Politecnico di Milano

Facolt di Ingegneria Industriale

Impianti meccanici

Impiego della programmazione lineare

nella progettazione degli impianti

Cosa significa progettare un impianto?

Individuare la miglior configurazione di risorse tecniche, umane
ed economico-finanziarie (limitate) e le corrispondenti modalit
di gestione, finalizzate alla realizzazione di un prodotto/servizio,
coerentemente con un obiettivo economico prestabilito.
dimensionamento e bilanciamento dei fattori di produzione
(impianti, forza lavoro, spazio, infrastrutture, capitale, ecc.)
allocazione dei fattori di produzione a prodotti/servizi alternativi
accanto allobiettivo economico esistono altri obiettivi non
monetizzabili, quali: sicurezza, ambiente, innovazione, ecc.
il grado di vincolo sulla limitatezza delle risorse da valutare in
relazione allorizzonte temporale di analisi

-2-

Cosa significa progettare un impianto?

Formulazione analitica del problema
Funzioni di produzione
xj = quantit di prodotto (1n)
fi = fattore di produzione (1m)

Funzione Obiettivo
Pj = prezzo di vendita
cj= costo di produzione

x1 1f1,..., fm
...
x n m f1,..., fm

max MCtot Pj c j x j
j1

Vincoli disponibilit risorse

f1 F1 ... fm Fm
-3-

Cosa significa progettare un impianto ?

Dati del problema:

tipo e caratteristiche del prodotto/servizio

processo tecnologico di fabbricazione/erogazione

Scelte progettuali:

definire numero e localizzazione dei centri di produzione

definire la capacit produttiva (pezzi buoni/unit di tempo)
dimensionare i fattori di produzione
organizzare gli spazi interni alla fabbrica (progettazione del
layout)
definire le modalit di gestione e organizzazione dei fattori
di produzione

-4-

Con quali criteri?

Massimizzazione della redditivit /
minimizzazione dei costi
Criteri di valutazione di investimento: NPV, IRR, PB, etc.

Margine di contribuzione : max M C tot

P c x
n

j 1

Costi totali di produzione : min C Vtot

c
j1

x j

-5-

Con quali criteri?

Economie di scala et al.

Costi

P
C C0
P0

* m : fattore di scala (<1)

C0

I costi di impianto
aumentano meno che
proporzionalmente
rispetto alla potenzialit
(dimensioni) degli stessi

P0

Potenzialit (taglia)
-6-

Con quali criteri?

Trade-off tra costi di impianto e di esercizio
Costi
[/anno]

C TOTALI

CAE

V0
n
1

k
k 1 1 i

C IMPIANTO
(es. fabbricati, macchinari, mezzi,
attrezzature, montaggio, etc.)

C ESERCIZIO
Ottimo

(es. energia, materie prime,

personale, manutenzione,
parti di ricambio, etc.)

Prestazione
tecnica
-7-

Con quali strumenti quantitativi?

Programmazione Lineare

Teoria delle code (Processi Arrivo/Attesa/Servizio;

ad es., Trasporti)
Simulazione
Intelligenza artificiale (Neural Networks, )

-8-

Lazienda Scarpacomoda S.p.A.

Modelli:

Lusso
Casual

Margine unitario
4
3
Finitura Lusso

Magazzino
cuoio

Reparto 1

800 tom/gg
modello Lusso e
Casual stesso impiego
di cuoio (1 tom/paio)

1000 h/gg
modello Lusso tempo
lav. doppio rispetto
a Casual (1h/paio)

400 h/gg
1 h/paio

Finitura Casual
700 h/gg
1 h/paio

Qual il mix di scarpe Lusso e Casual che massimizza il

profitto dellazienda ?
-9-

Lazienda Scarpacomoda S.p.A.

Impostazione analitica del problema
Variabili:

x1 = produzione giornaliera Lusso

x2 = produzione giornaliera Casual

Funzione obiettivo:

max(z = 4 x1 + 3 x2)

Funzioni di produzione:

reparto 1
finitura lusso
finitura casual
magazzino cuoio

2 x1 + x2 <= 1000
x1 <= 400
x2 <= 700
x1 + x2 <= 800

- 10 -

Lazienda Scarpacomoda S.p.A.

