Instituto Tecnológico Superior de

Coatzacoalcos
División de Ingeniería Industrial

AGOSTO –DICIEMBRE 2019

Nombre del Alumno: DE LOS SANTOS YUNIS ALMA LAURA

Apellido Paterno Apellido Materno Nombre(s)

ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II

UNIDAD 1: PROGRAMACIÓN POR METAS

Nombre del Docente: JIMENEZ VENTURA BRICIO

Apellido Paterno Apellido Materno Nombre(s)

Semestre: 5° Grupo: “B” No. Control: 17081032 Fecha: 26/08/2019

 INVESTIGACIÓN DE OPERACIONES II

PROGRAMACIÓN POR METAS

INDICE

INTRODUCCIÓN .................................................................................................... 3

UNIDAD 1- PROGRAMACIÓN POR METAS.......................................................... 4

1.1 DEFINICIÓN Y CONCEPTOS GENERALES................................................. 5

1.2 MODELO GENERAL DE METAS. ................................................................. 7

1.3 DIFERENCIAS ENTRE MODELO LINEAL Y MODELO METAS. ................ 10

1.4 MODELOS DE UNA SOLA META. .............................................................. 11

1.5 MODELOS DE METAS MÚLTIPLES. .......................................................... 13

1.6 MODELOS DE SUBMETAS DENTRO DE UNA META. .............................. 15

1.7 MÉTODOS DE SOLUCIÓN. ........................................................................ 15

1.8 USO DE SOFTWARE .................................................................................. 16

CONCLUSIÓN ...................................................................................................... 21

REFERENCIAS BIBLIOGRÁFICAS ...................................................................... 22

INTRODUCCIÓN

La mayoría de las situaciones de decisión real, sean personales o

profesionales, se caracterizan por metas (atributos) y objetivos múltiples más que
por un simple objetivo. Estas metas pueden ser complementarias, pero
frecuentemente son conflictivas entre ellas y también inconmensurables.

La Programación meta es una técnica de resolución de problemas

multicriterio, que permite escoger las variables que ofrecen una mejor solución al
problema planteado, teniendo la gran ventaja que permite trabajar con metas
medidas en distintas unidades e incluso contrapuestas.

En esta unidad abordaremos temas muy importantes acerca de la

programación por metas, los cuales son: definición y conceptos generales, modelo
general de metas, diferencias entre modelo lineal y modelo metas, modelos de una
sola meta, modelos de metas múltiples, modelos de submetas dentro de una meta,
métodos de solución y uso de software
UNIDAD 1- PROGRAMACIÓN POR METAS

La programación por metas es un enfoque para tratar problemas de decisión

gerencial que comprenden metas múltiples o inconmensurables de acuerdo a la
importancia que se les asigna a estas metas.

El método de programación de metas permite alcanzar varios objetivos de manera

simultánea.

La programación de metas establece un objetivo numérico específico para cada uno

de los objetivos, formular una función objetivo para cada uno y después buscar una
solución que minimice la suma ponderada de las desviaciones de estas funciones
objetivo de sus metas respectivamente.
1.1 DEFINICIÓN Y CONCEPTOS GENERALES.

Carlos Romero define la programación por metas de la siguiente manera: “La

programación por metas se aleja de una filosofía de optimización, entroncando con
una filosofía satisfaciente en la línea que propone Herbert Simon (1955, 1957). Este
prestigioso economista conjetura que en las complejas organizaciones actuales
(grandes empresas, agencias gubernamentales, sindicatos, etc.), el contexto
decisional está definido por información incompleta, recursos limitados, multiplicidad
de objetivos, conflicto de intereses, etc. En este tipo de contexto, el centro decisor
no está en condiciones de maximizar nada, y menos una bien definida función de
utilidad como supone el análisis económico tradicional. Por el contrario, Simon
conjetura que, en contextos decisionales complejos, el centro decisor intenta que
una serie de metas relevantes se aproximen lo más posible a unos niveles de
aspiración fijados de antemano”.

