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

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena

2 Struttura delle ret logstche Sstem produttv multstado Struttura logstca lneare Sst. prod. / Forntore Sst. prod. / Forntore Sst. prod. / Forntore

3 Struttura delle ret logstche Struttura logstca ad assemblaggo 7 8 6

4 Struttura delle ret logstche Struttura logstca arborescente (rete d dstrbuzone) 8 7 6

5 Cost n logstca Costo per l acquszone de materal (soggetto a scont e ncertezze sul valore futuro) Cost d ordnazone Cost d mantenmento o perdta del valore delle scorte Cost fss e varabl d trasporto Cost per la realzzazone d mpant e centr d dstrbuzone Cost legat alla movmentazone de materal ne magazzn

6 Progetto d ret logstche e trasport Determnare la struttura d una rete logstca sgnfca dmensonare mpant d produzone, centr d dstrbuzone, punt vendta, fluss de materal. Il problema s pone ad un lvello strategco. Tuttava, l problema può pors ad un lvello tattco, nel caso n cu sa possble acqusre rsorse (mezz d trasporto, st d stoccaggo, ecc ) n afftto da forntor d servz logstc.

7 Teora de graf La Teora de Graf costtusce, al par della Programmazone Matematca, un corpo metodologco per la modellazone e soluzone d problem decsonal Molt problem d ottmzzazone hanno una naturale rappresentazone grafca. Sono note effcent tecnche rsolutve basate su Graf.

8 Orgn La Teora de Graf è stata ntrodotta dal matematco svzzero Eulero (77-78) che formulò utlzzando graf l problema de pont d Könsberg (cttà Prussana): C Fume Pregel A D Partendo da una qualsas area d terra è possble tornare al punto d partenza attraversando tutt pont una ed una sola volta? B

9 Se s assocano alle zone d terra de punt (nod o vertc) e a pont de tratt d lnea (arch o spgol) l problema de pont d Könsberg è modellato dal Grafo C A D B Eulero s servì d questo grafo per stablre che era mpossble trovare l percorso rchesto, con pont così dstrbut. E nvece possble se l numero d arch ncdente n ogn nodo è par.

10 Defnzon Un grafo G=(V,E) è defnto da: un nseme V d nod; un nseme E d arch. Un grafo s dce orentato se gl arch hanno un orentamento altrment s dce non orentato C C A D A D B B

11 Defnzon (graf non orentat) Dato l arco e=(a, b) a a, b sono dett nod estrem d e e è detto arco ncdente n a e b a, b sono dett nod adacent b due arch s dcono adacent se hanno un nodo n comune Dato l nodo a d G l Intorno d a, ndcato con N(a), è l nseme de nod adacent ad a la stella d a, ndcata con δ(a), è l nseme degl arch ncdent n a N() = {, } δ() = {(,), (,), (,)}

12 Defnzon (graf orentat) Dato un arco orentato e=(a, b) e è detto arco uscente da a (nodo coda) e è detto arco entrante n b (nodo testa) a s dce predecessore dretto d b b s dce successore dretto d a a b Dato un nodo a d un grafo orentato G δ + (a) è l nseme degl arch uscent da a δ - (a) è l nseme degl arch entrant n a un nodo con sol arch entrant è detto pozzo un nodo con sol arch uscent è detto sorgente δ + () = {(,), (,)} δ - () ={(,), (,)}

13 Defnzon Dato un Grafo G=(V, E) con V={v,, v n } ed E={e,, e m } un cammno è una sequenza d arch p={e h, e h,, e hq }, tal che ogn due arch consecutv sono adacent

14 Defnzon Un cammno è detto semplce se gl arch e nod del cammno sono tutt dstnt altrment s dce non semplce un cammno è orentato se per ogn arco e=(, j) del cammno, l nodo è la coda d e ed l nodo j è la testa d e

15 Defnzon Un cammno è detto chuso se nod estrem del cammno concdono Un cammno semplce e chuso è detto cclo Un Grafo G s dce connesso se per ogn coppa d nod a e b esste un cammno da a a b

16 Defnzon Un cclo orentato Un cclo non orentato

17 Defnzon Un cammno chuso n un grafo è detto cclo Eulerano se passa una ed una sola volta su tutt gl arch del grafo. Un cclo Eulerano può non esstere n un grafo. Grafo non Eulerano Grafo Eulerano C A D B

18 Defnzon Un cclo n un grafo è detto cclo Hamltonano se passa una ed una sola volta su tutt nod del grafo. Un cclo Hamltonano può non esstere n un grafo. Graf Hamltonan C A D B

19 Defnzon Dato un grafo non orentato G=(V,A) e un sottonseme S d V Taglo n un grafo Una taglo δ (S) è l nseme d arch con un estremo n S e l altro n V\S S= {, } δ(s) = {(,), (,), (,)}

20 Defnzon Dato un grafo G=(V,A) orentato e un sottonseme S d V Taglo n un grafo Il taglo δ + (S) è l nseme d arch con coda n S e testa n V\S Il taglo δ - (S) è l nseme d arch con testa n S e coda n V\S S ={,,} δ + (S) = {(,),(,),(,)} δ - (S) ={(,)}

