JORGE EDUARDO CALPA OLIVA, M.Sc.

INVESTIGACIN DE OPERACIONES I

Los Mdulos de clase son una publicacin de la Direccin de Investigaciones y Desarrollo Tecnolgico de la Universidad Autnoma de Occidente. Este material presenta contenidos parciales y/o material de apoyo de cursos dictados en la institucin.

JORGE EDUARDO CALPA OLIVA, M.Sc. Docente Programa Ingeniera Industrial Investigacin de Operaciones I jcalpa@uao.edu.co

Gestin Editorial Programa Editorial programaeditorial@uao.edu.co Diagramacin Juan Manuel Escobar Velasco juanuel22@hotmail.com

2008 Universidad Autnoma de Occidente Km. 2 va a Jamund, A.A. 2790 Cali, Valle del Cauca Colombia www.uao.edu.co

El contenido de esta publicacin no compromete el pensamiento de la Institucin, es responsabilidad absoluta de sus autores.

Seccin de Publicaciones e Impresiones

Impreso en Colombia Printed in Colombia

TABLA DE CONTENIDO
Pg. 2.1. GENERALIDADES 2.2. EJEMPLO PROTOTIPO
2.2.1. Definicin del problema 2.2.2. Identificacin de las variables 2.2.3. Modelo formulado

5 5 6 6 6 7 7 10 10 11 13 14 16

2.3. ENFOQUE GRFICO DE SOLUCIN

2.3.1. Representar una regin o rea factible 2.3.2. Calcular el valor mxim o o m nimo de la funcin objetivo en la regin factible 2.3.2.1 Teorema fundamental de la Programacin Lineal 2.3.3. Anlisis grfico 2.3.4. Interpretacin de la solucin ptima 2.3.5. Mtodo analtico 2.3.6. Ejercicio de aplicacin

2.4. MODELOS LINEALES CON SOLUCIONES ESPECIALES EN EL ENFOQUE GRFICO

2.4.1. 2.4.2. 2.4.3. 2.4.4. 2.4.5. Solucin ptima nica Modelos lineales infactibles Modelos lineales ilimitados regin no acotada Modelos lineales degenerados restricciones redundantes Modelos lineales con ptimos alternativos

16 16 16 18 20 21 22 23 24 27

2.5 ANLISIS DE SENSIBILIDAD PARA EL ENFOQUE GRFICO 2.5.1. Definicin de anlisis de sensibilidad 2.5.2. Anlisis de sensibilidad para los coeficientes de la funcin objetivo 2.5.3. Anlisis de sensibilidad para el lado derecho de las restricciones BIBLIOGRAFA

36

LISTA DE GRFICAS
Pg. Grfica 1. Grfica 2. Grfica 3. Grfica 4. Grfica 5. Grfica 6. Grfica 7. Grfica 8. Grfica 9. Representacin de recta de restriccin Regin o rea factible Representacin lineal de funcin objetivo Solucin ptima anlisis grfico Solucin ptima mtodo analtico Modelos lineales infactibles Modelos lineales ilimitados Modelos lineales degenerados Modelos lineales con ptim os alternativos 9 10 12 13 15 18 19 20 22 25 26 29 30 31 34

Grfica 10. Sensibilidad coeficientes funcin objetivo Grfica 11. Sensibilidad coeficientes funcin objetivo Grfica 12. Solucin ptima sin cam bio en el lado derecho restriccin 2 Grfica 13. Solucin ptima con cambio en el lado derecho restriccin 2 Grfica 14. Cambio suficientemente mayor en restriccin 2 Grfica 15. Precio som bra restriccin 2

2.1

GENERALIDADES

La primera fase para emprender la solucin a un problema de Programacin Lineal es formular y obtener el modelo. Considerada esta etapa la ms importante del proceso de aplicacin, en la cual se necesita definir claramente el problema y conceptualizar de una manera correcta el problema que presente el sistema sobre el cual se pretende realizar la aplicacin. La etapa siguiente en el proceso es alcanzar la solucin del modelo. Desde el momento en que George Dantzig desarrolla el mtodo simplex para obtener la solucin a un modelo de programacin lineal, ste mtodo ha sido considerado el nico mtodo til y aplicable a la gran mayora de problemas de programacin lineal. Sin embargo para poder alcanzar una fuerte comprensin del mtodo simplex se hace necesario estudiar inicialmente dos mtodos complementarios de solucin, el enfoque grfico mtodo de solucin grfica y el mtodo algebraico mtodo de enumeracin de soluciones bsicas. Para presentar el enfoque de solucin grfico para un modelo de programacin lineal, se utilizar un ejemplo prototipo que simula la toma de decisiones que manifiesta la administracin de una pequea empresa. Este problema empresarial ser utilizado para presentar el proceso completo de programacin lineal, formulacin, solucin con enfoque grfico, mtodo de enumeracin de soluciones bsicas, mtodo simplex y teora de dualidad.

2.2.

EJEMPLO PROTOTIPO

Una empresa de confecciones produce dos tipos de uniformes escolares, cuyas referencias son UNIF1 y UNIF2. La planta donde se fabrican los uniformes opera 40 horas a la semana y emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial, quienes trabajan 15 horas a la semana. Estas personas operan las siete mquinas, entre mquinas de cocer y fileteadoras las cuales se utilizan para fabricar cada uniforme. Los productos salen del departamento de confeccin para ser empacados en el departamento de empaque, el cual emplea a seis trabajadores de tiempo completo y a uno de tiempo parcial quien trabaja 10 horas a la semana. La empresa tiene una provisin casi ilimitada de materia prima que necesita para producir los dos tipos de uniformes. Sin embargo puede vender cualquier cantidad de UNIF1, pero la demanda del producto ms solicitado, UNIF2, esta limitada a lo ms a 120 unidades por semana. El departamento de contabilidad estima un margen de utilidad de $300 por unidad de UNIF1 y de $500 por unidad de UNIF2.

05

Se consulta al analista de procesos para recoger la informacin sobre el tiempo utilizado en los departamentos de confeccin y empaque. El departamento de procesos presenta la informacin que se detalla en la siguiente tabla:
HORAS POR UNIDAD DE UNIF1 Confeccin Empaque 2 1 UNIF2 1 2

La empresa desea conocer el plan ptimo de produccin para la prxima semana1 Aplicando los criterios para la construccin y formulacin de un modelo de programacin lineal, la situacin de la pequea empresa se planteara de la siguiente forma:

2.1.1. DEFINICIN DEL PROBLEMA

La empresa desea conocer cual es el nmero de uniformes escolares a fabricar en la semana, de tal manera que se maximicen las utilidades totales.

2.2.2. IDENTIFICACIN DE LAS VARIABLES

X1 = unidades de uniformes tipo 1, UNIF1, a producir en la semana. X2 = unidades de uniformes tipo 2, UNIF2, a producir en la semana.

2.2.3. MODELO FORMULADO

El modelo a solucionar es: Maximizar UT = 300 X1 + 500 X2 (R1) (R2) (R3) (R4) (R5)
1

[Utilidad Total], Sujeto a:

2X1 + X1 + X1

X2 = 230 2X2 = 250 X2 = 120 D 0 X2 D 0

[Horas] Departamento de Confeccin [Horas] Departamento de Empaque [Unidades] Uniformes escolares UNIF2 Restriccin de no negatividad Restriccin de no negatividad

Adaptado de MATHUR, Kamlesh y SOLOW, D., Investigacin de Operaciones: el Arte de la Toma de Decisiones, Prentice-Hall Hispanoamericana S.A., Mxico, 1996.

06

Observe que el modelo prototipo formulado tiene solamente dos variables de decisin, UNIF1 y UNIF2, las cuales para facilitar la explicacin se denotaran como X1 y X2 respectivamente. Al poseer el modelo slo dos variables de decisin, se puede usar un procedimiento grfico para resolverlo, representando el modelo en un plano cartesiano X y Y.

