ANLISIS DE SENSIBILIDAD

El anlisis de sensibilidad o postoptimal para los modelos de Programacin Lineal, tiene por objetivo identificar el impacto que resulta en los resultados del problema original luego de determinadas variaciones en los parmetros, variables o restricciones del modelo, sin que esto pase por resolver el problema nuevamente. El 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 ptima siempre que el dato pertenezca a dicho intervalo. Es decir, ya sea si resolvemos nuestro modelo grficamente o utilizando el Mtodo Simplex, lo que se busca es que estas variaciones o sensibilidad hagan uso de la solucin y valor ptimo actual, sin tener la necesidad de resolver para cada variacin un nuevo problema. En especial nos concentraremos en el anlisis de sensibilidad o postoptimal que hace uso de la tabla final del Mtodo Simplex. El objetivo fundamental del anlisis de sensibilidad es identificar los parmetros sensibles, (por ejemplo, los parmetros cuyos valores no pueden cambiar sin que cambie la solucin ptima). Para ciertos parmetros que no estn clasificados como sensibles, tambin puede resultar de gran utilidad determinar el intervalo de valores del parmetro para el que la solucin ptima no cambia. (Este intervalo de valores se conoce como intervalo permisible para permanecer ptimo). Los anlisis ms importantes son; 1. Los coeficientes de la funcin objetivo; y 2. Los trminos independientes de las restricciones y se pueden abordar por medio del Mtodo Grfico o del Mtodo Simplex.

Resumen del procedimiento para anlisis de sensibilidad 1. Revisin del modelo: se hacen los cambios deseados en el modelo que se va a investigar. 2. Revisin de la tabla simplex final: se emplea la idea fundamental para determinar los cambios que resultan en la tabla smplex final. 3. Conversin a la forma apropiada: se convierte esta tabla en la forma apropiada para identificar y evaluar la solucin bsica actual aplicando (segn sea necesario) eliminacin de Gauss. 4. Prueba de factibilidad: se prueba la factibilidad de esta solucin verificando que todas las variables bsicas sigan teniendo valores no negativos en la columna del lado derecho.

5. Prueba de optimalidad: se verifica si esta solucin es ptima (si es factible), comprobando que todos los coeficientes de las variables no bsicas en el rengln 0 sigan siendo no negativos. 6. Reoptimizacin: si esta solucin no pasa cualquiera de las pruebas, se puede obtener (si se desea) la nueva solucin ptima partiendo de la tabla actual como tabla smplex inicial (haciendo las conversiones necesarias) para el mtodo smplex primal o el smplex dual.
Ejemplo