Modelli per la gestione delle scorte
|
|
- Dante Carnevale
- 8 anni fa
- Visualizzazioni
Transcript
1 Modelli per la gestione delle scorte Claudio Arbib Università di L Aquila Seconda Parte
2 Sommario Sui problemi di gestione aperiodica equazioni di stato Funzioni di costo Un modello convesso formulazione come PL esempio Un modello concavo proprietà del poliedro proprietà delle soluzioni ottime algoritmo di Wagner-Whitin esempi
3 Gestione aperiodica magazzino Impianto Un impianto deve soddisfare la domanda espressa dal mercato in periodi diversi, minimizzando costi di produzione e di giacenza mercato
4 Gestione aperiodica Consideriamo per semplicità un solo tipo di prodotto, da fabbricare in un orizzonte temporale finito, diviso in periodi di controllo {1, 2,, T}, corrispondenti a un assorbimento a 1,, a T variabile nel tempo, e a variabili decisionali x t = quantità prodotta nel periodo t b t = livello di scorta nel periodo t x 1 b 1 x 2 b 2 x 3 b 3 b T T x T a 1 a 2 a 3 a T
5 Gestione aperiodica x 1 x 2 x 3 b 1 b 2 b 3 Andamento della produzione Andamento delle scorte tempo a 1 a 2 a 3 Andamento delle consegne x T x 1 b 1 x 2 b 2 x 3 b 3 b T T a 1 a 2 a 3 a T
6 Equazioni di stato Tra i valori descritti intercorrono le seguenti relazioni eventuale scorta iniziale e/o finale x 1 + b 0 = a 1 + b 1 x t + b t 1 = a t + b t t = 2,, T 1 x T + b T 1 = a T + b T x t, b t > 0 t = 1, 2,, T x T x 1 b 1 x 2 b 2 x 3 b 3 b T T a 1 a 2 a 3 a T
7 Funzioni di costo La forma della funzione costo influenza le tecniche di soluzione. Sia f: IR n IR, e λ 1,, λ m > 0 tali che Σ λ i = 1. Siano x 1,, x m IR n i=1. Diremo che f è m λ f(x 1 ) + (1 λ)f (x 2 ) f (x) f (x 2 ) f (x 1 ) x 1 x 2 x = λx 1 + (1 λ)x 2 convessa se vale la relazione f (Σ i λ i x i ) > Σ i λ i f (x i )
8 Funzioni di costo La forma della funzione costo influenza le tecniche di soluzione. Sia f: IR n IR, e λ 1,, λ m > 0 tali che Σ λ i = 1. Siano x 1,, x m IR n i=1. Diremo che f è m f (x) λ f(x 1 ) + (1 λ)f (x 2 ) f (x 2 ) f (x 1 ) x 1 x 2 x = λx 1 + (1 λ)x 2 concava se si ha invece f (Σ i λ i x i ) > Σ i λ i f (x i )
9 Funzioni di costo Ad esempio: sono funzioni convesse sono funzioni concave f (x) f (x) x x f (x) non sono né concave né convesse x
10 Un modello convesso Supponiamo che le attività del giorno t comportino costi di produzione P t (x t ) strutturati come segue p t costo per unità prodotta entro la quantità q t P t > p t costo aggiuntivo per ogni unità prodotta oltre la quantità q t (straordinario) di giacenza G t (s t ), proporzionali al livello di scorta g t P t (x t ) costo per unità immagazzinata nel periodo t G t (b t ) p t q t + P t (x t q t ) p t x t q t g t b t x t, b t
11 Obiettivo L obiettivo è minimizzare il costo complessivo (non lineare) min P 1 (x 1 ) + P 2 (x 2 ) + + P T 1 (x T 1 ) + P T (x T ) + + G 1 (b 1 ) + G 2 (b 2 ) + + G T 1 (b T 1 ) Per ottenere un espressione lineare del costo, distinguiamo tra la parte di x t (sia u t ) prodotta senza ricorrere allo straordinario e quella (sia w t ) prodotta ricorrendo allo straordinario: x t = u t + w t 0 < u t < q t, 0 < w t min p 1 u 1 + p 2 u p T u T + + P 1 w 1 + P 2 w P T w T + + g 1 b 1 + g 2 b g T 1 b T 1
12 Problema Minimizzare il costo complessivo Σ t=1,..,t [P t (x t )+ G t (s t )] con l ipotesi di non avere backlog ( b t > 0 per t = 1,, T ) e il vincolo di soddisfare la domanda (equazioni di stato)
13 Problema min Minimizzare p 1 u 1 + p 2 uil 2 + costo complessivo + p T u T + + P 1 w Σ 1 + P 2 w P T w T + + g t=1,..,t [P t (x t )+ G t (s t )] 1 b 1 + g 2 b g T 1 b T 1 soggetto ai vincoli con l ipotesi di non avere backlog ( b t > 0 per t = 1,, T ) u t + w t + b t 1 b t = a t e il uvincolo t di soddisfare < qla t domanda u t, w t,(equazioni b t di > stato) 0 per t = 1,, T
14 Esempio (dati) Periodi gen-feb mar-apr mag-giu lug-ago set-ott nov-dic Costo produzione Costo straordinario Costo giacenza Capacità impianto Domanda
15 Esempio (vincoli) Periodi gen-feb mar-apr mag-giu lug-ago set-ott nov-dic Domanda Capacità impianto u w b Produzione ordinaria Produzione straord. Scorta attuale Scorta precedente Equazioni di stato Riferimento = MATR.SOMMA.PRODOTTO(C13:C16;C8:C11) = 80
