PROGRAMACION POR METAS

Datos de los autores

Fernando Marrero Delgado. Doctor en Ciencias Tcnicas. Mster en

Informtica Aplicada. Ingeniero Industrial. Profesor Auxiliar.
Departamento de Ingeniera Industrial. Universidad Central de Las Villas.
Santa Clara. Cuba. Email: fmarrero@fce.uclv.edu.cu

Javier Asencio Garca. Doctor en Ciencias Tcnicas. Ingeniero Industrial.

Profesor Titular. Departamento de Ingeniera Industrial. Universidad
Central de Las Villas. Santa Clara. Cuba. Email: asencio@fce.uclv.edu.cu

Ren Abreu Ledn. Mster en Ingeniera Industrial. Ingeniero Industrial.

Profesor Asistente Departamento de Ingeniera Industrial. Universidad
Central de Las Villas. Santa Clara. Cuba. Email: rabreu@fce.uclv.edu.cu

Ren Orozco Snchez. Ingeniero Industrial. Aspirante a Mster del

Departamento de Ingeniera Industrial. Universidad Central de Las Villas.
Santa Clara. Cuba. Email: fmarrero@fce.uclv.edu.cu

Hugo R. Granela Martn. Doctor en Ciencias Tcnicas. Ingeniero

Industrial. Profesor Auxiliar. Departamento de Ingeniera Industrial.
Universidad Central de Las Villas. Santa Clara. Cuba.
Email: hugran@fce.uclv.edu.cu

Alexander Quiroga Orizondo. Aspirante a Ingeniero Industrial.

Departamento de Ingeniera Industrial. Universidad Central de Las Villas.
Santa Clara. Cuba.

Ronald Daz Casaas. Aspirante a Ingeniero Industrial. Departamento de

Ingeniera Industrial. Universidad Central de Las Villas. Santa Clara.
Cuba.

Palabras claves

Programacin meta, Investigacin de Operaciones, Mtodos

Multicriterios
Introduccin

Los procesos de toma de decisiones se han venido analizando

tradicionalmente sobre la base de un paradigma que puede
esquematizarse de la siguiente forma.

En primer lugar, se establece el conjunto de soluciones posibles o

factibles del problema de decisin analizado.

A continuacin, fundndose en un criterio, se asocia a cada solucin o

alternativa un nmero que representa el grado de deseabilidad que tiene
cada alternativa par el centro decisor, es decir, se establece una
ordenacin de las soluciones factibles.

Seguidamente, utilizando tcnicas matemticas ms o menos

sofisticadas, se procede a buscar entre las soluciones factibles aquella
que posee un mayor grado de deseabilidad.

Dicha alternativa es la solucin ptima.

Este sencillo marco de anlisis es el que subyace a cualquier problema

de decisin investigado dentro del paradigma tradicional de la
optimizacin.

Los problemas de decisin abordados por medios de la programacin

matemtica se ajustan, asimismo, a este tipo de estructura terica. As,
en esta clase de problemas, las soluciones posibles se ordenan con
arreglo a un cierto criterio que representa las preferencias del centro
decisor.

Esta funcin de criterio recibe el nombre de funcin objetivo.

Recurriendo a tcnicas matemticas relativamente sofisticadas se

establece la solucin ptima como aquella solucin factible para la que la
funcin objetivo alcanza un valor ptimo.

Desde un punto de vista de contenido emprico, el marco terico anterior

presenta importantes debilidades que lo desva considerablemente de los
procesos reales de tomas de decisiones. En efecto, en muchos casos de
la vida cotidiana, los centro decisores no estn interesados en ordenar
las soluciones factibles con arreglo a un nico criterio, sino que desean
efectuar esta tarea con arreglos a diferentes criterios que reflejan sus
particularidades y preferencias.

Desarrollo

Dentro de la estructura del paradigma multicriterio se debe analizar

primeramente una serie de conceptos y definiciones.

Atributo: Este concepto se refiere a valores del centro decisor

relacionados con una realidad objetiva.

Estos valores pueden medirse independientemente de los deseos del

centro decisor, 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 centro decisor.

Como paso previo a la definicin de meta se introducir el concepto

de nivel de aspiracin. Un nivel de aspiracin representa un nivel
aceptable de logro para el correspondiente atributo.

La combinacin de un nivel de aspiracin con un atributo genera

una meta.

Finalmente, el trmino 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 decisional. Por
consiguiente, la teora de la decisin multicriterio constituye un marco
general o paradigma decisional en el que subyacen diferentes atributos,
objetivos o metas.

La programacin multiobjetivo constituye un enfoque multicriterio de gran

potencialidad cuando el contexto decisional est definido por una serie
de objetivos a optimizar que deben de satisfacer un determinado
conjunto de restricciones. Como la optimizacin simultnea de todos los
objetivos es usualmente imposible, pues en la vida real entre los
objetivos que pretende optimizar un centro decisor suele existir un cierto
grado de conflicto el enfoque multiobjetivo en vez de intentar determinar
un ptimo existente pretende establecer el conjunto de soluciones
eficientes o pareto ptimas.

Pese a lo que se acaba de comentar, la utilidad de estos enfoques se

reduce considerablemente en problemas decisionales de un tamao
relativamente elevado. De las ideas que se acaban de exponer se
desprende que en problemas complejos que conllevan la formulacin de
modelos de cierto tamao, los enfoques multiobjetivos son de limitado
inters y tienen que dejar paso a otros enfoques con una solidez terica
tal vez menor, pero con una operatividad muy superior. Dentro de esta
lnea pragmtica puede encuadrarse la programacin por metas.

PROGRAMACION POR METAS

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

programacin por meta, es decir, tambin se tiene una funcin objetivo
que optimizar sujeta a una o ms restricciones.

Sin embargo, dentro de este marco de referencia se agregarn 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 programacin lineal, para obtener la solucin puede aplicarse el
MTODO SIMPLEX modificado solo para tomar en cuenta las
prioridades.

La programacin por metas es un enfoque para tratar problemas de

decisin gerencial que comprenden metas mltiples 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 programacin 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 decisin de objetivos mltiples.

El primer paso en la formulacin de un modelo de programacin por

metas consiste en fijar los atributos que se consideran relevantes para el
problema que se est analizando.

Una vez establecidos los atributos, se pasa a determinar el nivel de

aspiracin 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 aspiracin, por

medio de la introduccin de las variables de desviacin negativa y
positiva, respectivamente.

As para el atributo i-simo, se tiene la siguiente meta: donde, como es

habitual,

f(x) representa la expresin matemtica del atributo i-simo,

Ti su nivel de aspiracin,

ni y pi las variables de desviacin negativa y positiva, respectivamente.

Las variables de desviacin negativa (ni)cuantifican la falta de logro de
una meta con respecto a su nivel de aspiracin, mientras que las
variables de desviacin positiva(pi) cuantifican el exceso de logro de una
meta con respecto a su nivel de aspiracin.

Como un nivel de aspiracin no puede simultneamente sobrepasarse y

quedar por debajo de l, al menos una de las dos variables de desviacin
tomarn valor cero cuando la meta alcanza exactamente su nivel de
aspiracin.

Una vez clarificado el significado de las variables de desviacin, es

importante introducir el concepto de variable de decisin no deseada.
Una variable de decisin se dice que no es deseada cuando al centro
decisor le interesa que la variable en cuestin alcance su valor ms
pequeo(esto es cero). Cuando la meta deriva de un atributo del tipo ms
del atributo mejor (objetivo a maximizar) la variable no deseada (a
minimizar), ser la variable de desviacin negativa (cuantificacin de la
falta de logro). Finalmente, cuando se desea alcanzar exactamente el
nivel de aspiracin tanto la variable de desviacin negativa como la
positiva son variables no deseadas y por tanto variables a minimizar.

