Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DIMEG
LAUREA MAGISTRALE IN INGEGNERIA
MECCANICA
CORSO DI OTTIMIZZAZIONE
Modello del costo fisso applicato alla risoluzione di un caso di
studio
DOCENTE
STUDENTE
Mazzeo Giuseppe
Sommario
1 Introduzione
3
Caso studio
5
4 Conclusioni
14
Pag. 2
matematico
necessario
per
la
risoluzione
dello
stesso;
sopperire alle domande dei beni richiesti in prestabilite locazioni verr, inoltre,
implementato sempre su Gams, il modello del trasporto con ancora lo scopo di
minimizzare costi di dislocazione.
1 Introduzione
"Impegnatevi a migliorare costantemente e per sempre il vostro sistema
produttivo e di erogazione del servizio. Il miglioramento non uno sforzo che si
fa una volta sola. Il management dovrebbe sentirsi obbligato a cercare sempre
nuovi modi per ridurre gli sprechi e per migliorare Edwards Deming (guru della
qualit).
Ogni giorno, o almeno spesso, ci troviamo a dover prendere delle decisioni che
possono esser pi o meno importanti in base alle diverse situazioni. Per
scegliere la migliore alternativa tra quelle disponibili, luomo si avvale sempre,
in modo conscio o pi spesso inconscio, di un modello ovvero di una
rappresentazione semplificata ma efficace della realt. Per rendere possibile
tutto ci si ricorre ai modelli matematici, i quali consentono di esaminare un
numero elevato di alternative per trovare, infine, la soluzione ottima. Questo
metodo logico-risolutivo dei problemi decisionali tramite programmazione
matematica noto come approccio modellistico-ottimizzatorio .
Uno dei casi in cui le decisioni da prender sono di primaria importanza la
gestione dei sistemi produttivi. Dallutilizzo dei modelli matematici si traggono
molti vantaggi tra cui il poter risolvere allottimo dei problemi di estrema
Pag. 3
Pag. 4
C ij X ij + Cf i i
i=1 j=1
i=1
min
X ij M i
con
i { 0,1 } ,
X ij 0
5 Caso studio
LAzienda
Altermec
si
occupa
della
realizzazione
di
alcuni
prodotti
delle
Figura 2. Sets
Pag. 7
realizzare. Si misurano in
pezzi
giorno . I valori numerici sono indicati nella
figura 5 in basso.
Sono espresse in
pezzi
giorno ; E possibile osservare i valori di questo parametro
Pag. 8
in figura 6. Inoltre queste quantit sono una stima calcolata in base ad analisi
precedenti e che comunque potranno variare in base ad sviluppi futuri. (ad
esempio potrebbero incrementare in caso di maggiori richieste).
Figura 6
Xij=domanda ( j )
i=1
Su Gams sar
con j=(1,2,..n)
sum(i,x(i,j))=g= b(j)
Questo vincolo dichiara che la quantit della variabile decisionale Xij non deve
esser maggiore di quella massima producibile da ogni singola linea , se in
funzione. La variabile Y(I) binaria in particolare assumer il valore 1 se la
linea attivata altrimenti zero
La definizione in Gams di questo vincolo :
x(i,j)=l=a(i,j)*y(i)
4. Variabili (decisionali)
Dalla implementazione del modello in Aimms verr fuori:
unit
giorno .
C ij X ij + Cf ik i
i=1 j=1
i=1
min
Unit dimensionale:
giorno
unit
unit
+
=
giorno
giorno giorno
Ora tutti gli elementi necessari al modello sono stati implementati e quindi si
proceduto alla risoluzione del modello e quindi alla ricerca della soluzione
ottima. Il codice sorgente del modello matematico il seguente:
$title progetto;
sets i linee produzione /1*5/
j prodotti
/1*5/;
6 Risultati
Dopodich, eseguito il comando Run si otterranno i risultati delle variabili
incognite da determinare.
Pag. 11
1000.000
2
5
350.000
650.000
300.000
300.000
200.000
320.000
210.000
370.000
80.000
500.000
prodotti sar utilizzata per triturare e compattare lo sfrido dell Al ottenuto dalle
lavorazioni precedenti per poterlo poi rivendere ad 1/kg, con laccortezza di
utilizzarla solo dopo aver accumulato una prestabilita quantit di materiale. La
scelta di lasciar, al momento , 1 linea spenta non errata o uno spreco, come
potrebbe sembrare, poich pu esser utilizzata in caso di guasti delle altre
,esser utile per eventuali nuove configurazioni o esser di estrema importanza in
caso di incrementi sostanziali della domanda dei beni da parte del cliente.
Pag. 12
Inoltre , una parte dei prodotti realizzati giornalmente viene conservata nei
magazzini delle scorte e serve per sopperire alle richieste degli ingrossi fuori
zona.
Per far ci si
le
seguenti :
m
i=1
j=1
offerta ( i )= domanda ( j)
m
Xij=domanda ( j)
i=1
Xij=offerta (i)
j=1
min C ijX ij
i=1 j=1
dove Cij sono i costi di trasporto dal magazzino i allingrosso j e Xij sono le
quantit da inviare in modo da minimizzare il costo totale. In tabella sono
riportati i dati di input del problema.
Messina
Roma
Napoli
Offerta
Magazzino
Pentole+coper
1000
chio
Magazzino
300
teglie
Domanda
400
600
300
Pag. 13
3
Il valore di funzione obbiettivo z=5700.
100.000
300.000
600.000
300.000
Pag. 14
7 Conclusioni
I risultati ottenuti si possono ritenere positivi e soddisfacenti ma non escluso
che in futuro
Pag. 15