OPTIMIZACIÓN

Resumen
Análisis de Sensibilidad LINDO

Profesora: Anita Henríquez Sapunar

 Análisis de Sensibilidad

¿Qué ocurriría con la

solución óptima si variamos
alguna de las condiciones
iniciales?
 Análisis de Sensibilidad

En el mundo real, las condiciones de trabajo no

suelen permanecer estáticas, sino en continuo
estado de cambio.

Son usuales las variaciones en los precios

(tanto de productos finales como de materias
primas, mano de obra, etc.), y en las
cantidades de recursos disponibles.

Además, continuamente se producen cambios en

los métodos productivos y mejoras tecnológicas
que logran aumentar la productividad.
 Análisis de Sensibilidad

El Análisis de Sensibilidad (o de Post-optimalidad) se

encarga 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.
Análisis de Sensibilidad

El Análisis de Sensibilidad se utiliza para

examinar los efectos de cambios en tres
áreas diferenciadas del problema:

1.Los coeficientes de la función objetivo

2.Los coeficientes tecnológicos
3.Los recursos disponibles
<

Maximizar Z = CX

s.a. AX <= b
X >= 0
b >= 0
 Los coeficientes objetivo

Los cambios en los coeficientes

objetivos no afectarán a la
solución óptima pero sí harán
variar el valor final de la función
objetivo.

Maximizar Z = CX

s.a. AX <= b
X >= 0
b >= 0
 Los coeficientes tecnológicos

Corresponden a aquellos coeficientes que

afectan a las variables de las restricciones,
situados a la izquierda de la desigualdad.

Maximizar Z = CX

s.a. AX <= b
X >= 0
b >= 0
Cambios en los Coeficientes
Tecnológicos

Estos cambios se deben a menudo a

innovaciones tecnológicas o a mejoras en la
productividad.

Este tipo de cambios no producirá variación

alguna en la función objetivo, pero sí
alterará sustancialmente la “forma” de la
región factible, por lo que la solución
óptima también variará. Su análisis
puede llegar a ser muy complejo, motivo
por el cual lo omitiremos.
 Los recursos disponibles
Corresponden a aquellos los términos
independientes de cada restricción, situados
a la derecha de la desigualdad.

Maximizar Z = CX

s.a. AX <= b
X >= 0
b >= 0
Análisis de Sensibilidad con LINDO

Ejemplo: Supongamos que una empresa

produce dos líneas de productos distintos y
utiliza LINDO para resolver el siguiente
problema de Programación Lineal:
 Salida Lindo
Cantidad en que tendría que
LP OPTIMUM FOUND AT STEP 2 `mejorar` (aumentar en un MAX,
disminuir en un MIN) el coeficiente
OBJECTIVE FUNCTION VALUE objetivo asociado para que
resultase ``rentable`` asignar un
1) 2400.000
valor no nulo a la variable
VARIABLE VALUE REDUCED COST
X 0.000000 10.000000
Nos dice cuan cerca estamos (en
Y 20.000000 0.000000 unidades) de ‘agotar’ la restricción
asociada (cumplirla en igualdad).
Si es del tipo <= será un ‘’Slack’’ y
si es del tipo >=, un ‘Surplus’
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 30.000000
3) 40.000000 0.000000
NO. ITERATIONS= 2 Cantidad en que ‘’mejoraría’’ la
Función Objetivo (aumentando en
un MAX, disminuyendo en un MIN)
si ‘relajásemos’ la restricción
asociada en una unidad
 Salida Lindo
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
Cantidad máxima en que podemos
X 50.000000 10.000000 INFINITY Aumentar/disminuir los
coeficientes Objetivo sin variar la
Y 120.000000 INFINITY 20.000000 solución óptima.

RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
Cantidad máxima en que podemos
RHS INCREASE DECREASE
Aumentar/disminuir los recursos
disponibles sin variar la solución
2 80.000000 160.000000 80.000000
óptima.
3 60.000000 INFINITY 40.000000
Cambios en los Coef.Objetivo:

Variables básicas:
son las que toman valores no nulos en la
solución óptima

Variables no básicas:
las cuales toman el valor 0
Cambios en los recursos

Los valores que quedan a la derecha de las

desigualdades (Right-Hand-Side)
representan la disponibilidad de recursos de
la empresa (horas de mano de obra,
materias primas, etc.).

