Πόρος Προϊόν 1 Προϊόν 2 Διαθέσιμη ποσότητα πόρου Απαιτούμενη ποσότητα πόρου ανά μονάδα προϊόντος. Γάλα (λίτρα)

Σχετικά έγγραφα
Πόρος Προϊόν 1 Προϊόν 2 Διαθέσιμη ποσότητα πόρου Απαιτούμενη ποσότητα πόρου ανά μονάδα προϊόντος. Γάλα (λίτρα)

Επαναληπτικές Ασκήσεις. Επιχειρησιακή Έρευνα

Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 2)

Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 3)

Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 3)

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

maximize z = 50x x 2 κάτω από τους περιορισμούς (εβδομαδιαίο κέρδος, χρηματικές μονάδες)

Ο ΗΓΙΕΣ ΓΙΑ ΤΟ ΠΡΟΓΡΑΜΜΑ LINDO ΚΑΙ ΤΗΝ ΕΠΙΛΥΣΗ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

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

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Αλγεβρική Μέθοδος Επίλυσης Γραμμικών Μοντέλων Η μέθοδος SIMPLEX (Both Simple and Complex ) 1

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

Επιχειρησιακή Έρευνα

Κανονική μορφή μοντέλου μεγιστοποίησης

ΑΠΑΙΤΟΥΜΕΝΟΣ ΧΡΟΝΟΣ (hr) στο. Στάδιο Α Στάδιο Β (ανά) τρακτέρ (ανά) γερανό 15 10

Κανονική μορφή μοντέλου μεγιστοποίησης

ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ (3 ο Φυλλάδιο)

ΤΜΗΜΑΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΡΟΒΛΗΜΑΤΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΜΕΣΩ LINDO

ΠΡΟΒΛΗΜΑΤΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

RIGHTHAND SIDE RANGES

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

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Εισαγωγή στο Γραμμικό Προγραμματισμό

ΕΠΙΛΥΣΗ ΓΠ ΜΕ ΧΡΗΣΗ ΥΠΟΛΟΓΙΣΤΗ Το πρόγραμμα LINDO O Solver (Επίλυση) του Excel ΕΦΑΡΜΟΓΕΣ ΓΠ ΣΕ ΕΠΙΧΕΙΡΗΣΙΑΚΑ ΠΡΟΒΛΗΜΑΤΑ Το Πρόβλημα Μίξης Παραγωγής

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

Ασκήσεις γραφικής επίλυσης

Γραμμικός Προγραμματισμός

Επιχειρησιακή Έρευνα

ΘΕΜΑ: «Η ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΟΝ ΠΟΛΕΟΔΟΜΙΚΟ ΣΧΕΔΙΑΣΜΟ»

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

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

Αναζητάμε το εβδομαδιαίο πρόγραμμα παραγωγής που θα μεγιστοποιήσει 1/20

Εισαγωγή στο Γραμμικό Προγραμματισμό

Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού

Επιχειρησιακή έρευνα (ασκήσεις)

ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ (2 ο Φυλλάδιο)

Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού

2.1. ΑΠΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Data Envelopment Analysis

Γραµµικός Προγραµµατισµός (ΓΠ)

Επιχειρησιακή Έρευνα

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

Α) δηλώνουν τις ποσότητες που, ανάλογα με το πρόβλημα, θα παραχθούν, επενδυθούν, αγοραστούν, κατασκευαστούν κ.λπ.

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΑΝΘΡΩΠΙΝΩΝ. (Human Resources Scheduling Human Resources Programming)

Τμήμα Διοίκησης Επιχειρήσεων

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Επιχειρησιακή Έρευνα I

ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΜΑΘΗΜΑΤΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΣΙΜΟΥ

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

Επιχειρησιακή Έρευνα

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

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

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

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου

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

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

Άσκηση 21. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Επιχειρησιακή Έρευνα

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

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

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

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

Επιχειρησιακή έρευνα (άσκηση για το εργαστήριο)

Επιχειρησιακή Έρευνα I

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

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.

ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ ΙΟΥΛΙΟΥ 2014

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

1. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΜΑΘΗΜΑΤΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Ο Γραμμικός Προγραμματισμός στο Σχεδιασμό. της Επιχείρησης παραγωγής Σοκολάτας ΜC

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα

Ένα πρόβλημα δικτυωτής ανάλυσης αναπαρίσταται από... 10

Η αγορά μπορεί να απορροφήσει οποιονδήποτε αριθμό σε θρανία και καρέκλες, αλλά το πολύ πέντε τραπέζια. Έχουμε το εξής π.γ.π.

Η επιστήμη που ασχολείται με τη βελτιστοποίηση της απόδοσης ενός συστήματος.

Αλγοριθµική Επιχειρησιακή Ερευνα. Χειµερινό Εξάµηνο Ασκήσεις. 1. Ενα διυλιστήριο µπορεί να επεξεργαστεί τρία είδη ακατέργαστου πετρελαίου :

ΒΡΑΧΥΧΡΟΝΙΑ ΠΕΡΙΟΔΟΣ

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Ένα πρόβλημα κατάρτισης προγράμματος εργασίας.

