1

INTRODUCCION

La mayora de las situaciones de decisin real, sean personales o profesionales,

se caracterizan por metas (atributos) y objetivos mltiples ms que por un simple
objetivo. Estas metas pueden ser complementarias, pero frecuentemente son
conflictivas entre ellas y tambin inconmensurables La Programacin meta es una
tcnica de resolucin de problemas multicriterios, que permite escoger las
variables que ofrecen una mejor solucin al problema planteado, teniendo la gran
ventaja que permite trabajar con metas medidas en distintas unidades e incluso
contrapuestas. La filosofa de los problemas de programacin meta es muy similar
a los de Programacin Lineal, slo que ahora adems de las restricciones
estructurales, se pueden tener varios objetivos simultneos, los cuales se desean
alcanzar. Como la existencia de un objetivo que puede ser alcanzado o no.

PROGRAMACION DE METAS
La programacin por metas es muy similar a la programacin lineal, en la que
existe una funcin objetivo (que puede ser maximizacin o minimizacin). La
diferencia radica en que la programacin de metas debe tener restricciones de
meta, en lugar de restricciones de recursos. Adems, debe existir una evaluacin
de importancia entre las funciones objetivo. Este mtodo se empleado con
frecuencia para problemas con muchas metas o que no puedan evaluarse. Para
ello el administrador debe decir cul es su prioridad. La programacin de metas es
flexible, ya que permite tratar con muchas variaciones de restricciones y de
prioridad de metas. As, se puede ver el problema desde diferentes perspectivas y
hallar la mejor solucin posible.
La tcnica de programacin de metas para resolver modelos con varios objetivos.
La idea principal es convertir los diversos objetivos originales en una sola meta. El
modelo resultante produce lo que se suele llamar solucin eficiente, porque podr
no ser ptima con respecto a todos los objetivos contrapuestos.

(Taha, Investigacin de operaciones, 2004, pg. 347)

ECUACIONES DE RESTRICCIONES Y DE METAS

Al igual que la programacin lineal, en la programacin por metas existen
ecuaciones de restricciones, las cuales se deben formular de acuerdo con los
objetivos de la empresa. Por ejemplo, si una empresa desea producir por lo menos
cuatro puertas, se debe formular puertas (P) > 4; es decir, debe producir cuatro
puertas o ms. Ahora, los objetivos de contribuciones o ganancias se formulan
como deseos.
Por ejemplo: ganar $25,000 en el siguiente trimestre. Esto puede tener sesgo por
encima de la meta o por debajo de la misma. Siguiendo con el ejemplo de las
puertas, para fabricar tres tendramos el siguiente algoritmo: P + F E = 3 donde
la P son las puertas, la F, lo que falta para producirlas y E lo que excede para
fabricarlas.
Ejemplo: Una empresa fabrica dos tipos de puerta: una rstica y una con
acabados. Se obtiene una utilidad de $45 en la rstica y $65 en la puerta con
acabados. Como la empresa sabe que existir una fuerte demanda, sabe que
puede vender todo lo que se produzca.
Los requerimientos de tiempo se presentan a continuacin:
PUERTA
DEPARTAMENTO

HORAS
DISPONIBLES AL
MES

RUSTICA

CON ACABADOS

CORTE

70

TERMINACION

50

CONTRIBUCION

$45

$65

La empresa desea maximizar sus utilidades, y cree que la utilidad diaria ser de
$800. Por lo anterior, quiere determinar la cantidad de productos necesarios para
lograr sus objetivos.

Para ello se debe formular un modelo de programacin de metas que considere

todos los aspectos, donde X es el nmero de puertas rsticas producidas por da,

Y es el nmero de puertas con acabados producidas por 68 da, D1- es la cantidad

debajo de la utilidad que se quiere alcanzar y D1+ es la cantidad por arriba de la
utilidad que se quiere alcanzar. Minimizar Z = (D1-) + (D1+) Sujeto a: 2X + 6Y = 70
(horas de corte). 2X + 2Y = 50 (horas de terminacin) 45X + 65Y + (D1-) (D1+) =
800 (utilidad perseguida) restriccin meta X, Y, D1-, D1+ > 0 Cuando se utiliza la
programacin de metas D1-, D1+ van inmersas en la funcin objetivo y a ambas
se les asignan pesos iguales, esto indica que la administracin desea lograr la
utilidad meta exactamente. 2
2

(CLUB DE ENSAYOS, 2015)

FUNCIN OBJETIVO CON PRIORIDADES DOMINANTES

Esta seccin presenta dos algoritmos para resolver la programacin de metas.
Ambos mtodos convierten las metas mltiples en una sola funcin objetivo. En el
mtodo de los factores de ponderacin la funcin objetiva nica es la suma
ponderada de las funciones que representan las metas del problema. El mtodo
de jerarquas comienza dando prioridades a las metas en orden de importancia. A
continuacin se optimiza el modelo usando una meta cada vez, de tal modo que el
valor ptimo de una meta con mayor prioridad nunca se degrade debido a una
meta con menor prioridad. 3
En general, los dos mtodos propuestos no producen la misma solucin. Sin
embargo, ninguno de ellos es mejor que el otro, porque cada tcnica tiene por
objeto satisfacer ciertas preferencias en la toma de decisiones.

El mtodo de factores de ponderacin

Supongamos que el modelo de programacin de metas tiene n metas, y que la isima meta se expresa como sigue: Minimizar Gi, i 1, 2, ..., n La funcin objetivo
combinada que se usa en este mtodo se define como sigue:
El parmetro , representa factores de ponderacin positivos que reflejan las
preferencias de quien toma las decisiones, respecto a la importancia relativa de
cada meta. Por ejemplo, , para toda i significa que todas las metas tienen el mismo
factor de ponderacin.

Hay situaciones donde nos encontramos con metas mltiples; en ese caso es
necesario definir la prioridad de cada una. El orden lo propone el administrador,
segn las necesidades, prioridades y los objetivos que persigue la empresa.
Es necesario clasificar las metas en K rangos, y a las variables se les da un
nmero de prioridad, de acuerdo con el orden de importancia; as el 1 ser el ms
importante que se desea alcanzar.
Para construir la funcin objetivo se deben tomar en cuenta dos cosas:
preguntarse si los objetivos son proporcionales o se pueden cuantificar, y definir la
importancia de cada meta. Si las metas son cuantificables se puede aplicar una
ponderacin, brindndole un peso mayor al ms importante para el administrador.
No existe lmite al asignar prioridad a las metas.
En caso de 69 considerar a dos metas de igual importancia, es vlido asignarle el
mismo orden de prioridad. Una caracterstica de la programacin de metas es que
la solucin del problema se da en orden de importancia. Primero se busca la
optimizacin de la meta ms importante y una vez alcanzada, se contina
buscando la optimizacin de la meta de menor importancia, hasta concluir con
esta ltima. 4

HILLIER, Y LIBERMAN. Mc. Graw. Hill 1999.

( HILLIER&LIEBERMAN INVESTIGACION DE OPERACIONES (7 ED. 2003)

FORMULACIN DE CASOS
La formulacin de un modelo de Programacin Meta es similar al modelo de P.L..
El Primer paso es definir las variables de decisin, despus se deben de
especificar todas las metas gerenciales en orden de prioridad. As, una
caracterstica de la Programacin Meta es que proporciona solucin para los
problemas de decisin que tengan metas mltiples, conflictivas e
inconmensurables arregladas de acuerdo a la estructura prioritaria de la
administracin.
La Programacin Meta es capaz de manejar problemas de decisin con una sola
meta o con metas mltiples. En tales circunstancias, las metas establecidas por el
tomador de decisiones son logradas nicamente con el sacrificio de otras metas.
Las caractersticas que distinguen la programacin 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 solucin. Las metas con prioridad baja se consideran
solamente despus de que las metas de prioridad alta se han cumplido. La
Programacin meta es un proceso de satisfaccin, en el sentido de que el tomador
de decisiones tratar de alcanzar un nivel satisfactorio en vez del mejor resultado
posible para un solo objetivo.
La nocin fundamental de la Programacin Meta, comprende incorporar todas las
metas gerenciales en la formulacin del modelo del sistema. En la programacin
Meta, en vez de intentar minimizar o maximizar la Funcin Objetivo directamente,
como en la programacin lineal, se minimizan las desviaciones entre las metas y
los lmites logrables dictados por el conjunto dado de restricciones en los recursos.
Estas variables de desviacin, que se denominan de "holgura" o "sobrantes" en
programacin lineal toman un nuevo significado en la Programacin Meta. Ellas se
dividen en desviaciones positivas y negativas de cada una de las submetas o
metas. El objetivo se convierte entonces en la minimizacin de estas desviaciones,
dentro de la estructura prioritaria asignada a estas desviaciones. 5
(juanlugomarin, 2010)

PROGRAMACIN NO LINEAL
La programacin no lineal forma parte de la investigacin de operaciones y
tambin, como la programacin lineal, tiene como finalidad proporcionar los
elementos para encontrar los puntos ptimos para una funcin objetivo.
En este planteamiento, tanto la funcin objetivo como las restricciones son no
lineales. Se presenta un problema de programacin no lineal cuando tanto la
funcin objetivo que debe optimizarse, como las restricciones del problema, o
ambas, tienen forma de ecuaciones diferenciales no lineales, es decir,
corresponden a ecuaciones cuyas variables tienen un exponente mayor que 1.
La Programacin no lineal (PNL) es el proceso de resolucin de un sistema de
igualdades y desigualdades sujetas a un conjunto de restricciones sobre un
conjunto de variables reales desconocidas, con una funcin objetivo a maximizar,
cuando alguna de las restricciones o la funcin objetivo no son lineales.
El campo de aplicacin de la programacin no lineal es muy amplio, sin embargo,
hasta la fecha los investigadores de esta rama del conocimiento no han
desarrollado un mtodo sistemtico que sea prctico para su estudio. La
programacin no lineal tambin es conocida con el nombre de programacin
cuadrtica, en virtud de que la mayor parte de los problemas que resultan
contienen ecuaciones cuadrticas o de segundo grado. Muchas veces se
presentan casos en que se deben maximizar funciones no lineales que presentan
restricciones lineales; esto es posible resolverlo, siempre y cuando se admita la
hiptesis de que la utilidad marginal no es constante, en este caso, la funcin
objetivo deja de ser lineal. Las ventajas ms importantes de la programacin no
lineal son dos:
1. En algunas ocasiones la distribucin ptima del presupuesto excluye cualquiera
de los bienes considerados en el presupuesto general; esta situacin se refleja en
cualquiera de las restricciones del modelo.
2. La programacin no lineal aporta mayor informacin que la contenida en el
anlisis marginal. No slo define el objetivo, sino que tambin seala la orientacin
especfica para lograr el objetivo. 6
(itpn.mx, 2010)

10

CARACTERSTICAS DE LOS PROBLEMAS NO LINEALES

Los problemas no lineales se caracterizan por tener relaciones no lineales; es

decir, no existe una relacin directa y proporcional entre las variables que
intervienen. Los problemas de programacin no lineal, tambin son llamados
curvilneos, ya que el rea que delimita las soluciones factibles en un grfico se
presenta en forma de curva. La funcin objetivo en la programacin no lineal,
puede ser cncavo o convexo. Es cncavo cuando se trata de maximizar
utilidades, contribuciones, etc. Es convexo cuando trata de minimizar recursos,
costos, etc. Los problemas que contienen restricciones lineales, se resuelven de
una forma ms sencilla que los problemas con restricciones no lineales.

FORMULACIN Y RESOLUCIN DE MODELOS

RESTRICCIONES U OBJETIVOS NO LINEALES.

MATEMTICOS

CON

Una forma de resolver los problemas de programacin no lineal es convirtiendo

los problemas de forma tal, que se pueda aplicar la programacin lineal. Los
problemas de programacin no lineal abarcan problemas con funcin objetivo no
lineal y restricciones no lineales, como se presenta en el ejemplo siguiente:

Tanto la funcin objetivo como la restriccin presentan variables de segundo grado

(potencia cuadrtica); por lo tanto, son no lineales. Para comenzar con la
resolucin de un problema no lineal se representa la restriccin en un grfico, para
ello, se utiliza el mismo procedimiento empleado en el mtodo grfico de
programacin lineal Considerando la desigualdad 3 X2 + 2Y < 13, 950, se le
asigna un valor de 0 a la variable Y, para encontrar el punto de X en el grfico. As
mismo, se asigna un valor de 0 a la variable X, para encontrar el punto Y en el
grfico: Despejando la variable X se procede de la forma siguiente: 7
3 X2 + 2Y2 < 13,950 3 X2 + 2(0)2 < 13,950 X 2 < 13,950 / 3 X 2 < 4,650 X <
4,650 X < 68.19 Para despejar la variable Y se procede como sigue: 3 X2 + 2Y2
< 13,950 3 (0)2 + 2Y2 < 13,950 Y 2 < 13,950 / 2 Y 2 < 6,975 Y < 6,975 Y <
83.51

11

(Ackoff, Sasieni, Fundamentos de investigacin de operaciones)

De acuerdo con el procedimiento por el mtodo grafico de programacin lineal, se

debe dibujar en un plano cartesiano cada una de las restricciones formuladas
matemticamente, de esa forma se representa como se muestra en el grafico
siguiente la restriccin considerada para este ejemplo:

12

Como podemos observar, la restriccin se representa por una curva convexa, por
lo que la funcin objetivo es cncava. Para graficar la funcin objetivo, se asigna
un valor cualquiera a la variable X y a la contribucin; para este ejemplo, se asign
un valor a X=40 y una contribucin de $1,000. Sustituyendo el valor de X en la
funcin objetivo, se puede encontrar el valor de la variable Y, como se presenta a
continuacin: ($9.6 X - $0.06 X2 ) + $10Y$ = $1,000 Funcin objetivo $9.6 (40) $0.06 (402 ) + $10Y$ = $1,000 $288 + $10Y$ = $1,000 $10Y = 1,000 - $288 Y =
$712 / $10 Y = 71.2

13

Mtodo de Recurrencia
Las empresas tienen operaciones que son recurrentes, con diferentes valores
cuantitativos dependiendo del tiempo en que suceden.
Para estos casos, podemos predecir qu ocurrir en el futuro, si conocemos con
exactitud los precedentes o antecedentes histricos. Para estos casos, podemos
predecir qu ocurrir en el futuro, si conocemos con exactitud los precedentes o
antecedentes histricos. Por ejemplo: una empresa realiza un depsito de $5,000
en su cuenta bancaria, con intereses anuales del 10% y quiere conocer cunto
dinero tendr en diez aos. Para conocer el monto en veinte aos, se debe
formular un algoritmo, denominado relacin de recurrencia, que describa el
problema en cuestin.

ALGORITMO DE POOLING
Pooling, o puesta en comn, comprende todas las acciones necesarias que
realiza la empresa acerca de sus recursos, gestin de recursos (como tiempo,
mano de obra o materias primas), con el objetivo de aprovecharlos al mximo.
Muchas empresas necesitan acceder de forma rpida y confiable a los recursos
con los que cuenta, adems de tener la capacidad de dar respuesta a los cambios
que puedan existir en stos, desde disminucin hasta un aumento considerable de
los recursos. La interaccin entre los participantes que requieren de recursos vara
ligeramente dependiendo de si el fondo de recursos con impaciencia adquiere
recursos en el arranque o no. Suponiendo que la piscina (pool) se apropia de los
recursos por adelantado, las solicitudes posteriores de adquisicin de usuarios de
los recursos se sirven de esos recursos. Los usuarios de recursos los liberan para
el fondo de recursos cuando no los necesite. Los recursos se reciclan en la
piscina. En el fondo de recursos se utilizan datos estadsticos que incluyen las
caractersticas de uso, como el uso pasado y frecuencia de uso. Con estos datos y
empleando algoritmos estadsticos en pool (piscina de recursos), podemos
pronosticar y tener un panorama del comportamiento de los recursos en la
empresa, para una buena gestin. 8
(Thierauf, Robert J.,)

14

CONCLUSION
La programacin por metas consiste en hacer una programacin por medio de una
funcin de metas y tiene una diferencia muy clara con la lineal ya que la
programacin lineal se programan los recursos, y en la programacin de metas se
programan metas, al igual se utilizan restricciones en programacin de metas, la
solucin del problema se da por orden de importancia, y son utilizados en
industrias. Tambin en esta investigacin se conoci el tema de la programacin
no lineal que es conocida como cuadrtica la cual se utilizan herramientas
matemticas tales como calculo diferencial y el lgebra y a los problemas se le
denominan Curvilneos.

15

Bibliografa
Ackoff, S. F. (1994). Fundamentos de investigaciones operacionales. Mexico:
limusa.
CLUB DE ENSAYOS. (09 de 02 de 2015). Obtenido de
https://www.clubensayos.com/Temas-Variados/Ecuaciones-DeRestricciones-Y-De-Metas/2337459.html
itpn.mx. (24 de junio de 2010).
Obtenido de http://itpn.mx/recursosisc/3semestre/investigaciondeoperaciones
juanlugomarin. (20 de febrero de 2010). http://es.slideshare.net/.
Obtenido de http://es.slideshare.net/juanlugomarin/programacion-de-metas-yobjetivos-16646467
Taha, H. A. (2004). Investigacin de operaciones. PEARSON EDUCACION.
Ackoff, Sasieni, Fundamentos de investigacin de operaciones, Mxico,
Limusa, 1982.
Thierauf, Robert J., Toma de decisiones por medio de investigacin de
operaciones, Mxico, Limusa, 1983.

16

17