Clase Analisis de Sensibilidad y Simplex

RLG
Programa Académico Ingeniería Industrial y

Comercial
INVESTIGACIÓN DE OPERACIONES
SEMANA 4-5 SESIÓN 1-2

ANÁLISIS DE SENSIBILIDAD Y SIMPLEX
INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

RLG
CONTENIDO DE LA SESIÓN
• Estructura del Método Simplex y Dual
• Qué es análisis de Sensibilidad
• Ejemplo empresa RMC.
• Análisis de Sensibilidad de la función Objetivo.
• Análisis de Sensibilidad del lado derecho(cambio en los
Recursos).
• Ejemplos
• Interpretación con software Lindo-Lingo.
• Ejemplos.

RLG
LOGROS DE LA SESIÓN
• Los alumnos alcanzarán a comprender e

interpretar los resultados de un problema de
Programación Lineal, tanto de forma manual
como los expuestos por un reporte, producto de
ejecutar el modelo en software, como Lingo o
Solver de Excel.

RLG
EL ALGORITMO SIMPLEX Y EL
MODELO DUAL
ESTRUCTURA BÁSICA

RLG
MÉTODO U ALGORITMO SIMPLEX
Es un procedimiento iterativo que

permite ir mejorando la solución a cada
paso.
El proceso concluye cuando no es
posible seguir mejorando más dicha
solución.

RLG
ALGORITMO SIMPLEX
El algoritmo o método del simplex es un procedimiento sistemático

para resolver P.P.L moviéndonos desde un punto extremo a otro con
una mejora (o al menos no empeoramiento) de la función objetivo.
El algoritmo se irá moviendo por puntos extremos cumpliendo lo
anterior hasta que se alcanza el punto extremo óptimo o hasta que
se detecta una dirección extrema de no Acotación.
El método gráfico para resolver problemas de programación lineal

nos muestra que cuando la región factible de un problema de
programación lineal no es vacía, siempre tiene puntos extremos
(puntos esquina o vértices) y, lo que es más importante, que si el
problema tiene solución óptima finita siempre existe, al menos, una
en un punto extremo o vértice de la región factible.
Este resultado es clave en el desarrollo del método simplex que
resuelve los problemas de programación lineal.

RLG
ALGORITMO SIMPLEX
• El Algoritmo o método simplex resuelve el problema en
iteraciones (pasos).
• Parte de un vértice de la región factible y en cada
iteración se traslada a un nuevo vértice con mejor valor
potencial de la función objetivo.
• El proceso acaba cuando llega a un vértice cuyo valor
objetivo no puede ser mejorado.
• Vamos a presentar el método simplex resolviendo un
problema concreto de programación lineal con dos
variables de decisión para poder visualizar lo que hace
el método.
• Veamos el siguiente problema de programación lineal de
Wyndor Glass.

RLG
Ejemplo Prototipo
La Wyndor Glass Corporation
La Wyndor Glass Co. Es una empresa dedicada a la elaboración de artículos de
vidrio de alta calidad (puertas y ventanas) los cuales se hacen en 3 plantas
diferentes.
Planta 1 Molduras y marcos de aluminio.
Planta 2 Molduras y marcos en madera.
Planta 3 Se hace y se ensambla el vidrio.
Se tiene un programa de cambio de la producción y se propone incursionar con dos

nuevos productos.
Producto 1: Puerta de vidrio con marco de aluminio.
Producto 2: Ventana de vidrio con marco de madera.
Según el departamento de comercialización, se puede colocar en el mercado toda la

producción de estos.
Se debe determinar la tasa de producción de los 2 productos para maximizar las

utilidades sujeto a las limitaciones que tiene la empresa.
Después de haber realizado la recopilación de los datos, se elabora la siguiente
tabla:
RLG
DATOS DEL PROBLEMA DE WYNDOR GLASS
Tiempo de producción por Tiempo de

lote (horas) producción
PLANTA P1 (Puertas) P2 (Ventanas) disponible a
la semana
(horas)
1 1 0 4
2 0 2 12
3 3 2 18
Ganancia por $3000 $5000
lote

RLG
NOTACION MATEMATICA PARA EL SIMPLEX
PROBLEMA PRIMAL PROBLEMA PRIMAL EN FORMATO LINGO
Max Z = 3x1 + 5 x2 MAX = 3*X1 + 5*X2;

X1 <= 4;
Sujeto a : 2*X2 <= 12;
3*X1 + 2*X2 <= 18;
x1 4
2 x2 12
3 x1 + 2 x2 18 SOLUCION CON LINGO
x1 , x2  0 Objective value: 36.00000
Variable Value Reduced Cost

