Está en la página 1de 32

POLITECNICO GRAN COLOMBIANO

DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL


Modulo: INVESTIGACION DE OPERACIONES

Sansn Hernando Quevedo Penilla


Cristian Mauricio Montaa Correa
Marisol Segura

REVISIN DE LAS METODOLOGAS DE


PROGRAMACIN POR METAS

PROGRAMACIN POR METAS


MODELOS MATEMATICOS EN INVESTIGACIN DE
OPERACIONES
INGENIERIA INDUSTRIAL

2014
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

REVISIN DE LAS METODOLOGAS DE PROGRAMACIN POR


METAS

POR:

SANSON QUEVEDO 1321980112


CRISTIAN MAURICIO MONTAA CORREA
MARISOL SEGURA COD: 0911340025

PARA:

DIEGO ALEJANDRO BARRETO DAZA

POLITECNICO GRANCOLOMBIANO
INSTITUCIN UNIVERSITARIA
BOGOTA
2013
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

CONTENIDO

Introduccin.3

Justificacin ........................................................................................................ 3
Conceptos .......................................................................................................... 5
Programacin por metas....6
Procedimiento..7
Formulacin de la funcin objetivo..9
Ejemplo 1............................................................................................................10
reas donde se aplica la programacin por metas16
Ejemplo 2...16 2

Conclusiones ............................................................................................... . 18

BIBLIOGRAFA 19
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

INTRODUCCIN

Los procesos de toma de decisiones se han venido analizando tradicionalmente


sobre la base de un paradigma que puede esquematizarse de la siguiente forma.
En primer lugar, se establece el conjunto de soluciones posibles o factibles del
problema de decisin analizado. A continuacin, fundndose en un criterio, se
asocia a cada solucin o alternativa un nmero que representa el grado de
deseabilidad que tiene cada alternativa para el centro decisor, es decir, se
establece una ordenacin de las soluciones factibles. Seguidamente, utilizando
tcnicas matemticas ms o menos sofisticadas, se procede a buscar entre las
soluciones factibles aquella que posee un mayor grado de deseabilidad. Dicha
alternativa es la solucin ptima.
1. Modularidad: El cdigo fuente para un objeto se puede escribir y mantener
independientemente del cdigo de fuente para otros objetos. Una vez que est
creado, un objeto se pueda utilizar fcilmente alrededor y dentro del sistema.
2. Ocultar informacin: Al poder trabajar solamente con las definiciones de los
mtodos de un objeto, se oculta del mundo exterior los detalles internos de su 3
puesta en prctica.
3. Reutilizacin de cdigo: Si ya existe un objeto (quizs escrito por otro
programador de software), se puede utilizar ese objeto en nuestros programas.
4. Conectividad y facilidad el eliminar errores: Si un objeto particular resulta ser
problemtico, puedes simplemente quitarlo de tu aplicacin y colocar otro objeto
como su reemplazo.
Esta funcin de criterio recibe el nombre de funcin objetivo. Recurriendo a
tcnicas matemticas relativamente sofisticadas se establece la solucin ptima
como aquella solucin factible para la que la funcin objetivo alcanza un valor
ptimo.
Desde un punto de vista de contenido emprico, el marco terico anterior presenta
importantes debilidades que lo desva considerablemente de los procesos reales
de tomas de decisiones. En efecto, en muchos casos de la vida cotidiana, los
centro decisores no estn interesados en ordenar las soluciones factibles con
arreglo a un nico criterio, sino que desean efectuar esta tarea con arreglos a
diferentes criterios que reflejan sus particularidades y preferencias.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

JUSTIFICACIN

La programacin meta es una tcnica de programacin matemtica que trata las


restricciones de un problema de programacin lineal, como metas en la funcin
objetivo. La optimizacin significa llegar tan cerca como sea posible al logro de
estas metas en orden de prioridad, del modelo pre especificado por el tomador de
decisiones. La programacin meta es aplicable a una meta o metas mltiples,
aunque su gran empleo ocurre cuando las metas son mltiples y conflictivas y
todas no pueden satisfacerse simultneamente.

En programacin lineal, se elige una meta como funcin objetivo y las otras metas
se especifican como restricciones. Cualquier solucin a un problema de
programacin lineal, debe satisfacer todas las restricciones antes de optimizar la
funcin objetivo.

