SlideShare una empresa de Scribd logo
1 de 11
En programación lineal, todos los objetivos o metas de la
administración deben incluirse en la función objetivo y se reducen a
un solo criterio. Sin embargo, puede que no sea factible reducir
todas las metas de la organización a un marco tan restrictivo. Es por
esto, que surgió una nueva técnica para el análisis de problemas de
decisión que también involucra la asignación de recursos escasos
pero además, brinda la oportunidad de incluir los objetivos o metas
que no puedan reducirse a una sola dimensión en la formulación del
problema y, esta técnica es denominada PROGRAMACION META
(P.M.)
PROGRAMACION DE METAS

Definición
El método de programación meta consiste en formular una

función objetivo en que la optimización “llega tan cerca como sea
posible” a la satisfacción de las metas especificadas. La
programación de metas es un enfoque que se ha construido a
partir de la programación lineal y se utiliza en modelos que
poseen objetivos múltiples para obtener generalmente una
solución eficiente.
CARACTERISTICAS DE LA PM
• Permite que
especificadas.

las

metas

inconmensurables

y

conflictivas

sean

• El modelo se puede resolver usando el algoritmo simplex.

• Es capaz de manejar problemas de decisión con una o mas metas.

• Las metas se satisfacen en secuencia ordinal.

• Busca un nivel satisfactorio de las metas, minimizando las desviaciones.
APLICACIONES DE LA PM
La programación meta puede y ha sido aplicada a una gran variedad de
problemas gerenciales tanto en el sector público como privado. Ha sido
aplicada en áreas funcionales de la administración tales como:

Mercadeo

• Planeación y
programación
de medios de
publicidad.
• Asignación de
esfuerzos de
ventas.

Producción

• Planeación y
programación
productiva.
• Transporte de
mercancía.

En
el
publico

sector

• En
planeaciones
académicas,
urbanas,
municipales,
entre otras.
DEFINICIONES BASICAS EN LA PM
Optimización
multi-objetiva:

Meta:
Variables desviacionales:
Variable positiva = v
Variable negativa = µ

• Planteamiento utilizado para optimizar un modelo
de múltiples objetivos.

• Valor objetivo numérico especifico establecido
para un fin en un programa de metas.
• Son las que representan las desviaciones hacia arriba (v)
y hacia abajo (µ) del lado derecho de la restricción meta.

Prioridades:

• Establecimiento generalmente subjetivo de una
importancia ordinal para clasificar las metas.

Penalización:

• Valor relativo que se usa para representar
insatisfacción en el logro de las metas.

Solución eficiente:

• Es aquella que puede ser no optima respecto a
todos los objetivos conflictivos del problema.
METODOLOGIA DE LOS MPM
La programación meta es una extensión de la programación lineal y la
formulación del modelo es similar e incluye los siguientes pasos:
1. Defina las variables de decisión del modelo

2. Especifique, al menos teóricamente, todas las metas gerenciales en orden de prioridad.

3. Identifique y formule en forma matemática las restricciones tradicionales.

4. Formule matemáticamente las restricciones meta.

5. Proceda a formular la función objetivo.
METODOLOGIA DE LOS MPM
4. Formulación de la
restricción meta.

5. Formulación de la
función objetivo.

Formule una restricción meta por cada meta identificada.

La función siempre es de minimizar alguna combinación de
variables desviacionales de acuerdo a lo siguiente:

Defina dos variables desviacionales no negativas por cada
restricción meta.

Si se desea tener un logro por encima, se minimiza la variable
de desviación negativa (µ-) , es decir, si el sobrelogro (v+) es
satisfactorio puede eliminarse de la función objetivo.

Determine el nivel de aspiración que corresponde a cada
atributo, es decir el nivel de logro .

Si se desea tener un logro por debajo, se minimiza la variable de
desviación positiva (v+) , es decir, si el sublogro (µ-) es aceptable
puede eliminarse de la función objetivo.

Conecte el atributo con el nivel de aspiración introduciendo
las variables de desviación en la restricción.

