Programa de

Ingeniería
Industrial

Investigación
de Operaciones
Sesión 4

:Modelo de programación por metas y

uso de software de optimización.
 Resultado de aprendizaje Evidencia de aprendizaje

Analiza y relaciona datos económicos y Prácticas calificadas (PC)

recursos a usar para la elaboración de un
producto y/o servicio con sus limitaciones de
capacidad, disponibilidad y condiciones del
mercado para la modelación y resolución de
un modelo de Programación Lineal..
 Tema
Programación
por Metas
Investigación de Operaciones – Sesión 4

PROGRAMACION POR METAS

Investigación de Operaciones – Sesión 4

Modelo Lineal por Metas

En programación lineal, todos los objetivos o metas de la administración deben incluirse en la

función objetivo y se reducen a un solo criterio. Sin embargo, puede que no sea factible
reducir todas las metas de la organización a un marco tan restrictivo. Es por esto, que surgió
una nueva técnica para el análisis de problemas de decisión que también involucra la
asignación de recursos escasos pero además, brinda la oportunidad de incluir los objetivos o
metas que no puedan reducirse a una sola dimensión en la formulación del problema y esta
técnica es denominada PROGRAMACION LINEAL DE METAS.
 OPTIMIZACION MULTIOBJETIVA
Investigación de Operaciones – Sesión 4

Se amplia el horizonte de la PL donde la función

objetivo a maximizar o minimizar es única, y por
tanto, la solución óptima es para un solo objetivo.

En el modelamiento lineal de múltiples objetivos

reconoceremos a estos modelos como modelos de
programación lineal por metas.
 PROGRAMACIÓN POR METAS
Investigación de Operaciones – Sesión 4

En el ambiente de negocios de la actualidad, la

maximización de las utilidades o la minimización de los
costos no siempre son los únicos objetivos que
establece una compañía. Con frecuencia, la
maximización de la utilidad total es tan solo una de
Varias metas, incluidos objetivos contradictorios como
maximizar la participación de mercado, mantener el
pleno empleo y satisfacer otras metas no económicas.
 PROGRAMACIÓN POR METAS
Investigación de Operaciones – Sesión 4

La desventaja de las técnicas de programación

matemáticas como la programación lineal es que su
función objetivo se mide solamente en una dimensión.
No es posible que la programación lineal tenga múltiples
metas, a menos que todas estén medidas en las mismas
unidades (como dólares), una situación bastante inusual.
Una técnica importante que se ha desarrollado para
complementar la PL se llama programación por metas.
 PROGRAMACIÓN POR METAS
Investigación de Operaciones – Sesión 4

La programación por metas puede manejar problemas

de decisión que implican diversas metas. Un concepto
antiguo de cuatro décadas, que comenzó con el trabajo
de Chames y Cooper en 1961, fue perfeccionado y
ampliado por Lee e Ignizio en las décadas de 1970 y
1980 quienes dicen:
Que en situaciones comunes de toma de decisiones, las
metas establecidas por la gerencia se pueden lograr tan
solo a expensas de otras.
 PROGRAMACIÓN POR METAS
Investigación de Operaciones – Sesión 4

Es necesario establecer una jerarquía de importancia

entre ellas, de modo que las de menor prioridad se
enfrenten únicamente después de que se satisfagan las
de mayor prioridad. Como no siempre es posible
alcanzar todas las metas al grado en que desea quien
toma las decisiones, la programación por metas intenta
alcanzar un nivel satisfactorio de múltiples objetivos, lo
cual, desde luego, difiere de la programación lineal, que
trata de encontrar el mejor resultado posible con un solo
objetivo.
 PROGRAMACIÓN POR METAS
Investigación de Operaciones – Sesión 4

¿Específicamente cómo difiere la programación por metas de la

programación lineal? La función objetivo es la diferencia principal.
En vez de intentar maximizar o minimizar directamente la función
objetivo, la programación por metas trata de minimizar las
desviaciones entre las metas establecidas y las que en realidad
se pueden lograr dentro de las restricciones dadas. En el método
símplex de programación lineal, tales desviaciones reciben el nombre
de variables de holgura y excedentes. Ya que el coeficiente de cada
una de estas en la función objetivo es cero, las variables de holgura y
las excedentes no afectan la solución óptima. En la programación por
metas, las variables de desviación en general son las únicas variables
en la función objetivo, y el objetivo es minimizar el total de esas
variables de desviación.
 POR LO TANTO LA PROGRAMACIÓN POR METAS
Investigación de Operaciones – Sesión 4

