Modelli Lineari Contenuto e scopo presentazione Problemi e
Transcript
Modelli Lineari Contenuto e scopo presentazione Problemi e
Contenuto e scopo presentazione Contenuto • esempi di modelli lineari per problemi pratici Modelli Lineari Scopo • presentare i passi che conducono allo sviluppo di modelli a partire da un problema pratico • presentare alcuni “trucchi del mestiere” che permettono di ricondurre alla linearità anche problemi che apparentemente non lo sono. Esempi Versione 07/03/2006 Raffaele Pesenti Raffaele Pesenti Problemi e Istanze 2 Problemi di ottimizzazione • Problema P: domanda la cui risposta dipende dal valore assunto da un insieme di parametri e variabili. P è definito tramite la descrizione dei parametri e la descrizione delle proprietà di cui deve godere la risposta (soluzione) cercata. Una possibilità è fornire: – l’insieme delle soluzioni ammissibili F – una funzione obiettivo c che permette di valutare il costo/profitto associato ad ogni soluzione. • Problema di ottimizzazione: problema in cui si cerca, tra le soluzioni ammissibili x∈ F, una soluzione x* (detta ottima) che massimizza o minimizza la funzione obiettivo c: P = (F, c; min) ⇔ min{ c(x) : x ∈ F } oppure P = (F, c; max) ⇔ max{ c(x) : x∈ F } c:F →ℜ • Istanza di un problema P : particolare domanda che si ottiene fissando i valori di tutti i parametri di P. Raffaele Pesenti 3 Raffaele Pesenti 4 Problemi di programmazione lineare Forme compatte max c1x1 + c2x2 + c3x3 +.....+ cnxn a11x1 + a12x2 + a13x3 +.....+ a1nxn ≤ b1 ...... am1x1 + am2x2 + am3x3 +.....+ amnxn ≤ bm x1, x2, x3, ..., xn ≥ 0 • Problema di programmazione lineare PL: problema di ottimizzazione in cui: – la funzione obiettivo c è lineare – le condizioni che descrivono l’insieme F sono lineari (e chiuse) – le soluzioni ammissibili sono continue – i parametri sono deterministici e.g.: max c1x1 + c2x2 + c3x3 +.....+ cnxn a11x1 + a12x2 + a13x3 +.....+ a1nxn ≤ b1 ...... am1x1 + am2x2 + am3x3 +.....+ amnxn ≤ bm x1, x2, x3, ..., xn ≥ 0 Raffaele Pesenti max cx Ax ≤ b x ≥ 0 5 Σ i =1..n aji xi ≤ bj, per j=1,..,m xi ≥ 0, per i= 1,..,n Raffaele Pesenti Definizioni 6 Esempio max cx Ax ≤ b x ≥ 0 Descrizione del problema. • obiettivo: – massimizzare profitto vendite modelli Astro e Cosmo • vincoli: – non più di 60 Astro al giorno possono essere vendute; – non più di 50 Cosmo al giorno possono essere vendute; – non sono disponibili più di 120 ore di lavoro uomo. • c, A, b : parametri del problema PL – c : vettore funzione obiettivo – A : matrice tecnologica – b : vettore termini noti • x : variabili del problema PL – F = { x : Ax ≤ b, x ≥ 0 } : insieme delle soluzioni ammissibili – G = { x : Ax ≤ b} : insieme delle soluzioni Raffaele Pesenti max Σ i=1..n c i xi 7 Raffaele Pesenti • leve decisionali: – produrre Astro e Cosmo (eventualmente in numero frazionario) • dati tecnologici: – una Astro richiede 1 ora uomo – una Cosmo richiede 2 ore uomo – una Astro rende 20 dollari – una Cosmo rende 30 dollari 8 Formulazione matematica Formulazione matematica • I vincoli: Formulazione del problema. • Le variabili: la quantità di Astro e Cosmo prodotte – non produrre più di 60 Astro al giorno xA ≤ 60 xA , xC ∈ ℜ – non produrre più di 50 Cosmo al giorno xC ≤ 50 sono variabili (si ipotizza) continue – la produzione non deve richiedere più di 120 ore di lavoro uomo • La funzione obiettivo: il profitto della produzione xA + 2 xC ≤ 120 – le quantità prodotte sono sempre non negative 20 xA + 30 xC xA, xC ≥ 0 Raffaele Pesenti 9 Raffaele Pesenti 10 Formulazione matematica xA xC xA + 2 xC xA, xC ≥ 0 ≤ 60 ≤ 50 ≤ 1 20 (profitto) capacità Astro (capacità Astro) Cosmo max 20 xA + 30 xC Interpretazione grafica (capacità Cosmo) (lavoro) 50 scelta ottima soluzioni ammissibili 0 Raffaele Pesenti 11 Raffaele Pesenti capacità Cosmo Astro lavoro obiettivo 60 12 Ipotesi Difficoltà • Linearità – gli effetti di una variabile o attività sono proporzionali – l’interazione tra le variabili sono additive – le variabili devono essere continue (se intere in genere il problema è molto difficile) • soluzioni illimitate (cattivo modello) • formulazione senza soluzioni ammissibili (si cerca di risolvere un problema senza soluzioni) • soluzioni ottime multiple (alternative equivalenti meritano un’ulteriore inoltre si assume analisi) • Deterministicità • cycling (vincoli ridondanti) Raffaele Pesenti 13 Raffaele Pesenti 14 Esempio: mix di produzione Cosa interessa? • n prodotti ognuno dei quali necessita di una data quantità di materie prime • m materie prime in disponibilità limitata • ci profitto per ogni unità prodotta • quale è la soluzione ottima Product: Profit/Unit: • quali vincoli sono stringenti P1 30 P2 45 P3 24 P4 26 P5 24 P6 30 • quali risorse sono in eccesso • come varierebbe il ricavo se variassero i ricavi unitari dei prodotti Steel Wood Plastic Rubber Glass • come varierebbe il ricavo se variasse la tecnologia Raffaele Pesenti Start Inv. Product Resource Requirements • di quanto aumenterebbe il ricavo se si avessero più risorse 15 Raffaele Pesenti 1 4 0 2 2 4 5 3 0 4 0 3 8 1 2 4 0 0 2 2 2 1 1 1 2 0 0 0 5 4 <= <= <= <= <= 1200 1160 1780 1050 1360 16 Esempio: mix di produzione Descrizione del problema. • obiettivo: – massimizzare i profitti • vincoli: – non consumare più materie prime di quelle disponibili • leve decisionali: – quantità prodotte di beni Esempio: mix di produzione • dati tecnologici: – ci profitto unitario del bene i-mo – aji consumo unitario di materia prima j-ma per produrre il bene i-mo – bj disponibilità materia prima j-ma Formulazione del problema. • Le variabili: le quantità prodotte di ogni bene xi ∈ ℜ , per i = 1,..., n tali variabili sono continue • La funzione obiettivo: il profitto complessivo Σ i =1..n ci xi Raffaele Pesenti 17 Raffaele Pesenti Esempio: mix di produzione 18 Esempio: mix di produzione • I vincoli: Formulazione