Dualidad y Anlisis de

Sensibilidad
DOCENTE:

Arq. Lucila Aguilar Rivero

INTEGRANTES:

Arzpalo Alcocer Jess A.

Chay Tun Rodrigo Rene
Uc Caamal Carlos Alberto
INGENIERA INDUSTRIAL 4 A
24-04-16

INTRODUCCIN

En el presente trabajo veremos que a cada problema de programacin

lineal se le asocia otro problema de programacin de igual manera ver y
comparar los resultados de los dems problemas, as como la
ejemplificacin de los mismos para su mejor entendimiento.

Tambin cabe mencionar que el trabajo a revisar, es una recopilacin de

una gama de investigacin hecha de varias fuentes confiables para un
mejor entendimiento y anlisis.

3.1 DUALIDAD Y ANLISIS DE

SENSIBILIDAD

El anlisis de sensibilidad concierne el

estudio de posibles cambios en la
solucin ptima disponible como
resultado de hacer cambios en el
modelo original.

Definiciones generales del Anlisis de

sensibilidad:

Efecto neto, es la ganancia o prdida

por unidad adicional de una variable
que entra a la base. El efecto neto de
una variable bsica siempre ser cero

Las relaciones entre el primal y el dual

se utilizan para reducir el esfuerzo de
computo en ciertos problemas y para
obtener informacin adicional sobre las
variaciones en la solucin ptima
debidas a ciertos cambios en los
coeficientes y en la formulacin del
problema. Esto se conoce como anlisis
de sensibilidad o post-optimidad.

3.2Formulacion Del problema dual

Cada problema de programacin lineal tiene un segundo problema asociado con el. Un
se denomina primal y el otro dual. Los 2 poseen propiedades muy relacionadas, de tal
manera que la solucin ptima a un problema proporciona informacin completa sobre
solucin ptima para el otro.

La solucin ptima del problema de programacin dual, proporciona la siguiente

informacin respecto del problema de programacin original:

La solucin ptima del problema dual proporciona los precios en el mercado o los
beneficios de los recursos escasos asignados en el problema original.

La solucin ptima del problema dual aporta la solucin ptima del problema original y
viceversa.


EJEMPLO 1:

Una compaa produce y vende 2 tipos de mquinas de escribir: manual y elctrica.

Cada mquina de escribir manual es vendida por un ingreso de 40 dls. y cada mquina
de escribir elctrica produce un ingreso de 60 dls. Ambas mquinas tienen que ser
procesadas (ensambladas y empacadas) a travs de 2 operaciones diferentes (O1 y O2).

La compaa tiene una capacidad de 2000 hrs. Mensuales para la operacin O1 y 1000
hrs. Mensuales de la operacin O2.

El nmero de horas requeridas de O1 y O2 para producir un modelo terminado se da en

la siguiente tabla.

A) Encuentre el nmero ptimo de unidades de cada tipo de mquina de

escribir que se debe producir mensualmente para maximizar el ingreso.

OBJETIVO: Maximizar el ingreso total

RESTRICCIONES: horas mensuales de las operaciones

VARIABLE DE DECISION: nmero de mquinas de escribir a producir

X1= nmero de mquinas de escribir manuales

X2= nmero de mquinas de escribir elctricas

Ejemplo 2:

Recordemos que elMtodo Simplexsolo es posible por la formacin

de la matriz identidad, sin embargo en una matriz identidad no
pueden ir coeficientes negativos, el cual es el caso, por ende
recurriremos al artificio denominado "Mtodo de la M grande"
utilizando variables artificiales, las cuales siempre se suman.

3.3 relacin prima dual

Asociado a cada problema lineal existe otro problema de programacin

lineal denominado problema dual que posee importantes propiedades y
relaciones notables con respecto al problema lineal original, problema
que para diferencia del dual se denomina entonces como problema
primal (PP)

Las relaciones son:

El problema dual tiene tantas variables como restricciones.

El problema dual tiene tantas restricciones como variables.

Los coeficientes de la funcin objetivo del problema dual son los trminos
independientes de las restricciones.

Los trminos independientes del las restricciones son los coeficientes de la funcin
objetivo del problema dual.

La matriz de coeficientes tcnicos del problema dual es la traspuesta de la matriz tcnica

del problema dual.