La programación por metas es una variante de la programación lineal donde se

desea optimizar al mismo tiempo varios objetivos, los cuales se busca expresarlos
en forma de metas. Estas metas pueden ser incluso contrapuestas, sin embargo,
se les combina en una función objetivo con la finalidad de conseguir la “mejor”
solución. Podríamos definir desde nuestro enfoque 3 escenarios donde se utiliza la
programación por metas:
1. Se desea optimizar más de un objetivo
2. El modelo de programación lineal original es infactible, es decir, dio como
resultado que no hay una solución que cumpla con todas las restricciones. Por
tanto, con la programación por metas se puede buscar “flexibilizarlo”.
3. Se desea establecer “prioridades” para cumplir ciertas exigencias u objetivos
definidos por los decisores.
 POR LO TANTO LA PROGRAMACIÓN POR METAS
Investigación de Operaciones – Sesión 4

La programación por metas “satisface”, en comparación con la

programación lineal, la cual intenta “optimizar”. Ello significa
acercarse tanto como sea posible al logro de las metas.

La función objetivo es la principal diferencia entre la

programación por metas y la programación lineal.

En la programación por metas se desean minimizar las variables

de desviación, las cuales son los únicos términos en la función
objetivo.
 PROGRAMACION POR METAS
Investigación de Operaciones – Sesión 4

Definición:
Planteamiento utilizado para resolver un problema de
optimización de objetivos múltiples como un programa
lineal que equilibra los pros y los contras de los objetivos
en conflicto.

Para aplicar la programación de metas y llegar a una

decisión es bueno identificar lo siguiente:
 CARACTERISTICAS DE LA PROGRAMACION DE METAS
Investigación de Operaciones – Sesión 4

• Permite que las metas inconmensurables y conflictivas sean

especificadas.

• El modelo se puede resolver usando el metodo simplex.

• Es capaz de manejar problemas de decisión con una o mas metas.

• Las metas se satisfacen en secuencia ordinal.

• Busca un nivel satisfactorio de las metas, minimizando las

desviaciones.
 DEFINICIONES BASICAS EN LA PROGRAMACION DE METAS
Investigación de Operaciones – Sesión 4

Optimización Planteamiento utilizado para optimizar un

multi-objetiva: modelo de múltiples objetivos.

• Valor objetivo numérico especifico establecido

Meta: para un fin en un programa de metas.

Variables desviacionales: • Son las que representan las desviaciones hacia arriba (d+)
Variable positiva = d + y hacia abajo (d-) del lado derecho de la restricción meta.
Variable negativa = d -

• Establecimiento generalmente subjetivo de una

Prioridades: importancia ordinal para clasificar las metas.

• Valor relativo que se usa para representar

Penalización: insatisfacción en el logro de las metas.

• Es aquella que puede ser no optima respecto a

Solución eficiente: todos los objetivos conflictivos del problema.
 ELEMENTOS EN LA PROGRAMACIÓN DE METAS
Investigación de Operaciones – Sesión 4

Variables de decisión

Son aquellas que indican cuanto producir, vender, comprar, cuantas personas contratar,
que turno, que horario, en qué lugar ubicar o a signar a una persona o recurso, cuánto
almacenar, cuánto trasladar, etc. Puede ser definidas como Xij, Yjk, X, Y, Wi, etc.

Variables de desviación

Conocidas como las variables “por debajo” o “por arriba” de la meta. Estas variables
aparecen en las restricciones META y en la función objetivo como las “no deseadas” o que
se buscarán minimizar.

• 𝑆1− , 𝑆2− , 𝑆3− … 𝑆𝑛− : Por debajo de la meta (Por defecto)

• 𝑆1+ , 𝑆2+ , 𝑆3+ … 𝑆𝑛+ : Por encima de la meta (Por exceso)
Investigación de Operaciones – Sesión 4
ELEMENTOS EN LA PROGRAMACIÓN DE METAS

Ejemplo 1: El decisor ha definido que es deseable llegar a 200 mil dólares de utilidad como mínimo. Es
decir, no desea estar por debajo, por lo cual 𝑆1− es la variable de desviación “no deseada” o que se buscará
minimizar.

