Análisis de sensibilidad

Análisis de Sensibilidad
Una vez obtenido el resultado para un
problema de PL, será interesante saber
como cambia la solución, ante cambios
en los parámetros del modelo.

2
Análisis de sensibilidad

El análisis de sensibilidad permite

estimar el efecto de cambios menores
en los parámetros del problema, sin
tener que calcular todo el problema
nuevamente.

3
Análisis de Sensibilidad
El caso más sencillo de análisis de
sensibilidad, considera los efectos de
cambios en un parámetro, asumiendo
que todos los otros parámetros se
mantienen constantes.

Sin embargo, también se puede

evaluar el efecto de modificar varios
parámetros en forma simultánea.

4
Análisis de Sensibilidad
Otro estudio típico de análisis de
sensibilidad es determinar los rangos
de variación de un parámetro, dentro
de los cuales no cambia la solución.

5
Análisis de Sensibilidad
Los principales cambios que se estudian
en análisis de sensibilidad son:
•Cambio en lado derecho de una
restricción
•Cambio en un coeficiente de la FO
•Cambio en coeficientes técnicos
•Agregar una variable de decisión
•Agregar una restricción

6
Ejercicio 1
Un gerente de producción debe decidir
cuantos bolsos y mochilas fabricar, para
obtener la máxima ganancia.
Se sabe que por cada bolso producido
se obtiene una ganancia de $ 3.000, y
por cada mochila producida se obtiene
una ganancia de $ 5.000.

7
Ejercicio 1
Para fabricar un bolso se necesitan 10 cm
de tela roja y 30 cm de tela azul, y para
fabricar una mochila se requieren 20 cm
de tela verde y 20 cm de tela azul.
Además, se sabe que se dispone de 400
metros de tela roja, 1200 metros de tela
verde, y 1800 metros de tela azul.

8
Ejercicio 1
Para el problema descrito en las
diapositivas anteriores:
a) Formule el modelo matemático de PL
b) Escriba la forma estándar del PPL
c) Interprete ,solución y cada variable

9
Ejercicio 1
Cantidad
Consumo (1) Bolsos Mochilas
Disponible
Tela Roja 10 40000
Tela Verde 20 120000
Tela Azul 30 20 180000
Ganancia (2) 3.000 5.000

(1) Consumo en cm de tela por unidad producida.

(2) Ganancia en $ por unidad.

10
Análisis de sensibilidad

Planteamiento del PPL

MAX 3 X + 5 Y

X <= 4
2 Y <= 12
3X + 2 Y <= 18
X , Y >= 0

11
Forma estandar del PPL

Para solucionar el modelo de PL, las

inecuaciones se transforman en
ecuaciones, agregando en este caso
variables de holgura.
De esta manera,
3X+2Y <= 18 queda como:
3 X + 2 Y + H = 18 , H vh

12
 En consecuencia, para cada restricción,
se agrega la correspondiente variable
de holgura.
MAX 3 X + 5 Y

X + H1 = 4
2 Y + H2 = 12
3 X + 2 Y + H3 = 18
X , Y , H1 , H2 , H3 >=0

13
InterepretaciónVariables de
holgura
En la solución del problema, una variable
de holgura :
1.- Igual a cero indica que todo es recurso
disponible fue utilizado
2.- Mayor que cero representa la holgura
del recurso correspondiente.

14
Variables básicas

La solución de un problema de PL
contiene:
Variables > 0 (básicas)
Variables = 0 (no básicas)

El conjunto de variables básicas

asociadas a una solución se llama
base.

15
Variables básicas

En la solución al problema de la
mochila tenemos:

Variables básicas:
X=2 Y=6 H1 = 2

Variables no básicas:
H2 = 0 H3 = 0

16
Identificar Variables básicas

17
Variables básicas

Ante variaciones en los parámetros del

problema, pueden suceder dos cosas:

- Que cambien los valores de las

variables, sin cambiar la base.

- Que cambie la base, es decir,

variables con valor = 0 toman valor > 0,
y viceversa.
18
Variables básicas

Cuando hablamos de cambios menores

en análisis de sensibilidad, nos
referimos a cambios para los cuales no
cambia la base.

En consecuencia, la magnitud de los

cambios menores va a depender de la
estructura del problema.

19
Variables básicas

De hecho, hay veces que algunos

parámetros del problema pueden
aumentar (o disminuir) hasta el infinito,
sin que cambie la base.

20
Análisis de sensibilidad

A continuación revisaremos la
información que entrega LINDO que
permite realizar análisis de sensibilidad.

Revisaremos lo siguiente:
- Holgura de recursos
- Precios sombra
- Costos reducidos
21
Holgura de recursos

Junto con los valores óptimos de las

variables de decisión, el LINDO
también entrega la holgura de recursos
asociada a esa solución.

En el caso en que no haya holgura, la

variable de holgura asociada a ese
recurso vale cero.

22
Holgura de recursos

Existe una holgura

de 2 unidades del
recurso 1

23
Ejemplo holgura de
recursos:
Compruebe las holguras de recursos en la
solución óptima para el problema de los
bolsos y mochilas.

Consumo Bolsos Mochilas Disponible

Tela Roja 1 4

Tela Verde 2 12

Tela Azul 3 2 18
Ejemplo holgura de recursos:
Calculemos la cantidad de piezas de tela
azul (recurso 3) necesarias para fabricar 2
mil bolsos y 6 mil mochilas.

2 x 3 + 6 x 2 = 6 + 12 = 18 piezas

25
Ejemplo holgura de
recursos:
A continuación se muestra el consumo y la
holgura de cada tela para fabricar 2 mil
bolsos y 6 mil mochilas.