Por lo tanto, la programación por metas tiene de fondo una filosofía que se llama
“satisfaciente”, lo que quiere decir que no tiene por qué haber una obligatoriedad de
satisfacerlo, sino que se ubican cuáles son las metas más relevantes y se intenta
que acercar lo más posible a los niveles de aspiración. Como mencionó Simon, los
centros decisores cada vez son más complejos y además tienen que considerar
más parámetros que pueden limitar su deseo, y es en estos en los que sería
conveniente aplicar la programación por metas.

La Programación meta es una técnica de resolución de problemas multicriterio, que

permite escoger las variables que ofrecen una mejor solución al problema
planteado, teniendo la gran ventaja que permite trabajar con metas medidas en
distintas unidades e incluso contrapuestas.
La filosofía de los problemas de programación meta es muy similar a los de
Programación Lineal, sólo que ahora además de las restricciones estructurales, se
pueden tener varios objetivos simultáneos, los cuales se desean alcanzar. Como la
existencia de un objetivo que puede ser alcanzado o no.
Programación de Metas: Planteamiento utilizado para resolver un problema de
optimización de objetivos múltiples como un programa lineal que equilibre los pros
y los contras de los objetivos en conflicto.

Meta: Valor objetivo numérico específico establecido para un fin en un programa de

metas.

Penalización: Valor relativo que se usa para representar insatisfacción con cada
unidad que un objetivo esté por debajo de su meta, si el objetivo es maximizar, y
por encima de la meta si lo que se busca es minimizar.

En los problemas de metas se tienen objetivos múltiples, en este caso se

encontrarán problemas con múltiples metas sin prioridades y/o con prioridades, y
en todos los casos se pudiesen tener problemas con ponderación y sin ponderación.

Es importante recalcar que nunca se sacrificará una meta de mayor prioridad por
una de menor prioridad, pero dentro de una misma prioridad, la desviación con
mayor ponderación puede ser desplazada por la de menor ponderación si esta
última logra un valor que compense dicha ponderación.

La programación de metas es un enfoque para tratar problemas de decisión

gerencial que comprenden metas múltiples o ilimitadas, de acuerdo a la importancia
que se les asigne a estas metas. El tomador de decisiones debe ser capaz de
establecer al menos una importancia ordinal, para clasificar estas metas. Una
ventaja importante de la programación meta es su flexibilidad en el sentido de que
permite al tomador de decisiones, experimentar con una multitud de variaciones de
las restricciones y de prioridades de las metas cuando se involucra con un problema
de decisión de objetivos múltiples.

Las características que distinguen la programación de Meta son:

La Función Objetivo siempre busca minimizar.
Por cada meta existirá una restricción meta.
Que las metas se satisfacen en una secuencia ordinal. Esto es, que las metas
que deben clasificarse en orden de prioridad por el tomador de decisiones
son satisfechas secuencialmente por el algoritmo de solución.
 Las metas con prioridad baja se consideran solamente después de que las
metas de prioridad alta se han cumplido.
La Programación de metas es un proceso de satisfacción, en el sentido de
que el tomador de decisiones tratará de alcanzar un nivel satisfactorio en vez
del mejor resultado posible para un solo objetivo.

APLICACIONES

La programación meta también es aplicable en las siguientes áreas, entre otras:

MERCADEO: Donde las metas conflictivas podrían ser: maximizar la

participación del mercado, minimizar los costos de publicidad, maximizar
el margen de ganancia por artículo vendido.
CONTROL DE INVENTARIOS: Donde es necesario minimizar el número
de faltantes y minimizar el costo de almacenaje.
PRODUCCION: Donde es necesario minimizar el costo de fabricación,
maximizar el control de calidad, y maximizar la utilización de recursos.