2.3.

ENFOQUE GRFICO DE SOLUCIN

Para obtener la solucin al modelo utilizando el enfoque grfico, se emplean los siguientes procedimientos: ? Representar una regin o rea factible. ? Calcular el valor mximo o mnimo de la funcin objetivo en la regin factible.

2.3.1. REPRESENTAR UNA REGIN O REA FACTIBLE

Se considera una regin factible o rea factible, como aquella regin o plano en el cual las variables de decisin de un modelo lineal satisfacen simultneamente todas las restricciones. Regin que forma un polgono convexo cerrado en el plano, o un poliedro cerrado convexo en el espacio. Entonces, para obtener la regin factible se concentra el anlisis sobre las restricciones del modelo, examinando cada una de ellas para graficarlas sobre el plano cartesiano. La grafica de todas las restricciones representadas por rectas forman una interseccin, la regin factible es aquella rea donde todos los pares ordenados (X1, X2) que pertenecen a ella cumplen con todas las restricciones del modelo. Cada restriccin permite ciertos valores de (X1, X2) que satisfacen las desigualdades. Los valores que satisfacen la desigualdad y pertenecen al rea factible se conocen como valores factibles o soluciones factibles (valores para las variables de decisin que satisfacen simultneamente todas las restricciones). Los valores que no satisfacen alguna de las restricciones se consideran valores infactibles. Se puede notar que la interseccin de las restricciones al formar la regin factible permite un conjunto de infinitas parejas (X1, X2) las cuales satisfacen todas las restricciones. Este conjunto de parejas se reconocen como soluciones factibles y en conjunto forman el rea factible. Para hallar la regin factible se utilizan los ejes de coordenadas del plano cartesiano, los cuales representarn a las variables de decisin (X1, X2), ejes donde se representan los valores mnimos y mximos que podran tomar las variables. La restriccin (R4) del modelo, X1 D 0, permite solo valores positivos y la restriccin (R5), X2 D 0, igualmente permite solo valores positivos, grficamente la restriccin (R4) permite valores que estn por encima del eje X1 y la restriccin (R5) solamente permite valores que estn a la derecha del eje X2, ver grfica 1.

07

Para obtener la grfica de la recta de restriccin R1, 2X1 + X2 = 230, se procede de la siguiente forma. Esta expresin es una desigualdad lineal cuya grafica corresponde a los puntos ubicados en el lado izquierdo o derecho de la recta 2X1 + X2 = 230, entonces: a) Se transforma la restriccin de desigualdad en igualdad. 2X1 + X2 = 230 b) Se obtienen los interceptos con lo ejes de coordenadas para graficar la recta correspondiente a la desigualdad. ? Cuando X1 = 0 ? Cuando X2 = 0 X2 = 230 X1 = 115

Los valores que se consideran para obtener la regin factible corresponden a la desigualdad lineal 2X1 + X2 = 230 y no nicamente los valores de la ecuacin 2X1 + X2 = 230, se utiliza la igualdad para poder graficar la recta de restriccin. Esto permite concluir que todos los puntos que pertenecen a la recta cumplen con la restriccin, sin embargo el objetivo de anlisis para el enfoque grfico de programacin lineal es determinar un rea factible, por lo tanto se necesita conocer que lado de la recta hacia la derecha o izquierda presenta valores que cumplan con la desigualdad lineal. Note, que cuando se grafica la recta de restriccin el plano cartesiano se divide en dos semiplanos ubicados a la derecha e izquierda de la recta. Para reconocer cual de los semiplanos cumple con la desigualdad, se pueden utilizar dos formas: ? Se elige cualquier punto que no se encuentre en la recta, ubicado en cualquiera de los dos semiplanos en que fue dividido el plano cartesiano cuando se trazo la recta de restriccin. Por ejemplo, si se toma el punto X1 = 50 y X2 = 50 ubicado en el semiplano del lado izquierdo de la recta (ver grfica 1) y se reemplaza en la restriccin R1 2(50) + (50) 150 = 230 = 230

La desigualdad se cumple, por lo tanto el rea que satisface la restriccin R1 es la ubicada en el semiplano del lado izquierdo de la recta, como se indica en la grfica 1. Se marca con flechas la direccin del semiplano que cumple con la desigualdad. Si al reemplazar X1 y X2 la desigualdad NO se cumple, entonces, el rea que satisface la restriccin estara ubicada hacia el semiplano del lado derecho de la recta. ? Se elige como punto de referencia el origen de coordenadas, que puede estar ubicado en uno de los dos semiplanos en que fue dividido el plano cartesiano, se verifica si satisface o no la desigualdad representada por la restriccin. Esta forma es similar a la primera, su diferencia radica en ser ms gil cuando se reemplaza directamente los valores de las coordenadas X1 = 0 y X2 = 0 en la desigualdad.

08

Cuando la desigualdad que se analice sea una recta que pase por el origen de coordenadas, se hace obligatorio utilizar un punto ubicado en alguno de los semiplanos en que se dividi el plano cartesiano. 2(0) + (0) = 230 0 = 230 Observe que la desigualdad se cumple, entonces el rea que satisface la restriccin R1 es el rea ubicada en el semiplano del lado izquierdo de la recta. Se grafican todas las restricciones del modelo sobre el plano cartesiano, utilizando una de las formas explicadas para reconocer los semiplanos que cumplen con cada una de las restricciones. Observe que el resultado al graficarlas, es una interseccin de rectas de restriccin sobre el plano cartesiano, las cuales a su vez forman diferentes segmentos de rea, uno de estos segmentos de rea es el rea factible, regin del plano que cumple con las caractersticas de ser un polgono convexo y simultneamente cumplir con todas las restricciones del modelo. Para el ejemplo el rea que cumple con todas las restricciones es el rea sombreada de la figura 2. Los infinitos puntos en los lmites y aquellos que se encuentran dentro del rea factible son soluciones factibles y dan origen a diferentes valores para las variables X1 y X2, puntos que satisfacen con todas las restricciones y por lo tanto son solucin del modelo. De todas estas infinitas soluciones, solo una es la solucin ptima al modelo, aquella que produzca el mejor valor de la funcin objetivo, si el objetivo del problema es de maximizar o el menor valor de la funcin si el objetivo es de minimizar (ver teorema fundamental de la programacin lineal).
X2 R5

230

Punto(50,50)

R4

Punto(0,0)

115

X1

R1

Grfica 1: Representacin de recta de restriccin

09

X2 R5

230

125 120

R3 rea Factible
115 250

R4

X1 R2

R1

Grfica 2: Regin o rea Factible

2.3.2. CALCULAR EL VALOR MXIMO O MNIMO DE LA FUNCIN OBJETIVO EN LA REGIN FACTIBLE

Para calcular el valor mximo o mnimo de la funcin objetivo definido como una solucin ptima, se necesita encontrar un punto factible de la regin que proporcione el mayor o menor valor en la funcin objetivo.

2.3.2.1. TEOREMA FUNDAMENTAL DE LA PROGRAMACIN LINEAL

Si un problema de Programacin Lineal tiene regin factible no vaca, entonces, si realmente existe el ptimo (mximo o mnimo) de la funcin objetivo, este valor se encuentra en un punto extremo (vrtice) de la regin factible. Si una funcin alcanza el valor ptimo en dos vrtices consecutivos de la regin factible, entonces alcanza tambin dicho valor ptimo en todos los puntos del segmento de recta que determinan los dos vrtices. Se presentan dos mtodos para alcanzar la solucin ptima para un modelo de programacin lineal, un anlisis grfico y un mtodo analtico. Estos mtodos aplicados en el ejemplo prototipo permiten comprobar intuitivamente la validez del teorema fundamental de la programacin lineal. Cuando la funcin alcanza el valor ptimo en dos vrtices consecutivos se reconoce como una solucin con ptimos alternativos, se explica

10

en detalle en el tem modelos lineales con soluciones especiales. Sin embargo, si slo existe un vrtice del rea que proporcione el mximo (mnimo) de la funcin objetivo, se considera como solucin ptima y se constituye como solucin nica del problema.

