ADMINISTRACIÓN INDUSTRIAL II

Laboratorio 3

“PROGRAMACIÓN LINEAL Y
ANALISIS DE SENSIBILIDAD”
Investigación de Operaciones TECSUP

“Análisis de Sensibilidad”

I. OBJETIVOS:

1. Uso de software EXCEL SOLVER para la optimización de la función objetivo sujeta a

sus respectivas restricciones.
2. Análisis de sus resultados globales para la toma de decisiones en una actividad
productiva.

II. VERIFICACIÓN DE CAMBIOS INDIVIDUALES EN EL MODELO

Una de las grandes fortalezas de una hoja de cálculo es la facilidad con la que se puede usar en
forma interactiva para realizar varios tipos de análisis de sensibilidad. Una vez que el Solver se ha
preparado para obtener una solución óptima, el usuario puede encontrar de inmediato lo que sucedería
si uno de los parámetros del modelo fuera cambiado a algún otro valor. Todo lo que se debe hacer es
incorporar este cambio en la hoja de cálculo y después dar clic de nuevo sobre el botón de resolver.

Como ejemplo, suponga que la administración de la Wyndor tiene bastantes dudas acerca de cuál será
la ganancia por lote de puertas (GP). A pesar de que la cifra de $3 000 se considera una estimación
inicial razonable, la administración considera que la ganancia real podría desviarse en forma sustancial
de esta cifra en cualquier dirección. Sin embargo, el intervalo entre GP 5 $2 000 y GP 5 $5 000 se
considera muy confiable.

Que pasaría si la ganancia por lote de puertas se redujera de GP 5 $3 000 a GP 5 $2 000., no hay
ningún cambio en la solución óptima de la mezcla de productos. De hecho, los únicos cambios en la
nueva hoja de cálculo son los valores nuevos de GP en la celda C4 y una disminución de $2 000 en la
ganancia total que se muestra en la celda G12 (porque cada uno de los dos lotes de puertas producidos
por semana proporcionan $1 000 menos de ganancia). Como la solución óptima no cambia, ahora se
sabe que la estimación original de GP 5 $3 000 puede ser muy alta, sin que esto invalide la solución
óptima del modelo.

Pero, ¿qué sucede si la estimación inicial de GP es muy baja? Qué pasaría si GP se incrementara a $5
000. De nuevo, no hay cambio en la solución óptima. Por tanto, ahora se sabe que el intervalo de
valores de GP sobre el cual la solución óptima actual permanece óptima (es decir, el rango permisible
para seguir óptima que se estudió en la sección) incluye al rango que va desde $2 000 hasta $5 000 y
se puede extender aún más.

Como el valor original de GP 5 $3 000 puede cambiar de manera considerable y en cualquier

dirección sin que esto modifique la solución óptima, GP es un parámetro relativamente insensible.
No es necesario hacer esta estimación con gran precisión para tener confianza en que el modelo
proporciona la solución óptima correcta.

2
TECSUP Investigación de Operaciones

3
Investigación de Operaciones TECSUP

Ésta podría ser toda la información que se requiere acerca de GP. Sin embargo, si existiera una
posibilidad grande de que el valor real de GP pudiera resultar fuera de este amplio rango de $2 000
a $5 000, sería deseable una investigación más profunda. ¿Qué tan alto o bajo puede ser GP antes
de que la solución óptima cambie?
En la fi gura 6.11 se demuestra que la solución óptima cambia si GP se incrementa hasta
GP 5 $10 000. Así, se sabe que este cambio ocurre en algún punto entre $5 000 y $10 000 durante
el proceso de incremento de GP.

Ejemplo 2:

BAMSA manufactura dos tipos de juguetes de madera: soldados y trenes. Un soldado se

vende en 27 dólares y requiere 10 dólares de materia prima.
Cada soldado que se fabrica incrementa la mano de obra variable y los costos globales de
BAMSA en 14 dólares.

Un tren se vende en 21 dólares y utiliza 9 dólares de su valor en materia prima. Todos los
trenes fabricados aumentan la mano de obra variable y los costos globales de BAMSA en 10
dólares. La fabricación de soldados y trenes de madera requiere de dos tipos de mano de
obra especializada: carpintería y acabados. Un soldado necesita dos horas de trabajo de
acabado y una hora de carpintería. Un tren requiere de una hora de acabado y una hora de
carpintería. Todas las semanas, BAMSA consigue el material necesario, pero sólo 100 horas
de trabajo de acabado y 80 de carpintería. La demanda de trenes es ilimitada, pero se
venden cuando mucho 40 soldados por semana. BAMSA desea maximizar las utilidades
semanales.

PRIMER PASO: Definir las variables de decisión.

En cualquier modelo de programación lineal, las variables de decisión deben describir por
completo las decisiones que se tienen que tomar. En nuestro ejemplo, BAMSA tiene que
decidir cuantos soldados y trenes se deben fabricar cada semana.

X1  cantidad de soldados fabricados cada semana

X2  cantidad de trenes fabricados cada semana.

4
TECSUP Investigación de Operaciones

SEGUNDO PASO: Definir la función objetivo.

En cualquier problema de programación lineal, el que toma las decisiones desea maximizar
(generalmente, los ingresos o las utilidades) o minimizar (generalmente, los costos) algunas
funciones de la variables de decisión. En nuestro caso, BAMSA maximizara su utilidad.

