Cumpliento de Est andares de Calidad

An alisis de Sensibilidad
[Reporte Tecnico]
Soluciones Optimas S.A. - NORI & LEETS Co.
Omar Trejo
119711
Emiliano Daz
97034
Cristian Chall u
120652
Noviembre, 2013
Resumen
An alisis completo elaborado por Soluciones

Optimas S.A. para la de-
cisi on de NORI & LEETS Co. respecto al cumplimiento de est andares de
calidad requeridos por el gobierno, incluyendo an alisis de sensibilidad y el
subsidio a impuestos por incrementos extra sobre los mnimos requeridos.
1

Indice
1. Antecedentes 3
2. Variables de decision 4
3. Restricciones 5
3.1. Mejoras mnimas estandares de pureza de aire . . . . . . . . . 5
3.2. Mejoras maximas falta de incentivos . . . . . . . . . . . . . . 5
3.3. Sistema de restricciones . . . . . . . . . . . . . . . . . . . . . . . 6
4. Funcion objetivo 6
5. Planteamiento e interpretacion del primal 7
6. Formulacion e interpretacion del dual 8
7. Solucion optima 8
7.1. Primal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
7.2. Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
8. Analisis de sensibilidad 9
8.1. Cambio en costos de implementacion . . . . . . . . . . . . . . . . 9
8.1.1. Cambio en costo de chimeneas de altos hornos . . . . . . 9
8.1.2. Cambio en costo de chimeneas de hornos Siemens-Martin 10
8.1.3. Cambio en costo de ltros de altos hornos . . . . . . . . . 11
8.1.4. Cambio en costo de ltros de hornos Siemens-Martin . . . 11
8.1.5. Cambio en costo de combustible de altos hornos . . . . . 11
8.1.6. Cambio en costo de combustible de hornos Siemens-Martin 12
8.2. Cambios en los estandares de calidad . . . . . . . . . . . . . . . . 13
8.2.1. Cambio de estandares de calidad independientes . . . . . 13
8.2.2. Cambio de estandares de calidad dependientes . . . . . . 14
8.3. Cambios en el esquema de deduccion de impuestos . . . . . . . . 20
2
1. Antecedentes
Como parte del compromiso de NORI & LEETS Co. de asumir un papel
de liderazgo en materia ambiental dentro de la comunidad de Steeltown su
consejo directivo comisiono a Soluciones

Optimas S.A. para llevar a cabo un
estudio del proceso productivo y proponer un nuevo regimen que cumpla con
los estandares mnimos de calidad del aire que se han consensuado entre el
consejo, las asociaciones de ciudadanos y las autoridades. Este acuerdo ata ne
a los tres principales tipos de contaminantes que son partculas de materia,
oxidos de azufre e hidrocarbonos. En el siguiente cuadro se resumen la reduccion
requerida de cada contaminante en millones de libras anuales.
Contaminante Reduccion requerida
Particulas 60

Oxidos de azufre 150

Hidrocarbonos 125
Como parte de estudios preliminares se determino lo siguiente:
Las dos fuentes principales de contaminacion en el proceso productivo son:
1. Los altos hornos para fabricar el arrabio y
2. Los hornos Siemens-Maretin para transformar el hierro en acero.
Los metodos mas ecaces para reducir la contaminacion, que ademas apli-
can para las dos fuentes principales de contaminacion, son:
1. Aumentar la altura de las chimeneas
2. Usar ltros
3. Incluir limpiadores de alto grado en los combustibles
Se determino que con cada metodo aplicado a cada fuente de contamina-
cion la reduccion en contaminantes que se puede lograr esta acotada. Estas
capacidades maximas de abatimiento se resumen en el siguiente cuadro.
Chimeneas mas altas Filtros Mejores combustibles
A.H. S-M. A.H. S-M. A.H. S-M.
Particulas 12 9 25 20 17 13

