Network Design & Modelling

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Network Design & Modelling"

Transcript

1 Progettazone e Gestone della Supply Chan Facoltà d Ingegnera Prof. Fabrzo Dallar Drettore C-log Unverstà C. Cattaneo LIUC Centro d Rcerca sulla Logstca INDICE Le metodologe d modellzzazone delle ret Rcham d PL Transportaton Problem Faclty Locaton & Ste Selecton Capacty Allocaton & Faclty Locaton 2

2 QUADRO DELLE METODOLOGIE DI NETWORK OPTIMIZATION Capacty Allocaton: allocare la domanda agl mpant produttv e logstc (es. transportaton problem con rete a o 2 lvell) Faclty Locaton : trovare la localzzazone ottmale d un sngolo mpanto (es. centro d gravtà semplce e terato) Ste Selecton : effettuare la scelta d localzzazone ottmale data una short lst d possbl locaton (es. metodo a punteggo, metodo del break-even) Faclty Locaton & Capacty Allocaton con rete a lvello : trovare la localzzazone ottmale degl mpant allocando contestualmente la domanda agl stess (es. capactated plant locaton model) Faclty Locaton & Capacty Allocaton con rete a 2 lvell: trovare smultaneamente la localzzazone degl mpant d produzone e de centr dstrbutv 3 ELEMENTI DI PROGETTAZIONE La rete dstrbutva rchede un processo d revsone perodca (con frequenza plurannuale) a causa d nel contesto d dversa natura : varano le rcheste del mercat (nuove esgenze de consumator, azon della concorrenza, normatva, nuov canal, ) varano le esgenze de clent (rduzone de lead tme, maggore frequenza d rfornmento, maggore puntualtà consegne, rduzone fasce orare d consegna) varano le condzon operatve (caratterstche prodott,nuove font d approvvgonamento, modfcazone della stagonaltà / caratterstche de prodott, scadenza de contratt, dnamche d espansone azendale,...) varano le condzon general (caduta delle barrere doganal, lberalzzazone de trasport, nuove nfrastrutture, tutela ambentale, ncremento d valore delle aree fabbrcabl, evoluzone forntor d servz logstc, evoluzone della dstrbuzone moderna, nuove tecnologe d gestone de fluss fsc e nformatv 4

3 NETWORK DESIGN Capacty Allocaton o Transportaton Problem E fssata la poszone de nod, s vuole defnre n modo ottmale la potenzaltà degl arch d collegamento tra nod d orgne ed nod d destnazone, tenendo conto della dsponbltà d prodotto ne prm (o la capactà produttva) e della domanda rchesta da second OBIETTIVO : ndvduare la quanttà ottmale da spedre da ogn nodo orgne ad ogn nodo destnazone, n modo da mnmzzare cost complessv d trasporto ossa come ottmzzare l allocazone della domanda Nel caso n cu cost d trasporto sano per ogn area funzone lneare della quanttà trasportata, l problema può essere schematzzato medante un modello d programmazone lneare 5 INDICE Le metodologe d modellzzazone delle ret Rcham d PL Transportaton Problem Faclty Locaton & Ste Selecton Capacty Allocaton & Faclty Locaton 6

4 IL CASO SCARPACOMODA DATI DEL PROBLEMA 2 modell d scarpe : Lusso lre 4.000/paa Casual lre 3.000/paa Margne untaro Magazzno cuoo 800 paa/gg Reparto modello Lusso rchede tempo lavorazone doppo rspetto a Casual max 000 paa/gg (se fossero tutte Casual) Reparto 2 Fntura Lusso 400 paa/gg Reparto 2 Fntura Casual 700 paa/gg Qual è l mx d scarpe Lusso e Casual che massmzza l proftto dell azenda? 7 IL CASO SCARPACOMODA IMPOSTAZIONE ANALITICA DEL PROBLEMA Varabl: x = produzone gornalera Lusso [paa/gg] x 2 = produzone gornalera Casual [paa/gg] Funzone obettvo: max (z = 4000 x x 2 ) [lre/gg] Funzon d produzone: Capactà Reparto fntura Lusso : x 400 [paa/gg] Capactà Reparto fntura Casual : x [paa/gg] Capactà produttva Reparto : 2 x + x [paa/gg] Lmt sulle rsorse Altr lmt Dsponbltà Magazzno cuoo: x + x [paa/gg] x 0 ; x 2 0 [paa/gg] 8

5 PROGRAMMAZIONE LINEARE CON EXCEL Problema Varabl (X, X 2 ) Funzone Obettvo formula = f (X, X 2 ) Condzon d vncol, espresse n funzone delle varabl 9 PROGRAMMAZIONE LINEARE CON EXCEL Funzone Obettvo Varabl (X, X 2 ) Condzon d vncolo 0

6 INDICE Le metodologe d modellzzazone delle ret Rcham d PL Transportaton Problem Faclty Locaton & Ste Selecton Capacty Allocaton & Faclty Locaton NETWORK DESIGN Capacty Allocaton o Transportaton Problem E fssata la poszone de nod, s vuole defnre n modo ottmale la potenzaltà degl arch d collegamento tra nod d orgne ed nod d destnazone, tenendo conto della dsponbltà d prodotto ne prm (o la capactà produttva) e della domanda rchesta da second OBIETTIVO : ndvduare la quanttà ottmale da spedre da ogn nodo orgne ad ogn nodo destnazone, n modo da mnmzzare cost complessv d trasporto ossa come ottmzzare l allocazone della domanda Nel caso n cu cost d trasporto sano per ogn area funzone lneare della quanttà trasportata, l problema può essere schematzzato medante un modello d programmazone lneare 2

7 NETWORK DESIGN Transportaton Problem (rete lvello) Varabl: n= numero d nod d orgne (es. stablment, magazzn d fabbrca) m= numero d nod d destnazone (es. punt vendta, magazzn de clent) d j = domanda annua del nodo d destnazone j k = capactà produttva del nodo d orgne c j = costo untaro d trasfermento dal nodo al nodo j (possono ncludere cost d produzone, d trasporto, d movmentazone, d mantenmento a scorta) x j = quanttà prodotta nel nodo e trasportata al nodo j n m Funzone obettvo: mnc, j x,j (mnmzzazone costo d trasporto) = j= n Vncol: x,j = dj (soddsfacmento domanda) = m x,j k (rspetto vncolo d capactà produttva) j= 3 NETWORK DESIGN Transportaton Problem (rete lvello) Stablmento Clente k x j d Stablmento 2 Clente 2 k 2 d 2 Clente 3 Stablmento n d 3 k n Clente m d m 4

