Está en la página 1de 7

Programación Lineal – Análisis de Sensibilidad.

Retomamos el problema que planea la producción en relación con las cuatro variantes del mismo producto que nosotros formulamos antes como un problema de P.L. Para recordarlo, el problema y su formulación, se repetirá a continuación. Problema de Planeación de la Producción: Una compañía fabrica cuatro variantes del mismo producto y en la parte final del proceso industrial hay operaciones de ensamblaje, pulimento y empaquetamiento. Para cada variante el tiempo requerido para estas operaciones se muestra debajo (en minutos) como ganancia por unidad vendida.
Variante 1 2 3 4 • Ensamblaje 2 4 3 7 Pulimento 3 2 3 4 Embalaje 2 3 2 5 Ganancia ($) 1.50 2.50 3.00 4.50

Dado el estado actual de la fuerza de trabajo la compañía estima que, cada año, ellos tienen disponibles 100000 minutos de tiempo de ensamblaje, 50000 minutos de tiempo de pulimento y 60000 minutos de tiempo de embalaje. ¿Cuántos de cada variante debe hacer la compañía por año y cuál es la ganancia asociada? Suponga ahora que la compañía es libre de decidir cuánto tiempo se debe dar a cada una de las tres operaciones (ensamblaje, pulimento y embalaje) dentro del tiempo aceptable total de 210000 (= 100000 + 50000 + 60000) minutos. ¿Cuántos de cada variante debe hacer la compañía por año y cuál es la ganancia asociada?

Solución del Planeamiento de la Producción Variables Si: xi es el número de unidades de la variante i (i = 1,2,3,4) hechas al año Tass es el número de minutos usados en el ensamblaje por año Tpol es el número de minutos usados en el pulimento por año Tpac es el número de minutos usados en el embalaje por año donde: xi >= 0 i=1,2,3,4 y Tass, Tpol, Tpac >= 0 Restricciones (a) definición del tiempo de operación Tass = 2x1 + 4x2 + 3x3 + 7x4 (ensamblaje) Tpol = 3x1 + 2x2 + 3x3 + 4x4 (pulimento) Tpac = 2x1 + 3x2 + 2x3 + 5x4 (embalaje)

0x3 + 4. donde el máximo de tiempo que puede ser tomado en cada operación es especificado. Un resumen de las entradas en el paquete computacional (WinQSB) para la primera situación considerada en el problema (máximo de tiempo que puede ser tomado en cada operación es especificado) se muestra a continuación: La solución de este problema también se muestra a continuación: .(b) limites del tiempo de operación Los límites de tiempo de operación dependen de la situación que está siendo considerada.5x2 + 3. donde la única limitación está en el tiempo total gastado en todas las operaciones. En la primera situación.5x1 + 2. simplemente tenemos: Tass + Tpol + Tpac <= 210000 (tiempo total) Objectivo Presumiblemente será maximizar la Ganancia – tendremos entonces: maximizar 1.5x4 dándonos la completa formulación del problema. tenemos simplemente: Tass <= 100000 (ensamblaje) Tpol <= 50000 (pulimento) Tpac <= 60000 (embalaje) En la segunda situación.

X3=6000 y X4=0.50). Las columnas Allowable Min/Max c(i) (Max/Min de c(i) Aceptable) en la tabla anterior nos dicen que. Tpac=60000. si dos o más cosas cambian entonces que necesitamos para resolver el problema de PL eficazmente: • Suponga que variamos el coeficiente de X2 en la función objetivo. con tal de que el coeficiente de X2 en la función objetivo varíe entre 2.5 (pero varía en el rango 2. Esta información se relaciona con: • • • cambiar el coeficiente de la función objetivo para una variable dada forzar una variable que es actualmente cero.3571 a 4.Podemos observar que la solución optima del problema de PL tiene los valores Ganancia = 58000 ($) para Tass=82000. Similares conclusiones pueden ser hechas para X1. Nosotros trataremos a su tiempo cada una de éstas. . los valores de las variables en la solución de PL óptima permanecerán inalterados.50. Tpol=50000. Ésta es entonces la solución de PL . X2=16000.3571 y 4. X3 y X4.pero resulta que el algoritmo del simplex nos da un poco más de información útil. ¿Cómo cambiará la solución óptima de la PL? Actualmente X1=0. X2=16000. X1=0. X3=6000 y X4=0. y note aquí que el análisis presentado debajo SÓLO se aplica para un solo cambio. ser no-cero cambiar el lado derecho de una restricción. En términos del problema original estamos efectivamente diciendo que la decisión de producir 16000 de la variante 2 y 6000 de la variante 3 permanece óptima aún cuando la ganancia por la unidad en variante 2 realmente no es 2. Note sin embargo que el valor de la solución óptimo real cambiará.

