Massimizzazione del profitto di una pasticceria

Slides:



Advertisements
Presentazioni simili
Microeconomia Corso D John Hey. Capitolo 11 e Capitoli 12 e 13 Facciamo lanalisi in due stadi… …nella Capitolo 11 abbiamo trovato le quantità ottime degli.
Advertisements

Dipartimento di Ingegneria Idraulica e Ambientale - Universita di Pavia 1 Caduta non guidata di un corpo rettangolare in un serbatoio Velocità e rotazione.
LE FONTANE DELLACQUANUOVA. PROSPETTO LATERALE 4,0 1,0 B A C D E F G 0,4 H 0,6 I L M 0, ,0 4,0 apertura 8,20 cm apertura 4,70 cm apertura.
Economia dei gruppi delle imprese turistiche
II° Circolo Orta Nova (FG)
Il budget Aziendale Budget degli investimenti
Tratto dal sito Il carteggio nautico Tratto dal sito 27/03/2017.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Dynamic Programming Chiara Mocenni Corso di.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Scelte di consumo Chiara Mocenni Corso di laurea.
Come costruire e risolvere un problema di PL usando EXCEL
La Programmazione Lineare
Lezione 10 LOLIGOPOLIO. LE IPOTESI DELL'OLIGOPOLIO I VENDITORI FANNO IL PREZZO GLI ACQUIRENTI NON FANNO IL PREZZO I VENDITORI ADOTTANO COMPORTAMENTI STRATEGICI.
La Programmazione Matematica e i Problemi di Scelta
CORSO DI ISTITUZIONI DI ECONOMIA AZIENDALE
Economia Applicata all’Ingegneria
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Economia Applicata all’Ingegneria
EPA 01/02 VIII /1 Analisi delle relazioni tra produzione, trasformazione e distribuzione in un sistema connesso verticalmente.
Capitolo 13 I costi di produzione.
Consumatori, produttori ed efficienza dei mercati Il surplus del consumatore Il surplus del produttore
La Concorrenza Perfetta e La
Prof. Massimo Lazzari IMPIANTI E STRUTTURE Corso di Laurea PAAS.
Corso di Finanza Aziendale

Sistemi Multimediali II Marco Tarini Università dellInsubria Facoltà di Scienze MFN di Varese Corso di Laurea in Informatica Anno Accademico 2004/05 Lezione.
DEFINIZIONI FONDAMENTALI
A cosa serve la Matematica nella nostra società
14-Imprese e settori Davide VannoniIstituzioni di economia , Corso C 1 14 – Imprese in un mercato concorrenziale.
Istituzioni di economia , Corso C
Risk and Accounting Bilancio delle banche Marco Venuti 2013.
Microeconomia Corso D John Hey.
Dipartimento di Ingegneria Idraulica e Ambientale - Universita di Pavia 1 Simulazione di un esperimento di laboratorio: Caduta di un corpo quadrato in.
Alberi ricoprenti minimi Alcune applicazioni Lunedì 17 novembre 2003.
Cos’è un problema?.
Elaborato di Teoria dello Sviluppo dei Processi Chimici
Lezione 16 Ist. di Economia Politica I – a.a Marco Ziliotti
DOMANDE Per affrontare il problema dei BILANCI DI MATERIA,
PARTE VIII LE IMPRESE CHE NON FANNO IL PREZZO. LA MASSIMIZZAZIONE DEI PROFITTI PER LE IMPRESE CHE NON FANNO IL PREZZO LE VARIABILI RILEVANTI PER LIMPRESA.
Corso di Ricerca Operativa A.A
Economia Applicata all’Ingegneria
Studio di un problema di sequenziamento ottimale (scheduling)
Corso di Ricerca Operativa A.A PRODUZIONE OTTIMA IN UN AZIENDA AVICOLA.
Esempio di esecuzione dellalgoritmo di Prim 1 v1v1 v5v5 v2v2 v3v3 v4v U = {v 1 } X =Ø 1 v1v1 v5v5 v2v2 v3v3 v4v U = {v.
Francesco Da Villa 1 Tecniche di pianificazione di primo livello.
Prof. Domenico Nicolò Reggio Calabria, 11 aprile 2008
Esercitazioni analisi dei costi
ORDINE DI CHIAMATA a 1minuto e 2 minuti PRINCIPALI TEMPI DELLA COMPETIZIONE ORDINE DI CHIAMATA a 1minuto e 2 minuti PRINCIPALI TEMPI DELLA COMPETIZIONE.
Il riciclaggio.
Programmazione lineare
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Bilancio di previsione è … Un processo di politica associativa Indicatore delle priorità Dentro ad un progetto globale Responsabilità del Consiglio Diocesano.
Soluzioni della III prova di autovalutazione di Microeconomia
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Università degli studi di Padova Dipartimento di ingegneria elettrica
Economia Industriale, (3° anno Corso di Laurea in Economia Aziendale)
Il “parallel indexing” nella maggior parte dei radar è costituito da 6 linee parallele fra loro, distanti l’una dall’altra 1/6 della scala, che possono.
La ricerca delle soluzioni dei tre quesiti ha illuminato il campo del problema: 1) attribuire un univoco significato alle parole chiave della norma fondante.
Colesterolo come fattore di rischio per la cardiopatia ischemica
Pippo.
Ricordiamo quale era il problema di maglieria dal quale eravamo partiti…..
DETERMINAZIONE DEL PREZZO
Rendite e Ammortamenti
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
MASSIMIZZAZIONE DEL PROFITTO DI UNA IMPRESA di Elvira Daddario
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Economia e Organizzazione Aziendale
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Transcript della presentazione:

Massimizzazione del profitto di una pasticceria UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Civile Massimizzazione del profitto di una pasticceria

Si è suddiviso il lavoro nelle seguenti fasi: Definizione del problema Costruzione del modello matematico di programmazione lineare (PL) Risoluzione delle istanze Analisi dei risultati ottenuti

1. DEFINIZIONE DEL PROBLEMA L'obiettivo è massimizzare il profitto di una pasticceria con la vendita di 4 tipologie di vassoi di dolci sardi.

1. DEFINIZIONE DEL PROBLEMA Si è ipotizzato di considerare una pasticceria che può produrre in un mese: da 300 kg a 550 kg di amaretti da 100 kg a 150 kg di ciambelline da 50 kg a 70 kg di gueffus da 50 kg a 70 kg di pabassinas I dolci vengono venduti in vassoi da 1 kg così composti:

Vassoio 1 1 kg di amaretti a € 13.40 1. DEFINIZIONE DEL PROBLEMA Vassoio 1 1 kg di amaretti a € 13.40

1. DEFINIZIONE DEL PROBLEMA Vassoio 2 0.350 kg di amaretti + 0.150 kg di ciambelline + 0.250 kg di gueffus + 0.250 kg di pabassinas a € 16.50

Vassoio 3 1 kg di ciambelline a € 14.20 1. DEFINIZIONE DEL PROBLEMA Vassoio 3 1 kg di ciambelline a € 14.20

1. DEFINIZIONE DEL PROBLEMA Vassoio 4 0.200 kg di amaretti + 0.300 kg di ciambelline + 0.300 kg di gueffus + 0.200 kg di pabassinas a € 16.80 Si ipotizza infine che non siano disponibili più di 300 vassoi di tipo 1 e non più di 1000 vassoi degli altri tipi.

2. COSTRUZIONE DEL MODELLO DI PL SET E INDICI I: insieme dei dolci (amaretti, ciambelline, gueffus e pabassinas) J: insieme delle tipologie dei vassoi (vassoio 1, vassoio 2, vassoio 3, vassoio 4) i: indice che identifica i dolci j: indice che identifica i vassoi DATI rj: ricavo unitario generato dal vassoio j ϵ J aij: quantità di ciascun dolce i ϵ I presente nella tipologia di vassoio j ϵ J ui: quantità massima producibile di dolce i ϵ I li: quantità minima producibile di dolce i ϵ I uj: numero di vassoi disponibili di vassoi di tipo j ϵ J VARIABILI DECISIONALI vj: numero di vassoi di tipo j che si intende produrre

4. ANALISI DEI RISULTATI La vendita dei vassoi 4 non è remunerativa. Si procede alla scrittura dell'istanza su LINDO 6.1 MAX 13.40 V1 + 16.50 V2 + 14.20 V3 + 16.80 V4 S.T. V1 + 0.350 V2 + 0.200 V4 < 550 0.150 V2 + V3 + 0.300 V4 < 150 0.250 V2 + 0.300 V4 < 70 0.250 V2 + 0.200 V4 < 70 V1 + 0.350 V2 + 0.200 V4 > 300 0.150 V2 + V3 +0.300 V4 > 100 0.250 V2 + 0.300 V4 > 50 0.250 V2 + 0.200 V4 > 50 V1 < 300 V2 < 1000 V3 < 1000 V4 < 1000 END LP OPTIMUM FOUND AT STEP 6 OBJECTIVE FUNCTION VALUE 1) 10173.60 VARIABLE VALUE REDUCED COST V1 300.000000 0.000000 V2 280.000000 0.000000 V3 108.000000 0.000000 V4 0.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 152.000000 0.000000 3) 0.000000 14.200000 4) 0.000000 10.440000 5) 0.000000 47.040001 6) 98.000000 0.000000 7) 50.000000 0.000000 8) 20.000000 0.000000 9) 20.000000 0.000000 10) 0.000000 13.400000 11) 720.000000 0.000000 12) 892.000000 0.000000 13) 1000.000000 0.000000 NO. ITERATIONS= 6 Il ricavo ottimale sarà di € 10173.60 ottenuto dalla vendita di 300 vassoi 1, 280 vassoi 2 e 108 vassoi 3. La vendita dei vassoi 4 non è remunerativa.

