1

Apoyo a la Seguridad Industrial con Programación

Meta
Hidalgo Ramírez Santiago José, Neira Malave José Fernando, Anchundia Izaguirre Carlos Eduardo.
santijoc@hotmail.com, jfnando14@gmail.com, carloselgato_98@hotmail.com.
Universidad Politécnica Salesiana
Sede Guayaquil

 como de higiene y seguridad industrial, para poder

Resumen—Este trabajo se estudia un formato de
programación meta el cual servirá como elemento de ayuda con
el fin de estimar y minimizar los costos que están relacionados
a los accidentes industriales y su importante prevención. La
metodología seguida es el enfoque científico aplicado a la
Investigación de Operaciones. Como resultado no sólo se
construye el modelo de programación meta, que ayuda a
controlar los costos por accidentes industriales y su prevención,
sino que se hace una aplicación del mismo a través de un caso
hipotético. Esto permite concluir que se trata de una vía
adecuada para analizar este tipo de problema en forma sencilla
y rápida.
afirmar que es muy importante considerar no sólo los
costos causados por los accidentes industriales, sino
que también se deben considerar los costos de
establecer medidas de prevención de accidentes.
Con estas variables de costo, se construye el
modelo final, pero para un mejor entendimiento del
mismo se harán algunos comentarios sobre la
programación meta y la programación entera, lo que
a su vez facilitará su presentación..

Índice de Términos—seguridad industrial, II. OBJETIVOS

accidentes industriales, programación meta,
modelado
I. INTRODUCCIÓN
La seguridad industrial ha estado expuesto a nivel
mundial siempre ya que es un tema muy importante
es por eso que es tomado en cuenta en varias ramas
como por ejemplo en la literatura científica que ha
bordeado principalmente los aspectos que son
relativos al cuidado de la salud, y que a pesar de eso
ha continuado con los distintos puntos de vista desde
los conductuales y los cuantitativos. Pero como
proyección principal la programación meta.
Este artículo hace uso de la programación meta, en
conjunto con la programación entera, con la idea de
poder armar y graficar un modelo que admita a una
empresa manufacturera de carácter rápido y sencillo
evaluar sus costos ocasionados por accidentes
industriales a la vez que se analizan los costos de
prevención de estos accidentes.
Para alcanzar los objetivos planteados se hizo una
revisión de prevención de accidentes industriales, así
A. General
 Analizar las políticas de inversión en
medidas de prevención de accidentes.
B. Específicos
 Entender los accidentes industriales y sus
costos involucrados
 Construir un modelo de programación
meta que permita manejar los distintos
costos.
 Evaluar el modelo visualizando la
aplicación del mismo.
III. MARCO TEÓRICO
Seguridad Industrial
Es el conjunto de normas y procedimientos
encaminados a prevenir la ocurrencia de accidentes
de trabajo y de enfermedades profesionales,
mantener las instalaciones, materiales, máquinas,
equipos y herramientas en buenas condiciones para
su uso.

Universidad Politécnica Salesiana.

