Investigacion de Operaciones Ultima Entrega

SEMANA 7
INVESTIGACIÓN DE OPERAIONES
FINAL
Presentado por:
OSCAR JAVIER VILLEGAS
HEINER ROJAS CERON
Presentado a:
JOSE JULIAN MUÑOZ
Tutor
INSTITUCIÓN UNIVERSITARIA POLITECNICO GRANCOLOMBIANO
NOVIEMBRE
2015
INVESTIGACIÓN DE OPERACIONES Página 1

Contenido
1. INTRODUCCIÓN: ............................................................................................. 3
2. OBJETIVOS:..................................................................................................... 4
2.1. OBJETIVO GENERAL ................................................................................... 4
2.2. OBJETIVOS ESPECIFICOS: ........................................................................ 4
3. JUSTIFICACIÓN: .............................................................................................. 5
4. NATURALEZA Y CARACTERÍSTICAS DE LOS PROBLEMAS DE
PROGRAMACIÓN POR METAS. ........................................................................... 6
5. TIPOS DE METAS, VARIABLES DE DESVIACIÓN SOBRE LAS METAS ...... 7
5.1. Existen tres tipos: .......................................................................................... 7
5.2. Existen tres posibles situaciones. .................................................................. 7
6. EJEMPLO PRÁCTICO:..................................................................................... 8
7. BIBLIOGRAFIAS: ........................................................................................... 11

1. INTRODUCCIÓN:
La mayoría de las situaciones de decisión real, sean personales o profesionales, se

caracterizan por metas (atributos) y objetivos múltiples más que por un simple
objetivo. Estas metas pueden ser complementarias, pero frecuentemente son
conflictivas entre ellas y también inconmensurables La Programación meta es una
técnica de resolución de problemas multicriterios, que permite escoger las variables
que ofrecen una mejor solución al problema planteado, teniendo la gran ventaja que
permite trabajar con metas medidas en distintas unidades e incluso contrapuestas.
La filosofía de los problemas de programación meta es muy similar a los de
Programación Lineal, sólo que ahora además de las restricciones estructurales, se
pueden tener varios objetivos simultáneos, los cuales se desean alcanzar. Como la
existencia de un objetivo que puede ser alcanzado o no.

2. OBJETIVOS:
2.1. OBJETIVO GENERAL
Comprender a Enfocar lo Básico la Programación por Objetivos para así establecer

un objetivo numérico específico para cada uno de los objetivos, formular una función
objetivo para cada uno y después buscar una solución que minimice la suma
ponderada de las desviaciones de estas funciones objetivo de sus metas
respectivas.
2.2. OBJETIVOS ESPECIFICOS:
 Comprender la Programación por Objetivos para proporcionar una manera

racional de alcanzar varios objetivos de manera simultánea, jerarquizando
los mismos o asociándole una ponderación a cada uno.
 Aplicar los diferentes tipos de metas como también las restricciones de las
metas en la cual ayudaran aplicarlas en la vida cotidiana y buscar la solución
numérica más óptima y no hayan pérdidas de cualquier tipo.
 Contextualizar La Función Objetivo en la cual depende del procedimiento,
esto se deberá si se consideran los diferentes objetivos de manera
simultánea (Objetivos sin prioridades) o si por el contrario se adopta un
procedimiento secuencial (Objetivos con prioridades).

3. JUSTIFICACIÓN:
Existen diversas definiciones en textos, pero se podría decir que la investigación de

operaciones es un enfoque científico interdisciplinario para la solución de
problemas, que envuelve la interacción compleja, dinámica y subjetiva de hombres,
métodos y sistemas, a los cuales, en algunos casos no se les puede proporcionar
una solución exacta por medio de los procedimientos matemáticos o por medio de
técnicas de ensayo y error. Utilizando modelos matemáticos como un recurso
primario, la metodología de la investigación de operaciones está diseñada para
cuantificar y acotar estos problemas dentro de un marco de restricciones
específicas, medidas, objetivos y variables, de tal forma que se busquen controles
óptimos de operación, decisiones, niveles y soluciones.
Como futuros ingenieros industriales debemos comprender que la programación

matemática es quizás el área más desarrollada de la investigación de operaciones.
Cubre tópicos tales como: Programación lineal, programación de redes y
programación estera, además de otras variantes de métodos de programación tales
como programación de metas, en este curso nos ocuparemos de la programación
lineal y sus diversos métodos y técnicas de solución para una adecuada toma de
decisión.

