Scribd
Cargar
397 vistas

Io 2

Este documento presenta un ejemplo de programación por metas para una empresa de computadoras llamada Conceptual Products. La empresa produce dos modelos de computadoras y tiene tres metas: cumplir con un contrato semanal de 200 computadoras CP400, producir un total mínimo de 500 computadoras semanalmente, y obtener al menos $250,000 en ganancias semanales. Se formula un modelo matemático con variables, restricciones y funciones objetivo de acuerdo con las prioridades de cada meta. La solución óptima maximiza el cumplimiento de las met

Cargado por

Oscar Bousquet
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
397 vistas

Io 2

Este documento presenta un ejemplo de programación por metas para una empresa de computadoras llamada Conceptual Products. La empresa produce dos modelos de computadoras y tiene tres metas: cumplir con un contrato semanal de 200 computadoras CP400, producir un total mínimo de 500 computadoras semanalmente, y obtener al menos $250,000 en ganancias semanales. Se formula un modelo matemático con variables, restricciones y funciones objetivo de acuerdo con las prioridades de cada meta. La solución óptima maximiza el cumplimiento de las met

Cargado por

Oscar Bousquet
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 10

Instituto Tecnológico de Celaya

Investigación de operaciones 1

Investigación: Programación por


metas

Alumnos:

Bousquet Gonzalez Oscar Alfredo

Medina Galvan Hannah Michelle

1
ÍNDICE
1.- Introducción...................................................................................................7

2.- Programación por metas.................................................................................8

2.1.- Aspectos básicos de la programación por metas…………..…..……….….9

3.- Ejemplo………..……………....………..…....……………………………...………..9

4.- Comentarios……………………….…………. .……...….…………………………10

5.-Referencias…….....................................…..….……..…………………………….10

2
1.- INTRODUCCION

La programación por metas en la materia de investigación de operaciones es un


tipo de programación lineal, es decir que en esencia es una variación de la misma.

Los orígenes de las técnicas de programación matemática se remontan en la


historia de las matemáticas con respecto a las teorías de ecuaciones y
desigualdades lineales y no lineales y por dichos estudios es reconocido George
Bernanrd Dantzig como el padre de la programación lineal.

Dantzig trabajó arduamente en la búsqueda de técnicas para resolver problemas


logísticos de planeación militar, por lo que a su investigación se sumaron diversos
investigadores que aportaron al tema dando origen a la técnica “programación de
actividades interdependientes en una estructura lineal”, que después fue a
acortado a “Programación lineal”.

A partir del año de 1948 en adelante muchos investigadores trataron de detallar la


técnica de Dantzig, sin embargo Abraham Charnes y William Wager Cooper
introdujeron la técnica en problemas industriales y en su continua investigación
desarrollaron el concepto de “programación por metas”. Este concepto partió
inicialmente como resultado de problemas de programación lineal sin solución.

Sin embargo no se debe de descartar que aunque ambas son técnicas de la


investigación de operaciones y son herramientas importantes para el tomador de
decisiones, la programación lineal propone maximizar o minimizar una meta y la
programación por metas tiene la ventaja de trabajar con varias metas
estableciendo niveles de prioridad y preferencias, respecto a las diferentes metas
que se proponen, lo que no se puede hacer con la programación lineal.

3
2.- PROGRAMACIÓN POR METAS

Es un enfoque del análisis de decisión, capaz de manipular varias metas que


pueden ser contradictorias, por medio de prioridades; Proporcionando una
solución simultánea a todas ellas.

Esta técnica formula un modelo de la situación a tratar y determina una solución a


dicho modelo, este acompañado de un análisis subjetivo, es decir de acuerdo a el
criterio del tomador de decisiones y con ello determinar la ruta o acción a seguir.
(Trata las restricciones de un problema de programación lineal, como metas en la
función objetivo).

La optimización en esta técnica significa llegar tan cerca como sea posible al logro
de estas metas con respecto al orden de prioridad.

Así como en la programación lineal, cada meta entra en la formulación del


problema con una restricción de igualdad que contiene variables de holgura,
indicando el logro o sublogro de las metas. La función objetivo condiciona estas
variables y una solución procurara minimizarlas en orden de prioridad. Por lo que
otra diferencia entre ambas técnicas es que en la programación por metas permite
el logro total o parcial de las metas que a diferencia de la técnica de programación
lineal requiere la satisfacción de todas las metas presentadas en el modelo por las
restricciones.

2.1 .- ASPECTOS BÁSICOS DE LA PROGRAMACIÓN POR METAS

El enfoque básico de la programación por metas es establecer un objetivo


numérico específico para cada uno de las metas, formular una función objetivo
para cada uno y después buscar una solución que minimice la suma ponderada de
las desviaciones de estas funciones objetivo y sus metas respectivas.

Función objetivo:

La función objetivo siempre será minimizada con variables de desviación y en la


cual aparecerán las prioridades.

La estructura de cada meta seguirá el modelo:

Fi(x) + ni – pi = ti

4
En la expresión Fi(x) representa la expresión matemática de la meta, a la que se
le añaden dos variables de desviación (ni y pi). ni, representa un valor faltante
para llegar a la meta y pi representa un valor excedente por sobre la meta.

En ocasiones, para el cumplimiento de la meta, conviene más que cierta variable


alcance su valor más pequeño, que es cero. Esa variable es una variable de
desviación no deseada. Las ocasiones que se pueden dar son las siguientes:

 Cuando la meta es Fi(x) >= ti, la variable no deseada (la que se busca
minimizar) será la variable n (la que indica un faltante).

