REVISTA ESPANOLA DE FINANCIACIN Y CONTABILIDAD

Vol. III, n. 8
abril-junio 1974
pp. 369-388

PROGWAMAClOM POR OBJETIVOS

Daniel VILLALBA
Profesor Adjunto del Departamento de Organizacin de Empresas
de la Universidad Autnoma de Madrid

SUMARIO
1. Introduccin.-2.
Concepto de programacin por objetivos.-3.
Objetivos, subobjetivos y restricciones fsicas.-4. Un objetivo con un solo subobjetivo.-5. Un objetivo y mltiples subobjetivos.-6. Mltiples objetivos y
mltiples subobjetivos.-7. Objetivos y pseudoobjetivos.-8.
Objetivos prioritarios.-9.
Pesos especficos.-10. Un ejemplo de programacin por objetivos.-11.
Aplicaciones de la programacin por objetivos.-12.
Extensiones de la programacin por objetivos.-13. Mtodos de resolucin.-14. Bibliografa.

Daniel Villalba: Prograrnpoi.

por objetivos

Sin duda alguna, dentsro de las teoras

de la decisin econmica,.tanto en la Microeconoma como en la Macroeconoma, la
tcnica ms usada en la prctica es la Ilamada Programacin Lineal. Sin embargo,
sta adolece de dos grandes defectos. En
primer lugar es esttica, esto es, porque, si
bien nos dice, por ejemplo, qu tipo de
crudos de petrleo y en qu cantidades debemos usarlos para maximizar nuestros beneficios, no nos dice nada acerca de cundo lo debemos hacer a 10 largo del tiempo; o sea, que, suponiendo que en la solucin salga11 varios tipos de crudos a destilar, en qu secuencia debemos destilarlos
o, ms concretamente, el da y hora en que
cada crudo debe entrar en fabricacin. El
segundo defecto de que adolece la Programacin Lineal es el de considerar solamente un objetivo. En los casos en que esta
tcnica se aplica en la empresa es muy comn que sea la maximizacin de beneficios
o la minimizacin de costos. Es evidente
que las empresas tienen ms de un objetivo
a cumplir, aunque algunos sean ms prioritarios que otros. Por ejemplo, adems de
la maximizacin del beneficio, puede ser
interesante el mantener el aparato productivo a plena capacidad, que, por cierto, no
tiene por qu necesariamente suponer un
aumento del beneficio total; podemos querer mantener un valor aproximado de Caja
y Bancos durante todo el periodo, etc.
A pesar del ya bastante extendido uso
de la Programacin Lineal, sta no ha sido
aplicada todo lo que se poda esperar de
la misma, precisamente debido a los dos
defectos citados anteriormente.
La Programacin por Objetivos, que desarrollamos en los prximos apartados, trata de paliar el segundo de los problemas,
y creemos que lo consigue plenamente.
Fundamentalmente consiste en incorporar
todos los objetivos del problema en la funcin objetivo, con lo cual, aunque desde
un punto de vista estrictamente matemtico, continuamos teniendo un solo objetivo,
de hecho tenemos tantos como deseemos
y, por tanto, hemos superado el problema
del objetivo nico. Siguiendo con el ejem-

371

plo anterior: incluir los de mantener el

aparato productivo en plena capacidad, tener siempre un valor aproximado de Caja
y Bancos, etc.
En este trabajo se explica qu es y para
qu sirve la Programacin por Objetivos,
empezando a partir de un simple problema
de Programacin Lineal. Una vez dadas
las definiciones previas y necesarias de objetivos, subobjetivos y restricciones fsicas se trata el problema de un'objetivo c o ' ~ ~
un solo subobjetivo, y un objetivo con mltiples subobjetivos. Seguidamente se definen nuevos conceptos, tales como pseudoobjetivo, esto es, varios objetivos dentro
de cada objetivo, objetivos prioritarios
desde un punto de vista ordinal y pesos
especficos, para terminar con un ejemplo y algunas aplicaciones que se han hecho o se pueden hacer con la Programacin por Objetivos.
El ltimo apartado, aunque de una manera muy sucinta, trata de dos mtodos
de resolucin de la Programacin por Ob.
jetivos.
2. CONCEPTO DE PROGRAMACION
POR OBJETIVOS

Ya hemos visto en el apartado anterior

una visin intuitiva de lo que era la Pro:
gramacin por Objetivos (en adelantq
P. O.).
Ahora, al objeto de poder sacar el mximo fruto de la misma, vamos a formalizar
la P. O. Para ello, vamos a partir ,de algunos conceptos de Programacin Lineal (en
adelante, P. L.).
En general, el problema de la P. L. consiste en encontrar el mximo o el mnimo
de una cierta funcin (lineal) sujeta a una
serie de restricciones (todas ellas lineales)
en forma de ecuaciones o inecuaciones. Es
d e c i r, matemticamente, lo que queremos es:
mx. (o mn.)
sujeto a:

(2) = C'X

3 72

Revistd Espdo%&\db'Fihuizciaciri ij Contabilidad

en donde C' es el traspuesto' de un vector de hxl trminos, A es una matriz de

* ? a tirninos, b es un vector de mxl trminos y X es un vector de nxl trminos.
&ngainos un ejemplo que nos ayude a
ver problema de P. L. y que a la vez:
nos intr~duzcala P. O. de una forma natuial:
;,
uEl director gerente de MYS, S. A,, empresa dedicada a la fabricacin de mesas
y sillas,.desea minimizar sus costos durante
un perfodo, En la fbrica cuenta con dos
mquinas que le sirven para la fabricacin
d e sus'p~oductos,de tal manera que para
fabricar: uoa mesa precisa tres horas de la
mquina 1 y una hor,a de la mquina 11, y
pra..fabricar una silla necesita una hora
.de Ia mquina 1 y dos de la mquina 11.
E l t i e m ~ omximo de utilizacin de las mquinas 1 y 11 es de seis y ocho horas, res;pectivarnente.
. Puesto que sus clientes son importantes,
un estudio de mercado le ha pronosticado
que en el perodo considerado debe fabricar, por lo menos, entre mesas y sillas, un
total ,de cinco, o de lo contrario perdera
dientela' y debera cerrar el negocio. Siendo el costo industrial de dos pesetas por
mesa y de una peseta por silla.))
El planteamiento por P.. L. de este problema seria el siguiente:

i1. $;

fl.11

Sujeto
a:
.

