Contenuto e scopo presentazione. Decisioni tattiche. Decisioni tattiche. Decisioni tattiche

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Contenuto e scopo presentazione. Decisioni tattiche. Decisioni tattiche. Decisioni tattiche"

Transcript

1 Contenuto e scopo presentazione Decisioni tattiche 21/05/ Contenuto vengono discusse alcune problematiche decisionali tattiche tipicamente affrontate dalle aziende di trasporto. Scopo fornire dei modelli possono essere utilizzati per la soluzione di tali problematiche. Raffaele Pesenti 2 Decisioni tattiche I clienti sono interessati a costi, tempi (velocità e rispetto delle date fissate) e qualità (in termini di, e.g., flessibilità, affidabilità, sicurezza). gli ultimi due aspetti penalizzano il ferro rispetto alla gomma. L obiettivo primario di un azienda di trasporto sono i profitti (sul medio lungo termine). Questo implica cercare di raggiungere un giusto equilibrio tra costi e tempi/qualità dei servizi forniti, nel rispetto della normativa vigente. Il livello del servizio fornito è di solito misurato verso l esterno in termini di ritardi nelle consegne, verso l interno nel fattore di utilizzazione dei materiali. Particolari forme contrattuali o metodi di organizzazione aziendale possono però prevedere il rispetto o il raggiungimento di determinati obiettivi (e.g., carte servizi delle poste, ferrovie, compagnie aeree). Decisioni tattiche Determinare il giusto equilibrio richiede di risolvere un problema di service network design in cui: il supply side richiede la riduzione dei costi tramite una visione integrata e coordinata di tutte le operazioni nella rete. In particolare per quanto riguarda, da una parte, le operazioni di consolidamento e di rottura dei carichi nei terminali e, dall altra, la selezione, il routing e lo scheduling dei servizi (di trasporto) forniti; il demand side richiede una gestione delle rotte e delle tempistiche dei servizi nella rete in modo da garantire un trasporto affidabile e puntuale nel rispetto degli obblighi contrattuali e degli obiettivi fissati. 3 4

2 Decisioni tattiche Decisioni tattiche Esempio: si seleziona il tipo di servizio, i.e., si decide come collegare i terminali A e B collegamento diretto con veicoli dedicati collegamento diretto con fermate intermedi per effettuare carichi e scarichi collegamento indiretto attraverso il terminale C dove la merce da A viene consolidata con altro materiale proveniente da altri luoghi collegamento indiretto attraverso il terminale C dove avviene la rottura del carico della merce da A per selezionare quella per B, che viene a sua volta consolidata con altra merce proveniente da altre origini... ad ogni decisione corrispondono costi, tempi e rischi diversi. A livello strategico si è deciso quale domanda servire A livello tattico si decide l itinerario che dovrà seguire il flusso che soddisfa una data domanda il servizio che viene attuato per il collegamento tra terminali frequenza e scheduling dei servizi politiche di gestione dei terminali, in particolare la distribuzione dei carichi di lavoro, orari di apertura,... politiche di gestione dei veicoli vuoti, i.e., gestione dei ritorni a vuoto, ridistribuitone sul territorio,... Nei lucidi successivi vengono presentati dei modelli per alcuni problemi tattici 5 6 Frequency Service Network Design Dati e variabili Descrizione del problema. obiettivo: minimizzare somma costi fissi e variabili di trasporto vincoli: la domanda deve essere soddisfatta limiti strutturali del sistema (e.g., di capacità e di velocità dei mezzi) devono essere rispettati leve decisionali: la frequenza dei servizi dati tecnologici: costi funzione del numero y di trasporti effettuati per unità di tempo costi funzione della quantità di merce di tipo p trasportata lungo l itinerario l con frequenza 1/y pl 7 Dati p P: prodotti considerati L p 2 A : insieme dei percorsi ammissibili per il prodotto p d p domanda prodotto p G(y): costi funzione del numero y di trasporti effettuati per unità di tempo H pl (y pl,h pl ): costi funzione della quantità di merce di tipo p trasportata lungo l itinerario l con frequenza 1/y pl K(y,h) =0: vincoli strutturali del sistema Variabili h pl : flusso del prodotto p lungo il percorso l y pl : numero di trasporti di prodotto p lungo il percorso l per unità di tempo 8

3 Funzione obiettivo e vincoli Obiettivo: minimizzazione dei costi complessivi min G(y)+ Σ p P Σ l Lp H pl (y,h pl ) Vincoli: soddisfacimento della domanda Σ l Lp h p,l = g p p P non negatività dei flussi ed interezza numero viaggi h pl 0, y lp Z l L p p P rispetto vincoli strutturali K(y,h) =0 9 Struttura dei costi G(y): esprime sia i costi fissi associati ad ogni singolo trasporto sia i costi di congestione. Questa ultima aumenta tanto sono numerosi i viaggi. Una prima approssimazione di tale costo può essere G(y) = (g 1 + g 2 E{y})y dove g 1, g 2 sono dei vettori costanti ed E{y} indica il valore atteso dei ritardi introdotti dalla congestione H pl (y pl,h pl ): esprime sia i costi variabili di trasporto che i costi di mantenimento della merce. Una prima approssimazione può essere H pl (y,h pl ) = (h 1pl + h 2pl E{y,h pl })h pl dove h 1pl, h 2pl sono dei vettori costanti ed E {y,h pl } indica il valore atteso dei ritardi dovute alle partenze non continue e alla congestione. A volte questo termine tiene conto anche della deviazione standard dei ritardi per introdurre un costo che penalizzi le variazioni dei tempi di servizio. 10 Commenti Il modello presenta analogie con la gestione delle scorte. I vincoli strutturali sono molto difficili da esplicitare e di solito si tiene conto solo di medie o si considerano casi peggiori (ad esempio si impone che la frequenza non possa superare una dato valore tenendo presente la dimensione della flotta, ma non considerando lo schedule effettivo). Per tali motivi generalmente tali vincoli sono rilassati e compaiono come componenti della funzione obiettivo. Problemi di valutazione dei tempi dei ritardi attesi. In generale non si tiene conto delle correlazioni e si usano formule molto semplici basate sulla teoria delle code. Il problema in pratica è semplificato dal fatto che tipicamente vi è una frequenza di base (e.g., un viaggio al giorno) e si ritengono ammissibili solo pochi multipli sottomultipli. Problema risolto con metodi di ricerca locale per le y. A y fissata si risolvono problemi di flusso con funzione obiettivo convessa. Un modello più completo Un modello più completo può considerare: sia trasporti LTL con consolidamento e trasporti diretti TL; i costi di movimentazione dei rimorchi (sia carichi che vuoti) e la gestione del carico dei rimorchi ai terminali di consolidamento; la gestione dei flussi dei rimorchi vuoti