 Cuando la meta es Fi(x) <= ti, la variable no deseada será la p (excedente).

 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 en


función de las variables de desviación no deseadas. Esta función recibe el nombre
de función de logro” (Romero, 2002).

Resumiendo conceptos:

 El tomador de decisiones (gerente) define su estructura de preferencias.


 Esta definición se hace a través de la jerarquización (ordinal) de los criterios
o metas.
 El tomador de decisiones (gerente) no está dispuesto a sacrificar un
objetivo o criterio (meta) de mayor prioridad para beneficiar otro, de menor
prioridad.
 La optimización de criterios es secuencial.
 El tomador de decisiones (gerente) tiene una función de utilidad lineal de
los criterios.

5
3.- EJERCICIO

Conceptual Products es una empresa de informática que produce las


computadoras CP400 y CP5OO. Las computadoras usan diferentes placas madre
producidas en abundancia por la empresa, pero usan CPU’s y unidades de disco
de proveedores. Los modelos CP40O usan dos unidades de disco flexibles y
ninguna unidad de disco Zip, mientras que los modelos CP5OO utilizan una
unidad de disco flexible y una unidad de disco Zip. Cada semana hay 1000
unidades de disco flexible, 500 unidades de disco Zip y 600 CPU’s disponibles
para Conceptual Products. Se demora una hora en fabricar un CP400 y su
ganancia es de $200.00 y lleva una hora y media fabricar un CP500 y su ganancia
es de $500.00.

La compañía tiene tres metas que se detallan a continuación:

 Cumplir con un contrato de 200 máquinas CP400 semanalmente.


 Producir por lo menos un total de 500 computadoras semanalmente.
 Obtener al menos $250,000 de ganancia semanal.

Variables:

𝑥1 Número de computadoras CP400 producidas semanalmente.

𝑥2 Número de computadoras CP500 producidas semanalmente.

𝑑𝑖 − Cantidad faltante de la meta 𝑖.

𝑑𝑖 + Cantidad excedente de la meta 𝑖.

Restricciones:

 Disponibilidad de disco flexible: 2𝑥1 + 𝑥2 ≤ 1000.


 Disponibilidad de disco Zip: 𝑥2 ≤ 500. Disponibilidad de CPU’s: 𝑥1 + 𝑥2 ≤
600.

Metas:

1. 200 computadoras CP400 por semana: 𝑥1 + 𝑑1 - 𝑑1 + ≥ 200


2. Un total de 500 computadoras por semana: 𝑥1 + 𝑥2 + (𝑑2-) - (𝑑2+) + ≥ 500
3. $250,000 en ganancia: 200𝑥1 + 500𝑥2 + (𝑑3-) – (𝑑3+) + ≥ 250,000 0.2𝑥1 +
0.5𝑥2 + (𝑑3-) – (𝑑3+) + ≥ 250

No negatividad: 𝑥1, 𝑥2, 𝑑𝑖 −, 𝑑𝑖 + ≥ 0 para toda i.

6
Funciones Objetivo:

Prioridad 1: Minimizar el no cumplimiento del contrato: 𝑀𝑖𝑛 (𝑑1-).

Prioridad 2: Minimizar el no cumplimiento de 500 computadoras producidas


semanalmente: 𝑀𝑖𝑛 (𝑑2-).

Prioridad 3: Minimizar el no cumplimiento de la ganancia semanal de $250,000:


𝑀𝑖𝑛 (𝑑3-).

Solución de forma analítica:

𝑀𝑖𝑛 𝑃1 (𝑑1−) + 𝑃2 (𝑑2−) + 𝑃3 (𝑑3−)

2𝑥1 + 𝑥2 ≤ 1000

𝑥2 ≤ 500

𝑥1 + 𝑥2 ≤ 600

𝑥1 + (𝑑1−) – (𝑑1+) = 200

𝑥1 + 𝑥2 + (𝑑2−) – (𝒅𝟐+) = 500

0.2𝑥1 + 0.5𝑥2 + (𝒅𝟑−) – (𝑑3+) = 250

Restricciones 7
Soluciones

Solución mediante software:

Tabla con los valores

8
Tabla de resultados

COMENTARIOS:

Gráfico de solución

9
4.- COMENTARIOS:

Oscar Alfredo Bousquet Gonzalez.

Así como la programación lineal que nos permite analizar un problema o inclusive
una situación la programación por metas tiene un alcance mayor a diferencia del
anterior, aun considerando algunos factores que puedan no cumplir con los
objetivos se intenta que estos puedan cumplir con los mismos sin dejarlos fuera.
Da más alternativas de soluciones que en la vida cotidiana es más común
situaciones similares.

Medina Galvan Hannah Michelle.

En la vida diaria se suele tener más de una alternativa, por lo que en la vida
profesional o al ejercer alguna carrera es

5.- REFERENCIAS:

Taha (2012). Investigación de operaciones. Novena edición. Pearson Educación

https://naps.com.mx/blog/programacion-por-metas-explicacion-y-ejemplo/

Romero (2002). Programación por metas: Pasado, presente y futuro. Universidad


Politécnica de Madrid.

Lee S.M. y Jaaskelainen V., “Goal Programming for Decisión Análisis.” Auerbach
Publishers. E.U.A. 1972

10

También podría gustarte