ANÁLISIS DE SENSIBILIDAD

OBJETIVO DEL ANALISIS DE SENSIBILIDAD

Al finalizar el estudiante podrá ser capaz de:

• Desarrollar un análisis de la pos-optimalidad sobre los

coeficientes de costos y sobre los límites de las restricciones.
• Analizar cuando es necesario introducir al modelo una nueva
variable y una nueva restricción.
 Maximizar z= 60 + 30 +20
Sujeto a 8 + 6 + 1 ≤ 48
4 + 2 + 1.5 ≤20
2 +1.5 + 0.5 ≤ 8
, , ≥0
TABLA OPTIMA

Cj Variable Solución 60 30 20 0 0 0
Básicas X1 X2 X3 S1 S2 S3
0 S1 24 0 -2 0 1 2 -8
20 X3 8 0 -2 1 0 2 -4
60 X1 2 1 1.25 0 0 -0.5 1.5
  zj 280 60 35 20 0 10 10
  cj-zj 0 -5 0 0 -10 -10
Análisis de sensibilidad para los coeficientes tecnológicos
Cj Variable Solución 60 30 20 0 0 0 La variable X2 no se produce, por lo que se cambiarán los
Básicas X1 X2 X3 S1 S2 S3
coeficientes para ver si puede ingresar a la base, lo cambios
0 S1 24 0 -2 0 1 2 -8 son los siguientes:
20 X3 8 0 -2 1 0 2 -4 Cambiando el coeficiente económico a
60 X1 2 1 1.25 0 0 -0.5 1.5
= 43 nueva utilidad y los coeficientes tecnológicos a
  zj 280 60 35 20 0 10 10
  cj-zj 0 -5 0 0 -10 -10

Una vez que se cambien los coeficientes, se debe calcular los nuevos valores en la tabla óptima, lo anterior
se hace aplicando las siguientes fórmulas:
-=
La columna actualizada es igual a: Inversa de la matriz * vector de requerimiento
 Análisis de sensibilidad para los coeficientes tecnológicos
Cj Variable Solución 60 30 20 0 0 0 Cj Variable Solución 60 43 20 0 0 0
Básicas X1 X2 X3 S1 S2 S3 Básica X1 X2 X3 S1 S2 S3

0 S1 24 0 -2 0 1 2 -8 0 S1 24 0 -7 0 1 2 -8
20 X3 8 0 -2 1 0 2 -4 20 X3 8 0 -4 1 0 2 -4
60 X1 2 1 1.25 0 0 -0.5 1.5 60 X1 2 1 2 0 0 -0.5 1.5
  zj 280 60 35 20 0 10 10   zj 280 60 40 20 0 10 10
  cj-zj 0 -5 0 0 -10 -10   cj-zj 0 3 0 0 -10 -10

Se Calcula la columna actualizada y el costo marginal el cual es igual:

- = 43 -
Como el precio sombra es positivo ingresa a la base, por lo tanto se debe encontrar los elementos restantes de

La columna actualizada es igual a: Inversa de la matriz * vector de requerimiento

 Análisis de sensibilidad para los coeficientes tecnológicos
Cj Variable Solución 60 43 20 0 0 0
Básica X1 X2 X3 S1 S2 S3

0 S1 24 0 -7 0 1 2 -8
20 X3 8 0 -4 1 0 2 -4
60 X1 2 1 2 0 0 -0.5 1.5
  zj 280 60 40 20 0 10 10
  cj-zj 0 3 0 0 -10 -10

Si aplicamos el algoritmo del Simplex a la última tabla, obtenemos la solución óptima del programa modificado, con los cambios en
la columna de la segunda variable. Dicha solución óptima es =1, = 12 z= 283

Cj Variable Solución 60 43 20 0 0 0
Básicas X1 X2 X3 S1 S2 S3

0 S1 31 3.5 0 0 1 0.25 -2.75

20 X3 12 2 0 1 0 1 -1
43 X2 1 0.5 1 0 0 -0.25 0.75
  zj 283 61.5 43 20 0 9.25 12.25
  cj-zj -1.5 0 0 0 -9.25 -12.25
 Adición de una variable de decisión
Se Considera el siguiente problema de programación lineal en el que se planifica la producción
de tres productos. En las que las variables de decisión X1, X2 y X3, que representan la cantidad de
lotes de jeans, de franela y amasados a fabricar, respectivamente, se ha formulado el siguiente
modelo de programación lineal:
MAX Z=400X1 + 200X2 + 300X3
s.a. 4X1+ 2X2 + X3  16 Disponibilidad de cortadores
X1 + 2X2 + 2X3  41 Disponibilidad de máquinas de coser
X1 + X2 + X3  20 Disponibilidad de empacadores
X1, X2, X3  0
 Adición de una variable de decisión
Su tabla óptima, con un valor de la función objetivo de 4,800, es:
Cj Basic Quantity 400 200 300 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3