16 Esempio (costo) Periodi gen-feb mar-apr mag-giu lug-ago set-ott nov-dic Costo produzione Costo straordinario Costo giacenza u w b Produzione ordinaria Produzione straord. Scorta attuale Scorta precedente Costo totale 0 = MATR.SOMMA.PRODOTTO(C4:H6;C8:H10)
17 Un modello concavo In genere il costo della produzione nel generico periodo t non dipende solo dalla quantità prodotta: produrre una qualsiasi quantità, anche minima, comporta un costo fisso, e lo stesso si può dire della giacenza (nel cui costo possiamo comprendere ad es. la movimentazione all interno dell impianto) Per economia di scala, tuttavia, passare da una produzione (giacenza) di 10 unità a una di 20 costameno che passare da una produzione nulla a una di 10 unità Possiamo infine immaginare che in qualche caso produzione e scorta del giorno non siano sufficienti a coprire la domanda. In questo caso (backlog = scorta negativa) gli ordini saranno soddisfatti facendo giungere, con un costo aggiuntivo, la merce da altri stabilimenti Per tener conto di tutti questi aspetti, la funzione di costo va modificata
18 Un modello concavo In questo modello assumiamo che i costi associati alle attività del giorno t siano così strutturati: P t (x t ) G t (s t ) Costi di produzione P t (x t ) π t costo fisso per attivare la produzione nel periodo t + costo per unità prodotta β t π t Costi di giacenza G t (x t ) γ t β t costo fisso di stoccaggio + costo per unità immagazzinata costo fisso di backlog + costo per unità ordinata all esterno γ t x t, b t
19 Proprietà del poliedro x 1 = a 1 + b 1 x 2 + b 1 = a 2 + b 2 x 3 + b 2 = a 3 + b 3 x T + b T 1 = a T x x 1 + x 2 + x 3 = Σ a i 3 i=1 x 1, x 2, x 3 > 0 T Σ x t = Σ a t t=1 T t=1, x t > 0 x t < b t = Σ x t Σ a t b t < k<t k<t Proprietà1 Il poliedro del problema è limitato (NB: anche se b t non è vincolata in segno)
20 Proprietà del poliedro Proprietà2 Una funzione concava definita in un poliedro limitato ammette un punto di minimo corrispondente a un vertice del poliedro f (x) * P punto di minimo
21 Dimostrazione Dato un poliedro limitato P, siano v 1,, v p i suoi vertici: P = conv(v 1,, v p ) cioè ogni y P, e in particolare un punto y* di minimo per f in P, si può esprimere come combinazione convessadei vertici di P: Ma se f è concava si ha p y* = Σ λ i v i con Σ λ i = 1, λ i > 0 i=1 f(y*) = f (Σ i=1..p λ i v i ) > Σ i=1..p λ i f(v i ) Se dunque v* un punto di minimo per f in {v 1,, v p }, si ha p p i=1 f (v*) <Σλ i f (v i ) = f (y*) perciò anche v* è un punto di minimo per f in P i=1
22 Proprietà delle soluzioni ottime z* = (x*, b*) vertice z* soluzione di base di Az = a z > 0 con A matrice T (2T 1) In altre parole, al più T componenti di z* sono > 0 Se per la scorta iniziale si ha b 0 = 0, deve anche aversi x 1 > a 1 > 0 b t 1 + x t > a t > 0 cioè almeno una tra b t 1 e x t deve essere > 0 per t = 2,, T In altre parole, almeno T componenti di z* sono > 0 Esattamente una tra b t 1 e x t deve essere > 0 per t = 2,, T
23 Proprietà delle soluzioni ottime Dal ragionamento precedente si deduce che ogni soluzione ottima è strutturata come segue: periodi di produzione x i x k 1 b k 1 b k b t 1 i k 1 k t a i a k 1 a k a t e periodi di stasi
24 Algoritmo (Wagner-Whitin, 1958) 1) Si calcola la quantità x i che ènecessario produrre per soddisfare la domanda da i a t x i = a i + a i a t i b i b i+1 b t 1 i+1 t a i a i+1 a t
25 Algoritmo 2) Si calcolano le quantità b i, b i+1,, b t 1 che ènecessario immagazzinare per soddisfare a i+1, a i+2,, a t x i b i = a i a t b i+1 = a i a t i b t 1 = a t i+1 t a i a i+1 a t
26 Algoritmo 3) Si calcola quanto costa produrre (immagazzinare) al tempo i per soddisfare la domanda da i a t: C(i, t) = P i (x i ) + G i (b i ) + G i+1 (b i+1 ) + + G t 1 (b t 1 ) 4) Immaginiamo di conoscere i valori minimi c 0, c 1,, c k 1 del costo da sostenere per soddisfare la domanda in un orizzonte di pianificazione lungo 0, 1,, k 1 (inizialmente, c 0 = 0) 5) Allora il costo sostenuto per soddisfare tutta la domanda fino al periodo k èdato da c k = min i=1,,k {c i 1 + C(i, k)}
