TECNM CHONTALPA

Ingeniería Industrial

Alumna:

Yolibeth García López 171160091.

Docente:

Carolina Manrique Leon.

Materia:

Investigación de Operaciones 2.

Unidad 1:

Programación Por Metas.

Semestre:

5to

Grupo:

“B”

Fecha:

01/10/2020

NACAJUCA, TABASCO.
 INTRODUCCIÓN:
En la Antigüedad la producción de bienes se realizaba de manera artesanal, cada
familia era una pequeña fábrica con un solo objetivo: obtener una manufactura a
bajo costo y con calidad necesaria para competir con productos elaborados por
otras familias y así cubrir sus necesidades.
Con la Revolución Industrial el trabajo artesanal paulatinamente desaparece y
surge la empresa. La empresa produce productos con un alto grado de
especialización siempre con la constante de mayor eficiencia y mayor eficacia;
esta entidad productiva se divide en departamentos o subgerencias específicas
como: ventas, compras, producción, contabilidad, etc. Sin embargo, estos
departamentos no siempre tienen los mismos objetivos; para que la entidad
pudiera funcionar se necesitaba una figura que mediara entre los objetivos
particulares de estos departamentos y los intereses económicos integrales de la
empresa.
Debido a que los procesos industriales son cada vez más complejos, es necesario
que la empresa cuente con personal capaz de resolver los problemas que
aparecen en el área de producción. Por lo tanto, en el área de producción el
ingeniero tiene que tomar decisiones referentes a cuestionamientos como: ¿de
qué forma se puede optimizar la producción sin afectar su costo?, ¿qué tipo de
materia prima conviene más utilizar? o, ¿qué tipo de maquinaria utilizar?
Es difícil precisar el inicio de la I. O., sin embargo, sus orígenes se remontan a la
necesidad de resolver, de manera científica, algunos de los problemas
relacionados con formular estrategias militares en las dos guerras mundiales.
Durante la Segunda Guerra Mundial los países necesitaban aviones rápidos, que
consumieran poco combustible y con un fuselaje capaz de soportar grandes
esfuerzos mecánicos, por lo que se invirtieron grandes sumas de dinero sólo a la
investigación y el desarrollo de dichos aviones.
 Unidad 1: Programación Por Metas

La Programación por metas (abreviada PM) apareció originalmente en un

artículo de Charnes, Cooper y Ferguson en 1955 (Romero, 2002). Como se
explicó anteriormente, se utiliza cuando existen varios objetivos o metas y se
desea una solución satisfactoria y suficiente (satisfaciente).

La estructura de cada meta seguiría este modelo:

fi(x) + ni – pi = ti

En la expresión anterior fi(x) representa la expresión matemática de la meta, a la

que se le añaden dos variables de desviación (ni y pi). La primera, ni, representa
un valor faltante para llegar a la meta. La segunda variable de desviación pi,
representa un valor excedente por sobre la meta.

Por ejemplo, suponga que una empresa tiene dos productos: el primero le deja 3
pesos de ganancia y el segundo le produce solo 1 peso. Se desea obtener 50
pesos de ganancia. La meta estaría representada por:

3x1 + x2 + n – p = 50

Tal vez alguien en la empresa sugiere que deberían producir 10 productos x1 y 15

productos x2. Eso implicaría:

3(10) + 1(15) + n – p = 50

30+15 + n – p = 50

45 + n – p = 50

Se necesita que n valga 5 para alcanzar la meta. En otras palabras, el beneficio

quedó 5 pesos abajo de lo esperado porque se obtuvo un faltante.

Ahora piense que otra persona en la empresa sugiere que se fabriquen 15

productos de cada tipo. La meta estaría representada por:
 3(15) + 1(15) + n – p = 50

60 +n – p = 50

Ahora la meta quedó 10 unidades por encima de lo esperado.

Suponga que el plan de producción lo dejamos en 10 x1 y 20 x2. Ello implicaría:

50 + n – p = 50

Por lo que tanto n, como p valen 0. (No hay faltantes ni excedentes).