8 IL CASO BASIC La Basc deve rfornre 4 depost perferc (DP) a partre da 3 stablment d produzone, con anness magazzn d fabbrca. I cost d trasporto untar per ogn coppa stablmento /deposto sono mostrat n tabella (euro/pz). Trovare mglore allocazone della domanda agl stablment. k Stablment Depost Capactà produttva (pz / anno) S S S d j Domanda de depost (pz/anno) Caso PowerCo 5 MODELLO DI PROGRAMMAZIONE LINEARE. Varabl: 2 x,j la quanttà che deve essere spedta dallo stablmento al deposto j (con =,2,3 e j=,2,3,4) espressa n pz/anno 2. Funzone obettvo può essere così formulata: mn ( 0.8 x, x,2 +. x,3 +.6 x,4 +.2 x 2, x 2, x 2, x 2,4 +.4 x 3, +.0 x 3, x 3, x 3,4 ) 3. Vncol relatv alla dsponbltà d prodotto presso gl stablment: x, + x,2 + x,3 + x,4 50 x 2, + x 2,2 + x 2,3 + x 2,4 80 x 3, + x 3,2 + x 3,3 + x 3,4 20 Vncol non negatvtà: x,j 0; =,2,3; j =,2,3,4 Vncol relatv al fabbsogno rchesto da ogn deposto: x, + x 2, + x 3, = 90 x,2 + x 2,2 + x 3,2 = 70 x,3 + x 2,3 + x 3,3 = 40 x,4 + x 2,4 + x 3,4 = 50 6

9 IL CASO FORD MOTOR COMPANY Nell area nord degl USA la Ford produce due modell d auto n 2 stablment produttv. La rete dstrbutva è costtuta da 4 magazzn central. Assegnare a 2 stablment le quanttà da produrre e defnre quanto d cascun modello nvare a 4 magazzn n modo da mnmzzare cost d dstrbuzone 7 IL CASO FORD MOTOR COMPANY Due modell d auto :. Pckup 2. Mustang 8

10 IL CASO FORD MOTOR COMPANY Impostazone del problema:. Varabl: Quanttà prodotte per modello (m) n cascuno stablmento () e spedte al sngolo magazzno (j) espresse n numero d auto / anno Numero modell 2 x Numero stablment 2 x Numero magazzn 4 = Numero varabl 6 con m=,2 con =,2 con j=,2,3,4 x,j,m Esempo: X P, PI, PO Magazzno Modello Stablmento 9 IL CASO FORD MOTOR COMPANY mn c x 2. Funzone obettvo:,j,j,m Mnmzz. de cost d trasporto,j,m 3. Vncol: Vncol d capactà produttva (4) X P-PI-PO + X P-PI-KC + X P-PI-SP + X P-PI-CL X M-FL-PO + X M-FL-KC + X M-FL-SP + X M-FL-CL Vncol d domanda (8) X P-PI-PO + X P-FL-PO = X M-PI-PO + X M-FL-PO = Condzone d non negatvtà (6) Tutte le varabl 0 C,j = cost untar d trasporto dallo stablmento a deposto j ($/auto) 20

11 IL CASO FORD MOTOR COMPANY Trasport su gomma (2 auto/camon) Orgne Destnazone Dstanza [km] Costo chlomet. [$/km] Pttsburgh Pocahontas Pttsburgh Kansas Cty Pttsburgh Sprngfeld Pttsburgh Clnton Florssant Pocahontas Florssant Kansas Cty Florssant Sprngfeld Florssant Clnton ( C,j ) cost d trasporto ($/auto) 2 IL CASO FORD MOTOR COMPANY La modellzzazone del problema: stablment magazzn Pocahontas Kansas Cty Sprngfeld Clnton Pttsburgh Florssant Domanda Pckup auto/anno Mustang auto/anno Pckup auto/anno Mustang auto/anno Pckup auto/anno Mustang auto/anno Pckup auto/anno Mustang auto/anno d j,m Capactà produttva Pckup auto/anno Mustang auto/anno k,m 22

12 NETWORK DESIGN Varabl: n= numero d nod d orgne (es. stablment, magazzn d fabbrca) F.O. : Transportaton Problem (rete 2 lvell) p= numero d nod ntermed (es. magazzn perferc, centr dstrbutv) m= numero de nod d destnazone (es. punt vendta, magazzn de clent) d j = domanda annua del nodo d destnazone j k = capactà produttva del nodo d orgne h k = capactà d movmentazone (n, stock, out) del nodo ntermedo k c k = costo untaro d trasfermento dal nodo al nodo ntermedo k c2 kj = costo untaro d trasfermento dal nodo ntermedo k al nodo destnazone j x,k = quanttà prodotta nel nodo e trasportata al nodo ntermedo k y k,j = quanttà movmentata nel nodo ntermedo k e nvata al nodo destnazone j n p p m mn + c, k x,k c2k,j y = k= k= j= k,j (mnmzzazone de cost d trasporto prmaro e secondaro) 23 NETWORK DESIGN Vncol: p k= y k = d,j Transportaton Problem (rete 2 lvell) j (soddsfacmento domanda de nod destnazone) p k= x k,k (vncolo d capactà produttva de nod orgne) m j= y k,j mn n = k ; m j= d j (rspetto del vncolo della capactà d movmentazone per nod ntermed) * m j= y k,j = n = x,k (uguaglanza tra quanttà entrate e uscte nel nodo ntermedo) * per modellzzare l vncolo d spazo del deposto, basta porre: PR =2 x G.Meda= 2 x Flusso Uscta Indce d Rotazone 24

13 NETWORK DESIGN PR=5000 mq IR= 8 (rot/anno) CUS= pallet/m2 PR=5000 p. pallet PM= pallet/anno IR= flusso n uscta (=PM) GM (=PR/2) PR GM 25 NETWORK DESIGN Transportaton Problem (rete 2 lvell) Stablmento Clente k x,k d Magazzno y k,j k 2 Stablmento 2 h Clente 2 d 2 Magazzno p Clente 3 k n Stablmento n trasporto prmaro h p trasporto secondaro Clente m d 3 d m 26