Supngase que un fabricante quiere planear producir por lo menos tres

mesas se escribir la restriccin: T>=3

Esto no permite ningn valor por debajo de 3. Si hubiera otra restriccin

en conflicto con esta, el problema no tendra solucin factible.

Ahora bien, los objetivos administrativos son mucho menos rgidos y

absolutos. Una manera ms real para establecer las restricciones de las
mesas sera: "si es posible, nos gustara hacer tres mesas por lo menos.
Esto tiene una prioridad alta". En forma anloga, los objetivos de las
ganancias o de los rendimientos sobre inversiones se expresan en
trminos de metas deseadas: hacer lo posible por obtener ganancias de
$1000 el prximo ao o buscar un rendimiento sobre inversiones del 10%
antes de impuestos. Sin duda pueden ocurrir desviaciones arriba o abajo,
alrededor de una meta. Si la restriccin de las mesas es fabricar por lo
menos tres, esto puede escribirse como: T + Dut - Dot = 3

En donde Dut - Cantidad que falta para lograr el objetivo de las mesas.

Dot - Cantidad que sobrepasa el objetivo de las mesas.

T- Nmero de mesas.

Ntese que las restricciones de meta siempre se escriben como

igualdades. El primer subndice de la variable de desviacin indica la
variacin hacia abajo o hacia arriba de la meta. El segundo subndice
indica de que se trata el objetivo, en este caso mesas.

Existen cuatro formas de restricciones de objetivos, segn se permita

variacin 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 programacin por objetivos que prohiba incluir

restricciones que no sean de objetivo o restricciones de recurso.
 El significado de las variables de desviacin no deseadas puede
clarificarse por medio del siguiente cuadro.

Metas y variables de desviacin

Forma inicial de la meta Forma de la meta Variable de desviacin no

transformada deseada (a minimizar)
Fi(x) ti fi(x) ni pi = ti ni

Fi(x) ti fi(x) ni pi = ti pi

Fi(x)=ti fi(x) ni pi = ti ni pi

Formulacin de la funcin objetivo

La funcin objetivo para un problema de programacin por meta siempre

es minimizar alguna combinacin de variables de desviacin. Desde un
punto de vista de toma de decisiones administrativa, esto significa que se
esta buscando la combinacin de variables reales por ejemplo (mesas y
sillas) que cumplan mejor con todos los objetivos. Esto podra llamarse
optimizar un conjunto de objetivos "satisfactorios" o satisfacer.

La forma exacta de la funcin objetivo varia segn la respuesta a estas

dos preguntas:

1. Son conmensurables o proporcionales los objetivos?

2. Cul es la importancia relativa de cada objetivo?

Objetivos conmensurables de igual importancia: este es el caso

ms sencillo, aunque muy pocas veces se encuentra en la practica.
Aqu los objetivos se miden en una escala comn (conmensurables
y tienen la misma importancia.
Ponderacin 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: que pasa cuando los
objetivos no son conmensurables, cuando no hay una escala
comn 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 solucin es posible.

Quizs no sea una tarea fcil dar un rango a los objetivos de acuerdo con
su importancia pero es algo que la mayora de las personas entienden y
pueden lograr. En la programacin por objetivos se le asigna la prioridad
P1al objetivo ms importante, siguiendo P2 a una prioridad ms baja. No
existe limite en el numero de niveles de prioridad pero debe asignarse
una prioridad para cada variable de desviacin. Se permiten empates o
prioridades iguales.

Los problemas de programacin por meta se resuelven en orden de

prioridad. Es decir, se prueba la optimizacin en el nivel de prioridad ms
alto ignorando las prioridades ms bajas hasta optimizar este nivel.

Ejemplo:

La compaa Aedis ha desarrollado recientemente tres nuevos productos

haciendo uso del exceso de capacidad en sus tres plantas sucursales
existentes: Cada producto puede fabricarse en cualquiera de las tres
plantas. El anlisis ha demostrado que sera rentable utilizar el exceso de
capacidad para producir estos tres nuevos productos. En realidad, el
propsito de la gerencia al desarrollar los nuevos productos era lograr la
utilizacin completa de la capacidad productiva de exceso sobre una
base rentable. Mientras que las plantas Aedis generalmente operan a
capacidad plena en sus lneas de productos existentes, la produccin por
debajo de la capacidad normal ocurre con poca frecuencia, presentando
problemas con la fuerza laboral. Aunque la compaa no necesita la
fuerza laboral plena durante los perodos de holgura, el costo de los
despidos sera considerable, y Aedis deseara evitar esto tanto como
fuera posible.

Adems, la gerencia deseara balancear la utilizacin del exceso de

capacidad entre las sucursales. Esto servira para distribuir
equitativamente la carga de trabajo del personal de supervisores
asalariados y reducir los agravios de la fuerza laboral que se le paga por
horas, que de otra manera se sentira discriminada con respecto a las
cargas de trabajo o a los despidos.

Para el perodo que es est considerando, las plantas tienen las

siguientes capacidades de produccin en exceso(en trminos de
unidades) de nuevos productos y capacidades de embarque disponibles
asignadas a los nuevos productos:

Planta capacidad de exceso de capacidad de

produccin(unidades) embarque(pies cbicos)
1 750 12000

2 300 10000

3 450 6500

Los productos 1,2 y 3 requieren 30,20 y 15 pies cbicos por unidad,

respectivamente. Las contribuciones unitarias a la utilidad de los
productos 1,2 y 3 son $15,18 y 12 respectivamente. Los pronsticos de
ventas indican que Aedis puede esperar ventas tan altas como 900, 1000
y 700 unidades de los productos 1, 2 y 3 respectivamente, durante el
periodo de planeacin en consideracin.

Dada la situacin que hemos descrito, la administracin ha expresado las

siguientes metas de preferencia en orden de importancia decreciente
(P1=ms importante):

P1. Lograr una utilidad perseguida de $15000.

P2. Utilizar tanto de la capacidad de exceso como sea posible. Debido al

bajo costo de la mano de obra, la administracin cree que es 1,5 veces
ms importante utilizar la capacidad de exceso de la planta 1 que la de
las plantas 2 y 3.

P3. Lograr un balance de la carga de trabajo en la utilizacin de exceso

de la capacidad entre todas las plantas. Debido a ciertas demandas
adicionales de los trabajadores de la planta 1, la administracin cree que
si ocurre algn desbalance en la carga de trabajo, es dos veces ms
importante que favorecer a la planta 1con menor trabajo con respecto a
las plantas 2 y 3

P4. Lograr el pronstico de ventas para el producto 2, puesto que este

tiene la mayor contribucin a la utilidad por unidad.

P5. Producir suficiente cantidad de los productos 1 y 3 para cumplir con

las ventas pronosticadas.
P6. No exceder la capacidad de embarque disponible.

Formulacin del modelo

Los siguientes pasos se requieren para formular el modelo de

programacin meta.

1-Exceso en las restricciones de capacidad

N- desviacin negativa.

P- desviacin positiva.

X11 X21 X31 N1 P1 =750

X12 X22 X32 N2 P2 =300

X13 X23 X33 N3 P3 =450.

