UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE

HUAMANGA
FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL

ESCUELA DE FORMACIÓN PROFESIONAL

INGENIERÍA DE SISTEMAS

Análisis Postóptimo

Docente : Ing. MARTINES CORDOVA, Celia

Grupo : N°06
Fecha de entrega : 27 de DE MARZO

Integrantes :
 FERNANDEZ CASTILLO, Roxana
 LAHUANA TIPE, Yuri
 OCHOA POMASONCCO, Fernando

Ayacucho – Perú
2017

1
 INDICE
INTRODUCCION ................................................................................................. 3

I. MARCO TEORICO .............................................................................................. 4

A. ANALISIS DE SENSIBILIDAD ...................................................................... 4
1.IMPORTANCIA DEL ANALISIS DE SENSIBILIDAD ................................ 4
2.HERRAMIENTA DE CALCULO ................................................................. 5
3.CAMBIOS EN LOS PARAMETROS DE MODELO ................................... 5
4.CAMBIOS EN EL PL ORIGINAL ............................................................... 6
5.ANALISIS DE POSTOPTIMALIDAD ......................................................... 6
6.ENTORNO DIMAMICO DE LOS NEGOCIOS............................................ 7
7.PREDICCION DE LAS CONDICIONES FUTURAS ................................... 7
8.ESTIMACION DE LOS PARAMETROS .................................................... 7
9.IMPORTANCIA DEL ANALISIS ................................................................ 7
10.PARAMETROS SENSIBLES ................................................................... 8
11.INFORMACION PRODUCTO DEL ANALISIS ......................................... 8
B. OBJETIVOS .................................................................................................. 9
C.EJERCICIOS IMPLEMENTADOS EN SOLVER Y TORA ............................ 10
D.CONCLUCION ............................................................................................. 25

2
 INTRODUCCION
EL análisis posoptimalidad (sensibilidad) se encarga precisamente de
estudiar cómo afectaría a la solución óptima obtenida a la función
objetiva el cambio (dentro de un rango predeterminado) de uno de los
parámetros, manteniendo fijos los restantes. Por ejemplo, si nuestros
contables estiman al revisar los cálculos que los beneficios por cada
unidad de producto vendida son de 5,5 soles en vez de la estimación
inicial de 5 soles, o si resulta que ahora disponemos de recursos
adicionales (como 10 horas más de mano de obra, o de una nueva
máquina), el análisis de sensibilidad nos ayudara a conocer como
afectara estos cambios a la solución óptima obtenida y a los beneficios
totales. Conviene hacer notar que este tipo de análisis tan solo tiene
sentido para modelos lineales no enteros (no se usa en modelos
enteros ni en cuadráticos).

3
 I. MARCO TEORICO

A. ANALISIS DE SENSILIBILIDAD

¿Qué es el análisis de sensibilidad?

El análisis de sensibilidad es el estudio de la forma en la que se
afecta la solución óptima al presentarse cambios en los
coeficientes de un programa lineal.
Utilizando éste análisis podemos responder a preguntas como las
siguientes:
¿Cómo afectará a la solución óptima un cambio en uno de los
coeficientes de la función objetivo? ¿Cómo afectará a la solución
óptima un cambio en el valor del segundo elemento de una
restricción?

1. IMPORTANCIA DEL ANALISIS DE SENSIBILIDAD

El análisis de sensibilidad es una herramienta efectiva, por dos

razones fundamentales:
 Primera: los modelos de programación lineal son con
frecuencia grandes y costosos; por lo tanto, no es costeable
utilizar para un solo caso.
 Segunda: los elementos que se dan como datos para un
problema de programación lineal, la mayoría de las veces

4
 son estimaciones; por lo tanto, es necesario investigar o tener
en cuenta más de un conjunto de casos posibles.