𝑺−
𝟏 𝑺+
𝟏

En este ejemplo, si se logra obtener $180,000 de utilidad, quiere decir que estaríamos por debajo de la
meta. 𝑆1− sería la variable de desviación que representa ese monto que se está por debajo. Para este
caso 𝑆1− = $20,000 por debajo de la meta y se concluiría que la meta no se cumplió, pero se buscó
estar lo más cerca posible. Por otro lado, 𝑆1+ representa la variable de desviación por encima de la
meta. Si se llegara a obtener $230,000 de utilidad, estaríamos $50,000 por encima de la meta, lo cual
sería el valor de 𝑆1+ .
 ELEMENTOS EN LA PROGRAMACIÓN DE METAS
Investigación de Operaciones – Sesión 4

Ejemplo 2: Veamos ahora el ejemplo de una variable “no deseada” por encima de la meta. El decisor desea,
en su política de atención al cliente, que a lo más se deje de atender a 1000 clientes. Por lo tanto, lo que no
desea es superar o excederse de 1000. La variable “no deseada” es 𝑆1+ .

𝑺−
𝟏 𝑺+
𝟏

Si no se atiende a 1100 clientes eso indica que nos hemos excedido 100 clientes por encima de la meta.
Por lo tanto, 𝑆1+ =100 y no habríamos cumplido la meta, aunque se buscaría que ese valor de 𝑆1+ sea el
más pequeño posible. Por otro lado, si no se atendiese a 700 clientes, ello indica 𝑆1− =300 y que estamos
300 clientes por debajo de la meta de 1000 establecida por los decisores.
 ELEMENTOS EN LA PROGRAMACIÓN DE METAS
Investigación de Operaciones – Sesión 4

Ejemplo 3: Se dispone de 500 horas de capacidad de mano de obra. Los decisores desean que no exista
horas ociosas (por debajo de 500) y que no se tenga horas extras (por encima de 500). En otras palabras,
se desea que exactamente se utilice las 500 horas. Aquí las variables “no deseadas” son 𝑆1− y 𝑆1+ .

𝑺−
𝟏 𝑺+
𝟏

Si se utilizará solo 400 horas 𝑆1− =100 horas ociosas, es decir, estaríamos 100 horas por debajo de la
meta, con lo cual no se cumpliría. Por otro lado, si se utilizaría 600 horas hombre 𝑆1+ =100, lo cual
indica 100 horas por encima de la meta (horas extras) y también la meta no se cumpliría.
 METODOLOGIA
Investigación de Operaciones – Sesión 4

La programación por meta es una extensión de la programación

lineal y la formulación del modelo es similar e incluye los siguientes pasos:

1. Defina las variables de decisión del modelo

2. Especifique, al menos teóricamente, todas las metas gerenciales en orden

de prioridad.

3. Identifique y formule en forma matemática las restricciones tradicionales.

4. Formule matemáticamente las restricciones meta.

5. Proceda a formular la función objetivo.

Investigación de Operaciones – Sesión 4
METODOLOGIA

4. Formulación de la 5. Formulación de la
restricción meta. función objetivo.

Formule una restricción meta por cada meta La función siempre es de minimizar alguna combinación
identificada. de variables desviacionales de acuerdo a lo siguiente:

Si se desea tener un logro por encima, se minimiza la

Defina dos variables desviacionales no negativas por variable de desviación negativa (d-) , es decir, si el
cada restricción meta. sobrelogro (d+) es satisfactorio puede eliminarse de la
función objetivo.

Si se desea tener un logro por debajo, se minimiza la

Determine el nivel de aspiración que corresponde a variable de desviación positiva (d+) , es decir, si el
cada atributo, es decir el nivel de logro . sublogro (d-) es aceptable puede eliminarse de lafunción
objetivo.

