2.6.

Anlisis de Resultados

ANLISIS DE DECISIONES Todas las organizaciones estn orientadas en funcin de las tomas de decisiones administrativas. En toda decisin se plantea un grupo de diferentes opciones a considerar, adicionalmente un conjunto de posibles eventos inciertos que pueden ocurrir y por ultimo un resultado econmico asociado con cada combinacin de alternativa de decisin y evento. El anlisis de decisiones, no es ms que una herramienta que brinda un marco de referencia y una metodologa para la toma de decisiones administrativas cuando los resultados son inciertos. Su aplicaciones, mas frecuentes son: Desarrollo, introduccin, publicidad de un nuevo producto. Inversiones en valores. Anlisis de licitaciones. http://losteques.ucab.edu.ve/Profesorado/tirado_carlota/decisiones.ht m

INTRODUCCIN. La programacin lineal es una tcnica ampliamente conocida dentro de la programacin matemtica. Un problema de programacin lineal es un problema que comprende, por una parte las condiciones o restricciones que limitan el campo de decisiones, o sea la totalidad de decisiones posibles, y por otra parte un objetivo que est concebido de optimizacin para las decisiones posibles. La programacin lineal brinda al decisor una pauta o estructura en la cual puede realizar su trabajo. No siempre la solucin ptima desde el punto de

vista matemtico y econmico nos brinda un programa ecolgicamente viable o sostenible, atendiendo a nuevas condiciones que puedan aparecer en el proceso productivo. Todo esto aconseja que el modelo de programacin lineal dote al decisor de un cuadro de alternativas que dentro o desvindose del ptimo matemtico ofrecido, enriquezcan su decisin final con otras consideraciones no incluidas en el modelo. A la programacin lineal han sido dedicados numerosos libros que versan sobre aspectos matemticos de los modelos y la utilizacin de diversos algoritmos de solucin. Sin embargo dentro de la bibliografa a nuestra disposicin, se observa, una ausencia de aspectos metodolgicos relativos al anlisis y discusin de la solucin ptima, cuestin importante en el proceso de aplicacin de los resultados obtenidos por un modelo de programacin lineal. En el trabajo se expone una metodologa elaborada para el anlisis y la interpretacin de los resultados obtenidos en un modelo de programacin lineal. La experiencia alcanzada en la utilizacin de la misma revela su efectividad en el proceso pedaggico de la disciplina Matemtica para las carreras mencionadas. ELEMENTOS TERICOS QUE FACILITAN LA COMPRENSIN DE LA METODOLOGA PROPUESTA. En los problemas de programacin lineal, un elemento esencial est dado en su contenido econmico, este puede representarse de la manera siguiente: Se tienen algunos recursos con el concurso de los cuales se requiere satisfacer algunas necesidades, y estn dados los volmenes de recursos y las magnitudes de las necesidades. La utilizacin de los recursos y la satisfaccin de las necesidades, se caracteriza por la medida en que insumen los recursos y en que volumen satisfacen las necesidades. Partiendo de los datos sobre recursos, necesidades y formas alternativas

posibles, se necesita conformar un plan o programa de utilizacin de los recursos y de satisfaccin de las necesidades de manera ptima. En el anlisis consideraremos aadidas las variables de holgura. Las variables esenciales representan unidades de productos. Los parmetros b representan el los recursos, su valor expresa el nivel de las demandas o disponibilidades. Las variables de holgura asumen la dimensin de las restricciones, una variable de holgura asociada a una restriccin con sentido: menor o igual ( ) representa capacidad no utilizada o capacidad ociosa. mayor o igual que ( ) representa la capacidad utilizada por encima de la mnima exigida. POPUESTA METODOLGICA PARA EL ANLSIS DE LA SOLUCIN PTIMA. Para realiza el anlisis de la solucin ptima proponemos seguir el orden siguiente: PASO I. Conclusiones generales. En este paso se analiza lo que la solucin ptima nos propone como programa o plan, es decir las cantidades mximas o mnimas que pueden alcanzarse en el marco de las condiciones iniciales del modelo. En ella obtenemos la solucin ptima desde el punto de vista matemtico. Si se utiliza el asistente matemtico QMWIN, el anlisis anterior puede efectuarse a travs de las ventanas: lista de soluciones, solucin grfica ( si el modelo es de dos variables ), iteracin ptima (a esta se puede acceder por las ventanas iteraciones o por la ventana sep, que presenta todos los pasos del mtodo simples hasta obtener la iteracin ptima). En cada una de las opciones aparecen los resultados propuestos directamente. PASO II. Realizar el anlisis cuantitativo: Se analizar el nivel de utilizacin de los recursos, las capacidades, las demandas, a partir de los cambios unitarios. Este anlisis se realiza siempre en la iteracin ptima. Para ello se debe analizar en todas las variables que resultaron no bsicas en la iteracin ptima, la incidencia que estas tienen sobre todas las variables que resultaron bsicas a partir de los cambios unitarios, y siguiendo las

