Análisis de Sensibilidad

[pic 1]

UNIVERSIDAD DE LAS FUERZAS ARMADAS – ESPE

DEPARTAMENTO DE CIENCIAS DE LA ENERGIA Y MECANICA

Asignatura: Investigación Operativa

Integrantes: Daniel Alarcon, Marco López, Esteban Lafuente

Tema: Análisis de Sensibilidad                      

     El análisis de sensibilidad es de las principales herramientas para la toma de decisiones entre los ejecutivos, y no solamente en empresas de manufactura, financieras, o de comercio sino además en el ramo de la salud, la ecología en general en todo tipo de empresa desde la más pequeña hasta la más grande dado que este tipo de estudio es para maximizar o minimizar algún factor que influye directamente a la producción y lo que significa gasto o ganancia para la empresa

     Ya que se pueden estar haciendo pruebas y cambios al modelo en papel en un programa computacional para tener la facilidad de que si se cometen errores en la aplicación o la creación del modelo de programación lineal este pueda ser corregido y de esta manera no tener pérdidas en la realidad y de esta manera tener la facilidad de pronosticar el futuro y evitar resultados negativos para la empresa.

     Un análisis de sensibilidad no es buscar la solución a un problema de programación lineal por lo contrario ya se debe tener resuelto el problema que se desea resolver con programación lineal es decir ya tener claro la formulación del problema y lo que este análisis se encarga es de realiza todo un análisis después de haber encontrado la solución óptima, es decir es un análisis “post-óptimo”.

     La información que se obtiene de la programación lineal se la debe evaluar en dos sentidos. Primero se identifica los parámetros más importantes es 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 de que es necesario cambiar la solución.

     Por lo tanto, el 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.

     Este intervalo de valores se conoce como intervalo permisible para permanecer óptimo en algunos casos, cambiar el valor de un parámetro puede afectar la factibilidad de la solución para tales parámetros, es útil determinar el intervalo de valores para el que la solución seguirá siendo factible este intervalo recibe el nombre de intervalo permisible para permanecer factible.

      Lo que se pretende llegar es investigar el efecto que tendría sobre la solución óptima proporcionada y de esta manera saber el efecto que puede causar cierta variación en las ecuaciones del modelo de programación lineal el hecho de que los parámetros tomaran otros valores posibles en general, habrá algunos parámetros a los que se les pueda asignar cualquier valor razonable sin que afecten la optimización de la solución pero siempre que guarden una relación proporcional a la realidad del problema estudiado.

     Sin embargo, también existirán parámetros con valores probables que nos lleven a una nueva solución óptima es decir valores que se podrían generar en el transcurso de la aplicación del método esta situación es particularmente preocupante, si la solución original adquiere valores sustancialmente inferiores en la función objetivo o que no sean factibles.

¿Por qué realizar un análisis de sensibilidad?

     Un análisis de sensibilidad se usa para determinar el alcance de los parámetros del modelo y elementos del alcance de los parámetros del modelo y elementos del lado derecho de la ecuación, de manera que la solución óptima siga siendo factible.

     Al resolver un modelo de programación lineal obtenemos la solución que optimiza nuestra función objetivo, sin embargo esto no optimiza nuestra función objetivo, sin embargo esto no es suficiente por las siguientes razones

     Hasta el momento hemos trabajado únicamente en modelos de 2 o 3 variables, que resultan fáciles de resolver utilizando el método adecuado, sin embargo en la vida real los modelos de programación lineal son la vida real los modelos de programación lineal son generalmente muy grandes, con muchas variables y resulta muy costoso para las empresas que se utilice una sola vez.

...