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 optima. 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.

1
• 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
locual, 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

2
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.

Programación lineal
Análisis de sensibilidad

Considere el siguiente problema de Programación Lineal:

Dos artículos A y B pueden producirse en 4 procesos diferentes los cuales requieren de

diferentes cantidades de equipo, mano de obra y materia prima.
Estos recursos son limitados y la venta de estos artículos generan una utilidad
conocida dependiendo del proceso con el que se realizan. Se trata de determinar la
cantidad de artículos a producir en cada proceso de manera de maximizar la utilidad.
Los recursos requeridos y disponibles, así como la utilidad generada por cada unidad
de artículo se muestra en la siguiente tabla:

Cantidades requeridas por

unidad de producto
ARTÍCULO A ARTÍCULO B
RECURS PROC.. PROC. PROC. PROC. DISPONIBILIDAD
O 1 2 1 2
EQUIPO 3 2 4 3 70
(Hras)
MANO DE 7 8 10 12 120
OBRA
(Hras)
MATERIA 1 1 1 1 15
PRIMA
(Kg)
UTILIDAD 6 5.5 7 8
(usd /
100)

El modelo de Programación Lineal es el siguiente:

max 6x1+5.5x2+7y1+8y2
st
3x1+2x2+4y1+3y2<70
7x1+8x2+10y1+12y2<120
x1+x2+y1+y2<15

3
A continuación se muestran los resultados que arroja LINDO para este problema:

OBJECTIVE FUNCTION VALUE

1) 96.00000

VARIABLE VALUE REDUCED COST

X1 12.000000 0.000000
X2 0.000000 0.900000
Y1 0.000000 0.200000
Y2 3.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 25.000000 0.000000
3) 0.000000 0.400000
4) 0.000000 3.200000

NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 6.000000 2.000000 0.500000
X2 5.500000 0.900000 INFINITY
Y1 7.000000 0.200000 INFINITY
Y2 8.000000 2.285714 0.333333

RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 70.000000 INFINITY 25.000000
3 120.000000 60.000000 15.000000
4 15.000000 2.142857 5.000000
La utilidad máxima es 9600 USD y se tiene produciendo 12 unidades de A con el
proceso 1 y 3 unidades de B con el proceso 2.

Observe que las variables de holgura tienen los siguientes valores en la solución
óptima:
w1= 25
w2= 0
w3= 0

Esto es, las restricciones de mano de obra y de materia son activas lo que implica que
estos recursos se agotan con esta producción. Sin embargo todavía se tienen horas de
equipo disponibles.
La gráfica siguiente muestra las restricciones del problema en las variables X1 y Y2

4
 Y2

X1 + Y2 = 15

X1 = 12
7X1 + 12Y2= 120 Y2 = 3

X1

Si varía la disponibilidad de mano de obra y de materiales las cantidades óptimas de

producción cambian. La disponibilidad de equipo puede aumentar o disminuir sin que
afecte el nivel óptimo de producción.

El análisis de sensibilidad permite evaluar EL EFECTO EN LA SOLUCIÓN ÓPTIMA

estos cambios sin resolver otro problema.

a) Si aumentamos en una unidad la disponibilidad del recurso 2 (de 120 a 121)

la solución se tendría en el punto:

7x1+12y2=121
x1+y2=15 x1 = 59/5, y2= 16/5
El incremento en estas variable es de:

x1= 59/5 - 12 = -1/5 = -0.2

y2= 16/5 - 3 = 1/5 = 0.2

y la función objetivo se incrementa en

Dz = 6 (-1/5) + 8 (1/5) = 2/5 = 0.4 que es el valor marginal (precio sombra o precio
dual) de la mano de obra.

" Por cada unidad de mano de obra que se disponga, la utilidad aumenta en 0.4"

b) Si aumentamos en una unidad la disponibilidad del recurso 3 (de 15 a 16)

la solución se tendría en el punto:

7x1+12y2=120
x1+y2=16 x1 = 72/5, y2= 8/5
El incremento en estas variable es de:

5
x1= 72/5 - 12 = 12/5
y2= 8/5 - 3 = -7/5

y la función objetivo se incrementa en

Dz = 6 (12/5) + 8 (-7/5) = 16/5 = 3.2 que es el valor marginal (precio sombra o precio
dual) de la materia prima.

" Por cada unidad de materia prima que se disponga, la utilidad aumenta en 3.2"

Para la primera restricción el precio dual es cero ya que esta restricción no es activa.

Notemos que:

70 (0) + 120 ( 2/5) + 15 (16/5) = 96 que es la utilidad máxima.