generale: per n prodotti e m risorse – per ciascuna risorsa la quantità totale di risorsa utilizzata per eseguire le max Σ i=1..n c i xi produzioni non può superare la disponibilità massima della risorsa stessa Σ i =1..n aji xi ≤ b j , Σ i =1..n aji xi ≤ bj, per j = 1,..., m xi ≥ 0 per j=1,..,m per i=1,..,n – per ciascun bene la quantità prodotta è sempre non negativa xi ≥ 0 , Raffaele Pesenti Estensioni: – vincoli sulla capacità minima/massima di assorbimento del mercato per i = 1,..., n 19 Raffaele Pesenti 20 Esempio: mix di produzione Esempi SW Formulazione istanza specifica (profit) max 30 x1 + 45 x2 + 24 x3 + 26 x4 + 24 x5 + 30 x6 ≤ 1 200 (steel) x1 + 4 x2 + 4 x4 + 2 x5 • risoluzione del problema con LINDO x5 x5 ≤ 1 160 ≤ 1 780 • risoluzione del problema con EXCEL • modellamento e soluzione del problema con GAMS (wood) (plastic) 4 x1 + 5 x2 + 3 x3 3 x2 + 8 x3 (rubber) 2 x1 x5 + 5 x6 ≤ 1 050 (glass) 2 x1 + 4 x2 + 2 x3 + 2 x4 + 2 x5 + 4 x6 x1, x2, x3, x4, x5, x6 ≥ 0 ≤ 1360 + + + x3 + 2 x4 + Raffaele Pesenti 21 Raffaele Pesenti Esempio: dieta Esempio: dieta n alimenti ognuno dei quali fornisce di una data quantità di elementi nutrizionali base m elementi nutrizionali base che devono essere soddisfatti ci costo per ogni unità di prodotto consumato Item Nutrients Per Unit Weight of Grain G1 G2 G3 G4 Nutrient A Nutrient B Nutrient C 2,2 1,4 2,3 3,4 1,1 5,6 7,2 0 11,1 Cost/Weight 35 50 80 Raffaele Pesenti 22 1,5 >= 0,8 >= 1,3 >= Minimum Req'd 2,4 0,7 5 Descrizione del problema. • dati tecnologici: • obiettivo: – ci costo unitario dell’alimento i-mo – minimizzare i costi – aji apporto di nutriente j-mo per • vincoli: assunzione di una quantità unitaria – soddisfare i requisiti alimentari dell’alimento i-mo minimi – b j richiesta minima di nutriente j-mo • leve decisionali: – quantità di alimenti acquistate 95 23 Raffaele Pesenti 24 Esempio: dieta Esempio: dieta Formulazione del problema. • Le variabili: la quantità assunte di ogni alimento xi ∈ ℜ , • I vincoli: – per ogni elemento nutrizionale la quantità totale fornita dagli alimenti assunti deve essere non inferiore alla soglia minima per i = 1,..., n Σ i =1..n aji xi ≥ b j , tali variabili sono continue • La funzione obiettivo: il costo complessivo di acquisto degli alimenti per j = 1,..., m – per ogni alimento la quantità assunta è sempre non negativa Σ i =1..n ci xi xi ≥ 0 , Raffaele Pesenti 25 per i = 1,..., n Raffaele Pesenti Esempio: dieta 26 Esempio: dieta Formulazione generale: per n alimenti e m nutrienti Formulazione istanza specifica min Σ i=1..n c i xi Σ i =1..n aji xi ≥ bj (costo) min 35 x1 + 50 x2 + 80 x3 + 95 x4 , per (nutrA) 2.2 x1 + 3.4 x2 + 7.2 x3 + 1.5 x4 per (nutrB) 1.4 x1 + 1.1 x2 (nutrC) 2.3 x1 + 5.6 x2 + 11.1 x3 + 1.3 x4 x1, x2, x3, x4 ≥ 0 j=1,..,m i=1,..,n xi ≥ 0, Estensioni: – vincoli sulla capacità massima di assunzione di certi nutrienti – vincoli sulla capacità massima di assunzione di certi alimenti – scelta di alimenti per più periodi (e.g., una settimana invece di un solo giorno) Raffaele Pesenti 27 Raffaele Pesenti + 0.8 x4 ≥ 2.4 ≥ 0.7 ≥ 5.0 28 Esempio: dieta con costi convessi Esempio: dieta con costi convessi • Le variabili: per il primo alimento si considerano due quantità continue x1, y1 ∈ ℜ , Linearizzazione di costi convessi in problemi di minimo Data l'istanza precedente del problema della dieta si assuma che si verifichi una situazione inversa allo sconto dovuta alla scarsità di certi alimenti sul mercato. Ad esempio si supponga che il primo alimento abbia un costo di 35 fino ad un acquisto unitario e di 45 per acquisti superiori. dove – x1 rappresenta la quantità acquistata a prezzo normale – y1 rappresenta la quantità acquistata a prezzo maggiorato • La funzione obiettivo: il costo complessivo di acquisto degli alimenti Per gestire i costi convessi si devono introdurre i seguenti cambiamenti nella formulazione del problema …. Σ i =1..n ci xi + d1 y1 dove – c1 è il prezzo unitario normale – d1 è il prezzo unitario maggiorato Raffaele Pesenti 29 Raffaele Pesenti Esempio: dieta con costi convessi 30 Esempio: dieta con costi convessi • I vincoli: – per ogni elemento nutrizionale la quantità totale fornita dagli alimenti assunti deve essere non inferiore alla soglia minima Σ i =1..n aji xi + aj1 y1 ≥ bj , Formulazione istanza specifica per j = 1,..., m (il primo alimento a prezzo maggiorato viene visto come un nuovo prodotto con valori nutritivi identici al primo alimento a prezzo normale) – per il primo alimento a prezzo normale la quantità assunta è sempre non negativa ma non può superare il valore unitario 0 (costo) min 35 x1 + 45 y1 + 50 x2 + 80 x3 + 95 x4 (nutrA) (nutrB) (nutrC) ≤ x1 ≤ 1 ≥ 2.4 1.4 x1 + 1.4 y1 + 1.1 x2 + 0.8 x4 ≥ 0.7 2.3 x1 + 2.3 y1 + 5.6 x2 + 11.1 x3 + 1.3 x4 ≥ 5.0 2.2 x1 + 2.2 y1 + 3.4 x2 + 7.2 x3 + 1.5 x4 0 – per il primo alimento a prezzo maggiorato la quantità assunta è sempre non negativa ≤ x1 ≤ 1 y1, x2, x3, x4 ≥ 0 y1 ≥ 0 Raffaele Pesenti 31 Raffaele Pesenti 32 Esempio: dieta con costi convessi Esempi SW Note: • essendo – le caratteristiche nutritive associate a y1 identiche a quelle di x1, – il problema di minimo, – il costo associato a y1 maggiore di quello associato a x1, nella soluzione ottima y1 può assumere valore maggiore di zero solo se x1 =1 • risoluzione del problema con LINDO • risoluzione del problema con EXCEL • modellamento e soluzione di un problema di dimensioni maggiori con • i costi concavi (sconti) non si riescono a linearizzare, si devono gestire con la programmazione lineare mista. Se ci si comportasse come coi costi convessi la soluzione ottima prevederebbe sempre x1 = 0 anche per y1 > 0, infatti non vi sarebbe convenienza a comprare l’alimento a prezzo non scontato Raffaele Pesenti 33 GAMS Raffaele Pesenti Esempio: trasporto 34 Esempio: trasporto consumatori fornitori • n fornitori con capacità massima