4. NATURALEZA Y CARACTERÍSTICAS DE LOS PROBLEMAS DE
PROGRAMACIÓN POR METAS.
La función objetivo para un problema de programación por meta siempre es

minimizar alguna combinación de variables de desviación. Desde un punto de vista
de toma de decisiones administrativa, esto significa que se está buscando la
combinación de variables reales por ejemplo (mesas y sillas) que cumplan mejor
con todos los objetivos. Esto podría llamarse optimizar un conjunto de objetivos
"satisfactorios" o satisfacer.
La forma exacta de la función objetivo varía según la respuesta a estas dos
preguntas:
1. ¿Son conmensurables o proporcionales los objetivos?

2. ¿Cuál es la importancia relativa de cada objetivo?
• Objetivos conmensurables de igual importancia: este es el caso más

sencillo, aunque muy pocas veces se encuentra en la práctica. Aquí los
objetivos se miden en una escala común (conmensurables y tienen la misma
importancia.
• Ponderación preferente de los objetivos: las ponderaciones de preferencia
pueden aplicarse a cualquier grupo de objetivos conmensurables. Las
ponderaciones deben reflejar la utilidad o el valor de los objetivos.
• Rango de prioridad de los objetivos: ¿qué pasa cuando los objetivos no son
conmensurables, cuando no hay una escala común para comparar las
desviaciones de los diferentes objetivos? Este es un caso importante, al que
se enfrentan con frecuencia los administradores.
Si el administrador puede ordenar o dar un rango para sus metas entonces la

solución es posible. Quizás no sea una tarea fácil dar un rango a los objetivos de
acuerdo con su importancia pero es algo que la mayoría de las personas entienden
y pueden lograr. En la programación por objetivos se le asigna la prioridad P1al
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. Los problemas
de programación por meta se resuelven en orden de prioridad. Es decir, se prueba
la optimización en el nivel de prioridad más alto ignorando las prioridades más bajas
hasta optimizar este nivel.

5. TIPOS DE METAS, VARIABLES DE DESVIACIÓN SOBRE LAS
METAS
5.1. Existen tres tipos:
a) una Meta unilateral inferior: establece un límite inferior por abajo del cual no
se quiere ir (pero se aceptan desvíos a la meta que deberá minimizarse) Ej.
: a11x1+ a12x2 ≥ Meta1
b) una Meta unilateral superior: establece un límite superior que no se quiere
exceder (pero se aceptan desvíos a la meta que deberá minimizarse) Ej. :
a21x1+ a22x2 ≤ Meta2
c) una Meta bilateral establece un “blanco” específico que no se quiere perder
hacia ningún lado. Ej. : a31x1+ a32x2 ≤ Meta3
Una vez definidas las metas y aclarado el significado de las variables de desviación
pasamos a introducir el concepto básico de variables de desviación no deseadas.
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 (esto es, cero).
5.2. Existen tres posibles situaciones.
a) La meta deriva de un atributo del tipo más del atributo mejor (i.e., satisfacer
fi(x) ≥ ti). En estos casos, la variable no deseada (a minimizar), será la
variable de desviación negativa (cuantificación de la falta de logro).
b) La meta deriva de un atributo del tipo menos del atributo mejor (i.e., satisfacer
fi(x) ≤ ti). En estos casos, la variable no deseada (a minimizar), será la
variable de desviación positiva (cuantificación del exceso de logro).
c) La meta deriva de un atributo del que se quiere alcanzar exactamente su
nivel de aspiración (i.e., satisfacer fi(x) =ti). En estos casos, tanto la variable
de desviación negativa como la positiva son variables no deseadas y por
tanto variables a minimizar. El propósito general de la PM consiste en
minimizar una cierta función de las variables de desviación no deseadas.
Esta función recibe el nombre de función de logro.

