Beruflich Dokumente
Kultur Dokumente
Vol. III, n. 8
abril-junio 1974
pp. 369-388
Daniel VILLALBA
Profesor Adjunto del Departamento de Organizacin de Empresas
de la Universidad Autnoma de Madrid
SUMARIO
1. Introduccin.-2.
Concepto de programacin por objetivos.-3.
Objetivos, subobjetivos y restricciones fsicas.-4. Un objetivo con un solo subobjetivo.-5. Un objetivo y mltiples subobjetivos.-6. Mltiples objetivos y
mltiples subobjetivos.-7. Objetivos y pseudoobjetivos.-8.
Objetivos prioritarios.-9.
Pesos especficos.-10. Un ejemplo de programacin por objetivos.-11.
Aplicaciones de la programacin por objetivos.-12.
Extensiones de la programacin por objetivos.-13. Mtodos de resolucin.-14. Bibliografa.
por objetivos
371
(2) = C'X
3 72
i1. $;
fl.11
Sujeto
a:
.
111
'
[1.2]
,
mln.(z)=2Xl+X2
+ X, < 6
+ 2x2 < 8
xl + X, a 5
3Xl
Xl
Xl, x2
,
,
; . .
; I
,:
' :
..
. .
.;
.Figura 1
nes .[1.2], '.[i:3f.y [1.4] ; por tanto, el problema no tiene. solucin factible en P. L.
~ u e s t r diiedoi.
'
gere'nte se sentira muy
frirstrado' cuando' al darle los resultados le
dijrapi05"~aes. ptoblema no tiene soluciil jr'pPobablemente nos dira que buscsemos la scilucin que stuviera ms cerca
de sus 'objetivos: &to eS, minimizar costos
y a la' vez8f2bricar el mximo izmero de
unidades, entrs mesas y sillas, que fuera
posible.. . .
Pata soiitcinar este problema podramos
plantearnos de nuevo el' P. L. anterior,
cambiado de .la. siguiente
, .
manera:
, ,
= -
'
x,, x, > o
'
. . .
'
Sujeto a :
..,
. ..
373
Figura 2
res tales que Y,Y,+ est 10 ms cerca posible de los objetivos (11, que eh este
caso son 5 y 3.
Se puede argir en el planteamiento de
[5], y concretamente en [5.2] y C5.31, que
no sabemos en qu direccin se nos van
a producir las desviaciones. Por ejemplo,
si C es el coste standard, es muy posible
que el coste final sea inferior o superior
al mismo sin que a p r i d sepamos la direccin de la desviacin. En este caso, lo
que podemos hacer es sustituir [5.3] por
[5.3] 2x1
~5.61
+ x, - Y,- + Y,+ = 3
Y,Y,,
Y,+ = O
Y,+ > o
374
Sujeto a:
[5.2]
[5.3]
[5.4]
[5.5]
XY'+'
X2+ Y,-
2x3'4- x
a
3X~l-t. Xa
XI 2x2
=5
-'
4 6
:+
xb
x
2
)
y,+ = 3
Y
Z
'
<8
>0
b = f (Xl,Xa
......, Xn)
376
X=
F+b
P, - P,
+ ...... + a,,X, = b
x>o
o en forma vectorial:
( C7.11
Sujeto a:
[7.2]
mn.
(2) =
Y+
'+ Y-
a' X - Y+ '+ Y- = b
x, Y+, Y- > o
377
'
-h l h 2 1 . . . l h l n ,
XI=
H=
hpl hoz,
..
.1
hpn
Veamos ahora un ejemplo que nos aclare un poco las ideas dadas en los prrafos
anteriores :
El gerente de la empresa XXX estima
que para poder salir a Bolsa su empresa
debe tener un beneficio bruto de por lo
menos 12 unidades monetarias (u. m.). Esta
empresa fabrica dos productos, que son vasos y platos. Para la fabricacin de platos
necesita dos horas de horno y cinco horas
de operario, mientras que para la fabricacin de vasos precisa seis horas de horno
y tres de operario. Adems, en el perodo
de tiempo considerado debe producir y vender por lo menos dos platos. Nuestro gerente deduce de sus costes standard y de
los precios de venta que el beneficio bruto
por plato es de 2 u. m. y de 3 u. m. para
los vasos. Sabe adems que cuenta con un
mximo de doce horas de horno y quince
horas de operario.
Eiltonces, si llamamos a x1 el nmero
de platos fabricados y vendidos; a Xz, el
nmero de vasos tambin fabricados y vendidos; Y+, a Ia desviacin en ms de 10s
beneficios brutos respecto a 10s esperados
(esto es, el objetivo, que en este caso es 12) ;
Y-, a las desviaciones del beneficio bruto
por debajo de la cantidad esperada, y tenemos en cuenta que lo que se desea es
..., p )
; r=
Xn
i]
378
'
*'
O
X1
Figura 3
Sujeto a:
en el que Yi+,Yi-(Vi = (1, ..., m}) representan las desviaciones positivas y negativas correspondientes al objetivo bir (Vi =
= {1, ..., m}).
El planteamiento [8] lo podramos expresar en forma matricial como :
[i]
mn.
A X - I.+
'+1.-
=b
X, Y+, Y- > o
7. OBJETIVOS Y PSEUDOOBJETIVOS
379
tercero puede desear maximizar sus beneficios; el cuarto podra ser el de satisfacer
a sus trabajadores todo lo que pueda, siendo compatible con la maximizacin de los
beneficios, etc.
En el ejemplo anterior, adems de una
clasificacin de las preferencias de una
forma ordinal, hemos aludido implcitamente a la particin de las variables de desviacin. Efectivamente, hemos dicho que como
primer objetivo interesaba que los trabajadores estuvieran un mnimo contentos, y,
sin embargo, en el cuarto decamos que
queramos satisfacer a los trabajadores lo
mximo posible, lo que implica dividir el
objetivo de mximas satisfacciones de los
trabajadores en dos: primero, que por lo
menos estn un mnimo de satisfechos con
la empresa, lo que implica un cierto nivel
de salario y de ventajas sociales, y segundo,
una vez conseguido este objetivo, aumentarles su satisfaccin lo ms que se pueda,
por ejemplo, mediante aumentos de sueldo, ventajas sociales, etc., pero sin por ello
disminuir la consecucin de otro objetivo como es el de la maximizacin de los
beneficios. Estas divisiones ms finas de
los objetivos las llamamos pseudoobjetivos
y las representamos por variables de desviacin con dos subndices, el primero corresponde al nmero de variable de desviacin del ob,jetivo y el segundo corresponde al pseudoobjetivo.
En otras palabras, y de una manera grfica, sea A
Bun segmento que contenga todos los valores de un objetivo cualquiera,
al que llamaremos bi y al que asociaremos
S psdoobjetivos positivos biZi+bi,z+,...,
bi,,+ y S pseudoobjetivos negativos biSi-
380
Figura 5
\ Sujeto a:
El programa [14] nos dice cmo podemos sustituir las desviaciones totales de1
los dos objetivos por desviaciones respecta
a pseudoobjetivos C14.11. Por otra parte,
[14.3] nos .dice que si algn valor de .desviacin positiva de un pseudoobjetivo. Yi,,+.
es mayor que cero, entonces todas las va:
variables de desviacin negativa Yi,i: sern
iguales a cero, y exactamente a la invqsa.
Siguiendo la figura 6 vemos que
puede tener cuatro posibles valores :
a) Cero, si la desviacin respecto al objetivo es negativa.
b) (b:,+l,- h.,+)si la desviacin total
respecto al objetivo Yi+ es superior al valor
del pseudoolb jetivo bl, l.
C) (Yi - b+i,,) si la desviacin respecto al objetivo Yi+ es superior al del pseudo~
oibjetivo bi,j, pero inferior al valor del pseudoobjetivo inmediatamente superior a l,
d) (Yi+- bis,) si la desviacin respecto
al objetivo Yi+ es mayor que el valor de1
psezcdoobjetivo ms alto, b+i,,.
Precisamente a cada una de las partes en
que dividimos un objetivo es a lo que llamamos psezidoobjetivos. En el caso del
ejemplo hemos dividido un ob,jetivo, cuaI
' era la mxima satisfaccin de los trabajadores, en dos pseudoobjetivos, que son, en
primer lugar, y como prioritario, la consecucin de un salario mnimo, y, en se+
381
De estas cuatro opciones y de [11] y
[12] se desprende que escogeremos el mayor valor que resulte entre cero (opcin a)
o el menor entre b y e, excepto q u e d sea
mayor que cero, en cuyo caso escogeramos d,
Por tanto, podremos escribir que
8. OBJETIVOS PRIORITARIOS
Ya hemos dicho que lo que nos interesa
en la P. O. es acercarnos tanto como sea
posible a los ob,jetivos prefijados. Esto lo
logrbamos minimizando las desviaciones
correspondientes a estos objetivos. Sin embargo, nos puede interesar el dar un orden
de prioridad a estos objetivos. Seguidamente vamos a intentar formalizar este aspecto
del problema.
Supongamos que hemos dado un orden
de prioridad a cada objetivo y, por tanto,
se lo hemos dado a sus correspondientes
variables de desviacin. Entonces Ilame-
En donde Pi (Vi = 1, ..., k) son los k rdenes de prioridad e Y,*, Y,", Yr* son variables de desviacin positivas o negativas.
La prioridad P no se refiere a ningn
valor numrico concreto y, por tanto, cuantitativo, sino que es un valor cualitativo u
ordinal que nos indica la prioridad de un
cierto objetivo respecto a otro.
En realidad podemos pensar el problema de P. 0. con factores de prioridad como si fuera, en vez de una sola funcin
objetivo, una serie de funciones objetivas
en las que una vez se ha resuelto la prime-
mos PI, P2, ..., Plc, a la variable con prioridad 1, prioridad 2, ..., prioridad k, de tal
manera que hasta que no se cumpla el objetivo con prioridad 1, el valor ms prximo posible al mismo, n o se cumpla la
prioridad 2. Exactamente l o mismo para l a
prioridad 2 respecto a la 3, y as sucesivamente. En general, indicaremos este razonamiento por :
382
m'n.
1171
un peso especfico a cada uno de los objetivos dentro de cada prioridad que dos diga
la relacin de importancia entre dos objetivos de una forma cuantitativa.
A estos pesos especficos les llamaremos
al, a2,..., a,,,.
Formalmente, entonces, [16] quedar:
(al Y,* +
Y,,* ......) +
+ Pa (aa Y,* i- Y,,* ......) +
+ ....................................+
'+F, (a, Y,* 4- Y,,* ......) 4-
(2) = Pl
a11
a71
Ax -ZY+ +]Y- = b
X,
Y+,
Y- > O
C17.21
[17.3]
Enunciado:
La empresa AUTO9 S. A.9 produce tres
modelos de automviles: A, B y C, los
cuales, en el proceso de su fabricacin, pasan por una misma cadena.
Los tiempos de trabajo de la cadena para
cada modelo son:
Mod. A
M0d.B
M0d.C
......... 30 minutos
......... 40 D
......... 60
Mod. A
M0d.B
Mod. C
.........
10.000 ptas.
......... 13.000
......... 11.500
D
D
Planteamiento:
),
Definicin de las variables :
Sean:
Xl nm. de coches mod. A
X2 P
P
D
B
P
C
x D
D
b) Restricciones :
c) Funcin objetivo :
La ecuacin [18.1] dice que los beneficios, esto es, las unidades fabricadas de
cada modelo por beneficio unitario, ms
las posibles desviaciones por debajo ( d e s
viaciones negativas) y por encima (desvia*
ciones positivas) deben ser iguales a los
520.000.0QO fijados como objetivo.
La C18.21 indica el tiempo total utilizado, o sea, tiempo en minutos por modelo
multiplicado por unidades producidas de
cada uno, ms las desviaciones positivas y
negativas, deben ser iguales al objetivo que
consiste en la utilizacin de 1.920.000 minutos mquina.
La C18.31 muestra mediante la utilizacin
de la variable de desviacin Yzl+que el
tiempo que se sobrepase el 15 por 100 de
horas extraordinarias fijadas por la empresa sea mnimo. Obsrvese que la variable
de desviacin Y,,+ es una variable asociada a un pseudoobjetivo, que en este caso
es 1.920.000 X 0,15 = 288.000.
Las r18.43, C18.51 y [18.6] establecen
que las cantidades realmente producidas
del modelo A, B y C, menos sus desviaciones positivas y ms sus desviaciones negativas, deben ser iguales a los objetivos fi-
'384
Tambiinpodemos aplicar la P. O: al campo financiero, en la determinacin del punt o muerto con produccin conjunta, poltica
ptima de dividendos, etc., as como a la determinacin de la cartera de valores ptima
mediante una modificacin del modelo de
Sharpe.
Quiz una de las ms importantes aplica11. APLICACIONES . DE LA PROGRA- ciones, a nuestro.juicio, es en el campo de
MACION POR OBJETIVOS
la decisin de las instituciones pblicas en
que las prioridades suelen estar muy defiLas aplicaciones de la P. 0.son inniime- nidas la majrora de las veces. Especialmenrables y el citarlas aqu todas sera algo) te es importante en la planificacin de adinterminable,
ministraciones locales (11) y en la pla,nifiNos podemos hacer una idea de ello pen- cacin de las universidades (12).
sando que cualquier aplicacin de la P. L.
es a la vez aplicacin de P. O. Adems de
otras muchas aplicaciones que no podemos 12. EXTENSIONES DE LA P. O. ,
resolver por P. L., s es posible resolverlas
por P. O., por ser sta mucho ms general
En este artculo hemos tratado a la P. O.
que aqulla.
desde un punto de vista de planteamiento
Sin embargo, vamos a citar las reas de en el ms estricto sentido de la palabra.
aplicacin ms importantes para que el lec- Sin embargo, adems del planteamiento potor se d una idea del amplio campo de demos analizar los algoritmos de resolucin
esta tcnica.
de la misma, el anlisis del dual, el anlisis
La primera utilizacin que citaremos ser postoptimal y el anlisis paramtrico. Este
la aplicacin a la contabilidad. Su autor, el iltimo, especialmente, no sabemos que est
profesor IJIRI, ha sido y es una gran pro- tratado hasta la fecha, o por lo menos pumesa de la P. O. y ha desarrollado jus- blicado.
tamente la aplicacin de esta tcnica en el
Las funciones que componen la P. 0. son
campo de la contabilidad (10). Esta apli- lineales y continuas, como hemos dicho recacin consiste, fundamentalmente, en sus- petidas veces a lo largo de este artculo;
tituir las variables heterogneas de un mo- sin embargo, no tienen por qu serlo necedelo, tales como nmero de .piezas produ- sariamente.
cidas, ingresos, etC, por variables homoPodran ser cuadrticas o de orden cuagneas, que son precisamente las llamadas
lesquiera
o bien funciones no continuas,
cuentas en contabilidad. Entonces, conocomo
son
las que exigen que las variables
cido el balance inicial, las restricciones ftomen
valores
discretos, con lo que tensicas de la empresa y fijados unos objetivos,
dramos
la
P.
0.
cuadrtica, no lineal o en
el problema consiste en determinar qu
nmeros
enteros.
transacciones debemos llevar a cabo en
No vamos a desarrollar, ni tan siquiera a
cada cuenta para que nos alejemos mniapuntar; los problemas que presente la remamente de los objetivos prefijados.
Un segundo campo de aplicacin consiste solucin de estas extensiones a la P. O.;
en encontrar la ptima combinacin de re- para ello no tenemos espacio aqu ni es procursos escasos para cumplir unos ciertos psito de este trabajo; sin embargo, creeobjetivos. Esta es una aplicacin tpica de
P. L., pero, como hemos dicho, la P. O.
(11) SANGM. LEE y WILLIAMR. SEVEBECK:
ofrece unas posibilidades ms amplias que A n Aggregative Model for Municipal Economic
Planning, "Policy Sciences", vol. 2. nm. 2, 1971,
aqulla. .
385
2.
ZJC
= (Al;, A:)
A A+A
A + A A+
A A+
A+A
=A
= A+
= (AA+)'
=(A+A)'
386
diB= C-nB . A
14. BIBLIOGRAFIA
A. CHARNES
and W. W. COOPER:Management MocEeZs and Industrial Applications
of Linear Programming, vols. 1y 11, John
Wiley and Sons, Inc., Publishers, 1961.
IJIRI,YUJI: Management Goals and Accouting for Control, North Control Publishing Company, Amsterdam, 1965.
IJIRI,
YUJI: ((On the Generalized inverse of
an Incidence Matrix)), J. Soc. Indust.
Appl. Math., vol. 13, nm. 3, september,
1965. Printed in USA.
PENROSE,R.: A Generalized Z~zversefor
Matrices. Proceedings of the CambrEdge
Philasophical Society, 60, 1965, pginas
406-413.
SANGM. LEE: ((GoalProgramming for Academic Planning)), Management Science,
volumen 18, nm. 8, abril, 1971, pginas 395-408.
SANGM. LEE and WILLIAMR. SEVEBECK:
(16) Ver cualquier tratado de P. L. Por ejemAn Aggregative model for Municipal
plo, Dantzing, en su obra "Linear Programming
Economic Planning)),Policy Sciences, voand Extensions", Princeton University Press,
lumen 2, nm. 2, 1971.
1963.