Investigación de

Operaciones II
Ing. Celeste Santos Martínez
Tema 1 programación
por Metas

Ing. Celeste Santos Martínez

 Tema I Programación por Metas

Competencias Específicas:

Elabora las definiciones y conceptos de la programación por metas, así como el modelaje
y solución de los mismos, para proporcionar una solución óptima.
 Definiciones
Investigación de operaciones

La investigación de operaciones es la aplicación, por

grupos interdisciplinarios, del método científico a
problemas relacionados con el control de las
organizaciones o sistemas (hombre-máquina) a fin
de que se produzcan soluciones que mejor sirvan a
los objetivos de toda la organización.
 ¿Qué es 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” (Chase y
Jacobs, 2014).
¿Cuándo se puede utilizar Programación Lineal?

Un problema puede ser resuelto utilizando Programación Lineal si cumple

ciertas condiciones. Primero, debe tener recursos limitados.
Además debe tener un objetivo explícito (como maximizar la utilidad, o
minimizar los costos). Asimismo, debe existir linealidad, (por ejemplo, si
se necesitan dos horas para elaborar una pieza, se requerirán 4 para
elaborar dos, etc.).
Otra condición es que debe existir homogeneidad, esto es que los
productos fabricados en una máquina son idénticos o las horas que trabaja
cada obrero son igual de productivas.
 Definiciones

Programación entera. Cuando la subdivisión no es posible,

se utiliza Programación entera que es una modificación de
la Programación Lineal.
Programación por metas. Cuando existen varios objetivos
se utiliza la programación por metas. Esta es una diferencia
con relación a la programación lineal que tiene un objetivo
único de maximizar o minimizar.
Programación dinámica. Se utiliza cuando el problema se
resuelve mejor por etapas o plazos.
Existen otras variantes como es la Programación No
Lineal o la Programación Cuadrática.
 Programación por Metas

La Programación de Metas o Programación por

objetivos es un enfoque que permite abordar
problemas de decisión general respecto a las
metas que se deseen alcanzar en algún ámbito de
la vida cotidiana. Estas metas pueden ser
complementarias, pero frecuentemente conflictivas.
Por ello, una forma de arreglar esta
inconmensurabilidad se basa en una estructura
prioritaria por parte de la administración.
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.
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.
 En general, en los procesos de Investigación Operativa, dos
figuras fundamentales en el estudio y resolución de los
problemas multiobjetivo son el decisor y el analista.

El Decisor
● es la persona (grupo de
personas, entidad,...) que
detecta los problemas y es
responsable de su
resolución.
El Analista
● (persona, gabinete, entidad,...)
representa a la parte técnica
especializada y es conocedor de
herramientas específicas para
encontrar soluciones. Debe
trabajar en relación estrecha con el
decisor.
 Definiciones
Objeto:

Se denominan objetos a la unidades o ítems elementales

(físicas, conceptuales, . . . ) involucradas en la situación
problemática en estudio. Se pueden denominar alternativas.

Atributos:

Se denominan atributos a las características medidas sobre

los objetos. Son, esencialmente, variables.
 Atributos
Estos son los valores del centro decisor en
relación a una realidad objetiva. Es una
medición independiente del deseo del centro
decisor y generalmente expresables a través
de funciones matemáticas f(x) de las
variables de decisión, como por ejemplo, el
riesgo o el beneficio. Son hechos objetivos,
con los que va a tener que lidiar el centro
decisor e independientes de lo que éste
quiera.
 Objetivos
● Refleja los deseos del tomador de decisiones ( ej. Max o
Min. Algún criterio).
● Los objetivos son la dirección en la que se quieren mejorar
los atributos. Pueden ser tanto en sentido positivo como en
sentido negativo; positivo seria cuando cuanto mayor sea
será mejor, como puede ser el beneficio, o en negativo
cuando este se quiere minimizar, como puede ser el riesgo.
Generalmente los objetivos positivos son los de
maximización y los negativos los de minimización. Así, los
objetivos tomarían la siguiente forma: Max f(x) o Min f(x).
 Nivel de Aspiración
Es un valor especifico
asociado con un deseo o un
nivel de logro de un objetivo.

