MODELOS DE METAS,

EJEMPLOS
Instituto tecnológico superior de Xalapa

JAQUELINE MENDOZA PORTILLA

INVESTIGACIÓN DE OPERACIONES 2
1.2 Modelo general de metas ejemplo:
La empresa Harrison Electric Company, en Chicago, fabrica candelabros y ventiladores de
techo de estilo antiguo. Dicha fábrica desea maximizar los beneficios obtenidos con la
producción de los citados productos.
Para la fabricación de los ventiladores y candelabros se realizan dos pasos: el cableado
eléctrico y el ensamble. Para cablear un candelabro se necesitan 2 horas y para
ensamblarlo 6. Además, para cablear cada ventilador se necesitan 3 horas y 5 horas para
ensamblarlo. Cabe destacar que solo se dispone de 12 horas para realizar el cableado y 30
horas para el ensamble.
En la venta de cada candelabro se obtiene 7 dólares y en la venta cada ventilador 6
dólares.
Modelizamos el problema que se nos plantea.
Max 7x1 + 6x2
s.a: 2x1 + 3x2 ≤ 12
6x1 + 5x2 ≤ 30
x1, x2 ≥ 0
siendo las variables de decisión:
x1= candelabros fabricados
x2= ventiladores fabricados
Pasado un tiempo, la empresa decide mudarse y en este momento se valora que el objetivo
anterior no es del todo realista. Por tanto, la fábrica considera que obtener un beneficio de
30 dólares por día, sí es un objetivo que puede ayudar a la empresa de manera real.
Estamos ahora frente a un problema de programación por metas con las restricciones de
tiempo de producción que anteriormente se tenían.
Definimos las variables de desviación:
d−1 = beneficio de venta inferior a 30 dólares
d+1 = beneficio de venta superior a 30 dólares
Tenemos por tanto el siguiente problema:
min d−1 + d+1
s.a: 7x1 + 6x2 + d−1 − d+1 = 30
2x1 + 3x2 ≤ 12
6x1 + 5x2 ≤ 30
x1, x2, d−1, d+1 ≥ 0
Nuevamente la empresa considera que se puede mejorar la situación. En esta ocasión, la
administración de la fábrica se plantea alcanzar las siguientes metas, cada una con igual
prioridad:
Meta 1: Obtener un beneficio de 30 dólares cada día
Meta 2: Utilizar todas las horas disponibles para el trabajo de cableado
Meta 3: Evitar que en el departamento de ensamble se superen las horas establecidas
Meta 4: Producir como mínimo 7 ventiladores de techo
Considerando estas metas tenemos las variables de desviación siguientes:
d−1 y d+1: variables de desviación relacionadas con el mínimo beneficio a lograr
d−2 y d+2: variables de desviación relacionadas con el tiempo disponible del
departamento de cableado
d−3 y d+3: variables de desviación relacionadas con el tiempo excesivo de trabajo del
departamento de cableado
d−4 y d+4: variables de desviación relacionadas con el mínimo de ventiladores de techo
que se producen
Teniendo en cuenta las metas que se han establecido, las variables de desviación d+1, d+2,
d−3 y d+4 se pueden eliminar de la función objetivo.
El problema queda entonces de la siguiente manera:
min d−1 + d−2 + d+3 + d−4
s.a: 7x1 + 6x2 + d−1 − d+1 = 30
2x1 + 3x2 + d−2 − d+2 = 12
6x1 + 5x2 + d−3 − d+3 = 30
x2 + d−4 − d+4 = 7
xi, d−j, d+j ≥ 0, ∀i = 1, 2 y ∀j = 1, 2, 3, 4
donde a1 = d−1, a2 = d−2, a3 = d+3y a4 = d−4.

