Академический Документы
Профессиональный Документы
Культура Документы
5 ANÁLISIS DE SENSIBILIDAD
Cuando escribimos un modelo, damos por aceptado que los valores de los parámetros se
conocen con incertidumbre; pero en realidad no siempre se cumple que los valores sean
verídicos, ya que por ejemplo las variaciones en los costos de los materiales, en la mano de
obra o en el precio de un producto, ocasionan cambios en los coeficientes de la función
objetivo. Así mismo las demoras en los envíos de los proveedores, las huelgas, los deterioros
no previstos y otros factores imponderables generan cambios en la disponibilidad de los
recursos.
Los cambios en el modelo matemático, que pueden cuantificarse a veces sin necesidad de
volver a resolver el modelo, se relacionan con:
CONCEPTO:
Se busca identificar qué ocurre con la actual solución óptima del escenario base si se cambian
uno o varios de los coeficientes que definen la función objetivo. La solución óptima actual
también lo será para el nuevo escenario siempre que los nuevos costos reducidos sean
mayores o iguales a cero (notar que también cambia el valor de la función objetivo en la actual
solución óptima). Es decir se debe cumplir que:
En caso contrario, se aplica el Simplex a partir de la tabla final del modelo original, con los
nuevos costos reducidos y nuevo valor de la actual solución básica.
Puede ser:
Sobre el ejemplo planteado, realizamos una modificación del coeficiente asociado a la variable
X1, suponemos que cambia de su valor actual C1= 1 al valor de C1= 3/2.
El actual W 1 es:
Ejemplo:
O lo que es lo mismo, que sustituyendo en la tabla óptima el valor del nuevo coeficiente C 2,
es decir:
2.5.2.- CAMBIOS EN LOS RECURSOS, bi
CONCEPTO:
El vector del lado derecho (vector recursos) asociado a las restricciones de un modelo
de Programación Lineal puede tener distintas interpretaciones prácticas como, por ejemplo,
la disponibilidad de insumos para la fabricación de determinados productos, limitantes de
capacidad, requisitos de demanda, entre otros.
En consecuencia resulta de interés analizar el impacto del cambio de uno o varios coeficientes
del vector de lado derecho sobre los resultados originales del modelo sin la necesidad de re-
optimizar, es decir, sin que tener que resolver nuevamente un modelo que incorpore los
cambios propuestos.
La forma de restablecer la factibilidad es por la vial del dual, ya que a una solución factible
primal le corresponde una solución óptima dual, por tanto, si la solución es infactible, la solución
del dual deja de ser óptima, y es posible seguir iterando por la vía del dual hasta encontrar una
solución óptima y factible, momento en el cual es posible establecer la solución
correspondiente de primal.
Ejemplo:
que se produce una modificación del término independiente de la primera restricción pasando
a tomar el valor de 5. La matriz B está formada por los vectores P 2 y PS2, es decir:
La tabla óptima será la misma que la original salvo los cambios en el valor de las variables y
en la función objetivo:
Unos de los puntos que hay que tener en cuenta cuando se va a analizar el cambio en los
coeficientes tecnológicos, es si los cambios ocurren en las variables básicas o en las no
básicas, ya que dependiendo de ello, se afecta o no la solución óptima que se tenga. Por
ejemplo, si el cambio se realiza a una variable no básica, seguramente al calcular su nuevo
costo de oportunidad pode resultar atractivo producir o no, ya que de obtenerse un costo de
oportunidad positivo, el tablero que hasta ese momento era óptimo, deja de serlo y se obtendría
a través del cambio en los coeficientes tecnológicos, una nueva solución. Los coeficientes
tecnológicos forman parte de los vectores asociados a las diferentes variables, vectores P i.
Como la repercusión, según se trate de una variable básica o no básica, puede ser muy
distinta, se estudiarán los dos casos por separado.
Los cambios en un vector básico afectan tanto a las condiciones de optimalidad, como a las
de factibilidad, dado que el vector Pj pertenece a la matriz B, y por tanto, sus modificaciones
pueden afectar sustancialmente al problema actual. Los cambios pueden ser múltiples, desde
hacer que la matriz inicial B sea una matriz singular, y, por tanto, sin inversa, hasta que las
modificaciones de ésta mantengan la factibilidad y la optimalidad dela solución actual. En el
caso de que la matriz original B devenga de una matriz singular, ya no se tiene procedimiento
para poder continuar y la alternativa en este caso es reiniciar el problema de su origen.
En el caso de que la matriz B siga siendo regular, y por tanto, sea posible obtener B-1, pueden
darse los casos siguientes:
- La solución se mantiene como factible, pero deja de ser óptima; en este caso es posible
seguir iterando a través del método simplex, hasta encontrar la solución óptima.
B).- Si Wj es cero, quiere decir que la solución actual es óptima, pero ya no es única, sino que
existe una solución alternativa a ésta.
C).- Si W j es mayor a cero, la solución actual deja de ser óptima y se deberá seguir iterando
hasta encontrar una nueva solución óptima. Otra forma de investigar el efecto de los cambios
en los coeficientes de la función objetivo, es calcular el intervalo para el que cada coeficiente
individual mantenga la solución óptima actual. Esto se hace reemplazando el Cj actual con Cj
+ Dj, donde Dj representa la cantidad (positiva o negativa) de cambio.
Ejemplo:
Sobre el problema que venimos usando anteriormente, vamos a suponer que se ha producido
un cambio en el coeficiente de la variable X1 de la primera restricción pasando del valor actual
de 1 al nuevo valor de 1/3.
Esta modificación afecta al rendimiento marginal de la variable X1, que será en este caso:
Con lo que la solución actual deja de ser óptima, por tanto debemos seguir iterando a través
del método simplex hasta encontrar la nueva solución óptima.