ai • m consumatori con richiesta minima bj • cij costo trasporto da i a j Raffaele Pesenti cij Descrizione del problema. • obiettivo: – minimizzare i costi di trasporto • vincoli: – nessun fornitore può inviare più della propria capacità – tutti i clienti devono ricevere almeno quanto desiderato bj ai 35 Raffaele Pesenti • leve decisionali: – quantità inviate dai fornitori ai clienti • dati tecnologici: – ai capacità fornitore i-mo – bj richiesta cliente j-mo – cij costo trasporto unitario da fornitore i-mo a cliente j-mo 36 Esempio: trasporto Esempio: trasporto Formulazione del problema. • Le variabili: le quantità di prodotto trasportate su ciascun arco Ipotesi di ammissibilità Perché il problema possa ammettere una soluzione deve essere verificata la seguente condizione necessaria sui dati xij ∈ ℜ , Σ i =1..n ai ≥ Σ j =1..m bj tali variabili sono continue • La funzione obiettivo: il costo complessivo del trasporto che stabilisce che la quantità totale di prodotto disponibile non può essere inferiore alla richiesta totale del prodotto stesso. Se tutti i fornitori sono collegati a tutti i clienti questa condizione diventa anche sufficiente per l’esistenza di soluzioni ammissibili. Raffaele Pesenti Σ i =1..n Σ j = 1..m cij xij 37 Raffaele Pesenti 38 Esempio: trasporto Esempio: trasporto Formulazione generale: per n fornitori e m clienti min Σ i=1..n Σ j =1..m cij xij • I vincoli: Σ j =1..m xij ≤ a i , – per ogni fornitore la quantità totale di prodotto spedita non può superare la disponibilità del fornitore stesso Σ j =1..m xij ≤ a i , Σ i =1..n xij ≥ bj , xij ≥ 0 , per i = 1,..., n Σ i =1..n xij ≥ bj , per j = 1,..., m – le quantità di prodotto trasportate su ogni arco sono sempre non negative xij ≥ 0 , per i = 1,..., n per j = 1,..., m per i = 1,..., n, per j = 1,..., m Estensioni: – capacità massime per gli archi – non tutti i fornitori sono connessi a tutti i destinatari – il trasporto non avviene direttamente tra fornitore e destinatario, ma attraverso dei centri di raccolta e distribuzione intermedi – possibili perdite nel trasporto – più prodotti da trasportare con vincoli di capacità comuni – per ogni cliente la quantità totale di prodotto ricevuta deve essere non minore di quella richiesta Raffaele Pesenti per i = 1,..., n, per j = 1,..., m per i = 1,..., n, per j = 1,..., m 39 Raffaele Pesenti 40 Esempi SW Esempio: miscela (blending) Generare una nuova lega miscela di date caratteristiche a partire da • n composti base caratterizzati percentualmente (in peso) da m proprietà elementari (e.g., quantità di zolfo, piombo, etc.) • ci prezzo composto base i • risoluzione di un problema con LINDO • modellamento e soluzione di un problema con GAMS Raffaele Pesenti 41 Raffaele Pesenti Esempio: miscela Descrizione del problema. • obiettivo: – minimizzare i costi acquisto composti base per unità di miscela desiderata • vincoli: – la miscela desiderata deve soddisfare le caratteristiche richieste Raffaele Pesenti 42 Esempio: miscela • leve decisionali: – quantità ogni composto base da utilizzare in termini percentuali di miscela finale • dati tecnologici: – aji caratteristica j-ma composto base i-mo – bj caratteristica j-ma richiesta per miscela desiderata – ci costo unitario (in peso) composto i-mo 43 Formulazione del problema. • Le variabili: le quantità percentuale (in peso) di composto base nel prodotto finale xi ∈ ℜ , per i = 1,..., n tali variabili sono continue • La funzione obiettivo: il costo complessivo acquisto composto base per unità di peso di prodotto finale Σ i =1..n ci xi Raffaele Pesenti 44 Esempio: miscela Esempio: miscela Formulazione generale: per n miscele e m caratteristiche • I vincoli: min Σ i=1..n ci xi – per ogni caratteristica la somma dei contributi forniti da ogni composto base deve essere uguale al valore desiderato per il prodotto finale Σ i =1..n aji xi = b j , Σ i =1..n aji xi = b j , Σ i =1..n xi = 1 , per j = 1,..., m – il peso complessivo dei composti base deve essere uguale all’unità xi ≥ 0 , Σ i =1..n xi = 1 per i = 1,..., n Raffaele Pesenti 45 Raffaele Pesenti Esempio: miscela Osservazioni(cont.): dimostrazione: dati Σ i =1..n aji xi = b j , per i = 1,...,n per j = 1,..., m questi implicano Σ j =1..m Σ i=1..n aji xi = Σ j =1..m bj ⇔ in questo caso il vincolo ⇔ Σ i=1..n Σ j =1..m aji xi = Σ j =1..m bj ⇔ Σ i=1..n xi = 1 . Σ i =1..n xij = 1 , è ridondante (implicitamente imposto dai rimanenti vincoli) e quindi è inutile Raffaele Pesenti 46 Esempio: miscela Osservazioni: se l’insieme delle caratteristiche è completo e comprende anche quelle inerti, valgono le condizioni Σ j =1..m aji = 1 , Σ j =1..m bj = 1 per i = 1,..., n Estensioni: – introduzione di caratteristiche minime e massime (invece che esatte) – tolleranza rispetto a piccole violazioni delle caratteristiche richieste – le quantità di composti base sono sempre non negative xi ≥ 0 , per j = 1,..., m Il vincolo non è ridondante se sono imposte condizioni di disuguaglianza invece che di uguaglianza. 