Oxidos de azufre 35 42 18 31 56 49
Hidrocarbonos 37 53 28 24 29 20
Se ha supuesto que cada metodo se puede usar de forma fraccionaria,
que el nivel de utilizacion no tiene que ser el mismo para ambos tipos de
hornos y que no existen efectos de interaccion signicativos debidos al uso
simultaneo de varios metodos.
3
Para decidir la mezcla de metodos a utilizar se han determinado dos cri-
terios que se deben tomar en cuenta de forma conjunta:
1. Los costos de implementacion de cada metodo en cada tipo de horno
2. El benecio en terminos de exencion de impuestos que se ha pactado
con las autoridades por mejoras que excedan los estandares mnimos
Los costos, que pueden variar en un +/- 10 %, se resumen en el siguiente
cuadro:
Metodo de abatimiento Altos hornos Hornos Siemens-Martin
Chimeneas mas altas 8 10
Filtros 7 6
Mejores combustibles 11 9
El programa de estmulos scales que se pacto con las autoridades consiste
en exentar a Nori & Leets Co de $3.5 millones de dolares por cada 10 %
de reduccion de los estandares.
Hemos asumido que las exenciones aplican a cada uno de los 3 estandares
de forma independiente , es decir que si se logra una mejora del 20 %,
10 % y 0 % en los estandares de partculas, oxidos y hidrocarbonos respec-
tivamente, Nori & Leets tendra derecho a una exencion de impuesto de
3.5 3 =10.5 millones de dolares.
Tambien hemos asumido que el programa de exenciones aplica de forma
proporcional, es decir que si se logra una mejora sobre alg un estandar
que no es m ultiplo de 10 %, por ejemplo de 14.5 %, se debe aplicar una
exencion proporcional, en este caso de (14.5/10) 3.5 = 5.075 millones de
dolares.
2. Variables de decision
Para modelar el problema se consideraron las siguientes variables:
c
ah
y c
sm
:= representan el % de uso de la mejora maxima factible uti-
lizando chimeneas mas altas para los altos hornos (ah) y los hornos
Siemens-Martin (sm), respectivamente.
f
ah
y f
sm
:= representan el % de uso de la mejora maxima factible utilizan-
do mejores ltros para los altos hornos (ah) y los hornos Siemens-Martin
(sm), respectivamente.
m
ah
y m
sm
:= representan el % de uso de la mejora maxima factible
utilizando mejores combustibles para los altos hornos (ah) y los hornos
Siemens-Martin (sm), respectivamente.
4
A lo largo del reporte se utilizara la siguiente notacion para representar el
vector de mejoras (x), y las seis variables que lo componen tomaran valores
entre 0 y 1 (equivalentes a 0 % y 100 % de la mejora maxima factible, repecti-
vamente):
x :=
_
c
ah
c
sm
f
ah
f
sm
m
ah
m
sm
_

0 c
ah
1, 0 c
sm
1, 0 f
ah
1,
0 f
sm
1, 0 m
ah
1, 0 m
sm
1.
(1)
3. Restricciones
3.1. Mejoras mnimas estandares de pureza de aire
De acuerdo a los datos otorgados por el cliente (la variacion de 10 % por
errores de medicion sera tomada en cuenta en el analisis de sensibilidad) tenemos
los siguientes tres vectores de restriccion (de la compa na) y el vector de
requisitos mnimos (del gobierno):
Particulas: A
p
:=
_
12 9 25 20 17 13
_

Oxidos de azufre: A
o
:=
_
35 42 18 31 56 49
_

Hidrocarbonos: A
h
:=
_
37 53 28 24 29 20
_

Requisitos:

b :=
_
60 150 125
_

Con lo anterior, para cumplir los estandares mnimos de limpieza del aire se
debe cumplir:
_
_
12 9 25 20 17 13
35 42 18 31 56 49
37 53 28 24 29 20
_
_
_
_
_
_
_
_
_
_
c
ah
c
sm
f
ah
f
sm
m
ah
m
sm
_
_
_
_
_
_
_
_

_
_
60
150
125
_
_

_
_
A
p
A
o
A
h
_
_
x :=

Ax

b
(2)
3.2. Mejoras maximas falta de incentivos
Dado que mejorar los estandares en mas de 50 % no implica mayor benecio
para nuestro cliente (porque el subsidio no aplica a mejoras de mas de 50 %) se
establecen las siguientes restricciones:

Ax

b 1.5 (3)
5
3.3. Sistema de restricciones
Por (1), (2) y (3), el conjunto de reestricciones se puede expresar como:

Ax

Ax

b 1.5
Ix 1
Ix 0
Expresado en forma matricial (omitiendo la restriccion Ix 0 porque entra
de manera natural al problema):
_
_