27 Calcolo di c k+1 Minimo tra: c 0 = 0 + C(1, k) 1 2 k 2 k 1 k 1 c 1 + C(2, k) 2 k 2 k 1 k 1 2 c 2 + C(3, k) 3 k 2 k 1 k 1 k 2 c k 1 k k 2 + C(k 1, k) 1 k 1 c k k 1 + C(k, k)
28 Esempio 1 livello costi 1/2 2/3 2/3 2/3 1/6 1 1/3 1/3 1/6 = 10 x 1 x 2 x 3 x 4 x 5 1 b 1 2 b 2 3 b 3 4 b
29 Esempio 1 livello costi 1/2 2/3 2/3 2/3 1/6 1 1/3 1/3 1/6 = 10 Costruiamo la matrice C dei valori C(i, t) P 1 (a 1 ) P 1 (a 1 + a 2 ) + G 1 (a 2 ) P 1 (a 1 + a 2 + a 3 ) + G 1 (a 2 + a 3 ) + G 2 (a 3 ) P 2 (a 2 ) P 2 (a 2 + a 3 ) + G 2 (a 3 ) C = P 3 (a 3 ) Produzione nel periodo 1 della domanda dei periodi 1, 2 e 3 Giacenza nel periodo 1 della domanda dei periodi 2 e 3 Giacenza nel periodo 2 della domanda del periodo 3
30 Esempio 1 livello costi 1/2 2/3 2/3 2/3 1/6 1 1/3 1/3 1/6 = 10 P 1 (a (5) 1 ) P 11 (a (8) 1 + a+ 2 ) + G 11 (3) (a 2 ) P 1 (a (12) a 2 G+ 1 (7) a 3 ) + G 21 (4) (a 2 + a 3 ) + G 2 (a 3 ) P 22 (a (3) 2 ) P 2 (a (7) a 3 G) 2 + (4) G 2 (a 3 ) P 3 (4) C = P 3 (a 3 ) a 1 = 5 a 2 = 3 a 3 = 4 a 4 = 6 a 5 = 2
31 Esempio 1 livello costi 1/2 2/3 2/3 2/3 1/6 1 1/3 1/3 1/6 = 10 C = (15 C(1,1) + = 5) 17,5(15 + C(1,2) 8) + (10 = 30,0 + 3) (15 + C(1,3) 12) = + 41,0 (10 + 7) + (5 + 4) (10 + C(2,2) 3) = 11,0 (10 + C(2,3) 7) = + 20,0 (5 + 4) (15 + C(3,3) 4) = 17, a 1 = 5 a 2 = 3 a 3 = 4 a 4 = 6 a 5 = 2
32 Esempio 1 livello costi 1/2 2/3 2/3 2/3 1/6 1 1/3 1/3 1/6 = 10 Sulla base dei valori di C(i, t) è ora possibile calcolare: c 1 = C(1, 1) = 17,5 c 2 = min{c(1, 2); c 1 + C(2, 2)} = min{30,0; 17,5 + 11,0} = 28,5 c 3 = min{c(1, 3); c 1 + C(2, 3); c 2 + C(3, 3)} = = min{41,0; 17,5 + 20,0; 28,5 + 17,7} = 37,5 eccetera
33 Esempio 1 5 Fino a T = 1 la soluzione ottima è ovviamente Fino a T = 2 la soluzione ottima è Fino a T = 3 la soluzione ottima è eccetera Sulla base dei valori di C(i, t) è ora possibile calcolare: c 1 = C(1, 1) = 17,5 c 2 = min{c(1, 2); c 1 + C(2, 2)} = min{30,0; 17,5 + 11,0} = 28,5 c 3 = min{c(1, 3); c 1 + C(2, 3); c 2 + C(3, 3)} = = min{41,0; 17,5 + 20,0; 28,5 + 17,7} = 37,5 eccetera
34 Esempio 2 (dati) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Q Domanda costo di produzione nel primo bimestre costo di giacenza nel primo bimestre
35 Esempio 2 (calcolo di P t ) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Domanda da 1 a t da 2 a t da 3 a t Dom. cumulativa da 4 a t da 5 a t da 6 a t Q Costo di produzione da 1 a t da 2 a t da 3 a t da 4 a t da 5 a t da 6 a t Costo_produzione(2,4) E G = SEGNO(G9)*$E$2 + SE(G9 <= $E$15; $E$3*G9; $E$3*$E$15 + $E$4*(G9 $E$15))
36 Esempio 2 (calcolo di G t ) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Domanda da 1 a t da 2 a t da 3 a t Dom. cumulativa da 4 a t da 5 a t da 6 a t Q Costo di giacenza da 1 a t da 2 a t da 3 a t da 4 a t da 5 a t da 6 a t D E = MATR.PRODOTTO(D$5:D$5;E9:E9)
37 Esempio 2 (calcolo di G t ) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Domanda da 1 a t da 2 a t da 3 a t Dom. cumulativa da 4 a t da 5 a t da 6 a t Q Costo di giacenza da 1 a t da 2 a t da 3 a t da 4 a t da 5 a t da 6 a t D E F = MATR.PRODOTTO(D$5:E$5;F9:F10)
38 Esempio 2 (calcolo di G t ) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Domanda da 1 a t da 2 a t da 3 a t Dom. cumulativa da 4 a t da 5 a t da 6 a t Q Costo di giacenza da 1 a t da 2 a t da 3 a t da 4 a t da 5 a t da 6 a t D E F G H I = MATR.PRODOTTO(D$5:H$5;I9:I13)
39 Esempio 2 (calcolo di G t ) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Domanda da 1 a t da 2 a t da 3 a t Dom. cumulativa da 4 a t da 5 a t da 6 a t Q Costo di giacenza da 1 a t da 2 a t da 3 a t da 4 a t da 5 a t da 6 a t Costo_giacenza(2,4) E F G = MATR.PRODOTTO(E$5:F$5;G10:G11)
40 Esempio 2 (calcolo di C(i, t)) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Domanda Q C(i, t) Gen-Feb Mar-Apr Mag-Giu Lug-Ago Set-Ott Nov-Dic Gen-Feb Mar-Apr Mag-Giu Lug-Ago Set-Ott Nov-Dic C(2, 4) = Costo_produzione(2, 4) + Costo_giacenza(2, 4)
