Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività
|
|
- Renata Ranieri
- 6 anni fa
- Visualizzazioni
Transcript
1 Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena
2 Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Il corso ha lo scopo di fornire le tecniche per la formulazione e la soluzione di particolari problemi di ottimizzazione discreta, relativi alla pianificazione temporale di attività. Docente: Paolo Detti Contatti: detti@dii.unisi.it Ricevimento su appuntamento
3 Programma Introduzione ai problemi di scheduling. Problemi di Scheduling a macchina singola. Algoritmi esatti e complessità. Problemi bi-obiettivo. Problemi di scheduling a macchine parallele: Modelli di Programmazione Lineare Intera. Metodi esatti ed euristici per il calcolo della soluzione. Tecnica del Rilassamento Lagrangiano. Problemi di Gestione dei Progetti. Definizione di progetto. Il problema del calcolo della durata di un progetto. Definizioni, modelli e metodi di soluzione per problemi di Resource Contrained Project Scheduling (RCSP). Metodi esatti e approcci euristici per il RCPSP. Utilizzo di software di ottimizzazione avanzati (CPLEX).
4 Dispense ed esercizi: Testi e materiale didattico - Appunti sui problemi di scheduling - Articolo sullo scheduling di macchine parallele - Appunti sul Rilassamento Lagrangiano - Appunti sulla gestione dei progetti - Esercizi sulla gestione dei progetti - Lucidi delle lezioni. Testi di approfondimento: Pinedo, M., Scheduling, 1995, Wiley. Bianco, L., Caramia, M., Metodi quantitativi per il Project Management, 2006, Hoepli.
5 Prova d esame La prova d'esame prevede una prova scritta ed una orale. Al termine del corso, prima dell'appello ufficiale, si svolgono due prove scritte che comprendono esercizi e domande di teoria. A seconda del voto conseguito nelle prove, si ha diritto a superare l esame o a sostenere un orale "ridotto".
6 Problemi di Scheduling Per Problema di Scheduling si intende un problema decisionale in cui il fattore tempo è visto come risorsa (scarsa) da allocare in modo ottimo a determinate attività (lavori e/o operazioni).
7 Problemi di Scheduling Sono dati: Un insieme di attività (lavori, jobs), ognuna costituita da una o più operazioni Un insieme di risorse (macchine, machines) che devono essere utilizzate per eseguire i lavori
8 Scheduling delle operazioni Problema: Determinare i tempi di inizio e fine di ogni operazione su ogni macchina Obiettivo/i: Perseguire determinate misure di performance
9 Un campo di applicazione: Organizzazione della produzione PRODOTTO che cosa? chi? ORGANIZZAZIONE PROCESSO come? FLUSSO DI PRODUZIONE COORDINAMENTO PIANIFICAZIONE SCHEDULING quando?
10 Problemi di Scheduling Esempi Nell'industria meccanica, i centri di lavorazione devono effettuare lavorazioni (taglio, fresatura, tornitura) su vari pezzi che vengono montati sui centri stessi. Diverse operazioni richiedono tempi diversi, e/o diversi tipi di utensili, che possono comportare un certo tempo per la riconfigurazione (set-up) dei centri di lavorazione. Uno dei problemi che si considerano in questo ambito consiste nel determinare l'ordinamento dei pezzi sui centri in modo da terminare tutte le lavorazioni prima possibile.
11 Problemi di Scheduling Esempi Uno dei compiti di un sistema operativo è quello di disciplinare l'accesso alla CPU dei diversi programmi di calcolo. Ciascun programma può avere una certa priorità. L'obiettivo tipico del sistema operativo è quello di gestire l'insieme dei programmi in modo tale da minimizzare il tempo complessivo di attesa dei programmi, tenendo conto della loro importanza relativa (converrà privilegiare i programmi a priorità più elevata). In questa particolare applicazione, il sistema operativo potrà eventualmente decidere di interrompere certi programmi per consentire il completamento di altri. Questa modalità operativa prende il nome di preemption.
12 Problemi di Scheduling Esempi In un'officina di carrozzeria, vi sono quattro stazioni, dedicate rispettivamente a messa in forma, ribattitura, verniciatura, essiccatura a forno. In ciascuna stazione è attivo un operaio, che può lavorare su una sola autovettura alla volta. In una data giornata di lavoro, devono essere riparate un certo numero di autovetture, ciascuna delle quali richiede il servizio da parte di alcune stazioni, in un dato ordine (ad esempio non si può riverniciare la carrozzeria prima di avere aggiustato le parti danneggiate). Il problema consiste nel gestire le varie operazioni in modo da terminare tutte le lavorazioni nel minor tempo possibile.
