3.

5 ANALISIS DE SENSIBILIDAD
El anlisis de sensibilidad busca determinar los efectos que se producen en
la solucin ptima al realizar cambios en cualquiera de los parmetros del modelo
de programacin lineal planteado inicialmente. Entre los cambios que se
investigan estn: los cambios en los coeficientes de las variables en
la funcin objetivo tanto para variables bsicas como para las variables
no bsicas, cambios en los recursos disponibles de las restricciones, variacin de
los coeficientes de utilizacin en las restricciones e introduccin de una
nueva restriccin.
El objetivo principal del anlisis de sensibilidad: es identificar el intervalo
permisible de variacin en los cuales las variables o parmetros pueden fluctuar
sin que cambie la solucin ptima. Sin embargo, as mismo se identifica
aquellos parmetros sensibles, es decir, los parmetros cuyos valores no pueden
cambiar sin que cambie la solucin ptima. Los investigadores de operaciones
tienden a prestar bastante atencin a aquellos parmetros con holguras reducidas
en cuanto a los cambios que pueden presentar, de forma que se vigile su
comportamiento para realizar los ajustes adecuados segn corresponda y evitar
que estas fluctuaciones pueden desembocar en una solucin no factible.
A modo general, cuando se realiza un anlisis de sensibilidad a
una solucin ptima
se
debe
verificar
cada parmetro de
forma
individual, dgase los coeficientes de la funcin objetivo y los lmites de cada una
de las restricciones. En ese sentido se plantea el siguiente procedimiento:
1. Revisin del modelo: se realizan los cambios que se desean investigar en el
modelo.
2. Revisin de la tabla final Simplex: se aplica el criterio adecuado para
determinar los cambios que resultan en la tabla final Simplex.
3. Conversin a la forma apropiada de eliminacin Gauss: se convierta la tabla
en la forma apropiada para identificar y evaluar la solucin bsica actual,
para lo cual se aplica la metodologa de eliminacin Gauss si es necesario.
4. Prueba de factibilidad: se prueba la factibilidad de esta solucin mediante
la verificacin de que todas las variables bsicas de la columna del lado
derecho aun tengan valores no negativos.
5. Prueba de optimalizad: se verifica si esta solucin es ptima y factible,
mediante la comprobacin de que todos los coeficientes de las variables
no bsicas del regln Z permanecen no negativos.

6. Re-optimizacin: si esta solucin no pasa una de las pruebas indicadas en

los puntos 4 y 5 anteriores, se procede a buscar la nueva solucin optima a
partir de la tabla actual como tabla Simplex inicial, luego de aplicadas las
conversiones de lugar, ya sea con el mtodo Simplex o el Simplex Dual.

Aplicacin del anlisis de sensibilidad

Este anlisis casi siempre comienza con la investigacin de los cambios en los
valores de las bi, la cantidad del recurso i (i = 1, 2,. . ., m) que se encuentra
disponible para las actividades bajo consideracin. La razn es que en general
existe mayor flexibilidad al establecer y ajustar estos valores que los otros
parmetros del modelo. La interpretacin econmica de las variables duales (las
yi) como precios sombra es extremadamente til para decidir cules son los
cambios que se deben estudiar.

Primer caso: Cambios en las b i (columna lado derecho)

Supongamos que los nicos cambios al modelo actual consisten en el cambio de
uno o ms de los parmetros bi (i = 1, 2,. . ., m). En este caso, 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.

Segundo caso: Cambios en los coeficientes de una variable no

bsica
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.

Tercer caso: Cambios en los coeficientes de una variable bsica

Ahora suponga que la variable xj (con j fija) que se est estudiando es una
variable bsica en la solucin ptima que se muestra en la tabla simplex final. El
caso 3 supone que los nicos cambios al modelo actual se hacen en los
coeficientes de esta variable.
El caso 3 difiere del 2a debido al requisito de que la tabla simplex debe estar en la
forma apropiada de eliminacin de Gauss. Esta forma permite que los elementos
en la columna de una variable no bsica tengan cualquier valor, as que no afecta
en el caso 2a. Sin embargo, para el caso 3 la variable bsica xj debe tener
coeficiente 1 en su rengln de la tabla simplex y coeficiente 0 en todos los dems
renglones (incluyendo el rengln 0). Por lo tanto, una vez que se han calculado los
cambios en la columna xj de la tabla simplex final, es probable que sea necesario

aplicar la eliminacin de Gauss para restaurar la forma apropiada. Este paso, a su

vez, quiz cambie los valores de la solucin bsica actual, y puede hacerla no
factible o no ptima (con lo que puede ser necesario re optimizar).
Cibergrafias o citas:
http://www.investigaciondeoperaciones.net/analisis_de_sensibilidad.html
http://www.academia.edu/949983/Bases_de_la_investigacion_cualitativa._Tecn
icas_y_procedimientos_para_desarrollar_la_Teoria_Fundamentada