A
I
_
_
x := Ax b :=
_
_

b 1.5
1
_
_
(4)
4. Funcion objetivo
En general se busca minimizar los costos relacionados al cumplimiento de
estandares de calidad de aire, y es posible que nuestro cliente quiera implementar
mejoras mas alla de las mnimas requeridas por el gobierno si el subsidio de
impuestos presenta incentivos sucientes. Por lo tanto tenemos dos variables,
en general, en la funcion objetivo:
C := vector de costos relacionado con el aumento en los gastos de ope-
racion, mantenimiento, y reduccion de ingresos por perdidas en eciencia.
B := vector de aplicacion porcentual
1
de cada restriccion requerida
por el gobierno. Dados los supuestos del modelo, esta aplicacion estara en-
tre 100 % y 150 %.
Con los datos otorgados por nuestro cliente tenemos los siguiente:
Costos: C :=
_
8 10 7 6 11 9
_

Aplicacion
2
: B :=
__
1
60
1
150
1
125
_
A
_

Subsidio: S(x) := 35
_
B

x 3
_
= 35
__
A
p
x
60
1
_
+
_
A
o
x
150
1
_
+
_
A
h
x
125
1
__
1
Asumimos que cada restricci on otorga subsidios de forma fraccionaria e independiente.
Es decir, mejoras en diferentes restricciones implican subsidios independientes y aditivos.
2
La formulaci on utilizada para el vector B viene del cambio porcentual de una variable
dado por
x
i
x
i1
x
i1
=
x
i
x
i1
1, tomando nada mas el primer termino del lado derecho que
sera el cambio aplicado entre el cambio mnimo requerido.
6
Lo que nos permite presentar la funcion objetivo que esta formada por los
costos menos el subsidio, y se expresa como:
f(x) = C

x S(x)
= C

x 35
_
B

x 3
_
= (C35 B)

x + 105
(5)
De forma explcita la funcion objetivo queda dada como:
f(x) =
_

_
_
_
_
_
_
_
_
_
8
10
7
6
11
9
_
_
_
_
_
_
_
_
35
_
_
_
_
_
_
_
_
12 35 37
9 42 53
25 18 28
20 31 24
17 56 29
13 49 20
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1
60
1
150
1
125
_
_
_
_
_
_
_
_
_

_
T _
_
_
_
_
_
_
_
c
ah
c
sm
f
ah
f
sm
m
ah
m
sm
_
_
_
_
_
_
_
_
+ 3 35
=
_
17.53 19.89 19.62 19.62 20.10 15.62
_
_
_
_
_
_
_
_
_
c
ah
c
sm
f
ah
f
sm
m
ah
m
sm
_
_
_
_
_
_
_
_
+ 105
5. Planteamiento e interpretacion del primal
Por (4) y (5) formulamos el problema como:
minimizar
x
f(x)
sujeto a Ax b
x 0
(6)
Este modelo se utiliza usualmente cuando una empresa minimiza costos su-
jeto a que se debe atender una demanda por sus bienes. Este caso no es la
excepcion, pero en lugar de una demanda la empresa debe alcanzar estandares
de calidad, siendo la reduccion de contaminantes los bienes. La interpretacion
del modelo es que nuestro cliente quiere minimizar los costos asociados a la
reduccion de la emision de contaminantes, sujeto a (en el orden previamente
mostrado):
Alcanzar los estandares mnimos requeridos por el gobierno.
La reduccion maxima es de 150 % sobre los estandares por los incentivos
presentados por el subsidio otorgado por el gobierno.
Cada variable de decision (metodo de reduccion) tiene un lmite tecnologi-
co (100 % de aplicacion).
7
6. Formulaci on e interpretacion del dual
Utilizando el procedimiento descrito en [1] tenemos que el problema dual de
(6) tiene la forma:
maximizar
w
g(w)
sujeto a A

w

C
w 0
(7)
con
g(w) = b

w + 105

C = C35 B
El dual, como se presento anteriormente, tiene el siguiente signicado economi-
co: la empresa en lugar de minimizar costos, maximiza ganancias, pero sobre
precios justos por unidades extra. En otras palabras la empresa puede vender
una unidad mas de bien, en este caso estandares y limitaciones, siendo w su
precio justo.
Las restricciones, en el dual, limitan el valor de w para que sea justo. El pre-
cio unitario de cada metodo de reduccion de contaminantes (

m
i=1
a
ij
w
i
) no
puede ser mayor que el costo de implementarlo. Por ende se tiene una restriccion
para cada metodo de reduccion con la desigualdad anterior.
As las variables duales representan:
w
1,...,6
:= costos cambiando la capacidad maxima del metodo i.
w
7
:= costos cambiando el estandar de partculas.
w
8
:= costos cambiando el estandar de oxidos.
w
9
:= costos cambiando el estandar de hidrocarbonos.
w
10
, w
11
, w
12
:= costos cambiando restriccion de 50 %.
7. Solucion optima
7.1. Primal
La solucion optima
3
para el problema primal (6) es:
Variables de decision: x =
_
1 1 0.78 1 1 0.95
_