Si se desea alcanzar exactamente el nivel de aspiración

Conecte el atributo con el nivel de aspiración
introduciendo las variables de desviación en la se minimizan ambas variables de desviación, es decir,
restricción. tanto el sobrelogro (d+) como el sublogro (d-) deben
incluirse en la función objetivo.
Investigación de Operaciones – Sesión 4
METODOLOGIA

El modelo general de programación meta puede expresarse matemáticamente así:

- +
Minimizar Z = P1 (d1- + d1+) + P2 (d2- + d2+) +...+ Pn (dn + dn )
Sujeto a las restricciones:
a11X1 + a12X2 +…. + a1nXn (≤, = o ≥) b1
Restricciones
an1X1 + an2X2 + …. + annXn (≤, = o ≥) bn tradicionales

a21X1 + a22X2 + d1- - d1+ = M1 Restricciones

meta
an1X1 + an2X2 + di- - di+ = Mn

Xj, di-, di+ ≥ 0 Condición de

No negatividad
donde:
Xj= variables de decisión o nivel de la actividad j (j = 1, 2,…, n)
Pi = pesos de ponderación asignados a las metas
di-, di+ = representan el sublogro y sobrelogro de la meta Z = valor
de la función objetivo.
b1, bn = vector disponibilidad o cantidad de recurso disponible para asignar a las actividades
aij = coeficiente tecnológico o cantidad de recurso i consumido por cada unidad de la actividad j.
 METODOLOGIA
Investigación de Operaciones – Sesión 4

ASPECTOS A CONSIDERAR:

Los valores de las variables de desviación son siempre positivos o cero, al menos
una de las dos variables de desviación que definen la meta tendrá que ser cero.

Las dos variables de desviación tomaran el valor cero cuando la meta alcance
exactamente su nivel de aspiración (M).

Se asigna la prioridad P1 al objetivo más importante, siguiendo P2 a una prioridad

más baja. No existe límite en el número de niveles de prioridad pero debe asignarse
una prioridad para cada variable de desviación. Se permiten empates o prioridades
iguales.

Una vez formulado el modelo de programación meta, el procedimiento de computo

es casi idéntico al método simplex de programación lineal.
 LA IDEA DE LA PROGRAMACIÓN DE METAS SE ILUSTRA CON UN EJEMPLO.
Investigación de Operaciones – Sesión 4

Ejemplo 1. (Planificación tributaria)

Fairville es una pequeña ciudad con una población de aproximadamente 20,000 habitantes.
La base tributaria anual por el impuesto predial asciende a $550 millones. Las recaudaciones
anuales por alimentos y medicinas así como por ventas generales es de $35 y $55 millones,
respectivamente. El consumo anual de gasolina local se estima en 7.5 millones de galones. El
concejo municipal desea desarrollar las tasas tributarias con base en cuatro metas
principales:
1. Los ingresos fiscales deben ser por lo menos de $16 millones para satisfacer los
compromisos financieros de la ciudad.
2. Los impuestos sobre alimentos y medicinas no deben exceder el 10% de todos los
impuestos recaudados.
 Ejemplo 1. (Planificación tributaria)
Investigación de Operaciones – Sesión 4

3. Los impuestos sobre las ventas generales no deben exceder el 20% de todos los
impuestos recaudados.
4. El impuesto sobre la gasolina no debe exceder de 2 centavos por galón.

Sean las variables xp, xf y xs las tasas tributarias (expresadas como proporciones de
las bases tributarias) sobre la propiedad, alimentos, medicinas y ventas generales, y
defina la variable xg como el impuesto sobre la gasolina en centavos por galón. Las
metas del concejo municipal se expresan entonces como:
 Ejemplo 1. (Planificación tributaria)
Investigación de Operaciones – Sesión 4

550𝑥𝑝 + 35𝑥𝑓 + 55𝑥𝑠 + 0.075𝑥𝑔 ≥ 16 (𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑓𝑖𝑠𝑐𝑎𝑙𝑒𝑠)

35𝑥𝑓 ≤ 0.1 ∗ (550𝑥𝑝 + 35𝑥𝑓 + 55𝑥𝑠 + 0.075𝑥𝑔 ) (𝐼𝑚𝑝𝑢𝑒𝑠𝑡𝑜𝑠 𝑠𝑜𝑏𝑟𝑒 𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑜𝑠/𝑚𝑒𝑑𝑖𝑐𝑖𝑛𝑎𝑠)