2.3.3. ANLISIS GRFICO

El anlisis grfico permite obtener la solucin ptima directamente en la grfica cuando ya se ha determinado el rea factible. Se elige un punto cualquiera de la regin factible, este punto es una solucin factible por que cumple con todas las restricciones. Sin embargo se necesita confirmar si es el mejor, el ptimo. Por ejemplo, el punto de coordenadas X1 = 40 y X2 = 30, es una solucin factible con el cual la empresa obtendra un valor en la funcin objetivo de $ 27.000. La lnea que atraviesa por el punto se indica en la grfica 3, sta lnea se le conoce con el nombre de lnea de funcin objetivo, por que representa a la recta que forma la funcin objetivo cuando se reemplaza en ella los valores de las variables. Tambin se le llama de isoutilidades (si se maximiza) o de isocosto (si se minimiza). Todos los puntos de la recta que se encuentren dentro del rea factible, son soluciones factibles que alcanzaran el mismo valor de $27.000 en la funcin objetivo. Observe igualmente en la grfica que si se toma un punto por encima de esta recta, el valor de la funcin objetivo se incrementa, el valor de las utilidades sera mayor. Por ejemplo, el punto X1 = 50 y X2 = 60, el cual representa tambin una solucin factible, alcanzara un nuevo valor en la funcin objetivo de $ 45.000, en la grfica la lnea de funcin objetivo 2. (Ver grfica 3). En este momento surge una pregunta. Cul es el punto del rea factible que genera la mejor solucin al modelo? Para hallar la solucin ptima utilizando el anlisis grfico, se dibuja la lnea de funcin objetivo para un punto cualquiera que se encuentre dentro del rea factible como se explico. Este punto genera un valor de funcin objetivo, la solucin ptima se encuentra, si al reconocer la direccin hacia donde se presenta un mejor valor de la funcin objetivo (direccin definida por el criterio de maximizacin o minimizacin formulado para la funcin objetivo), se trazan lneas paralelas en ese sentido, tomando como referencia la lnea de funcin objetivo trazada inicialmente, de tal manera que el ltimo punto que toque el rea o regin factible una paralela al abandonar esta regin, este ser el punto ptimo, quien representara la SOLUCIN PTIMA. Las rectas paralelas a la lnea de funcin objetivo del ejemplo tienen la misma pendiente (-3/5). Observe en la grfica 4, este ltimo punto siempre corresponde a un punto ubicado en los vrtices que forman la regin factible, como lo define el teorema fundamental de programacin lineal.

11

X2 R5

230

V2
125 120 90

V3 V4 R3

54

Punto(50,60) V5
90 115 250

R4

Punto(40,30) V1
150

X1 R2 Lnea de funcin objetivo 2

R1 Lnea de funcin objetivo 1

Grfica 3: Representacin lnea de funcin objetivo Para el ejemplo prototipo los vrtices que presenta el rea o regin factible son: V1 = (0,0) V4 = (70,90) V2 = (0,120) V5 = (115,0) V3 = (10,120)

Si se consideran nuevos puntos factibles que se ubiquen por encima de la lnea de funcin objetivo 2, el valor de la funcin objetivo se incrementara para cada uno de ellos por que el objetivo del modelo es de maximizacin. El ltimo punto de la regin factible que toca una de las paralelas al abandonar el rea es el punto ubicado en el vrtice V4 (70,90) cuando se traza la lnea de funcin objetivo 3 (ver grfica 4). Este ser el punto ptimo que represente a la SOLUCIN PTIMA para el problema de la empresa de confecciones, el cual produce un valor en la funcin objetivo de $66.000. Si se deseara aumentar slo un poco ms el valor de la funcin objetivo a partir de $66000, la nueva lnea de funcin objetivo estara completamente por fuera del rea factible. Se concluye entonces que el mximo valor que puede alcanzar la funcin objetivo del modelo es de $66.000, para X1 = 70 y X2 = 90.

12

2.3.4. INTERPRETACIN DE LA SOLUCIN PTIMA

X1* = 70 X2* = 90 UT* = 66.000

La solucin sugiere que el plan ptimo de produccin para la empresa de confecciones es producir 70 unidades de uniformes escolares de referencia UNIF1 y 90 unidades de uniformes con referencia UNIF2, con lo cual alcanzara una utilidad mxima de $66.000 durante la semana. El mtodo de anlisis grfico genera un concepto terico fundamental para la programacin lineal, si el problema tiene solucin y esta solucin es nica, la SOLUCIN PTIMA se ubicara en uno de los vrtices que forme la regin factible y es nica por que no existir otro vrtice que presente un valor igual o mejor en la funcin objetivo como lo sugiere el teorema fundamental de la programacin lineal. Algunos autores los denominan tambin PUNTOS ESQUINA o PUNTOS FRONTERA a los vrtices del rea factible.
X2 R5

2 30

SOLUC IN PTIM A NICA

125 120 90

V4 (70,90)

R3 Ln ea d e fun cin ob jetivo 3

54

R5

90

115

150

250

X1 R2 L nea d e fun cin ob jetivo 2

R1 Ln ea d e fun cin obj etiv o 1

Grfica 4: Solucin ptima Anlisis Grfico Recuerde que el recurso limitado que tiene la empresa es el tiempo (Horas) en los departamentos, con la solucin ptima obtenida la forma de utilizar este recurso es la siguiente: 2X1 + X2 2(70) + 90 230 = 230 [Horas] = 230 = 230 Depto de Confeccin

13

X1 70

+ 2X2 + 2+ (90) 250

= 250 [Horas] = 250 = 250

Depto de Empaque

Se puede observar que con la solucin ptima obtenida, se utiliza completamente el recurso horas disponible en los dos departamentos. El anlisis del uso de los recursos se realiza ms adelante cuando se exponga el tema de Anlisis de Sensibilidad.

2.3.5. MTODO ANALTICO

El mtodo analtico es una consecuencia directa del anlisis grfico. Por lo tanto, despus de identificar la regin factible al problema, se analizan los vrtices que forman la interseccin de las rectas de restriccin. Cada vrtice se forma por una pareja de pares ordenados X1 y X2, que al reemplazarse en la funcin objetivo se obtiene el valor mximo o mnimo de la funcin dependiendo del criterio utilizado para el problema maximizacin o minimizacin. Apoyndose en el lgebra lineal se construyen sistemas de ecuaciones para aquellas rectas de restriccin que forman cada uno de los vrtices de la regin factible, la solucin a cada sistema permite encontrar los valores X1 y X2 de cada punto esquina. Se puede utilizar el mtodo de eliminacin de una incgnita el cual utiliza tres procedimientos: eliminacin de una incgnita, eliminacin por adicin y sustraccin o el procedimiento de eliminacin por sustitucin. Cualquiera de ellos permite reconocer las coordenadas de cada uno de los vrtices que forman el rea factible. Por ejemplo el vrtice 3 se forma por el cruce de las restricciones R2 y R3 (Ver grfica 5), representado por el siguiente sistema de ecuaciones: X1 + 2X2 = 250 X2 = 120

14

X2 R5

230

V3 (10,12 0)

SOLUCIN PTIMA NICA

125 120

V4 (70,9 0)

R3

V2 (0,1 20)

REGIN O REA FACTIBLE

115 250

R5

V1 (0,0 ) V5 (115,0 )

X1 R2

R1

Grfica 5: Solucin ptima Mtodo Analtico La solucin al sistema permite obtener las coordenadas del vrtice V3, X1 = 10 y X2 = 120 Despus de encontrar las coordenadas de cada uno de los vrtices del rea factible, se evalan en la funcin objetivo.
V RTICE PUNTO ESQUINA V1 V2 V3 V4 V5 X1 X2 VALOR FUNCIN OBJETIVO $0 $ 60.000 $ 63.000 $ 66.000 $ 34.500

0 0 0 120 10 120 70 90 115 0

Como se puede observar el vrtice V4 es el que genera el mayor valor en la funcin objetivo por que el objetivo del problema es maximizar las utilidades totales, por lo tanto se considera como la solucin ptima. La interpretacin es igual a la planteada con el anlisis grfico.

