0 calificaciones0% encontró este documento útil (0 votos)
65 vistas8 páginas
Este documento presenta información sobre la programación por metas. Describe el modelo general de programación por metas, incluyendo la definición de objetivos, niveles de aspiración y metas. También explica las diferencias entre un modelo lineal y uno de metas, así como los modelos de una sola meta.
Este documento presenta información sobre la programación por metas. Describe el modelo general de programación por metas, incluyendo la definición de objetivos, niveles de aspiración y metas. También explica las diferencias entre un modelo lineal y uno de metas, así como los modelos de una sola meta.
Este documento presenta información sobre la programación por metas. Describe el modelo general de programación por metas, incluyendo la definición de objetivos, niveles de aspiración y metas. También explica las diferencias entre un modelo lineal y uno de metas, así como los modelos de una sola meta.
1.1 PROGRAMACIÓN POR METAS La programación por metas es un enfoque para tratar problemas de decisión gerencial que comprenden metas múltiples o inconmensurables, de acuerdo a la importancia que se le asigne a estas metas. El método de programación de metas permite alcanzar varios objetivos de manera simultánea. La Programación de metas establece un objetivo numérico específico para cada uno de los objetivos , formular una función objetivo para cada uno y después buscar una solución que minimice la suma ponderada de las desviaciones de estas funciones objetivo de sus metas. La Programación por Metas en Investigación de Operaciones es un tipo de Programación Lineal. La Programación Lineal (abreviada PL) “se refiere a técnicas matemáticas para asignar, en forma óptima, los recursos limitados a distintas demandas que compiten por ellos” Se aplica generalmente a modelos lineales; es una extensión de la PL que permite a la persona que planea aproximarse lo más posible para satisfacer diversas metas y restricciones. Con dicha extensión la persona que toma las decisiones puede incorporar, por lo menos en un sentido heurístico, su propio sistema de preferencias al enfrentarse a múltiples metas antagónicas. Algunas veces se considera que es un intento de colocar en un contexto de programación matemática el concepto de la satisfacción (combina las ideas de satisfacción y complacencia). Historia La Programación por Metas (Goal Programming) fue inicialmente introducida por Charnes y Cooper en los años 50. Desarrollada en los años 70 por Ljiri, Lee, Ignizio y Romero, es actualmente uno de los enfoques multicriterio que más se utilizan. En principio fue dirigida a resolver problemas industriales, sin embargo posteriormente se ha extendido a muchos otros campos como la economía, agricultura, recursos ambientales, recursos pesqueros, etc. Resulta de gran interés, sobre todo, en problemas complejos de gran tamaño. Usos de la programación por metas El método de programación meta consiste en formular una función objetivo en que la optimización ¨llega tan cerca como sea posible¨ a las metas especificadas.
1.2 MODELO GENERAL POR METAS
Objetivos: Representan direcciones de mejora de los atributos. La mejora pueden interpretarse en el sentido (más del atributo mejor) o bien (menos del atributo mejor). El primer caso corresponde a un proceso de maximización y el segundo a uno de minimización de las funciones que corresponden a los atributos que reflejan los alores del centro decisor. Como paso previo a la definición de meta se introducirá el concepto de nivel de aspiración un nivel de aspiración representa un nivel aceptable de logro para el correspondiente atributo. La combinación de un nivel de aspiración con un atributo genera una meta. Finalmente el termino criterio se utiliza como un término general que engloba los tres conceptos precedentes (atributos 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 teoría de la decisión multi criterio constituye un marco general o paradigma decisional en el que subyacen diferentes atributos objetivos o metas Estructura de la programación por metas El primer paso en la formulación de un modelo de programación 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 aspiración, t, que corresponde a cada Atributo, siendo éste el nivel de logro del atributo que el decisor considera aceptable. A continuación, definimos las metas, es decir, los atributos combinados con niveles de aspiración. Cada meta se convierte en una restricción “blanda” a incorporar en el modelo de programación por metas. N: variable de desviación negativa, cuantifica la falta de logro de una meta P: variable de desviación positiva, cuantifica el exceso de logro de una meta f(x) + n − p = t En general, la meta del atributo i-ésimo se escribe como: f(x) + n − p = t Los valores de las variables de desviación son siempre positivas o cero, al menos una de las dos variables de desviación que definen la meta tendrá que ser cero. Las dos variables de desviación tomarán el valor cero cuando la meta alcance exactamente su nivel de aspiración, ti. Una variable de desviación se dice que es no deseada cuando al centro decisor le conviene que la variable en cuestión alcance su valor más pequeño, es decir, cero. Cuando la meta deriva de un objetivo a maximizar o de una restricción de tipo ≥, la variable de desviación no deseada es la negativa ni. Cuando la meta deriva de un objetivo a minimizar o de una restricción de tipo ≤, la variable de desviación no deseada es la positiva pi. Cuando se desea alcanzar exactamente el nivel de aspiración, las variables de desviación no deseadas son tanto la positiva, pi, como la negativa, ni. Las variables de desviación no deseadas se incorporan siempre en la función objetivo del modelo de programación por metas.
