INTRODUCCION

Los resultados que se obtienen al aplicar el anlisis de sensibilidad tienen por objetivo realizar un
estudio de la situacin futura del proyecto para encontrar el grado en que cada variable afecta a los
resultados. Del mismo modo tambin se busca conocer el impacto que la ocurrencia de una hiptesis
tiene sobre los resultados. En este sentido el anlisis de sensibilidad se puede dividir en dos clases. El
anlisis de Sensibilidad de valor es el que tiene por finalidad buscar el grado en que cada variable del
modelo afecte las variables de resultados, para ello se hace variaciones a los valores de las variables y
se mide el efecto en el resultado que arroja el modelo y con esto se determina cules son las variables
determinantes del resultado. Por otro lado, el anlisis de sensibilidad de hiptesis tiene por finalidad
realizar dicho anlisis es encontrar las consecuencias que se obtienen de los resultado para la
ocurrencia de un situacin particular en la cual se involucra un conjunto de variables propias del
modelo. Otro nombre que recibe este anlisis es el de anlisis de escenarios ya que las variables que se
ven involucradas se comportan de manera particular segn ocurra algn suceso futuro. La simulacin
de resultados es una metodologa para realizar experimentos de una situacin a travs de un modelo
financiero, cuya finalidad es entender las relaciones entre las variables. Dependiendo de la forma en
que se van a cuantificar las variables de los modelos financieros, se clasifican en modelos
determinsticos y modelos probabilstico. Un modelo determinstico tiene como supuesto el que se
conoce con certeza el valor de las variables y por lo tanto se les asigna valores subjetivos. Por otro lado
los modelos probabilsticos no reconocen con certeza el valor de las variables de que se tomara en el
futuro pero si se conocen los rangos entre los cuales se ubican.
 OBJETIBOS

El objetivo general es la provisin de un sistema de informacin colaborativo y especializado

para la evaluacin de proyectos de inversin minera.
Muestran un grado de variabilidad que permita observar las proyecciones que se realizan
sobre el flujo de caja.
La principal ventaja es que este modelo permite trabajar con cambios en ms de una variable
a la vez.
 INDICE

Introduccin. pg. 01

OBJETIBOS. pg. 02

CAPITULO I.. pg. 03

Anlisis de Sensibilidad

CAPITULO II. pg. 08

EJEMPLO

CONCLUCIONES. pg. 10

BIBLIOGRAFA.. pg. 11
 CAPITULO I

ANALISIS DE SENSIBILIDAD

En PL, los parmetros (datos de entrada) del modelo pueden cambiar dentro de ciertos lmites sin que
cambie la solucin ptima. Esto se conoce como anlisis de sensibilidad, el cual tiene que ver con la
determinacin de la nueva solucin ptima cuando se cambian ciertos datos de entrada.
La presentacin explica las ideas bsicas del anlisis de sensibilidad por medio de la solucin grfica, y
despus se extienden al problema general de PL con base en los resultados que aparecen en la tabla
simplex.

En un modelo de programacin lineal podemos diferenciar tres bloques:

LA PROGRAMACIN LINEAL: Es el campo de la optimizacin matemtica dedicado a maximizar o

minimizar (optimizar) una funcin lineal, denominada funcin objetivo, de tal forma que las variables de
dicha funcin estn sujetas a una serie de restricciones expresadas mediante un sistema de ecuaciones o
inecuaciones tambin

FUNCION OBJETIVO: que nos indica el objetivo que queremos alcanzar. Cuando hablamos
de optimizar una funcin objetivo hablamos de maximizar o minimizar.

RESTRICCIONES DEL MODELO: que son las limitaciones o requerimientos que forman el
entorno de la empresa que estamos estudiando. Las expresiones que encontraremos al
final de estas restricciones son las siguientes: entonces hablamos de limitaciones o
disponibilidades mximas (Materia prima, mano de obra, maquinaria, etc.). entonces
hablamos de requerimientos (exigencias legales tcnicas, etc. que la empresa deber
cumplir).

LA CONDICION DE NO NEGATIVIDAD: Que nos indica que todas las variables tienen que
ser no negativas, es decir mayores o iguales a cero, ya que en caso de no serlo, la solucin
al modelo no sera factible, puesto que cada variable nos indica la cantidad de cada
producto a producir por la empresa y, por tanto, como mnimo la empresa no producir

Anlisis de sensibilidad grfica:

Esta seccin demuestra la idea general del anlisis de sensibilidad. Se considerarn dos casos:

1. La sensibilidad de la solucin ptima a los cambios de la disponibilidad de los recursos (lado derecho
de las restricciones).
2. La sensibilidad de la solucin ptima a los cambios en la utilidad unitaria o el costo unitario
(coeficientes de la funcin objetivo).

Utilizaremos ejemplos individuales para explicar los dos casos.