14 IL CASO TWIN La Twn è un azenda operante nel settore de ben d largo consumo che ha una rete dstrbutva a 2 lvell costtuta da 2 stablment (con magazzno d fabbrca) e 3 centr dstrbutv (Ce.D.). I cost d trasporto untar della rete sono mostrat n tabella (euro/pallet). Note le dsponbltà d prodotto presso magazzn d fabbrca (k ), le quanttà rcheste da sngol clent (d j ), e le potenzaltà de centr dstrbutv (espresse n pallet/mese), determnare la soluzone ottmale. k CeD Clent Stablm. CeD 2 A B C M = cost untar molto elevat A M M B 8 3 M - M C 6 7 M M - M M M M M M M M M M d j + Caso FoodCo 27 INDICE Le metodologe d modellzzazone delle ret Rcham d PL Transportaton Problem Faclty Locaton & Ste Selecton Capacty Allocaton & Faclty Locaton 28

15 FACILITY LOCATION & SITE SELECTION Localzzazone : assumendo d aver fssato l numero d lvell della rete e l numero d mpant per cascun lvello, è necessaro defnre, n prmo luogo, la poszone d massma (faclty locaton) e, successvamente, effettuare rcerca puntuale del sto (ste selecton). Forntore Clente Forntore 2 dove? Clente 2 Clente 3 Forntore Clente 4 Clente Trade-off: vcno alle font d matere prme (forntor) o al mercato fnale (clent)? 29 FACILITY LOCATION & SITE SELECTION Il prmo problema da affrontare rguarda la defnzone delle coordnate geografche n cu localzzare l mpanto (fabbrca o deposto). I rsultat ottenbl dalle tecnche quanttatve esstent devono essere rtarat sulla base d element real. Tecnche quanttatve. sngle-faclty locaton centro d gravtà metodo a punteggo metodo break-even 2. mult-faclty locaton metod eurstc programmazone lneare (semplce /ntera) smulazone, regressone, etc. Fattor d scelta Vcnanza a forntor / fabbrche Vcnanza a clent/aree d consumo Presenza nfrastrutture trasporto Costo dell area e delle publc utlty Cost de trasport n / outbound Costo e affdabltà manodopera Agevolazon fscal / restrzon Vcnanza ad altr st azendal Condzon meteo / qualtà della vta 30

16 FACILITY LOCATION METODO DEL CENTRO DI GRAVITA Date le coordnate (X, Y ) de punt d orgne (fluss nbound) e d destnazone (fluss outbound) e not per cascun punto l flusso annuo (Q ) n uscta (nbound) o n entrata (outbound) e l costo untaro d trasporto (R ) per untà d peso e d dstanza è possble calcolare l centro d gravtà de fluss (centrode): X * = Q R X Q R Y * = Q R Q R Y Questo metodo consente d determnare le coordnate del punto tale per cu la somma de vettor forza n ngresso e n uscta sa nulla. 3 FACILITY LOCATION ESEMPIO Un grosssta d bevande alcolche dstrbusce suo prodott n 0 bar e rstorant a Mlano e hnterland a partre dal suo stablmento d Pava. Dove s colloca l barcentro (centro d gravtà) de consum? X Y Q Locale km km ton A ,000 B 0 0,600 C ,000 D E ,000 F G H ,000 I 45 40,500 J ,000 32

17 FACILITY LOCATION X* = 36,6 Y* = 4, FACILITY LOCATION Osservazon : METODO DEL CENTRO DI GRAVITA l rsultato è ndpendente dalla scelta dell orgne (0,0) del sstema d rfermento; n prma approssmazone s consgla d consderare R costante ndpendentemente dalla tratta consderata (ossa R = ) l rsultato è un punto su un pano contnuo è un metodo utle per la valutazone d massma della localzzazone, tuttava non consderano numerose varabl al contorno qual, ad esempo, cost d realzzazone o del terreno (varabl nel pano X, Y) 34

18 FACILITY LOCATION METODO ESATTO DEL CENTRO DI GRAVITA Il metodo esatto consente d determnare le coordnate del centro d gravtà tal per cu rsult mnmo l costo totale d trasporto n-bound e out-bound. mn ( CostoTotale) = mn [ Q R d ] essendo d la dstanza del punto d coordnate (X, Y ) dal centro d gravtà x,y d = f * * ( x,x,y, y ) Il procedmento è d tpo teratvo :. S determna l Costo Totale utlzzando le coordnate del centro d gravtà (X * Y * ) (ottenute con l metodo precedente semplfcato) nell equazone per l calcolo d d 35 FACILITY LOCATION METODO ESATTO DEL CENTRO DI GRAVITA Dstanze eucldee (ambto extraurbano) d A B = 2 ( x x ) + ( y y ) 2 A B A B d Dstanze rettlnear (ambto urbano) d A B = x A x B + y A y B 36

19 FACILITY LOCATION 2. note le dstanze d d cascun punto dal centro d gravtà (X * Y * ) è possble calcolare le nuove coordnate del barcentro de fluss n ngresso e n uscta : X ** = Q R X d Q R d Y ** = Q R Y d Q R d Queste equazon per determnare le coordnate (X ** Y ** ) s ottengono ponendo uguale a zero le dervate parzal del costo totale rspetto a X e a Y 3. S rcalcolano le dstanze d d cascun punto dal nuovo centro d gravtà (X **, Y ** ) 4. S determna l Costo Totale assocato a questa nuova soluzone (X **, Y ** ) 5. Le fas 2, 3, 4 possono essere rpetute fntanto che non s ottengono mglorament margnal del Costo Totale d ordne nferore 37 FACILITY LOCATION ESEMPIO Determnare la localzzazone ottmale d un centro dstrbutvo rcamb che rceve n ngresso materal da tre forntor (F, F2, F3) e serve cnque concessonar (C, C5). R Q X Y Punto Localtà ( /km-t) t km km F Perre 0, F2 Chcago 0, F3 Syracuse 0, C Houston, C2 Memphs, C3 Atlanta, C4 Tampa, C5 New York, n / 900 out 38

20 FACILITY LOCATION MULTI-FACILITY LOCATION : s tratta d rsolvere un problema molto pù complesso che rguarda, oltre che la localzzazone relatva e assoluta d pù depost, anche la loro dmensone e potenzaltà, nonché l allocazone de prodott, della capactà produttva agl mpant e della potenzaltà rcettva a depost, de clent a depost (locaton-allocaton problem) Crter d ottmzzazone (es. programmazone lneare msta ntera): consente d determnare la soluzone ottmale del problema, valutando al contempo la localzzazone ottmale e l pano d dstrbuzone Algortm eurstc (es. P-medan): s localzzano depost come centr d gravtà relatv a cascun cluster n cu è stato suddvso l problema dstrbutvo Smulazone : è un strumento d supporto alle decson (DSS) che consente d effettuare scelte prelmnar e d valutare dnamcamente l effcenza delle dverse soluzon al varare delle varabl del problema (anals what-f ) 39 FACILITY LOCATION LOCALIZZAZIONE DI PIÙ DEPOSITI Le metodologe d clusterng consentono d determnare la localzzazone d una sere d depost e l assegnazone a cascun deposto d un area d consegna locale PASSI ) Defnre un numero nzale d depost e pre-assegnare cascun deposto ad un cluster d clent. 2) Per cascun cluster d clent, valutare la poszone del centro d gravtà. 3) Calcolare l costo assocato a questa soluzone. 4) Rassegnare clent a depost n funzone della loro dstanza. 5) Valutare la poszone del centro d gravtà per nuov cluster d clent e calcolare l costo assocato a questa nuova soluzone. 6) Rpetere pass dal (4) al (5) sntantochè non s verfcano ulteror cambament ovvero quando l costo assocato alla nuova confgurazone nza a crescere Caso Candeggna 40