Consumo Disponible Holgura

Tela Roja 2 4 2

Tela Verde 12 12 0

Tela Azul 18 18 0

26
Precio sombra

Si un recurso no tiene holgura, es muy

probable que al aumentar su
disponibilidad, podamos aumentar el
valor de las variables de decisión, y lo
que es más importante, podremos
aumentar el valor de la función objetivo.

27
Precio sombra

El precio sombra nos indica en cuantas

unidades aumentará el valor de la
función objetivo, por cada unidad de
recurso adicional.

En consecuencia, el precio sombra de

los recursos con holgura es cero.

28
Precio sombra

29
Precio sombra

El precio sombra del recurso 2 muestra

que por cada unidad que se aumente
del recurso 2, la FO aumentará en 1.5
unidades.
En el caso del recurso 1, si se aumenta
su disponibilidad, no aporta a la FO
(solo aumenta el excedente de
recurso).

30
Precio sombra

Los precios sombra son válidos solo

dentro de variaciones de los
parámetros que no impliquen un
cambio de la base.

31
Ejemplo precio sombra:
Compruebe la variación en la FO al
aumentar en 2 unidades el recurso 2.

32
Ejemplo precio sombra:
La FO aumentó en 3 unidades (de 36 a 39):
3 = 1.5 x 2

33
Costo reducido

La solución del problema de PL es la

mejor solución posible. En
consecuencia, si la solución entrega el
valor cero para una variable de
decisión, significa que si le asignamos
un valor distinto de cero a esa variable,
obtendremos una solución sub óptima
(obligando a disminuir el valor de una
variable más conveniente).

34
Costo reducido

El costo reducido nos indica en cuantas

unidades disminuye el valor de la FO al
incrementar en una unidad el valor de
una variable de decisión cuyo valor es
cero en la solución óptima.
Ahora modificaremos los parámetros
del problema anterior, para que el valor
de X sea cero en la solución óptima.

35
Costo reducido
Consideremos el siguiente problema:

36
Costo reducido
Cuya solución es:

37
Costo reducido

El valor de 4.5 para el costo reducido

de la variable X significa que por cada
unidad de X que se quiera agregar a la
solución, el valor de la FO disminuirá
en 4.5 unidades.

38
Costo reducido
Los costos reducidos sólo son válidos
para variaciones en los parámetros que
cambian de una solución en un vértice,
a otra solución en un vértice adyacente,
es decir:
a) Una variable que tiene valor cero, toma
valor mayor a cero
b) Una variable básica (mayor que cero)
toma valor cero.
39
Ejemplo costo reducido:
Para el siguiente problema:

40
Ejemplo costo reducido:
cuya solución es:

41
Ejemplo costo reducido:
Compruebe la variación en la FO al
aumentar en 1 unidad el valor de la variable
no básica X.

Para que X tome valor 1, agregamos la

restricción X > 1, con lo cual tenemos el
siguiente problema:

42
Ejemplo costo reducido:

Obteniendo el siguiente resultado:

43
Ejemplo costo reducido:

Podemos observar que al aumentar en 1 la

variable X, la FO disminuyó en 4.5 unidades.
44
Rangos de variación parámetros

Hemos visto que los precios sombra y

los costos reducidos son válidos dentro
de un rango de variación de los
parámetros, que no signifique cambiar
las variables básicas de la solución
óptima.

45
Rangos de variación parámetros
Para el problema de los bolsos
tenemos los siguientes rangos:

46
Rangos de variación parámetros

Coeficiente de X:
Valor original: 3
Límite superior: 3 + 4.5 = 7.5
Límite inferior: 3 – 3 = 0
Es decir, para valores del coeficiente de
X entre 0 y 7.5, no cambia la base.

47
Ejemplo variación
coeficiente X:
Calcule la solución al problema original,
modificando el coeficiente de la variable X
por los siguientes valores, y observe si se
producen cambios en la solución básica:
a) – 0.05
b) 0.05
c) 7.45
d) 7.51

48
Ejemplo variación
coeficiente X:
Coef. X X Y H1 H2 H3

3.0 2 6 2 0 0

-0.05 0 6 4 0 6

0.05 2 6 2 0 0

7.0 2 6 2 0 0

8.0 4 3 0 6 0

49
 Ejemplo variación
coeficiente X:
Se puede apreciar que cuando el
coeficiente de X se sale del rango definido
en LINDO, cambia la solución básica.

Estos cambios son los siguientes:

1 La variable X toma valor cero, y variable H3
toma valor positivo.
2 La variable H1 toma valor cero, y la variable
H2 toma valor positivo.

50
Rangos de variación parámetros

Disponibilidad de recurso 3:
Valor original: 18
Límite superior: 18 + 6 = 24
Límite inferior: 18 – 6 = 12
Es decir, para disponibilidad de recurso
3 entre 12 y 24 unidades, no cambia la
base.

51
Ejemplo variación recurso 3:
Calcule la solución al problema original,
modificando la disponibilidad de recurso 3
por los siguientes valores, y observe si se
producen cambios en la solución básica:
a) 11
b) 13
c) 23
d) 25

52
Ejemplo variación recurso 3:

Disp.
X Y H1 H2 H3
R3
18 2 6 2 0 0

11 0 5.5 4 1 0

13 0.33 6 3.66 0 0

23 3.66 6 0.33 0 0

25 4 6 0 0 1

53
 Ejemplo variación recurso 3:
Se puede apreciar que cuando la
disponibilidad del recurso 3 se sale del
rango definido en LINDO, cambia la
solución básica.

Estos cambios son los siguientes:

1 La variable X toma valor cero, y variable H2
toma valor positivo.
2 La variable H1 toma valor cero, y la variable
H3 toma valor positivo.
54