El sentido de las desigualdades de las restricciones del problema dual y el signo de las
variables del mismo problema, dependen de la forma de que tenga el signo del as
variables del problema primal y del sentido de las restricciones del mismo problema.

RELACION DE LOS PROBLEMAS PRIMO Y DUAL

Ejemplo 1:

Ejemplo 2:

Ejemplo 3:

3.4. Mtodo Dual - Simplex.

Aprovechando las propiedades de los problemas asociados primal y dual, se
desarroll el mtodo dual-simplex que se aplica: en algunos casos de anlisis
de sensibilidad, como ocurre en cambios de los recursos del problema;
tambin para resolver problemas de objetivo mnimo y al menos una
restriccin de tipo >=, o para ahorro en clculos evitando los mtodos
simplex penal y dos fases. Se aplica cuando el problema cambia a no factible,
pero el rengln Z se presenta ptimo. Ahora observe y compare la aplicacin
() de criterios
del simplex
en coeficientes
del modelo
de PL
a los
Figura
3-1. Criterios
del simplex
en coeficientes
del modelo
de resumido,
PL resumido,
a
problemas
primal
y dual.
los
problemas
primal
y dual.

Enseguida se presenta una comparacin funcional del

simplex y el dual simplex.
Figura 3-2. Comparacin funcional del simplex y el dual simplex

Criterios del mtodo dual-simplex para el cambio de base.

En el algoritmo dual-simplex aplican los siguientes criterios para cambio de base:
Criterio de factibilidad.- Se aplica en el dual-simplex para determinar, entre las variables bsicas, una VS que
salga de la base, eligiendo para salir la que corresponda al valor ms negativo en la columna de solucin. Esto es
vlido tanto para el objetivo mnimo como para el mximo.
Criterio de optimalidad.- Se aplica en el dual-simplex para determinar, entre las variables no bsicas, una VE
que entre a la base con el siguiente procedimiento:
Figura 3-3. Criterio de Optimalidad en el mtodo dual-simplex.

Elemento Pivote.- Se ubica como pivote al coeficiente que corresponde al cruce del rengln y columna elegidos
con los criterios del cambio de base.

EJEMPLO #1
Ejemplo 3-1. Aplica dual simplex a un PL con 4 restricciones >= (DUX1).

EJEMPLO #1
Ejemplo 3-1. Aplica dual simplex a un PL con 4 restricciones >= (DUX1).

PASOS:
1) Consiga infactibilidad en restricciones tipo >=, (multiplique por -1):

2) Arregle la funcin Z; consiga la matriz I de base, sume holguras H i, como sigue:

3) Tabule coeficientes y aplique el dual-simplex; elija variables VS, VE y pivote as:

Figura 3-4. Tablas del Dual-simplex aplicado al ejemplo DUX1.

EJEMPLO #2

Ejemplo 3-2. Aplica dual-simplex a un PL con 2 restricciones >= y 1 restriccin

<= (DUX2).

 3) Construya la tabla y aplique el algoritmo dual simplex:

Figura 3-5. Tablas del Dual-simplex aplicado en ejemplo DUX2.

3.5. Anlisis de sensibilidad: cambio en el

vector recursos (bj) y sus lmites, cambio
en el vector (Ci) y sus lmites, adicin de
una variable (Xi), cambio en coeficientes
tecnolgicos (aij), Adicin de una nueva
restriccin

 Los parmetros del modelo (aij, bi y cj )sonconstantes

conocidas.En realidad, los valores de los parmetros que se usan
en
este
modelo
son
slo
estimacionesbasadas
en
unaprediccinde las condiciones futuras.
En realidad, los valores de los parmetros que se usan en este
modelo son slo estimacionesbasadas en unaprediccinde las
condiciones futuras.