2. HERRAMIENTA DE CALCULO

Para llevar a cabo el análisis de sensibilidad se recomienda dos

formas diferentes, de acuerdo a la tecnología disponible y a la
complejidad del problema:
 Si se tiene una calculadora programable o computador y el
problema es pequeño, se puede solucionar el modelo
nuevamente con los datos de experimentación, tantas veces
como se desee, para su posterior análisis.
 Si el problema es muy complejo, no es necesario resolver
todo el modelo una y otra vez sino que se pueden utilizar
ciertas propiedades del método de sensibilidad para hacer los
ajustes a la solución optima.

3. CAMBIOS EN LOS PARAMETROS DEL MODELO

El análisis de sensibilidad se lleva a cabo en:

 Cambios en los niveles de los recursos escasos
 Cambios en los coeficientes de la función objetivo
(coeficientes de variables básicas y coeficientes de variables
no básicas).
 Cambios en los coeficientes tecnológicos (variaciones en las
aij para variables básicas y no básicas).
 Supresión y adición de restricciones.
 Adición de nuevas variables.

El análisis que se va realizar se hará teniendo en cuenta el mayor

impacto sobre la solución optima debido a las variación de los
valores en los parámetros por inexactitud en las estimaciones. Se

5
 empezará por investigar las consecuencias de las variaciones en los
coeficientes de la función objetivo y recursos disponibles, que a
juicio del autor son los de mayor impacto, y posteriormente se
continuara analizando las variables de las aij, aparición de una
nueva restricción o necesidad de adicionar una nueva variable.

4. CAMBIOS EN EL PL ORIGINAL

El nuevo problema puede diferir del original en uno o varios de los

siguientes aspectos:
 Cambios en la disponibilidad de recursos (vector b).
 Cambios en los costos unitarios o utilidades (vector c).
 Cambios en los coeficientes tecnológicos (matriz aij).

5. ANÁLISIS DE POSTOPTIMALIDAD

El análisis de sensibilidad o postóptimal para los modelos de

Programación Lineal, tiene por objetivo identificar el impacto que
resulta en los resultados del problema original luego de determinadas
variaciones en los parámetros, variables o restricciones del modelo,
sin que esto pase por resolver el problema nuevamente.

Es decir, ya sea si resolvemos nuestro modelo gráficamente o

utilizando el Método Simplex, lo que se busca es que estas
variaciones o sensibilidad hagan uso de la solución y valor óptimo
actual, sin tener la necesidad de resolver para cada variación un
nuevo problema. En especial nos concentraremos en el análisis de
sensibilidad o postóptimal que hace uso de la tabla final del Método
Simplex.

Dado que el análisis de sensibilidad se ocupa de la forma en que los

cambios anteriores afectan a la solución óptima, el análisis no
comienza hasta que se obtiene, precisamente, la solución óptima al
problema de programación lineal original.
 Por esto último al análisis de sensibilidad con frecuencia se
le denomina análisis de postoptimalidad.

6
  Así pues, pese al cambio en alguno de los parámetros de la
formulación original que dan paso a un nuevo problema, no
será necesario volver a resolver el problema desde el
principio.

6. ENTORNO DINÁMICO DE LOS NEGOCIOS

La principal razón de la importancia del análisis de sensibilidad

para quienes toman las decisiones es que los problemas reales
ocurren en un medio ambiente dinámico. Los precios de las
materias primas varían, la demanda fluctúa, las empresas
sustituyen maquinaria y mano de obra, etc.
 Si se ha utilizado un modelo de programación lineal en un
entorno de este tipo (dinámico), puede esperarse que con el
paso del tiempo algunos de los coeficientes cambian. Los
administradores desearán determinar la forma en que esos
cambios afectan a la solución óptima del problema de
programación lineal original.

7. PREDICCIÓN DE LAS CONDICIONES FUTURAS

El trabajo del equipo de investigación de operaciones apenas

comienza cuando se ha aplicado con éxito el método simplex para
identificar una solución óptima del modelo.
Los valores de los parámetros que se usan en el modelo casi
siempre son sólo estimaciones basadas en una predicción de las
condiciones futuras.

