Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 24. Docente: Laura Palagi

Documenti analoghi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 1. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 10. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 26. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 13. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 19. Docente: Laura Palagi

Problemi di Flusso e Applicazioni

Problemi di Flusso: Il modello del Trasporto

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 21. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 3. Docente: Laura Palagi

Esercitazione n o 6 per il corso di Ricerca Operativa

Flusso a Costo Minimo

Esercitazione n o 3 per il corso di Ricerca Operativa

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 6. Docente: Laura Palagi

Ottimizzazione marginale

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 4. Docente: Laura Palagi

Management Sanitario. Modulo di Ricerca Operativa 2 a lezione: un problema di assegnamento

Appendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19

Programmazione Lineare Intera

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 18. Docente: Laura Palagi

Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso

Modelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli

Teoria della Programmazione Lineare Intera

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 11. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 33. Docente: Laura Palagi

PROBLEMI DI SCELTA dipendenti da due variabili d azione

La dualità nella Programmazione Lineare

Problemi di localizzazione di servizi (Facility Location Problems)

Esercitazione n o 7 per il corso di Ricerca Operativa

Ricerca Operativa A.A. 2007/ Esercitazione di laboratorio: analisi di sensitività

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4

5.5 Metodi dei piani di taglio

Programmazione Lineare Intera: Piani di Taglio

Domande 1. La domanda e l offerta del bene 1 sono date rispettivamente da:

ECONOMIA APPLICATA ALL INGEGNERIA (Docente: Prof. Ing. Donato Morea)

ESERCITAZIONE 3: Produzione e costi

COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04

Figura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.

Introduzione alla ricerca operativa Problemi e modelli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 9. Docente: Laura Palagi

TEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1.

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI

Miscelazione di benzine

Modelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli

La programmazione lineare

Introduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard

COMPITO DI RICERCA OPERATIVA. max 5 2x 1 + 3x 2 x 3 = 2 + x 1 5x 2 x 4 = 5 + x 2. x 5 = 1 + x 1 x 2

LEZIONE N. 6 - PARTE 1 - Introduzione

Progetto PI , passo A.1 versione del 6 febbraio 2007

UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013

Un problema di Capital Budgeting

Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto.

DIREZIONE GENERALE PER GLI AEROPORTI ED IL TRASPORTO AEREO GLI ONERI DI SERVIZIO PUBBLICO NEI COLLEGAMENTI AEREI

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

Il problema del commesso viaggiatore e problemi di vehicle routing

a) Tracciare le curve del ricavo marginale e del costo marginale. b) Quale quantità deciderà di produrre?

Un applicazione della programmazione lineare ai problemi di trasporto

Esami a. a Analisi Matematica Svolgere i seguenti esercizi motivando tutte le risposte.

ESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017. Esercizi di Programmazione Lineare in Aula

Lezione 2 Un modello di produzione

ESERCITAZIONE 7: STRATEGIE DI PREZZO E EQUILIBRIO ECONOMICO GENERALE

5.5 Metodi generali per la soluzione di problemi

Lavoro Quantità. si determinino prodotto marginale e medio del fattore lavoro.

Esercizio 1. Esercizio 2

Risolvere lo stesso problema ipotizzando che le scarpe siano vendute a 40 il paio e che gli scarponi siano venduti a 90 il paio.

Compito di Informatica Grafica 5 appello 02/07/2007

Esercitazione n o 7 per il corso di Ricerca Operativa

Esercizio 10.1 Pagina 1 di 2 ESERCIZIO 10.1

Capitolo 7 Organizzazione e comportamento dell impresa

Il modello duale. Capitolo settimo. Introduzione

RICERCA OPERATIVA. Tema d esame del 04/03/2008 (Simulazione)

Universita degli Studi di Siena

Segmentazione del mercato tramite menù di contratti nel settore del software

Esercitazione 14 Aprile 2016 (Viki Nellas)

Lezione 15 Analisi dei costi VECCHIO LIBRO: Saltare par Solo da leggere 6.3

Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities

ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I

x 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =

Prova di verifica n. 2

LA PROGRAMMAZIONE MATEMATICA (p.m.)

