Facultad de Ingeniera y Arquitectura Investigacin Operativa I Catedrtico Ing.

MBA Jos Alberto Villanueva Herrera Solucin modelos de programacin lineal de ms de dos variables y sensibilidad de resultados usando software aplicado. Integrantes del equipo:
Delgado Rivera, Jhon Osvaldo Donayre Sosa, Luis Abel Hernndez Enrquez, Alma Rosa Salazar Mendoza, Hector Yarleque Herrera, Luis Eduardo

La Molina, Lima Per, 24 de octubre de 2011.

Marco Terico La programacin matemtica es una potente tcnica de modelado usada en el proceso de toma de decisiones. Cuando se trata de resolver un problema de este tipo, la primera etapa consiste en identificar las posibles decisiones que pueden tomarse; esto lleva a identificar las variables del problema concreto. Normalmente, las variables son de carcter cuantitativo y se buscan los valores que optimizan el objetivo. La segunda etapa supone determinar qu decisiones resultan admisibles; esto conduce a un conjunto de restricciones que se determinan teniendo presente la naturaleza del problema en cuestin. En la tercera etapa, se calcula el coste/beneficio asociado a cada decisin admisible; esto supone determinar una funcin objetivo que asigna, a cada conjunto posible de valores para las variables que determinan una decisin, un valor de coste/beneficio. El conjunto de todos estos elementos define el problema de optimizacin. La programacin lineal (PL), que trata exclusivamente con funciones objetivos y restricciones lineales, es una parte de la programacin matemtica, y una de las reas ms importantes de la matemtica aplicada.

La programacin lineal requiere identificar cuatro componentes bsicos: 1. El conjunto de datos. 2. El conjunto de variables involucradas en el problema, junto con sus dominios respectivos de definicin. 3. El conjunto de restricciones lineales del problema que definen el conjunto de soluciones admisibles. 4. La funcin lineal que debe ser optimizada (minimizada o maximizada).

El objeto de la programacin lineal, es optimizar (minimizar o maximizar) una funcin lineal de n variables sujeto a restricciones lineales de igualdad o desigualdad. Ms formalmente, se dice que un problema de programacin lineal consiste en encontrar el ptimo (mximo o mnimo) de una funcin lineal en un conjunto que puede expresarse como la interseccin de un nmero finito de hiperplanos y semiespacios en Rn.

Solucin de modelos de programacin Lineal de ms de dos variables.

Partamos de las siguientes definiciones formales que Enrique Castillo nos menciona en su libro: Formulacin y resolucin de modelos de programacin matemtica en ingeniera y ciencia [1]. Definicin 1.- [3] (Problema de programacin lineal). La forma ms general de un problema de programacin lineal (PPL) cosiste en minimizar o maximizar n j=1 cj xj [1.1] n j=1 aij xj = bi, i = 1, 2, p-1 n j=1 aij xj >= bi, i = p,,q-1 [1.2]

Z = f(x) =

Sujeto a:

n j=1 aij xj <= bi, i = q,,m Lo que distingue un problema de programacin lineal de cualquier otro problema de optimizacin es que todas las funciones que en el intervienen son lineales. Una nica funcin no lineal hace que el problema no pueda clasificarse como problema de programacin lineal. La funcin (lineal) en (1.1) se denomina funcin objetivo o funcin de coste, y es la funcin de ha de optimizarse. Obsrvese que en (1.2) se presentan todas las posibles alternativas en lo que se refiere a los operadores que relacionan los dos trminos de las restricciones (lineales), dependiendo de los valores p y q. Como casos especiales, el problema puede tener exclusivamente restricciones de igualdad, de desigualdad de un tipo, de desigualdad del otro tipo, desigualdades de ambos tipos, igualdades y desigualdades, etc.

Definicin 2.- (Solucin factible). Un punto x = (x1, x2,..., xn) que satisface todas las restricciones (1.2) se denomina solucin factible. El conjunto de todas esas soluciones es la regin de factibilidad.

Solucin de modelos de programacin Lineal de ms de dos variables.