Donde Xij = nmero de unidades del producto i producidas en la planta j

N1,N2,N3 =exceso de capacidad no utilizada en las plantas 1,2 y 3

respectivamente.

P1,P2,P3 = cantidad mediante la cual la capacidad de exceso se excede

las plantas 1,2 y 3 respectivamente.

2-Resricciones en el requisito de espacio

30X11 20X21 15X31 N4 P4=12000

30X12 20X22 15X32 N5 P5=10000

30X13 20X23 15X33 N6 P6= 6500

N4,N5,N6 =nmero de unidades de capacidad de embarque disponible

no utilizada en las plantas 1,2 y 3, respectivamente.

P4,P5,P6 = nmero de unidades de capacidad adicional de embarque

requerida en las plantas 1,2 y 3, respectivamente

3-Restricciones en las ventas esperadas

X11 X12 X13 N7 P7=900

X21 X2 X23 N8 P8=1000

X31 X32 X33 N9 P9= 700

N7,N8,N9 =nmero de unidades sublogradas de las ventas esperadas de

los productos 1,2 y 3 respectivamente.

P7,P8,P9 = nmero de unidades sobrelogradas de las ventas esperadas

de los productos 1,2 y 3 respectivamente.

4-Balance de carga de trabajo

X11 X21 X31 750 = X12 X22 X32 300

X11 X21 X31 750 = X13 X23 X33 450

Este balance de ecuaciones puede escribirse como una restriccin meta

por medio de una simple divisin y por transposicin del miembro
derecho como sigue (por transitividad, solamente dos restricciones de
balance son necesarias):

0.0013X11 0.0013X21 0.0013X31 0.0033X12 0.0033X32 P0.00

33X32 +N10 P10 =0

0.0013X11 0.0013X21 0.0013X31 0.0022X13 0.00223X23 0.00

223X33 + N11 P11=0

N10, N11= nmero de unidades producidas demasiado bajas con

relacin a las producidas en las plantas 2 y 3, respectivamente.

P10, P11= Nmero de unidades producidas en exceso relativas a las que

es producen en las plantas 2 y 3, respectivamente.

5- Restriccin de utilidad

15(X11 X12 X13) 18(X21 X22 X23) 12(X31 X32 X33) N12
P12=15000

N12 =suma en dlares por debajo de la utilidad perseguida.

P12 = suma en dlares por encima de la utilidad perseguida.

Si la meta de utilidad no se enuncia, se puede restringir el lado derecho

de esta ecuacin para que sea cero y determinar cul sera la utilidad.
Puesto que todas las variables reales (Xij) y las variables de desviacin
(N P) son no negativas, el valor de (N12, P12) sera la utilidad real.

6- Funcin objetivo

Minimizar
Z=PR1(N12 P12) 1,5PR2(N1) PR2(N2 N3) 2PR3(N10 N11) PR3
(P10 P11)+PR4(N8) PR5(N7 N9) PR6(P4 P5 P6)

Puesto que la administracin desea conseguir una utilidad perseguida de

$15000 con la ms alta prioridad, se asigna PR1 a las variables de
desviacin en la meta de restriccin de utilidad. La segunda meta de la
administracin sera utilizar el exceso de capacidad de planta hasta
donde fuera posible. Sin embargo, era preferible utilizar el exceso en la
planta 1 sobre las plantas 2 y 3 en una relacin de 1,5 a 1. Esta situacin
presumiblemente representa una distincin en los costos de operacin de
las diferentes plantas. Para reflejar las prioridades relativas de la
administracin, se modifica la formulacin estndar de la funcin
objetivo(que sera(PR2(N1 N2 N3)) a 1,5PR2N1 PR2(N2 N3), que
pondera el logro de la minimizacin de la desviacin 1 con un factor de
3/2 vez. El segundo nivel general de prioridades administrativas que
tienen que ver con el problema de PR2. La tercera meta de la
administracin era lograr un balance de subutilizara la planta 1 en vez de
sobreutilizarla, debido a factores adicionales desfavorables que existan
all y no se presentan en las plantas 2 y 3. Por tanto, se asigna 2PR3 a
N10 y N11 y PR3 a P10 y P11. Puesto que la cuarta meta era lograr las
ventas esperadas del producto 2, se asigna PR4 a N8. A N7 y N9
asignamos PR5, pues la quinta meta es el logro de estas ventas
esperadas. Aqu no preocupa el sobrelogro de las ventas pronosticadas,
puesto que se puede, si hay espacio disponible, almacenar un inventario.
Si no es posible, las restricciones en la capacidad de embarque, que
tienen prioridad ms alta, tendrn en cuenta esta situacin. Puesto que la
sexta meta de la administracin es no exceder la capacidad de
embarque, se asigna a P4, P5 y P6 el valor de PR6.

METODOS DE SOLUCION
Si se supone el problema de planificar la produccin de una papelera de
propiedad pblica en la que existen dos posibles productos: pulpa
celulosa obtenida por medios qumicos o pulpa celulosa obtenida por
medios mecnicos. Se representar por X1 y X2, respectivamente, las
toneladas diarias de pulpa de celulosa obtenida por los dos mencionados
procedimientos. Las capacidades mximas de produccin se estiman en
300 y 200 toneladas/da para cada uno de los dos tipos de pasta de
celulosa. Cada tonelada de pasta de celulosa producida demanda un
jornal. La empresa dispone de una plantilla de 400 trabajadores, no
deseando contratar mano de obra eventual. El margen bruto(ingresos
menos costos variables)por tonelada de pasta de celulosa obtenida por
medios qumicos es de $1000 , siendo de $3000 el que se obtiene a
travs de medios mecnicos Los costos fijos de la papelera se estiman
en 3300 unidades/da: la empresa deseara, al menos, cubrir los costos
fijos.

Las preferencias de la empresa se concentran en la maximizacin del

margen bruto(objetivo econmico) y el la minimizacin del dao
generado en el ro en el que la papelera vierte sus residuos productivos
(objetivo ambiental). Se estima que los residuos producidos por cada
tonelada de pasta de celulosa obtenida por medios mecnicos y por
medios qumicos generan unas demandas de oxgeno en las aguas del
ro de 1 y 2 unidades. A la vista de estos datos, la estructura matemtica
del modelo multiobjetivo es la siguiente:

Se formular el modelo como un modelo de programacin por metas.

Para ello, se consideran los trminos independientes no como cantidades
rgidas que hay que alcanzar para que la solucin sea factible, sino como
niveles de aspiracin que el centro decisor desea satisfacer en la medida
de lo posible. Es decir, las restricciones rgidas iniciales se convierten en
metas o restricciones(blandas) que pueden violarse sin que ello genere
soluciones imposibles. Para desarrollar este ejercicio se asocia al atributo
demanda biolgica de oxgeno un nivel de aspiracin de 300 unidades, a
los dems atributos se les asocia como nivel de aspiracin el trmino
independiente de la correspondiente restriccin rgida, excepto para el
atributo margen bruto, al que se le asocia un nivel de aspiracin de 400
unidades. De esta forma, se tiene la siguiente lista de metas:

G1:X1 2X2 N1 P1=300(demanda biolgica de oxgeno)

G2:1000X1 3000X2 N2 P2=400( margen bruto)

G3:X1 X2 N3 P3=400 (empleo)

G4:X1 N4 P4=300(capacidad de produccin)

G5:X2 N5 P5=200(capacidad de produccin)

Seguidamente, se pasa a determinar las variables de desviacin no

deseadas. Para la meta G1 la variable de desviacin no deseada sera la
P1, pues obviamente se desea alcanzar una demanda biolgica de
oxgeno lo ms pequea posible(de ser posible menor de 300 unidades).
Para la meta G2 la variable de desviacin no deseada ser la N2, pues
se desea alcanzar un margen bruto lo ms grande posible(de ser posible
mayor de 400 u). Para la meta G3 se supone que al centro decisor no le
interesa ni quedarse corto con respecto al nivel de aspiracin (mano de
obra ociosa), ni quedarse largo(contratacin adicional de mano de obra),
en tal caso, tanto N3 como P3 son variables de desviacin no deseadas,
finalmente, el centro decisor no desea superar sus capacidades de
produccin, lo que implicara recurrir a turnos extraordinarios, en
consecuencia, las variables P4 y P5 son no deseadas.