Variables de desviación no deseadas

En ocasiones, para el cumplimiento de la meta nos conviene más que cierta
variable alcance su valor más pequeño, que es cero. Esa variable es una variable
de desviación no deseada. Las situaciones que se pueden dar son las siguientes:

1. Cuando la meta es fi(x) >= ti la variable no deseada (y que se buscará

minimizar) será la variable n (la que indica un faltante).
2. Cuando la meta es fi(x) <= ti, la variable no deseada será la p (excedente).
3. Cuando la meta es alcanzar exactamente el nivel de aspiración, fi(x) = ti,
ambas variables (n y p) serán no deseadas y, por lo tanto, variables a minimizar.

Metas:
Las metas quedarían expresadas de la siguiente forma:

1. Tener un ingreso de impuestos de 16 millones.

550x1 + 35x2 + 55x3 + 0.075x4 >= 16

2. Que el impuesto para alimentos y medicinas no exceda el 10% del total de

impuestos
35x2 <= .1 (550x1 + 35x2 + 55x3 + 0.075x4)

Haciendo las operaciones correspondientes, y simplificando, la meta anterior

quedaría:

55x1 – 31.5x2 + 5.5x3 + 0.0075x4 >= 0

3. Que el impuesto sobre ventas no exceda el 20% del total de impuestos.
55x3 <= .2 (550x1 + 35x2 + 55x3 + 0.075x4)

Haciendo las operaciones correspondientes, y simplificando, la meta anterior

quedaría:

110x1 + 7x2 – 44x3 + 0.015x4 >= 0

4. Que el impuesto para gasolina no exceda de 2 centavos por galón.

x4 <= 2

La planificación por metas (incluyendo las variables de desviación) sería:

550x1 + 35x2 + 55x3 + 0.075x4  + n1 – p1 = 16

55x1 – 31.5x2 + 5.5x3 + 0.0075x4 +n2 – p2  = 0

110x1 + 7x2 – 44x3 + 0.015x4 +n3 – p3  = 0

X4 + n4 – p4 = 0

Las variables de desviación no deseadas serían: n1, n2, n3, p4.

La función de logro sería:

Min g (n1, n2, n3, p4)

Esperamos que esta explicación y este ejemplo te hayan permitido entender un

poco más la programación por metas.

1.1 Definición y Conceptos Generales:

Actualmente la administración está funcionando en un ambiente de negocios que

está sometido a muchos más cambios, los ciclos de vida de los productos se
hacen más cortos, además de la nueva tecnología y la internacionalización
creciente.
Las raíces de la investigación de operaciones se remontan a cuando se hicieron
los primeros intentos para emplear el método científico en la administración de una
empresa. Sin embargo, el inicio de esta disciplina se atribuye a los servicios
militares prestados a principios de la segunda guerra mundial.
La investigación de operaciones se aplica a problemas que se refieren a la
conducción y coordinación de operaciones (o actividades) dentro de una
organización.
La investigación de operaciones intenta encontrar una mejor solución,
(llamada solución óptima) para el problema bajo consideración.
Una de las principales razones de la existencia de grupos de investigación de
operaciones es que la mayor parte de los problemas de negocios tienen múltiples
aspectos es perfectamente razonable que las fases individuales de un problema
se comprendan y analicen mejor por los que tienen el adiestramiento necesario en
los campos apropiados.
La investigación de operaciones es la aplicación, por grupos interdisciplinarios, del
método científico a problemas relacionados con el control de las organizaciones o
sistemas, a fin de que se produzcan soluciones que mejor sirvan a los objetivos de
la organización.
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 la relación 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.
 
Los modelos de simulación cuando se comparan con modelos matemáticos;
ofrecen mayor flexibilidad al representar sistemas complejos, pero esta flexibilidad
no esta libre de inconvenientes. La elaboración de este modelo suele ser costoso
en tiempo y recursos. Por otra parte, los modelos matemáticos óptimos suelen
poder manejarse en términos de cálculos.
Modelos de Investigación de Operaciones de la ciencia de la administración: Los
científicos de la administración trabajan con modelos cuantitativos de decisiones.
 