Regione ammissibile
In un sistema di assi
cartesiani ortogonali (x1, x2)
possibile tracciare le 4 rette
che corrispondono alle
condizioni di vincolo

x2
x1= 400
2x1 +x2= 1000

1000
900

800

La condizione di
disuguaglianza individua un
insieme di punti tutti dalla
stessa banda rispetto ad una
retta nel piano

x2= 700

700
600
500
400
300
200

Pertanto si ottiene un
poligono delle soluzioni
possibili

100

x1 +x2= 800

0
0

100 200 300 400 500 600 700 800 900 1000

x1

- 11 -

Lazienda Scarpacomoda S.p.A.

x2

Funzione obiettivo

1000

z = 4 x1 + 3 x2

900
800
700

La funzione obiettivo (di profitto)

corrisponde graficamente ad un
fascio di rette ad inclinazione
costante (- 4/3)

600
500

400
300
200
100
0
0

100 200 300 400 500 600 700 800 900 1000

x1
- 12 -

Lazienda Scarpacomoda S.p.A.

x2

Soluzione ottima
1000
900
800
700

(x1=200, x2=600)

600

Lultimo punto (il pi distante)

appartenente al poligono delle soluzioni
base rappresenta la soluzione ottima in
corrispondenza della quale si ha il
massimo profitto (z=2.600)

500
400
300

200
100
0
0

100 200 300 400 500 600 700 800 900 1000

x1
- 13 -

Programmazione Lineare
Tecnica di Ricerca Operativa di supporto alla presa di
decisioni che riguardano lallocazione ottimale delle risorse
(es. impianti, mdo, capitale, tempo, spazio, materie prime, )
in un contesto di breve termine in cui non modificabile la
disponibilit di risorse
Pianificazione della produzione (mix fattori di produzione)

Strategie di produzione (allocazione risorse)

Schedulazione
Ottimizzazione di ricette e scelta materie prime
Scelta portafoglio investimenti
...
- 14 -

Caratteristiche di un problema di
Programmazione Lineare
Considerando
xj = quantit di prodotto j-esimo (j = 1,,n)
fi = consumo del fattore produttivo i-esimo (i = 1,,m)
bi = quantit max disponibile del fattore produttivo i-esimo
cj = costo unitario
Pj = prezzo unitario
aij = coefficienti di impiego (= tassi di assorbimento dei fattori)

aij

fi
x j
- 15 -

Caratteristiche di un problema di
Programmazione Lineare
Massimizzazione o minimizzazione di una funzione
obiettivo (es. profitto, costo, )
n

zC c j x j
j1
n

DA MINIMIZZARE

zP Pj c j x j
j1

LINEARI SE

DA MASSIMIZZARE

cj = costante
Pj = costante
- 16 -

Caratteristiche di un problema di
Programmazione Lineare
Presenza di vincoli che limitano le possibilit di perseguire
lobiettivo (es. disponibilit risorse, )
colonna = consumo degli m fattori
per produrre la quantit xj

a11x1 a12x 2 ... a1n x n b1

Esprime i legami tecnologici tra

impieghi e risorse

a 21x1 a 22x 2 ... a 2nx n b2

.............................................
am1x1 am2 x 2 ... amnx n bm

riga = bilancio di un fattore

Esprime i limiti di disponibilit
delle risorse

+ ULTERIORI CONDIZIONI DI VINCOLO

xj 0

per j 1,...,n

Esprime le condizioni di
non-negativit
- 17 -

Caratteristiche di un problema di
Programmazione Lineare
I vincoli devono essere espressi come disequazioni lineari
legame lineare tra quantita di prodotto realizzata ( dxj) e
consumo di fattore produttivo (dfi)

aij

fi
x j

cos t

Effetti della legge dei rendimenti decrescenti trascurabili

Non si considerano variazioni marginali nei consumi dei fattori
produttivi

BREVE PERIODO e TECNOLOGIE EVOLUTE

- 18 -

Caratteristiche di un problema di
Programmazione Lineare
1) Massimizzazione o minimizzazione di una funzione obiettivo
(es. profitto, costo, )
2) Presenza di vincoli che limitano le possibilit di perseguire
lobiettivo (es. disponibilit risorse)
3) Esistenza di corsi dazione alternativi tra cui scegliere