111

'

[1.2]
,

mln.(z)=2Xl+X2

+ X, < 6
+ 2x2 < 8
xl + X, a 5

3Xl
Xl

Xl, x2

Ea, representacin grfica de este P. L. la

&inemos"en la figura 1.

Es fcil compraba? 4 ~ 6 problema no

tiene solucin factible. El poliedro convexo A igciira b l . l.onjnfo de soIucioies
para: [1:2j Y il.31'; el B, el conjunto de
solucio~esPara r1:3] y [1.4],31: el'C, para
[1.2]. 3' [l.&].Sin,enibargo, no existe ningn punta Que jtbi.ifique las tres necuacio,

,
,

; . .

; I

,:

' :

..

. .

.;

.Figura 1

nes .[1.2], '.[i:3f.y [1.4] ; por tanto, el problema no tiene. solucin factible en P. L.
~ u e s t r diiedoi.
'
gere'nte se sentira muy
frirstrado' cuando' al darle los resultados le
dijrapi05"~aes. ptoblema no tiene soluciil jr'pPobablemente nos dira que buscsemos la scilucin que stuviera ms cerca
de sus 'objetivos: &to eS, minimizar costos
y a la' vez8f2bricar el mximo izmero de
unidades, entrs mesas y sillas, que fuera
posible.. . .
Pata soiitcinar este problema podramos
plantearnos de nuevo el' P. L. anterior,
cambiado de .la. siguiente
, .
manera:
, ,

= -

mn. (2) = 12X1 +.Xzl = 15 Xl

X21
12.11
Sujeto a :
. .. . .
.
12.21
3Xl
X, < 6
.
X1+2X2<S.
'
12.31
.. . . . . .
.

'

x,, x, > o

'

Daniel Villalba: Progrqva~i6.npor pbjeticos

Lo que hemos hecho para plantear este
problema de la forma indicada es minimizar la desviacin existente entre lo que
nuestro director gerente deseaba fabricar
(cinco unidades) y lo que realmente se
puede fabricar (X: Xa), Para minimizar
esta diferencia hemos incluido en la funcin objetivo a minimizar la funcin [1.4]
en valor absoluto. Tambin la funcin objetivo original [1.1] la hemos puesto en
forma de valor absoluto.
Hagamos ahora la siguiente' sustitucin :

. . .

'

Sujeto a :

..,

. ..

solucin factible. La primera solucin la

encontrar justamente en el punto P. Por
otro lado, la ecuacin [5.3] tender a no
moverse de donde est o, lo que es lo mismo, a que Y,+ sea 0. De hecho, lo que pasar es que Yl- e Y,+ tomarn unos valo?

en la que la variable' 'Y,-:'representa las

desviaciones negativas, :esto es;: por debajo del valor considerado como objetivo,
que, en nuestro ejemplo; &S ,igual:.a cinco.
La variable Yz+' iipres&ita'la. dsviacin
positiva respecto a un costo mnimb que
deseamos conseguir, al que llamamos C,
y que suponemos igual a tres. Eh general,
llamaremos a Y+ variable, .de .,,desviacin
positiva, y a Y-, variable 'de'desviacin
,
. . .. .,.
I
negativa.
..
:.
.
,
E s t e cambio de 'variabies nijs ., permite
presentar el problema originalmente plan. . manera:
teado en [l] de la siguiente

373

Figura 2

res tales que Y,Y,+ est 10 ms cerca posible de los objetivos (11, que eh este
caso son 5 y 3.
Se puede argir en el planteamiento de
[5], y concretamente en [5.2] y C5.31, que
no sabemos en qu direccin se nos van
a producir las desviaciones. Por ejemplo,
si C es el coste standard, es muy posible
que el coste final sea inferior o superior
al mismo sin que a p r i d sepamos la direccin de la desviacin. En este caso, lo
que podemos hacer es sustituir [5.3] por
[5.3] 2x1
~5.61

En la figura 2 vemos la representacin

grfica del planteamiento de [5] :
Las partes sombreadas indican las zonas
correspondientes a los valores de X que
cumplen la inecuaciones [5.4] y [5.5] ;
las flechas indican la direccin de la posible desviacin de los objetivos. La ecuacin [5.2] tender a i r hacia el origen lo
minimol posible hasta que encuentre una

+ x, - Y,- + Y,+ = 3
Y,Y,,

Y,+ = O
Y,+ > o

(1) Existen diferentes formas de definir "lo

ms cerca posible de los objetivos". CHARNESy
COOPER,en su libro, definen una medida de distancia, a la que llaman lp, para cualquier espacio vectorial finito, como

en la que xi e yi son, respectivamente, los componentes de los vectores x e y.

374

Revista Espaiiola de FinancZmbny Contabilidad

con lo cual nos aseguramos que cualquiera

tivo Ayo resuttdo sea 'lo ms cerque sea la desviacin respecto al objetivo
cd posible a los objetivos (6)~.
(que el coste histrico se acerque lo ms
posible al coste standard) siempre se veUna definicin ms concreta de P. O. serificar la ecuacin [5.3]. Adems Ya-. ra, pues, la siguiente : aProgramaci6n por
Y,+ = O nos asegurar que, o la desvia- objetivos es una rama de la programacin
cin es negativa, o es positiva, pero no matemtica en la que se busca la consecucin ptima de los objetivos, entendindoPas dos a la vez.
Naturalmente que Y2-. Y,+ no es una dose como ptima aquella que se acerca
funcin lineal y, por tanto, nuestro plan- ms a los mismos por algn criterio que se
teamiento deja de ser un programa lineal. fije.))
Sin embargo, el algoritmo standard del smEn los prximos apartados haremos un
plex (2) nos da la solucin cumpliendo la desarrollo sistemtico, hasta donde sea pocondicin antes citada, o sea:
sible, de los: conceptos que implcita o explcitamente' se han visto en ste.

sin necesidad de poner explcitamente la

condicin [5.6]. No nos vamos a ocupar
aqu ms de este detalle, que, aunque muy
importante, est fuera de los objetivos de
este trabajo.
. Como. resumen conciso, que nos parece
de una gran claridad, de lo que hemos dicho, citaremos a CHARNES
y COOPER(3).

