ANÁLISIS DE SENSIBILIDAD

CONCEPTO DE ANÁLISIS DE SENSIBILIDAD:

Análisis de Sensibilidad, llamado también Análisis de Post-optimización, es una de las

partes más importantes en la programación lineal, es utilizada para tomar en consideración los
cambios que pueden ocurrir en los elementos componentes del modelo que consiste en determinar
que tan sensible es la respuesta óptima del método simplex, al cambio de algunos datos como las
ganancias o costos unitarios (coeficientes de la función objetivo) o la disponibilidad de los recursos
(términos independientes de las restricciones), que se refieren a permutas en coeficientes
,variables, restricciones y Función Objetivo.
El Análisis de Sensibilidad se encarga precisamente de estudiar cómo afectaría a la solución
óptima obtenida y a la función objetivo el cambio (dentro de un rango predeterminado) de uno de
los parámetros, manteniendo fijos los restantes.(no se usa en modelos enteros ni cuadráticos).

OBJETIVO PRINCIPAL DEL ANÁLISIS DE SENSIBILIDAD:

• Establecer un intervalo de números reales en el cual el dato que se analiza puede estar contenido,
de tal manera que la solución sigue siendo óptima siempre que el dato pertenezca a dicho intervalo
• Investigar el cambio en la solución óptima del problema, cuando se producen cambios en los
parámetros del modelo. El objetivo principal del análisis de sensibilidad es identificar el intervalo
permisible de variación en los cuales las variables o parámetros pueden fluctuar sin que cambie la
solución óptima. Sin embargo, así mismo se identifica aquellos parámetros sensibles, es decir, los
parámetros cuyos valores no pueden cambiar sin que cambie la solución óptima. Los
investigadores de operaciones tienden a prestar bastante atención a aquellos parámetros con
holguras reducidas en cuanto a los cambios que pueden presentar, de forma que se vigile su
comportamiento para realizar los ajustes adecuados según corresponda y evitar que estas
fluctuaciones puedan desembocar en una solución no factible.

CARACTERÍSTICAS DEL ANÁLISIS DE SENSIBILIDAD

• La Investigación de Operaciones usa el método científico para investigar el problema en cuestión.

En particular, el proceso comienza por la observación cuidadosa y la formulación del problema
incluyendo la recolección de datos pertinentes.
• La Investigación de Operaciones adopta un punto de vista organizacional. De esta manera intenta
resolver los conflictos de interés entre los componentes de la organización de forma que el
resultado sea el mejor para la organización completa.
• La Investigación de Operaciones intenta encontrar una mejor solución (llamada solución óptima),
para el problema bajo consideración. En lugar de contentarse con mejorar el estado de las cosas,
la meta es identificar el mejor curso de acción posible.

• En la Investigación de Operaciones es necesario emplear el enfoque de equipo. Este equipo debe

incluir personal con antecedentes firmes en matemáticas, estadísticas y teoría de probabilidades,
economía, administración de empresas ciencias de la computación, ingeniería, etc. El equipo
también necesita tener la experiencia y las habilidades para permitir la consideración adecuada de
todas las ramificaciones del problema.
• La Investigación de Operaciones ha desarrollado una serie de técnicas y modelos muy útiles a la
Ingeniería de Sistemas. Entre ellos tenemos: la Programación No Lineal, Teoría de Colas,
Programación Entera, Programación Dinámica, entre otras.
• La Investigación de Operaciones tiende a representar el problema cuantitativamente para poder
analizarlo y evaluar un criterio común.

PASOS DEL PROCEDIMIENTO DEL ANÁLISIS DE SENSIBILIDAD

Pasos

1. Revisión del modelo: se realizan los cambios que se desean investigar en el modelo.

2. Revisión de la tabla final Simplex: se aplica el criterio adecuado para determinar los cambios
que resultan en la tabla final Simplex.

3. Conversión a la forma apropiada de eliminación Gauss: se convierta la tabla en la forma

apropiada para identificar y evaluar la solución básica actual, para lo cual se aplica la metodología
de eliminación Gauss si es necesario.

4. Prueba de factibilidad: se prueba la factibilidad de esta solución mediante la verificación de que

todas las variables básicas de la columna del lado derecho aun tengan valores no negativos.

5. Prueba de optimalidad: se verifica si esta solución es optima y factible, mediante la

comprobación de que todos lo coeficientes de las variables no básicas del reglón Z permanecen no
negativos.

6. Re optimización: si esta solución no pasa una de las pruebas indicadas en los puntos 4 y 5
anteriores, se procede a buscar la nueva solución optima a partir de la tabla actual como tabla
Simplex inicial, luego de aplicadas las conversiones de lugar, ya sea con el método Simplex o el
Simplex D.

CASOS DEL ANÁLISIS DE SENSIBILIDAD

Primer caso: Cambios en las b i (columna lado derecho)

Supongamos que los únicos cambios al modelo actual consisten en el cambio de uno o más de los
parámetros bi (i = 1, 2, . . . , m). En este caso, los únicos cambios que

Resultan en la tabla símplex final se encuentran en la columna del lado derecho, por lo cual, se
pueden omitir del procedimiento general tanto la conversión a la forma apropiada de eliminación
de Gauss como la prueba optimalidad.
Segundo caso:

a) Cambios en los coeficientes de una variable no básica

Considere una variable específica xj (j fija) que sea no básica en la solución óptima dada en a tabla
símplex final. El caso 2a es aquel en el que los únicos cambios al modelo actual ocurren en uno o
más de los coeficientes de esta variable, cj, a1j, a2j........, amj. Entonces, si cj y aij, denotan los
nuevos valores de estos parámetros con Aj, (columna j de la matriz A) como el vector que contiene
a aij, se tiene para el modelo revisado.

b) Introducción de una nueva variable

Ya obtenida la solución óptima se puede descubrir que la formulación de programación lineal no

tomó en cuenta todas las actividades que pudieran ser atractivas. Considerar una nueva actividad
requiere introducir una nueva variable con los coeficientes apropiados, a la función objetivo y a
las restricciones del modelo actual, éste es el caso 2b.