1.2 MODELO GENERAL DE METAS.

Los modelos generales de metas tienen como objetivo representan direcciones de

mejora de los atributos. La mejora puede interpretarse en el sentido (más del
atributo mejor) o bien (menos del atributo mejor).

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

minimización de las funciones que corresponden a los atributos que reflejan los
valores del centro decisor. Como paso previo a la definición de meta se introducirá
el concepto de nivel de aspiración. Un nivel de aspiración representa un nivel
aceptable de logro para el correspondiente atributo. La combinación de un nivel de
aspiración con un atributo genera una meta.

Finalmente, el término criterio se utiliza como un término general que engloba los
tres conceptos precedentes (atributo, objetivo y metas). En otras palabras, los
criterios constituyen los atributos, objetivos o metas que se consideran relevantes
para un cierto problema decisional. Por consiguiente, la teoría de la decisión multi
criterio constituye un marco general o paradigma decisional en el que subyacen
diferentes atributos, objetivos o metas.

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

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

Una vez que se establece un problema en el formato del modelo general de

programación lineal, para obtener la solución puede aplicarse el método simplex
modificado solo para tomar en cuenta las prioridades.

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

en fijar los atributos que se consideran relevantes para el problema que se está
analizando. Una vez establecidos los atributos, se pasa a determinar el nivel de
aspiración que corresponde a cada atributo, es decir, el nivel de logro que el centro
decisor desea alcanzar. Seguidamente, se conecta el atributo con el nivel de
aspiración, por medio de la introducción de las variables de desviación negativa y
positiva, respectivamente. Así para el atributo i-ésimo, se tiene la siguiente meta:
donde, como es habitual, 𝑓(𝑥) representa la expresión matemática del atributo i-
ésimo, Ti su nivel de aspiración, ni y pi las variables de desviación negativa y
positiva, respectivamente. Las variables de desviación negativa cuantifican la falta
de logro de una meta con respecto a su nivel de aspiración, mientras que las
variables de desviación positiva cuantifican el exceso de logro de una meta con
respecto a su nivel de aspiración.

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

debajo de él, al menos una de las dos variables de desviación tomará valor cero
cuando la meta alcanza exactamente su nivel de aspiración.
Una vez clarificado el significado de las variables de desviación, es importante
introducir el concepto de variable de decisión no deseada. Una variable de decisión
se dice que no es deseada cuando al centro decisor le interesa que la variable en
cuestión alcance su valor más pequeño (esto es cero). Cuando la meta deriva de
un atributo del tipo más del atributo mejor (objetivo a maximizar) la variable no
deseada (a minimizar), será la variable de desviación negativa (cuantificación de la
falta de logro). Finalmente, cuando se desea alcanzar exactamente el nivel de
aspiración tanto la variable de desviación negativa como la positiva son variables
no deseadas y por tanto variables a minimizar.

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

hacia arriba o hacia abajo:

CASO 1: Se permiten desviaciones en ambas direcciones.

CASO 2: Solo se permiten desviaciones hacia abajo.
CASO 3: Solo se permiten desviaciones hacia arriba
CASO 4: No se permiten desviaciones.

No existe algo en la programación por objetivos que prohíba incluir restricciones que
no sean de objetivo o restricciones de recurso.

El significado de las variables de desviación no deseadas puede clarificarse por

medio del siguiente cuadro.