21 IL CASO WESTERN AIRLINES BACKGROUND INFORMATION Western Arlnes has decded that t wants to desgn a hub&spoke system n the Unted States. Each hub s used for connectng flghts to and from ctes wth 000 mles of the hub. Western Arlnes runs flghts among the followng 2 ctes: Atlanta, Boston, Chcago, Denver, Houston, Los Angeles, New Orleans, New York, Pttsburgh, Salt Lake Cty, San Francsco, and Seattle. The company wants to determne the smallest number of hubs t wll need to cover all of these ctes, where a cty s covered f t s wthn 000 mles of at least one hub. 4 IL MODELLO HUB & SPOKE Paradgma d collegamento Punto a punto Paradgma d collegamento Hub and Spoke (consoldamento + dstrbuzone) Spoke j HUB Spoke NC = NP (NP - ) NC = 2 (NP - ) NP = numero d punt NC = numero d collegament 42

22 IL CASO WESTERN AIRLINES O-D matrx : lsts the travel dstance between each par of nodes (mles) Atlanta Boston Chcago Denver Houston Los Angeles New Orleans New York Pttsburgh Salt Lake Cty San Francsco Seattle AT BO CH DE HO LA NO NY PI SL SF SE AT BO CH DE HO LA NO NY PI SL SF SE IL CASO WESTERN AIRLINES SOLUTION The soluton model must keep track of the followng: The set of ctes that each cty covers (for example, San Francsco covers Los Angeles, Salt Lake Cty, San Francsco and Seattle) Ctes that are selected as hubs Whether or not each cty s covered by a hub The total number of ctes chosen to be hub Soluton must be carred out by means of a spreadsheet (EXCEL) 44

23 IL CASO WESTERN AIRLINES A B C D DEVELOPING THE MODEL Inputs (b,j ) Enter the nformaton from the table about whch ctes cover whch other ctes n the O-D matrx. ndcates that the column cty covers the row cty; 0 ndcates that the column cty does not cover the row cty. Bnary values for hub locatons (a ) Enter any tral values of 0 or n the bottom row to ndcate whch ctes are used as hubs. These are the changng cells (allow only bnary values). Ctes covered by hubs (Σ a b,j, per ogn j) We now determne the number of hubs that cover each cty n the furthest left column. Each value n ths range must be hgher or equal to Number of hubs (Σ a ) Calculate the total number of hubs used n the as the sum of 0 and values n the bottom row 45 IL CASO WESTERN AIRLINES b,j = se dstanza < 000, 0 altrment Σ a b,j j A C 2 D B mn Σ a a = se hub è attvo, 0 altrment 46

24 IL CASO WESTERN AIRLINES Mult-faclty Locaton Varabl: a = se la cttà opera come hub, 0 altrment b j = se la cttà dsta meno d 000 mgla dalla cttà j, 0 altrment f.o.: 2 mn = a Mnmzzazone del numero d hub occorrent a servre tutte le cttà Vncol: 2 = a b,j Rspetto del vncolo d servzo : ogn cttà deve essere servta da almeno hub 47 IL CASO WESTERN AIRLINES USING THE SOLVER We mnmze the total number of hubs, subject to coverng each cty by at least one hub and ensurng that the changng cells are bnary. 48

25 SITE SELECTION METODO A PUNTEGGIO. Valutando le alternatve d localzzazone sulla base d dat quanttatv d massma o valutazon qualtatve, s arrva a consderare un rstretto numero d potenzal locaton da esamnare pù nel dettaglo. 2. S dentfcano alcun fattor d localzzazone rlevant per la decsone : Vcnanza a forntor, font approvvgonamento ( c. trasporto nbound/outbound) Vcnanza a clent / mercat d sbocco ( costo trasporto nbound/outbound, LT) Presenza nfrastrutture trasporto (vcnanza autostrade, ferrove, port, aeroport, etc.) Costo del terreno (area, cost d costruzone, oner urbanzzazone, etc.) Regme fscale e costo delle publc utltes (energa, telefono, acqua, etc.) Condzon socal e demografche (costo manodopera, atttudne lavorator, sndacat) Agevolazon fscal, restrzon local (nqunamento, traffco, rumorostà, etc.) Vcnanza ad altr st azendal Altro (condzon clmatche, costo e qualtà della vta, stuazone poltca, etc.) 49 SITE SELECTION METODO A PUNTEGGIO 3. Per cascun sto, s raccolgono dat (fattor quanttatv) e nformazon (fattor qualtatv) relatvamente a fattor d localzzazone prescelt attraverso banche dat, consulent, camere d commerco 4. A cascun fattore d localzzazone, s attrbusce un peso relatvo d mportanza rspetto agl altr fattor (la somma de pes può essere posta uguale a 00) 5. Per cascun sto, s determnano puntegg per tutt fattor d localzzazone sulla base d metod a punteggo (ad esempo AHP, Analytc Herarchy Process). Occorre defnre una scala d valutazone, ad esempo da = pessmo a 00= ottmo. 6. Per cascun sto, s calcola la meda ponderata de fattor d localzzazone, sulla base de rspettv pes d mportanza. Il sto ottmale è quello a cu corrsponde l punteggo complessvo pù alto 7. Per stablre la valdtà della soluzone ndvduata, s effettua un anals d senstvtà sa su pes de fattor d localzzazone sa su sngol gudz assegnat a cascun sto 50