4 Parametri C ij : costo di trasporto rimorchio (trailer) (pieno o vuoto) dal terminal i al terminal j; CB i : costo di gestione (handling) del carico di un rimorchio (LTL) al terminal i, se il terminal i è un terminale di rottura del carico (breakbulk) (0, altrimenti); CE i : costo di gestione di un rimorchio al terminal destinazione (end-of-line) i funzione del numero delle connessioni dirette (TL) su i (0, se i breakbulk); L: insieme dei percorsi ammissibili; M ij : minima frequenza (numero di rimorchi inviati (dispatched) per periodo), se esiste un trasporto diretto tra i e j; w od : domanda in numero di rimorchi LTL da o a d; u od : domanda in numero di rimorchi TL da o a d; Variabili L: insieme dei percorsi ammissibili; r dij : variabile di flusso ausiliaria; y ij : variabile che assume valore 1 se esiste servizio diretto tra i e j, 0 altrimenti; x dij : volume di traffico LTL su arco (i;j) con destinazione d; x ij = Σ d x dij z dij : volume di traffico TL su arco (i;j) con destinazione d; z ij = Σ d z dij v ij : flussi di rimorchi vuoti da i a j; x i : volume del traffico LTL totale gestito al breakbulk i, traffico originato in i più quello che vi transita; x i = Σ j x ij F ij (x ij ): frequenza di servizio tra i e j;f ij (x ij ) = {max(m ij ;x ij ) se x ij >0, 0 altrimenti) Funzione obiettivo e vincoli Obiettivo: minimizzazione dei costi complessivi min Σ ij C ij [F ij (x ij )y ij +v ij ] + Σ i [CB i x i +CE i (y)w i ] Vincoli: rispetto dei percorsi Σ j r dij = 1, i,d {r dij } L, i,j,d r dij y ij, i,j,d soddisfacimento della domanda LTL e conservazione flussi x dij = (w id +Σ k r dki )r dij, i,j,d conservazione dei flussi dei rimorchi vuoti w i = Σ j v ij -Σ k v ki, i soddisfacimento della domanda TL e conservazione flussi w i = Σ k F ki (x ki ) + Σ o u oi - Σ j F ij (x ij ) - Σ d u id, i, Σ j z ij -Σ k z ki = u id, i d Σ j z ij -Σ k z ki = Σ o u oi, i=d tipologia variabili r dij, y ij {0,1}, x dij, v ij, z ij 0 Commenti Un problema come il precedente è troppo complesso per essere risolto in modo esatto. Può essere affrontato con un euristica gerarchica in cui viene alternata la soluzione di un problema master e la soluzione di sottoproblemi: il problema master è un problema di network design risolvibile con euristiche locali in cui si fissa la configurazione dei percorsi ammissibili per i trasporti; fissati i percorsi ammissibili, due sottoproblemi sono risolti per determinare i costi; il primo sottoproblema determina il routing dei rimorchi LTL con una procedura basata su percorsi minimi; il secondo sottoproblema determina i flussi dei rimorchi vuoti, risolvendo un problema di transshipment

5 Reti spazio-tempo Nei modelli precedenti si è fissata la frequenza delle partenze dei veicoli, ma non lo scheduling effettivo dei mezzi. Possibili modelli per gestire lo scheduling sono le reti spazio-tempo: il tempo è quantizzato (e.g., ogni ora o frazione di giornata); i nodi della rete G=(N,A) corrispondono a i terminali in un dato istante di tempo quantizzato; un arco tra due nodi indica che un trasporto può avvenire nell intervallo di tempo delimitato dagli istanti di tempo associati ai nodi; un arco tra due nodi associati allo stesso terminale indica che si può sostare nel dato terminale per l intervallo di tempo delimitato dagli istanti di tempo associati ai nodi; ad ogni arco possono essere associati dei costi fissi e variabili. Commenti Le reti spazio-tempo sono molto grandi; i problemi ad essi associati possono essere risolti con algoritmi esatti solo se questi sono polinomiali. In pratica solo se i problemi affrontati sono riconducibili a problemi di flusso a costo minimo (non sono presenti costi fissi) o di determinazione di alberi ricoprenti (non sono presenti costi variabili); differenti reti spazio-tempo associano ogni nodo a particolari eventi, e.g., inizio fine di un servizio (vedi VSP) Wagner - Within Wagner - Within Particolare problema modellabile con rete spazio-tempo è il caso con un solo fornitore ed un unico cliente che deve rispondere ad una domanda giornaliera. Si vogliono minimizzare i costi complessivi: costo di acquisto costo proporzionale di trasporto costo fisso di trasporto costo proporzionale di mantenimento (la merce può essere immagazzinata presso il cliente) 19 Descrizione del problema. obiettivo: minimizzare somma costi fissi e variabili di trasporto e di mantenimento vincoli: la domanda deve essere soddisfatta NON vi sono limiti strutturali del sistema (e.g., di capacità mezzi o magazzini) che devono essere rispettati leve decisionali: quanta merce spedire e in che giorni dati tecnologici: lunghezza T dell orizzonte considerato domanda r(i) da soddisfare il giorno i costo fisso di trasporto k costo unitario di trasporto g costo unitario di acquisto p costo unitario di mantenimento per unità di tempo h 20

6 costo fisso d arco costo variabile d arco flusso in uscita flusso in ingresso K, p+g K, p+g Rete spazio-tempo r(1)+r(2)+...+r(t) K, p+g K, p+g nodo fornitore K, p+g T h h h h r(1) r(2) r(3) r(t) nodi cliente (uno per ogni giorno) 21 Commenti Non essendoci costi di mantenimento presso il fornitore è inutile introdurre la temporizzazione nel nodo corrispondente; i costi variabili di acquisto e trasporto sono costanti ed indipendenti dal momento e dalla dimensione dei lotti ordinati: (c+g)(r(1)+r(2)+...+r(t)). Tali costi possono essere trascurati nella fase di ottimizzazione; i soli costi che dipendono dalle decisioni sono quelli fissi di trasporto e i costi di mantenimento; non essendoci vincoli di capacità, non ha senso ordinare un lotto la cui dimensione non soddisfi la domanda di un numero intero di giorni. In caso contrario per il giorno la cui domanda non è completamente soddisfatta si pagherebbe sia il costo di mantenimento dal giorno precedente per parte della merce, sia il costo fisso per effettuare il trasporto della merce necessaria a soddisfare la domanda; il punto precedente che non è limitativo considerare solo un numero finito di dimensioni ammissibili per i lotti da ordinare e che quindi si può trasformare il problema nel seguente problema puramente combinatorio Wagner - Within Sia T la lunghezza dell orizzonte su cui si vuole ottimizzare, si deve determinare la sequenza di costi c(i,j) t.c. sia minima la somma: c(1,i 1 ) + c(i 1,i 2 ) + c(i 2,i 3 ) c(i k,t+1) dove c(i v,i v+1 )= K+ hr(i v +1)+2hr (i v +2)+...+(i v+1-1-i v )hr(i v+1-1) è il costo complessivo in cui si incorre nell ordinare un lotto che soddisfi tutta la domanda dal giorno i v al giorno i v+1 escluso. Tale problema corrisponde a determinare il percorso minimo su una rete aciclica e può essere risolto attraverso la programmazione dinamica. Una rete G(N,A) è costituita da: Reti un insieme N di nodi, in questo caso i nodi sono i giorni dell orizzonte più uno, N = T+1; un insieme A di archi orientati (i,j) con i,j N che esprimono l esistenza di una relazione tra una coppia di nodi, in questo caso gli archi esprimono il fatto che in i si ha a disposizione prodotti per soddisfare tutta e sola la domanda fino a j-1; un insieme C di pesi c(i,j) associati ad ogni singolo arco, in questo caso i pesi sono i costi delle scorte da i a j-1. Una rete ha una ovvia rappresentazione grafica:

7 Percorso a costo minimo Percorso a costo minimo Esempio: si debbano ordinare le sbarre di un motore a gabbia per soddisfare la seguente domanda su T=6 giorni: r(1) =189 r(2) =210 r(3) =252 r(4) =252 r(5) =252 r(6) =252 Sia inoltre K = 1000 e h = 1 nelle opportune unità monetarie. Soluzione: sia f(i) il cost-to-go (costo minimo dal giorno i a T+1) f(7) = 0 f(6) = min{c(6,7) + f(7)} = = 1000 se al sesto giorno si deve ordinare, si ordina solo per il giorno stesso f(5) = min{c(5,6) + f(6), c(5,7) + f(7)}= = min{ , ( ) + 0} = 1252 se al quinto giorno si deve ordinare, conviene ordinare anche per il sesto Percorso a costo minimo f(4) = min{c(4,5) + f(5), c(4,6) + f(6), c(4,7) + f(7)}= = min{ , ( )+ 1000, ( *252) + 0} = 1756 se al quarto giorno si deve ordinare, conviene ordinare anche per rimanenti; f(3) = min{c(3,4) + f(4), c(3,5) + f(5), c(3,6) + f(6), c(3,7) + f(7)}= = min{ , ( )+ 1252, ( *252) , ( * *252) + 0} = 2504 se al terzo giorno si deve ordinare, conviene ordinare anche per il quarto e quindi ricevere la merce di nuovo il quinto giorno; Percorso a costo minimo f(2) = min{c(2,3) + f(3), c(2,4) + f(4), c(2,5) + f(5), c(2,6) + f(6), c(2,7) + f(7)} = min{ , ( )+ 1756, ( *252) , ( * *252) , ( * * *252) + 0} = 3008 se al secondo giorno si deve ordinare, conviene ordinare anche per il terzo e quindi ricevere la merce di nuovo il quarto giorno; f(1) = min{c(1,2) + f(2), c(1,3) + f(3), c(1,4) + f(4), c(1,5) + f(5), } = = min{ , ( )+ 2504, ( *252) , ( * *252) } = 3470 al primo giorno conviene ordinare anche per il secondo e il terzo, quindi ricevere la merce di nuovo il quarto giorno

8 Commenti Metodi euristici Il numero di operazioni che si devono compiere per calcolare il percorso minimo cresce con il quadrato di T, in realtà esistono procedure più efficienti che crescono con TlogT; è possibile evitare alcuni confronti nei minimi (come avvenuto nel calcolo di f(1)) escludendo le situazioni in cui si è certi che i costi di mantenimento eccedono i costi di riordino; il problema diventa immediatamente difficile se ci sono vincoli di capacità; per questo modello e per giungere alla sua soluzione ottima è necessario conoscere esattamente la domanda futura del cliente. Nel caso questo non fosse possibile conviene utilizzare euristiche che prendono decisioni solo in base ad informazioni locali (nel tempo). I metodi euristici ricercano la soddisfazione di almeno una delle condizioni di ottimalità dell EOQ: minimalità locale del costo medio per periodo (Silver-Meal), minimalità del costo per prodotto (least unit cost ), costi di mantenimento uguale ai costi di riordino (part period balancing) Silver - Meal Silver - Meal Siano K: costo fisso ordine h: costo mantenimento in un periodo r i : domanda da soddisfare nel periodo i-mo G(T): costo medio per periodo se si ordina lotto equivalente alla domanda dei seguenti T periodi: G(1) = K, G(2) = (K+ h r 2 )/2, G(3) = (K+ h r h r 3 )/3... G(j) = (K+ h r h r (j-1) h r j )/j si riordina per soddisfare la domanda di j periodi, dove j è il primo minimo locale, i.e., il numero più piccolo t.c.: G(j -1) > G(j ) e G(j ) G(j +1) Esempio: sbarre motore a gabbia, K = 1000, h = 1 G(1) = 1000, G(2) = ( )/2 = 605, G(3) = ( *252)/3 = 571.3, G(4) = ( * *252)/4 = minimo locale in j =3, il giorno 1 devono essere disponibili le sbarre anche per il 2 e il

9 Least unit cost Least unit cost Siano K: costo fisso ordine h: costo mantenimento in un periodo r i : domanda da soddisfare nel periodo i-mo G(T): costo unitario per periodo se si ordina lotto equivalente alla domanda dei seguenti T periodi: G(1) = K/ r 1, G(2) = (K+ h r 2 )/(r 1 +r 2 ), G(3) = (K+ h r h r 3 )/(r 1 +r 2 + r 3 )... G(j) = (K+ h r h r (j-1) h r j )/ (r 1 +r r j ) si riordina per soddisfare la domanda di j periodi, dove j è il primo minimo locale, i.e., il numero più piccolo t.c.: G(j -1) > G(j ) e G(j ) G(j +1) Esempio: sbarre motore a gabbia, K = 1000, h = 1 G(1) = 1000/189=5.3, G(2) = ( )/( ) = 3.0, G(3) = ( *252)/( ) = 2.6, G(4) = ( * *252)/( ) = 2.7, minimo locale in j =3, il giorno 1 devono essere disponibili le sbarre anche per il 2 e il Part period balancing Part period balancing Siano K: costo fisso ordine h: costo mantenimento in un periodo r i : domanda da soddisfare nel periodo i-mo G(T): costo di mantenimento se si ordina lotto equivalente alla domanda dei seguenti T periodi: G(1) =0, G(2) = h r 2, G(3) = h r h r 3... G(j) = h r h r (j-1) h r j si riordina per soddisfare la domanda di j periodi, dove j è il primo minimo locale del valore K- G(j) Esempio: sbarre motore a gabbia, K = 1000, h = 1 G(1) = 0, G(2) = 210, G(3) = *252 = 714, G(4) = * *252 = 1365, minimo locale in j =3, il giorno 1 devono essere disponibili le sbarre anche per il 2 e il