15

2.3.6. EJERCICIO DE APLICACIN

Harinera del Sur, posee para la produccin de harina dos molinos. El molino 1 puede operar un mximo de 40 horas, mientras que el molino 2 puede operar como mucho 60 horas por semana. Cada hora de operacin del primer molino produce 3 toneladas de harina, cada hora del segundo molino produce 4 toneladas de harina. La empresa ha adquirido compromisos con clientes para producir por lo menos 180 toneladas de producto terminado. Una hora de produccin del molino 1 le cuesta a la organizacin $40.000 y una hora de produccin del molino 2 le vale $80.000. La empresa desea mantener los costos tan bajos como sea posible. Por razones de poltica interna de la empresa, la operacin en horas del molino1 no debe ser mayor a 2 veces la operacin en horas del molino 2. Formule ste problema como un modelo de programacin lineal y halle su solucin utilizando el mtodo grfico.

2.4.

MODELOS LINEALES CON SOLUCIONES ESPECIALES EN EL ENFOQUE GRFICO

Cuando se soluciona un problema de programacin lineal se presentan diferentes tipos de solucin. A continuacin se detalla como se identifican los tipos de solucin y sus efectos cuando se soluciona el modelo. Tipos de solucin que tienen su explicacin tambin con el mtodo simplex y que se realiza posteriormente. Entre las causas ms comunes para que se presenten soluciones especiales en los modelos de programacin lineal se pueden considerar: error en la formulacin del problema, equivocacin al definir una restriccin como = siendo realmente =, omisin al transcribir informacin del modelo formulado al software.

2.4.1. SOLUCIN PTIMA NICA

Despus de resolver el ejemplo prototipo utilizando el enfoque grfico, se nota que la solucin ptima ocurri en un punto extremo o de esquina de la regin factible. Se hall una regin factible y en ella se encontr la solucin ptima para el problema, existe solo un punto X1 y X2 que son solucin al modelo. Esta situacin se puede considerar como una solucin nica.

2.4.2. MODELOS LINEALES INFACTIBLES

Para explicar este tipo de solucin se realiza una variacin en el ejemplo prototipo. Suponga que el gerente de ventas de la empresa de confecciones informa que necesita

16

firmar un contrato a largo plazo con un cliente para vender como mnimo 200 unidades de uniformes escolares de referencia UNIF1 para cada semana. Para obtener el nuevo plan de produccin, se necesita reformular el modelo para vincular en l la informacin del gerente de ventas, se hace necesario vincular una nueva restriccin que represente la nueva situacin. La situacin se traduce en el modelo vinculando una nueva restriccin, restriccin 4 (R4) de la siguiente forma: X1 = 200. El nuevo modelo quedara formulado de la siguiente manera: Maximizar UT = 300 X1 + 500 X2 Sujeto a: (R1) (R2) (R3) (R4) (R5) (R6) 2X1 X1 X1 X1 X2 + + X2 2X2 X2 = = = D D D 230 250 120 200 0 0

Cuya grfica, se presenta en la grfica 6. Observe que el sistema de ecuaciones NO presenta interseccin para alcanzar a formar una regin factible. No es posible encontrar un rea factible, no existen vrtices, no es posible aplicar el teorema fundamental de programacin lineal. Se explica otro mtodo que se puede utilizar en el mtodo grfico para identificar la regin factible: Observe que al trazar las rectas de restriccin en el plano cartesiano, se forman diferentes reas, como se comento. El mtodo consiste en identificar TODAS las reas y analizar cada una de ellas aplicando el concepto del mtodo grfico: para ser rea factible un punto X1 y X2 que se encuentre dentro del rea obligatoriamente debe cumplir con TODAS las restricciones. Si un punto X1 y X2 no cumple con alguna de las restricciones, el rea al cual pertenece el punto no se puede considerar como rea o regin factible. En la grfica 6, se visualizan las 8 reas posibles generadas al dibujar las rectas de restriccin del modelo. Si se analiza cualquier rea, se puede observar que ninguna de ellas cumple simultneamente con todas las restricciones cuando se considere un punto X1 y X2 que pertenezca al rea. Por ejemplo si se analiza la regin A6, se toma un punto que pertenezca al rea y se analizan las direcciones de todas las restricciones, el punto seleccionado no cumplira con las restricciones R1 ni R4 (verifique todas las reas). Cuando existe un rea que no cumpla con todas las restricciones, no es posible definir un rea factible, la interseccin de las restricciones es un conjunto vaco, por lo tanto la regin factible NO existe, es imposible alcanzar una solucin para el modelo. Esta situacin se considera como una Solucin Infactible o Modelo Lineal Infactible, el modelo no tiene solucin. Una interpretacin para la empresa de confecciones si se encontrara esta

17

situacin al solucionar el modelo, sera que con los actuales recursos no podra cumplir con el contrato del cliente para vender 200 unidades de uniformes escolares de referencia UNIF1. Si a la empresa le interesa el contrato, necesitar adquirir recursos adicionales para alcanzar a cumplir con la demanda de 200 unidades.

X2 R6 R4

230

A1 A2 A3
125 120

A8

A4 A7
115

R3

A5 A6
200 250

R5

X1 R2

R1

Grfica 6: Modelos lineales infactibles 2.4.3. MODELOS LINEALES ILIMITADOS - REGIN NO ACOTADA Este tipo de modelos se conoce tambin como modelos con solucin no acotada y se presentan cuando la funcin objetivo puede mejorarse indefinidamente, o sea, existen valores factibles de las variables que pueden hacer del valor de la funcin objetivo tan grande como se desee cuando se est maximizando y tan pequeo cuando se est minimizado. Una o varias variables crecen o decrecen sin ninguna restriccin, esto produce valores mayores y menores en la funcin objetivo sin ningn limite. Suponga que por omisin, en el modelo prototipo se invierte el signo de las desigualdades R1 y R2, el modelo formulado y su grfica correspondiente se presentan a continuacin: Maximizar UT = 300 X1 + 500 X2

18

Sujeto a: (R1) (R2) (R3) (R4) (R5) 2X1 + X2 X1 + 2X2 X2 X1 X2 D 230 D 250 = 120 0 D 0 D

X2 R5
230

125 120

R3 R4

115

250

R1 Grfica 7: Modelos lineales ilimitados

R2

X1

Si se mueve la lnea de funcin objetivo paralelamente a si mismo en la direccin de mejora (maximizando o minimizando), la lnea de funcin objetivo nunca va a tocar un punto esquina (por que no existe) y por lo tanto jams va a abandonar el rea factible, la regin factible no tiene lmite, es abierta, como lo indica la grfica 7. Una explicacin para la empresa sera que puede alcanzar una utilidad infinita, lo cual en la prctica es imposible. Grficamente se puede observar que la variable X1 no viola las restricciones, crece indefinidamente y es la variable que aportara un mayor valor a la funcin objetivo. Ntese que no existe una solucin acotada. Una causa para que se presente este tipo de solucin es haber ignorado vincular una restriccin, que al ubicarla posteriormente es posible alcanzar una solucin ptica nica. Por ejemplo limitar la demanda de los uniformes tipo 1 en 600, esto permitir acotar la regin y poder encontrar un rea factible. Verifique esta situacin y encuentre la solucin ptima.