En la programacin meta lineal, cada meta entra en la formulacin del problema


con una restriccin de igualdad que contiene variables de holgura, indicando el 4
logro o sublogro de las metas. La funcin objetivo condiciona estas variables de
desviacin y una solucin intentar minimizarlas en orden de prioridad. As, la
programacin meta tolera el logro total o parcial de las metas, mientras que la
programacin lineal requiere la satisfaccin total de todas las metas representadas
por las restricciones.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

CONCEPTOS

Dentro de la estructura del paradigma multicriterio se debe analizar primeramente


una serie de conceptos y definiciones.
Atributo: Este concepto se refiere a valores del centro decisor relacionados con
una realidad objetiva. Estos valores pueden medirse independientemente de los
deseos del centro decisor, siendo usualmente susceptibles de expresarse como
una funcin matemtica f(x) de las variables de decisin.
Objetivos: Representan direcciones de mejora de los atributos. La mejora puede
interpretarse en el sentido (ms del atributo mejor) o bien (menos del atributo
mejor). El primer caso corresponde a un proceso de maximizacin y el segundo a
uno de minimizacin de las funciones que corresponden a los atributos que
reflejan los valores del centro decisor.
Como paso previo a la definicin de meta se introducir el concepto de nivel de
aspiracin. Un nivel de aspiracin representa un nivel aceptable de logro para el 5
correspondiente atributo. La combinacin de un nivel de aspiracin con un atributo
genera una meta.
Finalmente, el trmino criterio se utiliza como un trmino general que engloba los
tres conceptos precedentes (atributo, objetivo y metas). En otras palabras, los
criterios constituyen los atributos, objetivos o metas que se consideran relevantes
para un cierto problema decisional. Por consiguiente, la teora de la decisin
multicriterio constituye un marco general o paradigma decisional en el que
subyacen diferentes atributos, objetivos o metas.
La programacin multiobjetivo constituye un enfoque multicriterio de gran
potencialidad cuando el contexto decisional est definido por una serie de
objetivos a optimizar que deben de satisfacer un determinado conjunto de
restricciones. Como la optimizacin simultnea de todos los objetivos es
usualmente imposible, pues en la vida real entre los objetivos que pretende
optimizar un centro decisor suele existir un cierto grado de conflicto el enfoque
multiobjetivo en vez de intentar determinar un ptimo existente pretende
establecer el conjunto de soluciones eficientes o Pareto ptimas.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

PROGRAMACION POR METAS

Introduccin a las tcnicas de apoyo a la toma de decisin cuando se requiere


considerar mltiples objetivos para el logro de la mejor decisin.
1. La Programacin por objetivos proporciona una manera racional de intentar
alcanzar varios objetivos de manera simultnea, jerarquizando los mismos
o asignndoles una ponderacin a cada uno.
2. El enfoque bsico de la programacin de objetivos es establecer un objetivo
cuantitativo Aspectos bsicos de la programacin por objetivos: tipos de
Metas, variables de desviacin sobre las metas.

Las metas se dividen en:


Meta unilateral inferior: Establece un lmite inferior por abajo, lo cual no quiere
decir que se aceptan desviaciones pero que si debern minimizarse.
6
Meta unilateral superior: Establece un lmite superior, lo cual no quiere decir
exceder pero que se aceptan desvos que debern minimizarse.
Meta bilateral: Establece un blanco especfico que no se quiere perder o
desviarse para ninguno de los dos lados.
El primer paso en la formulacin de un modelo de programacin 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 aspiracin, t, que corresponde a cada


Atributo, siendo ste el nivel de logro del atributo que el decisor considera
aceptable.

A continuacin, definimos las metas, es decir, los atributos combinados con


niveles de aspiracin. Cada meta se convierte en una restriccin blanda a
incorporar en el modelo de programacin por metas.

n: variable de desviacin negativa, cuantifica la falta de logro de una meta


POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

p: variable de desviacin positiva, cuantifica el exceso de logro de una meta

f (x) + n p = t

En general, la meta del atributo i-simo se escribe como:

i i i f (x) + n p = t

Los valores de las variables de desviacin son siempre positivas o cero, al menos
Una de las dos variables de desviacin que definen la meta tendr que ser cero.

Las dos variables de desviacin tomarn el valor cero cuando la meta alcance
exactamente su nivel de aspiracin, ti.

Una variable de desviacin se dice que


Es no deseada cuando al centro decisor le conviene que la variable en cuestin
Alcance su valor ms pequeo, es decir, cero.
Cuando la meta deriva de un objetivo a maximizar o de una restriccin de tipo, 7
La variable de desviacin no deseada es la negativa ni.

Cuando la meta deriva de un objetivo a minimizar o de una restriccin de tipo, la


variable de desviacin no deseada es la positiva pi.

Cuando se desea alcanzar exactamente el nivel de aspiracin, las variables de


desviacin no deseadas son tanto la positiva, pi, como la negativa, ni.

Las variables de desviacin no deseadas se incorporan siempre en la funcin


objetivo del modelo de programacin por metas.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

FORMULACIN DE LA FUNCIN OBJETIVO


Se llama programacin lineal al conjunto de tcnicas matemticas que pretenden
resolver la situacin siguiente: Optimizar (maximizar o minimizar) una funcin
objetivo, funcin lineal de varias variables, sujeta a: una serie de restricciones,
expresadas por inecuaciones lineales.