Los cambios que se puedan producir en

estos valores afectarán también a la
“forma” de la región factible y, por
extensión, al valor de la solución
óptima.
A pesar de ello, si el parámetro que
varía lo hace dentro de un rango
predeterminado, seremos capaces de
predecir (vía precios sombra) cómo este
cambio afectará a la función objetivo,
pues la base (conjunto de variables
básicas de la solución) no variará.
Cambios en los recursos

Como ya hemos comentado, el precio dual

asociado a una restricción nos informa de cuánto
mejoraría el valor de la función objetivo si
relajásemos la restricción en una unidad.

Ello nos da una idea de la cantidad que

estaríamos dispuestos a pagar por cada unidad
adicional del recurso asociado.
Por supuesto, no es posible seguir aumentando
indefinidamente los recursos disponibles sin que
ello afecte a la clasificación actual de variables
básicas y no básicas.

La información que el “output” nos proporciona

es, precisamente, el rango en el cual este precio
sombra es válido.
19
Ejercicio 1
Un gerente de producción debe
decidir cuantos bolsos y mochilas
fabricar, para obtener la máxima
ganancia.
Se sabe que por cada bolso
producido se obtiene una ganancia
de $ 3.000, y por cada mochila
producida se obtiene una ganancia
de $ 5.000.
20

Para fabricar un bolso se necesitan

10 cm de tela roja y 30 cm de tela
azul, y para fabricar una mochila se
requieren 20 cm de tela verde y 20
cm de tela azul.
Además, se sabe que se dispone de
400 metros de tela roja, 1200 metros
de tela verde, y 1800 metros de tela
azul.
21
Para el problema descrito en las
diapositivas anteriores:
a) Formule el modelo matemático de PL
b) Escriba la forma estándar del PPL
c) Interprete ,solución y cada variable
d) Realice análisis de sensibilidad
 22
Ejercicio 1
Cantidad
Consumo (1) Bolsos Mochilas
Disponible
Tela Roja 10 40000
Tela Verde 20 120000
Tela Azul 30 20 180000
Ganancia (2) 3.000 5.000

(1) Consumo en cm de tela por unidad producida.

(2) Ganancia en $ por unidad.
Análisis
23
de sensibilidad

Planteamiento del PPL

MAX 3 X + 5 Y

X <= 4
2 Y <= 12
3X + 2 Y <= 18
X , Y >= 0
24
En consecuencia, para cada
restricción, se agrega la
correspondiente variable de holgura.
MAX 3 X + 5 Y

X + H1 = 4
2 Y + H2 = 12
3 X + 2 Y + H3 = 18
X , Y , H1 , H2 , H3 >=0
 LP OPTIMUM FOUND AT STEP 2 RANGES IN WHICH THE BASIS IS UNCHANGED:
25
OBJ COEFFICIENT RANGES
OBJECTIVE FUNCTION VALUE
VARIABLE CURRENT ALLOWABLE ALLOWABLE

1) 36.00000 COEF INCREASE DECREASE

X 3.000000 4.500000 3.000000
Y 5.000000 INFINITY 3.000000
VARIABLE VALUE REDUCED COST
X 2.000000 0.000000
Y 6.000000 0.000000 RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE

ROW SLACK OR SURPLUS DUAL PRICES
2) 2.000000 0.000000
3) 0.000000 1.500000
4) 0.000000 1.000000
RHS INCREASE DECREASE
2 4.000000 INFINITY 2.000000
3 12.000000 6.000000 6.000000
4 18.000000 6.000000 6.000000

NO. ITERATIONS= 2
Interpretación
26
Variables de holgura

En la solución del problema, una

variable de holgura :
1.- Igual a cero indica que todo es
recurso disponible fue utilizado
2.- Mayor que cero representa la
holgura del recurso correspondiente.
27
Variables básicas

En la solución al problema de la
mochila tenemos:

Variables básicas:
X=2 Y=6 H1 = 2

Variables no básicas:
H2 = 0 H3 = 0
Identificar
28
Variables básicas
Variables
29
básicas

Ante variaciones en los parámetros

del problema, pueden suceder dos
cosas:

- Que cambien los valores de las

variables, sin cambiar la base.

- Que cambie la base, es decir,

variables con valor = 0 toman valor
> 0, y viceversa.
30
Variables básicas

Cuando hablamos de cambios

menores en análisis de sensibilidad,
nos referimos a cambios para los
cuales no cambia la base.