Si se desea alcanzar exactamente el nivel de aspiración se
minimizan ambas variables de desviación, es decir, tanto el
sobrelogro (v+) como el sublogro (µ-) deben incluirse en la
función objetivo.
METODOLOGIA DE LOS MPM
El modelo general de programación meta puede expresarse matemáticamente así:
Minimizar Z = P1 (µ1- + v1+) + P2 (µ2- + v2+) +...+ Pn (µn- + vn+)
Sujeto a las restricciones:
a11X1 + a12X2 +…. + a1nXn (≤, = o ≥) b1
Restricciones
tradicionales
an1X1 + an2X2 + …. + annXn (≤, = o ≥) bn
a21X1 + a22X2 + µ1- - v1+ = M1
an1X1 + an2X2 + µi- - vi+ = Mn
Xj,

µi-,

vi+

≥0

Restricciones
meta

Condición de
No negatividad

donde:
Xj= variables de decisión o nivel de la actividad j (j = 1, 2,…, n)
Pi = pesos de ponderación asignados a las metas
µi-, vi+ = representan el sublogro y sobrelogro de la meta
Z = valor de la función objetivo.
b1, bn = vector disponibilidad o cantidad de recurso disponible para asignar a las actividades
aij = coeficiente tecnológico o cantidad de recurso i consumido por cada unidad de la actividad j.
METODOLOGIA DE LOS MPM
ASPECTOS A CONSIDERAR:
Los valores de las variables de desviación son siempre positivos o cero, al menos una de
las dos variables de desviación que definen la meta tendrá que ser cero.

Las dos variables de desviación tomaran el valor cero cuando la meta alcance
exactamente su nivel de aspiración (M).

Se asigna la prioridad P1 al objetivo más importante, siguiendo P2 a una prioridad más
baja. No existe límite en el número de niveles de prioridad pero debe asignarse una
prioridad para cada variable de desviación. Se permiten empates o prioridades iguales.

Una vez formulado el modelo de programación meta, el procedimiento de computo es
casi idéntico al método simplex de programación lineal.
MODELO DE PROGRAMACION DE METAS APLICADOS
Producción:

Variables de Decisión

Un fabricante está tratando de decidir sobre la
cantidad a producir de mesas y sillas. Para ello cuenta
con 96 unidades de material y 72 horas de mano de
obra semanal. Cada mesa requiere 12 unidades de
material y 6 horas de mano de obra, por su parte, la
fabricación de cada silla requiere 8 unidades de
material y 12 horas de mano de obra. El margen de
contribución a la ganancia es el mismo para ambos
productos y es de 5 dólares por unidad. Además, el
fabricante se comprometió a construir al menos 2
mesas semanales. Ahora suponga que el fabricante se
ha establecido las siguientes metas por orden de
importancia: desea lograr más de 50 dólares de
ganancia y utilizar completamente las horas de mano
de obra como una meta secundaria. Formule el
modelo.

X1 = Cantidad a producir de mesas
semanalmente en unidades
X2 = Cantidad a producir de sillas
semanalmente en unidades

Variables de Desviación
µ₁⁻ = cantidad de dólares por debajo de la ganancia meta
V₁⁺ = cantidad de dólares por encima de la ganancia meta
µ₂⁻ = nuero de horas ociosas de mano de obra
V₂⁺ = numero de horas extras de mano de obra

•Identificación de los parámetros (datos)
MATERIAL

PRODUCCION

MANO DE

GANANCIA

(u/U)

(U)

OBRA (h/U)

($/U)

Mesas (X₁)

12

2

6

5

Sillas (X₂)

8

-

12

5

PRODUCTO

DISPONIB.

