cumpla todas y cada una de las restricciones Impuestas por el entorno y que pueden ser de diversa indole: financieras, comerciales o de mercado, sociales, legales, etc. y ‘que hacen que en el mundo real de la empresa nos encontremos siempre con problemas de éptimos condicionados. Una técnica que se podrla usar para solucionar problemas de optimizacion condicionada a ciertas restricclones es la llamada de los Multiplicadores de Lagrange.% ewes te ty &> e e 11.2 Los muitipticadores de lagrange 7 ata técnica consisto on optimiza (aximizar 0 minimizar) una funcén () sometida a una ®> sore do resicciones o condones: &y ¢. Mlb (2) = 652.98 on Xa) > & ccumpliendo las siguientes resticelones: fy a Pe (6492.28 nn Xa) = BY es cc &y a 2218 nn Xn) = Be ¢ es ¢ Fa (412.28 sn Xn) = ts ‘Ahora bien, este método posse una gran limtacion para su aplicacién a los problemas ts econémicos de la empresa, y es que las restrcciones se plantean en forma de igualdades y. és aunque cabria la posiblidad de presentarlas en forma de desigualdades y por medio de a variables de holgura, ransformarlas en igualdades, su resolucién se complica grandemente. « Este hecho supone una enorme difcutad para la aplicacién prictica del modelo, pues en ts Economia de la Empresa la mayoria de restricciones nos vienen dadas en forma de desigualdades. 11.3.- Programacion matemética La forma més usual de solucionar problemas de optimizacién condicionada para un determinado intervalo de tiempo, es acudiendo a los métodos estéticos de programacion matemética, y dentro de ésta nosotros haremos una revision somera a la Programacién Lineal clésica, para posteriormente centramos en el estudio de la Programacion por Objetivos y de la P. L Mutticriterio, como variantes més avanzadas.3 wo IL; LOS MODELOS LINEALES CLASICOS Y SUS DEFECTOS podemos enunciar problema que trates de Prt tas resreciones a que dan De acuerdo con todo lo anterior, como la obtencién de un programa de produccion que, sometkio & ugar los recursos limtados, proporcione un rendimiento Optio. M.1.- Formulacién matemética del modelo: 1 postulade bisico de la Programacién Lineal proceso es directamente proporcional al nivel de empleo de ia tuncién de rendimiento (2) de un programa frmado por n procescs () & la siguiente forma linea! nos dice que of rendimiento Sptimo de un del mismo. De esta forma, a expresion nivel de, toma OPTIMIZAR (2) = 61 x1 + C22 + eo + 000 (Max 0 Min) dado que of consumo (a) de un determinad recurso bx en al proceso Fy Por otra parte, las restricciones debidas & se ha supuesto directamente proporcional a su nivel de actividad %, Jos m factores limitados que la empresa dispone, se plantearian en la siguiente manors: + aie s BL ani xs + 212% + + aanxa s b2 ai xt + 2222 + ams x1 + a2 X2 + + ann Xa < brn vq 20 I1L2.- Caractertsticas fundamentales: i céleulo del programa optimo de producciin a través de un modelo de este tipo, tend dos caracteristicas fundamentales: 19) Se refiere a un period de tempo determinado (andlsis puramente estitica). 29) Se resuelve de acuerdo con un cfitero econémico al cual se basa, @ su vez. on Un conjurto de supuestos tcnicos y econémicas. Ast la PL parte dal supuesto de que la ectructura tcnico-econdémica & tener en cuenta a la hora de plantear el madelo se mantordres a lo cual s6lo es cierto para corto y, alo sumo, medio plazo. ‘ja durante ol periodo considerado, ‘sor menos restictiva gracias a la aplicacién del andisis Si bion esta limtacién temporal puede de la sonsibilidad a los modelos lineales. Porta parte, en a PL, al suponerfunciones 0 relacioneslineales, se acepia aus «La funcln de ngresos, k= PQ, val neslmente con a preduccion ©, lo ave implies {que a precio de venta de los “outputs” ha de ser constante. Gx = C(O), varia inealmente con la produccién