X1 2.000000 0.000000
X2 6.000000 0.000000

RLG
ALGORITMO SIMPLEX
TODO PROBLEMA PRIMAL TIENE SU DUAL
PRIMAL DUAL
Max Z = 3x1 + 5 x2 Min Z = 4Y1 + 12Y2 + 18 Y3
Sujeto a : Sujeto a :
x1 4 Y1 Y1 + 0 Y2 + 3 Y3 3
2 x2 12 Y2 0Y1 + 2Y2 + 2Y3 5
3 x1 + 2 x2 18 Y3 Y1 , Y2 , Y3  0
x1 , x2  0
EL METODO SIMPLEX USA EL PROBLEMA ESTANDAR, A PARTIR DEL PRIMAL AGREGANDO VARIABLES DE HOLGURA
Max Z − 3 x1 − 5 x2 − 0 S1 − 0 S 2 − 0 S3 = 0
Sujeto a :
x1 + S1 =4
2 x2 + S 2 = 12
3 x1 + 2 x2 + S3 = 18
x1 , x2 , S1 , S 2 , S3  0
RLG
FORMA BÁSICA DE UNA ECUACIÓN
Definición.:
Diremos que un sistema de ecuaciones está escrito en

forma básica si, sucede que en cada ecuación del
sistema existe, al menos, una incógnita que aparece sólo
en dicha ecuación, no apareciendo tal incógnita en el
resto de ecuaciones. Además, cada una de estas
incógnitas, que aparecen en una sola ecuación, debe
tener coeficiente igual a 1.

RLG
FORMA BÁSICA DE UNA ECUACIÓN
Max Z − 3 x1 − 5 x2 − 0 S1 − 0 S 2 − 0 S3 = 0
Sujeto a :
x1 + S1 =4
2 x2 + S 2 = 12
3 x1 + 2 x2 + S3 = 18
x1 , x2 , S1 , S 2 , S3  0
SISTEMA ESCRITO EN FORMA BÁSICA:
En la 1ª ecuación encontramos a la incógnita S1 que sólo

aparece en dicha ecuación y tiene un coeficiente igual a 1 y
en la segunda ecuación está la incógnita S2 que sólo aparece
en dicha ecuación y tiene un coeficiente igual a 1, y en la
tercera ecuación aparece la incógnita S3 de forma similar.

RLG
ALGORITMO SIMPLEX
Lo primero que se hace con el problema, es escribirlo en forma estándar, con todos
los coeficientes del lado derecho en positivo.
“Un problema de programación lineal se dice que está escrito en “forma estándar”
si todas las restricciones del problema son ecuaciones lineales y todas las variables
son no negativas”.
Es decir, todas las restricciones, excepto las de no negatividad, se convierten en
ecuaciones y todas las variables han de estar restringidas a ser mayores o iguales a
cero.
Además conviene que todos los lados derechos de las ecuaciones sean no
negativos. Esto es inmediato, pues si alguna ecuación tiene el lado derecho negativo
multiplicamos tal ecuación por – 1 y se consigue lo que queremos.
La diferencia entre el lado derecho y el lado izquierdo de la restricción ( <= )

representa, la cantidad no usada u holgura del recurso.
Para convertir una desigualdad ( <= ) en una ecuación se suma una “variable de
holgura” no negativa (S1) al lado izquierdo de la restricción. Por ejemplo:
3 x1 + 8 x2  12 3x1 + 8 x2 + S1 = 12
RLG
ALGORITMO SIMPLEX
Por otro lado, una desigualdad del tipo ( >= ), suele darse en las restricciones
en las que el lado derecho representa un límite inferior para las actividades
del modelo.
Para convertir la desigualdad ( >= ) en igualdad ( = ), se resta una “variable de
holgura (o exceso)” no negativa al lado izquierdo de la restricción.
Por ejemplo:
15 x1 + 5 x2  100 15 x1 + 5 x2 − S 2 = 100
Por lo tanto, el problema de ejemplo Wyndor Glass, quedaría en su forma estándar de
la siguiente forma:
Max Z − 3 x1 − 5 x2 − 0 S1 − 0 S 2 − 0 S3 = 0
Sujeto a :
x1 + S1 =4
2 x2 + S 2 = 12
3 x1 + 2 x2 + S3 = 18
x1 , x2 , S1 , S 2 , S3  0

RLG
Pasos para resolver por el método simplex
1- Se convierten las restricciones en igualdades (problema
estándar).
2- Se iguala la función objetivo a cero.
3- Se agregan los coeficientes según el número de
restricciones.
4-Se inicia la tabla simplex o matriz nueva.
5-Se busca el menor negativo y el menor positivo para
seleccionar el número pivote.
6- Se busca la matriz nueva.