47 Raffaele Pesenti 48 Esempi SW Esempio: portafoglio titoli (portfolio) Selezionare alternative di investimenti tenendo conto di • n titoli (azioni/buoni/obbligazioni) disponibili sul mercato • m tipologie di investimenti azionario/obbligazionario/buoni • q caratteristiche dei titoli (affidabilità, maturità, profitto atteso, tassazione) • risoluzione di un problema con LINDO • modellamento e soluzione di un problema con GAMS Raffaele Pesenti 49 Raffaele Pesenti Esempio: portafoglio titoli Esempio: portafoglio titoli Descrizione del problema. • leve decisionali: • obiettivo: – quantità da acquistare di ogni titolo i – massimizzare il ritorno atteso • dati tecnologici: • vincoli: – aji caratteristica j-ma titolo i-mo – l’affidabilità media del portafoglio deve essere non – bj caratteristica j-ma minima richiesta inferiore ad un dato livello per portafoglio minimo – dk numero minimo di titoli di tipo k– la maturità media deve essere mo che devono essere presenti non inferiore ad un dato livello – Q(k) insieme dei titoli di tipo k-mo minimo – pi profitto atteso unitario titolo – il portafoglio deve essere i-mo differenziato come tipologia di – ti tassazione titolo i-mo titoli Raffaele Pesenti 50 51 Formulazione del problema. • Le variabili: le quantità di titoli (in capitale investito) da acquistare per il portafoglio xi ∈ ℜ , per i = 1,..., n tali variabili sono continue • La funzione obiettivo: il profitto atteso complessivo (scontato della tassazione) Σ i =1..n pi (1-ti ) xi Raffaele Pesenti 52 Esempio: portafoglio titoli Esempio: portafoglio titoli • I vincoli: Formulazione generale: per n titoli – per ogni caratteristica (affidabilità, maturità) la media dei contributi forniti da ogni titolo deve essere non minore del valore desiderato max Σ i=1..n pi (1-ti ) xi Σ i =1..n aji xi / Σ i=1..n xi ≥ b j ⇔ Σ i =1..n aji xi ≥ bj Σ i=1..n xi, per j = 1,..., m ⇔ Σ i=1..n aji xi ≥ b j Σ i =1..n xi , Σ i ∈ Q(k) xi ≥ d k , xi ≥ 0 , per j = 1,..., q – per ogni tipologia il numero dei titoli presenti deve essere non inferiore ad una quota minima Σ i ∈ Q(k) xi ≥ d k , Osservazione: – se esiste almeno una soluzione ammissibile diversa da 0 il problema è illimitato superiormente ... per k = 1,..., m – le quantità di titoli sono sempre non negative xi ≥ 0 , per i = 1,..., n, Raffaele Pesenti 53 Raffaele Pesenti Esempio: portafoglio titoli 54 Esempio: portafoglio titoli Osservazione (cont.) Dimostrazione dell’illimitatezza: (si dimostra che a partire da una qualunque soluzione ammissibile si può determinare un’altra soluzione ammissibile a cui è associato una valore della funzione obiettivo maggiore.) Siano dati: – una qualunque x(1) ≠ 0 soluzione ammissibile a cui è associato il valore della funzione obiettivo z( x(1) ) = p(1-t) x(1) – uno scalare λ > 0 e un vettore v (detto direzione) posto v= x(1), la soluzione x(2) = x(1) + λ v banalmente soddisfa i vincoli del problema, quindi è ammissibile, ad essa è associato un valore della funzione obiettivo z( x(2) ) strettamente maggiore di z( x(1) ): Commento Quando un problema risulta illimitato vuol dire che il modello matematico della realtà analizzata non tiene conto di qualche vincolo significativo, eventualmente espresso solo implicitamente. Nel caso del problema del portafoglio titoli certamente non si ha a disposizione un capitale infinito per acquistare i titoli. Sia: – C massimo capitale di rischio a disposizione deve aggiungersi il vincolo Σ i =1..n xi ≤ C λ v) = = (1+ λ )p(1-t) x(1) = (1+λ ) z( x(1) ) > z( x(1) ) z( x(2) ) = p(1-t) x(2) = p(1-t)(x(1) + Raffaele Pesenti per k = 1,..., q per i = 1,..., n 55 Raffaele Pesenti 56 Esempio: portafoglio azioni Esempio: pianificazione della produzione Formulazione generale: per n titoli max Σ i=1..n pi (1-ti ) xi Σ i =1..n aji xi ≥ bj Σ i=1..n xi, per j = 1,..., m Σi∈ Q(k) xi ≥ dk , Σ i =1..n xi ≤ C xi ≥ 0 , • Scopo per k = 1,..., q data la previsione della domanda su orizzonte T, – massimizzare profitti e minimizzare costi per i = 1,..., n Estensioni: – formulazioni più complete tengono conto del rischio dell’investimento attraverso le varianze dei profitti attesi, in questo caso però i modelli risultano quadratici. Raffaele Pesenti – livellare la produzione, in modo da potere rispondere con risorse finite e di limitata flessibilità alle fluttuazioni della domanda – individuare possibili colli di bottiglia e risorse critiche 57 Esempio: pianificazione della produzione Raffaele Pesenti 58 Esempio: pianificazione della produzione • Considerazioni: – in fase di pianificazione a medio/lungo termine non si considerano singoli prodotti ma insiemi di prodotti. Gerarchie: • Problemi • prodotti/items: singolo modello/codice – determinare costi e tempi caratterizzanti un insieme di prodotti • famiglie/families: gruppi di prodotti con costi analoghi di set up della produzione – determinare la lunghezza dell’orizzonte T e gestire il transitorio finale – stimare la domanda, che è trattata in modo deterministico • tipi/types: gruppi di famiglie con caratteristiche fisiche analoghe che competono per le stesse risorse di produzione. – disaggregare i risultati – analogamente si considerano famiglie di risorse e non singole risorse * la previsione su singoli prodotti è soggetta ad eccessivi errori. Raffaele Pesenti 59 Raffaele Pesenti 60 Esempio: pianificazione della produzione 1 Descrizione del problema. • obiettivo: – massimizzare profitti e minimizzare costi complessivi gestione risorse, prodotti, magazzino • vincoli: – rispettare capacità produttive e di rifornimento – rispettare conservatività risorse – non offrire più di quanto richiesto dalla domanda – la domanda insoddisfatta è persa Esempio: pianificazione della produzione 1 Costi: – – – – – • leve decisionali: – quantità di materie prime utilizzate e di beni prodotti • variabili di stato: – livello delle scorte • dati tecnologici: (vedi lucidi successivi) Capacità – capacità produttiva massima del prodotto finito i-mo per unità di tempo: Pi – capacità di fornitura massima materia prima: Q Nel seguito per semplicità si supporrà un unica materia prima e più prodotti finiti Raffaele Pesenti 61 Raffaele Pesenti 62 Esempio: pianificazione della produzione 1 Esempio: pianificazione della produzione 1 Formulazione del problema. Le variabili: – quantità prodotto finito i-mo venduto intervallo t: Wti – volume magazzino occupato intervallo t: Ut – livello delle scorte materia prima alla fine dell’intervallo: It – livello delle scorte prodotto finito i-mo alla fine dell’intervallo t: Vti – quantità materia prima acquisita nell’intervallo t: Ht – quantità materia prima utilizzata nell’intervallo t: Yt – quantità prodotto finito i-mo realizzato nell’intervallo t: Xti tutte le