Esempi e definizioni per modelli di Programmazione Lineare 1a parte marzo 2010 03/01/2019.

Slides:



Advertisements
Presentazioni simili
6.2.Strumenti di valutazione: la programmazione lineare Valutazione delle politiche AA 2005/2006 Davide Viaggi.
Advertisements

Prof. Cerulli – Dott.ssa Gentili
DIST – Università di Genova Modelli per l’ottimizzazione, il controllo e il coordinamento di sistemi di produzione distribuiti Riunione di coordinamento.
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Programmazione lineare: un esempio Mix produttivo ottimo con risorse vincolate Materiale di studio: M. Fischetti, Lezioni di RO, Cap. 3. Libreria Progetto.
Lezione n° 5: Esercitazione
Lezione n° 8 - Matrice di base. - Soluzioni di base ammissibili. - Relazione tra vertici di un poliedro e soluzioni basiche. - Teorema fondamentale della.
Programmazione lineare: un esempio Mix produttivo ottimo con risorse vincolate Materiale di studio: M. Fischetti, Lezioni di RO, Cap. 3. Libreria Progetto.
Con il termine reporting indichiamo sia il semplice “rapporto di gestione” che il più ampio “sistema dei rapporti di gestione” Cosa è il reporting? Il.
Un'analisi per la provincia di Venezia
LE VALUTAZIONI DI CONVENIENZA ECONOMICA
Formulazione generale di un problema IP
I processi di approvvigionamento
Il bilancio delle aziende no profit
Dip. Economia Politica e Statistica
MISURARE I RISULTATI DELL’”AZIENDA”
ABC analisi / diagramma di Pareto
Il simplesso in forma tabellare
Le matrici di flussi di materia nella programmazione lucana
Equazioni differenziali - introduzione
Dal problema al processo risolutivo
per l’economia e la finanza Prof.ssa Cristiana Mammana
Offerta in concorrenza perfetta: il lato dei costi
4 < 12 5 > −3 a < b a > b a ≤ b a ≥ b
LA CONTABILITA’ ANALITICA PUO’ ESSERE TENUTA:
Dal problema al processo risolutivo
Schemi di rappresentazione
Dip. Economia Politica e Statistica
COME OBIETTIVO DELL’AREA PRODUZIONE
Dato un insieme di misure sperimentali di una stessa grandezza,
Lezione CG07 L’Activity Based Costing
Scelte di consumo curva di domanda
Programmazione Intera
La pianificazione aziendale
Fisica: lezioni e problemi
Il modello duale.
Sistemi ERP (Enterprise Resource Planning)
LE VALUTAZIONI DI CONVENIENZA ECONOMICA
Appunti di analisi matematica: Integrale Definito
Programmazione lineare : Disequazioni lineari e Sistemi di Disequazioni lineari
RISOLVIAMO UN SISTEMA LINEARE N EQUAZIONI N INCOGNITE
BREAK EVEN ANALYSIS Proff. Patrizia Pezzuto e Marisa Ricca.
Ricerca Operativa 3a parte
LE DISEQUAZIONI DI SECONDO GRADO
Lavorare con Excel. Corso Base
nel processo decisionale
Ricerca Operativa 1a De Luca Cardillo Dorotea
Programmazione Dinamica: tecnica risolutiva che conduce all’ottimo, non fornisce algoritmi risolutivi generali. Stadi: fasi in cui il problema è scomposto.
Equazioni di 2°grado Introduzione.
Viale Morgagni 67/A Firenze
Dualità a.a /01/2019.
Ricerca Operativa 2a parte
© 2007 SEI-Società Editrice Internazionale, Apogeo
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9 Regressione lineare multipla: le ipotesi del modello, la stima del modello.
Strapazziamo le immagini…
Riduzione dei Dati.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9 Regressione lineare multipla: le ipotesi del modello, la stima del modello.
Oligopolio e mark up p c p = c + mc = c(1+m) p2 p1 d3 d2 d1 q1 q2 qc
Dip. Economia Politica e Statistica
Capitolo 3 I vettori in fisica
Economia Politica Lezione 4 B
“Il piano cartesiano e la retta”
Economia politica Lezione 17
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 9
Modelli e Algoritmi della Logistica
TIPOLOGIE DI DECISIONI E LA NECESSITA’ DI INDIVIDUARE
α Oligopolio e punto di pareggio RT CT Q RT a CT b PP QPP Q1 QM
COME OBIETTIVO DELL’AREA PRODUZIONE
Dip. Economia Politica e Statistica
Il ciclo del progetto la definizione dello SdF
Transcript della presentazione:

esempi e definizioni per modelli di Programmazione Lineare 1a parte marzo 2010 03/01/2019

Preparazione scientifica delle decisioni Fattori essenziali variabili Relazioni  vincoli Politica da perseguire funzione obiettivo 03/01/2019

Problemi di programmazione uso efficiente o allocazione di risorse limitate per raggiungere obiettivi sotto particolari condizioni. soluzioni: soddisfano le condizioni di base soluzione/i ottima/e: soluzione/i che soddisfa/no le condizioni del problema e l’obiettivo 03/01/2019