4) La FO e i vincoli devono essere espressi come disequazioni

lineari

- 19 -

Formalizzazione di un problema di
Programmazione Lineare

Il poligono delle soluzioni possibili convesso in quanto ottenuto

per successive eliminazioni di semipiani

Una retta a profitto costante pu avere solo nessuno, uno o infiniti

punti in comune con il confine del poligono

La soluzione ottima si trova necessariamente sul confine del

poligono (su un lato o su un vertice): in definitiva si avranno una
sola o infinite soluzioni ottime

Se la soluzione ottima unica, essa anche una soluzione base

Per trovare la soluzione ottima non necessario esplorare lintero

campo delle soluzioni possibili, ma ci si pu limitare allinsieme
delle soluzioni base (Metodo del Simplesso)
- 20 -

10

Formalizzazione di un problema di
Programmazione Lineare

incognite proprie:

x1, , xn

variabili di slack (una per vincolo):

S1, , Sm

Il poliedro delle soluzioni delimitato da piani di

equazione:
xi = 0
(piani coordinati)
Sj = 0
(piani di limitazione)

Ogni soluzione base individuata da n relazioni del tipo:

xi = 0 oppure Sj = 0

- 21 -

Formalizzazione di un problema di
Programmazione Lineare
Equazioni di vincolo

a11x1 a12x 2 ... a1nx n S1 b1

a 21x1 a 22x 2 ... a 2n x n S2 b 2
.............................................
am1x1 am2 x 2 ... amnx n Sm bm
xj 0

per j 1,...,n
- 22 -

11

Algoritmo del simplesso

x2

Soluzioni base del caso

Scarpacomoda S.p.A.

1000
900
800

(x1=200, x2=600)

700

(s1=200, s2=100, s3=0, s4=0)

Il problema in esame
indeterminato in quanto un
sistema di 4 equazioni in 6
incognite (x1 , x2 , S1 , S2 , S3 , S4 )

600
500
400
300

(x1=400, x2=200)

200

(s1=0, s2=500, s3=200, s4=0)

100
0
0

100 200 300 400 500 600 700 800 900 1000

(x1=400, x2=0)
(x1=0, x2=0)

La soluzione ottima coincide con

la utilizzazione totale del cuoio e
alla completa saturazione della
capacit produttiva del Reparto 1
(S3 =S4=0 )

x1

(s1=0, s2=600, s3=400, s4=200)

(s1=400, s2=700, s3=800, s4=1000)

- 23 -

Analisi di sensitivit
x2
1000

z = 6 x1 + 3 x 2

900

z = 4 x1 + 2 x 2

Coefficienti della
Funzione obiettivo

800

Profitto Lusso : 3 - 4 - 6

700

(x1=200, x2=600)

