Α. Διατύπωση μοντέλου προβλήματος γραμμικού προγραμματισμού

Σχετικά έγγραφα
Αβεβαιότητα (Uncertainty)

Πληροφοριακά Συστήματα. Προγραμματισμός έργων Η μέθοδος CPM

που αντιστοιχεί στον τυχαίο αριθμό 0.6 δίνει ισχύ P Y Να βρεθεί η μεταβλητή k 2.

ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ )

Επιχειρησιακή Έρευνα I

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.

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

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

Γραμμικός Προγραμματισμός

Επιχειρησιακή έρευνα (ασκήσεις)

Ποσοτικές Μέθοδοι στη Λήψη Διοικητικών Αποφάσεων ΙΙ

Μοντέλα Διανομής και Δικτύων

1. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

dz dz dy = = + = + + dx dy dx

Επιχειρησιακή Έρευνα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΕΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (11/05/2011, 9:00)

ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓΗ Άσκηση 1. Λύση

Επιχειρησιακή Έρευνα

Ηρώων Πολυτεχνείου 9, Ζωγράφου, Αθήνα, Τηλ: , Fax: URL

Πληροφοριακά Συστήματα Διοίκησης. Προσομοίωση Simulation

Γραμμικός Προγραμματισμός

Επιχειρησιακή Έρευνα I

1 η Άσκηση στο Χρονοπρογραμματισμό Έργων

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ & ΣΥΣΤΗΜΑΤΩΝ ΥΠΗΡΕΣΙΩΝ

Άσκηση 5. Εργοστάσια. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Ονοματεπώνυμο: Ερώτημα: Σύνολο Μονάδες: Βαθμός:

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα I

Αναζητάμε το εβδομαδιαίο πρόγραμμα παραγωγής που θα μεγιστοποιήσει 1/20

ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓΗ

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων

Οργάνωση και Διοίκηση Εργοστασίων. Σαχαρίδης Γιώργος

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων

Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό

ΦΥΛΛΑΔΙΟ ΑΣΚΗΣΕΩΝ. Εργαστήριο Συστημάτων Αποφάσεων & Διοίκησης ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών

2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ

Δίκτυα Κινητών και Προσωπικών Επικοινωνιών

max c 1 x 1 + c 2 x c n x n υπό a 11 x 1 + a 12 x a 1n x n b 1 a 21 x 1 + a 22 x a 2n x n b 2 a m1 x 1 + a m2 x a mn x n b m

Case 11: Πρόγραμμα Παρακίνησης Πωλητών ΣΕΝΑΡΙΟ

Πληροφοριακά Συστήματα Διοίκησης. Θεωρία Αποφάσεων

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΗΜΕΙΩΣΕΙΣ

Τμήμα Διοίκησης Επιχειρήσεων

Δυναμικότητα (GWh) A B C Ζήτηση (GWh) W X Y Z

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (16/06/2010, 18:00)

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Birth-Death, Ουρές Markov:

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

ΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις

Επιχειρησιακή Έρευνα

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1, Δ3 1, ,200

( ) ΘΕΜΑ 1 κανονική κατανομή

Διαδικασία μετατροπής σε τυπική μορφή

Λυμένες ασκήσεις στα πλαίσια του μαθήματος «Διοίκηση Εφοδιαστικής Αλυσίδας»

ΕΦΑΡΜΟΓΕΣ ΣΧΕΔΙΑΣΜΟΥ ΔΥΝΑΜΙΚΟΤΗΤΑΣ

ΠΕΡΙΕΧΟΜΕΝΑ ΔΙΟΙΚΗΣΗ ΛΕΙΤΟΥΡΓΙΩΝ. Διοίκηση και Προγραμματισμός Έργων

Κεφάλαιο 1: Στρατηγική Παραγωγικής Διαδικασίας

ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ ΔΕΟ 13 ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΤΕΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΠΡΟΤΕΙΝΟΜΕΝΑ ΘΕΜΑΤΑ ΚΑΙ ΛΥΣΕΙΣ

Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1)

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

7. Η ΔΥΝΑΜΙΚΗ ΤΟΥ ΕΡΓΟΣΤΑΣΙΟΥ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

Α) Κριτήριο Προσδοκώμενης Χρηματικής Αξίας Expected Monetary Value (EMV)

Ειδικά Θέματα Πιθανοτήτων και Στατιστικής Θεωρία Αποφάσεων. Μέρος Α

Προβλήματα Μεταφορών (Transportation)

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Αναλυτικών Τεχνικών Θεωρίας Πιθανοτήτων για Εφαρμογή σε Ουρές Αναμονής M/G/1

Θεωρία Τηλεπικοινωνιακής Κίνησης Ενότητα 2: Θεμελιώδεις σχέσεις

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

Γραπτή Εξέταση στο Μάθημα "ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ" 6ο Εξάμηνο Ηλεκτρολόγων Μηχ. & Μηχ. Υπολογιστών Θέματα και Λύσεις. μ 1.