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), alguno de los datos importantes
se considera inciertos, aunque debe especificarse la probabilidad de tales datos.
 1.2 Modelo General de Metas

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

secesión 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 relación nadas 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 de decisión. 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.
La propiedad matemática de programación por me tas a través de un ejemplo
simple. Primero se discutirá de programación por metas involucrando una meta
simple con múltiples submetas y después un análisis de metas múltiples.

Meta Simple con Múltiples Submetas:

Vamos a considerar un caso donde una meta puede ser lograda por la realización
colectiva de un conjunto de submetas, Xj, X2, X^. (l-2)f(Xlf X2, . . Xn) = alXi + a2
X2 + . . . + an ^ = b donde aj, a2,. • •, so n humeros reales. Si dejamos que X sea
un - vector columna con componentes X]_, X2 , . . . , Xq y dejamos que a sea - un
vector fila compuesta de al, a2 > . . . t ^ entonces la ecuación:
(1-2) puede ser expresada como:
(1-3) ax = b Si la formulación de programación por metas es usada, la ecuación (1-
3) puede ser re arreglada como: Min Z = d- + d + (1-4) S.r. ax + d" - d + = b x, d~,
d + - o.
Restricciones Submeta:
En la ecuación (1-5) del ejemplo anterior, una solución pedía que podría realizarse
la meta exactamente esto es que ax - b, o si la meta fuera - inalcanzable, se
aproximará tanto como fuera posible. La única restricción impuesta en la submeta
fui simplemente X - 0. Sin embargo, muy a menudo el medio ambiente actual de la
organización impone restricciones.
Clasificación y Ponderación de Metas Múltiples:
Tuvimos un caso en el cual todas las metas se lograron simultáneamente dentro
de las restricciones dadas. Sin embargo, en el medio ambiente de decisión real es
muy raro este caso. Muy a menudo, la mayoría de las metas son competitivas en
términos de recursos escasos. En la presencia de metas múltiples incompatibles el
gerente necesita ejercitar su juicio acerca de la importancia de las metas
individuales.
Con el fin de realizar la solución ordinal, esto es realizar las metas de acuerdo a su
importancia, las desviaciones positivas y/o negativas cerca de la meta deben ser
clasificadas de acuerdo a los "factores de - prioridad preferenciales". De esta
manera las metas de bajo orden son consideradas solamente después de que las
metas de alto orden son realizadas como se deseaba. Si hay metas en K rangos,
los factores de prioridad preferenciales Pj(j = 1, 2, k) deben ser asignados a las
variables de desviación positivas y/o negativas* Los factores de prioridad
preferenciales tienen la relación de Pj >»P j + 1.

1.3 Diferencias entre Modelo Lineal y Modelo Metas

VARIABLES:

Las variables son números reales mayores o iguales a cero.

 En caso que se requiera que el valor resultante de las variables sea un

número entero, el procedimiento de resolución se denomina Programación
entera.

Programación por metas

 Es una modificación y extensión de programación lineal. La aproximación

de programación por metas admite una solución simultánea de un sistema
de objetivos complejos en lugar de un objetivo simple.

 Una ventaja importante de la programación meta es su flexibilidad en el

sentido de que permite al tomador de decisiones, experimentar con una
multitud de variaciones de las restricciones y de prioridades de las metas.

Depende del procedimiento, si se consideran los diferentes objetivos de manera

simultánea (Objetivos sin prioridades) o sí 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.

Modelo de programación meta lineal Las suposiciones básicas que caracterizan el

modelo de programación lineal se aplican igualmente al modelo de programación
meta. La diferencia principal en la estructura es que la programación meta no
intenta minimizar o maximizar la función objetivo como lo hace el modelo de
programación lineal, en vez busca minimizar las desviaciones entre las metas
deseadas y los resultados reales de acuerdo a las prioridades asignadas. El
objetivo o función de preferencia de un modelo de programación meta es
expresado en términos de las desviaciones de las metas a que se apunta.

