Investigación Final Io2 Unid 1

1
Flores Aguayo Alejandro Carlos.
Instituto Tecnológico de Colima
Departamento de Ingeniería Industrial
UNIDAD 1. PROGRAMACIÓN POR METAS.
Nombre del Alumno: Flores Aguayo Carlos Alejandro.
Nombre del Maestro: Tejada Castrejón Jesús Francisco.
Nombre de la Carrera
Ingeniería Industrial
Villa de Álvarez, Col., a 05 de Junio de 2023.

2
INDICE.
Índice…………………………………………………………………………. 2 pág.
Introducción…………………………………………………………………… 3 pág.
Desarrollo……………………………………………………………………. 4 pág.
1.1 Definición y conceptos generales…………………………………. 4 pág.

1.2 Modelo general de metas…………………………………………… 8 pág.
1.3 Diferencias entre modelo lineal y modelo metas…………………. 12 pág.
1.4 Modelo de una sola meta…………………………………………… 14 pág.
1.5 Modelos de metas múltiples………………………………………… 17 pág.
1.6 Modelos de subtemas dentro de una meta………………………... 19 pág.
1.7 Métodos de solución…………………………………………………… 22 pág.
1.8 Usos de software………………………………………………………… 24 pág.
Conclusión………………………………………………………………………… 27 pág.
Bibliografía………………………………………………………………………. 28 pág.
3
INTRODUCCIÓN.
La programación por metas es un enfoque en la programación que se centra en

definir una serie de objetivos que deben cumplirse para alcanzar un resultado
deseado. Esta metodología se basa en la teoría de la resolución de problemas
mediante la planificación, lo que significa que se identifican los objetivos, se
establecen las acciones necesarias para cumplirlos y se implementan en el
programa. En la programación por metas, el programador define los objetivos o
metas que se deben lograr y luego el programa se encarga de descubrir cómo
alcanzarlos. Esto significa que el programa se centrará en encontrar la solución
óptima para alcanzar los objetivos en lugar de seguir una secuencia de instrucciones
paso a paso. La programación por metas se utiliza comúnmente en inteligencia
artificial, robótica, sistemas expertos y otros campos relacionados. Utiliza técnicas
como la programación lógica y la inferencia para descubrir soluciones óptimas a
problemas complejos. En resumen, la programación por metas ayuda a los
programadores a centrarse en los objetivos, en lugar de en el proceso, lo que puede
resultar en una solución más eficiente y efectiva a un problema dado. La
programación por metas es una técnica de programación utilizada en inteligencia
artificial y en otros campos de la informática. El objetivo de la programación por
metas es definir un conjunto de objetivos, o metas, que un programa debe alcanzar,
y luego encontrar una secuencia de acciones que conducirán a la consecución de
esas metas. El programa se ejecuta mediante la resolución progresiva de las metas,
dividiéndolas en submetas más pequeñas y manejables. Cada submeta es resuelta
utilizando una serie de reglas y hechos que describen el estado del mundo y los
posibles cambios que pueden surgir en él. La programación por metas se basa en
la idea de que un programa debería centrarse en lo que quiere lograr en lugar de
explicar cómo hacerlo. Esta técnica se utiliza en muchos campos, como la robótica,
la planificación de recursos empresariales y los sistemas de recomendación. La
programación por metas permite que un programa sea altamente adaptable y pueda
responder rápidamente a los cambios en el entorno. Además, la programación por
metas se centra en el resultado final, lo que permite que el programa sea más
intuitivo y fácil de usar.
4
DESARROLLO.
1.1Defnición y conceptos generales.
La Programación por Metas es una metodología él para la resolución de

determinados problemas de Programación Multiobjetivo. Su introducción inicial se
puede situar en 1955 con la publicación de un árcalo de Carnes, Cooper y Ferguson.
Esta publicación tuvo como Novo desarrollar un método para poder determinar los
salarios de los ejecutivos de la compañía General Eléctrica. Esta metodología surgió
por la necesidad de considerar nuevas restricciones con la contemplación de
disantos niveles que era necesario satisfacer.
Por tanto, Carnes, Cooper y Ferguson desarrollaron un modelo con restricciones

donde se minimizaba la suma de las desviaciones absolutas respecto a los niveles
ya establecidos. Además, tuvieron que introducir variables de desviación pasiva y
negativa debido a que la desviación absoluta no era lineal. Conceptos básicos A
connotación, introduciremos diversos conceptos elementales, que nos ayuden a
introducir las características esenciales de los problemas de Programación por
Metas.
Se denomina variable de desviación negativa d- i a la variable que mide la diferencia