Metas y variables de desviación

Forma inicial de Forma de la meta Variable de desviación no

la meta 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
1.3 DIFERENCIAS ENTRE MODELO LINEAL Y MODELO METAS.
MODELO LINEAL
Usa solo un objetivo.
Las variables y la función objetivo deben
ser lineales.
Es necesario que cada variable aditiva
respecto a la variable objetiva.
Las soluciones no deben ser
necesariamente números enteros
La solución óptima (máximo o mínimo)
deben ocurrir en uno de los vértices del
conjunto de soluciones factibles.
Las funciones lineales en variables de
decisión con restricciones lineales
optimizando una función objetivo también
lineal.
Se tiene una función objetivo “Se busca
una combinación de recursos”.
Ventajas:
 Permite comparar un amplio rango
de soluciones y alternativas y
analizar sus consecuencias.
 Indica al administrador como
emplear más eficazmente sus
factores seleccionándolos y
distribuyéndolos adecuadamente.
MODELO META
Tiene más de un objetivo.
Variación de la PL
Se llega a una solución eficiente
Utiliza restricciones meta
Tiene 3 tipos de modelos:
 Sin prioridad.
 Con prioridad.
 Con prioridad y ponderación.
Se usa para resolver problemas
(programas) lineales con objetivos
similares, con cada objetivo visto
como una “meta”
Aquí las variables de desviación son
las cantidades que una meta es
superada o no alcanzaba.
Ventajas:
 Satisface los objetivos en una
secuencia de prioridad. Los
objetivos de segunda
prioridad se persiguen sin
reducir los objetivos de
primera prioridad.
  Hace que el administrador sea
más objetivo en sus decisiones al
obtener todos los datos que
puedan ser útiles para la
formulación matemática del
problema.
 Se conforma con una cota
inferior.
 El espacio de soluciones
siempre tiene que cumplirse,
mientras que los objetivos no
pueden cumplirse.

1.4 MODELOS DE UNA SOLA META.

La mayoría de los modelos de optimización, bien sean determinísticos o

probabilísticos, o bien deductivos e inductivos, consideran una sola función objetivo
(un solo propósito) o sea una sola meta (minimizar costos, tiempos o maximizar
utilidades).

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

de decisión, después se deben de especificar todas las metas gerenciales en orden
de prioridad.

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

los problemas que tengan metas múltiples y conflictivas arregladas de acuerdo a la
estructura prioritaria de la administración.

EJEMPLO: SATISFACCIÓN DE UNA SOLA META

Una división de Schwim Manufacturing Company produce dos tipos de bicicletas:

(1) una bicicleta de 3 velocidades y (2) una de 10 velocidades. La división obtiene
una utilidad de $25 en la bicicleta de 10 velocidades y $15 en la bicicleta de 3
velocidades. Debido a la fuerte demanda de estos artículos, durante el período de
planeación de verano la división cree que puede vender, a los precios que
prevalezcan, todas las unidades de estas dos bicicletas que produzca. Las
instalaciones de producción se consideran recursos escasos. Estos recursos
escasos corresponden al departamento de ensamblado y terminado. Los tiempos
unitarios de procesamiento y las capacidades de cada uno de los departamentos se
muestran en la tabla siguiente:

Hrs. requeridas para procesar cada bicicleta

Tipo de bicicleta En el Depto. de ensamble

En el depto. de terminación
Contribución a la utilidad unitaria
3 velocidades 1 1 15
10 velocidades 3 1 25
Hrs. disponibles en cada depto.
60 40

La división durante este período de planeación se enfrenta a cambios grandes

de organización y cree que el maximizar la utilidad no es un objetivo realista. Sin
embargo, desearía lograr un nivel satisfactorio de utilidad durante este período de
dificultad. La dirección cree que la utilidad diaria de $600 debería satisfacerse y
desea determinar, dadas las restricciones del tiempo de producción, la mezcla de
producto, que debería llevar a esta tasa de contribución a utilidades.

Formula un modelo de programación meta que satisfaga estos requerimientos

Definición de variables:

x1 = Número de bicicletas de 3 velocidades producidas por día

x2 = Número de bicicletas de 10 velocidades producidas por día

d1- = Cantidad por debajo de la utilidad perseguida

d1+ = cantidad por encima de la utilidad perseguida
Minimizar Z = d1- + d1+ s.a.
x1 +3x2 " 60 (horas de ensamble).
Restricciones estructurales

x1 + x2 " 40 ( (horas de terminación)

15x1 +25x2 +d1- - d1+ = 600 (Utilidad perseguida) Restricción meta
x1,x2,d1-,d1+ " 0

“Nota: Puesto que tanto d1-,d1+ aparecen en la función objetivo y a ambas se les
asigna pesos iguales, esto indica que la administración desea lograr la utilidad meta
exactamente”.

