Programacion Por Metas PDF

Investigación de
Operaciones II
M.C. Marcos Samuel López Rivera
www.iindustrialitp.com.mx LOGO
Programación Por Metas
Antecedentes de Programación por Metas.
Los orígenes de las técnicas de programación matemática se remontan en

la historia de las matemáticas a las teorías de ecuaciones y desigualdades
lineales y no lineales. Sin embargo George Bernard Dantzig es reconocido
como el padre de la Programación Lineal.
Dantzig trabajó primeramente en la búsqueda de técnicas para resolver

problemas logísticos de planeación militar, cuando él fue empleado por la
Fuerza Aérea de Los Estados Unidos en Washington, D.C., allá por 1940.
Su investigación fue fomentada por otros estudiosos que trabajaron en el

mismo tema: John Von Newman, Leonid Hurwicz y Tjalling Charles Koopmans.
El nombre original dado a la técnica fue "Programación de Actividades
interdependientes en una estructura lineal", y que después fue acortado a
"Programación Lineal".
De 1948 en delante, muchos estudiosos continuaron tratando de refinar la

técnica de Dantzig y explorando la aplicación potencial de programación
lineal. Sin embargo el equipo de Abraham Charnes y William Wager Cooper,
tiene adjudicado el haber introducido y aplicado la técnica a problemas
industriales. Ellos tienen publicados excelentes artículos así como libros de
texto sobre programación lineal.
En su continua investigación sobre programación lineal, Abraham Charnes y

William Wager Cooper desarrollaron el concepto de "PROGRAMACIÓN
POR METAS". El concepto de programación por metas surgió primero
como un resultado de problemas de programación lineal sin solución.
Proporcionaremos el siguiente ejemplo para iniciarnos en Programación

por Metas.
1
𝑀𝑎𝑥 𝑍 = 𝑥1 + 𝑥2
2
𝑠. 𝑎. 3𝑥1 + 2𝑥2 ≤ 12
5𝑥1 ≤ 10
𝑥1 + 𝑥2 ≥ 8
−𝑥1 + 𝑥2 ≥ 4
𝑥1 , 𝑥2 ≥ 0
La figura anterior representa el problema de decisión indicando

restricciones en la gráfica. Las dos áreas sombreadas indican regiones de
traslape que pueden ser consideradas como áreas de solución factible en el
sentido de que ellas satisfacen algunos subconjuntos de restricciones.
Sin embargo como las dos áreas sombreadas no se intersectan, no existe

área de solución factible. Entonces este problema no puede ser resuelto por el
procedimiento usual de programación lineal.
Fundamentos de Programación por Metas.
Resumiendo Conceptos:
1. El tomador de decisiones (gerente) define su estructura de preferencias.
2. Esta definición se hace a través de la jerarquización (ordinal) de los

criterios o metas.
3. El tomador de decisiones (gerente) no está dispuesto a sacrificar un

objetivo o criterio (meta) de mayor prioridad para beneficiar otro, de
menor prioridad.
4. La optimización de criterios es secuencial.
5. El tomador de decisiones (gerente) tiene una función de utilidad lineal

de los criterios.
Análisis Matemático de Programación por Metas.
Programación por metas es un modelo matemático lineal en el cuál la

consecución óptima de las metas es realizada dentro del medio ambiente
de decisión dado. El medio ambiente de decisión determina las
componentes básicas del modelo llamadas; variables de decisión, restricciones
y función objetivo.
Variables de decisión son aquellas variables reales en el modelo cuyos

valores son arbitrariamente asignados y cambiados en la búsqueda para
un conjunto óptimo de valores. Las variables de decisión están
relacionadas entre ellas mismas y entre otras variables, cuyos valores son
especificados de acuerdo con el medio ambiente o la situación tecnológica.
Restricciones representan un conjunto de relaciones entre variables

dedecisión.
Análisis Matemático de Programación por Metas.
Una función objetivo es una expresión matemática que involucra algunas

variables en el modelo cuyos valores pueden ser computados cuando los
valores de todas las otras variables son determinados.
I. Meta Simple Con Múltiple Submetas:
Un fabricante de muebles produce dos clases de estos, escritorios y mesas.