En consecuencia, la magnitud de los

cambios menores va a depender de
la estructura del problema.
31
Variables básicas

De hecho, hay veces que algunos

parámetros del problema pueden
aumentar (o disminuir) hasta el
infinito, sin que cambie la base.
Análisis
32
de sensibilidad Ejemplo

Revisaremos lo siguiente:
- Holgura de recursos
- Precios sombra
- Costos reducidos
33
1.- Holgura de recursos

Existe
una
holgura
de 2
unidades
del
recurso 1
Ejemplo
34
holgura de recursos:
A continuación se muestra el consumo y
la holgura de cada tela para fabricar 2
mil bolsos y 6 mil mochilas.

Consumo Disponible Holgura

Tela Roja 2 4 2

Tela Verde 12 12 0

Tela Azul 18 18 0
35
Precio sombra

Si un recurso no tiene holgura, es

muy probable que al aumentar su
disponibilidad, podamos aumentar el
valor de las variables de decisión, y
lo que es más importante, podremos
aumentar el valor de la función
objetivo.
36
Precio sombra

El precio sombra nos indica en

cuantas unidades aumentará el valor
de la función objetivo, por cada
unidad de recurso adicional.

En consecuencia,
el precio sombra de los recursos con
holgura es cero.
37
Precio sombra
38
Precio sombra

El precio sombra del recurso 2

muestra que por cada unidad que se
aumente del recurso 2, la FO
aumentará en 1.5 unidades.
En el caso del recurso 1, si se
aumenta su disponibilidad, no aporta
a la FO (solo aumenta el excedente
de recurso).
39
Precio sombra

Los precios sombra son válidos solo

dentro de variaciones de los
parámetros que no impliquen un
cambio de la base.
Ejemplo
40
precio sombra:
Compruebe la variación en la FO al
aumentar en 2 unidades el recurso 2.
Ejemplo
41
precio sombra:
La FO aumentó en 3 unidades (de 36 a
39):
3 = 1.5 x 2
42
Costo reducido

La solución del problema de PL es la

mejor solución posible. En
consecuencia, si la solución entrega
el valor cero para una variable de
decisión, significa que si le
asignamos un valor distinto de cero a
esa variable, obtendremos una
solución sub óptima (obligando a
disminuir el valor de una variable más
conveniente).
43
Costo reducido

El costo reducido nos indica en

cuantas unidades disminuye el valor
de la FO al incrementar en una
unidad el valor de una variable de
decisión cuyo valor es cero en la
solución óptima.
Ahora modificaremos los parámetros
del problema anterior, para que el
valor de X sea cero en la solución
óptima.
Costo
44
reducido
Consideremos el siguiente
problema:
Costo
45
reducido
Cuya solución es:
Costo
46
reducido

El valor de 4.5 para el costo reducido

de la variable X significa que por
cada unidad de X que se quiera
agregar a la solución, el valor de la
FO disminuirá en 4.5 unidades.
Ejemplo
47
costo reducido:
Compruebe la variación en la FO al
aumentar en 1 unidad el valor de la
variable no básica X.

Para que X tome valor 1, agregamos la

restricción X > 1, con lo cual tenemos el
siguiente problema:
Ejemplo
48
costo reducido:
Ejemplo
49
costo reducido:

Podemos observar que al aumentar en 1

la variable X, la FO disminuyó en 4.5
unidades.
Rangos
50
de variación parámetros

Hemos visto que los precios sombra

y los costos reducidos son válidos
dentro de un rango de variación de
los parámetros, que no signifique
cambiar las variables básicas de la
solución óptima.
Rangos de variación parámetros
51
Para el problema de los bolsos
tenemos los siguientes rangos:
 Rangos de variación parámetros
52
Coeficiente de X:
Valor original: 3
Límite superior: 3 + 4.5 = 7.5
Límite inferior: 3 – 3 = 0
Es decir, para valores del coeficiente
de X , tal que
0 <= x <=7.5
no cambia la base.
 Rangos de variación parámetros
53

Disponibilidad de recurso 3:
Valor original: 18
Límite superior: 18 + 6 = 24
Límite inferior: 18 – 6 = 12
Es decir, para disponibilidad de
recurso 3 entre 12 y 24 unidades, no
cambia la base.