13 Scheduling delle operazioni Consideriamo: 3 lavori e 3 macchine. Ogni lavoro è costituito da una sequenza di operazioni. Obiettivo: Terminare tutti i lavori nel minor tempo possibile. Job Sequenza delle operazioni operazione=(macchina, tempo) J 1 (M 1,10) (M 2,5) (M 3,6) J 2 (M 2,5) (M 1,8) - J 3 (M 1,2) (M 3,10) (M 2,4)
14 Diagramma di Gantt Job Sequenza Operazioni J 1 (M 1,10) (M 2,5) (M 3,6) J 2 (M 2,5) (M 1,8) - J 3 (M 1,2) (M 3,10) (M 2,4) M M M
15 Diagramma di Gantt Job Sequenza Operazioni J 1 (M 1,10) (M 2,5) (M 3,6) J 2 (M 2,5) (M 1,8) - J 3 (M 1,2) (M 3,10) (M 2,4) M M M
16 Classificazione dei problemi di scheduling Caratterizzazione delle risorse (macchine) e dell ambiente produttivo: macchina singola macchine parallele identiche scorrelate uniformi Flow shop Job shop
17 Macchina singola LAVORI M
18 Macchine parallele M 1 LAVORI M 2 M 3
19 Macchine parallele
20 Macchine in linea (Flow shop) LAVORI M 1 M 2 M m
21 Flow shop
22 Esempio M 1 M 2 IN OUT
23 Esempio M 1 M 2 IN OUT
24 Job shop LAVORI M 1 M 2 M 3
25 Job shop
26 Classificazione dei problemi di scheduling Caratterizzazione dei lavori: tempo di processamento p i (p hi se dipende dalla macchina h su cui è eseguito) data di consegna (duedate o deadline) d i data di rilascio (release date) r i peso del lavoro (priorità) w i
27 Classificazione dei problemi di scheduling Altre caratteristiche: Tempo di set-up tra due lavori eseguiti consecutivamente su una macchina s kj (ad es. per la riconfigurazione delle macchine). Preemption. In certi casi è consentito interrompere un job per permettere l'esecuzione di un lavoro più urgente. Il problema in questo caso si dice preemptive. Vincoli di precedenza. In molti casi esistono vincoli di precedenza tra task di un job (come accade nei casi del flow shop o del job shop), o tra diversi job.
28 Misure di prestazione sui lavori Dato il lavoro i con release date e duedate: il tempo di fine del lavoro è detto tempo di completamento, C i tempo di attraversamento: F i = C i r i Lateness: L i = C i d i Tardiness: T i = max{ 0, C i d i } Earliness: E i = max{ 0, d i C i } Lavori in ritardo: U i = 1 se C i > d i U i = 0 se C i d i
29 Lateness (Ritardo/Anticipo) Lateness del lavoro i : L i = C i - d i L i (C i ) L i > 0 C i - d i L i < 0 anticipo d i ritardo C i d i : tempo di consegna (duedate) per il lavoro i
30 T i (C i ) Tardiness (Ritardo) Ritardo del lavoro i : T i =max{0, C i d i } T i 0 C i - d i anticipo d i ritardo C i d i : tempo di consegna (duedate) per il lavoro i
31 Misure di prestazione del sistema (da minimizzare) somma dei tempi di completamento (pesata): Σ i (w i ) C i flow time totale (pesato): Σ i (w i )F i massima Lateness: L max = max i L i massima Tardiness: T max = max i T i Tardiness totale (pesata): Σ i (w i ) T i makespan: C max = max i C i numero di lavori in ritardo Σ i U i
32 Misure di prestazione Equivalenza tra misure Si ha: n i = 1 L i = n i = 1 C i n i = 1 d i = n i = 1 F i + n ( ri di ) i = 1 e quindi: n n min L i = min C i ( d i ) = min F i (+ r i d i ) i=1 i=1 n i=1 n i=1 n i=1 ( )
33 Misure di prestazione Una sol. che minimizza L max minimizza anche T max (ma, in generale, non è vero il viceversa): T max max = = max max { T,..., T,0} { max{ L,0},...,max{ L,0 } { L,..., L,0} = max{ L,0} n n = n max =
34 Notazione a tre campi Nella descrizione dei problemi di scheduling si utilizza una notazione sintetica a tre campi: a: identifica il sistema di macchine (1=macchina singola, P,Q,R=macchine parallele identiche, uniformi o scorrelate, F=flow shop, J=job shop). b: le eventuali caratteristiche particolari dei lavori (preemption, r i = release date, d i = due date, prec=precedenze). a b c: la funzione obiettivo del sistema. c
35 Notazione a tre campi 1 prec,r C i i i P C max F preemption w i T i i
36 Scheduling su singola macchina Problema: un insieme di n lavori devono essere eseguiti da una macchina Ipotesi: tutti i lavori sono disponibili dall inizio (r i =0); ogni lavoro può avere un peso w i Obiettivo: minimizzare la somma (pesata) dei tempi di comp. Σ i (w i )C i
37 Scheduling su singola macchina (caso senza pesi, w i =0) 1//Σ i C i Descrizione del problema Un insieme di n lavori deve essere eseguito su una macchina Dati I tempi di processamento p i, i=1,,n, del lavoro i sulla macchina sono noti. Obiettivo Sequenziare i lavori sulla macchina in modo da minimizzare la somma dei tempi di completamento. min Σ i C i
38 Gantt del Sequenziamento Sequenza S p 1 p 2 p 3 p 4 p n op 1 op2 op 3 C 1 C 2 C 3 op4 C 4 op n C n tempo C n =Σ i p i : tempo di completamento totale (makespan) Obiettivo del sistema: min Σ i C i
39 Algoritmo di soluzione p 1 p 2 p 3 p 4 p n S op 1 C 1 op2 op 3 C 2 C 3 op4 C 4 op n C n tempo Supponiamo che p 2 < p 1
