TEMA

: ANALISIS DE SENCIBILIDAD

INGENIERO CURSO INTEGRANTES:

: RODRIGUES PEA VICTOR : FILOSOFIA DE SISTEMAS CHAMORRO MARMANILLO, Yelson Rosvel CONDORI CAPANI, Ral GARCIA LEIVA, Cristhian Julio TORRES ROBLES, Yerovi

PAMPAS - TAYACAJA 2012

DEDICATORIA

Este trabajo es dedicado para todas aquellas personas que da a da surjan y aportan al desarrollo de nuestra sociedad.

INTRODUCCION En todos los modelos de programacin lineal los coeficientes de la funcin objetivo y las estricciones se dan como datos de entrada o como parmetros del modelo. En los problemas reales los valores de estos coeficientes no estn, en general, perfectamente fijados, debido a que la mayora de ellos dependen de parmetros no controlables, por ejemplo, futuras demandas, coste de materias primas, costo de energa, etc. y no pueden ser predichas con exactitud antes de que el problema sea resuelto. Tambin puede suceder que aunque conozcamos los parmetros exactamente estemos interesados en estudiar como vara la solucin optima si cambiamos algn parmetro intencionadamente, a efectos de tratamiento, ambas situaciones se resuelven de forma analgica. Cada variacin en los valores de los datos del problema generara un nuevo problema de programacin lineal. El anlisis de sensibilidad y el anlisis para mtrico nos proporcionaran herramientas para el clculo de las soluciones ptimas de los problemas obtenidos por la modificacin de los parmetros originales del problema. En el procedimiento de resolucin siempre se partir de una solucin ptima del problema original, problema antes de ser modificado, y a partir de ella se calcularan las distintas soluciones asociadas a las modificaciones del problema original.

ANLISIS DE SENSIBILIDAD El anlisis de sensibilidad es un trmino financiero, muy utilizado en el mundo de la empresa a la hora de tomar decisiones de inversin, que consiste en calcular los nuevos flujos de caja y el VAN (en un proyecto, en un negocio, etc.), al cambiar una variable (la inversin inicial, la duracin, los ingresos, la tasa de crecimiento de los ingresos, la tasa de crecimiento de los ingresos, los costes, etc.). De este modo teniendo los nuevos flujos de caja y el nuevo VAN podremos calcular o mejorar nuestras estimaciones sobre el proyecto que vamos a comenzar en el caso de que esas variables cambiasen o existiesen errores inciales de apreciacin por nuestra parte en los datos obtenidos inicialmente. Para hacer el anlisis de sensibilidad tenemos que comparar el VAN antiguo con el VAN nuevo y nos dar un valor que al multiplicarlo por cien obtendremos el porcentaje de cambio. La frmula a utilizar es la siguiente: (VANn VANe) / VANe. Donde VANn es el nuevo VAN obtenido y VANe es el VAN que tenamos antes de realizar el cambio en la variable. CUIDADOS AL HACER EL ANLISIS DE SENSIBILIDAD Reconocer que el cambio en el resultado depende de cmo se haya construido el modelo y los valores inciales de las variables por analizar Que los cambios en las variables deben ser iguales para todas de manera que se puedan comparar los resultados. Reconocer la posibilidad de que las relaciones entre las variables y los resultados nos sean lineales. Al analizar la sensibilidad de las variables hay que hacerlo de una en una si se desea determinar cules de las variables son las ms crticas.

PARA QU SIRVE EL ANLISIS DE SENSIBILIDAD Identifica las variables ms crticas.

Identificar donde se debe dedicar ms esfuerzos tanto en le procesos de planeacin como en el de control y seguimiento de una decisin. Identificar las variables que deben ser incluidas en la creacin de escenarios o en la simulacin.

OBJETIVO PRINCIPAL DEL ANLISIS DE SENSIBILIDAD Establecer un intervalo de nmeros reales en el cual el dato que se analiza puede estar contenido, de tal manera que la solucin sigue siendo ptimo siempre que el dato pertenezca a dicho intervalo. Los anlisis ms importantes son.

Los coeficientes de la funcin objetivo; y Los trminos independientes de las restricciones y se pueden abordar por medio del Mtodo Grfico o del Mtodo Simplex.