Esercizi soluzione grafica e Branch and Bound. Daniele Vigo

Un esempio di applicazione della programmazione lineare intera: il Sudoku

Tema d esame del 15/02/12

Metodi e modelli per le decisioni

Logistica - Programmazione lineare

CONCORRENZA TRA TRENO E AEREO

Teoria della Dualità: I Introduzione

3.6 Metodi basati sui piani di taglio

UNIVERSITÀ DEGLI STUDI DI BERGAMO - Facoltà di Ingegneria CORSO SISTEMI DI CONTROLLO DI GESTIONE Ingegneria Informatica Prof. Sergio Mascheretti

La produzione turistica

Esercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania

Introduzione alla RO - Parte II

Università degli studi di Roma Tor Vergata. Facoltà di Economia Corso di laurea in Economia aziendale

Università degli Studi di Napoli "Federico II" - Facoltà di Ingegneria Corso di Ricerca Operativa - Prova d'esame del (Prof.

Algoritmo di Branch & Bound

Soluzione dei Problemi di Programmazione Lineare

Lezioni di Ricerca Operativa 2 Dott. F. Carrabs

= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ

Possibile applicazione

Mobility Conference 8 febbraio Roberto Zucchetti CERTeT Università Bocconi roberto.zucchetti@unibocconi.it

Transcript:

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 24 Docente: Laura Palagi

Problema di Revenue management aereo in sistema Hub and Spoke

Una compagnia aerea (AIRL)dispone di m aeroplani e serve le città: O città HUB m città SPOKES D 1...D m (connesse all hub da una rotta) Ogni bank serve in totale 2m + m(m-1) voli: m voli di andata e m voli di ritorno dall hub O verso le città spoke D i, con i = 1,...,m Voli da D i a D j e ritorno, con i,j =1,,m

Si assuma che: Il tragitto da una D i a D j prevede sempre il passaggio per l HUB (O); I voli arrivano simultaneamente alla città Hub dove è prevista una sosta minima; Due tariffe aeree: Standard t ij (economica/solo andata) e Senior t ij S (tariffa agevolata sconto 90%); Per ogni rotta si conosce la domanda prevista d ij e d ij S (previsione senza incertezza) per posti rispettivamente a tariffa Standard e Senior; Ogni aeroplano ha una capienza massima C di posti prenotabili; In alcuni casi la domanda prevista eccede la capacità C su ogni possibile rotta;

IL NOSTRO TARGET Determinare il numero di biglietti a tariffa Standard e Senior, da vendere per ogni possibile rotta al fine di massimizzare il profitto

MODELLO GENERALE Variabili di Decisione X ij = Numero biglietti alla tariffa Standard venduti Y ij = Numero biglietti alla tariffa Senior venduti Per la tratta da D i a D j con i, j = 1,...,m + 1 e i j dove m +1 = HUB

Di capacità m+1 j=1 m+1 i=1 ( x ij + y ij ) C ( x ij + y ij ) C i = 1,...,m j = 1,...,m VINCOLI Di domanda x ij d ij y ij d ij S i, j = 1,...,m + 1 Di non negatività x ij 0 y ij 0 i, j = 1,...,m + 1

Funzione Obiettivo max m Σ + 1 m Σ + 1 (x t + y t s ) ij ij ij ij j = 1 i = 1 con i j, t ij tariffa Standard t s ij tariffa Senior Per la tratta da D i a D j

Problema di Revenue management aereo in sistema Hub and spoke m + 1 m + 1 Max ( x ij t ij + y ij t ij S ) s.t. i = 1 m + 1 j = 1 m + 1 j = 1 ( x ij + y ij ) C ( x ij + y ij ) C i = 1,...,m j = 1,...,m D 2 D 1 hub D m D m-1.. D 8. i = 1 0 x ij d ij 0 y ij d ij S i,j = 1,...,m + 1 D 3 D 4 D 6 D 5 D 7

