INTRODUCCIÓN:

El análisis de sensibilidad de problemas de Programación Lineal (PL, por brevedad). Un

problema de PL se formula en términos de maximizar o minimizar una determinada función
objetivo lineal (por ejemplo, maximizar el beneficio de una empresa o minimizar el coste de
producción) dentro del denominado conjunto factible, el cual constituye el abanico de
soluciones posibles teniendo en cuenta las restricciones lineales existentes de presupuesto,
tiempo, espacio, etc. La PL surge como disciplina independiente, tal y como la conocemos hoy
en día, a mediados del siglo XX. Concretamente, su origen se sitúa en torno a la Segunda
Guerra Mundial. De hecho, el término “programación” atiende al termino militar que se refería
a planificar secuencias de entrenamientos, paradas logísticas, despliegues de soldados, etc.

Este método ha sido seleccionado como uno de los diez algoritmos más decisivos del siglo XX.
Dantzig es, de hecho, reconocido como el padre de la PL (vease Gass para detalles). A
mediados de los años cincuenta el interés por la PL alcanzó el terreno industrial y el académico.
Dentro del amplio campo de la PL, el presente trabajo versa sobre el análisis de sensibilidad de
problemas y, concretamente se ocupa de analizar las repercusiones que pueden ocasionar en
el valor optimo del problema (por ejemplo, en el máximo beneficio) ligeras modificaciones en
los datos del mismo. El análisis de sensibilidad en PL es un tema paradigmático al que
numerosos investigadores de primera línea internacional han dedicado un notable esfuerzo
desde los orígenes de la PL. (Ayllón, 2017)
OBJETIVOS:

Las herramientas básicas para alcanzar los objetivos siguientes es :

 Determinar el impacto teórico de variaciones en b,c y A y tambien el número de

restricciónes y de variables que influyen en la solución óptima.
 Deducir, a partir de los resultados aportados por el análisis teórico,procedimientos que
automaticen la busqueda de la solución del problema sin tenerlo que resolver desde el
inicio.

BASE TEORICA:

El análisis de sensibilidad se aplica mayoritariamente a problemas de producción, en los cuales,

dados unos productos con unas características técnicas de consumo de materiales, de
beneficios unitarios, etc., se nos pide que hagamos el plan de producción para cada uno de los
productos Con el análisis de sensibilidad se puede estudiar el grado de sensibilidad que tiene la
solución de un programa lineal frente a variaciones de sus parámetros iniciales. De esta
afirmación se desprende la metodología de trabajo que debe seguirse, que consistirá en que se
parta de un programa ya resuelto y el estudiante trabaje sobre el mismo cómo se comporta la
solución ante variaciones de un determinado parámetro.

la base teórica en la que se recogen las relaciones básicas que se establecen en el algoritmo
simplex y a las cuales nos tenemos que remitir cada vez que se nos presente un cambio en
algún parámetro. Así, la metodología que deberá seguirse ante cada cambio consistirá en lo
siguiente:

1) En primer lugar, ir a la base teórica y ver qué efectos provocará en la última tabla.

2) Una vez establecidos los efectos, el paso siguiente consistirá en especificar el procedimiento

que habrá que seguir para evaluarlos.

En cuanto a los cambios, será necesario diferenciarlos en función de si afectan a los parámetros
o a la estructura del problema. El primer grupo estará formado por cambios efectuados en c, b
y A, mientras que en el segundo habrá las modificaciones que consisten en la introducción de
una nueva restricción y de una nueva variable.
En el caso de variaciones en c, habrá que distinguir si se trata de la ci de una variable que
pertenece a la base o no, ya que los conceptos que se tendrán que volver a calcular serán los
mismos, pero el número variará. Así, en el primer caso deberemos volver a calcular los valores
de z* y de todos los de las zi — ci, mientras que en el segundo sólo habrá que calcular el valor
de zi — ci de la variable afectada.

En el caso de que haya variaciones en b, nos limitaremos a bajar en la última tabla el nuevo
vector b utilizando la matriz de transformación, B *—1, y con posterioridad volveremos a calcular
únicamente, y en el caso de que ninguna V se haya transformado en negativa, el valor de z*.

En el caso de modificaciones en aji, también tendremos que diferenciar si se trata del

coeficiente técnico de una variable básica o no, ya que, si es el coeficiente de una variable
básica, se alterará la composición de la base canónica.

Para acabar, hemos abordado los cambios en la estructura del problema aportando dos
ejemplos para explicarlos.

Finalmente, queremos destacar que el análisis de sensibilidad considera cambios puntuales en

los parámetros. No obstante, nos podríamos preguntar cuáles serían los efectos de cambios
continuos en estos parámetros. (Blabia, 2013)
Escoger una empresa de la siguiente lista de empresas:

Empresa "Juguetes Recreativos S.A.C"

Juguetes Recreativos S.A.C es una empresa dedicada a la fabricación de juguetes con el

objetivo de brindar diversión y entretenimiento de alta calidad a niños de todas las edades.
Nuestra empresa se basa en un modelo de Programación Lineal (PL) que nos permite optimizar
la producción de juguetes grandes y juguetes chicos para maximizar nuestras ganancias.

