Maestría en Dirección de Empresas MADEUCA

Programación por Metas

por Antonio Mejía

Introducción. algoritmo utilizado provee una alternativa donde

Supóngase que usted desea comprar un nuevo
carro, al analizar las posibles modelos desea
considerar los siguientes atributos de cada uno:
a. Tamaño del carro
b. Economía del carro (km/galón)
c. Estilo de carro
d. Precio del carro
Otro ejemplo sería en una planificación
corporativa, donde se desean lograr los siguientes
objetivos:
a. Maximizar la utilización del equipo (alta
producción)
b. Maximizar la participación en el mercado
(alta variedad)
c. Minimizar el costo de producción
d. Maximizar la tasa de efectivo
En ambos ejemplos hay objetivos en conflicto
y en muchas ocasiones no pueden ser logrados en
forma directa o simultánea. La solución se
encuentra en utilizar una de las técnicas de
Programación por metas desarrollada por A.
Charles y W. Cooper. A fin de entender esta técnica
en la tabla inferior se definen ciertos términos.
las desviaciones de las diferentes metas se
minimizan.
Existen diversas técnicas para las medir las
desviaciones de las metas y para ponderar y/o
priorizar cada una de ellas. En el presente curso
estudiaremos la técnica más sencilla y la más
ampliamente utilizada.
En Programación Lineal todas y cada una de
las restricciones deben cumplirse, en Programación
por Metas las metas pueden o no cumplirse. La
Función Objetivo determinará aquella alternativa
que primeramente satisfaga todas y cada una de
las restricciones fijas o rígidas del modelo y
segundo que cumplan de mejor forma todas las
metas.
Ventajas
• La Función Objetivo minimiza las desviaciones
de las múltiples metas
• Existen diversos criterios para medir las
desviaciones de las metas
• Existe un peso o prioridad para cada meta
• La alternativa óptima muestra el grado en que
cada meta ha sido alcanzada, lo cual facilita
tomar decisiones.

Esta técnica resuelve problemas de Limitaciones:

optimización con varios objetivos, aun y cuando
éstos estén en conflicto. Puede ser usada para toma
de decisiones en distribución de recursos,
planeación financiera, distribución de
presupuestos, decisiones de mercado y otras. El
• Tanto las variables de decisión de la función
objetivo como las de las restricciones deben de
ser lineales
• Las variables deben de ser continuas.

Objetivo. Refleja los deseos del tomador de decisiones (ej. Max o Min. algún criterio).
Nivel de aspiración. Es un valor específico asociado con un deseo o un nivel de
logro de un objetivo.
Meta. Es un objetivo con un nivel de aspiración
Desviación de la meta. Es la diferencia entre lo que se logra y lo que se deseaba
alcanzar. Pueden ser categorizados como sub-logros o sobre-logros de las metas.

63

• No existe una forma sistémica para llevar a cabo
el análisis de sensibilidad.
• Las Variables de decisión deben ser no-negativa.
• No siempre se logra satisfacer todas las metas
Variables de desviación:
• Reflejan la desviación positiva o negativa del
valor logrado con respecto a la meta.
• Deben ser no-negativas.
• Cuando el valor requerido para que la meta se
cumpla es positivo se denomina desviación
«faltante» (Ui)
• Cuando el valor requerido para que la meta se
cumpla es negativo se denomina desviación
«sobrante» (Vi)
Pesos de las variables de desviación
Existen diversas técnicas para las medir las
desviaciones de las metas y para ponderar y/o
priorizar cada una de ellas. En el presente curso
estudiaremos la técnica más sencilla y que es a la
vez la más ampliamente utilizada.
Los pesos se asignan de acuerdo a lo que el
tomador de decisiones considere sea la
penalización por la desviación (por unidad) con
respecto a la meta. Los pesos pueden indicar
penalizaciones monetarias o cualquier otra
medida que se relacione a la meta. La meta más
importante recibe el mayor peso.
Transformación de Objetivos Y Metas
Sea F(x) una representación matemática de
un objetivo y Bi el nivel de aspiración asociado
al objetivo, entonces las metas pueden ser de tres
tipos:
Tipo de Meta Forma en Programación
de metas
Fi (x) ≤ Bi F(x) + Ui - Vi = Bi
Fi (x) ≥ Bi F(x) + Ui -Vi = Bi
Fi( x) = Bi F(x) + Ui -Vi = Bi
Maestría en Dirección de Empresas MADEUCA
1. F(x) ≤ Bi
2. F(x) ≥ Bi
3. F(x) = Bi
Sea cual sea la forma, la transformación a
programación por metas se logra añadiendo una
variable de desviación faltante (Ui ) y sustrayendo
una variable de desviación de excedente (Vi). Ver
tabla inferior.
Al resolver el modelo, cualquier alternativa
factible tiene como resultado que Ui = 0 ó Vi = 0,
o ambas son igual a cero (0).
Aquellas restricciones rígidas, propias del
sistemas (que no se consideran metas) no sufren
ninguna transformación. Estas restricciones
deben ser cumplidas en su totalidad para que una
alternativa pueda sean considerada factible y sea
evaluada por la función objetiva.
Ejemplos.
I . Meta del tipo ≥ . Supóngase que desea obtener
una ganancia mínima determinada. Tomemos
una función de utilidad de la forma: 5*X1 + 7*X2.
Si el nivel de aspiración es lograr al menos ¢
10,000, se tiene la siguiente transformación:
5*X1 + 7*X2 ≥ 10,000
5*X1 + 7*X2 + U1 - V1 = 10,000
La obtención de la meta se logrará en la
medida que Ui sea pequeño. O sea, la técnica
buscará la alternativa que logre minimizar tanto
el valor de Ui como el valor global de la Función
Objetivo, y al mismo tiempo tratará de cumplir
la meta lo más posible.
II. Meta del tipo ≤ . Supóngase que se desea
Variable de desviación
a ser minimizada
Vi
Ui
Ui + Vi
64