96 u/sem

72 h/sem

Función Objetivo
Minimizar Z = P1 (µ₁⁻ ) + P2 (µ₂⁻ + V₂⁺)
Sujeta a las restricciones
12X1 + 8X2 ≤ 96 UNIDADES DISPONIBLES DE MATERIAL
X1
≥ 2 PRODUCCION SEMANAL DE LAS MESAS
5X₁ + 5X₂ + µ₁⁻ - V₁⁺ = 50 GANANCIA META
6 X₁ + 12X₂ + µ₂⁻ - V₂⁺ = 72 HORAS DE MANO DE OBRA
X₁, X₂ , µ₁⁻, V₁⁺, µ₂⁻, V₂⁺ ≥ 0

Más contenido relacionado

La actualidad más candente

Modelos De Programacion Entera
Modelos De Programacion EnteraModelos De Programacion Entera
Modelos De Programacion EnteraCris Tenorio
 
Analisis de sensibilidad ejercicios resueltos
Analisis de sensibilidad   ejercicios resueltosAnalisis de sensibilidad   ejercicios resueltos
Analisis de sensibilidad ejercicios resueltosLuis Nuñez
 
ejercicios programación lineal
ejercicios programación linealejercicios programación lineal
ejercicios programación linealjavier008
 
Ejemplos de cadenas de markov
Ejemplos de cadenas de markovEjemplos de cadenas de markov
Ejemplos de cadenas de markovFabian Velazquez
 
Expo 7 programación entera (algoritmo de gomory)
Expo 7   programación entera (algoritmo de gomory)Expo 7   programación entera (algoritmo de gomory)
Expo 7 programación entera (algoritmo de gomory)Ayda Ramirez Montalvo
 
Problema de Asignación
Problema de AsignaciónProblema de Asignación
Problema de AsignaciónJose
 
Externalización de costos
Externalización de costosExternalización de costos
Externalización de costosMartin Pacheco
 
Métodos de programación no lineal
Métodos de programación no linealMétodos de programación no lineal
Métodos de programación no linealIbrahim Portillo
 
Localización de las unidades de emergencia (1)
Localización de las unidades de emergencia (1)Localización de las unidades de emergencia (1)
Localización de las unidades de emergencia (1)Cesar Ordoñez Periañez
 
Dinamica grupal 14 unidad 3.
Dinamica grupal 14 unidad 3.Dinamica grupal 14 unidad 3.
Dinamica grupal 14 unidad 3.ramiro miranda
 
Ingenieria economica cesar rincon.docx
Ingenieria economica   cesar rincon.docxIngenieria economica   cesar rincon.docx
Ingenieria economica cesar rincon.docxCésar Rincón S
 
Programación de la fuerza de trabajo
Programación de la fuerza de trabajoProgramación de la fuerza de trabajo
Programación de la fuerza de trabajoJose Rafael Estrada
 
5.3 árbol de expansión mínima
5.3 árbol de expansión mínima5.3 árbol de expansión mínima
5.3 árbol de expansión mínimaADRIANA NIETO
 

La actualidad más candente (20)

Modelos De Programacion Entera
Modelos De Programacion EnteraModelos De Programacion Entera
Modelos De Programacion Entera
 
PROBLEMA DE LA MOCHILA
PROBLEMA DE LA MOCHILAPROBLEMA DE LA MOCHILA
PROBLEMA DE LA MOCHILA
 
Analisis de sensibilidad ejercicios resueltos
Analisis de sensibilidad   ejercicios resueltosAnalisis de sensibilidad   ejercicios resueltos
Analisis de sensibilidad ejercicios resueltos
 
Método de transporte
Método de transporteMétodo de transporte
Método de transporte
 
Programacion no lineal
Programacion no linealProgramacion no lineal
Programacion no lineal
 
ejercicios programación lineal
ejercicios programación linealejercicios programación lineal
ejercicios programación lineal
 
Ejemplos de cadenas de markov
Ejemplos de cadenas de markovEjemplos de cadenas de markov
Ejemplos de cadenas de markov
 
Expo 7 programación entera (algoritmo de gomory)
Expo 7   programación entera (algoritmo de gomory)Expo 7   programación entera (algoritmo de gomory)
Expo 7 programación entera (algoritmo de gomory)
 
Problema de Asignación
Problema de AsignaciónProblema de Asignación
Problema de Asignación
 
Externalización de costos
Externalización de costosExternalización de costos
Externalización de costos
 