Vendendo almeno 50 vassoi di ogni tipologia l'istanza diventa: MAX 13.40 V1 + 16.50 V2 + 14.20 V3 + 16.80 V4 S.T. V1 + 0.350 V2 + 0.200 V4 < 550 0.150 V2 + V3 + 0.300 V4 < 150 0.250 V2 + 0.300 V4 < 70 0.250 V2 + 0.200 V4 < 70 V1 + 0.350 V2 + 0.200 V4 > 300 0.150 V2 + V3 +0.300 V4 > 100 0.250 V2 + 0.300 V4 > 50 0.250 V2 + 0.200 V4 > 50 V1 < 300 V2 < 1000 V3 < 1000 V4 < 1000 V1 > 50 V2 > 50 V3 > 50 V4 > 50 END LP OPTIMUM FOUND AT STEP 1 OBJECTIVE FUNCTION VALUE 1) 9938.40 VARIABLE VALUE REDUCED COST V1 300.000000 0.000000 V2 220.000000 0.000000 V3 102.000000 0.000000 V4 50.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 163.000000 0.000000 3) 0.000000 14.200000 4) 0.000000 57.480000 5) 5.000000 0.000000 6) 87.000000 0.000000 7) 50.000000 0.000000 8) 20.000000 0.000000 9) 15.000000 0.000000 10) 0.000000 13.400000 11) 780.000000 0.000000 12) 898.000000 0.000000 13) 950.000000 0.000000 14) 250.000000 0.000000 15) 170.000000 0.000000 16) 52.000000 0.000000 17) 0.000000 -4.704000 NO. ITERATIONS= 1 Il ricavo si abbasserà a € 9938.40 ottenuto con la vendita di 300 vassoi 1, 220 vassoi 2, 102 vassoi 3 e 50 vassoi 4.

Si aumenta di € 1. 00 il ricavo unitario dei vassoi 1 e 3, e di € 2 Si aumenta di € 1.00 il ricavo unitario dei vassoi 1 e 3, e di € 2.00 il ricavo unitario dei vassoi 2 e 4. L'istanza sarà: MAX 14.40 V1 + 18.50 V2 + 15.20 V3 + 18.80 V4 S.T. V1 + 0.350 V2 + 0.200 V4 < 550 0.150 V2 + V3 + 0.300 V4 < 150 0.250 V2 + 0.300 V4 < 70 0.250 V2 + 0.200 V4 < 70 V1 + 0.350 V2 + 0.200 V4 > 300 0.150 V2 + V3 +0.300 V4 > 100 0.250 V2 + 0.300 V4 > 50 0.250 V2 + 0.200 V4 > 50 V1 < 300 V2 < 1000 V3 < 1000 V4 < 1000 V1 > 50 V2 > 50 V3 > 50 V4 > 50 END LP OPTIMUM FOUND AT STEP 0 OBJECTIVE FUNCTION VALUE 1) 10880.40 VARIABLE VALUE REDUCED COST V1 300.000000 0.000000 V2 220.000000 0.000000 V3 102.000000 0.000000 V4 50.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 163.000000 0.000000 3) 0.000000 15.200000 4) 0.000000 64.879997 5) 5.000000 0.000000 6) 87.000000 0.000000 7) 50.000000 0.000000 8) 20.000000 0.000000 9) 15.000000 0.000000 10) 0.000000 14.400000 11) 780.000000 0.000000 12) 898.000000 0.000000 13) 950.000000 0.000000 14) 250.000000 0.000000 15) 170.000000 0.000000 16) 52.000000 0.000000 17) 0.000000 -5.224000 NO. ITERATIONS= 0 Il ricavo aumenterà a € 10880.40 ottenuto vendendo ugualmente 300 vassoi 1, 220 vassoi 2, 102 vassoi 3 e 50 vassoi 4.

CONCLUSIONI Per ricavare delle soluzioni ottime che massimizzino i profitti della pasticceria presa in considerazione ci si è serviti dell'ausilio del software LINDO 6.1. Impostando il problema in base ai dati iniziali si è ottenuto un profitto di € 10173.60. Si evince che la vendita dei vassoi 4 non è remunerativa e che la produzione massima di amaretti può essere limitata a 398 kg per non avere rimanenze di prodotto. In una seconda istanza si è voluto imporre di vendere almeno 50 vassoi di ogni tipologia. Il profitto si è ridotto a € 9938.40. Questo ha confermato che la vendita dei vassoi 4 non è conveniente. In terza istanza si è deciso di aumentare di € 1.00 il ricavo unitario dei vassoi 1 e 3, e di € 2.00 il ricavo unitario dei vassoi 2 e 4 per cercare di aumentare il profitto, continuando ad imporre la vendita di almeno 50 vassoi di ciascuna tipologia. Si deduce che con quest'ultima modifica il profitto effettivamente aumenta fino a € 10880.40. Si deduce quindi che la scelta ottimale per massimizzare il profitto è quella di imporre la vendita di almeno 50 vassoi per ciascuna tipologia e aumentare il ricavo unitario di € 1.00 per i vassoi 1 e 3, e di € 2.00 per i vassoi 2 e 4, riuscendo così ad avere un ricavo massimo di € 10880.40.