8. ESTIMACIÓN DE LOS PARÁMETROS

Los datos obtenidos para desarrollar estas estimaciones con

frecuencia son bastante imperfectos o no existen, así que los
parámetros de la formulación original pueden representar poco
más que estimaciones optimistas o pesimistas que protegen los
intereses de los estimadores.

9. IMPORTANCIA DEL ANÁLISIS

7
 Por estas razones es importante llevar a cabo un análisis de
sensibilidad, para investigar el efecto que tendría sobre la solución
óptima proporcionada por el método símplex el hecho de que los
parámetros tomaran otros valores posibles. • En general, habrá
algunos parámetros a los que se les puede asignar cualquier valor
razonable sin que afecten la optimalidad de esta solución. Sin
embargo, también habrá parámetros con valores probables que
lleven a una nueva solución óptima. • Esta situación es
particularmente seria, si la solución original adquiere valores
sustancialmente inferiores en la función objetivo, o quizá no
factibles.

10. PARÁMETROS SENSIBLES

Por lo anterior, un objetivo fundamental del análisis de sensibilidad

es identificar los parámetros sensibles, (por ejemplo, los
parámetros cuyos valores no pueden cambiar sin que cambie la
solución óptima). Para ciertos parámetros que no están
clasificados como sensibles, también puede resultar de gran
utilidad determinar el intervalo de valores del parámetro para el
que la solución óptima no cambia.

11. INFORMACIÓN PRODUCTO DEL ANÁLISIS

La información de este tipo es invaluable en dos sentidos. Primero,

identifica los parámetros más importantes, con lo que se puede
poder un cuidado especial al hacer sus estimaciones y al
seleccionar una solución que tenga un buen desempeño para la
mayoría de los valores posibles. Segundo, identifica los
parámetros que será necesario controlar de cerca cuando el
estudio se lleve a la práctica. Si se descubre que el valor real de
un parámetro se encuentra fuera de su intervalo de valores
permisibles, ésta es una señal inminente de que es necesario
cambiar la solución.

8
B. OBJETIVOS

El objetivo del análisis postoptimalidad después de que el

problema de PL ha sido resuelto, se intenta determinar un
intervalo de cambios en los parámetros que no afectan la
solución óptima o cambian los valores de las variables en
la solución. Esto se realiza sin resolver el problema
completo

El análisis de postoptimalidad nos encargaremos de

examinar los cambios una vez que se ha llegado a la
solución óptima.

En la prueba de optimalidad se verifica si esta solución es

óptima (si es factible), comprobando que todos los
coeficientes de las variables no básicas sigan siendo no
negativos.

Es identificar los parámetros sensibles, (por ejemplo, los

parámetros cuyos valores no pueden cambiar sin que
cambie la solución óptima). Para ciertos datos que no
están clasificados como sensibles, también puede resultar
de gran utilidad determinar el intervalo de valores del
parámetro para el que la solución optima no cambie

9
 C. EJERCICIOS IMPLEMENTADOS EN SOLVER Y
TORA

EJERCICIO1:
Con el comienzo del curso se va a realizar unas ofertas de
material escolar unos almacenes quieren ofrecer 600
cuadernos ,500 carpetas y 400 bolígrafos para la oferta
empaquetándolo de dos formas distintas , en el primer bloque
pondrá 2 cuadernos ,1 carpeta y 2 bolígrafos ,en el segundo
pondrá 3 cuadernos ,1 carpeta y 1 bolígrafo , los precios de cada
paquete serán de $ 6.5 y $ 7.0 respectivamente .