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Η ακόλουθη συνάρτηση συνδέει συνολικό κόστος TC και παραγόμενη ποσότητα Q: TC = Q + 3Q 2

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1)

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

Συστήματα Αποφάσεων. Εργαστηριακές Ασκήσεις στον Γραμμικό Προγραμματισμό

Ερωτήσεις πολλαπλών επιλογών

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

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ 1 ΕΙΣΑΓΩΓΗ 2 ΜΑΘΗΜΑΤΙΚΟΙ ΟΡΙΣΜΟΙ 3 ΜΟΝΤΕΛΟΠΟΙΗΣΗ Δρ. Δημήτρης Βαρσάμης Μάρτιος / 31

Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1)

Τμήμα Εφαρμοσμένης Πληροφορικής

Επιχειρησιακή Έρευνα I

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

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

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

Transcript:

1 ο Ερώτημα Έστω μια βιομηχανική επιχείρηση γαλακτοκομικών προϊόντων. Στην προσπάθειά της να διεισδύσει ακόμα περισσότερο στην αγορά γιαουρτιού παράγει μεταξύ άλλων δύο νέα προϊόντα σε οικογενειακή συσκευασία, τα οποία είναι: Προϊόν 1: συσκευασία ενός κιλού επιδόρπιου γιαουρτιού με άρωμα βανίλιας Προϊόν 2: συσκευασία ενός κιλού επιδόρπιου γιαουρτιού με κομματάκια σοκολάτας υγείας Στον παρακάτω Πίνακα παρουσιάζονται τα δεδομένα του προβλήματος, όπως έχουν προσδιοριστεί για την παραγωγή μιας μονάδας από κάθε προϊόν: Πόρος Προϊόν 1 Προϊόν 2 Διαθέσιμη ποσότητα πόρου Απαιτούμενη ποσότητα πόρου ανά μονάδα προϊόντος Γάλα (λίτρα) 1 1 550 Εργασία (λεπτά χρόνου) 1 3 1000 Παστερίωση και ψύξη (λεπτά χρόνου) Μέγιστη ζήτηση (μονάδες προϊόντος) Κέρδος ανά μονάδα προϊόντος (σε λεπτά του ) 2 5 2000 400 χωρίς όριο 150 200 Στόχος: Η μεγιστοποίηση του συνολικού εβδομαδιαίου κέρδους από την πώληση των δύο προϊόντων. Αντικειμενική συνάρτηση: max (150x 1 + 200x 2 ) x 1 + x 2 550 x 1 + 3x 2 1000 2x 1 + 5x 2 2000 (γάλα σε λίτρα) (λεπτά εργασίας) (λεπτά παστερίωσης και ψύξης) x 1 400 (ζήτηση Προϊόντος 1) x 1, x 2 0 Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων 1

max 150 x1 + 200 x2 subject to 1) x1 + x2 <= 550!(γάλα σε λίτρα) 2) x1 + 3 x2 <= 1000!(λεπτά παστερίωσης και ψύξης) 3) 2 x1 + 5 x2 <= 2000!(ζήτηση Προϊόντος 1) 4) x1 <= 400! end LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 93750.00 Έχει τιμή διάφορη του 0, για όσες μεταβλητές απόφασης δεν συμμετέχουν στη βέλτιστη λύση (έχουν τιμή 0). Δείχνει πόσο πρέπει να αλλαχθεί η τιμή του συντελεστή μιας μεταβλητής απόφασης, που δεν συμμετέχει στη βέλτιστη λύση, ώστε να συμμετέχει σε αυτή VARIABLE VALUE REDUCED COST X1 325.000000 0.000000 X2 225.000000 0.000000 Πόσο απέχουμε από την τιμή του δεξιού μέλους του συγκεκριμένου περιορισμού (για τις συγκεκριμένες τιμές των μεταβλητών απόφασης) Αν ισούται με μηδέν τότε ο συγκεκριμένος περιορισμός είναι δεσμευτικός ROW SLACK OR SURPLUS DUAL PRICES 1) 0.000000 125.000000 2) 0.000000 25.000000 Μπορούμε να το επαληθεύσουμε; Το ποσό κατά το οποίο θα βελτιωθεί (αυξηθεί) η τιμή της αντικειμενικής συνάρτησης αν αυξηθεί κατά μία μονάδα το δεξί μέλος του συγκεκριμένου περιορισμού 3) 225.000000 0.000000 4) 75.000000 0.000000 Μπορούμε να το επαληθεύσουμε; NO. ITERATIONS= 2 Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων 2

RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 150.000000 50.000000 83.333336 X2 200.000000 250.000000 50.000000 Εντός των ορίων δεν αλλάζει η βασική λύση (δηλαδή όσες μεταβλητές ήταν διάφορες του μηδέν συνεχίζουν να είναι) RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 1 550.000000 50.000000 216.666672 2 1000.000000 150.000000 150.000000 3 2000.000000 INFINITY 225.000000 4 400.000000 INFINITY 75.000000 Εντός των ορίων δεν αλλάζουν οι δεσμευτικοί περιορισμοί Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων 3