Ηρώων Πολυτεχνείου 9, Ζωγράφου, Αθήνα, Τηλ: , Fax: URL

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ. Κεφάλαιο 2 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού

Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks)

Προσομοίωση Συστημάτων

ΤΕΙ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ. ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ ΔΙΑΧΕΙΡΗΣΗ ΑΠΟΘΕΜΑΤΩΝ ΕΝΟΤΗΤΑ 7η

ΑΣΚΗΣΕΙΣ ΔΥΝΑΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Άσκηση Προσομοίωσης Στατιστικές Εξόδου Ουράς Μ/Μ/1 - Θεώρημα Burke Ανοικτά Δίκτυα Ουρών Μ/Μ/1 - Θεώρημα Jackson

2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

10/12/2012 ΔΙΟΙΚΗΣΗ ΕΡΓΩΝ ΠΕΡΙΕΧΟΜΕΝΑ

ΣΧΕΔΙΑΣΜΟΣ ΠΡΟΪΟΝΤΟΣ, ΔΥΝΑΜΙΚΟΤΗΤΑΣ, ΜΕΘΟΔΟΥ ΠΑΡΑΓΩΓΗΣ

Οι βασικές λειτουργίες (ή πράξεις) που γίνονται σε μια δομή δεδομένων είναι:

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1

Network Analysis, CPM and PERT Assignment 2 - Λύσεις

3.ΟΥΡΕΣ ΑΝΑΜΟΝΗΣ

Επιχειρησιακή Έρευνα

Θέμα 1 (20%) (α) Πότε είναι εργοδικό το παραπάνω σύστημα; Για πεπερασμένο c, το σύστημα είναι πάντα εργοδικό.

ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓΗ

Ο Π Ε Υ Ελάχιστα γραμμών Ο *maximin (A) Π Ε Υ * minimax (B)

ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ ΙΟΥΛΙΟΥ 2014

Ακολουθούν ενδεικτικές ασκήσεις που αφορούν την τέταρτη εργασία της ενότητας ΔΕΟ13

είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές

Ακαδημαϊκό Έτος: Τέταρτη Γραπτή Εργασία στην Επιχειρησιακή Έρευνα

Τμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος

Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1)

Transcript:

Ασκήσεις ΠΣΔ Α. Διατύπωση μοντέλου προβλήματος γραμμικού προγραμματισμού Μια επιχείρηση παράγει 3 προϊόντα και έχει 4 διαθέσιμαεργοστάσια. Ο χρόνος παραγωγής (σε λεπτά) για κάθε προϊόν διαφέρει από εργοστάσιο σε εργοστάσιο όπως φαίνεται στον ακόλουθο πίνακα: Χρόνοι παραγωγής Εργοστάσιο 1 Εργοστάσιο 2 Εργοστάσιο 3 Εργοστάσιο 4 Προϊόν 1 5 7 4 10 Προϊόν 2 6 12 8 15 Προϊόν 3 13 14 9 17 Αντίστοιχα το κέρδος ανά παραγόμενη μονάδα διαφέρει μεταξύ των εργοστασίων όπως φαίνεται στον ακόλουθο πίνακα: Κέρδος ανά μονάδα Εργοστάσιο 1 Εργοστάσιο 2 Εργοστάσιο 3 Εργοστάσιο 4 Προϊόν 1 10 8 6 9 Προϊόν 2 18 20 15 17 Προϊόν 3 15 16 13 17 Αν για μια εβδομάδα διατίθενται 35 εργάσιμες ώρες σε κάθε εργοστάσιο ποια θα πρέπει να είναι η ποσότητα που θα παραχθεί από κάθε εργοστάσιο για κάθε προϊόν δεδομένου ότι χρειαζόμαστε τουλάχιστον 100 μονάδες από το προϊόν 1, 150 μονάδες από το προϊόν 2 και 100 μονάδες από το προϊόν 3. Να διατυπωθεί το παραπάνω πρόβλημα ως πρόβλημα γραμμικού προγραμματισμού. Μεταβλητές Θα πρέπει να αποφασιστεί ο αριθμός από κάθε είδος προϊόντος που θα κατασκευαστεί. Ειδικότερα θα πρέπει να αποφασιστεί ο αριθμός από κάθε είδος προϊόντος που θα κατασκευαστεί στο εργοστάσιο 1, στο εργοστάσιο 2 και στο εργοστάσιο 3. Συνεπώς ορίζουμε: xij = ποσότητα από το προϊόν i (i=1,2,3) που θα κατασκευαστεί στο εργοστάσιο j (j=1,2,3,4) ανά εβδομάδα. Περιορισμοί Περιορισμός διαθέσιμου χρόνου σε κάθε εργοστάσιο 5*x11+6*x21+13*x31 <= 35 * 60 7*x12+12*x22+14*x32 <= 35 * 60 5*x13+6*x23 +13*x33<= 35 * 60 5*x14+6*x24 +13*x34<= 35 * 60 Περιορισμοί κατώτατων ορίων παραγωγής για κάθε προϊόν x11 + x12 + x13 + x14 >=100 x21 + x22 + x23 + x24 >=150 x31 + x32 + x33 + x34 >=100 Περιορισμοί μη αρνητικότητας x11, x12,x13,x14, x21,x22,x23,x24,x31,x32,x33,x34 [1]