limitar los costos a un valor determinado. Tome
la función de costos 100*X1 + 200*X2. Si el nivel
de aspiración establece que los costos no deben
sobrepasar de ¢ 5,000. Se tiene la siguiente
transformación:
100*X1 + 200*X2 ≤ 5,000
100*X1 + 200*X2 + U1 - V1 = 5,000
La obtención de la meta se logrará en la
medida que V1 sea pequeño. La técnica
encontrará la alternativa que minimice
simultáneamente el valor de V1 y el valor de la
función Objetivo, y al mismo tiempo tratará que
la meta se cumpla lo más posible.
III. Meta del tipo =. Si se desea cumplir con una
igualdad. Supóngase se desea invertir una
cantidad determinada de recurso, con un nivel de
aspiración de digamos 30,000 colones. Se realiza
la siguiente transformación:
100*X1 + 50*X2 = 30,000
100*X1 + 50*X2 + U1 - V1 = 30,000
En este caso, la obtención de la meta se logrará
en la medida que U1 + V1 sea lo más pequeño
posible.
IV. Meta de intervalo. Supóngase que se tiene
un producto que tiene que ser producido, y existe
una producción mínima y otra máxima. Para este
caso 25 ≤ X1 ≤ 50. Esta meta pueden reescribirse
como:
X1 ≥ 25 y X1 ≤ 50
Transformando las desigualdades en forma de
Programación por metas se tiene dos metas:
X1 + U1 - V1 = 25 y
X1 + U2 - V2 = 50
En la función objetivo se deben minimizarán
tanto U1 como V2.
¿Qué sucede con las restricciones rígidas
Maestría en Dirección de Empresas MADEUCA
propias del sistema? Estas no sufren ninguna
transformación, o sea, no se les agrega ningún
tipo de variable de desviación. Recuerde estas
restricciones deben ser cumplidas en su totalidad
para que una alternativa pueda sean considerada
factible y sea evaluada por la Función Objetiva.
Caso Burmit.
La compañía publicitaria Burmit esta tratando
de determinar una programación de comerciales
a contratar para la compañía de autos Priceler.
Priceler tiene tres metas.
Meta 1: Sus comerciales deben de ser vistos por
al menos 40 (mil) hombres de alto
ingreso económico. (HAI).
Meta 2: Sus comerciales deben de ser vistos por
al menos 60 (mil) hombres de mediano
ingreso económico. (HMI).
Meta 3: Sus comerciales deben de ser vistos por
al menos 35 (mil) mujeres de alto ingreso
económico. (MAI)
La compañía Burnit puede comprar 2 tipos
de comerciales: el primero durante los juegos de
fútbol y el segundo durante los programas de
comedias. El máximo desembolso debe ser de
$60,000.
Los costos de los comerciales y la audiencia
potencial de un anuncio de un minuto se muestra
en la Tabla # 1. Burnit debe determinar el número
de comerciales que deben de ser pasados en los
partidos de fútbol y en las comedias a fin de
satisfacer las metas de la compañía Priceler.
Tipo de Costo HAI HMI MAI
comercial ($/spot) (#) (#) (#)
Fútbol 10,000 7,000 10,000 5,000
Comedias 6,000 3,000 5,000 4,000
Tabla # 1
65
19 Maestría en Dirección de Empresas MADEUCA