1.3 DIFERENCIAS ENTRE MODELO LINEAL Y MODELO METAS.
La diferencia principal entre un modelo de PM y un de PL, está en la inclusión de variables de desviación y en la minimización de suma de desviaciones relevantes como función objetivo. Entre la programación lineal y la programación de metas existe una gran diferencia ya que en la primera se tiene un problema con un meta principal maximizar o minimizar y todo se enfoca en obtener una solución óptima respecto a eso. En la segunda se tiene muchos objetivos que pasan a ser nuestras metas y se busca sólo una solución suficiente. VENTAJAS Y DESVENTAJAS El pro, el apoyo en la toma de decisiones respecto a varios objetivos. Los contra las soluciones no son óptimas solo suficientes, pueden cumplir ninguna, una o algunas de los objetivos trasformados en metas. Una de las ventajas más importantes de la programación de metas es su flexibilidad en el sentido de que permite al tomador de decisiones, experimentar con multitud de variaciones de restricciones, y de prioridades de las metas cuando se involucra con un problema de decisión de objetivos múltiples.
1.4 MODELOS DE UNA SOLA META
La formulación de un modelo de Programación Meta es similar al modelo de P.L.. El Primer paso es definir las variables de decisión, después se deben de especificar todas las metas gerenciales en orden de prioridad. Así, una característica de la Programación Meta es que proporciona solución para los problemas de decisión que tengan metas múltiples, conflictivas e inconmensurables arregladas de acuerdo a la estructura prioritaria de la administración. La Programación Meta es capaz de manejar problemas de decisión con una sola meta o con metas múltiples. En tales circunstancias, las metas establecidas por el tomador de decisiones son logradas únicamente con el sacrificio de otras metas. La noción fundamental de la Programación Meta, comprende incorporar todas las metas gerenciales en la formulación del modelo del sistema. En la programación Meta, en vez de intentar minimizar o maximizar la Función Objetivo directamente, como en la programación lineal, se minimizan las desviaciones entre las metas y los límites logrables dictados por el conjunto dado de restricciones en los recursos. Estas variables de desviación, que se denominan de "holgura" o "sobrantes" en programación lineal toman un nuevo significado en la Programación Meta. Ellas se dividen en desviaciones positivas y negativas de cada una de las submetas o metas. El objetivo se convierte entonces en la minimización de estas desviaciones, dentro de la estructura prioritaria asignada a estas desviaciones. Ejemplo: Formular el problema de la Planificación de la producción de una fábrica de papel como un problema de programación por metas. Supóngase la existencia de dos procesos, uno mecánico y otro químico, por los que se puede obtener la pulpa de celulosa para la producción del papel. El modelo de programación multi objetivos es el siguiente: Objetivos: Max f1(x) = 1000X1 + 3000X2 (Maximizar el margen bruto) Min f2(x) = X1 + 2X2 (Minimizar la demanda biológica de O2) Restricciones rígidas iniciales: 1000X1 + 3000X2 <=300000 (Margen Bruto) X1 + X2 <= 400 (Empleo) X1 <= 300 (Capacidades de producción) X2 >= 200 X1, X2 >= 0 Definidas las variables de decisión y los atributos/ objetivos relevantes del problema que nos ocupa, define las siguientes METAS: Para la demanda biológica de oxígeno: un nivel de aspiración de 300 unidades, pues desea que sea lo más pequeña posible. Para el margen bruto: alcanzar un valor lo más grande posible, ojalá mayor de 400000 Para el empleo: no desea ni quedarse corto ni contratar mano de obra adicional. El jefe no desea superar sus capacidades de producción, lo que implicaría recurrir a turnos extras. Así que las restricciones quedarían de esta forma: 8 min z= p1d1-+p2d2-p3d3-p4d4- X1 + 2X2 + d1 - d1 = 300 (Demanda Biológica