Definicin 3.- (Solucin ptima). Un punto factible x tal que f(x) f(x) para cualquier otro punto factible x se denomina una solucin ptima del problema. El objetivo de los problemas de optimizacin es encontrar un ptimo global. Sin embargo, las condiciones de optimalidad slo garantizan, en general, ptimos locales, si stos existen. Sin embargo, los problemas lineales presentan propiedades que hacen posible garantizar el ptimo global. Para la formulacin del problema debemos considerar lo siguiente: Si la regin factible est acotada, el problema siempre tiene una solucin (sta es una condicin suficiente pero no necesaria para que exista una solucin). El ptimo de un problema de programacin lineal es siempre un ptimo global. Si x y y son soluciones ptimas de un problema de programacin lineal, entonces cualquier combinacin (lineal) convexa de los mismos tambin es una solucin ptima. Obsrvese que las combinaciones convexas de puntos con el mismo valor de la funcin de coste presentan el mismo valor de la funcin de coste. La solucin ptima se alcanza siempre, al menos, en un punto extremo de la regin factible. Anlisis de sensibilidad Ahora veamos lo que nos dice Jorge Alvarez, en su libro Investigacin de Operaciones [3], con respecto al Anlisis de Sensibilidad En aplicaciones prcticas a menudo ocurre que no solamente interesa la solucin del problema propuesto sino tambin se desea saber cmo cambia esa solucin si las condiciones iniciales del problema se modifican (por ejemplo si cambian los coeficientes de la funcin objetivo, los recursos disponibles y la cantidad de recursos utilizada para producir una unidad de un producto. Las investigaciones que tratan los cambios en la solucin ptima debido a cambios en los datos son llamadas anlisis de sensibilidad. En cierto sentido el anlisis de sensibilidad convierte la solucin esttica de programacin lineal en un instrumento dinmico que evala las condiciones cambiantes. Por tanto adquiere mayor utilidad como instrumento administrativo ya que los negocios y la industria estn sometidos a cambios continuos y a una subsiguiente revaluacin.

Solucin de modelos de programacin Lineal de ms de dos variables.

Finalmente diremos que en el presente trabajo trataremos del anlisis de sensibilidad que determina los rangos de variacin de la funcin objetivo, los recursos disponibles y la cantidad de recursos utilizada para el cual la solucin tal como se enunci originalmente, permanece ptima.

Sensibilidad de los coeficientes objetivo Grficamente se mostrar en el siguiente ejemplo: los efectos de cambiar los coeficientes de la funcin objetivo. Ejemplo: Una fbrica de artculos para el hogar manufactura dos artefactos A y B. Ambos sufren 3 procesos en el mismo orden que son: -Maquinado -Armado -Montaje La disponibilidad de minutos diarios de cada proceso son 480, 600 y 450 respectivamente. El artefacto A deja un beneficio de S/.100/unidad en tanto que el B proporciona S/.120/unidad. El cuadro de coeficientes de transformacin es el que se indica a continuacin:

Maquinado Armado Montaje Beneficio

A 4 5 12 100 Tabla 1.-

B 8 6 8 120

Disponibilidad 480 600 540

Cuntos artefactos de A y B debe producir para obtener el mximo de beneficio? Solucin: Max z= 100 +120 Sujeta a: 4 +8 +6 12 +8 , 4 0 Solucin de modelos de programacin Lineal de ms de dos variables. 480 600 540 (1) (2) (3)

Grficamente se tiene:

. Ilustracin 1.- Grafica

Ilustracin 2.5 Solucin de modelos de programacin Lineal de ms de dos variables.

Ilustracin 3.-

Efectos de los Coeficientes de la funcin objetivo Interpretados grficamente estos coeficientes determinan el pendiente de la funcin objetivo la cual puede ser una lnea (dos variables) un plano (tres variables) o un hiperplano (cuatro o ms variables). En este ejemplo la funcin objetivo se representa grficamente como una lnea ya que solo hay dos variables. La solucin ptima da un valor de 7500 produciendo 15/2 unidades de y 225/4 unidades de . o

Esta solucin se muestra en el punto A de la figura (a). Un cambio del coeficiente de de

dara una lnea con diferente pendiente. La solucin ptima puede situarse en un

punto determinado hasta que por alguna razn sea desviada hacia una interseccin diferente. Esta desviacin puede ser ocasionada por un cambio de la pendiente de la funcin objetivo. La figura presenta la solucin grfica del ejemplo utilizando varias funciones objetivos diferentes pero conservando el mismo conjunto de restricciones. 6 Solucin de modelos de programacin Lineal de ms de dos variables.