Funcin Objetivo (F.O.): Para seleccionar que funcin objetivo debe elegirse se
toma en cuenta lo siguiente:

a) Si vamos a encontrar situaciones en las cuales tendremos solo costos ya sea


de materia prima, costo de mano de obra, costo de uso de mquina, costos de
transporte, costos de depreciacin ,etc. esto indica que indudablemente la F.O.
ser de MINIMIZACION.

b) Si el enunciado solo da datos econmicos de ganancia, precio de venta o


dinero a recibir por unidad producida la F.O. ser de MAXIMIZACION.

c) Si el enunciado nos da al mismo tiempo costos y ganancias restaremos de la 8


siguiente manera: GANANCIAS COSTOS =UTILIDAD, la que tendr como
F.O. MAXIMIZACION.

d) Si no nos dan ningn dato econmico y solo se da tiempos, el tiempo se


minimiza, si nos da solo produccin, la produccin se ha de maximizar, si el
modelo corresponde a contratar al personal, la funcin objetivo se minimiza.

Restricciones:

Estas limitaciones o restricciones en los modelos lineales tiene en slo las


siguientes estructuras: <=, >=, =.

Muchos problemas tienen expresiones caractersticas que nos pueden anunciar


que tipo de restriccin debemos usar, por ejemplo:

Usar Para expresiones como :


<= Como mximo, a lo ms, disponibilidad, demanda
mxima.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

>= Como mnimo, por lo menos, al menos, demanda


mnima.
= total, proporcin

Finalmente las restricciones deben tener las mismas unidades en tanto en su lado
izquierdo como derecho. La no negatividad de algunas variables son muy
importante para definir la solucin de algunos modelos, por lo tanto se dice que
todas las variables son >=0.

La funcin objetivo depende del procedimiento, si se consideran los objetivos de


manera simultnea, objetivos sin prioridades se tratar de minimizar una funcin
ponderada de las variables o si por el contrario se adopta un procedimiento
secuencial o con prioridades se identificaran x modelos de PL a ser optimizados
de manera secuencial y de acuerdo a los x niveles de jerarqua asignados a los
objetivos. Esto podra llamarse optimizar un conjunto de objetivos "satisfactorios" o
a satisfacer, la secuencia se resuelve por nivel de jerarqua, desde el nivel de
mayor prioridad al de menor.

9
Objetivos conmensurables de igual importancia: este es el caso ms sencillo,
aunque muy pocas veces se encuentra en la prctica. Aqu los objetivos se miden
en una escala comn (conmensurables y tienen la misma importancia.

Ponderacin preferente de los objetivos: las ponderaciones de preferencia


pueden aplicarse a cualquier grupo de objetivos conmensurables. Las
ponderaciones deben reflejar la utilidad o el valor de los objetivos.

Rango de prioridad de los objetivos: qu pasa cuando los objetivos no son


conmensurables, cuando no hay una escala comn para comparar las
desviaciones de los diferentes objetivos? Este es un caso importante, al que se
enfrentan con frecuencia los administradores. Si el administrador puede ordenar o
dar un rango para sus metas entonces la solucin es posible.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

Quizs no sea una tarea fcil dar un rango a los objetivos de acuerdo con su
importancia pero es algo que la mayora de las personas entienden y pueden
lograr.
En la programacin por objetivos se le asigna la prioridad P1, al objetivo ms
importante, siguiendo P2 a una prioridad ms baja.
No existe lmite en el nmero de niveles de prioridad pero debe asignarse una
prioridad para cada variable de desviacin. Se permiten empates o prioridades
iguales.
Los problemas de programacin por meta se resuelven en orden de prioridad. Es
decir, se prueba la optimizacin en el nivel de prioridad ms alto ignorando las
prioridades ms bajas hasta optimizar este nivel.

EJEMPLO PRCTICO 1

La empresa de artes grficas en los tiempos de produccin: En el corrugado Onda


10
C requiere de 20 minutos por galn de pegante, y el corrugado Onda E utiliza 30
min por galn.

Ambos productos emplean una libra de una resina rpidamente perecedera para
cada rollo de producto para laminar.

Existen 300 libras de la resina rpidamente perecedera para cada rollo de


producto para laminar. Existen 300 libras de la resina en inventario y se puede
obtener una mayor cantidad si es necesario. Sin embargo debido a la vida til del
material, se descarta cualquier cantidad que no se utilice en las dos semanas
siguientes.

La empresa tiene pedidos existentes para 100 rollos de Corrugado Onda C y 120
rollos de Corrugado Onda E.
En condiciones normales, el proceso de produccin opera 8 horas al da, 5 das a
la semana. Los administradores pretenden programar la produccin para las dos
semanas siguientes con objeto de lograr las siguientes metas:
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

Metas con nivel de prioridad 1

Meta 1: Evitar la subutilizacin del proceso de produccin.


Meta 2: Evitar el tiempo extra en exceso de 20 horas para las dos
semanas.

Metas con nivel de prioridad 2

Meta 3: Satisfacer los pedidos existentes para el adhesivo IC-100; es


decir, fabricar cuando menos 100 galones de IC-100.
Meta 4 : Surtir los pedidos existentes para el adhesivo IC-200.