Συνάρτηση στόχος (αντικειμενική συνάρτηση) Maximize: 10*x11 + 8*x12 + 6*x13 + 9*x14 + 18*x21 + 20*x22 + 15*x23 + 17*x24 + 15*x31 + 16*x32 + 13*x33 + 17*x34 Πηγή: http://people.brunel.ac.uk/~mastjjb/jeb/or/lpmore.html Β. Γεωμετρική απεικόνιση προβλήματος γραμμικού προγραμματισμού στις 2 διαστάσεις Maximize: 4*x + 3*y Subject to: x + 2*y <=16 x + y <= 9 3*x + 2*y <=24 x, y >=0 Να σχεδιάσετε την εφικτή περιοχή του παραπάνω προβλήματος. Να υπολογιστεί η τιμή της αντικειμενικής συνάρτησης για κάθε κορυφή της εφικτής περιοχής και να βρεθεί η κορυφή που την μεγιστοποιεί. Σημείο Α (0,8) 4*0 + 3*8=24 Σημείο Β (0,0) 0*0 + 0*0=0 Σημείο Γ (8,0) 4*8 + 3*0 = 32 Σημείο Δ (6,3) 4*6 + 3*3 = 24 + 9 = 33 Σημείο Ε (2,7) 4*2 + 3*7 = 8 + 21 =29 Πηγή: http://people.richland.edu/james/ictcm/2006/geometric.html [2]

