INTRODUCCIÓN

El análisis de Sensibilidad se relaciona con la cuantificación de los efectos en la

solución óptima de cambios en los parámetros del modelo matemático. Cuando
escribimos un modelo, damos por aceptado que los valores de los parámetros se
conocen con certidumbre; pero en la 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 generaran cambios
en la disponibilidad de los recursos.
PROGRAMACION LINEAL: ANALISIS DE SENSIBILIDAD
Los posibles cambios que evalúa el análisis de sensibilidad son los siguientes:
• Cambio en la disponibilidad de recursos.
• Cambio en precios, utilidad o costos unitarios.
• Cambio en la asignación unitaria de recursos.
• Adición de nuevas restricciones.
• Adición de nuevos productos o actividades.
Todos los cambios se evalúan a partir de la solución óptima de la información inicial.

Ejemplo
Una compañía especializada en ornamentación llamada “Puro Hierro” se dedica
a la fabricación de puertas, rejas y ventanas; productos para los cuales he
establecido una utilidad de $6, $2 y $5 por unidad respectivamente.
Para la manufacturación de dichos artículos la empresa cuenta con una
disponibilidad semanal de 300 metros de lámina, 400 metros de ángulo y 240
metros de tubo. Además, se sabe que para producir una puerta se requieren 3
 metros de lámina, 2 metros de ángulo y 2 metros de tubo; para producir una reja
se necesitan 5 metros de lámina, 4 metros de ángulo y 3 metros de tubo,
mientras; mientras que para producir una ventana se requieren 2 metros de
lámina, 5 metros de ángulo y un metro de tubo.
¿Qué cantidad de cada uno de los artículos se debe fabricar para que la
compañía “PURO HIERRO” obtenga la máxima utilidad posible?

Solución:

El Problema de esta compañía consiste en determinar qué cantidad de puertas,

rejas y ventanas debe fabricar semanalmente para incrementar al máximo su
utilidad; por lo tanto, en función de estas cantidades se definen las siguientes
variables
X1 = cantidad de puertas a producir por semana.
X2 = cantidad de rejas a producir por semana.
X3 = cantidad de ventanas a producir por semana
Con base en la definición de las variables el modelo matemático de
programación lineal para la producción de la compañía, queda de la siguiente
manera:

Max Z = 6X1 + 2X2 + 5X3 (utilidad máxima)

S.A.
3X1 + 5X2 + 2X3 ≤ 300 Metros de lamina
2X1 + 4X2 + 5X3 ≤ 400 Metros de ángulo
2X1 + 3X2 + X3 ≤ 240 Metros de tubo
X1, X2, X3 ≥ 0

Tabla 1 presenta la solución de este problema por medio del método simplex
Con base en esta solución la compañía “PURO HIERRO” debe producir 700/11
de puertas por semana 600/11 de ventanas por semana, para obtener una
utilidad de $7200/11. Además, no debe producir rejas (la variable esta fuera de
la base) y de los 240 metros de tubo no se utilizan 640/11.

A partir de estos momentos, todos los posibles cambios que se presenten en la

información de los parámetros se trabajaran con base en la solución óptima de
este ejercicio. Además, se requiere de la formulación de la tabla simplex, la cual
se presenta nuevamente en la tabla 2

Vector a1: vector de asignación unitaria de recursos para la primera variable

(asignación de recursos para las puertas)
 a1 =
Vector a2; vector de asignación unitaria de recursos para la segunda variable
(asignación de recursos para las rejas)
a2 =
Vector a3; vector de asignación unitaria de recursos para la tercera variable
(asignación de recursos para las ventanas)
A3 =
Vector b; vector de disponibilidad de recursos
b=
Vector de precios o costos unitarios: en este caso específico es el vector de
utilidades unitarias.
C=
Vector de coeficientes básicos en la solución optima

CB =
B-1 =
CBB-1 =

CAMBIO EN LA DISPONIBILIDAD DE RECURSOS (vector b)