Dentro de la posibilidad que

tiene el centro decisor de
fijarse un objetivo por el cual
pretende o maximizar o
minimizar el atributo, el nivel de
aspiración es el nivel mínimo
de logro al que se pretende
llegar para cada objetivo.
 Meta

• Es un objetivo con un nivel de

aspiración.
• Cuando el nivel de
aspiración se conjuga con
el atributo, es entonces
cuando se convierte en una
meta, es decir, cuando se
asocia el objetivo con el
atributo que se quiere
maximizar o minimizar.
Desviación de las metas

Es la diferencia entre lo
que se logra y lo que se
deseaba alcanzar.
Pueden ser
categorizados como
sub-logros o sobre-
logros de las metas.
 Criterio

● El cual engloba los tres términos anteriores,

es decir, criterio = atributos + objetivos +
meta. Cada expresión matemática referida a
cada atributo, y que por tanto está asociada
a una meta en concreto, eso ya de por si
expresa un criterio, con unas variables de
decisión positivas y negativas. Todo en
conjunto seria el criterio.
 Elementos
Función Objetivo Restriccioness

● La función objetivo De las cuales Hay dos tipos:

siempre será minimizada ● Restricciones estructurales:
con variables de Restricciones del medio ambiente y
desviación y en la cual no tiene relación directa con las
aparecerán las metas
prioridades.
● Restricciones Metas: Tienen relación
directa con las metas
 Función Objetivo

La función objetivo tiene una estrecha relación

con la pregunta general que se desea
responder. Si en un modelo resultasen distintas
preguntas, la función objetivo se relacionaría con
la pregunta del nivel superior, es decir, la pregunta
fundamental.
Restricciones
Cuando hablamos de las restricciones
en un problema de programación
lineal, nos referimos a todo aquello que
limita la libertad de los valores que
pueden tomar las variables de decisión.
 Elementos
● Variables: Se encuentran dos tipos:

1.- Variables de decisión (

2.- Variables de desviación ( U y V) De holgura y exceso
respectivamente

- - U lo que falta para llegar a la meta

- - V representa lo que me paso
- - Ambas no pueden valer >0
- - Si se llega a la meta exacta U y V = 0
- - Si no se logra la meta exacta una de las variables de
desviación será >0
 Variables de Desviación
1. Reflejan la desviación positiva o negativa del valor logrado con respecto a la
meta
2. Deben ser no negativas.
3. Cuando el valor requerido para que la meta se cumpla es positivo se
denomina desviación faltante. «U»
4. Cuando el valor requerido para que la meta se cumpla es negativo se
denomina desviación sobrante. «V»
5. Se denomina variable de desviación negativa n a la variable que mide la
diferencia que falta para que la meta alcance el nivel de aspiración.
6. Se denomina variable de desviación positiva p a la variable que mide el
exceso que hay desde el nivel de aspiración y la meta.
 Pesos de las variables de Decisión

1. Los pesos se asignan de acuerdo a lo que el tomador de decisiones

considere sea la penalización por la desviación (por unidad) con respecto a
la meta. Los pesos pueden indicar penalizaciones monetarias o cualquier
otra medida que se relacione a la meta. La meta más importante recibe el
mayor peso.
 Transformación de objetivos y Metas
Sea F(x) una representación matematica de un objetivo y Bi el nivel de
aspiración asociado al objetivo, entonces las metas pueden ser de tres
tipos:

Tipo de Meta Forma en Variable de

programación de desviación a se
Metas minimizada
Sea cual sea la forma, la Al resolver el modelo,
transformación a cualquier alternativa factible
programación por metas se tiene como resultado que o
logra añadiendo una ambas son igual a cero (0).
variable de desviación
faltante (y sustrayendo una
variable de desviación
excedente (
Ver la tabla anterior
Aquellas restricciones rígidas, propias del
sistema ( que no se consideran metas) no
sufren ninguna transformación. Estas
restricciones deben se cumplidas en su
totalidad para que una alternativa pueda ser
considerada factible y sea evaluada por la
función objetivo.
 I Meta del Tipo
Supóngase que se desea limitar
los costos a un valor determinado.
Tome la función de costos
100*X1 + 200*X2. Si el nivel de
aspiración establece que los
costos no deben sobrepasar de
¢ 5,000. Se tiene la siguiente
transformación:

100*X1 + 200*X2 ≤ 5,000

100*X1 + 200*X2 + U1- V1 =
5,000
 II Meta del Tipo

Supóngase que desea obtener una ganancia

mínima determinada. Tomemos una función de
utilidad de la forma: 5*X1 + 7*X2. Si el nivel de
aspiración es lograr al menos ¢10,000, se tiene la
siguiente transformación:

5*X1 + 7*X2≥ 10,000

5*X1 + 7*X2 + U1 - V1 = 10,000
 III Meta del Tipo =

● Si se desea cumplir con una igualdad.

Supóngase se desea invertir una cantidad
determinada de recurso, con un nivel de
aspiración de digamos 30,000 colones. Se
realiza la siguiente transformación:

100*X1 + 50*X2 = 30,000

100*X1 + 50*X2 + U1 - V1= 30,000
 Programación por metas
Ventajas
● La función objetivo minimiza las
desviaciones de las múltiples
metas.
● Existen diversos criterios para
medir las desviaciones de las
metas
● Existe un peso o prioridad para
cada meta.
● La alternativa óptima muestra el
grado en que cada meta ha sido
alcanzad, lo cual facilita tomar
decisiones
Limitaciones
● Tanto las variables de decisión de
la función objetivo como las de las
restricciones deben de ser lineales.
● Las variables deben ser continuas.
● No existe una forma sistemática
para llevar a cabo el análisis de
sensibilidad.
● Las variables de decisión deben
ser no negativa.
● No siempre se logra todas las
metas.
 Modelo de programación por metas
1.- 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.
2.- 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) A continuación, definimos las metas, es decir, los atributos combinados con
niveles de aspiración.
b) Cada meta se convierte en una restricción blanda a incorporar en el modelo
de programación por metas.
d : variable de desviación negativa, cuantifica la falta de logro de una meta
-

d+: variable de desviación positiva, cuantifica el exceso de logro de una meta

 F(x) + d– d+ = t

En general, la meta del atributo i-ésimo se escribe como:

=t

3.- 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.
4.- 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.
5.- Cuando la meta deriva de un objetivo a maximizar o de una restricción de tipo
≥, la variable de desviación no deseada es la negativa . Cuando la meta deriva de
un objetivo a minimizar o de una restricción de tipo ≤, la variable de desviación no
deseada es la positiva . Cuando se desea alcanzar exactamente el nivel de
aspiración, las variables de desviación no deseadas son tanto la positiva, ,
como la negativa, . Las variables de desviación no deseadas se incorporan
siempre en la función objetivo del modelo de programación por metas.
 Variables de Desviación
U= Variable de desviación negativa «n»
V= Variable de desviación Positiva «p»

1.- Meta unilateral superior : Establece un limite superior que no debe exceder ( pero es
posible quedarse por debajo del mismo) (menor igual) META TIPO I

Una meta unilateral superior:  A lo máximo

 A lo mucho
Restricciones metas asociadas Min  Máximamente
 Como máximo
 A lo sumo
 Variables de desviación
2.- Una meta unilateral inferior (Establece un limite inferior por debajo del cual no
se quiere caer (pero es posible excederlo) (mayor igual). META TIPO II