que falta paraqué la meta alcance el nivel de aspiración. Se denomina variable de
desviación positiva d + i a la variable que mide el exceso que hay desde el nivel de
aspiración y la meta. Se denomina variable de desviación no deseada a la variable
que queremos que tenga el menor valor posible. En los problemas de programación
por metas el vector a = (a1, a2,..., ap), donde ai = gi (d + i , d−i ), i = 1, 2,..., p, se
denomina vector de logro Cada ha puede ser lineal o no lineal. En algunos de los
procesos de resolución de problemas de Programación por Metas se suelen
combinar las disantos a en una función que se denomina función de logro
CONCEPTOS GENERALES
La contabilidad de costos es un sistema de información para predeterminar,
registrar, acumular, distribuir, controlar, analizar, interpretar e informar de los costos
de producción, distribución, administración y financiamiento.
5
Se relaciona con la acumulación, análisis e interpretación de los costos de
adquisición, producción, distribución, administración y financiamiento, para el uso
interno de los directivos de la empresa para el desarrollo de las funciones de
planeación, control y toma de decisiones
Es una disciplina social que considéralos siguientes aspectos:
CONTABILIDAD genera información medible en términos monetarios,

presentándola en forma estructurada y sistemática para
reflejar las operaciones de una empresa
(Aquí se ubica la contabilidad de costos)
AUDITORÍA verifica la información contable
FINANZAS: proporciona información financiera a partir de la
información contable
Conceptos generales
Definición de Costos :
“Es el valor monetario de los recursos que se entregan o prometen entregar, a
cambio de bienes o servicios que se adquieren.”
GARCÍA COLÍN, Contabilidad de costos
“Son la suma de esfuerzos y recursos que se han invertido para producir algo.”
DEL RIO GONZALEZ, Costos I
“Es el conjunto de pagos, obligaciones contraídas, consumos, depreciaciones,

amortizaciones y aplicaciones atribuibles a un periodo determinado, relacionadas
con las funciones de producción, distribución, administración y financiamiento.”
ORTEGA PÉREZ DE LEÓN, Contabilidad de costos
Definición de Gasto:
“Comprende todos los costos expirados que pueden deducirse de los ingresos. En
6
un sentido más limitado, la palabra gasto se refiere a gastos de operación, de ventas
o administrativos, a intereses y a impuestos.”
JAMES A. CASHIN, Contabilidad de costos
Diferencias entre costos y gastos
Costos
Costo del producto o costos inventariables
El valor monetario de los recursos inherentes a la función de producción; es decir,
materia prima directa, mano de obra directa y los cargos indirectos.
Estos costos se incorporan a los inventarios de materias primas, producción en
proceso y artículos terminados, y se reflejan dentro del Balance General.
Los costos totales del producto se llevan al Estado de Resultados cuando y a
medida que los productos elaborados se venden, afectando el renglón de costo de
los artículos vendidos.
Gastos
Gastos del periodo o gastos no inventariables
Son los que se identifican con intervalos de tiempo y no con
los productos elaborados.
Se relacionan con las funciones de distribución, administración y financiamiento
de la empresa.
Estos costos no se incorporan a los inventarios y se llevan al Estado de
Resultados a través del renglón de gastos de ventas, gastos de administración y
gastos financieros, en el periodo en el cual se incurren.
Costos capitalizables
Son aquellos que se capitalizan como activo fijo o cargos diferidos y después se
deprecian o amortizan a medida que se usan o expiran, dando origen a cargos
inventariables (costos) o del periodo (gastos).
INFORMA SOBRE ESTE ANUNCIO

Elementos de un sistema de admón. de costos
7
Elementos Motivacionales
Mediciones del desempeño.

Estructura de recompensas.
Apoyo de la misión organizacional y de la estrategia competitiva.
Elementos Informativos
Apoyo del proceso presupuestario.
Énfasis sobre el ciclo de vida del producto.
Diferenciación de actividades que generan valor agregado y las que no lo generan.
Apoyo de las iniciativas de reducción de costos.
Concentración de la atención en el control de costos
Evaluación de las competencias básicas y análisis de decisiones de producir o
subcontratar.
Elementos de la Elaboración de Reportes
Preparación de estados financieros
Suministro de detalles para un sistema de
contabilidad por áreas de responsabilidad.
8
1.2 Modelo general de metas
Objetivos: Representan direcciones de mejora de los atributos. La mejora puede

interpretarse en el sentido (más del atributo mejor) o bien (menos del atributo
mejor).
El primer caso corresponde a un proceso de maximización y el segundo a uno de

minimización de las funciones que corresponden a los atributos que reflejan los
valores del centro decisor.
Como paso previo a la definición de meta se introducirá el concepto de nivel de

aspiración.
Un nivel de aspiración representa un nivel aceptable de logro para el

correspondiente atributo. La combinación de un nivel de aspiración con un atributo
genera una meta.
Finalmente, el término criterio se utiliza como un término 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 decisional. Por consiguiente, la teoría de la decisión multi
criterio constituye un marco general o paradigma decisional en el que subyacen
diferentes atributos, objetivos o metas.
Programación por metas
La forma del modelo de programación lineal sigue siendo la misma en programación

por meta, es decir, también se tiene una función objetivo que optimizar sujeta a una
o más restricciones. Sin embargo, dentro de este marco de referencia se agregarán
dos conceptos nuevos.
El primero es el de las restricciones de meta en lugar de las restricciones de recurso