¿Cuántos paquetes le convienen poner de cada tipo para

obtener el máximo beneficio?
HALLANDO EN SOLVER

Definición del variable:

X1 = empaque #1
X2 = empaque #2

Función objetivo:

MAX Z = 6.5X1 +7X2

Restricciones:
#1 #2 Disponibles
2X1+ 3X2 <= 600 cuaderno 2 3 600
X1 + X2 <= 500 carpetas 1 1 500
2X1 + X2 <= 400 bolígrafo 2 1 400
X1 , X2 >=0

10
Ingresando los datos a Excel:
Tal cómo se mencionó, la importancia de una correcta organización de
la información es vital, proponemos la siguiente plantilla para ingresar
los datos de nuestro problema:

Ahora que ya tenemos nuestra plantilla formulada, el siguiente paso

consiste en utilizar Solver para resolver el modelo, para ello, vamos a
la pestaña Datos (En cualquier versión de Office), y seleccionamos el
complemento Solver:
Una vez iniciemos Solver se abrirá una ventana emergente llamada
"Parámetros de Solver", en ella como primera medida
seleccionaremos nuestra celda objetivo (Contribución Total) y
seleccionaremos el criterio Maximizar:

11
El siguiente paso, es indicarle a Solver que debe alcanzar el máximo
valor para la celda objetivo mediante la variación de las siguientes
celdas (Cambiando las celdas), es decir, le indicaremos cuales son las
variables de decisión:
El siguiente paso consiste en asignarle las restricciones a las que el
modelo está sujeto, las cuales son restricciones de disponibilidad de
recursos:

12
Hecho esto, damos clic en Aceptar y en Resolver... Podemos observar
como las variables de decisión, las restricciones (inventario usado) y la
contribución total (celda objetivo) han tomado valores, estos son los
valores óptimos según el modelo formulado. Ahora nos aparecerá un
cuadro de diálogo que nos preguntará si deseamos utilizar la solución
de Solver y unos informes que debemos seleccionar para obtener una
tabla resumen de la respuesta y un análisis de sensibilidad que se
insertarán como hojas al archivo de Excel:

El informe de sensibilidad arrojado por Solver es mucho más básico

que el que nos puede proporcionar WinQSB, sin embargo destacamos
la información referente al "Multiplicador de LaGrange" que
corresponde al "Shadow Price de WinQSB" conocido como el precio
sombra, es decir, el cambio marginal de la función objetivo cuando el
valor del lado derecho de la restricción aumenta en una unidad

13
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$D$5 F.O 150 0 6.5 7.5 1.833333333
$E$5 F.O 100 0 7 2.75 3.75

Restricciones
Final Sombra Restricción Permisible Permisible
Lado
Celda Nombre Valor Precio derecho Aumentar Reducir
$F$7 R1 CM 600 1.875 600 600 200
$F$8 R2 CM 250 0 500 1E+30 250
$F$9 R3 CM 400 1.375 400 200 200

14
Graficando tenemos:

15
HALLANDO EN TORA:
Ingresando datos a Tora:
Una vez iniciado tora nos mostrara un menú principal de opciones, en
el seleccionamos la opción “Linear Programming”:

Una vez seleccionada la opción de programación lineal, nos mostrará

un menú desde el cual podemos elegir si iniciar un nuevo modelo, o
abrir un archivo existente; además de seleccionar el formato de
ingreso de datos, en el cual recomendamos el formato decimal:

16
El siguiente paso consiste en completar la información solicitada en la
nueva ventana, correspondiente al nombre del problema, la cantidad
de variables y restricciones:

Una vez consignada la información anterior, y luego de teclear

ENTER, nos mostrará la siguiente interfaz, en la cual debemos
consignar la información del modelo, se trata de un formato tipo
matricial muy similar al utilizado por WinQSB:

Una vez completa la información de la matriz, procedemos a resolver

el modelo, presionando el botón SOLVE.
Una vez hagamos esto nos mostrará un menú en el que podemos
modificar el formato numérico de la solución. Luego de esto, nos
mostrará un menú emergente en el que podemos elegir el tipo de
solución que queremos visualizar, se encuentra la solución gráfica y la

