Documente Academic
Documente Profesional
Documente Cultură
T E S I S
PRESENTA:
Ife--
J U J• •K "É.i l t•em . • «=
MONTERREY, N.L. OCTUBRE DE 1982
m m ê m
UNIVERSIDAD AUTONOMA DE NUEVO LEON
FACULTAD DE INGENIERIA MECANICA Y ELECTRICA
T E S I S
PRESENTA:
Introducción PAG.
CAPITULO I.- Introducción a Programación por Metas - _ - l
Antecedentes de Programación por Metas - - 1
Fundamentos de Programación por Metas - - - 4
Análisis Matemático de Programación por Me-
Ejemplo # 1 49
Pasos del ífétodo Simplex de Programación —
por Metas 60
Ejemplo # 2 63
Ejemplo // 3 68
Algunas complicaciones y su Resolución- - - 74
tudio proporcione una guía para desarrollar modelos mas completos, más-
o a un sistema universitario.
CAPITULO I
neación militar, cuando el fuá empleado por la Fuerza Aárea de Los Esta
dos Unidos en Washington, D.C., allá por 1940. Su investigación fue fo_
sin solución está el resultado que llamaremos "Alcanzar una (teta". La-
Gerencia algunas veces pone tales metas, aun cuando ellas sean inalcan-
de razones. Por ejemplo, tales metas pueden ser establecidas para pro-
Ya sea que las metas sean alcanzables o no, se debe establecer en obje-
por Metas.
Maximizar Z = $ IX^" + $ X2
STT. <
«
3X X + 2X2 12
<
1) 5Xi 10
>
Xl + 8
>
- Xi" + x2 4
>
Xi *
x
2 0
Fig. 1.1
de alcanzar las metas tanto como sea posible". Entonces la función ob-
capaz de manejar problemas de decisión que tratan con una meta simple -
con múltiples submetas, así como problemas con metas múltiples con múl-
pués de que las metas de mayor orden son satisfechas o haya sido alcan-
zado el punto mas allá del cual ninguna mejora adicional sea deseada. ~
das las restricciones de las metas son lineales, e l problema puede ser-
Una respuesta simple puede ser sugerida, una función objetivo compuesta
decisión.
del sistema.
Resumiendo conceptos:
cías. /
de menor prioridad.
secusión óptima de las metas es realizada dentro del medio ambiente de-
ción objetivo.
nadas entre ellas mismas y entre otras variables, cuyos valores son es-
decisión.
ción por metas involucrando una meta simple con múltiples submetas y —
Vamos a considerar un caso donde una meta puede ser lograda por la rea-
son
donde aj, a 2 , . • • , humeros reales. Si dejamos que X sea un -
(1-3) ax = b
Min Z = d- + d +
x, d~, d + - o
Donde d + y d~ representan variables de desviación de la meta. En la e-
te ejemplo:
por la venta de una mesa es $ ¿0. La meta del gerente de la planta es-
sigue:
Min. Z = d" + d +
S.r.
$80Xi + $40X 2 + d - d + = $640
X U X 2 , d", d + - 0
En la ecuación (1-5) del ejemplo anterior, una solución pedía que podría
(1-6) BX - h
ax + a _ - d— = U
BX - h
X, d", d+ - 0
el máximo número de escritorios que puede ser vendido en una semana es-
la siguiente manera:
Min. Z « d" + d +
S.r.
X: í 6
X2 - 8
x l s x 2 , d" , d + - 0
La solución a (1-8) es X^ • 6 y X2 - Uon esta solución las varia
AX = b
(1-9) >
X - 0
Suponiendo que una solución existe para (1-9), el modelo puede ser —
transformado a: 111
- +
Min. Z = Z (d. + dT)
1 1
i-1
(1-10) ^ AX + Id" - Id + = b
X, d~, d + - 0
tro respectivamente»
Min. Z = d~ + d~ + d~ + d+
(1-11)
S
*r* $80X 1 + $40X2 + d j -dj = $ 640
Xx +d~ = 6
X2 *dj = 4
lo tanto d~ = d~ = d~ = d* = 0.
bargo en el medio ambiente de decisión real es muy raro este caso. Muy
tante debe ser alcanzada en toda la extensión de los deseos del gerente
antes de que la meta siguiente sea considerada.