21 Grafo bpartto G=(V, V, A) Defnzon L nseme de nod V è dvsble n due sottonsem V e V Non c sono arch n A che collegano due nod d V o due nod d V

22 Defnzon Una foresta è un grafo senza ccl

23 Defnzon Un Albero T=(V,A) è un grafo che soddsfa una delle seguent defnzon: è una foresta conessa è connesso e non contene ccl è connesso ed ha V - arch per ogn coppa d nod esste un solo cammno che l connette è connesso e la rmozone d un arco lo rende dsconnesso

24 Defnzon Dato un grafo G=(V,A) una foresta rcoprente F =(V,A ) d G è una foresta tale che V =V

25 Defnzon Dato un grafo G=(V,A) albero rcoprente T =(V,A )d G è un albero tale che V =V

26 Il Problema del Flusso su Ret a Costo Mnmo (Mnmum Cost Network Flow) Il problema d Flusso a Costo Mnmo consste nel determnare l modo pù convenente per trasportare una determnata quanttà d bene da uno o pù punt d produzone o mmagazznamento ad uno o pù punt d consumo, attraverso una rete d trasporto data. Esstono algortm d soluzone estremamente effcent per l calcolo della soluzone d Problem d Flusso a Costo Mnmo (pù effcent de metod utlzzat per la soluzone d problem d PL generc).

27 Il Modello del Flusso su Ret a Costo Mnmo (Mnmum Cost Network Flow) Dat Il grafo G=(V, E) della rete Un nseme d nod forntor S V e la quanttà d bene dsponble a() per ogn S Un nseme d nod domanda D V e la quanttà d bene rchesta b() per ogn D I cost untar d trasporto c, le capactà superor u e nferor l ad ogn arco (,j) d E

28 Il Modello del Flusso su Ret a Costo Mnmo (Mnmum Cost Network Flow) Il Problema Decdere quanto flusso nvare su cascun arco n modo tale che le capactà sugl arch sano rspettate ad ogn nodo sa soddsfatto l blancamento del flusso: Flusso uscente da Flusso entrante n = a( ) se è un nodo forntore b( ) se è un nodo domanda altrment l costo totale del flusso sulla rete sa mnmo

29 Il Modello del Flusso su Ret a Costo Mnmo (Mnmum Cost Network Flow) Un esempo ed una soluzone ammssble ( cost degl arch non sono rportat) a()= Nod forntor Nod domanda 6 b(6)= a()= a()= l, u, c j 7 b(7)= l = u = +

30 Il Modello del Flusso su Ret a Costo Mnmo : Una formulazone d PL Defnzone delle varabl: x la quanttà d flusso che scorre nell arco (,j), per ogn (,j) E Funzone obettvo: mn (, j ) E c x

31 Upper bound sulle varabl: x u (,j) E Lower bound sulle varabl: x l (,j) E

32 Vncolo sul blancamento del flusso: = + altrment ) ( ) ( ) ( ), ( ) ( ), ( D b S a x x j j j δ δ Condzone: affnché l problema abba una soluzone ammssble deve essere: = D S b a ) ( ) (

33 (, j ) δ + x ( ) x Formulazone complessva mn l ( j, ) δ (, j ) E x j ( ) c x a( ) S = b( ) D altrment (,j) E x u (,j) E Propretà: La matrce de coeffcent è Totalmente Unmodulare (matrce d ncdenza d un grafo dretto e matrc denttà) Se le quanttà a ( ), b( ), l, u sono ntere allora esste un flusso ottmo x* ntero (calcolable).

34 Il Modello del Flusso su Ret a Costo Mnmo (Mnmum Cost Network Flow) In pratca, un problema d flusso su ret a costo mnmo può essere rsolto con algortm combnator estremamente effcent (polnomal), che sfruttano la struttura della rete. Inoltre, esste una versone del metodo del smplesso, nota con l nome d smplesso su ret, messa a punto propro per la soluzone d problem d flusso su ret a costo mnmo.

35 Ottmzzazone de cost d trasporto e dmensonamento della capactà produttva Descrzone del problema Un ndustra almentare produce alment n dvers mpant. Gl alment una volta prodott possono essere trasportat drettamente a dvers clent, oppure trasportat e stoccat n magazzn e po consegnat a clent. Dat Il costo d produzone è lo stesso per ogn mpanto. Il costo d stoccaggo è lo stesso per ogn magazzno. Ogn mpanto ha una capactà produttva lmtata. E nota la domanda d alment d ogn clente. Sono dat cost d trasporto e produzone/stoccaggo, per tonnellata d alment, tra ogn coppa d punt. Possono essere trasportate al pù tonnellate d alment tra ogn coppa d punt. Obettvo L ndustra vuole decdere quanto produrre n ogn mpanto e quanto stoccare n ogn magazzno, n modo tale che l costo totale d trasporto dagl mpant verso clent sa mnmo e la domanda de clent sa soddsfatta.