RLG
TABLA INICIAL SIMPLEX
Max Z − 3 X 1 − 5 X 2 − 0 S1 − 0 S 2 − 0 S3 = 0
Sujeto a :
X1 + S1 =4
2 X 2 + S2 = 12
3 X1 + 2 X 2 + S3 = 18
X 1 , X 2 , S1 , S 2 , S3  0
VARIABLES DE VARIABLES DE HOLGURA

BASE DECISIÓN SOLUCIÓN
Z X1 X2 S1 S2 S3
Z 1 -3 -5 0 0 0 0
S1 0 1 0 1 0 0 4
S2 0 0 2 0 1 0 12
S3 0 3 2 0 0 1 18

RLG
TABLA INICIAL SIMPLEX
Método u Algoritmo Simplex
Primera Iteración: Criterio de Optimalidad: Las variables de decisión (No
Básicas) deben “ENTRAR” a la BASE. Criterio de Factibilidad: de la base debe
“SALIR” una de las variables básicas (de holgura).
• La variable que entra a la BASE, es la variable que tiene el coeficiente de la
función objetivo más negativo (MAX).
• La variable que sale de la base, se obtiene de la razón mínima, que es igual a
dividir los elementos de la columna solución entre los elementos de la
columna de la variable que entra. No se consideran divisiones entre cero y
negativos. Si hubiera empate, se escoge arbitrariamente.
Variable que entra a la base
VARIABLES VARIABLES DE
BASE DE DECISIÓN HOLGURA SOLUCIÓN Razón
Z X1 X2 S1 S2 S3
Z 1 -3 -5 0 0 0 0
S1 0 1 0 1 0 0 4 4/0 NO
S2 0 0 2 0 1 0 12 12/2 =6 Min
S3 0 3 2 0 0 1 18 18/2 =9
INVESTIGACION DE OPERACIONES Elemento PIVOTDr. Ricardo López Guevara
RLG
MÉTODO SIMPLEX
Primera Iteración: Criterios de Optimalidad:
Variable que entra: X2 (-5) Criterio de Factibilidad: Variable que sale S2
La intersección de la celda de la columna de la variable X2 que entra a la BASE y la
celda de la variable S2 que sale, se le llama elemento PIVOT. Este debe quedar con
valor 1 y el resto de los elementos de la columna de la variable que entra X2 deben
quedar con valor CERO.
Esto se logra realizando operaciones de suma, resta , multiplicación y división,
permutaciones de las filas y columnas de las matrices relacionadas (cálculos de
Gauss-Jordan).
• De ello, la tabla en el primer paso queda de la siguiente forma:
BASE DE DECISIÓN HOLGURA SOLUCIÓN
Z X1 X2 S1 S2 S3
Z 1 -3 0 0 5/2 0 30
S1 0 1 0 1 0 0 4
X2 0 0 1 0 1/2 0 6
S3 0 3 0 0 -1 1 6
RLG
MÉTODO SIMPLEX
Segunda Iteración: Repetimos los criterios de Optimalidad.
Variable que entra: X1(-3) Criterio de Factibilidad: Variable que sale: S3
La intersección de la celda de la columna de la variable X1 que entra a la BASE y la celda
de la variable S3 que sale, se le llama elemento PIVOT. Este debe quedar con valor 1 y el
resto de los elementos de la columna de la variable que entra X1 deben quedar con
valor CERO.
permutaciones de las filas y columnas de las matrices relacionadas (cálculos de Gauss-
Jordan).
Variable que entra a la base
BASE DE DECISIÓN HOLGURA SOLUCIÓN Razón
Z X1 X2 S1 S2 S3
Z 1 -3 0 0 5/2 0 30
S1 0 1 0 1 0 0 4 4/1=4
X2 0 0 1 0 1/2 0 6
S3 0 3 0 0 -1 1 6 6/2=3 Min
Elemento PIVOT
RLG
MÉTODO SIMPLEX
Segunda Iteración: Repetimos los criterios de Optimalidad.
Variable que entra: X1 Criterio de Factibilidad: Variable que sale: S3
La intersección de la celda de la columna de la variable X1 que entra a la BASE y la celda
de la variable S3 que sale, se le llama elemento PIVOT. Este debe quedar con valor 1 y
el resto de los elementos de la columna de la variable que entra X1 deben quedar con
valor CERO.
permutaciones de las filas y columnas de las matrices relacionadas (cálculos de Gauss-
Jordan).
• De ello, la tabla en el segundo paso queda de la siguiente forma:
Z X1 X2 S1 S2 S3
Z 1 0 0 0 3/2 1 36
S1 0 0 0 1 1/3 -1/3 2
X2 0 0 1 0 1/2 0 6
X1 0 1 0 0 -1/3 1/3 2
Elemento PIVOT
RLG
MÉTODO SIMPLEX
TABLA FINAL
Criterio de parada del algoritmo simplex: Para un problema de maximización, si no hay
coeficientes negativos asociados a las variables de decisión, en la fila de Z (función
objetivo) entonces allí termina el algoritmo. De modo contrario para un problema de
minimización, si no hay elementos positivos asociados a las variables de decisión, en la
fila de Z (función objetivo) entonces allí termina el algoritmo.
Por lo tanto, este es la tabla final, con los resultados
S1 = 2 X2 = 6 X1 = 2 Z* = $36 (miles).
Z X1 X2 S1 S2 S3
Z 1 0 0 0 3/2 1 36
S1 0 0 0 1 1/3 -1/3 2
X2 0 0 1 0 1/2 0 6
X1 0 1 0 0 -1/3 1/3 2