6. EJEMPLO PRÁCTICO:
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 y 100 kg
de 100 kg de C. el proceso 2 entrega 100 kg de A. 100 kg B y 100 kg. De D por
hora. El departamento de marketing de la compañía ha especificado que la
producción diaria debe ser no más de 500kg de B y 300 kg de C y al menos 800kg
de A y 100 kg de D. una corrida del proceso 1 tiene un costo de 500 bs/h. y una
corrida 2 tiene un costo de 100 Bs/h. suponga que un kg de cada químico A,B,C, se
pueden vender en 1,5,5 Y 4 Bs, respectivamente y que las ventas del proceso 1 es
de 1400 Bsf/h. y 1000 Bs/h, así como también las ganancias del proceso 1 son de
900 y del proceso 2 900 bs. Formula un modelo de programación lineal para
alcanzar las siguientes metas: que los costos se encuentren por debajo de 30000
Bs, que las ventas aumentes 100000 Bs y que las ganancias aumenten 200000 Bs.
Primero se deben organizar los datos del ejercicio de una tabla para visualizarnos
mejor.
Proceso Kg/h.
Producto Producción
Ventas Bsf/kg
Kg/día
Producción
1 2 Ventas Bsf/kg
Kg/día
A 400 100 800 1
B 100 100 500 5
C 100 300 5
D 100 100 4
Costo Bsf/h. 500 100
ventas 1400 1000
Ganancias 900 900
Se definen las variables a utilizar:
𝑇1 = 𝑡𝑖𝑒𝑚𝑝 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 1 (ℎ)
𝑇2 = 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 2 (ℎ)

Se coloca la función objetivo (F.O.)
𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍1 = 500𝑇1 + 100𝑇2 𝑐𝑜𝑠𝑡𝑜𝑠
𝑚𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍2 = 1400 𝑇1 + 1000𝑇2 𝑣𝑒𝑛𝑡𝑎𝑠
𝑚𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍3 = 900 𝑇1 + 900𝑇2 𝑔𝑎𝑛𝑎𝑛𝑐𝑖𝑎𝑠
Sujeto a:
Las restricciones:
400 𝑇1 + 100 𝑇2 ≥ 800
100 𝑇1 + 100 𝑇2 ≤ 500
100 𝑇2 ≤ 300
100 𝑇1 ≥ 100
𝑇1 , 𝑇2 ≥ 0
< >
F.O Meta
+ -
𝑍1 𝑥1 𝑥2 ↓ 30000
𝑍2 𝑥3 𝑥4 ↑ 100000
𝑍3 𝑥5 𝑥6 ↑ 200000
Después que se realiza la tabla seleccionan las variables que sobrepasan la meta
a las variables que representa la cantidad que falta para alcanzar la meta, para
entonces penalizarlas. En este caso las variables son las que están dentro del
recuadro rojo, ya que x2 sobrepasa la meta de los costos, x3 está por debajo de la
meta planteada de ventas al igual x5 por la parte de las ganancias.
< >
F.O Meta
+ -
𝑍1 𝑥1 𝑥2 30000 ↓
𝑍2 𝑥3 𝑥4 100000 ↑
𝑍3 𝑥5 𝑥6 200000 ↑
Razonamiento:
500 𝑇1 + 100 𝑇2 + 𝑥1 − 𝑥2 = 30000 → 𝑝𝑎𝑟𝑎 𝑙𝑜𝑠 𝑐𝑜𝑠𝑡𝑜𝑠
1400𝑇1 + 1000 𝑇2 + 𝑥3 − 𝑥4 = 100000 → 𝑝𝑎𝑟𝑎 𝑙𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑠

900 𝑇1 + 900 𝑇2 + 𝑥5 − 𝑥6 = 200000 → 𝑝𝑎𝑟𝑎 𝑙𝑎𝑠 𝑔𝑎𝑛𝑎𝑛𝑐𝑖𝑎𝑠
𝑇1 , 𝑡2 𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 , 𝑋5 , 𝑋6 > = 0
Se eliminan las funciones objetivos, pero se debe tener 1, para eso se necesita
minimizar las violaciones por lo que se penaliza las variables que no me convengan.
Finalmente consigue la función objetivo.
𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍4 = 𝑋2 + 𝑋3 + 𝑋5