41 Esempio 2 (soluzione) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Domanda Q C(i, t) Gen-Feb Mar-Apr Mag-Giu Lug-Ago Set-Ott Nov-Dic Gen-Feb C(1, 1) C(1, 2) C(1, 3) C(1, 4) C(1, 5) C(1, 6) Mar-Apr C(2, 2) C(2, 3) C(2, 4) C(2, 5) C(2, 6) Mag-Giu C(3, 3) C(3, 4) C(3, 5) C(3, 6) Lug-Ago C(4, 4) C(4, 5) C(4, 6) Set-Ott C(5, 5) C(5, 6) Nov-Dic C(6, 6) c1 c2 c3 c4 c5 c6 costo minimo 12 D = D$12
42 Esempio 2 (soluzione) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Domanda Q C(i, t) Gen-Feb Mar-Apr Mag-Giu Lug-Ago Set-Ott Nov-Dic Gen-Feb C(1, 1) C(1, 2) C(1, 3) C(1, 4) C(1, 5) C(1, 6) Mar-Apr C(2, 2) C(2, 3) C(2, 4) C(2, 5) C(2, 6) Mag-Giu C(3, 3) C(3, 4) C(3, 5) C(3, 6) Lug-Ago C(4, 4) C(4, 5) C(4, 6) Set-Ott C(5, 5) C(5, 6) Nov-Dic C(6, 6) c1 c2 c3 c4 c5 c6 costo minimo D E = MIN(E$12; D19 + E$13)
43 Esempio 2 (soluzione) gen-feb mar-apr mag-giu lug-ago set-ott nov-dic fisso Costo di produzione per unità fino a Q per unità oltre Q Costo di giacenza per unità Domanda Q C(i, t) Gen-Feb Mar-Apr Mag-Giu Lug-Ago Set-Ott Nov-Dic Gen-Feb C(1, 1) C(1, 2) C(1, 3) C(1, 4) C(1, 5) C(1, 6) Mar-Apr C(2, 2) C(2, 3) C(2, 4) C(2, 5) C(2, 6) Mag-Giu C(3, 3) C(3, 4) C(3, 5) C(3, 6) Lug-Ago C(4, 4) C(4, 5) C(4, 6) Set-Ott C(5, 5) C(5, 6) Nov-Dic C(6, 6) c1 c2 c3 c4 c5 c6 costo minimo D E F = MIN(F$12; D$19 + F$13; E$19 + F$14)
44 Modelli per la gestione delle scorte Claudio Arbib Università di L Aquila Terza Parte
45 Sommario Gestione di più scorte risorse multiple ad assorbimento irregolare: formulazione come programmazione lineare intera esempio di applicazione
46 Gestione di più scorte I modelli visti in precedenza non consentono in generale di ottimizzare la gestione simultanea di più scorte Per superare l inconveniente si può tuttavia ricorrere a un modello di ottimizzazione basato sulla programmazione lineare intera Relativamente al giorno t si indichi con a it b it r it = l assorbimento = il livello di scorta = il rifornimento g it = il costo unitario di giacenza della risorsa i (i = 1,, m)
47 Gestione di più scorte Le risorse vengono acquisite da p magazzini distinti: sia R h l insieme di risorse acquisite dal magazzino h Customer R 1 Supplier 1 Relativamente al giorno t si indichi con a it b it r it = l assorbimento = il livello di scorta = il rifornimento g it = il costo unitario di giacenza della risorsa i (i = 1,, m) R p Supplier p
48 Gestione di più scorte Il costo di spedizione dipende dal magazzino di provenienza: sia c 0h il costo sostenuto per spedire fino a δ h unitàdi risorsa dal magazzino h costo kc 0h per (k 1)δ h < r < kδ h quantità Relativamente al giorno t si indichi con a it b it r it = l assorbimento = il livello di scorta = il rifornimento g it = il costo unitario di giacenza della risorsa i (i = 1,, m) Sia x ht = numero di spedizioni dal magazzino h il giorno t
49 Gestione di più scorte Il problema si formula: min p Σ c 0h Σ x ht + Σ Σ g it b it h=1 t T i=1 t T b i,t = b i,t 1 + r i,t 1 a i,t (per i = 1,, m, t T) Σ r it i R h < δ h x ht (per h = 1,, p, t T) x ht, r it, b it > 0 x ht intero m Relativamente al giorno t si indichi con a it b it r it = l assorbimento = il livello di scorta = il rifornimento g it = il costo unitario di giacenza della risorsa i (i = 1,, m) Sia x ht = numero di spedizioni dal magazzino h il giorno t
50 Esempio Un impianto assorbe 3 tipi di risorse. Nei prossimi 12 giorni si prevede che il loro valore fluttui secondo la tabella seguente giorno g g2 costo g3 andamento del costo di giacenza costo Risorsa 1 Risorsa 2 Risorsa giorno
51 Esempio La domanda di prodotto nei vari giorni induce il seguente assorbimento di risorse 1, 2 e 3 giorno g g2 costo g3 2,0 2,1 2,1 1,8 1,0 1,2 1,6 2,2 0,3 1,0 a1 3,0 3,0 3,0 3,0 4,0 1,0 3,0 a2 assorbimento 2,0 2,1 2,6 4,0 1,0 5,0 a3
52 Esempio La domanda di prodotto nei vari giorni induce il seguente assorbimento di risorse 1, 2 e 3 giorno g g2 costo g3 2,0 2,1 2,1 1,8 1,0 1,2 1,6 2,2 0,3 1,0 a1 3,0 3,0 3,0 3,0 4,0 1,0 3,0 a2 assorbimento 2,0 2,1 2,6 4,0 1,0 5,0 a3 5,0 b1 4,0 b2 scorta residua 2,0 b3 Questo è il livello iniziale delle scorte.