Un cambio en el vector de disponibilidad de recursos, indica que hay un nuevo vector b
(denotado b*); también cambia XB (denotado como X B*). Además, si cambia si cambia
XB, genera un cambio en el valor de la función objetivo Z (al nuevo llámelo Z*). En
conclusión, el vector crítico a evaluar es X B*, el cual puede arrojar dos posibles valores
así:
• Si XB* = B-1b*≥ o, indica que este nuevo vector es la solución óptima del nuevo
problema; y por lo tanto se debe calcular el nuevo valor de la función objetivo
Z*=CBXB*.
• Si XB* = B-1b*< o, indica que hay mínimo una variable que está por lo tomando
valor negativo (no cumple con las restricciones de no negatividad a que obliga el
algoritmo); por lo tanto, la solución a dejado de ser óptima. En este caso se
toma el nuevo vector XB* y se remplaza en el tablero optimo por el vector XB. De
ahí en adelante se aplica el método dual simplex hasta obtener la nueva
solución óptima.
 Suponga que en la compañía “Puro Hierro” se disminuye en 50 metros la
disponibilidad de tubo.
Como se puede observar, la disponibilidad de metros de tubo pasa de 240 a 190
metros. Este único cambio genera un nuevo problema que es el siguiente:

Max Z = 6X1 + 2X2 + 5X3 (utilidad máxima)

S.A.
3X1 + 5X2 + 2X3 ≤ 300 Metros de lamina
2X1 + 4X2 + 5X3 ≤ 400 Metros de ángulo
2X1 + 3X2 + X3 ≤ 190 Metros de tubo

X1, X2, X3 ≥ 0

Lo que indica el nuevo vector b es el siguiente;

b* = y el nuevo vector solución se calcula de la siguiente manera:

XB* = B-1b* =

Como se puede observar en este nuevo vector solución, todos sus componentes son
mayores o iguales que cero. Entonces, esta es la nueva solución del problema en el
mismo orden para las variables básicas
El nuevo valor de la función objetivo se calcula de la siguiente manera
Z*=CBXB* =
Entonces la nueva solución es X1=700/11, X2=600/11, H3=90/11 y las demás variables
toman valor cero (son variables no básicas)

CAMBIO EN PRECIOS O COSTOS UNITARIOS (VECTOR C)

Cuando se evalúa posibles cambios en precios, costos o utilidades unitarias, se está
cambiando por lo menos . Dentro de la estructura del tablero simplex, el , se utiliza
para calcular toda la fila , que es la fila que permite determinar si la solución es o no
óptima. Se pueden presentar dos tipos de casos dependiendo el valor que tome :
• Si , la solución del problema original sigue siendo la óptima.
• Si , la solución ha dejado de ser óptima y se debe utilizar el método simplex para
llegar a la nueva solución óptima.

Procedimiento a seguir cuando se presentan cambios en precios, cotos o utilidades

unitarias.
• Si los valores modificados pertenecen a variables básicas, se debe modificar el
vector .
• Recalcule nuevamente los valores .
• Si los valores calculados en el ítem anterior se concluye que la solución del
problema original sigue siendo la óptima; de lo contario se utiliza el método
simplex para encontrar la nueva solución.

Ejemplo cuando
• Se ha decido en la compañía “PURO HIERRO” incrementar en $2 la utilidad de
cada reja. Este cambio genera que la utilidad de cada reja pase a ser de $4 por
unidad; lo que genera la siguiente modificación al problema:
Max Z = 6X1 + 4X2 + 5X3 (utilidad máxima)
S.A.
3X1 + 5X2 + 2X3 ≤ 300 Metros de lamina
2X1 + 4X2 + 5X3 ≤ 400 Metros de ángulo
2X1 + 3X2 + X3 ≤ 240 Metros de tubo
X1, X2, X3 ≥ 0

Tal como se dijo anteriormente, se lleva este cambio al tablero óptimo del
problema original y se recalculan los valores de la fila :
Ejemplo cuando
• Suponga que se decrementa en $3 la utilidad de cada puerta y se incrementa en
$3 la utilidad de cada ventana.
El nuevo problema generado con base en estas modificaciones es el siguiente:

Max Z = 3X1 + 2X2 + 8X3 (utilidad máxima)

S.A.
3X1 + 5X2 + 2X3 ≤ 300 Metros de lamina
2X1 + 4X2 + 5X3 ≤ 400 Metros de ángulo
2X1 + 3X2 + X3 ≤ 240 Metros de tubo
X1, X2, X3 ≥ 0

Llevando estos cambios al tablero óptimo se obtiene la siguiente información:

 La solución óptima a este nuevo problema dice que no se deben producir
puertas ni rejas y se producirán 80 ventanas para obtener una utilidad de $640.
Además, no se utilizan en la producción 160 mtrs de tubo.