consideradas solamente después de que las metas de alto orden son reali
ridad. Dejemos que C sea un vector fila con 2 m componentes cuyos ele-
p
(1-12) C = (9! Pji, 8 2 Pj2,. . . 3 2 m Í2m)
Min. cd
S,r>
AX + Rd = b
X, d - 0
ro de escritorios y mesas que pueden ser vendidos son seis y ocho por -
»
de producción.
a 1.
se pueda.
rá sus metas lo mas que se pueda con el mínimo sacrificio. Como se per-
es
donde X^ es el número de escritorios a producir, ^ numero de me-
cribir lo siguiente:
X, + á~ = 6
A ¿
(1-16)
X 2 + d" = 8
que las metas de ventas son dadas como el máximo volumen de ventas posi
ble.
S.r.
+ X2 + DJ 10
X, + d 8
'2 3
>
0
ro.
Debe ser señalado claramente que programación por metas es una extensión
ciones y las relaciones entre metas deben ser lineales* Esto significa-
B) Aditividad
restricciones.
C) Divisibilidad
Hay casos, sin embargo donde las variables de decisión deben ser enteros
para tener un significado físico.
D) Deterainística
tes del modelo (aij, bi, y Pj), deben ser constantes. En otras palabras
las más severas ya que los modelos de programación por metas son u s u a l —
mente formulados para hacer decisiones futuras. Los coeficientes del mo-
dad única para el valor que ellos tomen cuando la solución sea inplementa
da.
Programación por metas puede ser aplicada a las siguientes tres areas de-
decisión administrativa.
1) Problemas de Distribución
3) Análisis de Políticas
ción.
CAPITULO II
EL METODO GRAFICO
lo # I como:
Min. cd
S.r. AX + Rd = b
X , d ¡ 0
nes prácticas.
I) Minimización de (d + d+)
conjunto solución consistirá de todas las X*s que minimicen (b-AX) lo-
III. Minimización de d +
X , d - O
V. Minimizadón de (d + - d~)
Min. d
(2-3)
S.r. AX - d = b
X , d í 0
Ejemplo # 1.- Una Compañía textil produce dos tipos de materiales de lino
un material fuerte para tapicería y un material regular para vestido, _
son idénticos: 1,000 yardas por hora. Trabajando dos turnos, la capaci-
firma. Por lo tanto, cuando haya una demanda que exceda a la capacidad—
normal por medio de tiempo extra. Sin embargo, el siente también que el-
tiempo extra de la planta de mas de 10 horas por semana debe ser evitado
cuatro metas.
por semana.
po extra de la planta.
1) Capacidad de Producción
expresada como:
(2-5) X x + X 2 + d~ - d* - 80
donde:
de operación.
80 horas.
2) Restricciones de Ventas
En este caso las ventas maximas para el material para tapicería'y el ma-
X. - 70
(2-6)
X 2 - 45
expresadas como:
X + d = 70
1 2
<2
-7) X 2 + d- =45
donde:
Para este caso, solamente se pueden formular las restricciones para pro
po extra de la planta debe ser minimizado a 10 tío ras o menos. Para re-
ción.
tanto, d* puede ser menor que, igual a, o aún mayor que 10 horas. In—
(2-8) d+ + d~ - d* = 10
donde:
+
d^ = Tiempo extra mas alia de 10 horas.
d* = X 1 + X 2 + d~ - 80
sustituyendo d* en (2-8)
X1 + X2 + d j - 80 + d~ - d^ = 10
se convierte en:
(2-9) X A + X 2 + d~ - d+ = 90
lo mas que se pueda. Cuando no Se pueda mejorar mas la meta mas alta; —
c
aCtores de Driorídad asignados, m a cosa oue debe ser notada aqu' es
Xj + X 2 + d~ -d* « 80
Xx + d~ = 70
(2-10) X2 + d~ = 45
+ X2 + d¡ -d* = 90
X X d á d
l» 2» V V 3 ' d 4» ^ d
4 " °
por metas por e l método gráfico, las restricciones deben ser graficadas-
de ser menor o igual o aun mayor que 80 horas, las áreas sombreadas pue-
den estar sobre los dos lados de la línea recta, como se puede notar con
Fig. 2-1
flecha que apuntaba hacia el origen desde la función de arriba debe ser
(2-3).