Modelo de programación meta cuadrática En toda la teoría desarrollada hasta

ahora, hemos supuesto que la función objetivo de la programación meta es lineal.
Por tanto, el incremento en cualquier desviación, di, siempre adiciona una cantidad
igual de sutilidad, independiente del nivel de todas las otras desviaciones meta. En
esta parte supondremos que la función objetivo del modelo de programación meta
es cuadrática y sujeta a restricciones lineales. Esto no presenta dificultades de
cómputo, puesto que los algoritmos de programación cuadrática estándar pueden
utilizarse para resolver dichos problemas. Parte de la discusión actual en
programación cuadrática meta se ha tomado de Shim y Siegel (1975).

1.4 Modelos de una sola meta

Es similar al modelo de Programación Lineal. El Primer paso es definir las
variables de decisión, después se deben de especificar todas las metas
gerenciales en orden de prioridad. Una característica de la Programación de Meta
es que proporciona solución para los problemas que tengan metas múltiples y
conflictivas arregladas de acuerdo con la estructura prioritaria de la administración.
Ejemplo de Una Sola Meta.

Una división de Schwim Manufacturing Company produce dos tipos de bicicletas:

(1) una bicicleta de 3 velocidades y (2) una de 10 velocidades. La división obtiene
una utilidad de $25 en la bicicleta de 10 velocidades y $15 en la bicicleta de 3
velocidades. Debido a la fuerte demanda de estos artículos, durante el período de
planeación de verano la división cree que puede vender, a los precios que
prevalezcan, todas las unidades de estas dos bicicletas que produzca. Las
instalaciones de producción se consideran recursos escasos. Estos recursos
escasos corresponden al departamento de ensamblado y terminado. Los tiempos
unitarios de procesamiento y las capacidades de cada uno de los departamentos
se muestran en la tabla siguiente:
La programación de metas es un enfoque para tratar problemas de decisión
gerencial que comprenden metas múltiples o ilimitadas, de acuerdo a la
importancia que se les asigne a estas metas. El tomador de decisiones debe ser
capaz de establecer al menos una importancia ordinal, para clasificar estas metas.
Una ventaja importante de la programación meta es su flexibilidad en el sentido de
que permite al tomador de decisiones, experimentar con una multitud de
variaciones de las restricciones y de prioridades de las metas cuando se involucra
con un problema de decisión de objetivos múltiples. La forma del modelo de
programación lineal sigue siendo la misma en programación por meta, es decir,
también se tiene una función objetivo que se busca optimizar sujeta a una o más
restricciones. Sin embargo, dentro de este marco de referencia se agregarán dos
conceptos nuevos.
a formulación de un modelo de Programación Meta es similar al modelo de
Programación Lineal (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 de 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 formulación de un modelo de programación por metas consiste
en fijar los atributos que se consideran relevantes para el problema que se está
analizando. Una vez establecidos los atributos, se pasa a determinar el nivel de
aspiración que corresponde a cada atributo, es decir, el nivel de logro que el
centro decisor desea alcanzar.

1.5 Modelos de Metas Múltiples

La Programación de Metas es una variación de la Programación Lineal. Un factor
clave que diferencia a la Programación de Metas de la Programación Lineal es la
estructura y utilización de la función objetivo.
Las Ventajas y Desventajas                      
El pro, el apoyo en la toma de decisiones respecto a varios objetivos.
Los contras, 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.

Elementos:
La estructura básica consiste en transformas los posibles objetivos en metas y su
vez estas en restricciones, por lo cual, aquellas que serias varias funciones
objetivas ahora son restricciones. Dentro de estas se agregarán variables de
desviación (de holgura lo que falta para cumplir la meta y de exceso lo que se
pasó en el cumplimiento de la meta) y también se contara con variables que
definen el problema.