que se han analizado. El segundo concepto es el de rango de prioridad entre las
funciones de objetivo. Una vez que se establece un problema en el formato del
modelo general de programación lineal, para obtener la solución puede aplicarse el
MÉTODO SIMPLEX modificado solo para tomar en cuenta las prioridades.
9
La programación por metas es un enfoque para tratar problemas de decisión
gerencial que comprenden metas múltiples o inconmensurables, de acuerdo a la
importancia que se le asigne a estas metas. El tomador de decisiones debe ser
capaz de establecer al menos una importancia ordinal, para clasificar estas metas.
Una ventaja importante de la programación meta es su flexibilidad en el sentido de

que permite al tomador de decisiones, experimentar con una multitud de variaciones
de las restricciones y de prioridades de las metas cuando se involucra con
un problema de decisión de objetivos múltiples.
El primer paso en la formulación de un modelo de programación por metas consiste

en fijar los atributos que se consideran relevantes para el problema que se está
analizando. Una vez establecidos los atributos, se pasa a determinar el nivel de
aspiración que corresponde a cada atributo, es decir, el nivel de logro que el centro
decisor desea alcanzar.
Seguidamente, se conecta el atributo con el nivel de aspiración, por medio de la

introducción de las variables de desviación negativa y positiva, respectivamente.
Así para el atributo i-ésimo, se tiene la siguiente meta: donde, como es habitual, f(x)
representa la expresión matemática del atributo iésimo, Ti su nivel de aspiración, ni
y pi las variables de desviación negativa y positiva, respectivamente.
Las variables de desviación negativa cuantifican la falta de logro de una meta con
respecto a su nivel de aspiración, mientras que las variables de desviación positiva
cuantifican el exceso de logro de una meta con respecto a su nivel de aspiración.
Como un nivel de aspiración no puede simultáneamente sobrepasarse y quedar por

debajo de él, al menos una de las dos variables de desviación tomará valor cero
cuando la meta alcanza exactamente su nivel de aspiración.
Una vez clarificado el significado de las variables de desviación, es importante

introducir el concepto de variable de decisión no deseada. Una variable de decisión
se dice que no es deseada cuando al centro decisor le interesa que la variable en
cuestión alcance su valor más pequeño (esto es cero). Cuando la meta deriva de
un atributo del tipo más del atributo mejor (objetivo a maximizar) la variable no
10
deseada (a minimizar), será la variable de desviación negativa (cuantificación
de la falta de logro). Finalmente, cuando se desea alcanzar exactamente el nivel de
aspiración tanto la variable de desviación negativa como la positiva son variables
no deseadas y por tanto variables a minimizar.
Existen cuatro formas de restricciones de objetivos, según se permita variación

hacia arriba o hacia abajo:
• CASO 1: Se permiten desviaciones en ambas direcciones.
• CASO 2: Solo se permiten desviaciones hacia abajo.
• CASO 3: Solo se permiten desviaciones hacia arriba
• CASO 4: No se permiten desviaciones.
No existe algo en la programación por objetivos que prohíba incluir restricciones

que no sean de objetivo o restricciones de recurso. El significado de las variables
de desviación no deseadas puede clarificarse por medio del siguiente cuadro.
Formulación de la función objetivo 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 esta buscando la combinación de variables reales por ejemplo
(mesas y sillas) que cumplan mejor con todos los objetivos.
11
Esto podría llamarse optimizar un conjunto de objetivos "satisfactorios" o satisfacer.
La forma exacta de la función objetivo varia 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.
12
1.3. Diferencias entre modelo lineal y modelo metas.
Modelo de programación meta lineal: Las suposiciones básicas que caracterizan el

modelo de programación lineal se aplican igualmente al modelo de programación
meta. La diferencia principal en la estructura es que la programación meta no intenta
minimizar o maximizar la función objetivo como lo hace el modelo de programación
lineal, en vez busca minimizar las desviaciones entre las metas deseadas y
los resultados reales de acuerdo a las prioridades asignadas.
El objetivo o función de preferencia de un modelo de programación meta es

expresado en términos de las desviaciones de las metas a que se apunta. Esto es,
las variables de holgura o sobrantes de las restricciones se colocan en la función
objetivo y deben minimizarse.
El modelo general de la programación meta se define como: La variable xj

representa una variable de decisión, wi representan los pesos de ponderación
(ordinal o cardinal) asignados a cada una de las metas, y di+ y di- presenta el grado
de sobre logro y subrogo de la meta, respectivamente. Puesto que al mismo
tiempo no podemos tener logro por encima y por debajo de la meta, o una o ambas
de estas variables debe ser igual a cero.
Modelo de programación meta cuadrática
En toda la teoría desarrollada hasta ahora, hemos supuesto que la función objetivo
de la programación meta es lineal. Por tanto, el incremento en cualquier desviación,
di, siempre adiciona una cantidad igual de des utilidad, independiente del nivel de
todas las otras desviaciones meta. En esta parte supondremos que la función
objetivo del modelo de programación meta es cuadrática y sujeta a restricciones
lineales.
Esto no presenta dificultades de cómputo, puesto que los algoritmos de