variabili sono definite in ℜ , per t = 1,...,T, e sono continue Nota: • le variabili Xti, Wti e Ut sono imposte dal tipo di obiettivo da ottimizzare, • le variabili It e Vti sono variabili di stato, • le variabili Xti, Wti,Ht e Yt corrispondono a leve decisionali. Altri parametri: • lunghezza orizzonte: T • domanda prevista nel sottoperiodo t prodotto i-mo: Dti • livello iniziale scorte materia prima: I0 • livello finale scorte materia: IT • livello iniziale scorte prodotto finito i-mo: V0i • livello finale scorte prodotto finito i-mo: VTi • quantità di materia prima richiesta per unità di prodotto i-mo : ai • volume occupato da materia prima: v • volume occupato da prodotto finito i-mo: ui Raffaele Pesenti costi acquisizione materia prima : cH costi mantenimento per unità di volume per unità di tempo: cU costi produzione di un prodotto finito i-mo: cRi ricavo vendita prodotto finito i-mo: ri costi penuria manufatto i-mo: cPi 63 Raffaele Pesenti 64 Esempio: pianificazione della produzione 1 Esempio: pianificazione della produzione 1 • La funzione obiettivo: il profitto e i costi complessivi di acquisizione materie prime, produzione e scorte • I vincoli: (cont.) – in ogni periodo la tecnologia e le capacità produttive devono essere rispettate per t = 1,..., T, Σ i ai Xti = Yt , per t = 1,..., T, per i = 1,..., Xti ≤ P i , Σ t ( Σ i (riWti - cpi (Dti – Wti)- cRi Xti) - cU Ut - cH Ht) – in ogni periodo la domanda e le scorte si bilanciano Vti = V(t-1)i - Wti + Xti , per t = 1,..., T, per i = 1,..., Wti ≤ D ti , per t = 1,..., T, per i = 1,..., I vincoli: – in ogni periodo la materia prima si conserva It= It-1 + Ht - Yt, per t = 1,..., T – in ogni periodo non si può ordinare più di una data quantità di materia prima Ht ≤ Q, per t = 1,..., T – volume magazzino occupato in ogni periodo per t = 1,..., T, Ut = Σ i uiVti + v It , – le quantità sono sempre non negative Xti , Yt , Vti , Wti , It , Ht , Ut , ≥ Raffaele Pesenti 65 0, per t = 1,..., T, per i = 1,..., Raffaele Pesenti 66 Esempio: pianificazione della produzione 1 Esempio: pianificazione della produzione 2 Formulazione generale: per T periodi max Σ t ( Σ i (riWti - cpi (Dti – Wti )- cRi Xti) - cU Ut - cH Ht) It= It-1 + Ht - Yt, per t = 1,..., T Ht ≤ Q, per t = 1,..., T Σ i ai Xti = Yt , per t = 1,..., T, Xti ≤ P i , per t = 1,..., T, per i = 1,..., Vti = V(t-1)i - Wti + Xti , per t = 1,..., T, per i = 1,..., Wti ≤ D ti , per t = 1,..., T, per i = 1,..., Ut = Σ i uiVti + v It , per t = 1,..., T, Xti , Yt , Vti , Wt , It , Ht , Ut , ≥ Raffaele Pesenti 0, Descrizione del problema. • obiettivo: – minimizzare costi complessivi gestione risorse, prodotti, magazzino • vincoli: – rispettare capacità produttive – rispettare conservatività risorse – rispondere alla domanda anche con backorder per t = 1,..., T, per i = 1,..., 67 Raffaele Pesenti • leve decisionali: – quantità di risorse utilizzate e di beni prodotti • variabili di stato: – livello delle scorte • dati tecnologici: (vedi lucidi successivi) 68 Esempio: pianificazione della produzione 2 Esempio: pianificazione della produzione 2 Costi: • costi di livellamento – costi acquisizione risorse: cH Altri parametri: – costi/profitti cessione risorse: cF • lunghezza orizzonte: T – costi mantenimento risorse: cW • costi delle scorte • domanda prevista nel sottoperiodo t: Dt • numero giorni lavorativi nel sottoperiodo t: nt – costi mantenimento: cI – costi penuria: cP • costi delle risorse • livello iniziale scorte: I0 • livello finale scorte: IT – costi produzione normale di un manufatto: cR – costi di mancato utilizzo delle capacità (idelness): cU • capacità iniziale risorse: W0 – costi produzione in straordinario o subfornitura di un manufatto: cO , cS • capacità di risorsa richiesta per unità di prodotto: a Raffaele Pesenti 69 Esempio: pianificazione della produzione 2 Raffaele Pesenti 70 Esempio: pianificazione della produzione 2 Formulazione del problema. • Le variabili: • La funzione obiettivo: il costo complessivo di gestione risorse, produzione e scorte – disponibilità risorse: Wt – risorse acquisite: Ht Σ t ( cH Ht+ cF Ft + cW Wt + cU Ut + cO Ot + cI I+t+ cP I-t+ cR Pt + cS St ) – risorse cedute: Ft – risorse usate in modo straordinario: Ot – risorse non utilizzate: Ut • I vincoli: – in ogni periodo le risorse si conservano – unità prodotte: Pt – unità prodotte in subfornitura: St Wt= Wt-1 + Ht - Ft , – livello delle scorte: It , positive: I+t , negative: I-t: It =I+t - I-t per t = 1,..., T tutte le variabili sono definite in ℜ , per t = 1,...,T, e sono continue Raffaele Pesenti 71 Raffaele Pesenti 72 Esempio: pianificazione della produzione 2 Esempio: pianificazione della produzione 2 • I vincoli: (cont.) – in ogni periodo le capacità produttive devono essere rispettate aPt = nt Wt + Ot - Ut , Formulazione generale: per T periodi per t = 1,..., T min – in ogni periodo la domanda e le scorte si bilanciano It = It-1 + Pt + St - Dt , It= I+t - I-t , Wt= Wt-1 + Ht - Ft , aPt = nt Wt + Ot - Ut , It = It-1 + Pt + St - Dt , It= I+t - I-t, per t = 1,..., T per t = 1,..., T Ht , Ft , Ut , Wt , I+t , I-t , Pt , Ot , St ≥ – le quantità (tranne le scorte complessive) sono sempre non negative Ht , Ft , Ut , Wt , I+t , I-t , Pt , Ot , St ≥ 73 Esempio: pianificazione della produzione 2 per t = 1,..., T per t = 1,..., T 0, per t = 1,..., T per t = 1,..., T, ∀ j Σ i aji Pit = njt Wjt + Ojt - Ujt per t = 1,..., T, ∀ j 74 Osservazioni: – alcune delle variabili potrebbero essere intrinsecamente intere. Si deve ricorrere alla programmazione mista (ma l’onere computazionale potrebbe diventare eccessivo) oppure, se i valori ottenuti sono significativamente superiori all’unità, si può arrotondare senza introdurre notevoli errori (ma può essere difficile mantenere l’ammissibilità delle soluzioni) – il modello a molti prodotti considera anche parzialmente il problema