Iteration 3                

300 X3 16 4 2 1 1 0 0
0 slack 2 9 -7 -2 0 -2 1 0
0 slack 3 4 -3 -1 0 -1 0 1
  zj 4,800 1200 600 300 300 0 0
  cj-zj   -800 -400 0 -300 0 0

Ahora supongamos que la empresa necesita necesitara producir otro artículo con los
siguientes requerimientos:
2 cortadores, 2 horas máquinas de coser y 1 empacador y cuya utilidad es de US$100. Por lo
tanto, se plantea la pregunta. ¿Merecerá la pena su elaboración? Y si merece la pena su
elaboración ¿En qué cantidad?
.
 Adición de una variable de decisión

Como el P.S= -500 no vale la pena su elaboración

 Adición de una variable de decisión
Si la utilidad cambiara a 610

Con la utilidad de US$610 si vale la pena su elaboración. Porque el precio sombra es positivo.

Cj Basic Quantity 400 200 300 610 0 0 0

Variable X1 X2 X3 X4 slack 1 slack 2 slack 3
s
Iteration 3                

300 X3 16 4 2 1 2 1 0 0
0 slack 2 9 -7 -2 0 -2 -2 1 0
0 slack 3 4 -3 -1 0 -1 -1 0 1
  zj 4,800 1200 600 300 600 300 0 0
  cj-zj   -800 -400 0 10 -300 0 0
 Adición de una variable de decisión
Cj Basic Quantity 400 200 300 610 0 0 0
Variables X1 X2 X3 X4 slack 1 slack 2 slack 3

Iteration 3                
300 X3 16 4 2 1 2 1 0 0
0 slack 2 9 -7 -2 0 -2 -2 1 0
0 slack 3 4 -3 -1 0 -1 -1 0 1
  zj 4,800 1200 600 300 600 300 0 0
  cj-zj   -800 -400 0 10 -300 0 0

Solución si se el C4= 610

Cj Basic Quantity 400 200 300 610 0 0 0
Variables X1 X2 X3 X4 slack 1 slack 2 slack 3

               
610 X1 8 2 1 1/2 1 1/2 0 0
0 slack 2 25 -3 0 1 0 -1 1 0
0 slack 3 12 -1 0 1/2 0 -1/2 0 1
  zj 4480 1220 610 305 610 305
  cj-zj -820 -410 -5 0 -305
 Adición de una nueva restricción

Cuando se considera la incorporación de una nueva restricción el primer paso es comprobar si la solución
optima del problema original la verifica, en este caso la solución también será optima para el problema
modificado.
Supongamos que en el caso del problema en estudio la empresa tiene un cambio en la tecnología de
fabricación que requiere agregar un proceso de lavado. Los requerimientos de lavado para producir lotes de
100 unidades de cada tipo de traje y la disponibilidad máxima de lavado se detallan a continuación.

Requerimientos de
Jeans Franelas Amasados Disp. máxima
lavado
Lavadores 3 3 2 40 personas
[personas/lote]

A partir del programa óptimo obtenido, ¿cuál es la nueva solución óptima?

 Adición de una nueva restricción
A partir del programa óptimo obtenido, ¿cuál es la nueva solución óptima?
Para esto se introduce una restricción y para esto se hace lo siguiente:
a. Comprobar si la solución óptima del problema original la verifica, en este caso la solución también será
óptima para el problema modificado. Para esto se estandariza la restricción y se despeja para la variable
que fue añadida y si la variable de holgura es :
• La actual solución la verifica y por lo tanto continúa siendo óptima y solo se necesita agregar al tablero de
la solución óptima.

• la solución es óptima pero degenerada pues variable es nula. Y esto significa que el modelo tiene al
menos una restricción redundante o sobrante; es decir no forman parte de la solución factible en el caso
del método gráfico y en el simplex nos hace hacer varias iteraciones con el mismo resultado. Es decir,
múltiples soluciones óptimas

• la solución actual no verifica la nueva restricción, y por tanto, es infactible para el nuevo problema, lo cual
se puede resolver restituyendo la factibilidad por la vía del dual.
 Adición de una nueva restricción

En este caso lo que se hace es verificar la nueva restricción; para verificar la nueva restricción lo que se
hace es que se estandariza agregando una variable de holgura:

Como 0 Decimos que la ecuación se verifica y los datos solo son agregados al tablero de la solución óptima. Lo
datos agregados quedan de la siguiente forma:
 Adición de una nueva restricción

Cj Basic Quantity 400 200 300 0 0 0 0

Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3                
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 40 3 3 2 0 0 0 1
  zj 4,800 1200 600 300 300 0 0 0
  cj-zj   -800 -400 0 -300 0 0 0

Como se observar en la columna sombreada en verde, la variable básica X3 no tiene la forma de

matriz identidad , por lo que en este caso en la fila de la nueva restricción se elimina el coeficiente 2 ya
que afecta a la variable básica X3, ya que esta variable básica debe continuar en forma de matriz
identidad. Para lo cual aplicamos el método simplex a la fila X3.
 Adición de una nueva restricción

Cj Basic Quantity 400 200 300 0 0 0 0

Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3                
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 8 -5 -1 0 -2 0 0 1
  zj 4,800 1200 600 300 300 0 0 0
  cj-zj   -800 -400 0 -300 0 0 0

(-2)X3 16 4 2 1 1 0 0 0
= -32 -8 -4 -2 -2 0 0 0
+S4 40 3 3 2 0 0 0 1
Nueva S4 8 -5 -1 0 -2 0 0 1
 Adición de una nueva restricción
Si la disponibilidad pasara de 40 a 20 la solución actual no verifica la nueva restricción.