programación cuadrática estándar pueden utilizarse para resolver dichos
problemas. Parte de la discusión actual en programación cuadrática meta se ha
tomado de Shim y Siegel (1975). El problema de programación cuadrática meta se
define como:
13
14
1.4 Modelos de una sola meta
Es similar al modelo de Programación Lineal. 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.
Una característica de la Programación de Meta es que proporciona solución para

los problemas que tengan metas múltiples y conflictivas arregladas de acuerdo a la
estructura prioritaria de la administración.
Fijar los atributos que se consideran relevantes para el problema que se está
analizando. Una vez establecidos los atributos, se pasa a determinar el nivel de
aspiración que corresponde a cada atributo, es decir, el nivel de logro que el centro
decisor desea alcanzar.
Seguidamente, se conecta el atributo con el nivel de aspiración, por medio de la

introducción de las variables de desviación negativa y positiva, respectivamente. Así
para el atributo i-ésimo, se tiene la siguiente meta: donde, como es habitual, f(x)
representa la expresión matemática del atributo iésimo, Ti su nivel de aspiración, ni
y pi las variables de desviación negativa y positiva, respectivamente.
Las características que distinguen la programación Meta es que las metas se

satisfacen en una secuencia ordinal. Esto es, las metas que deben clasificarse en
orden de prioridad por el tomador de decisiones son satisfechas secuencialmente
por el algoritmo de solución. Las metas con prioridad baja se consideran solamente
después de que las metas de prioridad alta se han cumplido.
La Programación meta es un proceso de satisfacción, en el sentido de que el

tomador de decisiones tratará de alcanzar un nivel satisfactorio en vez del mejor
resultado posible para un solo objetivo.
15
La noción fundamental de la Programación Meta, comprende incorporar todas las
metas gerenciales en la formulación del modelo del sistema.
En la programación Meta, en vez de intentar minimizar o maximizar la Función

Objetivo directamente, como en la programación lineal, se minimizan las
desviaciones entre las metas y los límites logrables dictados por el conjunto dado
de restricciones en los recursos.
Estas variables de desviación, que se denominan de "holgura" o "sobrantes" en

programación lineal toman un nuevo significado en la Programación Meta. Ellas se
dividen en desviaciones positivas y negativas de cada una de las submetas o metas.
El objetivo se convierte entonces en la minimización de estas desviaciones, dentro

de la estructura prioritaria asignada a estas desviaciones.
Las variables de desviación negativa cuantifican la falta de logro de una meta con
respecto a su nivel de aspiración, mientras que las variables de desviación positiva
cuantifican el exceso de logro de una meta con respecto a su nivel de aspiración.
Como un nivel de aspiración no puede simultáneamente sobrepasarse y quedar por

debajo de él, al menos una de las dos variables de desviación tomará valor cero
cuando la meta alcanza exactamente su nivel de aspiración.
Una vez clarificado el significado de las variables de desviación, es importante

introducir el concepto de variable de decisión no deseada. Una variable de decisión
se dice que no es deseada cuando al centro decisor le interesa que la variable en
cuestión alcance su valor más pequeño (esto es cero).
Cuando la meta deriva de un atributo del tipo más del atributo mejor (objetivo a
maximizar) la variable no deseada (a minimizar), será la variable de desviación
negativa (cuantificación de la falta de logro).
Finalmente, cuando se desea alcanzar exactamente el nivel de aspiración tanto la

variable de desviación negativa como la positiva son variables no deseadas y por
tanto variables para minimizar.
16
MODELO METAS.
Es un enfoque para tratar problemas de decisión gerencial que comprenden metas

múltiples o ilimitadas, de acuerdo a la importancia que se le asigne a estas metas.
El tomador de decisiones debe ser capaz de establecer al menos una importancia

ordinal, para clasificar estas metas.
META: Valor objetivo numérico específico establecido para un fin en un programa

de metas.
PROGRAMACIÓN DE METAS: Planteamiento utilizado para resolver un problema

de optimización de objetivos múltiples.
PENALIZACIÓN: Valor relativo que se usa para representar insatisfacción con cada
unidad que un objetivo esté por debajo de su meta, si el objetivo es maximizar, y por
encima de la meta si lo que se busca es minimizar.
Una vez que el modelo este validado, los pasos siguientes consisten en:
Implementar el modelo: Trabajar con el cliente para poder extraer los máximos
beneficios del trabajo realizado
Actualizar el modelo: Es evidente que la realidad es cambiante, por ello el modelo

debe adaptarse a las nuevas circunstancias de manera continua si se pretende que
siga teniendo utilidad. Es similar al modelo de Programación Lineal. El Primer paso
es definir las variables de decisión, después se deben de especificar todas las metas
gerenciales en orden de prioridad. Una característica de la Programación de Meta
es que proporciona solución para los problemas que tengan metas múltiples y
conflictivas arregladas de acuerdo a la estructura prioritaria de la administración.
17
1.5 Modelos de metas múltiples
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).
Meta unilateral superior: Establece un límite superior que no se quiere exceder (pero
se aceptan desvíos a la meta que deberá minimizarse). Meta bilateral: Establece
un blanco específico que no se quiere perder hacia ningún lado.
Una Ecuación Objetivo para cada Meta, En el modelo de Programación por