Q, lo que b) La funcién de costes totales, hha de ser también constante. Implica a su vez, que el precio de compra de los "inputs" Nosotros sabemos que los precios s6lo son constantes actuando en un régimen de ccompetencia pertecta. Ahora bien, a corto plazo los precios sudten mercado ideal como el de la P.L sélo se puede aplicar a programar la ‘ser aproximadamente constantes. Por ello, produccién a corto plazo. En lgebra lineal se han elaborado varios métodos 0 algortmos para optimizar programas lingales; entre los cuales o! més utiizado en la préctica es el método primal del "simplex" 0 algortmo de Dantzing, Dichos métodos los suponemos conocidos, al igual que los principios fundamentales del élgebra lineal .~ Defectos de la P.L. simple.- ‘Si bien fa P.L. simple ( 0 primitiva) permitié en su dia a las empresas disponer de unos instrumentos mas operativos a la hora de tomar decisiones, que los de la “Teoria de la Empresa", ms adolecia sin embargo de dos grandes defectos: 4) Proporcionaba, en un principio, soluciones no enteras, 0 sea, partia del supuesto de continuidad en la medida de las soluciones. 'b) Considera un solo objetivo en la funcién a optimizar, normalmente minimo coste 0 maximo beneficio, contemplando todos los demas, si los hubiera, como restricciones del programa que deben ser satisfechas antes que aquélla. Sin embargo, la empresa moderna persigue normalmente un conjunto de objetivos miitiples a los que trataré de compatibilizar y de alcanzar ala vez. ooo 8soos Tae 1 s crtlcas, surgloron nuevas técnicas y algoritmos tendentes necesidades decleorias de la empresa, Procisamente, deblio a es salvar dichos detects y a acercari al Entre los métodos més corcanos a la realidad estén aquéllos que consideran de alguna forma la incidencia de los objetlvos miltiples proplos de las empresas actuales, bien Inctuyéndoles como desviaciones an ta funcién objeto del modelo, tal y como lo hace la Programacién por Objetios (P.P.0), 0 blen Incluidos en la propia funcién econémica segtin a version de la Programacién Lineal Muticttrio (P.L.M.C.). 1odos se les podré aplicar toda la serie de algoritmos de “Programacion en A estos méte ~Postoptimizaci6rt 0 “Parametrizacién de los componentes del modelo en la ‘ndimeros enteros' solucion éptima’. presa actual, en cuanto a sistema que opera en un Pues bien, sabido es que la emy ‘ambiente inestable y multforme, se enfrenta de manera continuada a una mutiplicidad de objetivos a conseguir; los cuales normalmente no tendrén la misma Importancia, ni tampoco ‘onseguirse todos a la vez. Todavia serén compatibles entre si, en el sentido de que puedan mente cus! es la importancla relativa de cada objetivo dentro de més, puede ignorarse completar la empresa, lo que ha dado a origen a varios enfoques o metodologias tendentes a la resolucion de este tipo de problemas. IV- DIFERENTES ENFOQUES PARA RESOLVER PROBLEMAS CON OBJETIVOS MULTIPLES Legados a este punto, cabria hablar de la existencia de diferentes planteamientos para resolver problemas con objetivos miitiples, entre los cuales podemos destacar: obtenga una Gnica { de manera qu 1V.1.- Relacionar los distintos objetivos entre funci6n objetivo compuesta. Esto equivale a construir una funcién de utlidad que tenga en cuenta todos los objetivos fn) Implicados, 0 sea, fn+1 = F (Hf, Este enfoque adolece de una serie de defectos, entre los que cabe resaltar: La funci6n de utiidad s6lo puede construirse si las retaciones entre los distintos objetivos cumplen clertas propledades.