10 Vendor Managed Inventory Nella gestione VMI il fornitore assume la gestione delle scorte del cliente; il fornitore decide quanto fornire il cliente e la dimensione del lotto sulla base delle informazioni che riceve dal cliente, direttamente dal mercato e dalle suoi decisori sulle politiche di marketing; il VMI conviene al fornitore, nel caso i costi di trasporto fossero a suo carico, quando riesce a servire più clienti in un solo viaggio in quanto può sfruttare il consolidamento; il VMI non conviene, a meno di una diminuzione dei costi di acquisto, al cliente in quanto perde il controllo dei costi di mantenimento delle sue scorte; nel caso di cliente con più fornitori, se i costi di trasporto sono a carico del cliente, conviene utilizzare la politica diametralmente opposta. Vendor Managed Inventory Approccio risolutivo: il problema presenta fortissime similarità con Wagner-Within (WW). I giorni di rifornimento sono gli stessi per tutti i clienti, che quindi possono essere visti come un unico macrocliente. Il costo fisso di trasporto di WW in questo caso deve comprendere anche il costo legato al percorso da svolgere visitare tutti i clienti (si deve risolvere un problema di TSP) Esercizi 1. Determinare i lotti e le frequenza di riordino ottima per una politica VMI in cui vi siano I clienti. Ogni cliente i è caratterizzato da: un tasso di domanda costante λ i da soddisfare una distanza d i0 dal fornitore una distanza d ij dal generico altro cliente i un costo h i di mantenimento un costo fisso K i di handling del carico una capacità massima Z i del magazzino Il fornitore è caratterizzato da costo fisso K 0 di spedizione costo variabile di spedizione c proporzionale ai km percorsi capacità massima W del veicolo Dovendo soddisfare completamente la domanda si trascurano i costi di acquisto e variabili di trasporto. Risolvere il problema supponendo di avere un unico mezzo a disposizione. [suggerimento: minimizzare i costi logistici complessivi che comunque incidono sul prezzo finale del prodotto, ispirarsi all EOQ] 39 Esercizi 2. Risolvere il problema 1 supponendo di avere più mezzi a disposizione (il problema si complica perché bisogna distribuire i clienti tra i mezzi, vedi lucidi VRP). Infine valutare l incremento dei costi, supponendo di arrotondare la frequenza di riordino e la dimensione dei lotti a numeri interi. 3. Risolvere i problemi precedenti supponendo che le domande siano stocastiche e che ogni cliente sia inoltre caratterizzato da una deviazione standard ν i del tasso della domanda politica di gestione della domanda con backorder penalità p i per ogni unità di domanda non soddisfatta immediatamente per ogni giorno di ritardo. 4. Risolvere il problema 1 supponendo che la domanda futura sia deterministica ma variabile (la presenza di vincoli di capacità complica il problema). 5. Data la soluzione del problema 1. Discute cosa accade quando un altro cliente deve essere aggiunto. In particolare, supponendo che il prezzo dei prodotti non cambi, determinare sotto quale condizioni l inserimento di un nuovo cliente porta un incremento/diminuzione dei costi ad un altro cliente già nel sistema. 40

11 Bibliografia Delorme, L., Roy, J., and Rousseau, J.M. (1988). MotorCarrier Operation Planning Models: A State of the Art. In Bianco, L. and Bella, A. L., editors, Freight Transport Planning and Logistics, pages SpringerVerlag, Berlin. Crainic, T.G. and Roy, J. (1988). O.R. Tools for Tactical Freight Transportation Planning. European Journal of Operational Research, 33(3): Crainic, T.G. and Rousseau, J.M. (1986). Multicommodity, Multimode Freight Transportation: A General Modeling and Algorithmic Framework for the Service Network Design Problem. Transportation Research B: Methodology, 20B:

MRP. Pianificazione della produzione. Distinta base Bill Of Materials (BOM) MPS vs. MRP. Materials Requirements Planning (MRP)

MRP. Pianificazione della produzione. Distinta base Bill Of Materials (BOM) MPS vs. MRP. Materials Requirements Planning (MRP) MRP Pianificazione della produzione Materials Requirements Planning (MRP) 15/11/2002 16.58 Con l MRP si decide la tempificazione delle disponibilità dei materiali, delle risorse e delle lavorazioni. MRP

Dettagli

Esercizi di Ricerca Operativa I

Esercizi di Ricerca Operativa I Esercizi di Ricerca Operativa I Dario Bauso, Raffaele Pesenti May 10, 2006 Domande Programmazione lineare intera 1. Gli algoritmi per la programmazione lineare continua possono essere usati per la soluzione

Dettagli

Contenuto e scopo presentazione. Vehicle Scheduling. Motivazioni VSP

Contenuto e scopo presentazione. Vehicle Scheduling. Motivazioni VSP Contenuto e scopo presentazione Vehicle Scheduling 08/03/2005 18.00 Contenuto vengono introdotti modelli e metodi per problemi di Vehicle Scheduling Problem (VSP) Scopo fornire strumenti di supporto alle

Dettagli

Contenuto e scopo presentazione. I sistemi di trasporto e le loro problematiche decisionali. Attori. Attori

Contenuto e scopo presentazione. I sistemi di trasporto e le loro problematiche decisionali. Attori. Attori Contenuto e scopo presentazione I sistemi di trasporto e le loro problematiche decisionali 24/10/2005 11.31 Contenuto viene descritta la struttura base dei sistemi di trasporto e le problematiche gestionali

Dettagli

Capitolo 3: Ottimizzazione Discreta. E. Amaldi DEIB, Politecnico di Milano

Capitolo 3: Ottimizzazione Discreta. E. Amaldi DEIB, Politecnico di Milano Capitolo 3: Ottimizzazione Discreta E. Amaldi DEIB, Politecnico di Milano 3.1 Modelli di PLI e PLMI Moltissimi problemi decisionali complessi possono essere formulati o approssimati come problemi di Programmazione

Dettagli

Contenuto e scopo presentazione. Crew Scheduling e Crew Rostering. Gestione del personale. Motivazioni

Contenuto e scopo presentazione. Crew Scheduling e Crew Rostering. Gestione del personale. Motivazioni Contenuto e scopo presentazione Crew Scheduling e Crew Rostering Contenuto vengono introdotti modelli e metodi per problemi di turnazione del personale Raffaele Pesenti 07/02/2002 14.41 Scopo fornire strumenti

Dettagli

Scopo intervento. Integrazione scorte e distribuzione. Indice. Motivazioni

Scopo intervento. Integrazione scorte e distribuzione. Indice. Motivazioni Scopo intervento Integrazione scorte e distribuzione Modelli a domanda costante Presentare modelli e metodi utili per problemi di logistica distributiva Indicare limiti degli stessi e come scegliere tra

Dettagli

Capitolo 5: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano

Capitolo 5: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano Capitolo 5: Ottimizzazione Discreta E. Amaldi DEI, Politecnico di Milano 5.1 Modelli di PLI, formulazioni equivalenti ed ideali Il modello matematico di un problema di Ottimizzazione Discreta è molto spesso

Dettagli

1. Considerazioni generali

1. Considerazioni generali 1. Considerazioni generali Modelli di shop scheduling In molti ambienti produttivi l esecuzione di un job richiede l esecuzione non simultanea di un certo numero di operazioni su macchine dedicate. Ogni

Dettagli

Parte 3: Gestione dei progetti, Shop scheduling

Parte 3: Gestione dei progetti, Shop scheduling Parte : Gestione dei progetti, Shop scheduling Rappresentazione reticolare di un progetto Insieme di attività {,...,n} p i durata (nota e deterministica dell attività i) relazione di precedenza fra attività:

Dettagli

1. Considerazioni preliminari

1. Considerazioni preliminari 1. Considerazioni preliminari Uno dei principali aspetti decisionali della gestione logistica è decidere dove localizzare nuove facility, come impianti, magazzini, rivenditori. Ad esempio, consideriamo

Dettagli

Approcci esatti per il job shop

Approcci esatti per il job shop Approcci esatti per il job shop Riferimenti lezione: Carlier, J. (1982) The one-machine sequencing problem, European Journal of Operational Research, Vol. 11, No. 1, pp. 42-47 Carlier, J. & Pinson, E.