Meta con nivel de prioridad 3

Meta 5: Utilizar toda la resina disponible.


11

Minimizar P1 (n1)+P1 (p2)+P2 (n3)+P2 (n4)+P3 (n5)

Restricciones: 20x1+30x2-p1+n1=1800
20x1+30x2-p2+n2=6000
X1 -p3+n3=100
X2-p4+n3=120
X1+ X2-p5+n5=300

*La primera restriccin significa que se considera que el sistema de produccin


est subutilizado si opera a menos de 3h por da (3x5=30h, 30hx60=1800). La
primera meta consiste en evitar que se subutilice el sistema productivo, por lo que
se tendrn que trabajar al menos esas 30h.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

*La segunda restriccin significa que no se debe exceder en 20h la utilizacin del
sistema que normalmente operara 8x10=80h, 80+20=100h,
100hx60min=6000min.
*La tercera hace referencia a producir por lo menos la cantidad demandada del
Corrugado en rollo Onda C (100 rollos).
*La cuarta significa que al menos se debe producir la cantidad demandada del
Corrugado E (120 rollos).
*La quinta significa que se debe emplear al menos toda la cantidad de resina que
hay en el almacn.

Anlisis de las desviaciones

Restricciones RHS d+ d- 12

C1 1800 4200 0
C2 6000 0 0
C3 100 20 0
C4 120 0 0
C5 300 0 60

La solucin sera producir 120 Rollos de Corrugado C y 120 Rollos de Corrugado


E.
Adems se han empleado un total de 6000 minutos, lo que supone el empleo de
4200 minutos ms sobre el nivel en que la planta se considera infrautilizada.
Por otro lado si bien la demanda de Corrugado C era de 100 Rollos, se han podido
producir 20 ms.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

Por ltimo la quinta meta no se ha podido satisfacer del todo debido a que se han
dejado sin utilizar 60 libras de resina.

Lo resolvemos mediante otros algoritmos:

a) PROGRAMACIN LINEAL

Minimizar: x4+x5+x8+x10+x12

Restricciones: 20x1+30x2-x3+x4=1800
20x1+30x2-x5+x6=6000
X1-x7+x8=100
13
X2-x9+x10=120
X1+x2-x11+x12=300

Solucin:
La solucin es producir 120 Rollos de Corrugado C, y 120 Rollos de Corrugado E.
Produciendo durante 4200 minutos ms sobre los que se considera el sistema
infrautilizado.
Por otro lado tambin estaramos produciendo 20 Rollos de Onda C, ms de los
que se haban demandado.

La solucin en este caso es la misma.


POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

b) PROGRAMACIN LINEAL CON PONDERACIONES

Minimizar: 3x4+3x5+2x8+2x10+1x12

Restricciones: las mismas

Lo que estamos haciendo es ponderar segn el nivel de prioridad, multiplicando


por tres las metas de primer nivel, por dos las de segundo y por uno el tercer nivel.
Curiosamente los resultados son anlogos a los anteriores.
C) LEXICOGRFICO

A) minimizar: 1x4+1x5
14

Restricciones: 20x1+30x2-1x3+1x4=1800
20x1+30x2-1x5+1x6=6000

Solucin: X2=200
X3=4200
X4=x5=0

B) minimizar: 1x8+1x10

Restricciones: 20x1+30x2-1x3=1800
20x1+30x2+1x6=6000
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

1x1-1x7+1x8=100
1x2-1x9+1x10=120

Solucin: X2=133.33
X9=13.33
X1=100
X3=4200, X8=X10=0
C) Minimizar: 1x12

Restricciones: 20x1+30x2-x3=1800
20x1+30x2+1x6=6000
1x1-1x7=100 15
1x2-x9=120
1x1+1x2-1x11+1x12=300
Solucin: X1=120
X2=120
X3=4200
X7=20
X11=60, X12=0

Por tanto, la solucin coincide con las anteriores.


POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

METODOS DE SOLUCION

El gobierno pretende incrementar los servicios sociales; para ello intenta


maximizar el nmero de personas con problemas de drogadiccin y personas
con dificultades econmicas. El coste por toxicmano es de 30000 y el coste
para personas con dificultades es de 25000, siendo el tiempo de atencin
requerido para cada uno de 30 horas el primero y 50 horas el segundo.
Adems se ha de tener en cuenta que la jornada laboral de cada trabajador
social es de 8 horas diarias, lo que supone 1920 horas anuales (descontadas ya
las vacaciones), y que el nmero de trabajadores sociales es de 25.
El gobierno espera al menos atender a 400 toxicmanos y 300 personas con
problemas econmicos, disponiendo para tal fin de 500.000.000 de pesos.
X1=nmero de toxicmanos
X2=nmero de personas con dificultades econmicas 16
Objetivos:
Min Coste=30000x1+25000x2
Min Tiempo=30x1+50x2
Restricciones:
X1400
X2300
30000x1+25000x2500000000
30x1+50x248000 (1920*25)

Dividiendo todo por 1000 y aplicando n y p:

30x1+25x2+n1-p1=500000
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

0,03x1+0,05x2+n2-p2=48
0,001x1+n3-p3=0,4
0,002x2+n4-p4=0,3
30x1+25x2+n5-p5=500000
0,03x1+0,05x2+n6-p6=48
Luego:
MinZ=w1 (p1/500000)+w2 (p2/48)+w3 (n3/0,4)+w4 (n4/0,3)+w5 (p5/500000)+
w6 (p6/48)
Al estar desequilibrados los coeficientes de las variables en la funcin
objetivo, hemos decidido, incrementar el peso de las ms desequilibradas
para que las variables tengan ms o menos el mismo peso.