Con relacin a la figura (b) se observa que un incremento del coeficiente de la variables desde 129 hasta 150 no desplaza la solucin ptima mantenindose el punto A es decir 9187.5. En forma semejante la figura (c) ilustra el efecto de un pequeo cambio del coeficiente de la variable . = 15/2, =225/4, aunque el valor de la funcin objetivo ha aumentado hasta

Cuando tiene lugar un cambio considerable en el coeficiente como para desplazar la solucin ptima hacia un nuevo punto. En la figura (d) cuando el coeficiente de costo de disminuye hasta 60 la solucin ptima se desplaza hasta el punto B donde = 45 y

=0; una combinacin completamente diferente de produccin y valor de la funcin objetivo. Si el coeficiente de desplaza al punto c donde =0 y aumenta desde 120 hasta 230 figura (e) la solucin se =60.

El anlisis de sensibilidad responde la pregunta de que tanto pueden variarse estos coeficientes antes que tenga lugar este desplazamiento, esto es antes de que pueda obtenerse una nueva solucin ptima.

Ahora veamos lo que nos dice ngel Manuel Suarez, en su libro Investigacin Operativa Operaciones [6], con respecto al Anlisis de Sensibilidad

Dentro del campo de la investigacin de operaciones, cuyo desarrollo se ha basado en el campo de las matemticas, con infinidad de aplicaciones se encuentra una herramienta fundamental, que nos permite establecer criterios para ajustar algn futuro de accin a los resultados obtenidos a un modelo y as afinar los datos, para seleccionar mejores alternativas, denominado anlisis de sensibilidad, Esto significa, analizar en todas sus dimensiones cada uno de los valores descubiertos en nuestra solucin y llegar a inferir supuestos comportamientos, examinando dichos resultados. Capacidad que tiene un sistema u organizacin de reaccionar ante una serie de estmulos. Es un anlisis que se hace despus de...,o a partir de la solucin ptima. Vale la pena recordar que con motivo de la apertura econmica y la globalizacin de la economa muchas empresas sucumbieron ante la arremetida de nuevos mercados, otras escasamente sobrevivieron y finalmente otras se consolidaron. 7 Solucin de modelos de programacin Lineal de ms de dos variables.

La utilidad del anlisis de sensibilidad en la programacin lineal, consiste en que permite una interpretacin razonable de resultados obtenidos. En muchos casos la informacin obtenida por la aplicacin del anlisis de sensibilidad, puede ser ms importante y mucho ms informativa que el simple resultado obtenido en la solucin ptima. En cierto sentido, el anlisis de sensibilidad convierte la solucin esttica de programacin lineal en un instrumento dinmico que evala las condiciones cambiantes. Por tanto, adquiere mayor utilidad como instrumento administrativo ya que los negocios y la industria estn sometidos a cambios continuos y a una subsiguiente reevaluacin. Para el caso del modelo de programacin lineal, analiza el efecto que se pueda generar en la solucin ptima del modelo a partir de cambios sobre sus parmetros (datos numricos de un modelo). Para su estudio examinaremos dos tipos de situaciones: CAMBIOS EN UN SOLO PARMETRO A LA VEZ. FUNCIN OBJETIVO Y MANO DERECHA El anlisis de sensibilidad permite conocer los comportamientos del modelo ante cambios infinitesimales en sus parmetros, sin cambiar la base ptima. Permite aplicar tolerancias (intervalos) en los parmetros. Como se lleva a cabo: Cambiando un solo elemento o parmetro de una componente del modelo y manteniendo los dems parmetros fijos. Este examen permite establecer intervalos, de tal manera que las variables que constituyen la base ptima se sigan manteniendo esto es, que el sistema permanezca estable. Cambios en los recursos disponibles (bi) se consideran dos casos: 1 caso Cuando los recursos se agotan 2 caso Cuando los recursos no se agotan Cambios en los costos (Cj) Se consideran dos casos: 1 caso cuando los Cj que corresponden a variables no bsicas en la tabla inicial, finalizan bsicas en la tabla ptima. 2 caso cuando los Cj que corresponden a variables no bsicas en la tabla inicial, finalizan no bsicas en la tabla ptima 8 Solucin de modelos de programacin Lineal de ms de dos variables.

