“Año del Bicentenario del Perú: 200 años de

independencia”

ESCUELA DE POST GRADO

PROGRAMA DE MAESTRÍA EN INGENIERÍA INDUSTRIAL

CURSO : MODELOS DE OPTIMIZACIÓN

ALUMNO : LÓPEZ MARCHÁN JOSÉ RUPERTO

DOCENTE : Dr. JULIO CÉSAR JIMÉNEZ CHAVESTA

SEMESTRE ACADÉMICO: 2020 – 2

 INTRODUCCIÓN

El trabajo del equipo de investigación de operaciones recién se inicia cuando se ha

aplicado con éxito el método símplex para identificar una solución óptima. Una
suposición de programación lineal es que todos los parámetros del modelo (aij, bi y cj )
son constantes conocidas. En realidad, los valores de los parámetros que se usan en
este modelo son sólo estimaciones basadas en una predicción de las condiciones
futuras. Los datos obtenidos para desarrollar estas estimaciones con frecuencia son
bastante imperfectos o no existen, es por esta razón que los parámetros de la
formulación original pueden representar poco más que algunas pequeñas reglas
proporcionadas por el personal de línea el que tal vez se sintió presionado para dar su
opinión. Los datos pueden incluso representar estimaciones optimistas o pesimistas
que protegen los intereses de los estimadores.

Un supuesto básico asociado a la Programación Lineal es que los parámetros o

constantes son valores conocidos con exactitud al momento de resolver el modelo de
optimización. Este supuesto de asumir que no existe incertidumbre claramente implica
una simplificación en el modelamiento de problemas de naturaleza real y es conocido
como el supuesto de modelo determinista.

La optimización también permite incorporar explícitamente la incertidumbre en los

parámetros en el modelamiento, asumiendo que la totalidad o un conjunto de éstos se
distribuyen aleatoriamente, lo cual se puede representar a través de una función de
probabilidad conocida o una distribución empírica que modela distintos escenarios
para los parámetros, asociando una probabilidad de ocurrencia en cada caso.

En relación a lo anterior, si bien un modelo determinista considera valores fijos para

los parámetros, aún podemos analizar los cambios en los resultados del modelo
(solución óptima y valor óptimo principalmente) en comparación a lo obtenido en una
instancia de resolución original o escenario base. Esto se conoce como Análisis de
Sensibilidad o análisis Postoptimal.
Ejercicio 10:
Gutchi Company fabrica bolsos de mano, bolsas para rasuradora y mochilas. La
construcción de los tres productos requiere piel y materiales sintéticos, dado que la
piel es la materia prima limitante. El proceso de producción utiliza dos tipos de mano
de obra calificada: costura y terminado. La siguiente tabla de la disponibilidad de los
recursos, su uso por los tres productos y los precios por unidad.
REQUERIMIENTOS DE RECURSO POR UNIDAD
Disponibilidad
RECURSOS Bolso de Mano Bolso de Rasuradora Mochila
Diaria
PIEL 2 1 3 42
COSTURA 2 1 2 40
TERMINADO 1 5 1 45
PRECIO 24 22 45

FUNCIÓN OBJETIVO: MAXIMIZACIÓN =24 X 1 +22 X 2+ 45 X 3

SUJETO A:

r1 2 x1 + x 2 +3 x3 ≤ 42

r2 2 x1 + x 2 +2 x 3 ≤ 40

r3 x 1+ 0.5 x 2 + x 3 ≤ 45

x 1 ; x 2 ; x 3 >0

Se utilizó el Software “PQM” para darle solución al siguiente modelo:

Rpta Nº 1: El resultado que podemos obtener utilizando el método de Programación

Lineal es la utilidad máxima de 882 $ por día.
La solución óptima es cuando se producen 0 Bolsos de mano, 36 Bolsos de
Rasuradora y 2 Mochilas en un 01 día.
Rpta Nº 2:
a) La piel disponible se incrementa a 45 pies

Rpta “a”: Si comparamos el resultado anterior con este resultado de la utilidad

máxima, nos damos cuenta que ha aumentado $ 3 más por día. También observamos
que se tiene menos producción de Bolsos de Rasuradora pero mayor producción de
mochilas en un día.
b) La Piel disponible se reduce en 1 pie

Rpta “b”: Acá si se produce una disminución en nuestra utilidad máxima, obteniendo
$ 881 por día, logrando una mayor producción de Bolsos de Rasuradora y menor
producción de Mochilas en un día.
c) Las Horas de Costura disponibles se cambian a 38.