Para w1=w5=500000 w3=w4=w5=w6=1

Sujeto a:
30x1+25x2+n1-p1=500000
0,03x1+0,05x2+n2-p2=48 17
0,001x1+n3-p3=0,4
0,002x2+n4-p4=0,3
30x1+25x2+n5-p5=500000

Soluciones: x1=1100; x3=459499; x8=0,7; x11=459499; x13=0,00


Z=0,00

X2=X4=X5=X6=X7=X9=X10=X12=X14=0

Comentario Final:

Para que se cumplan los deseos del Gestor de la Cadena Televisiva, es decir,
Maximizar la Audiencia y Minimizar los Costes, y segn los resultados obtenidos,
y minimizando las Variables Indeseadas, obtenemos:
El nmero de personas con dificultades econmicas adecuado del anuncio
durante la retransmisin del Ftbol, deber ser de 40.9%.
El nmero de toxicmanos con el tratamiento deber reducir un 20%.
El nmero de afectados, deber disminuir el 22,8%.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

EJEMPLO PRCTICO 2

Se trata de los servicios sociales del Bienestar Familiar.


Los objetivos son:
1. Atender la mayor cantidad de casos menores abandonados y de
mujeres maltratadas.
2. Minimizar el coste de las atenciones.
3. Minimizar el tiempo de las atenciones.

Menores > 400


Mujeres > 300
Presupuesto = 50.000.000

Se dedica, de media, tres horas para atender a un menor y cinco horas para una 18
mujer maltratada
Recursos humanos y horarios:

25 trabajadores sociales
8 horas diarias
5 das a la semana
52 semanas al ao
-4 semanas de vacaciones

Las funciones objetivo y sus respectivas restricciones son:

Max x1+x2
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

Min 25000x1+35000x2
Min 30x1+50x2

Sujeto a:
X1>=400
X2>=300
25000x1+35000x2<=50.000.000
30x1+50x2<=48000

* Conjunto factible:

1428,57 19

960

(400,720)

300 (1100,300)
(400
,300)

400 1600 2000


POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

A = (f1 (400,300), f2 (400,300), f3 (400,300)) = (700, 20.500.000, 27000)

B = (f1 (400,720), f2 (400,720), f3 (400,720)) = (1120, 35.200.000, 48000)

C = (f1 (1100,300) f2 (1100,300) f3 (1100,300)) = (1400, 38.000.000, 48000)

* El espacio de funciones no lo podemos dibujar, porque existen tres


variables y por lo tanto el grfico seria de tres dimensiones.
* Solucionando el problema en el lindo para construir la matriz de pago,
tenemos que:
a) Max X1+X2
ST X1>400
X2>300
25000x1+35000x2<50000000
30x1+50x2<48000. 20

REAS DONDE SE APLICA LA PROGRAMACIN POR


METAS

MERCADEO.
Donde las metas conflictivas podran ser: maximizar la participacin del mercado,
minimizar los costos de publicidad, maximizar el margen de ganancia por artculo
vendido.

CONTROL DE INVENTARIOS.
Donde es necesario minimizar el nmero de faltantes y minimizar el costo de
almacenaje.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

PRODUCCION.
Donde es necesario minimizar el costo de fabricacin, maximizar el control de
calidad, y maximizar la utilizacin de recursos.
Un mtodo para obtener la clasificacin de importancia es la comparacin por
pares.
Al tomador de decisiones se le presentan todos los pares posibles y se le
pregunta, qu meta de cada par es ms importante.
A cada meta se le da una clasificacin basada en el nmero de veces que la meta
tiene la clasificacin ms alta en las comparaciones por pares.
Si el tomador de decisiones es consistente, la meta ms importante debera tener
el rango ms elevado en las n-1 comparaciones apareadas (donde n es el nmero
de metas), la siguiente mejor deber tener la clasificacin ms alta en n-23 metas
y as sucesivamente.

21
ALGORITMOS

Luego de analizar detalladamente el problema hasta entenderlo completamente,


se procede a disear un algoritmo (trazar un plan) que lo resuelva por medio de
pasos sucesivos y organizados en secuencia lgica.