Dettagli

Modelli di Programmazione Lineare Intera

Modelli di Programmazione Lineare Intera 8 Modelli di Programmazione Lineare Intera Come è stato già osservato in precedenza, quando tutte le variabili di un problema di Programmazione Lineare sono vincolate ad assumere valori interi, si parla

Dettagli

GESTIONE DEGLI ACQUISTI E DELLA SUPPLY CHAIN

GESTIONE DEGLI ACQUISTI E DELLA SUPPLY CHAIN OPERATIONS & SUPPLY CHAIN CORSI BREVI IN GESTIONE DEGLI ACQUISTI E DELLA SUPPLY CHAIN GESTIONE E OTTIMIZZAZIONE DEI TRASPORTI www.mip.polimi.it/scm/trasporti OBIETTIVI Fornire un quadro d insieme delle

Dettagli

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12 A / A / Seconda Prova di Ricerca Operativa Cognome Nome Numero Matricola Nota: LA RISOLUZIONE CORRETTA DEGLI ESERCIZI CONTRADDISTINTI DA UN ASTERISCO È CONDIZIONE NECESSARIA PER IL RAGGIUNGIMENTO DELLA

Dettagli

Problemi di trasporto merci

Problemi di trasporto merci Problemi di routing di veicoli: 1 - Introduzione Daniele Vigo DEIS, Università di Bologna dvigo@deis.unibo.it Problemi di trasporto merci Trasporto merci 10% - 25% del costo totale dei beni di consumo

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Introduzione alla Logistica: Definizioni principali Problemi di decisione

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Introduzione alla Logistica: Definizioni principali Problemi di decisione Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili Introduzione alla Logistica: Definizioni principali Problemi di decisione Introduzione La logistica è la disciplina che studia le procedure

Dettagli

Logistica industriale e gestione degli approvvigionamenti

Logistica industriale e gestione degli approvvigionamenti Logistica industriale e gestione degli approvvigionamenti ECONOMIA E GESTIONE DELLE IMPRESE CAP. 16 Una definizione La logistica è il sistema di connessione tra l approvvigionamento dei materiali, la trasformazione

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

GESTIONE DEGLI ACQUISTI E DELLA SUPPLY CHAIN

GESTIONE DEGLI ACQUISTI E DELLA SUPPLY CHAIN OPERATIONS & SUPPLY CHAIN CORSI BREVI IN GESTIONE DEGLI ACQUISTI E DELLA SUPPLY CHAIN EXECUTIVE OPEN PROGRAMS La Divisione Executive Open Programs di MIP disegna ed eroga Programmi a catalogo, ovvero percorsi

Dettagli

Modelli per la gestione delle scorte

Modelli per la gestione delle scorte Modelli per la gestione delle scorte Claudio Arbib Università di L Aquila Seconda Parte Sommario Sui problemi di gestione aperiodica equazioni di stato Funzioni di costo Un modello convesso formulazione

Dettagli

Il sistema logistico integrato

Il sistema logistico integrato Il sistema logistico integrato Che cos è la logistica? Il concetto di logistica è spesso poco chiaro Per logistica, spesso, s intendono soltanto le attività di distribuzione fisica dei prodotti (trasporto

Dettagli

Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova. Metodi per supportare le decisioni relative alla gestione di progetti

Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova. Metodi per supportare le decisioni relative alla gestione di progetti Project Management Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova Project Management 2 Metodi per supportare le decisioni relative alla gestione di progetti esempi sono progetti nell

Dettagli

Scorte. Scorte. Scorte. Ragioni delle scorte. Concetti base 11/03/2006 8.42

Scorte. Scorte. Scorte. Ragioni delle scorte. Concetti base 11/03/2006 8.42 Scorte Scorte Concetti base 11/03/2006 8.42 che cosa sono? perché tenere delle scorte? come gestirle? quanto ordinare? quando ordinare? 1 2 Scorte Ragioni delle scorte Che cosa sono? sono i materiali all

Dettagli

LIVELLO STRATEGICO E TATTICO

LIVELLO STRATEGICO E TATTICO Corso di Laurea Triennale in INGEGNERIA GESTIONALE Anno Accademico 2012/13 Prof. Davide GIGLIO 1 ESEMPI DI PROBLEMI DECISIONALI LIVELLO STRATEGICO Capacity growth planning LIVELLO TATTICO Aggregate planning

Dettagli

LIVELLO STRATEGICO E TATTICO

LIVELLO STRATEGICO E TATTICO Corso di Laurea Triennale in INGEGNERIA GESTIONALE Anno Accademico 2012/13 Prof. Davide GIGLIO LIVELLO STRATEGICO Capacity growth planning ESEMPI DI PROBLEMI DECISIONALI LIVELLO TATTICO Aggregate planning

Dettagli

Programmazione lineare

Programmazione lineare Programmazione lineare Dualitá: definizione, teoremi ed interpretazione economica Raffaele Pesenti 1 Dualità 1.1 Definizione e teoremi Definizione 1 Dato un problema di LP in forma canonica max x = ct

Dettagli

Bibliografia. Gestione operativa della produzione. Terminologia. Schedulazione. Schedulazione operativa della produzione

Bibliografia. Gestione operativa della produzione. Terminologia. Schedulazione. Schedulazione operativa della produzione Bibliografia Gestione operativa della produzione Schedulazione operativa della produzione 14/12/2001 11.54 E.L. Lawler, J.K. Lenstra, A.G.H. Rinnoy Kan, D.B. Shmoys, Sequencing and Scheduling: Algorithms

Dettagli

TSP con eliminazione di sottocicli

TSP con eliminazione di sottocicli TSP con eliminazione di sottocicli Un commesso viaggiatore deve visitare 7 clienti in modo da minimizzare la distanza percorsa. Le distanze (in Km) tra ognuno dei clienti sono come segue: 3 5 7-8 9 57

Dettagli

Gestione dei flussi di traffico aereo

Gestione dei flussi di traffico aereo Gestione dei flussi di traffico aereo Daniele Vigo DEIS Università di Bologna 1 Trasporto aereo in Europa In tutto il mondo sono trasportate per via aerea merci per un valore di 1500 miliardi di dollari

Dettagli

Pianificazione e Gestione delle Scorte Sergio Cavalieri Università degli Studi di Bergamo

Pianificazione e Gestione delle Scorte Sergio Cavalieri Università degli Studi di Bergamo Pianificazione e Gestione delle Scorte Sergio Cavalieri Università degli Studi di Bergamo http://progest.unibg.it 1 Perché detenere le scorte Per coprire i picchi di domanda Per coprire il tempo e la distanza

Dettagli

Contenuto e scopo presentazione. Modelli Lineari. Problemi e Istanze. Problemi di ottimizzazione. Esempi Versione 07/03/2006

Contenuto e scopo presentazione. Modelli Lineari. Problemi e Istanze. Problemi di ottimizzazione. Esempi Versione 07/03/2006 Contenuto e scopo presentazione Modelli Lineari Esempi Versione 07/03/2006 Contenuto esempi di modelli lineari per problemi pratici Scopo presentare i passi che conducono allo sviluppo di modelli a partire

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 Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Problemi di Distribuzione: Il problema del Vehicle Rou:ng

Dettagli

Management Sanitario. Modulo di Ricerca Operativa

Management Sanitario. Modulo di Ricerca Operativa Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa Prof. Laura Palagi http://www.dis.uniroma1.it/ palagi Dipartimento di

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Modellazione in Programmazione Lineare

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Modellazione in Programmazione Lineare Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Modellazione in Programmazione Lineare Luigi De Giovanni 1 Modelli di programmazione lineare I modelli di programmazione lineare sono una

Dettagli

LA LOGISTICA INTEGRATA

LA LOGISTICA INTEGRATA dell Università degli Studi di Parma LA LOGISTICA INTEGRATA Obiettivo: rispondere ad alcuni interrogativi di fondo Come si è sviluppata la logistica in questi ultimi anni? Quali ulteriori sviluppi sono

Dettagli

Teoria delle scorte. Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio

Teoria delle scorte. Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio Teoria delle scorte Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio Dipartimento di Matematica Università di Bari Teoria delle scorte p.1/26 definizione del problema

Dettagli

Produzione e forza lavoro

Produzione e forza lavoro Produzione e forza lavoro Testo Un azienda produce i modelli I, II e III di un certo prodotto a partire dai materiali grezzi A e B, di cui sono disponibili 4000 e 6000 unità, rispettivamente. In particolare,

Dettagli

Gestione delle Scorte

Gestione delle Scorte Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Gestione delle Scorte Renato Bruni bruni@dis.uniroma.it Il materiale presentato è derivato da quello dei proff.

