ANLISIS DE SENSIBILIDAD

Anlisis de Sensibilidad, llamado tambin Anlisis de Post-optimizacin, es una de las partes ms importantes en la programacin lineal, es utilizada para tomar en consideracin los cambios que pueden ocurrir en los elementos componentes del modelo que consiste en determinar que tan sensible es la respuesta ptima del mtodo simplex, al cambio de algunos datos como las ganancias o costos unitarios (coeficientes de la funcin objetivo) o la disponibilidad de los recursos (trminos independientes de las restricciones), que se refieren a permutas en coeficientes, variables, restricciones y Funcin Objetivo. Objetivo principal del anlisis de sensibilidad: Establecer un intervalo de nmeros reales en el cual el dato que se analiza puede estar contenido, de tal manera que la solucin sigue siendo ptima siempre que el dato pertenezca a dicho intervalo Investigar el cambio en la solucin ptima del problema, cuando se producen cambios en los parmetros del modelo

ASPECTOS RELEVANTES DE LA TEORA DE ANLISIS DE SENSIBILIDAD

Siendo determinstico, el modelo de Programacin Lineal, asume que se conocen con certeza sus datos de insumo. Sin embargo, nada en la vida es constante. Por ello, el anlisis de sensibilidad justifica plenamente la utilizacin de este modelo al presentar los efectos de los cambios que pueden ocurrir durante el periodo de planificacin para el que se est utilizando el modelo, y an durante la solucin del mismo. Cuando cambia un nmero, insumo del modelo, tal como un coeficiente o parmetro, o un lado derecho de una restriccin, el anlisis de sensibilidad de la solucin muestra un rango de valores dentro de los cuales ese nmero puede cambiar sin cambiar la solucin bsica obtenida. Disminuir el lado derecho de una restriccin del Tipo mayor o igual que ( ) o incrementarlo en una restriccin del Tipo menor o igual que ( ) implica hacerla ms fcil de satisfacer. El espacio de solucin, en estos casos, se expande o lo deja igual. Disminuir el lado derecho de una restriccin del Tipo menor o igual que ( ) o incrementarlo en una restriccin del Tipo mayor o igual que ( ) implica hacerla ms difcil de satisfacer. El espacio de solucin, en estos casos, se contrae o lo deja igual.

 Cuando ocurren cambios en el nmero de variables, aparece una nueva restriccin o cambian todos los coeficientes en el objetivo, el anlisis de sensibilidad indicar el efecto que esto ocasiona sobre la solucin bsica. Debe recordar que el anlisis se refiere a la sensibilidad de la solucin bsica ptima, no a la sensibilidad de un coeficiente o de una restriccin, etc. La Dualidad en Programacin Lineal tiene su esencia en el hecho de existir dos modelos lineales cuando se ha planteado slo uno para resolver un problema especfico. El modelo Lineal asociado al Modelo Lineal Original o Principal se denomina Modelo Dual. Cuando se obtiene la solucin de uno, se est obteniendo tambin la solucin del otro. El Modelo Dual contiene: a) Una cantidad de variables igual a la cantidad de restricciones que existan en el modelo original, b) Una cantidad de restricciones igual a la cantidad de variables que existan en el modelo original. En el Modelo Dual el lado derecho de sus restricciones est conformado por los coeficientes de las variables de la Funcin Objetivo en el modelo original. A su vez, el lado derecho de las restricciones del modelo original conforma los coeficientes de la Funcin Objetivo del modelo Dual. Los coeficientes de cada restriccin en el Modelo Dual corresponden a los coeficientes de cada variable del modelo original. La Funcin Objetivo del Modelo Dual es el reverso de la Funcin Objetivo original. Si en el modelo original se maximiza, en el Dual se minimiza y viceversa. Para la elaboracin del Modelo Dual, a partir de un modelo normal de minimizacin (todas las restricciones son del Tipo ) y de un modelo normal de maximizacin (todas las restricciones son del Tipo ), se revierte el sentido de las desigualdades y el signo de las variables. La solucin del Modelo Dual provee informacin adicional para la decisin que se tomar con la solucin del modelo original. Cada variable Dual informa en cunto variar la Funcin Objetivo del modelo original por cada unidad en que se incremente el lado derecho de la restriccin, del modelo original, a la que se refiere esa variable dual. Siempre y cuando esa unidad de incremento sea realmente utilizada. Esto permite determinar la conveniencia o no de incrementar un determinado lado derecho de una restriccin. Los incrementos permitidos, en el lado derecho de las restricciones, los informar el rango dado por el anlisis de sensibilidad de la solucin cuando estos elementos cambian. Ms all de esos montos, la solucin bsica cambiar.

 Las variables duales son vlidas slo para la respectiva solucin bsica ptima. Si la solucin bsica ptima cambia, las variables duales cambian. Slo en un mnimo nmero de casos permanecen con sus valores. Si existen dos soluciones posibles para dos modelos (El original y el Dual) de tal manera que los valores de sus respectivas funciones objetivo son iguales, se puede concluir que ambas soluciones son ptimas para sus respectivos modelos.