El margen total que queda de la venta de un escritorio es $ 80, y por la
venta de una mesa es $ 40. La meta del gerente de la planta es ganar una
utilidad total de $ 640 en la siguiente semana.
II. Restricciones Submeta:
Considerando el caso del ejemplo anterior. Ahora supongamos que

además de las restricciones consideradas en el ejemplo, las siguientes dos
restricciones son impuestas. El departamento de mercadotecnia reporta
que el máximo número de escritorios que puede ser vendido en una
semana es seis. Y el máximo numero de mesas que puede ser vendido es
ocho.
III. Análisis de Metas Múltiples:
Ahora el gerente desea alcanzar una utilidad semanal lo mas cercana

posible a $ 640. El también desea alcanzar un volumen de ventas para
escritorios y mesas cercano a seis y cuatro respectivamente.
Ejemplo 1: Innex Corporation
La empresa tiene tres objetivos que se detallan a continuación:
 Prioridad 1: Minimice el bajo rendimiento de una producción total de

diez unidades por semana (Objetivo 1).
 Prioridad 2: Minimice el bajo rendimiento de producir ocho unidades del

producto A semanalmente. (Objetivo 2).
 Prioridad 3: Minimice el bajo rendimiento de producir trece unidades del

producto B semanalmente. (Objetivo 3).
 Variables:
𝑥1 = Unidades de A producidas semanalmente.
𝑥2 = Unidades de B producidas semanalmente.
𝑑𝑖 − = Cantidad de unidades faltantes.
𝑑𝑖 + = Cantidad de unidades excedentes.
 Restricciones:
5𝑥1 + 2𝑥2 ≤ 50
2𝑥1 + 4𝑥2 ≤ 48
 Objetivos:
(1) Producción total de diez unidades por semana:

𝑥1 + 𝑥2 + 𝑑1− − 𝑑1+ = 10
(2) Producción de ocho unidades del producto A semanalmente:

𝑥1 + 𝑑2− − 𝑑2+ = 8
(3) Producción de trece unidades del producto B semanalmente:

𝑥2 + 𝑑3− − 𝑑3+ = 13
No negatividad:
𝑥1 , 𝑥2 , 𝑑𝑖 − , 𝑑𝑖 + ≥ 0 para toda 𝑖
 Formulación Resumida:
Min 𝑃1 𝑑1− + 𝑃2 𝑑2− + 𝑃3 𝑑3−
s.a. 5𝑥1 + 2𝑥2 ≤ 50
2𝑥1 + 4𝑥2 ≤ 48
𝑥1 + 𝑥2 + 𝑑1− − 𝑑1+ = 10
𝑥1 + 𝑑2− − 𝑑2+ =8
𝑥2 + 𝑑3− − 𝑑3+ = 13
𝑥1 , 𝑥2 , 𝑑1− , 𝑑1+ , 𝑑2− , 𝑑2+ , 𝑑3− , 𝑑3+ ≥ 0
 Gráfico de Restricciones:
Ejemplo: Innex Corporation
 Gráfico de Restricciones (Espacio de Soluciones):
Ejemplo: Innex Corporation
 Gráfico de Objetivos y Restricciones:
Clasificación de problemas de optimización:
Un objetivo (Con restricciones o sin restricciones):

Maximizar 𝑧 = 80𝑥1 + 50𝑥2
2𝑥1 + 1.5𝑥2 ≤ 50
3𝑥1 + 𝑥2 ≤ 40
𝑥1 , 𝑥2 ≥ 0
Multiobjetivo (Programación por metas).
 Programación por objetivos.
 Programación por metas.
 La programación por metas se puede usar para resolver problemas