 2

 Líquidos.
 Humos.
Higiene Industrial 4. Factores Psicosociales
Se define la higiene industrial como la ciencia  Monotonía.
dedicada al reconocimiento, evaluación y control de  Sobretiempo.
los factores ambientales que se originan en o por  Carga de trabajo.
lugares de trabajo, los cuales pueden provocar  Atención al público.
perjuicios y patologías entre los trabajadores o  Estrés individual.
ciudadanos de la comunidad. En últimas, la higiene  Estrés Grupal.
industrial detecta, analiza, evalúa el sistema de 5. Factores de incendio
trabajo y diseña los mecanismos de control y mejora  Sólidos.
del medioambiente del trabajador, en busca del  Líquidos.
mejoramiento de la salud y la productividad.  Gases.
Se destaca el rol de los profesionales tales como: el  Eléctricos.
ingeniero industrial, sanitario y civil, el arquitecto y  Combinaciones.
a nivel más especializado el higienista industrial e  Explosivos.
ingeniero en salud ocupacional, así como la 6. Factores Biológicos
incursión de los tecnólogos en higiene industrial para  Virus.
apoyar a los anteriores profesionales en las acciones  Bacterias.
del campo específico de la higiene industrial.  Hongos.
 Parásitos.
Riesgos de Trabajo 7. Factores Eléctricos
Son las eventualidades dañosas a que está sujeto el  Contacto directo.
trabajador con ocasión o por consecuencia de su  Contacto indirecto.
actividad.  Electricidad Estática.
Para los efectos de la responsabilidad del empleador 8. Factores Ergonómicos
se consideran riesgos del trabajo, las enfermedades  Sobrecarga y esfuerzo.
profesionales y los accidentes.  Postura Habitual.
1. Factores mecánicos:  Diseño del puesto
 Caídas de altura. 9. Factores de Saneamiento
 Caídas de nivel.  Orden.
 Atrapamiento.  Almacenamiento.
 Golpes.  Aseo.
 Caídas de objetos. 10. Factores Ambientales
 Cortes.  Temblores.
 Choques.  Terremotos.
 Quemaduras.
 Inundaciones.
 Proyecciones.
2. Factores Físicos
 Iluminación. Accidentes
 Ruidos. Es todo suceso imprevisto y repentino que ocasiona
 Radiaciones ionizantes. al trabajador una lesión corporal o perturbación
 Radiaciones no ionizantes. funcional, con ocasión o por consecuencia del trabajo
 Temperaturas Altas. que ejecuta por cuenta ajena.
 Temperaturas Bajas.
 Vibraciones. Causas Inéditas
3. Factores Químicos Se consideran las causas inmediatas como aquellas
 Polvos. que directamente “producen” el accidente. Se
 Gases y vapores detectables. clasifican en dos grupos: los actos su estándares, que
 Gases y vapores no detectables.

Universidad Politécnica Salesiana.


provienen de las personas y las condiciones su
estándares que radican en el ambiente físico
Causas Básicas
La existencia de algunas de las causas inmediatas
tiene origen en las básicas. Estas se clasifican en dos
grupos: los factores personales y los factores de
trabajo.
IV. METODOLOGÍA.
Programación meta y entera.
Hernández y García, (2004), conociendo que
distintos autores usan, para la función objetivo,
ecuaciones diferentes Davis y McKeown, (1984) (1);
Prawda (1977) (2), e Ignizio (1976) (3), llegan al
modelo general:
Min Σp=1,P Pp (Σi=m+1,m+M (wi+di+ + wi-di-
Universidad Politécnica Salesiana.
3
)) (1)
Min Σi=m+1,m+M di+ + di- (2)
Min Σi=m+1,m+M (wi+di+ + wi-di-)
(3)
Sujeto a:
Σj=1,n aij Xj <= bi con i = 1,m (4)
Σj=1,n aij Xj + di- - di+ = mi
con i = m + 1, m + M (5)
Xj, di+, di- >= 0, para toda i, y toda j. (6)
Dónde: p, que varía desde 1 hasta P, representa las
prioridades de las desviaciones en las metas; di+ y
di- representan las desviaciones positivas y
negativas, respectivamente en cada una de las M
metas i, que van desde i igual m + 1 hasta m + M;
wi+ y wi- representan las ponderaciones o pesos, de
cada una de las desviaciones positivas y negativas,
respectivamente, en cada una de las prioridades, por
lo cual el wi será cero si la correspondiente
desviación no está manejada con esa prioridad; Xj,
son las n variables propias del problema; aij son los
coeficientes tecnológicos, que miden la influencia de
cada una de las n variables Xj tanto en las m
restricciones, como en las M metas i; bi son los
términos independientes en las m restricciones
explicitas del problema; mí son los valores asignados
a las M metas del problema.
Dependiendo del autor, se usará (1), (2) o (3), para
expresar la función objetivo, la cual siempre será de
minimización, y (4), (5) y (6), para representar las
metas y restricciones del problema.
En cuanto a la programación entera se suele
estudiar como una derivación de los problemas de
programación lineal (PL) (Garfinkel y Nemhauser,
1972; Murty, 1976), donde se deben tener variables
enteras, y se puede hablar de: a) programación entera
pura (PEP); b) programación entera mixta (PEM), y
si además se consideran las variables binarias, cero o