CAMBIO EN LA ASIGNACIÓN UNITARIA DE RECURSOS

Para realizar el análisis de sensibilidad cuando se producen cambios en la asignación
unitaria de recursos, es decir, cuando varían uno de los coeficientes que conforman la
restricción es imprescindible que esta variable sea no básica ya que de lo contrario el
cambio en la información final sería muy brusco.
Tomando como ejemplo el ejercicio anterior procederemos a cambiar los datos de la
variable no básica “producción de rejas por semana”
Utilidad Max = 6x1+2x2+5x3
Sujeta a:
3x1+ 7x2+2x3≤300
2x1+8x2+5x3≤400
2x1+9x2+x3≤240
X1, x2, x3>0
x1 x2 x3 s1 s2 s3 z b
s1 3 7 2 1 0 0 0 300
s2 2 8 5 0 1 0 0 400
s3 2 9 1 0 0 1 0 240
z -6 -2 -5 0 0 0 1 0
 x1 x2 x3 s1 s2 s3 z b
x1 1 7/3 2/3 1/3 0 0 0 100
S2 0 10/3 11/3 - 2/3 1 0 0 200
s3 0 13/3 - 1/3 - 2/3 0 1 0 40
z 0 12 -1 2 0 0 1 600
x1 x2 x3 s1 s2 s3 z b
x1 1 7/4 0 4/9 - 1/6 0 0 191/3
X3 0 10/11 1 - 2/11 3/11 0 0 600/11
S3 0 51/11 0 - 8/11 1/11 1 0 640/11
z 0 142/11 0 20/11 3/11 0 1 7200/11

Si remplazamos los valores que corresponden a la formula obtenemos:

Zj-Cj=358/11 por lo que es mayor que cero esto no indica que la solución original sigue
siendo la solución óptima en este ejercicio.
Ahora supongamos que las restricciones cambian en:
3X1+3X3≤300
2X1+5X2+5X3≤400
2X1+3X2+X3≤240
X1 ,X2 ,X3>0

x1 x2 x3 s1 s2 s3 z b
s1 3 0 2 1 0 0 0 300
s2 2 5 5 0 1 0 0 400
s3 2 3 1 0 0 1 0 240
z -6 -2 -5 0 0 0 1 0

x1 x2 x3 s1 s2 s3 z b
x1 1 0 2/3 1/3 0 0 0 100
s2 0 5 3 2/3 - 2/3 1 0 0 200
s3 0 3 - 1/3 - 2/3 0 1 0 40
z 0 -2 -1 2 0 0 1 600
 x1 x2 x3 s1 s2 s3 z b
x1 1 -10/11 0 5/11 - 2/11 0 0 700/11
X3 0 15/11 1 - 2/11 3/11 0 0 600/11
S3 0 38/11 0 - 8/11 1/11 1 0 640/11
z 0 - 7/11 0 1 9/11 3/11 0 1 7200/11

Si aplicamos nuevamente la formula Cj-Cj para la variable x2 es:

-7/11 por lo que aseguramos que la solución ha dejado de ser optima por lo que
continuamos resolviendo.
x1 x2 x3 s1 s2 s3 z b
-
x1 1 0 0 0,26315789 0,15789474 0,26315789 0 78,9473684
-
x3 0 0 1 0,10526316 0,23684211 0,39473684 0 31,5789474
-
x2 0 1 0 0,21052632 0,02631579 0,28947368 0 16,8421053
z 0 0 0 1,68421053 0,28947368 0,18421053 1 665,263158

Basándonos en esta nueva solución confirmamos que x1 =78,94 ; x2=16,84 ; x3;31,58y

alcanzaremos una utilidad máxima de $665,26.