del make or buy, infatti le sue soluzioni indicano quali prodotti realizzare all’interno dell’azienda e quali affidare in subfornitura. Si deve invece passare alla programmazione lineare mista per gestire gli eventuali costi di set-up. Si tratta di introdurre nei costi una componente cYiYi dove Yi è una variabile binaria uguale a uno se non tutta la produzione del prodotto i è affidata alla subfornitura Σ t ( Σ j (cHj Hjt+ cFj Fjt + cWj Wjt + cU jUjt + cOj Ojt )+ + Σ i ( cIi I+it+ cPi I-it+ cRi Pit + cSi Sit)) Wjt = Wjt-1 + Hjt - Fjt Raffaele Pesenti Esempio: pianificazione della produzione Formulazione generale: per T periodi, i prodotti e j risorse Iit= Iit-1 + Pit+ Sit - Dit per t = 1,..., T, ∀ i Iit= I+it - I-it per t = 1,..., T, ∀ i Hjt ,Fjt ,Ujt ,Wjt ,I+it , I-it , Pit ,Oit ,Sit ≥ 0 per t = 1,..., T, ∀ i, j Raffaele Pesenti per t = 1,..., T per t = 1,..., T 0, per t = 1,..., T Raffaele Pesenti min Σ t ( cH Ht+ cF Ft + cW Wt + cU Ut + cO Ot + cI I+t+ cP I-t+ cR Pt + cS St ) 75 Raffaele Pesenti 76 Esempio: pianificazione della produzione Esempio: schedulazione attività Estensioni: – i modelli assumono il back-order, quando si realizzano mancate vendite, i vincoli sulle scorte devono essere modificati It = I+t-1 + Pt + St - Dt Schedulare (i.e., definire tempi inizio) n attività tenendo conto che: • ogni attività i potrebbe dovere sottostare a dei vincoli di precedenza rispetto ad altre attività (i.e., non potere iniziare prima che altre siano terminate) • le attività devono essere completate il prima possibile It= I+t - I-t – possono esistere limiti superiori o inferiori su tutte le grandezze, e.g., Ot ≤ K o – può essere richiesto che i livelli di produzione o di magazzino non varino eccessivamente da un periodo al successivo (1- α ) Pt-1 ≤ P t ≤ (1+ α ) Pt-1 Raffaele Pesenti 77 Raffaele Pesenti Esempio: schedulazione attività Descrizione del problema. • obiettivo: – minimizzare il tempo del completamento complessivo di tutte le attività • vincoli: – i vincoli di precedenza tra le attività devono essere rispettati. 78 Esempio: schedulazione attività Rappresentazione grafica • attività i-ma: • leve decisionali: – istanti di inizio di ogni attività • dati tecnologici: – pi tempo di esecuzione attività i-ma – prec(i) insieme delle attività che precedono quella i-ma nodo: evento (primo istante possibile) inizio attività / fine ultima attività precedente arco: attività ti pi pred(i) Raffaele Pesenti 79 Raffaele Pesenti 80 Esempio: schedulazione attività Esempio: schedulazione attività Formulazione del problema. • Le variabili: istanti di inizio delle attività Rappresentazione grafica (cont.) • un’istanza: p3 ti ∈ ℜ , p7 p1 per i = 1,..., n tali variabili sono continue p8 p4 p10 0 = min{t1,t2} p5 p9 p11 p2 • La funzione obiettivo: tempo di completamento dell’ultima attività terminata T= = max{t10+p10,t11 +p11} maxi=1..n { ti + pi } p6 Raffaele Pesenti 81 Raffaele Pesenti 82 Esempio: schedulazione attività Esempio: schedulazione attività Formulazione generale: per n attività min maxi=1..n { t i + pi } • I vincoli: ti – per ogni attività il suo tempo di inizio deve essere non minore del tempo di completamento delle attività che la precedono ti ≥ t j + pj , ti ≥ 0 , per i = 1,..., n, per j ∈ prec(i) min T ≥ t i + pi, ti ≥ t j + p j , T per i = 1,..., n ti ≥ 0 , Raffaele Pesenti per i = 1,..., n, per j ∈ prec(i) per i = 1,..., n formulazione linearizzabile in – i tempi di inizio sono convenzionalmente non negativi ti ≥ 0 , ≥ t j + pj , 83 Raffaele Pesenti per i = 1,..., n per i = 1,..., n, per j ∈ prec(i) per i = 1,..., n 84 Esempio: schedulazione attività Esempio: schedulazione attività Osservazioni: – i problemi di schedulazione della produzione spesso presentano vincoli ulteriori, e.g.: incompatibilità di esecuzione contemporanea di due o più attività poiché in competizione per la stessa risorsa/macchina. Questi casi sono molto più difficili di quello visto e possono essere formulati attraverso programmazione lineare mista (anche se spesso non conviene risolverli con tale approccio) – la soluzione del problema proposto fornisce altre informazioni oltre a quelle riguardanti i tempi di inizio e fine, e.g., permette di evidenziare le attività critiche, i.e., quelle che se ritardate posticiperebbero la occlusione complessiva, e viceversa i tempi di slack, i.e. i tempi di cui si possono ritardare le attività non critiche – nella seconda formulazione il vincolo T ≥ t i + pi poteva essere applicato alle sole attività senza successori Raffaele Pesenti – le due formulazioni sono equivalenti poiché T ≥ maxi=1..n { t i + pi } ≥ ti + pi , inoltre, dato che T viene minimizzato, almeno uno dei vincoli T ≥ ti + pi è stringente, i.e., esiste un’attività j t.c.: T = maxi=1..n{ t i + pi } = tj + pj . Si noti che non si sarebbe invece potuto linearizzare un maxmax. – analoghi ragionamenti valgono per obiettivi maxmin e minmin – obiettivi min c|x| si possono linearizzare in modo analogo min T -T/c 85 Raffaele Pesenti 86 Esercizi Esercizi 1) Studiare i modelli lineari proposti in Gams e Lingo 2) Risolvere graficamente i seguenti problemi max 7 x1 + x2 -6x1 + 6x2 ≤ 42 ≤ 1 99 5x1 + 13x2 5x1 + 3x2 ≤ 1 19 3x1 - 4x2 ≤ 54 x1, x2 ≥ 0 Raffaele Pesenti ≤ x ≤ T /c, non si possono linearizzare obiettivi max c|x| 3) Risolvere graficamente i seguenti problemi max x1 + x2 3x1 + 8x2 ≤ 56 4x1 + 2x2 ≤ 40 min 3 x1 + 2x2 13x1 + 6x1 5x1 4x1 + -2x1 + x1, x2 ≥ 3x2 14x2 x2 5x2 13x2 0 ≥ ≤ ≤ ≤ ≤ 149 38 1 17 1 69 1 79 7x1 + 4x2 -6x1 + 3x2 x1, x2 ≥ 0 87 Raffaele Pesenti ≥ ≥ 49 3 min 5 x1 + 2x2 -4x1 + 8x2 x2 2x1 + x2 5x1 + 4x2 x1, x2 ≥ 0 ≥ 24 ≤ 7 ≥ 23 ≤ 68 88 Esercizi 4) Risolvere graficamente i seguenti problemi max 6x1 + 13x2 8x2 ≤ 24 -2x1 + 9x2 ≤ 16 13x1 + 5x2 15x1 - 4x2 x1, x2 ≥ 0 ≥ ≥ 65 30 Raffaele Pesenti Esercizi 5) Risolvere graficamente i seguenti problemi ed indicare se esistono e quali sono i vincoli ridondanti min x1 + 2x2 max 7x1 + 2x2 7x1 2x2 ≤ 14 2x1 + x2 ≥ 2 3x1 + 4x2 ≤ 28 ≥ 14 x1 + 7x2 ≥ 6 -2x1 + 6x2 3x1 + x2 ≤ 22 7x1 + 3x2 ≤ 42 ≤ 32 2x1 + 5x2 x1, x2 ≥ 0 -3x1 + x2 ≤ 3 x1, x2 ≥ 0 min x1 + 2x2 3x1 + 2x2 x1 + 6x1 x1 x1, x2 ≥ 4x2 x2 2x2 0 ≥ ≥ 12 14 ≤ 45 ≤ 2 89 Raffaele Pesenti 90 Esercizi Esercizi 7) Trasporto con vincoli di bundle. 