40 Algoritmo di soluzione p 1 p 2 p 3 p 4 p n S op 1 C 1 op2 op 3 C 2 C 3 op4 C 4 op n C n tempo se p 2 < p 1 allora scambiando i lavori 1 e 2 si ha C 2 < C 1 e C 1 = C 2 C 2 + C 1 < C 2 + C 1 p 2 p 1 p 4 p n S op 2 C 2 op1 1 p 3 op 3 op 4 C 1 C 3 C 4 op n C n tempo
41 Algoritmo di soluzione: Regola SPT (shortest processing time first) SPT: sequenzia prima i lavori che hanno tempo di esecuzione più piccolo La regola SPT consente di minimizzare la somma dei tempi di completamento Σ i C i di n lavori su una macchina e quindi di risolvere all ottimo il problema 1 C i i
42 Algoritmo di soluzione: Regola SPT (shortest processing time first) SPT: sequenzia prima i lavori che hanno tempo di esecuzione più piccolo Complessità dell algoritmo (per n lavori): O( nlogn )
43 Esempio Lavori p i Sequenza ottima (5, 4, 1, 3, 2)
44 Scheduling su singola macchina (caso w i non nulli ) 1//Σ i w i C i Descrizione del problema Un insieme di n lavori devono essere eseguiti su una macchina Dati I tempi di processamento p i, i=1,,n, del lavoro i sulla macchina sono noti. Peso w i, i=1,,n, associato ad ogni lavoro. Obiettivo Sequenziare i lavori sulla macchina in modo da minimizzare: min Σ i w i C i
45 Algoritmo di soluzione: Regola WSPT (weighted shortest processing time) WSPT: sequenzia prima i lavori che hanno il più piccolo rapporto: p w Consente di minimizzare la somma pesata dei tempi di completamento Σ i w i C i Complessità dell algoritmo (per n lavori): O( nlogn i i )
46 Sia p i / w i > p k / w k consideriamo i due casi: 1. Il lavoro k è sequenziato subito dopo i Dimostrazione dell ottimalità della regola WSPT D p w p w w p A w w B D p p A w p A w B ob f p p A C p A C k k i k i i k i k i k i i k i k i i = = + + = + = ) ( ) ( ) (.. e J k S J i C k C i A
47 Dimostrazione dell ottimalità della regola WSPT 2. Il lavoro i è sequenziato subito dopo k C ' k = A + p k e C ' i = A + p k + p i f.ob. = B + w k (A + p k ) + w i (A + p k + p i ) + D = B + (w i + w k )A + w k p k + w i p k + w i p i + D J k J i S A C k C i = C k
48 Dimostrazione dell ottimalità della regola WSPT J i J k S A C i C k J k J i S A C k C i = C k
49 Sia p i / w i > p k / w k consideriamo i due casi: 1. Il lavoro k è sequenziato subito dopo i Dimostrazione dell ottimalità della regola WSPT D p w p w w p A w w B D p p A w p A w B ob f p p A C p A C k k i k i i k i k i k i i k i k i i = = + + = + = ) ( ) ( ) (.. e 2. Il lavoro i è sequenziato subito dopo k C ' k = A + p k e C ' i = A + p k + p i f.ob. = B + w k (A + p k ) + w i (A + p k + p i ) + D = B + (w i + w k )A + w k p k + w i p k + w i p i + D
50 Dimostrazione dell ottimalità della regola WSPT Se p i / w i > p k / w k allora w k p i > w i p k f. ob.(1) f. ob.(2) = w k p i w p i k > 0 f. ob.(1) > f. ob.(2)
51 Esempio Lavori p i w i p i /w i Sequenza ottima (4, 5, 1, 2, 3)
52 Scheduling su singola macchina Problema: un insieme di n lavori devono essere eseguiti da una macchina Ipotesi: tutti i lavori sono disponibili dall inizio (r i =0) ad ogni lavoro è assegnata una data di consegna d i Obiettivo: minimizzare la massima Lateness min L max
53 Lateness (Ritardo/Anticipo) Ritardo del lavoro r : L r = C r -d r L r (C r ) L r > 0 C r - d r L r < 0 anticipo d r ritardo C r d r : tempo di consegna (due date) dovuto per il lavoro r
54 Obiettivo: minimo ritardo massimo (min L max ) L j L k C i d j d i C j d k C k L i L max = max r L r
55 Regola EDD (Earliest due date) EDD: sequenzia i lavori in ordine di due date non decrescente (cioè, sequenzia prima i lavori con duedate più piccola) Consente di minimizzare la massima lateness min L max e quindi risolve il problema 1/ /L max
56 EDD min max i {L i } Dati due lavori i e k, supponiamo che d k > d i Sia S la sequenza in cui k viene prima di i J k J i S C k d i C i d k > d i
57 EDD min max i {L i } Dati due lavori i e k, supponiamo che d k > d i Sia S la sequenza in cui k viene prima di i J k J i S C k d i C i d k > d i Sia S la sequenza in cui i viene prima di k S J i J k d k C i d i C k = C i
58 S : J i J k Regola EDD d k C i d i C k = C i C k =C i max (L k, L i ) = max (C k d k, C i - d i )= max (C i d k, C i - d i )
59 S : J i J k Regola EDD d k C i d i C k = C i C k =C i C i < C i d k > d i max (L k, L i ) = max (C k d k, C i - d i )= max (C i d k, C i - d i ) C i - d i
60 Regola EDD S : J i J k d k C i d i C k = C i C k =C i C i < C i d k > d i max (L k, L i ) = max (C k d k, C i - d i )= max (C i d k, C i - d i ) C i - d i C i - d i max (C k - d k, C i - d i ) = max (L k, L i )
61 Regola EDD Dati i lavori j 1...j n Si hanno le seguenti date di consegna: d 1 d 2 d 3 d 4 d n
62 Regola EDD j 1 j 2 j 3 j 4 j n d 1 d 2 d 3 d 4 d n si sequenziano i lavori nello stesso ordine delle due date
63 Esempio Lavori d i p i Sequenza ottima (2, 3, 4, 1, 5)
Organizzazione della produzione