= Aunque pueda construise una (nica funcién de utlidad, al cumplrse tas mencionadas propledades, puede que no se disponga de la Informacion requerida para ato. Dentro de este mismo apartado existe una segunda posiblidad, que consiste en asignar ‘pesos o ponderaciones a las distintas funciones objetivo y componer de esta forma una sola de ‘naturaleza compuesta: El principal defecto que se le achaca a esta segunda posiblidad es la dificultad en of ‘calcuo de los 1, entre otras cosas, porque estos pesos no suelen ser Independientes de las funciones objetivo ponderadas. Por otro lado, nada nos asegura que tales xi deben pemanecer Cconstantes en el tempo. 1V.2. Establecer un objetivo como prioritario entre todos los posibles y optimizar la funcién objetivo correspondiente. Evidentemente, esto no es més que establecer que todos los pesos ni considerados en ‘enfoque anterior son nusos, excepto para un solo objetivo que se considera priortario. ‘Se sucle emplear este enfoque como fase previa de la P.LM.C., para establecer la valoracion de los pesos relatives de cada objetivo respecto a los dems, dentro del contexto del ‘problema que se pretende resolver. Junto a los defectos anteriormente resefiados, se afiade ahora el tener que elegir al objetivo considerado como més importante. 1V.2- Buscar soluciones eficientes, es deci, que no estén dominadas por ninguna otra solucion. ‘Segin este enfoque se da solucion eficiente cuando no exista ninguna otra solucion factible que la mejore en alguno de los objetivos, igqualando los niveles de los demas. De todos los algoritmos presentados éste es uno de los més recomendables, ya que NO ‘sélo conserva adecuadamente la naturaleza muftidimensional del problema, sino que en cierto modo la potencia. En efecto, el sujeto decisor se ve obligado a elegir entre el conjunto deee scluciones eficientes, squilla que Je parece més sdecuada sin tener que suministrar te informacion necesaria para realizar su olecci6n. 1V.A- Adoptar umbrales de satistaccién. Segin este enfoque, una solucion cualquiera seré aceptable si cumple una serie de niveles miimos para cada uno de los objetios fjados. Esta metodologia es andloge a la anterior, salvo en los crterios de aceptablidad de una solucion son exogenos al problema, ‘mientras que en la anterior se determinaban dentro del mismo. Una vez revisados los diferentes enfoques, estamos en condiciones de introducimos en of estudio de algunas téenicas concretas para plantear y resolver problemas con objetvos mitiples. En primer lugar, hablaremos de la P.P.O. considerando que, aunque ésta no $e restringe solamente a problemas lineales, nosotros aqui la emplearemos Gnicamente en este sentido, debido a su gran operatividad y factidad de resolucion. V.- LA PROGRAMACION POR OBJETIVOS (P-P.O.) Gracias a la P.P.O. aumentan considerablemente las posibilidades de utlizacion de la programacién matemética en la empresa pues, como ya se ha indicado, permite resolver problemas que presentan varios objetivos, incluso cuando éstos tienen distinta importancia relativa. De esta forma, mientras en la PL ctésica se contemplaba un solo objetivo en ta funciona ‘optimizar, recibiendo el resto, si los hubiera, el tratamiento correspondiente a las restricciones {del problema; en la P.P.O. todos los objetivos se incorporan en la funcién a optimizar y s6lo las ‘auténticas condiciones ambientales que rodean a la toma de decisiones, reciben el tratamiento ‘que se dispensa a las restricciones. WV.1- Restricciones. Este procedimiento da lugar a dos tipos de restricciones: ‘a) Restricciones no flexibles, que son idénticas a las empleadas en ta P.L cldsica y expresan, por tanto, una condicién ambiental o restriccién estricta; por ejemplo, un limitemado que no se puede sobrepasar bajo ningin concepto, un tope rinimo que se debe respetar, ete, Son pues del tipo: by Restrcciones flaxbles, las cuales proceden de los objetivos a alcanzar, teniendo en cuenta que pueden admiirse desviaciones respecto a oles. Su formudacién matemética es del tipo: Sayy-a= ve-%i