RLG
MÉTODO SIMPLEX ANALISIS DE SENSIBILIDAD
REPORTE DE LINGO TABLA SIMPLEX
Variable Value Reduced Cost Podemos ver que el Dual Price (Precio Dual)
X1 2.000000 0.000000 tiene valor cero para la restricción 1 y en la
X2 6.000000 0.000000 tabla el valor de S1 a nivel de Z también es 0.
Row Slack or Surplus Dual Price
Si vemos para la restricción dos (2) el Precio
1 36.00000 1.000000
R1 2 2.000000 0.000000
Dual es 1.5 y en la tabla a nivel de la fila Z, el
R2 3 0.000000 1.500000 valor de S2 también es 1.5. Así mismo vemos
R3 4 0.000000 1.000000 que para la restricción 3, el Precio Dual es 1 y
en la tabla lo podemos ver en la fila Z, el valor
de S3 también es 1.
Z X1 X2 S1 S2 S3
Z 1 0 0 0 3/2 1 36
S1 0 0 0 1 1/3 -1/3 2
X2 0 0 1 0 1/2 0 6
X1 0 1 0 0 -1/3 1/3 2

RLG
REPORTE DE LINGO DUAL VERSUS TABLA SIMPLEX
PROBLEMA DUAL EN FORMATO LINGO Si corremos el problema DUAL en Lingo,

obtendremos el siguiente resultado:
MIN = 4*Y1 + 12*Y2 + 18*Y3;
Y1 + 3*Y3>= 3; Objective value: 36.00000
2*Y2 + 2*Y3 >= 5; Variable Value Reduced Cost
Y1 0.000000 2.000000
Y2 1.500000 0.000000
Y3 1.000000 0.000000
Z X1 X2 S1 S2 S3
Z 1 0 0 0 3/2 1 36
S1 0 0 0 1 1/3 -1/3 2
X2 0 0 1 0 1/2 0 6
X1 0 1 0 0 -1/3 1/3 2

RLG
PROBLEMA DUAL EN FORMATO LINGO Como vemos el problema DUAL en Lingo, el
resultado, la relación de las variables Primal y
MIN = 4*Y1 + 12*Y2 + 18*Y3; Dual:
Y1 0.000000 2.000000
Y2 1.500000 0.000000
Y3 1.000000 0.000000
Z X1 X2 S1 S2 S3
Z 1 0 0 0 3/2 1 36 Vemos que en
S1 0 0 0 1 1/3 -1/3 2 la solución:
S2=0 → Y2
X2 0 0 1 0 1/2 0 6
S3 =0 → Y3
X1 0 1 0 0 -1/3 1/3 2

RLG
PROBLEMA DUAL EN FORMATO LINGO Como vemos el problema DUAL en Lingo, el
resultado, la relación de las variables Primal y
MIN = 4*Y1 + 12*Y2 + 18*Y3; Dual:
Y1 0.000000 2.000000
Y2 1.500000 0.000000
Y3 1.000000 0.000000
Z X1 X2 S1 S2 S3
Z 1 0 0 0 3/2 1 36 Vemos que en
S1 0 0 0 1 1/3 -1/3 2 la solución
simplex Primal:
X2 0 0 1 0 1/2 0 6
S2=0 → Y2
X1 0 1 0 0 -1/3 1/3 2 S3 =0 → Y3
Como podemos ver el Costo Reducido para Y1 es 2, y esta variable está relacionada con la variable de
holgura S1 en la tabla Simplex, por lo que el valor de 4 en la FO debería reducirse en 2 para que sea
considerada en la solución óptima del Dual. Y2 e Y3 son óptimas y son las duales del Simplex Primal.

