INSTITUTO TECNOLÓGICO SUPERIOR DE MULEGE

(SANTA ROSALÍA)

JORGE ALEJANDRO LÓPEZ MORAN

IVÁN VALENZUELA PATRÓN

INGENIERÍA INDUSTRIAL

5TO SEMESTRE

INVESTIGACIÓN DE OPERACIONES II

INVESTIGACIÓN (PROGRAMACIÓN POR METAS)

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.