de O2) 1000X1 + 3000X2 + d2 - d2 = 300000 (Margen Bruto) X1 + X2 + d3 - d3 = 400 (Empleo) X1 + d4 - d4 = 300 (Capacidades de Producción) X2 + d5 - d5 = 200 X1, X2 >= 0, d+,d- >=0 INTERPRETACIÓN DE LA SOLUCIÓN: Las toneladas de celulosa a producir por medios mecánicos son 300. Dado que d1- y d1+ son ambas cero, la demanda biológica de oxígeno mínima es de 300 unidades, igual al nivel de aspiración. La meta 2, asociada con el margen bruto, se queda por debajo del nivel de aspiración en cuantía de 100.000 u. m., valor que asume la variable de desviación n2. La meta del empleo se fija en 100 unidades de mano de obra menos que el nivel de aspiración que era de 400. Las metas 4 y 5, asociadas con los niveles máximos de producción por cada método, se fijan en 0 ton. De capacidad no aprovechada, para la 4, y de 200 para la 5.
1.5 MODELOS DE METAS MÚLTIPLES.
En el estudio de los métodos multicriterio discretos podemos encontrar varias clasificaciones posibles, de acuerdo al grado de dificultad, al nivel de información que esté presente e incluso de la selección de la mejor alternativa, considerando o no todos los criterios de decisión. Para la determinación de todo lo planteado anteriormente se hace necesario el conocimiento de los procedimientos generales que conforman la base multicriterial. 1.- La Programación por Objetivos Proporciona una manera racional de intentar alcanzar varios objetivos de manera simultánea, jerarquizando los mismos o asociándoles una ponderación a cada uno. 2.- El enfoque básico de la Programación por Objetivos Es establecer un objetivo numérico específico para cada uno de los objetivos, formular una función objetivo para cada uno y después buscar una solución que minimice la suma ponderada de las desviaciones de estas funciones objetivo de sus metas respectivas. 3.- Tres tipos de Objetivos: a. una Meta unilateral inferior establece un límite inferior por abajo del cual no se quiere ir (pero se aceptan desvíos a la meta que deberá minimizarse) b. una Meta unilateral superior 9 establece un límite superior que no se quiere exceder (pero se aceptan desvíos a la meta que deberá minimizarse) c. una Meta bilateral establece un blanco específico que no se quiere perder hacia ningún lado. 4. Una Ecuación Objetivo para cada Meta, En el modelo de Programación por Objetivos existen dos tipos de restricciones funcionales: las restricciones ordinarias de Programación Lineal (restricciones duras o estrictas) y las ecuaciones objetivo (blandas o flexibles). Las restricciones duras requieren ser cumplidas de manera estricta. Las restricciones blandas pueden admitir desvíos a la meta establecida, pero estos desvíos estarán asociados a una penalización que se reflejará en un parámetro en la Función Objetivo. a. Valor objetivo de la Meta. El Valor de la Meta se descompone en dos elementos: (1º) el valor correspondiente al nivel de la Meta alcanzado efectivamente y (2º) la desvío o diferencia entre el valor meta y el nivel alcanzado (di) b. Variables de desvío. Para formalizar los desvíos aceptados a cada una de las metas se emplea las variables auxiliares di las que por definición pueden obtener valores positivos o negativos. Para poder hacer operativo el modelo de Programación Lineal cada di se sustituirá por la diferencia de dos variables no-negativas. 5. La Función Objetivo depende del procedimiento si se consideran los diferentes objetivos de manera simultánea (Objetivos sin prioridades) o si por el contrario se adopta un procedimiento secuencial (Objetivos con prioridades). En el primer caso se tratará de Minimizar una función ponderada de las variables de desvío. En el segundo caso se identificarán m modelos de PL a ser optimizados de manera secuencial y de acuerdo a los m niveles de jerarquía asignados a los objetivos. La secuencia se resuelve por nivel de jerarquía, desde el nivel de mayor prioridad al de menor. 