55𝑥𝑠 ≤ 0.2 ∗ (550𝑥𝑝 + 35𝑥𝑓 + 55𝑥𝑠 + 0.075𝑥𝑔 ) (𝐼𝑚𝑝𝑢𝑒𝑠𝑡𝑜𝑠 𝑔𝑒𝑛𝑒𝑟𝑎𝑙)

𝑥𝑔 ≤ 2 (𝐼𝑚𝑝𝑢𝑒𝑠𝑡𝑜𝑠 𝑠𝑜𝑏𝑟𝑒 𝑙𝑎 𝑔𝑎𝑠𝑜𝑙𝑖𝑛𝑎)

𝑥𝑝 , 𝑥𝑓 , 𝑥𝑠 , 𝑥𝑔 ≥ 0
 Ejemplo 1. (Planificación tributaria)
Investigación de Operaciones – Sesión 4

Estas restricciones se simplifican entonces como:

550𝑥𝑝 + 35𝑥𝑓 + 55𝑥𝑠 + 0.075𝑥𝑔 ≥ 16
55𝑥𝑝 − 31.5𝑥𝑓 + 5.5𝑥𝑠 + 0.0075𝑥𝑔 ≥ 0
110𝑥𝑝 + 7𝑥𝑓 − 44𝑥𝑠 + 0.015𝑥𝑔 ≥ 0
𝑥𝑔 ≤ 2
𝑥𝑝 , 𝑥𝑓 , 𝑥𝑠 , 𝑥𝑔 ≥ 0

Cada una de las desigualdades del modelo representa una meta que el concejo
municipal aspira satisfacer. Es muy probable, sin embargo, que lo mejor que se
puede hacer sea una solución compromiso que implique estas metas conflictivas.
 Ejemplo 1. (Planificación tributaria)
Investigación de Operaciones – Sesión 4

La forma en que la programación de metas determina una solución compromiso es

convertir cada desigualdad en una meta flexible en la cual la restricción
correspondiente pueda ser violada, si es necesario. En función del modelo de
Fairville, las metas flexibles se expresan como sigue:

550𝑥𝑝 + 35𝑥𝑓 + 55𝑥𝑠 + 0.075𝑥𝑔 + 𝑆1− − 𝑆1+ = 16

55𝑥𝑝 − 31.5𝑥𝑓 + 5.5𝑥𝑠 + 0.0075𝑥𝑔 + 𝑆2− − 𝑆2+ = 0
110𝑥𝑝 + 7𝑥𝑓 − 44𝑥𝑠 + 0.015𝑥𝑔 + 𝑆3− − 𝑆3+ = 0
𝑥𝑔 + 𝑆4− − 𝑆4+ = 2
𝑥𝑝 , 𝑥𝑓 , 𝑥𝑠 , 𝑥𝑔 ≥ 0

𝑆𝑖− , 𝑆𝑖+ ≥ 0, 𝑖 = 1, 2, 3, 4
 Ejemplo 1. (Planificación tributaria)
Investigación de Operaciones – Sesión 4

Las variables no negativas 𝑆𝑖− , 𝑦 𝑆𝑖+ , 𝑖 = 1, 2, 3, 4 son variables de desviación que

representan las desviaciones por debajo y por arriba del lado derecho de la restricción
i.
Las variables de desviación 𝑆𝑖− , 𝑦 𝑆𝑖+ son dependientes por definición, y de ahí que no
pueden ser las variables básicas al mismo tiempo (de acuerdo con la teoría del método
simplex). Esto significa que en cualquier iteración simplex, no más de una de las dos
variables de desviación puede asumir un valor positivo. Éste es el tipo de flexibilidad
que caracteriza a la programación de metas cuando se busca una solución
compromiso. Lógicamente una buena solución compromiso busca minimizar la
cantidad por la que se viole cada meta.
 EJEMPLO 2
Investigación de Operaciones – Sesión 4