Scheduling Organizzazione della produzione PRODOTTO che cosa chi ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE COORDINAMENTO PIANIFICAZIONE SCHEDULING quando Pianificazione della produzione: schedulazione
DettagliOrganizzazione della produzione
Scheduling Organizzazione della produzione PRODOTTO che cosa chi ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE COORDINAMENTO PIANIFICAZIONE SCHEDULING quando Pianificazione della produzione: schedulazione
DettagliModelli dei Sistemi di Produzione Modelli e Algoritmi della Logistica
Modelli dei Sistemi di Produzione Modelli e Algoritmi della Logistica 2010-11 Scheduling: Introduzione CARLO MANNINO Sapienza Università di Roma Dipartimento di Informatica e Sistemistica Problemi di scheduling
DettagliOrganizzazione della produzione
Scheduling Organizzazione della produzione PROOTTO che cosa chi ORGNIZZZIONE PROCESSO come FLUSSO I PROUZIONE COORINMENTO PINIFICZIONE SCHEULING quando Pianificazione della produzione: schedulazione di
DettagliASSEGNAMENTO DELLE OPERAZIONI DI TAGLIO NELLA PRODUZIONE DI CAPI DI ABBIGLIAMENTO
ASSEGNAMENTO DELLE OPERAZIONI DI TAGLIO NELLA PRODUZIONE DI CAPI DI ABBIGLIAMENTO Lo scenario produttivo Una nota azienda produce capi di abbigliamento per l alta moda Ogni capo è costituito da vari pezzi
DettagliMacchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4
Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse
DettagliLe attuali tendenze del mercato
Minimizzazione del makespan mediante un software di scheduling in un Job Shop ed in un Flexible Flow Shop A partire da una classificazione dell architettura delle linee produttive, viene proposto un caso
DettagliProgrammazione operativa
Programmazione operativa GESTIONE DELLA PRODUZIONE Uglietti Luigi 14 maggio 2009 l.uglietti@wisefrogs.com La programmazione operativa La programmazione operativa (o di breve periodo, o scheduling), ha
Dettagli1. 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
DettagliCenni di schedulazione in tempo reale. E.Mumolo
Cenni di schedulazione in tempo reale E.Mumolo mumolo@units.it Task in tempo reale Un task t i è una sequenza di processi in tempo reale τ ik ciascuno caratterizzato da un tempo d arrivo r ik un tempo
DettagliStruttura del Corso. Durata
Manuel Iori Dipartimento di Scienze e Metodi dell Ingegneria (DISMI) Università degli studi di Modena e Reggio Emilia Via Amendola 2, Pad. Buccola, 42122 Reggio Emilia web: www.or.unimore.it/iori/iori.htm
DettagliBibliografia. 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
DettagliCorso Sistemi Informativi Aziendali, Tecnologie dell Informazione applicate ai processi aziendali. Sistemi informativi aziendali
Corso Sistemi Informativi Aziendali,. Sistemi informativi aziendali di Simone Cavalli (simone.cavalli@unibg.it) Bergamo, Febbraio - Marzo 2009 Produzione (cenni) Pagina 2 Produzione La produzione, in termini
DettagliCAPITOLO 6 La programmazione operativa (operations scheduling)
CAPITOLO 6 La programmazione operativa (operations scheduling) Contenuti Le funzioni della PO Gli obiettivi della PO Il job loading Il metodo dell assegnazione Il job sequencing Regole e tecniche di priorità
DettagliMetodi di Ottimizzazione per la Logistica e la Produzione
Metodi di Ottimizzazione per la Logistica e la Produzione Parte III Manuel Iori Dipartimento di Scienze e Metodi dell Ingegneria Università di Modena e Reggio Emilia Anno Accademico 2016/17 MOLP Parte
DettagliIntroduzione 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
DettagliRicerca Operativa A.A. 2007/ Introduzione
Ricerca Operativa A.A. 2007/2008 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
DettagliSCHEDULING SCHEDULING
Corso di Laurea Triennale in INGEGNERIA GESTIONALE Anno Accademico 2012/13 Prof. Davide GIGLIO 1 INDICE Esempio Introduttivo Generalità sui problemi di scheduling SINGLE MACHINE SPT (shortest processing
DettagliProgrammazione Lineare Intera: Piani di Taglio
Programmazione Lineare Intera: Piani di Taglio Andrea Scozzari a.a. 2014-2015 April 22, 2015 Andrea Scozzari (a.a. 2014-2015) Programmazione Lineare Intera: Piani di Taglio April 22, 2015 1 / 23 Programmazione
DettagliALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I
ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I Esercizio 1 Dati n oggetti ed un contenitore, ad ogni oggetto j (j = 1,, n) sono associati un peso p j ed un costo c j (con p j e c j interi positivi). Si
DettagliIntroduzione al corso
Introduzione al corso Sergio Terzi sergio.terzi@unibg.it Gestione della Produzione Industriale 5 CFU Obiettivi del corso Il corso ha l'obiettivo di fornire agli allievi del CS Ingegneria Tessile, Meccanica
DettagliCOMPITO DI RICERCA OPERATIVA. (5 punti) Sia dato il seguente problema di PL: min x 1 + x 2 x 1 + x 2 3 x 1 + x 2 2 2x 1 + x 2 3.