600

Profitto Casual : 2 - 3 - 4

500
400
300
200

z = 3 x 1 + 3 x2

100

z = 4 x 1 + 4 x2

0
0

100 200 300 400 500 600 700 800 900 1000

x1
- 24 -

12

Analisi di sensitivit
x2

Disponibilit delle risorse

1000

Risorsa : capacit produttiva

Reparto 1

900
800

Prezzo ombra : 1
700

Range : 0.9 - 1 1.2

600

z= 2,6 x 10 3

500
400

z= 2,8 x 10 3

300
200

2x1 +x2= 1.2

100

2x1 +x2= 1

0
0

100 200 300 400 500 600 700 800 900 1000

x1
- 25 -

Analisi di sensitivit
x2

Disponibilit delle risorse

1000
900

z= 2,5 x

800

10 3

Risorsa : capacit produttiva

Reparto 1
Prezzo ombra : 1

700

z= 2,6 x 10 3

Range : 0.9 - 1 1.2

600
500
400
300
200

2x1 +x2= 1
2x1 +x2= 0.9

100
0
0

100 200 300 400 500 600 700 800 900 1000

x1
- 26 -

13

Analisi di sensitivit

COEFFICIENTI DELLA FUNZIONE OBIETTTIVO

-

MEDESIMA SOLUZIONE OTTIMALE

DIVERSO VALORE DELLA FUNZIONE OBIETTIVO

LIMITE SULLE RISORSE

-

MEDESIME VARIABILI NELLA SOLUZIONE OTTIMALE

DIVERSA SOLUZIONE OTTIMALE E DIVERSO VALORE DELLA
FUNZIONE OBIETTIVO

- 27 -

Analisi di sensitivit
Reduced cost (costo ridotto)
RIDUZIONE/AUMENTO DEL COEFFICIENTE NELLA FUNZIONE OBIETTIVO

CHE ASSEGNEREBBE VALORE NON NULLO ALLA VARIABILE NELLA

SOLUZIONE OTTIMA

Shadow price (prezzo ombra)

ENTIT DEL CONTRIBUTO ALLA FUNZIONE OBIETTIVO

DI OGNI UNIT ADDIZIONALE DELLA RISORSA

- 28 -

14

Programmazione lineare con Excel

Problema

Funzione Obiettivo
formula = f (X1, X2)

Variabili (X1, X2)

Condizioni di vincolo,
espresse in funzione delle
variabili
- 29 -

Programmazione lineare con Excel

Funzione Obiettivo

Variabili (X1, X2)

Condizioni di vincolo
- 30 -

15

La Molisana S.p.A.
Per mantenere alto il livello qualitativo della pasta prodotta, la
semola deve avere uno standard minimo di contenuto di alcuni
principi nutritivi fondamentali, quali: proteine, riboflavina,
fosforo e magnesio.
PROBLEMA:
Determinare la ricetta della semola, realizzata con tipologie
diverse di grano (A, B, C), che soddisfi i requisiti qualitativi al
minimo costo, sulla base di:
contenuto di proteine, riboflavina, fosforo e magnesio per
ciascuna tipologia di grano
costo unitario di ciascuna tipologia di grano
requisiti nutrizionali (proteine, )

- 31 -

La Molisana S.p.A.
Dati del problema
Standard Grano A

Costo per chilo []

Proteine

Grano B

Grano C

0.470

0.330

0.380

[gr/kg]

26

22

28

21

Riboflavina [gr/kg]

17

16

14

25

Fosforo

[gr/kg]

6,8

Magnesio

[gr/kg]

0,425

- 32 -

16

La Molisana S.p.A.
Impostazione del problema

Variabili

Funzione
obiettivo
Vincoli

[F.O. = 34,36 /kg]

- 33 -

Il caso Powerco
La Powerco un autoproduttore di energia elettrica e dispone di 3 centrali elettriche per
alimentare il fabbisogno di energia richiesto da 4 aree metropolitane. Ogni impianto di
generazione pu rifornire le seguenti quantit di elettricit (espresse in milioni di kwh):
Impianto 1
Energia generata

Impianto 2

35

Impianto 3

50

40

La richiesta di energia elettrica da parte delle 4 citt (in termini di milioni di kwh) pari a :
Citt 1

Citt 2

Citt 3

Citt 4

45

20

30

30

Energia assorbita

Noto infine il costo di distribuzione dellenergia da ciascun impianto alle 4 citt (euro per
milione di kwh), si chiede di determinare la scelta pi conveniente di distribuzione
dellenergia (impianti / citt).
Citt 1