Fig. 2-2
Fig. 2-3
La tercera meta presentada por el presidente es la de realizar ventas -
certa que se puede vender es, por supuesto, 70,000 yardas. Esta meta
de ventas puede ser encontrada sobre la línea EF dentro del área sombrea
máximas para el material para vestido, 45,000 yardas. Sin embargo para
Este punto esta fuera del área sombreada, y por lo tanto muestras orí -
Xj + X 2 = 80
Xj + X 2 = 90
48
el punto F que X^ = 70 y Xg 20. Es evidente que en el punto F se
planta. Esta meta no cambia actualmente nuestro punto óptimo, desde que
la tercera meta.
tas para el material para vestido por 25,000 yardas v 10 horas de tiem-
S.r. X: - 100
X2 - 45
f2
"l2) X 1 + Xjí 90
X
1 • X2 ! 0
lado así:
Max Z = 2500 X 1 + 1500 X 2
S.r. X1 - 70
(2-11)
4 5
"
Xx + X2 - 90
X X 0
l* 2 *
caso .
ser muy posible que no todas las metas puestas por el que toma las deci
ción factible, así que no puede ser posible de solucionarse con el mode
lo de programación lineal.
desea fallar en cumplir con esa orden; por lo tanto la prioridad mas al
Min. 2 - PjL d¡ + P2d" + P 3 d : + P d¡
S.r.
X x + X 2 + d~ _d 80
X
l> X
2* d
V d
2» d
3 ' d l» d
2 i o
Fig. 2-4
ta claro que con el fin de satisfacer la primera meta tenemos que traba^
=
de las ventas del material para vestido (X 2 45). El único modo de —
cumplir con esta meta, es por medio de mas horas de tiempo extra de la-
fica a la tercera meta. Por lo tanto esta meta tiene que ser ignorada.
Fig. 2-5
de-
puede ser usada aún para tratar de resolver el problema cuando no hay —
han sido cinco discos por hora para los vendedores de tiempo completo y-
dos discos por hora para los vendedores de medio tiempo. Los rangos de-
sueldo promedio por hora son $3 para los vendedores de tiempo completo y
ta de un disco as $1.50.
el próximo mes debe ser de 5,500 discos. Como la tienda se abre seis -
res (no necesariamente tiempo extra, pero si horas extras para los ven-
dedores de medio tiempo). El gerente cree que una buena relación obre-
inestable sin tiempo extra. Sin embargo el siente que el tiempo extra-
de más de 100 horas al mes entre los vendedores de tiempo completo debe
1.- La primera meta es alcanzar una meta de ventas de 5,500 discos para-
el mes siguiente.
tante para una buena relación obrero patronal. Sin embargo, el está con
po en una proporción de 2 a 1.
tricciones:
es una función del total de horas trabajadas por los vendedores de tiem
por hora).
(2-14) + 2X 2 + d~ - d* = 5,500
donde:
Las horas de los vendedores son determinadas por las horas de trabajo -
regular para cada tipo de vendedor y el numero de vendedores empleados-
tal de horas al mes para los vendedores de tiempo completo, con cinco -
X + d d = 8 0 0
1 2 ~ 2
(2
~15) x
2 + d
3 " d3 = 320
donde:
ble de desviación a minimizar para realizar la meta, uno debe crear una
das antes. Por lo tanto debemos introducir una nueva restricción. Aho_
del tiempo extra para los vendedores de tiempo completo como una parte-
m
(2-16) 4 * * 4 *
donde:
d¡* = Diferencia entre el tiesto éáefcra áscttfal & los vendedores de tiempo
ción, tememos que convertirla, de algún moda que quede expresada en fun-
de (2-15) .
x + d 800
d-2 = i 2 -
sustituyendo
d2 en (2-16) tenemos:
X x + d¡ - 800 + d~ - d* = 100
Como d^ para esta meta toma un valor de cero entonces la ecuación ante-
rior se convierte en :
X + d d - 900
(2-17) 1 4 " 4
mulado así:
S. r.
Xj +d~ = 800
C2
'l8) X2 ^ -d+ - 320
x d d d d d d d d 0
l» l" 2* 3» 4» t» 2» 3» 4
y medio tiempo es 5 a 2, mientras que la razón del salario por hora para
extra es $3.00 para los vendedores de tiempo completo y $ 1.00 para los
Fig. 2-6
a 100 horas por mes. Minimizando d^, el área solución viene a ser e l —
guiares para los vendedores de tiempo completo y medio tiempo. Como le-
Fig. 2-8
La cuarta meta es la de minimizar la suma de el tiempo extra dado a los
tiempo y una vez al peso del tiempo extra de los vendedores de tiempo -
zar d*. Sin embargo, si nos movemos abajo hacia B con el fin de mininri
+
+
solución.
tas con ejemplos relativamente simples. Los pasos que se deben seguir-
mizar con el fin de realisar cierta meta, una nueva restricción debe —
viación.
variables de desviación que son relevantes para alcanzar una meta. Se-
Ejemplo # 1.