Γ. Πιθανότητα υπό όρους Η Μαρία παντρεύεται αύριο σε μια τελετή που θα γίνει αύριο σε ανοιχτό χώρο σε ένα νησί που σπάνια βρέχει. Στα τελευταία έτη έχει βρέξει μόνο 5 ημέρες τον χρόνο. Ο μετεωρολόγος προέβλεψε όμως βροχή για αύριο. Είναι γνωστό ότι ο μετεωρολόγος προβλέπει την βροχή σωστά με πιθανότητα 90%. Όταν δεν βρέχει η πιθανότητα να προβλέψει βροχή ο μετεωρολόγος είναι 10%. Ποια είναι η πιθανότητα να βρέξει στην ημέρα του γάμου της Μαρίας. Γεγονός Α1: Θα βρέξει στον γάμο της Μαρίας Γεγονός Α2: Δεν θα βρέξει στο γάμο της Μαρίας Γεγονός Β: Ο μετεωρολόγος προβλέπει βροχή P(A1) = 5/365 = 0,014 P(A2) = 360/365 =0,986 P(B A1) =0,9 P(B A2)=0,1 P(A1 B) = P(A1)*P(B A1) / (P(A1)*P(B A1) + P(A2)*P(B A2)) =0,014*0,9 / (0,014*0,9 + 0,986*0,1) = 0,111 Δηλαδή η πιθανότητα να βρέξει ακόμα και αν ο μετεωρολόγος έχει προβλέψει βροχή είναι μόλις 11%! Πηγή: http://stattrek.com/lesson1/bayes.aspx Δ. Αβεβαιότητα προσδοκώμενο κέρδος Μια επιχείρηση προτίθεται να ξεκινήσει την παραγωγή ενός προϊόντος. Για την παραγωγή εξετάζει το ενδεχόμενο της ενοικίασης μικρής γραμμής παραγωγής με δυνατότητα 3.000 τεμάχια ανά ημέρα και μιας μεγάλης γραμμής παραγωγής με δυνατότητα 6.000 τεμάχια την ημέρα. Το ημερήσιο κόστος ενοικίασης και λειτουργίας είναι 10.000 και 20.000 αντίστοιχα. Η επιχείρηση δεν γνωρίζει τη ακριβής ζήτηση για το προϊόν της. Εκτιμά ότι θα υπάρξει «μέτριαζήτηση» 2.000 τεμαχίων ανά ημέρα με 70% πιθανότητα και «υψηλή ζήτηση» 5.000 τεμαχίων ανά ημέρα με πιθανότητα 30%. Η τιμή με την οποία θα διατίθεται το προϊόν στην αγορά θα είναι προς 20 το τεμάχιο ενώ το κόστος κατασκευής του θα είναι 14 σε περίπτωση που επιλεγεί η μικρή γραμμή παραγωγής και 12 αν επιλεγεί η μεγάλη γραμμή παραγωγής. Α) Ποια γραμμή παραγωγής συμφέρει να ενοικιαστεί (θεωρείστε ότι τα τεμάχια που δεν πωλούνται απορροφούνται με τιμή την αξία παραγωγής τους ανά περίπτωση); Β) Ποιο είναι το προσδοκώμενο κέρδος της τέλειας πληροφορίας για το σενάριο του ερωτήματος Α και ποια η αξία της τέλειας πληροφορίας; Γ) Αν η υπολειμματική αξία των τεμαχίων που παράγονται είναι 15 ποια γραμμή παραγωγής συμφέρει να ενοικιαστεί; Α) Υπάρχουν 2 εναλλακτικές αποφάσεις που μπορούν να ληφθούν και 2 πιθανές καταστάσεις που μπορούν να συμβούν. Άρα συνολικά υπάρχουν 4 ενδεχόμενα. Ο τύπος που δίνει το κέρδος είναι: Κέρδος = ((20-κόστος_κατασκευής) * min (ποσότητα_παραγωγής, ζήτηση)) κόστος_ενοικίασης 1) Μικρή γραμμή παραγωγής μικρή ζήτηση Κέρδος = (20-14) * min(3.000, 2.000) 10.000 = 2.000 2) Μικρή γραμμή παραγωγής μεγάλη ζήτηση [3]

