You are on page 1of 17

1.

ANALISIS DE SENSIBILIDAD.

Una vez obtenida la solucin ptima de un problema de programacin lineal, es muy til saber cmo manejar los posibles cambios que puede haber en los parmetros que influyen en la solucin ptima. El anlisis de sensibilidad se relaciona con la manera en que los cambios en los parmetros del problema de programacin lineal afectan a la solucin ptima. El siguiente problema muestra la introduccin grafica al anlisis de sensibilidad. Ejemplo. Una empresa elabora camisas y pantalones, una camisa se vende en $ 80, requiere $ 30 de materia prima y cada camisa que se elabora incrementa los costos globales de la empresa en $ 20. Un pantaln se vende en $120, requiere $ 60 de materia prima y cada pantaln elaborado incrementa los costos globales de la empresa en $ 40. Para la elaboracin de camisas y pantalones se requieren dos tipos de mano de obra: corte y acabado. Una camisa necesita 6 minutos de corte y 4 minutos de acabado. Un pantaln necesita 3 minutos de corte y 4 minutos de acabado. La empresa destina cada semana 100 Hrs al departamento de corte y 80 Hrs al departamento de acabado y cuenta con la materia prima necesaria para la elaboracin de camisas y pantalones. La demanda de pantalones es ilimitada, pero se venden cuando mucho 900 camisas. Determinar. 1.- Modelo matemtico que optimice las ganancias por semana de la empresa. 2.- El cambio que provocara la modificacin en los coeficientes de la funcin objetivo en la solucin ptima. 3.- El cambio que provocara en la solucin ptima, si el tiempo de corte y acabado se modificara. Solucin:

Modelo matemtico que optimiza las ganancias. Sea X1= No. de camisas elaboradas/semana. X2= No. de pantalones elaborados/semana. La empresa desea optimizar las ganancias por lo que la funcin objetivo es: Maximizar Sujeto a: Z = 30 X1 + 20 X2 6X1 + 3X2 6000 4X1 + 4X2 4800 X1900 X1, X2 0 (Restriccin de corte) (Restriccin de acabado) (Restriccin de demanda)

La solucin ptima del problema es X1=800, X2=400, Z= 32,000 $/semana. (Utilidades netas) La figura 3.5 muestra la solucin ptima y las restricciones. Las variables bsicas son X1, X2 y X5 (variables de holgura para la restriccin de la demanda de camisas).

X2
Restriccin de corte Pendiente -2
B

2500

2000

Restriccin de acabado Pendiente -1

1500

Restriccion de demanda

A
1000

Recta de iso utildades Pendiente -3/2, Z=30000 Solucin optima

500

D
C
X1
500 1000 1500 2000

X1

b. Modificacin en los coeficientes de la funcin objetivo en la solucin ptima. Si la contribucin a la utilidad por parte de una camisa se incrementara de manera suficiente, entonces seria ptimo para la empresa fabricar ms camisas (X5 se volvera no bsica). Por otra parte, si la contribucin a la utilidad por parte de una camisa disminuyera de manera suficiente, lo ptimo para la empresa seria producir solo pantalones (X1 seria ahora no bsica). Sea C1 la contribucin a la utilidad por parte de cada camisa, en la actualidad C1 =30, y cada recta de iso utilidades tiene la forma 30X1 + 20X2 = constante, o bien X2 = -3/2X1 + Constante/20 y todas la rectas de iso utilidades tienen una pendiente de -3/2. En la figura 3.5 se observa que si al cambiar C 1 las rectas de iso utilidades son ms planas que la restriccin de acabado, entonces la solucin ptima pasara desde la solucin ptima (punto B) a una nueva solucin ptima (punto A). Si la utilidad por parte de cada camisa es C1, entonces la pendiente de cada recta de iso utilidades ser C1/20. Dado que la pendiente de la restriccin de acabado es -1, las rectas de iso utilidades sern ms planas que dicha restriccin si -C1/20>-1, es decir, C1<20, y la base actual ya no es ptima. La nueva solucin ptima ser (0,1200), punto A de la figura 3.5. Si las rectas de iso utilidades tienen mayor pendiente que la restriccin de corte, entonces la solucin ptima se desplazara del punto B al punto C. La pendiente de la restriccin del corte es -2. Si C1/20<-2, es decir, C1>40, entonces la base actual ya no es ptima, y el punto C (900,200) ser ptimo. En resumen, se ha demostrado que si todos los otros parmetros permanecen sin cambio, la base actual sigue siendo ptima para 20 C140 y la empresa debe fabricar 800 camisas y 400 pantalones. Sin embargo si C1 cambia por ejemplo de 30 a 40, la utilidad de la empresa cambia, y ser 40 (800) +20 (400)= 40,000 $/semana en lugar de 32,000 $/semana.