MTODO GRFICO O DEL MTODO SIMPLEX El mtodo Simplex es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando ms dicha solucin. Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las aristas del poliedro, si el nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta. CASOS DE APLICACIN DE ANLISIS DE SENSIBILIDAD

HiDec produce dos modelos de artculos electrnicos, donde se usan resistores, capacitores y chips. La tabla siguiente es un resumen de los datos en este caso:

RECURSO

requerimiento de recurso por unidad Modelo 1(unidades) Modelo (unidades) 3 1 4 4 2

disponibilidad mxima(unidades)

Resistor Capacitor Chips Utilidad($)

2 2 0 3

1200 1000 800

La empresa pretende decidir qu cantidad de cada modelo debe producir para maximizar el beneficio. Variables: Comenzamos por definir las dos variables de decisin del problema como: x1 la cantidad de unidades a producir del modelo 1 x2 la cantidad de unidades a producir del modelo 2. Funcin objetivo: La funcin objetivo consiste en obtener el mayor beneficio posible: max z = 3x1+ 4x2 que es el resultado de multiplicar el vector de utilidad por el vector de las variables (en Excel seleccionamos la funcin SUMAPRODUCTO, dentro de la categora Matemticas y trigonomtricas, para sumar el producto de los elementos uno a uno de estas dos matrices, cuidando que ambas matrices tengan el mismo orden). Restricciones: Las restricciones estarn dadas por el producto de la matriz de los coeficientes y el vector de las variables de decisin (utilizando la funcin de Excel SUMAPRODUCTO), de la siguiente forma:

2 x1 + 3 x2 1200 Restriccin relativa a los Resistores 2 x1 + 1 x2 1000 Restriccin relativa a los Capacitores 0 x1 + 4 x2 800 Restriccin relativa a los Chips xi 0 con i=1,2 Restricciones de no negatividad Modelo en Forma Standard: agregando variables de holgura si positivas en cada una de las restricciones ya que stas son de menor o igual, lo cual nos ayudar a contestar algunas de las cuestiones que se plantean a continuacin. max z = 3x1+ 4x2 s.a. 2 x1 + 3 x2 + s1 = 1200 2 x1 + 1 x2 +s2 = 1000 0 x1 + 4 x2 + s3= 800 xi 0 con i=1,2 si 0 con i=1,2,3 RESOLUCIN EN TORA

METODO GRAFICO

POR METODO ALGEBRAICO

La primera hoja del documento Excel practica2.xls contiene los datos necesarios de este ejemplo, as como un grfico de la regin factible del problema, se puede copiar de la pgina:

Programacin Lineal / Mtodo del Smplex y Anlisis post-optimo

ANLISIS DE SENSIBILIDAD GRFICO Abordaremos primero el anlisis de sensibilidad de manera grfica. Partamos del siguiente modelo de programacin lineal: ACERCA DE DUALIDAD Todo problema de optimizacin (primal), tiene un problema asociado (dual) con numerosas propiedades que los relacionan y nos permiten hacer un mejor anlisis de los problemas. A continuacin se describen los resultados que se ocuparan en la resolucin de los problemas.

CONSTRUCCION DEL PROBLEMA DUAL

Bastante en general, para encontrar el dual de un problema lineal:

Si es problema de minimizacin el dual ser de maximizacin y viceversa.

En el dual habr tantas variables como restricciones 2 en el primal. En el dual habr tantas restricciones como variables en el primal. Los coeficientes de la funcin objetivo del dual vendrn dados por los coeficientes del lado derecho de las restricciones del primal. Los coeficientes del lado derecho del dual vendrn dados por los coeficientes de la funcin objetivo del primal. Los coeficientes que acompaarn a las variables en una restriccin del dual corresponder a aquellos coeficientes que acompaan a la variable primal correspondiente a la restriccin dual 3.

Para saber si las restricciones duales son de , = o , se recurre a la tabla de relaciones primal-dual. Para saber si las variables duales son 0, =0 o 0, se recurre a la tabla de relaciones primal dual.

ACERCA DE LOS PRECIOS SOMBRA

Los valores de las variables duales en el ptimo tienen una interpretacin econmica interesante en problemas de programacin lineal: Corresponde a las tasas marginales de variacin del valor de la funcin objetivo ante variaciones unitarias del lado derecho de una restriccin. Por este motivo se le llama precio sombra al vector de variables duales en el optimo. ACERCA DE SENSIBILIDAD Como ya se dijo, nos interesa ver como se ve afectada la solucin de un problema de optimizacin si cambia alguno de los parmetros del problema. En este mbito, podemos distinguir2 tipos de anlisis:

 Anlisis de sensibilidad: Consiste en determinar cul es el rango de variacin de los parmetros del problema de modo que la base ptima encontrada siga siendo ptima. Anlisis post ptima: Consiste en determinar cmo vara la base ptima si cambia alguno de los parmetros del problema.

INCORPORACIN DE RESTRICCIONES Cuando se considera la incorporacin de una nueva restriccin el primer paso es comprobar si la solucin optima del problema original la verifica, en este caso la solucin tambin ser optima para el problema modificado. Nos situamos ahora en que la solucin optima del problema original no verifica la nueva restriccin, veamos el proceso a seguir por medio de un ejemplo. Consideremos que existen problemas para el abastecimiento de un tercer ingrediente, el lpulo. Se pueden conseguir 30 unidades de lpulo y se necesitan 3, 1 y 1 unidades de lpulo para la cerveza de tipo 1, 2 y 3, respectivamente. Se trata pues de incluir la restriccin 3x1 + x2 + x3 30, Restriccin que no es verificada por la solucin optima del problema original ya que requerir 35 unidades. En primer lugar nos fijamos en las variables que aparecen en la restriccin y son bsicas en la tabla optima del problema original. Despus despejamos de la tabla optima dichas variables y las sustituimos en la restriccin. Sobre nuestro ejemplo, en la restriccin aparecen x1 y x2, las despejamos de la tabla x1 =5 23x3 23x4 + 13x5 x2 = 20 23x3 + 13x4 23x5

