Investigacin de Operaciones II

Programacin por Metas

Programacin por Metas

Los procesos de toma de decisiones por lo general se analizan de

la siguiente forma:
Se establece el conjunto de soluciones posibles o factibles del
problema de decisin analizado.
Se asocia a cada solucin o alternativa un nmero, mediante la
evaluacin de una funcin, que representa el grado de
importancia que tiene cada alternativa para el tomador de
decisiones
Se procede a buscar entre las soluciones factibles aquella que
posee un mayor grado de importancia. Dicha alternativa es la
solucin ptima.
En muchos casos reales, los tomadores de decisiones estn
interesados en la utilizacin de diferentes criterios (al mismo
tiempo) para evaluar las diferentes alternativas.

Ejemplo
Principales Objetivos de las empresas:
Maximizar servicio al cliente.
Minimizar la inversin.
Maximizar la eficiencia de operacin de la planta.

Programacin por Metas

La programacin multiobjetivo constituye un enfoque
multicriterio cuando el contexto de decisin est definido por
una serie de objetivos a optimizar que deben de satisfacer un
determinado conjunto de restricciones.

opt ( f1 ( x), f 2 ( x),..., f k ( x) )

s.a : x X
Aqu algunos objetivos pueden ser de maximizacin y otros de
minimizacin.
La optimizacin simultnea de todos los objetivos es usualmente
imposible, ya que los diferentes objetivos pueden estar en
conflicto.
En este caso, el enfoque multiobjetivo en vez de intentar
determinar un ptimo existente, lo que hace es establecer un
conjunto de soluciones eficientes.

Programacin por Metas

Conceptos y definiciones :
Atributo: Este concepto se refiere a valores de parmetros
relacionados con una realidad objetiva que el tomador de
decisiones quiere mejorar. Estos valores pueden medirse
independientemente de los deseos del tomador de decisiones,
siendo usualmente susceptibles de expresarse como una funcin
matemtica f(x) de las variables de decisin.
Objetivos: Representan direcciones de mejora de los atributos.
La mejora puede interpretarse en el sentido (ms del atributo
mejor) o bien (menos del atributo mejor). El primer caso
corresponde a un proceso de maximizacin y el segundo a uno
de minimizacin de las funciones que corresponden a los
atributos que reflejan los valores del tomador de decisiones.

Programacin por Metas

Conceptos y definiciones :
Nivel de aspiracin: representa en nivel de logro que
el tomador de decisiones decea para el correspondiente
atributo. La combinacin de un nivel de aspiracin con
un atributo genera una meta.
Criterio se utiliza como un trmino general que
engloba los tres conceptos precedentes (atributo,
objetivo y metas). En otras palabras, los criterios
constituyen los atributos, objetivos o metas que se
consideran relevantes para un cierto problema de
decisin.

Programacin por Metas

La programacin por metas es un enfoque para tratar
problemas de decisin multicriterio donde estn definidas
metas mltiples.
Las metas pueden tener el mismo nivel de importancia o
pueden estar agrupadas en niveles de prioridad de
cumplimiento. Adems en un mismo nivel de prioridad
cada meta puede tener una ponderacin. Estos elementos
son determinados por el tomador de decisiones.
Una ventaja importante de la programacin por metas es su
flexibilidad en el sentido de que permite al tomador de
decisiones, experimentar con una multitud de variaciones
de las prioridades de las metas cuando en la resolucin de
un problema de decisin con objetivos mltiples.

Programacin por Metas

Existen tres tipos de metas, segn lo que se quiera lograr:
1.-Que el atributo sea igual al nivel de aspiracin. Las
desviaciones en ambas direcciones son indeseables.
2.- Que el atributo sea mayor o igual al nivel de aspiracin.
Las desviaciones hacia abajo son indeseables.
2.- Que el atributo sea menor o igual al nivel de aspiracin.
Las desviaciones hacia arriba son indeseables.
Estas metas se escriben en forma de restricciones, que pueden
no cumplirse. De ah que se denominen restricciones suaves.
Adems, el problema puede tener otras restricciones que
deben cumplirse obligatoriamente , que se denominan
restricciones duras.

Programacin por Metas

Paso para la formulacin de un modelo de programacin por metas
1. Fijar los atributos que se consideran relevantes para el
problema que se est analizando.
2. Determinar el nivel de aspiracin que corresponde a cada
atributo, es decir, el nivel de logro que el tomador de decisiones
desea alcanzar.
3. Definir las variables de decisin del problema
4. Definir las metas en forma de restricciones , relacionando los
atributos, expresados en trminos de las variables de decisin,
con los niveles de aspiracin.
5. Definir las restricciones duras del problema.

Programacin por Metas

1.
2.
3.
4.

5.