El concepto intuitivo de algoritmo (procedimientos y reglas) se puede encontrar en


procesos naturales de los cuales muchas veces no se es consciente. Por ejemplo,
el proceso digestivo es un concepto intuitivo de algoritmo con el que se convive a
diario sin que haga falta una definicin matemtica del mismo.

Tener claro el proceso digestivo, no implica que los alimentos consumidos nutran
ms. La familiaridad de lo cotidiano impide a las personas ver muchos algoritmos
que se suceden a su alrededor.

Procesos, rutinas o biorritmos naturales como la gestacin, las estaciones, la


circulacin sangunea, los ciclos csmicos, etc., son algoritmos naturales que
generalmente pasan desapercibidos.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

Un procedimiento que realizamos varias veces al da, consiste en lavarnos los


dientes. Veamos la forma de expresar este procedimiento como un Algoritmo:

Algoritmos Secuenciales:

1. Tomar la crema dental


2. Destapar la crema dental
3. Tomar el cepillo de dientes
4. Aplicar crema dental al cepillo
5. Tapar la crema dental
6. Abrir la llave del lavamanos
7. Remojar el cepillo con la crema dental
8. Cerrar la llave del lavamanos
9. Frotar los dientes con el cepillo
10. Abrir la llave del lavamanos
11. Enjuagarse la boca
12. Enjuagar el cepillo
13. Cerrar la llave del lavamanos
14. Secarse la cara y las manos con una toalla 22

Algoritmos no secuenciales

La rama del saber que mayor utilizacin ha hecho del enfoque algortmico es las
matemticas.

Durante miles de aos el ser humano se ha esforzado por abstraer la estructura


de la solucin de problemas con el fin de determinar claramente cul es el camino
seguro, preciso y rpido que lleva a esas soluciones.

Son abundantes los ejemplos: mximo comn divisor, teorema de Pitgoras, reas
de figuras geomtricas, divisin, suma de nmeros fraccionarios, etc. Todos estos
algoritmos matemticos independizan los datos iniciales del problema de la
estructura de su solucin, lo que permite su aplicacin con diferentes conjuntos de
datos iniciales (variables).
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

Consideremos el algoritmo de Euclides para hallar el Mximo Comn Divisor


(MCD) de dos nmeros enteros positivos dados.

Obsrvese que no se especifica cules son los dos nmeros, pero si se establece
claramente una restriccin: deben ser enteros y positivos

Paso 1: Inicio.
Paso 2: Leer los dos nmeros (a y b). Avanzar al paso 3.
Paso 3: Comparar a y b para determinar cul es mayor.
Avanzar al paso 4.

Paso 4: Si a y b son iguales, entonces ambos son el resultado


esperado y termina el algoritmo.

En caso contrario, avanzar al paso 5.

Paso 5: Si a es menor que b, se deben intercambiar sus valores.


Avanzar al paso 6; si a no es menor que b, avanzar al paso 6.

Paso 6: realizar la operacin a menos b, asignar el valor de b a 23


a y asignar el valor de la resta a b. Ir al paso 3.

Descripcin de los algoritmos para resolucin de problemas de


PM.

Algoritmos es la secuencia ordenada de instrucciones, pasos o procesos que


llevan a la solucin de un determinado problema. Los hay tan sencillos y
cotidianos como seguir la receta del mdico, abrir una puerta, lavarse las manos,
etc.; hasta los que conducen a la solucin de problemas muy complejos.
Cuando se habla de algoritmos, con frecuencia aparecen tres tipos de
pensamiento que generalmente se relacionan con ellos y que se utilizan
indiscriminadamente como sinnimos:

Pensamiento Computacional,
Pensamiento Algortmico
Pensamiento Procedimental.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

En trminos generales, un Algoritmo debe ser:

Realizable: El proceso algortmico debe terminar despus de una cantidad finita


de pasos. Se dice que un algoritmo es inaplicable cuando se ejecuta con un
conjunto de datos iniciales y el proceso resulta infinito o durante la ejecucin se
encuentra con un obstculo insuperable sin arrojar un resultado.

Comprensible: Debe ser claro lo que hace, de forma que quien ejecute los
pasos (ser humano o mquina) sepa qu, cmo y cundo hacerlo. Debe existir un
procedimiento que determine el proceso de ejecucin.

Preciso: El orden de ejecucin de las instrucciones debe estar perfectamente


indicado.

Cuando se ejecuta varias veces, con los mismos datos iniciales, el resultado debe
ser el mismo siempre.

La precisin implica determinismo.


24
Segn Moursund (2006), el pensamiento computacional hace referencia a la
representacin y solucin de problemas utilizando inteligencia humana, de
mquinas o de otras formas que ayuden a resolver el problema. El pensamiento
algortmico se refiere al desarrollo y uso de algoritmos que puedan ayudar a
resolver un tipo especfico de problema o a realizar un tipo especfico de tarea.