3.6 INTERPRETACION DEL ANALISIS DE SENSIBILIDAD

3.7 USO DE SOFTWARE
Si bien el objetivo del planteamiento y resolucin de los problemas de
programacin lineal (pl) es encontrar la solucin optima, esto es, el valor de cada
una de las variables del problema, de las variables de holgura y el valor mximo (o
mnimo) que puede obtener la funcin objetivo (fo), el trabajo no termina all. El
anlisis de sensibilidad pos-optimalizar que se presenta en esta unidad es tan
importante como la solucin ptima para la toma de decisiones.
Max (Min) S ci xi.
S aji xi bj
xi 0
Donde se suponen conocidos los valores de los coeficientes aij , bj y ci; esto
quiere decir que el modelo est totalmente determinado.
El anlisis de sensibilidad permite estudiar como las variaciones en los valores de
los coeficientes del modelo modificaran la solucin ptima sin tener que resolver el
problema para las distintas posibilidades. Este anlisis constituye una parte muy
importante en el estudio de los problemas de pl.
La justificacin formal del anlisis de sensibilidad la da el estudio del problema
dual al problema principal que se est viendo. Las relaciones entre la solucin del
problema dual y el primal permiten calcular otros parmetros como los precios
sombra de los recursos, los lmites de variacin aceptables para que no se
modifique la solucin optima, las holguras complementarias o como cambiaran las
cosas si se debe introducir una nueva restriccin. Todos estos parmetros se
pueden analizar de manera analtica, aunque no se har en el presente texto pues
el enfoque es aprender por medio del anlisis de problemas.
Anlisis de sensibilidad: interpretacin grfica
El anlisis de sensibilidad estudia los efectos sobre la solucin ptima debidos a:
a) cambios en los coeficientes de la FO,

b) cambios en la disponibilidad de los recursos,

c) cambios en los coeficientes tcnicos debidos, por ejemplo, a cambios en la
tecnologa o en las materias primas utilizadas,
d) la introduccin de un nuevo producto (otra variable),
e) la introduccin de una nueva restriccin.
Centraremos el anlisis en los puntos a, b y e ya que son los que suelen cambiar
ms a menudo y son fciles de visualizar con el mtodo grfico. Los cambios en
los coeficientes tcnicos solo ocurren cuando se cambia la tecnologa de
produccin, por ejemplo, por cambios en el proceso o la introduccin de
maquinaria, y esto no ocurre frecuentemente y puede ameritar un anlisis
completamente diferente.
Ejemplo:
Para realizar el anlisis se utilizara el mismo ejemplo que se us en la unidad 4
para introducir el mtodo Simplex. El modelo de pl para el ejemplo es este:
Variables de decisin:
X1: cantidad de articulo a a producir
X2: cantidad de articulo b a producir
Funcin objetivo:
Max U = 150x1 + 200x2
Restricciones:
Mano de obra: 8x1 + 8x2 64 horas
Materias primas: 4x1 + 2x2 24 unidades
Demanda: x2 6 artculos
Su solucin grafica se muestra en la grfica, en la que se indica que la solucin
optima sern 2 unidades de los artculos a y 6 del b, obteniendo una utilidad de $1
500.

4x1

1
8

8x1
0x1

6
4

150x1

Optimal Decisiones (x1, x2) : (2, 6)

: 8x1 + 8x2 _ 64
: 4x1 + 2x2 _ 24
: 0x1 + 1x2 _ 6
TAHA, AMDY A. INVESTIGACION DE OPERACIONES PEARSON EDUCACION,
2004(169-171)

Uso del software

Consideremos nuevamente el ejemplo utilizado en la presentacin del tutorial de
Solver de Excel.

Los resultados de este modelo de Programacin Lineal son los

siguientes: Solucin ptima: X=4, Y=10, Z=36. Valor ptimo: V(P)=6.620 como
se muestra en la siguiente imagen:

Una vez que se obtiene la solucin ptima se puede requerir varios informes, sin
embargo, nos concentraremos en el informe de Sensibilidad. La imagen a
continuacin ha sido levemente editada y corresponde a dicho informe. La
columna en amarillo corresponde al coeficiente objetivo sumado al aumento
permisible (Max) y restado a la disminucin permisible (Min).

Existe una divisin en cuanto a los informes: "Celdas cambiantes" (o variables de

decisin) y "Restricciones".