La empresa Harrison Electric Company, en Chicago, fabrica candelabros y ventiladores de techo de estilo
antiguo. Dicha fábrica desea maximizar los beneficios obtenidos con la producción de los citados productos.
Para la fabricación de los ventiladores y candelabros se realizan dos pasos: el cableado eléctrico y el
ensamble. Para cablear un candelabro se necesitan 2 horas y para ensamblarlo 6. Además, para cablear cada
ventilador se necesitan 3 horas y 5 horas para ensamblarlo. Cabe destacar que solo se dispone de 12 horas
para realizar el cableado y 30 horas para el ensamble. En la venta de cada candelabro se obtiene 7 dólares y
en la venta cada ventilador 6 dólares. Pasado un tiempo, la empresa decide mudarse y en este momento se
valora que el objetivo anterior no es del todo realista, considera que se puede mejorar la situación. En esta
ocasión, la administración de la fábrica se plantea alcanzar las siguientes metas, cada una con igual prioridad:

Meta 1: Obtener un beneficio de 30 dólares cada día

Meta 2: Utilizar todas las horas disponibles para el trabajo de cableado

Meta 3: Evitar que en el departamento de ensamble se superen las horas establecidas
Meta 4: Producir como mínimo 7 ventiladores de techo

Formule y resuelva el modelo de programación por metas.

 SOLUCION
Investigación de Operaciones – Sesión 4

CABLEADO ENSAMBLADO BENEFICIO

CANDELABRO 2H 6H 7 Identificación de variables:
VENTILADORES 3H 5H 6 x1: Cantidad de Ventiladores a fabricar

12 30 x2: Cantidad de Candelabros a fabricar

Función Objetivo:
Max. Z= 6x1+7x2

Modelo de Restricciones:
programación 3x1 + 2x2 ≤ 12
lineal
5x1 + 6x2 ≤ 30
Condición de no negatividad:
x1≥0,x2≥0 enteros
 Variables de Desviación
Investigación de Operaciones – Sesión 4

d₁⁻ = cantidad de dólares por debajo de la ganancia meta

d₁⁺ = cantidad de dólares por encima de la ganancia meta Función objetivo:
Min. z= d₁⁻ + d₂⁻ + d3⁺ + d4⁻
d₂⁻ = numero de horas ociosas de trabajo de cableado
d₂⁺ = numero de horas extras de trabajo de cableado Restricciones:
6x1 + 7x2 + d₁⁻ - d₁⁺ = 30
d3⁻ = numero de horas ociosas de trabajo de ensamble
d3⁺ = numero de horas extras de trabajo de ensamble 3x1 + 2x2 + d₂⁻ - d₂⁺ = 12
d4⁻ = numero de ventiladores por debajo de lo previsto 5x1 + 6x2 + d3⁻ - d3⁺ = 30
d4⁺ = numero de ventiladores por encima de lo previsto x1 + d4⁻ - d4⁺ = 7
Condición de no negatividad:

x1≥0, x2≥0, d₁⁻ ≥0 , d₁⁺ ≥0 d₂⁻ ≥0, d₂⁺ ≥0 , d3⁻ ≥0, d3⁺ ≥0 d4⁻ ≥0, d4⁺ ≥0
Modelo de
programación
lineal por
metas
Investigación de Operaciones – Sesión 4
SOLUCIÓN CON LINGO
Investigación de Operaciones – Sesión 4
SOLUCIÓN CON LINGO
Investigación de Operaciones – Sesión 4

INTERPRETACION:
M1: El beneficio será de 30+6=36 dólares por día.
M2: Se utilizara 12+6=18 horas disponibles para el trabajo de
cableado.
M3: Se utilizara las horas disponibles y no se superó las horas
establecidas en el trabajo de ensamble.
M4: Solo se lograra producir 7-1=6 ventiladores de techo
 EJEMPLO 3
Investigación de Operaciones – Sesión 4

Un fabricante está tratando de decidir sobre la cantidad a producir de mesas y sillas.

Para ello cuenta con 96 unidades de material y 72 horas de mano de obra semanal.
Cada mesa requiere 12 unidades de material y 6 horas de mano de obra, por su
parte, la fabricación de cada silla requiere 8 unidades de material y 12 horas de mano
de obra. El margen de contribución a la ganancia es el mismo para ambos productos
y es de 5 dólares por unidad. Además, el fabricante se comprometió a construir al
menos 2 mesas semanales. Ahora suponga que el fabricante se ha establecido las
siguientes metas por orden de importancia:
P1: desea lograr más de 50 dólares de ganancia y
P2: utilizar completamente las horas de mano de obra como una
meta secundaria.
Formule y resuelva el modelo de programación de metas.
Investigación de Operaciones – Sesión 4