Por su parte, el pensamiento procedimental se ocupa del desarrollo y utilizacin de


procedimientos diseados para resolver un tipo especfico de problema o para
realizar un tipo especfico de tarea, pero que no necesariamente, siempre resulta
exitoso.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

CONCLUSIONES

El principal problema es el llevar a cabo una asignacin ptima de los recursos


limitados entre diferentes actividades o fines que compiten entre s, en la medida
en que dichos recursos son limitados, es en este sentido donde mediante una
formulacin matemtica, se pretende determinar los valores ptimos (mximos o
mnimos) de una cierta funcin dada (funcin objetivo).

Si las variables econmicas en este estudio aparecen evaluadas en un periodo o


instante del tiempo determinado, estamos ante un problema de Programacin
Matemtica Esttica, pero cuando dichas variables adoptan distintos valores a lo
largo del tiempo, estamos ante Programacin Matemtica Dinmica.

El planteamiento formal del problema de Programacin Matemtica Esttica


consiste en elegir los valores de n variables {X1,..., Xn} dentro de un conjunto de
valores factibles, de tal manera que se maximice o minimice una funcin objetivo 25
preestablecida, pudiendo existir una nica funcin objetivo o por el contrario existir
varias (Programacin Multiobjetivo).

Los distintos casos que se pueden establecer dentro de la Programacin Esttica


obedecen tanto a la distinta naturaleza de la funcin objetivo, como a la forma de
las restricciones. As, la Programacin Clsica supone funciones suficientemente
diferenciales, mientras que la Programacin Lineal trabaja con funciones objetivo y
restricciones lineales utilizando principalmente el Mtodo Simplex (de gran
aplicacin en la Ciencia Econmica).

Pero estos dos casos, junto con la Programacin No Lineal (que se basa en
supuestos de no linealidad) trabajan considerando una nica funcin objetivo.

En este sentido, la optimalidad juega un papel importante en la resolucin de


problemas con un nico objetivo en los que se persigue determinar la solucin
ptima, que es una solucin factible que da el mejor valor al objetivo, siendo nico
tal valor. Pero en la realidad econmica, y principalmente en su vertiente esttica,
se nos plantean muchas aplicaciones donde debemos considerar un problema con
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

varios objetivos que pueden ser total o parcialmente conflictivos, de manera que la
mejora en cualquiera de ellos puede empeorar el valor de otros. Por tanto, en el
caso de objetivos mltiples no es aplicable el concepto anterior de ptimo ya que
una solucin que maximice un objetivo, en general, no maximizar los restantes
objetivos. Esto supone que en vez de buscar una solucin ptima se busque un
conjunto de soluciones eficientes. Estamos, por tanto, ante la Programacin
Multiobjetivo.

Con la Programacin Multiobjetivo se obtendr un conjunto eficiente formado por


muchas soluciones, alguna de las cuales hay que seleccionar como decisin final
(es ah donde se hace notar el papel del agente decisor), siendo muchos los
mtodos existentes para tratar de ayudar al decisor a alcanzar la citada solucin.
De forma resumida e introductoria, destacamos en primer lugar aquellos mtodos
que no utilizan informacin sobre las preferencias del centro decisor:
Mtodo de las ponderaciones: consiste en asociar a cada uno de los objetivos
unos pesos y seguidamente optimizar conjuntamente los objetivos; de forma que
variando esos pesos consigamos identificar o al menos aproximar el conjunto
eficiente.
26
Mtodo de las restricciones: consiste en optimizar uno de los objetivos e
incorporar el resto como restricciones del problema, as segn el valor mximo o
mnimo que pueda tomar esa nueva o nuevas restricciones obtendremos distintas
soluciones.
Los dos mtodos anteriores requieren numerosas pasadas en el ordenador,
adems del inconveniente que supone pasar por alto alguno de los puntos
eficientes. Bsicamente stos son los dos mtodos ms destacados, puesto que
mtodos como el NISE, Simplex multicriterio,... requieren el apoyo de programas
ms complejos y su utilidad se reduce si se incorporan un nmero grande de
objetivos.
En cuanto a los mtodos que hacen uso de las preferencias del centro decisor,
podemos destacar:
Programacin compromiso: el objetivo bsico es acercarse lo ms posible al
punto ideal, midiendo esa cercana mediante funciones distancia, de tal forma que
consigue reducir el conjunto eficiente destacando los puntos ms prximos al
ideal.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

Programacin por metas: bsicamente su utilidad destaca en contextos


decisionales con un nmero grande de objetivos. El planteamiento del mismo
parte de la fijacin por parte del centro decisor de una serie de metas que se
aproximen a unos niveles de aspiracin determinados a priori.
Con frecuencia, las empresas deben tomar decisiones respecto al caudal de
servicios que debe estar preparada para ofrecer. Sin embargo, muchas veces es
imposible predecir con exactitud cundo llegarn los clientes que demandan el
servicio y/o cuan ciertos momentos.