¿cuál sería su estimación del nuevo valor de la función objetivo? Note aquí que el valor en la columna Reduced Cost (Costo Reducido) para una variable a menudo se llama "opportunity cost" (costo de oportunidad) para la variable. • para las variables.50. Note aquí que una interpretación alternativa (e igualmente válida) del costo reducido es la cantidad por la cual el coeficiente de la función objetivo para una variable necesita cambiar antes de que esa variable se convierta en no-cero.2B Variable Costo de Oportunidad Nuevo valor (= o >=) La función objetivo siempre empeorará (disminuirá si tenemos un problema de maximización o aumentará si tenemos un problema de minimización) por lo menos en esta estimación.5 antes de que fuera aprovechable producir cualquiera de la variante 1. • para cada restricción la columna encabezada por Shadow Price (Precio de Sombra) nos dice exactamente cuánto la función objetivo cambiará si nosotros cambiamos el lado derecho de la restricción correspondiente dentro de los límites dados en las columnas Allowable Min/Max RHS (Min/Max Aceptable del Lado Derecho). Entonces para la variable X1 la función objetivo necesita cambiar en 1.30c . la columna Reduced Cost (Costo Reducido) nos da.80 b 0. Entonces tenemos la tabla X1 X4 1. para cada variable que es actualmente es cero (X1 y X4).80b Embalaje 0.3571 y 4.30 c 0.5 0.2 antes de que fuera aprovechable producir cualquiera de variante la 4. Si exactamente 100 de la variante 1 fueran a ser producidos. Semejantemente la ganancia por unidad en variante la 4 necesitaría aumentar en 0. una estimación de cuánto la función objetivo cambiará si las hacemos no-cero. la ganancia por unidad en la variante 1 necesitaría aumentar en 1. En otras palabras. esta estimación es el cambio exacto que ocurriría si fuéramos a resolver el PL con la correspondiente restricción para el nuevo valor de X1 o X4 agregado.En términos del algoritmo del Simplex esto se entiende porque en el simplex actual la solución básica (vértice de la región factible) permanece óptima siempre que el coeficiente de X2 de la función objetivo varíe entre 2. refiriéndose a nuestra situación original. Entonces podemos formar la tabla: Restricción Costo de Oportunidad (ignore signo) Cambio en lado derecho Cambio en Función Objetivo Ensamblaje 0 a 0 Pulimento 0. Para A o B muy grandes son más inexactos.2 X1=A X4=B X4>=B ó X1>=A Cambio estimado función objetivo 1.5A 0.5 (aumenta mientras que nosotros estemos maximizando) antes de que esa variable se convierta en no-cero.

a qué operación las asignaría usted? ¿si usted tuviera que tomar 50 horas entre el pulimento o el embalaje. capacidades de producción. si la restricción desaparece el precio sombra es cero (es decir si la restricción desapareciera.Límite Inferior del lado derecho Valor Actual del lado derecho Límite Superior del lado derecho 82000 100000 - 40000 50000 90000 33333. Esencialmente la interpretación de los resultados de la PL es algo que viene con la práctica. Note aquí que. cambios en costos. mejorar significa subir (bajar) Entonces: • • • • ¿si usted tuviera 100 horas extras.) sin ir a controversias/gastos al resolverse la PL. Mucha de la información obtenida (como la discutida anteriormente) derivada de la solución del problema de PL. Esta información de sensibilidad nos da una medida de cuan robusta es la solución. como parecería lógico. como lo expresado anteriormente. es decir cuán sensible es a los cambios en los datos de entrada. puede ser útil al análisis estimando el efecto de los cambios (ej. Comentarios: • • • • Los diferentes programas de PL tienen formatos diferentes para las entradas/salidas pero se obtiene la misma información como discutió anteriormente. cuál usted escogería? ¿qué valor de la nueva función objetivo será en estos dos casos? El valor en la columna Shadow Price (Precio Sombra) para la restricción se llama a menudo "marginal value" o "dual value" (valor marginal o valor dual). etc. Para decidir si la función objetiva subirá o abajo el uso: • • la restricción más (menos) restrictiva después del cambio en el lado derecho implica que la función objetivo empeora (mejora) si el objetivo es maximizar (minimizar) entonces empeorar significa bajar (subir). La dirección del cambio en la función objetivo (arriba o abajo) depende de la dirección del cambio en el lado derecho de la restricción y la naturaleza del objetivo (maximizar o minimizar).34 60000 75000 Por ejemplo para la restricción del pulimento. Usted puede haber encontrado muy confuso todo lo anterior. un pequeño cambio en el lado derecho no puede alterar la solución óptima). el cambio de la función objetivo será exactamente 0. el análisis relacionado con: .80 [cambio en el lado derecho de 50000]. con tal de que el lado derecho de ella permanezca entre 40000 y 90000. Note que.