CAMBIOS EN LOS COEFICIENTES DE LA FUNCIN OBJETIVO

Tambin puede ser llamado cambio en la relacin ganancia-costos.

Los coeficientes de la funcin objetivo pueden cambiar dentro de los lmites sin que se afecten los valores ptimos de las variables, no obstante cambiar el valor ptimo de z. La funcin objetivo nunca se utiliza como ecuacin pivote. Por lo tanto, cualquier cambio en los coeficientes de la funcin objetivo afectarn solamente a la funcin objetivo en la tabla ptima. Esto significa que estos cambios pueden tener el efecto de hacer la solucin no ptima. La meta de este consiste en determinar el intervalo de variacin de los coeficientes objeto (uno a la vez), para el cual se mantiene sin variacin la solucin ptima actual.

Surgen dos casos distintos que dependen que la variable sea o no bsica en la tabla ptima: Caso 1: Variables bsicas. Cualquier cambio en los coeficientes originales de las variables bsicas ptimas, afectar a todos los coeficientes no bsicos en el rengln objetivo de la tabla ptima. Este cambio puede afectar el ptimo actual porque una o ms de sus variables pueden llegar a elegirse para entrar en la solucin bsica. Los nicos cambios en la tabla ocurren en los coeficientes no bsicos en el rengln z.

Caso 2: Variables no bsicas. El caso de las variables no bsicas es ms sencillo, ya que los cambios en sus coeficientes objetivos originales pueden afectar slo a los coeficientes de la ecuacin Z. Esto se debe a que la columna correspondiente no se utiliza como pivote, como sucede en una columna bsica.

 Coeficientes objetivo ptimos de las variables no bsicas se denominan, en general, costos reducidos, ya que representan la tasa neta de decremento del valor objetivo ptimo, que se obtiene al incrementar la variable no bsica asociada. CAMBIOS EN LOS VALORES DEL LADO DERECHO DE LAS RESTRICCIONES

Consiste en el cambio de uno o ms los parmetros. Los nicos cambios que resultan en la tabla simplex final se encuentran en la columna del lado derecho, por lo cual, se pueden omitir del procedimiento general tanto la conversin a la forma apropiada de eliminacin de Gauss como la prueba optimalidad. Cuando el vector de valores bi (lado derecho) se cambia de b a b, las frmulas para calcular la nueva columna del lado derecho en la tabla simplex final son: Lado derecho del rengln 0 final: Z* = y* b Lado derecho de los renglones 1, 2,. . ., m: b* = S* b

INCLUSIN DE UNA NUEVA RESTRICCIN Para saber si la actual solucin y valor ptimo se mantendr luego de incorporar una nueva restriccin al problema se debe evaluar la solucin actual y verificar si satisface la nueva restriccin. En caso afirmativo, la actual solucin tambin lo ser del problema con la nueva restriccin, en caso contrario se incorporar la nueva restriccin a la tabla final del Simplex del escenario base. INCLUSIN DE UNA NUEVA VARIABLE Debemos evaluar si la nueva variable es un aporte significativo a los resultados del modelo original. Luego, para decir si la actual solucin bsica es ptima para el nuevo problema, calculamos el costo reducido de la nueva variable como:

donde k es el ndice de la nueva variable y Ak su respectiva columna en la matriz de coeficientes. Si se cumple que rk0 se conserva la actual solucin ptima. En caso contrario, se puede seguir con el Simplex agregando a la tabla una nueva columna con entradas B-1Ak y rk y tomando como variable entrante a la nueva base la que acabamos de introducir al problema. Procedimiento Revisin del modelo: Se hacen los cambios deseados en el modelo que se va a investigar.

 Revisin de la tabla Simplex final: Utilizacin de la idea fundamental para determinar los cambios en la tabla. Conversin a la forma apropiada: Conversin de tabla en la forma apropiada para identificar y evaluar la solucin bsica actual. Prueba de factibilidad: Verificar que todas las variables bsicas sigan teniendo valores no negativos en el segundo miembro. Prueba de optimidad: Verificacin si solucin e s optima. Coeficientes variables no bsicas en el rengln 0 sigan siendo no negativos. Reoptimizacin: Si no pasa cualquiera de las pruebas, se puede obtener la nueva solucin, partiendo de la tabla actual haciendo las conversiones necesarias.

PROBLEMA PROPUESTO

Una fbrica de ladrillos produce cuatro tipos de ladrillo de cemento. El proceso de fabricacin est compuesto de tres etapas: mezclado, vibrado e inspeccin. Dentro del prximo mes se dispone de 800 horas de mquina para mezclado, 1000 horas de mquina para vibrado y 340 horas-hombre para inspeccin. La fbrica desea maximizar las utilidades dentro de este perodo, y para ello ha formulado el modelo de programacin lineal siguiente:

Maximizar Z = 8X1 + 14X2 + 30X3 + 50X4

0.5X1 + 0.