S.R.
X : + X2 + dx~ -di+ = 80
(3-1)
X + +d = 70
1 2~
X¿ + +d3" = 45
x x + X2 -ha4" -d4+ - 90
x x d 1 d
l» 2* l 2 * d3 ' d4 ' dl+í d
4+ ~ 0
blema por el método gráfico. Sin embargo, como ahora utilizamos el mé-
(3-2) d. + + d ~ - d.. + = 10
donde:
S.r.
XJ + X 2 + DJ~ = 70
X +¿2" * 45
1
x2 +d 3 ~ = 10
d + d
u" i+ - d
ll+ - 0
X r X^ » d 2 ' d 3 ' d ll * d l * d ll
Antes de que sea presentada la primera tabla del método simplex para el-
nales. Esto implica que el criterio simplex (Zj o Zj - Cj) no puede ser-
neal.
desviación.
nivel de prioridades.
C, I P, 5P¿ 3P3 Pj P:
p, 80 i! 1 1 \ l
¿7
1
»3 üí 70
O l
-•P3 dj 45 l 1
du ,0 1 1 1 ,
I
<
P. 0 1
w P3 485 5 3
P, U- -1
N
Pi 80 1 1
TABLA 3-1
=
Naturalmente, no hay tiempo extra en la planta (d^ 0)• Por lo tonto,
d-j+ tiene que ser cero. Entonces el tiempo extra de la planta en exceso
=
de 10 horas (dj^ ) también debe ser cero 0). Consecuentemente -
numero de variables. Por esa razón, con el fin de hacer la tabla mas —
recer cero.
U tabla.
B a
485, 0 y P^ 80) en la columna de constantes representan la p o r —
ventas para los materiales para tapicerías y vestido. Como esas dos me^
se
bas cero. Para la columna puede fácilmente calcular el valor
tonces Zj - Cj será (-P^ - P^J. Entonces se pone un menos uno (-1) en-
columna indica cero Zj. Sin embargo su valor para Cj es P^. En-
(3*1), hay dos valores positivos idénticos en las columnas X^ y Xj. Con
ría será afectada. Esto está claro de una observación de los coeficien
P¡ Pj P:
I C */ Xj d, J* Ji J,i dî,
p. d,
"l
10
70
O - l
1
1
d, •XS 1 1
d,, 10 i 1 1
P4 .0 1
P» 3 c,
P, 0 1
N
1 1 1
*
P, 10
TABLA (3-2)
h SP<
V C di d; d11 dj dî ¡
*2 10 ) 1 1 \
70 1
3S 1 1
-O
3P, d., \ !
d,i 10 !
P4 0 1
O P3 IOS -3 _2 3
P2 0 I
P, 0 -1
TABU. (3-3)
La solución indica que la producción de 70,000 yardas de Biatéfial para -
los coeficientes en (Zj - Cj) son negativo o cero como se muestra en la-
tabla (3-3).
el sentido de que esa solución capacita al que toma las decisiones para-
\ C X¡ X2 df d- di d¡ i dj d¡,
Xi 20 1 1 1 i
>•i 70 ] l
d, 2S 1 1 I I
Pa 10 1 1
PA 10 ] -i
75 t -3 3
F3
0 -
lT
ísf P2
P. 0 1
TABLA (3-4)
d
ll+ * Obviamente, podemos tratar de alcanzar la tercera meta en una —
en
de la segunda. Entonces no podemos meter I a solución. La misma
por metas por el método simplex modificado, podemos resumir los pasos -
mero, buscamos el nivel de prioridad más alto que no haya sido compl¿ *-
positivos en (Zj - Cj) en el nivel de prioridad más alto, hay que che_
existe un engate cuando las constantes son divididas entre los coefi-
las metas de más alto orden primero y por lo tanto reduce el numero -
de iteraciones.
de programación lineal.
ridad más alto para el valor (Zj - Cj) positivo en el renglón de Ín-
Analice iareaiisé-
ciSo á* tetas.