Funcion objetivo: f(x) = 2.44

Restriccion de particulas: A
p
x = 90
Restriccion de oxidos: A
o
x = 225
Restriccion de hidrocarburos: A
h
x = 184.05
3
Dado que la restricci on de que se limitan el maximo de reducciones a 150 % articialmente
tenemos que se puede dar el caso cuando una restriccion activa previene a otra restriccion no-
activa de aumentar por una variable de decisi on, provocando una solucion ligeramente del
optimo real.
8
Figura 1:

Ultimo tableu (#19) primal.
7.2. Dual
La solucion optima para el problema dual (7) es:
Variables de decision: w =
_
0.69 0.14 0 4.51 7.98 0 0 0 0 1.65 0.78 0
_

Funcion objetivo: g(w) = 2.44

Figura 2:

Ultimo tableu dual.
8. Analisis de sensibilidad
8.1. Cambio en costos de implementaci on
8.1.1. Cambio en costo de chimeneas de altos hornos
Dada la falta de precision en los datos es necesario analizar como cambios en
los datos pueden afectar la solucion optima previamente encontrada, entendida
como el % de uso de cada metodo.
Se analiza primero entre que valores pueden cambiar los costos sin afectar la
solucion optima. Es decir, entre que valores se pueden mover los costos para que
los costos reducidos de todas las variables no-basicas sigan siendo menores o
9
iguales a cero. Formalmente
4
:
z
j
c
j
= c
Bi
B
1
a
j
c
j
< 0 j N
i
Para cambios en costos de la variable c
ah
tenemos:
z
s4
c
s4
= 0 x 0.69 < 0
z
s5
c
s5
= 0 x 0.14 < 0
z
s7
c
s7
= 1 x + 13.02 < 0
z
s8
c
s8
= 0 x 7.98 < 0
z
s10
c
s10
= 0 x 1.66 < 0
z
s11
c
s11
= 0 x 0.78 < 0
Donde x son los costos, teniendo en cuenta tambien los benecios de los
impuestos, de la variable c
ah
. Ahora bien dado que lo relevante son los costos
de implementacion:
= x = 25.53 < 13.02
= < 12.51
[0, 12.51]
donde es el costo exclusivamente de implementar el metodo.
Por lo tanto, el costo total anual de implementar chimeneas mas altas en
altos hornos puede variar, asumiendo que es siempre positivo, entre [0, 12.51] y
la solucion encontrada seguira siendo optima.
A continuacion se presenta el mismo analisis para las demas variables, pero
incluyendo unicamente los costos reducidos que restringen el valor de los costos.
8.1.2. Cambio en costo de chimeneas de hornos Siemens-Martin
z
s8
c
s8
= 1 x + 11.91 < 0
= x < 11.91
= x = 29.89 < 11.91
= < 17.98
[0, 17.98]
4
Aqu B, B
i
y N
i
representan la matriz correspondiente a las variables basicas, el con-
junto de ndices de las variables basicas y el conjunto de ndices de las variables no-b asicas,
respectivamente.
10
8.1.3. Cambio en costo de ltros de altos hornos
z
s4
c
s4
= 0.05 x + 0.28 < 0 = x <
0.28
0.05
5.74
z
s5
c
s5
= 0.01 x 0.40 < 0 = x >
0.39
0.01
30.03
z
s7
c
s7
= 0.13 x 7.14 < 0 = x >
7.14
0.13
53.21
z
s8
c
s8
= 0.11 x 5.90 < 0 = x <
5.90
0.11
55.65
z
s10
c
s10
= 0.58 x 13.08 < 0 = x >
13.08
0.58
22.47
z
s11
c
s11
= 0.11 x 2.86 < 0 = x >
2.86
0.11
27.03
= 22.47 x 5.74
= 22.47 26.62 5.74
= 4.16 20.89
[4.16, 20.89]
8.1.4. Cambio en costo de ltros de hornos Siemens-Martin
z
s10
c
s10
= 1 x + 17.97 < 0
= x < 17.97
= x = 25.62 < 17.97
= < 7.65
[0, 7.65]
8.1.5. Cambio en costo de combustible de altos hornos
z
s11
c
s11
= 1 x + 19.32 < 0
= x < 19.32
= x = 31.10 < 19.32
= < 11.78
[0, 11.783]
11
8.1.6. Cambio en costo de combustible de hornos Siemens-Martin
z
s4
c
s4
= 0.02 x 0.97 < 0 = x <
0.97
0.02
53.42
Z
s5
C
s5
= 0.03 x + 0.26 < 0 = x >
0.26
0.03
10.20
Z
s7
C
s7
= 0.67 x 14.89 < 0 = x >
14.89
0.67
22.40
Z
s8
C
s8
= 0.90 x 21.97 < 0 = x <
21.97
0.9
24.52
Z
s10
C
s10
= 0.42 x 8.20 < 0 = x >
8.20
0.42
19.57
Z
s11
C
s11
= 1.10 x 18.02 < 0 = x >
18.02
1.10
16.33
= 16.33 x 10.20, x = 24.62
= 16.33 24.62 10.20
= 8.29 14.41
[8.29, 14.41]
Dados que en estos intervalos la funcion objetivo no cambia, el cambio en
la funcion objetivo se da unicamente por el cambio en los costos. Es decir, los
nuevos costos son
z