Unidad 1. Programación entera
Unidad 1. Programación enteraUnidad 1. Programación entera
Unidad 1. Programación entera
 
Métodos de programación no lineal
Métodos de programación no linealMétodos de programación no lineal
Métodos de programación no lineal
 
Método de dos fases
Método de dos fasesMétodo de dos fases
Método de dos fases
 
Localización de las unidades de emergencia (1)
Localización de las unidades de emergencia (1)Localización de las unidades de emergencia (1)
Localización de las unidades de emergencia (1)
 
Dinamica grupal 14 unidad 3.
Dinamica grupal 14 unidad 3.Dinamica grupal 14 unidad 3.
Dinamica grupal 14 unidad 3.
 
programacion lineal
 programacion lineal programacion lineal
programacion lineal
 
Ingenieria economica cesar rincon.docx
Ingenieria economica   cesar rincon.docxIngenieria economica   cesar rincon.docx
Ingenieria economica cesar rincon.docx
 
Programación de la fuerza de trabajo
Programación de la fuerza de trabajoProgramación de la fuerza de trabajo
Programación de la fuerza de trabajo
 
5.3 árbol de expansión mínima
5.3 árbol de expansión mínima5.3 árbol de expansión mínima
5.3 árbol de expansión mínima
 
Modelo transporte
Modelo transporteModelo transporte
Modelo transporte
 

Destacado

Programación de metas
Programación de metasProgramación de metas
Programación de metasLery2515
 
Programacion.100
Programacion.100Programacion.100
Programacion.100gueste4dd07
 
Investigación de Operaciones II
Investigación de Operaciones IIInvestigación de Operaciones II
Investigación de Operaciones IIChucho Abundis
 
Programación dinámica
Programación dinámica Programación dinámica
Programación dinámica Shin_Dan07
 
Modelos cuantitativos ii
Modelos  cuantitativos iiModelos  cuantitativos ii
Modelos cuantitativos iiDAVID1924
 
Principios básicos de pronostico
Principios básicos de pronostico Principios básicos de pronostico
Principios básicos de pronostico yuliet2894
 
Ejercicios de investigación operativa resueltos
Ejercicios de investigación operativa resueltosEjercicios de investigación operativa resueltos
Ejercicios de investigación operativa resueltosRodrigo Guirao Diaz
 
Metas y Objetivos.
 Metas y Objetivos. Metas y Objetivos.
Metas y Objetivos.Ivan Silva
 
Gestion de inventario
Gestion de inventarioGestion de inventario
Gestion de inventarioGraceDaniela
 
Redaccion de metas
Redaccion de metasRedaccion de metas
Redaccion de metasmacd3579
 
Planeación estratégica, táctica y operativa
Planeación estratégica, táctica y operativaPlaneación estratégica, táctica y operativa
Planeación estratégica, táctica y operativa19972911
 
Cómo descargar presentaciones desde SlideShare
Cómo descargar presentaciones desde SlideShareCómo descargar presentaciones desde SlideShare
Cómo descargar presentaciones desde SlideSharePedro Bermudez Talavera
 

Destacado (16)

Programación de metas
Programación de metasProgramación de metas
Programación de metas
 
Programacion.100
Programacion.100Programacion.100
Programacion.100
 
Investigación de Operaciones II
Investigación de Operaciones IIInvestigación de Operaciones II
Investigación de Operaciones II
 
MANUAL WINQSB
MANUAL WINQSBMANUAL WINQSB
MANUAL WINQSB
 
Programación dinámica
Programación dinámica Programación dinámica
Programación dinámica
 
Modelos cuantitativos ii
Modelos  cuantitativos iiModelos  cuantitativos ii
Modelos cuantitativos ii
 
Principios básicos de pronostico
Principios básicos de pronostico Principios básicos de pronostico
Principios básicos de pronostico
 
230012464 problemas-metas
230012464 problemas-metas230012464 problemas-metas
230012464 problemas-metas
 
Ejercicios de investigación operativa resueltos
Ejercicios de investigación operativa resueltosEjercicios de investigación operativa resueltos
Ejercicios de investigación operativa resueltos
 
PROBLEMAS DE PROGRAMACIÓN LINEAL
PROBLEMAS DE PROGRAMACIÓN LINEALPROBLEMAS DE PROGRAMACIÓN LINEAL
PROBLEMAS DE PROGRAMACIÓN LINEAL
 
Metas y Objetivos.
 Metas y Objetivos. Metas y Objetivos.
Metas y Objetivos.
 