Cambio que provocara en la solucin ptima, acabado se modificara.

si el tiempo de corte y

Si B1 son los minutos disponibles de corte, en la actualidad B 1=6000, para qu valores de B1 la base continua siendo ptima? La figura 3.6 muestra que un cambio en B1 desplaza en forma paralela a su posicin actual a la restriccin de corte. La solucin ptima actual (punto B) es donde las restricciones de acabado y corte son activas. Si se modifica el valor de B1, entonces, siempre que el punto donde las restricciones de acabado y corte son activas siga siendo factible, la solucin ptima se encontrara donde estas restricciones se cruzan. En la figura 3.6 se observa que si B1>6300, entonces el punto donde las restricciones de corte y acabado son activas quedaran en la parte de la restriccin de acabado abajo del punto D. En el punto D se usan 6(900) + 3(300) = 6300 minutos de corte. En esta regin, X1>900 y no se cumple la restriccin de la demanda para las camisas. Por lo tanto, para B1>6300, la base no ser ptima. De igual manera, si B1<3600, las restricciones de corte y acabado sern activas en un punto no factible donde X1<0, y la base actual ya no es ptima. En el punto A se usan 6(0) + 3(1200) = 3600 minutos de corte. Por lo tanto si todos los otros parmetros se mantienen sin cambio, la base actual sigue siendo ptima si 3600 B 16300. Si 3600 B16000, la solucin ptima se desplazara desde el punto B hasta otro punto sobre la recta AB, Si 6000 B16300, la solucin ptima se desplazara desde el punto B hasta otro punto sobre la recta BD. Si se modifica B1 a 6000 + , es posible encontrar los valores nuevos de las variables de decisin al resolver: 6X1 + 3X2 = 6000 + y 4X1 + 4X2 = 4800, lo cual da: X1=800+ /3 y X2 =400 - /3. Por lo tanto, al incrementar la cantidad de minutos disponibles de corte se origina un aumento en la cantidad de camisas elaboradas y una disminucin en la cantidad de pantalones.

X2
2500

Restriccin de corte B1=6000 Restriccin de corte B1=6300

2000

1500

Recta de iso utildades Z=30000


A 1000

Restriccion de demanda
B

Restriccin de corte B1=3600

500

D C

Restriccin de acabado

X1
500 1000 1500 2000

Figura 3.6

Si se modifica B2 a 4800 + , es posible encontrar los valores nuevos de las variables de decisin al resolver: 6X1 + 3X2 = 6000 y 4X1 + 4X2 = 4800+ , lo cual da: X1=800 - /4 y X2 =400 + /2. Por lo tanto, al incrementar la cantidad de minutos disponibles de acabado se origina una disminucin en la cantidad de camisas elaboradas y un aumento en la cantidad de pantalones.

En una restriccin con holgura positiva en la solucin ptima de un problema de programacin lineal, si se modifica el lado derecho de una restriccin a un valor en el intervalo donde la base actual es aun optima, no cambia la solucin ptima del problema de programacin lineal. Por ejemplo suponiendo que la demanda de camisas cambia a 900 + , la solucin ptima ser la solucin de: 6X1 + 3X2 = 6000 y 4X1 + 4X2 = 4800, lo cual da como resultado X1=800 y X2 =400.

PRECIOS SOMBRA
El precio sombra para la i-esima restriccin de un problema de programacin lineal es la cantidad que el valor Z mejora (en el caso de maximizacin aumento y en el caso de minimizacin disminucin) si el lado derecho de la i-esima restriccin aumenta una unidad y solo aplica si el cambio en el lado derecho de la restriccin i deja optima la base actual. Por ejemplo si X1=800+ /3 y X2 =400 - /3. Entonces, el valor ptimo de z es igual a 30(800+ /3) + 20 (400 - /3)= 32000 + 10/3. Por lo tanto, siempre y cuando la base actual siga siendo ptima, un incremento de una unidad en la cantidad disponible de minutos de corte, incrementara el valor ptimo de Z en $ 10/3. Por lo que el precio sombra de la restriccin de corte es 10/3.

