UNIVERSIT DELLA CALABRIA

DIMEG
LAUREA MAGISTRALE IN INGEGNERIA
MECCANICA
CORSO DI OTTIMIZZAZIONE
Modello del costo fisso applicato alla risoluzione di un caso di
studio

DOCENTE
STUDENTE

PROF. Patrizia Beraldi

159354

Mazzeo Giuseppe

Sommario
1 Introduzione
3

1.1 Il problema del costo fisso e formulazione

4

Caso studio
5

2.1 Modellazione ed Implementazione modello su

software
GAMS
6
3 Risultati
11

4 Conclusioni
14

Pag. 2

Abstract: Nel presente lavoro viene accennato prima in modo semplificativo

ci che concerne il problema del costo fisso con conseguente formulazione del
modello

matematico

necessario

per

la

risoluzione

dello

stesso;

successivamente questo verr applicato ad un caso reale al fine di ottimizzare

la produzione di pi prodotti sfruttando al meglio lutilizzo delle risorse a
disposizione
implementato

in modo da minimizzare i costi totali; infine il modello verr

sul software Gams che dar i risultati ottimi. Inoltre per

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

difficolt o valutar ad esempio gli effetti di un insieme di decisioni senza

doverle costosamente implementare nella realt. Nel seguente lavoro, infatti si
cercato di ottimizzare la gestione dellarea di produzione dellazienda
Altermec; essendo, questa, da poco presente sul mercato stato doveroso
utilizzare dei modelli matematici per poter raggiungere ottimi risultati
nellambito della produzione in modo da eliminare sprechi e da potersi
affermare nel mondo del mercato. Infatti, solo individuando le strategie da
adottare e pianificando le operazioni da adoperare si pu riuscire a
sopravvivere in un contesto competitivo come quello industriale. Dopo aver
ottimizzato la produzione dei vari prodotti in esami stato utilizzato il modello
dei trasporti per ovviare alle richieste dei beni di alcuni importanti ingrossi nel
centro-sud Italia.

4.1 Il problema del costo fisso e sua formulazione

I problemi in cui sono presenti variabili intere sono spesso anche indicati come
Problemi Combinatorici. Questi tipi di modelli a numeri integer sono adatti per
le applicazioni caratterizzate dallindivisibilit delle risorse e dalla necessit di
scegliere tra un numero finito di alternative. Queste applicazioni includono
problemi operativi quali la distribuzione di beni ed il sequenziamento delle
attivit produttive o problemi di pianificazione quali la gestione ottima o la
localizzazione degli impianti e risorse. Uno dei casi di Programmazione intera
il cosiddetto modello del costo fisso in cui per, bisogna tener conto che il
costo di una attivit, in funzione del livello in cui viene svolta, pu aver un
andamento dipendente da una quota fissa oltre a quella variabile in funzione
della produzione. Landamento illustrato nella figura 1 con in ordinata il costo
totale( costi fissi + costi variabili) mentre in ascissa il livello di attivit e quindi
la produzione.

Pag. 4

Figura 1. Modello del costo fisso

Il modello generale il seguente:

m

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

completamente in Alluminio in modo da sfruttare lidea , condivisa da tutti i

membri del team, di sostenibilit ed attenzione verso lambiente esterno. L
obiettivo era quello di progettare un nuovo prodotto innovativo, ovvero quello
di realizzare un bollitore (pentola) usa, riusa e ricicla totalmente in Alluminio
,con annesso coperchio caratterizzato da fori per fungere anche da scolapasta,
indirizzato prevalentemente a coloro i quali hanno la necessit di cucinare
bollendo acqua in luoghi non casalinghi come ad esempio campeggiatori, boyscout, volontariato etc. Rispetto alle comuni teglie in commercio, essa
Pag. 5

presenter un maggiore spessore alla base per poter cuocere in tranquillit

evitando la bruciatura o lannerimento del fondo con conseguenti emissioni di
materiale, dannose alla salute delluomo, e maggiore rigidezza . Ovviamente,
essendo unAzienda creata e strutturata per lavorare su pi prodotti e volta ad
ampliare in futuro le proprie fondamenta si deciso di effettuare