Muy relacionado con el anlisis

de contradicciones en problemas insolubles es lo que llamaremos 'consecucin de los objetivos' (4). La direccin
a veces se propone estos objetivos
aun cuando no sea posible cumplirlos
con los lmites fijados por los recursos disponibles por diversos motivos.
Por ejemplo, estos objetivos pueden
ser establecidos para dar incentivos o
juzgar actuaciones, o pueden usarse
para asegurarse qu consideraciones a
largo plazo no son desviadas por objetivos inmediatamente alcanzables.
Cualquier restriccin incqa'ada
en el funcional (5) se llmar 'objetivo'. Se puedan o no cumplir los objetivos, es posible estcEblecer un sbje-

(2) Ver IJIRI, 1965, pg. 22, y CHARNESy

COOPER,1961, cap. X.
(3) CHARNES
y COOPER,1961, pgs. 215 y 216.
(4) Hemos traducido este trmino del ingls
&sal attahtment.
(5) Se refiere a la funcin objetivo.

3. OBJETIVOS, .SUBOBJETROS Y RESTRICCIOWS FISICAS

~ecarde&osel' ltimo planteamiento del
apartado anterior, que haba quedado
como : ,

Sujeto a:

[5.2]
[5.3]
[5.4]
[5.5]

XY'+'
X2+ Y,-

2x3'4- x
a
3X~l-t. Xa
XI 2x2

=5
-'

4 6

:+

xb

x
2
)

y,+ = 3

Y
Z
'

<8
>0

Decamos 'que precisamente 5 y 3 eran

los valores fijados para los objetivos correspondientes a las ecuaciones [5.2] y
[5.3]. Entonces, formalmente, llamamos
objetivos a los trminos independientes correspondientes a los objetivos con variables
de desviacin.
Las variables Xl,Xzy,. ,en general, Xi,
Vi = (1, ..., n), son funcion lineal de los
objetivos, que indicamos con el vector b.
Por tanto, para el caso de un solo objetivo, tendremos.que :

b = f (Xl,Xa

......, Xn)

Cuando tengamos un s d o objetivo en

.nuestro programa; como es, por ejempIo, en
(6) El subiayado es del autor de este artculo.

Revisju Espaola de Financiaci~zy Contabilidad

376

operativo y controlable, cual es el de deter-.

minar el volumen de produccin preciso!
para llegar al objetivo citado.
Si nuestro objetivo fuera el obtener un
cierto beneficio, b, entonces el volumen dv
produccin necesario para conseguir el mis.
mo sera:

X=

Este problema, siempre que la funcin

C7.21 sea lineal, normalmente tendr infinitas soluciones, que sern justamente correspondientes a 10s conjuntos convexos
f ~ m ~ a d oPor
s dos soluciones bsicas (dos
conjuntos de valores de X que1verifiquen
[7.2]) cualesquiera. En otras palabras, si
X y Xa son dos soluciones de X que satisfacen [7.2], el conjunto de soluciones X
vendr dado por:

F+b
P, - P,

En el caso de un solo objetivo y un solo

subobjetivo no tiene sentido utilizar las variables de desviacin, puesto que stas seran siempre cero, ya que, como hemos visto, la,solucin en estos casos viene dada
por una simple deduccin algebraica.

5. UN OBJETIVO Y MULTIPLES SUBOBJETIVOS

En el apartado anterior hemos visto la'
resolucin de problemas de un solo objetivo y un solo subobjetivo. Ahora vamos a
aumentar el nmero de estos subobjetivos
a n, de tal forma que stos sean combinacin lineal de aqul. Esto es,:
aXi'+ a,X2

+ ...... + a,,X, = b

x>o

o en forma vectorial:

Puesto que de lo que se trata aqu es

de presentar el caso general, lo que haremos es incluir en [6] las variables de desviacin positivas y negativas que vamos a
minimizar, con lo que nos quedar:

( C7.11
Sujeto a:
[7.2]

mn.

(2) =

Y+

'+ Y-

a' X - Y+ '+ Y- = b
x, Y+, Y- > o

siendo 0 un escalar cualquiera entre O y 1,

luego cada valor de (3 nos dar una solucin
distinta.
Si en vez de cambiar la ecuacin [6] a
la [7.2] hubiramos utilizado pata el anlisis de nuestros objetivos la ecuacin [6],
no's podamos haber encontrado con que
sta podra no tener solucin en algunos
casos.
Por ejemplo, cuando todos los valores correspondientes al vector a son mayores o
iguales a cero (a 2 O) y fijamos un objetivo
negativo (b <O), es evidente que no existe
ningn conjunto de X que verifique. [6]
sujeto a la condicin [6a]. Sin embargo,
en este caso s que tiene solucin [7] con
slo hacer Y+ = b; X = O e Y- = O. No
slo eso, sino que, adems, la solucin es
nica si los coeficientes de a son estrictamente positivos, puesto que cualquier valor que tuviera X hara aumentar el valor
de Y- para que se verificara [7.2], con lo
cual el mnimo en [7.1] sera mayor que el
liallado para X = O, y, por tanto, no sera
mnimo. La variable Y+ no podra ser mayor que cero, puesto que ya dijimos anteriormente que la condicin implcita que
establecamos en la P. 0. era que Y+ .
Y- = O, lo que siempre obliga a alguna
de las dos variables a ser cero.
Fijmonos otra vez en el programa [7]
con el fin de analizar las variables de desviacin. Es fcil de ver que :

Daniel Villalba: Programacin por objetivos

De las dos ecuaciones anteriores deducimos, tal como ya habamos dicho, que Y+
son las desviaciones por encima del objetivo, mientras que Y- son las desviaciones
por debajo del mismo.
Las organizaciones no tienen solamente
objetivos a cumplir, sino que tienen, como
ya dijimos, una serie de restricciones fsicas, ambientales, etc., derivadas de su propia naturaleza. Estas restricciones supon-

377

'

dremos que son siempre lineales. En general vendrn representadas por

(< > ) ri; Vi = ( 1 ,

hi (X,)
o puesto en forma inatricial
H . X { < >) r
en la que

-h l h 2 1 . . . l h l n ,

XI=

H=

hpl hoz,

..