19

2.4.4. MODELOS LINEALES DEGENERADOS - RESTRICCIONES REDUNDANTES Este tipo de solucin se presenta cuando existe una restriccin en el modelo que no participa en la interseccin de las rectas de restriccin para formar el rea factible. A la restriccin que no hace parte del rea factible se le conoce como restriccin redundante, es una restriccin que no hace parte de la regin factible sin embargo cumple con todos los puntos que pertenecen al rea factible. Para identificar en la aplicacin del mtodo grfico una solucin degenerada suponga en el ejemplo prototipo que el departamento de mercadeo de la empresa determina por un estudio de investigacin de mercados que la demanda de uniformes escolares de referencia UNIF1 para cada semana no puede ser mayor de 150 unidades. Esta situacin obliga a vincular una nueva restriccin al modelo original: X1 = 150. Observe la nueva formulacin y su respectiva grafica del nuevo modelo. Maximizar UT = 300 X1 + 500 X2 Sujeto a: (R1) (R2) (R3) (R4) (R5) (R6) 2X1 + X1 + X1 X1 X2 = 230 2X2 = 250 X2 = 120 = 150 0 D X2 D 0

X2 R6
230

R4

125 120

R3 R5

150 250 X1 Grfica 8: Modelos lineales degenerados El rea sombreada representa a R1 la regin factible, note en la grfica 8 que la restriccin 4 R2 (R4) no participa en la interseccin para obtener esta rea, sin embargo cualquier punto

115

20

que se encuentre dentro del rea factible cumple con la desigualdad representada por la restriccin 4. Esta restriccin se considera redundante, se puede suponer que la restriccin sobra por que no afecta a la regin factible. Con la restriccin o sin ella, la solucin del modelo seguira siendo la misma. El efecto de esta situacin en los modelos de programacin lineal es que aumenta trabajo en la solucin bien sea manual o con software. La recomendacin cuando se est formulando el modelo es no preocuparse si se incluyen las restricciones redundantes. Si se piensa que se necesita una restriccin que sea redundante es mejor incluirla en el modelo. 2.4.5. MODELOS LINEALES CON SOLUCIONES PTIMAS ALTERNATIVAS Este tipo de solucin se conoce tambin como modelos con infinitas soluciones ptimas. Se presenta cuando algunos modelos tienen ms de una solucin ptima, existen dos vrtices de la regin factible que alcanzan el mismo valor ptimo en la funcin objetivo. A cada una de las soluciones se les conoce como solucin ptima alternativa. Significa que existen diferentes valores factibles X1 y X2 que producen el mismo valor ptimo en la funcin objetivo. Ocurre cuando la recta de funcin objetivo es paralela a uno de los lados del rea factible. Para realizar la aplicacin al ejemplo prototipo, se modifica los datos en la funcin objetivo, suponga que el margen de ganancia del producto uniformes tipo 1 UNIF1, no es de $300 por unidad si no de $ 200 por unidad. De la misma forma para el producto, uniformes tipo 2 UNIF2, cuyo margen de ganancia era de $500 por unidad ahora sea de $400 por unidad. Esto obliga a una nueva formulacin del modelo, el cual se representara de la siguiente forma: Maximizar UT = 200 X1 + 400 X2 Sujeto a: (R1) (R2) (R3) (R4) (R5) 2X1 + X2 X1 + 2X2 X2 X1 X2 = = = D D 230 250 120 0 0

Una de las soluciones ptimas (verifquela) para ste modelo sera: X1* = 10 X2* = 120 UT* = 50.000 Al graficar este modelo en el plano cartesiano se observa cmo la recta de funcin objetivo es paralela a uno de los lados de la regin factible, grafica 9. Para el caso, el segmento de

21

recta CD del rea factible es paralelo a la lnea de funcin objetivo, segmento de recta que une dos vrtices del rea. En este segmento de recta la lnea de funcin objetivo toca infinitos puntos cuando tenga la misma pendiente que la restriccin 2 R2. Cada uno de estos puntos X1 y X2 que pertenecen al segmento de recta, es solucin ptima y producen el mismo valor en la funcin objetivo cuando se remplacen en ella (confrmelo utilizando el mtodo analtico). Las soluciones con ptimos alternativos tienen un nivel de importancia cuando se presentan en la solucin de los modelos de programacin lineal. Para el analista de investigacin de operaciones y para la empresa, este tipo de solucin aumenta el espectro para la toma de decisiones, ya no se limita a una sola opcin para tomar la decisin, la solucin puede presentar varias alternativas de decisin. La decisin a elegir depende de situaciones externas al modelo e inherentes al sistema que se este modelando.

X2 R6

230

125 120

C D

R3 R5

75

115

150

250

X1 R2

R1

Grfica 9: Modelos lineales ptimos alternativos Lneacon de funcin objetivo

2.5.

ANLISIS DE SENSIBILIDAD EN EL ENFOQUE GRFICO

Despus de obtener la solucin a un problema de programacin lineal con 2 variables utilizando el mtodo grfico, se emplea la solucin para efectuar lo que tericamente se conoce como Anlisis de Sensibilidad.

2.5.1. DEFINICIN DE ANLISIS DE SENSIBILIDAD 22

En general el anlisis de sensibilidad permite dar respuesta a la pregunta qu pasa si despus de formular y resolver un problema de programacin lineal se efectan cambios en los datos o parmetros del modelo original. En el ejemplo prototipo del sistema empresarial que se ha planteado, los datos o parmetros del modelo de programacin lineal pueden cambiar en el tiempo, debido a la propia naturaleza del sistema que se esta analizando y a la variabilidad en la que se desenvuelven los sistemas sobre todo los sistemas empresariales. Situaciones como la cada de los precios, la variabilidad de los mercados, el alza o incremento de los costos de mano de obra o de la materia prima, son situaciones que van a afectar la solucin ptima del modelo. Como analista de investigacin de operaciones y responsable de la formulacin del modelo, necesita conocer que tan sensible es la solucin del modelo a variaciones en alguno de los datos o parmetros del modelo original. El anlisis de sensibilidad utilizando el mtodo grfico, nicamente permite dos tipos de anlisis y admite dar respuesta solamente cuando se realizan cambios en los coeficientes de la funcin objetivo y cuando se realizan cambios en el lado derecho de las restricciones. Igualmente este anlisis que se va a aplicar considera el cambio en solo uno de los parmetros, coeficientes de la funcin objetivo o lado derecho de las restricciones, manteniendo todos los dems datos del modelo inalterables. Las respuestas que se obtengan a la pregunta qu pasa si se pueden usar de diferentes maneras, por ejemplo si la solucin ptima de un modelo es muy sensible a algunos cambios en los coeficientes de la funcin objetivo, el analista de investigacin de operaciones puede sugerir usar el modelo para una planeacin a corto plazo. Si por el contrario, los rangos o intervalos de sensibilidad en los parmetros que se modifiquen son amplios y los valores van a fluctuar en el tiempo, el analista puede sugerir cambiar los datos cada vez que se desee usar el modelo. La importancia del anlisis de sensibilidad radica en el resultado que pueden presentar los datos en el momento de formular el problema. Normalmente, para formular un modelo los parmetros a considerar tienen que estimarse y por tanto estos datos pueden tener inexactitudes. Antes de implementar la solucin de un modelo de programacin lineal en un sistema es importante conocer que tanto se afecta la solucin si la estimacin de los datos cuando se esta formulando el modelo son ligeramente inexactos. Por ejemplo si las restricciones de un modelo de programacin lineal tienen que ver con la asignacin de recursos escasos como capital, mano de obra y materias primas. El anlisis de sensibilidad ayuda a determinar si es rentable o no utilizar, adquirir o disminuir las cantidades de estos recursos. Especficamente para el ejemplo que se estudia, el anlisis de sensibilidad permite determinar que tan sensibles son la solucin ptima (X1* = 70; X2* = 90) y el valor de la funcin objetivo (UT = 66.000) con respecto a cambios en los datos o parmetros de la funcin objetivo y del lado derecho de las restricciones del modelo.