18 Figura #1 Presupuesto
HAI
17
HMI
16 HMI
15

14

13

12

11

10

0
0

10

11

12
9

66
 Maestría en Dirección de Empresas MADEUCA
Variables de Decisión. 10*X1 + 5*X2 + U2 - V2 = 60
5*X1 + 4*X2 + U3 - V3 = 35
Sea X1 = número de comerciales contratados
durante los juegos de fútbol. Supongamos que Priceler desea minimizar
Sea X2 = número de comerciales contratados el total de penalización de las pérdidas de sus
durante las comedias. ventas. Los coeficientes en la función objetivo
son llamados «pesos». Cuando las unidades de
F.O. Min. (o Max) Z = 0*X1 + 0*X2 las diversas metas son homogéneas y medidas en
(o cualquier otra función objetivo equivalente) la misma unidad, la meta más importante debe
tener el mayor peso de penalización. Burmit debe
10*X1 + 6*X2 ≤ 60 (Presupuesto en miles) ahora resolver ahora el siguiente problema de PL
7*X1 + 3*X2 ≥ 40 (HAI)
10*X1 + 5*X2 ≥ 60 (HMI) F.O. Min. 2*U1 + 1*U2 + 0.5*U3
5*X1 + 4*X2 ≥ 35 (MAI) s.a
X1, X2 ≥ 0 7*X1 + 3*X2 + U1 - V1 = 40
10*X1 + 5*X2 + U2 - V2 = 60
Este modelo no tiene solución (vea figura #1), 5*X1 + 4*X2 + U3 - V3 = 35
por lo que Burnit pide a Priceler identificar para 10*X1 + 6*X2 ≤ 60
cada meta, un costo (por unidad de faltante) en Todas las variables no-negativas
que se incurriría por no cumplir sus metas.
La solución al modelo proporciona los
Supóngase que Priceler determina que: siguientes resultados:

- Por cada mil hombres, bajo la meta de HAI que X1 = 6 V1 = 2 V3 = 0 U2 = 0

no vean el comercial, un (1) hombre deja de X2 = 0 V2 = 0 U1 = 0 U3 = 5
comprar un vehículo y la compañia Priceler
pierde $2,000 en concepto de ganancia neta. Sustituyendo tenemos que el valor de la
- Por cada mil hombres, bajo la meta de HMI que función objetivo es:
no vean el comercial, un (1) hombre deja de = 2*U1 + 1*U2 + 0.5*U3
comprar un vehículo y la compañia Priceler = 2*0 +1*0 + 0.5*5
pierde $1,000 en concepto de ganancia neta. = 2.5
- Por cada cuatro mil mujeres, bajo la meta de
MAI que no vean el comercial, una (1) mujer La alternativa óptima logra cumplir con las
deja de comprar un vehículo y la compañia primeras dos metas y falla en la tercera, que tiene
Priceler pierde $2,000 en concepto de ganancia el menor peso (penalización)
neta.
Supóngase que se decide modificar la
El siguiente paso es transformar las «metas» restricción del presupuesto y considerarla como
en igualdades tomando las siguientes variables una meta. Si se decide penalizar con ¢ 0.30 cada
de desviación: unidad monetaria gastada por encima de la meta
del presupuesto, el modelo apropiado de la
Ui = Cantidad numérica por debajo de la meta i programación por metas sería:
Vi = Cantidad numérica por sobre la meta i
Min. 2*U1 + 1*U2 + 0.5*U3 + 0.3*V4
Metas transformadas: s.a.
7*X1 + 3*X2 + U1 - V1 = 40
7*X1 + 3*X2 + U1 - V1 = 40 10*X1 + 5*X2 + U2 - V2 = 60

67
 Maestría en Dirección de Empresas MADEUCA
5*X1 + 4*X2 + U3 - V3 = 35 X2= 3.333
10*X1 + 6*X2 + U4 - V4 = 60 V1 =0.3333
Todas las variables no-negativas. V4 = 3.333

La solución a este modelo es: F.O. = 1.0

X1 = 4.333

68
 Maestría en Dirección de Empresas MADEUCA
Priceler, Burmit Programacin por Metas -A

OPTIMAL SOLUTION - DETAILED REPORT

Variable Value Cost Red. cost Status
1 X1 6.0000 0.0000 0.0000 Basic
2 X2 0.0000 0.0000 0.0000 Basic
3 U1 0.0000 2.0000 2.0000 Lower bound
4 V1 2.0000 0.0000 0.0000 Basic
5 U2 0.0000 1.0000 0.5000 Lower bound
6 V2 0.0000 0.0000 0.5000 Lower bound
7 U3 5.0000 0.5000 0.0000 Basic
8 V3 0.0000 0.0000 0.5000 Lower bound