Un problema puede diferir del original en uno o varios aspectos

1.cambios de disponibilidad (vector b)

2.cambios en los costos unitarios o utilidades (vector c)
3.cambios en los coeficientes tecnolgicos (matriz aij)

 Considere una variable especfica

xj (j fija) que sea no bsica en la solucin ptima dada en la
tabla simplex final. El caso 2a es aquel en el que los nicos
cambios al modelo actual ocurren en uno o ms de los
coeficientes de esta variable, cj, a1j, a2j........,amj. Entonces, si cj
y aij, denotan los nuevos valores de estos parmetros con Aj,
(columna j de la matriz A) como el vector que contiene a aij, se
tiene para el modelo revisado.
cambio en los coeficientes tecnolgicos (aij), incorporacin de
una nueva variable (Nuevo producto Xj) y adicin de una nueva
restriccin

 Anlisis de sensibilidad del coeficiente del lado derecho:

Cualquier cambio en el lado derecho (bj) de una restriccin activa
cambiara la solucin optima
Cualquier cambio en lado derecho de una restriccin no activa
que sea menor que la holgura o el exceso , no produce ningn
cambio en la solucin

Procedimiento para anlisis de

sensibilidad

1 revisin del modelo :se hacen los cambios deseados en el modelo que
se va a investigar

2 revisin de tabla simplex final : se emplea la idea fundamental para

determinar los cambios que resultan en la tabla simplex final

3 conservacin a la forma apropiada : se convierte esta tabla en la

forma apropiada para identificar y evaluar la solucin bsica actual
aplicando (segn sea necesario ) eliminacin de Gauss

4 prueba de facilidad : se prueba la facilidad de esta solucin

verificando que todas las variables bsicas sigan teniendo valores no
negativos en la columna del lado derecho

5 prueba de optimalidad : se verifica si esta solucin es optima (si es

factible) comprobando de que todos los coeficientes de las variables
no son bsicas en el rengln 0 sigan siendo no negativos.

6 reoptimizacion : si esta solucin no pasa cualquiera de las pruebas se

puede obtener (si se desea) la nueva solucin optima partiendo de la
tabla actual como tabla simplex inicial (haciendo las conversiones
necesarias)para el mtodo simplex o el simplex dual .

Tabla ejemplo

Ejercicio de ejemplo

3.6. Interpretacin del anlisis de

sensibilidad

Para los modelos de Programacin Lineal, tiene por objetivoidentificar el

impacto que resulta en los resultados del problema original luego de
determinadas variaciones en los parmetros, variables o restricciones
del modelo, sin que esto pase por resolver el problema nuevamente.

Es decir, ya sea si resolvemos nuestro modelo grficamente o utilizando

el Mtodo Simplex, lo que se busca es que estas variaciones o
sensibilidad hagan uso de la solucin y valor ptimo actual, sin tener la
necesidad de resolver para cada variacin un nuevo problema. En
especial nos concentraremos en el anlisis de sensibilidad o postoptimal
que hace uso de la tabla final del Mtodo Simplex.

Conceptos de anlisis de sensibilidad:

* Reduccin de costos.

* Rango de optimalidad.

* Precios sombra.

* Rango de factibilidad.

* Holgura complementaria.

* Agregar restricciones/variables

3.7. Uso de software

WinQSB tiene muchos mdulos de utilidad, pero para nuestro tema de

dualidad y anlisis de sensibilidad usaremos el comn mdulo de
programacin lineal

Abriendo el mdulo tendremos la pantalla principal del programa donde

iremos a la pestaa File y daremos un clic en new problem para que
comience la captura de datos

Para nuestro caso, retomaremos este ejemplo:

F.O:

Max Z= 10x1+18x2+7x3

40x1

3x1 +

6x2

50x2

+60x3

+2x3

X1

<=10000
<=600
<=130

x2

<= 80
x3

<=200

Los datos del problema se transcriben al programa

Posteriormente, resolvemos el simplex podemos hacerlo rpidamente

con el icono designado para ello- para proceder al siguiente paso

Acceso

Cabe sealar, que sin hacer este procedimiento la pestaa Results no

estar disponible para seleccin.

Al resolver el simplex, daremos un clic sobre la ficha de Results donde

podemos observar las opciones para el anlisis de sensibilidad para la
funcin objetivo y para la funcin sombra

Al dar clic sobre el anlisis de la funcin objetivo, se despliegan las variables

de decisin y los cambios posibles de ellas

De igual manera para la funcin sombra

Tambin hay que sealar que existe la herramienta de reporte

combinado, en la cual despliega los cambios posibles en una misma
tabla.