= z

+ x

i

Tambien se analizo si el margen de error de 10 % en los datos proporcionados
por el cliente pueden afectar la solucion optima. A continuacion se presentan
los nuevos costos con un margen de 10 % de error:
Nuevos costos
Variable 10 % menos 10 % mas Rango estable
c
ah
7.20 8.80 [0,12.52]
c
sm
9.00 11.00 [0,17.98]
f
ah
6.30 7.70 [4.16,20.89]
f
sm
5.40 6.60 [0,7.65]
m
ah
9.90 12.10 [0,11.78]
m
sm
8.10 9.90 [8.29,14.41]
Como se puede observar solo en dos casos (10 % mas en m
ah
y 10 % me-
nos en m
sm
) los nuevos costos no se encuentran en los margenes permisibles
previamente encontrados:
1. Cuando los mejores combustibles para altos hornos tienen un costo 10 %
mayor al recabado la nueva solucion es:
12
2. Cuando los mejores combustibles para hornos Siemens-Martin tienen un
costo 10 % menor al recabado la nueva solucion es:
Como se puede observar el centro de atencion para realizar una mejor esti-
macion debe ser en los costos de los mejores combustibles. Esto porque con un
margen de error de 10 % es posible que la solucion encontrada previamente no
sea optima.
8.2. Cambios en los estandares de calidad
El analisis de cambios en los estandares de calidad se realizo de dos maneras
diferentes, cada uno partiendo de diferentes supuestos.
8.2.1. Cambio de estandares de calidad independientes
Se supuso que un cambio en el estandar de calidad del aire no cambia el
esquema de impuestos. Esto obedece a una razon economica: el benecio a la
comunidad es de 3.5 millones por cada 10 % sobre los estandares originales. Este
benecio, que es internalizado por la empresa al reducir sus impuestos, no debe
cambiar por cambios en los estandares. Entonces un cambio en un estandar afec-
ta solo al problema en la medida que cambia el mnimo de reduccion necesario.
Notese que tampoco es afectada la restriccion que limita las deducciones en un
13
50 % ya que forma parte del esquema de impuesto (sigue siendo 50 % sobre los
estandares anteriores).
Ahora bien, se sabe que cuando una restriccion no se cumple con igualdad
entonces la variable del dual asociada es cero (teorema de holgura complemen-
taria). Por otro lado la variable i del dual (asociada a la restriccion i del primal)
representa los precios sombra, es decir, el cambio en la funcion objetivo en el
optimo cuando cambia el recurso i:
z
b
i
= w
i
Dado que en el optimo la reduccion es mayor que los estandares requeridos
para los tres contaminantes, las restricciones no se cumplen con igualdad y por
lo tanto sus precios sombra son cero. Esto se puede ver en el dual porque w
7
,
w
8
y w
9
son iguales a cero.
Por todo lo anterior un cambio en el estandar requerido de cualquiera de
los contaminantes, incluso al mismo tiempo, no afecta la solucion optima ni la
funcion objetivo. Bajo este supuesto, la solucion optima es afectada solo cuando
el cambio sobrepasa un aumento del 50 %. En ese caso se deben quitar las
restricciones que limitan hasta 1.5 b y la deduccion de impuestos se vuelve ja
(3.5 5 3 = 52.5).
8.2.2. Cambio de estandares de calidad dependientes
Se asume que los cambios en las reducciones mnimas requeridas s afectan
los esquemas de reduccion de impuestos. Bajo este supuesto, un cambio en un
estandar afecta no solo las restricciones, sino tambien los costos de las variables.
8.2.2.1 Cambios de uno en uno
En la siguiente graca se presentan los cambios en la funcion objetivo para
cambios porcentuales de -10 % a 10 % en los estandares. Se aplica el cambio al
estandar dejando los demas estandares igual (se cambia todo lo que dependa
de los estandares incluyendo la funcion objetivo). Se puede ver que incrementos
en el estandar de partculas permitira obtener menores costos mientras que
decrementos en los estandares de hidrocarburos y oxidos tambien.
14
Figura 3: Cambios en f(x) por cambios en b
p
, b
o
y b
h
, independientemente.
En la siguiente graca se puede observar el cambio en el vector de decision
dados cambios en los estandares de calidad. Cabe notar que se aprecian los
cambios en las combinaciones optimas.
15
Figura 4: Cambios en x por cambios en b
p
, b
o
y b
h
, independientemente.
8.2.2.2 Cambios de dos en dos
Particulas y oxidos
En la siguiente graca
5
se muestran las curvas de nivel resultantes de aplicar
cambios simultaneos a los estandares de partculas y oxidos de -10 % a 10 %. Se
puede ver que el mayor ahorro en costos se da con una disminucion de -3 % y
-10 % en los estandares de partculas y oxidos respecitvamente.
5
Los puntos verdes en las gr acas representan la combinaci on convexa que nos mantiene
con la misma soluci on optima.
16
Figura 5: Cambios en f(x) por cambios en b
p
y b
o
, simultaneamente.
Partculas e hidrocarbonos
En la siguiente graca se muestran las curvas de nivel resultantes de aplicar
cambios simultaneos a los estandares de partculas e hidrocarbonos de -10 % a
10 %. Se puede ver que el mayor ahorro en costos se da con una disminucion de
-10 % y -10 % en los estandares de partculas e hidrocarbonos, respecitvamente.
17
Figura 6: Cambios en f(x) por cambios en b
p
y b
h
, simultaneamente.