Slack Variables
14 PRESUPUEST 0.0000 0.0000 0.7500 Lower bound

Objective Function Value = 2.5

OPTIMAL SOLUTION - DETAILED REPORT

Constraint Type RHS Slack Shadow price
1 HAI = 40.0000 0.0000 0.0000
2 HMI = 60.0000 0.0000 0.5000
3 MAI = 35.0000 0.0000 0.5000
4 PRESUPUEST <= 60.0000 0.0000 -0.7500

SENSITIVITY ANALYSIS OF COST COEFFICIENTS

Current Allowable Allowable
Variable Coeff. Minimum Maximum
1 X1 0.0000 -0.8333 0.8333
2 X2 0.0000 -0.5000 0.5000
3 U1 2.0000 0.0000 Infinity
4 V1 0.0000 -0.4167 0.4167
5 U2 1.0000 0.5000 Infinity
6 V2 0.0000 -0.5000 Infinity
7 U3 0.5000 0.0000 1.0000
8 V3 0.0000 -0.5000 Infinity

SENSITIVITY ANALYSIS OF RIGHT-HAND SIDE VALUES

Constraint Type Current Allowable Allowable
Value Minimum Maximum
1 HAI = 40.0000 -Infinity 42.0000
2 HMI = 60.0000 58.3333 60.0000
3 MAI = 35.0000 30.0000 Infinity
4 PRESUPUEST <= 60.0000 60.0000 63.3333
69
 Maestría en Dirección de Empresas MADEUCA
Priceler, Burmit Programacin por Metas -b

OPTIMAL SOLUTION - DETAILED REPORT

Variable Value Cost Red. cost Status
1 X1 4.3333 0.0000 0.0000 Basic
2 X2 3.3333 0.0000 0.0000 Basic
3 U1 0.0000 2.0000 2.0000 Lower bound
4 V1 0.3333 0.0000 0.0000 Basic
5 U2 0.0000 1.0000 0.8000 Lower bound
6 V2 0.0000 0.0000 0.2000 Lower bound
7 U3 0.0000 0.5000 0.3000 Lower bound
8 V3 0.0000 0.0000 0.2000 Lower bound
9 U4 0.0000 0.0000 0.3000 Lower bound
10 V4 3.3333 0.3000 0.0000 Basic

Objective Function Value = 1

Constraint Type RHS Slack Shadow price

1 HAI = 40.0000 0.0000 0.0000

2 HMI = 60.0000 0.0000 0.2000
3 MAI = 35.0000 0.0000 0.2000
4 PRESUPUEST = 60.0000 0.0000 -0.3000

SENSITIVITY ANALYSIS OF COST COEFFICIENTS

Current Allowable Allowable
Variable Coeff. Minimum Maximum
1 X1 0.0000 -0.7500 0.6000
2 X2 0.0000 -0.3000 0.4500
3 U1 2.0000 0.0000 Infinity
4 V1 0.0000 -0.2308 0.6000
5 U2 1.0000 0.2000 Infinity
6 V2 0.0000 -0.2000 Infinity
7 U3 0.5000 0.2000 Infinity
8 V3 0.0000 -0.2000 Infinity
9 U4 0.0000 -0.3000 Infinity
10 V4 0.3000 0.0000 0.7500

SENSITIVITY ANALYSIS OF RIGHT-HAND SIDE VALUES

Current Allowable Allowable
Constraint Type Value Minimum Maximum
1 HAI = 40.0000 -Infinity 40.3333
2 HMI = 60.0000 59.6154 70.0000
3 MAI = 35.0000 30.0000 36.0000
4 PRESUPUEST = 60.0000 -Infinity 63.3333

