Univercidad vasconcelos de tabasco

ING: indusrial

Tema :
Analisis de sensibilidad

Equipo: 3
Joezer Isaí Arcos Fernandez
Amairani Cupil Echeverria
Perla Rubi Perez Hernnadez
Cristian Torres Perez

Grado:
4tº
GRUPO:
B
 INTRODUCCIÓN

Sabemos que las matematicas son una herramienta fundamental para realizar calculo, operaciones y obtener resultados. Porlo tanto, dentro del
Estudio de investigación de operaciones es recurrente la utilización de esta materia; partiendo de un modelo matematico interviene disntintos
Coeficientes esto puede estar sujeto a cambios fluctuaciones o errores. Por ello, su conocimiento no siempre es preciso y pueden cambiar en
Muchas ocaciones

En este trabajo de investigación se aborda sobre lo que es el analisis de sensibildad y la resolución de los problemas presentando los argumentos
Pertinentes y una metodologia practica sencilla en su aplicación
El analisis de sensiblidad nos permite explicar como obtener información de sensibildad de variables y restricciones. En este modelo de
Programación lineal es importante buscar la solución optima, pero a menudo es necesario saber que sucede cuando modifican los valores
de los datos
 Análisis de
sensibilidad
El análisis de sensibilidad en investigación de operaciones permite comprender
los efectos que se producen en una solución óptima.

Es una herramienta importante en la búsqueda de una solución óptima a

problemas de ingeniería en un proyecto en donde se debe determinar cómo le
afectarán diferentes parámetros.
Análisis de sensibilidad en investigación de
operaciones: ¿qué es?
𖤓 Es un análisis que busca determinar los efectos
producidos en la solución óptima por un cambio en
cualquier parámetro de un modelo de programación
lineal. Se investiga cómo afectará una modificación en
los coeficientes de las variables básicas y no básicas, en
los recursos disponibles o si se introduce una nueva
restricción.

𖤓 El objetivo es el de determinar hasta qué punto es fiable

la solución óptima según las alteraciones que puedan
darse. Hay que tener en cuenta que la solución se basa
en que los datos de partida se mantendrán constantes, lo
cual solo se da en periodos de tiempo cortos. Por tanto,
al utilizar este análisis, se puede prever cómo se
comportará ante los cambios que posiblemente surjan.
 ¿Cómo se efectúa el análisis?
El análisis debe abordar y verificar cada parámetro de manera individual. También se
expresarán los coeficientes de la función objetivo y los límites de las restricciones. Así, se
obtendrá información útil que permita determinar si la solución sigue siendo la óptima.
A la hora de llevarlo a cabo, es posible utilizar programas. Además, se seguirá este
procedimiento para agilizar las actividades:

𖤓 Revisión del modelo: En esta parte se establecen los cambios en los parámetros
que se quieren investigar. Estos pondrán a prueba la viabilidad de la solución
óptima y permitirán identificar los efectos que provocan.
𖤓 Conversión a la forma adecuada de eliminación Gauss: Esta metodología permite
convertir los datos en una tabla apropiada para identificar y evaluar la solución
actual.
𖤓 Prueba de factibilidad: Se examina si la solución es factible mediante la
comprobación de todas las variables básicas que aún tengan valores no negativos.
𖤓 Prueba de que la solución es óptima: La solución se verifica para determinar si es
o no óptima, ya que previamente se ha comprobado que es factible. Se
comprueban los coeficientes de las variables no básicas de la región Z que
permanecen no negativos.
𖤓 Optimización: Si la solución no supera alguna de las pruebas indicadas, se
procederá a optimizarla a partir de los resultados obtenidos. Así, se irá puliendo
hasta dar con los valores adecuados, aquellos que ofrezcan unas variables
satisfactorias en parámetros clave.
El Algoritmo del Simplex fue enunciado por George Dantzing en 1947,
Algoritm
siendo un procedimiento iterativo de búsqueda de la solución óptima en
problemas de programación lineal de cualquier tamaño. El desarrollo de
este algoritmo requiere de ciertas hipótesis de partida:
o
a) Proporcionalidad: la contribución de cada actividad al valor de la del
Simplex
función objetivo es proporcional, así como al valor de los términos
independientes de las restricciones.
b) Aditividad: No se permite la existencia de productos cruzados, de
manera que la combinación de varios procesos se obtiene como la suma de
los factores exigidos individualmente por cada uno de ellos.
c) Divisibilidad: todas las variables del modelo pueden tomar cualquier
valor no entero, siempre y cuando cumplan todas las restricciones del
programa, incluyendo la de no negatividad.
d) Certidumbre: todos los parámetros del modelo son conocidos con
certeza.
El problema que presenta el Algoritmo del Simplex es que no permite trabajar con desigualdades, por
lo que las inecuaciones correspondientes a las restricciones deben convertirse en ecuaciones. Para
ello, se introducen los procesos de holgura con un coeficiente técnico unitario, tantos como
desigualdades tenga el programa productivo.

Aplicado a nuestro ejemplo la matriz tecnológica ampliada quedaría de la siguiente forma:

En el caso de que alguna variable de holgura forme

parte de la solución óptima, tomando un valor
positivo, indicará la existencia de cierta cantidad de
ese factor disponible y no utilizado en la producción
de bienes reales, resultando ocioso. Por lo tanto, el
significado económico de una variable de holgura es
la capacidad inactiva o desocupada del factor
correspondiente. El rendimiento directo de estas
variables en la función objetivo es igual a cero.
Además, estas variables constituyen la solución
básica inicial (matriz identidad).
Si aplicamos el Algoritmo del Simplex a la empresa que habíamos tomado como ejemplo
de referencia tendríamos las iteraciones que muestra el siguiente cuadro:

A la vista de los resultados obtenidos, si la empresa quiere

obtener un beneficio máximo mensual de 19.500 debe fabricar y
vender 150 sillas y 120 sillones. Por otro lado, el hecho de que la
variable de holgura 2 tome un valor positivo de dos unidades,
implica la existencia de un 2% de capacidad ociosa del
departamento de producción (segunda restricción).

Consecuentemente, la solución óptima de nuestro programa

de producción estaría formada por los procesos P1, P3 y P5.
Tipos de análisis de sensibilidad
a) Variaciones en los términos independientes de las ecuaciones de
restricción, es decir, en la cantidad disponible de factores.

b) Variaciones en los coeficientes de la función objetivo. En el caso de que

el problema sea de maximización de beneficios, los coeficientes de la
función objetivo hacen referencia a los rendimientos directos de los
productos

c) La introducción de nuevos procesos

d) La variación de algún coeficiente técnico

e) La introducción de una nueva restricción

 Conclusión
El analisis de sensibildad se realiza despues de obtener la solución optima de un modelo lineal para determinar
como afectan los cambios en los parametros del modelo ala solución optima calculada. Los cambios se pueden
Producir en la matriz de coeficientes A, en el vector B y en el vector de precios C
 REFERENCIAS

OpenCourse (201) PDF. Investigación Operativa. “Programación lineal”

. Fuente: https://www.google.com/search?q=
Es+analisis+de+sensibilidad+cambios+en+los+coeficientes&client=ms-android-
samsung-gj-rev1&sxsrf=ALiCzsZsVK7sPxc