Una vez determinadas las variables de desviacin no deseadas, el paso

siguiente en la formulacin de un modelo de programacin por metas
consiste en proceder a la minimizacin de dichas variables. El proceso
de minimizacin puede acometerse de diferentes maneras. Puede
decirse que cada una de estas maneras origina una variante de la
programacin por metas. Seguidamente se pasa a exponer las variantes
ms utilizadas.

PROGRAMACION POR METAS PONDERADAS

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 P1 + N2 + N3 + P3 + P4 + P5 (4)

Ahora bien, la expresin (4) carece de significado y no debe de utilizarse

como surrogado de las preferencias del centro decisor por las siguientes
razones. La expresin (4) suma variables de desviacin medidas en
unidades diferentes(unidades monetarias, nmero de jornales, toneladas
de pasta de papel, etc.) por lo que su suma no tiene significado, es como
si sumramos (caa de cerveza con kilos de patatas). 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. 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. P1/300 + N2/400 + (N3+P3)/400 + P4/300 + P5/200 (5)

En efecto, 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 un
surrogado de las preferencias del centro decisor, en efecto, en la
formulacin dada por (5) subyace el supuesto de que el centro decisor da
la misma importancia al logro de todas las metas, lo cual no tiene
necesariamente que ser cierto. Este problema puede superarse
sustituyendo la expresin (5) por:

Min. W1 P1/300 + W2 N2/400 + W3 (N3+P3)/400 + W4 P4/300 + W5

P5/200.

Donde los coeficientes W ponderan la importancia relativa que el centro

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

Min W1 P1/300 + W2 N2/400 + W3 (N3+P3)/400 + W4 P4/300 + W5

P5/200

Sujeto a:

G1: X1 + 2X2 + N1 - P1=300

G2: 1000X1 + 3000X2 + N2 - P2=400

G3: X1 + X2 + N3 - P3=400
 G4: X1 + N4 - P4=300

G5: X2 + N5 - P5=200

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 centro decisor asigna la misma importancia a
la realizacin de las diferentes metas, se obtiene la siguiente solucin
ptima:

N1=0 X1=300 X2=33,33

N3=66,66 P1=66,66 N2=P2=0
P3=0 N4=P4=0
N5=166,66 P5=0

La solucin obtenida permite la completa realizacin de la meta

G2(margen bruto), G4 y G5(capacidades de produccin). Por el contrario,
en lo referente a la meta G1, se supera la demanda biolgica de oxgeno
deseada en 66,66 unidades y en cuanto a la meta G3, no se utilizan
66,66 jornales de los 400 disponibles obviamente, los anlisis basados
en modelos de programacin por metas pueden enriquecerse
considerablemente, sometiendo los pesos preferenciales a un anlisis de
sensibilidad. De esta manera, para cada conjunto de pesos ensayados
se obtendr la solucin ptima del modelo que mejor se adecua a la
estructura de preferencias del centro decisor que surroga el
correspondiente conjunto de pesos.

PROGRAMACION POR METAS LEXICOGRAFICAS.

En la programacin por metas lexicogrficas, las metas situadas en la

prioridad ms alta se satisfacen en la medida de lo posible, solo entonces
se considera la posible satisfaccin de metas situadas en prioridades
ms bajas. Es decir, las preferencias se ordenan igual que las palabras
en un lxico o diccionario, de ah la denominacin de programacin por
metas lexicogrficas.

Con el objetivo de ilustrar la estructura de este enfoque, supongamos

que para el centro decisor la prioridad primera Q1 est formada por las
metas G4 y G5. Esto es, para el centro decisor las primeras metas que
se deben satisfacer de una manera absoluta y excluyente son las que
pretendan garantizar que no se superen las capacidades de produccin
de la fbrica. La siguiente prioridad en orden de importancia Q2 est
formada por la meta G1, que pretende que el plan de produccin genere
una demanda biolgica de oxgeno de, como mximo, 300 unidades. La
prioridad Q3 est formada por la meta G2, que pretende alcanzar un
margen bruto de almenos 400.00 u. Finalmente, la ltima prioridad Q4,
est formada por la meta G3, que pretende utilizar, exactamente, la
fuerza de trabajo disponible. Consecuentemente, el proceso completo de
minimizacin lexicogrfica de las variables de desviacin no deseadas se
traduce en el siguiente vector:

LEX MIN a= (P4+P5);(P1);(N2);(N3+P3)

Sujeto a:

Q2 G1: X1 + 2X2 + N1 - P1=300

Q3 G2: 1000X1 + 3000X2 + N2 - P2=400

Q4 G3: X1 + X2 + N3 - P3=400

Q1 G4: X1 + N4 - P4=300

Q1 G5: X2 + N5 - P5=200

Esta programacin por metas lexicogrficas puede resolverse

recurriendo a algunos de los mtodos de resolucin que, con mayor o
menor detalle, se expondrn en los prximos apartados. Recurriendo a
cualquiera de estos mtodos se obtiene la siguiente solucin ptima.

X1=100 , X2=100
N1=P1=N2=P2=0
N3=200 P3=0
N4=200 P4=0 N5=100 P5=0

Con el siguiente vector de logro ptimo:

A* = 0,0,0,200 .
La solucin obtenida permite el logro completo de las metas G1,G2 y G5
que forman las tres primeras prioridades. Con respecto a la meta G3, que
forma la ltima prioridad, existe una desviacin negativa de 200 jornales;
es decir, en la solucin lexicogrficamente ptima, se satisfacen todas
las metas excepto la referente a la utilizacin de toda la fuerza de trabajo,
quedando 200 jornales sin utilizar.

Es interesante observar que, aunque las variables P4 y P5 estn

medidas en las mismas unidades(toneladas/da) y por tanto su suma
tiene pleno sentido, sin embargo, como sus correspondientes niveles de
aspiracin alcanzan valores diferentes, en rigor el trmino P4+P5 de la
funcin de logro debera de sustituirse por el trmino (P4/300)+(P5/200),
tal como se apunt en el apartado anterior. Asimismo, es til comparar
las soluciones que han generado los modelos de metas ponderadas y de
metas lexicogrficas. En el caso del modelo basado en metas
ponderadas, la suma de las variables de desviacin no deseadas en el
ptimo es igual a P1+N3=66,66+66,66=133,32, mientras que en el
modelo lexicogrfico dicha suma es mayor: N3=200. Esta diferencia es
lgica, pues la mayor desviacin generada por el modelo lexicogrfico
queda compensada por un mayor nivel de realizacin de la meta G1(
P1=0 en el modelo (6), mientras que P1=66,66 en el modelo (5)) situado
en la segunda prioridad.

EL METODO SECUENCIAL PARA RESOLVER PROGRAMAS

LEXICIGRAFICOS.

