INVESTIGACIÓN DE

OPERACIONES I
TEMA 5: Análisis de sensibilidad

LIC. EDUARDO QUIROZ VERA

 ANALISIS DE SENSIBILIDAD

En una situación real, algunos datos de un modelo de programación lineal pueden

cambiar con el tiempo debido a la naturaleza dinámica del negocio. ¿Que sucede
con la solución óptima si los precios del mercado caen? ¿Si suben los costos de
mano de obra o de la materia prima? ¿Si se contratan empleados adicionales en
una línea de producción?. El decisor ante tales situaciones desearía saber qué tan
sensible es la solución óptima a estos valores de datos.

Las respuestas a estas preguntas pueden usarse de diversas maneras. Por ejemplo
si la solución óptima es muy sensible a algunos coeficientes, y se espera que estos
valores fluctúen con el tiempo, entonces el decisor puede desear usar el modelo
solo para planeación a corto plazo, o tal vez tenga que resolver el modelo
periódicamente al cambiar los datos.

Después de formular y resolver un problema de programación lineal, un decisor

debe hacerse un número de preguntas importantes de la forma: ”¿Que sucede
si.....?” . Por ejemplo:

1. ¿Que le sucede a la solución óptima y al valor de la función objetivo

correspondiente si un coeficiente particular de la función objetivo se modifica?
2. ¿ Que le sucede a la solución óptima y al valor de la función objetivo
correspondiente si se modifica un valor particular del extremo derecho de las
restricciones?

Investigación de Operaciones I 2
USO DEL REPORTE DE SENSIBILIDAD DEL LINDO FOR WINDOWS

En esta parte se utiliza el paquete de programación lineal LINDO para hallar la

solución óptima y analizar los reportes de sensibilidad. Como se aprendió en la
sección 6.1, el algoritmo simplex proporciona mas información que simplemente la
solución óptima.

EJEMPLO : Problema de planeación de producción de ALFA

La Cia. ALFA fabrica artículos para el hogar y manufactura dos productos: A y B.

Ambos sufren 3 procesos en el mismo orden que son:
- Maquinado
- Armado
- Montaje

La disponibilidad de minutos diarios de cada proceso es: 160,120 y 280 minutos

respectivamente.
El producto A requiere 2, 1 y 4 minutos de maquinado, armado y montaje
respectivamente; mientras que el producto B, necesita 2, 2 y 2 minutos de
maquinado, armado y montaje respectivamente.
El gerente de producción debe decidir que cantidad de cada producto debe
manufacturarse con el objeto de hacer el mejor empleo de los medios limitados de
producción, sabiendo que la ganancia por cada unidad del producto A es $10 y del
producto B es de $15.

Investigación de Operaciones I 3
Formulación del problema
Las variables de decisión son:
x1: número de unidades del producto A que se va a producir
x2: número de unidades del producto B que se va a producir

La combinación de la función objetivo de maximizar la ganancia total y las tres

restricciones estipuladas en función de los recursos disponibles da como resultado
el siguiente problema de programación lineal:

Max Z = 10 x 1 + 15 x 2
s.a.
2x 1 + 2x 2  160 maquinado
x 1 + 2x 2  120 armado
4x 1 + 2x 2  280 montaje
x 1, x 2  0

Investigación de Operaciones I 4
Solución con el Lindo
LP OPTIMUM FOUND AT STEP 2
OBJECTIVE FUNCTION VALUE

1) 1000.000

VARIABLE VALUE REDUCED COST

X1 40.000000 0.000000
X2 40.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 2.500000
3) 0.000000 5.000000
4) 40.000000 0.000000
NO. ITERATIONS= 2 (b)

Investigación de Operaciones I 5
Con respecto al problema de ALFA, surgieron las
siguientes preguntas de sensibilidad:
a) Debido a una competencia reciente en el mercado
por el producto B, la gerencia ha decidido
disminuir la ganancia en $2 por unidad. ¿Cómo
debería cambiar el plan de producción para A y
B?.

b) ¿Que sucede con el margen de ganancia de ALFA,

si el tiempo disponible para maquinado disminuye
en 20 minutos?

c) ¿Que sucede con el margen de ganancia de ALFA,

si el tiempo disponible para montaje aumenta en 40
minutos?
Investigación de Operaciones I 6
 RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 10.000000 5.000000 2.500000
X2 15.000000 5.000000 5.000000

RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 160.000000 13.333333 40.000000
3 120.000000 40.000000 20.000000
4 280.000000 INFINITY 40.000000

Investigación de Operaciones I 7
Interpretación de reportes de análisis parametrico

En la sección anterior, el reporte de sensibilidad del lado derecho para el problema

de ALFA indica que el precio sombra de 2.50 para la restricción (1) es valido
mientras el valor ld permanezca dentro del intervalo 120 a 173.33. De igual forma
el precio dual de 5.00 para la restricción (2) es válida mientras el valor ld
permanezca dentro del intervalo 100 a 160. Sin embargo, ¿qué sucede si un
coeficiente se cambia a un valor fuera de estos intervalos?

Investigación de Operaciones I 8
 RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: 2

VAR VAR PIVOT RHS DUAL PRICE OBJ (A)

OUT IN ROW VAL BEFORE PIVOT VAL

160.000 2.50000 1000.00

SLK 4 SLK 2 4 173.333 2.50000 1033.33
200.000 0.000000E+00 1033.33

VAR VAR PIVOT RHS DUAL PRICE OBJ (B)

OUT IN ROW VAL BEFORE PIVOT VAL

160.000 2.50000 1000.00

X1 SLK 3 2 120.000 2.50000 900.000
100.000 7.50000 750.000

RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: 3

VAR VAR PIVOT RHS DUAL PRICE OBJ (C)

OUT IN ROW VAL BEFORE PIVOT VAL

120.000 5.00000 1000.00

X1 SLK 3 2 160.000 5.00000 1200.00
200.000 0.000000E+00 1200.00

VAR VAR PIVOT RHS DUAL PRICE OBJ (D)

OUT IN ROW VAL BEFORE PIVOT VAL
120.000 5.00000 1000.00
SLK 4 SLK 2 4 100.000 5.00000 900.000
80.0000 6.66667 766.667

Investigación de Operaciones I 9