donde 5 yx 6s al nivel real que se prevé alcance el objeto I, y ol O: es et nivel deseado para éste. Por tanto, las Y*1 y las Yi del segundo miembro reflejan las desviaciones por exceso y por defecto, entre ol nivel real que se prové alcance el objetivo i y su nivel deseado. De tal forma, ‘que para cualquier objetivo I s6lo puede tomar valor postive una de elias, o sea, en caso de ‘exist desviacion respecto al mismo, seré por exceso 0 por defecto, pero, no ambas cosas a la ‘vez. El algoritmo del ‘simplex’, que es el empleado para resolver este tipo de problemas, cgarantiza lo anterior, pues los programas efectuables (sucesivas bases del modelo) se forman utlizando a lo sumo una varlable por ecuacién de restriccién. Es decir, siempre se cumplira que: ivY*L. Yi 2 0 vi. V.2.- La funci6n objetivo: En cuanto a la funcién objetivo, en lugar de optar pot un comportamiento optimizador, tratando de obtener el mejor valor (ya sea méximo 0 minimo) para el Unico objetivo incluido en la misma, como ocurrfa en la P.L. clésica; ahora en la P.P. desviaciones desfavorables respecto a los valores que, a juicio de la direccion, son deseados o . generalmente se Intenta minimizar satisfactorios. Asi, como el objetivo en este titimo caso es obtener resultados satisfactorios (no Jos mejores resultados posibles), se afirma que la empresa adopta un comportamiento "de satisfacci6n’, lo cual implica una mayor aproximacién a la realidad cotidiana de la empresa.reeset re De esta manera al tenemos, por ejemplo, tree objets diferentes Or, O2, y Os, y se desea canzar como maximo el nivel datinido por O1 , como minime et representado por Oz conseguir exactamente of Os. la tuncion objetivo del modelo seri: Min@)= tr 4¥2 + Ys +¥3 Rostriccionon [ (ris xi + fig2 + osm + Bina) Or = YT YI fexibies (ren xt ABH + se 4+ fan Xa) -O2 = ¥*2 “Ya (rat x4 a2 2 + sae + Ran Xa) O38 ¥%3 “VR NK ND tee HIME 5 BY Rostricciones | azn xi + aazxe + + ane < be no flexibles + pn Xo Bp apt Xt + 85212 + Y las condiciones de no negativided v¥¥q,Y*1,Yi 2 0 ‘Como podemos observar, en la funcién objetivo anterior se Intenta reduc al minimo las desviaclones indeseables, 0 sea, las desviaciones por exceso en O1 (las Y*s), por defecto en 2 (Jas Y2) y ambas respecto a Os (las Y*a y las Y's ). Cuando una desviacién no aparece en la funcién objetvo (caso de las Ys y las Y*2) signfica que, en principlo, resuita indiferente et valor que aquéla pueda tomer. En of modelo anterior se ha supuesto que todos los objetivos tienen la misma Importancia, ‘Sin embargo, ocurre en muchas ocasiones que al acercamiento a un objeto, supone of ‘Alojamiento de otro. Se dice entonces que los objetivos son incompatibles, siendo necesario que 41 decisor manitieste sus preferencias por los mismos, estableclendo un orden de prioridad para aiios. En P.P.O. esa preferencia se manifiesta afectando a las variables desviacion con unos pesos 0 ponderaciones diferentes en la funcién objetivo, y tanto mayores cuanto més importante y prlontaria sea la meta pretendida.‘hal por ojomplo, sot orden de prioridad viene dado por ol subi I, es deck, primero ‘ercero Os, afectaremos las variables desviacion de cada uno de ellos con (01, segundo O2 y > >N>>>P. De esta manera, al tratar de resolver of modelo a través del método “simplex”, éste hace {que la variable que se minimice antes sea aquélla que tenga mayor coeficiente en Z- Ya por titimo, dentro de la P-P.O. cabria mencionar de que si en lugar de defini unos nivolos de satistaccién o de aceptacién para cada uno de los abjetvos, podemos susthuiles Por nos determinados intervalos, a los cuales intentaremos acercarnos lo més posible tanto por un extremo como por el otro, desembocariamos en la técnica denominada “Programacion por CObjetivos-intervalos’, tal y como la definen