RLG
ANÁLISIS DE SENSIBILIDAD
• El análisis de sensibilidad es el estudio de la forma en que los

cambios en los coeficientes de un programa lineal afectan a la
solución óptima.
• Con el análisis de sensibilidad se puede responder a las siguientes
preguntas:
1. ¿Cómo afectará un cambio en un coeficiente de
la función objetivo a la solución óptima?
2. ¿Cómo afectará un cambio en el valor del lado
derecho de una restricción a la solución óptima?
• El análisis de sensibilidad, solo se inicia cuando se ha obtenido la
solución óptima del problema original de PL.

RLG
EJEMPLO
• RMC es una empresa que produce diversos productos químicos.
• En un proceso de producción en particular se utilizan tres materias

primas para elaborar dos productos: un aditivo para combustible y una
base disolvente.
• El aditivo para combustible se vende a empresas petroleras y se utiliza

en la producción de gasolina y otros combustibles relacionados.
• La base disolvente se vende a varias empresas químicas y se utiliza

tanto para productos de limpieza para el hogar como industriales.
• Para formar el aditivo para combustible y la base disolvente se mezclan

las tres materias primas según tabla adjunta.

RLG
EJEMPLO continúa
NECESIDADES DE MATERIA PRIMA POR TONELADA
PRODUCTOS MATERIA PRIMA 1 MATERIA PRIMA 2 MATERIA PRIMA 3
ADITIVO PARA 2/5 0 3/5

COMBUSTIBLE
BASE DISOLVENTE 1/2 1/5 3/10
La producción de RMC está limitada por la disponibilidad de las tres materias

primas. Para el periodo de producción actual, RMC tiene disponibles las
cantidades siguientes de cada una de las materias primas.
MATERIA PRIMA CANTIDADES DISPONIBLES PARA

LA PRODUCCION
MATERIA PRIMA 1 20 TONELADAS


RLG
EJEMPLO continúa
El departamento de control de calidad ha analizado las cifras de producción,

asignando todos los costos correspondientes, y para ambos productos llegó a
precios que resultarán en una contribución a la utilidad de US$ 40 por cada
tonelada de aditivo para combustible producido y de US$ 30 por cada
tonelada de base disolvente producida. La administración de RMC, después de
un análisis de la demanda potencial, ha concluido que los precios establecidos
asegurarán la venta de todo el aditivo para combustible y de toda la base
disolvente que se produzca.
El problema de RMC es determinar cuántas toneladas de cada producto
deberá producir para maximizar la contribución total a la utilidad.
Sí usted estuviera a cargo de la programación de la producción para RMC,
¿Qué decisión tomaría?, esto es, ¿Cuántas toneladas de aditivo para
combustible y cuántas toneladas de base disolvente produciría usted para el
periodo actual de producción?
RLG
EJEMPLO continúa
• Formulación matemática:
Max Z = 40 x1 + 30 x2
Sujeto a :
2 1
x1 + x2  20 Materia prima 1
5 2
1
x2  5 Materia prima 2
5
3 3
x1 + x2  21 Materia prima 3
5 10
x1 , x2  0

RLG
SOLUCIÓN GRÁFICA CON WINQSB
Punto
Extremo.
Solución
óptima.
(25,20)

RLG
SOLUCIÓN GRÁFICA CON WINQSB
Recta de la Z = 40 x1 + 30 x2
Función
Objetivo 1600 = 40 (25) + 30 (20)
Punto
Extremo.
Solución
óptima.
(25,20)

RLG
ANALISIS DE SENSIBILIDAD
DE LA FUNCION OBJETIVO
Recta-
Recta- Pendiente
Pendiente Limite
Limite Superior
Inferior

RLG
ANALISIS DE SENSIBILIDAD DE
LA FUNCION OBJETIVO
Entonces, el punto extremo (25,20) será la solución optima siempre

que:
Pendiente de la recta B ≤ pendiente de la recta de la función
objetivo ≤ pendiente de la recta A.

RLG
ANALISIS DE SENSIBILIDAD DE LA FUNCION
OBJETIVO
En la figura anterior, la recta de la restricción de la materia prima 1
es:
A: 2/5 X1 + 1/2 X2 ≤ 20
Resolviendo esta ecuación en función de X2, podemos escribir la
ecuación de la recta A en forma de su pendiente - intersección:
1/2 X2 = - 2/5 X1 + 20 X2 = - 4/5 X1 + 40
Intersección de la recta A
Pendiente de recta A.
con el eje X2.
Por lo que la pendiente de la Recta A es –4/5 y su intersección

con el eje x2 es 40.