Donde X1 representa la cantidad de ladrillo del tipo i. El resto de los parmetros se explican por s solo. Para conocer cul es la Solucin ptima para este problema, se resuelve el modelo planteado por medio del Mtodo Simplex

Maximizar Z = 8X1 + 14X2 + 30X3 + 50X4

X1 + 2X2 + 10X3 + 16X4 + S1 = 800 1.5X1 + 2X2 + 4X3 + 5X4 + S2 = 1000 0.5X1 + 0.6X2 + X3 + 2X4 + S3 = 340

Variables no Bsicas X1 = 0 X2 = 0 X3 = 0 X4 = 0

Variables Bsicas S1 = 800 S2 = 1000 S3 = 340

Z = 8X1 + 14X2 + 30X3 + 50X4 Z - 8X1 - 14X2 - 30X3 - 50X4 = 0 TABLA # 1

Variables Bsicas Z Z S1 S2 S3 1 0 0 0 X1 -8 1 3/2 1/2 X2 -14 2 2 3/5 X3 -30 10 4 1 X4 -50 16 5 2 S1 0 1 0 0 S2 0 0 1 0 S3 0 0 0 1 Valor 0 800 1000 340

TABLA # 2 Variables Bsicas Z Z 1 X4 S2 S3 0 0 0 X1 X2 X3 X4 0 1 7/8 0 S1 S2 S3 0 0 1 0

-39/8 -31/4 5/4 31/500 1/8 1187/1000 3/8 7/20 5/8 11/8 -1/4

31/10 0 31/500 0 0 -1/8

-39/125 0 1

TABLA # 3

Variables Bsicas Z Z X2 S2 S3 1 0 0 0 X1 -1 X2 0 1 X3 40 5 0 -2 X4 62 8 -6 S1 S2 S3 0 0 Valor 5600 400 1 100 0 200

279/40 0 -11 0

499/1000 1/5 0

999/1000 1

-14/5 -3/10 0

TABLA # 4

Variables Bsicas Z Z X2 X1 S3 1 0 0 0 X1 0 0 1 0 X2 0 1 0 0 X3 28 11 -12 2/5 X4 40 19 -22 8/5 S1 S2 S3 0 0 0 1 Valor 6000 200 400 20

359/40 2 -1/2 2 -1 2

-7/10 -2/5

Como todos los coeficientes de las variables en la ecuacin Z (Funcin Objetivo) son positivos y como el modelo es de maximizacin, entonces la Solucin ptima Bsica Factible es cuando:

X1 = 400 X2 = 200 X3 = 0 X4 = 0 Z = 6000

Cambios en la variable no bsica

Maximizar Z = 10X1 + 14X2 + 30X3 + 50X4

X1, X2 , X1 + 2X2 + 10X3 + 16X4 + S1 = 800 1.5X1 + 2X2 + 4X3 + 5X4 + S2 = 1000 0.5X1 + 0.6X2 + X3 + 2X4 + S3 = 340

Variables no Bsicas X1 = 0 X2 = 0 X3 = 0 X4 = 0

Variables Bsicas S1 = 800 S2 = 1000 S3 = 340

Z = 10X1 + 14X2 + 30X3 + 50X4 Z - 10X1 - 14X2 - 30X3 - 50X4 = 0

TABLA # 1

Variables Bsicas Z Z 1 S1 S2 S3 0 0 0 X1 -10 1 3/2 1/2 X2 -14 2 2 3/5 X3 -30 10 4 1 X4 -50 16 5 2 S1 0 1 0 0 S2 0 0 1 0 S3 0 0 0 1 Valor 0 800 1000 340

TABLA # 2

Variables Bsicas Z Z 1 X4 S2 1000 S3 0 0 11/8 0 X1 X2 X3 X4 0 1 S1 25/8 S2 0 S3 0 0 Valor 2500 50

-55/8 -31/4 5/4 31/500 1/8 1187/ 7/8 3/8 0 7/20 5/8

31/500 0

-39/125 -1/4 0

1 -1/8

0 0

750 1 240

TABLA # 3

Variables Bsicas Z Z 1 X1 X2 X3 0 X4 40 S1 62 S2 S3 Valor 0 0 5600

-3031/1000

6969/1000

X2 S2 S3

0 0 0

2/10

1 0 0

5 -6 -2

8 -11

0 1

0 0 1

400 200 100

-14/5 -3/10 0

TABLA # 4

Variables Bsicas Z Z X1 X2 0 X3 X4 S1 S2 S3 10 Valor 3031/500 0

1 0 34062/5 0 0 0 0 1 0

907/250

27659/500

X2 X1 S3

1 0 0

11 -12 0.4

19 -22 1.6

-0.5 2 -0.7

-1 2 -0.4

0 0 1

200 400 20

X1 = 400 X2 = 200 X3 = 0 X4 = 0 Z = 34062/5

Segn lo observado se puede concluir que al realizar el cambio en la funcin objetivo este no se encontraba dentro de los lmites ya que se afectaron los valores ptimos de las variables, no obstante cambi el valor de z.