Rpta “c”: Aquí nos damos cuenta que disminuyendo la mano de obra de Costura, por
ende disminuye la utilidad máxima a $ 840 por día, obteniendo una menor producción
de Bolsos de Rasuradora y mayor producción de Mochilas.
 d) Las Horas de Costura disponibles se cambian a 46

Rpta “d”: Aquí observamos que aumentando la mano de obra de Costura por relación
directa aumenta la utilidad máxima obtenida en un comienzo, logrando producir 42
Bolsos de Rasuradora y 0 producción en los Bolsos de Mano y Mochilas.
e) Las Horas de terminado disponible se reducen a 15

Rpta “e”: Disminuyendo la mano de Obra en las horas de Terminado, disminuye

totalmente la utilidad máxima a $ 672 en un día, logrando así también una menor
producción de Bolsos de Rasuradora y una mayor producción de Mochilas en un día.
f) Las Horas de terminado disponible se incrementas a 50

Rpta “ f ”: Aquí obtenemos una igualdad en la utilidad máxima por día $ 882, logrando
también 36 Bolsos de Rasuradora y 02 Mochilas en un día.
 g) ¿Recomendaría contratar una costurera más a $15 la hora?

Analizando nuestra situación actual el aumentar un personal más a nuestra empresa

tendría que trabajar 08 horas por día, lo que observamos en el resultado es que “SI”
aumenta la utilidad máxima en un día pero también observamos que sólo aumenta la
producción en los Bolsos de Rasuradora, más no aumenta la producción de Mochilas
por eso evaluaremos el gasto por día.
Entonces:
$15 x 8 h = $120 x día
$ 924 - $ 882 = $ 42 x día
Rpta “g”: No recomendaría contratar una costurera más a la Empresa, porque si
comparamos la utilidad máxima obtenida con una Costurera más contratada y la
utilidad máxima obtenida en un inicio, más se generaría pérdida para la Empresa.
Objetivo.-
Establecer un intervalo de números reales en el cual el dato que se analiza puede
estar contenido, de tal manera que la solución sigue siendo óptima siempre que el
dato pertenezca a dicho intervalo
Investigar el cambio en la solución óptima del problema, cuando se producen cambios
en los parámetros del modelo. El objetivo principal del análisis de sensibilidad es
identificar el intervalo permisible de variación en los cuales las variables o parámetros
pueden fluctuar sin que cambie la solución óptima.
Sin embargo, así mismo se identifica aquellos parámetros sensibles, es decir, los
parámetros cuyos valores no pueden cambiar sin que cambie la solución óptima. Los
investigadores de operaciones tienden a prestar bastante atención a aquellos
parámetros con holguras reducidas en cuanto a los cambios que pueden presentar, de
forma que se vigile su comportamiento para realizar los ajustes adecuados según
corresponda y evitar que estas fluctuaciones puedan desembocar en una solución no
factible.

Análisis de Sensibilidad.-
Análisis de Sensibilidad, llamado también Análisis de Post-optimización, es una de las
partes más importantes en la programación lineal, es utilizada para tomar en
consideración los cambios que pueden ocurrir en los elementos componentes del
modelo que consiste en determinar qué tan sensible es la respuesta óptima del
método simplex, al cambio de algunos datos como las ganancias o costos unitarios
(coeficientes de la función objetivo) o la disponibilidad de los recursos (términos
independientes de las restricciones), que se refieren a permutas en coeficientes
,variables, restricciones y Función Objetivo.
El Análisis de Sensibilidad se encarga precisamente de estudiar cómo afectaría a la
solución óptima obtenida y a la función objetivo el cambio (dentro de un rango
predeterminado) de uno de los parámetros, manteniendo fijos los restantes.(no se usa
en modelos enteros ni cuadráticos).
Conclusiones

 Los valores usados como parámetros de un modelo de programación lineal son

sólo estimaciones. Por lo tanto, es necesario llevar a cabo el análisis de
sensibilidad para investigar lo que ocurre si las estimaciones están
equivocadas. La idea fundamental es proporcionar la clave para realizar esta
investigación de manera eficiente.

 Esta herramienta permite calcular los cambios y como esto puede afectar a la
solución óptima y por tanto a los datos obtenidos de esta por ende permite
estudiar la solución óptima una vez que se modifica en ella algún valor.

Referencias:

 https://www.gestiondeoperaciones.net/programacion_lineal/analisis-de-
sensibilidad-en-programacion-lineal-utilizando-la-tabla-final-del-metodo-
simplex/

 http://analisisdesensibilidadalchirinos.blogspot.com/