ANALISIS DE SENSIBILIDAD DE LA RLG
FUNCION OBJETIVO
En la figura anterior también, la recta de la restricción de la
materia prima 3 es:
B: 3/5 X1 + 3/10 X2 ≤ 21
Resolviendo esta ecuación en función de X2, podemos escribir la

ecuación de la recta B en forma de su pendiente - intersección:
3/10 X2 = - 3/5 X1 + 21 X2= -2 X1 + 70
Pendiente de recta B. Intersección de la recta

B con el eje X2.
Por lo que la pendiente de la Recta B es –2 y su intersección con

el eje x2 es 70.

RLG
ANALISIS DE SENSIBILIDAD DE LA
FUNCION OBJETIVO
Ahora que hemos calculado las pendientes de las rectas A y B, para
que el punto extremo (25,20) pueda ser optimo, debemos tener:
- 2 ≤ pendiente de la recta de la función objetivo ≤ - 4/5
Ahora veamos la forma general de la pendiente de la recta de la

función objetivo. Supongamos que C1 indica la contribución a la
utilidad por tonelada de aditivo para combustible , C2 la
contribución a la utilidad por tonelada de base disolvente, y Z el
valor de la F.O. Entonces:
Z= C1 X1 + C2 X2

RLG
FUNCION OBJETIVO
Z= C1 X1 + C2 X2
Resolviendo en función de X2 nos da la forma pendiente -
intersección de la recta de la F.O.
C  Z
X2 = −  1  1
X +
 C2  C2
Y reemplazando en la función requerida:
- 2 ≤ pendiente de la recta de la función objetivo ≤ - 4/5
C1 4
−2  − −
C2 5

RLG
FUNCION OBJETIVO
Calculamos el rango de optimalidad para C1, el coeficiente del
aditivo para combustible, mantenemos C2, el coeficiente de la base
disolvente, en su valor inicial C2=30. Entonces, queda así:
C1 4 De la desigualdad del lado izquierdo, tenemos:

−2  − −
30 5
C1
−2  −
30
Es decir:
− 60  − C1
y
C1  60

RLG
FUNCION OBJETIVO
De la desigualdad del lado derecho, tenemos:
C1 4
−2  − −
30 5
C1 4
− −
30 5
Por lo que:
120
− C1  − = − 24
5
− C1  − 24
 C1  24

RLG
FUNCION OBJETIVO
Combinando estos limites para C1, obtendremos el rango de
optimalidad para el coeficiente de utilidad para el aditivo para
combustible.
24  C1  60
El rango de optimalidad para C1 le dice a la gerencia de RMC que,

manteniendo los demás coeficientes sin modificar, la contribución a la
utilidad del aditivo para combustible puede ser cualquier cifra entre $ 24
por tonelada y $ 60 por tonelada y seguirán siendo optimas las cantidades
a producir de 25 toneladas de aditivo para combustible y 20 toneladas de
base disolvente.

RLG
FUNCION OBJETIVO
Comprobemos que para el caso de C2, obtendremos el rango de optimalidad

para el coeficiente de utilidad para la base disolvente .
20  C2  50
Nota: Cuando la rotación de la recta de la función objetivo alrededor de un

punto óptimo extremo hace que la recta de la función objetivo se haga
vertical, entonces no existirá ningún limite superior o ningún limite inferior
de la pendiente.

RLG
ANALISIS DE SENSIBILIDAD DEL
LADO DERECHO
Ahora veamos como un cambio en el valor del lado derecho de una restricción
puede afectar la región factible y quizás causar un cambio en la solución
óptima del problema.
Veamos como ejemplo, que pasa si se consiguen 3 toneladas adicionales de la
materia prima 3. En este caso, el lado derecho de la tercera restricción se
modifica de 21 a 24, 3/5 X1 + 3/10 X2 ≤ 24.
Si resolvemos gráficamente, la RF se agranda y hay un nuevo punto extremo
por lo que la nueva solución óptima será:
X1= 100/3 y X2= 40/3.
Y el valor de la nueva función objetivo es:
40(100/3) + 30(40/3) = 1,733.33.
Entonces , la utilidad adicional aparece con una tasa de $133.33 / 3

RLG
ANALISIS DE SENSIBILIDAD DEL
LADO DERECHO
Entonces , la utilidad adicional aparece con una tasa de $133.33 / 3 = $ 44.44
por cada tonelada de la materia prima 3 agregada.
A esta mejoría se conoce como precio dual. Aquí el precio dual para la
restricción de la MP 3 es de $ 44.44 por tonelada.
Es decir si aumentamos en una tonelada el lado derecho de la restricción de la
MP 3. el valor de la F.O. mejorará en $ 44.44. De manera alterna, si
reducimos en una tonelada el lado derecho de la restricción de la MP 3, la
F.O. empeorará en $ 44.44.
NOTA: El precio dual se puede usar solo para pequeños cambios del lado
derecho.

