ΕΝΔΕΙΚΤΙΚΑ ΠΡΟΒΛΗΜΑΤΑ
|
|
- ÊΠρομηθεύς Βλαστός
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Πρόβλημα 1 ΕΝΔΕΙΚΤΙΚΑ ΠΡΟΒΛΗΜΑΤΑ Η εταιρεία GALAXY INDUSTRIES διαθέτει στην αγορά 2 είδη πλάκες πεζοδρομίου: τη Space Ray και τη Galaxy Ray. Τα 2 είδη κατασκευάζονται σε δωδεκάδες από την ίδια βασική πρώτη ύλη (μίγμα τσιμέντου). Το εργοτάξιο διαθέτει 1000 τόνους πρώτης ύλης και λειτουργεί για 40 ώρες εβδομαδιαίως. Οι απαιτήσεις σε πόρους (πρώτη ύλη, χρόνος παραγωγής) και τα κέρδη ανά είδος πλάκας παρατίθενται στον κατωτέρω πίνακα: Κέρδος (χρημ. μονάδες ανά δωδεκάδα) Πρώτη ύλη (σε κιλά) Χρόνος παραγωγής (σε λεπτά) Space Ray Galaxy Ray Ο διευθυντής παραγωγής πρέπει να προσδιορίσει το βέλτιστο πρόγραμμα παραγωγής που μεγιστοποιεί τα συνολικά κέρδη της GALAXY INDUSTRIES λαμβάνοντας επιπλέον υπόψη ότι η εβδομαδιαία παραγωγή και για τα δύο είδη δεν μπορεί να υπερβεί τις 700 πλάκες ενώ η εβδομαδιαία παραγωγή της Space Ray δεν μπορεί να υπερβεί την αντίστοιχη του Galaxy Ray περισσότερο από 350. Η διαμόρφωση του προβλήματος σε μορφή Γραμμικού Προγραμματισμού και η Γραφική απεικόνιση της περιοχής των εφικτών λύσεων δίνεται παρακάτω: (1) 2Χ 1 + 1Χ (1) 3Χ 1 + 4Χ (2) (3) Α (2) (4) Χ 1 + Χ (3) Χ 1 - Χ (4) Β Γ Δ (4) (1) (3) (2) a) Ποιες ποσότητες από κάθε είδος πρέπει να κατασκευασθούν ώστε να επιτευχθεί μεγιστοποίηση του κέρδους και ποιο θα είναι το μέγιστο κέρδος. Εξηγείστε την απάντηση σας αναλυτικά. H μεγιστοποίηση του κέρδους θα συμβεί σε ένα από τα ακραία σημεία της περιοχής των εφικτών λύσεων Α, Β, Γ, Δ. Το σημείο Α ορίζεται από Χ1=0, 3Χ1 + 4Χ2 = 2400 (0, 600) Το σημείο Β ορίζεται από 2Χ1 + 1Χ2 = 1000, 3Χ1 + 4Χ2 = 2400 (320, 360) Το σημείο Γ ορίζεται από Χ1 - Χ2 = 350, 2Χ1 + 1Χ2 = 1000, (450, 150) Το σημείο Δ ορίζεται από Χ1 - Χ2 = 350, Χ2 = 0 (350, 0) Λύνοντας και αντικαθιστώντας στη συνάρτηση κέρδους βρίσκουμε ότι το σημείο Β (320, 360) δίνει το μεγαλύτερο κέρδος b) Ποιοι περιορισμοί είναι δεσμευτικοί. Η λύση στο σημείο Β ορίζεται από τους περιορισμούς (2), (1) c) Υπάρχουν κάποιοι περιορισμοί που μπορεί να πλεονάζουν? Ο περιορισμός (3) είναι εκτός της περιοχής εφικτών λύσεων. Επομένως ακόμα και αν δεν υπήρχε τίποτε δεν θα άλλαζε
2 Με βάση τον παρακάτω πίνακα Solver απαντήστε στα εξής ερωτήματα Μεταβλητά κελιά Τελικό Μειωμένο Στόχος Επιτρεπτό Επιτρεπτό Κελί Όνομα Τιμή Κόστος Συντελεστής Αύξηση Μείωση $C$4 Space Ray ,25 $D$4 Galaxy Ray ,67 1 Περιορισμοί Τελικό Σκιώδης Περιορισμός Επιτρεπτό Επιτρεπτό Κελί Όνομα Τιμή Τιμή Δεξιά πλευρά Αύξηση Μείωση $E$7 Πρώτη Ύλη Σύνολο , $E$8 Χρόνος παραγωγής , $E$9 Συνολική παραγωγή E $E$10 Μίγμα παραγωγής E d) Αν η Galaxy μπορούσε να λειτουργήσει το εργοτάξιο και το Σάββατο με ένα άτομο και με επιπλέον κόστος 100 ν.μ., θα το προτείνατε? Δικαιολογείστε την απάντηση σας. Εργασία το Σάββατο 8 ώρες χ 60 λεπτά = 480 λεπτά. Από την ανάλυση ευαισθησίας η σκιώδης τιμή για το χρόνο παραγωγής είναι 0,4 αν α λεπτό. Η αύξηση του χρόνου παραγωγής δεν μπορεί να υπερβεί τα 100 λεπτά. Επομένως μέγιστο όφελος 100 Χ 0,4 = 40. Κόστος = 100. Δεν συμφέρει e) Αν η τιμή των Galaxy και Space αυξάνονταν σε 7 και 13 ν.μ. αντίστοιχα, θα υπήρχε λόγος αναθεώρησης του προγράμματος παραγωγής? Εξηγείστε το σκεπτικό σας. Για συντελεστή κέρδους 5 στο Galaxy οι συντελεστές κέρδους του Space κυμαίνονται από ελάχιστο 8-4,25=3,75 έως 8+2=10 μέγιστο. Αν το κέρδος στο Galaxy αυξηθεί από 5 σε 7 αυτό είναι αύξηση 40%. Επομένως με 40% αύξηση το αντίστοιχο ανώτερο όριο διακύμανσης στους συντελεστές του Space θα ήταν 14. Η τιμή 13 είναι μέσα σε αυτό το όριο και επομένως δεν θα άλλαζε τίποτα στη λύση (ποσότητες παραγωγής). f) Αν υπήρχε περιορισμός στην παραγωγή της Space Ray με ανώτερο όριο τις 300 πλάκες, μπορείτε να προσδιορίσετε τη νέα βέλτιστη λύση. Αν όχι, είναι δυνατόν να δοθεί απάντηση στο αν το κέρδος θα αυξηθεί, θα μειωθεί ή δεν θα μεταβληθεί. Δεν μπορεί να προσδιορισθεί η λύση. Αλλά το κέρδος εφόσον τίθεται ένας νέος περιορισμός ο οποίος περιορίζει την λύση που βρήκαμε δεν είναι δυνατόν να αυξηθεί. Κάθε νέος περιορισμός αφήνει τη λύση αμετάβλητη (αν είναι πλεονάζων) ή δίνει μία λύση με χειρότερο αποτέλεσμα. g) Διατυπώστε το πρόβλημα σε μορφή γραμμικού προγραμματισμού αν υπήρχαν επιπλέον ώρες εργασίας με κόστος 18 ν.μ. την ώρα και επιπλέον πρώτες ύλες με κόστος 3 ν.μ. που θα μπορούσαν να χρησιμοποιηθούν. Έστω Υ οι επι πλέον ώρες εργασίας και Ζ οι επιπλέον πρώτες ύλες Τότε θα είχαμε: Αντικειμενική συνάρτηση : 8Χ1 + 5Χ2 18Υ 3Ζ Περιορισμός (1) : 2Χ1 + 1Χ Υ Περιορισμός (2) : 3Χ1 + 4Χ Ζ