NUEVAS RESTRICCIONES
Cuando se dé el caso en el que se aumenten otras restricciones a un problema de P.L.
se deberá aplicar el siguiente procedimiento:
• Verificar si la solución óptima del problema original satisface todas las nuevas
restricciones. Si es así la solución sigue siendo la misma
• Caso contrario se llevarán estas restricciones al tablero optimo del problema
original (agregando las V. holgura, exceso y artificiales que sean necesarias);
restituir o recomponer todos los vectores unitarios que se hayan dañado con la
adición de las nuevas restricciones.
• Aplicamos el método simplex o dual simplex, según sea el caso.
Ejemplo 1:
Suponga que, por presentación de los productos, se entregarán pintados, para lo cual
se ha establecido que hay disponibilidad de 5000ml de pintura semanalmente. Además,
se sabe que una puerta consume 15ml de pintura, una reja 50ml y una venta consume
20ml de pintura.
SOLUCIÓN:
 Max Z=6X1+2X2+5X3 (utilidad máxima)
S.A.
3X1+5X2+2X3≤300
2X1+4X2+5X3≤400
2X1+3X2+X3≤240
15X1+50X2+20X3≤5000
X1, X2, X3>0
Tomamos la nueva restricción de la pintura y remplazamos en la solución óptima del
problema original (X1=700/11, X2=0, X3=600/11) se tiene:
15(700/11)+50(0)+20(600) ≤5000
10500/1+0+12000/11 ≤5000
22500/11 ≤5000
2045.4545 ≤5000
Al cumplirse dicha relación, se dice que la solución óptima del problema original si
satisface la nueva restricción, por lo que se concluye que la solución óptima sigue
siendo la misma.
Ejemplo 2:
Suponga que mediante un estudio de mercados se ha establecido que máximo se
venderán 60 puertas por semana. Si se sabe que máximo se venderán 60 puertas por
semana, hay que restringir el modelo a producir como máximo 60 puertas:
SOLUCIÓN:
Max Z=6X1+2X2+5X3 (utilidad máxima)
S.A.
3X1+5X2+2X3≤300
2X1+4X2+5X3≤400
2X1+3X2+X3≤240
X1≤60
X1, X2, X3>0
Ahora si sustituimos con la solución óptima en la nueva restricción notamos que no se
cumple, (X1=700/11)
700/11≤60, 63,63≤60 no se cumple
En este caso se lleva la nueva restricción al tablero optimo del problema original. La
nueva restricción a llevar al tablero es X1+H4=60

Podemos observar que el vector unitario de X1, se ha dañado tiene un 1 en F10. Lo

primero que debemos hacer es restituir ese vector unitario.

Al restituir el vector unitario, se ha generado un negativo en el vector solución,

entonces aquí aplicamos el método dual simplex hasta obtener la solución óptima del
nuevo problema. (Sale de la base H4 y entra H1).
Max {(90/11)/(-17/11); (20/11)/(-5/11)}
Max {-90/17; -20/5}.
Max (-5.29; -4) = -4. Este valor corresponde justamente a H1
NUEVOS PRODUCTOS
Al hablar de nuevos productos nos estamos haciendo referencia a la introducción de
nuevas variables a la función objetivo FO, lo cual en su análisis se debe determinar si
es factible o no la incorporación del nuevo producto a la producción, así pues se debe
determinar si esta nueva variable mejorará o no el valor actual de nuestra FO.
Para la introducción de esta nueva variable se debe determinar previamente cuáles
serán sus características, tales como su beneficio marginal y sus requerimientos de
producción.
Ahora pasamos a evaluar el modelo y para saber si la nueva variable a introducirse
será factible o no sin resolver el modelo se deben determinar sus costos marginales,
para lo cual utilizaremos el siguiente modelo.
Max.
Z=60x1+30x2+20x3
s.a
8x1+6x2+x3+s1 =48
4x1+2x2+1.5x3+s2 =48
2x1+1.5x2+0.5x3+s3 =48
Utilizando el método simplex obtenemos los siguientes resultados
X1 X2 X3 S1 S2 S3 bi
S1 0 -2 0 1 2 -8 24
X3 0 -2 1 0 2 -4 8
X1 1 1.25 0 0 -0.5 1.5 2
zj 60 35 20 0 10 10 280
Así la solución óptima para este problema está determinado por:
Z=280 x1=2 x2=0 x3=8 s1=24 s2=0 s3=0
Pues bien, supongamos que deseamos incorporar una nueva variable (x4) al problema
que tenemos, la cual generará una utilidad o beneficio marginal de 25 unidades, y tiene
un requerimiento de una unidad de la primera restricción, dos unidades de la segunda
restricción y una unidad de la tercera restricción, de este modo quedándonos el
siguiente modelo:
Max.
Z=60x1+30x2+20x3+25x4
s.a:
8x1+6x2+x3+x4+s1 =48
4x1+2x2+1.5x3+3x4+s2 =48
2x1+1.5x2+0.5x3+x4+s3 =48
Ahora para analizar la factibilidad de esta nueva variable debemos comparar la utilidad
que esta genera a la función objetivo y la disminución que provoca debido a la
utilización de los recursos disponibles para su producción, para lo cual determinamos el
costo de oportunidad de cada restricción asociado a lo que se deja de ganar por no
disponer de unidades adicionales de recursos que están definidos por la diferencia
entre los coeficientes de si.
Ahora tenemos de nuestra tabla anterior
ci X1 X2 X3 S1 S2 S3 bi