RLG
RESULTADOS CON LINGO 19.0
Global optimal solution found.

Objective value: 1600.000
Max Z = 40 x1 + 30 x2 Variable Value Reduced Cost

X1 25.00000 0.000000
Sujeto a : X2 20.00000 0.000000
2 1 Row Slack or Surplus Dual Price

x1 + x2  20 Materia prima 1 1 1600.000 1.000000
5 2 2 0.000000 33.33333
1 3 1.000000 0.000000
x2  5 Materia prima 2 4 0.000000 44.44444
5
Ranges in which the basis is unchanged:
3 3
x1 + x2  21 Materia prima 3 Objective Coefficient Ranges:
5 10
Current Allowable Allowable
Variable Coefficient Increase Decrease
x1 , x2  0 X1
X2
40.00000
30.00000
20.00000
20.00000
16.00000
10.00000
Righthand Side Ranges:
Current Allowable Allowable

Row RHS Increase Decrease
2 20.00000 1.500000 6.000000
3 5.000000 INFINITY 1.000000
4 21.00000 9.000000 2.250000

RLG
CAMBIOS EN LOS RECURSOS (LADO DERECHO)
▪ El valor posible de incremento del lado derecho de un recurso es
limitado. Si el valor fuera incrementado más allá del límite
superior, quizás cambie la función objetivo, pero por un valor
diferente al precio sombra (Precio Dual).
▪ Así, el Precio Dual (precio sombra) sólo es relevante dentro de

los límites. Si se hace un cambio que exceda estos límites,
entonces el problema deberá ser resuelto para indagar el efecto
del cambio.
▪ Nótese que la información de sensibilidad del LD que arrojan los

reportes, NO nos dice cómo cambia la decisión óptima (valores de
las variables de decisión); simplemente explica el modo en que
cambia el Valor Objetivo a medida que cambia el LD.
RLG
Ejemplo Análisis de Sensibilidad
Resolver con LINGO

RLG
Tenemos.

RLG
A continuación analizamos los respectivos

intervalos.

RLG
Al resolver con LINGO, tenemos:

RLG

RLG
RESTRICCIONES ACTIVAS Y PASIVAS
Restricción activa. Cuando en una restricción se consume el 100

% de los recursos disponibles se llama activa.
Restricción pasiva. Cuando en una restricción existe un ocio

asociado o sobrante se llama pasiva.
Restricción necesaria. Si forma parte de la región factible.
Restricción redundante. Si no forma parte de la región factible.
Redundante geométricamente. Es aquella que tiene una holgura

asociada y está fuera de la región factible.
Redundante analíticamente. Es aquella que puede ser expresada

como una combinación lineal de otras restricciones y toca a la
región factible en sólo un punto.

RLG
RESTRICCIONES Activas y Pasivas: Ejemplo
Ejemplo:
Max Z= X1 + 6X2
S.A.
2X1 + 3X2 <= 6 (R1)
6X1 + 4X2 <= 12 (R2)
-2X1 + 2X2 <= 2 (R3)
8X1 +7X2 <= 18 (R4)
X2 <= 2 (R5)
SOLUCION.
Como se puede observar en la gráfica, la
solución es X1 = 3/5 = 0.6 y X2 = 8/5 = 1.6
Z* = 51/5=10.2
Con esto podemos ver que las restricciones son:
Activas: 1 y 3
Pasivas: 2, 4 y 5
Pasivas necesarias: 2
Pasivas redundantes: 4 y 5
Redundante analítica: 4
Redundante geométrica: 5

RLG
RESTRICCIONES ACTIVAS Y PASIVAS: EJEMPLO
SOLUCION CON LINGO.

Objective value: 10.20000
Variable Value Reduced Cost
X1 0.6000000 0.000000
X2 1.600000 0.000000
Row Slack or Surplus Dual Price
1 10.20000 1.000000
2 0.000000 1.400000 (R1)
3 2.000000 0.000000 (R2)
4 0.000000 0.9000000 (R3)
5 2.000000 0.000000 (R4)
6 0.4000000 0.000000 (R5)
Con esto podemos ver que las restricciones son:
Activas: 1 y 3
Pasivas: 2, 4 y 5
Pasivas necesarias: 2
Pasivas redundantes: 4 y 5
Redundante analítica: 4
Redundante geométrica: 5

RLG
COSTOS REDUCIDOS
▪ El costo reducido de cualquier variable de decisión se define como

“cuánto tendría que cambiar el coeficiente de dicha variable, en la
función objetivo, para tener un valor óptimo positivo”
▪ Tiene sentido cuando alguna variable tiene valor cero (0) en la

solución óptima (variable no básica). De lo contrario si una variable
ya es positiva en la optimalidad, su costo reducido es cero.
▪ Un cambio en el coeficiente (contribución unitaria, costos unitarios,

etc.) de una variable no básica puede hacer que ésta aparezca en la
solución óptima (se vuelva básica). El costo reducido me da esa
cantidad.