Gestion de inventario
Gestion de inventarioGestion de inventario
Gestion de inventario
 
Redaccion de metas
Redaccion de metasRedaccion de metas
Redaccion de metas
 
Planeación estratégica, táctica y operativa
Planeación estratégica, táctica y operativaPlaneación estratégica, táctica y operativa
Planeación estratégica, táctica y operativa
 
Elaboracion de metas
Elaboracion de metasElaboracion de metas
Elaboracion de metas
 
Cómo descargar presentaciones desde SlideShare
Cómo descargar presentaciones desde SlideShareCómo descargar presentaciones desde SlideShare
Cómo descargar presentaciones desde SlideShare
 

Similar a Presentacion unidad 2

Similar a Presentacion unidad 2 (20)

Tema 2: Programación de Metas y Optimización Multiobjetiva
Tema 2: Programación de Metas y Optimización MultiobjetivaTema 2: Programación de Metas y Optimización Multiobjetiva
Tema 2: Programación de Metas y Optimización Multiobjetiva
 
Tema 2. Programación metas
Tema 2. Programación metasTema 2. Programación metas
Tema 2. Programación metas
 
Guia de teorica y ejercicios tema 2. programacion_metas
Guia de teorica y ejercicios tema 2. programacion_metasGuia de teorica y ejercicios tema 2. programacion_metas
Guia de teorica y ejercicios tema 2. programacion_metas
 
Programacion_Lineal.pdf
Programacion_Lineal.pdfProgramacion_Lineal.pdf
Programacion_Lineal.pdf
 
Programación de Metas
Programación de MetasProgramación de Metas
Programación de Metas
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
Teoría de la optimización - Luís Hernández
Teoría de la optimización - Luís HernándezTeoría de la optimización - Luís Hernández
Teoría de la optimización - Luís Hernández
 
Evm paper valor ganado
Evm   paper valor ganadoEvm   paper valor ganado
Evm paper valor ganado
 
Aplicacion de excel solvert
Aplicacion de excel solvertAplicacion de excel solvert
Aplicacion de excel solvert
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
Win qsb2.0
Win qsb2.0Win qsb2.0
Win qsb2.0
 
Earned value management p1
Earned value management p1Earned value management p1
Earned value management p1
 
Programacion no lineal
Programacion no linealProgramacion no lineal
Programacion no lineal
 
Optimizacion
OptimizacionOptimizacion
Optimizacion
 
guia-unidad-1-teoria-clasica-de-optimizacion (7).docx
guia-unidad-1-teoria-clasica-de-optimizacion (7).docxguia-unidad-1-teoria-clasica-de-optimizacion (7).docx
guia-unidad-1-teoria-clasica-de-optimizacion (7).docx
 
Análisis de sensibilidad.
Análisis de sensibilidad.Análisis de sensibilidad.
Análisis de sensibilidad.
 
Plantilla ensayo
Plantilla ensayoPlantilla ensayo
Plantilla ensayo
 
Plantilla ensayo
Plantilla ensayoPlantilla ensayo
Plantilla ensayo
 
Plantilla ensayo
Plantilla ensayoPlantilla ensayo
Plantilla ensayo
 

Más de google

Unidad 1. presentación
Unidad 1. presentaciónUnidad 1. presentación
Unidad 1. presentacióngoogle
 
Aplicacion de las tics en diferentes areas
Aplicacion de las tics en diferentes areasAplicacion de las tics en diferentes areas
Aplicacion de las tics en diferentes areasgoogle
 