1.5 MODELOS DE METAS MÚLTIPLES.

Muy frecuentemente los problemas de decisión de las organizaciones productoras
de bienes y servicios tienen objetivos y metas múltiples que son conflictivos entre
sí. Para esto se diseñó la Programación con Metas Múltiples, en las cuales se puede
jerarquizar y priorizar las diferentes metas intervinientes en el modelo.

Meta unilateral inferior: Establece un límite inferior por abajo del cual no se
quiere ir (pero se aceptan desvíos a la meta que deberá minimizarse).
Meta unilateral superior: Establece un límite superior que no se quiere
exceder (pero se aceptan desvíos a la meta que deberá minimizarse).
Meta bilateral: Establece un blanco específico que no se quiere perder hacia
ningún lado.

EJEMPLO METAS MÚLTIPLES

Considera la información que se presenta en la siguiente tabla:

Departamentos

Producto 1 2 3 4
1 .10 2.1 1 .3 415
2 .08 1.4 .7 .2 362
3 .05 1.1 .6 .15 216
4 .04 .9 .5 .1 68
Disp. hrs/mes 320 2400 800 450

 El producto 2 no debe exceder 90 unidades al mes.

 Cada hora extra aumenta los costos en $20.00
Metas:
 Alcanzar utilidades de por lo menos $350,000.00 al mes.
 Maximizar la utilización de los 4 departamentos.
 No producir más del 50% de la producción total en cualquiera de los 4
productos (en unidades).
 Limitar el número de horas extras en el departamento 2 a 300 hrs. al mes.

Definición de variables:
xi = cantidad a producir del producto i mensualmente. i = 1,2,3,4.

F.O.
Min Z = d1- +d2- +d3- +d4- + d5- +d6+ +d7+ +d8+ +d9+ +d10+
s.a.
1) 415x1 +362x2 +216x3 + 68x4 -20d2+ - 20d3+ - 2 0d4+ - 20d5+ -d1 + + d1-
=350,000
2).10x1+.08x2+.05x3+.04x4 -d2+ + d2- = 320
2.1x1 +1.4x2 +1.1x3 +0.9x4 -d3+ + d3- = 2400
x1+.7x2+.6x3+.5x4 -d4+ +d4- = 800
.3x1 +.2x2 +.15x3 +.1x4 -d5+ +d5- = 450
3)x1-d6+ +d6- = .5(x1+x2+x3+x4) ! .5x1-.5x2-.5x3-.5x4 -d6+ +d6- = 0
-.5x1 +.5x2 -.5x3-.5x4 -d7+ +d7- = 0
-.5x1-.5x2+.5x3-.5x4 -d8+ +d8- = 0
-.5x1-.5x2-.5x3+.5x4 -d9+ +d9- = 0
4)d3+ -d10+ +d10- = 300
Restricciones estructurales:
x2" 90
xi" 0 para toda i
di+,di- " 0 para toda i.
1.6 MODELOS DE SUBMETAS DENTRO DE UNA META.

META: El punto final hacia el cual se entiende la acción, implica el cumplimiento de

un objetivo básico que requiere de una serie de logros en los cuales están
frecuentemente empeñados varios estamentos de la compañía, ya sea en diversas
áreas o en una de ellas.

SUBMETAS: Son aquellos logros colocados por debajo de las metas y que resultan
necesarios para el cabal cumplimiento de los objetivos básicos.

Las submetas son más detalladas; conforman parte de una red de jerarquías y se
asimilan a los peldaños necesarios para avanzar en forma consistente hacia el
cumplimiento de metas.