RLG
PROBLEMA DE DIETAS
ANALIZAR CON LINGO
La señora CAPELO, nutricionista del Hospital Central de la ciudad de Lima, es
responsable de la planeación y administración de los requerimientos
alimenticios de los pacientes. La señora Capelo examina en estos momentos
un caso de un paciente que se le ha dado una dieta especial que consta de dos
fuentes alimenticias. Al paciente no se le ha restringido la cantidad de los
dos alimentos que puede consumir; sin embargo, se deben satisfacer los
siguientes requerimientos nutritivos mínimos por día: 1000 unidades del
nutriente A, 2000 unidades del nutriente B y 1500 unidades del nutriente C.
Cada onza de la fuente alimenticia No. 1 contiene 100 unidades del nutriente
A, 400 unidades del nutriente B y 200 unidades del nutriente C; cada onza de
la fuente alimenticia No. 2 contiene 200 unidades del nutriente A, 250
unidades del nutriente B y 200 unidades del nutriente C. Ambas fuentes
alimenticias son algo costosas, la fuente No.1 cuesta $6 por libra y la fuente
No. 2 cuesta $8 por libra.
La señora Capelo desea determinar la combinación de fuentes alimenticias
que arroje el menor costo y que satisfaga todos los requerimientos
nutritivos, recalcando a la enfermera que 1 lb es igual a 16 onzas.
Halle los rangos de los coeficientes de la función objetivo para los cuales no
cambia la solución óptima. Evalúe si son activas o pasivas…?

Clase Analisis de Sensibilidad y Simplex

Cargado por

Copyright:

Formatos disponibles

Clase Analisis de Sensibilidad y Simplex

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase Analisis de Sensibilidad y Simplex

Cargado por

Copyright:

Formatos disponibles

RLG

Programa Académico Ingeniería Industrial y

SEMANA 4-5 SESIÓN 1-2

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

• Qué es análisis de Sensibilidad

• Ejemplo empresa RMC.

• Análisis de Sensibilidad de la función Objetivo.

• Análisis de Sensibilidad del lado derecho(cambio en los

• Interpretación con software Lindo-Lingo.

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

• Los alumnos alcanzarán a comprender e

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

Es un procedimiento iterativo que

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

El algoritmo o método del simplex es un procedimiento sistemático

El método gráfico para resolver problemas de programación lineal

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

Se tiene un programa de cambio de la producción y se propone incursionar con dos

Según el departamento de comercialización, se puede colocar en el mercado toda la

Se debe determinar la tasa de producción de los 2 productos para maximizar las

DATOS DEL PROBLEMA DE WYNDOR GLASS

Tiempo de producción por Tiempo de

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

Max Z = 3x1 + 5 x2 MAX = 3*X1 + 5*X2;

x1 , x2  0 Objective value: 36.00000

Variable Value Reduced Cost

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

FORMA BÁSICA DE UNA ECUACIÓN

Diremos que un sistema de ecuaciones está escrito en

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

SISTEMA ESCRITO EN FORMA BÁSICA:

En la 1ª ecuación encontramos a la incógnita S1 que sólo

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

La diferencia entre el lado derecho y el lado izquierdo de la restricción ( <= )

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

VARIABLES DE VARIABLES DE HOLGURA

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

PROBLEMA DUAL EN FORMATO LINGO Si corremos el problema DUAL en Lingo,

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

• El análisis de sensibilidad es el estudio de la forma en que los

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

• En un proceso de producción en particular se utilizan tres materias

• El aditivo para combustible se vende a empresas petroleras y se utiliza

• La base disolvente se vende a varias empresas químicas y se utiliza

• Para formar el aditivo para combustible y la base disolvente se mezclan

INVESTIGACION DE OPERACIONES Dr. Ricardo López Guevara

NECESIDADES DE MATERIA PRIMA POR TONELADA

PRODUCTOS MATERIA PRIMA 1 MATERIA PRIMA 2 MATERIA PRIMA 3

ADITIVO PARA 2/5 0 3/5

BASE DISOLVENTE 1/2 1/5 3/10

La producción de RMC está limitada por la disponibilidad de las tres materias

Max Z = 3x1 + 5 x2 MAX = 3X1 + 5X2;