Citt 2

Citt 3

Citt 4

Impianto 1

10

Impianto 2

12

13

Impianto 3

14

16

[F.O. = 1.020 ]
- 34 -

17

Il caso GALAXY
DATI DEL PROBLEMA
La Galaxy unazienda produttrice di giocattoli che realizza due modelli di pistole ad acqua:
Space Ray e Zapper. Entrambi gli articoli sono realizzati esclusivamente in materiale plastico.
Le due risorse critiche nel processo di fabbricazione sono :
- la quantit di materiale plastico disponibile a settimana : 1200 kg
- le ore settimanali disponibili per la produzione : 40 ore
Lufficio Marketing della Galaxy ha inoltre stabilito un volume massimo di produzione settimanale
pari a 800 unit di pistole ad acqua dei due tipi, con un ulteriore vincolo legato al mix di vendita :
le vendite settimanali di Space Ray non devono superare quelle di Zapper di oltre 450 unit.
Nella tabella sottostante sono riportati i dati di assorbimento delle risorse produttive e il margine
di contribuzione unitario

Modello

Space Ray
Zapper

margine unitario

kg plastica/pezzo

$8
$5

2
1

min lavorati/pezzo

3
4

Attualmente la Galaxy produce 550 unit di Space Ray e 100 di Zapper, con un ricavo
settimanale di 4900 $. Esiste un programma di produzione pi redditizio ?
[F.O. = 5.040 $]
- 35 -

IL caso FORD MOTOR COMPANY

Nellarea nord degli USA la Ford produce due modelli di auto in due
stabilimenti produttivi. La rete distributiva costituita da quattro magazzini
centrali.

Assegnare ai due stabilimenti le quantit da produrre in modo da

minimizzare i costi di distribuzione

18

IL caso FORD MOTOR COMPANY

Modelli di auto prodotte:

Pickup

Mustang

IL caso FORD MOTOR COMPANY

Il sistema logistico:

Pickup
Mustang
Pickup
Kansas City
Mustang
Pickup
Springfield
Mustang
Pickup
Clinton
Mustang
Pocahontas

auto/anno
auto/anno
auto/anno
auto/anno
auto/anno
auto/anno
auto/anno
auto/anno

Capacit Pickup auto/anno

produttiva Mustang auto/anno

Pittsburgh Florissant Domanda

2.000
6.000
70.000
10.000
15.000
30.000
40.000
12.000
60.000
30.000

80.000
40.000

19

IL caso FORD MOTOR COMPANY

Trasporti:
A mezzo di camion: 12 auto/camion

Origini

Destianzione

Distanza
[Km]

Costo camion [$/Km]

Pittsburgh

Pocahontas

220

0,3

Pittsburgh

Kansas City

116

0,3

Pittsburgh

Springfield

80

0,4

Pittsburgh

Clinton

87

0,4

Florissant

Pocahontas

177

0,3

Florissant

Kansas City

235

0,3

Florissant

Springfield

110

0,3

Florissant

Clinton

186

0,3

IL caso STEREO COMPANY

L azienda produce casse acustiche per impianti stereofonici in due
differenti misure (Small e Large). Le previsioni di vendita per i primi mesi
dellanno sono le seguenti:

La capacit produttiva, sia lavoro ordinario che straordinario, si ritiene

fissata nel breve periodo ed assume, in unit equivalenti, i seguenti
valori mensili:

Il consumo di risorse (unit equivalenti di risorsa per unit di prodotto)

per la realizzazione delle tue tipologie di casse vale:

20

IL caso STEREO COMPANY

I costi di produzione variano a seconda dellutilizzo di lavoro ordinario o
straordinario, per le due tipologie di articoli, come segue:

Il costo di mantenimento a scorta, per le due tipologie di articoli, assume i

seguenti valori per unit di prodotto e per mese di mantenimento nel
magazzino:

Individuare la schedulazione pi economica che permetta di soddisfare

pienamente la domanda in ognuno dei tre mesi. La pianificazione della
produzione deve tenere conto dei trade-off esistenti tra costi di
produzione (lavoro ordinario e/o lavoro straordinario), vincoli di capacit
produttiva e costi di mantenimento a scorta.

21