2.5.2. ANLISIS DE SENSIBILIDAD PARA LOS COEFICIENTES DE LA FUNCIN OBJETIVO 23

Suponga que el analista de investigacin de operaciones con base en los pronsticos de demanda desea conocer que sucede con la solucin ptima alcanzada y el valor de la funcin objetivo en el ejemplo prototipo, si se aumentan las utilidades de los uniformes escolares UNIF1 en $150 por unidad, en otras palabras desea conocer, que sucede con la solucin ptima y el valor de la funcin objetivo si el coeficiente de la variable X1 cambia de $300 a $450 por unidad. Una manera de responder esta inquietud del analista es cambiar el coeficiente de la variable X1 de $300 por $450 en la funcin objetivo y resolver nuevamente el modelo con este nuevo valor. Sin embargo el anlisis de sensibilidad permite dar respuesta a esta y otras inquietudes del analista de investigacin de operaciones o del responsable del modelo, sin necesidad de resolverlo nuevamente. El anlisis de sensibilidad permite obtener un intervalo [LI, LS] para cada uno de los coeficientes o parmetros a analizar, intervalo que se conoce como intervalo de sensibilidad, en el cual se reconoce un lmite inferior y un lmite superior para los cuales es posible realizar cambios en los coeficientes o parmetros sin que se afecte la solucin ptima. Esto permite al analista de investigacin de operaciones disminuir el impacto sobre el modelo que tiene la variabilidad que presentan los sistemas en el tiempo. Un intervalo de sensibilidad [LI, LS] se interpreta como los valores mximo y mnimo que permite un parmetro o dato del modelo de programacin lineal para que la solucin ptima (para el ejemplo: X1* = 70; X2* = 90) no cambie, se mantenga. Un cambio por fuera del intervalo, la solucin ptima va a cambiar y por supuesto el valor de la funcin objetivo. ? Procedimiento grfico. Se conoce ya que la solucin con el mtodo grfico corresponde a una solucin en un punto esquina o punto frontera, para el ejemplo X1* = 70; X2* = 90, y adems que la lnea de funcin objetivo es una lnea que se grafica a partir de cualquier punto de la regin factible, la cual se desplaza hacia la derecha si se est maximizando o hacia abajo si se esta minimizando hasta tocar el ltimo punto del rea factible, el cual siempre ser un punto esquina. En primera instancia se analiza grficamente que le sucede a la lnea de funcin objetivo si se realiza el cambio de la ganancia para los uniformes escolares UNIF1. Se efecta entonces el anlisis para el coeficiente en X1 de la funcin objetivo, variable X1 que representa al producto uniformes escolares UNIF1, como se comento anteriormente. Utilizando la solucin ptima encontrada para X1 y X2 obtenemos un nuevo valor de la funcin objetivo utilizando el cambio en el valor de las ganancias para UNIF1 de $300 por $450, la nueva funcin objetivo sera: Maximizar UT = 450 X1 + 500 X2 Con el cambio el valor de la nueva funcin objetivo sera de $76.500. Esta nueva funcin objetivo se grafica (ver grfica 10). Grficamente se puede observar que al realizar

24

cualquier cambio en los coeficientes de las variables, se presenta un desplazamiento de la lnea de funcin objetivo, esta lnea se mueve. Dependiendo del cambio en la variable, este desplazamiento se presenta hacia una de las restricciones que cruzan al punto ptimo. Para el ejemplo observe que al variar el valor del coeficiente de la variable X1 de 300 a 450 y graficarla nuevamente se presenta un desplazamiento hacia la recta de restriccin R1, teniendo en cuenta que el valor del cambio es mayor al valor original. El anlisis grfico permite reconocer hacia cual de las restricciones que cruza el ptimo se desplaza la lnea de funcin objetivo cuando se realiza un cambio en los coeficientes. Si el cambio que se realice al coeficiente es excesivamente grande, la nueva lnea de funcin objetivo que represente al cambio sobrepasara, saltara a la restriccin hacia la direccin donde se desplace. Por ejemplo si se aumentara las ganancias de los uniformes escolares UNIF1 en $900 por unidad, incrementndose de $300 a $1200 por unidad, el desplazamiento de la lnea de funcin objetivo sera tan grande que sobrepasara a la restriccin R1, observe la grfica 11.

X2 R5

230

Nueva lnea de funcin objetivo 450X1 + 500X2 = 76.500

132

153

SOLUCIN PTIMA X1 = 70 X2 = 90

R5

115

170

220

X1 Lnea de funcin objetivo original 300X1 + 500X2 = 66.000

R1

Desplazamiento de lnea de funcin objetivo

Grfica 10: Sensibilidad coeficientes funcin objetivo

25

X2 R5
25 8 23 0

SOLUCIN PTIMA X1 = 70 X2 = 90
1 32

R5

10 7.5

1 15

2 20

X1 Lnea de funcin objetivo original 300X1 + 500X2 = 66.000

Nueva lnea de funcin objetivo 1200X1 + 500X2 = 129.000

R1

Desplazamiento de lnea de funcin objetivo

Grfica 11: Sensibilidad coeficientes funcin objetivo Se puede concluir entonces que los cambios en los coeficientes de la funcin objetivo son vlidos nicamente cuando la nueva lnea de funcin objetivo no sobrepase la recta de restriccin hacia la cual se desplace. Matemticamente se puede interpretar esta situacin de la siguiente manera: los cambios sern vlidos cuando la nueva lnea de funcin objetivo alcance la misma pendiente que la recta de restriccin. Esta conclusin nos permite obtener el valor lmite del intervalo de sensibilidad del coeficiente a quien se le este realizando el anlisis. Procediendo con el anlisis para el coeficiente en X1 del ejemplo prototipo despus de realizar un cambio, se noto que al graficar la lnea de funcin objetivo con el nuevo valor de la ganancia, la lnea se desplazo hacia la R1, por lo tanto para reconocer cul es el valor lmite para el cual se puede variar la ganancia para el coeficiente se deben igualar las pendientes de las ecuaciones de recta de la funcin objetivo y de la recta de restriccin hacia la cual se desplazo, el procedimiento se explica a continuacin. Como se necesita reconocer el valor lmite del coeficiente que acompaa a la variable X1 utilice un nombre ficticio a este coeficiente en la funcin objetivo original, como por ejemplo una letra cualquiera o en su defecto LI o LS, de la siguiente forma: LS X1 + 500 X2 = 66.000, pendiente m1 = LS 500

26

La recta de restriccin hacia donde se desplazo es R1 (R1) 2X1 + X2 = 230, pendiente m 2 = 2 1

Al igualar las pendientes m1 y m2 , se obtiene el valor LS = 1.000 De esta manera se ha obtenido el valor del lmite superior del intervalo de sensibilidad para el coeficiente en X1, [LI, 1000]. La interpretacin del valor del lmite superior 1.000 es el siguiente: Solamente se permiten cambios para el coeficiente en X1 que no sobrepasen el valor de 1.000, para el contexto del problema significa que el valor de las utilidades para los uniformes escolares tipo 1 UNIF1, no pueden ser superiores a $1.000, si se desea conservar el nivel de produccin de 70 uniformes para UNIF1 y de 90 uniformes para UNIF2 generado por la solucin del modelo. ? Ejercicio de aplicacin. Realice el mismo procedimiento para obtener el valor del lmite inferior para el coeficiente en X1 del ejemplo prototipo. Igualmente halle el intervalo de sensibilidad para el coeficiente en X2. Interprete los resultados.