36 Ottmzzazone de cost d trasporto e dmensonamento della capactà produttva Impant Clent Capactà (ton per anno) 8 Domande (ton per anno) Cost d trasporto e produzone/stoccaggo (mglaa d Euro per ton) Magazzno Magazzno Clente Clente Impanto,,,, Impanto,, 8, 9, Impanto,,, 8, Magazzno - -,, Magazzno - -, 7,

37 Ottmzzazone de cost d trasporto e dmensonamento della capactà produttva Il problema può essere modellato con un grafo orentato, assocando un nodo ad ogn mpanto, magazzno e clente. Un arco orentato esprme l fatto che può essere trasportata una certa quanttà d alment tra due nod estrem dell arco. Impant Magazzn Clent 6 Capactà (ton per anno) 7 8 Domande (ton per anno) Ad ogn nodo mpanto è assocato un valore par alla capactà produttva Ad ogn nodo clente è assocato un valore par alla domanda

38 Ottmzzazone de cost d trasporto e dmensonamento della capactà produttva Ad ogn arco (,j) del grafo sono assocat una capactà u, un costo d trasporto e produzone c per tonnellata (per gl arch uscent dagl mpant) ed un costo d trasporto e stoccaggo c per tonnellata (per gl arch uscent da magazzn). u, c u = per ogn arco j Cost d trasporto e produzone/stoccaggo (mglaa d Euro per ton) Magazzno Magazzno Clente Clente Impanto,,,, Impanto,, 8, 9, Impanto,,, 8, Magazzno,, Magazzno, 7,

39 Ottmzzazone de cost d trasporto e dmensonamento della capactà produttva Condzone d ammssbltà La somma delle capactà produttve (6) eccede la somma delle domande (8) Impant Magazzn Clent Capactà (ton per anno) Domande (ton per anno) S ntroduce un nodo domanda fttzo con valore 6-8= connesso a nod forntor con arch d capactà par a e costo nullo

40 Formulazone con Excel

41 Soluzone ottma del Problema Impant Magazzn Clent Capactà (ton per anno) Domande (ton per anno) Costo d trasporto complessvo: mla Euro

42 Il problema del Cammno d costo mnmo su graf Sano dat un grafo orentato G=(V, E) un costo c assocato ad ogn arco (, j) una coppa d nod s e t l problema consste nel trovare un cammno semplce orentato da s a t la cu somma de cost degl arch ha valore mnmo. s t

43 Il problema del Cammno d costo mnmo modellato come problema d Flusso su ret a costo mnmo Se s assoca: un valore a(s)= al nodo s; un valore b(t)= al nodo t; una capactà nferore par a ad ogn arco d E; una capactà superore par a ad ogn arco d E. Il problema d trovare un cammno mnmo da s a t può essere vsto come caso partcolare d problema d Flusso a costo mnmo, con un solo nodo forntore (s) ed un solo nodo domanda (t). a(s)= s b(t)= t

44 Il problema de trasport Sano dat un grafo orentato bpartto G=(A,B,E) A, nseme de nod forntor B, nseme de nod domanda una quanttà dsponble b per ogn nodo forntore n A una quanttà rchesta d per ogn nodo domanda n B un costo untaro d trasporto c assocato ad ogn arco (, j) d E Il problema Il problema consste nel determnare quanto trasportare su cascun arco n modo da soddsfare la domanda e mnmzzare cost d trasporto.

45 Il problema de trasport Defnzone delle varabl: x la quanttà d flusso che scorre nell arco (,j), per ogn (,j) E j B A x x mn (, j ) E c x b A d j j B x (,j) E

46 Nod domanda Il problema de trasport Nod forntore b d b b mn c x (,j ) E x b A j B x d j j B A x (, j) E Propretà: La matrce de coeffcent è Totalmente Unmodulare (matrce d ncdenza d un grafo bpartto) Se le quanttà b e d j sono ntere allora esste un flusso ottmo x* ntero. d

47 E j c x ), ( mn E (,j) u x E (,j) l x = + altrment ) ( ) ( ) ( ), ( ) ( ), ( D b S a x x j j j δ δ Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret

48 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Idea: A partre da un flusso ammssble sulla rete, l dea alla base del smplesso su ret è quella d mglorare la soluzone d partenza aumentando l flusso n ccl con costo untaro negatvo, o dmnuendo l flusso n ccl con costo untaro postvo. Cclo con costo negatvo: -++-= - Cclo con costo postvo: -++-= (,) (,) (,) (,) (,) (,) (,) (,) (,) (,) (x, c ) j (x, c ) j

49 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Defnzon Dato un flusso ammssble x sulla rete G, un arco (,j) è detto lbero se l < x < u vncolato se x = l oppure x = u

50 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Defnzon Dato un flusso ammssble x sulla rete G, un arco (,j) è detto lbero se l < x < u vncolato se x = l oppure x = u Soluzone senza ccl (cycle free soluton): un flusso ammssble x tale che n ogn cclo (non orentato) della rete esste almeno un arco vncolato Soluzone ad albero rcoprente (spannng tree soluton): dato un albero rcoprente T d G, un flusso ammssble x tale che ogn arco che non appartene a T è vncolato (gl arch d G che appartengono a T possono essere lber o vncolat)

51 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Soluzone senza ccl (cycle free soluton): un flusso ammssble x tale che n ogn cclo della rete esste almeno un arco vncolato Soluzone ad albero rcoprente (spannng tree soluton): dato un albero rcoprente T d G, un flusso ammssble x tale che ogn arco che non appartene a T è vncolato (gl arch d G che appartengono a T possono essere lber o vncolat) È possble mostrare che un problema d flusso a costo mnmo ammette sempre una soluzone ottma senza ccl e ad albero rcoprente.