El tiempo ser necesario para dar ese servicio; es por eso que esas decisiones
implican dilemas que hay que resolver con informacin escasa. Estar preparados
para ofrecer todo servicio que se nos solicite en cualquier momento puede implicar
mantener recursos ociosos y costos excesivos. Pero, por otro lado, carecer de la
capacidad de servicio suficiente causa colas excesivamente largas en ciertos
momentos. Cuando los clientes tienen que esperar en una cola para recibir
nuestros servicios, estn pagando un coste, en tiempo, ms alto del que
esperaban. Las lneas de espera largas tambin son costosas por tanto para la 27
empresa ya que producen prdida de prestigio y prdida de clientes.

La teora de la programacin por metas en si no resuelve directamente el


problema, pero contribuye con la informacin vital que se requiere para tomar las
decisiones concernientes prediciendo algunas caractersticas sobre la lnea de
espera: probabilidad de que se formen, el tiempo de espera promedio. Pero si
utilizamos el concepto de "clientes internos" en la organizacin de la empresa,
asocindolo a la teora de las colas, nos estaremos aproximando al modelo de
organizacin empresarial "justo a tiempo" en el que se trata de minimizar el costo
asociado a la ociosidad de recursos en la cadena productiva.

TALLER
Un ejemplo de PM planteado y resuelto, con un anlisis breve de los resultados
obtenidos, EN EL ARCHIVO EN EXCEL, para satisfacer la programacin de la
produccin en las planta que ensambla partes de corrugados en un trimestre
deber proveer y satisfacer la demanda.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

Demanda de producto
Planta 1 Planta 2
Producto febrero Marzo Febrero Marzo
1 3600 6300 4900 4200
2 4500 5400 5100 6000

Costo de produccin
Planta 1 Planta 2
Producto Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 62 59 61 65
2 78 85 68 6000

Tasa de produccin
Planta 1 Planta 2
Producto Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 100 140 130 110
2 120 150 160 130

Costos de transportacin
28
Producto 1 Producto 2
regin Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 0 9 0 7
2 9 0 7 0

Costo Cantidad
Ingresos Almacenamiento almacenada
1 $ 83 1 $3 0 0
2 $ 112 2 $4 0 0

Demanda satisfecha
Planta 1 Planta 2
Producto Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 0 0 0 0
2 2400 2760 3200 3680

Capacidad usada
Planta 1
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

Mes Proceso 1 Proceso 2


Febrero 20 20
Marzo 23 23

Cantidad almacenada
Planta 1 0
Planta 2 0
Cantidad producida que ser vendida en la region1 con proceso 1
Planta 1 Planta 2
Producto febrero Marzo Febrero Marzo
1 0 0 0 0
2 2400 2760 3200 3880
Cantidad producida que ser vendida en regin 2 con proceso 1
Planta 1 Planta 2
Producto febrero Marzo Febrero Marzo
1 0 0 0 0
2 0 0 0 0
Cantidad producida que ser vendida en regin 1 con proceso 2
Planta 1 Planta 2
29
Producto febrero Marzo Febrero Marzo
1 0 0 0 0
2 0 0 0 0
Cantidad producida que ser vendida en regin 2 con proceso 2
Planta 1 Planta 2
Producto febrero Marzo Febrero Marzo
1 0 0 0 0
2 0 0 0 0

Das
hbiles Lmite de almacenamiento
Febrero 20 1000
Marzo 23

Ingresos 1348480
Costo de produccion 1014800
Costo de transporte 0
Costo de
almacenamiento 0
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

BIBLIOGRAFA

Anderson, D.R., Sweeney.J. , Williams, T.A., Introduccin a los Modelos


Cuantitativos para Administracin. Grupo Editorial Iberoamrica. 1993.
Arbonas, M.E. Optimizacin Industrial (I): Programacin de recursos. Coleccin
Productiva No. 26. Marcombo S.A, 1989. Optimizacin Industrial (II):
Programacin de recursos. Coleccin Productiva No. 29. Marcombo S.A, 1989.
Bazara, M Jarvis J Programacin lineal y flujo en redes: Limusa. Ed. 2da, Mxico,
1996.
Buffa, E: Operations Management: Problems and Models. Edicin Revolucionaria,
La Habana, 1968.
Hillier, F.l. Investigacin de operaciones (I): Operaciones, metas y funcin objetivo. 30
Mxico, 2006.
Moskowitz, H. y Wright G.P. Investigacin de Operaciones. Prentice_Hall
Hispanoamericana S.A. 1991.
Rardin, R., Optimization in operations research. Prentice Hall. 1998.
Taha, H: Investigacin de Operaciones.Alfaomega, Mxico, 1995.
Trujillo, J; Batista, A: Mtodos Econmicos-Matemticos, Editorial ISPJAE,
Habana, 1986.
Wiston, W., Investigacin de operaciones y Algoritmos., Ed 4ta., Thomson,
Mxico.2005.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES

Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa

INFOGRAFA

http://sai.azc.uam.mx/apoyodidactico/po/Unidad1/poo1.html
http://www.invope.com/programacion-por-metas-definicion/
http://www.invope.com/asignacion-de-personal-casos/#more-61
www.eduteka.org/GuiaAlgoritmos.php

31