UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL

ESCUELA DE FORMACIÓN PROFESIONAL DE INGENIERÍA MINAS

TEMA: ANALISIS DE SENSIBILIDAD

CURSO: ANALISIS DE SISTEMAS MINEROS

DOCENTE: Ing. KELVIS BERROCAL ARGUMEDO

ALUMNOS: GUTIERREZ SOSA, Jose Deyby.

PERLACIOS QUISPE, Jesus Edward
SULCA QUISPE, Kevin
VARGAS CHUCHON, Eduardo

Ayacucho - 2019
 INTRODUCCION
 En el mundo real, las condiciones de trabajo no suelen permanecer estáticas, sino
en continuo estado de cambio (sobretodo en la minería). Así, son usuales las
variaciones en los precios (tanto de productos finales como de materias primas,
mano de obra, etc.) y en las cantidades de recursos disponibles. Además, las mejoras
tecnológicas y el cambio de métodos productivos logran aumentar la productividad.
 El análisis de sensibilidad (o Post – optimalidad) se encarga precisamente de
estudiar cómo afectaría a la solución óptima y a la función objetivo el cambio
(dentro de un rango predeterminado) de uno de los parámetros mencionados,
manteniendo fijos los restantes.
OBJETIVOS
OBJETIVO GENERAL
 Analizar, investigar y discutir conceptos básicos propios de Análisis de Sensibilidad,
brindando aplicaciones prácticas a determinados problemas reales en minería.
OBJETIVO ESPECIFICO
 Aprender a interpretar los “outputs” de Lingo en relación al Análisis de
Sensibilidad.
 Dar explicaciones tanto numéricas como reales a dichos problemas comunes en
minería.
 Determinar las soluciones óptimas para problemas de programación lineal
utilizando el criterio pesimista, el criterio optimista y el criterio del valor esperado.
 ANÁLISIS DE SENSIBILIDAD O POST – OPTIMALIDAD

El Análisis de la Sensibilidad es un conjunto de operaciones posteriores a la obtención de la

solución óptima que sirven para estudiar y determinar la sensibilidad de la solución a los
cambios en las hipótesis. En los distintos campos de la ciencia se nos presentan situaciones
que requieren el uso del análisis de la sensibilidad. En el entorno comercial muchas veces
es impredecible e incierto debido a factores como cambios económicos, reglamentaciones
públicas, dependencia de subcontratistas y proveedores, etc. Los gerentes generalmente se
ven inmersos en un entorno dinámico e inestable donde aún los planes a corto plazo deben
reevaluarse constantemente y ajustarse de manera incremental. Todo esto requiere una
mentalidad orientada al cambio para hacer frente a las incertidumbres. Los investigadores
utilizan modelos matemáticos e informáticos para diversos entornos y propósitos, con
frecuencia para conocer los posibles resultados de uno o más planes de acción. Esto puede
relacionarse con inversiones financieras, alternativas de seguros, prácticas industriales e
impactos ambientales. El uso de modelos se ve perjudicado por la inevitable presencia de
incertidumbres, que surgen en distintas etapas, desde la construcción y corroboración del
modelo en sí hasta su uso. Se puede hacer frente a las incertidumbres de una manera más
«determinista». Este abordaje tiene distintos nombres tales como «modelación
determinista», «análisis de sensibilidad» y «análisis de estabilidad». La idea es generar, de
manera subjetiva, una lista ordenada de incertidumbres importantes que supuestamente
podrían tener un mayor impacto sobre el resultado final. Esto se lleva a cabo antes de
centrarse en los detalles de cualquier modelo. Pueden presentarse distintos niveles de
aceptación a distintos tipos de incertidumbre. Distintas incertidumbres tienen distintos
impactos sobre la fiabilidad, solidez y eficiencia del modelo. La relevancia del modelo
depende en gran medida del impacto de la incertidumbre sobre el resultado del análisis.
IMPORTANCIA DEL ANALISIS DE SENSIBILIDAD

El análisis de sensibilidad es una herramienta efectiva, por dos razones fundamentales:

 Primera: los modelos de programación lineal son con frecuencia grandes y
costosos; por lo tanto, no es costeable utilizar para un solo caso.
 Segunda: los elementos que se dan como datos para un problema de programación
lineal, la mayoría de las veces son estimaciones; por lo tanto, es necesario
investigar o tener en cuenta más de un conjunto de casos posibles.

HERRAMIENTA DE CALCULO
Para llevar a cabo el análisis de sensibilidad se recomienda dos formas diferentes, de
acuerdo a la tecnología disponible y a la complejidad del problema:
 Si se tiene una calculadora programable o computador y el problema es pequeño,
se puede solucionar el modelo nuevamente con los datos de experimentación,
tantas veces como se desee, para su posterior análisis.
 Si el problema es muy complejo, no es necesario resolver todo el modelo una y
otra vez sino que se pueden utilizar ciertas propiedades del método de
sensibilidad para hacer los ajustes a la solución optima.

3. CAMBIOS EN LOS PARAMETROS DEL MODELO

El análisis de sensibilidad se lleva a cabo en:

 Cambios en los niveles de los recursos escasos
 Cambios en los coeficientes de la función objetivo (coeficientes de variables
básicas y coeficientes de variables no básicas).
 Cambios en los coeficientes tecnológicos (variaciones en las aij para variables
básicas y no básicas).
 Supresión y adición de restricciones.
 Adición de nuevas variables.