COMPITO DI RICERCA OPERATIVA ESERCIZIO 1. (5 punti) Sia dato il seguente problema di PL: min x 1 + x 2 x 1 + x 2 x 1 + x 2 2 2x 1 + x 2 x 1 0 x 2 0 Si trasformi questo problema in forma standard e lo si
DettagliOttimizzazione e Controllo 2015/2016 ESERCITAZIONE
Ottimizzazione e Controllo 2015/2016 ESERCITAZIONE Esercizio 1. Sono dati 6 job da processare su un centro di lavorazione automatizzato che può eseguire una sola lavorazione alla volta. Di ciascun job
DettagliAlgoritmi e Sperimentazioni
Algoritmi e Sperimentazioni Introduzione al corso Il corso Corso del secondo anno, curriculum STISI 9 crediti tenuto da: Ugo de Liguoro (teoria), Ferruccio Damiani (laboratorio) 54 + 36 ore di lezione/esercitazione
DettagliLaboratory for innovation MUSP. Macchine utensili e sistemi di produzione. Laboratorio MUSP www.musp.it
Laboratory for innovation MUSP Macchine utensili e sistemi di produzione www.musp.it Sommario La schedulazione della produzione Gli obiettivi nella schedulazione Le problematiche legate alla schedulazione
DettagliMetodi 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
DettagliCASE STUDY 2. Fabbricazione dell acciaio. Un problema di pianificazione: Minimizzazione dei costi di carica del forno. Dati. Formulazione del problema
CASE STUDY 2 Fabbricazione dell acciaio Gestione delle risorse produttive nell industria siderurgica Un problema di pianificazione: Minimizzazione dei costi di carica del forno Magazzini materie prime
DettagliUniversita degli Studi di Siena
Universita degli Studi di Siena Facolta di Ingegneria Dispense del corso di Sistemi di Supporto alle Decisioni I La Programmazione Dinamica Chiara Mocenni Corso di Laurea triennale in Ingegneria Gestionale
DettagliRicerca Operativa. Docenti. 1. Introduzione
Ricerca Operativa 1. Introduzione Docenti Luigi De Giovanni - Giacomo Zambelli Dipartimento di Matematica Pura e Applicata (Torre Archimede) Tel. 049 827 1349 / 1348 email: luigi - giacomo @math.unipd.it
DettagliComprendere come vengono prodotti i manufatti di uso comune. Capire la relazione tra le tecniche di produzione adottate e la qualità del prodotto
Obiettivi del corso Comprendere come vengono prodotti i manufatti di uso comune Capire la relazione tra le tecniche di produzione adottate e la qualità del prodotto Saper scegliere il processo più adatto
DettagliSistemi Organizzativi
Sistemi Organizzativi Lezione 12/12/2004 Introduzione al corso e definizioni di base Informazioni generali Pre-requisiti: lassi di complessità Metodi enumerativi: - programmazione dinamica - branch-and-bound
DettagliMakespan con set-up dipendenti dalla sequenza. 1/s jk /C max
Makespan con set-up dipendenti dalla sequenza 1/s jk /C max 1/s jk /C max Un tempo di riattrezzaggio (set-up) s jk è richiesto fra il processamento di j e quello di k. In questo caso, C max dipende dalla
Dettagli1. Classificazione delle risorse
1. Classificazione delle risorse Classificazione delle risorse in base alla disponibilità. - Risorse rinnovabili Sono risorse utilizzate per l esecuzione di una attività per tutta la sua durata, ma sono
DettagliOperation scheduling. Corso di GPM Secondo Modulo Quinta Unità Didattica
Operation scheduling Manufacturing Execution Systems Manufacturing execution system (MES): sistema informativo per scheduling, dispatching, tracking, monitoring, e controllo della produzione Collegamento
DettagliRicerca Operativa. Docente. 1. Introduzione
1 Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi Ricevimento: giovedì,
DettagliOttimizzazione nella Gestione dei Progetti - Esercitazione 1: calcolo degli schedule ottimi
Università degli Studi di Roma La Sapienza Ottimizzazione nella Gestione dei Progetti - Esercitazione : calcolo degli schedule ottimi di FABIO D ANDREAGIOVANNI Dipartimento di Informatica e Sistemistica
DettagliFONDAMENTI DI INFORMATICA II
Università degli Studi di Ferrara Facoltà di Ingegneria APPUNTI DEL CORSO DI FONDAMENTI DI INFORMATICA II Obiettivi del corso: Approfondire l uso del linguaggio C rispetto a quanto noto dal corso di Fondamenti