uno, se tendrían; c) PEP binaria, es decir todas las
variables son enteras binarias; d) PEP y binarios,
todas las variables son enteras, algunas de ellas
binarias; e) PEM y binaria, hay variables reales,
enteras y enteras binarias; y f) PL y binarios, hay
variables reales y variables enteras binarias.
V. MODELO PARA MANEJO DE COSTOS
Se seguirá la metodología utilizada para resolver
problemas de toma de decisiones (Hernández y
García, 2003), la cual aborda los problemas de toma
decisiones sin pasar por el planteamiento de
hipótesis, sino que sigue los siguientes pasos:
a) Definir el problema.- enunciado de los
objetivos, antes presentados.
b) Búsqueda de datos.- orientada a la tipificación
de accidentes industriales.
c) Definir alternativas.- definir las metas que se
trabajarán en el modelo. Y de acuerdo a los objetivos,
se completarán las próximas etapas que son:
d) Evaluar las alternativas
e) Seleccionar la mejor, para luego presentarla en
sus detalles y analizar sus posibles soluciones,
correspondiendo a
f) Implementar la alternativa y finalmente, ilustrar
a través de un ejemplo, en este caso hipotético,
equivalente a
g) Establecer controles.
Por tratarse de un modelo de programación meta,
tal como se ha explicado con anterioridad, donde en
particular se usarán las variables Xme como únicas
variables enteras, a continuación se presentarán las
distintas metas del modelo dando su identificación y
entre paréntesis el valor de la meta, seguidas de su
definición y del número de la ecuación que la
representa entre paréntesis.
Metas, nótese que la cuarta, quinta y sexta son
Universidad Politécnica Salesiana.
4
metas múltiples:
1.- Medidas preventivas (m1).- Número de
medidas preventivas a implementar (8).
2.- Minimizar de costos por medidas preventivas
activadas (m2).- Presupuesto para implementar
medidas preventivas (9).
3.- Minimizar costos de indemnización (m3).-
Dinero por indemnizaciones, consecuencias de
accidentes (10).
4.- Minimización de accidentes sufridos por los
operarios (m4i).- I metas, una por cada operario i,
para minimizar los accidentes sufridos por cada uno
de ellos (11).
5.- Minimización de accidentes sufridos en
regiones del cuerpo (m5j).- J metas, una por cada
región del cuerpo j considerada (12).
6.- Minimización de accidentes sufridos en las
máquinas o zonas de la organización (m6k).- K
metas, una por cada zona o máquina k considerada
(13).
Las ecuaciones de las metas, van desde la (8) a la
(13), ya que se reservó la ecuación (7) para la función
objetivo.
Si además se tienen los Nae que son accidentes
sufridos por i hombres (Naei), en j regiones del
cuerpo (Naej), en k máquinas (Naek); los fmei, fmej
y fmek que son factores, igualmente referidos a
hombres i, regiones del cuerpo j y máquinas k; los
Xgime, Xgjme y Xgkme, que representan valores
máximos, y los Xpime, Xpjme, Xpkme, que
representan valores mínimos, el modelo completo
queda:
Min Zo = P1 (w3+ * d3+ + w5jf+ * d5jf+) + P2
(w4i+ * d4i+ + w5j+ * d5j+ + w6k+ * d6k+ + w7ijk+
* d7ijk+) + P3 (w1- * d1- + w2+ * d2+) (7)
Sujeto a:
Σme=1, Me Xme + d1- - d1+ = m1
 5