Esempio Base Produzione di porte e finestre REPARTO 1: intelaiature metalliche REPARTO 2: prodotti in legno REPARTO 3: vetri e assemblaggio Riorganizzazione Produzione  nuovi prodotti PRODOTTO 1: porte a vetri con cornici in alluminio PRODOTTO 2: finestre con cornici in legno 03/01/2019

analisi Reparto marketing  Politica di produzione Analisi attività per  reparto : 1) capacità di produzione % per u.t.per nuovi prodotti, 2) risorsa % utilizzata per u.t. per unità di prodotto, 3) profitto unitario  nuovo prodotto. 03/01/2019

analisi problema risorse disponibili nell’u.t. REP.1: 4% di capacità di lavorazione totale REP. 2: 12 % di capacità di lavorazione totale REP. 3: 18 % di capacità di lavorazione totale risorsa richiesta per la produzione unitaria. PROD.1(porte): 1% capacità del REP.1 3% capacità del REP.3 PROD.2(finestre): 2% capacità del REP.2 2% capacità del REP.3 profitto per unità prodotta PROD.1: 3 $ ; PROD.2: 5 $ 03/01/2019

capacità di produzione 1 0 0 2 3 2 REP. PROD.1 PROD.2 (%) cap. max prod. (% per u.t.) 1 2 3 4 12 18 profitto unitario 3 5 03/01/2019

formulazione matematica Variabili di decisione x1 quantità di porte prodotte nell’u.t. x2 quantità di finestre prodotte nell’u.t. z profitto nell’u.t. Funzione obiettivo (F.o.) Max z = 3x1 + 5x2 profitto nell’u.t. Vincoli R1 x1  4 R2 2x2  12 R3 3x1 + 2x2  18 x1 ,x2  0 03/01/2019

Rappresentazione grafica x2 x1 2 x2 = 12 3 x1 + 2 x2 = 18 x1 = 4 K (2,6) (4,3) 3 x1 + 5 x2 = 15 3 x1 + 5 x2 = 18 3 x1 + 5 x2 = 36 R1 x1  4 R2 2x2  12 R3 3x1 + 2x2  18 x1 ,x2  0 Max z = 3x1 + 5x2 03/01/2019

Sistema È un insieme di elementi intercorrelati. È una entità composta da almeno due elementi e da una relazione che lega ciascun elemento ad almeno un altro elemento dell’insieme. Nella PL il sistema è scomposto in attività 03/01/2019

Risorse in ingresso Attività Risorse in uscita graficamente Attività = processo che trasforma risorse in ingresso in risorse in uscita 03/01/2019

Costruzione modello matematico Passi fondamentali: Definizione gruppo di attività ( j=1,    , n) (componenti elementari e relativa unità di misura) 2. Definizione gruppo di risorse (i=1,    ,m) 3. Determinazione coefficienti I/O (aij) (quantità di risorse consumate o prodotte per far raggiungere il livello unitario alle attività) 4. Determinazione flussi esogeni(bi) (quantità di riscorsa scambiata fra sistema e l’esterno) 5. Stesura equazioni di bilancio materiale (assegnazione livelli incogniti xj alle attività). 03/01/2019

Ipotesi della P.L. Proporzionalità: singola attività- livello dell’attività j (xj) è proporzionale a costi (cj xj ) e a flussi di risorsa(aij xj ); Additività: uso globale della risorsa, no interazioni Costo totale è somma dei costi delle singole attività, contributo totale dell’i-esimo vincolo è somma dei contributi delle singole attività; Divisibilità: è consentito qualsiasi livello frazionario delle variabili decisionali; Determinismo: coefficienti aij ,bi , cj sono noti in modo deterministico 03/01/2019

Formulazione matematica min c1x1+······+ cnxn con i vincoli a11x1+······+ a1nxn b1 a21x1+······+ a2nxn  b2 ················· am1x1+······+ amnxn  bm x1,··········, xn  0 con aij quantità di principio nutritivo i contenuto nel cibo j bi la quantità minima di principio nutritivo i da assumere giornalmente con la dieta ( con i=1, ······,m) 03/01/2019

Programmazione lineare classe di problemi di programmazione caratterizzata da: condizioni relazioni lineari (vincoli) a1x1+······+ anxn b (o  b) con ai , b costanti note con xi variabili da determinare obiettivo funzione lineare (funzione obiettivo) max (o min) c1x1+······+ cnxn con ci costanti note 03/01/2019

Programmazione lineare forma standard max (o min) c1x1+······+ cnxn (f.o) con le condizioni: a11x1+······+ a1nxn= b1 a21x1+······+ a2nxn= b2 ················· (vincoli) am1x1+······+ amnxn= bm x1,··········, xn  0 con aij , bi costanti note; xi variabili; m<n 03/01/2019

Variabili di slack Variabili di slack hanno associato costo nullo min c1 x1+c2 x2 x1+x2 6 x1+x2+ x 3 = 6 x2  3  x2 + x4 = 3 x1,x2 0 x1,x2 ,x3,x4 0 Variabili di slack hanno associato costo nullo f.o. min c1 x1+c2 x2  min c1 x1+c2 x2 +0 x3+0x4 03/01/2019

Variabili di surplus Variabili di surplus hanno associato costo nullo min c1 x1+c2 x2 x1+x2  6 x1+x2- x 3 = 6 x2 3  x2 - x4 = 3 x1,x2 0 x1,x2 ,x3,x4 0 Variabili di surplus hanno associato costo nullo f.o. min c1 x1+c2 x2  min c1 x1+c2 x2 +0 x3+0x4 03/01/2019

Problemi di Programmazione Intera Razionalizzazione lavori stradali Problemi di localizzazione 03/01/2019

Razionalizzazione lavori stradali ridurre al min gli scassi in alcune strade per installare sfiati su alcune tubature nota la dislocazione di m tubi sotto n parti di strada, n1......nm indicano le parti di strada cui appartiene ciascuna tubatura 03/01/2019

Razionalizzazione lavori stradali: modello Variabili : indicatori associati a parti di strada . Vincoli Obiettivo 03/01/2019