7. BIBLIOGRAFIAS:
 Mosquera W. (2011). Teoría de sediciones, recuperado de la página en la

fecha de 9 de noviembre de 2015,
http://datateca.unad.edu.co/contenidos/200608/200608%20PROTOCOLO%
202014/modulo.html
 Roche H. (2005). MÉTODOS CUANTITATIVOS APLICADOS A LA
ADMINISTRACIÓN, recuperado de la página en la fecha de 9 de noviembre
de 2015, http://www.ccee.edu.uy/ensenian/catmetad/material/MdA%20-
%20PPO%20_25p_.pdf
 Guzmán G. (2009). Métodos determinísticos, recuperado de la página en la
fecha de 9 de noviembre de 2015,
http://datateca.unad.edu.co/contenidos/102016/CONTENIDOS/PROTOCOL
O/PROTOCOLO_MD_102016/ficha_tecnica.html
 Quesada V. & Vergara J. (2010). Análisis Cuantitativo con WINQSB,
recuperado de la página en la fecha de 9 de noviembre de 2015,
http://www.eumed.net/libros-gratis/2006c/216/1c.htm
 Romero C. (2008). PROGRAMACIÓN POR METAS (GOAL
PROGRAMMING) : PASADO, PRESENTE Y FUTURO, recuperado de la
página en la fecha de 9 de noviembre de 2015,
http://www.uv.es/asepuma/recta/extraordinarios/Vol_01/04t.pdf
 Marín L. (2013). Programación de metas y objetivos, recuperado de la
página en la fecha de 9 de noviembre de 2015,
http://es.slideshare.net/juanlugomarin/programacion-de-metas-y-objetivos-
16646467

Investigacion de Operaciones Ultima Entrega

Cargado por

Copyright:

Formatos disponibles

Investigacion de Operaciones Ultima Entrega

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion de Operaciones Ultima Entrega

Cargado por

Copyright:

Formatos disponibles

SEMANA 7

OSCAR JAVIER VILLEGAS

HEINER ROJAS CERON

JOSE JULIAN MUÑOZ

INSTITUCIÓN UNIVERSITARIA POLITECNICO GRANCOLOMBIANO

INVESTIGACIÓN DE OPERACIONES Página 1

INVESTIGACIÓN DE OPERACIONES Página 2

La mayoría de las situaciones de decisión real, sean personales o profesionales, se

INVESTIGACIÓN DE OPERACIONES Página 3

2.1. OBJETIVO GENERAL

Comprender a Enfocar lo Básico la Programación por Objetivos para así establecer

2.2. OBJETIVOS ESPECIFICOS:

 Comprender la Programación por Objetivos para proporcionar una manera

INVESTIGACIÓN DE OPERACIONES Página 4

Existen diversas definiciones en textos, pero se podría decir que la investigación de

Como futuros ingenieros industriales debemos comprender que la programación

INVESTIGACIÓN DE OPERACIONES Página 5

La función objetivo para un problema de programación por meta siempre es

1. ¿Son conmensurables o proporcionales los objetivos?

• Objetivos conmensurables de igual importancia: este es el caso más

Si el administrador puede ordenar o dar un rango para sus metas entonces la

INVESTIGACIÓN DE OPERACIONES Página 6

5.1. Existen tres tipos:

5.2. Existen tres posibles situaciones.

INVESTIGACIÓN DE OPERACIONES Página 7

Se definen las variables a utilizar:

𝑇1 = 𝑡𝑖𝑒𝑚𝑝 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 1 (ℎ)

𝑇2 = 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 2 (ℎ)

INVESTIGACIÓN DE OPERACIONES Página 8

𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍1 = 500𝑇1 + 100𝑇2 𝑐𝑜𝑠𝑡𝑜𝑠

𝑚𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍2 = 1400 𝑇1 + 1000𝑇2 𝑣𝑒𝑛𝑡𝑎𝑠

𝑚𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍3 = 900 𝑇1 + 900𝑇2 𝑔𝑎𝑛𝑎𝑛𝑐𝑖𝑎𝑠

400 𝑇1 + 100 𝑇2 ≥ 800

100 𝑇1 + 100 𝑇2 ≤ 500

500 𝑇1 + 100 𝑇2 + 𝑥1 − 𝑥2 = 30000 → 𝑝𝑎𝑟𝑎 𝑙𝑜𝑠 𝑐𝑜𝑠𝑡𝑜𝑠

1400𝑇1 + 1000 𝑇2 + 𝑥3 − 𝑥4 = 100000 → 𝑝𝑎𝑟𝑎 𝑙𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑠

INVESTIGACIÓN DE OPERACIONES Página 9

Finalmente consigue la función objetivo.

INVESTIGACIÓN DE OPERACIONES Página 10

 Mosquera W. (2011). Teoría de sediciones, recuperado de la página en la

INVESTIGACIÓN DE OPERACIONES Página 11

También podría gustarte