.1

hpn

Veamos ahora un ejemplo que nos aclare un poco las ideas dadas en los prrafos
anteriores :
El gerente de la empresa XXX estima
que para poder salir a Bolsa su empresa
debe tener un beneficio bruto de por lo
menos 12 unidades monetarias (u. m.). Esta
empresa fabrica dos productos, que son vasos y platos. Para la fabricacin de platos
necesita dos horas de horno y cinco horas
de operario, mientras que para la fabricacin de vasos precisa seis horas de horno
y tres de operario. Adems, en el perodo
de tiempo considerado debe producir y vender por lo menos dos platos. Nuestro gerente deduce de sus costes standard y de
los precios de venta que el beneficio bruto
por plato es de 2 u. m. y de 3 u. m. para
los vasos. Sabe adems que cuenta con un
mximo de doce horas de horno y quince
horas de operario.
Eiltonces, si llamamos a x1 el nmero
de platos fabricados y vendidos; a Xz, el
nmero de vasos tambin fabricados y vendidos; Y+, a Ia desviacin en ms de 10s
beneficios brutos respecto a 10s esperados
(esto es, el objetivo, que en este caso es 12) ;
Y-, a las desviaciones del beneficio bruto
por debajo de la cantidad esperada, y tenemos en cuenta que lo que se desea es

..., p )

; r=

Xn

i]

minimizar las desviaciones por debajo del

beneficio bruto deseado, tendremos que:
mn. (z) = Y,Sujeto a :
2x1 + 3 X z - Y+ + Y- = 12
5x1 f 3X2
< 15
2x1 + 6x2
< 12
Xl
> 2
XI,
xz, Y+, Y - > o
La representacin grfica de este problema la tenemos en la figura 3 y nos
- a '%
rece suficientemente representativa por s
misma.
La solucin estar precisamente en el
punto M, que es el punto donde la ecuacin objetivo debe desplazarse menos distancia para cumplir las restricciones fsicas.
Este punto da precisamente una solucin,
como fcilmente puede comprobar el lector, de Xi = 9/49 Xz = 5/41 e Y- = 15/4.
ES fcil tambin comprobar que cualquier
otro punto que diera una solucin factible
al problema de este ejemplo hara Y - maYOr que 15/4.
El anlisis se podra extender fcilmente a 3, 4 n variables; sin embargo, hemos

Revista Espaola de Financiacin y Contabilidad

378

6. MULTIPLES OBJETIVOS Y MULTIPLES SUBOBJETIVOS

preferido hacerlo con dos variables por

motivos de sencillez en la exposicin y por
su fcil representacin grfica.
~

'

*'
O

X1

Figura 3

En el apartado anterior habliibamos de

un solo oh,jetivo, el cual vena representado por un escalar al que representbamos
por b. En ste vamos a desarrollar el caso
de m objetivos, que representaremos por
un vector columna de m componentes bi,
ba, ..., b1n.
Si llamamos A a la matriz de mxn trminos que relaciona los objetivos con los subobjetivos y, al igual que en el apartado anterior, el vector X representa los subobjetivos, podremos plantear el problema de
mltiples objetivos y subobjetivos formalmente como:

Sujeto a:

en el que Yi+,Yi-(Vi = (1, ..., m}) representan las desviaciones positivas y negativas correspondientes al objetivo bir (Vi =
= {1, ..., m}).
El planteamiento [8] lo podramos expresar en forma matricial como :

[i]

mn.

(2) = eY+ '+ eY-

A X - I.+

'+1.-

=b

p restricciones fsicas, deberemos ampliar

[9] de tal forma que nos quede:

mn. (2) = eY+ 4- eY[10.1]

Sujeto a:
[10.2]
AX-lY++IY-=b
110.31
HX
<r
X
Y+, Y- > O

en el que H representa, tal como dijimoS

en el apartado 5, las relaciones lineales de
las restricciones fsicas o ambientales.
El hecho de que [10.3] figure con signo
en el que e es un vector fila de mxl trmi- menor o igual es perfectamente general,
nos todos iguales a uno, I es la matriz iden-, puesto que podemos cambiar el signo de
tidc~dde mxm trminos y A, b, X, Y+ e Y- cualquier desigualdad slo con multiplicar
han sido definidos previamente.
la ecuacin por menos uno.
Si ahora, a los m objetivos le aadimos
El minimizar [10.1] nos llevar, como

X, Y+, Y- > o

Daniel Villalba: Programacin por objetivos

muy bien establece la ecuacin, a minimizar las desviaciones de los objetivos, per o sin ningn orden de prelacin entre
ellos. El nico criterio que prevalece es
que la suma de las desviaciones entre todos
los objetivos sea la ms pequea posible,
pero en ningn caso un criterio de orden
respecto a la consecucin de los objetivos.
A veces la minimizacin en la desviacin
de un objetivo supone la disminucin en
la de otro, pero no necesariamente sucede
as. Es ms, en muchas ocasiones lo que
pasa es que el acercamiento a un objetivo
supone el alejamiento de otro. Debido precisamente a este fenmeno nos puede interesar dar un orden de prelacin de la
minimizacin de las desviaciones de estos
objetivos. Este es justamente uno de los
problemas tratados en el prximo apartado.