Función Objetivo:

Nuestra función objetivo es maximizar la ganancia total, representada por la función Z. Para
lograr esto, buscamos determinar la cantidad óptima de juguetes grandes (x) y juguetes chicos
(y) que debemos fabricar. La ganancia por cada juguete grande es de $100 y por cada juguete
chico es de $120. Por lo tanto, nuestra función objetivo es:

Max Z = 100x + 120y

Restricciones:

Para garantizar una producción eficiente y cumplir con nuestros recursos disponibles, hemos
establecido las siguientes restricciones:

R1: Limitación de Materiales

No podemos utilizar más de 90 unidades de materiales en la fabricación de nuestros juguetes.

Esta restricción se representa como: x + 2y <= 90, lo que significa que la cantidad de juguetes
grandes (x) y juguetes chicos (y) no debe exceder los recursos materiales disponibles.

R2: Capacidad de Producción

Tenemos limitaciones en la capacidad de producción de nuestra fábrica. La restricción R2

establece que no podemos fabricar más de 100 juguetes en total. Esto se expresa como: 2x + y
<= 100.

R3: Espacio de Almacenamiento

Para mantener un almacenamiento eficiente, hemos establecido una restricción en el espacio

disponible para nuestros juguetes. No podemos exceder las 150 unidades de espacio de
almacenamiento. Esto se representa como: 2x + 2y <= 150.
No Negatividad:

Además de las restricciones anteriores, es importante destacar que no podemos tener

cantidades negativas de juguetes. Por lo tanto, x y y deben ser mayores o iguales a cero.

Para resolver el problema de programación lineal mediante el método gráfico con la función
objetivo Z=100x+120y y las restricciones proporcionadas, primero representaremos
gráficamente las restricciones en un sistema de coordenadas. Luego, identificaremos el vértice
óptimo de la región factible y calcularemos la solución óptima. Finalmente, aplicaremos un
análisis de sensibilidad para evaluar cómo afecta un cambio en la función objetivo o en la
disponibilidad de una de las restricciones a la solución óptima.

Paso 1: Representación gráfica de las restricciones

Vamos a representar las restricciones en un gráfico:

1. x + 2y ≤ 90
2. 2x + y ≤ 100
3. 2x + 2y ≤ 150

Primero, representaremos cada una de estas restricciones individualmente y luego

encontraremos la región factible común a todas ellas.

Graficamos estas tres líneas y sombrearemos la región factible:

La región sombreada en el gráfico es la región factible, que cumple con todas las restricciones.
Paso 2: Identificación del vértice óptimo

Ahora, necesitamos encontrar los vértices de la región factible para identificar el que maximiza
la función objetivo Z=100x+120y. Los vértices son puntos de intersección de las líneas de
restricción. En este caso, tenemos cuatro vértices en el gráfico.

 Vértice A (0, 0)
 Vértice B (0, 45)
 Vértice C (36.6, 26.5)
 Vértice D (60, 15)
 Vértice E (75, 0)

Calculamos el valor de la función objetivo en cada vértice:

 ZA=100(0) +120(0) =0
 ZB=100(0) +120(45) =5400
 ZC=100(36.6) +120(26.5) =6840
 ZD=100(60) +120(15) =7800
 ZE=100(75) +120(0) =7500

Por lo tanto, el vértice que maximiza Z es el vértice D (60, 15) con un valor de ZD=7800.

Paso 3: Análisis de Sensibilidad

Ahora realizaremos un análisis de sensibilidad para evaluar cómo afecta un cambio en la

función objetivo o en la disponibilidad de una de las restricciones a la solución óptima.

Cambio en la función objetivo:

Cambiamos la función objetivo de Z=100x+120y a Z=150x+120y, esto significa que la ganancia

por cada juguete grande producido aumenta en $50.

Realizamos un cambio en la función objetivo, por ejemplo, aumentando el coeficiente de x a

150, la nueva función objetivo sería Z=150x+120y. la solución óptima en el vértice D, donde
x=60 y y=15, La nueva ganancia máxima es de $10,800 con la función objetivo modificada.

Este cambio en la función objetivo, que aumentó el coeficiente de X a 150, ha llevado a una
mayor ganancia total y ha afectado la solución óptima en términos de la cantidad óptima de
juguetes a producir.
Cambio en la disponibilidad de una restricción:

Ahora hemos realizado el cambio en la disponibilidad de la restricción x + 2y ≤ 100, veremos

como afecta la solución óptima.

Realizar el análisis de sensibilidad realizando cambios a una de estas opciones

 La función objetivo
 A una variable
 A una restricción
 A una disponibilidad de cualquier restricción

Cambio en la Función Objetivo

Actualmente, tenemos dos funciones objetivo: una original y otra modificada. Para analizar la
sensibilidad, podemos comparar las dos funciones objetivo y sus soluciones óptimas.