Este mtodo consiste en resolver una secuencia de programas lineales.

El primer programa lineal de la secuencia minimiza la primera
componente del vector de logro, sujeta esta minimizacin a las
restricciones(igualdades) correspondientes a la prioridad Q1. El segundo
programa lineal minimiza la segunda componente de la funcin de logro
sujeta tanto a las restricciones correspondientes a las prioridades Q1 y
Q2, como a los valores de las variables de desviacin de la prioridad q1
que se obtuvieron en la solucin precedente. El procedimiento secuencial
contina hasta resolver el ltimo programa lineal

Primer problema( primer nivel de prioridad)

Minimizar a1=P4+P5

Sujeto a:
X1 + N4 - P4=300

X2 + N5 - P5=200

Existen ptimos alternativos para las variables de decisin(1*) y para

P4=P5=0.

(1*) la existencia de ptimos alternativos se puede comprobar fcilmente por

inspeccin de la tabla final del simplex. As, si en esta tabla para al menos
una variable no bsica su costo reducido es cero, entonces existen ptimos
alternativos.

Segundo problema(segundo nivel de prioridad)

Minimizar a2=P1

Sujeto a:

X1 + N4=300

X2 + N5=200

X1 + 2X2 + N1 - P1=300

Nuevamente existen ptimos alternativos para las variables de decisin y

P1=0

Tercer problema( tercer nivel de prioridad).

Minimizar a3=N2

Sujeto a:

X1 + N4=300

X2 + N5=200

X1 + 2X2 + N1=300

1.000X1 + 3.000X2 + N2 - P2=400.000

vuelven a existir ptimos alternativos para las variables de decisin y

N2=0
Cuarto problema (cuarto nivel de prioridad).

Minimizar a4=N3 + P3

Sujeto a:

X1 + N4=300

X2 + N5=200

X1 + 2X2 + N1=300

1.000X1 + 3.000X2 - P2=400.000

X1 + X2 + N3 - P3=400

La solucin ptima de este programa lineal, y de todo el modelo

lexicogrfico es: X1=100,X2=100,N3=200, en lo referente a variables de
decisin y variables de desviacin no deseadas no nulas; se reproduce la
solucin ofrecida al final del ejercicio planteado como programacin por
metas lexicogrficas.

En definitiva, el mtodo secuencial expuesto exige resolver una

secuencia de programas lineales cuyo nmero mximo coincide con el
nmero de niveles de prioridad que tenga el modelo. El nmero de
programas lineales a resolver se reducir, cuando al resolver uno de
ellos no se detecte la existencia de ptimos alternativos; en tal caso, el
proceso de clculo se detiene no siendo necesario resolver los
programas lineales.

APLICACIN 2 PROBLEMAS DE TRANSPORTE.

La Mercury Distributing Company suministra un solo producto a tres

clientes en diversos sitios desde bodegas diferentes. Durante el perodo
de planeacin considerado, la compaa no puede cumplir la demanda
de los clientes los cuales deben satisfacerse a expensas de otros. Para
evitar desequilibrios serios, es importante balancear la porcin de
demanda satisfecha entre ciertos clientes. Tambin debido a acuerdos
sindicales, la compaa debe satisfacer ciertos requisitos mnimos en los
niveles de embarque en ciertas rutas. Finalmente, varias de las rutas
sobre las cuales se podra embarcar el producto son peligrosas y deben
evitarse.
 El problema de transporte se resume a continuacin , los costos de
embarque se dan en cada una de las celdas y los valores de demanda
en los mrgenes. Note que la demanda total excede al suministro en
1.500 unidades.

De a cliente 1 cliente2 cliente 3 suministro

Bodega 1 10 4 12 3.000
Bodega 2 8 10 3 4.000
Demanda 2.000 1.500 5.000 8.500 7.000

La administracin ha expresado las siguientes preferencias de las metas

en el orden decreciente de importancia(P1= ms importante):

P1. Satisfacer la demanda total del cliente 3(entrega garantizada).

P2. Satisfacer por lo menos el 75% de la demanda de cada cliente.

P3. Minimizar el costo de transporte para los artculos embarcados.

P4. Embarcar por lo menos 1.000 unidades en la ruta de la bodega 2 al

cliente 1 (convenio sindical9.

P5. Minimizar el costo de embarque en las rutas de la bodega 1 al cliente

3 y de la bodega 2 al cliente 2 (peligros).

P6. Balancear el porcentaje de demanda satisfecha entre los clientes 1 y

2.

Formulacin del modelo. Se definen las siguientes variables:

Xij= nmero de unidades embarcadas de la bodega i al cliente j.

Ni= sublogro de la meta en la restriccin i-sima.

Pi= sobrelogro de la meta en la restriccin isima.

1.restricciones de suministro. El suministro se restringe a la capacidad

de la bodega, por tanto, las desviaciones positivas pueden excluirse de
las restricciones de suministro.
X11 + X12 + X13 + N1=3.000

X21 + X22 + X23 + N2=4.000.

2. restricciones de demanda. Supongamos que la compaa nunca

desea sobrecumplir la demanda del cliente. Por tanto, las desviaciones
positivas pueden excluirse de las restricciones de demanda . sin
embargo, las desviaciones negativas deben incluirse para identificar el
sublogro de las metas de demanda, pues la demanda total excede el
suministro total.

X11 + X21 + N3=2.000

X12 + X22 + N4=1.500

X13 + X23 + N5=5.000.

3. meta de convenio sindical. El convenio sindical expresa que al

menos 1.000 unidades deben embarcarse de la bodega 2 al cliente 1. La
variable N6 representa una desviacin negativa de esta meta, mientras
que la variable P6 es la cantidad de sobrelogro de la meta.

X21 + N6 - P6=1.000

4. mnima meta de demanda satisfecha. Para evitar desequilibrios

grandes de satisfaccin de demanda entre los clientes, se incluye una
meta de satisfaccin de por lo menos el 75% de la demanda de cada uno
de los clientes. Las restricciones adecuadas, incluyendo variables de
desviacin son las siguientes:

X11 + X21 + N7 - P7=1.500

X12 + X22 + N8 - P8=1.125

X13 + X23 + N9 - P9=3.750.

5. meta de peligros en la carretera. Debido a los peligros de la

carretera, la Compaa desea minimizar el embarque desde la bodega 1
al cliente 3 y desde la bodega 2 al cliente 2. Por tanto, el nivel de meta
para estas restricciones e fija en cero y se minimizan P10 y P11.

X13 - P10=0
 X22 - P11=0.

6. meta de balance a clientes. La compaa desea transportar

cantidades a los clientes 1 y 2 tales que una proporcin igual de la
demanda de cada una sea satisfecha. Esto se puede expresar por

(X11+X21)/2.000 = (X12+X22)/1.500.

as, trasponiendo e incorporando variables de desviacin, la restriccin

meta se convierte en

X11 - 1,33X12 + X21 - 1,33X22 + N12 - P12=0.

7. meta del costo de transporte. Puesto que la compaa desea

minimizar el costo total de transporte, se impone una meta de cero y se
hace un intento por minimizar la desviacin positiva de este valor de la
meta perseguida.

10X11 + 4X12 + 12X13 + 8X21 + 10X22 + 3X23 - P13=0.

8. funcin objetivo.

Minimizar
Z=PR1(N5)+PR2(N7+N8+N9)+PR3(P13)+PR4(N6)+PR5(1.2P10+P11)+P
R6(N12+P12).