53 Esempio La domanda di prodotto nei vari giorni induce il seguente assorbimento di risorse 1, 2 e 3 giorno g g2 costo g3 2,0 2,1 2,1 1,8 1,0 1,2 1,6 2,2 0,3 1,0 a1 3,0 3,0 3,0 3,0 4,0 1,0 3,0 a2 assorbimento 2,0 2,1 2,6 4,0 1,0 5,0 a3 5,0 b1 4,0 b2 scorta residua spedizioni 2,0 b3 400 c0a 500 c0b Le risorse 1 e 2 provengono dal magazzino A, la risorsa 3 dal magazzino B. Una spedizione da A costa c 0A = 400, una da B c 0B = 500
54 Esempio La domanda di prodotto nei vari giorni induce il seguente assorbimento di risorse 1, 2 e 3 giorno g g2 costo g3 2,0 2,1 2,1 1,8 1,0 1,2 1,6 2,2 0,3 1,0 a1 3,0 3,0 3,0 3,0 4,0 1,0 3,0 a2 assorbimento 2,0 2,1 2,6 4,0 1,0 5,0 a3 5,0 b1 4,0 b2 scorta residua spedizioni capienza 2,0 b3 400 c0a 500 c0b 20 delta1 18 delta2 In una spedizione si possono trasportare fino a 20 unità (di risorsa 1 e 2) da A e fino a 18 (di risorsa 3) da B
55 Esempio Le variabili di decisione del modello sono, per ogni giorno, le spedizioni da ciascun magazzino i livelli di scorta e i quantitativi trasportati di ciascuna risorsa giorno g g2 costo g3 2,0 2,1 2,1 1,8 1,0 1,2 1,6 2,2 0,3 1,0 a1 3,0 3,0 3,0 3,0 4,0 1,0 3,0 a2 assorbimento 2,0 2,1 2,6 4,0 1,0 5,0 a3 5,0 b1 4,0 b2 scorta residua 2,0 b3 r1 r2 rifornimento r3 400 c0a spedizioni 500 c0b 20 delta1 capienza 18 delta2 Le prime variabili sono intere, le altre reali, tutte non negative
56 Esempio Il costo si ottiene sommando il numero di spedizioni dai magazzini moltiplicato per i risp. costi i livelli di scorta moltiplicati scalarmente per i costi di giacenza giorno g g2 costo g3 2,0 2,1 2,1 1,8 1,0 1,2 1,6 2,2 0,3 1,0 a1 3,0 3,0 3,0 3,0 4,0 1,0 3,0 a2 assorbimento 2,0 2,1 2,6 4,0 1,0 5,0 a3 5,0 b1 4,0 b2 scorta residua 2,0 b3 r1 r2 rifornimento r3 400 c0a spedizioni 500 c0b 20 delta1 capienza 18 delta2 MATR.SOMMA.PRODOTTO(C2:N4;C8:N10) + N$14$*SOMMA(B14:M14) + N$15$*SOMMA(B15:M15)
57 Esempio Introdotti i vincoli di bilanciamento: b i,t 1 + r i,t 1 b i,t = a i,t capienza: δ h x ht Σ Rh r it > 0 si risolve il problema ottenendo giorno g g2 costo g3 2,0 2,1 2,1 1,8 1,0 1,2 1,6 2,2 0,3 1,0 a1 3,0 3,0 3,0 3,0 4,0 1,0 3,0 a2 assorbimento 2,0 2,1 2,6 4,0 1,0 5,0 a3 5,0 b1 4,0 b2 scorta residua 2,0 b3 r1 r2 rifornimento r3 400 c0a spedizioni 500 c0b bilanciamento delta1 capienza delta2
58 Esempio Introdotti i vincoli di bilanciamento: b i,t 1 + r i,t 1 b i,t = a i,t capienza: δ h x ht Σ Rh r it > 0 si risolve il problema ottenendo giorno g g2 costo g3 2,0 2,1 2,1 1,8 1,0 1,2 1,6 2,2 0,3 1,0 a1 3,0 3,0 3,0 3,0 4,0 1,0 3,0 a2 assorbimento 2,0 2,1 2,6 4,0 1,0 5,0 a3 5,0 3,0 0,9 2,8 1,0 1,0 0,0 5,1 3,5 1,3 1,3 1,0 0,0 b1 4,0 1,0 1,0 3,0 0,0 0,0 0,0 8,0 4,0 3,0 3,0 3,0 0,0 b2 scorta residua 2,0 2,0 0,0 0,0 0,0 12,6 10,0 10,0 10,0 6,0 5,0 5,0 0,0 b3 0,0 0,0 4,0 0,0 0,0 0,0 6,3 0,0 0,0 0,0 0,0 0,0 r1 0,0 0,0 5,0 0,0 0,0 0,0 11,0 0,0 0,0 0,0 0,0 0,0 r2 rifornimento 0,0 0,0 0,0 0,0 14,7 0,0 0,0 0,0 0,0 0,0 0,0 0,0 r c0a spedizioni c0b bilanciamento delta1 capienza delta2
59 Esempio Dalla lettura della soluzione si deducono le operazioni giornaliere di assorbimento, ricognizione scorta residua e rifornimento giorno g g2 costo g3 2,0 2,1 2,1 1,8 1,0 1,2 1,6 2,2 0,3 1,0 a1 3,0 3,0 3,0 3,0 4,0 1,0 3,0 a2 assorbimento 2,0 2,1 2,6 4,0 1,0 5,0 a3 5,0 3,0 0,9 2,8 1,0 1,0 0,0 5,1 3,5 1,3 1,3 1,0 0,0 b1 4,0 1,0 1,0 3,0 0,0 0,0 0,0 8,0 4,0 3,0 3,0 3,0 0,0 b2 scorta residua 2,0 2,0 0,0 0,0 0,0 12,6 10,0 10,0 10,0 6,0 5,0 5,0 0,0 b3 0,0 0,0 4,0 0,0 0,0 0,0 6,3 0,0 0,0 0,0 0,0 0,0 r1 0,0 0,0 5,0 0,0 0,0 0,0 11,0 0,0 0,0 0,0 0,0 0,0 r2 rifornimento 0,0 0,0 0,0 0,0 14,7 0,0 0,0 0,0 0,0 0,0 0,0 0,0 r c0a spedizioni c0b bilanciamento delta1 capienza delta2
60 Esempio Dalla lettura della soluzione si deducono le operazioni giornaliere di assorbimento, ricognizione scorta residua e rifornimento 25 scorta residua 20 rifornimento scorta 1 scorta 2 scorta 3 rifornimento 1 rifornimento 2 rifornimento 3
Modelli per la gestione delle scorte
Modelli per la gestione delle scorte Claudio Arbib Universitàdi L Aquila Seconda Parte Sommario Sui problemi di gestione aperiodica equazioni di stato Funzioni di costo Un modello convesso formulazione
DettagliModelli per la gestione delle scorte