orientaciones dadas en la Tabla I (ver Anexo I), siempre en sentido vertical. PASO III. Anlisis dimensional : Se analiza entre varas opciones cual es la ms ventajosa, o si una alternativa no considerada es o no conveniente. Ello se realiza en la iteracin ptima, para lo cual en las variables bsicas afectadas el anlisis se hace horizontal, a partir de las variables no bsicas que la afecten, teniendo en cuenta el anlisis dimensional de cada elemento Tabla II (ver Anexo II). CONSIDERACIONES FINALES. La propuesta realizada concreta una metodologa para la realizacin del anlisis de la solucin ptima de un modelo de programacin lineal, elemento determinante en la calidad del proceso enseanza aprendizaje de la disciplina Matemtica para la formacin de los ingenieros Agrnomos y Forestales. La metodologa elaborada aprovecha el hecho de que en la iteracin ptima dada por el mtodo Simplex se dispone de suficiente informacin para realizar una efectiva evaluacin de los cambios admisibles. La implementacin de la metodologa elaborada en las carreras mencionadas nos ha permitido apreciar su contribucin al logro de los objetivos en la formacin de los profesionales.
http://www.monografias.com/trabajos19/programacion-lineal/programacionlineal.shtml
ANLISIS DE SENSIBILIDAD GRFICO PARA 2 RESTRICCIONES Una vez resuelto un modelo de Programacin Lineal resulta til hacer un anlisis de sensibilidad que permita identificar cmo afecta en los resultados del problema variaciaciones en los parametros de ste, sin que esto pase por resolver el problema nuevamente. Nuestro sitio considera una seccin aparte llamada "Sensibilidad" cuyos resultados principales se pueden consultar AQUI. 1. Variacin en los Coeficientes de la Funcin Objetivo: La pregunta que buscamos responder es cul es el intervalo de variacin para los coeficientes de la funcin objetivo (cada coeficiente se analiza por separado) que mantiene la actual Solucin ptima. Un primer acercamiento es considerar las pendientes de las restricciones activas en el ptimo, es decir, aquellas restricciones que se cumplen en igualdad (en nuestro caso

restriccin 1 y 2). La restriccin 1 (2X + Y >=10) tiene pendiente -2. La restriccin 2 (2X + 2Y >=16) tiene pendiente -1. Por otra parte la pendiente de la funcin objetivo dado C1=8 y C2=6 es -4/3. En consecuencia, se mantiene la actual Solucin ptima si la pendiente de la funcin objetivo (curvas de nivel) varan en el intervalo de las pendientes de las actuales restricciones activas. Esto es: -2 <= -C1/C2 <= -1 (Multiplicamos por -1) 2 >= C1/C2 >= 1 Si fijamos C2=6. 2 >= C1/6 >= 1 12 >= C1 >= 6 (Garantiza la actual Solucin ptima con C2 fijo) Si fijamos C1=8. 2 >= 8/C2 >= 1 8 >= C2 >= 4 (Garantiza la actual Solucin ptima con C1 fijo) Ntese que en los extremos de los intervalos adems de incluir la actual Solucin ptima se consideran nuevas combinaciones del dominio que mantienen el Valor ptimo y tambin son Solucin ptima de D). Esta situacin determina que el problema tiene infinitas soluciones ptimas. 2. Variacin en los lados derechos de las restricciones (clculo del "precio sombra"): Una pregunta comn en el anlisis de sensibilidad resulta ver el impacto que tiene en el valor ptimo una variacin marginal del lado derecho de alguna de sus restricciones (tanto aumento o decrecimiento). El impacto en el valor ptimo por unidad de variacin del lado derecho de una restriccin (manteniendo el resto constante) es el precio sombra asociado a dicha restriccin. En nuestro ejemplo, considere que el lado derecho de la restriccin 1 (actualmente b1=10) corresponde a un recurso escaso (ejemplo: horas hombre, dinero, tiempo, etc). Si sabemos que el actual valor ptimo V(P)=52, quisieramos saber por ejemplo, cunto aumentara el valor ptimo se dispusiramos de una unidad adicional del recurso escaso (es decir, pasando a b1*=11). En forma equivalente frecuentemente se plantea esta inquietud como Cunto es lo mximo que se estara dispuesto a pagar por unidad adicional del recurso asociado a la primera restriccin?. Este valor corresponde al precio sombra. Precio Sombra Restriccin 1: Primero se considera el desplazamiento paralelo de la

Restriccin 1 (tanto en el sentido de crecimiento o decrecimiento del lado derecho), de modo que la Solucin ptima se siga encontrando con las actuales restricciones activas (en nuestro caso R1 y R2). Por ejemplo, desplazando R1 en la direccin de su decrecimiento, el ltimo punto donde se intersecta R1 con R2 sera en el par ordenado (X,Y)=(0,8). Se propone al usuario el clculo de la mxima variacin para R1 que se produce en (X,Y)=(8,0).