zj 60 35 20 0 10 10 280

Así los coeficientes de si (ci) asociados a nuestra FO son todos cero, y los coeficientes
o indicadores finales asociados a cada si están determinados por zj, quedándonos de
tal manera los costos de oportunidad para cada restricción las siguientes:
Restricción 1 (ci-zj) = 0
Restricción 2 (ci-zj) = -10
Restricción 3 (ci-zj) = -10
Ahora tomando en cuenta los requerimientos de la nueva variable determinados
anteriormente, el costo marginal de producir x4 tenemos:
Restricción 1 1 x (ci-zj) = 0
Restricción 2 2 x (ci-zj) = -20
Restricción 3 1 x (ci-zj) = -10
Sumando los costos tenemos que, producir una unidad de x4 disminuirá en treinta
unidades nuestra función objetivo
Ahora contrastando estos costos con los beneficios marginales que generara la nueva
variable tenemos:

Ahora podemos ver que la incorporación de una unidad de esta nueva variable crea un
efecto neto de disminuir en 5 nuestra función objetivo, lo cual nos indica q la
incorporación de esta nueva variable al modelo, el óptimo se mantendrá ya que esta
nueva variable no estará en la base.

CAMBIOS EN LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO.

El cambio en el Cj de una variable se interpretaría, por ejemplo, como en incremento en
el precio de un producto para un objetivo de maximización, o como la disminución en el
costo de una materia prima para un objetivo de minimización.
Finalmente, se estudiará por separado si la modificación en el Cj es para una variable
no-básica o para una básica, ya que las consecuencias en cada caso son muy
diferentes.
Cambios en el coeficiente Objetivo de una variable No-básica.
Es importante mencionar que una variación de Cj a Cj’ en el coeficiente objetivo de una
variable no-básica, no necesariamente conlleva a una infracción de la inmejorabilidad
de la solución óptima actual, aunque en ciertas ocaciones si lo haga. Por este motivo,
se considerarán a continuación dos alternativas de cambio mutuamente exclusivas en
el Cj de una variable no-básica.
(1) cuando Cj’ < Cj (maximización) en la solución óptima actual
f j = Cj - Zj <= 0 ==> f j = Cj’ - Zj < 0
Con lo cual la inmejorabilidad no se infringe. En consecuencia, se deduce que cuando
el Cj’ < Cj en un problema de maximización, la solución óptima actual no se alterara, lo
mismo en minimización con Cj’ > Cj.
(2) cuando Cj’ > Cj (maximización)
Es claro que solamente cuando el precio de la utilidad de una variable no-básica se
incrementa, Cj’ > Cj, en un problema de maximización, surge la posibilidad de que se
altere la inmejorabilidad y por ende la optimidad actual.
fj = Cj - Zj <= 0 ==> Cj’ <= Cj -fj o alternativamente, cuando Cj’ <= Cj + I fj I
Es decir, si el nuevo Cj satisface la desigualdad, la actual solución permanece óptima;
de lo contrario, debe calcularse el f j’ el cual será positivo, e introducirse Xj a la base
para encontrar la nueva solución óptima.
Ejemplo: Cambio en el Cj de una variable no - básica.
Para el problema dado.
a) determinar los rangos de variación en la utilidad unitaria de las variables no-básicas ,
tal que la solución óptima no se altere.
b) Evaluar los efectos de un incremento en la utilidad unitaria del producto 3 de $4 a
$5.
c) Evaluar el efecto de de un aumento en la utilidad actual del producto 4 de $2 a $8.
a) Cj’ <=Cj + I fi j I
C3’ <= 4 + I -7/3I <= 19/3
5
C4’ <=2 + I -5I <= 7