52 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret E sempre possble trasformare una soluzone ammssble n una soluzone senza ccl Esempo: Cclo con costo negatvo Tutt gl arch con capactà massma nfnta e capactà mnma Costo del cclo per flusso untaro D: -++-= - (,) (,) (,) (,) (x, c ) j (,) +a -a -a +a +a

53 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Aumentando a l costo nel cclo dmnusce. a può essere aumentato fn quando fluss sugl arch s mantengono postv (non negatvtà del flusso) (e non eccedono la capactà massma): a -a a +a 8 +a a -a +a 7 Il flusso è ancora ammssble, un arco è vncolato (ha ora flusso nullo), ed l costo della soluzone è dmnuto

54 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Esempo: Cclo con costo postvo Tutt gl arch con capactà massma nfnta e mnma Costo del cclo per flusso untaro D: -++-= (,) (,) (,) (,) (x, c ) j (,) +a -a -a +a +a

55 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Poché dmnuendo l flusso nel cclo dmnusce l costo, l valore d a può essere dmnuto l pù possble a condzone che fluss sugl arch non dventno negatv (e che le capactà massme degl arch sano rspettate): a -a +a +a a a a -a +a Il flusso è ancora ammssble, un arco ha ora flusso nullo (è vncolato), ed l costo della soluzone è dmnuto 6

56 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Dato un flusso ammssble sulla rete, l procedmento sopra descrtto s può applcare a tutt ccl della rete, anche a ccl con costo untaro nullo (n questo caso non avremo nessun mgloramento della soluzone), per portare l flusso d un arco del cclo al valore, ottenendo qund una soluzone ammssble senza ccl. Se assumamo lower bound dvers da ed upper bound fnt sulle varabl x, è possble con ragonament analogh modfcare fluss sugl arch n modo da non peggorare la soluzone, mantenere l ammssbltà e portare l flusso su un arco del cclo al suo valore mnmo (l ) o massmo (u ) Applcando l ragonamento a tutt ccl della rete s ottene l seguente rsultato. Teorema Se la funzone obettvo d un problema d flusso a costo mnmo non è llmtata nferormente, esste sempre una soluzone ottma senza ccl.

57 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret È possble convertre una soluzone senza ccl n una soluzone ad albero rcoprente Infatt, data una soluzone senza ccl, possono accadere due cose:. Il grafo che s ottene elmnando da ogn cclo un arco vncolato è connesso: soluzone ad albero rcoprente. Il grafo che s ottene elmnando da ogn cclo un arco vncolato non è connesso: foresta rcoprente Nel caso, è possble aggungere arch vncolat alla foresta ed ottenere una soluzone ad albero rcoprente

58 Nel caso, è possble aggungere arch vncolat alla foresta ed ottenere un soluzone ad albero rcoprente Soluzone senza ccl Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret (,) (,) (,) (,) (,6) (,) (,) j (x, u ), l = Soluzon ad alber rcoprent

59 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret S ottene qund l seguente rsultato. Teorema Se la funzone obettvo d un problema d flusso a costo mnmo non è llmtata nferormente, esste sempre una soluzone ottma ad albero rcoprente per l problema.

60 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Data una soluzone ad albero rcoprente, gl arch n A della rete G possono suddvders n tre categore:. Gl arch appartenent all albero T. Gl arch non appartenent all albero l cu flusso è par alla capactà mnma (nseme L). Gl arch non appartenent all albero l cu flusso è par alla capactà massma (nseme U) E possble ottenere una (unca) soluzone ad albero rcoprente conoscendo la struttura T,L,U (ammssble). Basta porre x =l per ogn (,j) n L x =u per ogn (,j) n U calcolare l flusso sugl altr arch d T attraverso le condzon d blancamento de nod

61 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Dremo che la struttura d un albero rcoprente T,L,U è ammssble se la relatva soluzone ad albero rspetta bound d cascun arco della rete G Data una soluzone ad albero rcoprente, dremo che l albero relatvo T è non degenere se tutt gl arch n T sono lber, altrment l albero s dce degenere

62 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Data una struttura ad albero rcoprente T,L,U L algortmo calcola un flusso ammssble sugl arch d T Per semplctà, assumamo che tutt gl arch abbano upper bound nfnto e lower bound (gl arch non n T sono n L e qund hanno flusso ). Dato un arco, sano T e T due sottoalber ottenut elmnando l arco. a()= b()= a()= a()=b()= S not che deve essere: b()= ( a() b() ) + ( a() b() ) = T T T a()= T a()= x = a()=b()= b()= b()=