DettagliRicerca Operativa. Docente. 1. Introduzione
Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
DettagliCelle di fabbricazione
Celle di fabbricazione Produzione per parti (Classificazione Impiantistica) Produzione per parti Fabbricazione Montaggio (assemblaggio) Job Shop Celle di fabbricazione Linee transfer A posto fisso Ad Isola
DettagliOperations Management
La schedulazione dei progetti Estratto da Operations Management Modelli e metodi per la logistica II Edizione Autore: Giuseppe Bruno Edizioni Scientifiche Italiane I problemi di scheduling 21 6.8 - LA
DettagliImpianti Meccanici Introduzione al corso
Impianti Meccanici Introduzione al corso Obiettivi del corso Il corso ha l'obiettivo di fornire agli allievi del Corso di Laurea in Ingegneria Meccanica una conoscenza di base sulla gestione e progettazione
DettagliCorso di Fondamenti di Informatica II introduzione al corso (canale L-Z, prof. d Amore)
Corso di Fondamenti di Informatica II introduzione al corso 2012-13 (canale L-Z, prof. d Amore) il corso struttura e organizzazione corso contenente due parti (o anime ) A: algoritmi (50%) M: modelli (50%)
DettagliParte 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:
DettagliTesina per l esame di Sistemi Operativi a cura di Giuseppe Montano. Prof. Aldo Franco Dragoni
Sistemi operativi real time basati su : gestione delle risorse e dei processi. Tesina per l esame di Sistemi Operativi a cura di. Prof. Aldo Franco Dragoni Corso di laurea in Ingegneria Informatica e dell
Dettagli1. 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
DettagliUniversità degli Studi di Padova Dipartimento di Matematica. - Corso di Laurea in Informatica
Università degli Studi di Padova Dipartimento di Matematica. - Corso di Laurea in Informatica Regole dell'esame Il presente esame scritto deve essere svolto in forma individuale in un tempo massimo di
DettagliLa 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
DettagliUniversità di Roma Tor Vergata Corso di Laurea triennale in Informatica Sistemi operativi e reti A.A Pietro Frasca.
Università di Roma Tor Vergata Corso di Laurea triennale in Informatica Sistemi operativi e reti A.A. 2016-17 Pietro Frasca Lezione 5 Martedì 25-10-2016 Definizione di processo Esiste una distinzione concettuale
DettagliMetodi e modelli per le decisioni
Metodi e modelli per le decisioni Roberto Cordone A. A. 2015-16 5.5 Esercizi Nota : Devo molti di questi esercizi a temi d esame del prof. Alberto Colorni. Nota : Gli esercizi e le soluzioni non sono stati
DettagliEsercizi di PLI. a cura di A. Agnetis. Risolvere il seguente problema di PLI con l algoritmo dei piani di Gomory:
Esercizi di PLI a cura di A. Agnetis Risolvere il seguente problema di PLI con l algoritmo dei piani di Gomory: max z = 40x + 24x 2 + 5x + 8x 4 8x + 6x 2 + 5x + 4x 4 22 x i 0 x i intero Si tratta di un
DettagliLezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova paolucci@dist.unige.it Anno accademico 2000/2001 La Ricerca Operativa (Operation
DettagliSoluzioni degli esercizi di formulazione di PL{0, 1}
Soluzioni degli esercizi di formulazione di PL{0, 1} Salvatore Nocella 12 febbraio 2007 1 Al lavoro Due operai devono eseguire un certo numero di lavori J = {1,..., n}, ciascuno della durata di un ora.
DettagliINGEGNERIA DEL SOFTWARE
DIPARTIMENTO DI INGEGNERIA ELETTRICA ELETTRONICA E INFORMATICA Corso di laurea magistrale in Ingegneria informatica Anno accademico 2016/2017-1 anno INGEGNERIA DEL SOFTWARE 9 CFU - 1 semestre Docente titolare
DettagliSVILUPPO DEI MODELLI
SVILUPPO DEI MODELLI definizione del problema struttura del modello banca dati taratura/ calibrazione (messa a punto) NO validazione (collaudo) SI implementazione e utilizzo modelli descrittivi: simulazione
Dettagli1. Che cos è un sistema multiprogrammato? Si può realizzare la multiprogrammazione
1. Che cos è un sistema multiprogrammato? Si può realizzare la multiprogrammazione su un sistema con una sola CPU? 2. Qual è la differenza tra un interruzione e una trap? Si faccia qualche esempio. 1.