Dettagli

Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso

Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso Flusso di costo minimo È dato un grafo direzionato G = (N, A). Ad ogni arco (i, j) A è associato il costo c ij

Dettagli

Introduzione alla teoria dello scheduling

Introduzione alla teoria dello scheduling 1. Generalità I problemi di scheduling riguardano l allocazione di risorse limitate ad attività nel tempo. In generale il processo di decisione associato richiede la determinazione dell ordine in cui l

Dettagli

APPLICAZIONI DELLA RICERCA OPERATIVA

APPLICAZIONI DELLA RICERCA OPERATIVA Università degli Studi della Calabria Laurea in Informatica A.A. 2004/2005 Appunti di supporto didattico al corso di APPLICAZIONI DELLA RICERCA OPERATIVA Indice 1 Introduzione alla teoria dello Scheduling

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Introduzione

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Introduzione Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili Introduzione La Ricerca Operativa La Ricerca Operativa è una disciplina relativamente recente. Il termine Ricerca Operativa è stato coniato

Dettagli

I Modelli della Ricerca Operativa

I Modelli della Ricerca Operativa Capitolo 1 I Modelli della Ricerca Operativa 1.1 L approccio modellistico Il termine modello è di solito usato per indicare una costruzione artificiale realizzata per evidenziare proprietà specifiche di

Dettagli

1) Descrivere dettagliatamente a quale problema di scheduling corrisponde il problema.

1) Descrivere dettagliatamente a quale problema di scheduling corrisponde il problema. Un veicolo viene utilizzato da una società di trasporti per trasportare beni a partire da un unico deposito verso prefissate località di destinazione. Si supponga che occorre trasportare singolarmente

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Modellazione in Programmazione Lineare

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Modellazione in Programmazione Lineare Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Modellazione in Programmazione Lineare Luigi De Giovanni 1 Modelli di programmazione lineare I modelli di programmazione lineare sono una

Dettagli

Corso di Automazione Industriale 1. Capitolo 1

Corso di Automazione Industriale 1. Capitolo 1 Simona Sacone - DIST Corso di Automazione Industriale 1 Capitolo 1 Livelli decisionali nei processi produttivi Simona Sacone - DIST 2 Introduzione Marketing Livello strategico Design Ufficio commerciale

Dettagli

Ricerca Operativa A.A. 2007/2008

Ricerca Operativa A.A. 2007/2008 Ricerca Operativa A.A. 2007/2008 9. Cenni su euristiche e metaeuristiche per ottimizzazione combinatoria Motivazioni L applicazione di metodi esatti non è sempre possibile a causa della complessità del

Dettagli

RELAZIONE FASE I UNITÀ DI RICERCA DEL POLITECNICO DI TORINO

RELAZIONE FASE I UNITÀ DI RICERCA DEL POLITECNICO DI TORINO RELAZIONE FASE I UNITÀ DI RICERCA DEL POLITECNICO DI TORINO Il supply chain management è oggi un tema di indubbio interesse da parte sia della comunità scientifica che di quella industriale. Esso consiste

Dettagli

montagna ai trasporti internazionali Luca Bertazzi

montagna ai trasporti internazionali Luca Bertazzi Il problema dello zaino: dalla gita in montagna ai trasporti internazionali Luca Bertazzi 0 Il problema dello zaino Zaino: - capacità B Oggetti (items): - numero n - indice i =1,2,...,n - valore p i -

Dettagli

La Gestione delle Scorte

La Gestione delle Scorte La Gestione delle Scorte Gestione delle scorte I materiali hanno un ruolo fondamentale nel processo produttivo infatti il 30-80% del fatturato viene speso per acquisto di materiali. Ma l immobilizzo di

Dettagli

Ricerca Operativa Dualità e programmazione lineare

Ricerca Operativa Dualità e programmazione lineare Ricerca Operativa Dualità e programmazione lineare L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi alle spiegazioni del

Dettagli

Costi della logistica troppo alti: la riduzione passa dal trasporto merci

Costi della logistica troppo alti: la riduzione passa dal trasporto merci Costi della logistica troppo alti: la riduzione passa dal trasporto merci Il primo centro studio aziendale interamente dedicato alla gestione della catena di fornitura, la Supply Chain Academy di Makeitalia,

Dettagli

Modelli di Ottimizzazione

Modelli di Ottimizzazione Capitolo 2 Modelli di Ottimizzazione 2.1 Introduzione In questo capitolo ci occuperemo più nel dettaglio di quei particolari modelli matematici noti come Modelli di Ottimizzazione che rivestono un ruolo

Dettagli

Caratteristiche Applicabilità. Piattaforma Logistica

Caratteristiche Applicabilità. Piattaforma Logistica Caratteristiche Applicabilità Piattaforma Logistica Versione 2.0-2011 Azioni semplici o strutturate Risorse umane e materiali Tempi e Luoghi La Piattaforma WOLT è una soluzione progettata per rispondere

Dettagli

DEIS e II Facoltà di Ingegneria. daniele.vigo@unibo.it

DEIS e II Facoltà di Ingegneria. daniele.vigo@unibo.it Metodologie e strumenti ti per la pianificazione dei flussi di trasporto Daniele Vigo DEIS e II Facoltà di Ingegneria Università di Bologna daniele.vigo@unibo.it 2 Sommario Problemi di pianificazione dei

Dettagli

Esercizi di modellazione per il corso di Ricerca Operativa 1

Esercizi di modellazione per il corso di Ricerca Operativa 1 Esercizi di modellazione per il corso di Ricerca Operativa 1 4 novembre 2005 2 Parte I Esercizi 3 Modelli di programmazione lineare Molti problemi di interesse pratico si prestano ad essere descritti

Dettagli

SPERIMENTAZIONE CON LINDO SU UN PROBLEMA DI SCHEDULING

SPERIMENTAZIONE CON LINDO SU UN PROBLEMA DI SCHEDULING UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN SCIENZE STATISTICHE ED ECONOMICHE TESI DI LAUREA SPERIMENTAZIONE CON LINDO SU UN PROBLEMA DI SCHEDULING Relatore: Ch.mo

Dettagli

L'incidenza del costo del trasporto

L'incidenza del costo del trasporto L'incidenza del costo del trasporto TRASPORTO di Emanuele Papini Dott. Emanuele Papini, Business Developer, AntOptima SA &( È possibile gestire processi logistici in tempo reale, gestire le informazioni

Dettagli

Università degli Studi di Padova

Università degli Studi di Padova Università degli Studi di Padova Facoltà di Ingegneria Corso di Laurea in Ingegneria Gestionale Tesi di Laurea La gestione delle scorte: modelli discreti Inventory management: discrete models Relatore:

Dettagli

AGENDA. Modelli di gestione del supply network per fronteggiare la variabilità della domanda. A. F. De Toni, Università di Udine

AGENDA. Modelli di gestione del supply network per fronteggiare la variabilità della domanda. A. F. De Toni, Università di Udine Modelli di gestione del supply network per fronteggiare la variabilità della domanda A. F. De Toni, Università di Udine AGENDA > Introduzione: i supply network > Effetti della variabilità della domanda

Dettagli

Il Rolling Kanban (ovvero come srotolare il servizio nel tempo) di Maurizio Boyer

Il Rolling Kanban (ovvero come srotolare il servizio nel tempo) di Maurizio Boyer Quaderni di Management n. (ovvero come srotolare il servizio nel tempo) di Summary La gestione a vista costituisce un ottimo sistema per regolare le attività, in particolare produttive, in quanto permette

Dettagli

Esame di Ricerca Operativa del 20/12/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 20/12/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 0// (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x + x x +x x x x x x x 0 x x

Dettagli

Appunti delle esercitazioni di Ricerca Operativa

Appunti delle esercitazioni di Ricerca Operativa Appunti delle esercitazioni di Ricerca Operativa a cura di P. Detti e G. Ciaschetti 1 Esercizi sulle condizioni di ottimalità per problemi di ottimizzazione non vincolata Esempio 1 Sia data la funzione

Dettagli

Modelli di programmazione lineare

Modelli di programmazione lineare Capitolo 1 Modelli di programmazione lineare Molti problemi di interesse pratico si prestano ad essere descritti e risolti come modelli di programmazione matematica. Un modello (o programma) è la descrizione

Dettagli

Estratto della presentazione dell ing. Roberto Faraguti, su: Strumenti e Processi di Ottimizzazione per la Logistica Distributiva

Estratto della presentazione dell ing. Roberto Faraguti, su: Strumenti e Processi di Ottimizzazione per la Logistica Distributiva Estratto della presentazione dell ing. Roberto Faraguti, su: Strumenti e Processi di Ottimizzazione per la Logistica Distributiva Il caso NUMBER 1 Con i miei più sentiti ringraziamenti all ing. Faraguti

Dettagli

costo medio (atteso) di immagazzinamento mensile l indice di rotazione di magazzino semestrale (atteso)

costo medio (atteso) di immagazzinamento mensile l indice di rotazione di magazzino semestrale (atteso) Esercizio 1 La Office Services rivende articoli per ufficio. Dai dati storici relativi allo scorso semestre si prevede che la domanda media di toner sarà di 194 unità al mese, e la deviazione standard

Dettagli

3. Gli algoritmi di ottimizzazione.

3. Gli algoritmi di ottimizzazione. Marcello Salmeri - Progettazione Automatica di Circuiti e Sistemi Elettronici Capitolo 3-3. Gli algoritmi di ottimizzazione. I grafi. La teoria dei grafi è un comodo strumento per la definizione e la formalizzazione

Dettagli

Load Building. Riduzione dei costi grazie a un sistema intelligente di carico

Load Building. Riduzione dei costi grazie a un sistema intelligente di carico Load Building Riduzione dei costi grazie a un sistema intelligente di carico Un uso più economico delle unità di imballaggio e trasporto... Avete a disposizione opportunità di ottimizzazione che aspettano

Dettagli

Liceo Tecnologico. Indirizzo Logistica e Trasporti. Indicazioni nazionali per Piani di Studi Personalizzati

Liceo Tecnologico. Indirizzo Logistica e Trasporti. Indicazioni nazionali per Piani di Studi Personalizzati Indicazioni nazionali per Piani di Studi Personalizzati Discipline con attività di laboratorio 3 4 5 Sistemi di trasporti 132 132 132 Tecnologie informatiche, dell automazione e della comunicazione 66

Dettagli

IL PIANO PRINCIPALE DI PRODUZIONE

IL PIANO PRINCIPALE DI PRODUZIONE IL PIANO PRINCIPALE DI PRODUZIONE (a cura di E. Padoano) [Bozza 2010] Indice 1 Generalità 1 2 Elaborazione del piano principale per produzione MTS 2 2.1 MPS per produzione MTS...................... 2 2.2

Dettagli

PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO

PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO 1. Load Balancing Un istanza del problema del load balancing consiste di una sequenza p 1,..., p n di interi positivi (pesi dei job) e un

Dettagli

Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy

Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy Dr Maria Federico Programmazione dinamica Solitamente usata per risolvere problemi di ottimizzazione il problema ammette

Dettagli

Il magazzino e le scorte

Il magazzino e le scorte Albez edutainment production Il magazzino e le scorte Classe IV ITC In questo modulo: La logistica aziendale Il magazzino Le scorte di magazzino La logistica integrata e la supply chain 2 La logistica

Dettagli

La pianificazione della produzione

La pianificazione della produzione Manufacturing Planning and Control 1 La pianificazione della produzione La pianificazione della produzione è un processo complesso che coinvolge larga parte dell azienda (funzioni e risorse) e deve ragionare

Dettagli

E SUE APPLICAZIONI A PROBLEMI EOQ

E SUE APPLICAZIONI A PROBLEMI EOQ UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA GESTIONALE Dipartimento di Tecnica e Gestione dei Sistemi Industriali Tesi di Laurea di Primo Livello INTERESSE CONTINUO

Dettagli

Ottava Edizione. Gestione delle Scorte Prof. Sergio Cavalieri

Ottava Edizione. Gestione delle Scorte Prof. Sergio Cavalieri Ottava Edizione Gestione delle Scorte Prof. Sergio Cavalieri Fenomeni di obsolescenza 2 Determinati da: Prodotto inidoneo al segmento di mercato (es: computer) Effetto moda (es: abbigliamento) Mancato

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

GESTIONE MAGAZZINO E SCORTE

GESTIONE MAGAZZINO E SCORTE GESTIONE MAGAZZINO E SCORTE Nozioni di base In questo modulo: La logistica aziendale Il magazzino Le scorte di magazzino La logistica integrata e la supply chain 2 1 La logistica aziendale Qualsiasi impresa

Dettagli

La logistica e lo sviluppo economico: risorse umane Alessandro Perego. alessandro.perego@polimi.it

La logistica e lo sviluppo economico: risorse umane Alessandro Perego. alessandro.perego@polimi.it La logistica e lo sviluppo economico: risorse umane Alessandro Perego alessandro.perego@polimi.it Milano, Matching 2009, 23 Novembre 2009 Non-solo-distribuzione La logistica non è solo distribuzione fisica

Dettagli

Copyright Esselibri S.p.A.