Una meta unilateral inferior:  Por lo menos

 Cuando menos
Restricciones metas asociadas: Min  Al menos
 Mínimamente
 Variables de desviación

3.- Una meta bilateral (=): Se caracteriza cuando no se quiere tener ninguna desviación ni
positiva ni negativa. META TIPO III

Una Meta bilateral:  Contrato

 Cantidades fijas
Restricciones metas asociadas:  ….
Min
Variables de desviación

Meta unilateral superior

Meta Tipo I

Meta unilateral inferior

Meta Tipo II

Meta bilateral
Meta Tipo II
 Variables de desviación

1.- Cuando la meta derivada de un objetivo a minimizar o de una restricción del

tipo , la variable de desviación no deseada es .

2.- Cuando la meta derivada de un objetivo a maximizar o de una restricción del

tipo , la variable de desviación no deseada es .

3.- Cuando se desea alcanzar exactamente = el nivel de aspiración las variables

de desviación no deseadas son tanto .
 Ejemplo

Una empresa produce semanalmente dos tipos de productos A y B. Sabemos

que para fabricar el producto A se necesitan 4 Horas y para el producto B, 3
horas. Además sabemos que se obtiene 100 euros y 150 euros respectivamente
como beneficio del producto A y B.
Para la producción de estos productos se necesita de cierto material, el cual se
debe comprar como mínimo 50 litros por semana. En concreto para producir A se
necesita 2 litros y para producir B, 1 litro del material anteriormente
mencionado .Además la empresa tiene problemas con los tiempos disponibles
para el uso de la maquinaria y por ello en una semana sólo se pueden fabricar 75
productos.
Además dicha empresa desea satisfacer las siguientes metas:

 Meta 1: No utilizar más de 120 horas de trabajo en la fabricación de los

productos A y B.
 Meta 2: La empresa quiere obtener un beneficio de al menos 7000 euros.
 Meta 3: Fabricar al menos 40 productos de tipo A.
 Meta 4: Fabricar al menos 40 productos de tipo B.

Tipos de productos Producto A Producto B

Horas que se 4 3
necesitan
Ganancia por producto 100 150
 Pasos para resolver
Paso 1: Identificar las variables reales que tiene el modelo y describir cada una de ellas.

Paso 2: Definir las metas y restricciones que tiene el modelo de programación

Meta 1: No utilizar más de 120 horas de trabajo en la fabricación de los productos A y B.

Meta 2: La empresa quiere obtener un beneficio de al menos 7000 euros.
Meta 3: Fabricar al menos 40 productos de tipo A.
Meta 4: Fabricar al menos 40 productos de tipo B

Restricciones:
 Paso 3: Colocar la variable de desviación no deseada en la función objetivo
que será siempre de minimizar:

FUNCION OBJETIVO

Meta 1: No utilizar más de 120 horas de trabajo en la fabricación de los productos A y B.

Entonces es una restricción del tipo , y la variable de desviación no deseada es .
Meta 2: La empresa quiere obtener un beneficio de al menos 7000 euros. Es de una
restricción del tipo , la variable de desviación no deseada es
Meta 3: Fabricar al menos 40 productos de tipo A. Es de una restricción del tipo , la
variable de desviación no deseada es
Meta 4: Fabricar al menos 40 productos de tipo B. Es de una restricción del tipo , la
variable de desviación no deseada es

MIN=
Paso 4: Desarrolla cada restricción meta con sus respectivas variables de desviación.

Meta 1: No utilizar más de 120 horas de trabajo en la fabricación de los

productos A y B.

M1
Meta 2: La empresa quiere obtener un beneficio de al menos 7000
euros.

M2

Meta 3: Fabricar al menos 40 productos de tipo A.

M3

Meta 4: Fabricar al menos 40 productos de tipo B

M4
Paso 5: Define en que consiste, cada una de las variables de desviación.

N1= Numero de horas faltantes para la fabricación de los productos A y B.