Chames y Cooper (1.977) en su obra. En cuanto a la relacion de ta P.P.O. con los enfoques definidos en el epigrafe IV anterior, cabria decir: En primer lugar, participa del primer enfoque en cuanto que busca determinar una nica funci6n objetivo compuesta, no por inclusion directa de los objetivos, sino por combinacién de las desviaciones ponderadas con respecto a la importancia de los mismos. — Por otra parte, también participa del segundo enfoque, ya que no sélo permite una diferente valoracién de las posibles desviaciones, sino que ademés estamos en disposicién de poder ponderarlas convenientemente sega el orden de prioridad de los objetivos. El tercer enfoque, sin embargo, no es aplicable a la P.P.O. dado que las metas deseadas se determinan ex6genamente al problema. Por titimo, el cuarto enfoque es caracteristico de la P.P.O., en cuanto que ésta se basa en unos niveles de satisfaccién, no ya a superar, sino a los que debernos acercarnos lo més posible.Vie LA PROGRAMACION LINEAL MULTICRITERIO (PLM.C.)- Este mitodo de programacién de la produccion cuya caracieristica fundamental es of labandono del comportamiento optimizador, para pasar 8 sustturte por ot de eictencia © no lesarrciio més 0 menos reciente en a tempo, si bien a principio de sokucion por Pareto en ol siglo pasado dominacion, 08 de d ‘fclente 0 no dominada en que se apoya, ya habia sido forma {aho 1.806), on su obra sobre la economia del bienesta Vit. Hipétesie de partida.- La PLM. parte de la hipétesis de que todo sujeto decisor se encuertra shempre arte un ‘conjunto de objethvos miitiples, con mayor 0 menor grado de contradiccion ertre si, alos que Intentard compatiblizar y de alcanzar a la vez y sin Kgnorar a ringin grupo relevarte de eos. ‘Ast, ante cualquier situacién espectica en que haya de tomar una decision, of sujeto actuante ‘que, a su vez podrd entrever determinadas consecuencias que de la misma se derivan y ‘quodarin registradas en un corjunto de funciones objetivo, cuya optimizacion de forma simuténea generalmente es imposible alcanzar. Se exctuyen, por tanto, de ta aplicacion de este ‘modelo dos situaciones econémicas, para las que la solucion del problema resista obwia: = En primer lugar, se excluyon las situaciones en que los objetivos contemplados sean perfectamente compatibles entre si, ya que al permtirse una consecucion simusténes, do los mismos, no es preciso plantearse alternativa alguna de eleccion entre eos. En segundo lugar, se excluyen también las stuaciones en que, aun no siendo compatibles entre silos objetivos analizados, exista un orden de prioridad claramente estableckdo para los mismos: ya que entonces es suficiente con la aplicacion sucesiva de dicho orden de prelactén, hasta Negar al objetivo menos deseado que sea factibie slcanaar ‘Ademés, estas dos situaciones se suelen dar con muy poca frecuencia, debido a que ‘generalmente la empresa se ve sometida a un conjunto de limitaciones de diversa nituraleza ‘que Impiden o difcuttan la consecucién simuttanea de todos los objetivos considerados y, normalmente, éstos deben competir cara a la asignaciin de recursos limitados que dichas restricclones representan. Por otro lado, y con bastante frecuencia, se dan casos en que se gnora la Importancia relativa de cada uno de los abjetivos considerados, informacion que & veces constituye parte de la soluciin del propio problema siendo, por tanto, irmiable su utlizacion hasta tanto éste no haya sido resuetto,es es es es es: es TR PR eA Ree seeusee 9 a) e > E> ed \Vi2- Formulacton matematica del modelo y eélculo de ls solucion eficlonte ues bin, a iniroducclén do les anteriores hipétesis en ot campo de la opimtzacien sratomdtoa da lugar empleo dl siguerte modelo de P-LN.C., an ol cua para un cone de ftivo diferentes, toma la