Transformacin a un modelo de Programacin Lineal para el

problema de programacin por metas ponderadas.
A cada atributo restarle su nivel de aspiracin e igualarlo a una
variable de desviacin.
Descomponer la variable de desviacin en las variables de
desviacin positiva y negativa.
Identificar entre las variables de desviacin positivas y
negativas a las variables de desviacin no deseadas.
Definir el objetivo del modelo lineal como la suma de las
variables de desviacin no deseadas, dividida, cada una por su
nivel de aspiracin.
Introducir las ponderaciones de cada meta en el objetivo del
modelo lineal, asignndole un peso a cada variable de
desviacin no deseada.

Programacin por Metas

Problema1: En una papelera de propiedad pblica la pulpa celulosa
es obtenida por medio de dos procesos distintos, uno qumico o el
otro mecnico.
Las capacidades mximas de produccin de pasta de celulosa se
estiman en 300 toneladas/da para el proceso qumico y en 200
toneladas/da para el proceso mecnico. En cualquiera de los dos
procesos, cada tonelada de pasta de celulosa producida demanda, en
promedio, una jornada laboral de un trabajador. La empresa dispone
de una plantilla de 400 trabajadores y desea mantener su fuerza
laboral constante, es decir, no quiere contratar ni despedir mano de
obra eventual.
La ganancia por tonelada de pasta de celulosa obtenida por medios
qumicos se estima en $1000 y en $3000 la que se obtiene a travs
de medios mecnicos. La empresa deseara, al menos tener una
ganancia total de $600000.

Programacin por Metas

La papelera vierte sus residuos productivos en un rio cercano y se
estima que los residuos producidos por cada tonelada de pasta de
celulosa obtenida por medios qumicos y por medios mecnicos
generan unas demandas de oxgeno en las aguas del ro de 1 y 2
unidades respectivamente. El lmite permitido en de 300 unidades
de oxgeno.
Las preferencias de la empresa se concentran en la maximizacin
de la ganancia total, en la minimizacin del dao generado en el
ro y en mantener su nivel de empleo.
Plantee un modelo de Programacin por metas y resulvalo
mediante la transformacin a un modelo de Programacin Lineal.

Programacin por Metas

A la vista de estos datos, la estructura matemtica del modelo de
programacin por metas es la siguiente:
Metas
G1:1,000 x1 + 3,000 x2 600,000 (Ganancia Total)
G2: x1 + 2 x2 300 (Demanda de oxgeno)
G3: x 1 + x2 = 400 (Nivel de empleo)
Restricciones
R1: x1 300 (capacidad de produccin)
R2: x2 200 (capacidad de produccin)

Programacin por Metas

Transformemos a un problema de programacin lineal,
agregando las variables de desviacin:
G1: x1 + 3 x2 -600= y11- y12 (Ganancia Total)
G2: x1 + 2 x2 -300= y21-y22 (Demanda de oxgeno)
G3: x1 + x2 -400= y31-y32 (Nivel de empleo)
Identificamos las variables no deseadas
G1: x1 + 3 x2 -600= y11- y12 (Ganancia Total)
G2: x1 + 2 x2 -300= y21-y22 (Demanda de oxgeno)
G3: x1 + x2 -400= y31-y32 (Nivel de empleo)

Programacin por Metas

La manera ms intuitiva de acometer la minimizacin de las
variables de desviacin no deseadas consiste en minimizar la
suma de dichas variables. as, para nuestro ejemplo, tendramos
que proceder a minimizar la siguiente suma:
min z = y12 + y21 + y31 + y32 (4)
Ahora bien, la expresin (4) carece de significado y no debe de
utilizarse como una agregacin de las preferencias del tomador
de decisiones por las siguientes razones. La expresin (4) suma
variables de desviacin medidas en unidades diferentes
(unidades de oxgeno, unidades monetarias, nmero de
trabajadores o toneladas de pasta de papel, etc.) por lo que su
suma no tiene significado. Adems, como los valores absolutos
de los niveles de aspiracin son muy diferentes, la minimizacin
de (4) puede producir soluciones sesgadas hacia un mayor
cumplimiento de las metas con niveles de aspiracin elevados.

Programacin por Metas

Ambos problemas pueden evitarse si en vez de minimizar una
suma de desviaciones absolutas procedemos a minimizar una
suma de desviaciones porcentuales. As, la expresin (4) se
convierte en:
min z = y12 /600 + y21 /300 + (y31 + y32 )/400 (5)
Como los porcentajes carecen de dimensin, la suma dada por
(5) no presenta problema de homogeneidad. Adems, el
procedimiento de normalizacin empleado elimina cualquier
sesgo hacia el cumplimiento de metas con niveles de aspiracin
elevados.
No obstante, la expresin (5) presenta todava un problema para
poderla considerar como una agregacin de las preferencias del
tomador de decisiones, ya que el supone la misma importancia
al logro de todas las metas, lo cual no tiene necesariamente que
ser cierto.

Programacin por Metas

Este problema puede superarse sustituyendo la expresin (5) por:

w1
w2
w31
w32
min z =
y12 +
y21 +
y31 +
y32
600
300
400
400
Donde los coeficientes wi ponderan la importancia relativa que el
tomador de decisiones asigna a la realizacin de cada meta.
Este mtodo consiste en minimizar la suma ponderada de las
variables de desviacin no deseadas, expresadas en trminos
porcentuales, se conoce en la literatura con el nombre de
programacin por metas ponderada.