3 Πρόβλημα 2 Η Επενδυτικά Έργα Α.Ε., θέλει να επενδύσει τα διαθέσιμα κεφάλαια της που ανέρχονται σε 2 δις για να συμμετάσχει σε κοινοπραξίες που θα εκτελέσουν διάφορα έργα που αναμένεται να ξεκινήσουν σύντομα. Ο παρακάτω πίνακας δίνει την απόδοση των κεφαλαίων που θα επενδυθούν σε κάθε έργο, το ποσοστό κινδύνου για απώλεια κεφαλαίων, το ελάχιστο και μέγιστο ποσό που μπορεί να επενδυθεί σε κάθε έργο, καθώς και το πλήθος των ατόμων της εταιρεία που θα απασχοληθούν. Έργο Απόδοση (%) Κίνδυνος απώλειας κεφαλαίων Ελάχιστο συμμετοχής Μέγιστο Συμμετοχής Αριθμός ατόμων που θα συμμετάσχουν Α 10% 10% 100 εκ. 500 εκ. 4 Β 12% 15% 150 εκ. 500 εκ. 8 Γ 9% 8% 800εκ. - 2 Δ 11% 12% 120 εκ. 500 εκ. 7 Ε 10% 9% 180 εκ 500 εκ. 6 Η εταιρεία διαθέτει 20 άτομα που μπορούν να απασχοληθούν στα έργα στα οποία θα συμμετάσχει, ενώ έχει προσδιορίσει ότι το συνολικό ανεκτό επίπεδο κινδύνου απώλειας κεφαλαίων για όλα τα έργα δεν μπορεί να ξεπεράσει το 5% του συνολικού κεφαλαίου που θα επενδυθεί ή τα 100 εκ. a) Αφού ορίσετε τις μεταβλητές του προβλήματος διαμορφώστε ένα μοντέλο μικτού ακέραιου προγραμματισμού το οποίο θα δίνει απάντηση στο ποίο ποσό θα επενδυθεί σε κάθε έργο (η εταιρεία δεν είναι απαραίτητο να συμμετάσχει σε όλα τα έργα. ΧΑ, ΧΒ, ΧΓ, ΧΔ, ΧΕ μεταβλητές 0/1 που δηλώνουν την επιλογή του αντίστοιχου έργου ΥΑ, ΥΒ, ΥΓ, ΥΔ, ΥΕ το ποσό που θα επενδυθεί σε κάθε έργο. Αντικειμενική συνάρτηση : Μεγιστοποίηση Απόδοσης: 0,1ΥΑ + 0,12ΥΒ + 0,09ΥΓ + 0,11ΥΔ + 0,1ΥΕ Περιορισμοί 1. Σύνδεση Χ και Υ με ελάχιστο και μέγιστο ποσό συμμετοχής ΥΑ <= 500ΧΑ και ΥΑ >= 100ΧΑ Αντίστοιχα και για τα υπόλοιπα Στο Γ που δεν υπάρχει μέγιστο όριο βάζουμε το μέγιστο διαθέσιμο ποσό 2 δις 2. Άτομα 4ΧΑ + 8ΧΒ + 2ΧΓ + 7ΧΔ + 6ΧΕ <= Κίνδυνος 0,1ΥΑ + 0,18ΥΒ + 0,08ΥΓ + 0,12ΥΔ + 0,09ΥΕ <= 100 b) Αν η εταιρεία θέσει ως στόχο την πραγματοποίηση κέρδους 240 εκ. με ανεκτό ρίσκο τα 100 εκ. διαμορφώστε το παραπάνω μοντέλο Γ.Π. σε μοντέλο προγραμματισμού στόχων (goal programming) με ιεράρχηση προτεραιοτήτων την όσο πιο μικρή απόκλιση του στόχου του κέρδους και την πιο μικρή υπέρβαση του στόχου του κινδύνου. Το κέρδος (απόδοση) γίνεται περιορισμός: 0,1ΥΑ + 0,12ΥΒ + 0,09ΥΓ + 0,11ΥΔ + 0,1ΥΕ + d 1 - d 1 + =240 O περιορισμός κινδύνου είναι: 0,1ΥΑ + 0,18ΥΒ + 0,08ΥΓ + 0,12ΥΔ + 0,09ΥΕ + d 2 - d 2 + = 100 Η αντικειμενική συνάρτηση: Ελαχιστοποίηση P1 d Ρ2 d 2 + Οι άλλοι περιορισμοί παραμένουν ως έχουν
4 Πρόβλημα 3 Η Επενδυτικά Έργα Α.Ε., θέλει να επενδύσει τα διαθέσιμα κεφάλαια της που ανέρχονται σε 2 δις για να συμμετάσχει σε κοινοπραξίες που θα εκτελέσουν διάφορα έργα που αναμένεται να ξεκινήσουν σύντομα. Ο παρακάτω πίνακας δίνει την απόδοση των κεφαλαίων που θα επενδυθούν σε κάθε έργο, το ποσοστό κινδύνου για απώλεια κεφαλαίων, το ελάχιστο και μέγιστο ποσό που μπορεί να επενδυθεί σε κάθε έργο, καθώς και το πλήθος των ατόμων της εταιρεία που θα απασχοληθούν. Έργο Απόδοση (%) Κίνδυνος απώλειας κεφαλαίων Ελάχιστο συμμετοχής Μέγιστο Συμμετοχής Αριθμός ατόμων που θα συμμετάσχουν Α 10% 10% 100 εκ. 500 εκ. 4 Β 12% 15% 150 εκ. 500 εκ. 8 Γ 9% 8% 800εκ. - 2 Δ 11% 12% 120 εκ. 500 εκ. 7 Ε 10% 9% 180 εκ 500 εκ. 6 Η εταιρεία διαθέτει 20 άτομα που μπορούν να απασχοληθούν στα έργα στα οποία θα συμμετάσχει, ενώ έχει προσδιορίσει ότι το συνολικό ανεκτό επίπεδο κινδύνου απώλειας κεφαλαίων για όλα τα έργα δεν μπορεί να ξεπεράσει το 5% του συνολικού κεφαλαίου που θα επενδυθεί ή τα 100 εκ. Το μοντέλο μικτού ακέραιου προγραμματισμού το οποίο θα δίνει απάντηση στο ποίο ποσό θα επενδυθεί σε κάθε έργο έχει ως εξής: ΧΑ, ΧΒ, ΧΓ, ΧΔ, ΧΕ μεταβλητές 0/1 που δηλώνουν την επιλογή του αντίστοιχου έργου ΥΑ, ΥΒ, ΥΓ, ΥΔ, ΥΕ το ποσό που θα επενδυθεί σε κάθε έργο. Αντικειμενική συνάρτηση : Μεγιστοποίηση Απόδοσης: 0,1ΥΑ + 0,12ΥΒ + 0,09ΥΓ + 0,11ΥΔ + 0,1ΥΕ Περιορισμοί 4. Σύνδεση Χ και Υ με ελάχιστο και μέγιστο ποσό συμμετοχής ΥΑ <= 500ΧΑ και ΥΑ >= 100ΧΑ, Αντίστοιχα και για τα υπόλοιπα. 5. Άτομα 4ΧΑ + 8ΧΒ + 2ΧΓ + 7ΧΔ + 6ΧΕ <= Κίνδυνος 0,1ΥΑ + 0,18ΥΒ + 0,08ΥΓ + 0,12ΥΔ + 0,09ΥΕ <= 100 Αν η εταιρεία θέσει ως στόχο την πραγματοποίηση κέρδους 240 εκ. με ανεκτό ρίσκο τα 100 εκ. διαμορφώστε το παραπάνω μοντέλο Γ.Π. σε μοντέλο προγραμματισμού στόχων (goal programming) με ιεράρχηση προτεραιοτήτων την όσο πιο μικρή απόκλιση του στόχου του κέρδους και την πιο μικρή υπέρβαση του στόχου του κινδύνου. Ορίζουμε τις αποκλίσεις Δ + 1 και Δ - 1 ως την υπέρβαση ή το έλλειμμα από το στόχο των κερδών και Δ + 2 και Δ - 2 ως την υπέρβαση ή το έλλειμμα από το στόχο του ανεκτού ρίσκου. Προφανώς ενδιαφέρει η ελαχιστοποίηση των αποκλίσεων Δ - 1 και Δ + 2 Επομένως το πρόβλημα διατυπώνεται ως εξής: Αντικειμενική Συνάρτηση Στόχων: Ελαχιστοποίηση Αποκλίσεων Δ Δ + 2 (μπορεί να είναι και με διαφορετική σειρά ανάλογα με την προτεραιότητα κάθε στόχου. Περιορισμοί: Απόδοσης: 0,1ΥΑ + 0,12ΥΒ + 0,09ΥΓ + 0,11ΥΔ + 0,1ΥΕ - Δ Δ - 1 = 240 Ρίσκο: 0,1ΥΑ + 0,18ΥΒ + 0,08ΥΓ + 0,12ΥΔ + 0,09ΥΕ - Δ Δ - 2 = 100 Άτομα: 4ΧΑ + 8ΧΒ + 2ΧΓ + 7ΧΔ + 6ΧΕ <= 20 ΥΑ <= 500ΧΑ και ΥΑ >= 100ΧΑ ΥΒ <= 500Χβ και ΥΒ >= 150ΧΒ ΥΓ >= 800ΧΓ ΥΔ <= 500ΧΔ και ΥΔ >= 120ΧΔ