Uso software exel

Para ejemplificar respecto al uso deSolverutilizaremos el siguiente modelo
de Programacin Lineal:

Paso 1:Abrir una planilla de clculo de Excel y definir las variables de

decisin y la funcin objetivo. En este ejemplo se han marcado con
amarillo y verde las variables de decisin y funcin objetivo
respectivamente slo para facilitar la comprensin. Es importante notar
que la funcin objetivo (celda F4) ser siempre una frmula que
depende de los parmetros de la funcin objetivo (celdas B5, C5, D5) y
las variables de decisin (B4, C4, D4)

Paso 2: Se definen las restricciones del modelo. La columna en amarillo

bajo el titulo "Laso Izq" es una frmula de los parmetros y las variables
de decisin en las respectivas restricciones. Por ejemplo, la frmula
incorporada en E9 es simplemente: 15X + 7,5Y + 5Z. La celda F9 es el
lado derecho de dicha restriccin y corresponde a una constante (315).

Paso 3: Ingresamos a la Opcin Solver (VerInstalacion Solver de Excel).

Luego definimos la celda objetivo (funcin objetivo), el valor que
buscamos (mximizacin o minimizacin), las celdas que deseamos
cambiar (variables de decisin) y las restricciones. Para nuestro ejemplo
est ser la pantalla que se debe obtener:

Paso 4: Accedemos a "Opciones..." y seleccionamos "Adoptar modelo

lineal"y "Adoptar no negativos". Finalmente seleccionamos "Aceptar" y
luego "Resolver"

Paso 5: Si el proceso se ha desarrollado en forma correcta la planilla de

clculo se actualizar y se obtendrn los siguientes resultados.Solucin
ptima: X=4, Y=10, Z=36.Valor ptimo: V(P)=6.620. Se recomienda
requerir el informe de sensibilidad tal como se muestra en la imagen de
abajo

Paso 6: La imagen a continuacin ha sido levemente editada y

corresponde al informe de sensibilidad. Por ejemplo, el parametro que
actualmente acompaa a X en la funcin objetivo es 200, sin embargo,
si este valor vara entre [120,240] se conservar la actual solucin
ptima. En cuanto a las restricciones podemos decir, por ejemplo, que si
el lado derecho de la segunda restriccin (actualmente este lado
derecho es igual a 110) aumenta a 120, es nuevo valor ptimo ser
V(P)=6.620 + 10*10 =6.720, es decir, el valor ptimo aumentar en
forma proporcional al precio sombra de dicha restriccin. Se recomienda
revisar la seccin deAnlisis de Sensibilidadpara reforzar estos
conceptos.

Bibliografa

https://sites.google.com/site/ioinvoperaciones1/unidad-4

http://es.slideshare.net/juliopari/10-anlisis-de-sensibilidad

http://www.investigaciondeoperaciones.net/analisis_de_sensibilidad.html

https://books.google.com.mx/books?id=H0Zz1He8vYC&pg=PA56&lpg=PA56&dq=ejercicios+resueltos+de+analisis+d
e+sensibilidad+investigacion+de+operaciones&source=bl&ots=FlWZsq
TBJy&sig=0AbqHAv41ryvm4ycCzjW2I5p_pA&hl=es419&sa=X&sqi=2&ved=0ahUKEwiA1_mvqaXMAhXI3SYKHdA0CuQQ6AEII
DAB#v=onepage&q&f=false

http://documents.mx/documents/uso-de-software-para-problemas-dedualidad-y-analisis-de-sensibilidad.html

http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperacio
nes1/UNIDAD%203.HTML
https://investdeop.wikispaces.com/Dualidad+y+Analisis+de+Sensibilidad
http://ioi-itstb.blogspot.mx/p/introduccion.html
http://files.uladech.edu.pe/docente/32793925/INVE_OPER/Contenidos%20U
nidad%202/Teoria_Dualidad.pdf
https://pastranamoreno.files.wordpress.com/2012/09/metodo_dual1.pdf
http://normelisrojas3449.blogspot.mx/2011/05/formulacion-del-problemadual-teoria-de.html

Conclusin

El tema en si nos ayuda al anlisis de un mtodo en cual se puede

cuantificar soluciones en cuestiones econmicas y de materia prima en
el rea laboral de un ingeniero industrial pero su mayor utilizacin es en
cuestiones econmicas .

El todo dual simplex en el primer que conlleva al lo que un proceso de

anlisis exacto para proseguir con en anlisis de sensibilidad del mismo
por cuestiones de avances tecnolgicos a logrado hacer que mediante
el uso de software sea mas eficiente este y as lograr que este proceso
sea exacto y sin errores