6) Considerare i problemi di programmazione lineare degli esercizi precedenti e determinare di quanto possono essere variati i coefficienti della funzione obiettivo senza che la soluzione ottima cambi. Considerare i problemi di programmazione lineare degli esercizi precedenti e determinare di quanto possono essere variati i termini noti dei vincoli senza che cambi il vertice su cui giace la soluzione ottima. Raffaele Pesenti 91 La ACME s.p.a. produce carta in 4 stabilimenti S1,..., S4. Gli stabilimenti S1 e S2 sono specializzati in carta per usi speciali, gli stabilimenti S3 e S4 sono specializzati in carta da ufficio. La ditta vende i suoi prodotti in 10 città V1,..., V10 distribuite su un vasto territorio. Il sistema logistico di distribuzione prevede che giornalmente i prodotti vengano avviati durante la notte a due grandi centri di distribuzione M1 e M2 e quindi da essi consegnati alle differenti città il mattino seguente. Sono note rispettivamente le necessità d1,...d10 di carta speciale ed e1,...,e10 di carta da ufficio delle 10 città. Sono note inoltre: le capacità produttive a1,..., a4 dei diversi stabilimenti; le capacità massime complessive dei due magazzini f1 e f2, le capacita massime dei magazzini per prodotto rispettivamente g1, g2 e h1, h2; le capacità di trasporto complessive dagli stabilimenti ai magazzini q1,1,..., q4,2 e dai magazzini alle città r1,1,..., r1,10, r2,1,..., r2,10; i costi di trasporto dagli stabilimenti ai magazzini c1,1,..., c4,2, e dai magazzini alle città b1,1,..., b2,10 (i costi sono indipendenti dal tipo di carta). Minimizzare i costi di trasporto giornalieri, sapendo che le capacità complessive sono espresse in termini di unità di carta da ufficio e che un’unità carta speciale occupa il doppio del volume di un’unità di carta da ufficio. Indicare le condizioni necessarie di esistenza della soluzione. Raffaele Pesenti 92 Esercizi Esercizi 8) Allocazione di risorse energetiche Un ente che fornisce servizi nel campo dell’energia deve pianificare gli investimenti strategici nel lungo periodo tenendo conto della domanda di potenza prevista. In particolare si prevede una domanda di potenza de da elettricità, dr per riscaldamento in varie forme, db da benzina e dg da gas. L’ente prevede di investire nello sviluppo di raffinerie, impianti a carbone, idroelettrici e geotermici. Il costo di produzione di un kw nei diversi impianti è rispettivamente cp, cc, ci e cg. La produzione delle raffinerie può soddisfare solamente la richiesta di benzina ed olio da riscaldamento, la produzione degli impianti a carbone può soddisfare solamente la richiesta di gas per riscaldamento, gas per altri usi e di elettricità, gli impianti idroelettrici possono soddisfare solo la domanda di elettricità, infine gli impianti geotermici la domanda di elettricità e di riscaldamento. Per motivi strategici e tecnologici non più di una quantità fij di domanda di tipo j deve essere soddisfatta da un impianto di tipo i. Determinare l’investimento minimo che deve essere fatto per soddisfare la domanda tenendo presente che vi sono delle perdite di potenza nel trasporto e quindi solo una quantità di energia aij < 1 giunge a soddisfare la domanda di tipo j per ogni kw prodotto da un impianto di tipo i. Raffaele Pesenti 9) Schedulazione di attività Un cantiere navale ha ricevuto una commessa e deve pianificare le proprie operazioni (vedi tabella). Il pagamento avviene al compimento di determinati milestone. In particolare, il 10% della commessa viene pagato al termine delle operazioni D ed E, un rimanente 30% al termine delle operazioni G ed H, la rimanente parte del pagamento avviene a commessa completata. Determinare le date in cui si ritiene di potere consegnare la commessa finita al cliente e quando si ritiene di potere raggiungere i milestone. Si tenga presente che, a causa degli accordi contrattuali con i fornitori dei semilavorati, alcune operazioni non possono iniziare prima di determinate date di rilascio (release time) ri e a causa del cambiamento della legislazione fiscale in vigore è estremamente conveniente eseguire certe lavorazioni che utilizzano particolari materiali entro certe date di scadenza (duedate) di. (continua) 93 10)Pianificazione uso territorio. Una multinazionale del settore agroalimentare deve pianificare l’uso dei propri terreni in una determinata regione e la quantità di risorse da acquisire in termini di forza lavoro e materiali per il prossimo anno solare. Esistono terreni di varia natura, alcuni dei quali utilizzabili solo per il foraggio, altri che possono modificare la propria natura attraverso l’intervento umano. Sia ls la quantità di terreno disponibile di tipo s, inoltre sia CTrafst il costo di trasformazione di un ettaro da tipo s a tipo r, per ogni (s,r) in L = { (s,r): tipo s modificabile in r}. Si possono realizzare diversi tipi di coltivazioni, alcune delle quali permettono di mettere a semina diversi tipi di prodotti contemporaneamente su uno stesso appezzamento. Sia epus la quantità di prodotto u ottenuto per ogni ettaro di coltivazione p su un terreno di tipo s. (Tra i prodotti u vanno compresi anche i foraggi citati nel seguito.) Ogni tipo di coltivazione richiede nei diversi mesi dell’anno una differente quantità di lavoro da parte della manodopera. Sia dpst la quantità di giorni uomo necessari alla coltivazione p su un ettaro di terreno di tipo s durante il mese t. Sia CPersT il costo giornaliero di una lavoratore temporaneo, sia CPersI il