Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Σχετικά έγγραφα
Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Επιχειρησιακή Έρευνα I

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

Ανάλυση Ευαισθησίας. αναζητάμε τις επιπτώσεις που επιφέρει στη βέλτιστη λύση η

Επιχειρησιακή Έρευνα I

(sensitivity analysis, postoptimality analysis).

Τ.Ε.Ι. Πειραιά Π.Μ.Σ. ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ

Επιχειρησιακή έρευνα (ασκήσεις)

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου

Β. Βασιλειάδης. Επιχειρησιακή Έρευνα Διάλεξη 5 η -Αλγόριθμος Simplex

Επιχειρησιακή Έρευνα I

3.7 Παραδείγματα Μεθόδου Simplex

Γραμμικός Προγραμματισμός

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη

Ανάλυση ευαισθησίας. Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Τμήμα Διοίκησης Επιχειρήσεων

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

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

Περιεχόμενα. 1. Ανάλυση ευαισθησίας. (1) Ανάλυση ευαισθησίας (2) Δυϊκό πρόβλημα (κανονική μορφή) (3) Δυαδικός προγραμματισμός (4) Ανάλυση αποφάσεων

Επιχειρησιακή Έρευνα

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα

Γραμμικός Προγραμματισμός και θεωρία Παιγνίων

Τμήμα Μηχανικών Πληροφορικής ΤΕ Ανάλυση ευαισθησίας. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

Ενδιαφερόμαστε να μεγιστοποιήσουμε το συνολικό κέρδος της εταιρείας που ανέρχεται σε: z = 3x 1 + 5x 2 (εκατοντάδες χιλιάδες χ.μ.)

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου

Δυαδικό Πρόβλημα Εισαγωγή στην Ανάλυση Ευαισθησίας

Notes. Notes. Notes. Notes

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.

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση

Παράδειγμα 1. Δίνεται ο κάτωθι κλειστός βρόχος αρνητικής ανάδρασης με. Σχήμα 1. στο οποίο εφαρμόζουμε αρνητική ανάδραση κέρδους

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX

Επιχειρησιακή Έρευνα

z = c 1 x 1 + c 2 x c n x n

Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1)

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING)

Επίλυση Συστήματος Γραμμικών Διαφορικών Εξισώσεων

ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΚΕΦΑΛΑΙΟ ΕΚΤΟ: Ανάλυση ευαισθησίας των παραμέτρων του μαθηματικού υποδείγματος. Εφαρμογές χρησιμοποιώντας το R

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ

Επιχειρησιακή Έρευνα

Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1)

Επιχειρησιακή Έρευνα

ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ

Τμήμα Διοίκησης Επιχειρήσεων

Προβλήµατα Μεταφορών (Transportation)

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ

Τμήμα Εφαρμοσμένης Πληροφορικής

Θεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 28/3/2012. Lecture07 1

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

ΑΡΧΕΣ ΜΙΚΡΟΟΙΚΟΝΟΜΙΚΗΣ

ΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ

ΜΕΜ251 Αριθμητική Ανάλυση

Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Τμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017

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

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων

Ανάλυση ευαισθησίας. Άσκηση 3 Δίνεται ο παρακάτω τελικός πίνακας Simplex. Επιχειρησιακή Έρευνα Γκόγκος Χρήστος

Γραμμικός Προγραμματισμός

Κεφάλαιο 5ο: Ακέραιος προγραμματισμός

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

Η μέθοδος Simplex. Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ. Κεφάλαιο 3 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017

ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο

Θεωρία Παιγνίων και Αποφάσεων. Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος. Ε. Μαρκάκης. Επικ. Καθηγητής

RIGHTHAND SIDE RANGES

Διάλεξη 11. Μεγιστοποίηση κέρδους. Οικονοµικό κέρδος. Η ανταγωνιστική επιχείρηση

Γραμμικός Προγραμματισμός

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 10: ΤΕΧΝΙΚΕΣ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΑΝΑΛΥΣΗΣ ΑΛΓΟΡΙΘΜΩΝ ΓΙΑ ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΑΠΑΓΟΡΕΥΤΙΚΟ ΑΡΙΘΜΟ ΠΕΡΙΠΤΩΣΕΩΝ

Θεωρία παραγωγού. Μικροοικονομική Θεωρία Ι / Διάλεξη 11 / Φ. Κουραντή 1

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ. και το Κόστος

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ

2.1. ΑΠΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ. Διάλεξη 16: O αλγόριθμος SIMPLE (συνέχεια)

Προβλήματα Μεταφορών (Transportation)

Το Πρόβλημα Μεταφοράς

Επιχειρησιακή Έρευνα I

Τμήμα Εφαρμοσμένης Πληροφορικής

Transcript:

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 για την ακρίβειά τους. Δηλαδή, να έχουμε προσεγγίσεις των πραγματικών, και δυστυχώς πολλές φορές όχι καλές προσεγγίσεις. Για τον λόγο αυτό είναι επιθυμητή η ύπαρξη εργαλείων που να μας επιτρέπουν να προσδιορίζουμε την επίδραση που θα έχει η μεταβολή των παραμέτρων στην λύση. Προφανώς υπάρχει η δυνατότητα να ξαναυπολογίσουμε την λύση... από την αρχή. Όμως, ο τελικός πίνακας με τη βέλτιστη λύση περιέχει όλη την απαραίτητη πληροφορία για την μέτρηση της ευαισθησίας. 28/01/2010 1

Ανάλυση Ευαισθησίας. Για τον σκοπό αυτό πρέπει να ελεγχθούν πέντε (5) σημεία. 1) τι γίνεται αν αλλάξουν ένας οι περισσότεροι συντελεστές της αντικειμενικής συνάρτησης; 2) τι γίνεται αν αλλάξουν μία οι περισσότερες τιμές του πίνακα b (δεξιά μέλη των ανισώσεων); 3) τι γίνεται αν αλλάξουν μία οι περισσότερες τιμές του πίνακα A (αριστερά μέλη των ανισώσεων); 4) πώς επηρεάζει η προσθήκη μιας μεταβλητής; 5) πώς επηρεάζει η προσθήκη ενός περιορισμού; Θα δούμε μόνο τις απλές περιπτώσεις των (1) και (2). 28/01/2010 2

Ανάλυση Ευαισθησίας. Έστω το πρόβλημα στην μορφή: και ότι έχει βρεθεί η βέλτιστη λύση, ενώ υπάρχει διαθέσιμος ο τελικός πίνακας της simplex. Οι οποιεσδήποτε αλλαγές στα δεδομένα του προβλήματος δεν είναι σίγουρο ότι θα μεταβάλουν την βέλτιστη λύση (οπότε δε θα απαιτούνται και περαιτέρω υπολογισμοί). Είναι επίσης σύνηθες κάποια υπολογιστικά πακέτα να δίνουν την βέλτιστη λύση για ένα εύρος τιμών b, c. Μια άλλη περίπτωση είναι η λύση να γίνει από βέλτιστη απλά εφικτή. Σε αυτήν την περίπτωση απαιτούνται λίγες ακόμη επαναλήψεις του αλγορίθμου simplex για την εύρεση της βέλτιστης λύσης. 28/01/2010 3

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση. Έστω ότι το c k μεταβάλλεται σε Η προηγούμενη βέλτιστη λύση θα πρέπει να μεταπίπτει σε εφικτή, εφόσον ούτε ο Α ούτε ο Β άλλαξαν. Το κριτήριο βέλτιστης λύσης είναι: Όπου τα t j είναι στήλες του τελικού πίνακα. Αν k είναι ο δείκτης μιας από τις βασικές παραμέτρους, τότε ο c B αλλάζει και κάθε z j -c j πρέπει να ξαναυπολογιστεί. 28/01/2010 4

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση. Αν η x k είναι μη βασική παράμετρος, ο πίνακας c B δεν αλλάζει ενώ αλλάζει το z k - c k. Τότε: Οπότε αν και μόνο αν: Δηλαδή ο c k μπορεί να μεταβάλλεται σύμφωνα με το z k -c k ενώ η λύση θα παραμένει βέλτιστη. Βέβαια η τιμή της αντικειμενικής συνάρτησης δε θα αλλάξει γιατί ο συντελεστής της x k στην αντικειμενική συνάρτηση είναι μηδέν. 28/01/2010 5

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση. Αν η x k είναι βασική παράμετρος και ο k=i r, οπότε η καινούρια τιμή του c B θα είναι: Αν e r είναι ένας πίνακας στήλη που έχει μόνο 0 εκτός από την r-ιοστή γραμμή που έχει 1. Τότε: 28/01/2010 6

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση. Για όλα τα j εκτός j=i r, είναι: Θυμηθείτε ότι οι βασικές παράμετροι ορίζονται από τις ανισώσεις. Ενώ, για κάθε βασική παράμετρο x ik θα πρέπει να ισχύει Ώστε, η αρχική βέλτιστη λύση παραμένει βέλτιστη όταν μεταβάλλεται ο συντελεστής μιας βασικής παραμέτρου αν και μόνο αν για όλες τις μη-βασικές παραμέτρους: Αν τότε η παραπάνω ανισότητα ισχύει για όλα τα 28/01/2010 7

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση. Αν τότε διαιρούμε την ανισότητα με το και αντιστρέφουμε την ανισότητα: για εκείνα τα j για τα οποία η x j δεν είναι βασική και Αν τότε διαιρούμε την ανισότητα με το και δεν αντιστρέφουμε την ανισότητα: για εκείνα τα j για τα οποία η x j δεν είναι βασική και 28/01/2010 8

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση. Από όλα τα παραπάνω προκύπτει ότι πρέπει: Και το j αναφέρεται σε όλες τις μη βασικές μεταβλητές. 28/01/2010 9