2 ο Ερώτημα Έστω μια εταιρεία κατασκευής τραπεζιών και καρεκλών. Στον παρακάτω Πίνακα παρουσιάζονται τα δεδομένα του προβλήματος, όπως έχουν προσδιοριστεί για την παραγωγή μιας μονάδας από κάθε προϊόν: Απαιτούμενες ώρες για την παραγωγή 1 μονάδας Διαθέσιμες ώρες Τμήμα Παραγωγής x 1 (τραπέζια) x 2 (καρέκλες) τον μήνα Ξυλουργείο 8 ώρες 8 ώρες 960 ώρες Βαφείο 4 ώρες 2 ώρες 400 ώρες Στιλβωτήριο 4 ώρες 3 ώρες 420 ώρες Κέρδος ανά Μονάδα Προϊόντος 140 100 Στόχος: Η μεγιστοποίηση του συνολικού μηνιαίου κέρδους από την πώληση των δύο προϊόντων. Αντικειμενική συνάρτηση: max (140x 1 + 100x 2 ) 8x 1 + 8x 2 960 4x 1 + 2x 2 400 4x 1 + 3x 2 420 και x 1, x 2 0 (Ώρες Ξυλουργείου) (Ώρες Βαφείου) (Ώρες Στιλβωτηρίου) Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων 4

3 ο Ερώτημα Μια εταιρία τροφίμων επιθυμεί να παρασκευάσει μια κομπόστα αποτελούμενη από πορτοκάλι και βερίκοκο. Το κέρδος ανά 10gr πορτοκάλι που περιέχει η κομπόστα είναι 15, ενώ για το βερίκοκο είναι 10. Η κομπόστα αυτή θα προτείνεται ως συμπλήρωμα διατροφής υποκαθιστώντας ένα γεύμα και άρα η δοσολογία δε θα πρέπει να υπερβαίνει τις συνιστώμενες ποσότητες βιταμινών μιας ημέρας, όπως αυτές αναγράφονται στον Πίνακα που ακολουθεί: Συστατικά Ανά 10gr κομπόστας πορτοκαλιού Ανά 10gr κομπόστας βερίκοκου Συνιστώμενη Ημερήσια Δοσολογία Βιταμίνη C 0,25 1,00 65 Βιταμίνη Β 1,25 0,50 90 Θερμιδική αξία 1,00 1,00 85 Να μοντελοποιηθεί το παραπάνω πρόβλημα ως πρόβλημα Γραμμικού Προγραμματισμού. Στόχος: Η μεγιστοποίηση του συνολικού κέρδους από την πώληση της κομπόστας. Αντικειμενική συνάρτηση: max (15x 1 + 10x 2 ) 0,25x 1 + x 2 65 (Συνιστώμενη Ημερήσια Δοσολογία σε Βιταμίνη C) 1,25x 1 + 0,5x 2 90 (Συνιστώμενη Ημερήσια Δοσολογία σε Βιταμίνη Β) x 1 + x 2 85 και x 1, x 2 0 (Συνιστώμενη Ημερήσια Δοσολογία Θερμιδικής αξίας) Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων 5

4 ο Ερώτημα Έστω μια βιομηχανική μονάδα ή οποία για την παραγωγή τεσσάρων προϊόντων Α, Β, Γ και Δ διαθέτει τρεις μηχανές Μ 1, Μ 2 και Μ 3. Στον παρακάτω Πίνακα παρουσιάζονται ο χρόνος (σε λεπτά) που απαιτείται για την επεξεργασία μιας μονάδας από το κάθε προϊόν σε κάθε μηχανή, ο διαθέσιμος ημερήσιος χρόνος κάθε μηχανής και το κέρδος ανά μονάδα προϊόντος (σε ). Χρόνος επεξεργασίας κάθε προϊόντος στις διάφορες μηχανές Προϊόν Α Προϊόν Β Προϊόν Γ Προϊόν Δ Διαθέσιμος ημερήσιος χρόνος κάθε μηχανής (σε λεπτά) Μηχανή Μ 1 4 2 3 1 480 Μηχανή Μ 2 2 3 1 3 360 Μηχανή Μ 3 3 0 1 0 240 Κέρδος ανά μονάδα προϊόντος 6 4 3 5 Στόχος: Η μεγιστοποίηση του συνολικού κέρδους της βιομηχανικής μονάδας. Αντικειμενική συνάρτηση: max (6x 1 + 4x 2 + 3x 3 + 5x 4 ) 4x 1 + 2x 2 + 3x 3 + x 4 480 (Περιορισμός διαθεσιμότητας ημερήσιου χρόνου μηχανής Μ 1 ) 2x 1 + 3x 2 + x 3 + 3x 4 360 (Περιορισμός διαθεσιμότητας ημερήσιου χρόνου μηχανής Μ 2 ) 3x 1 + x 3 240 (Περιορισμός διαθεσιμότητας ημερήσιου χρόνου μηχανής Μ 3 ) και x 1, x 2, x 3, x 4 0 Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων 6