Grupos foro presencial
Grupos foro presencialGrupos foro presencial
Grupos foro presencialgoogle
 
Tics presentacion
Tics presentacionTics presentacion
Tics presentaciongoogle
 
Normas para el uso chat y foros
Normas para el uso chat y forosNormas para el uso chat y foros
Normas para el uso chat y forosgoogle
 
Contenido programatico tics
Contenido programatico ticsContenido programatico tics
Contenido programatico ticsgoogle
 
1. redes y tipos de redes
1. redes y tipos de redes1. redes y tipos de redes
1. redes y tipos de redesgoogle
 
Contenido programatico Redes
Contenido programatico RedesContenido programatico Redes
Contenido programatico Redesgoogle
 
Presentacion ejemplo metodo grafico
Presentacion ejemplo metodo graficoPresentacion ejemplo metodo grafico
Presentacion ejemplo metodo graficogoogle
 
Tema iii método simplex - casos especiales
Tema iii   método simplex - casos especialesTema iii   método simplex - casos especiales
Tema iii método simplex - casos especialesgoogle
 
Tema iii método gráfico y simplex
Tema iii   método gráfico y simplexTema iii   método gráfico y simplex
Tema iii método gráfico y simplexgoogle
 
Presentacion ejemplo metodo grafico
Presentacion ejemplo metodo graficoPresentacion ejemplo metodo grafico
Presentacion ejemplo metodo graficogoogle
 
Tema 1 Introducción y Modelación
Tema 1  Introducción y ModelaciónTema 1  Introducción y Modelación
Tema 1 Introducción y Modelacióngoogle
 
Lab 1. entorno de access
Lab 1. entorno de accessLab 1. entorno de access
Lab 1. entorno de accessgoogle
 
Bloque cero pacie wilfredo diaz
Bloque cero pacie wilfredo diazBloque cero pacie wilfredo diaz
Bloque cero pacie wilfredo diazgoogle
 

Más de google (15)

Unidad 1. presentación
Unidad 1. presentaciónUnidad 1. presentación
Unidad 1. presentación
 
Aplicacion de las tics en diferentes areas
Aplicacion de las tics en diferentes areasAplicacion de las tics en diferentes areas
Aplicacion de las tics en diferentes areas
 
Grupos foro presencial
Grupos foro presencialGrupos foro presencial
Grupos foro presencial
 
Tics presentacion
Tics presentacionTics presentacion
Tics presentacion
 
Normas para el uso chat y foros
Normas para el uso chat y forosNormas para el uso chat y foros
Normas para el uso chat y foros
 
Contenido programatico tics
Contenido programatico ticsContenido programatico tics
Contenido programatico tics
 
1. redes y tipos de redes
1. redes y tipos de redes1. redes y tipos de redes
1. redes y tipos de redes
 
Contenido programatico Redes
Contenido programatico RedesContenido programatico Redes
Contenido programatico Redes
 
Presentacion ejemplo metodo grafico
Presentacion ejemplo metodo graficoPresentacion ejemplo metodo grafico
Presentacion ejemplo metodo grafico
 
Tema iii método simplex - casos especiales
Tema iii   método simplex - casos especialesTema iii   método simplex - casos especiales
Tema iii método simplex - casos especiales
 
Tema iii método gráfico y simplex
Tema iii   método gráfico y simplexTema iii   método gráfico y simplex
Tema iii método gráfico y simplex
 
Presentacion ejemplo metodo grafico
Presentacion ejemplo metodo graficoPresentacion ejemplo metodo grafico
Presentacion ejemplo metodo grafico
 
Tema 1 Introducción y Modelación
Tema 1  Introducción y ModelaciónTema 1  Introducción y Modelación
Tema 1 Introducción y Modelación
 
Lab 1. entorno de access
Lab 1. entorno de accessLab 1. entorno de access
Lab 1. entorno de access
 
Bloque cero pacie wilfredo diaz
Bloque cero pacie wilfredo diazBloque cero pacie wilfredo diaz
Bloque cero pacie wilfredo diaz
 