5 ΥΕ <= 500ΧΕ και ΥΕ >= 180ΧΕ Πρόβλημα 4 Μια οικογένεια διαθέτει 410 στρέμματα καλλιεργήσιμης γης στην περιοχή της Μακεδονίας στην οποία καλλιεργεί καπνό και ρύζι, αλλά ο τοπικός Αγροτικός Συνεταιρισμός περιορίζει το πλήθος των στρεμμάτων που μπορούν να καλλιεργηθούν με ρύζι το πολύ στα 100. Κάθε στρέμμα που καλλιεργείται με καπνό κοστίζει (σπορά, καλλιέργεια, συγκομιδή, κ.λ.π.) κατά μέσο όρο 105 χρηματικές μονάδες, και κάθε στρέμμα ρυζιού 210 χρηματικές μονάδες. Για την τρέχουσα χρονιά, υπάρχει διαθέσιμο ένα κεφάλαιο της τάξης των ευρώ, και η εκτίμηση ότι το κάθε στρέμμα καπνού θα αφήσει κατά μέσο όρο καθαρό κέρδος 300 ευρώ, ενώ, το κάθε στρέμμα ρυζιού 520 ευρώ. a) Διαμορφώστε ένα μοντέλο γραμμικού προγραμματισμού το οποίο να οδηγεί στην εύρεση του βέλτιστου σχεδίου καλλιέργειας. Εξηγήστε με σαφήνεια τα στοιχεία του. Μεταβλητές. ο αριθμός των στρεμμάτων x1 που θα καλλιεργηθούν με καπνό, x2 που θα καλλιεργηθούν με ρύζι. Στόχος (αντικειμενική συνάρτηση). To καθαρό κέρδος, δηλαδή: maximize Z = 300x x2 Περιορισμοί. Οι περιορισμοί προκύπτουν από την υπάρχουσα συνολική έκταση προς καλλιέργεια: x1 + x2 410 από τον διαθέσιμο προϋπολογισμό: 105x x από την επιτρεπόμενη καλλιεργήσιμη έκταση για ρύζι: x2 100 της μη αρνητικότητας των μεταβλητών: x1, x2 0 Μετά την επίλυση του μοντέλου από τον λύτη του Excel, δημιουργήθηκε η αναφορά ευαισθησίας (sensitivity) που φαίνεται στην κατωτέρω εικόνα. Με βάση τα στοιχεία που περιέχει, απαντήστε στα ερωτήματα που ακολουθούν. b) Πόση έκταση πρέπει να καλλιεργηθεί από κάθε είδος και πόσο είναι το συνολικό καθαρό κέρδος; Θα μείνει έκταση ακαλλιέργητη και πόση; Θα καλλιεργηθούν όλα τα επιτρεπόμενα εκτάρια ρυζιού; 320 στρέμματα με καπνό και 90 στρέμματα με ρύζι. Το γεγονός αυτό θα έχει ως αποτέλεσμα συνολικά καθαρά κέρδη ύψους = χρηματικών μονάδων. Δεν
6 πρόκειται να μείνει καθόλου ακαλλιέργητη από τη διαθέσιμη γη, ενώ θα μπορούσαν να καλλιεργηθούν ακόμη = 10 στρέμματα ρυζιού c) Ένας γείτονας προσπαθεί να πείσει την οικογένεια του προβλήματος να νοικιάσει τη δική του γη, έκτασης 10 στρεμμάτων, προς 100 χρηματικές μονάδες το στρέμμα. Πιστεύετε ότι πρέπει να δεχθούν; Όπως βλέπουμε στην ανάλυση ευαισθησίας των περιορισμών, η αύξηση της καλλιεργήσιμης γης κατά δέκα στρέμματα βρίσκεται μέσα στο επιτρεπόμενο εύρος αύξησης (Επιτρεπόμενη αύξηση = 90 -δεύτερος περιορισμός-). Η αύξηση αυτή εξασφαλίζει στην οικογένεια του παραδείγματος 80 επιπλέον ευρώ ανά στρέμμα (Σκιώδης τιμή του δεύτερου περιορισμού). Μια και το ενοίκιο ανέρχεται στις 100 το στρέμμα, ΟΧΙ δεν πρέπει να δεχθούν την πρόταση του γείτονα. d) Υποθέστε ότι η οικογένεια του προβλήματος σκέφτεται να πάρει ένα δάνειο 1000 ευρώ ώστε να αυξηθεί το διαθέσιμο κεφάλαιο για τις ανωτέρω καλλιέργειες. Το επιτόκιο ανέρχεται στο 8%. Τι τους συμβουλεύετε; Όπως βλέπουμε στην ανάλυση ευαισθησίας των περιορισμών, η αύξηση του κεφαλαίου κατά 1000 χρηματικές μονάδες βρίσκεται μέσα στο επιτρεπόμενο εύρος αύξησης (Επιτρεπόμενη αύξηση = πρώτος περιορισμός-).σύμφωνα με την ανάλυση ευαισθησίας του πρώτου περιορισμού, κάθε επιπλέον ευρώ στο διαθέσιμο κεφάλαιο, αυξάνει το συνολικό καθαρό κέρδος κατά 2,095. Κάθε ευρώ που δανείζεται κοστίζει μόλις 0,08 ευρώ (8%), άρα η οικογένεια του παραδείγματος ΠΡΕΠΕΙ να προχωρήσει στην προτεινόμενη δανειοδότηση. Πρόβλημα 5 Κατασκευαστική εταιρεία με ένα εκτενή φάκελο έργων πρέπει να αντλήσει κεφάλαια με δανεισμό για τη συνέχιση των έργων και των λειτουργιών της. Δεδομένου ότι οι τράπεζες έχουν περιορίσει το δανεισμό μπορεί να βρεθεί στην ανάγκη να χρησιμοποιήσει περισσότερες από μία τράπεζες για να δανεισθεί. Από την άλλη πλευρά η διαδικασία ανοίγματος φακέλου δανείου κοστίζει και το κόστος είναι σταθερά ανεξάρτητα του ύψους του δανείου. Κατά μέσο όρο τα έξοδα του φακέλου του δανείου ανέρχονται σε περίπου 5,000 ευρώ. Μετά από έρευνα της αγοράς έχουν προσδιορισθεί τα επιτόκια των τραπεζών ανά τύπο έργου και τα ποσά δανείου που είναι διαθέσιμες να χορηγήσουν : Τύπος Έργου ΔΕΛΤΑ ΠΑΝΕΛΛΗΝΙΑ ΘΕΣΣΑΛΙΚΗ ΝΕΑ Απαιτούμενα Ποσά Εθνικής Οδοποιίας 12% 9% 10% 11% 1,400,000 Περιφερειακά Οδοποιίας 7% 9% 8% 9% 800,000 Εμπορικό Κέντρο 13% 14% 12% 13% 1,000,000 Λειτουργικά Κεφάλαια 14% 15% 16% 11% 300,000 Ανώτατο Ύψος Δανείου 1,300,000 1,000,000 1,200, ,000 a) Ορίστε και περιγράψτε με σαφήνεια τις μεταβλητές που χρησιμοποιείτε. Έστω i=α,β,γ,δ οι τέσσερεις διαφορετικοί τύποι δανείων και j=1,2,3,4 οι τέσσερες τράπεζες Χ1, Χ2, Χ3, Χ4 μεταβλητές τύπου 0/1 για κάθε τράπεζα. Τιμή 1 αν επιλεγεί η συγκεκριμένη τράπεζα, ή 0 αν όχι. Υij = το ποσό δανεισμού για δάνειο κατηγορίας i από την j τράπεζα. Π.χ. Υ Α2 το ποσό δανεισμού για έργα εθνικής οδοποιίας από την Πανελλήνια τράπεζα. b) Αναπτύξετε ένα γραμμικό μοντέλο που να στοχεύει στη μείωση του συνολικού κόστους δανεισμού για ένα χρόνο συμπεριλαμβανομένου και των εξόδων του φακέλου δανείου. Αντικειμενική συνάρτηση: Μείωση Συνολικού Κόστος (Τόκων και εξόδων φακέλου). Ελαχιστοποίηση 0,12Υ Α1 + 0,09Y A2 + 0,10Y A3 + 0,11Y A4 + 0,07Υ Β1 + 0,09Y Β2 + 0,08Y Β3 + 0,09Y Β4 + 0,13Υ Γ1 + 0,14Y Γ2 + 0,12Y Γ3 + 0,13Y Γ4 + 0,14Υ Δ1 + 0,15Y Δ2 + 0,16Y Δ3 + 0,11Y Δ4 + 50X X X X 4 Τόκοι Κόστος Φακέλων Δανείου