17
algebraica, elegimos la algebraica en este caso y seleccionamos que
se nos muestre el tabulado final:

En el tabulado solución podemos observar como la función objetivo

toma el mismo valor obtenido con los programas de solución
de Solver y WinQSB. A partir de este tabulado podemos efectuar un
análisis de sensibilidad teniendo en cuenta que:

18
Objective Valué: Nos muestra el resultado de nuestra función
objetivo, en este caso la solución óptima tiene una función objetivo
(utilidad) de $ 1675.

Valué: El valor que toman las variables de decisión.

Obj Val Contrib: Es la contribución unitaria de las variables de

decisión en la función objetivo.

Slack-/Surplus+: Cuando la restricción en cuestión tiene el operador

<=, corresponde a una holgura, es decir, se puede interpretar como el
recurso no utilizado. Cuando la restricción en cuestión tiene el
operador >=, corresponde a un exceso, es decir, se puede interpretar
como el recurso utilizado por encima de la restricción de mínimo uso.
Min and Max Obj Coeff: Para un coeficiente de la función objetivo en
particular. Este es el rango en que la base actual de la solución sigue
siendo la misma.

Dual Price: Llamado en WinQSB como Shadow Price, y en Solver

como Multiplicador de LaGrange, corresponde al cambio marginal de
la función objetivo cuando el valor del lado derecho de la restricción
aumenta en una unidad.
En nuestro ejemplo sería así: por cada empaque adicional que
tengamos disponible, la función objetivo aumentará en $1.88.

Elegimos la grafica en este caso y seleccionamos que se nos muestre

el tabulado inicial:

19
EJERCICIO 2
Unos grandes almacenes encargan a un fabricante pantalones y
chaquetas deportivas .El fabricante dispone para la confección
de 750 m de tejido de algodón y 1000 m de tejido de poliéster.
Cada pantalón precisa 1 m de algodón y 2 m de poliéster, y
cada chaqueta precisa 1.5 m de algodón y 1 m de poliéster. El
precio del pantalón se fija en $ 50 y el de la chaqueta en $40.
¿Qué numero de pantalones y chaquetas debe suministrar el
fabricante a los almacenes para que estos consigan una venta
máxima?

20
HALLANDO CON SOLVER

21
Microsoft Excel 14.0 Informe de confidencialidad
Hoja de cálculo: [solver sensi.xlsx]Hoja2
Informe creado: 27/03/2017 12:23:59 a.m.

Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$3 FO 625 0 50 10 30
$C$3 FO 62.5 0 40 60 6.666666667

Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$D$5 R1 CM 750 5 750 1250 83.33333333
$D$6 R2 CM 1000 30 1000 125 625

22
HALLANDO EN TORA

23
24
D. CONCLUSIONES
En conclusión el Análisis de sensibilidad es una herramienta
importante en el desarrollo integral del alumno ya que le ayuda
a diseñar muchos modelos matemáticos, así como la toma de
decisiones sobre distintas problemáticas que se pueden
enfrentar en cualquier ambiente laboral o personal, favoreciendo
en su desarrollo de habilidades, pensamiento crítico, agilidad
mental y responsabilidad.
También aprenderá a profundizar mas sobre los problemas
arrojados. Verifica si esta solución es óptima (si es factible),
comprobando que todos los coeficientes de las variables no
básicas sigan siendo no negativos.

Por ende el tema primordial de este trabajo análisis de la

sensibilidad en una herramienta primordial que ayuda a
profundizar mas sobre los problemas arrojando márgenes mas
sólidos en cuanto a soluciones optimas se refiere con esto el
alumno podrá comparar dentro de las distintas opciones cual es
la que mejor satisfaga a los requerimientos que plantee la
problemática y dependiendo de la función que se desea obtener
ya sea de maximizar o minimizar

25