26 SITE SELECTION METODO A PUNTEGGIO (esempo) Fattor ubcazonal Peso Valutazone Area A Area B Area C Manodopera Matere prme Mercato Energe Altr Total 00 Punteggo Area A Area B Area C Anals d senstvtà: nel caso C, basta valutare 2 punt n pù l fattore manodopera affnché l punteggo dell area C super quello dell area A (Anals d senstvtà) 5 SITE SELECTION METODO del BREAK-EVEN Se s è n grado d quantfcare n termn economc fattor d localzzazone, è possble adottare l metodo del break-even n cu s ha: Costo Totale : Cost Fss + Cost Varabl untar x Flusso annuo. Per cascun sto, determnare cost fss e cost varabl untar con l flusso annuo (ad esempo numero d UdC movmentate, numero d pezz prodott, etc.) 2. Traccare grafcamente su un pano cartesano la funzone d costo totale (asse Y) a partre dall orgne sno ad un valore d flusso annuo prevsto per l futuro (asse X) 3. Evdenzare gl ntervall d convenenza tra le dverse soluzon esamnate (mnmo costo totale) n termn d flusso annuo 4. Indvduare l sto che comporta n mnor costo totale, n corrspondenza d un determnato valore del flusso annuo Ipotes: nel range d valor d flusso consderat, cost fss sano costant e cost varabl sano lnear 52

27 SITE SELECTION sto C. Fsso C. Varable euro euro / pezzo A B C D METODO del BREAK-EVEN (esempo) Costo Totale (A) Costo Totale (B) Costo Totale (C) Costo Totale (D) Determnare l sto ottmale per un flusso annuo prevsto d 8000 pezz (±5%) INDICE sto C sto B sto A Le metodologe d modellzzazone delle ret Rcham d PL Transportaton Problem Faclty Locaton & Ste Selecton Capacty Allocaton & Faclty Locaton 54

28 NETWORK DESIGN Capacty Allocaton & Faclty Locaton () E fssata la domanda rchesta da nod d destnazone mentre s ha un certo numero d potenzal nod d orgne, d cu s conoscono anche cost fss d gestone. S vuole defnre n modo ottmale sa qual nod d orgne attvare (quant e dove) sa le quanttà da produrre n cascun nodo d orgne (quanto grand) nonché le quanttà da consegnare da cascun nodo d orgne attvato a nod d destnazone, tenendo conto della dsponbltà d prodotto ne prm (o la capactà produttva) e della domanda rchesta da second. OBIETTIVO : ndvduare qual nod orgne attvare e quanto spedre da nod orgne a nod destnazone, n modo da mnmzzare la somma de cost fss (apertura de nod d orgne) e varabl (trasporto e produzone) Il problema può essere modellzzato medante la programmazone msta ntera 55 NETWORK DESIGN Varabl: n= numero d potenzal nod d orgne (es. stablment, magazzn d fabbrca) m= numero d nod d destnazone (es. punt vendta, magazzn de clent) d j = domanda annua del nodo d destnazone j k = capactà produttva del potenzale nodo d orgne c j = costo untaro d trasfermento dal nodo al nodo j f = costo fsso d attvazone del nodo d orgne a = se nodo è attvo, 0 altrment F.O.: Vncol: mn n = m j= n = f a + x = d x,j,j j k a n m c,j = j= x,j (soddsfacmento domanda) (mnmzz. cost complessv fss + varabl) (rspetto vncolo d capactà produttva solo se lo stablmento è attvo, altrment è 0 ) 56

29 NETWORK DESIGN Capacty Allocaton & Faclty Locaton (2) Nel caso n cu ogn nodo d destnazone possa essere servto da un solo nodo d orgne (sngle sourcng), è necessaro apportare le seguent modfche: Varabl: a = se nodo è attvo, 0 altrment b j = se l nodo d destnazone j è servto dal nodo, 0 altrment x,j = d b j,j F.O.: Vncol: mn n = m j= n = f a + b = j,j d b,j n k a m = j= c,j d j b (condzone d sngle sourcng ),j (mnmzzazone de cost fss + varabl) (rspetto vncolo d capactà produttva solo se lo stablmento è attvo, altrment è 0 ) 57 IL CASO HUTCO Huntco produces tomato sauce at 5 dfferent producton plants. The annual capacty (n tons) of each plant s gven n the followng table. Plant tons/year The tomato sauce s stored at one of 3 natonal warehouses. The cost per ton of producng tomato sauce at each plant and shppng t to each warehouse s gven n the table shown here. From Warehouse Warehouse 2 Warehouse 3 Plant $800 $000 $200 Plant 2 $700 $500 $700 Plant 3 $800 $600 $500 Plant 4 $500 $600 $700 Plant 5 $700 $600 $500 To 58

30 IL CASO HUTCO Huntco has 4 bg customers (wholesalers). The cost of shppng a ton of sauce from each warehouse to each customer ste s gven n the table shown here. To Customer Customer 2 Customer 3 Customer 4 Warehouse $40 $80 $90 $50 From Warehouse 2 $70 $40 $60 $80 Warehouse 3 $80 $30 $50 $60 Each year each customer must receve the amount (n tons) of sauce gven n the followng table. Customer tons/year IL CASO HUTCO The annual fxed cost of operatng each plant and warehouse s lsted n ths table. Fxed Annual Cost Plant $35,000 Plant 2 $45,000 Plant 3 $40,000 Plant 4 $42,000 Plant 5 $40,000 Warehouse $40,000 Warehouse 2 $20,000 Warehouse 3 $60,000 Huntco s goal s to mnmze the annual cost of meetng customer demands. The company wants to determne whch plants and warehouses to open, as well as the optmal shppng plan. 60

31 IL CASO HUTCO To model Huntco s stuaton we need to keep track of the followng: o The shpments from plants to warehouses o The shpments from warehouses to customers o The fxed costs of operatng plants and warehouses o The shppng and producton costs from plants to warehouses o The shppng costs from warehouses to customers o The total amount shpped out of each plant We must also ensure that o Huntco pays the fxed costs for all plants and warehouses that t uses. o The amount shpped nto each warehouse equals the amount receved by each warehouse. o Each customer receves the specfed demand. 6 IL CASO HUNTCO Plant Capacty Allocaton & Faclty Locaton (rete a 2 lvell) k Plant 2 x,k y k,j Customer d k 2 Plant 3 Warehouse h Customer 2 d 2 k 3 Plant 4 Warehouse 2 h 2 Customer 3 d 3 k 4 Plant 5 Warehouse 3 Customer 4 h 3 k 5 f.o. : mnmzzazone cost d trasporto (prmaro e secondaro) e de cost fss de plant e warehouse d 4 62