•IDENTIFICACIÓN DE LOS PARÁMETROS (DATOS)

PRODUCTO MATERIAL PRODUCCION MANO DE GANANCIA
(u/U) (U) OBRA (h/U) ($/U)
Mesas 12 2 6 5
Sillas 8 - 12 5
DISPONIB. 96 u/sem 72 h/sem

Variables de Decisión
X1 = Cantidad a producir de mesas semanalmente en unidades
X2 = Cantidad a producir de sillas semanalmente en unidades
Función Objetivo
Modelo de
Maximizar Z = 5X1 + 5X2 programación
Sujeta a las restricciones lineal
12X1 + 8X2 ≤ 96 UNIDADES DISPONIBLES DE MATERIAL
6X1+12X2<=72
X1 ≥ 2
PRODUCTION SEMANAL DE LAS MESAS
X₁, X₂ ≥ 0
 Variables de Desviación
Investigación de Operaciones – Sesión 4

d₁⁻ = cantidad de dólares por debajo de la ganancia meta

d₁⁺ = cantidad de dólares por encima de la ganancia meta
d₂⁻ = numero de horas ociosas de mano de obra
d₂⁺ = numero de horas extras de mano de obra

Función Objetivo
Minimizar Z = d₁⁻ + d₂⁻

Sujeta a las restricciones

5X₁ + 5X₂ + d₁⁻ - d₁⁺ = 50
6 X₁ + 12X₂ + d₂⁻ - d₂⁺ = 72 Modelo de
programación
X₁, X₂ , d₁⁻, d₁⁺, d₂⁻, d₂⁺ ≥ 0 lineal por
metas
Investigación de Operaciones – Sesión 4
SOLUCIÓN CON LINGO

INTERPRETACION:
M1: El beneficio será de 50 dólares, no se logro superar ese monto.
M2: Se utilizara completamente las horas de mano de obra.
 Ejemplo 4.
Investigación de Operaciones – Sesión 4

Un inversor está dispuesto a invertir un capital de $ 80,000 en seleccionar una cartera de inversiones en
base a 2 tipos de acciones (US OIL y HUB properties). El inversor ha identificado 2 objetivos para su
selección de cartera: Meta 1: Asumir un riesgo inferior a un Índice de Riesgo de la cartera de 700 puntos.
Meta 2: Obtener un rendimiento anual mínimo de $9,000 La tabla siguiente resume los datos de precio y de
rendimiento anual en dólares por acción y además se detalla el índice de riesgo que posee cada tipo de
acción:

a) Elabore y resuelva el modelo, si las metas se deben lograr en ese orden de prioridades.
 Ejemplo 4.
Investigación de Operaciones – Sesión 4

Variable
Xi = Número de acciones del tipo i a invertir en el año
i=1,2 (Us Oil, HUB Properties)
Función Objetivo
Minimizar Z = d₁ + + d₂ -
Sujeta a las restricciones
Meta 1: Min= d1+ (asume un riesgo inferior a un Índice de Riesgo de 700 puntos)
0.5X₁ + 0.25X₂ + d₁⁻ - d₁⁺ = 700
Meta 2: Min= d2- (Obtener un rendimiento anual mínimo de $9,000)
3X₁ + 5X₂ + d2⁻ - d2⁺ = 9000
Restricción dura:
Dinero disponible a invertir
25*X1+50*X2<= 80000 Xi>=0 y enteros; d₁ + + d₂ =0
 Ejemplo 4.
Investigación de Operaciones – Sesión 4

Desarrollo y solución en Lingo parte 1:

 Ejemplo 4.
Investigación de Operaciones – Sesión 4

Desarrollo y solución en Lingo parte 1:

 Ejemplo 4.
Investigación de Operaciones – Sesión 4

Desarrollo y solución en Lingo parte 2:

 Ejemplo 4.
Investigación de Operaciones – Sesión 4

Desarrollo y solución en Lingo parte 2:

Investigación de Operaciones – Sesión 4
Ejemplo 4.