63 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret In modo smle è possble calcolare l flusso anche nel caso n cu la capactà massma degl arch sa fnta (supponamo che gl arch (,) e (,) sano n U) a()= u = u = b()= a()= a()=b()= b()= a()= T b()= T a()= x = a()=b()= b()=

64 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Test d ottmaltà per una soluzone ad albero rcoprente Defnamo per ogn arco d G un costo rdotto nel seguente modo: c' = c π( ) + π( j) (, j) Dove π() è detto potenzale al nodo Teorema La struttura d un albero rcoprente T,L,U è ottma per l problema d flusso a costo mnmo se è ammssble e se esste una scelta de potenzal de nod π() tale che: c' c' c' = (, (, (, j) T j) L j) U A

65 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Teorema La struttura d un albero rcoprente T,L,U è ottma per l problema d flusso a costo mnmo se è ammssble e se esste una scelta de potenzal de nod π() tale che:. c' = (, j) T. c' (, j) L. c' (, j) U Dm Sa x* la soluzone assocata alla struttura T,L,U e supponamo che esstano de potenzal a nod che soddsfano le condzon -. S not che mn c x equvale a (,j ) A mn c ' x = mn (c π() + π( j))x = (,j ) A (,j ) A $ ' mn c x + π()x + π()x j & ) (,j ) A V % (,j ) δ( ) + ( j, ) δ( ) ( π ( ) a( ) se π ( ) b( ) se se nodo forntore nodo domanda nodo d transto costante

66 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Dm (segue) Dalle condzon S ha mn... c' c' c' = (, j) T (, j) L (, j) U c ' x = mn c ' x c ' x (,j ) A (,j ) L (,j ) U Consderamo una qualsas soluzone ammssble x per l problema. Dalla defnzone d x* s ha e qund: c' (, j ) A x c' (, j ) A x x x * x x * * = = l u (, (, c (, j ) A x j) L j) U c (, j ) A x * c.d.d.

67 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Idea dell algortmo: Il smplesso su ret è un algortmo teratvo che passa da una struttura ad albero rcoprente ad un altra, e termna quando vene ndvduata una struttura ottma. Ad ogn terazone l algortmo sosttusce un arco dell albero rcoprente con un altro non appartenente all albero: L arco che entra a far parte dell albero è un arco che vola la condzone d ottmaltà. Il cclo che s vene a formare ha costo untaro negatvo (cclo negatvo). Il flusso lungo l cclo vene aumentato fnché qualche arco non raggunge la sua capactà mnma o massma. Uno d quest arch con capactà mnma o massma è rmosso, producendo una nuova struttura ad albero.

68 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Data una struttura ad albero rcoprente T,L,U l algortmo calcola come prma cosa potenzal a nod n modo da soddsfare la condzone Come? c' = (, j) T S not che aggungere una costante k a tutt potenzal non modfca cost rdott c' = c π( ) + π( j) = c [ π( ) + k] + [ π( j) + k] Al nodo può essere assegnato un potenzale I potenzal d tutt gl altr nod sono calcolat n modo tale che c' = c π( ) + π( j) = (, j) T

69 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Esempo: calcolo de potenzal a nod a partre da una struttura ad albero rcoprente T,L,U, n modo tale che: c j c' = c π( ) + π( j) = (, j) T π() = c c π() + π() = + π () = π() = π() + π() = + + π () = π() =... Teorema Se nel problema d flusso a costo mnmo tutt cost degl arch sono nter allora esste una soluzone ottma n cu potenzal de nod π() sono tutt nter.

70 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Algortmo: smplesso su ret calcola una struttura ad albero T,L,U ammssble calcola l relatvo potenzale a nod π ed l flusso x su ogn arco della rete Calcola la condzone d ottmaltà whle (esste un arco non n T che vola la condzone d ottmaltà) begn selezona un arco che vola la condzone d ottmaltà, da far entrare nell albero determna l arco da rmuovere dall albero aggorna la struttura T,L,U e calcola l relatvo potenzale a nod, π, ed l flusso x su ogn arco della rete Calcola la condzone d ottmaltà end

71 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Calcolo d una struttura ad albero ammssble nzale T,L,U (arch tutt con capactà mnma ) Supponamo che fra ogn coppa d nod essta un cammno dretto n cu ogn arco ha capactà nfnta Data una rete G=(V,A) è sempre possble rspettare questa condzone aggungendo degl arch fttz (,j) e (j,) per ogn nodo j d V\{}, con capactà massma nfnta e costo nfnto (d fatto non saranno ma scelt n una soluzone ottma) Una struttura ad albero nzale è ottenble aggungendo n T l arco (j,) se l nodo j è un nodo forntore (a(j)>) o d transto a(j)=b(j)= con un flusso par a a(j) aggungendo n T l arco (,j) se l nodo j è un nodo domanda (b(j)>) con un flusso par a b(j) tutt gl altr arch sono nsert nell nseme L (a flusso nullo) l nseme U è vuoto