de las variables.
(8)
Σme=1, Me Ctmme * Xme +d2- -d2+ = m2 Aunque ya se ha señalado se debe destacar que en
todas las ecuaciones del modelo desde la (7) a la (17)
(9) los me, i, j y k, son contadores que contabilizan,
Σi=1,I (Σj=1,J Ctinj * (Σk=1,K Naej)) + d3- - d3+ respectivamente, el número de: medidas (1 a Me),
= m3 hombres (1 a I), regiones del cuerpo (1 a J) y zonas
en la empresa (1 a K), pero al resolver el modelo sólo
(10) a las medidas (Xme) se les ha exigido que tomen
valores enteros.
Σj=1,J Σk=1,K Naei + d4i- - d4i+ = m4i
con i = 1, I De todo lo anterior y manteniendo la nomenclatura
presentada, con d5jf+ representando, la desviación
positiva en accidentes fatales, para completar el
(11) modelo se establecen las prioridades: Primera
prioridad, la meta tres (m3) y la componente de
Σi=1,I Σk=1,K Naej + d5j- - d5j+ = m5j accidentes fatales, d5jf+, de las metas cinco (m5j);
con j = 1,J Segunda prioridad, las metas cuatro (m4i), las metas
cinco (m5j), menos la correspondiente a accidentes
fatales y las metas seis (m6k); y Tercera prioridad,
(12) meta dos (m2) y meta uno (m1), siendo esta última,
la única que se minimiza la desviación negativa.
Σi=1,I Σj=1,J Naek + d6k- - d6k+ = m6k A. Resultados
con k = 1,K
Se ilustra el modelo con un sencillo ejemplo
hipotético, que permite su visualización sin
presentar todas las complejidades de un caso real,
(13)
que escapa, a los alcances del trabajo.
Con: Naei = Σme=1,Me Xgime * (1 – fmei * Xme)
+ Xpime * fmei * Xme
Como se ve en la tabla 1, se suponen dos
trabajadores: H1 y H2; tres regiones del cuerpo:
(14)
Cabeza y torso (R1), Extremidades (R2) y
Naej = Σme=1,Me Xgjme * (1 – fmej * Xme) +
Accidentes fatales (R3); y dos zonas o máquinas en
Xpjme * fmej * Xme
la empresa: K1 y K2. A la vez que se dispondrá de
cinco medidas preventivas: M1, M2, M3, M4 y M5.
(15)
Naek = Σme=1,Me Xgkme * (1 – fmek * Xme) +
Para cada uno de los aspectos, en la tabla 1, se
Xpkme * fmek * Xme
presentan tres filas, la primera representa los
valores máximos de accidentes que puede tomar el
(16)
aspecto en cuestión para cada medida que se desea
Y: Xme, Nae, dr+, dr- >= 0, para toda me, i, j, k
implementar, la segunda los valores mínimos y la
y toda r.
tercera representa los factores de corrección para la
mejora del aspecto. Por la presencia de estos
(17)
factores, las variables distintas a las medidas se
trabajaron como reales y no como enteras.
Donde (14), (15) y (16) son ecuaciones de
Adicionalmente, en la tabla 2, se muestran los
recurrencia para poder calcular las variables Nae, y
valores para las diferentes metas, identificando
la ecuación (17) representa las restricciones de signo
entre paréntesis las respectivas metas

Universidad Politécnica Salesiana.

 6

Antes de plantear numéricamente el modelo, se

deben conocer los costos de indemnización, los
cuales están asociados a regiones del cuerpo: Cabeza

Universidad Politécnica Salesiana.