Problema Specifico (m = 3) Hub={Houston (HOU)}; Spoke={Chicago (ORD), Miami (MIA), Phoenix(PH)}; 12 Possibili Rotte 6 da Houston alle città spoke e ritorno O a D j {HOU-ORD,HOU-MIA,HOU-PH e ritorno}; 6 da D i a D j ={ORD-MIA,ORD-PH,MIA-PH,MIA-ORD, PH-ORD,PH-MIA}

DATI del problema Tariffa standard (euro) t ij per ogni possibile rotta Chicago Miami Phoenix Houston Chicago - 282 195 190 Miami 292-238 108 Phoenix 192 230-110 Houston 197 110 125 - Tariffa senior (euro) t ij S per ogni possibile rotta Chicago Miami Phoenix Houston Tariffa scontata del 90% rispetto al prezzo standard per viaggiatori senior Chicago - 28 19 19 Miami 29-23 10 Phoenix 19 23-11 Houston 19 11 12 -

Domanda deterministica d ij per posti a tariffa standard Chicago Miami Phoenix Houston Chicago - 98 88 130 Miami 105-68 72 Phoenix 90 6-115 Houston 123 80 110 - DATI del problema La capacità di ogni aereo è C =260 Domanda deterministica d ij S per posti a tariffa senior Chicago Miami Phoenix Houston Chicago - 10 13 15 Miami 15-8 6 Phoenix 8 5-12 Houston 12 7 10 -

Osservazione La domanda di posti complessiva(a tariffa standard e senior) eccede in 2 casi la capacità dell aereo come mostrato nella seguente tabella: Domanda totale verso l hub (Houston) Capacità Chicago 354 260 Miami 274 260 Phoenix 236 260 24 posti ancora disponibili

Formulazione del modello Variabili di decisione x ij = numero di biglietti alla tariffa standard venduti y ij = numero di biglietti alla tariffa senior venduti Per la tratta da D i a D j con i, j = 1,,4 e i j dove 4 = HUB (Houston)

Vincoli 4 Di capacità j=1 4 i=1 (x ij + y ij ) C (x ij + y ij ) C i = 1,...,3 j= 1,...,3 Di domanda x ij d ij y ij d ij S i,j= 1,...,4 Di non negatività x ij 0 y ij 0 i,j= 1,...,4

Funzione Obiettivo 4 4 Max ( x ij t ij + y ij t s ij ) i=1 j=1 con i j dove t ij tariffa standard t ij s tariffa senior

MODELLO di PL 4 4 Max ( x ij t ij + y ij t ij S ) i = 1 j = 1 con i j s.t. 4 (x ij + y ij ) 260 i = 1,...,3 j=1 4 (x ij + y ij ) 260 j = 1,...,3 i=1 0 x ij d ij 0 y ij d ij S i,j = 1,...,4

Soluzione OTTIMA Funzione obiettivo MAX RICAVI 180999

Problema di PLI modellato come problema di PL ORD MIA Indicando con X vettore dei biglietti a tariffa standard venduti Y vettore dei biglietti a tariffa senior venduti W vettore delle tariffe standard W S vettore delle tariffe senior C vettore delle capacità D vettore delle domande a tariffa standard D S vettore delle domande a tariffa senior Il problema può essere scritto in forma compatta max w T x+w st y M (x+y) C 0 x D 0 y D S La matrice dei vincoli M è a componenti (0,1),in particolare è totalmente unimodulare (TUM). Poiché M è TUM allora per D,D S e C interi si hanno tutti i vertici interi e dunque si ottiene una soluzione intera risolvendo un problema di PL. HOU (hub) PH