2.5.3. ANLISIS DE SENSIBILIDAD PARA EL VALOR DEL LADO DERECHO DE LAS RESTRICCIONES
Igual que con los coeficientes de la funcin objetivo, el procedimiento para obtener un anlisis de sensibilidad para los datos o parmetros del lado derecho de las restricciones se realiza en forma grfica y simultneamente en forma matemtica. El anlisis de sensibilidad para el lado derecho en un modelo con dos variables se reduce a analizar los cambios, el intervalo de aquellas restricciones que crucen el punto ptimo y hallar e interpretar el valor del precio sombra, considerado este ltimo valor como la interpretacin econmica del modelo de programacin lineal. Desde esta perspectiva el anlisis de sensibilidad con el mtodo grfico para el lado derecho de las restricciones es limitado, por que se focaliza nicamente a la interpretacin de los cambios en el lado derecho de las restricciones que crucen el punto ptimo, lo cual no ocurre con el mtodo simplex, para el cual se permite el anlisis para todas las restricciones del modelo. Sin embargo el desarrollo admite comprender el proceso algebraico y su interpretacin de una manera ms accesible. El anlisis grfico en el lado derecho de las restricciones, reconoce de forma grfica como es el desplazamiento del punto ptimo sobre las rectas de restriccin que cruzan el ptimo cada vez que se realicen cambios en el lado derecho de una de ellas. Siempre que se realice el anlisis de sensibilidad a una de las restricciones que cruzan el ptimo, el desplazamiento del punto ptimo se presenta sobre la o las restricciones a las cuales no se esta realizando el anlisis y que por supuesto hacen parte del cruce del punto ptimo.

27

Cuando los cambios que se realicen en el lado derecho de las restricciones sean lo bastante grandes, el punto ptimo ya no sera la interseccin entre aquellas rectas de restriccin cuando se alcanzo la solucin ptima. Para cambios superiores, el punto ptimo deja de ser la interseccin entre las restricciones de la solucin ptima encontrada. Para el caso del ejemplo prototipo, cuando se realicen cambios en el lado derecho de las restricciones que se encuentren dentro de su intervalo de sensibilidad, la solucin ptima seguir siendo la interseccin de las restricciones R1 y R2. Se puede concluir entonces que cuando los cambios en el valor del lado derecho de la restriccin permanezcan en el intervalo de sensibilidad la solucin ptima estar determinada por la interseccin de las rectas de restriccin R1 y R2. El intervalo de sensibilidad en el lado derecho reconoce los valores mnimos y mximos sobre los cuales se pueden realizar los cambios para el lado derecho de las restricciones igual que para el caso de los coeficientes de la funcin objetivo. Despus de identificar el intervalo de sensibilidad para la restriccin que se este analizando, se encuentra el valor del precio sombra, tambin llamado precio dual o costo de oportunidad cuya informacin para el analista de investigacin de operaciones es de suma importancia pues representa el precio unitario adicional mximo que podra pagarse por cada unidad adicional o de cambio en el nivel de los recursos representados en el lado derecho de las restricciones. El precio sombra se obtiene graficando en la abcisa del plano cartesiano los valores de cambio del lado derecho de la restriccin a quien se le hace el estudio y en la ordenada los valores que alcanza la funcin objetivo cuando se realizan los cambios. La grafica que se obtiene es una recta, la pendiente de esta recta se define como el precio sombra. Para iniciar el estudio en el lado derecho de las restricciones se debe obtener el intervalo de sensibilidad, para lograrlo se realizan cambios individuales a cada una de los lados derechos de las restricciones que cruzan el punto ptimo, esto con el fin de cumplir el supuesto del anlisis de sensibilidad de realizar cambios individuales en los parmetros y no afectar simultneamente varios parmetros del modelo. Suponga que despus de obtener la solucin del modelo a la empresa de confecciones, se presenta un incremento en la demanda de los uniformes en el mercado, frente a esta situacin la gerencia debe ampliar las unidades de produccin de cada uno de los productos. Se consulta al analista de operaciones encargado del modelo sobre las consecuencias que tendra en el modelo si se amplia el nmero de horas en el departamento de empaque de la planta. Esta situacin se puede responder utilizando un anlisis de sensibilidad para el lado derecho de la restriccin 2 R2. El procedimiento a seguir es encontrar en primera instancia el intervalo de sensibilidad para la restriccin R2, el cual se obtiene realizando diferentes cambios al lado derecho de esta restriccin. Va a notar que al realizar un cambio mayor o menor que el valor actual que presenta la restriccin el punto ptimo se desplaza (observe secuencia grfica en grficas 12 y 13), esto permite reconocer cual ser el punto de interseccin lmite hasta donde se puede realizar los cambios.

28

La grafica 12 presenta la situacin del modelo cuando se encontr la solucin ptima sin realizar cambios en el lado derecho, el punto ptimo se encuentra en la interseccin de las restricciones 1 y 2 para el cual se alcanza el mayor valor de la funcin objetivo $ 66.000.

X2 R5

23 0

Solucin ptima sin cambio en el LD

125 120

V4 (70,90)

R3

R5

1 15

250

X1 R2

R1

Grfica 12: Solucin ptima sin cambio en el LD de R2 Como el cambio se realiza a la restriccin 2, R2, la grfica 13 presenta la situacin si se aumenta el valor de las horas del departamento de empaque en 30, pasar de 250 a 280 horas, este cambio permite incrementar el nivel de produccin. Se grafica la restriccin X1 + 2X2 = 280, verifquelo. Observe como se desplaza el punto ptimo. El desplazamiento se realiza sobre la otra restriccin que cruza el ptimo.

29

X2 R5

2 30

Nuevo punto ptimo

1 40 125 120

Nueva rea factible

Nueva posicin de la restriccin 2 R2'

R3

R5

115

250

28 0

X1

R1

R2 R2'

Grfica 13: Solucin ptima con cambio en el LD de R2 Cuando se realiza un cambio lo bastante alto en el lado derecho de la restriccin, igualmente se desplaza el punto ptimo, sin embargo este nuevo punto ptimo a pesar que sigue siendo la interseccin de las restricciones R1 y R2, ya no puede ser ptimo, por que viola el concepto de regin factible. Por ejemplo observe que sucede si se aumenta el valor de las horas del departamento de empaque en 70, pasar de 250 a 320 horas para incrementar el nivel de produccin. La grfica 14 indica lo que sucede si se grafica la restriccin con este cambio en el lado derecho, el nuevo punto ptimo y una parte de la nueva rea factible NO cumplen con la restriccin 3, R3, por lo tanto el nuevo punto NO puede ser punto ptimo. Se concluye que la solucin al modelo seguir siendo ptima cuando el cambio que se realice en el lado derecho de la restriccin no sobrepase el vrtice de interseccin entre las restricciones R1 y R3, punto W en la grfica, este punto de interseccin ser el punto lmite para los cambios en el lado de la restriccin. Se reconoce cuales son las coordenadas X1 y X2 del punto lmite hasta donde se pueden realizar los cambios y se remplazan en la restriccin. Si el cambio realizado al lado derecho de la restriccin es mayor al valor original formulado, el desplazamiento de la restriccin se realiza hacia la derecha de la grfica, pero si el cambio realizado es menor al valor original de la restriccin, el desplazamiento de la recta de restriccin al que se hace el anlisis se desplazara al lado contrario. Es importante visualizar en la grfica el desplazamiento que presenta el punto ptimo cuando se grafica la recta de restriccin a la cual se le estn realizando los cambios.