72 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Controllo dell ottmaltà della struttura ad albero T,L,U Dopo aver calcolato potenzal a nod π() Possamo controllare le condzon d ottmaltà:... c' c' c' = (, j) T (, j) L (, j) U Se la struttura ad albero non rspetta queste condzon, gl arch che possono essere scelt per entrare nell albero sono: (,j) L con (,j) U con c' c' < > Dvers sono crter d selezone dell arco entrante (pvot rule), e.g., Dantzg rule: selezona l arco con l massmo c

73 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Calcolo dell arco uscente dall albero Sa (k,l) l arco selezonato per entrare nell albero Aggungendo l arco (k,l) all albero s vene a creare esattamente un cclo (pvot cycle) W Defnamo l orentamento del cclo W concorde con l arco se (k,l) è n L e dscorde se (k,l) è n U (x, u ) j (,) (,) (,) (,6) (,) 6 (,) (,) 7 8 (,6) (,) 9 (,) k l

74 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Calcolo dell arco uscente dall albero Il flusso del cclo è aumentato (l flusso aumenta sugl arch concord con l orentamento del cclo e dmnusce sugl arch dscord) fn quando l flusso su uno o pù arch raggunge l relatvo lower o upper bound (blockng arcs). L arco uscente è selezonato tra gl arch blockng. Dvers sono crter d selezone dell arco uscente, e.g., selezona l prmo arco blockng ncontrato scandendo la lsta degl arch, oppure l arco con costo max. (,6) (,) (,) (x, u ) j (,) (,) (,) 6 (,) 7 8 (,6) (,) 9 k (,) l Cclo d pvot arch blockng: (,), (7,) e (6,)

75 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Esempo a()=9, b(6)=9, tutt gl altr nod sono d transto (,8) (,) (,7) (,) (,) (,) j (,) (,) (,6) 6 Sano dat T, L, U: calcolo de potenzal e fluss L={(,), (,)} U={(,), (,6)} (c, u ), l = π() = c c c π() + π() = + π() = π () = π() + π() = + π() = π () = π() + π() = + + π () = π() = π() - - x π(j) j

76 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret π() - - π(j) x L={(,), (,)} U={(,), (,6)} j Calcolo arco entrante: c =+-=>, (,) n U, l massmo ncremento sul cclo è, l arco (,) dventa blockng ed esce (entra n U) c' c' c' c' 6 = c = c = c = c 6 π() + π() = + > π() + π() = + 8 > π() + π() = + = > π() + π(6) = = > π() x π(j) j

77 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Esempo Nuovo albero rcoprente π() - -6 π(j) x L={(,), (,)} U={(,), (,6)} j - 6 c c 6 c' c' c' c' Calcolo de potenzal: c' = c π( ) + π( j) = (, j) T π() + π() = + + π() = π() = 6 π() + π(6) = π(6) = π(6) = Test d ottmaltà: 6 = c = c = c = c 6 π() + π() = + > π() + π() = > π() + π() = + 6 < π() + π(6) = + 8 >

78 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret (,8) (,) (,) (,7) (,) (c, u ), l = (,) j (,) (,) (,6) 6 Nuovo arco entrante: c 6 =+8-=>, l massmo ncremento sul cclo è, Gl arch (,) e (,) dventano blockng Sceglamo l arco (,) che esce da T 7 π() - - x π(j) j

79 Un algortmo per l problema del flusso su ret a costo mnmo: l smplesso su ret Esempo Nuovo albero rcoprente π() x π(j) j -8-7 L={(,), (,)} U={(,), (,)} Trovata una soluzone ottma - 6 Calcolo de potenzal: c' π() = c c c c c 6 6 = c π( ) + π( j) = (, j) T π() + π() = + π() = π() = π() + π() = + π() = π() = π() + π() = + + π() = π() = 8 π() + π(6) = π(6) = π(6) = π() + π() = π() = π() = 7 Test d ottmaltà: c' c' c' c' = = = = c c c c π() + π() π() + π() π() + π() π() + π() = + > = + 7 < = + 7 < = >

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

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

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

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

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

Gestione della produzione e della supply chain Logistica distributiva

Gestione della produzione e della supply chain Logistica distributiva Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Struttura delle reti logistiche

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

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima Il problema del camba-monete. ALGORITMI GREEDY camba-monete schedulng a mnmo l rtardo Scopo. Dat tagl dsponbl: c, c, 5c, 0c, 0c, 50c,, progettare un algortmo che data una certa somma la camb usando l mnmo

Dettagli

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE

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

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio Formulazone e Notazon Algortmo d Carler- Pnson er roblem d Job Sho Schedulng: un esemo Notazon o C M ( o r, q -esma oerazone del ob Temo d rocessamento d o Macchna che deve rocessare o Clque (nseme d oerazon

Dettagli

Il traffico è un gioco?