Modelli per la gestione delle scorte Claudio Arbib Universitàdi L Aquila Terza Parte Sommario Gestione simultanea di scorte eterogenee risorse multiple ad irregolare: formulazione come programmazione lineare
DettagliModelli di Programmazione Lineare e Programmazione Lineare Intera
Modelli di Programmazione Lineare e Programmazione Lineare Intera 1 Azienda Dolciaria Un azienda di cioccolatini deve pianificare la produzione per i prossimi m mesi. In ogni mese l azienda ha a disposizione
Dettaglimese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000
1.7 Servizi informatici. Un negozio di servizi informatici stima la richiesta di ore di manutenzione/consulenza per i prossimi cinque mesi: mese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000 All inizio
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
DettagliModelli di Programmazione Lineare Intera
8 Modelli di Programmazione Lineare Intera 8.1 MODELLI DI PROGRAMMAZIONE LINEARE INTERA Esercizio 8.1.1 Una compagnia petrolifera dispone di 5 pozzi (P1, P2, P3, P4, P5) dai quali può estrarre petrolio.
Dettagli1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.
. Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,
DettagliModelli 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
DettagliMICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza
MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare
DettagliLogistica - Il problema del trasporto
Logistica - Il problema del trasporto Federico Di Palma December 17, 2009 Il problema del trasporto sorge ogniqualvolta si debba movimentare della merce da una o più sorgenti verso una o più destinazioni
DettagliDimensionamento dei lotti di produzione: il caso con variabilità nota
Dimensionamento dei lotti di produzione: il caso con variabilità nota A. Agnetis In questi appunti studieremo alcuni modelli per il problema del lot sizing, vale a dire il problema di programmare la dimensione
DettagliModello matematico PROGRAMMAZIONE LINEARE PROGRAMMAZIONE LINEARE
PRGRMMZIN LINR Problemi di P.L. in due variabili metodo grafico efinizione: la programmazione lineare serve per determinare l allocazione ottimale di risorse disponibili in quantità limitata, per ottimizzare
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliOttimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni
Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 14 marzo 2013 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2013.html IL PARI O DISPARI I II S T S (-1, 1) (1, -1)
DettagliPaperone e Rockerduck: a cosa serve l antitrust?
Paperone e Rockerduck: a cosa serve l antitrust? Paperone Anna Torre, Rockerduck Ludovico Pernazza 1-14 giugno 01 Università di Pavia, Dipartimento di Matematica Concorrenza Due imprese Pap e Rock operano
DettagliLa Programmazione Lineare
4 La Programmazione Lineare 4.1 INTERPRETAZIONE GEOMETRICA DI UN PROBLEMA DI PROGRAMMAZIONE LINEARE Esercizio 4.1.1 Fornire una rappresentazione geometrica e risolvere graficamente i seguenti problemi
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliGESTIONE DELL INFORMAZIONE AZIENDALE GRUPPO A prova scritta del 20 maggio 2004
GESTIONE DELL INFORMAZIONE AZIENDALE GRUPPO A prova scritta del 20 maggio 2004 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
DettagliRicerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare
Ricerca Operativa A.A. 2007/2008 10. Dualità in Programmazione Lineare Luigi De Giovanni - Ricerca Operativa - 10. Dualità in Programmazione Lineare 10.1 Soluzione di un problema di PL: punti di vista
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 6. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 6 Docente: Laura Palagi PIANIFICAZIONE DELLA PRODUZIONE 2 Si distingue in: PRODUCTION PLANNING: Tentativo
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliUniversità degli Studi di Milano / Bicocca Facoltà di Economia. Prova scritta del 12 luglio 2011 SOLUZIONI
Università degli Studi di Milano / Bicocca Facoltà di Economia MATEMATICA FINANZIARIA EcoCom A-Le / Li-Z Prova scritta del luglio SOLUZIONI Per gli studenti immatricolati entro il 7/8 (45cfu): L operazione
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliEquazioni alle differenze finite (cenni).