30

X2 R5

Parte de nueva rea no factible

230

Nuevo punto ptimo

1 60

12 5 12 0

Punto W, interseccin restricciones R1 y R3 W Nueva rea factible Nueva posicin de la restriccin 2 R2' R3

R5

S R1

115

250

32 0

X1

R2 R2'

Grfica 14: Cambio suficientemente mayor en R2 Luego de reconocer grficamente como es el desplazamiento de la recta de restriccin cuando se realiza un cambio y reconocer el punto lmite permisible para la variacin del lado derecho, se encuentran las coordenadas de ese punto de la siguiente forma: Se construye un sistema de ecuaciones lineales con las restricciones que cruzan ese punto lmite. 2X1 + X2 X2 = 230 = 120

Al resolver el sistema de ecuaciones, se obtienen las coordenadas para el punto lmite W. Verifquelo X1 = 55 X2 = 120 Estas coordenadas permiten encontrar el valor del lmite superior del intervalo de sensibilidad, reemplazando las coordenadas X1 y X2 en la restriccin R2, se representa el valor del lado derecho como una variable o una letra, por ejemplo LS (lmite superior) como se indica a continuacin:

31

X1 + 2X2 = LS X1 + 2X2 = LS 55 + 2(120) = LS LS = 295 El valor LS, lase lmite superior es igual a 295 horas Se puede concluir: Si el punto ptimo se desplaza hacia el punto W cuando se realizan cambios superiores o mayores al valor original, entonces la recta de restriccin se desplazara hacia el lado contrario cuando se realicen cambios por debajo del valor original del lado derecho de la restriccin. De esta manera se puede reconocer que el punto lmite para cambios por debajo del valor original de la restriccin necesariamente debe ser el punto de interseccin S entre las rectas R1 y R5 (eje de coordenada X1). Verifique esta afirmacin realizando cambios menores en el lado derecho de la restriccin 2, grafique cada recta cuando realiza el cambio y observe el desplazamiento del punto ptimo. En algn momento de los cambios el punto ptimo deja de ser ptimo por que va a violar la restriccin 5, R5, confirmando as que el punto lmite es el punto S. Las coordenadas del punto lmite S son: X1 = 115 X2 = 0 Se reemplaza estas coordenadas en la desigualdad de la restriccin 2, R2 y se define LI (lmite inferior) en el lado derecho. X1 + X1 + 115 + 2X2 2X2 2(0) = LI = LI = LI

El valor del lmite inferior es igual a 115 Entonces el intervalo de sensibilidad para la restriccin 2, R2, quien representa al departamento de empaque en el modelo es [115, 295] cuyas unidades representan la disponibilidad de horas en el departamento de empaque. Podemos concluir: Siempre que el valor del lado derecho permanezca en el intervalo [115, 295] la solucin ptima estar determinada por la interseccin de las restricciones R1 y R2. Para complementar la interpretacin del anlisis de sensibilidad en el lado derecho de una restriccin se halla el valor del precio sombra, valor que representa la interpretacin econmica del modelo, como se comento anteriormente. El procedimiento para obtener el precio sombra es el siguiente: Se grafican los diferentes cambios mayores y menores al valor original de la restriccin. Con el procedimiento

32

explicado, cada cambio permite obtener valores en X1 y X2 as como el valor de la funcin objetivo cuando se reemplazan estos valores en las variables de la funcin objetivo como se observa en la siguiente tabla:
VALOR DEL LADO DERECHO 115 250 295 VALOR DE LA FUNCIN OBJETIVO 34500 66000 76500

SOLUCIN PTIMA X1 = 115 X2 = 0 X1 = 70 X1 = 55 X2 = 90 X2 = 120

Si se grafica en un plano cartesiano los valores de la tabla, donde la abscisa represente al valor del lado derecho y la ordenada el valor de la funcin objetivo, la grfica resultante es una recta, como se observa en la grfica 15. Cuando se incrementa el valor del lado derecho de la restriccin 2 entre 115 y 295, el valor de la funcin objetivo crece de una forma lineal. Como la relacin entre el lado derecho y el valor de la funcin objetivo tiene un comportamiento lineal, se puede determinar la pendiente de la recta, pendiente que representa el valor de cambio por unidad en el valor de la funcin objetivo cuando se realicen modificaciones en el lado derecho de la restriccin. El valor de cambio es el que representa la interpretacin econmica de un modelo de programacin lineal definido como Precio Sombra. Si pendiente = D y = y2 - y1 x2 - x1 D x Precio Sombra = (utilidad cuando LD = 250) - ( utilidad cuando LD = 115) = 66.000 - 34.500 (valor LD = 250) - ( valor LD = 115) 250 - 115 Precio Sombra para restriccin 2 R2 = 233.333

33

Valor Funcin Objetivo

76.500 66.000

34.500

1 15

2 50

2 95

Lado derecho restriccin 2

Grfica 15: Precio sombra restriccin 2 La interpretacin del precio sombra de la restriccin 2 para la empresa de confecciones se expresa de la siguiente forma: Por cada hora adicional de mano de obra que se utilice en el departamento de empaque por debajo de 295 horas y por encima de 195, el valor de la funcin objetivo decrece o aumenta en $233.33. El valor del precio sombra se valida siempre y cuando los cambios que se realicen en el lado derecho de la restriccin se encuentren entre el valor mnimo y mximo del intervalo de sensibilidad. Sin embargo, un cambio en el lado derecho que se encuentre dentro del intervalo [195, 295] automticamente cambia el valor de la solucin ptima en X1 y X2 Este anlisis permite responder a la empresa una posible toma de decisin cuando se presente un incremento en la demanda de los uniformes si se necesitara aumentar las horas en el departamento de empaque. Como se conoce el intervalo de sensibilidad para la restriccin que representa al departamento de empaque, [115, 295], solamente se puede obtener respuestas para cambios ubicados dentro del intervalo, utilizando el valor del precio sombra. Para un cambio por fuera del intervalo no es posible dar una respuesta utilizando el precio sombra del recurso cuando se utiliza el mtodo grfico, el mtodo simplex si permite dar una respuesta para variaciones ubicadas en el intervalo o por fuera de l. Obligatoriamente con el mtodo grfico se debe resolver nuevamente el modelo, utilizando el nuevo valor del lado derecho. Por ejemplo se puede responder la siguiente inquietud de la administracin de la empresa: Qu sucede si se aumenta el valor de las horas en el departamento de empaque en 20?

34

Observe que el lado derecho de la restriccin 2 pasara de 250 a 270, valor que se encuentra dentro del intervalo, por lo tanto los valores de la solucin ptima variaran, sin embargo se puede utilizar el precio sombra para reconocer en cuanto vara el valor de la funcin objetivo si se decide realizar este cambio. Este procedimiento se reconoce de la siguiente forma: Nuevo valor de la F.O = Incremento o decremento del LD * precio sombra + valor actual de la funcin objetivo. Nuevo valor de la F.O = Nuevo valor de la F.O = 20 * 233,33 + 66.000 70.666,66

El analista de investigacin de operaciones puede responder a la administracin de la siguiente forma: Si se aumenta el valor del tiempo disponible en el departamento de empaque en 20 horas el valor de las utilidades se incrementa en $ 4.666,66 extendindose a un valor total de $70.666,66 en la semana. ? Ejercicio de aplicacin. Utilizando la misma estructura de anlisis, halle el intervalo de sensibilidad y el valor del precio sombra para la restriccin 1, R1. Interprete los resultados.

35

BIBLIOGRAFA
ANDERSON, David R. Sweeney Dennis J, Mtodos Cuantitativos para los negocios, Internacional Thomson editores, Mxico 2005. BONINI Charles E. Hausman Warren H. Bierman, Harold, Anlisis Cuantitativo para los Negocios, Editorial Mc Graw Hill, Colombia 1999. DAVIS, K. Roscoe. Mckeown Patrick, G, Modelos cuantitativos para la Administracin, Grupo editorial Iberoamericana, Mxico 1996. GOULD, F. J. Eppen, C, P. Y Schmdt, Investigacin de Operaciones en la Ciencia Administrativa, Editorial Prentice-Hall, 5a edicin Mxico 2000. HILLIER, Frederick S. y Gerald J. Lieberman, Introduccin a la Investigacin de Operaciones, 8a edicin, McGraw-Hill, 2006. MATHUR, Kamlesh y D. Solow, Investigacin de Operaciones: el Arte de la Toma de Decisiones, Prentice-Hall Hispanoamericana S.A., Mxico, 1996. TAHA, Hamdy A., Investigacin de Operaciones: Una Introduccin, sptima edicin, Prentice-Hall, Mxico, 2004.

36