Programacin por Metas

Para nuestro ejemplo, a formulacin completa del modelo de metas
ponderadas sera el siguiente:

w31
w32
w1
w2
min z =
y12 +
y21 +
y31 +
y32
600
300
400
400
x1 + 3 x2 y11 + y12 = 600 (Ganancia Total)
x + 2 x y + y = 300 (Demanda de oxgeno)
2
21
22
1
x1 + x2 y31 + y32 = 400 ( Nivel de empleo)

s.a x1 300
x 200
2
x1 0, x2 0, y11 0, y12 0,

y21 0, y22 0, y31 0, y32 0,

Programacin por Metas

Algortmicamente, la estructura del modelo (5) corresponde a la
de un modelo de programacin lineal tradicional que puede
resolverse de una manera inmediata recurriendo al Simplex.
Para diferentes sistemas de pesos se irn generando distintas
soluciones. As, si hacemos W1=...=W5=1, esto es, si el
tomador de decisiones asigna la misma importancia a la
realizacin de las diferentes metas, se obtiene la siguiente
solucin ptima:
x1 = 300, x2= 100
y11=y12= 0, y21= 200 , y22= 0
y31= y32= 0

Programacin por Metas

La solucin obtenida permite la completa realizacin de las
metas G1 (margen bruto), G3(trabajadores disponibles). Por el
contrario, en lo referente a la meta G2, se supera la demanda
biolgica de oxgeno deseada en 100 unidades.
Obviamente, los anlisis basados en modelos de programacin
por metas pueden enriquecerse considerablemente, sometiendo
los pesos preferenciales a un anlisis de sensibilidad. De esta
forma, para cada conjunto de pesos considerados, se obtendr la
solucin ptima del modelo que mejor se ajusta a las
preferencias del tomador de decisiones.

Programacin por Metas

Problema2: Una compaa estudia tres nuevos productos P1,
P2 y P3 para sustituir los modelos actuales que piensa
descontinuar. Para la fabricacin de estos productos, se utiliza
el mismo tipo de materia prima, en las cantidades 4, 2 y 5
unidades respectivamente por producto y se disponen de 60
unidades
La administracin quiere determinar la mezcla que debe
producir de estos nuevos productos, prestando especial
atencin a tres factores:
1. Lograr una ganancia a largo plazo de al menos 160 millones de
dlares por los tres productos
2. Mantener el nivel actual de empleo de 5200 empleados
3. Mantener la inversin de capital en menos de 56 millones

Programacin por Metas

La gerencia entiende que es posible que no se logren todas las
metas de forma simultanea por lo que solicit un estudio de las
prioridades, obtenindose las siguientes ponderaciones de
penalizacin para cada factor:
5 por cada milln menos que se logre de la ganancia
2 por cada 100 empleados por encima de la meta y 4 por estar por
debajo
3 por cada milln de exceso en la inversin de capital.

Programacin por Metas

Contribucin
Productos

Meta

Factor
Ganancia a largo
plazo
Nivel de empleo

1
10

2
9

3
(Unidades)
15 >=160 M. D.

=52 cientos Empl

Inversin de capital

<=56 M. D.

Programacin por Metas

Problema3: Informacin de ganancias y recursos para Thompson
Computers
Ganancia
Modelo BP6
Modelo BP8
Diponible por semana

$30
$70

Horas de tcnicos en
electrnica
3
4
480

Horas en ensamble y
empaquetado
1
2
220

Componente
XR47
12
22
1840

Adems, la empresa no quiere tener inventario y se conoce que

las demandas mximas son de 80 y 60 unidades para los modelos
PB6 y PB8 respectivamente.
Metas:
1. Generar una ganancia de al menos $6,600 por semana. (1-)
2. Usar 480 horas de tcnicos en electrnica por semana.(8+, 4-)
3. Usar 220 horas en ensamble y empaquetado por semana. (4+, 2-)

Problema 4
Una empresa produce dos componentes diferentes, que llamaremos
A y B. Cada unidad de A consume 5 unidades de materia prima,
necesita 2 horas de procesado y 3 de acabado, mientras que cada
unidad de B consume 4 unidades de materia prima, necesita 3 horas
de procesado y 2 de acabado. Los recursos disponibles son: 80
unidades de materia prima, 48 horas de procesado y 40 horas de
acabado. Los beneficios que aportan a la empresa por unidad son
de $10 para A y $30 para B. Suponiendo ahora que la empresa
plantea adems los siguientes niveles de aspiracin:
La produccin total debe ser de 20 unidades.
Los beneficios de la empresa no deben inferiores los $450.
No se deben producir ms de 6 unidades del producto A.
Plantead el modelo de programacin lineal que permita encontrar la
solucin que menos se aleja de los niveles de aspiracin.