7 Περιορισμοί: Συνολικός δανεισμός ανά τράπεζα: Υ Α1 + Υ Β1 + Υ Γ1 + Υ Δ1 <= Χ 1 Υ Α2 + Υ Β2 + Υ Γ2 + Υ Δ2 <= Χ 2 Υ Α3 + Υ Β3 + Υ Γ3 + Υ Δ3 <= Χ 3 Υ Α4 + Υ Β4 + Υ Γ4 + Υ Δ4 <= Χ 4 Συνολικός ποσό ανά τύπο δανείου: Υ Α1 + Y A2 + Y A3 + Y A4 >= Υ Β1 + Y Β2 + Y Β3 + Y Β4 >= Υ Γ1 + Y Γ2 + Y Γ3 + Y Γ4 >= Υ Δ1 + Y Δ2 + Y Δ3 + Y Δ4 >= c) Στην περίπτωση που οι τράπεζες δεν χορηγούν δάνειο για Λειτουργικά Κεφάλαια εκτός και αν υπάρξει και αντίστοιχο δάνειο έστω και για ένα τύπο έργου, πως θα διαμορφώνατε το μοντέλο που αναπτύξατε στο προηγούμενο βήμα. Επιπλέον περιορισμοί: Υ Δ1 <= Υ Α1 + Υ Β1 + Υ Γ1 Υ Δ2 <= Υ Α2 + Υ Β2 + Υ Γ2 Υ Δ3 <= Υ Α3 + Υ Β3 + Υ Γ3 Υ Δ4 <= Υ Α4 + Υ Β4 + Υ Γ4
ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΜΑΘΗΜΑΤΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΣΙΜΟΥ
ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΜΑΘΗΜΑΤΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΣΙΜΟΥ Παράδειγμα #1 Η Επενδυτικά Έργα Α.Ε., θέλει να επενδύσει τα διαθέσιμα κεφάλαια της που ανέρχονται σε 2 δις για να συμμετάσχει σε κοινοπραξίες που θα
Άσκηση 1 Ένα κεντρικό βιβλιοπωλείο ειδικεύεται στα λογοτεχνικά βιβλία και τα βιβλία τέχνης. Προκειμένου να προωθήσει μια νέα συλλογή λογοτεχνικών βιβλίων και βιβλίων τέχνης, η διεύθυνση του βιβλιοπωλείου
maximize z = 50x x 2 κάτω από τους περιορισμούς (εβδομαδιαίο κέρδος, χρηματικές μονάδες)
Ένας κοσμηματοπώλης, κατασκευάζει μπρασελέ και κολιέ αναμειγνύοντας ασήμι με κάποιο άλλο μέταλλο. Το μοντέλο π.γ.π. που ανέπτυξε για την εύρεση της εβδομαδιαίας παραγωγής (x 1 μπρασελέ και x 2 κολιέ) η
Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 3)
Τμήμα Μηχανικών Πληροφορικής Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 3) Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Μάρτιος 2015 Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 3) Μάρτιος
Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 3)
Τμήμα Μηχανικών Πληροφορικής Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 3) Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Μάρτιος 2015 Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 3) Μάρτιος
Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού
Μεταπτυχιακό Πρόγραμμα Σπουδών Διοίκηση και Διαχείριση Έργων και Προγραμμάτων Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού Ερμηνεία Λύσεων
Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ
ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΦΕΒΡΟΥΑΡΙΟΣ 013 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ ΘΕΜΑ 1 ο : Για το μοντέλο του π.γ.π. που ακολουθεί maximize
Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1)
Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1) Οι στρατηγικές χρηματοοικονομικής δομής αναφέρονται στην επιλογή των μέσων χρηματοδότησης επενδυτικών προγραμμάτων, λειτουργιών της παραγωγής και
Γραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός Παράδειγμα ΕΠΙΠΛΟΞΥΛ Η βιοτεχνία ΕΠΙΠΛΟΞΥΛ παράγει δύο βασικά προϊόντα: τραπέζια και καρέκλες υψηλής ποιότητας. Η διαδικασία παραγωγής και για τα δύο προϊόντα περιλαμβάνει την
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. Τέταρτη Γραπτή Εργασία στην Επιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ Θεματική Ενότητα: ΔΕΟ13 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος: 2010-11 Τέταρτη Γραπτή Εργασία στην Επιχειρησιακή Έρευνα
Γραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός Εφαρμογή σε Άλλα Προβλήματα Διαχείρισης Έργων Π. Γ. Υψηλάντης ΓΠ στη Διοίκηση Έργων Προβλήματα μεταφοράς και δρομολόγησης Αναθέσεις προσωπικού Επιλογή προμηθευτών Καθορισμός τοποθεσίας
Τμήμα Μηχανικών Πληροφορικής ΤΕ Ανάλυση ευαισθησίας. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Ανάλυση ευαισθησίας Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Παράδειγμα TOYCO Η επιχείρηση TOYCO χρησιμοποιεί τρεις διαδικασίες
σει κανένα modem των 128Κ. Θα κατασκευάσει συνολικά = 320,000 τεμάχια των 64Κ και το κέρδος της θα γίνει το μέγιστο δυνατό, ύψους 6,400,000.