Il traffico è un gioco? Il traffco è un goco? Gacomo Tomme Dpartmento d Matematca, Unverstà d Psa e-mal: tomme@dm.unp.t Introduzone Il ttolo potrebbe apparre provocatoro, ma n realtà è solo lo spunto per ntrodurre tem che voglamo

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

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Corso di Infrastrutture Idrauliche II

Corso di Infrastrutture Idrauliche II Corso d Infrastrutture Idraulche II a.a. 2006-2007 Laurea n Ingegnera Cvle Facoltà d Ingegnera Prof.ssa Elena Volp Rcevmento: Materale ddattco: evolp@unroma3.t martedì 15:30-16:30, Dpartmento d Scenze

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

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

Predimensionamento reti chiuse

Predimensionamento reti chiuse Predmensonamento ret chuse Rspetto ad una rete aperta, ogn magla aggunge un grado d lbertà (una nfntà d soluzon) nella determnazone delle portate Q,Q 1, e Q 2, utlzzando le sole equazon d contnutà. a dfferenza

Dettagli

Modello del Gruppo d Acquisto

Modello del Gruppo d Acquisto InVMall - Intellgent Vrtual Mall Modello del Gruppo d Acqusto Survey L attvtà svolta per la realzzazone dell attvtà B7 Defnzone del Gruppo d Acqusto e de Relatv Algortm d Inferenza, prevsta dal captolato

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

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

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

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

CPM: Calcolo del Cammino Critico

CPM: Calcolo del Cammino Critico Supponamo d conoscere per ogn attvtà A = (,j) la sua durata t j t j j Calcolamo l tempo al pù presto n cu può nzare o fnre una attvtà. Supponamo d dover calcolare l tempo al pù presto n cu s possono nzare

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

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

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

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

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

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

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

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

Circuiti dinamici. Circuiti del secondo ordine. (versione del ) Circuiti del secondo ordine

Circuiti dinamici. Circuiti del secondo ordine.  (versione del ) Circuiti del secondo ordine rcut dnamc rcut del secondo ordne www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 9-6- rcut del secondo ordne rcut del secondo ordne: crcut l cu stato è defnto da due varabl x ( e x ( Per un crcuto

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

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

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell per la panfcazone delle attvtà Paolo Dett Dpartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell per la panfcazone delle

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell er la anfcazone delle attvtà Paolo Dett Dartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell er la anfcazone delle

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

Grafi ed equazioni topologiche

Grafi ed equazioni topologiche Graf ed equazon topologche www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del --) Premessa Se s ndca con l l numero d corrent e l numero d tenson de component d un crcuto, la rsoluzone del crcuto rchede

Dettagli

Esercitazione sulle Basi di di Definizione

Esercitazione sulle Basi di di Definizione Eserctazone sulle as d d Defnzone ESERIZIO Un bpolo ressto (dodo) ha la seguente equazone: = k [ 0 + 00] con k 0 nella quale ed sono descrtt dalla conenzone degl utlzzator come n fgura. Stablre se l bpolo

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

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

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

Principi di ingegneria elettrica. Lezione 2 a

Principi di ingegneria elettrica. Lezione 2 a Prncp d ngegnera elettrca Lezone 2 a Defnzone d crcuto elettrco Un crcuto elettrco (rete) è l nterconnessone d un numero arbtraro d element collegat per mezzo d fl. Gl element sono accessbl tramte termnal

Dettagli

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono

Dettagli

Circuiti elettrici in regime stazionario

Circuiti elettrici in regime stazionario rcut elettrc n regme stazonaro Metod d anals www.de.ng.unbo.t/pers/mastr/ddattca.htm ersone del -0-00 Premessa Nel caso pù generale è possble ottenere la soluzone d un crcuto rsolendo un sstema formato

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

Segmentazione di immagini

Segmentazione di immagini Segmentazone d mmagn Introduzone Segmentazone: processo d partzonamento d un mmagne n regon dsgunte e omogenee. Esempo d segmentazone. Tratta da [] Introduzone (def. formale ( Sa R l ntera regone spazale

Dettagli

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare. Una semplce applcazone del metodo delle caratterstche: la propagazone d un onda d marea all nterno d un canale a sezone rettangolare. In generale la propagazone d un onda monodmensonale n una corrente

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

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

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

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

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta

Dettagli

Ottimizzazione dei Progetti

Ottimizzazione dei Progetti Sapenza Unverstà d Roma - Dpartmento d Ingegnera Informatca, Automatca e Gestonale Ottmzzazone de Progett Renato Brun brun@ds.unroma.t Il materale presentato è dervato da quello de proff. A. Sassano e

Dettagli

PROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1.

PROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1. PROGRAMMAZIONE LINEARE Una pccola ntroduzone R. Tade R. Tade 2 LA PROGRAMMAZIONE LINEARE L obettvo del captolo consste nel fornre lo scheletro d un problema d programmazone lneare e gl strument concettual

Dettagli

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4 Teora de Goch Dr. Guseppe Rose Unverstà degl Stud della Calabra Corso d Laurea Magstrale n Economa Applcata a.a 011/01 Handout 4 1 L equlbro d Bertrand Nel modello d Bertrand, abbamo un duopolo esattamente

Dettagli

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà

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

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Rappresentazione dei numeri

Rappresentazione dei numeri Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

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

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza 5: Strato fsco: lmtazone d banda, formula d Nyqust; caratterzzazone del canale n frequenza Larghezza d banda d un segnale La larghezza d banda d un segnale è data dall ntervallo delle frequenze d cu è

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k (1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)

Dettagli

PROBLEMA DI SCELTA FRA DUE REGIMI DI

PROBLEMA DI SCELTA FRA DUE REGIMI DI PROBLEMA DI SCELTA FRA DUE REGIMI DI CAPITALIZZAZIONE Prerequst: legge d captalzzazone semplce legge d captalzzazone composta logartm e loro propretà dervate d una funzone pendenza d una curva n un punto

Dettagli

CAPITOLO 3 CIRCUITI DI RESISTORI

CAPITOLO 3 CIRCUITI DI RESISTORI CAPITOLO 3 CIRCUITI DI RESISTORI Pagna 3. Introduzone 70 3. Connessone n sere e connessone n parallelo 70 3.. Bpol resstv n sere 7 3.. Bpol resstv n parallel 77 3.3 Crcut resstv lnear e sovrapposzone degl

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

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

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand Collusone (Cabral cap.8 PRN capp. 13-14) Accord tact o esplct per aumentare l potere d mercato e pratcare prezz pù elevat rspetto all equlbro non cooperatvo corrspondente Esste un vantaggo dalla collusone

Dettagli

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO INTODUZION ALL SPINZA 4: STUDIO DLLA POLAIZZAZION DIANT LAIN DI ITADO Un utle rappresentazone su come agscono le lamne su fasc coerent è ottenuta utlzzando vettor e le matrc d Jones. Vettore d Jones e

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

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

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

Dettagli

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione febbraio 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione febbraio 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 17 13 febbrao 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? 2/19? Fgura 1: ( 5y

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

Corso di laurea in Economia marittima e dei trasporti

Corso di laurea in Economia marittima e dei trasporti Unverstà degl stud d Genova Corso d laurea n Economa marttma e de trasport Il problema del cammno mnmo n ret multobettvo Relatrce: Anna Scomachen Canddato: Slvo Vlla Dedcato a: Coloro che n me Hanno sempre

Dettagli

CMPE, Economia Industriale. Lezione 11. Costi di entrata, struttura di mercato e benessere

CMPE, Economia Industriale. Lezione 11. Costi di entrata, struttura di mercato e benessere LIUC AA 2008-2009 CMPE, Economa Industrale Anals della Concorrenza e Anttrust Lezone 11 Cost d entrata, struttura d mercato e benessere 1 Sommaro della lezone: 1 Concentrazone, cost d entrata e dmensone

Dettagli

FORMULE PRELIMINARI RIGUARDANTI LA TRAVE APPOGGIATA

FORMULE PRELIMINARI RIGUARDANTI LA TRAVE APPOGGIATA Captolo TRV CONTINU. TRV CONTINU FORU PRIINRI RIGURDNTI TRV PPOGGIT Trave appoggata soggetta a: carco () moment, cedment Determnaon delle rotaon,. a) Carco - - d d - d ( ) d 77 Captolo TRV CONTINU b) oment,

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

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

Verifica termoigrometrica delle pareti

Verifica termoigrometrica delle pareti Unverstà Medterranea d Reggo Calabra Facoltà d Archtettura Corso d Tecnca del Controllo Ambentale A.A. 2009-200 Verfca termogrometrca delle paret Prof. Marna Mstretta ANALISI IGROTERMICA DEGLI ELEMENTI

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

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

IL GRUPPO SIMMETRICO S n

IL GRUPPO SIMMETRICO S n EMILIO ZAPPA MATRICOLA UNIVERSITA DEGLI STUDI DI TORINO DIPARTIMENTO DI MATEMATICA ANNO ACCADEMICO 00/00 TESINA PER IL LABORATORIO DI COMBINATORICA IL GRUPPO SIMMETRICO S n IL GIOCO DEL Sa A un nseme fnto

Dettagli

Corso di Architettura (Prof. Scarano) 25/03/2002

Corso di Architettura (Prof. Scarano) 25/03/2002 Corso d rchtettura (Prof. Scarano) // Un quadro della stuazone Lezone Logca Dgtale (): Crcut combnator Vttoro Scarano rchtettura Corso d Lauren Informatca Unverstà degl Stud d Salerno Input/Output Regstr

Dettagli

La teoria microeconomica del consumo

La teoria microeconomica del consumo Isttuzon d Economa Matematca La teora mcroeconomca del consumo Il problema del consumatore 2 a parte. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy)

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico. Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo

Dettagli

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 10: 6-7 Maggio Meccanismi con Pagamenti: Applicazioni e Limiti

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 10: 6-7 Maggio Meccanismi con Pagamenti: Applicazioni e Limiti trument della Teora de Goch per l Informatca A.A. 2009/0 Lecture 0: 6-7 Maggo 200 Meccansm con Pagament: Applcazon e Lmt ocente Paolo Penna Note redatte da: Paolo Penna Lezone precedente Funzon d scelta

Dettagli