El análisis que se va realizar se hará teniendo en cuenta el mayor impacto sobre la

solución optima debido a las variación de los valores en los parámetros por inexactitud en
las estimaciones. Se empezará por investigar las consecuencias de las variaciones en los
coeficientes de la función objetivo y recursos disponibles, que a juicio del autor son los de
mayor impacto, y posteriormente se continuara analizando las variables de las aij,
aparición de una nueva restricción o necesidad de adicionar una nueva variable.
4. CAMBIOS EN EL PL ORIGINAL
El nuevo problema puede diferir del original en uno o varios de los siguientes aspectos:
 Cambios en la disponibilidad de recursos (vector b).
 Cambios en los costos unitarios o utilidades (vector c).
 Cambios en los coeficientes tecnológicos (matriz aij).

5. ANÁLISIS DE POSTOPTIMALIDAD

El análisis de sensibilidad o postóptimal para los modelos de Programación Lineal, tiene

por objetivo identificar el impacto que resulta en los resultados del problema original
luego de determinadas variaciones en los parámetros, variables o restricciones del
modelo, sin que esto pase por resolver el problema nuevamente.
Es decir, ya sea si resolvemos nuestro modelo gráficamente o utilizando el Método
Simplex, lo que se busca es que estas variaciones o sensibilidad hagan uso de la solución y
valor óptimo actual, sin tener la necesidad de resolver para cada variación un nuevo
problema. En especial nos concentraremos en el análisis de sensibilidad o postóptimal que
hace uso de la tabla final del Método Simplex.
Dado que el análisis de sensibilidad se ocupa de la forma en que los cambios anteriores
afectan a la solución óptima, el análisis no comienza hasta que se obtiene, precisamente,
la solución óptima al problema de programación lineal original.
Por esto último al análisis de sensibilidad con frecuencia se le denomina análisis de
postoptimalidad.

Así pues, pese al cambio en alguno de los parámetros de la formulación original que dan
paso a un nuevo problema, no será necesario volver a resolver el problema desde el
principio.

6. ENTORNO DINÁMICO DE LOS NEGOCIOS

La principal razón de la importancia del análisis de sensibilidad para quienes toman las
decisiones es que los problemas reales ocurren en un medio ambiente dinámico. Los
precios de las materias primas varían, la demanda fluctúa, las empresas sustituyen
maquinaria y mano de obra, etc.
Si se ha utilizado un modelo de programación lineal en un entorno de este tipo
(dinámico), puede esperarse que con el paso del tiempo algunos de los coeficientes
cambian. Los administradores desearán determinar la forma en que esos cambios afectan
a la solución óptima del problema de programación lineal original.

7. PREDICCIÓN DE LAS CONDICIONES FUTURAS

El trabajo del equipo de investigación de operaciones apenas comienza cuando se ha

aplicado con éxito el método simplex para identificar una solución óptima del modelo.
Los valores de los parámetros que se usan en el modelo casi siempre son sólo
estimaciones basadas en una predicción de las condiciones futuras.
8. ESTIMACIÓN DE LOS PARÁMETROS
Los datos obtenidos para desarrollar estas estimaciones con frecuencia son bastante
imperfectos o no existen, así que los parámetros de la formulación original pueden
representar poco más que estimaciones optimistas o pesimistas que protegen los
intereses de los estimadores.
9. IMPORTANCIA DEL ANÁLISIS
Por estas razones es importante llevar a cabo un análisis de sensibilidad, para investigar el
efecto que tendría sobre la solución óptima proporcionada por el método símplex el
hecho de que los parámetros tomaran otros valores posibles.
• En general, habrá algunos parámetros a los que se les puede asignar cualquier valor
razonable sin que afecten la optimalidad de esta solución. Sin embargo, también habrá
parámetros con valores probables que lleven a una nueva solución óptima.
• Esta situación es particularmente seria, si la solución original adquiere valores
sustancialmente inferiores en la función objetivo, o quizá no factibles.
10. PARÁMETROS SENSIBLES

Por lo anterior, un objetivo fundamental del análisis de sensibilidad es identificar los

parámetros sensibles, (por ejemplo, los parámetros cuyos valores no pueden cambiar sin
que cambie la solución óptima). Para ciertos parámetros que no están clasificados como
sensibles, también puede resultar de gran utilidad determinar el intervalo de valores del
parámetro para el que la solución óptima no cambia.
11. INFORMACIÓN PRODUCTO DEL ANÁLISIS

La información de este tipo es invaluable en dos sentidos. Primero, identifica los

parámetros más importantes, con lo que se puede poder un cuidado especial al hacer sus
estimaciones y al seleccionar una solución que tenga un buen desempeño para la mayoría
de los valores posibles. Segundo, identifica los parámetros que será necesario controlar de
cerca cuando el estudio se lleve a la práctica. Si se descubre que el valor real de un
parámetro se encuentra fuera de su intervalo de valores permisibles, ésta es una señal
inminente de que es necesario cambiar la solución.

Conclusión

Ya finalizado el estudio, solo queda resaltar la amplias cualidades que nos ofrece la
utilización del análisis de la sensibilidad como la de mostrarnos cual son las posibles
variaciones resultantes en la solución óptima si es que cambian constantes dentro de las
restricciones o en la misma función objetivo, además de que nos ofrece su utilización el
poder conocer cuál es la validez que puede alcanzar nuestro modelo y que tan eficiente es
evaluando su varianza.
En conclusión, el análisis es una poderosa herramienta para ayudar a eliminar
incertidumbres en nuestro modelo y así impactar sobre la fiabilidad, solidez y eficiencia
del modelo logrando mayor conocimiento de los alcances y limitantes del modelo de
trabajo.