DettagliPrincipi di Schedulazione in tempo reale
Principi di Schedulazione in tempo reale 1 Task in tempo reale Un task t i è una sequenza di processi in tempo reale τ ik ciascuno caratterizzato da q un tempo d arrivo r ik (r=release time, oppure a=arrival
DettagliAmbienti di calcolo a griglia Parte 2. Docente: Marcello CASTELLANO
Ambienti di calcolo a griglia Parte 2 Docente: Marcello CASTELLANO GRID: risorse (e loro gestione) Classificazione delle risorse Calcolo, Storage, Comunicazione Software e licenze Altre risorse Strategie
DettagliAPPLICAZIONI 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
DettagliMetodi e modelli per il supporto alle decisioni
Metodi e modelli per il supporto alle decisioni 1. Introduzione Supporto alle decisioni Supporto ai processi decisionali in sistemi complessi Problema decisionale reale Passi, operazioni Soluzioni del
DettagliTecnologie di Sviluppo per il Web Lab. di Tecnologie di Sviluppo Web
Tecnologie di Sviluppo per il Web Lab. di Tecnologie di Sviluppo Web Presentazione dei Corsi Anno Accademico 2003-2004 http://www.db.unibas.it/users/mecca/corsi/sviluppoweb G. Mecca mecca@unibas.it Università
DettagliTecnologia Meccanica
Tecnologia Meccanica Università di Bergamo Facoltà di Ingegneria Corso di Laurea in Ingegneria Gestionale Anno Accademico 2008-09 Gianluca D Urso Docente E-mail: gianluca.d-urso@unibg.it durso@unibg.it
DettagliProblema Determinare la miscelazione ottimale delle materie prime in modo da massimizzare il profitto complessivo
Mix Produttivo Si dispone di i=1,...,m risorse produttive (ad esempio, materie prime) in quantità limitata. La massima disponibilità delle risorse è b 1,...,b m Si possono produrre j=1,...,n diversi prodotti
DettagliOttimizzazione della produzione tramite software di scheduling
Ottimizzazione della produzione tramite software di scheduling Alessio Puppato, Barbara Fuoco, Andrea Rossi, Michele Lanzetta A partire da una classificazione dell architettura delle linee produttive,
DettagliDocente: Prof. Marco Patella Tutor: Stefano Pio Zingaro
Università di Bologna Facoltà di Ingegneria C.d.L. in Ing. Gestionale Fondamenti di Informatica T-1 (A-K) A.A. 2016/17 Docente: Prof. Marco Patella Tutor: Stefano Pio Zingaro 1 Obiettivi del corso Il corso
DettagliDocente: Prof. Marco Patella Tutor: Vincenzo Lomonaco
Università di Bologna Facoltà di Ingegneria C.d.L. in Ing. Gestionale Fondamenti di Informatica T-1 (A-K) A.A. 2015/16 Docente: Prof. Marco Patella Tutor: Vincenzo Lomonaco 1 Obiettivi del corso Il corso
DettagliProgrammazione della produzione MT MT
Programmazione della produzione Architettura gerarchica del processo di programmazione M P S livello 1 - livello di fabbrica orizzonte temporale lungo (12-24 mesi) Master Production Schedule n settimane
DettagliFondamenti di Intelligenza Artificiale
Fondamenti di Intelligenza Artificiale Prof. Evelina Lamma Dipartimento di Ingegneria Telefono: 0532 974894 Email: nome.cognome@unife.it http://docente.unife.it/evelina.lamma Ricevimento: mercoledì h.14-15
DettagliAllocazione ottimale delle produzione in una cella flessibile di lavorazione
Allocazione ottimale delle produzione in una cella flessibile di lavorazione Modelli e algoritmi per l ottimizzazione dott. ing. Filippo Tabusso mail: f.tabusso@mclink.it Workshop: Business Analytics -
DettagliCorso di Laurea Ingegneria Informatica
Corso di Laurea Ingegneria Informatica Presentazione del corso di Fondamenti di Informatica 2 A. Miola Febbraio 2008 http://www.dia.uniroma3.it/~java/fondinf2/ Presentazione Corso 1 Contenuti Corso di
DettagliProduzioni Manifatturiere (per parti)
Produzioni Manifatturiere (per parti) Produzione per parti (Classificazione Impiantistica) Produzione per parti Fabbricazione Montaggio (assemblaggio) Job Shop Celle di fabbricazione Linee transfer A posto
DettagliParte III: Algoritmo di Branch-and-Bound
Parte III: Algoritmo di Branch-and-Bound Divide et Impera Sia z * max {c T x : x S} (1) un problema di ottimizzazione combinatoria difficile da risolvere. Domanda: E possibile decomporre il problema (1)
DettagliIntroduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO
Introduzione alla Ricerca Operativa Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Cos è la Ricerca Operativa? La Ricerca Operativa è la
DettagliLa notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:
. SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;
DettagliRicevimento studenti: consultare sito web docenti
Università di Bologna Alma Mater Studiorum Laurea triennale in: Ingegneria Chimica e Biochimica Termodinamica dell Ingegneria Chimica e Biochimica T (9 CFU) A.A. 2015-16 Prof. Ing. Serena Bandini Alma
DettagliIntroduzione alla Ricerca Operativa
Introduzione alla Ricerca Operativa p. 1/31 Introduzione alla Ricerca Operativa Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Introduzione alla Ricerca
DettagliMetodi 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
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o
DettagliAlgoritmi e Strutture Dati (Mod. B) Algoritmi Greedy (parte I)
Algoritmi e Strutture Dati (Mod. B) Algoritmi Greedy (parte I) Algoritmi greedy Gli algoritmi per problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione
DettagliL allocazione ottima delle commesse in contesti multi-aziendali
L allocazione ottima delle commesse in contesti multi-aziendali Maria Silvia Pini Resp. accademico: Prof.ssa Francesca Rossi Università di Padova Attività FSE DGR 1102/2010 La gestione dell informazione
DettagliFlusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal
DettagliMetodi di Ottimizzazione per la Logistica e la Produzione
Metodi di Ottimizzazione per la Logistica e la Produzione Laboratorio Manuel Iori Dipartimento di Scienze e Metodi dell Ingegneria Università di Modena e Reggio Emilia MOLP Parte I 1 / 41 Contenuto della
DettagliFondamenti di Informatica A.A Studenti
Fondamenti di Informatica A.A. 2008-2009 Corso di recupero Ingegneria Area Industriale Docente: Laura Gilda Paccagnella Dipartimento di Matematica Pura ed Applicata tel. 049-8271417 Torre Archimede - Via
DettagliCALCOLATORI ELETTRONICI
DIPARTIMENTO DI INGEGNERIA ELETTRICA ELETTRONICA E INFORMATICA Corso di laurea in Ingegneria elettronica Anno accademico 2017/2018-3 anno CALCOLATORI ELETTRONICI 9 CFU - 2 semestre Docente titolare dell'insegnamento
DettagliAnalisi delle decisioni
Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Analisi delle decisioni Anno Accademico 2015/2016 II semestre February 26, 2016 Analisi delle decisioni: Informazioni generali CdL: Laurea
DettagliInformazioni Corso. Storia dello Sviluppo Economico, CFU 9, ore 56; anno , I semestre. Corso di Laurea: Economia Aziendale.