Parar
ttg. fe*
Bjeaplo 9 2.
Mia + + +
V i +
V u • V T W » A *
S.r.
5Xj + 2 I 2 + dj -d, 5,
(3-4)
X, -d.
*2
+d. -d. 320
21
+ < V 100
X
l ' X 2» d
l» d
3 ' d 21' d l» d
2'
El problema involucra cuatro factores de prioridad y 10 variables, dos -
en la solución inicial.
Ct P¡ P3 P4 &4
V C dj d~2 dj 1 df <íí dí dh
Pl dr 5500 5 2 1 -]
2P3
P3
á-2
dS
800
320
© 1
1
1
-1
-1
d:, 100 1 1 -l
P« 0 -1 -3
1920 1 _2 -1
P3
0 -1
rvf P2
P. 5500 5 1 -1
SSÍLA 0-5)
2. DETERMINE U NUEVA VARIABLE SE ANTEADA
loción base.
los oseros valores del rengloa iH&ye (A^*} como las valores anterio-
X) X2 dïj dj dt d
R C d] d~: ds 3 d21
P. 1500
-i 1 5 -1 5
XI 800 1 1 -1
1
O
DÏ 320 1 1 -1
DI, 100 -1
P. 0 -1 3
P3 320 1 -1
P: 0 » -1
NÍ"
P, 1500 2 5 -1 5
TABLA (3-6)
ai cinco.
del problema.
La solución óptima indica que las primeras tres metas están complet¿
1 c X í, 1, d, d¡ d ¡Í d' Jî à',
Pl Ji
X ,
1000
900 1
2 1 S
1
5
1
1
©
p ¿3 320 !
I, <li 100 1 1 1
P4 100 i 3 1
o Fj 320 ] 1
0 1
sT
P 1000 2 s s 1 5
di 320
300
CD
2 S 1/5 1
1
1/5 1
1
di
300 2 5 1 5 1 1/5 3
Pj 320 1 !
P, 0 ]
P2 J21
X,
72
972 1
1/5
1/5
1 2/5
2/5
1 1/5
1/5
© '
2/5
320 1 J 1
Pj 0 2 1
P, 0 1
*i 900 t 1 1 1
P< a; 100 1 1 1
Pj 0 2 1
p2 0 1
NT
p. 0 1 !
I
TABLA (3-7)
Ejemplo # 3.
prioridad preferenciales.
unidad para los tres tipos de computadoras son $ 100,000 para la Alfa,-
do a su importancia:
la línea de ensamble.
ras Alfa, cinco Beta y ocho Gammas (deben ser asignados pesos dife-
tipos de computadoras).
3.- Limitar el tiempo extra de la línea de ensamble a 20 horas.
tes restricciones:
es de 170 horas. Con esta capacidad, la firma produce tres tipos de com
mero de horas) para una unidad de cada tipo de computadora. Así que po-
cono:
donde:
línea de ensamble
II) R E S T R I C C I O N E S D E VENTAS
X + d d + = 5
1 2 ~ ~ 2
+
(3-5A) X 2 + d 3 ~ - d 3 = 5
X + d d
3 4~ ~ 4+ = 8
Xj + d 5 ~ - d 5 + = 10
C3-5B) X2 + d6~ - d 6 + = 12
X3 + d?" - d ? + = 10
(3-5 c) d| + d^ - dx~ = 20
donde:
por metas:
S.r. - +
+ 21P,d, + P c d.
4 / 5 1
5X + 8X + 12X + d
(3-5D) 1 2 3 í "dl " 170
X = 5
1 «2 - 4
X2 - 5
X.