7. OBJETIVOS Y PSEUDOOBJETIVOS

379
tercero puede desear maximizar sus beneficios; el cuarto podra ser el de satisfacer
a sus trabajadores todo lo que pueda, siendo compatible con la maximizacin de los
beneficios, etc.
En el ejemplo anterior, adems de una
clasificacin de las preferencias de una
forma ordinal, hemos aludido implcitamente a la particin de las variables de desviacin. Efectivamente, hemos dicho que como
primer objetivo interesaba que los trabajadores estuvieran un mnimo contentos, y,
sin embargo, en el cuarto decamos que
queramos satisfacer a los trabajadores lo
mximo posible, lo que implica dividir el
objetivo de mximas satisfacciones de los
trabajadores en dos: primero, que por lo
menos estn un mnimo de satisfechos con
la empresa, lo que implica un cierto nivel
de salario y de ventajas sociales, y segundo,
una vez conseguido este objetivo, aumentarles su satisfaccin lo ms que se pueda,
por ejemplo, mediante aumentos de sueldo, ventajas sociales, etc., pero sin por ello
disminuir la consecucin de otro objetivo como es el de la maximizacin de los
beneficios. Estas divisiones ms finas de
los objetivos las llamamos pseudoobjetivos
y las representamos por variables de desviacin con dos subndices, el primero corresponde al nmero de variable de desviacin del ob,jetivo y el segundo corresponde al pseudoobjetivo.
En otras palabras, y de una manera grfica, sea A
Bun segmento que contenga todos los valores de un objetivo cualquiera,
al que llamaremos bi y al que asociaremos
S psdoobjetivos positivos biZi+bi,z+,...,
bi,,+ y S pseudoobjetivos negativos biSi-

Al final del apartado anterior apuntbamos la necesidad de dar un orden de

prelacin a los objetivos fijados. Es evidente que en la prctica el empresario o
cualquier respon~ab~lede una organizacin, cualquiera que sta sea, fija unos objetivos y no pide que en totaln se minimicen las desviaciones respecto a los mismos, sino que lo que quiere es cumplir en
primer lugar un cierto ojetivo y, dentro
de lo que pueda, el segundo, el tercero y as
sucesivamente.
Por ejemplo, supongamos un empresario
que tiene varios objetivos, entre los que
podemos citar la maximizacin de los beneficios, el mantenimiento de un cierto
nivel de caja, tener contentos a los obreros, bi,2-, ..., bi,S-.
etctera. Este empresario no slo se satisComo se observa, y tal como hemos difar con que las desviaciones respecto a cho, lo nico que hemos hecho es dividir un
los objetivos citados sean mnimas en su objetivo nico en dos S pseudoobjetivos.
conjunto, sino que adems tendr probablemente unas prioridades perfectamente
definidas. Por ejemplo, es muy probable
que quiera que los trabajadores estn un ..,
mnimo contentos, como primer objetivo,
para que no tenga conflictos laborales; como segundo puede querer mantener un
Figura 4
mnimo de caja en cualquier instante; como

380

Revista Espaola de Financiacin y Contabilidad

En la figura 4 podemos ver la divisin del

objetivo en pseudoobjetivos, y en la figura 5, la direccin de las desviaciones.

'Por ejemplo, supongamos que tenemos eJi

siguiente problema :
[13.1] mn. ( 2 ) = Yi+ iYiyi+ . yi- = O
il3I
Il3.21
[13.3]
Yi+, Yi- > O

y ahora sustituyamos 1111 y [12] en:

C13.11, C13.21 y [13.3], con lo que ten,
dremos:
S

Figura 5

\ Sujeto a:

La figura 6 es una combinacin de la 4

y l a 5 en la que; adems, aadimos las desviaciones de los pseudoobjetivos.
Es fcil deducir de la figura 6 que la suma de las desviaciones de los pseudoobjetivos es igual, a la desviacin respecto al objetivo bi,0. O sea,

El programa [14] nos dice cmo podemos sustituir las desviaciones totales de1
los dos objetivos por desviaciones respecta
a pseudoobjetivos C14.11. Por otra parte,
[14.3] nos .dice que si algn valor de .desviacin positiva de un pseudoobjetivo. Yi,,+.
es mayor que cero, entonces todas las va:
variables de desviacin negativa Yi,i: sern
iguales a cero, y exactamente a la invqsa.
Siguiendo la figura 6 vemos que
puede tener cuatro posibles valores :
a) Cero, si la desviacin respecto al objetivo es negativa.
b) (b:,+l,- h.,+)si la desviacin total
respecto al objetivo Yi+ es superior al valor
del pseudoolb jetivo bl, l.
C) (Yi - b+i,,) si la desviacin respecto al objetivo Yi+ es superior al del pseudo~
oibjetivo bi,j, pero inferior al valor del pseudoobjetivo inmediatamente superior a l,
d) (Yi+- bis,) si la desviacin respecto
al objetivo Yi+ es mayor que el valor de1
psezcdoobjetivo ms alto, b+i,,.
Precisamente a cada una de las partes en
que dividimos un objetivo es a lo que llamamos psezidoobjetivos. En el caso del
ejemplo hemos dividido un ob,jetivo, cuaI
' era la mxima satisfaccin de los trabajadores, en dos pseudoobjetivos, que son, en
primer lugar, y como prioritario, la consecucin de un salario mnimo, y, en se+

teniendo en cuenta, naturalmente, que Yi+

Yi- = 0 ; entonces, cuando Yi+ sea cero,
tambin lo sern YiSj+,y exactamente lo
mismo para Yi-.
Hemos dicho que en la P. O. su propsito
es minimizar las desviaciones respecto a los
objetivos, y, por otra parte, los pseudoob-1
jetivos, formalmente, no son otra cosa que!
objetivos. Por tanto, al minimizar .las desviaciones respecto a los objetivos, lo que
hacemos es tambin minimizar estas desviaciones respecto a los pseudoobjetivos.

Daniel Villalba: Programacin por objetivos

gundo lugar, y una vez conseguido el primero, la mxima satisfaccin de los trabajadores, ya sea en forma de salario o ventajas sociales, siempre y cuando ste sea
,compatible con otro de mayor prioridad
como en este caso es la maximizacin de
beneficios.