Σ ένα εργοστάσιο ειδών υγιεινής η κατασκευή των πορσελάνινων μπανιέρων έχει διαμορφωθεί σε τρία διαδοχικά στάδια : καλούπωμα, λείανση και βάψιμο. Στον πίνακα που ακολουθεί καταγράφονται τα ωριαία δεδομένα
Επιχειρησιακή Έρευνα I
Επιχειρησιακή Έρευνα I Operations/Operational Research (OR) Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα EE 1&2 Εισαγωγή Μαθηματικός Προγραμματισμός - Γραμμικός
Ανάλυση ευαισθησίας. Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Ανάλυση ευαισθησίας Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Παράδειγμα TOYCO Η επιχείρηση TOYCO χρησιμοποιεί
1. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Η επιχειρησιακή έρευνα επικεντρώνεται στη λήψη αποφάσεων από επιχειρήσεις οργανισμούς, κράτη κτλ. Στα πλαίσια της επιχειρησιακής έρευνας εξετάζονται οι ακόλουθες περιπτώσεις : Γραμμικός προγραμματισμός
Επιχειρησιακή έρευνα (ασκήσεις)
Επιχειρησιακή έρευνα (ασκήσεις) ΤΕΙ Ηπείρου (Τμήμα Λογιστικής και Χρηματοοικονομικής) Γκόγκος Χρήστος (06-01-2015) 1. Γραφική επίλυση προβλημάτων Γραμμικού Προγραμματισμού A) Με τη βοήθεια της γραφικής
Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)
Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014) Θέμα 1 Μια επιχείρηση χρησιμοποιεί 3 πρώτες ύλες Α, Β, Γ για να παράγει 2 προϊόντα Π1 και Π2. Για την παραγωγή μιας μονάδας προϊόντος Α απαιτούνται 1
Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο
Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Δεσμευτικοί περιορισμοί Πρόβλημα Βιομηχανική επιχείρηση γαλακτοκομικών προϊόντων Συνολικό μοντέλο Maximize z = 150x 1 + 200x 2 (αντικειμενική
Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100)
Μεταπτυχιακό Πρόγραμμα Σπουδών Διοίκηση και Διαχείριση Έργων και Προγραμμάτων Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Μέρος ΙΙ Τεχνικές Μαθηματικού Προγραμματισμού Μαθηματικά Μοντέλα Εισαγωγή Μεθοδολογία
Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού
Μεταπτυχιακό Πρόγραμμα Σπουδών Διοίκηση και Διαχείριση Έργων και Προγραμμάτων Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού Ερμηνεία Λύσεων
Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο
Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Παράδειγμα προβλήματος ελαχιστοποίησης Μια κατασκευαστική εταιρία κατασκευάζει εξοχικές κατοικίες κοντά σε γνωστά θέρετρα της Εύβοιας Η
Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο
Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Εισαγωγή Ασχολείται με το πρόβλημα της άριστης κατανομής των περιορισμένων πόρων μεταξύ ανταγωνιζόμενων δραστηριοτήτων μιας επιχείρησης
Σενάριο 1ο: Κερδοσκοπική πολιτική Στο σενάριο αυτό προβλέπεται η μεγιστοποίηση των συνολικών κερδών από την εκμετάλλευση των γαιών
Το πρόβλημα αφορά στην κατανομή υδάτινων πόρων και γης σε δύο καλλιέργειες (Δημητριακά / Εσπεριδοειδή). Υπάρχουν δύο διαφορετικά αναπτυξιακά σενάρια: (1) Η κατανομή με σκοπό τη μεγιστοποίηση του κέρδους
Επιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 4: Εισαγωγή στο Γραμμικό Προγραμματισμό (4 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων
Case 05: Επιλογή Επενδύσεων (πολυσταδιακό πρόβλημα) ΣΕΝΑΡΙΟ
Case 05: Επιλογή Επενδύσεων (πολυσταδιακό πρόβλημα) ΣΕΝΑΡΙΟ Ο χρονικός ορίζοντας απαρτίζεται από διαδοχικές χρονικές περιόδους. Διαμόρφωση ενός χαρτοφυλακίου στο οποίο, καθώς ο χρόνος εξελίσσεται, το διαθέσιμο
ΑΣΚΗΣΗ (γραμμικός προγραμματισμός) Μια εταιρεία χρησιμοποιεί δύο διαφορετικούς τύπους ζωοτροφών (τον τύπο Ι και τον τύπο ΙΙ), ως πρώτες ύλες, τις οποίες αναμιγνύει για την εκτροφή γαλοπούλων ώστε να πετύχει
2.1. ΑΠΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ( Linear Programming ) Ο Γραμμικός Προγραμματισμός είναι μια τεχνική που επιτρέπει την κατανομή των περιορισμένων πόρων μιας επιχείρησης με τον πιο
Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100)
Μεταπτυχιακό Πρόγραμμα Σπουδών Διοίκηση και Διαχείριση Έργων και Προγραμμάτων Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Μέρος ΙΙ Τεχνικές Μαθηματικού Προγραμματισμού Μαθηματικά Μοντέλα Εισαγωγή Μεθοδολογία
Τμήμα Διοίκησης Επιχειρήσεων
Τμήμα Διοίκησης Επιχειρήσεων ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα 1: Γραµµικός προγραµµατισµός(γ.π.) ιδάσκων: Βασίλειος Ισµυρλής Τηλ:6979948174, e-mail: vasismir@gmail.com http://vasilis-ismyrlis.webnode.gr/
2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας
2. Βασικές Έννοιες Γραμμικού Προγραμματισμού 69 2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας Ένα μοντέλο γραμμικού προγραμματισμού πρέπει να λαμβάνει υπόψη το δυναμικό περιβάλλον των συνεχών αλλαγών
Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1)
Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1) Το πρόβλημα της επιλογής των μέσων διαφήμισης (??) το αντιμετωπίζουν τόσο οι επιχειρήσεις όσο και οι διαφημιστικές εταιρείες στην προσπάθειά τους ν' αναπτύξουν
Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού
Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 τελευταία ενημέρωση: 21/10/2016
Επιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 3: Εισαγωγή στο Γραμμικό Προγραμματισμό (3 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων
Επιχειρησιακή Έρευνα I
Επιχειρησιακή Έρευνα I Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα 1. Εισαγωγή 2. Γραμμικός Προγραμματισμός 1. Μοντελοποίηση 2. Μέθοδος Simplex (C) Copyright Α.