IMPORTANCIA DEL ANALISIS DE SENSIBILIDAD


El anlisis de sensibilidad es importante por varias razones. Los parmetros de un problema de programacin lineal podran cambiar en varias aplicaciones. Por ejemplo, los precios a los cuales se venden las camisas y los pantalones podran cambiar, as como la disponibilidad de los minutos de corte y acabado. Conocer el anlisis de sensibilidad da la posibilidad de determinar, a partir de la solucin original, cual es el cambio que sufre la solucin ptima cuando se modifican los parmetros de un problema de programacin lineal. El mtodo grafico no es til para el anlisis de sensibilidad de un problema de programacin lineal con ms de

dos variables, por lo que es necesario que la tabla simplex ptima se exprese en forma matricial. Cinco cambios en los parmetros de un problema de programacin lineal son: Cambios en los coeficientes de la funcin objetivo. Cambios en el Bi de las restricciones. Cambios en los coeficientes de las restricciones. Adicin de una nueva variable. Adicin de una nueva restriccin. Al efectuar alguno de los cambios anteriores, se puede caer en cualquiera de los siguientes casos. La solucin ptima permace sin cambiar, esto es, las variables bsicas y sus valores permanecen sin cambiar. Las variables bsicas siguen siendo las mismas pero sus valores han cambiado. La solucin bsica cambia completamente De acuerdo a las propiedades Primal-Dual se tiene que: Los cambios en las restricciones en el Primal (Dual) pueden afectar solamente la factibilidad del primal (Dual), o equivalentemente la optimalidad del Dual (Primal). Los cambios en los coeficientes de la funcin objetivo en el primal (Dual), pueden afectar solamente la optimalidad del Primal (Dual), o equivalentemente la factibilidad del Dual (Primal).

Los cambios en los coeficientes tecnolgicos de variables no bsicas del Primal (Dual) pueden afectar solamente la optimalidad del Primal (Dual), o en forma equivalente la factibilidad del Dual (Primal).

CAMBIOS EN LOS COEFICIENTES DE LA FUNCION OBJETIVO.


Estos cambios pueden afectar nicamente a los coeficientes de la ecuacin Z por lo tanto la optimalidad del problema, pueden ocurrir ya sea en: a). b). Los coeficientes bsicos. Los coeficientes de las variables no bsicas.

De acuerdo a la propiedad 1 las variables duales dependen de los coeficientes de las variables bsicas en la funcin objetivo. Para que la solucin permanezca ptima los nuevos valores duales deben proporcionar una nueva ecuacin Z con todos sus coeficientes satisfaciendo las condiciones de optimalidad.

CAMBIOS EN LOS COEFICIENTES BSICOS.

Supongamos que los coeficientes de la funcin objetivo en el problema de las bebidas cambian de la siguiente manera: De Maximizar Z = 3X1 + 10X2 A Maximizar Z = 5X1 + 7X2

Para la ltima tabla los nuevos valores duales son:

5/6 5 -1/6

-4/6 1/3

Y1 3

Y2 -1

Sustituyendo en las restricciones duales, los nuevos coeficientes para X 1 y X2 en Z son:

2Y1 + Y2 3 4Y1 + 5Y2 10

2(3) + (-1) 5 = 0 4(3) + 5(-1) 7 = 0

Dado que el coeficiente de Y2 es < 0, la solucin pierde optimalidad y deben hacerse nuevas operaciones de rengln para volver a tener una solucin ptima. En el ejemplo tenemos: Nuevo valor de Z. Z = 80 Y1 + 70Y2 = 80(3) + 70(-1) = 170 Sustituyendo el nuevo valor de la ecuacin Z en la tabla ptima 3.12, de la solucin primal se tiene el resultado mostrado en la tabla 3.17

Bsica Z X1 X2

X1 0 1 0

X2 0 0 1

X3 3 5/6 -1/6

X4 -1 -4/6 1/3

Solucin 170 20 10

Tabla 3.17

La tabla 3.17 muestra que la variable no bsica X4 tiene el coeficiente ms negativo, por lo tanto es la variable que entra. La variable bsica X 2 tiene la menor interseccin, por lo tanto es la variable que sale. Los resultados se muestran en la tabla 3.18. Bsica Z X1 X4 X1 0 1 0 X2 3 2 3 X3 15/6 3/6 -3/6 X4 0 0 1 Solucin 200 40 30

Tabla 3.18

CAMBIOS EN LOS COEFICIENTES DE LAS VARIABLES NO BSICAS

Este tipo de cambio no afecta las variables duales. En consecuencia los valores duales pueden usarse directamente para checar los coeficientes de la funcin objetivo. Esto se hace verificando la factibilidad de las nuevas restricciones duales correspondientes y sus nuevos valores. Por ejemplo, si cambiamos el coeficiente de X2 de 10 a 9 en la funcin objetivo, su restriccin dual cambia: De 4Y1 + 5Y2 10 a 4Y1 + 5Y2 9