70

Cuadro Comparativo
Programación lineal
- Maximizar/Minimizar una Función
Objetivo
- Utiliza variables de decisión
- Existe un sólo objetivo
- Las alternativas factibles satisfacen todas
y cada una de las restricciones rígidas
del sistema o modelo
Ejercicios adicionales
1. La compañia Fumiture Company (TCFC)
fabrica mesas y sillas. Escriba las metas para los
siguientes objetivos (las variables M y S deben
representar, respectivamente, el número de mesas
y sillas producidas en un periodo):
a. La fabricación de una mesa requiere 10 horas y
la de una silla 5 horas. El número total de horas
de trabajo disponibles por período es de 3,200.
Aunque el tiempo ocioso y las horas
extraordinarias de trabajo son opciones
aceptables, TCFC desea que el número total de
horas de trabajo se aproxime lo más posible a
3,200.
b. Se utiliza una pieza de madera para fabricar una
mesa y media pieza para una silla; durante un
periodo determinado se dispone de 300 piezas
de madera y no es posible comprar más. TCFC
desea utilizar lo más posible de esta cantidad
de madera durante cada período.
c. TCFC fabrica mesas sobre pedido y se ha
comprometido a proveer 200 mesas en un
período dado. Cualquier mesa adicional que
produjera tendría que mantenerse en inventario,
y la compañía desea minimizar el número de
mesas que mantenga en inventario.
d. La demanda de sillas es incierta, pero se estima
que será de entre 200 y 250. La compañía desea
fabricar sillas aproximándose lo más posible a
Maestría en Dirección de Empresas MADEUCA
Programación por metas
- Minimizar las desviaciones de las
diferentes Metas
- Utiliza variables de decisión y de
desviación
- Existen múltiples objetivos
- Las alternativas satisfacen todas las
restricciones rígidas del modelo, pero
no siempre satisface todas las metas
- Se perciben “dos (2) tipos de
restricciones”
estas cifras.
2. La ciudad de Chicago está estudiando dos
proyectos. Cada unidad de proyecto A cuesta $400,
crea 20 empleos y reditúa $200 al final del año.
Cada unidad del proyecto B cuesta $600, crea 40
empleos y reditúa $200. La persona encargada de
la planeación desea alcanzar las siguientes metas:
1. Mantener el total de gastos en $2,400 o menos.
2. Crear 120 empleos por lo menos.
3. Maximizar el rédito obtenido al final del año
(en otro ejercicio lograr mas de 1,000)
Suponga que las tres metas aparecen en orden
descendente de prioridad absoluta.
a. Utilice el análisis gráfico ( o un software) para
encontrar el número óptimo de unidades que
deberá dedicarse a cada proyecto.
b. ¿Se han alcanzado las metas? Si no es así, ¿cuál
es el faltante para lograrlo?
c. ¿Cuáles son el gasto neto y el número de empleos
creados?
3. El almacén de discos «Ricky» emplea
actualmente cinco empleados a tiempo completo
y tres empleados a medio tiempo. La carga de
trabajo normal es hasta 40 horas por la semana
para los de tiempo completo y de hasta 20 horas
por la semana para los empleados de medio tiempo.
A cada empleado a tiempo completo se le paga
71

00
$6. /hora, y éstos pueden vender 5 discos por hora
(cada empleado). Si un empleado a tiempo
completo trabaja horas extras, estas son pagadas a
¢10.00 por hora. A cada empleado a medio tiempo
se le paga $3.00 /hora y puede vender 3 discos por
hora (cada empleado). Cada disco le cuesta a Ricky
$6.00, y los vende a $9.00. Ricky tienen costos fijos
semanales de $500. Él ha establecido las metas
semanales siguientes, enumeradas en orden de
prioridad:
Meta 1: Vender por lo menos 1,600 discos por
semana.
Meta 2: Tener un beneficio (ganancia) de por lo
menos $2,200 por semana.
Meta 3: Ya que la fatiga hace declinar su
efectividad, los empleados a tiempo
completo deben trabajar a lo mas 20
horas extras por semana (cada uno).
Meta 4: Para aumentar su sentido de la seguridad
de los empleados, se deben reducir el
número de horas que cada empleado a
tiempo completo le falten para llegar a
40 horas por semana.
Meta: 5 Para aumentar su sentido de la seguridad
en el empleo, se debe reducir el número
de las horas que a cada empleado a
medio tiempo le falten para llegar a 20
horas por semana.
Formule un modelo de programación lineal por
metas para determinar cuántas horas por semana
deben trabajar cada tipo de empleado.
4. Fruit Computer Company esta lista hacer
su compra anual de chips para computadoras. Fruit
puede comprar los chips (en lotes de 100) de tres
proveedores. Cada chips se clasifica como en
términos de calidad como: excelente, bueno, o
mediocre. Durante el año que viene la compañia
Fruit necesitará 5,000 chips excelentes, 3,000 chips
buenos , y 1,000 chips mediocres. Las
características de los chips comprados a cada
proveedor se demuestran en la tabla #1. La
compañia Fruit ha presupuestado $28,000 para la
compra de los chips. Si la compañia no obtiene
bastantes chips de una determinada calidad, la
Maestría en Dirección de Empresas MADEUCA
compañía puede ordenar chips adicionales a través
de ordenes especiales a un precio de $10 por chips
excelentes. $6 por chips buenos, y $4 por chips
mediocres. Fruit determina una penalización de
$1 por cada dólar pagada a los proveedores en
exceso a la cantidad presupu-estada anual.
Formule y resuelva un modelo de Programación
Lineal por metas para determinar una estrategia
de compra.
Tabla #1 Característcas de un lote de 100
CHIPS
Proveedor Excelentes Buenos Mediocres Precio
#1 60 20 20 $400
#2 50 35 15 $300
#3 40 20 40 $250
5. «Electrodomésticos Highland» debe
determinar cuánto TV’s y VCR’s deben de estar
en stock. Un color TV cuesta $300 y un VCR $200.
Un color TV requiere 2 mts 2 de espacio de
almacenaje, y un VCR requiere 0.64 mts2 de
espacio de almacenaje. La venta de un color TV
proporciona un beneficio de $150, y el de un VCR
$100. Electrodomésticos Highland ha fijado las
metas siguientes (enumeradas en la orden de la
importancia):
Meta 1: La máxima erogación para comprar de
TV’s a color y VCRs. es de $20,000.
Meta 2: Los TV’s a color y VCRs. no debe utilizar
más de 22 mtrs2 de espacio de almacenaje.
Meta 3: Electrodomésticos Highland debe tener
una ganancia de por lo menos $11,000 por las
ventas de TV’s a color y VCRs.
Asuma que se ha establecido:
- Que el costo de oportunidad es del 20%.
- Que el costo por mtr2 es de $1,000
- Que la utilidad no percibida se costea en 40
ctvos de dolar por dolar no percibido.
Formule un modelo de programación lineal de
metas para determinarse cuánto TV’s a color y
VCRs. ordenar (asuma que serán para la nueva
temporada, y por tanto los modelos existentes no
72