Anlisis de sensibilidad algebraico:

En el mtodo grafico utilizamos la solucin grfica para determinar el precio dual (valor unitario de un
recurso) y sus intervalos de factibilidad. Esta seccin ampla el anlisis al modelo de PL general. 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. 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.

dG
En este sentido el inters es calcular la sensibilidad de una funcin objetivo G (x,p) definida
dp
como:

T
G ( x , p )= g(x , t , p)dt
0

dg
O en su defecto la sensibilidad de una funcin g (x,T,p) definida solamente en el tiempo T . Por
dp
ejemplo, en el modelado matemtico de reactores nucleares, un caso comn de anlisis es el estudio de
sensibilidad de la velocidad del lquido refrigerante u i , perturbando la potencia trmica demandada Q
Para ello, se puede plantear la siguiente funcin objetivo:

Donde u es la media de la velocidad del lquido. A continuacin de describe la aplicacin del mtodo
adjunto en el clculo de la sensibilidad.

Sensibilidad para G (x,p )

dG
Para hallar una expresin de se define una funcin objetivo aumentado I (x, p):
dp
Donde es un multiplicador de Lagrange, * denota la matriz traspuesta, y F (x,x, p,t) = 0 segn (1).
Derivando ambos miembros con respecto a p, se obtiene que la sensibilidad respecto de G( x, p) es:

Luego se desarrolla el trmino (t) F x x p para obtener una expresin con respecto a xp :

Reemplazando la ecuacin (5) en (4), y reagrupando los trminos se obtiene que:

Es la ecuacin adjunta, y es la incgnita o variable adjunta del sistema (7). En vez de trabajar con el
sistema (7), en este trabajo se va a utilizar la notacin de sistema adjunto aumentado:

A partir de (9) se observa que para calcular la sensibilidad por el sistema adjunto, el sistema (8) debe ser
resuelto hacia atrs hasta el tiempo t = 0. Las condiciones iniciales en el tiempo t = T para calcular dicha
sensibilidad surgen de la resolucin del sistema:
 CAPITULO II

Ejemplo:

SANDVIK fabrica dos productos en dos mquinas. Una unidad del producto 1 requiere 2 horas en la
mquina 1, y 1 hora en la mquina 2. Una unidad del producto 2 requiere 1 hora en la mquina 1, y 3
horas en la mquina 2. Los ingresos por unidad de los productos 1 y 2 son de $30 y $20,
respectivamente. El tiempo de procesamiento diario total disponible en cada mquina es de 8 horas.
Si x1 y x2 son las cantidades diarias de unidades de los productos 1 y 2, respectivamente, el modelo
de PL se da como

Maximizar Z = 30x1 + 20x2

Sujeto a:
2x 1 + x2 8 (Mquina 1)

X1 + 3x2 8 (Mquina 2)

X1, x 2 0

La figura 3.12 ilustra el cambio de la solucin ptima cuando se cambia la capacidad de la mquina 1. Si
la capacidad diaria se incrementa de 8 a 9 horas, el nuevo ptimo se mover al punto G. La tasa de
cambio en la z ptima a consecuencia del cambio de la capacidad de la mquina 1 de 8 a 9 horas se
calcula como:

tasa de cambio del ingre

( a consecuencia delincremento =
de la capacidad de la maquina1
en 1hora ( puntoC a punto G)
) ZgZc
( cambio de la capacidad)
=
142128
98
=$ 14 /h

FIGURA 3.12
Sensibilidad grfica de la solucin ptima a cambios en la disponibilidad de recursos
( Lado derecho de las restricciones )
9
x2
E
8

3
B
2
C G

A D F
0 1 2 3 4 5 6 7 8 x1 9

La tasa calculada proporciona un vnculo directo entre los datos de entrada al modelo (recursos) y sus
resultados (ingreso total). Se dice que un incremento unitario (reduccin) en la capacidad de la mquina
1 aumentar (reducir) el ingreso en $14.00.
El nombre valor unitario de un recurso es una descripcin apropiada de la tasa de cambio de la
funcin objetivo por cambio unitario de un recurso. No obstante, los primeros desarrollos de la PL
acuaron el nombre abstracto de precio dual (o sombra), y ahora este nombre es un estndar en toda la
literatura de PL y en paquetes de software. La presentacin en este libro se ajusta a este estndar.
En la figura 3.12 podemos ver que el precio dual de $14/h permanece vlido para cambios
(incrementos o reducciones) en la capacidad de la mquina 1 que mueven su restriccin paralela a s
misma a cualquier punto sobre el segmento de lnea BF. Calculamos las capacidades de la mquina 1 en
los puntos B y F como sigue:
Capacidad mnima de la mquina 1 [en B = (0.267)] =2x0+1x2.67=2.67 h

Capacidad mxima de la mquina 1 [en F = (8,0)] = 2x8+1x0=16 h

La conclusin es que el precio dual de $14/h permanece vlido en el intervalo:

2.67 h Capacidad de la mquina 1 16 h

Los cambios fuera de este intervalo producen un precio dual diferente (valor por unidad).Elaborando
clculos similares podemos verificar que el precio dual para la capacidad de la mquina 2 es de $2.00/h,
y que no cambia cuando su capacidad se mantiene dentro del segmento de lnea DE. Ahora,
Capacidad mnima de la mquina 2 [en D = (4,0)] = 1 x 4 + 3 x 0 = 4 h

Capacidad mxima de la mquina 2 [en E = (8,0)] = 1 x 0 + 3 x 8 = 24 h

Por lo tanto, el precio dual de $200/h para la mquina 2 no cambia dentro del intervalo
4 h Capacidad de la mquina 2 24 h

Los lmites calculados para las mquinas 1 y 2 se conocen como intervalos de factibilidad. Todos los
paquetes de software proporcionan informacin sobre los precios duales y sus intervalos de
factibilidad.
Los precios duales permiten tomar decisiones econmicas sobre el problema de PL, como las
siguientes preguntas lo demuestran:

Pregunta 1. Si SANDVIK puede incrementar la capacidad de ambas mquinas, cul mquina tendr la
prioridad?
Segn los precios duales para las mquinas 1 y 2, cada hora adicional de la mquina 1 incrementa el
ingreso en $14, en comparacin con slo $2 para la mquina 2. Por lo tanto, la mquina 1 debe tener la
prioridad.

Pregunta 2.Se sugiere incrementar las capacidades de las mquinas 1 y 2 al costo adicional de $10/h
para cada mquina. Es esto aconsejable?
Para la mquina 1, el ingreso neto adicional por hora es 14 - 10 =$4, y para la mquina 2, es $2 - $10
= - $8.Por consiguiente, slo la mquina 1 debe considerarse para el incremento de capacidad.

Pregunta 3. Si la capacidad de la mquina 1 se incrementa de 8 a 13 horas, cmo impactar este

incremento al ingreso ptimo?
El precio dual para la mquina 1 es $14 y es vlido en el intervalo (2.67,16)h. El incremento
propuesto de 13 horas queda comprendido dentro del intervalo de factibilidad. Por consiguiente, el
incremento del ingreso es $14(13 - 8) = $70, lo que significa que el ingreso total se incrementar de $128
a $198 (= $128 + $70).

Pregunta 4. Suponga que la capacidad de la mquina 1 se incrementa a 20 horas, cmo afectar este
incremento al ingreso ptimo?
El cambio propuesto queda fuera del intervalo de factibilidad (2.67, 16) h. Por lo tanto, slo
podemos hacer una conclusin inmediata con respecto a un incremento hasta de 16 horas. Ms all de
eso, se requieren ms clculos para hallar la respuesta (vea el captulo 4). Recuerde que quedar fuera del
intervalo de factibilidad no significa que el problema no tenga solucin, sino que la informacin
disponible no es suficiente para llegar a una conclusin completa.

Pregunta 5. Cmo podemos determinar los nuevos valores ptimos de las variables asociadas con el
cambio de un recurso?
 Los valores ptimos de las variables cambiarn. Sin embargo, el procedimiento para determinar
estos valores requiere ms clculos, como se demostrar en la seccin 3.6.2.

CONCLUCIONES

al realizar este trabajo doy en razn que una empresa debe estar sujeta a posibles cambios en
las situaciones de produccin para no caer en errores de produccin y para siempre obtener el
mxima de ganancias y el mnimo de gastos.
La principal ventaja es que este modelo permite trabajar con cambios en ms de una variable
a la vez
se basa en el anlisis de un problema simplex grfico, a este se le realiza un anlisis de posibles
variaciones para mejorar el resultado ptimo y poder llegar a tomar las mejores decisiones
futuras en las operaciones programadas para cualquier actividad empresarial.
 BIBLIOGRAFA

Bazaraa,M.,J.Jarvis,y H.Sherali,Linear Programming and Network Flows,4 a.ed.,Wiley,Nueva York, 2009.

Chvta1,V., Linear Programming, Freeman, Nueva York, 1983.
Dantzig, G., Linear Programming and Extensions, Princeton University Press, Princeton, NJ, 1963.
Dantzig, G., y M.Thapa, Linear Programming 1: Introduction, Springer, Nueva York, 1997.
Nering, E., y A. Tucker, Linear Programming and Related Problems, Academic Press, Boston, 1992.
Taha, H.,Linear Programming, captulo II-1 en Handbook of Operations Research, J. Moder y S. Elmaghraby
(eds.),Van Nostrand Reinhold, Nueva York, 1987.
 UNIVERSIDAD FACULTAD DE INGENIERIA DE MINAS, GEOLOGA Y

CIVIL
NACIONAL DE SAN
ESCUELA DE FORMACION PROFESIONAL DE

CRISTOBAL DE INGENIERIA DE MINAS

TEMA: ANALISIS DE SENSIBILIDAD

CURSO: ANLISIS DE SISTEMAS MINEROS

DOCENTE: Ing. CAMPOS ARZAPALO, Edmundo.

INTENGRANTES: ESLAVA VERA, Katia, yuli

AYACUCHO PER
2017