AL 011. Equazioni alle differenze finite (cenni). Sia a n } n IN una successione di numeri reali. (Qui usiamo la convenzione IN = 0, 1,,...}). Diremo che è una successione ricorsiva o definita per ricorrenza
Dettagli1. 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
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
DettagliLa Minimizzazione dei costi
La Minimizzazione dei costi Il nostro obiettivo è lo studio del comportamento di un impresa che massimizza il profitto sia in mercati concorrenziali che non concorrenziali. Ora vedremo la fase della minimizzazione
DettagliRicerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani
Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. Nel deposito i è immagazzinata la quantità a i di prodotto. Nel
DettagliVC-dimension: Esempio
VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
DettagliLA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ
LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliSIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno
SIMULAZIONE ESAME di OTTIMIZZAZIONE 28 novembre 2005 SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno Cognome : XXXXXXXXXXXXXXXXX Nome : XXXXXXXXXXXXXX VALUTAZIONE
DettagliPROGRAMMAZIONE LINEARE IN DUE VARIABILI
1 PROGRAMMAZIONE LINEARE IN DUE VARIABILI La ricerca operativa nata durante la seconda guerra mondiale ed utilizzata in ambito militare, oggi viene applicata all industria, nel settore pubblico e nell
DettagliSOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015
SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()
DettagliAi fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:
1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
DettagliIL PROBLEMA DELLE SCORTE
IL PROBLEMA DELLE SCORTE Un problema di Ricerca Operativa, di notevole interesse pratico, è il problema della gestione delle scorte, detto anche di controllo delle giacenze di magazzino. Esso riguarda
DettagliSe x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2
NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliScelte intertemporali e decisioni di risparmio
CAPITOLO 4 Scelte intertemporali e decisioni di risparmio Esercizio 4.1. Tizio deve decidere la spesa per consumo corrente, c 0, e quella per consumo futuro,. Le sue preferenze sono rappresentate dalla
DettagliIndice. 1 Il settore reale --------------------------------------------------------------------------------------------- 3
INSEGNAMENTO DI ECONOMIA POLITICA LEZIONE VI IL MERCATO REALE PROF. ALDO VASTOLA Indice 1 Il settore reale ---------------------------------------------------------------------------------------------
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliAppello di Ricerca Operativa A.A. 2006-2007 (29/3/2007)
Nome... Cognome... 1 Appello di Ricerca Operativa A.A. 2006-2007 (29/3/2007) Si consideri la funzione f(x) = 4x 2 1 + 6x 4 2 2x 2 1x 2. Si applichi per un iterazione il metodo del gradiente a partire dai
DettagliCapitolo 10 Costi. Robert H. Frank Microeconomia - 5 a Edizione Copyright 2010 - The McGraw-Hill Companies, srl
Capitolo 10 Costi COSTI Per poter realizzare la produzione l impresa sostiene dei costi Si tratta di scegliere la combinazione ottimale dei fattori produttivi per l impresa È bene ricordare che la categoria
DettagliL ANALISI ABC PER LA GESTIONE DEL MAGAZZINO
L ANALISI ABC PER LA GESTIONE DEL MAGAZZINO È noto che la gestione del magazzino è uno dei costi nascosti più difficili da analizzare e, soprattutto, da contenere. Le nuove tecniche hanno, però, permesso
DettagliEsempi di funzione. Scheda Tre
Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.
DettagliI margini lordi nelle aziende che producono su commessa Il caso Sicilyelectronic srl
I margini lordi nelle aziende che producono su commessa Il caso Sicilyelectronic srl Corso di Economia Aziendale (esercitazioni) Università degli Studi di Palermo Agenda Caratteristiche delle aziende che
DettagliSia data la rete di fig. 1 costituita da tre resistori,,, e da due generatori indipendenti ideali di corrente ed. Fig. 1
Analisi delle reti 1. Analisi nodale (metodo dei potenziali dei nodi) 1.1 Analisi nodale in assenza di generatori di tensione L'analisi nodale, detta altresì metodo dei potenziali ai nodi, è un procedimento
DettagliRicerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari
Ricerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari Esercizio n.1 Un azienda intende incrementare il proprio organico per ricoprire alcuni compiti scoperti. I dati relativi ai compiti
DettagliL analisi dei costi: il costing
L analisi dei Costi - a.a. 2012/2013 L analisi dei costi: il costing 1 La tecnica del costing (1) Il termine costing indica la tecnica specificatamente rivolta alla rilevazione dei costi. Negli ultimi
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 2011/2012 Lezione 10: Variabili e vincoli logici Variabili logiche Spesso nei problemi reali che dobbiamo affrontare ci sono dei
DettagliSequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione
Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione presentato in questo file trova la seq. a costo minimo per
DettagliIntorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in
Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato
DettagliRicerca Operativa Esercizio 1
E1 Esercizio 1 La fonderia ESSELLE deve produrre esattamente 1000 pezzi del peso di un chilogrammo ciascuno. Il ferro con cui questi pezzi saranno fatti deve contenere manganese e silicio nelle seguenti
DettagliCapitolo 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
DettagliTransitori del primo ordine
Università di Ferrara Corso di Elettrotecnica Transitori del primo ordine Si consideri il circuito in figura, composto da un generatore ideale di tensione, una resistenza ed una capacità. I tre bipoli
DettagliOgni azienda ha la necessità di conoscere il proprio sistema dei costi sia per controllare la situazione esistente che per verificare il
Ogni azienda ha la necessità di conoscere il proprio sistema dei costi sia per controllare la situazione esistente che per verificare il raggiungimento degli obiettivi avendo come fine il mantenimento
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 20/202 Lezione 6-8 Rappresentazione di funzioni non lineari: - Costi fissi - Funzioni lineari a tratti Funzioni obiettivo non lineari:
DettagliEconomia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A. 2013-2014. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA QUARTA SETTIMANA
Economia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A. 2013-2014. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA QUARTA SETTIMANA SURPLUS del CONSUMATORE E utile poter disporre di una misura monetaria
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliCapitolo 2 Distribuzioni di frequenza
Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.