Interpretación de resultados:

El plan de inversión se debe dar de la siguiente manera, según los resultados evaluados en x1 y x2:

Para la meta 1: si se cumple asumiendo un riego inferior ya que las variables por encima y debajo de los
puntos se mantiene en 700 exactamente. d1+=0: d1-=0
Para la meta 2: no se cumple ya que no alcanza la meta de los 9000 dolares, estando la meta de utilidad
por debajo por 600 dólares. d2- =600, d2+=0
 Ejercicio 1.
Investigación de Operaciones – Sesión 4

Una compañía está considerando unos nuevos productos. Se está buscando determinar la mezcla óptima
de los productos considerando 3 factores:
1. Alcanzar una utilidad de por lo menos 120 millones de US$.
2. Mantener el nivel actual de empleo de 400 trabajadores.
3. Sostener la inversión de capital en menos de 80 millones de US$.
Ante la duda de no poder alcanzar las metas se establecen las siguientes penalizaciones: 5 si no llegan a
la meta de utilidad (por millón de US$ menos); 2 por sobrepasar la meta de empleo (por cada trabajador); 1
por quedar por debajo de la misma meta; 3 por exceder la meta de inversión de capital (por millón de US$
de más). La contribución de cada producto a la utilidad, nivel de empleo e inversión se presenta en la
siguiente tabla:

Además, se tiene un compromiso de producir sí o sí, como mínimo, 2 productos de cada

tipo.
Formule un modelo de programación lineal para alcanzar las metas.
Investigación de Operaciones – Sesión 4
Investigación de Operaciones – Sesión 4
 Ejercicio 2.
Investigación de Operaciones – Sesión 4

Para un proceso se dispone de tres equipos que realizan el mismo trabajo, pero con rendimientos y costos
distintos, los que si se decide utilizar se deberá proceder a instalar recién, lo que implica un costo fijo de
instalación. La información relevante sobre estos tres equipos es la siguiente:

La empresa se ha comprometido a entregar esta semana un total de 1200 piezas a un cliente que
ha pagado por adelantado. Considere que en la semana se trabaja 40 horas. La empresa se ha
propuesto las siguientes metas:
Meta 1: Se tiene un presupuesto para el costo total de $ 2500. No se desea exceder este presupuesto.
Meta 2: Es deseable que las horas que vaya a trabajar un equipo, cualquiera de ellos, no fueran más de 30.
Meta 3: Es deseable que como máximo funcionen solo dos de los tres equipos.
Considere que cada equipo representa un equivalente a 40 horas de trabajo y que una hora de
trabajo de cualquier equipo equivale a $ 56,67. Formular el modelo de programación de metas
correspondiente.
 Ejercicio 3.
Investigación de Operaciones – Sesión 4

A Mick García, un planeador financiero certificado (PFC) lo visitó una cliente que quiere invertir $250,000.
Este dinero se puede colocar en acciones, bonos o fondos de inversión en bienes raíces. El rendimiento
sobre la inversión esperado es de 13% de las acciones, 8% para los bonos y 10% para los bienes raíces.
La cliente, a quien le agradaría tener una muy alta rentabilidad esperada, estaría satisfecha con un
rendimiento esperado de 10% de su dinero. Debido a consideraciones de riesgo, se han establecido varios
objetivos para mantener el riesgo en un nivel aceptable una de las metas es poner al menos el 30% del
dinero en bonos. Otra meta es que la cantidad de dinero en bienes raíces no debería superar el 50% del
dinero invertido en acciones y en bonos combinados.

Además de estas metas, hay una restricción absoluta. En ninguna circunstancia se tienen que invertir más
de $150,000 en un área. Formule este como un problema de programación por metas. Suponga que todas
las metas son igualmente importantes.
 Ejercicio 4.
Investigación de Operaciones – Sesión 4

El Centro Comercial NW gestiona eventos especiales para atraer clientes potenciales. Entre los eventos
que parecen atraer a los adolescentes, al grupo de jóvenes de mediana edad y a los adultos mayores, los
dos más populares son los conciertos de bandas y las exposiciones de arte. Sus costos por presentación
son de $1,500 y $3,000, respectivamente. El presupuesto anual (estricto) total asignado a los dos eventos
es de $15,000. El gerente del centro comercial estima la asistencia como sigue:

El gerente ha fijado metas mínimas de 1000, 1200 y 800 para la asistencia de adolescentes, personas de
mediana edad y adultos mayores, en ese orden de prioridad. Formule el problema como un modelo de
programación de metas.