Programación Lineal

por Metas
INVESTIGACIÓN DE OPERACIONES I
2022 -I

Videoconferencia – Semana 9
Ing. Jorge Ancajima, MBA
Logros de la sesión
Índice

Introducción

Modelo de Programación Lineal por Metas

Casos de estudio y solución en Lindo

Conclusiones
Evaluación de conocimientos previos

Entrar a la aplicación o a:
https://kahoot.it/

Codigo:
Modelo de Programación Lineal por Metas

Como recordarán el modelo de programación tiene un solo objetivo

Modelo de Programación Lineal por Metas

➢ 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 expresa en variables de decisión, a la que se le añaden
dos variables de desviación (ni y pi).
➢ La expresión ti es una constante (número).
➢ La primera variable de desviación ni, representa un valor
faltante para llegar a la meta.
➢ La segunda variable de desviación pi, representa un valor
excedente por sobre la meta.
Modelo de Programación Lineal por Metas

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, es decir n es igual
a 5.
Modelo de Programación Lineal por Metas

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, es decir p es igual

10.

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).

Modelo de Programación Lineal por Metas
Modelo de Programación Lineal por Metas
Modelo de Programación Lineal por Metas

Función Objetivo
minimizando las
variables de desviación
no deseadas

Restricciones objetivos
o metas (incluyen
variables de decisión y
desviación)
Restricciones funcionales
(solo incluyen variables de
decisión)

Condición de no
negatividad

V. de decisión V. de desviación
Modelo de Programación Lineal por Metas

pi ni
Modelo de Programación Lineal por Metas

En la función objetivo solo se colocan las variables de desviación no deseadas, por

lo general lo que se busca es que esta variable no deseada alcance su valor más
pequeño, que es cero. 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.
El propósito general de la Programación por Metas consiste en minimizar una
función de las variables de desviación no deseadas
Modelo de Programación Lineal por Metas
Modelo de Programación Lineal por Metas
Modelo de Programación Lineal por Metas: Caso 1
Modelo de Programación Lineal por Metas: Caso 1
Modelo de Programación Lineal por Metas: Caso 1
Para plantear el modelo primero escribo las restricciones objetivos, en donde me daré cuenta cuales
son las variable de desviación no deseadas.
P. Compra P. Venta Utilidad
Restricciones objetivos: Lavadora 1050 1650 600
Objetivo 1: Tener una utilidad de por lo menos 20000 Cocina 975 1750 775
Inicialmente la restricción sería: 600x1 + 775x2 >= 20000 , entonces la variable de desviación no
deseada que se busca minimizar sería n. Para convertir esta desigualdad en una igualdad le añado
las variables de desviación (+ni –pi).
Finalmente la restricción quedaría: 600x1 + 775x2 +n1 –p1 = 20000
Objetivo 2: No gastar más del capital disponible
Inicialmente la restricción sería: 1050x1 + 975x2 <= 30000 , entonces la variable de desviación no
deseada que se busca minimizar sería p. Para convertir esta desigualdad en una igualdad le añado
las variables de desviación (+ni –pi).
Finalmente la restricción quedaría: 1050x1 + 975x2 +n2 –p2 = 30000
Objetivo 3: No sobrepasar la capacidad del almacén
Inicialmente la restricción sería: x1 + 1.3x2 <= 25 , entonces la variable de desviación no deseada
que se busca minimizar sería p. Para convertir esta desigualdad en una igualdad le añado las
variables de desviación (+ni –pi).
Finalmente la restricción quedaría: x1 + 1.3x2+n3 –p3 = 25
Modelo de Programación Lineal por Metas: Caso 1
La función objetivo (Z) es la suma de las variables de desviación no deseadas a las cuales se
le ha multiplicado por sus respectivas penalidades, la misma que quedaría de la siguiente
manera:
Z = 5n1 + 3p2 + p3
Finalmente mi modelo de programación lineal por metas quedaría de la siguiente manera:
Modelo de Programación Lineal por Metas: Caso 1
Modelo de Programación Lineal por Metas: Caso 1
Modelo de Programación Lineal por Metas: Caso 2
Modelo de Programación Lineal por Metas: Caso 2

La penalidad por el incumplimiento del objetivo 3 es 1

Modelo de Programación Lineal por Metas: Caso 2

encima
Modelo de Programación Lineal por Metas: Caso 2
Para plantear el modelo primero escribo las restricciones objetivos, en donde me daré cuenta cuales
son las variable de desviación no deseadas.

Restricciones objetivos:
Objetivo 1: Por lo menos 15000 personas del segmento A debe llegar la publicidad
Inicialmente la restricción sería: 0.5x1 + 1.5x2 >= 15 , entonces la variable de desviación no deseada
que se busca minimizar sería n. Para convertir esta desigualdad en una igualdad le añado las
variables de desviación (+ni –pi).
Finalmente la restricción quedaría: : 0.5x1 + 1.5x2 + n1 –p1 = 15
Objetivo 2: Por lo menos 40000 personas del segmento B debe llegar la publicidad
Inicialmente la restricción sería: 0.85x1 + 2.5x2 >= 40 , entonces la variable de desviación no
deseada que se busca minimizar sería n. Para convertir esta desigualdad en una igualdad le añado
las variables de desviación (+ni –pi).
Finalmente la restricción quedaría: 0.85x1 + 2.5x2 + n2 –p2 = 40
Objetivo 3: Por lo menos 60000 personas del segmento C debe llegar la publicidad
Inicialmente la restricción sería: 1.95x1 + 5.3x2 >= 60 , entonces la variable de desviación no
deseada que se busca minimizar sería n. Para convertir esta desigualdad en una igualdad le añado
las variables de desviación (+ni –pi).
Finalmente la restricción quedaría: 1.95x1 + 5.3x2 + n3 – p3 = 60
Modelo de Programación Lineal por Metas: Caso 2
En este caso también tenemos una restricción funcional, la cual no incluye variables de
desviación, dado que el presupuesto es fijo y es de 250000. Está restricción sería:
10x1 + 25x2 <= 250.
Finalmente mi modelo de programación lineal por metas quedaría de la siguiente manera:
Modelo de Programación Lineal por Metas: Caso 2
Modelo de Programación Lineal por Metas: Caso 2

25000
mil

53000
mil
Conclusiones
Logros de la sesión
© 2022 | Universidad Privada del Norte