U = I – MP – CV
I = 27X1 + 21X2
MP = 10X1 + 9X2
CV = 14X1 + 10X2
U = (27X1 + 21X2) –(10X1 + 9X2)-(14X1 + 10X2) = 3X1 + 2X2

Donde:
U  Utilidad
I  Ingresos
MP  Costo materia prima semanales.
CV  Otros costos variables semanales

..
SEGUNDO PASO: Definir la función objetivo.
Por lo tanto, el objetivo de BAMSA es escoger X1 y X2 para maximizar 3X1 + 2X2
Se utiliza la variable Z para denotar el valor de la función objetivo de cualquier PL

Maximizar Z = 3X1 + 2X2

Los coeficientes de una variable en la función objetivo se denominan coeficientes de la

variable de la función objetivo.

TERCER PASO: Definir las restricciones.

A medida que X1 y X2 se incrementan, la función objetivo de BAMSA se hace mas grande.

Esto quiere decir que si BAMSA fuera libre de escoger cualquier valor para X1 y X2, la
compañía podría tener unas utilidades arbitrariamente grandes al escoger X1 y X2 muy
grandes.
Lamentablemente, los valores de X1 y X2 están controlados por las siguientes tres
restricciones:

Restricción 1  No mas de 100 horas de acabado.

Restricción 2  No mas de 80 horas de carpintería.
Restricción 3  No se debe producir mas de 40 soldados.

TERCER PASO: Definir las restricciones.

Restricción 1 Horas disponibles de acabado

2X1 + X2 ≤ 100
Restricción 2 Horas disponibles de carpintería
X1 + X2 ≤ 80

5
Investigación de Operaciones TECSUP

Restricción 3 Demanda limitada de soldados

X1 ≤ 40
Los coeficientes de las variables de decisión en las restricciones se conocen como
coeficientes tecnológicos.

Variables:
X1  cantidad de soldados fabricados cada semana
X2  cantidad de trenes fabricados cada semana.
Función objetivo
Max Z = 3X1 + 2X2
Restricciones
2X1 + X2 ≤ 100 de acabado
X1 + X2 ≤ 80 de carpintería
X1 ≤ 40 de demanda limitada de soldados
X1, X2 ≥ 0 de signo

6
TECSUP Investigación de Operaciones

7
Investigación de Operaciones TECSUP

8
TECSUP Investigación de Operaciones

9
Investigación de Operaciones TECSUP

10
TECSUP Investigación de Operaciones

Problemas Propuestos:

1. En el siguiente modelo, utilizar simplex para encontrar el siguiente resultado.

Maz Z= 3X1 + X2+ 3X3 + 2X4

s.a.

X1≤5

X1 + X2 + X3 + X4 ≤ 12

5X3 – X4 ≤ 25

3X2 + X3 ≤ 10

-4X3 + 4X4 ≤ 5

X1,X2,X3,X4 >=0

2. En una fábrica de dulces navideños se preparan dos surtidos para lanzarlos al mercado. El
primero se vende en 450 pesetas, y contiene 150gr de polvorones, 100 gr de mantecado y 80
gr de roscos de vino. Los segundos surtidos se ven a 560 pesetas y contiene 200 gramos de
polvorones, 100 gramos de mantecado y 100 gramos de roscos de vino. Se dispone de un total
de 200 kg de polvorones, 130 kg de mantecado y 104 kg de roscos de vino. La empresa de
embalajes solo le puede suministrar 1200 cajas. ¿Cuántos surtidos de cada tipo convendría
fabricar para que el beneficio sea máximo?

3. El nutricionista debe determinar una dieta de manera eficiente, a partir de un conjunto dado de
alimentos, de modo de satisfacer requerimientos nutricionales. La cantidad de alimentos a
considerar, sus características nutricionales y los costos de éstos, permiten obtener diferentes
variantes de este tipo de modelos. De acuerdo a la tabla 01 determine la combinación optima
que satisfagan los requerimientos nutricionales.

Leche Legumbre Naranjas Requerimientos

(lt) (1 porción) (unidad) Nutricionales

Niacina 3,2 4,9 0,8 13

11
Investigación de Operaciones TECSUP

Tiamina 1,12 1,3 0,19 15

Vitamina C 32 0 93 45
Costo 2 0,2 0,25

4. En una granja agrícola se desea criar conejos y pollos como complemento en su economía, de
forma que no se superen en conjunto las 180 horas mensuales destinadas a esta actividad. Su
almacén solo puede albergar un máximo de 1000 kilogramos de pienso. Si se supone que un
conejo necesita 20 kilogramos de pienso y un pollo 10 kilogramos al mes, que las horas
mensuales de cuidados requeridos por un conejo son 3 y por un pollo son 2 y que los beneficios
que reportaría su venta ascienden a 500 y 300 pesetas por cabeza respectivamente, hallar el
número de animales que deben criarse para que el beneficio sea máximo.

5. Se pretende cultivar en un terreno dos tipos de olivos: A y B. No se puede cultivar más de 8 ha

con olivos de tipo A, ni más de 10 ha con olivos del tipo B. Cada hectárea de olivos de tipo A
necesita 4 m3 de agua anuales y cada una de tipo B, 3 m3. Se dispone anualmente de 44 m3
de agua. Cada hectárea de tipo A requiere una inversión de 500 € y cada una de tipo B, 225 €.
Se dispone de 4500 € para realizar dicha inversión. Si cada hectárea de olivar de tipo A y B
producen, respectivamente, 500 y 300 litros anuales de aceite:

a) Obtener razonadamente las hectáreas de cada tipo de olivo que se deben plantar para

maximizar la producción de aceite.

b) Obtener la producción máxima.

12
TECSUP Investigación de Operaciones

ANOTACIONES:

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

13
Investigación de Operaciones TECSUP

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------

14