32 IL CASO HUNTCO k = capactà produttva del plant c k = costo untaro d produzone e trasporto dal plant al warehouse k c2 kj = costo untaro d trasporto dal warehouse k al clente j a j = se plant è attvo, 0 altrment b k : se warehouse k è attvo, 0 altrment x,k = (5) quanttà prodotta nel plant e trasportata al warehouse k y k,j = (2) quanttà movmentata nel warehouse k e nvata al clente j d j = domanda annua del clente j fp = costo fsso d attvazone del plant fw k = costo fsso d attvazone del warehouse k 63 f.o.: IL CASO HUNTCO Vncol: mn p k= m j= m j= p k= x n =,k Capacty Allocaton & Faclty Locaton (rete a 2 lvell) y y k,j k,j fp a k a b = n k = y k = d,j j + p k= mn x,k fw k b k + n p = k= c,k x,k + p m k= j= (soddsfacmento domanda per cascun clente j) c2 k,j y (rspetto del vncolo d capactà produttva solo se plant è attvo, altrment è 0 ) n = k ; m j= d j (rspetto del vncolo della capactà d movmentazone solo se l warehouse k è attvo, altrment 0) (blanco d massa per l warehouse k, uguaglanza tra quanttà entrate e uscte nel nodo ntermedo) k,j 64

LE RETI DISTRIBUTIVE (2): criteri di modellizzazione

LE RETI DISTRIBUTIVE (2): criteri di modellizzazione Progettazone de Sstem Produttv e Logstc Facoltà d Ingegnera LE RETI DISTRIBUTIVE (2): crter d modellzzazone Prof. Fabrzo Dallar Drettore C-log Unverstà C. Cattaneo LIUC Centro d Rcerca sulla Logstca INDICE

Dettagli

LE RETI DISTRIBUTIVE (2): criteri di modellizzazione

LE RETI DISTRIBUTIVE (2): criteri di modellizzazione Progettazone e Gestone della Supply Chan Facoltà d Ingegnera LE RETI DISTRIBUTIVE (2): crter d modellzzazone Prof. Fabrzo Dallar Ing. Tommaso Ross Ing. Alessandro Creazza C-log Unverstà C. Cattaneo LIUC

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Modelli decisionali su grafi - Problemi di Localizzazione

Modelli decisionali su grafi - Problemi di Localizzazione Modell decsonal su graf - Problem d Localzzazone Massmo Paolucc (paolucc@dst.unge.t) DIST Unverstà d Genova Locaton Problems: modell ed applcazon Decson a medo e lungo termne (panfcazone) Caratterstche

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

POLITECNICO DI TORINO

POLITECNICO DI TORINO POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA Laurea n Ingegnera Logstca e della Produzone Corso d Logstca e d Dstrbuzone 1 Docente: Prof. Ing. Gulo Zotter Tutore: Ing. Gulano Scapaccno A.A. 2004/2005

Dettagli

SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN

SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN Corso d Progettazone e Gestone della Supply Chan Facoltà d Ingegnera SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN Prof. Fabrzo Dallar Drettore C-log Unverstà C. Cattaneo LIUC Centro d Rcerca sulla Logstca

Dettagli

POLITECNICO DI TORINO

POLITECNICO DI TORINO POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA Laurea n Ingegnera Logstca e della Produzone Corso d Logstca e d Dstrbuzone 1 Docente: Prof. Ing. Gulo Zotter Tutore: Ing. Gulano Scapaccno A.A. 2007/2008

Dettagli

Il dimensionamento dei sistemi di fabbricazione

Il dimensionamento dei sistemi di fabbricazione Il dmensonamento de sstem d fabbrcazone 1 Processo d progettazone d un sstema produttvo Anals della domanda Industralzzazone d prodotto e processo (dstnte e ccl d lavorazone) Scelta delle soluzon produttve

Dettagli

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese Sstem Intellgent Relazone tra ottmzzazone e statstca - IV Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@dunmt Anals dell

Dettagli

Potenzialità degli impianti

Potenzialità degli impianti Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca

Dettagli

LE RETI DISTRIBUTIVE (1): elementi di progettazione

LE RETI DISTRIBUTIVE (1): elementi di progettazione Progettazone de Sstem Produttv e Logstc Facoltà d Ingegnera LE RETI DISTRIBUTIVE (1): element d progettazone Prof. Fabrzo Dallar Drettore C-log Unverstà C. Cattaneo LIUC Centro d Rcerca sulla Logstca INDICE

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

TECNICHE DI PROGRAMMAZIONE

TECNICHE DI PROGRAMMAZIONE TECNICHE DI PROGRAMMAZIONE IPOTESI SOTTOSTANTE: TECNICHE LINEARI (COEFFICIENTI FISSI DI PRODUZIONE) PREVISIONI (vendte, prezz de ben e de fattor) medante tecnche estrapolatve, econometrche e d mercato

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 03-4, lez.9) Matematca Computazonale, Ottmzzazone,

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

4.6 Dualità in Programmazione Lineare

4.6 Dualità in Programmazione Lineare 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble

Dettagli

1. Considerazioni preliminari

1. Considerazioni preliminari 1. Consderazon prelmnar Le attvtà d trasporto ncdono n manera rlevante su cost logstc (n alcun cas anche per due terz. Rsulta mportante qund organzzare n modo effcente queste attvtà. altra parte le attvtà

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

Support Vector Machines. Macchine a vettori di supporto

Support Vector Machines. Macchine a vettori di supporto Support Vector Machnes Macchne a vettor d supporto Separator Lnear Percettrone La classfcazone bnara può essere vsta come un problema d separazone d class nello spazo delle feature m b b b > 0 b 0 b

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN

SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN Corso d Progettazone e Gestone della Supply Chan Facoltà d Ingegnera SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN Prof. Fabrzo Dallar Drettore C-log Unverstà C. Cattaneo LIUC Centro d Rcerca sulla Logstca

Dettagli

Obiettivi Il concetto di Resilienza applicato ai territori rurali Una proposta p metodologica Un esempio: diversità e sviluppo

Obiettivi Il concetto di Resilienza applicato ai territori rurali Una proposta p metodologica Un esempio: diversità e sviluppo Obettv Il concetto d Reslenza applcato a terrtor rural Una proposta p metodologca Un esempo: dverstà e svluppo Concluson Interpretare terrtor rural come sstem soco-ecologc Analzzare le propretà della reslenza

Dettagli

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Ricerca operativa Lezione # 1 6 maggio 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Ricerca operativa Lezione # 1 6 maggio 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Rcerca operatva Lezone # 1 6 maggo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/28? Modello d Wlson Le scorte sono

Dettagli

L innovazione nella gestione della Qualità nelle PMI

L innovazione nella gestione della Qualità nelle PMI Centro essle Cotonero e bbglamento p L nnovazone nella gestone della Qualtà nelle PM La certfcazone come strumento d busness per le PM e le mcromprese 8 Novembre 2002 - ng. oberto Vannucc lcune notze recent