381
De estas cuatro opciones y de [11] y
[12] se desprende que escogeremos el mayor valor que resulte entre cero (opcin a)
o el menor entre b y e, excepto q u e d sea
mayor que cero, en cuyo caso escogeramos d,
Por tanto, podremos escribir que

= mx. [mn. (b+i,i.,

,-bi,i+, Yi+ -biai),O]

Yi, ,+ = mx. [(Yi+ -biBs),O]

Exactamente el mismo razonamiento para Yi,i- nos dara
Yi,j- = mx. [mn. (b-i,i

-bi,i-, biBj-- Yi-), O]

Yi, = mx. [(bis,- Yi-), O]

S-

8. OBJETIVOS PRIORITARIOS
Ya hemos dicho que lo que nos interesa
en la P. O. es acercarnos tanto como sea
posible a los ob,jetivos prefijados. Esto lo
logrbamos minimizando las desviaciones
correspondientes a estos objetivos. Sin embargo, nos puede interesar el dar un orden
de prioridad a estos objetivos. Seguidamente vamos a intentar formalizar este aspecto
del problema.
Supongamos que hemos dado un orden
de prioridad a cada objetivo y, por tanto,
se lo hemos dado a sus correspondientes
variables de desviacin. Entonces Ilame-

En donde Pi (Vi = 1, ..., k) son los k rdenes de prioridad e Y,*, Y,", Yr* son variables de desviacin positivas o negativas.
La prioridad P no se refiere a ningn
valor numrico concreto y, por tanto, cuantitativo, sino que es un valor cualitativo u
ordinal que nos indica la prioridad de un
cierto objetivo respecto a otro.
En realidad podemos pensar el problema de P. 0. con factores de prioridad como si fuera, en vez de una sola funcin
objetivo, una serie de funciones objetivas
en las que una vez se ha resuelto la prime-

mos PI, P2, ..., Plc, a la variable con prioridad 1, prioridad 2, ..., prioridad k, de tal
manera que hasta que no se cumpla el objetivo con prioridad 1, el valor ms prximo posible al mismo, n o se cumpla la
prioridad 2. Exactamente l o mismo para l a
prioridad 2 respecto a la 3, y as sucesivamente. En general, indicaremos este razonamiento por :

Entonces, el problema indicado en [9]

quedara expresado formalmente :

ra coincidente con tal objetivo de mayor

prioridad, se resuelve la segunda (segundo
objetivo de mayor prioridad), sin que ello
suponga alejarnos del valor ya obtenido par a el objetivo ms prioritario; l o mismo
para el tercer objetivo respecto al segundo, y as sucesivamente.
9. PESOS ESPECIFICOS
Ahora bien, el haber puesto las prioridades de forma ordinal exclusivamente im-

382

Revista Espaola de Financiacibn y Contabilidad

pide que entre dos objetivos haya una rela?

cin de prioridad relativa. Esto es, si el
objetivo bc es ms importante que el objetivo bj, digamos en una relacin de 2 a 1,
lo que precisamos es poder afectar al objetivo primero con un coeficiente doble que
el del segundo o, en otras palabras, darle
[17.1]

m'n.

1171

un peso especfico a cada uno de los objetivos dentro de cada prioridad que dos diga
la relacin de importancia entre dos objetivos de una forma cuantitativa.
A estos pesos especficos les llamaremos
al, a2,..., a,,,.
Formalmente, entonces, [16] quedar:

(al Y,* +
Y,,* ......) +
+ Pa (aa Y,* i- Y,,* ......) +
+ ....................................+
'+F, (a, Y,* 4- Y,,* ......) 4-

(2) = Pl

a11

a71

Ax -ZY+ +]Y- = b
X,
Y+,
Y- > O

C17.21
[17.3]

En la que P, .... Pr son los rdenes de

prioridad tal como definimos anteriormente al, al,, a,, a,~,.... a,, ari son 10s pesos
especficos correspondientes a los objetivos
1, 2, q, ql, .... r, ri e Yz*, YzI*, Y,*, Y,,*, ....
Y,*, Yfl* son las variables de desviacin
correspondientes a los objetivos citados.
Un pequeo ejemplo en el que tengamos
objetivos pseudoobjetivos, prioridades absolutas y prioridades relativas nos ayudar a comprender este apartado y la parte
ms importante de este artculo.

El tiempo normal de trabajo es de 32.000

horas (1.920.000 minutos) y el beneficio
estimado para cada modelo es :

10. UN EJEMPLO DE PROGRAMACION POR OBJETIVOS (9)

A) Obtener un beneficio lo ms cerca

posible de 520 millones de pesetas
mensuales, aunque no importa que
sea superior.

Enunciado:
La empresa AUTO9 S. A.9 produce tres
modelos de automviles: A, B y C, los
cuales, en el proceso de su fabricacin, pasan por una misma cadena.
Los tiempos de trabajo de la cadena para
cada modelo son:
Mod. A
M0d.B
M0d.C

......... 30 minutos
......... 40 D

......... 60

(9) Este ejemplo, con ligeras modificaciones,

fue creado v planteado por don Tuan Talavera,
alumno del -ator de este artculo-, en una asignatura en que explic Programacion por Objetivos en la Facultad de Ciencias Econmicas de
la Universidad Autnoma de Madrid, durante
el curso acadmico 1973-1974

Mod. A
M0d.B
Mod. C

.........

10.000 ptas.

......... 13.000

......... 11.500

D
D

La direccin pretende conseguir los siguientes objetivos :

B) Limitar, a ser posible, el nmero de

horas extraordinarias al 15 por 100
del tiempo normal de trabajo de la
cadena.
C) Aproximarse lo ms posible a una,
produccin de :
Mod. A
M0d.B
Mod. C

......... 15.000 unidades

......... 12.000 n
......... 18.000 D

en cuenta los beneficios que

genera cada uno de estos productos, se con-

Daniel Villalba: Programacin por objetivos

sidera que e1 bajar de los ob,jetivos fijados,
de la p~oduccinen cada uno de estos modelos es ms penalizable para el modelo B.
que para el Ay que para el C. Esta realizacin est en relacin directa a los beneficios unitarios generados.