Objetivos existen dos tipos de restricciones funcionales: las restricciones
ordinarias de Programación Lineal (restricciones, duras o estrictas) y las
ecuaciones objetivo (blandas o flexibles). Las restricciones duras requieren ser
cumplidas de manera estricta. Las restricciones blandas pueden admitir desvíos a
la meta establecida, pero estos desvíos estarán asociados a una penalización que
se reflejará en un parámetro en la Función Objetivo. Valor objetivo de la Meta.
El Valor de la Meta se descompone en dos elementos: (1º) el valor correspondiente

al nivel de la Meta alcanzado efectivamente y (2º) la desvío o diferencia entre el
valor meta y el nivel alcanzado (di) Variables de desvío.
Para formalizar los desvíos aceptados a cada una de las metas se emplea
las variables auxiliares di las que por definición pueden obtener valores
positivos o negativos. Para poder hacer operativo el modelo de Programación
Lineal cada di se sustituirá por la diferencia de dos variables no-negativas.
Cada meta representa una Ecuación Objetivo y en la Función Objetivo se incluirán

las variables de desvío relevantes correspondientes a cada Objetivo.
Metas prioritarias. En este caso los desvíos en la Función Objetivo serán

ponderadas por los coeficientes de penalización. Metas no prioritarias. En este caso
todas las metas tienen una importancia comparable, tienen mismo nivel de
prioridad y los coeficientes de penalización en la Función Objetivo son iguales a:
18
1. Formular el problema de la Planificación de la producción de una fábrica de
papel como un problema de programación por metas. Supóngase la existencia de
dos procesos, uno mecánico y otro químico, por los que se puede obtener la pulpa
de celulosa para la producción del papel.
El modelo de programación multiobjetivo es el siguiente:
Objetivos: Max f1(x) = 1000X1 + 3000X2 (Maximizar el margen bruto)
Min f2(x) = X1 + 2X2 (Minimizar la demanda biológica de O2)
Restricciones rígidas iniciales: 1000X1 + 3000X2? 300000 (Margen Bruto)
X1 + X2? 400 (Empleo) X1? 300 (Capacidades de producción) X2? 200 X1, X2?
0 Definidas las variables de decisión y los atributos/ objetivos relevantes del
problema que nos ocupa, el decisor define las siguientes METAS:
g1: Para la demanda biológica de oxígeno: un nivel de aspiración de 300 unidades,

pues desea que sea lo más pequeña posible.
g2: Para el margen bruto: alcanzar un valor lo más grande posible, ojalá mayor de
400000 u.m.
g3: Para el empleo: no desea ni quedarse corto ni contratar mano de obra adicional.
g4: El decisor no desea superar sus capacidades de producción, lo que implicaría

recurrir a turnos extras.
La Programación Multiobjetivo está orientada a la obtención de soluciones

partisanas eficientes. Este enfoque tiene un gran problema, es casi imposible, no ya
una representación exacta del conjunto eficiente, sino una buena aproximación.
19
1.6 Modelos de submetas dentro de una meta
META: El punto final hacia el cual se entiende la acción, implica el cumplimiento de

un objetivo básico que requiere de una serie de logros en los cuales están
frecuentemente empeñados varios estamentos de la compañía, ya sea en diversas
áreas o en una de ellas. Valor objetivo numérico especifico establecido para un fin
en un programa de metas
SUBMETAS: Son aquellos logros colocados por debajo de las metas y que resultan
necesarios para el cabal cumplimiento de los objetivos básicos. Pueden sustituirse
o compensarse entre sí.
Al identificar los problemas, identificamos las submetas los que permiten asignarlos
a los procesos para eliminar los obstáculos.
Las submetas son más detalladas; conforman parte de una red de jerarquías y se
asimilan a los peldaños necesarios para avanzar en forma consistente hacia
el cumplimiento de metas.
Las submetas buscan también mejorar la calidad del producto, desarrolla una nueva
estrategia de publicidad estimula la acción de la fuerza de las ventas En el ejemplo
de la Schwim, la máxima utilidad alcanzada, tomando 60 horas de tiempo de
ensamble, 40 horas de tiempo de terminación y resolviendo como un problema de
programación lineal, es de $700.00. Debido a la reorganización de la división se han
considerado casos en donde la administración quedaría satisfecha (al menos
temporalmente) con un plan de producción que conduzca a una utilidad más baja
que $600.00.
Supongamos que la reorganización se ha llevado a cabo y que la administración

desea lograr una tasa de utilidad diaria de $750.00.
Esto significaría que algunas restricciones previas anexas deberían violarse. Sin
embargo, supongamos que las 60 y 40 horas representan la capacidad de
producción de los departamentos de ensamble y terminación en tiempo normal
solamente, utilizando la fuerza laboral existente.
20
El tiempo extra podría utilizarse en cualquier departamento; por tanto, las
desviaciones por encima como por debajo de las 40 y 60 horas serían factibles. La
tasa de pago de horas extras es 3 veces más alta que la del departamento
de ensamble.
Las metas prioritarias de la administración, de mayor a menor importancia,