Empleando los valores duales Y1 = 5/6, Y2 = 8/6 y sustituyendo en la nueva restriccin dual queda: 4(5/6) + 5(8/6) = (20 + 40)/6 = 6 Lo cual si cumple con la restriccin dual. En el caso de que el valor de la restriccin dual hubiera resultado negativo al sustituir los valores duales, entonces, la variable primal asociada a esta restriccin dual seria candidata a entrar a la base. La realizacin de cambios simultneos en los coeficientes bsicos y no bsicos puede tratarse combinando los dos procedimientos anteriores. Primero. Se determinan los nuevos valores duales (empleando los

nuevos coeficientes bsicos) y posteriormente se verifican los coeficientes de la solucin inicial en la funcin objetivo para checar la optimalidad. Segundo. Se verifican las nuevas restricciones duales empleando los

nuevos coeficientes para ver la factibilidad del dual (o la optimalidad del primal).

CAMBIOS EN EL Bi DE LAS RESTRICCIONES.

En ocasiones, al efectuar cambios en una o varias restricciones, puede ocurrir que la solucin llegue a ser no factible, por ejemplo, si en el problema de las bebidas

se incrementan los Kilogramos de lpulo en la segunda restriccin en 35 Kg. De la tabla 3.12 tenemos que:

5/6 -1/6

-4/6 1/3

80 70+35=105 =

400/6 420/6 = 10/3 -80/6 + 105/3 = 65/3

Del resultado anterior se observa que el valor de X1 correspondiente a la bebida 1, no es factible ya que tiene un valor negativo (-10/3). Para volver a la factibilidad esta solucin, se emplea el Dual Simplex. Z* = 3(-10/3) + 10(65/3) = -10 + 650/3 = 620/3 Sustituyendo el nuevo valor de Z* resultado mostrado en la tabla 3.19. en la tabla optima 3.12, se tiene el

Bsica Z X1 X2

X1 O 1 0

X2 0 0 1

X3 5/6 5/6 -1/6

X4 8/6 -4/6 1/3

Solucin 620/3 -10/3 65/3

Tabla 3.19 La tabla 3.19 muestra que la variable bsica X1 tiene el Bi ms negativo, por lo tanto es la variable que sale, la variable no bsica X4 tiene la interseccin con el valor absoluto mayor, por lo tanto es la variable que entra. Efectuando clculos se obtienen los resultados mostrados en la tabla 3.20.

Bsica Z X4 X2

X1 2 -6/4 2/4

X2 0 0 1

X3 15/6 -5/4 3/12

X4 0 1 0

Solucin 200 5 20

Tabla 3.20

La tabla 3.20 muestra que el primal vuelve a la factibilidad y el problema est resuelto y la solucin ptima es X2 = 20, Z = 200. Cuando se analizan los valores de las variables duales y alguna indica sobre la conveniencia de invertir en la adquisicin del recurso i, la primera pregunta que se responde es: Cuanto se puede incrementar el recurso i sin dejar de ganar la contribucin sealada por la variable Dual Yj. Debe recordarse que el valor de la variable Dual permanecer siendo el mismo mientras el primal permanezca factible. Si representa el incremento posible para que la contribucin de la variable dual bajo anlisis siga contribuyendo a la ganancia en la misma proporcin, su clculo es como sigue. De la tabla ptima 3.12 del primal del problema de las bebidas.
X
1

X
2

5/6 - 4/6 -1/6 1/3

80 +

(80+ )5/6 280/6 = (400+5 280)/6

70

(80+ )(-1/6) + 70/3 = (- 80 +140)/6

(120 +5)/6 (60 )/6

0 0

120 + 5 0 60

Es decir el perder factibilidad.

recurso 1 lo podramos aumentar hasta en 60 unidades sin

CAMBIOS EN LOS COEFICIENTES DE LAS RESTRICCIONES.

Segn la propiedad Primal-Dual 2, estos cambios pueden afectar el lado izquierdo de sus restricciones duales y por lo tanto, a la factibilidad del dual (o de manera equivalente a la optimalidad del primal). Lo importante es que al cambiar los coeficientes de una variable bsica puede afectar directamente los elementos de la matriz bajo la solucin inicial. Esto puede originar que la solucin sea no factible o no ptima, o puede dejar de ser bsica. En el caso de que el cambio se realice en una variable no bsica, se formula la nueva restriccin dual, para ver si la solucin sigue siendo ptima. Para conocer los coeficientes de la variable no bsica en la tabla final, se multiplica la matriz generadora por el vector de los nuevos coeficientes de la variable no bsica.