Κέρδος = (20-14) * min(3.000, 5.000) 10.000 = 8.000 3) Μεγάλη γραμμή παραγωγής μικρή ζήτηση Κέρδος = (20-12) * min(6.000, 2.000) 20.000 = -4.000 4) Μεγάλη γραμμή παραγωγής μεγάλη ζήτηση Κέρδος = (20-12) * min(6.000, 5.000) 20.000 = 20.000 EV(μικρή γραμμή παραγωγής) = 70% * 2.000 + 30% * 8.000 = 3.800 EV(μεγάλη γραμμή παραγωγής) = 70% * -4.000 + 30% * 20.000 = 3.200 Β) Αν γνωρίζουμε την ζήτηση εκ των προτέρων μπορούμε να επιλέξουμε την καλύτερη εναλλακτική σε σχέση με το επίπεδο ζήτησης. Άρα για κάθε ζήτηση το ενδιαφέρον μας επικεντρώνεται στο υψηλότερο κέρδος. Μικρή ζήτηση Μεγάλη ζήτηση Μικρή γραμμή παραγωγής 3.000 8.000 Μεγάλη γραμμή παραγωγής -4000 3.200 70% 30% Αν υπάρξει μικρή ζήτηση η καλύτερη εναλλακτική είναι η μικρή γραμμή παραγωγής. Αν υπάρξει μεγάλη ζήτηση η καλύτερη εναλλακτική είναι πάλι η μικρή γραμμή παραγωγής. Το προσδοκώμενο κέρδος έχοντας στην διάθεσή μας την τέλεια πληροφορία υπολογίζεται ως εξής EVPI = 70%*2000 + 30%*8000 = 3.800 Όμως το προσδοκώμενο κέρδος ήταν ήδη 3.800 άρα η αξία της τέλειας πληροφορίας για το συγκεκριμένο παράδειγμα είναι EVPI EV = 3.800 3.800 = μηδέν. Γ) Ο τύπος που δίνει τώρα το κέρδος για τις περιπτώσεις που η ζήτηση είναι μικρότερη της ποσότητας παραγωγής (1, 3 και 4) είναι: Κέρδος = ((20-κόστος_κατασκευής) * min (ποσότητα_παραγωγής, ζήτηση)) κόστος_ενοικίασης + (15- κόστος_κατασκευής)*(ποσότητα_παραγωγής-ζήτηση) 1) Μικρή γραμμή παραγωγής μικρή ζήτηση Κέρδος = (20-14) * min(3.000, 2.000) 10.000 + (3.000-2.000)*(15-14)= 3.000 2) Μικρή γραμμή παραγωγής μεγάλη ζήτηση Κέρδος = (20-14) * min(3.000, 5.000) 10.000 = 8.000 3) Μεγάλη γραμμή παραγωγής μικρή ζήτηση Κέρδος = (20-12) * min(6.000, 2.000) 20.000 + (6.000-2.000)*(15-12)= 8.000 4) Μεγάλη γραμμή παραγωγής μεγάλη ζήτηση Κέρδος = (20-12) * min(6.000, 5.000) 20.000 + (6.000-5.000)*(15-12)= 23.000 EV(μικρή γραμμή παραγωγής) = 70% * 3.000 + 30% * 8.000 = 4.500 EV(μεγάλη γραμμή παραγωγής) = 70% * 8.000 + 30% * 23.000 = 12.500 [4]

Ε. Προσομοίωση Έστω μια Τράπεζα που εξυπηρετεί του πελάτες της λειτουργώντας 2 ταμεία. Οι χρόνοι αφίξεων μεταξύ των πελατών είναι εκθετικά κατανεμημένοι με μέση τιμή τα 2 λεπτά. Δηλαδή ο αριθμός των πελατών που έρχονται για εξυπηρέτηση και εισέρχονται στην γραμμή αναμονής μέσα σε μια ώρα έχει κατανομή Poisson με μέση τιμή 60/2=30 πελάτες την ώρα. Ο χρόνος εξυπηρέτησης των πελατών από τον ταμία 1 είναι εκθετικά κατανεμημένος με μέση τιμή τα 5 λεπτά ενώ ο χρόνος εξυπηρέτησης από τον ταμία 2 είναι εκθετικά κατανεμημένος με μέση τιμή τα 4 λεπτά. Πραγματοποιείται προσομοίωση η οποία δίνει τις ακόλουθες τιμές: o Διαστήματα μεταξύ αφίξεων διαδοχικών πελατών: 2,2,2,0,3,0,1,2,1, o Χρόνοι εξυπηρέτησης πελατών από τον Ταμία 1: 6,1,4,4,4,2, o Χρόνοι εξυπηρέτησης πελατών από τον Ταμία 2: 6,5,7,3,3, Θεωρείστε ότι αν και τα δυο ταμεία είναι διαθέσιμα ο πελάτης εξυπηρετείται από το ταμείο 1. Θεωρείστε ότι ο πρώτος πελάτης εμφανίζεται την χρονική στιγμή μηδέν. Α) Να συμπληρωθεί ο ακόλουθος πίνακας με την εξέλιξη της ουράς αναμονής για την Τράπεζα για τους 9 πρώτους πελάτες. Χρόνος Άφιξη πελάτη ή πελατών Διάρκεια μέχρι την επόμενη άφιξη Ταμίας 1 Ταμίας 2 Ολοκλήρωση εξυπηρέτησης και διάρκεια παραμονής στο σύστημα 0 Πελάτης 1 2 Πελάτης 1 Διαθέσιμος 1 Πελάτης 1 Διαθέσιμος 2 Πελάτης 2 2 Πελάτης 1 Πελάτης 2 3 Πελάτης 1 Πελάτης 2 4 Πελάτης 1 Πελάτης 2 5 Πελάτης 1 Πελάτης 2 Πελάτης 1 6 λεπτά 6 Πελάτης 2 7 Πελάτης 2 Β) Ποιος είναι ο μέσος χρόνος παραμονής πελατών στο σύστημα; Ποιος είναι ο πελάτης που έμεινε περισσότερη ώρα στο σύστημα; Γ) Ποια θα είναι η μορφή του πίνακα αν υπάρχει μόνο ο ταμίας 1. Συμπληρώστε τον νέο πίνακα μόνο για τις 5 πρώτες αφίξεις πελατών. Ποιος είναι τώρα ο μέσος χρόνος παραμονής στο σύστημα; Α) Εξέλιξη της ουράς αναμονής: Χρόνος Άφιξη πελάτη ή πελατών Διάρκεια μέχρι την επόμενη άφιξη Ταμίας 1 Ταμίας 2 Ολοκλήρωση εξυπηρέτησης και διάρκεια παραμονής στο σύστημα 0 Πελάτης 1 2 Πελάτης 1 Διαθέσιμος 1 Πελάτης 1 Διαθέσιμος 2 Πελάτης 2 2 Πελάτης 1 Πελάτης 2 3 Πελάτης 1 Πελάτης 2 4 Πελάτης 3 2 Πελάτης 1 Πελάτης 2 5 Πελάτης 1 Πελάτης 2 Πελάτης 1 6 λεπτά 6 Πελάτες 4 και 5 0,3 Πελάτης 3 Πελάτης 2 Πελάτης 3 3 λεπτά 7 Πελάτης 4 Πελάτης 2 Πελάτης 2 6 λεπτά 8 Πελάτης 4 Πελάτης 5 9 Πελάτες 6 και 7 0,1 Πελάτης 4 Πελάτης 5 10 Πελάτης 8 2 Πελάτης 4 Πελάτης 5 Πελάτης 4 5λεπτά [5]