son las siguientes:
P1 = Lograr tasa diaria de utilidad perseguida de $750.00
P2 = Minimizar el tiempo ocioso en ambos departamentos.
pág. 17
P3 = Minimizar el tiempo extra en ambos departamentos
La formulación de la programación meta es:
Minimizar Z = P1(d1- + d1+) + P2(d2-+d3-) + 3P3d2+ + P3d3+ s. a.
15x1+25x2 +d1- -d1+ = 750 (Utilidad perseguida)
x1 +3x2 + d2- -d2+ = 60 (Horas de ensamble) x1 +x2 +d3- -d3+ = 40 (Horas de

terminación) x1, x2, di-, di+ " 0 Para todo i
Nota: En este ejercicio se han asignado pesos diferentes (cardinales) o prioridades

dentro de una meta dada, como también prioridades diferentes (ordinales o
cardinales) a metas diferentes. Identificación de submetas
• Preguntarse porque se hacen las cosas Ejemplo: ¿Porque una empresa debería
tener un sitio de internet?
• ¿Porque la empresa debe demostrar su conocimiento en el área?
• El modelo de descomposición ayuda a definir mejor la meta globas y la

submetas.
• Cuando se componen o descomponen metas se ayuda a la validación de las

mismas.
21
• Al descomponer metas pueden aparecer metas contradictorias. Ejemplo:
Producción de alta calidad
Producción rápida
Producción a bajos costos.

22
1.7 Métodos de solución
Para llegar a la solución de un problema de Programación Lineal se utilizan

diferentes métodos de solución. Los más difundidos son: el método gráfico y
el Método Simplex. La solución de un problema de Programación Lineal utilizando
un procedimiento gráfico es posible si se tienen no más de dos variables.
El Método Simplex fue el primer método surgido para solucionar problemas

de Programación Lineal, por lo que se le considera el método de solución clásico
por excelencia.
Teniendo en cuenta la filosofía de este método han surgido otros métodos

cuyas ventajas fundamentales se concentran en las posibilidades de los mismos
para ser programados por computadoras.
Método grafico
El procedimiento gráfico comienza elaborando una gráfica que muestre las

soluciones posibles (valores X1 y X2). La gráfica tendrá valores los valores X1 en el
eje horizontal y los valores X2 en el eje vertical. El procedimiento para hallar la
solución gráfica consiste en lo siguiente:
• Para cada inecuación del sistema de restricciones (medio espacio cerrado) se

toma la recta correspondiente y se determinan los interceptos con la gráfica. Si la
recta pasa por el origen del eje de coordenadas, el término independiente es cero,
entonces se traza la recta tomando el origen y otro punto determinado dando un
valor arbitrario a una de las variables.
• Para determinar los puntos que satisfacen cada inecuación se sustituye un punto
cualquiera del espacio (se recomienda el origen cuyas coordenadas son (0,0)), y de
esta forma se determina si los puntos que satisfacen la misma están hacia el lado
que está el origen o hacia el lado contrario, señalando con una flecha ese lado.
Cuando la recta pasa por el origen entonces se toma otro punto cualquiera pero que
sean sencillos los valores de sus coordenadas, por ejemplo, ( 0,1) , (1,0 ), (1,1), etc.
23
• Luego se determina la región solución que es la región del plano que satisface
todas las restricciones al mismo tiempo y que debe estar en el primer cuadrante.
La figura formada es un poliedro convexo que tiene un conjunto de puntos

extremos.
• Se busca el punto óptimo entre el conjunto de puntos extremos. Para eso se

sustituye cada par de puntos (X1, X2) de los puntos extremos en la función
objetivo y se calcula el valor de Z.
Si se está maximizando el valor de la misma, el punto óptimo será aquel que

proporcione el valor mayor para Z y si el criterio de optimización es de minimizar,
entonces el punto óptimo será aquel que proporcione el valor mínimo de Z.
Desventaja Fundamental del Método Gráfico Este método gráfico tiene la

desventaja que sólo permite la solución de problemas que tengan dos variables de
aquí que la mayoría de los problemas de programación lineal se resuelvan utilizando
como base el método simplex.
Método Simplex
Constituye un procedimiento iterativo algebraico que resuelve cualquier problema

en un número finito de pasos. Fue elaborado por George Dantzingen 1947.
La concepción de este método ha facilitados que otros especialistas del tema
desarrollen otros métodos de solución con la misma filosofía, pero más adecuados
para la programación por computadoras. Para explicar el método simplex es
necesario definir un conjunto de conceptos básicos necesarios para la comprensión
del mismo.
24
1.8 Uso de software
LINGO es un software muy eficiente y fácil de utilizar, una de sus fortalezas es que
puedes resolver problemas con la cantidad de variables y restricciones que sean,
dado que no tiene límite en ellas, por otro lado se puede instalar en diversas
plataformas; para algunos usuarios éste software no les es grato debido a que toda
vez que se quiera indicar una multiplicación es necesario colocar el símbolo “ * ”, de
tal forma que si tememos la expresión 2C la debemos capturar como 2*C,
otro detalle es que cada restricción que capturemos es un renglón y al término hay
que colocar un punto y coma para indicarle al software que es el fin de la restricción,
fuera de estos detalles es muy amigable el programa.
El Lingo inicia con una ventana de entrada que se muestra a continuación:
En ella directamente se captura el modelo matemático iniciando con min= de