sigulonte forma ans: ‘nfunclones obj Maxty = CTX Max te = CPX Max in = CPX sujeto alas restricciones: AX sb x20 Para el cual, sgdn las hip6tests de partda, no exsteringén épine comén a todas as 0 ahora en estimar una funciones objetivo consideradas; por lo que nuestro interés s@ contra solucién eflente 0 ne dominada (4), dentro dol corjunto de saluclonesfactibes, para a aie ‘se ha de cumplir que no exista ninguna solucién posible, tal que: We 120 A(R) 2 HO) donde (%) #.0¢), paral menos un! Es dectr, se da solucion efciente cuando no exista ninguna solucion posible que la rere cen, al menos, uno de los objetvos, ualando los niveles do los dems, be esta manera, para cada solucion eficiente exstiré un conjunto de ponderaciones © pesos N, que verifican: yDaer 2Qu>0, Wa 124218: De tal forma que resolviendo et modelo lineal siguiente se desemboca en ta sclucion bbuscada, es decir, Man fo Saox sometida a las restricciones ya conocidas AX sb X20 ‘Ahora bien, tal y como hemos visto, et verdadero problema no esté en estimar una solucién eficiente, ya que baséndonos en la anterior propiodad es realmente faci su consecucién, La verdadera diicutad se encuentra en la determinacién del conjunto de ponderaciones xi, que nos sirvan para calcular la solucion que satistaga plenamente las preferencias del agente decisor. En este sentido, la resolucién del modelo original tantas veces como objetvos se contemplen en 6! (n veces en nuestro caso), puede arrojar mucha luz sobre el valor de 10s Pesos 1a empiear. Para oll, consideramos en cada ocasién una funcién objetivo como priortaria y coptimizaremos el modelo con respecto a ella solamente, a la vez que evaluamos las restantes. De esta forma conseguiremos la siguiente "matriz de optimos individualizados": fn fos so fon Que nos reporta de manera extractada, una informacién relevante sobre las consecuencias que para los demés objetivos implica el hecho de que consideremos prioritario cada uno de ellos. Y donde cada elemento fj nos indica el valor que toma la funcién objetivo | cuando el modelo en su totalidad se esté optimizado con respecto a la funcién objetivo |. La diagonal principal de dicha matriz me indicaré la *solucién ideal" del modelo que, por definicion es inalcanzable.18 ronson mn ra este tipo de modelos de programacién, alguno de ellos muy comejos, ‘una sustanclal cartidad de vrormacin, muchas veces inauiizads, ye que a fia! slo x0 tomard urs de 08 8S postbies soluclones eficientes, Por elo, autores como et profesor Valro (1.977- PSS 163-76), opinan que vende a1 punto de vets price es prfarbleemploaraiguno do os metodo de exploracion Intigente det conlunto de eoluclones oicintes, tly como nos Proponeh por ejemplo, ‘autores, se considera a ta matriz Belenson y Kapur (1.977). En el algortmo propuesto por estos do 6ptimos Indhidualizados como la matiz de pagos de un juego bipersonal de suma nila, funcones objetivo, por un tado, y los puntos Eprimos fonado juego nos reporta ‘nos van a pormiti la retacion con Existo una gran dlversidad do algortmos de resoluctén pat que suslen generar donde los jugadores son las cferentes correspondiontes a cada una de elas, por otro, La solucion det mene un conjunto de ponderaciones (Ai) que, adacuadamente estandarizados determinacion do una “solucién de compromiso’, es decir, una alternativa ques °F lgtin Julio telco, suponga un acoptable compromise entre tos objetvos planteados por o ‘ujeto decisor. No obstant, en ol supuesto de que esta solulén no satistaga las preferencies dol menclonedo stjeto, lo quo se hace es susttulr et punto 6ptimo correspondiente ‘al objetivo menos deseado por aicha solucin de compromiso, ¥repetr of proceso a part de la nueva 10. Pero, considerando en todo momento, que matriz de pages tantas veces como sea procis tan de