Note que para PR5,P10 tiene un coeficiente de 1,2, pues el costo de

embarque de la bodega 1 al cliente 3 (c=12) es 1,2 veces mayor que el
costo de embarque de la bodega 2 al cliente 2(c=10).

Aplicacin 3 Anlisis de portafolio

La Sentinal Finance Company, una compaa pequea , desea invertir en

cuatro acciones de valores. El costo de cada una y la tasa de retorno
pronosticada de cada una por cinco analistas de la compaa se presenta
a continuacin:

Valor 1 Valor 2 Valor 3 Valor 4

Costo $ 30,00 $45,00 $ 27,00 $ 53,00
Pronstico 1 3,00 13,00 4,00 25,00
Pronstico 2 1,00 4,50 0,60 15,00
Pronstico 3 2,75 1,75 2,75 20,00
Pronstico 4 4,50 5,00 1,90 5,00
Pronstico 5 3,25 2,75 3,75 35,00
Retorno esperado 2,90 5,40 2,60 20,00
($ / accin )

Adems, la compaa financiera no deseara invertir mas de $100.000.

Sentinal tiene las metas siguientes para su portafolio de inversiones:

P1 : Lograr un retorno esperado de 10% de la cantidad invertida.

P2 : Alcanzar un riesgo mnimo ( que se mide como la desviacin

absoluta de los retornos esperados ; un subrogado de la varianza )

P3 : Invertir 10% de la inversin total en el valor 4

P4 : Invertir un mximo de $100.000

Formulacin del Modelo. El problema de portafolio puede formularse

como un problema de programacin meta de la manera siguiente:

1. Restriccin en el retorno esperado . Puesto que el retorno esperado

perseguido es 10% , se consideran tanto desviaciones positivas como
negativas en las restricciones , esto es

2,90 x1 + 5,40 x2 + 2,60 x3 + 20,00 x4 + n1 p1 = 0,10 ( 30 x1 + 45 x2 +

27 x3 + 53 x4 ) , que se simplifica para obtener

0,10 x1 + 0,90 x2 0,10 x3 + 14,70 x4 + n1 p1 = 0 ,

donde Xj = numero de acciones invertidas en el valor j

n1 = cantidad en que sublogra el retorno esperado

p1 = cantidad en que se sobrelogra el retorno esperado

2- Restricciones de minimizacin del riesgo

0,10 x1 + 7,60 x2 + 1,40 x3 + 5,00 x4 + n2 p2 = 0

- 1,90 x1 0,90 x2 2,00 x3 5,00 x4 + n3 p3 = 0

- 0,15 x1 3,65 x2 + 0,15 x3 + 0,00 x4 + n4 p4 = 0

1,60 x1 0,40 x2 0,70 x3 15,00 x4 + n5 p5 = 0

0,35x1 2,65 x2 + 1,15 x3 + 15,00 x4 + n6 p6 = 0

donde n2, . . . , n6 = cantidad de desviacin negativa con respecto a la

meta de cero

p2, . . . , p6 = cantidad de desviacin positiva respecto a cero

La restriccin de riesgo , medida como el valor absoluto de las

desviaciones de los retornos pronosticados de un valor con respecto a su
retorno medio pronosticado , se determina de la tabla anterior de
pronsticos . Por ejemplo, la primera restriccin en esta seccin se
determina como sigue. Primero, determine las desviaciones de los
retornos pronosticados por el primer analista con respecto a los retornos
medios esperados para los valores del 1 al 4. Las desviaciones totales
deseadas de estos pronsticos (multiplicadas por las acciones
desconocidas invertidas en cada valor, Xj) deben ser iguales a cero, para
minimizar el riesgo, como las desviaciones pueden estar por encima o
por debajo de cero se incluyeron tanto las positivas como las negativas
en estas restricciones

3 Restriccin de inversin en el valor 4

53,00 x4 = 0,10 ( 30,00 x1 + 45,00 x2 + 27,00 x3 + 53,00 x4 ) n7 + p7

- 3,00x1 4,50 x2 2,70 x3 + 47,70 x4 + n7 p7 =0

donde n7=cantidad que falta para lograr invertir el 10% de los fondos
invertidos en el valor 4

p7=cantidad sobrelograda de esa meta

Esta restriccin plantea que se quiere invertir exactamente 10% de los

fondos invertidos en el valor 4 ; por tal razn se han incluido las
desviaciones positivas y negativas , y estarn presentes en la funcin
objetivo
4 Restriccin de inversin total

30 x1 + 45 x2 + 27 x3 + 53 x4 + n8 = 100.000

donde n8 = cantidad en que no se satisface la meta

Solo se incluyo la variable de desviacin negativa porque la restriccin se

limita a la cantidad de fondos disponibles

Modelo de Programacin Meta Resumido

Minimizar Z = P1 ( n8 ) + P2 (n1 + p1 ) + P3 ( n2 + p2 + n3 + p3 + n4 + p4
+ n5 + p5 + n6 + p6 ) + P4 ( n7 + p7 )

-0,10 x1 + 0,90 x2 0,10 x3 + 14,70 x4 + n1 p1 = 0

0,10 x1 + 7,60 x2 + 1,40 x3 + 5,00 x4 + n2 p2 = 0

-1,90 x1 0,90 x2 2,00 x3 5,00 x4 + n3 p3 = 0

-0,15 x1 3,65 x2 + 0,15 x3 + 0,00 x4 + n4 p4 = 0

1,60 x1 0,40 x2 0,70 x3 15,00 x4 + n5 p5 = 0

0,35 x1 2,65 x2 + 1,15 x3 + 15,00 x4 +n6 p6 = 0

-3,00 x1 4,50 x2 2,70 x3 + 47,70 x4 + n7 p7 = 0

30,00 x1 + 45,00 x2 + 27,00 x3 + 53,00 x4 + n8 = 0

todo Xj , Ni , Pi >= 0

Para resolver un problema multicriterio por programacin lineal, una de

las metas tendra que escogerse y formularse en la funcin objetivo. Esta
sera la meta de menor importancia. Las metas restantes necesitaran ser
incorporadas en las restricciones del modelo. El algoritmo simplex sera
para seleccionar una solucin ptima que satisfaciera primero todas las
restricciones, y solamente se preocupara posteriormente en la
optimizacin de la funcin objetivo. Si no existe solucin que satisfaga
todas las restricciones, la meta en la funcin objetivo se tendra que
eliminar y formular un nuevo problema de programacin lineal.
La nueva formulacin contendra entonces en la funcin objetivo la
siguiente meta de menor importancia. Este proceso continuara hasta
obtener una solucin factible.

Las caractersticas claves de un problema de programacin meta son:

las metas se satisfacen en el orden de prioridad establecido por el

tomador de decisiones.
Las metas no necesitan satisfacerse exactamente sino tan cerca
como sea posible.

El modelo de programacin meta se puede expresar en general en la

forma siguiente:

Minimizar Z= Wi(Pi+Ni)

Sujeto a aij +N P = bi

Xj, Ni, Pi 0, todo i, j

Donde Xj es la variable de decisin j.

Wi es la prioridad asignada a la meta i

Ni es el grado de sublogro de la meta i.

Pi es el grado de sobrelogro de la meta i.

La principal diferencia entre la programacin meta y la programacin

lineal, es que en la programacin lineal todos los objetivos excepto el
ms dbil deben satisfacerse exactamente, mientras que para la
programacin meta cada meta debe satisfacerse hasta donde esa
posible.