Si dos (o más) cambios se hacen. X3=0. X4=0. el valor óptimo de la función objetivo es 22. Ejemplo de Sensibilidad en la Programación Lineal.5 o agregamos al problema la restricción x3 = 0. Considere el problema lineal: Maximize 3x1 + 7x2 + 4x3 + 9x4 sujeto a: x1 + 4x2 + 5x3 + 8x4 <= 9 x1 + 2x2 + 6x3 + 4x4 <= 7 xi >= 0 i=1.3. • • • • ¿Cuáles serán los valores de las variables en la solución óptima? ¿Cuál es el valor óptimo de la Función Objetivo? ¿Qué restricciones serán firmes? Cómo estimaría usted qué la función objetivo cambiaría si: o cambiamos el lado derecho de la restricción (1) a 10 o cambiamos el lado derecho de la restricción (2) a 6. la situación es más compleja y es aconsejable para resolver el problema de PL.0 . X2=1. y forzar una variable que es actualmente cero a ser no-cero.2. es sólo válido para un solo cambio.• • • cambios del coeficiente de la función objetivo para una variable.4 (1) (2) Solucione este problema lineal utilizando el programa WinQSB.7 Resolviendo el problema la solución es: Una interpretación de los resultados anteriores será: • • los valores de las variables son X1=5. y cambios en el lado derecho de una restricción.

Aunque esto es innecesario (ya que el programa automáticamente asume que cada variable es >= 0) no es incorrecto.5 = 9. Entonces si tenemos un problema de maximización esta disminuirá.0 + 0. La función objetivo empeorará (disminuirá) si se cambia cualquier variable que siempre sea cero en el óptimo de la PL a un valor no-cero. Mientras la restricción sea menos restrictiva la función objetiva mejorará.2.5. Note aquí que las (implícito) restricciones que aseguran que las variables son no-negativas (xi>=0 i=1.3. un cambio de la función objetivo = (10-9) x 0.0 .9. Note que el valor calculado aquí es sólo un estimado del cambio en el valor de la función objetivo. En cuanto a la restricción (1) anterior el nuevo valor del lado derecho de la restricción (2) está dentro de los límites en la columna de Allowable RHS (Min/Max Aceptable del Lado Derecho) vemos que el nuevo valor de la función objetivo será exactamente 22. Si hacemos la restricción más restrictiva la función objetivo empeorará.5 = 0. • • • Note que podemos.2.5 = 22. .3.25 = 20.5) x 2.1.25. explícitamente entrar las cuatro restricciones xi >= 0.5 un cambio de la función objetivo = (7-6.en particular. Entonces cuando tengamos un problema de maximización esta aumentará.4) son (por convenio) no consideradas en decidir qué restricciones son firmes. las figuras del Costo Reducido pueden ser diferentes.75 un cambio de la función objetivo = 0. Esto ilustra que tales figuras no son necesariamente definidas únicamente en la solución óptima de programación lineal. Sin embargo.7 x 13.4.0 . puede alterar algunas de las figuras de la solución . si deseamos.45 = 12.55.45. Refiriéndonos a la columna de Allowable RHS (Min/Max Aceptable del Lado Derecho) vemos que el nuevo valor (10) del lado derecho de la restricción (1) está dentro de los límites especificados allí para que el nuevo valor de la función objetivo sea exactamente 22. El cambio real puede ser diferente al del estimado (pero siempre será mayor o igual que esta estimado). i=1.• ambas restricciones son firmes (no tienen faltantes o sobrante).5 = 1. Se estima que disminuirá a 22.