(programas) lineales con objetivos múltiples, con cada objetivo visto como
una “meta".
 En la programación por metas, 𝑑𝑖+ y 𝑑𝑖− , variables de desviación, son las

cantidades en las que una meta 𝑖 es superada o no alcanzada,
respectivamente.
 Un enfoque para la programación por metas es satisfacer los objetivos en

una secuencia de prioridad. Los objetivos de segunda prioridad se
persiguen sin reducir los objetivos de primera prioridad, etc.
 En la programación por metas más que encontrar el máximo de un

objetivo, es conformarse con una cota inferior.
 El espacio de soluciones siempre tiene que cumplirse, mientras que los

objetivos pueden no cumplirse.
Ejemplo 2: Conceptual Products
Conceptual Products es una empresa de informática que produce las

computadoras CP400 y CP5OO. Las computadoras usan diferentes placas
madre producidas en abundancia por la empresa, pero usan CPU’s y
unidades de disco de proveedores. Los modelos CP40O usan dos unidades
de disco flexibles y ninguna unidad de disco Zip, mientras que los modelos
CP5OO utilizan una unidad de disco flexible y una unidad de disco Zip.
Cada semana hay 1000 unidades de disco flexible, 500 unidades de disco
Zip y 600 CPU’s disponibles para Conceptual Products. Se demora una
hora en fabricar un CP400 y su ganancia es de $200.00 y lleva una hora y
media fabricar un CP500 y su ganancia es de $500.00.
La compañía tiene tres metas que se detallan a continuación:
 Cumplir con un contrato de 200 máquinas CP400 semanalmente.
 Producir por lo menos un total de 500 computadoras semanalmente.
 Obtener al menos $250,000 de ganancia semanal.
Variables:
𝑥1 Número de computadoras CP400 producidas semanalmente.
𝑥2 Número de computadoras CP500 producidas semanalmente.
𝑑𝑖− Cantidad faltante de la meta 𝑖.
𝑑𝑖+ Cantidad excedente de la meta 𝑖.
Restricciones:
Disponibilidad de disco flexible: 2𝑥1 + 𝑥2 ≤ 1000.
Disponibilidad de disco Zip: 𝑥2 ≤ 500.
Disponibilidad de CPU’s: 𝑥1 + 𝑥2 ≤ 600.
Metas:
(1) 200 computadoras CP400 por semana: 𝑥1 + 𝑑1− − 𝑑1+ ≥ 200
(2) Un total de 500 computadoras por semana: 𝑥1 + 𝑥2 + 𝑑2− − 𝑑2+ ≥ 500
(3) $250,000 en ganancia: 200𝑥1 + 500𝑥2 + 𝑑3− − 𝑑3+ ≥ 250,000

0.2𝑥1 + 0.5𝑥2 + 𝑑3− − 𝑑3+ ≥ 250
No negatividad: 𝑥1 , 𝑥2 , 𝑑𝑖− , 𝑑𝑖+ ≥ 0 para toda 𝑖.
Funciones Objetivo:
Prioridad 1: Minimizar el no cumplimiento del contrato: 𝑀𝑖𝑛 𝑑1− .
Prioridad 2: Minimizar el no cumplimiento de 500 computadoras

producidas semanalmente: 𝑀𝑖𝑛 𝑑2− .
Prioridad 3: Minimizar el no cumplimiento de la ganancia semanal de

$250,000: 𝑀𝑖𝑛 𝑑3− .
Solución de forma analítica:

𝑀𝑖𝑛 𝑃1 𝑑1− + 𝑃2 𝑑2− + 𝑃3 𝑑3−
2𝑥1 + 𝑥2 ≤ 1000
𝑥2 ≤ 500
𝑥1 + 𝑥2 ≤ 600
𝑥1 + 𝑑1− − 𝑑1+ = 200

𝑥1 + 𝑥2 + 𝑑2− − 𝒅+
𝟐 = 500
0.2𝑥1 + 0.5𝑥2 + 𝒅− +
𝟑 − 𝑑3 = 250
PM Con WinQSB
Definición de Variables.
PM Con WinQSB
Resultados en Variables de Decisión y Desviación.
www.themegallery.com LOGO
PM Con WinQSB
PM Con WinQSB
www.themegallery.com LOGO
PM Con POM-QM
PM Con POM-QM
PM Con POM-QM
PM Con POM-QM
Investigación de Operaciones II

Programacion Por Metas PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Programacion Por Metas PDF

Cargado por

Copyright:

Formatos disponibles

Investigación de

Antecedentes de Programación por Metas.