C5’ <= 0 + I -2/3 I <= 2/3
C7’ <= 0 + I -5/6 I = 5/6
b) Dado C3’ = 5 = 15/3 satisface el límite máximo de 19/3, por lo tanto, el incremento
no modifica la solución óptima actual.
C) Ya C4’ = 8 sobrepasa el límite de incremento en C4, la solución óptima actual
cambiará. El nuevo f4 es
f4’ = C4’ - Z4 = 8 -7 = 1
y al ser positivo, X4 debe entrar a la base.
 CAMBIOS QUE AFECTAN LA FACTIBILIDAD
Existen 2 tipos de cambios que pudieran afectar la factibilidad de la solución actual
1. Cambios en la disponibilidad de recursos (o segundo miembro de las restricciones) y
2. Adición de nuevas restricciones. Consideraremos cada caso en forma individual.
Cambio en el segundo miembro de las restricciones
Supóngase que en el modelo Reddy Mikks, la disponibilidad de la materia primaria A
se cambia a 7 toneladas en vez de 6 toneladas actuales. ¿Cómo se ve afectada la
solución actual?
Sabemos que los cálculos primarios-duales que los cambios en el segundo miembro
de las restricciones solo pueden afectuar al segundo miembro de una tabla optima; Es
decir solo pueden afectar la factibilidad. Por lo tanto, todo lo que tenemos que hacer es
volver acalcular el nuevo segundo miembro de la tabla original (la matriz inversa se
muestra en una region sombreada de la tabla optima.)
La nueva solución (básica) del problema es :

Como los elementos del segundo miembro se mantienen ni negativos, las variables
básicas actuales permanecen sin cambios. Solo sus nuevos valores se transforman
X1=3X2=2X5=2X3=X4=X6=0.2(2)=13

EJEMPLO NO. 1
ANALISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIÓN
OBJETIVO Y DE LAS RESTRICCIONES
ANÁLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIÓN
OBJETIVO. (SOLUCION GRÁFICA)

ANÁLISIS DE SENSIBILIDAD DE LAS RESTRICCIONES

ANÁLISIS DE SENSIBILIDAD 1ª RESTRICCIÓN (SOLUCION GRÁFICA)
Es posible desplazar 5x + 2y hasta el punto x = 10; y = 0 en el que 5x + 2y = 50 sin
que ninguna variable tome un valor negativo. Por tanto, el aumento permisible es de 20
hasta 50. esto es, 30.
· No es posible desplazar 5x + 2y hacia el origen, porque entonces la solución sería
infactible.
CONCLUSIONES:

Hay que considerar que la teoría de dualidad, que incluye el método símplex dual para
trabajar con soluciones básicas óptimas, juega un papel de gran importancia en el
análisis de sensibilidad.
Los valores usados como parámetros de un modelo de programación lineal son sólo
estimaciones. Por lo tanto, es necesario llevar a cabo el análisis de sensibilidad para
investigar lo que ocurre si las estimaciones están equivocadas. La idea fundamental es
proporcionar la clave para realizar esta investigación de manera eficiente.
Los objetivos generales del análisis de sensibilidad son identificar los parámetros
relativamente sensibles que afectan la solución óptima, para tratar de estimarlos con
más cuidado y después elegir una solución que se mantenga como buena en un cierto
intervalo de valores posibles de estos parámetros sensibles. No hay que olvidar que
este análisis constituye una parte muy importante de los estudios de programación
lineal.
Bibliografía:

• Mateo P.M, Lahoz David. Programación lineal, Análisis Post-Optimal 2009.

• Hillier. Fundamentos de Investigación de Operaciones, Análisis de Sensibilidad

2003.

• WARGNER, Harvey M. "Principles of Operations Research" Prentice Hall

International, 1979