11 Πελάτης 6 Πελάτης 5 12 Πελάτης 9 1 Πελάτης 6 Πελάτης 5 Πελάτης 5 7 λεπτά 13 Πελάτης 10 Πελάτης 6 Πελάτης 7 14 Πελάτης 6 Πελάτης 7 Πελάτης 6 6 λεπτά 15 Πελάτης 8 Πελάτης 7 16 Πελάτης 8 Πελάτης 7 17 Πελάτης 8 Πελάτης 7 18 Πελάτης 8 Πελάτης 7 Πελάτης 8 6 λεπτά 19 Πελάτης 9 Πελάτης 7 Πελάτης 7 11 λεπτά 20 Πελάτης 9 Πελάτης 10 Πελάτης 9 9 λεπτά 21 Πελάτης 10 22 Πελάτης 10 Πελάτης 10 10 λεπτά Β) Μέση παραμονή πελατών στο σύστημα= (6+3+6+5+7+6+6+11+9+10)/10 = 6,9. Ο πελάτης 7 έμεινε περισσότερο στο σύστημα (11 λεπτά) Γ) Εξέλιξη της ουράς αναμονής με δύο ταμίες: Χρόνος Άφιξη πελάτη ή πελατών Διάρκεια μέχρι την επόμενη άφιξη Ταμίας 1 Ολοκλήρωση εξυπηρέτησης και διάρκεια παραμονής στο σύστημα 0 Πελάτης 1 2 Πελάτης 1 1 Πελάτης 1 2 Πελάτης 2 2 Πελάτης 1 3 Πελάτης 1 4 Πελάτης 3 2 Πελάτης 1 5 Πελάτης 1 Πελάτης 1 6 λεπτά 6 Πελάτες 4 και 5 0, Πελάτης 2 Πελάτης 2 5 λεπτά 7 Πελάτης 3 8 Πελάτης 3 9 Πελάτης 3 10 Πελάτης 3 Πελάτης 3 7 λεπτά 11 Πελάτης 4 12 Πελάτης 4 13 Πελάτης 4 14 Πελάτης 4 Πελάτης 4 9 λεπτά 15 Πελάτης 5 16 Πελάτης 5 17 Πελάτης 5 18 Πελάτης 5 Πελάτης 5 13 λεπτά Μέση παραμονή πελατών στο σύστημα= (6+5+7+9+13)/5 = 8 [6]