estos modelos de P.LM.C. debe tender en titimo extremo, ‘cualquier algortmo de resoluck fecisor, si es que existe clon de una solucion que satistaga plenamente los deseos del d la obtenc 2s eficientes. alguna, antes que ala obtencién de un gran volumen de solucon De esta forma, el modelo de programacién que nos ocupa no reporta ninguna solucion ‘antes bien, nos proporciona un conjunto de alternativas de soluct6n, todas Optima preelaborada, jozcan claramente las actitudes preferenciales © ‘llas Igualmente aceptables mientras no se con ‘ostratégicas del ente decisor. Es decir que, con la eplicactén de esta citima téonica, solamente slcanzaremos & determinar una ordenacién parcial del conjunto de soluciones factibles ya que, si bien nuestro interés 60 contra en las soluciones ecientes (0 no dominadas) antes que en cuslquler otra que no lo soa, estas soluciones eficiantes no se pueden comparar entre s{ dentro del entomo dal problema considerada; slendo cas! slempre las mismas preferencias del sujeto decisor las que vvan a aportar nuevos criterias de elecclén que, unidos a la informacion que pueda derivarse del proplo problema, contribuyen decisvamente ala solucin final de éste.en e9 &> una ordenacién parcial es por si misma Incompleta, 10 que pusde Ja hora de optar por alguna de tas en la toma de Como sabemos, desembocar en mayores dificutades © complicaciones & “atemativas eficientes 0 no dominadas. Sin embargo, esta mayor compsicaciin dectsones, no debe coneiderarse como un producto indeseado, sino derivado det pronto ardcter maftiorme del problema: compleiad que no pademos supdimi sin antar ok cacier vraterteri del mismo y, que a su vez, es un incentio o actcate para ta Kavestoacion ¥ surgimiento de nuevas tnicas de reslucion de estas stuaciones muticrtao, tan comiertes 6 la realidad econémico-empresarial que nos ha tocado vii VIL CONCLUSIONES sunguo a estas técnicas de programacién se les podla achacar of quo su funcién S68 ins insrumental que conceptual para nuestra dacipina, sn embargo ha conseguido, «raves de una formulacion més completa del problema de la planiicacion de la produccién. . presentando de 1) En primer ugar, en cuanto a los objetvos, no sélo admiten que éstos sean numerosos, sino que ademés, se apoyan sobre su jrarquia natural que la direccién lone la posiblidad de ‘modtficar silo considera necesario. by En segundo lugar, en cuanto a Ja solucién del modelo, su enfoque matematico consiste en minimizar desviaciones desfavorables 0 en caractetizar soluciones eficientes dentro del conjunto de soluciones factibes, en lugar de ambicionar el objetivo 6ptimo, lo que esté ms cercano de la realidad cotidiana de la empresa. ©) Por ditimo, en tercer lugar, cabria considerar a estas técnicas como unos instrumentos és flexibles que la programacién ordinaria, permitiendo resolver en clerta medida, un posible conficto entre objetivos que de otra forma no tendrfa solucion en la programacion ordinaria, En efecto, puede no ser factible conseguir simulténeamente clertos objetivas fils, considerados como restricciones, pero, st es siempre posible acercamos todo lo que se pueda a unos determinados niveles satisfactorios de tales objetivos. El tratamiento dado a las distinias prioridades puede ser un instrumento eficaz para conseguir, desde una situacion multicteio, © desde varios puntos de vista dentro de una misma organlzacion, soluciones aceptables.218: Por todo ello, cabria afirmar que gracias a la importante aportacion que on este campo hacen estas técnicas, aumentan considerablemente las posibiidades de utllzacion de ta programacién matematica en la empresa, contribuyendo con ello a una mayor profundidad Investigadora, a la vez que a la resolucién de problemas concretos, como lo es el cue hoy nos ha ocupado aqui.