Oxidos e hidrocarbonos
En la siguiente graca se muestran las curvas de nivel resultantes de aplicar
cambios simultaneos a los estandares de oxidos e hidrocarbonos de -10 % a 10 %.
Se puede ver que el mayor ahorro en costos se da con una disminucion de -10 %
y -10 % en los estandares de oxidos e hidrocarbonos, respecitvamente.
18
Figura 7: Cambios en f(x) por cambios en b
h
y b
o
, simultaneamente.
8.2.2.3 Cambios de tres en tres
En la siguiente graca se muestran las curvas de nivel resultantes de aplicar
cambios simultaneos a los estandares de partculas y oxidos de -10 a 10 %. Se
presentan para 5 escenarios: cambio en el estandar de hidrocarbonos de -10 %,
-5 %, 0 %, 5 % y 10 %. Se puede ver que el mayor ahorro en costos se da con una
disminucion de -10 % en todos los estandares.
19
Figura 8: Cambios en f(x) por cambios en b
p
, b
o
y b
h
, simultaneamente.
8.3. Cambios en el esquema de deducci on de impuestos
Dado que las decisiones de la autoridad pueden cambiar en un futuro, se
analizo como un cambio en el esquema de reduccion de impuestos puede afectar
la solucion optima. En este apartado se analizaron cambios en el monto de 3.5
millones por cada 10 % acordado por las autoridades. Como se puede observar
en el planteamiento del problema, los benecios de la reduccion de impuestos
afectan directamente la funcion objetivo a traves de los costos totales de cada
variable de decision. Por lo mismo, un cambio en el monto de 3.5 millones afecta
los costos de todas las variables del problema.
En la siguiente graca se muestra el cambio en el valor de la funcion objetivo
en el optimo con el cambio previamente mencionado.
20
Figura 9: Cambio en costos por cambio en deduccion.
La lnea roja muestra el punto en el que cambia la solucion optima, es de-
cir, el porcentaje de uso de cada metodo. Como se puede observar la solucion
encontrada previamente sigue siendo optima siempre y cuando la reduccion de
impuestos sea mayor a 1.8 millones aproximadamente. Esto quiere decir que
cambios peque nos no afectan la solucion optima.
Referencias
[1] Mokhtar S. Bazaraa, John J. Jarvis, Hanif D. Sherali, Linear Programming
and Network Flows, Wiley, 2010.
21