cuentan). ¿Cómo modificaría usted la formu-
lación del modelo de metas si la meta de compañía
fuera utilizar exactamente 22 mtrs2 ?
6. Una compañía tiene varias líneas de
productos, una línea es la industrial la cual produce
dos productos. La información relevante para cada
producto se muestra en la tabla #2.
Tabla #2 Producto 1 Producto 2
• Mano de obra
requerida 400 horas 200 horas
• Contribución
marginal $ 4,000 $ 2,000
La compañía tiene la meta de obtener
beneficios mayores a $48,000 e incurre en una
penalización de $0.25 por cada dólar faltante a esa
meta. Se dispone de un total de 3,200 horas/hombre
de trabajo. Se incurre en una penalización de $20
por cada hora de tiempo extra (trabajo sobre 3,200
horas) usada, y existe una penalización de $10 por
cada hora del trabajo disponible que no es usada.
El departamento de Marketing considera que se
requieren al menos 7 unidades del producto #1 que
deben producirse y por lo menos 10 unidades del
producto #2. Por cada unidad (de cualquier
producto) que la producción sea inferior a la
demanda se penalizará con $500.
a. Formule un modelo de PL que se pueda utilizar
para reducir al mínimo la penalización del total
incurrido por la compañía.
b. Suponga que la compañía establece (en orden
de la importancia) las metas siguientes:
Meta 1: Evitar la sub-utilización de la mano de
Tiempo Normal
Tabla #3 Capacidad Costo/unidad Capacidad Cost/unidad
Trimestre l 9 $4
Trimestre 2 10 $4
Trimestre 3 11 $5
Trimestre 4 12 $6
Maestría en Dirección de Empresas MADEUCA
obra.
Meta 2: Lograr producir la demanda del producto
#1.
Meta 3: Lograr producir la demanda del producto
#2.
Meta 4: No utilizar horas extras.
Formule y resuelva un modelo de programación
lineal de metas.
7. Durante los cuatro trimestres siguientes
Wivco debe enfrentar las demandas siguientes para
los Gobots (juguete competencia de los
transformadores): 13,14, 12 y l5 respectivamente.
Los Gobots se puede producir en tiempo regular
de trabajo o con trabajo de tiempo extra. La
capacidad de producción (en número de gobots) y
sus costos de producción se muestran en la tabla
#3. Wivco ha fijado las metas siguientes en la orden
de la importancia:
Meta 1: Lograr la demanda de cada trimestre.
Meta 2: El inventario al final de cada trimestre no
puede exceder 3 unidades.
Meta 3: El costo total de producción debe ser
menor de $250.
Formule un modelo de programación lineal de
metas que se podría utilizar para determinar el
plan de fabricación de Wivco durante los cuatro
trimestres siguientes. Asuma que al principio del
primer trimestre hay 1 gobot en inventario.
Asuma un costo por mantener en inventario de
$0.50 por trimestre y un costo por no tener en
inventario de $0.75 por unidad faltante.
Sea Pi la penalización por cada unidad no
producida en un trimenstre y sea Pj la penalización
por cada uidad mantenida al final de cada trimestre.
Así mismo, sea M la
penalizaci´ønpor cada
Tiempo Extra unidad de mantenida en
inventario sobre la meta
de 3 como máximo y C
5 $6 el costo por cada dolar
5 $7 arriba de $250.00
5 $8
5 $9
73
 Maestría en Dirección de Empresas MADEUCA