1.3 Diferencia entre modelo lineal y modelo metas

La diferencia principal en la estructura es que la programación meta no intenta minimizar
o maximizar la función objetivo como lo hace el modelo de programación lineal, en vez
busca minimizar las desviaciones entre las metas deseadas y los resultados reales de
acuerdo con las prioridades asignadas. El objetivo o función de preferencia de un modelo
de programación meta es expresado en términos de las desviaciones de las metas a que
se apunta. Esto es, las variables de holgura o sobrantes de las restricciones se colocan en la
función objetivo y deben minimizarse. El modelo general de la programación meta se
define como:
1.4 Modelo de una sola meta ejemplo:

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:
Horas requeridas para procesar cada bicicleta:
Tipo de bicicleta En el departamento En el departamento Contribución a la
de ensamble de terminación utilidad unitaria
3 velocidades 1 1 15
10 velocidades 3 1 25
Horas disponibles en 60 40
cada
departamento

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.
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
1+ = cantidad por encima de la utilidad perseguida
Minimizar Z = d1− + d1+
Sujeto a:x1+3x2 ≤ 60 (horas de ensamble).
x1 + x2 ≤ 40 ((horas de terminación).
Restricciones estructurales 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 ejemplo:
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 400 450

*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 ejemplo:

Primero tenemos que definir que es una meta: una meta es el fin hacia el que se dirigen las
acciones o deseos. De manera general, se identifica con los objetivos o propósitos que una
persona o una organización se marca.
De igual manera definimos la submetas como las actividades que conllevan a cumplir las
metas, las acciones para alcanzarlas.
Un ejemplo muy claro serio:
Meta = Aprobar el curso
Submetas = Asistir a clases + Estudiar y organizar el tiempo para no dejar dudas.

1.7 Métodos de solución ejemplo:

Para llegar a la solución de un problema de Programación Lineal se utilizan diferentes
métodos de solución. Los más difundidos son: el método gráfico y el Método Simplex. La
solución de un problema de Programación Lineal utilizando un procedimiento gráfico es
posible si se tienen no más de dos variables. El Método Simplex fue el primer método surgido
para solucionar problemas de Programación Lineal, por lo que se le considera el método
de solución clásico por excelencia. Teniendo en cuenta la filosofía de este método han
surgido otros métodos cuyas ventajas fundamentales se concentran en las posibilidades de
estos para ser programados por computadoras.
Método grafico
El procedimiento gráfico comienza elaborando una gráfica que muestre las soluciones
posibles (valores X1 y X2). La gráfica tendrá valores los valores X1 en el eje horizontal y los
valores X2 en el eje vertical. El procedimiento para hallar la solución gráfica consiste en lo
siguiente:
Para cada inecuación del sistema de restricciones (medio espacio cerrado) se toma la
recta correspondiente y se determinan los intercepto con la gráfica. Si la recta pasa por el
origen del eje de coordenadas, el término independiente es cero, entonces se traza la recta
tomando el origen y otro punto determinado dando un valor arbitrario a una de las
variables.
Para determinar los puntos que satisfacen cada inecuación se sustituye un punto cualquiera
del espacio (se recomienda el origen cuyas coordenadas son (0,0)), y de esta forma se
determina si los puntos que satisfacen la misma están hacia el lado que está el origen o
hacia el lado contrario, señalando con una flecha ese lado. Cuando la recta pasa por el
origen entonces se toma otro punto cualquiera pero que sean sencillos los valores de sus
coordenadas, por ejemplo, (0,1), (1,0), (1,1), etc.
Luego se determina la región solución que es la región del plano que satisface todas las
restricciones al mismo tiempo y que debe estar en el primer cuadrante.
La figura formada es un poliedro convexo que tiene un conjunto de puntos extremos.
Se busca el punto óptimo entre el conjunto de puntos extremos. Para eso se sustituye cada
par de puntos (X1, X2) de los puntos extremos en la función objetivo y se calcula el valor de
Z. Si se está maximizando el valor de esta, el punto óptimo será aquel que proporcione el
valor mayor para Z y si el criterio de optimización es de minimizar, entonces el punto óptimo
será aquel que proporcione el valor mínimo de Z.