costo annuale di un lavoratore a tempo indeterminato. Ogni tipo di coltivazione implica inoltre il consumo di differenti quantità di risorse (e.g., fertilizzanti). Sia fpsk la quantità di risorsa k necessaria alla coltivazione p su un ettaro di terreno di tipo s. Sia CRisk il costo unitario di una risorsa di tipo k. (continua) (continuazione) Raffaele Pesenti Predecessori B B A DCA BE D FG Durata 3 6 2 5 7 5 9 13 6 94 Esercizi Esercizi Attività A B C D E F G H I Raffaele Pesenti Release time Duedate 8 14 13 20 10 95 Raffaele Pesenti 96 Esercizi Esercizi (continuazione) Per ogni capo di bestiame che si decide di allevare è necessaria una certa quantità di del foraggio gv, dove v è uno tra i possibili tipi di foraggio producibili. Ogni capo di bestiame richiede inoltre una certa quantità di ore uomo per essere accudito, il tempo richiesto dipende a sua volta dalle stagioni dell’anno. Sia mt il numero di giorni uomo richiesti da ogni capo di bestiame il mese t. Infine, sia CVet il costo per il veterinario in cui si incorre per ogni capo di bestiame. I costi unitari delle risorse da acquisire sono abbastanza stabili nel tempo, mentre i prezzi a cui si vendono i prodotti agricoli hanno subito notevoli variazioni negli anni passati. Siano PProduy, PBesty rispettivamente il prezzo di vendita di un quintale di un prodotto u e di un capo di bestiame nell’anno y. Sviluppare un modello lineare che permetta alla multinazionale di massimizzare i profitti attesi minimizzando i rischi (si supponga di avere sufficienti dati storici da ritenere che una previsione ragionevole dei prezzi di vendita sia la media dei prezzi dei cinque anni precedenti e che il rischio sia proporzionale alla deviazione standard dei prezzi stessi oltre che alla quantità di prodotto coltivato o al numero di capi allevati). Raffaele Pesenti 97 11)Schedulazione di macchine. Le 4 tipologie di prodotti T1,..., T4 dalla ACME s.p.a. possono essere realizzate nei 3 centri di lavorazione M1, M2, M3. In particolare ogni centro di lavorazione jmo può produrre aij tonnellate di prodotto imo all’ora al costo cij per tonnellata. Sia bj il numero di ore mensili disponibili al centro di lavorazione jmo, sia di la domanda mensile in tonnellate di prodotto imo e gi il ricavo unitario ottenibile dalla vendita di ogni tonnellata dello stesso prodotto. Massimizzare i profitti ottenibili sapendo che la domanda devono essere soddisfatta completamente. Indicare le condizioni necessarie di esistenza di una soluzione. Raffaele Pesenti Esercizi Esercizi 12)Pianificazione risorse e produzione La ACME s.p.a. è un’industria di trasformazione alimentare che utilizza materie prime il cui costo per tonnellata è soggetto a forti variazioni stagionali. Per ogni materia prima i-ma, cit è il valore atteso del costo per tonnellata durante il t-mo mese dell’anno e di è il costo di mantenimento in magazzino per mese di ogni tonnellata. La produzione di ogni alimento j non può superare uj tonnellate mensili. Ogni tonnellata di alimento j richiede aij tonnellate di ogni materia prima i, può essere mantenuta in magazzino al prezzo ej, richiede l’utilizzo di gj ore uomo delle ht disponibili il mese t ed induce ulteriori costi di produzione fj oltre a quelli di acquisto e gestione delle materie prime e quelli del personale (questi ultimi sono fissi e proporzionali ad ht). Massimizzare i profitti attesi, attualizzando costi e ricavi ad un tasso del 20% annuo, nei prossimi 12 mesi sapendo che ogni prodotto j può essere venduto al prezzo pj per tonnellata e che la sua domanda mensile non eccede qjt. Attualmente sono presenti in magazzino ri tonnellate di ogni materia prima i e sj tonnellate di ogni prodotto finito j e si ritiene che si dovrebbero avere le stesse scorte anche tra un anno. Indicare le condizioni necessarie di esistenza di una soluzione che soddisfi completamente la domanda qjt. Raffaele Pesenti 98 99 13)Controllo della rabbia In una zona delle alpi si sono censite 250 volpi rabbiose e 15 cani rabbiosi nell’anno 2001. E’ noto che il numero delle volpi rabbiose nell’anno corrente è uguale a 4 volte il numero delle volpi rabbiose dell’anno precedente più 2 volte il numero di cani rabbiosi dell’anno precedente meno il numero di volpi che non verranno contagiate grazie all’intervento profilattico mirato alle volpi. Analoga legge di propagazione esiste per i cani. Il numero dei cani rabbiosi nell’anno corrente è uguale a 1.3 volte il numero delle volpi rabbiose dell’anno precedente più 1.5 volte il numero di cani rabbiosi dell’anno precedente meno il numero di cani che non verranno contagiati grazie all’intervento profilattico mirato ai cani. Ogni intervento profilattico per le volpi costa 250 euro e salva 2 volpi. Ogni intervento profilattico per i cani costa 100 euro e salva 3 cani. Minimizzare i costi degli interventi profilattici nei prossimi 5 anni rispettando il vincolo che, per ogni anno, il numero delle volpi rabbiose non sia superiore a 150 e il numero dei cani rabbiosi non sia superiore a 3. Raffaele Pesenti 100 Esercizi 14)Transshipment La ACME deve pianificare quanta merce spedire dai propri stabilimenti s=1..S ai propri magazzini centrali m=1..M e dai magazzini centrali ai propri clienti r=1..R nei prossimi giorni t=1..T È noto che non può spedire più di Usm materiale al giorno da ogni stabilimento s ad ogni magazzino m e più di Qmr da ogni magazzino m ad ogni cliente r. La capacità produttiva giornaliera di ogni impianto non supera Ks. La capacità massima dei magazzini è Nm. Nel trasporto della merce da un magazzino ad un cliente si perde generalmente amr di quanto trasportato. Inizialmente i magazzini sono vuoti. Determinare quanto produrre e quanto trasportare in modo che in T ogni cliente cliente abbia ricevuto complessivamente Er . I costi di trasporto sono rispettivamente Csm e Dmr. Raffaele Pesenti 101