Si se desea lograr una meta exactamente, tanto las variables de

desviacin como las variables que indican la cantidad de sublogro de la
meta deben incluirse en la funcin objetivo que se debe minimizar. Si se
debe evitar el sublogro, la variable de desviacin correspondiente al
sublogro debe incluirse en la funcin objetivo, pero la del sobrelogro
podra eliminarse.
Por ejemplo, si uno desea hacer que la suma de dos variables X1 y X2
sea igual a 100, la restriccin podra formularse as:

X1 + X2 + N1 - P1=100

Aqu N1 0 indicara que la suma X1 y X2 sera menor que 100 y P1 0

indicara que la suma sera mayor que 100. Para un logro exacto de la
funcin objetivo( para minimizar) tendra que incluirse tanto P1 como N1.
Para evitar el sublogro, solamente la variable N1 aparecera en la funcin
objetivo.

Los factores de prioridad preestablecidos son los coeficientes asociados

con las desviaciones en cada meta en la formulacin de programacin
meta. Tienen la prioridad de que, si la meta i es ms importante que la
meta j, el factor Pi ser mucho mayor que Pj. Esto significa que an si las
desviaciones de la meta j son muy grandes comparadas con las
desviaciones de la meta i, el mtodo simplex minimizar la funcin
objetivo de acuerdo a la desviacin de la meta i.

La ponderacin cardinal puede ser usada(1) para indicar el valor relativo

de las metas , uno podra asignar un factor de prioridad 3Pi a una meta
tres veces ms importante que la meta i, o (2) para indicar la importancia
relativa del sobrelogro versus el sublogro de una meta. Si los pesos
cardinales se asignan a las metas o prioridades, el problema puede
resolverse como un programa convencional lineal.

En general, una solucin simplex a problemas de programacin meta es

similar a problemas de programacin lineal. Sin embargo, en el caso de
programacin meta , debemos trabajar en la funcin objetivo con factores
de prioridad en lugar de pesos. El resultado de estos es que los trminos
de la fila de evaluacin (Zj Cj), en general, son trminos que contienen
uno o ms factores de prioridad. As, en la programacin meta, para
escoger las variables que entran a la base, buscamos el trmino (Zj Cj)
que contenga el valor positivo ms alto en el factor de prioridad ms alto
que permanezca. Solamente despus de que los trminos ms altos de
prioridad Zj -Cj tomen valores no positivos, consideramos los trminos de
baja prioridad. En la programacin meta, los trminos Zj Cj son
vectores, mientras que en la programacin lineal son escalares.

La programacin meta es aplicable en las siguientes reas:

 MERCADEO. Donde las metas conflictivas podran ser: maximizar
la participacin del mercado, minimizar los costos de publicidad,
maximizar el margen de gananci8a por artculo vendido.
CONTROL DE INVENTARIOS. Donde es necesario minimizar el
nmero de faltantes y minimizar el costo de almacenaje.
PRODUCCION. Donde es necesario minimizar el costo de
fabricacin, maximizar el control de calidad, y maximizar la
utilizacin de recursos.

Un mtodo para obtener la clasificacin de importancia es la

comparacin por pares. Al tomador de decisiones se le presentan todos
los pares posibles y se le pregunta, qu meta de cada par es ms
importante. A cada meta se le da una clasificacin basada en el nmero
de veces que la meta tiene la clasificacin ms alta en las
comparaciones por pares. Si el tomador de decisiones es consistente, la
meta ms importante debera tener el rango ms elevado en las n-1
comparaciones apareadas(donde n es el nmero de metas), la siguiente
mejor deber tener la clasificacin ms lata en n-23 metas y as
sucesivamente.

Bibliografa

1. Arbonas, M.E. Optimizacin Industrial (I): Distribucin de los

recursos. Coleccin Productica No. 26. Marcombo S.A, 1989.
2. Arbonas, M.E. Optimizacin Industrial (II): Programacin de
recursos. Coleccin Productica No. 29. Marcombo S.A, 1989.
3. Anderson, D.R., Sweeney.J. , Williams,T.A. , Introduccin a los
Modelos Cuantitativos para Administracin. Grupo Editorial
Iberoamrica. 1993.
4. Moskowitz,H. y Wright G.P. Investigacin de Operaciones.
Prentice_Hall Hispanoamericana S.A. 1991.
5. Trujillo,J;Batista,A: Mtodos Econmicos-Matemticos I.Editorial
ISPJAE, Habana,1986.
6. Taha,H: Investigacin de Operaciones.Alfaomega,Mxico,1995.
7. Buffa,E: Operations Management: Problems and Models. Edicin
Revolucionaria,La Habana, 1968.

Problemas

1. Un pequeo fabricante de equipo especial de productos de oficina

fabrica dos clases de productos, sillas y lmparas. El margen bruto
de la venta de una silla es $80; el de la venta de una lmpara, $40.
 La meta del gerente de planta es lograr una utilidad bruta de $640
la semana siguiente. Formule este problema como un problema de
programacin meta.
2. Considere el problema del ejercicio 1. Suponga que adems de la
restriccin de la meta considerada en el ejemplo, se imponen las
dos restricciones meta. Los informes del departamento de
mercadeo indican que le mximo nmero de sillas que pueden
venderse en una semana es de seis. El mximo nmero de
lmparas es ocho. Reformule este problema como un problema
como un problema de programacin meta.
3. Considere de nuevo el fabricante de equipos de oficina de los
ejercicios 1 y 2. Suponga que el gerente desea ahora lograr una
utilidad semanal tan cerca de $640 como sea posible. Tambin
desea lograr un volumen de ventas para las sillas y lmparas cerca
e seis y cuatro, respectivamente. Reformule este problema de
decisin del gerente como un programa meta.
4. Considere el siguiente problema modificado del fabricante de
equipo de oficina. La produccin de una silla o de una lmpara
requiere 1 hora de capacidad de produccin de 10 horas por
semana. Debido a la capacidad limitada en las ventas, el mximo
nmero de sillas y lmparas que puede venderse es de seis y de
ocho por semana respectivamente. El margen bruto de la venta de
una sillas es $80 y de $40 para una lmpara. El gerente de planta
ha colocado las siguientes metas, clasificadas de acuerdo a
importancia:

desea evitar la subutilizacin de la capacidad de produccin.

Desea vender tantas sillas y lmparas como sea posible. Puesto
que el margen bruto de la venta de una silla se ha fijado como el
doble de la utilidad de una lmpara, tiene un deseo doble de lograr
la meta de sillas sobre la meta de las lmparas
desea minimizar el tiempo extra de la planta tanto como sea
posible.

Formule este problema como un problema de programacin meta, para

que el gerente de planta pueda tomar una decisin que cumpla sus
metas tanto como se pueda.

5. Un gerente de produccin se enfrenta al problema de asignar

trabajo a dos de sus mquinas. La tasa de procesamiento de la
mquina 1 es de 5 unidades por hora en la segunda mquina. El
tiempo de operacin regular en ambas mquinas es de 8 horas por
 da. El gerente de produccin tiene las siguientes metas para el
prximo da en orden de prioridad:

- Evitar el sublogro del nivel de produccin, que se ha fijado en 120

unidades del producto.

- Evitar que el tiempo extra en la mquina 2 exceda 3 horas.

- Minimizar la suma del tiempo extra(nota: asigne pesos

diferenciados de acuerdo al costo relativo del tiempo extra-
suponga que el costo de operacin de las dos mquinas es el
mismo).