Solución
Ejercicio #1

a. 10M + 5S = 3200
10M + 5S + U1 - V1 = 3200;
b. M + 0.5S = 300
M + 0.5S + U2 - V2 = 300 (Pero V2 debe tener un valor de cero, puesto que no podemos tener mas
de 300) unidades), entonces reescribimos:
M + 0.5S + U2 = 300
- Si este enfoque no es claro, podemos colocarle a la variable V2 un coeficiente muy alto, cerca
de +∞) ésto hara que el software asigne un valor de cero (0) a esta variable.
c. M + U3 - V3 = 200 (Pero U3 debe valer cero, puesto que no podemos tener menos de 200), enton-
ces reescribimos:
M - V3 = 200
- Si este enfoque no es claro, podemos colocarle a la variable U3 un coeficiente muy alto, cerca
de +∞) ésto hara que el software asigne un valor de cero (0) a esta variable.
d. S ≥ 200
S + U4 - V4 = 200
e. S ≤ 250
S + U5 - V5 = 250

En la función Objetivo minimizariamos:

F.O. MIN U1 + V1 + U2 + V3 + U4 + V5 (con sus respectivos coeficientes las diferentes variables de
decisión)

Ejercicio #2

• 400 A + 600B≤ 2400, se transforma en:

400 A + 600B + U1 - V1 = 2400
• 20 A + 40B ≥ 120, se transforma en:
20 A + 40B + U2 - V2 = 120

Respecto a la meta de maximizar el rédito, esta establece maximizarlo, esto se logra a través de
«200A + 200B», pero recordemos que la función objetivo es minimizar. Si deseo incluirla en la F.O.
deberé transformaresta expresión multiplicando por «-1» la expresión.

F.O. MIN P1*V1 + P2*U2 - 200A - 200B

OPTIMAL SOLUTION - DETAILED REPORT
Variable Value Cost Red. cost Status
1 A 6.0000 -200.0000 0.0000 Basic
2 B 0.0000 -200.0000 90.0000 Lower bound
3 U1 0.0000 0.0000 0.5500 Lower bound
4 V1 0.0000 1.0000 0.4500 Lower bound
5 U2 0.0000 1.0000 0.0000 Basic
6 V2 0.0000 0.0000 1.0000 Lower bound

Objective Function Value = -1200

Constraint Type RHS Slack Shadow price
1 COSTO = 2400.0000 0.0000 -0.5500
2 EMPLEOS = 120.0000 0.0000 1.0000
74
 Maestría en Dirección de Empresas MADEUCA
Ejercicio #3. XNTC ≤ 40

Nota: Este modelo también puede ser formulado XNTC + U4 - V4 = 40

usando XNTC como el número de horas semanales
trabajadas cada uno de los empleado a tiempo Meta 5. (Reducir faltante semanal MT)
completo y XN MT el número de horas semanales XNMT ≤ 20
trabajadas por cada uno de los empleados a medio
tiempo.
XNMT + U5 - V5 = 20
Sea: F.O. Min P1U1 +P2U2+P3V3 +P4U4 + P5U5
XNTC el número de horas semanales trabajadas por
todos los empleados a tiempo completo. Ejercicio #4.
XE TC el número de horas extras semanales
trabajadas por todos los empleados a tiempo Sean:
completo.
X1: el número de lotes a ser adquiridos del
XNMT el número de horas semanales trabajadas por proveedor #1
todos los empleados a medio tiempo. X2: el número de lotes a ser adquiridos del
proveedor #2
Se asume que todos los empleados de una misma X3: el número de lotes a ser adquiridos del
categoria son igualmente importantes, por tanto proveedor #3
todos y cada uno trabajarán el mismo número de
horas normales (y horas extras los de tiempo 60X1 + 50X2 +40X3 + U1 - V1 = 5,000 (Chips
completo). Por tanto, para determinar el número excelentes)
de horas semanales a trabajar por cada empleado,
se debe dividir el número de horas globales a 20X1 + 35X2 + 20X3 + U2 - V2 = 300 (Chips
trabajar (de cada tipo de empleado) entre el buenos)
número de empleados.
20X1 + 15X2 + 40X3 + U3 - V3 = 1,000 (Chips
Meta 1. (Número de discos a vender mediocres)
semanalmente)
5*XNTC + 3*XNMT + 5*XETC >= 1,600 400X1 + 300X2 + 250X3 + U4 - V4 = 28,000
(presupuesto)
5*XNTC + 3*XNMT + 5*XETC + U1 - V1 = 1600
F.O. Min 10U1 +6U2+4U3 +1V4
Meta 2. (Utilidad semanal)
3*5*XN TC + 3*3*XN MT +3*5*XE TC - 500 -
Ejercicio#5
6*XNTC - 3*XNMT -10*XETC >= 2,200
Sean:
3*5*XN TC + 3*3*XN MT +3*5*XE TC - 500 - X1: el número de televisores a ser adquiridos para
6*XNTC + 3*XNMT -10*XETC + U2 - V2 = 2,200 la temporada. y
X2: el número de VCR’s a ser adquiridos para la
Meta 3. (Horas extra semanal) temporada
XETC =< 100 (max. horas semana 5 empleados) 300X1 + 200X2 ≤ 20,000 (meta 1)
XETC + U3 - V3 = 100 2X1 + 0.64X2 ≤ 22 (meta 2)
Meta 4. (Reducir faltante semanal TC) 150X1 + 100X2 ≥ 11,000 (meta 3)
75