la siguiente manera. Después de capturar el modelo matemático el cual termina
con un punto y coma se procede a resolverlo, la solución nos la presenta de la
forma siguiente:
En esta solución podemos observar que el error cometido al utilizar los

comparables sería de $25, 153.56 y el valor de la vivienda sujeto sería de:
V=0(160) +10243.45(135) +93.63(9) +0(3) +0(5) +0(40)
V= $1,383,708.45
1.8
LINGO
eficiente
utilizar,
fortalezas
puedes
problemas
cantidad
y
sean,
tiene
por
puede
diversas
para
usuarios
software
grato
toda
quiera
multiplicacio
necesario
sí
forma
tememos
expresio
debemos
como
detalle
capturemos
renglo
hay
punto
indicarle
restriccio
estos
amigable
programa.
inicia
ventana
que
continuacio
ella
captura
matema
iniciando
manera.
modelo
el
un
procede
la
presenta
siguiente:
solucio
observar
error
utilizar
comparables
$25,
de
serí
+93.63(9)
+10243.45(135)
+0(5)
$1,383,708.45
quedarí
restricciones
siguiente
mbolo
restricciones
solucio
cual
la
punto
capturar
Uso
aque
es
otro
directamente
se
153.56
vez
algunos
siguiente
vivienda
de:
dado
detalles
debido
lí+0(40)
cometido
n
ycon
2*C,
restricciones
la siguiente el
indicar
que
es
n
instalar
mite
resolver
an
de
muestra
termina
una
matema
tico
coma
y
los
colocar
n
“ael
plataformas;
que
de
yefin
muy
no
de
al
n
que
podemos
n,
V=0(160)
yel
forma:
un
lado
*que
al
capturar
colocar
la
ste
resolverlo,
con
es
2C
forma:+0(3)
de
fa
software
modelo
una
con
nos
coma
que
En
”,que
otro
software
n:
fuera
si
El
entrada
variables
te
de
Despue
la
yles
es
cil
en
que
n
de
se
el
aserí
quedaríla
el
la
es
para
rmino
V=
cada
sujeto
min=
una
forma
es
Lingo
que
esta
un
que
se
sus
la
de
es
Las
en
tal
tico
un
valor
no
ellas,
muy
al
ancon
aLas
se
de
En
el
de
se
des
Las restricciones quedarían de la siguiente forma:
25
g1: X1 + 2X2 + n1 - p1 = 300 (Demanda Biológica de O2)
g2: 1000X1 + 3000X2 + n2 - p2 = 400000 (Margen Bruto)
g3: X1 + X2 + n3 - p3 = 400 (Empleo) g4: X1 + n4 - p4 =
300 (Capacidades de Producción) g5: X2 + n5 - p5 = 200
X1, X2? 0 3.4 INTRODUCIENDO EL PROBLEMA
En el menú Archivo (File) seleccionamos Nuevo problema (New Problem) e

introducimos la información del problema:
Al pulsar el botón OK aparecerá una nueva ventana donde procederemos a

introducir los coeficientes de las variables:
26
Para trabajar con el mismo formato de las variables definidas en el ejemplo,
activaremos la opción Nombre de las variables (Variable Names) en el menú Editar
(Edit).
Los nombres de las variables se cambiarán de acuerdo con el orden que en que
aparecen en el problema:
Al pulsar OK en esta ventana podremos definir las metas y restricciones: Luego de

introducido el modelo se inicia el proceso de solución, siguiendo los mismos pasos
al empleado en la solución de los modelos de programación lineal. La solución final
se muestra en la siguiente página: La ventana con el resumen de la información
permite un análisis detallado de cada variable.
En el tablero optimal se puede observar que:
* Las toneladas de celulosa a producir por medios mecánicos son 300.
* Dado que n1 y p1 son ambas cero, la demanda biológica de oxígeno mínima es

de 300 unidades, igual al nivel de aspiración.
* La meta 2, asociada con el margen bruto, se queda por debajo del nivel
de aspiración en cuantía de 100.000 u. m., valor que asume la variable de
desviación n2.
* La meta del empleo se fija en 100 unidades de mano de obra menos que el nivel
de aspiración que era de 400.
* Las metas 4 y 5, asociadas con los niveles máximos de producción, se fijan en 0

ton.
27
CONCLUCIÓNES.
La programación por metas es una técnica de programación que se centra en