ADICIN DE UNA NUEVA VARIABLE.

Este caso corresponde a efectuar cambios simultneos en los coeficientes A ij de una variable y en la funcin objetivo. Se puede considerar como un cambio que inicialmente estaba a nivel cero. Consecuentemente, la adicin de una nueva variable puede modificar solamente la optimalidad y esta variable entrara a la base si y solo si incrementa Z (en caso de maximizacin). Supongamos que ahora se ha decidido producir un tercer tipo de bebida X 3 y que tiene una contribucin de 7 $/Lt producido y consume 2 Kg del recurso 1 por litro de bebida producido y 3 unidades del recurso 2 por litro producido. Por lo tanto la funcin a resolver ser. Maximizar Sujeto a: Z = 3X1 + 10X2 + 7X3 2X1 + 4X2 + 2X3 80 X1 + 5X2 + 3X3 X1, X2, X3 0 70

Su restriccin dual es: 2Y1 + 3Y2 7. Sustituyendo Y1 y Y2 de la tabla 3.12. 2(5/6) + 3(4/3) 7 = 10/6 + 12/3 7 = - 4/3 Vemos que aun promete mejoras por lo tanto la introduciremos a la base. Recordemos que para conocer los valores de los coeficientes tecnolgicos en la tabla final hacemos:

5/6 -1/1

- 4/6 1/1

2 3

10/6 12/6 = - 1/6

-2/2 + 3/3 = 2/3

Los resultados se muestran en la tabla 3.21.

Bsica Z X1 X2

X1 0 1 0

X2 0 0 1

X3 -4/3 -1/3 2/3

S1 5/6 5/6 -1/6

S2 4/3 -4/6 1/3

Solucin 160 20 10

Tabla 3.21 La tabla 3.21 muestra que la variable no bsica X3 tiene el coeficiente ms negativo, por lo que es la variable que entra. La variable bsica X 2 tiene la menor interseccin, por lo que es la variable que sale. Efectuando operaciones se obtiene el resultado que se muestra en la tabla 3.22.

Bsica Z X1 X3

X1 0 1 0

X2 2 1/2 3/2

X3 0 0 1

X4 1/2 3/4 -1/4

X5 2 -1/2 1/2

Solucin 180 25 15

Tabla 3.22

La tabla 3.22 muestra que los valores de la ecuacin Z son positivos, por lo que la solucin es ptima para X1 = 25, X2 = 0, X3 = 15, Z = 180.

ADICIN DE UNA NUEVA RESTRICCION


Este caso es muy simple pues solo requiere que se cheque en primer lugar la efectividad de la restriccin, en caso de ser efectiva, simplemente se adiciona en la tabla final y se hacen los clculos necesarios en la base de solucin debiendo examinar el efecto que esta cause en el vector B. Por ejemplo si mercadotecnia nos da restricciones de mercado tales que: (para que aparezca la bebida 2 (X2) en el mercado). X2 5 -X2 -5 -X2 + X6 = -5

La tabla 3.23 muestra la tabla bsica inicial.

Bsica Z X1 X3 X6

X1 0 1 0 0

X2 2 1/2 3/2 -1

X3 0 0 1 0

X4 1/2 3/4 -1/4 0

X5 2 -1/2 1/2 0

X6 0 0 0 1

Solucin 180 25 15 -5

Tabla 3.23 La tabla 3.23 muestra que la variable bsica X6 tiene el Bi ms negativo, por lo tanto es la variable que sale. La variable no bsica X2 es la variable que entra. Efectuando operaciones obtenemos el resultado que se muestra en la tabla 3.24.

Bsica Z X1 X3 X2

X1 0 1 0 0

X2 0 0 0 1

X3 0 0 1 0

S1 1/2 3/4 -1/4 0

S2 2 -1/2 1/2 0

S3 -2 1/2 3/2 -1

Solucin 170 45/2 15/2 5

Tabla 3.24

La tabla 3.24 muestra que ya no hay valores negativos en los B i, Por lo que la solucin es ptima para: X1 = 45/2 litros de bebida 1, X2 = 5 litros de bebida 2, X3 = 15/2 litros de bebida 3, Ganancia total = $ 170.