Sustituimos en la restriccin 3(5 3x3 3x4 + 3x5) + (20 3x3 + 3x4 3x5) + x3 30 y operando obtenemos 3x3 3x4 + 3x5 5 La restriccin anterior ya esta actualizada, basta con incluir una variable de holgura y la restriccin esta lista.

5 x3 3 x4 + 3 x5 + x6 = 5 3

Si la restriccin se deja en la forma con lo que la holgura entra sumando podremos aplicar a la tabla resultante el simplex dual. Si cambiamos el sentido de la restriccin para que el coeficiente sea positivo entonces la holgura entrara con coeficiente -1 y posteriormente necesitaramos una variable artificial para la construccin de la tabla.

Tal y como hemos dejado la restriccin se incluye directamente en la tabla, tomando como variable bsica la variable de holgura x6, obsrvese que los costos marginales no han cambiado como consecuencia de haber entrado en la base una variable de holgura.

x1 x1 x2 x6 1 0 0 0

x2 0 1 0 0

x3 2 3 2 3 5 3 13 -3

x4 2 3 1 -3 5 -3 1 -3

x5 1 3 2 3 1 3 10 -3

x6 0 0 1 0

b 5 20 -5

A partir de aqu se aplica el simplex dual, sale x6 entra x4 obtenindose

x1 x1 x2 x4 1 0 0 0

x2 0 1 0 0

x3 0 1 1 -4

x4 0 0 1 0

x5
-1

x6 2 5 1 -5 3 -5 1 -5

B 3 21 3

5 3 5 1 5 17 -5

Que ya contiene una solucin optima del problema con la nueva restriccin. Con lo que al construir la tabla

x1 x1 x2 1 0 0 0

x2 0 1 0 0

x3 2 3 2 3 5 3 13 -3

x4 2 3 1 3 5 3 1 -3

x5 1 3 2 3 1 3 10 -3

x6 0 0 -1 0

b 5 20 5

no tendramos una variable bsica candidata, deberamos introducir una variable artificial a1 con coeficiente ca1 = M y re calcular todos los costos marginales

5
X

3 + 3 x4 3 x5 x6 + a1 = 5

3 x1 x1 x2 1 0 x2 0 1 x3 2 23 x4 2 -31 x5 1 x6 0 0 b 0 0 5 20

a1

0 0

0 0

-31

-1

1 0

3 13+5M 3 1+5M 3 3

10M 3 M 3

A partir de esta tabla que no es optima habr que aplicar el simplex con las consideraciones oportunas debidas a la utilizacin de variables artificiales, es decir, si al finalizar la variable bsica sigue en la base con valor no nulo el problema con la nueva restriccin no es factible.

CONCLUCION EN Conclusiones EL anlisis de sensibilidad es una tcnica muy empleada en la prctica. Aunque, vale la pena indicar que adems de esta tcnica existen muchas otras como los rboles de decisin, el anlisis del riesgo y la simulacin, las cuales pueden ser empleadas para evaluar la incertidumbre de una alternativa de inversin. En efecto, cuando en un proyecto de inversin todos sus parmetros son inciertos (probabilsticos), la tcnica de anlisis de sensibilidad no se recomienda emplear, y entonces es necesario seleccionar la ms apropiada de las tcnicas mencionadas.

Para concluir, revisaremos las principales ventajas que proporciona el uso del anlisis de sensibilidad:

Su fcil entendimiento, ya que no se requiere tener conocimientos sobre la teora de probabilidades, y por ende es una tcnica de aplicacin sencilla y econmica. Cuantifica el efecto que puede tener sobre la rentabilidad de un proyecto la incertidumbre en el comportamiento de las variables que condicionan la rentabilidad.

Pone de relieve las desviaciones y errores de estimacin que pueden perjudicar seriamente la rentabilidad de un proyecto. Separa las reas que deben ser objeto de particular esfuerzo de recopilacin de informacin, anlisis y control. Permite fijar los valores lmite que han de tener las variables determinantes de la rentabilidad para que el proyecto sea rentable.

LINKGRAFIA http://www.investigacion-operaciones.com/ http://juancarlosvergara.50webs.org/Apuntes/Ejercicios%20Resueltos%201,%20M etodo%20grafico%20y%20simplex.pdf http://es.wikipedia.org/wiki/Investigaci%C3%B3n_de_operaciones http://mx.finanzaspracticas.com/1752-Que-es-el-analisis-de-sensibilidad.note.aspx Libro de Taha, Investigacin de Operaciones.Hillier