D) Evitar la infrautilizacin del tiempo

normal de trabajo.

Planteamiento:
),
Definicin de las variables :
Sean:
Xl nm. de coches mod. A
X2 P
P
D
B
P
C
x D
D
b) Restricciones :

c) Funcin objetivo :

La ecuacin [18.1] dice que los beneficios, esto es, las unidades fabricadas de
cada modelo por beneficio unitario, ms
las posibles desviaciones por debajo ( d e s
viaciones negativas) y por encima (desvia*
ciones positivas) deben ser iguales a los
520.000.0QO fijados como objetivo.
La C18.21 indica el tiempo total utilizado, o sea, tiempo en minutos por modelo
multiplicado por unidades producidas de
cada uno, ms las desviaciones positivas y
negativas, deben ser iguales al objetivo que
consiste en la utilizacin de 1.920.000 minutos mquina.
La C18.31 muestra mediante la utilizacin
de la variable de desviacin Yzl+que el
tiempo que se sobrepase el 15 por 100 de
horas extraordinarias fijadas por la empresa sea mnimo. Obsrvese que la variable
de desviacin Y,,+ es una variable asociada a un pseudoobjetivo, que en este caso
es 1.920.000 X 0,15 = 288.000.
Las r18.43, C18.51 y [18.6] establecen
que las cantidades realmente producidas
del modelo A, B y C, menos sus desviaciones positivas y ms sus desviaciones negativas, deben ser iguales a los objetivos fi-

jados, que son producir 15.000, 12.000 y

18.000 unidades, respectivamente.
Un anlisis de la funcin objetivo refleja
que a la desviacin negativa de los beneficios le hemos dado prioridad absoluta, lo
que significa que hasta que esta variable
no valga el mnimo posible no se empezar
a minimizar el valor de la segunda variable
de desviacin.
La segunda prioridad corresponde a la
minimizacin de horas extraordinarias por
encima del 15 por 100 fijado por la empresa.
La tercera prioridad la podemos dividir
en dos partes. En la primera intentamos
minimizar las desviaciones positivas, pero
teniendo en cuenta lo que se nos dice en
cuanto a la penalizacin. As, al modelo B
le damos una penalizacin de un 13 por 100
menos que la del modelo A (1-0,13 =
= 0,87); al modelo C, un 11,5 por 100 menos que el citado modelo A (1 -0,115 =
= 0,895), y, por fin, al modelo A le damos
una penalizacin de 1. Estas penalizaciones
son justamente los pesos especficos de que
hablbamos en el apartado B. En la segunda parte y con la misma prioridad mi-

'384

Revista Espaola de Financiacin1 y' Cdnta'bilidad

Tambiinpodemos aplicar la P. O: al campo financiero, en la determinacin del punt o muerto con produccin conjunta, poltica
ptima de dividendos, etc., as como a la determinacin de la cartera de valores ptima
mediante una modificacin del modelo de
Sharpe.
Quiz una de las ms importantes aplica11. APLICACIONES . DE LA PROGRA- ciones, a nuestro.juicio, es en el campo de
MACION POR OBJETIVOS
la decisin de las instituciones pblicas en
que las prioridades suelen estar muy defiLas aplicaciones de la P. 0.son inniime- nidas la majrora de las veces. Especialmenrables y el citarlas aqu todas sera algo) te es importante en la planificacin de adinterminable,
ministraciones locales (11) y en la pla,nifiNos podemos hacer una idea de ello pen- cacin de las universidades (12).
sando que cualquier aplicacin de la P. L.
es a la vez aplicacin de P. O. Adems de
otras muchas aplicaciones que no podemos 12. EXTENSIONES DE LA P. O. ,
resolver por P. L., s es posible resolverlas
por P. O., por ser sta mucho ms general
En este artculo hemos tratado a la P. O.
que aqulla.
desde un punto de vista de planteamiento
Sin embargo, vamos a citar las reas de en el ms estricto sentido de la palabra.
aplicacin ms importantes para que el lec- Sin embargo, adems del planteamiento potor se d una idea del amplio campo de demos analizar los algoritmos de resolucin
esta tcnica.
de la misma, el anlisis del dual, el anlisis
La primera utilizacin que citaremos ser postoptimal y el anlisis paramtrico. Este
la aplicacin a la contabilidad. Su autor, el iltimo, especialmente, no sabemos que est
profesor IJIRI, ha sido y es una gran pro- tratado hasta la fecha, o por lo menos pumesa de la P. O. y ha desarrollado jus- blicado.
tamente la aplicacin de esta tcnica en el
Las funciones que componen la P. 0. son
campo de la contabilidad (10). Esta apli- lineales y continuas, como hemos dicho recacin consiste, fundamentalmente, en sus- petidas veces a lo largo de este artculo;
tituir las variables heterogneas de un mo- sin embargo, no tienen por qu serlo necedelo, tales como nmero de .piezas produ- sariamente.
cidas, ingresos, etC, por variables homoPodran ser cuadrticas o de orden cuagneas, que son precisamente las llamadas
lesquiera
o bien funciones no continuas,
cuentas en contabilidad. Entonces, conocomo
son
las que exigen que las variables
cido el balance inicial, las restricciones ftomen
valores
discretos, con lo que tensicas de la empresa y fijados unos objetivos,
dramos
la
P.
0.
cuadrtica, no lineal o en
el problema consiste en determinar qu
nmeros
enteros.
transacciones debemos llevar a cabo en
No vamos a desarrollar, ni tan siquiera a
cada cuenta para que nos alejemos mniapuntar; los problemas que presente la remamente de los objetivos prefijados.
Un segundo campo de aplicacin consiste solucin de estas extensiones a la P. O.;
en encontrar la ptima combinacin de re- para ello no tenemos espacio aqu ni es procursos escasos para cumplir unos ciertos psito de este trabajo; sin embargo, creeobjetivos. Esta es una aplicacin tpica de
P. L., pero, como hemos dicho, la P. O.
(11) SANGM. LEE y WILLIAMR. SEVEBECK:
ofrece unas posibilidades ms amplias que A n Aggregative Model for Municipal Economic
Planning, "Policy Sciences", vol. 2. nm. 2, 1971,
aqulla. .

nimizamos las desviaciones negativas, todas ellas con la misma prioridad.

