ANLISIS DE SENSIBILIDAD 1.

INTRODUCCIN El anlisis de sensibilidad es una de las partes ms importantes en la programacin lineal, Sobre todo para la toma de decisiones; pues permite determinar cundo una solucin sigue siendo ptima, dados algunos cambios ya sea en el entorno del problema, en la empresa o en los datos del problema mismo. Este anlisis consiste en determinar que tan sensible es la respuesta ptima del Mtodo Simplex, al cambio de algunos datos como las ganancias o costos unitarios (coeficientes de la funcin objetivo) o la disponibilidad de los recursos (trminos independientes de las restricciones). La variacin en estos datos del problema se analizar individualmente, es decir, se analiza la sensibilidad de la solucin debido a la modificacin de un dato a la vez, asumiendo que todos los dems permanecen sin alteracin alguna. Esto es importante porque estamos hablando de que la sensibilidad es esttica y no dinmica, pues solo contempla el cambio de un dato a la vez y no el de varios. OBJETIVO PRINCIPAL DEL ANLISIS DE SENSIBILIDAD Establecer un intervalo de nmeros reales en el cual el dato que se analiza puede estar contenido, de tal manera que la solucin sigue siendo ptimo siempre que el dato pertenezca a dicho intervalo. Los anlisis ms importantes son; 1. Los coeficientes de la funcin objetivo; y 2. Los trminos independientes de las restricciones y se pueden abordar por medio del Mtodo Grfico o del Mtodo Simplex. 2. ANLISIS DE SENSIBILIDAD GRFICO Abordaremos primero el anlisis de sensibilidad de manera grfica. Partamos del siguiente modelo de programacin lineal: Z (max): 3x + 2y S.A 5x + 8y 40 20x + 10y 100 x, y 0

Cuya solucin es la siguiente:

Recordemos que nuestro objetivo es mantener la solucin ptima que hemos encontrado x=3.6 y y=2.7, esto lo conseguiremos siempre y cuando la recta de isoutilidad (recta roja) pase por el punto (3.6 , 2.7) y no exista rea de regin factible por encima de ella. 2.1 Anlisis de sensibilidad grfico para los coeficientes de la funcin objetivo A partir del modelo anterior, podemos observar la siguiente figura:

Todas las lneas rojas mantienen la solucin ptima pero las lneas azules generan una nueva solucin ptima pues existe un rea de la regin factible sobre ellas, lo cual indica que la funcin no ha sido optimizada en el punto que analizamos (3.6, 2.7). Ahora si observamos bien la grfica podemos notar que las lneas rojas, que son las que nos interesan, siempre estn comprendidas entre las dos restricciones o desigualdades que definen el vrtice ptimo (aquellas que simultaneamos para encontrar la solucin) y las lneas azules estn o bien por bajo o bien por encima de alguna de las dos restricciones. Notemos que existen infinidad de rectas rojas que pasan por nuestro vrtice ptimo y estn comprendidas entre las restricciones. El procedimiento que seguimos para encontrar estas rectas fue girar la recta solucin del problema original con centro en el punto pivote.

Entonces lo nico que esta variando en la recta de isoutilidad es la inclinacin de sta, y como sabemos la inclinacin de una recta viene dada por su pendiente, es decir su primera derivada. Todas las rectas de isoutilidad que mantienen la solucin ptima tendrn la siguiente ecuacin: (y-2.7)=m(x-3.6)

Donde estamos forzando que pasen por el vrtice ptimo y permitindole que su pendiente sea variable, lo cual la hace rotar alrededor del vrtice ptimo. Ahora est claro que debemos restringir la pendiente de manera que no exceda la inclinacin de las restricciones, es decir que no sea mayor ni menor a las pendientes de las restricciones que definen la solucin. Las lneas de las restricciones son las siguientes con sus respectivas primeras derivadas y por consiguiente sus pendientes.