3
+d74 -dí
4
X, ++dZ
d -dí = 10
1 5 'd5
X, +d¡ -dl = 12
X3 - 10
d'11
" + dí
"1 -d,í
U
11 = 20
0
+ ,+ .+ .+ ,+ ,+ , + -
X ,X X ,d d ,d ,d ,d ,d d ,d d ,d ,d d ,d d ,d >d
l 2' 3 l» 2 3 4 5 6' 7 ll' l 2 3' 4 5' 6 7 ll
En la función objetivo del modélo anterior asignamos pesos diferencia—
criterio usado para asignar los pesos fué el margen de utilidad relati-
entre las hojas de operación requeridas para producir cada tipo de com-
Se presentan las tablas inicial y final (3-8) y (3-9) del método simplex
„ ** «
(3-9) se puede ver que las primeras tres metas fueron totalmente alcan-
zadas, mientras que las ultimas dos no. La solución es por lo tantot
— T
1 P, 20P2 18P2 2ÍP2 2OP4 i8P4 2IP4 Ps Ps
C /
1
V c X2 x3 dj d] dt di d? dj, df d¡ df d¿ üy di,
170 5 8 12 1 -1
Pl d?
20P2 5 1 1 -1
dj
18P2 d, 5 1 -1
21P; di 0) 1 -1
20P4 d? 10 1 1 t
|8P4 d; 12 1 1 -1
21P4 d7" 10 1 \ -l
di, 20 I 1
Ps 0 -1
—. P4 626 20 18 :i -20 -18 21
P3 0 1
P 2
358 20 18 21 20 -18 21
170 5 8 12
Pi
TABLA (3-8)
p5 20 -1
P4 154 -9/4 -35/4 13 7/4 - 6 -20 -18 -21 74
P3 0 -1
P2 0 - 2 0 -18 -21
p, 0 -1
TABLA (3-9)
ALGUNAS COMPLICACIONES Y SU RESOLUCION
(3-7) 5X x + ^ + d* - = 25
ceder durante las iteraciones que dos o mas columnas tengan exacta-
mente el mismo valor (Zj - Cj) positivo en el mas alto nivel de me-
prioridad más bajos. Si el empate aun así no puede ser roto, la se^
SOLUCION ILIMITADA
submetas al mismo nivel de prioridad cuando hay mas de una meta sim-
S.r.
5X t + 2X 2 + d~ -d+ " 5,500
Xx +d~ -d 2 = 800
(3-8) _ +
X2 +d 3 -d 3 = 320
d„7
1
21 + +dt
2 -d21
07 = 100
X 1 ,X 2 ,d 1 ,d 2 , d 3 ,d 2 1-,d 1 ,d 2 ,d/3 M
' o21
í - 0
cuarta meta no puede ser realizada, debido a que la suma del tiempo extra
de oportunidad involucrados.
Fig. 3-2
C A P I T U L O # IV
RECURSOS ACADEMICOS
Introducción
largo plazo para una universidad entera, el enfoque de este estudio es-
año. Este enfoque limitado admite una clara presentación del desarro—
estudio. Una vez que el modelo básico esté completo para un año, este-
puede ser extendido (no obstante que no es una tarea simple) para un —
El Modelo General
tantes y restricciones:
VARIABLES
X = Número de instructores
3
CONSTANTES
3
a^ Porcentaje del personal académico que está clasificado como profeso-
m
Porcentaje del personal académico a nivel licenciatura con grado.
s
a^ Porcentaje del personal académico a nivel graduados con grado.
s
ao Proporción deseada profesor/personal administrativo,
o
año escolar.
escolar.
trativo.
Cargas de enseñanza máximas, proporción deseada de cada tipo de profeso^
CARGAS DE ENSEÑANZA
x c b s
i i h 'i i
C b b S
2 2 '2 1
X3 c3 b3 b'3 s2
X C b b S
4 4 4 '4 3
X C b b S
5 5 5 '5 4
X C b b S
6 6 6 *6 5
X C b b S
7 7 7 '7 6
X C b b S
8 8 8 '8 7
S,
*9
Y C b b s
1 9 9 *9 3
Y C b b S
2 10 10 ' 10 4
y c b b s
3 n n 'n 5
Y C b b S
4 12 12 'l2 6
Y b b S
5 °13 13 'l3 7
Restricciones
A. Acreditación
de tiempo completo.
6 3 8 5 >
(4-1) ( E X. + X. + l Yi + Y s ) / ( E Xi + 2 Yi) - a
i-3 1 * i=l i=2 i-1
ciones .