P1= Numero de horas sobrantes para la fabricación de los productos A y B.
N2= Numero de ganancia faltante que se desea obtener la empresa.
P2= Numero de ganancia sobrante que se desea obtener la empresa.
N3= Numero de unidades faltantes por fabricar del producto A.
P3= Numero de unidades sobrantes por fabricar del producto A.
N4= Numero de unidades faltantes por fabricar del producto B.
P4= Numero de unidades sobrantes por fabricar del producto B.

Paso 6: Registra la condición de no electronegatividad.

𝑋 1 , 𝑋 2 ,𝑛 1 ,𝑝 1 ,𝑛2 ,𝑝 2 ,𝑛3. 𝑝 3 ,𝑛4 ,𝑝 4 ≥ 0

Paso 7: Estructurar el modelo de programación de metas completo

Función objetivo

Metas

Restricciones generales

No electronegatividad
 Ejemplo
Una compañía química produce cuatro productos químicos diferentes (1 y 2). Por
cada hora que se realiza el proceso 1 este entrega 400 Kg de A, 100 Kg de B y
100 Kg de C. El proceso 2 entrega 100Kg de A, 100 Kg de B y 100Kg de D por
hora. El departamento de marketing de la compañía ha especificado que la
producción diaria debe ser no mas de 500Kg de B, 300Kg de C, al menos 800Kg
de A y 100 Kg de D. Una corrida del proceso 1 tiene un costo de 500 pesos/hora,
y una corrida del proceso 2 tiene un costo de 100 pesos/hora.
Suponga que un kg de cada químico A,B,C y D se pueden vender en 1, 5, 5 y 4
pesos respectivamente, las ventas del proceso 1 es de 1400 pesos/hora y del
procesos 2 1000 pesos/hora y las ganancias del proceso 1 son de 900 y del
proceso 2 también son 900 pesos.
Formule un modelo de programación para alcanzar las siguientes
metas:

1.- que los costos se encuentren por debajo de los 30,000 pesos
2.- que las ventas aumenten 100,000 pesos
3.- Que las ganancias aumenten a 200,000 pesos
Paso 1: Primero se debe organizar los datos del ejercicio en una tabla para visualizarlos
mejor.

Producto Procesos Kg/hora

1 2 Producción Kg/día Ventas pesos/Kg

A 400 100 800 1

B 100 100 500 5

C 100 300 5

D 100 100 4
Costos pesos/hora 500 100

Ventas 1400 1000

Ganancias 900 900

Paso 2: Identificar las variables reales que tiene el modelo y describir cada una de
ellas:

X1 = Tiempo de producción del proceso 1 (hr)

X2 = Tiempo de producción del proceso 2 (hr)

Paso 3: Definir las metas y restricciones que tiene el modelo de programación

Meta 1: Que los costos se encuentren por debajo de los 30,000 pesos
Meta 2: Que las ventas aumenten 100,000 pesos
Meta 3: Que las ganancias aumenten a 200,000 pesos

Restricciones:
Paso 4: Colocar la variable de desviación no deseada en la función objetivo que
será siempre de minimizar:

FUNCIÓN OBJETIVO

Meta 1: Que los costos se encuentren por debajo de los 30,000 pesos. Entonces
es una restricción del tipo , y la variable de desviación no deseada es .
Meta 2: Que las ventas aumenten 100,000 pesos. Es de una restricción del tipo ,
la variable de desviación no deseada es
Meta 3: Que las ganancias aumenten a 200,000 pesos. Es de una restricción del
tipo , la variable de desviación no deseada es

𝑀𝐼𝑁 =𝑝 1+ 𝑛2 +𝑛3
Paso 5: Desarrolla cada restricción meta con sus respectivas variables de
desviación.

Meta 1: Que los costos se encuentren por debajo de los 30,000 pesos

Meta 2: Que las ventas aumenten 100,000 pesos.