Por fin, en el objetivo cuarto, lo que hacemos es minimizar la desviacin correspondiente a la infrautilizacin de maquinaria Y2-.

(10) IJIRI:Ob. cit., 1965.

(12) SANGM. LEE: Goal Programming for

Academic Planning, "Management Science", vol
lumen 18, nm. 8, abril 1971, pgs. 395-408.

Dnniel Villalba: Programacin por objetivos

mos que es interesante indicarlo para los
interesados en ampliar conocimientos en
este campo.

13. METODOS DE RESOLUCION

Para la resolucin numrica de la P. O.
existen dos mtodos fundamentales :
a> El mtodo de la matriz inversa generalizada.
b) Una variacin del algoritmo del simplex utilizado en P. L.
No vamos a describir aqu en detalle ninguno de los dos mtodos, pero s vamos
a explicar, aunque sea superficialmente, en
qu consiste cada uno de ellos.

cz) El mtodo de la .mcttriz inversa generalizada es utilizado por IJIRI en su

libro Management Goals and Accounting for Control (13) y Se basa
en encontrar la matriz inversa de
cualquier matriz, ya sea sta singular, no singular, cuadrada o rectangular.
En el caso en que la matriz a invertir sea no singular y cuadrada, la inversa generalizada coincide con lo
que normalmente entendemos por inversa. En cualquier caso, las propiedades ms importantes de la inversa generalizada son las siguientes (14).
1. Si A es la matriz original y A la inversa generalizada, entonces se verifica que:

385
2.

IJIRI, adems, expone el llamado espacio de transformacin nuilcr, que

se define como el conjunto de todos los vectores de X que satisfacen AX = O. Este conjunto de vectores forma la matriz A".
Entonces se demuestra que cualauier
solucin a AX = b, suponiendo' que
sta exista, es

en donde A+ es la matriz generalizada de A, de mxn trminos. Ao es

el espacio de transfovmacin nula,
con nx (n - r) trminos, siendo r
el rasgo de la matriz A ; b, es el
vector de trminos independientes
de mxl trminos, y z, un vector arbitrario de ( n - r) xl trminos.
Si ahora dividimos la matriz A en
diversas matrices, de acuerdo con
el orden de los objetivos, siendo K
el objetivo ms prioritario y 1 el menos prioritario, entonces el conjunto
subobjetivos que satisface lo mejor
posible los objetivos con la ms alta
prioridad viene dado por:

y para los objetivos tendremos :

lo que significa que el vector arbitrario ZJcdebe cumplir:

+ (bky -Al;-1 Ak+ bk) +

'+ (A, AkO)OZ,,

ZJC
= (Al;, A:)
A A+A
A + A A+
A A+
A+A

=A
= A+
= (AA+)'
=(A+A)'

en donde (AA+)' es la traspuesta de

(AA+), y (A+A)! lo es de A+A.
(13) IJIRI: Ob. cit., 1965.
(14) IJIRI: Ob. cit., 1965, pg. 165.

y siguiendo esta relacin de recurrencia podemos hallar los valores

de los subobjetivos que se acercan
ms a los objetivos prefijados, siguiendo el criterio de una mtrica L, (15).
(15) Ver nota 1.

Revista Espaola de Financiacin y Contabilidad

386

b) La variacin del algoritmo del sim-

plex se basa en lo siguiente:

Sabemos por el algoritmo del simplex (16) que cada vez entra en la
base aquella variable cuyo criterio
del simplex (o coste de oportunidad) sea mayor, o sea:
mx.

contrados para X si es necesario,

pero de manera que no empeoren la
solucin encontrada para el primer
vector. As se hace para la tercera
prioridad y vector respecto a la segunda y a la primera, y as sucesivamente hasta agotar las prioridades.

diB= C-nB . A

En la que c es el vector correspondiente de la funcin objetivo, y n es

el vector de costos de oportunidad
(nB= CBB-l). (Y .\/ lc es el vector de
coste de oportunidad de mxl trminos.) El superndice B indica vectores o matrices en la base.
Entonces, este mtodo para solucionar problemas de programacin por
objetivos consiste en que en vez de
tener un vector de costes de oportunidad d l , se tiene una m~ctrizde
kxn trminos, siendo k el nmero
de prioridades.
La resolucin se hace iterativamente
a base de primero solucionarlo como
si fuera un simplex normal, con vector de costes de oportunidad igual
al vector con ms prioridad. Una vez
solucionado el primero se soluciona
el segundo variando los valores en-

14. BIBLIOGRAFIA

A. CHARNES
and W. W. COOPER:Management MocEeZs and Industrial Applications
of Linear Programming, vols. 1y 11, John
Wiley and Sons, Inc., Publishers, 1961.
IJIRI,YUJI: Management Goals and Accouting for Control, North Control Publishing Company, Amsterdam, 1965.
IJIRI,
YUJI: ((On the Generalized inverse of
an Incidence Matrix)), J. Soc. Indust.
Appl. Math., vol. 13, nm. 3, september,
1965. Printed in USA.
PENROSE,R.: A Generalized Z~zversefor
Matrices. Proceedings of the CambrEdge
Philasophical Society, 60, 1965, pginas
406-413.
SANGM. LEE: ((GoalProgramming for Academic Planning)), Management Science,
volumen 18, nm. 8, abril, 1971, pginas 395-408.
SANGM. LEE and WILLIAMR. SEVEBECK:
(16) Ver cualquier tratado de P. L. Por ejemAn Aggregative model for Municipal
plo, Dantzing, en su obra "Linear Programming
Economic Planning)),Policy Sciences, voand Extensions", Princeton University Press,
lumen 2, nm. 2, 1971.
1963.