6. Programación por Objetivos no secuencial. 10 Cada meta representa una Ecuación Objetivo y en la Función Objetivo se incluirán las variables de desvío relevantes correspondientes a cada Objetivo. Metas prioritarias. En este caso los desvíos en la Función Objetivo serán ponderados por los coeficientes de penalización. Metas no prioritarias. En este caso todas las metas tienen una importancia comparable, tienen mismo nivel de prioridad y los coeficientes de penalización en la Función Objetivo son iguales a 1. 7. Programación por Objetivos secuencial Existe una jerarquía de niveles de prioridad para las metas, de modo que las metas de primordial importancia reciben atención con primera prioridad y las de importancia secundaria reciben atención de segunda prioridad, y así sucesivamente. Los objetivos de diferente nivel de prioridad no son comparados de manera simultáneamente.
1.6 MODELOS DE SUBTEMAS DENTRO DE UNA META.
Modelo Matemático: Se emplea cuando la función objetivo y las restricciones del modelo se pueden expresar en forma cuantitativa o matemática como funciones de las variables de decisión. Modelo de Simulación: Los modelos de simulación difieren de los matemáticos en que las relaciones entre la entrada y la salida no se indican en forma explícita. En cambio, un modelo de simulación divide el sistema representado en módulos básicos o elementales que después se enlazan entre si vía relaciones lógicas bien definidas. Por lo tanto, las operaciones de cálculos pasaran de un módulo a otro hasta que se obtenga un resultado de salida. Modelos Formales: Se usan para resolver problemas cuantitativos de decisión en el mundo real. Algunos modelos en la ciencia de la administración son llamados modelos determinísticos. Esto significa que todos los datos relevantes (es decir, los datos que los modelos utilizarán o evaluarán) se dan por conocidos. En los modelos probabilísticos (o estocásticos), algunos de los datos importantes se consideran inciertos, aunque debe especificarse la probabilidad de tales datos. Modelo de Hoja de Cálculo Electrónica: La hoja de cálculo electrónica facilita hacer y contestar preguntas de “que si” en un problema real. Hasta ese grado la hoja de cálculo electrónica tiene una representación selectiva del problema y desde este punto de vista la hoja de cálculo electrónica es un modelo. 1.7 MÉTODOS DE SOLUCIÓN. Programación meta ponderada: se basa en el establecimiento de ponderaciones para las variables de desviación. La programación meta afecta con coeficientes numéricos las variables de desviación de la función objetivo y resuelve el problema utilizando el método simplex. 2. Programación meta lexicográfica: se basa en resolver el problema de programación meta obteniendo inicialmente una solución para las variables metas más importantes, es decir, aquellas que tienen prioridad 1. Seguidamente se busca la solución para aquellas variables desviación con prioridad 2 pero agregando nueva restricción al sistema dadas por el valor que se obtuvo para las variables de prioridad 1 obtenidas en la solución anterior y así sucesivamente hasta llegar a la solución de las variables de última prioridad. 3. Método simplex multicriterio: le proporciona valores a las prioridades siempre que P1 sea mucho mayor que P2 y P2 mucho mayor que P3>>P4>>P5..... y busca como solución óptima aquella que proporcione una mejor utilización de los recursos. El método más utilizado es el de la Programación meta ponderada. Pese a lo que se acaba de comentar, la utilidad de estos enfoques se reduce considerablemente en problemas decisionales de un tamaño relativamente elevado se desprende que en problemas complejos que conllevan la formulación de modelos de cierto tamaño, los enfoques multiobjetivo son de limitado interés y tienen que dejar paso a otros enfoques con una solidez teórica tal vez menor, pero con una operatividad muy superior.