Meta 3: Que las ganancias aumenten a 200,000 pesos.

Paso 6: Define en que consiste, cada una de las variables de desviación.

N1= Cantidad de dinero faltantes para el costo de producción del proceso 1 y 2.

P2= Cantidad de dinero sobrante para el costo de producción del procesos 1 y 2
N2= Cantidad de dinero faltante de la venta de los productos del procesos 1 y 2
P2= Cantidad de dinero sobrante de la venta de los productos del proceso 1 y 2
N3= Cantidad de dinero faltante en las ganancias de los productos del proceso 1 y 2
P3= Cantidad de dinero sobrante en las ganancias de los productos del proceso 1 y 2

Paso 7: Registra la condición de no electronegatividad.

Paso 8: Estructurar el modelo de programación de metas completo

𝑀𝐼𝑁 =𝑝 1+ 𝑛2 +𝑛3

Restricciones Generales
 Ejemplo
El centro comercial NW Shopping Mall organiza eventos especiales para atraer
clientes. Los dos eventos más populares que parecen atraer la atención de los
adolecentes y a las personas jóvenes y adultas son los conciertos de bandas, y
las exposiciones de artesanías. Los costos de la representación de las bandas
son $1500, y de las artesanías son $300, respectivamente. El presupuesto total
anual (estricto) asignados a los dos eventos es de $15,000. El gerente del
centro estima que la asistencia a los eventos es la siguiente:

Eventos Adolecentes Jóvenes Adultos

Concierto de 200 100 0

banda
Exposición 0 400 250
Se han establecido las metas anuales mínimas de asistencia
de adolecentes, jóvenes y adultos como 1000, 1200 y 800,
respectivamente.

M1= Asistencia mínima de adolecentes de 1000

M2= Asistencia mínima de jóvenes de 1200

M3= Asistencia mínima de adultos de 800

Paso 1: Identificar las variables reales que tiene el modelo y describir cada una
de ellas.

Atención de los conciertos de bandas

Atención de las exposiciones de artesanías

Paso 2: Definir las metas y restricciones que tiene el modelo de programación

Mata 1: Asistencia mínima de adolecentes de 1000

Meta 2: Asistencia mínima de Jóvenes de 1200
Meta 3: Asistencia mínima de adultos de 800

Restricciones Generales

1500 𝑋 1+ 300 𝑋 2 ≤ 15,000

Paso 3: Colocar las variables de desviación no deseada en la función objetivo que será
siempre de MINIMIZAR.

FUNCION OBJETIVO

Mata 1: Asistencia mínima de adolecentes de 1000. Es una restricción del tipo la

variable de desviación no deseada es .
Meta 2: Asistencia mínima de Jóvenes de 1200. Es una restricción del tipo , la variable
de desviación no deseada es .
Meta 3: Asistencia mínima de adultos de 800. Es una restricción del tipo , la variable de
desviación no deseada es
Paso 4: Desarrolle cada restricción meta con sus respectivas variables de
desviación.

Mata 1: Asistencia mínima de adolecentes de 1000

M1

Meta 2: Asistencia mínima de Jóvenes de 1200

M2

Meta 3: Asistencia mínima de adultos de 800

M3
 Paso 5: Define en que consiste cada una de las variables de
desviación

N1= Cantidad de asistentes faltantes de adolecentes

P1= Cantidad de asistentes sobrantes de adolecentes
N2= Cantidad de asistentes faltantes de jóvenes
P2= Cantidad de asistentes sobrantes de jóvenes
N3= Cantidad de asistentes faltantes de adultos
P3= Cantidad de asistentes sobrantes de adultos

Paso 6: Registra la condición de no electronegatividad

𝑋 1 , 𝑋 2 ,𝑛 1 ,𝑝 1 , 𝑛2 ,𝑝 2 , 𝑛3 ,𝑝 3 ≥ 0
Paso 7: Estructurar el modelo de programación por metas completo.