Un sistema es estable cuando permite variaciones en sus parmetros y la base ptima no cambia.

CAMBIOS SIMULTNEOS EN VARIOS PARMETROS A LA VEZ. FUNCIN OBJETIVO, MANO DERECHA Y COEFICIENTES TECNOLGICOS Los modelos de programacin lineal son modelos que atienden bsicamente situaciones estticas. Esto es, que sus condiciones no cambian sustancialmente en periodos cortos y por lo tanto su solucin no cambia radicalmente durante el mismo. Sin embargo, el anlisis de sensibilidad permite conocer mediante la aplicacin de reglas de decisin (derivadas de la descomposicin matricial del simplex) el comportamiento inmediato de la solucin ante cambios que puedan presentarse simultneamente en cada una de sus componentes: Vector de disponibilidad de recursos o de requerimientos mnimos bi Coeficientes de costos o de utilidades Cj Coeficientes tecnolgicos o tcnicos aij Adicin de nuevas condiciones gi Posibilidades de lanzamiento de nuevos productos. Xj Cmo se lleva a cabo? Efectuando modificaciones sobre la totalidad, uno o algunos de los parmetros de una componente del modelo (ejemplo bi,) y manteniendo constante los dems parmetros. Este tipo de examen permite conocer los efectos directos sobre la solucin ptima con el riesgo de modificar la base ptima. Veamos el comportamiento de la informacin original y su paso a la solucin final. Informacin original VARIABLES BASE INICIAL (-Z) bi no bsicas Variables bsicas BASE (-Z) D CD B CB b (-1) -Zo

Solucin de modelos de programacin Lineal de ms de dos variables.

Informacin procesada por medio de las iteraciones VARIABLES INTERVINIENTES BASE (-Z) *D *CD B-1 (-Z) bi *b

CB-1 (-1) (-Zi)

A partir de estas observaciones se determinaron las siguientes ecuaciones que pueden emplear en cualquiera de las iteraciones. Reglas de decisin 1 2 3 4 *b = B-1.b *D = B-1. D *(-Z) = CB-1.b *CD = CB-1 D + CD

Usos Verificacin que las iteraciones (manuales) del simplex estn bien y aplicarlas en los cambios que se den en varios parmetros de un mismo vector. Interpretacin La primera indica que el vector solucin *b es igual a la inversa de la base B-1 por el vector b original. La segunda indica que cualquier vector *D es igual a la inversa de la base B-1 por el vector D original. La tercera indica que la medida de efectividad *(-Z) es igual a los coeficientes de la inversa de la base CB-1 por el vector b original. La cuarta indica que un coeficiente en la funcin econmica *CD es igual a los coeficientes de la inversa de la base (CB-1) por el vector D original mas el coeficiente original (CD). Nota: * indica parmetro modificado, los dems son parmetros originales

10

Solucin de modelos de programacin Lineal de ms de dos variables.

Referencias
[1] Un artculo de la base Informe Acadmico http://admoperaciones.pe.tripod.com/flashadmope.htm http://www.alumnos.inf.utfsm.cl/~vpena/ramos/ili292/InformeT4.pdf [2] CASTILLO, Enrique. Formulacin y resolucin de modelos de programacin matemtica en ingeniera y ciencia, disponible en: http://www.investigacionoperaciones.com/ARCHIVOS_LIBRO/LibroCompleto.pdf [3] ALVAREZ, Jorge, Investigacin de Operaciones, 2da edicin. Per, Librera BETA, 2005. [4] ALONSO, Gomollon, Ejercicios de Investigacin de Operaciones: Madrid ESIC Editorial, 1995. [5] TORMOS, Pilar, Investigacin Operativa para ingenieros, Valencia, UPV, 2005. [6] ngel Manuel Suarez, Investigacin Operativa Operaciones, Bogota ,2006

11

Solucin de modelos de programacin Lineal de ms de dos variables.