DettagliAnalisi dei costi di produzione
Analisi dei costi di produzione industriale Analisi dei costi 1 Comportamento dei costi La produzione è resa possibile dall impiego di diversi fattori. L attività di produzione consuma l utilità dei beni
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
DettagliPROBLEMI DI SCELTA. Problemi di. Scelta. Modello Matematico. Effetti Differiti. A Carattere Continuo. A più variabili d azione (Programmazione
1 PROBLEMI DI SCELTA Problemi di Scelta Campo di Scelta Funzione Obiettivo Modello Matematico Scelte in condizioni di Certezza Scelte in condizioni di Incertezza Effetti Immediati Effetti Differiti Effetti
DettagliCURVE DI LIVELLO. Per avere informazioni sull andamento di una funzione f : D IR n IR può essere utile considerare i suoi insiemi di livello.
CURVE DI LIVELLO Per avere informazioni sull andamento di una funzione f : D IR n IR può essere utile considerare i suoi insiemi di livello. Definizione. Si chiama insieme di livello k della funzione f
DettagliLa teoria dell offerta
La teoria dell offerta Tecnologia e costi di produzione In questa lezione approfondiamo l analisi del comportamento delle imprese e quindi delle determinanti dell offerta. In particolare: è possibile individuare
DettagliRichiami di teoria della domanda di moneta
Richiami di teoria della domanda di moneta Parte seconda La teoria della preferenza della liquidità di Keynes Keynes distingue tre moventi principali per cui si detiene moneta. Transattivo Precauzionale
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliAppunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.
Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine
DettagliALGORITMO DEL SIMPLESSO
ALGORITMO DEL SIMPLESSO ESERCITAZIONI DI RICERCA OPERATIVA 1 ESERCIZIO 1. Risolvere il seguente programma lineare (a) con il metodo del simplesso e (b) con il metodo grafico. (1) min x 1 x () (3) (4) (5)
DettagliLa metodologia di determinazione dei Margini Futures Straddle
La metodologia di determinazione dei Margini Futures Straddle Ufficio RM Versione.0 Indice Premessa... 3 Definizione e finalità dei margini Futures Straddle... 3 3 La metodologia di calcolo... 4 Pagina
Dettaglicosto 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
DettagliProduzione 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,
DettagliEsercitazione del 5/10/09
Esercitazione del 5/10/09 A cura di Giuseppe Gori (giuseppe.gori@unibo.it) Corso di Microeconomia, Docente Luigi Marattin 1 Esercizi. 1.1 Le curve di domanda e di offerta in un dato mercato sono date da:
DettagliInsiemi di livello e limiti in più variabili
Insiemi di livello e iti in più variabili Insiemi di livello Si consideri una funzione f : A R, con A R n. Un modo per poter studiare il comportamento di una funzione in più variabili potrebbe essere quello
DettagliCapitolo II. La forma del valore. 7. La duplice forma in cui si presenta la merce: naturale e di valore.
Capitolo II La forma del valore 7. La duplice forma in cui si presenta la merce: naturale e di valore. I beni nascono come valori d uso: nel loro divenire merci acquisiscono anche un valore (di scambio).
DettagliFORWARD RATE AGREEMENT
FORWARD RATE AGREEMENT FLAVIO ANGELINI. Definizioni In generale, un contratto a termine o forward permette una compravendita di una certa quantità di un bene differita a una data futura a un prezzo fissato
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliI COSTI NEL BREVE PERIODO
Capitolo 10 Costi COSTI Occorre collegare la produzione dell impresa ai costi sostenuti per realizzarla, sia nel breve, sia nel lungo periodo Si tratta di scegliere la combinazione ottimale dei fattori
DettagliBlanchard, Macroeconomia Una prospettiva europea, Il Mulino 2011 Capitolo IV. I mercati finanziari. Capitolo IV. I mercati finanziari
Capitolo IV. I mercati finanziari 1. La domanda di moneta La moneta può essere usata per transazioni, ma non paga interessi. In realtà ci sono due tipi di moneta: il circolante, la moneta metallica e cartacea,
DettagliEsercizi di Macroeconomia per il corso di Economia Politica
Esercizi di Macroeconomia per il corso di Economia Politica (Gli esercizi sono suddivisi in base ai capitoli del testo di De Vincenti) CAPITOLO 3. IL MERCATO DEI BENI NEL MODELLO REDDITO-SPESA Esercizio.
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliEpoca k Rata Rk Capitale Ck interessi Ik residuo Dk Ek 0 S 0 1 C1 Ik=i*S Dk=S-C1. n 0 S
L AMMORTAMENTO Gli ammortamenti sono un altra apllicazione delle rendite. Il prestito è un operazione finanziaria caratterizzata da un flusso di cassa positivo (mi prendo i soldi in prestito) seguito da
DettagliAcquisizione delle immobilizzazioni materiali: acquisto
Acquisizione delle immobilizzazioni materiali: acquisto Premessa Le immobilizzazioni, sia esse materiali che immateriali, possono entrare a far parte del patrimonio aziendale in tre modi diversi: in seguito
Dettagli