Dettagli

La contabilità analitica nelle aziende agrarie

La contabilità analitica nelle aziende agrarie 2 La contabltà analtca nelle azende agrare Estmo rurale ed element d contabltà (analtca) S. Menghn Corso d Laurea n Scenze e tecnologe agrare Percorso Economa ed Estmo Contabltà generale e cont. ndustrale

Dettagli

LEZIONE N.8. Introduzione ai MODELLI DI SIMULAZIONE ED OTTIMIZZAZIONE PER SISTEMI ENERGETICI

LEZIONE N.8. Introduzione ai MODELLI DI SIMULAZIONE ED OTTIMIZZAZIONE PER SISTEMI ENERGETICI LEZIONE N8 Introduzone a MODELLI DI SIMULZIONE ED OTTIMIZZZIONE PER SISTEMI ENERGETICI 1d 11 MODELLIZZZIONE DI DOMND ED OFFERT Dal 1973 gl stud su modell che ntendono rappresentare cosa può succedere nel

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

Indicatori di dimensione e di concentrazione

Indicatori di dimensione e di concentrazione Indcator d dmensone e d concentrazone 1 Indcator d dmensone Lo studo delle caratterstche struttural ed evolutve d un sstema produttvo necessta dell mpego d ndcator per msurare la dmensone delle untà economche

Dettagli

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA UNIVERSITA DEGI STUDI DI CASSINO FACOTA DI INGEGNERIA ANTONIO RUSSO, ANGEO EOPARDI ANAISI DE ERRORE CONNESSO A APPROSSIMAZIONE DEE UNGHEZZE E DEE CEERITA NE METODO DI INTEGRAZIONE DEE CARATTERISTICHE (MOC)

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

Apprendimento Automatico: Apprendimento Non Supervisionato

Apprendimento Automatico: Apprendimento Non Supervisionato Apprendmento Automatco: Apprendmento Non Supervsonato 1 Supervsone nell Apprendmento (aranco, rotondo, classe= ) (gallo, lungo, classe= ) (gallo, rotondo, classe= ) colore forma (gallo, lungo, classe=

Dettagli

Newsletter "Lean Production" Autore: Dott. Silvio Marzo

Newsletter Lean Production Autore: Dott. Silvio Marzo Il concetto d "Produzone Snella" (Lean Producton) s sta rapdamente mponendo come uno degl strument pù modern ed effcac per garantre alle azende la flessbltà e la compettvtà che l moderno mercato rchede.

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

FORMAZIONE ALPHAITALIA

FORMAZIONE ALPHAITALIA ALPHAITALIA PAG. 1 DI 13 FORMAZIONE ALPHAITALIA IL SISTEMA DI GESTIONE PER LA QUALITA Quadro ntroduttvo ALPHAITALIA PAG. 2 DI 13 1. DEFINIZIONI QUALITA Grado n cu un nseme d caratterstche ntrnseche soddsfa

Dettagli

2.6 Diagramma di redditività e analisi CRQ (Costi, Ricavi, Quantità)

2.6 Diagramma di redditività e analisi CRQ (Costi, Ricavi, Quantità) Dspensa 3 2.6 Dagramma d reddtvtà e anals CR (Cost, Rcav, uanttà) L anals CR (Cost, Rcav, uanttà) è uno strumento molto utle e semplce per la progettazone e la gestone d un generco mpanto d produzone.

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 28/0/2008 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 20 soggett. Soggetto Età Resdenza

Dettagli

COSTI FISSI E VARIABILI E I problemi di MAKE or BUY e IL BEP (IL PUNTO DI PAREGGIO)

COSTI FISSI E VARIABILI E I problemi di MAKE or BUY e IL BEP (IL PUNTO DI PAREGGIO) COSTI FISSI E VARIABILI E I problem d MAKE or BUY e IL BEP (IL PUNTO DI PAREGGIO) CF CV Un concetto d fondo Cost fss e cost varabl CF CV Orzzonte temporale e funzone d produzone Funzone d produzone nel

Dettagli

Laboratorio di Simulazione e Ottimizzazione AA 2003/04

Laboratorio di Simulazione e Ottimizzazione AA 2003/04 Laboratoro d Smulazone e Ottmzzazone AA 2003/04 Gruppo 4 Ross Matteo Loll Luca Tema n 25: Poszonamento mpant Una dtta che produce ceramche deve decdere dove localzzare suo mpant produttv, sceglendo tra

Dettagli

MODELLI DI UTILITÀ ALEATORIA

MODELLI DI UTILITÀ ALEATORIA corso d Teora e Tecnca della Crcolazone + Trasport e Terrtoro a.a. 2012-2013 MODELLI DI UTILITÀ ALEATORIA PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma2.t Modell d utltà

Dettagli

Il patrimonio informativo aziendale come supporto alle attività di marketing

Il patrimonio informativo aziendale come supporto alle attività di marketing Unverstà degl Stud d RomaTre - Facoltà d Economa Corso d Rcerche d Marketng Il patrmono nformatvo azendale come supporto alle attvtà d marketng ng. Stefano Cazzella stefano.cazzella@datamat.t Agenda La

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 7/0/006 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 0 soggett. Soggetto Sesso Età Reddto

Dettagli

PIANIFICAZIONE DEI TRASPORTI

PIANIFICAZIONE DEI TRASPORTI Unverstà d Caglar DICAAR Dpartmento d Ingegnera Cvle, Ambentale e archtettura Sezone Trasport PIANIFICAZIONE DEI TRASPORTI Eserctazone 3 A.A. 2016-2017 Ing. Francesco Pras Ing. Govann Tuver Il modello

Dettagli

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

Oltre la regressione lineare

Oltre la regressione lineare Oltre la regressone lneare Modello d regressone lneare (semplce o multpla: - varabl esplcatve X quanttatve e qualtatve (nserte tramte uso d varabl dummy - varable dpendente Y è quanttatva Y = b + b X +

Dettagli

Economia del turismo

Economia del turismo U N I V E R S I T À D E G L I S T U D I D I C A G L I A R I F A C O L T À D I S C I E N Z E E C O N O M I C H E, G I U R I D I C H E E P O L I T I C H E C O R S O D I L A U R E A I N E C O N O M I A E

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04 UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso d Allocazone de centr d servzo SCG-E04 Le fas del processo d msurazone de cost Fase 1 Rlevazone de cost Fase 2 Assegnazone de cost Cost drett (Drect cost) Attrbuzone