Los orígenes de las técnicas de programación matemática se remontan en

Dantzig trabajó primeramente en la búsqueda de técnicas para resolver

Su investigación fue fomentada por otros estudiosos que trabajaron en el

Antecedentes de Programación por Metas.

De 1948 en delante, muchos estudiosos continuaron tratando de refinar la

En su continua investigación sobre programación lineal, Abraham Charnes y

Antecedentes de Programación por Metas.

Proporcionaremos el siguiente ejemplo para iniciarnos en Programación

Antecedentes de Programación por Metas.

Antecedentes de Programación por Metas.

La figura anterior representa el problema de decisión indicando

Sin embargo como las dos áreas sombreadas no se intersectan, no existe

Fundamentos de Programación por Metas.

1. El tomador de decisiones (gerente) define su estructura de preferencias.

2. Esta definición se hace a través de la jerarquización (ordinal) de los

3. El tomador de decisiones (gerente) no está dispuesto a sacrificar un

4. La optimización de criterios es secuencial.

5. El tomador de decisiones (gerente) tiene una función de utilidad lineal

Análisis Matemático de Programación por Metas.

Programación por metas es un modelo matemático lineal en el cuál la

Variables de decisión son aquellas variables reales en el modelo cuyos

Restricciones representan un conjunto de relaciones entre variables

Análisis Matemático de Programación por Metas.

Una función objetivo es una expresión matemática que involucra algunas

I. Meta Simple Con Múltiple Submetas:

Un fabricante de muebles produce dos clases de estos, escritorios y mesas.

II. Restricciones Submeta:

Considerando el caso del ejemplo anterior. Ahora supongamos que

III. Análisis de Metas Múltiples:

Ahora el gerente desea alcanzar una utilidad semanal lo mas cercana

Ejemplo 1: Innex Corporation

La empresa tiene tres objetivos que se detallan a continuación:

 Prioridad 1: Minimice el bajo rendimiento de una producción total de

 Prioridad 2: Minimice el bajo rendimiento de producir ocho unidades del

 Prioridad 3: Minimice el bajo rendimiento de producir trece unidades del

Ejemplo 1: Innex Corporation

𝑥1 = Unidades de A producidas semanalmente.

𝑥2 = Unidades de B producidas semanalmente.

𝑑𝑖 − = Cantidad de unidades faltantes.

𝑑𝑖 + = Cantidad de unidades excedentes.

Ejemplo 1: Innex Corporation

(1) Producción total de diez unidades por semana:

(2) Producción de ocho unidades del producto A semanalmente:

(3) Producción de trece unidades del producto B semanalmente:

Ejemplo 1: Innex Corporation

Min 𝑃1 𝑑1− + 𝑃2 𝑑2− + 𝑃3 𝑑3−

s.a. 5𝑥1 + 2𝑥2 ≤ 50

𝑥1 , 𝑥2 , 𝑑1− , 𝑑1+ , 𝑑2− , 𝑑2+ , 𝑑3− , 𝑑3+ ≥ 0

Ejemplo 1: Innex Corporation

Ejemplo: Innex Corporation

 Gráfico de Restricciones (Espacio de Soluciones):

Ejemplo: Innex Corporation

 Gráfico de Objetivos y Restricciones:

Clasificación de problemas de optimización:

Un objetivo (Con restricciones o sin restricciones):

Multiobjetivo (Programación por metas).

 Programación por objetivos.

 Programación por metas.

 La programación por metas se puede usar para resolver problemas

 En la programación por metas, 𝑑𝑖+ y 𝑑𝑖− , variables de desviación, son las

 Un enfoque para la programación por metas es satisfacer los objetivos en