3.7 Παραδείγματα Μεθόδου Simplex
3.7 Παραδείγματα Μεθόδου Simplex Παράδειγμα 1ο (Παράδειγμα 1ο - Κεφάλαιο 2ο - σελ. 10): Το πρόβλημα εκφράζεται από το μαθηματικό μοντέλο: max z = 600x T + 250x K + 750x Γ + 450x B 5x T + x K + 9x Γ + 12x
ΑΣΚΗΣΗ (ΜΟΝΑΔΕΣ 5) Ένας κατασκευαστής αυτοκινήτων θέλει να προγραμματίσει για μια χρονική περίοδο την παραγωγή δύο μοντέλων αυτοκινήτου: του μοντέλου Α και του μοντέλου Β. Κάθε μοντέλο αυτοκινήτου απαιτεί
Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ
ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΙΟΥΝΙΟΣ 2012 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ ΘΕΜΑ ΠΡΩΤΟ: Θεωρήστε το π.γ.π.: maximize z(θ) = (10 4θ)x 1 +
Επιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 1: Εισαγωγή στο Γραμμικό Προγραμματισμό (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων
Α) δηλώνουν τις ποσότητες που, ανάλογα με το πρόβλημα, θα παραχθούν, επενδυθούν, αγοραστούν, κατασκευαστούν κ.λπ.
1. 0 γραμμικός προγραμματισμός μπορεί να εφαρμοστεί στη διαχείριση αγροτικής παραγωγής για τη βέλτιστη κατανομή πόρων όπως., με τρόπο που να οδηγεί στη μεγιστοποίηση των κερδών. Α) διαθέσιμης προς καλλιέργειας
Επιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #1: Ασκήσεις Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν εκπαιδευτικό
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΗΜΕΙΩΣΕΙΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΗΜΕΙΩΣΕΙΣ Δ.Α.Π. Ν.Δ.Φ.Κ. ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΠΕΙΡΑΙΩΣ www.dap-papei.gr ΠΑΡΑΔΕΙΓΜΑ 1 ΑΣΚΗΣΗ 1 Η FASHION Α.Ε είναι μια από
Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ
Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ 1 η Διάλεξη: Αναδρομή στον Μαθηματικό Προγραμματισμό 2019, Πολυτεχνική Σχολή Εργαστήριο Συστημάτων Σχεδιασμού, Παραγωγής και Λειτουργιών Περιεχόμενα 1. Γραμμικός Προγραμματισμός
Ανάλυση ευαισθησίας. Άσκηση 3 Δίνεται ο παρακάτω τελικός πίνακας Simplex. Επιχειρησιακή Έρευνα Γκόγκος Χρήστος
Τμήμα Μηχανικών Πληροφορικής ΤΕ Ακαδημαϊκό έτος 2016-2017 Άρτα Επιχειρησιακή Έρευνα Γκόγκος Χρήστος Μεταπτυχιακό Μηχανικών Η/Υ και Δικτύων Μεταπτυχιακό Μηχανικών Η/Υ και Δικτύων ΣΕΤ ΑΣΚΗΣΕΩΝ 3 Ανάλυση
Τ.Ε.Ι. Πειραιά Π.Μ.Σ. ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ
Τ.Ε.Ι. Πειραιά Π.Μ.Σ. ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Ακαδημαϊκό Έτος: 2013-2014 (Χειμερινό Εξάμηνο) Μάθημα: Σχεδιασμός Αλγορίθμων και Επιχειρησιακή Έρευνα Καθηγητής: Νίκος Τσότσολας Εργασία
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Γραμμικός προγραμματισμός: Εισαγωγή Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 3 η /2017 Γραμμικός προγραμματισμός Είναι μια μεθοδολογία
Case 04: Επιλογή Χαρτοφυλακίου IΙ «Null Risk Securities» ΣΕΝΑΡΙΟ
Case 04: Επιλογή Χαρτοφυλακίου IΙ «Null Risk Securities» ΣΕΝΑΡΙΟ εκαετές πρόγραµµα επενδύσεων Οκτώ επενδυτικές ευκαιρίες Έντοκα γραµµάτια δηµοσίου, κοινές µετοχές εταιρειών, οµόλογα οργανισµών κ.ά. H επένδυση
Τμήμα Διοίκησης Επιχειρήσεων
Τμήμα Διοίκησης Επιχειρήσεων ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα 2: Γραφική επίλυση προβληµάτων γραµµικού προγραµµατισµού(γ.π.) ιδάσκων: Βασίλειος Ισµυρλής Τηλ:6979948174, e-mail: vasismir@gmail.com
Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό
Πληροφοριακά Συστήματα Διοίκησης Εισαγωγή στον Γραμμικό Προγραμματισμό Τι είναι ο Γραμμικός Προγραμματισμός; Είναι το σημαντικότερο μοντέλο στη Λήψη Αποφάσεων Αντικείμενό του η «άριστη» κατανομή περιορισμένων
Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1)
Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1) Η βιομηχανική επιχείρηση «ΑΤΛΑΣ Α.Ε.» δραστηριοποιείται στο χώρο του φυσικού αερίου και ειδικότερα στις συσκευές οικιακής χρήσης. Πρόκειται να εισάγει
Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ
ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΙΟΥΝΙΟΣ 2 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ ΘΕΜΑ ο : Για το μοντέλο του π.γ.π. που ακολουθεί maximize z = x
ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ
ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ Ελαχιστοποίηση κόστους διατροφής Ηεπιχείρηση ζωοτροφών ΒΙΟΤΡΟΦΕΣ εξασφάλισε µια ειδική παραγγελίααπό έναν πελάτη της για την παρασκευή 1.000 κιλών ζωοτροφής, η οποία θα πρέπει
Αναζητάμε το εβδομαδιαίο πρόγραμμα παραγωγής που θα μεγιστοποιήσει 1/20
Μια από τις εταιρείες γάλακτος στην προσπάθειά της να διεισδύσει στην αγορά του παγωτού πολυτελείας επενδύει σε μια μικρή πιλοτική γραμμή παραγωγής δύο προϊόντων της κατηγορίας αυτής. Πρόκειται για οικογενειακές
ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ
ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ Διαγώνισμα Προσομοίωσης ΟΜΑΔΑ Α Για τις παρακάτω προτάσεις από Α.1. μέχρι και Α.5. να γράψετε στο τετράδιό σας τον αριθμό της καθεμιάς και δίπλα σε κάθε αριθμό τη λέξη Σωστό,
RIGHTHAND SIDE RANGES