Informazioni Corso Storia dello Sviluppo Economico, CFU 9, ore 56; anno 2017-18, I semestre. Corso di Laurea: Economia Aziendale. Informazioni Docente Paolo Malanima. E-mail: malanima@unicz.it. Sito web:
DettagliProgrammazione di Dipartimento. Laboratori tecnologici ed esercitazioni
Programmazione di Dipartimento Laboratori tecnologici ed esercitazioni CLASSE 3^PMA a.s. 2016/17 Rev. 0 del 08-03-04 pag. 1 di 5 n 1 REALIZZARE PARTICOLARI E COMPLESSIVI MECCANICI UTILIZZANDO IL TORNIO
DettagliL Esame di Stato di abilitazione alla professione di Ingegnere dell Informazione
Ordine degli Ingegneri della Provincia di Roma Facoltà di Ingegneria dell Informazione, Informatica e Statistica (I3S) Facoltà di Ingegneria Civile e Industriale (ICI) Sapienza Università di Roma Domenico
DettagliPresentazione del Corso di Calcolo Numerico con Laboratorio
del Corso di Calcolo oratorio Lucia Gastaldi DICATAM - Sezione di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 2 Modalità di esame 3 Materiale Contatti Argomenti Introduzione all uso di Matlab
DettagliAlgoritmi greedy. Gli algoritmi che risolvono problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione
Algoritmi greedy Gli algoritmi che risolvono problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione Gli algoritmi greedy sono algoritmi basati sull idea
DettagliApprocci 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.
DettagliProva in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A
Nome... Cognome... 1 Prova in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A Un rinomato biscottificio italiano dispone di tre stabilimenti, ubicati nelle città di Ancona, Belluno e Catanzaro
DettagliTecnologia Meccanica
Tecnologia Meccanica Corso di Laurea in Ingegneria Meccanica Università di Bergamo Facoltà di Ingegneria Anno Accademico 2005-06 Osvaldo Carpina Docente Osvaldo.Carpina@unibg.it Orari ricevimento: Venerdì
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 06/07/2016 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via
DettagliProgrammazione e Controllo della Produzione. La programmazione della produzione
La programmazione della produzione Evoluzione della produzione Dalle logiche dell impianto alle logiche del sistema produttivo Controllo delle scorte Material Requirement Planning Sequenziamento delle
DettagliLezione 1. Le tipologie di problemi di gestione della produzione e delle reti logistiche
Lezione 1 Le tipologie di problemi di gestione della produzione e delle reti logistiche Obiettivo: introdurre la terminologia da usarsi per formulare i problemi industriali da risolvere nell ambito della
DettagliIntroduzione. Alessandro De Luca. Automazione
Introduzione Alessandro De Luca obiettivi! Panoramica su architetture e metodi di controllo e supervisione per il funzionamento di macchine, apparati fisici e processi! che evolvono nel tempo o in base
DettagliCorso di Gestione dell Innovazione e dei Progetti Prof. Sergio Campodall Orto. Presentazione del corso a.a. 2007/2008
UNIVERSITA DEGLI STUDI DI BERGAMO Corso di Gestione dell Innovazione e dei Progetti Prof. Sergio Campodall Orto Presentazione del corso a.a. 2007/2008 L innovazione Che cosa è l innovazione? Prof. S. Campodall
DettagliProva Scritta di Ricerca Operativa
Prova Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 12 gennaio 2017 Regole per l esame: la violazione delle seguenti regole comporta il ritiro
DettagliEsercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania
Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria
DettagliINTELLIGENZA ARTIFICIALE (elementi) 6 cfu
INTELLIGENZA ARTIFICIALE (elementi) 6 cfu Prof.ssa Stefania Bandini Dott. Alessandro Mosca Dipartimento di Informatica, Sistemistica e Comunicazione Università di Milano-Bicocca www.lintar.disco.unimib.it
Dettagli