1.7 MÉTODOS DE SOLUCIÓN.

Una vez que el modelo este validado, los pasos siguientes consisten en:

Implementar el modelo: Trabajar con el cliente para poder extraer los máximos
beneficios del trabajo realizado

1. Actualizar el modelo: Es evidente que la realidad es cambiante, por ello

el modelo debe adaptarse a las nuevas circunstancias de manera
continua si se pretende que siga teniendo utilidad.
2. Programación meta ponderada: se basa en el establecimiento de
ponderaciones para las variables de desviación. La programación meta
afecta con coeficientes numéricos las variables de desviación de la
función objetivo y resuelve el problema utilizando el método simplex.
3. Programación meta lexicográfica: se basa en resolver el problema de
programación meta obteniendo inicialmente una solución para las
variables metas más importantes, es decir, aquellas que tienen prioridad
1. Seguidamente se busca la solución para aquellas variables desviación
con prioridad 2 pero agregando nuevas restricciones al sistema dadas por
el valor que se obtuvo para las variables de prioridad 1 obtenidas en la
 solución anterior y así sucesivamente hasta llegar a la solución de las
variables de última prioridad.
4. Método simplex multicriterio: le proporciona valores a las prioridades
siempre que P1 sea mucho mayor que P2 y P2 mucho mayor que
P3>>P4>>P5..... y busca como solución óptima aquella que proporcione
una mejor utilización de los recursos.

El método más utilizado es el de la Programación meta ponderada.

La utilidad de estos enfoques se reduce considerablemente en problemas

decisionales de un tamaño relativamente elevado. De las ideas que se acaban de
exponer se desprende que en problemas complejos que conllevan la formulación
de modelos de cierto tamaño, los enfoques multiobjetivo son de limitado interés y
tienen que dejar paso a otros enfoques con una solidez teórica tal vez menor, pero
con una operatividad muy superior. Dentro de esta línea pragmática puede
encuadrarse la programación por metas.

1.8 USO DE SOFTWARE

Uno de los softwares utilizados para resolver problemas de programación por metas
o simplemente de programación es el QSB; el cual es: un paquete de herramientas
muy versátil que permite el análisis y resolución de modelos matemáticos,
problemas administrativos, de producción, proyectos, inventarios, transporte, entre
muchos otros. Ofrece una interfaz básica pero amigable, y es la aplicación por
excelencia utilizada por profesionales de Ingeniería Industrial y áreas
administrativas para la resolución de sus modelos de programación lineal, continua
o entera.

A continuación, se muestra un ejemplo realizado en QSB

El problema trata sobre la planificar la producción de una fábrica de papel,

supongamos que cuenta con dos procesos, uno mecánico y otro químico, por los
cuales se puede obtener la pulpa de celulosa para la producción de papel.

Modelo de programación multiobjetivo:

Objetivos Max f1(x)= 1000 X1 + 3000 X2 (Maximizar el margen bruto)

Min f2(x)= X1 +2 X2 (Minimizar la demanda biología de O2)

Restricciones Rígidas Iníciales:

1000X1 + 3000X2 >= 300000 (Margen Bruto)

X1 + X2 <=400 (Empleo)

X1 <= 300 (Capacidades de Producción)

X2<= 200

X1, X2 >= 0

Variables de decisión y atributos/objetivos relevantes del problema:

G1: Para la demanda biológica de oxígeno: Un nivel de aspiración de 300 unidades,

pues desea que sea lo mas pequeña posible.

G2: Para el margen bruto: Alcanzar un valor lo más grande posible, ojal1 mayor de
400000 unidades por millón.

G3: Para el empleo: No desea ni quedarse corto ni contratar mano de obra adicional

G4: El decisor no desea superar sus capacidad de producción, lo que implicaría

recurrir a turnos extras.