3
ridos para poseer grado. Si suponemos para este modelo que de ~
3 7 3
Z Yi /( E X i + E Yi) - a9
i=l i-2 i-1
(4-2)
5 5
Z Yi /( X Q + Z Yi) - a,
enseñanza.
por sesión* Con esta información mas las cargas maximas de enseñan-
7 5
Z bi Xi + Z bi + 8 Yi - a, (licenciatura)
i-2 i»l *
(4-3)
7 • 5 t
2 bi Xi + l bi + 8 Yi - a5 (graduados)
i«2 i»l
diante.
7 3
>
( l Xi + l Yi)/bu - a6 (licenciatura)
i*2 i«l
(4-4) Js
>
(X g + £ Yi)/ b 1 5 - a7 (graduados)
8 < 8
TT Ci T - TT Xx
i-2 i*2
r T - Y
C
(4-5) 12
3 3
>
tt Ci T - Tí Yi
i=l i-1
C13t i Y5
8 5
Z Xi + £ Yi
i-2 i-1
personal administrativo.
8 5
(4
"6) 2 Xi + 2 Yi) / X Q - aft
y
i-2 i-1
8 5
(4-7) ( 2 Xi + 2 Yi) / Xi - aQ
y
i-3 i—1
F. INCREMENTO SALARIAL
nal es:
2
7 7
b
16< S l Xi) + b
17 (S
2X3 +
= Si X
i+1 +
* Si
W
i»l i=3 i»3
(4-8)
+ b ( w
18 W *
Sl l Xi + S 2 X 3 + E Si X . + 1 + Z Si Y. + SgY + w = p
i=1 i=3 1 i=3
(4-9)
UN EJEMPLO NUMERICO
tan tes.
A. ESTRUCTURA DE PRIORIDADES
graduado .
Py = Minimizar costos
nal total.
X 0 0 - - $ 3,000.00
1
X2 6 0 7% - 3,000.00
X3 12 0 7 - 8,000.00
X 9 0 15 - 13,000.00
4
X 9 0 5 - 15,000.00
5
X 6 0 2 - 17,000.00
6
X 3 0 1 - 2,000.00
7
X 0 3 - 1% 30,000.00
8
X - - - - 4,000.00
9
Y 6 3 - 21 13,000.00
1
Y 6 3 - 14 15,000.00
1
Y 3 3 - 23 17,000.00
2
Y 0 3 2 - 2,000.00
3
Y 0 3 - 2 30,000.00
5
B. RESTRICCIONES
6 3 8 5
(4-10) Z Xi + X Q + Z Yi + Y. - 0.75 ( E Xi + Z Yi) + d, - d. 0
-_-) O • i J -i i 1
+
(4-13) 6X 2 + 12)^ + 9X 4 + 6X 6 + 3X ? + 6Y : + 6Y 2 + 3Y 3 + d~ - d* * 910
y para graduados
8 _ .
(4-16) X,, + Z Yi + d 7 - di «= (0.10) (100) = 10
i-1
3. Restricciones para la Distribución del Personal Académico
0.Q7T - x 2 + d ¡ -
< -
0
0.07T - 0
II
X + d
3 ¡"
Q.15T - X + d = 0
4 l¡
0.05T - x 5 + d¿ d = 0
' ll
0.02T - X + d = 0
6 l"2
0,01T - x 7 + d¿ d = 0
13
0.01T - + d = 0
*8 l¡
0.21T - Y + d
s 0
1 l¡
0.14T - Y + d = 0
2 l¡
0.23T - Y 3 + d x ; = 0
0.02T - Y + d = 0
4 l¡
donde
8 5
T - Z Xi + Z Ti
i-2 i«l
tricción es entonces:
T 4X + d
C4-18) " 9 20 ' d 20 - 0
4. Número de Asistentes Investigadores Graduados
trativo.
corno:
2
0.06 (3,000 l Xi) + 0.08 (8,000 X,, + 13,000 X.
3 4
i*l
(4-20)
+ 15,000 X 5 + 17,000 X 6 + 2,000 X ? + 30,000 X g
13 _ 17 +
+ P d + P d I + P d + P Z di
(4-22) 3 ¡ 4 \ 4 l¡ 4 . 1A
1=8 i=14
+ + P d + + P d
V l 9 5 20 V 2 Í 7 23
D, Solución
Realización de Metas
Acreditación Alcanzada
Incremento Salarial
Académico
A ' |t
Variables
32 X
6
42
10 Y2 * 20
H 7'
10 w « $17é,000 Y 3 - 34
X 4 = 22 1
0
Xe"
CONCLUSION: