Beruflich Dokumente
Kultur Dokumente
Lee)
Maximizar Z x1 1 / 2 x 2
Suejto a : 3 x1 2 x 2 12
5 x1 10
x1 x 2 8
(1.1)
x1 x2 4
x1, x 2 0
La figura 1.1 muestra la grfica del conjunto de restricciones de este problema. Las reas
sombreadas indican el conjunto de puntos que cumplen con algunas restricciones. Sin
1
embargo, puesto que las dos reas sombreadas no se interceptan, no existe solucin factible
alguna. As, el problema no se puede resolver por procedimientos usuales de programacin
lineal.
6
5
x 2
4
1 2 3 4 5 6 7 8
x 1
Supongamos que las dos primeras restricciones en el modelo 1.1 representan recursos
disponibles, por ejemplo, capacidades de mquinas, y que la tercera y la cuarta restriccin
representan metas administrativas. Entonces, la funcin objetivo se puede cambiar de
maximizacin a ajuste a la meta. Como se mencion anteriormente, las metas no siempre se
logran con toda exactitud. El objetivo de la administracin ms bien puede ser una
aproximacin general de acercarse a las metas tanto como sea posible. As la funcin
objetivo se puede cambiar a: Maximizar Z x1 x 2 8 x1 x 2 4 . Esta es la idea
bsica de la programacin por objetivos.
Y. Ijiri estudi detalladamente las tcnicas de programacin por metas en base a los
conceptos desarrollados por Charnes y Cooper. El estudio de Ijiri present la definicin de
factores de prioridad preferencial para tratar metas mltiples de acuerdo a su importancia,
asignando ponderaciones a metas con la misma prioridad y sugiriendo la aproximacin de
la inversa generalizada como algoritmo de solucin. Ijiri reforz y refin el concepto de
programacin por metas y lo desarroll como una tcnica de programacin matemtica
diferente. Los estudios de Ijiri fueron, sin embargo, inicialmente dirigidos al desarrollo de
la tcnica y su posible aplicacin a la contabilidad y al control administrativo.
Las aplicaciones de la programacin por metas fu relativamente prolfica. Las primeras
aplicaciones de la tcnica fueron sugeridas por Charnes y otros para la planeacin de
medios publicitarios. Este estudio present un modelo general de programacin por metas
que puede ser utilizado para cualquier clase de problemas de planeacin de medios
publicitarios, con algunas modificaciones. Charnes y Cooper, en cooperacin con los
miembros del staff de la Office of Civilian Manpower Management, del departamento
naval, tambin presentaron un modelo de programacin por metas para la planeacin de la
mano de obra.
2
Impresionado por el potencial de la programacin pro metas, B. Contini examin el mtodo
bajo condiciones de incertidumbre. Su estudio proporcion la factibilidad matemtica para
la aproximacin de la programacin por metas estocstica, en base a estudios previos sobre
programacin lineal restringida. En 1968, V. Jaaskelainen present un estudio que aplic la
programacin por metas a la planeacin agregada de produccin. Este estudio comprensivo
incluye el tratamiento de metas mltiples para la produccin, fluctuaciones de la demanda,
control de inventarios y subcontratacin, y se bas en programas de computadora
desarrollados pro Jaaskelainen.
Sang M. Lee a explorado aplicaciones de la programacin por metas a varias reas
funcionales, tales como la planeacin acadmica, planeacin financiera, planeacin
econmica y administracin de hospitales. Algunos de sus estudios se presentan en esta
libro. La aplicacin de la programacin por metas ha sido grandemente mejorada
recientemente por Sang M. Lee y por V. Jaaskelainen.
Dado que la programacin por metas es una tcnica relativamente nueva, su potencial
todava no se ha determinado. Sin embargo, parece ser que su aplicabilidad puede ser tan
amplia como la de la programacin lineal. La programacin por metas tiene una gran
flexibilidad, aspecto que es una de las desventajas de la programacin lineal. Adems, la
aproximacin de ajustarse a metas mltiples de acuerdo a sus prioridades, es realmente una
gran ventaja para muchos problemas de decisiones administrativas. Ms adelante se
discutirn algunos anlisis de los conceptos de la programacin por metas.
3
programacin de la produccin, no es fcil determinar los costos asociados con las
fluctuaciones con el nivel de empleo, contratacin, capacitacin y despido de empleados,
cambios en la moral de los empleados e imagen pblica de la empresa, etc. Este problema
es ms aparente en el sector pblico. Supongamos que el gobierno est estudiando la
factibilidad de construir un nuevo aeropuerto en Washington, D. C. Aqu existen muchos
objetivos conflictivos de inters. El estudio debe considerar la capacidad del aeropuerto,
accesibilidad, planeacin del flujo de trfico, estilo arquitectnico para el prestigio
nacional, niveles de ruido de los residentes aledaos, conservacin de la vida natural en el
rea, y as sucesivamente. Obviamente, la programacin lineal no es conveniente para tal
anlisis de decisiones.
Para aliviar la unidemsionalidad de la funcin objetivo requerida en la programacin lineal,
se han hecho esfuerzos para convertir varias metas, costos o medidas de valor en un solo
criterio, tal como la utilidad. Si este proceso se pudiera aplicar efectivamente,
indudablemente que la limitacin de la programacin lineal se reducira. Sin embargo, la
medicin de la utilidad no es un tema simple, y no existe una metodologa efectiva para
desarrollar un funcin de utilidad de ya sea un individuo o un grupo de gente. Por lo tanto,
la decisin tomada con programacin lineal va funcin de utilidad, es solamente factible en
un sentido terico.
Para analizar el concepto de programacin por metas, primero debemos familiarizarnos con
el concepto de programacin lineal. Primero, revisemos los requerimientos de la
programacin lineal. El primer requerimiento bsico de la programacin lineal es que las
variables constituyan un sistema de decisin homogneo y lineal. En otras palabras, las
variables ( x1 , x 2 , ) pueden se solamente de primer orden y sus propiedades relativas no
debe de cambiar si se multiplican por la misma constante, es decir, f ( x) f (cx) cf ( x ) .
El segundo requerimiento es un conjunto de restricciones o recursos limitados. Para dar a
esta tcnica la flexibilidad requerida, es deseable expresar las restricciones ya sea en la
forma menor o igual que o mayor o igual que. As un conjunto de desigualdades
lineales, normalmente limitan el rea de solucione factibles dentro del cual cualquier punto
puede ser una solucin, y fuera del rea no existen soluciones reales. Un tercer
requerimiento es que podra haber un objetivo que lograr. Este objetivo se podra expresar
como una funcin lineal de las variables. La funcin objetivo debe de ser homognea en el
sentido de que los tipos de unidades de medicin, representados por las variables (por
ejemplo horas, nmero de trabajadores, libras, etc.) se deben combinar para proporcionar
una unidad consistente de medida para la funcin objetivo.
En el modelo usual de programacin lineal, el objetivo es maximizar o minimizar el criterio
objetivo cumpliendo alguna restriccin o meta. La restriccin se expresa por medio de una
combinacin lineal de las variables que corresponden a entradas y/o salidas del sistema
bajo consideracin. Adems, las variables individuales son tambin restringidas en alguna
forma. Por ejemplo, en todos los problemas de programacin lineal, todas las variables
consideradas deben de ser positivas o cero. Restricciones adicionales pueden especificar
lmites mximos o mnimos sobres los valores de las variables.
La forma general del modelo de programacin lineal se puede expresar como:
4
n
Max Z f ( x) c j 1
j xj
n
(1.2)
Sujeto a : a
j 1
ij x j bi (i 1,2, , m)
x j 0 ( j 1,2, , n)
n
Min Z f ( x) c
j 1
j xj
n
(1.3)
Sujeto a : aj 1
ij x j bi (i 1,2, , m)
x j 0 ( j 1,2, , n)
5
A. Meta simple con mltiples submetas
Considrese un caso donde una meta se puede lograr por medio del logro colectivo de un
conjunto de submetas, x1 , x 2 , , x n .
f ( x1 , x 2 , , x n ) a1 x1 a 2 x 2 a n x n b (1.4)
ax b (1.5)
Min Z d d
Sujeto a : ax d d b (1.6)
x, d , d 0
Ejemplo1
Min Z d d
Sujeto a : 80 x1 40 x 2 d d 640 (1.7)
x1 , x 2 , d , d 0
6
mayor a 640, entonces d ser distinta de cero. Si se logra exactamente la meta de 640,
entonces ambas desviaciones sern igual a cero.
En el ejemplo anterior, existen un nmero infinito de combinaciones de las variables que
logran la meta. La solucin ser cualquier combinacin lineal de x1 y x 2 entre dos puntos
( x1 8, x 2 0 ) y ( x1 0, x 2 16 ).
B. Restricciones submetas
Bx h (1.8)
Min Z d d
Sujeto a : ax d d b
Bx h
(1.9)
x, d , d 0
Ejemplo 2
Min Z d d
Sujeto a : 80 x1 40 x 2 d d 640
x1 6
x2 8
x1 , x 2 , d , d 0
7
Ax b
x0
(1.11)
Suponiendo que existe una solucin para 1.11, el modelo se puede transformar a:
m
Min Z (d
i 1
i
d i )
Sujeto a Ax Id Id b
x, d , d 0
Ejemplo 3
Min Z d 1 d 2 d 3 d 1
Sujeto a : 80 x1 40 x 2 d 1 d 1 640
x1 d 2 6
x2 d 3 4
x1 , x 2 , d 1 , d 2 , d 3 , d 1 0
8
puede plantear en el modelo. El decisor debe analizar el sistema e investigar si todas sus
metas estn expresadas en el modelo de programacin por metas. Cuando todas las
restricciones y metas estn completamente identificadas en el modelo, se debe analizar cada
meta en trminos de si un sobre o un sublogro de la meta es satisfactorio o no. En base a
este anlisis se pueden asignar las variables d o d a las restricciones y/o metas
regulares. Si es aceptable exceder la meta, entonces se puede eliminar la desviacin
positiva de la funcin objetivo. Por otro lado, si es satisfactorio no rebasar la meta, entonces
se podra eliminar la desviacin negativa en la funcin objetivo. Si se desea lograr la meta
exactamente, entonces ambas desviaciones deben aparecer en la funcin objetivo.
Para lograr una solucin ordenada, esto es, para lograr las metas de acuerdo a su grado de
importancia, las metas deben de ser ordenadas de acuerdo a factores prioritarios. De este
modo, las metas de menor nivel se considerarn solamente despus de que las metas de
mayor nivel se hayan logrado. Si se tienen k grados de importancia o prioridades, entonces
se asignan a las variables de desviacin positiva o negativa factores de prioridad
P j ( j 1,2, , k ) . Estos factores cumplen con la relacin P j P j 1 .
Un paso adicional en la formulacin del modelo es la ponderacin de las variables de
desviacin a un mismo nivel de prioridad. Por ejemplo, si la meta de ventas incluye dos
productos diferentes, habr dos variables de desviacin con el mismo factor de prioridad.
El criterio que se usa para asignar ponderaciones a este tipo de variables se basa en los
costos de oportunidad. El coeficiente siempre ser positivo y simplemente representa la
cantidad relativa de desviacin insatisfactoria de la meta. Por tal motivo, las variables de
desviacin que tengan el mismo nivel de prioridad, debern ser conmensurables, aunque las
desviaciones que operan sobre los diferentes niveles de metas no necesiten serlo.
La funcin objetivo de un problema de programacin por metas consiste de variables de
desviacin con factores de prioridad P j y para ponderar los niveles de la misma
prioridad. Sea c un vector fila de 2m componentes cuyos elementos son los productos de
P j y tales que:
c ( 1 P j1 , 2 P j 2 , , 2 m P j 2 m ) (1.14)
d (d 1 , d 2 , , d m , d1 , d 2 , , d m ) (1.15)
Min cd
Sujeto a : Ax Rd b (1.16)
x, d 0
9
Ejemplo 4
Considere el siguiente caso modificado de la ilustracin dada en los ejemplos previos. Cada
escritorio y cada mesa requieren de una hora de la capacidad de produccin de la planta. La
planta tiene una capacidad de produccin de 10 horas a la semana. Debido a la capacidad
limitada de ventas, se pueden vender un mximo de seis escritorios y ocho mesas por
semana. El margen de contribucin de un escritorio es de $80 y el de una mesa de $40.
El administrador de la planta tiene el siguiente conjunto de metas en orden de importancia.
1. Primero, evitar cualquier sub-utilizacin de la capacidad de produccin
2. Segundo, vender tantos escritorios y mesas como sea posible. Puesto que el margen
de contribucin de los escritorios es el doble del margen de contribucin de las
mesas, es dos veces ms deseable lograr la meta de ventas de los escritorios que la
meta de ventas de las mesas.
3. Tercero, minimizar el tiempo extra de operacin de la planta tanto como sea posible.
x1 x 2 d 1 d 1 10 (1.17)
10
Min Z P1 d 1 2 P2 d 2 P2 d 3 P3 d 1
Sujeto a : x1 x 2 d 1 d 1 10
x1 d 2 6 (1.19)
x2 d 3 8
x1 , x 2 , d 1 , d 2 , d 3 , d 1 0
Ejemplo 5 Una planta de una firma electrnica fabrica dos tipos de televisores: de 21
y de14. De acuerdo a la experiencia pasada, la produccin de un televisor de 14
requiere en promedio de una hora en la planta; asimismo la produccin de un televisor
de 21 requiere tambin de una hora en la planta. La planta tiene una capacidad normal
de produccin de 40 horas a la semana. El departamento de mercado reporta que,
debido a las oportunidades limitadas de venta, el nmero mximo de televisores de 21
y de 14 que se pueden vender por semana, es de 24 y 30 respectivamente. La utilidad
por cada televisor de 21 es de $800, mientras que la utilidad de cada televisor de 14
es de $400.
El presidente de la compaa tiene el siguiente conjunto de metas.
11
1. Evitar cualquier sub-utilizacin de la capacidad normal de produccin (sin
despedir trabajadores).
2. Vender tantos televisores como ser posible. Puesto que la utilidad de un televisor
de 21 es el doble del de un televisor de 14, ser dos veces ms deseable lograr
las ventas del televisor de 21, que las del televisor de 14.
3. Minimizar el tiempo extra de produccin de la planta tanto como sea posible.
Ejemplo 6 Una agencia de gobierno produce dos tipos de bienes: bienes de consumo y
bienes de inversin. Los recursos utilizados para su produccin son materiales y mano de
obra. Los materiales se utilizan para producir tanto bienes de consumo, como bienes de
inversin. Por otro lado la mano de obra se utiliza solo para la produccin de bienes de
inversin.
x2
Una unidad de material produce una unidad de salida, ya sea bien de consumo o bien de
inversin. Dos unidades de mano de obra producen una unidad de bien de inversin.
Adems, el costo de cada unidad de material y de mano de obra es de $1.00.
Se desea determinar la cantidad de recursos necesaria para alcanzar las siguientes metas:
Solucin:
Sea
12
Ejemplo 7 La American Computer Hadware, Inc. Produce tres tipos de computadoras:
Epic, Galaxie y Utopia. La produccin se lleva a cabo en una lnea de ensamble moderna
pero compleja. La produccin de una Epic requiere de 5 horas en la lnea de ensamble, la
de una Galaxia de 8 horas y la de una Utopia requiere de 12 horas. La lnea de ensamble
opera normalmente 170 horas por mes. Los departamentos de mercado y de contabilidad
han estimado que las utilidades para cada tipo de computadora es de $100,000, $144,000 y
$252,000 para la Epic, Galaxia y Utopia respectivamente. Adems el departamento de
mercado reporta que la demanda de mercado es tal, que la compaa espera vender todas las
computadoras que produzca.
Solucin
Mes 1 2 3 4
Costo $4 $4 $4 $7
Precio $6 $7 $5 $6
13
Solucin
Variables:
0 0 P1 0 0 0 0 0
Base D x1 x2 d 1 d 2 d 3 1
d11 d 1
d11
D 1 1 1 0 0 0 0 -1 0
P1 d 1 0 1 1 1 0 0 0 -1 0
0 d 2 0 1 0 0 1 0 0 0 0
0 d 3 0 0 1 0 0 1 0 0 0
0 1
d11 0 0 0 0 0 0 1 1 -1
0 0 0 0 0 0 0 P2
Base D x1 x2 d 1 d 2 d 3 1
d11 d 1
d11
D 1 0 0 0 0 0 0 0 -1
0 d 1 0 1 1 1 0 0 0 -1 0
0 d 2 0 1 0 0 1 0 0 0 0
0 d 3 0 0 1 0 0 1 0 0 0
0 1
d11 0 0 0 0 0 0 1 1 -1
14
0 0 0 5P3 3P3 0 0 0
Base D x1 x2 d 1 d 2 d 3
1
d11 d 1
d11
D 1 5 3 0 0 0 0 0 0
0 d 1 0 1 1 1 0 0 0 -1 0
5P3 d 2 0 1 0 0 1 0 0 0 0
3P3 d 3 0 0 1 0 0 1 0 0 0
0 1
d11 0 0 0 0 0 0 1 1 -1
0 0 0 0 0 0 P4 0
Base D x1 x2 d 1 d 2 d
3
1
d11 d 1
d11
D 1 0 0 0 0 0 0 -1 0
0 d 1 0 1 1 1 0 0 0 -1 0
0 d 2 0 1 0 0 1 0 0 0 0
0 d 3 0 0 1 0 0 1 0 0 0
0 1
d11 0 0 0 0 0 0 1 1 -1
15