- Evitar la subutilizacin del tiempo normal de trabajo( asigne pesos

de acuerdo a la productividad relativa de las mquinas).

6. Universal appliances produce congeladores. La compaa tiene

dos lneas de produccin. La tasa de produccin para la lnea 1 es
3 unidades por hora y para la lnea 2 es de 2 unidades por hora. La
capacidad regular de produccin es de 40 horas por semana para
ambas lneas. La utilidad bruta de un congelador es de $125. El
presidente de la compaa tiene las siguientes metas para la
semana siguiente, que se muestran en orden descendente de
prioridad.

- Cumplir la meta de produccin de 200 unidades por semana.

- Limitar la operacin de tiempo extra de la lnea a 5 horas.

- Evitar la subutilizacin de las horas normales de trabajo de ambas

lneas.

- Limitar la suma de la operacin de tiempo extra para ambos

grupos.

a. Formule este problema como un problema de programacin meta.

b. Resuelva este problema por el mtodo grfico de programacin
meta.
c. Resuelva este problema por el mtodo simplex de programacin
meta. Compare su solucin a la que se obtiene por el mtodo
grfico.
1. Resuelva el siguiente problema por los mtodos grficos y simplex
de programacin lineal.
2. Minimizar Z=PR1(N1) + 2PR2(N2) + PR3(P1)

Sujeto a X1 + X2 + N1 P1=400

X1 + N2=240

X2 + N3=300

3. Resuelva el siguiente problema por los mtodos grficos y simplex

de programacin meta:
4. Minimizar Z= PR1(N1) + PR2(P2) + 6PR3(P3) + 5PR3 (P4) +
6PR4(N4) + 5PR4(N3)

SUJETO A 50X1 + 60X2 + N1-P1=1.200

10X2+N2-P2=110

10X1+N3-P3=80

100X2+N4-P4=800

5. La planta de produccin de un pequeo fabricante de artculos de

tenis tiene una capacidad operacional mxima de 8 horas por da.
Con esta capacidad, la compaa produce dos productos: una
raqueta de tenis de madera de lnea y una raqueta de tenis de
aluminio requieren 6 y 10 minutos respectivamente, en la fbrica.
Debido a la capacidad limitada de ventas, las ventas esperadas de
las raquetas de madera y aluminio, son 60 y 50 respectivamente.
La utilidad unitaria de la venta de la raqueta de madera es $5,
mientras que la de aluminio deja una utilidad unitaria de %10. El
gerente de la compaa ha enumerado las siguientes metas en
orden de importancia:

evitar la subutilizacin de la capacidad de produccin.

Lograr las ventas esperadas paras las raquetas de madera y
aluminio.(nota: puesto que la utilidad de la venta de la raqueta de
madera es la mitad de la raqueta de aluminio, l tiene la mitad del
inters en lograr la meta de ventas de la madera sobre la de
aluminio.)
 a. Formule este problema como un problema de programacin meta y
resuelva para obtener un programa ptimo de produccin.
b. Fratemos ahora las variables de desviacin con respecto a las
metas perseguidas en la funcin objetivo como trminos
cuadrticos. Esto es, nuestra desutilidad por no lograr una meta
perseguida dada, vara con el cuadro de nuestra desviacin(en vez
de linealmente) de esa meta. Formule este problema como un
problema de programacin meta cuadrtica utilizando un algoritmo
adecuado de programacin cuadrtica.
c. Suponga de nuevo que el gerente tiene preferencias cuadrticas
como en (b); sin embargo, ha puesto una meta adicional. Esta
meta es lograr las ventas esperadas para los productos en el
extremo alto y minimizar el tiempo extra requerido por produccin.(
nota: esto implica preferencias asimtricas, o trminos de
interaccin que comprenden variables de desviacin.) esta meta
adicional se supone que tiene el mismo grado de importancia como
el logro de las ventas esperadas. Formule y resuelva este
problema como un problema de programacin meta.

1. Dados los datos siguientes, deseamos estimar los parmetros de

una funcin lineal que relaciona las ventas de tv con el precio y
produccin.

Datos de regresin que relaciona las ventas de tv al precio y

produccin

Observacin ventas de tv precio de tv produccin de tv

Datos primarios
1 100 10 100
2 50 15 100
3 130 13 70
datos secundarios
4 200 13 150
5 170 15 200

Suponga que tenemos un conocimiento a priori de que el incremento de

precios de un tv tiene un efecto no negativo en la cantidad producida.
Note tambin que consideramos los datos primarios como dos veces
ms importantes que los secundarios, pues se cree que son dos veces
ms exactos.

a. Formule este problema como un problema de programacin meta

cudrtica.
b. usando minimizacin de los errores absolutos de desviacin como
un criterio, formule este problema como un problema lineal de
programacin meta.

Preguntas de revisin

1. qu es la programacin meta? cundo se aplica?

2. haga un contraste de diferencias entre la programacin lineal y la
programacin meta lineal.
3. muestre cmo podra resolver un problema multicriterio por
programacin lineal.
4. Exprese las caractersticas claves de un problema de
programacin meta en general, definiendo trminos. Construya un
problema ejemplo simple y formlelo como un problema de
programacin meta lineal. Haga un contraste entre esta
formulacin por programacin lineal. Resuelva ambas
formulaciones grficamente y discuta sus resultados.
5. Si una meta debe cumplirse exactamente, cmo se maneja esto
en la funcin objetivo del modelo de programacin meta? Si se
debe evitar el sublogro de una meta(sobrelogro), cmo se puede
manejar esto en la funcin objetivo lustre con ejemplos.
6. qu se entiende por factores prioritarios preestablecidos en un
problema de programacin meta?
7. se puede utilizar ponderacin cardinal en la funcin objetivo de
un modelo de programacin meta? qu le pasa a un modelo de
programacin meta, si se asignan pesos cardinales a todas las
prioridades de la funcin objetivo de un modelo de programacin
meta?
8. Haga un contraste de las diferencias para resolver un problema de
programacin lineal versus problema de programacin meta por el
mtodo simplex.
9. Ilustre algunas reas problema de la administracin en donde
usted piense que la programacin meta podra aplicarse. Sea tan
especfico como le sea posible.
10. Explique e ilustre un mtodo para obtener clasificacin por
importancia de metas mltiples.
Respuestas a las preguntas de revisin

1. La programacin meta es una tcnica de programacin matemtica

que trata las restricciones de un problema de programacin lineal,
como metas en la funcin objetivo. La ptimizacin significa llegar
tan cerca como sea posible al logro de estas metas en orden de
prioridad, del modelo preespecificado por el tomador de decisiones.
La programacin meta es eplicable a una meta o metas mltiples,
aunque su gran empleo ocurre cuando las metas son mltiples y
conflictivas y todas no pueden satisfacerse simultneamente.
2. En programacin lineal, se elije una meta como funcin objetivo y
las otras metas se especifican como restricciones. Cualquier
solucin a un problema de programacin lineal, debe satisfacer
todas las restricciones antes de optimizar la funcin objetivo.

En la programacin meta lineal , cada meta entra en la

formulacin del problema con una restriccin de igualdad que
contiene variables de holgura, indicando el logro o sublogro de las
metas. La funcin objetivo condiciona estas variables de desviacin
y una solucin intentar minimizarlas en orden de prioridad. As, la
programacin meta tolera el logro total o parcial de las metas,
mientras que la programacin lineal requiere la satisfaccin total de
todas las metas representadas por las restricciones.

Regresar a Cursos y Monografas - Dr. Ing. Fernando Marrero

Home Page