Copyright Esselibri S.p.A. CAPITOLO QUINTO I MODELLI DI GESTIONE DELLA PRODUZIONE E DEI MATERIALI SOMMARIO: 1. I processi produttivi. - 2. Layout delle macchine operatrici. - 3. I sistemi flessibili di produzione. - 4. La scelta

Dettagli

Politecnico di Milano. Facoltà di Ingegneria dell Informazione. Reti Radiomobili. Prof. Antonio Capone. 5 Riuso delle frequenze

Politecnico di Milano. Facoltà di Ingegneria dell Informazione. Reti Radiomobili. Prof. Antonio Capone. 5 Riuso delle frequenze Politecnico di Milano Facoltà di Ingegneria dell Informazione Reti Radiomobili Prof. Antonio Capone 5 Riuso delle frequenze Assegnamento dei canali alle celle La tecnica di accesso multiplo nei sistemi

Dettagli

I KPI: Il punto nave logistico

I KPI: Il punto nave logistico I KPI: Il punto nave logistico Global Logistics & Manufacturing 12 Novembre 2014 Gabriele Costetti Knowledge Manager Stima e realtà: un po di storia 1707 Il disastro delle Isole Scilly: 4 navi da guerra

Dettagli

GESTIONE DELLA PRODUZIONE

GESTIONE DELLA PRODUZIONE GESTIONE DELLA PRODUZIONE CICLO OPERATIVO DI GESTIONE INPUT OPERATION OUTPUT Approvvigionamento Lavoro Materiali Capitali Produzione Beni o Servizi Vendita GESTIONE STRATEGICA DELLA PRODUZIONE Obiettivi

Dettagli

Migliorare le prestazioni delle PMI collaborando con clienti e fornitori Sviluppo di nuove abilità e strumenti ICT di supporto

Migliorare le prestazioni delle PMI collaborando con clienti e fornitori Sviluppo di nuove abilità e strumenti ICT di supporto Migliorare le prestazioni delle PMI collaborando con clienti e fornitori Sviluppo di nuove abilità e strumenti ICT di supporto Opportunità per le PMI per ottimizzare la gestione della filiera logistico

Dettagli

Decisioni in condizioni di incertezza

Decisioni in condizioni di incertezza Decisioni in condizioni di incertezza Paolo Arcaini Roberto Cordone Programmazione in condizioni di incertezza La programmazione in condizioni di incertezza affronta problemi di decisione nei quali occorre

Dettagli

Parte I Strategie di Supply Chain Management, Processi e Prestazioni 1. 1 Supply Chain Management: definizioni e concetti introduttivi

Parte I Strategie di Supply Chain Management, Processi e Prestazioni 1. 1 Supply Chain Management: definizioni e concetti introduttivi Indice Prefazione Premessa Introduzione XI XV XIX Parte I Strategie di Supply Chain Management, Processi e Prestazioni 1 1 Supply Chain Management: definizioni e concetti introduttivi 5 1.1 L evoluzione

Dettagli

Economia e gestione delle imprese 3/ed Franco Fontana, Matteo Caroli Copyright 2009 The McGraw-Hill Companies srl RISPOSTE ALLE DOMANDE DI VERIFICA

Economia e gestione delle imprese 3/ed Franco Fontana, Matteo Caroli Copyright 2009 The McGraw-Hill Companies srl RISPOSTE ALLE DOMANDE DI VERIFICA RISPOSTE ALLE DOMANDE DI VERIFICA (CAP. 9) 1. Illustra le principali tipologie dei processi produttivi. Sulla base della diversa natura tecnologica del ciclo di produzione, i processi produttivi si distinguono

Dettagli

LOGISTICA INDUSTRIALE L Prof. Ing. Cesare Saccani Dott. Ing. Marco Liverani

LOGISTICA INDUSTRIALE L Prof. Ing. Cesare Saccani Dott. Ing. Marco Liverani Corso di LOGISTICA INDUSTRIALE L Prof. Ing. Cesare Saccani Dott. Ing. Marco Liverani MODELLI DI GESTIONE DELLE SCORTE DIEM Facoltà di Ingegneria - Università di Bologna 1/28 Scorte Le scorte possono essere

Dettagli

Dimensionamento corretto delle scorte di sicurezza

Dimensionamento corretto delle scorte di sicurezza Dimensionamento corretto delle scorte di sicurezza Le scorte rappresentano accumuli temporanei di materiali, a diverso grado tecnologico di completamento, ubicati presso i punti di stoccaggio (warehouse)

Dettagli

Programmazione della Produzione 32

Programmazione della Produzione 32 GESTIONE DELLE SCORTE Programmazione e Controllo Controllo delle scorte Controllo degli approvvigionamenti di materiale (arrivi) Controllo della produzione Controllo dei PF per la distribuzione Nomenclatura:

Dettagli

Routing and Dispatch. Soluzione di pianificazione avanzata per l ottimizzazione ed esecuzione dei trasporti

Routing and Dispatch. Soluzione di pianificazione avanzata per l ottimizzazione ed esecuzione dei trasporti Routing and Dispatch Soluzione di pianificazione avanzata per l ottimizzazione ed esecuzione dei trasporti Ottenere l efficienza e l efficacia delle operations logistico distributive ORTEC Routing and

Dettagli

Problemi di soddisfacimento di vincoli. Formulazione di problemi CSP. Colorazione di una mappa. Altri problemi

Problemi di soddisfacimento di vincoli. Formulazione di problemi CSP. Colorazione di una mappa. Altri problemi Problemi di soddisfacimento di vincoli Maria Simi a.a. 2014/2015 Problemi di soddisfacimento di vincoli (CSP) Sono problemi con una struttura particolare, per cui conviene pensare ad algoritmi specializzati

Dettagli

Using APS.net for Effective Scheduling in the Food Process Industry

Using APS.net for Effective Scheduling in the Food Process Industry Using APS.net for Effective Scheduling in the Food Process Industry In generale il processo di produzione delle aziende alimentari è molto simile a quello di altri settori: Rispetto della date di consegna

Dettagli

Programmazione Quadratica. 2009 by A. Bemporad Controllo di Processo e dei Sistemi di Produzione A.a. 2008/09

Programmazione Quadratica. 2009 by A. Bemporad Controllo di Processo e dei Sistemi di Produzione A.a. 2008/09 Programmazione Quadratica 1/82 Programmazione lineare minimizza o massimizza funzione obiettivo soggetto a 2/82 Programmazione quadratica minimize or maximize funzione obiettivo soggetto a STESSI VINCOLI

Dettagli

Esempi di modelli di programmazione lineare (intera) 2014

Esempi di modelli di programmazione lineare (intera) 2014 Esempi di modelli di programmazione lineare (intera) 2014 1) Combinando risorse Una ditta produce due tipi di prodotto, A e B, combinando e lavorando opportunamente tre risorse, R, S e T. In dettaglio:

Dettagli

Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione

Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione Versione 11/03/2004 Contenuto e scopo esercitazione Contenuto esempi di problema di programmazione

Dettagli

ROUTEMATE Pianificazione Ottimale delle Spedizioni e dei Carichi. Nemsys Srl Copyright 2009 - Pagina 1

ROUTEMATE Pianificazione Ottimale delle Spedizioni e dei Carichi. Nemsys Srl Copyright 2009 - Pagina 1 ROUTEMATE Pianificazione Ottimale delle Spedizioni e dei Carichi Nemsys Srl Copyright 2009 - Pagina 1 FASI del PROCESSO Pianificazione Definizione dei Carichi Pianificazione dei Viaggi Esecuzione Carico

Dettagli

rassegna 16 n.20 novembre 2015 Optit Srl, Cesena (FC), www.optit.net

rassegna 16 n.20 novembre 2015 Optit Srl, Cesena (FC), www.optit.net Ottimizzazione primaria e secon Claudio Caremi 1, Fabio Lombardi 1, Mattia Manfroni 1, Tiziano Parriani 1, Lorenzo Ravaglia 1, Gessica Zarri 1, Daniele Vigo 1,2, Giorgia Volta 3, Fabrizio Salieri 3, Adriano

Dettagli