establecer objetivos claros y medibles y en diseñar programas que puedan alcanzar
esos objetivos de manera eficiente y efectiva. Esta metodología se utiliza en muchos
campos de la informática, desde la inteligencia artificial hasta el desarrollo de
software.
La programación por metas tiene una serie de ventajas sobre otros enfoques de
programación, como la programación estructurada y la orientada a objetos. Por
ejemplo, enfatiza el modularidad y la reutilización de código, lo que permite a los
desarrolladores crear sistemas más complejos y sofisticados con menos esfuerzo.
Otra ventaja de la programación por metas es que se enfoca en el resultado final, lo

que significa que los programadores pueden adaptarse fácilmente a los cambios en
los requisitos del proyecto. Esto se debe a que los programadores pueden ajustar
las metas del programa para adaptarse a los nuevos requisitos sin tener que realizar
cambios drásticos en el código.
En general, la programación por metas es una técnica poderosa y flexible que puede
ayudar a los programadores a crear sistemas de software más efectivos y eficientes.
Si bien puede ser un poco más complejo que otros enfoques de programación, los
beneficios que ofrece lo hacen una excelente opción para muchos proyectos.
28
BIBLIOGRAFIAS.
Programación por Metas. (s. f.). Stodocu. Recuperado 4 de junio de 2023, de
https://www.studocu.com/es-mx/document/instituto-tecnologico-superior-de-
coatzacoalcos/ergonomia/investigacion-de-operaciones/7024985

Investigación Final Io2 Unid 1

Cargado por

Copyright:

Formatos disponibles

Investigación Final Io2 Unid 1

Cargado por

Información del documento

Título 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

Investigación Final Io2 Unid 1

Cargado por

Copyright:

Formatos disponibles

1

Flores Aguayo Alejandro Carlos.

Instituto Tecnológico de Colima

Departamento de Ingeniería Industrial

UNIDAD 1. PROGRAMACIÓN POR METAS.

Nombre del Alumno: Flores Aguayo Carlos Alejandro.

Nombre del Maestro: Tejada Castrejón Jesús Francisco.

Villa de Álvarez, Col., a 05 de Junio de 2023.

1.1 Definición y conceptos generales…………………………………. 4 pág.

La programación por metas es un enfoque en la programación que se centra en

1.1Defnición y conceptos generales.

La Programación por Metas es una metodología él para la resolución de

Por tanto, Carnes, Cooper y Ferguson desarrollaron un modelo con restricciones

Se denomina variable de desviación negativa d- i a la variable que mide la diferencia

Es una disciplina social que considéralos siguientes aspectos:

CONTABILIDAD genera información medible en términos monetarios,

“Es el conjunto de pagos, obligaciones contraídas, consumos, depreciaciones,

INFORMA SOBRE ESTE ANUNCIO

Mediciones del desempeño.

Objetivos: Representan direcciones de mejora de los atributos. La mejora puede

El primer caso corresponde a un proceso de maximización y el segundo a uno de

Como paso previo a la definición de meta se introducirá el concepto de nivel de

Un nivel de aspiración representa un nivel aceptable de logro para el

Programación por metas

La forma del modelo de programación lineal sigue siendo la misma en programación

El primero es el de las restricciones de meta en lugar de las restricciones de recurso

Una ventaja importante de la programación meta es su flexibilidad en el sentido de

El primer paso en la formulación de un modelo de programación por metas consiste

Seguidamente, se conecta el atributo con el nivel de aspiración, por medio de la

Como un nivel de aspiración no puede simultáneamente sobrepasarse y quedar por

Una vez clarificado el significado de las variables de desviación, es importante

Existen cuatro formas de restricciones de objetivos, según se permita variación

• CASO 1: Se permiten desviaciones en ambas direcciones.

• CASO 2: Solo se permiten desviaciones hacia abajo.

• CASO 3: Solo se permiten desviaciones hacia arriba

• CASO 4: No se permiten desviaciones.

No existe algo en la programación por objetivos que prohíba incluir restricciones

Formulación de la función objetivo La función objetivo para un problema de

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,

• Ponderación preferente de los objetivos: las ponderaciones de preferencia

Modelo de programación meta lineal: Las suposiciones básicas que caracterizan el

El objetivo o función de preferencia de un modelo de programación meta es

El modelo general de la programación meta se define como: La variable xj

Modelo de programación meta cuadrática

Esto no presenta dificultades de cómputo, puesto que los algoritmos de

Es similar al modelo de Programación Lineal. El Primer paso es definir las variables

La Programación Meta es capaz de manejar problemas de decisión con una sola

Una característica de la Programación de Meta es que proporciona solución para

Seguidamente, se conecta el atributo con el nivel de aspiración, por medio de la

Las características que distinguen la programación Meta es que las metas se

La Programación meta es un proceso de satisfacción, en el sentido de que el

En la programación Meta, en vez de intentar minimizar o maximizar la Función

Estas variables de desviación, que se denominan de "holgura" o "sobrantes" en

El objetivo se convierte entonces en la minimización de estas desviaciones, dentro

Como un nivel de aspiración no puede simultáneamente sobrepasarse y quedar por

Una vez clarificado el significado de las variables de desviación, es importante

Finalmente, cuando se desea alcanzar exactamente el nivel de aspiración tanto la