 Función Objetivo Original: Max Z = 100x + 120y

 Solución Óptima para la Función Original: (x = 60, y = 15) con una ganancia de S/
7,800.00

 Función Objetivo Modificada: Max Z = 150x + 120y

 Solución Óptima para la Función Modificada: (x = 50, y = 25) con una ganancia de S/
11,250.00

Comparación:

 La función objetiva modificada produce una ganancia mayor que la función original.
 El punto óptimo cambia de (60, 15) a (50, 25) al modificar la función objetivo.

Cambio en una Variable

Para realizar un cambio de variable en un problema de programación lineal, necesitamos

expresar las nuevas variables en términos de las variables originales. En este caso, vamos a
cambiar las variables originales X y Y a nuevas variables u y v.

Ahora, expresamos las restricciones originales en términos de las nuevas variables:

R1 (en términos de u y v): U + 2V <=100

R2 (en términos de u y v): 2U + V <= 100

R3 (en términos de u y v): 2U + 2V <= 150

Estas son las nuevas restricciones en función de las variables u y v.

La función objetivo original es:

Z=150x+120y

Entonces, la nueva función objetivo en términos de u y v es:

Max Z= 150 u+120 v

Hemos realizado un cambio de variable en el problema de programación lineal. Las

restricciones y la función objetivo están expresadas en función de las nuevas variables u y v.

Cambio en una Restricción

Podemos considerar el impacto de cambiar una de las restricciones. Por ejemplo, modificamos
la restricción "x + 2y <= 90" a "x + 2y <= 100," podríamos analizar cómo esto afecta la solución
óptima y la ganancia.

La nueva Solución Óptima con la Restricción Modificada:

Después de ajustar la restricción x + 2y ≤ 90 a x + 2y ≤ 100, observaremos como afecta un

cambio en la disponibilidad de esta restricción de las soluciones óptimas y a la ganancia.

Función Objetivo Original: Max Z = 100x + 120y

 Ganancia máxima: S/ 7,800.00

 Punto óptimo: (x = 60, y = 15)

 Valor de R1: x + 2y = 90

Función Objetivo Modificada: Max Z = 150x + 120y

 Ganancia máxima: S/ 11,250.00

 Punto óptimo: (x = 50, y = 25)

 Valor de R1: x + 2y = 100

Ambas soluciones óptimas tienen el mismo valor para la restricción R1 (x + 2y = 100). Esto
significa que, en este caso, la disponibilidad de la restricción R1 no afecta la ganancia óptima,
ya que ambas funciones objetivo alcanzan su máximo sin violar esta restricción. Por lo tanto, no
es necesario realizar cambios en la disponibilidad de esta restricción para maximizar la
ganancia en ambos casos.
CONCLUSIONES:

Cambiando la función objetivo:

Al cambiar la función objetivo de Z = 100x + 120y a Z = 150x + 120y, observamos que la

solución óptima cambia. El punto óptimo aumentó de (60, 15) a (50, 25) y la ganancia máxima
aumentó de S/ 7,800.00 a S/ 11,250.00. Esto muestra que cambiar la función objetivo puede
tener un impacto significativo en la solución óptima y en las ganancias.

Cambiando variables:

Al cambiar las variables en el problema, las restricciones y la función objetivo ahora se

expresan en las nuevas variables u y v. Esto es útil cuando desea trabajar con variables que
tienen un significado específico en un contexto específico. Sin embargo, en este caso, las
restricciones originales sobre u y v siguieron siendo las mismas, por lo que cambiar las
variables no afectó la solución óptima ni el beneficio.

Cambios de restricciones:

El análisis de sensibilidad se realizó cambiando la restricción 'x + 2y ≤ 90' a 'x + 2y ≤ 100'. Se

descubrió que este cambio no tiene ningún efecto sobre la ganancia o solución óptima. Ambas
funciones objetivo alcanzaron sus valores máximos sin violar esta restricción. Esto indica que la
disponibilidad de restricciones puede no afectar la solución si el rango de viabilidad es el
mismo.

En resumen, cambiar la función objetivo puede tener un impacto significativo en la solución

óptima, pero cambiar las variables o restricciones puede no tener ningún efecto si la región
factible no cambia. Para comprender cómo estos cambios afectan la toma de decisiones en
problemas de programación lineal, es importante realizar un análisis de sensibilidad.
ANEXOS:
Referencias
Ayllon Rodriguez, A. (2017). Analisis de sensibilidad en Programación Lineal. UNIVERSIDAD
MIGUEL HERNANDEZ ´, 1-81. Obtenido de
http://dspace.umh.es/bitstream/11000/6364/1/EST_TFG_AYLLON_RODRIGUEZ_ALEJA
NDRO.pdf

Blabia, D. (2013). Análisis de sensibilidad. Universitat oberta de catalunya, 1-38. Obtenido de

https://openaccess.uoc.edu/bitstream/10609/68705/4/Optimizaci%C3%B3n_M
%C3%B3dulo%206_An%C3%A1lisis%20de%20sensibilidad.pdf