Μια εταιρεία εξόρυξης μεταλλευμάτων, έλαβε μια παραγγελία για 100 τόνους σιδηρομεταλλεύματος. Η παραγγελία πρέπει να περιλαμβάνει τουλάχιστον.5 τόνους νικέλιο, το πολύ τόνους άνθρακα κι ακριβώς 4 τόνους
Συστήματα Παραγωγής ΠΑΡΑΔΕΙΓΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
Συστήματα Παραγωγής ΠΑΡΑΔΕΙΓΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Περιεχόμενα 1 Γενικά στοιχεία γραμμικού προγραμματισμού 2 Παράδειγμα γραμμικού προγραμματισμού και γραφικής επίλυσης του 3 Γραμμικός προγραμματισμός
Chemical A.E. χηµική βιοµηχανία Ρύπανση του παρακείµενου ποταµού µε απόβλητα
Case 15: Προστασία του Περιβάλλοντος ΣΕΝΑΡΙΟ Chemical A.E. χηµική βιοµηχανία Ρύπανση του παρακείµενου ποταµού µε απόβλητα 1 Σενάριο και υπόλοιπα δεδοµένα Συγκροτήθηκε οµάδα εργασίας για την επεξεργασία
Περιεχόμενα. 1. Ανάλυση ευαισθησίας. (1) Ανάλυση ευαισθησίας (2) Δυϊκό πρόβλημα (κανονική μορφή) (3) Δυαδικός προγραμματισμός (4) Ανάλυση αποφάσεων
Περιεχόμενα (1) Ανάλυση ευαισθησίας (2) Δυϊκό πρόβλημα (κανονική μορφή) (3) Δυαδικός προγραμματισμός (4) Ανάλυση αποφάσεων 1. Ανάλυση ευαισθησίας Λυμένο παράδειγμα 7 από το βιβλίο, σελ.85, λύση σελ.328
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΕΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (11/05/2011, 9:00)
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών Θεματική Ενότητα Διοίκηση Επιχειρήσεων & Οργανισμών ΔΕΟ 3 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος 00-0 ΤΕΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (/05/0, 9:00) Να απαντηθούν 4 από τα 5
Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1)
Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1) Ένα πολυσταδιακό πρόβλημα που αφορά στον τριμηνιαίο προγραμματισμό για μία βιομηχανική επιχείρηση παραγωγής ελαστικών (οχημάτων) Γενικός προγραμματισμός
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Επένδυση µέρους των ρευστών διαθεσίµων ύψους
Case 03: Επιλογή Χαρτοφυλακίου Ι «ΖΗΤΑ A.E.» ΣΕΝΑΡΙΟ (Portfolio Selection) Επένδυση µέρους των ρευστών διαθεσίµων ύψους 600.000 Επένδυση Ετήσιο αναµενόµενο ποσοστό απόδοσης (%) ΤραπεζικήΜετοχήΑ 13,7 ΤραπεζικήΜετοχήΒ
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΜΑΘΗΜΑΤΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΜΑΘΗΜΑΤΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΕΙΣΗΓΗΤΗΣ: Δρ. Ιωάννης Σ. Τουρτούρας Μηχανικός Παραγωγής & Διοίκησης
Επιχειρησιακή Έρευνα I
Επιχειρησιακή Έρευνα I Operations/Operational Research (OR) Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα EE 1&2 Εισαγωγή Μαθηματικός Προγραμματισμός - Γραμμικός
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Γραμμικός προγραμματισμός: μέθοδος simplex Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 4 η /2017 Η γεωμετρία των προβλημάτων γραμμικού
Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού
Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 τελευταία ενημέρωση: 21/10/2016 1 Γραφική μέθοδος
ΑΠΑΙΤΟΥΜΕΝΟΣ ΧΡΟΝΟΣ (hr) στο. Στάδιο Α Στάδιο Β (ανά) τρακτέρ 10 20 (ανά) γερανό 15 10
2. Βασικές Έννοιες Γραμμικού Προγραμματισμού 89 ΠΑΡΑΔΕΙΓΜΑ 2.10 Η TRACPRO, γνωστή αυτοκινητοβιομηχανία, προσπαθεί να εντοπίσει το εβδομαδιαίο σχέδιο παραγωγής τρακτέρ και γερανών με τα μεγαλύτερα κέρδη:
ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ
(Transportation Problems) Βασίλης Κώστογλου E-mail: vkostogl@it.teithe.gr URL: www.it.teithe.gr/~vkostogl Περιγραφή Ένα πρόβλημα μεταφοράς ασχολείται με το πρόβλημα του προσδιορισμού του καλύτερου δυνατού
Διαδικασία μετατροπής σε τυπική μορφή
ΤΕΙ Δυτικής Μακεδονίας -Τμήμα Διοίκησης επιχειρήσεων- Μάθημα: Ποσοτικές μέθοδοι στη διοίκηση επιχειρήσεων- ΣΤ Εξάμηνο Ημερομηνία: Τρίτη 25 ΑΠΡ 2017, 1 η γραπτή Πρόοδος Εκπαιδευτής: Βασίλειος Ισμυρλής,
Επιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #6: Στοχαστικός Γραμμικός Προγραμματισμός Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων
ΠΡΩΤΟ ΣΕΤ ΑΣΚΗΣΕΩΝ-ΓΡΑΦΙΚΗ ΕΠΙΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
ΠΡΩΤΟ ΣΕΤ ΑΣΚΗΣΕΩΝ-ΓΡΑΦΙΚΗ ΕΠΙΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΑΣΚΗΣΗ 1 Ένας κτηµατίας πρέπει να καθορίσει πόσα στρέµµατα καλαµποκιού και σιταριού να φυτέψει αυτή τη χρονιά. Ένα στρέµµα σιταριού
Τμήμα Διεθνούς Εμπορίου Επιχειρησιακή έρευνα. Επιχειρησιακή Έρευνα
ΤΕΙ Δυτικής Μακεδονίας Τμήμα Διεθνούς Εμπορίου Επιχειρησιακή Έρευνα Προβλήματα Διαμόρφωση μαθηματικού μοντέλου Γραφική λύση Επίλυση με τη μέθοδο Simplex Δρ. Ζαχαρούλα Καλογηράτου 1 Πρόβλημα 1. Εργαστήριο
Άσκηση 21. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης
Εταιρία παράγει σκυρόδεμα με το οποίο προμηθεύει σε καθημερινή βάση διάφορες οικοδομικές επιχειρήσεις. Το σκυρόδεμα παράγεται σε δύο εργοτάξια της εταιρίας, το Α και το Β. Με τα σημερινά δεδομένα, υπάρχει
Επιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 7: Επίλυση με τη μέθοδο Simplex (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων (Δ.Ε.Α.Π.Τ.)
Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα
Θεωρία Δυαδικότητας Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόμενα Παρουσίασης 1. Βασικά Θεωρήματα 2. Παραδείγματα 3. Οικονομική Ερμηνεία
Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Δυϊκότητα Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Το δυϊκό πρόβλημα Για κάθε πρόβλημα Γραμμικού Προγραμματισμού υπάρχει
Προσδιοριστικές Μέθοδοι Επιχειρησιακής Έρευνας Πολυκριτήριος Γραμμικός Προγραμματισμός (Goal Programming)
Προσδιοριστικές Μέθοδοι Επιχειρησιακής Έρευνας Πολυκριτήριος Γραμμικός Προγραμματισμός (Goal Programming Νίκος Τσάντας ιατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Τμήμ. Μαθηματικών Μαθηματικά των Υπολογιστών
Ακέραιος Γραμμικός Προγραμματισμός
Τμήμα Πληροφορικής & Τηλεπικοινωνιών Πανεπιστήμιο Ιωαννίνων 2018-2019 Ακέραιος Γραμμικός Προγραμματισμός Γκόγκος Χρήστος- Γεωργία Φουτσιτζή Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 12/01/2017 1 Ακέραιος
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΙΣΗΓΗΤΗΣ: Δρ. Ιωάννης Σ. Τουρτούρας Μηχανικός Παραγωγής & Διοίκησης Δ.Π.Θ. Χρηματοδότηση Το παρόν εκπαιδευτικό
Case 01: Προγραµµατισµός Αγροτικής Παραγωγής «AGRO» ΣΕΝΑΡΙΟ
Case 01: Προγραµµατισµός Αγροτικής Παραγωγής «AGRO» ΣΕΝΑΡΙΟ Προγραµµατισµός τεσσάρων διαφορετικών προϊόντων Σιτάρι, σόγια, βρώµη καικαλαµπόκι Μέγιστη συνολική έκταση 1.500 στρέµµατα Ακριβώς 100 στρέµµατα
ΚΕΦΑΛΑΙΟ 6 ΓΕΝΙΚΕΣ ΑΡΧΕΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΗΤΙΚΟΥ ΚΑΙ ΠΑΘΗΤΙΚΟΥ
ΚΕΦΑΛΑΙΟ 6 ΓΕΝΙΚΕΣ ΑΡΧΕΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΗΤΙΚΟΥ ΚΑΙ ΠΑΘΗΤΙΚΟΥ Εισαγωγή Ο σκοπός της διαχείρισης του ενεργητικού και παθητικού μιας τράπεζας είναι η μεγιστοποίηση του πλούτου των μετόχων. Η επίτευξη αυτού
Το Πρόβλημα Μεταφοράς
Το Πρόβλημα Μεταφοράς Αφορά τη μεταφορά ενός προϊόντος από διάφορους σταθμούς παραγωγής σε διάφορες θέσεις κατανάλωσης με το ελάχιστο δυνατό κόστος. Πρόκειται για το πιο σπουδαίο πρότυπο προβλήματος γραμμικού
Γραμμικός Προγραμματισμός Μέθοδος Simplex
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραμμικός Προγραμματισμός Μέθοδος Simplex Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Πρότυπη Μορφή ΓΠ 2. Πινακοποίηση
Case 06: Το πρόβληµα τωνlorie και Savage Εισαγωγή (1)
Case 06: Το πρόβληµα τωνlorie και Savage Εισαγωγή (1) Το εσωτερικό ποσοστό απόδοσης (internal rate of return) ως κριτήριο αξιολόγησης επενδύσεων Προβλήµατα προκύπτουν όταν υπάρχουν επενδυτικές ευκαιρίες
Κ.Ε. Κιουλάφας Επιχειρησιακός Ερευνητής Καθηγητής Πανεπιστημίου Αθηνών
ΕΘΝΙΚΟ & ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΔΠΜΣ Οικονομική & Διοίκηση Τηλεπικοινωνιακών Δικτύων Κ.Ε. Κιουλάφας Επιχειρησιακός Ερευνητής Καθηγητής Πανεπιστημίου Αθηνών Αθήνα, 2007 Η ΠΕΡΙΠΤΩΣΗ ΕΛΕΓΧΟΥ ΑΠΟΘΕΜΑΤΩΝ
ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ IΟΥΝΙΟΥ 2015
ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ IΟΥΝΙΟΥ 2015 ΘΕΜΑ 1 ( Μονάδες 2) Μια επιχείρηση κατασκευής tablet έχει εργοστάσια σε τρεις διαφορετικές χώρες Α,Β,Γ που παράγουν αντίστοιχα 200, 260 και
Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)
Ανάλυση Ευαισθησίας. Έχοντας λύσει ένας πρόβλημα ΓΠ θα πρέπει να αναρωτηθούμε αν η λύση έχει φυσική σημασία. Είναι επίσης πολύ πιθανό να έχουμε χρησιμοποιήσει δεδομένα για τα οποία δεν είμαστε σίγουροι
2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ 2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Μ. Καρλαύτης Ν. Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες Χρήσης Creative
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1 1 Βελτιστοποίηση Στην προσπάθεια αντιμετώπισης και επίλυσης των προβλημάτων που προκύπτουν στην πράξη, αναπτύσσουμε μαθηματικά μοντέλα,
Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ
Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ Η «OutBoard Motors Co» παράγει τέσσερα διαφορετικά είδη εξωλέμβιων (προϊόντα 1 4) Ο γενικός διευθυντής κ. Σχοινάς, ενδιαφέρεται
ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο
ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο Διδάσκων: Ι. Κολέτσος Κανονική Εξέταση 2007 ΘΕΜΑ 1 Διαιτολόγος προετοιμάζει ένα μενού
Επιχειρησιακή Έρευνα I
Επιχειρησιακή Έρευνα I Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα 1. Εισαγωγή 2. Γραμμικός Προγραμματισμός 1. Μοντελοποίηση 2. Μέθοδος Simplex 1. Αλγόριθμός Simplex
Επιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #3: Ακέραιος Προγραμματισμός Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
ΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ
ΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ Βασικός τελικός στόχος κάθε επιστηµονικής τεχνολογικής εφαρµογής είναι: H γενική βελτίωση της ποιότητας του περιβάλλοντος Η βελτίωση της ποιότητας ζωής Τα µέσα µε τα
ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1,100 700 900 Δ3 1,400 800 2,200
ΑΣΚΗΣΗ Η εταιρεία logistics Orient Express έχει αναλάβει τη διακίνηση των φορητών προσωπικών υπολογιστών γνωστής πολυεθνικής εταιρείας σε πελάτες που βρίσκονται στο Hong Kong, τη Σιγκαπούρη και την Ταϊβάν.
Δυναμικότητα (GWh) A B C Ζήτηση (GWh) W X Y Z
Άσκηση Η εταιρία ηλεκτρισμού ELECTRON έχει τρείς μονάδες ηλεκτροπαραγωγής Α, Β, C και θέλει να καλύψει τη ζήτηση σε τέσσερις πόλεις W, Χ, Υ, Ζ. Η μέγιστη παραγωγή, η απαιτούμενη ζήτηση και το κόστος μεταφοράς
Νέα Κοινή Αγροτική Πολιτική 2014-2020
Νέα Κοινή Αγροτική Πολιτική 20142020 Οι Θεσσαλοί αγρότες και κτηνοτρόφοι χάνουν μεγάλο μερίδιο από την εφαρμογή της Νέας ΚΑΠ, αγγίζοντας την μείωση του 40 % από το 2013 ως το 2019. Πλήττονται τα δικαιώματα
είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές
Ένα τυχαίο π.γ.π. maximize/minimize z=c x Αx = b x 0 Τυπική μορφή του π.γ.π. maximize z=c x Αx = b x 0 b 0 είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς
Ανάλυση Ευαισθησίας. αναζητάμε τις επιπτώσεις που επιφέρει στη βέλτιστη λύση η
Ανάλυση Ευαισθησίας αναζητάμε τις επιπτώσεις που επιφέρει στη βέλτιστη λύση η μεταβολή των αντικειμενικών συντελεστών c μεταβολή των όρων b i στο δεξιό μέλος του συστήματ των περιορισμ μεταβολή των συντελεστών
Τμήμα Διοίκησης Επιχειρήσεων
Τμήμα Διοίκησης Επιχειρήσεων ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα 3: Ανάλυση ευαισθησίας ιδάσκων: Βασίλειος Ισµυρλής Τηλ:6979948174, e-mail: vasismir@gmail.com http://vasilis-ismyrlis.webnode.gr/