Presentacion unidad 2

  • 1.
  • 2. En programación lineal, todos los objetivos o metas de la administración deben incluirse en la función objetivo y se reducen a un solo criterio. Sin embargo, puede que no sea factible reducir todas las metas de la organización a un marco tan restrictivo. Es por esto, que surgió una nueva técnica para el análisis de problemas de decisión que también involucra la asignación de recursos escasos pero además, brinda la oportunidad de incluir los objetivos o metas que no puedan reducirse a una sola dimensión en la formulación del problema y, esta técnica es denominada PROGRAMACION META (P.M.)
  • 3. PROGRAMACION DE METAS Definición El método de programación meta consiste en formular una función objetivo en que la optimización “llega tan cerca como sea posible” a la satisfacción de las metas especificadas. La programación de metas es un enfoque que se ha construido a partir de la programación lineal y se utiliza en modelos que poseen objetivos múltiples para obtener generalmente una solución eficiente.
  • 4. CARACTERISTICAS DE LA PM • Permite que especificadas. las metas inconmensurables y conflictivas sean • El modelo se puede resolver usando el algoritmo simplex. • Es capaz de manejar problemas de decisión con una o mas metas. • Las metas se satisfacen en secuencia ordinal. • Busca un nivel satisfactorio de las metas, minimizando las desviaciones.
  • 5. APLICACIONES DE LA PM La programación meta puede y ha sido aplicada a una gran variedad de problemas gerenciales tanto en el sector público como privado. Ha sido aplicada en áreas funcionales de la administración tales como: Mercadeo • Planeación y programación de medios de publicidad. • Asignación de esfuerzos de ventas. Producción • Planeación y programación productiva. • Transporte de mercancía. En el publico sector • En planeaciones académicas, urbanas, municipales, entre otras.
  • 6. DEFINICIONES BASICAS EN LA PM Optimización multi-objetiva: Meta: Variables desviacionales: Variable positiva = v Variable negativa = µ • Planteamiento utilizado para optimizar un modelo de múltiples objetivos. • Valor objetivo numérico especifico establecido para un fin en un programa de metas. • Son las que representan las desviaciones hacia arriba (v) y hacia abajo (µ) del lado derecho de la restricción meta. Prioridades: • Establecimiento generalmente subjetivo de una importancia ordinal para clasificar las metas. Penalización: • Valor relativo que se usa para representar insatisfacción en el logro de las metas. Solución eficiente: • Es aquella que puede ser no optima respecto a todos los objetivos conflictivos del problema.
  • 7. METODOLOGIA DE LOS MPM La programación meta es una extensión de la programación lineal y la formulación del modelo es similar e incluye los siguientes pasos: 1. Defina las variables de decisión del modelo 2. Especifique, al menos teóricamente, todas las metas gerenciales en orden de prioridad. 3. Identifique y formule en forma matemática las restricciones tradicionales. 4. Formule matemáticamente las restricciones meta. 5. Proceda a formular la función objetivo.
  • 8. METODOLOGIA DE LOS MPM 4. Formulación de la restricción meta. 5. Formulación de la función objetivo. Formule una restricción meta por cada meta identificada. La función siempre es de minimizar alguna combinación de variables desviacionales de acuerdo a lo siguiente: Defina dos variables desviacionales no negativas por cada restricción meta. Si se desea tener un logro por encima, se minimiza la variable de desviación negativa (µ-) , es decir, si el sobrelogro (v+) es satisfactorio puede eliminarse de la función objetivo. Determine el nivel de aspiración que corresponde a cada atributo, es decir el nivel de logro . Si se desea tener un logro por debajo, se minimiza la variable de desviación positiva (v+) , es decir, si el sublogro (µ-) es aceptable puede eliminarse de la función objetivo. Conecte el atributo con el nivel de aspiración introduciendo las variables de desviación en la restricción. Si se desea alcanzar exactamente el nivel de aspiración se minimizan ambas variables de desviación, es decir, tanto el sobrelogro (v+) como el sublogro (µ-) deben incluirse en la función objetivo.