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση (παράδειγμα 1). Έστω το πρόβλημα: Με βέλτιστη λύση σύμφωνα με τον πίνακα: 28/01/2010 10

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση (παράδειγμα 1). Εφόσον τα x 2, x 4, x 5 είναι μη βασικές μεταβλητές χρησιμοποιούμε την και βρίσκουμε ότι το c 2 μπορεί να αυξηθεί κατα 4, z 2 -c 2 =4, το c 4 κατα 1/2, και το c 5 κατά 4. Στη συνέχεια εξετάζουμε τους συντελεστές των βασικών μεταβλητών στην αντικειμενική συνάρτηση. Για να βρούμε το εύρος για το c 1 υπολογίζουμε: 28/01/2010 11

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση (παράδειγμα 1). Εφόσον δεν υπάρχει j για το οποίο δεν υπάρχει άνω όριο για το c 1. Όποτε η λύση παραμένει βέλτιστη αν: Για το c 3 υπολογίζουμε: Εφόσον δεν υπάρχει j για το οποίο λύση παραμένει βέλτιστη αν: δεν υπάρχει άνω όριο για το c 3. Όποτε η Και για το c 6, αν: 28/01/2010 12

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση (παράδειγμα 1). Έτσι η βέλτιστη λύση: Παραμένει βέλτιστη για αλλαγές: 28/01/2010 13

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση (παράδειγμα 2). Έστω το πρόβλημα με την ξυλεία στην κανονική του μορφή: Και ο τελευταίος πίνακας: 28/01/2010 14

Ανάλυση Ευαισθησίας - Αλλαγή στην αντικειμενική συνάρτηση (παράδειγμα 2). Ο ιδιοκτήτης θέλει να ξέρει πόσο μπορεί να αυξήσει την τιμή από τα προϊόντα (άρα και το κέρδος) χωρίς να αυξήσει την παραγόμενη ποσότητα. Η αλλαγή στο c 1 που δεν επηρεάζει τη βέλτιστη λύση είναι: Η αλλαγή στο c 2 που δεν επηρεάζει τη βέλτιστη λύση είναι: Αυτοί οι υπολογισμοί δείχνουν ότι αν η τιμή του Α γίνει $166(2/3) από $120 ή αν η τιμή του Β γίνει $120 από $100, τότε με την ίδια παραγόμενη πόσοτητα Α(1500) και Β(2500) θα έχει μεγιστοποιήσει το κέρδος του. Αν διαλέξει να αυξήσει την c 1 τότε ο πίνακας γίνεται: 28/01/2010 15

Ανάλυση Ευαισθησίας - Αλλαγή στο διάνυσμα b. Έστω ότι το γίνεται Το κριτήριο βέλτιστης λύσης δεν εξαρτάται από τον b, όμως και η παλιά βέλτιστη λύση μπορεί να μην είναι πλέον εφικτή. Για τον υπολογισμό των καινούριων τιμών των βασικών παραμέτρων έχουμε: Τώρα B -1 e k είναι η k-ιοστή στήλη του B -1. Στον τελικό πίνακα είναι η στήλη που πήρε τη θέση της k-ιοστής στήλης του μοναδιαίου πίνακα του αρχικού πίνακα. 28/01/2010 16

Ανάλυση Ευαισθησίας - Αλλαγή στο διάνυσμα b (παράδειγμα) Για το παράδειγμα με τον μύλο ξυλείας βλέπουμε οτι μια αλλαγή Δb 1, για τη διαθεσιμότητα του πριονιού: Και αν η πρέπει να παραμένει εφικτή τότε για το Δb 1 είναι: 28/01/2010 17

Ανάλυση Ευαισθησίας - Αλλαγή στο διάνυσμα b (παράδειγμα) Για το παράδειγμα με τον μύλο ξυλείας βλέπουμε οτι μια αλλαγή Δb 2, για τη διαθεσιμότητα της μηχανής πλαναρίσματος θα πρέπει: Αν όμως η Δb 1 δεν ικανοποιεί την ανισότητα, η παλιά λύση γίνεται μη εφικτή. Για παράδειγμα αν η διαθεσιμότητα του πριονιού αυξηθεί από 8->12 hr (Δb 1 =4). Οπότε: 28/01/2010 18

Ανάλυση Ευαισθησίας - Αλλαγή στο διάνυσμα b (παράδειγμα) Εισάγοντας αυτή την τιμή στον πίνακα: Προκύπτει ο: 28/01/2010 19

Ανάλυση Ευαισθησίας - Αλλαγή στο διάνυσμα b (παράδειγμα) Και με μια επανάληψη της μεθόδου simplex καταλήγουμε στον πίνακα: Από τον οποίο προκύπτει ότι αν το πριόνι είναι διαθέσιμο 12 hr, τότε ο μύλος θα πρέπει να παρασκευάζει μόνο προϊόν τύπου Β. 28/01/2010 20