En consecuencia, el Precio Sombra asociado a la Restriccin 1 queda dado por:

Un Precio Sombra igual a 2 indica por ejemplo que si el lado derecho aumenta en 1 unidad, el beneficio adicional (incremento en el Valor ptimo) es de 2 unidades. Adicionalmente, una pregunta frecuente resulta en identificar el intervalo de variacin donde el precio sombra calculado es vlido. El mximo valor al que puede adoptar el lado derecho de R1 es b1*, de modo que la nueva solucin se siga encontrando con R1 y R2 activas. El valor de b1* se obtiene al evaluar (X,Y)=(8,0) en la Restriccin 1: 2*(8) + 1*(0)=16. Siguiendo similar razonamiento el mnimo valor que puede alcanzar el lado derecho de R1 es b1, que evaluado en (X,Y)=(0,8) en R1 se obtiene: 2*(0) + 1*(8)=8. Se recomienda al usuario hacer el clculo del Precio Sombra para la Restriccin 2, el cual corresponde a 2. Si desea consultar un nuevo ejemplo ingrese a Resolucin Grfica en Programacin Lineal. (Sitio: Investigacin Operativa) ANLISIS DE SENSIBILIDAD GRFICO PARA 3 RESTRICCIONES La metodologa y conceptos presentados para el caso de 2 restricciones no difiere, sin embargo, hay que tener especial cuidado cmo la inclusin de una tercera restriccin afecta el anlisis. Veamos el siguiente ejemplo: P) MAX 4X + 3Y S.A. 6X + 2Y <= 120 ...... .1X + 4Y <= 100 ........5X + 5Y <= 150 ..... ..X>= 0, Y>= 0 La resolucin grfica de este ejemplo permite obtener la solucin ptima X=15, Y=15 con valor ptimo V(P)=105, tal como se observa en el grfico a continuacin:

Antes de proceder con el anlisis de sensibilidad es conveniente verificar si las actuales

restricciones del problema estan activas en el ptimo, es decir, si se cumplen en igualdad: R1: 6*(15) + 2*(15) = 120 => R1 es una restriccin activa R2: 1*(15) + 4*(15) < 100 => R2 no es una restriccin activa R3: 5*(15) + 5*(15) = 150 => R3 es una restriccin activa En el caso que el lado derecho de la restriccin sea un recurso, resulta lgico tener una disposicin a pagar por unidad adicional en la medida que dicho recurso se este ocupando a mxima capacidad. En consecuencia, una restriccin no activa tiene por definicin un precio sombra igual a cero (caso de R2) ya que un aumento del lado derecho no aumentar el valor ptimo actual V(P)=150. Sin embargo, slo en casos muy particulares podemos encontrar restricciones activas con precio sombra (o costo reducido) igual a cero, lo que es ms la excepcin que la regla. Luego de esta introduccin veamos el clculo del precio sombra o costo reducido para la restriccin 1 (R1). Primero, debemos desplazar en forma paralela la restriccin 1 hasta el punto mximo donde la solucin ptima se siga encontrando con las actuales restricciones activas R1 y R3. Dicho punto es (X,Y)=(30,0). Posteriormente, desplazamos en forma paralela la restriccin 1 (R1) hasta el punto mnimo donde la solucin ptima se siga encontrando con las actuales restricciones activas R1 y R3. Ntese que este desplazamiento queda acotado hasta el punto donde la restriccin 2 (R2) se vuelve activa, que corresponde al punto (X,Y)=(6,666, 23,333) como se muestra en la siguiente grfica:

Por consiguiente, el precio sombra asociado a la restriccin 1 queda dado por:

Siguiendo un procedimiento similar se pueden obtener los precios sombras asociadas a las restantes restricciones. A continuacin se presenta una tabla resumen del anlisis de sensibilidad obtenido con Solver de Excel:

FALTAN IMAGENES!!!!
http://www.programacionlineal.net/resolucion_grafica.html

Anlisis de Sensibilidad de los Resultados

El supuesto fundamental de los modelos de LP es que uno conoce en forma exacta los distintos parmetros del problema

En general, al modelar no se conocen los valores que pueden adoptar los parmetros Muchas veces los parmetros no son determinsticos, si no que estocsticos Dado esto, es importante poder saber cuan robustas son nuestras soluciones frente a: Variaciones en los costos ci Variaciones en los niveles de los recursos bj

Sensibilidad a variaciones en los costos

como vara la solucin ptima de un problema de LP si varan los costos de la funcin objetivo ? 1. Modificar la funcin objetivo no cambia el dominio del problema. 2. Una funcin objetivo diferente slo puede modificar el vrtice ptimo. Identifiquemos el rango de las perturbaciones en uno de los coeficientes de la funcin objetivo de modo de no alterar la solucin ptima alcanzada: El vector de costos de la funcin objetivo se puede dividir entre: : Costos asociados a las variables bsicas c? D: Costos asociados a las variables no bsicas A medida que la base cambia en bsqueda de una base optima, los costos reducidos rD tambin cambian.