Dettagli

Propagazione delle incertezze

Propagazione delle incertezze Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3)

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3) Esempo d soluzone d una delle verson del compto d Geometra analtca e algebra lneare del luglo 3 Stablre se la retta r, d equazon parametrche x =, y = + t, z = t (nel parametro reale t), è + y + z = sghemba

Dettagli

COMPORTAMENTO DINAMICO DI ASSI E ALBERI

COMPORTAMENTO DINAMICO DI ASSI E ALBERI COMPORTAMENTO DNAMCO D ASS E ALBER VBRAZON TORSONAL Costruzone d Macchne Generaltà l problema del progetto d un asse o d un albero non è solo statco Gl ass e gl alber, come sstem elastc, sotto l azone

Dettagli

Algoritmi euristici: III Ricerca Locale

Algoritmi euristici: III Ricerca Locale Algortm eurstc: III Rcerca Locale Danele Vgo D.E.I.S. - Unverstà d Bologna dvgo@des.unbo.t rev. 1.0 - dcembre 2003 Algortm d Rcerca Locale partono da una soluzone (ammssble) cercano teratvamente d mglorarla

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

IL MODELLO IS-LM. Ripasso dei concetti principali dal corso base di Economia Politica. Prof. AnnaMaria Variato

IL MODELLO IS-LM. Ripasso dei concetti principali dal corso base di Economia Politica. Prof. AnnaMaria Variato IL MODELLO IS-LM Rpasso de concett prncpal dal corso base d Economa Poltca Prof. AnnaMara Varato Strumento grafco-analtco per la rappresentazone e lo studo dell equlbro smultaneo del mercato de ben e della

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

CONFORMITA DEL PROGETTO

CONFORMITA DEL PROGETTO AMGA - Azenda Multservz S.p.A. - Udne pag. 1 d 6 INDICE 1. PREMESSA...2 2. CALCOLI IDRAULICI...3 3. CONFORMITA DEL PROGETTO...6 R_Idr_Industre_1 Str.doc AMGA - Azenda Multservz S.p.A. - Udne pag. 2 d 6

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra

Dettagli

Touristic carrying capacity (TCC)

Touristic carrying capacity (TCC) Tourstc carryng capacty (TCC) Compromesso ottmale (trade-off) tra attvtà turstche e rsorse dsponl Programmazone e gestone sostenle ed effcente rducendo al mnmo l mpatto sulle caratterstche Amental e Socal

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

Università di Catania Facoltà di Ingegneria Corso di Gestione delle Risorse Idriche. Appunti sulla programmazione dinamica A.

Università di Catania Facoltà di Ingegneria Corso di Gestione delle Risorse Idriche. Appunti sulla programmazione dinamica A. Unverstà d Catana Facoltà d Ingegnera Corso d Gestone delle Rsorse Idrche Appunt sulla programmazone dnamca A. Cancellere A.A. 007-008 Introduzone La programmazone dnamca (PD) è una tecnca che consente

Dettagli

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo Energa e Lavoro Fnora abbamo descrtto l moto de corp (puntform) usando le legg d Newton, tramte le forze; abbamo scrtto l equazone del moto, determnato spostamento e veloctà n funzone del tempo. E possble

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Economia del turismo

Economia del turismo Unverstà degl Stud d Caglar Facoltà d Economa Corso d Laurea n Economa e Gest. de Serv. Turstc A.A. 2013-2014 Economa del tursmo Prof.ssa Carla Massdda Sezone 5 ANALISI MICROECONOMICA DEL TURISMO Argoment

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

Carla Seatzu, 18 Marzo 2008

Carla Seatzu, 18 Marzo 2008 8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte

Dettagli

AVVISO PUBBLICO Costituzione di short list: Servizio di pulizie presso l Istituto di Ricerca Biogem s.c.ar.l. Via Camporeale, Ariano Irpino (AV)

AVVISO PUBBLICO Costituzione di short list: Servizio di pulizie presso l Istituto di Ricerca Biogem s.c.ar.l. Via Camporeale, Ariano Irpino (AV) AVVISO PUBBLICO Costtuzone d short lst: Servzo d pulze presso l Isttuto d Rcerca Camporeale, Arano Irpno (AV) In esecuzone della Determna Presdenzale n. 15/103 del 10/09/2015, la Bogem Scarl ntende procedere

Dettagli

InfoCenter Product A PLM Application

InfoCenter Product A PLM Application genes d un fra o Gestone de crcolazone dell'nformazone sa crcoscrtta entro Pdetermnat ambt settoral. L'ntegrazone de sstem e de odpartment azendal rchede nuove modaltà operatve, nuove t competenze e nuov

Dettagli

Corso di Economia Applicata

Corso di Economia Applicata Corso d Economa Applcata a.a. 2007-08 II modulo 16 Lezone Programma 16 lezone Democraza rappresentatva e nformazone Rcaptolando L agenza e l mercato (Arrow, 1986) Lezone 16 2 Introduzone Governo e Parlamento

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

McGraw-Hill. Tutti i diritti riservati. Caso 11

McGraw-Hill. Tutti i diritti riservati. Caso 11 Caso Copyrght 2005 The Companes srl Stma d un area fabbrcable n zona ndustrale nella cttà d Ferrara. La stma è effettuata con crter della comparazone e quello del valore d trasformazone. Indce Confermento

Dettagli

Università degli Studi di Ferrara Polo Scientifico Tecnologico

Università degli Studi di Ferrara Polo Scientifico Tecnologico La rcerca scentfca talana nel campo dell draulca: presentazone de rsultat de progett PRIN 2008 Ferrara, 24-25 gennao 2013 ADATTAMENTO DEI SISTEMI E DEI SERVIZI IDROPOTABILI A SCENARI DI CARENZA IDRICA

Dettagli

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100 Dstrbuzon d frequenza Varable x Frequenze Frequenze Frequenze Frequenze % cumulate relatve x 1 n 1 n 1 n 1 / n 1 /*100 x n n 1 +n n / n /*100 x k n k n 1 +.+n k = n k / n k /*100 totale 1 100 Indc sntetc

Dettagli

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

Dettagli

LEZIONE 11. Argomenti trattati

LEZIONE 11. Argomenti trattati LEZIONE LE ECONOMIE PERTE (2) Il modello IS-LM n regme d camb fss e d camb flessbl rgoment trattat S esamnano gl effett delle poltche macroeconomche n economa aperta consderando tre modell Il modello IS-LM

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 5: 24 febbrao 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/24? Eserczo Trovare quale legge d captalzzazone

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

Dettagli