Definiendo las restricciones tipo metas:

G1= X1 + 2X2 + n1-p1= 300 (Demanda Biologíca de O2)

G2= 1000X1+ 3000X2 + n2-p2=400000 (Margen bruto)

G3= X1 +X2 + n3 –p3= 400 (Empleo)

G4= X1 + n4- p4 = 300 (Capacidades de Producción)

G5= X2 + n5 – p5= 200

X1, X2 >=0
Introducción del Problema en QSB

Seleccionamos Ok, y nos abre la siguiente ventana donde deberemos de introducir

los valores de las variables.

Ahora si procedemos a dar de alta nuestras variables tal cual las pusimos en la parte
de arriba, ya que si no lo hacemos QSB nos las cambiara, esto lo hacemos en la
sección de Edit, Variable Names.
Ahora podemos definir las metas y restricciones

Después nos vamos alas herramientas del menú y seleccionamos Solve and
Analyze. Seleccionamos Solve the Problem y el problema se resuelve mediante el
método simplex y nos da el siguiente resultado.

Hoja de resumen de la información

Interpretación:

De la tabla podemos concluir que:

Las toneladas de celulosa a producir por medio mecánicos son 300

Dado que n1 y p1 son ambas cero, la demanda biológica de oxígeno mínimo es de

300 unidades, igual al nivel de aspiración.

La meta 2, asociada con el margen bruto, se queda por debajo del nivel de aspira
con en cuenta de 100000 unidades por millón, el valor que asume la variable de
desviación n2

La meta de empleo se fija de 100 unidades de mano de obra menos que el nivel de
aspiración que era de 400

Las metas 4 y 5 , relacionadas con los niveles máximos de producción por cada
método, se fijan en 0 tonelada de capacidad no aprovechada, para la , y 200 para
la 5
CONCLUSIÓN

El método por metas, es un método nuevo para nosotros, es un tema muy amplio
e importante en la vida real, ya que siempre en la vida existen prioridades, metas
por cumplir, y recursos limitados, de los cuales debemos darles el mejor o mayor
uso, así como clientes o restricciones con mayor peso que otras, este método puede
darte la mejor opción para atacar todas las restricciones que le sean plantados, sin
embargo la ecuación principal tanto las restricciones deben estar perfectamente
establecidas, pensadas y sobre todo expresadas matemáticamente para que el
método no te arroje datos basura.

Tomando las decisiones correctas respecto a las prioridades y a la necesidad de

maximizar o minimizar algún producto, espacio, material prima, etc. La respuesta
obtenida por este método será la óptima matemáticamente, y sabrás que se estará
tomando la mejor decisión posible para cumplir a todas.

La programación por metas, si bien es un método matemático que requiere de

una vasta serie de operaciones matemáticas que el valuador en su día a día no
podría realizar de forma manual por cuestiones de tiempo y pertinencia, hoy en día
el uso de las herramientas computacionales permite reducir la inversión de tiempo
para resolver este tipo de modelos matemáticos; los programas para programación
por metas que existen actualmente facilitan el cálculo del avalúo, de tal forma que
el valuador puede utilizar el método con el uso de un software y centrarse en la
búsqueda de los comparables y criterios más apropiadas para justificar el valor del
bien.
REFERENCIAS BIBLIOGRÁFICAS

Marrero, Fernando. Programación por Metas. Recuperado el 2 de Mayo de 2011 de

http://fmarrerodelgado.elgratissitio.com/metas.html.

Hillier – Liberman. Introducción a la investigación de operaciones, México: Editorial

Mc Graw Hill. Última edición

https://es.calameo.com/read/001432320df1c0e02733c

Eppen - Gould. Investigación de operaciones en la ciencia administrativa. México:

Editorial Prentice Hall. Última edición

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/programaci%C3%B3n-lineal-en-
winqsb/

http://proyectoinvestigacionoperacionesii.blogspot.com/