y torso (R1) 1500 U.M., por afectado, Extremidades
(R2) 2500 U.M., por afectado y Accidentes fatales
5750 U.M., por afectado.
Al correr el modelo, como un problema de
programación meta, con variables binarias,
ensayando un método particular, inspirado en la
metodología de problemas de satisfacción de
restricciones (Hemert, 2003), que por escapar de los
objetivos de este trabajo no se detallará aquí, se
consiguen los valores presentados en la tabla 3.
Las variables tipo Naei, Naej, Naek, no se obtienen
directamente de la resolución del problema, sino que
se despejan a posteriori, aplicando las ecuaciones
(14), (15) y (16).
En la tabla 3, se han destacado los valores de d53+
y el de Naej=3, es decir la meta referente a accidentes
fatales y su número de accidentes fatales, ya que esta
meta se había establecido en cero y era la meta de
primera prioridad de mayor peso, y al quedar la
desviación igual a uno, implica que no se logró dicha
meta. Sin embargo si se observan los valores de la
tabla 1, se nota que esta era una meta demasiado
optimista, dado que con las cinco medidas de
prevención de accidentes propuesta, era imposible
tener un valor esperado de accidentes fatales iguales
a cero, aún habiendo activado las cinco medidas.
Como en casi todas las metas se deseaba minimizar
la desviación positiva, se puede notar, que ninguna
se alcanzó, pero todas estuvieron excepto la
mencionada meta de accidentes fatales, con
desviaciones relativamente bajas. Curiosamente, tal
como se acaba de indicar, la única meta que se
cumplió era la que se esperaba minimizar la
desviación negativa.
Habiendo presentado este corto ejemplo
hipotético, y unos breves comentarios sobre el
resultado del mismo, se puede pasar a presentar
algunas conclusiones y recomendaciones
Universidad Politécnica Salesiana.
7
VI. CONCLUSIONES
Se puede comprobar que los objetivos propuestos en
este trabajo, se alcanzaron a plenitud, puesto, que no
sólo se consiguió un modelo basado en la
programación meta, que permite evaluar la inversión
de recursos en medidas preventivas, para la
minimización de accidentes, sino que se logró
ilustrar dicho modelo a través de un caso hipotético.
Aquí es adecuado el uso de la programación meta por
haber objetivos contrapuestos, ya que por una parte
se desea hacer la mínima inversión en medidas
preventivas, pero a la vez se desea llevar los
accidentes a un mínimo, que simultáneamente
permita minimizar los costos causados por los
accidentes, que se están evitando
Es interesante destacar, que aunque los accidentes
son variables aleatorias, y los modelos de
programación meta son de programación matemática
determinística, con los conceptos de máximo,
mínimo y factor de ajuste, utilizados en el modelo, se
puede establecer una aproximación bastante
aceptable de la situación.
VII. RECOMENDACIONES
Se recomienda continuar las investigaciones acerca
de las medidas para prevenir accidentes industriales,
con el objetivo de afinar el presente modelo, o
encontrar otros modelos, que puedan prestar una
mayor ayuda a la toma de decisiones, sobre este
problema, en todas las circunstancias que se pueda
presentar.
REFERENCIAS
[1] Agnihotram R. V. An overview of occupational health
research in India. Indian Journal of Occupational &
Environmental Medicine 9, 10-14 (2005).
[2] Blake, J. T y M. W. Carter, A goal programming
approach to strategic resource allocation in acute care hospitals,
European Journal of Operational Research 140, 541-561
(2002).
[3] Davis, R. y P. McKeown. Modelos cuantitativos para
administración. (Díaz M., Alfredo y Fournier, María,
Traductores), 339 395, Grupo editorial Iberoamérica, México
(1984).
[4] Flin, R. y S. Yule, Leadership for safety: industrial
experience, Qual Saf Health Care 13, (Suppl ii) 45-51 (2004).
 8

[5] Garfinkel, R. S. y G. L. Nemhauser, Integer

Programming, 1 427, John Wiley & Sons, USA (1972).
[6] Hemert, J. I., Evolving Binary Constraint Satisfaction
Problem Instances that are Difficult to Solve, IEEE Congress
on Evolutionary Computation, 1267-1273, Canberra, Australia,
Dic. 8 12 (2003).
[7] Hernández, J. G. y M. J. García. Una aproximación
a los contactos del canal Anales de la Universidad
Metropolitana (N. Serie), 3, (2), 27-41 (2003).
[8] Hernández, J. G. y M. J. García. Solución al problema
de múltiples productos: Una aproximación con programación
meta Revista Investigación Operacional, 25, (2), 119-131
(2004).
[9] Ignizio, J. P. Goal Programming and extensions, 1 261,
Lexington Books, Massachusetts USA (1976).
[10] Mata, T. y N. Rodríguez. Sistema de apoyo a la toma
de decisiones para el control de accidentes industriales. Trabajo
especial de grado Ingeniería de Sistemas, Universidad
Metropolitana, Caracas, Venezuela (2003).
[11] Montero R., Gestión de la seguridad basada en las
conductas, Dirección y organización: Revista de dirección,
organización y administración de empresas, X, (22) 85-93
(1999).

[12] Murty, K. G. Linear and combinatorial programming,

1 567, John Wiley & Sons, USA (1976).
[13] Prawda, J. Métodos y modelos de investigación de
operaciones, Vol. 2, 531-578 Limusa, S.A., México (1977).

Universidad Politécnica Salesiana.