Transformando las metas
300X1 + 200X2 + U1 - V1 = 20,000 (meta 1)
2X1 + 0.64X2 + U2 - V2 = 22 (meta 2)
150X1 + 100X2 + U3 - V3 = 11,000 (meta 3)
F.O. Min P1*V1 + P1*V2 +P3 *U3
Sustituyendo tenemos,
F.O. Min 0.2*V1 + 1,000*V2 +0.4 *U3
Ejercicio #6
X1 número de unidades producidas del producto
#1
X2 número de unidades producidas del producto
#2
I. Programación Lineal
Restricción de Utilidad
4000X1 + 2000X2 ≥ 48,000, se transforma en:
4000X1 + 2000X2 +S1 = 48,000
donde: S1 es la variable de holgura de la
restricción)
Restricción de Horas en tiempo normal
disponibles
400 X1 + 200X2 = 3200, se transforma en:
400 X1 + 200X2 + S2 - T1 = 3200
donde: S1 es la variable de holgura de la restricción
y T1 es la variable de excedente)
Restricción de número de unidades producto #1
X1 ≥ 7, se transforma en:
X1 + S3 = 7
Restricción de número de unidades producto #2
X2 ≥ 10, se transforma en:
X2 + S4 = 10
F.O. MIN 0.25*S1 + 20*T1 + 10*S2 +500*S3 +
500*S4
Maestría en Dirección de Empresas MADEUCA
II. Programación Meta
Meta de Utilidad
4000X1 + 2000X2 >= 48,000, se transforma en:
4000X1 + 2000X2 +U1 -V1 = 48,000
Meta de Horas en tiempo normal disponibles
400 X1 + 200X2 = 3200, se transforma en:
400 X1 + 200X2 + U2 - V2 = 3200
Meta de número de unidades producto #1
X1 ≥ 7, se transforma en: X1 + U3 - V3 = 7
Meta de número de unidades producto #2
X2 ≥ 10, se transforma en: X2 + U4 - V4 = 10
F.O. MIN 0.25*U1 + 100*U2 + 20*V2 + 500*U3
+ 500*U4
Ejercicio #7
Sea:
XIN el número de Gobots fabricados en el “trimestre
I” en tiempo normal. (para I = 1, 2, 3 y 4)
XIN el número de Gobots fabricados en el “trimestre
I” en tiempo extra. (para I = 1, 2, 3 y 4)
Metas de producción:
X1N + X1E + U1 - V1 = (13 -1)
X2N + X2E + V1 + U2 - V2 = 14 (porque vienen V1
unidades del trimestre #1)
X3N + X3E + V2 + U3 - V3 = 12 (idem)
X4N + X4E + V3 + U4 - V4 = 15 (idem)
Metas de máximo inventario al final de cada
trimestre.
V1 + U5 - V5 = 3 (≤)
V2 + U6 - V6 = 3 (≤)
V3 + U7 - V7 = 3 (≤)
V4 + U8 - V8 = 3 (≤)
Meta de costo
4*X1N + 4*X2N + 5*X3N + 6*X4N + 6*X1E + 7*X2E
+ 8*X3E + 9*X4E + U9 - V9 = 250 (≤)
76
 Maestría en Dirección de Empresas MADEUCA
Restricciones del sistema
X1N ≤ 9
X1E ≤ 5
X2N ≤ 10
X2E ≤ 5
X3N≤ 11
X3E ≤ 5
X4N ≤ 12
X4E ≤ 5

F.O. MIN ..............................................................

...........................................................................................

77