ΣΤ. Εύρεση κρίσιμου μονοπατιού σε ένα δίκτυο δραστηριοτήτων Δίνεται το ακόλουθο δίκτυο δραστηριοτήτων στο οποίο φαίνεται για κάθε δραστηριότητα οι δραστηριότητες που θα πρέπει να έχουν ολοκληρωθεί πριν την εκκίνησή της. Επίσης για κάθε δραστηριότητα δίνεται μια περιγραφή και η διάρκειά της σε μήνες. Δραστηριότητα Περιγραφή Προαπαιτούμενες δραστηριότητες Διάρκεια A Σχεδίαση προϊόντος 5 B Έρευνα αγοράς 1 C Ανάλυση παραγωγής Α 2 D Μοντέλο παραγωγής Α 3 E Διαφημιστικό φυλλάδιο Α 2 F Ανάλυση κόστους C 3 G Έλεγχος προϊόντος D 4 H Εκπαίδευση πωλητών B, E 2 I Τιμολογιακή πολιτική H 1 J Αναφορά έργου F, G, I 1 Να υπολογιστούν οι νωρίτεροι χρόνοι γεγονότων, οι αργότεροι χρόνοι γεγονότων, το ελεύθερο περιθώριο κάθε γεγονότος, το ελεύθερο περιθώριο κάθε δραστηριότητας και το κρίσιμο μονοπάτι. Νωρίτεροι χρόνοι γεγονότων ΕΤ(1) = 0 ΕΤ(2) = 5 ΕΤ(3) = max(et(1)+1, ET(2)+2) = max(1, 7) = 7 ΕΤ(4) = ET(2) + 2 = 5 + 2 = 7 ET(5) = ET(2) + 3 = 5 + 3 = 8 ET(6) = ET(3) + 2 = 7 + 2 = 9 ET(7) = max(et(5) + 4, ET(4) + 3, ET(6) + 1) = max(8+4, 7+3, 9+1)=12 ET(8) = ET(7) + 1 = 12 + 1 = 13 Αργότεροι χρόνοι γεγονότων LT(8) = 13 LT(7) = 13 1 = 12 [7]

LT(6) = LT(7) 1 = 11 LT(5) = LT(7) 4 = 8 LT(4) = LT(7) 3 = 9 LT(3) = LT(6) 2 = 9 LT(2) = min(lt(3)-2, LT(4)-2, LT(5)-3))= min(9-2, 9-2, 8-3)=5 LT(1) = min(lt(2)-5, LT(3)-1)=min(5-5, 9-1)=0 Ελεύθερο περιθώριο γεγονότων (αντιπροσωπεύει το χρονικό διάστημα που μπορεί να μετακινηθεί προς τα εμπρός στον χρόνο το γεγονός και να μην προκληθεί καθυστέρηση στην χρονική ολοκλήρωση του έργου) SN(1) = LT(1)-ET(1) = 0 0 = 0 SN(2) = LT(2)-ET(2) = 5 5 =0 SN(3) = LT(3)-ET(3) = 9 7 = 2 SN(4) = LT(4)-ET(4) = 9 7 = 2 SN(5) = LT(5)-ET(5) = 8 8 = 0 SN(6) = LT(6)-ET(6) = 11 6 = 5 SN(7) = LT(7)-ET(7) = 12 12 = 0 SN(8) = LT(8)-ET(8) = 13 13 =0 Ελεύθερο περιθώριο δραστηριοτήτων (αντιπροσωπεύει το χρονικό διάστημα που μπορεί να καθυστερήσει η δραστηριότητα και να μην προκληθεί καθυστέρηση στην συνολική ολοκλήρωση του έργου) SA(A)=LT(2)-ET(1) 5 = 5 0 5= 0 SA(B)= LT(3) ET(2) - 1 =9 5 1= 3 SA(C)= LT(4) ET(2) - 2 = 9 5 2 = 2 SA(D)= LT(5) ET(2) - 3 = 8 5 3 = 0 SA(E)= LT(3) ET(2) - 2 = 9 5 2 = 2 SA(F)= LT(7) ET(4) - 3 = 12 7 3 = 2 SA(G)= LT(7) ET(5) - 4 = 12 8 4 = 0 SA(H)= LT(6) ET(3) - 2 = 11 7 2 = 2 SA(I)= LT(7) ET(6) - 1 = 12 9 1= 2 SA(J)= LT(8) ET(7) - 1 = 13 12-1 = 0 Το κρίσιμο μονοπάτι ενώνει κόμβους με περιθώριο γεγονότος μηδέν μέσω ακμών με περιθώριο δραστηριότητας 0. Πηγή: http://hadm.sph.sc.edu/courses/j716/cpm/cpm.html [8]