En caso de que los datos de la tabla óptima no verifiquen la nueva restricción se sigue lo siguiente:
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3                
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 20 3 3 2 0 0 0 1
  zj 4,800 1200 600 300 300 0 0 0
  cj-zj   -800 -400 0 -300 0 0 0
 Adición de una nueva restricción
En este caso en la fila de la nueva restricción se elimina el coeficiente 2 ya que afecta a la variable básica X3,
ya que esta variable básica debe continuar en forma de matriz identidad. Para lo cual aplicamos el método
simplex a la fila X3.
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3                
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 20 3 3 2 0 0 0 1
  zj 4,800 1200 600 300 300 0 0 0
  cj-zj   -800 -400 0 -300 0 0 0

(-2)X3 16 4 2 1 1 0 0 0
= -32 -8 -4 -2 -2 0 0 0
+S4 20 3 3 2 0 0 0 1
Nueva S4 -12 -5 -1 0 -2 0 0 1
 Adición de una nueva restricción

Como al estar la tabla óptima en forma matricial observamos que S4 = -12, decimos que la solución es
infactible y para hacerlo factible se procede a aplicar el método simplex dual

Cj Basic Quantity 400 200 300 0 0 0 0

Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3                
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 -12 -5 -1 0 -2 0 0 1
  zj 4,800 1200 600 300 300 0 0 0
  cj-zj   -800 -400 0 -300 0 0 0
 Adición de una nueva restricción Como al estar la tabla óptima en forma
matricial observamos que S4 = -12, se procede a
aplicar el método simplex dual, el cual consiste
en buscar en la fila coeficientes negativos y
obtener la razón mínima dividiendo los precios
sombra entre los coeficientes negativos del
renglón .
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack slack slack slack
1 2 3 4
Iteration 3                
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0 •  
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 -12 -5 -1 0 -2 0 0 1
  zj 4,800 1200 600 300 300 0 0 0
  cj-zj   -800 -400 0 -300 0 0 0
La razón mínima es la de , por lo que entra a la
base y sale de la base
 Adición de una nueva restricción
Después de haber aplicado la dualidad la razón mínima es la S1, por la tanto entra a la base S1 y sale S4

Cj Basic Quantity 400 200 300 0 0 0 0

Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3                
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 -12 -5 -1 0 -2 0 0 1
  zj 4,800 1200 600 300 300 0 0 0
  cj-zj   -800 -400 0 -300 0 0 0
Ahora se procede a hacer uno el elemento pivote operacional, y cero los demás coeficientes de la
columna pivote.

(-1/2)S4 -12 -5 -1 0 -2 0 0 1
S1 6 5/2 1/2 0 1 0 0 -1/2
 Adición de una nueva restricción
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3                
300 X3 10 3/2 3/2 1 0 0 0 1/2
0 slack 2 21 -2 -1 0 0 1 0 -1
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 1 6 5/2 1/2 0 1 0 0 -1/2
  zj 4,800 1200 600 300 300 0 0 0
  cj-zj   -800 -400 0 -300 0 0 0

(-1)S1 6 5/2 1/2 0 1 0 0 -1/2

= -6 -5/2 -1/2 0 -1 0 0 1/2
+X3 16 4 2 1 1 0 0 0
Nueva 𝑋3 10 3/2 3/2 1 0 0 0 1/2

(2)S1 6 5/2 1/2 0 1 0 0 -1/2

= 12 5 1 0 2 0 0 -1
+S2 9 -7 -2 0 -2 1 0 0
Nueva S2 21 -2 -1 0 0 1 0 -1
 Adición de una nueva restricción

Cj Basic Quantity 400 200 300 0 0 0 0

Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3                
300 X3 10 3/2 3/2 1 0 0 0 1/2
0 slack 2 21 -2 -1 0 0 1 0 -1
0 slack 3 10 -1/2 -1/2 0 0 0 1 -1/2
0 slack 1 6 5/2 1/2 0 1 0 0 -1/2
  zj 4,800 1200 600 300 300 0 0 0
  cj-zj   -800 -400 0 -300 0 0 0

(1)S1 6 5/2 1/2 0 1 0 0 -1/2

= 6 5/2 1/2 0 1 0 0 -1/2
+S3 4 -3 -1 0 -1 0 1 0
Nueva S3 10 -1/2 -1/2 0 0 0 1 -1/2