Tercer caso: Cambios en los coeficientes de una variable básica

Ahora suponga que la variable xj (con j fija) que se está estudiando es una variable básica en la
solución óptima que se muestra en la tabla símplex final. El caso 3 supone que los únicos cambios
al modelo actual se hacen en los coeficientes de esta variable.

Cuarto caso: Introducción de una nueva restricción de desigualdad

Este es el último caso en el cual debe introducirse al modelo una nueva restricción, después de que
ya se ha resuelto. Este caso puede ocurrir porque se pasó por alto la restricción en un principio o
porque surgieron nuevas consideraciones después de formular el modelo. Otra posibilidad es que
a propósito se haya eliminado la restricción para disminuir el esfuerzo computacional por parecer
menos restrictiva que otras ya planteadas en el modelo, pero ahora es necesario verificar esta
impresión con la solución óptima que se obtuvo.

IMPORTANCIA DEL ANÁLISIS DE SENSIBILIDAD

Es una herramienta que permite calcular los cambios y como esto puede afectar a la solución
óptima y por tanto a los datos obtenidos de esta en conclusión permite estudiar la solución optima
una vez que se modifica en ella algún valor.

PRECIO SOMBRA

El Precio Sombra de una restricción en Programación Lineal indica cuánto cambia el valor de la
función objetivo (óptimo) ante una variación marginal del lado derecho de una restricción. Se
asume que el resto de los parámetros del modelo permanecen constantes. De antemano es
conveniente señalar que el Precio Sombra puede ser positivo, cero. Para obtener los Informes de
Sensibilidad de un modelo de Programación Lineal se puede hacer uso de herramientas
computacionales como Solver de Excel, sin embargo, en esta oportunidad nos enfocaremos en el
cálculo del precio sombra de una restricción en forma gráfica, lo que nos ayudará más adelante a
entender los conceptos que fundamentan los resultados de Solver.

Cómo calcular Gráficamente el Precio Sombra de una Restricción

por GEO Tutoriales el 30/07/2011 en Programación Lineal 5

El Precio Sombra de una restricción en Programación Lineal indica cuánto cambia el valor de la
función objetivo (óptimo) ante una variación marginal del lado derecho de una restricción. Se
asume que el resto de los parámetros del modelo permanecen constantes. De antemano es
conveniente señalar que el Precio Sombra puede ser positivo, cero o negativo y en el Blog iremos
discutiendo estos distintos escenarios.

Para obtener los Informes de Sensibilidad de un modelo de Programación Lineal se puede hacer
uso de herramientas computacionales como Solver de Excel, sin embargo, en esta oportunidad nos
enfocaremos en el cálculo del precio sombra de una restricción en forma gráfica, lo que nos
ayudará más adelante a entender los conceptos que fundamentan los resultados de Solver.
Cálculo del Precio Sombra de una Restricción con el Método Gráfico
A continuación calcularemos el precio sombra de una restricción del siguiente modelo de
Programación Lineal:
Modelo de Programación Lineal
La solución óptima de este modelo es X=100 e Y=350 con valor óptimo V(P)=3.100 según su
resolución gráfica con Geogebra o su resolución con Solver de Excel. El siguiente diagrama
muestra la solución óptima obtenida gráficamente en el vértice C, que corresponde a la intersección
de la restricción 1 (R1: color rojo) y la restricción 3 (R3: color gris), siendo ésta una solución
básica factible óptima.

Supongamos que deseamos saber cuánto cambiará el valor óptimo (respecto a su valor actual) si
aumenta en una unidad el lado derecho de la restricción 1 pero sin resolver nuevamente el
problema. El precio sombra nos permite dar respuesta a dicha interrogante y permite anticipar el
nuevo valor óptimo ante una variación marginal del lado derecho de una restricción.
Un variación marginal de un lado derecho implica que la nueva solución óptima se seguirá
encontrando con las actuales restricciones activas, es decir, aquellas que se cumplen en igualdad
en el óptimo (esto es se conserva la base óptima).
En el caso de la restricción 1 si aumentamos su lado derecho, ésta se desplazará en forma paralela
hacia arriba. Si buscamos garantizar que la nueva solución óptima aún se encontrará con R1 y R3
activas llegaremos al vértice donde actualmente se interceptan la R2 y R3 que corresponde a la
coordenada X=166,67 e Y=350 (ésta será la máxima variación).
En forma análoga si disminuimos el lado derecho de la restricción 1 y buscamos mantener R1 y
R3 activas en el nuevo óptimo, el último punto donde se garantiza esto es el vértice B cuyas
coordenadas son X=0 e Y=350 (ésta será la menor variación). Con esta información calculamos el
precio sombra de la restricción 1:

Este precio sombra es válido si el lado derecho de la restricción 1 (actualmente b1=1.600) varía
entre [1.400,1.733,33]. Por ejemplo, si el lado derecho de R1 aumenta de 1.600 a 1.700 el nuevo
valor óptimo será V(P)=3.100+100*1,5=3.250. Análogamente si el lado derecho de R1 disminuye
de 1.600 a 1.550 el nuevo valor óptimo será V(P)=3.100-50*1,5=3.025. (Se recomienda corroborar
estos resultados gráficamente con TORA o IORTutorial). Notar que si la variación del lado
derecho de la restricción 1 está por fuera del intervalo [1.400,1.733,33], no se puede utilizar el
precio sombra para predecir cuál será el nuevo valor óptimo.