Sottoutilizzo della capacità di alcuni aerei Miami (MIA) Houston (HOU) Phoenix (PH) Houston (HOU) Miami (MIA) Houston (HOU) 259 260 196 260 170 260 Volendo riempire tutti gli aerei al fine di sfruttare al massimo capacità di ciascuno di essi, nei vincoli di capacità, è stata imposta l uguaglianza. Il Risolutore non è in grado di trovare una soluzione fattibile

Analisi WHAT-IF Per quanto riguarda ulteriori analisi,abbiamo ipotizzato 3 differenti scenari: Soddisfare tutta la domanda per i posti senior. Impostare un numero minimo di posti da destinare ai viaggiatori con tariffa senior. Aumentare la capacità del singolo aereo.

Domanda Senior In base alla soluzione ottima ottenuta: I biglietti venduti alla tariffa senior << biglietti venduti alla tariffa standard Ai fini del perseguimento di una politica economica basata su una drastica riduzione del prezzo del biglietto per i viaggiatori senior sarebbe opportuno introdurre ulteriori vincoli che impongano un numero minimo di biglietti alla tariffa senior da vendere per ogni tratta(sempre nel rispetto dei vincoli di capacità e di domanda). y ij = d ij S (si vuole soddisfare tutta la domanda per posti a tariffa senior) Il ricavo passa da R 1 a R 2 R 1 =180999 R 2 =167221 ΔR = -13778 MIA HUB 260 = 260 HUB MIA 206 260 PH HUB 157 260

Limite Inferiore 5 y ij d ij S (per ogni possibile rotta si devono vendere almeno 5 biglietti a tariffa senior) Il ricavo passa da R 1 a R 2 R 1 = 180999 R 2 = 175845 ΔR = -5154 MIA HUB PH HUB MIA HUB 260 = 260 201 260 160 260 Buona soluzione alternativa

Ipotizzando una variazione del numero di posti disponibili in ciascun aereo,dunque passando da C=260 a C=280, si evidenzia una variazione in positivo del ricavo e quindi del profitto generato. R 1 =180999 R 2 =188739 ΔR = + 7740 (~ 4%) Variazione della capacità ORD MIA Si nota che all aumentare di C, si ha un incremento proporzionale al ΔC del numero di biglietti venduti, per ogni tratta fuorché per quelle da e verso MIAMI, in quanto i vincoli di domanda per massimizzare il profitto sono già stati tutti soddisfatti all uguaglianza. L aumento del ricavo (~ 4%) non è proporzionale all incremento dei posti disponibili (~10%) HOU (hub) PH

Alliance tra compagnie Qualora una compagnia disponga di posti liberi non è raro che li venda ad un altra compagnia aerea la cui domanda eccede l offerta. Ad esempio: La domanda per la tratta PH-ORD non eguaglia la capacità C, ed é pertanto plausibile ipotizzare che i posti rimanenti possano essere venduti ad un altra compagnia concordando una tariffa di rimborso. La tariffa minima che la nostra compagnia è disposta ad accettare è: Analizzando il valore del costo ridotto (Cr), relativo alla tratta d interesse identificato dalla variabile corrispondente, Cr = -173 Tariffa (PH-ORD) = 192 Tariffa minima (Tr) = Tariffa (PH-ORD) + Cr = 175

Nel caso in cui, invece, la domanda ecceda la capacità C, come nel caso della tratta MIA-ORD, un altra compagnia aerea può rendersi disponibile per trasportare i nostri viaggiatori in eccesso, concordando un altra tariffa di rimborso. La tariffa massima che alla nostra compagnia conviene accettare è: analizzando il valore dei prezzi ombra (PO), relativi alle tratte MIA-HUB e HUB-ORD PO (MIA-HUB) = 108 PO (HUB-ORD) = 5 Tariffa massima (Tmax) = PO (MIA-HUB) + PO (HUB-ORD) = 108 + 5 = 113