  • 9. METODOLOGIA DE LOS MPM El modelo general de programación meta puede expresarse matemáticamente así: Minimizar Z = P1 (µ1- + v1+) + P2 (µ2- + v2+) +...+ Pn (µn- + vn+) Sujeto a las restricciones: a11X1 + a12X2 +…. + a1nXn (≤, = o ≥) b1 Restricciones tradicionales an1X1 + an2X2 + …. + annXn (≤, = o ≥) bn a21X1 + a22X2 + µ1- - v1+ = M1 an1X1 + an2X2 + µi- - vi+ = Mn Xj, µi-, vi+ ≥0 Restricciones meta Condición de No negatividad donde: Xj= variables de decisión o nivel de la actividad j (j = 1, 2,…, n) Pi = pesos de ponderación asignados a las metas µi-, vi+ = representan el sublogro y sobrelogro de la meta Z = valor de la función objetivo. b1, bn = vector disponibilidad o cantidad de recurso disponible para asignar a las actividades aij = coeficiente tecnológico o cantidad de recurso i consumido por cada unidad de la actividad j.
  • 10. METODOLOGIA DE LOS MPM ASPECTOS A CONSIDERAR: Los valores de las variables de desviación son siempre positivos o cero, al menos una de las dos variables de desviación que definen la meta tendrá que ser cero. Las dos variables de desviación tomaran el valor cero cuando la meta alcance exactamente su nivel de aspiración (M). Se asigna la prioridad P1 al objetivo más importante, siguiendo P2 a una prioridad más baja. No existe límite en el número de niveles de prioridad pero debe asignarse una prioridad para cada variable de desviación. Se permiten empates o prioridades iguales. Una vez formulado el modelo de programación meta, el procedimiento de computo es casi idéntico al método simplex de programación lineal.
  • 11. MODELO DE PROGRAMACION DE METAS APLICADOS Producción: Variables de Decisión Un fabricante está tratando de decidir sobre la cantidad a producir de mesas y sillas. Para ello cuenta con 96 unidades de material y 72 horas de mano de obra semanal. Cada mesa requiere 12 unidades de material y 6 horas de mano de obra, por su parte, la fabricación de cada silla requiere 8 unidades de material y 12 horas de mano de obra. El margen de contribución a la ganancia es el mismo para ambos productos y es de 5 dólares por unidad. Además, el fabricante se comprometió a construir al menos 2 mesas semanales. Ahora suponga que el fabricante se ha establecido las siguientes metas por orden de importancia: desea lograr más de 50 dólares de ganancia y utilizar completamente las horas de mano de obra como una meta secundaria. Formule el modelo. X1 = Cantidad a producir de mesas semanalmente en unidades X2 = Cantidad a producir de sillas semanalmente en unidades Variables de Desviación µ₁⁻ = cantidad de dólares por debajo de la ganancia meta V₁⁺ = cantidad de dólares por encima de la ganancia meta µ₂⁻ = nuero de horas ociosas de mano de obra V₂⁺ = numero de horas extras de mano de obra •Identificación de los parámetros (datos) MATERIAL PRODUCCION MANO DE GANANCIA (u/U) (U) OBRA (h/U) ($/U) Mesas (X₁) 12 2 6 5 Sillas (X₂) 8 - 12 5 PRODUCTO DISPONIB. 96 u/sem 72 h/sem Función Objetivo Minimizar Z = P1 (µ₁⁻ ) + P2 (µ₂⁻ + V₂⁺) Sujeta a las restricciones 12X1 + 8X2 ≤ 96 UNIDADES DISPONIBLES DE MATERIAL X1 ≥ 2 PRODUCCION SEMANAL DE LAS MESAS 5X₁ + 5X₂ + µ₁⁻ - V₁⁺ = 50 GANANCIA META 6 X₁ + 12X₂ + µ₂⁻ - V₂⁺ = 72 HORAS DE MANO DE OBRA X₁, X₂ , µ₁⁻, V₁⁺, µ₂⁻, V₂⁺ ≥ 0