delle

indagini di mercato, mediante dei questionari mirati e destinati ad un pubblico

numeroso e di tutte le et, per stabilire quali fossero i bisogni primari del
cliente; i risultati ottenuti denotano che, per larea di produzione disponibile
che al momento consta di cinque linee di produzione, verranno realizzate altre
tipologie di prodotti oltre alle pentole e coperchi, sempre in Al, come cucchiaini
da caff in confezioni da 100, bicchierini e teglie con spessori per pi elevati
rispetto a quelle commerciali. Ci sarebbe, inoltre, unulteriore linea destinata
alla vendita sotto forma di pallets dello sfrido dellAl ricavato dalle altre linee
ma questo non verr implementato sul software Gams giacch non facile
quantificarlo in unit ed inoltre richiede ulteriori analisi . Lo scopo del modello
quello di minimizzare i costi totali dellintera area produttiva.
Sono stati dunque utilizzati dei sets per specificare le m linee di produzione
( con i=1,2.,m) e gli n prodotti da realizzare (con j=1,2.,n). Dopodich sono
stati inseriti dei parametri, opportunamente scelti in base alle indagini
effettuate ed imposti dei vincoli necessari per poter minimizzare la funzione
obiettivo. Nella sezione successiva ( Modellazione ed implementazione sul
software GAMS ) verr spiegato in maniera pi dettagliata ci che concerne il
problema formulato ed ottimizzato.

5.1 Modellazione ed implementazione sul software GAMS

Per la modellazione del problema sono stato seguiti i seguenti passi:
1. Individuazione dei sets:
Set 1: linee di produzione (m);

formato da 5 linee atte alla

realizzazione dei vari prodotti presi in esame;

Set 2: prodotti (n); i prodotti da realizzare dallAzienda sono 5.
Pag. 6

In figura 2 possibile visualizzare i due sets considerati.

Figura 2. Sets

2. Determinazione dei parametri. Questi sono stati stabiliti attraverso

unanalisi a priori e dopo aver effettuato diverse procedure in controllo
statistico.
Costi(i,j) : questi sono i costi unitari di produzione ovvero quanto ununit
costa se fabbricata dalla linea i( sono inclusi anche i costi di manodopera
diretta,materia prima,costi di ordinazione, rifornimento, attrezzaggio, setup, sostituzione degli stampi, prelievo da magazzino e trasporto
mediante carrelli o muletti fino in loco ed altri costi connessi al processo
che sono scaturiti da precedenti analisi). Questi costi sono espressi in

unit . I dati analitici sono raffigurati nella figura 3 sottostante.

Figura 3. Variabile costi(i,j)

Pag. 7

Cf(i) : costi fissi imputabili allutilizzo o meno della linea di produzione i;

sono espressi in giorno ; (Figura 4).

Figura 4. Parametri Cf(i).

Quantitmax(i,j) : rappresenta il massimo numero di pezzi per ogni

tipologia di prodotto j che giornalmente ogni linea di produzione i pu

realizzare. Si misurano in

pezzi
giorno . I valori numerici sono indicati nella

figura 5 in basso.

Figura 5. Parametro quantit max (i,j)

Domanda (j): sono le richieste delle varie tipologie di prodotto j che

giornalmente devono

Sono espresse in

essere prodotte dalle linee di produzioni i.

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

3. Imposizione dei Vincoli:

Vincolo sulla domanda (j): indica che tutte le richieste del prodotto j
devono essere soddisfatte .
Viene descritto mediante la formula:
m

Xij=domanda ( j )
i=1

Su Gams sar

con j=(1,2,..n)

sum(i,x(i,j))=g= b(j)

Vincolo sulla quantit max (i,j):

Xij quantit max ( i, j)Y (i)

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:

se conviene attivare la linea di produzione i ( Y(i)=1 se sar in

funzione) ;
Pag. 9

le quantit prodotte giornalmente X(i,j): queste saranno determinate

mediante il compromesso tra i costi unitari c(i,j) e lattivazione o meno

della linea i che funzione della voce costo fisso Cf(i).

Da notare come X(i,j) stata impostata come variabile intera positiva
dato che i macchinari sono programmati per realizzare solo quantit di

prodotti intere ; questa voce viene espressa in

unit
giorno .

5. Funzione obiettivo: lo scopo quello di stabilire di quali linee usufruire

e quanto produrre per ognuna di esse in modo da minimizzare il costo
totale , soddisfacendo per tutte le richieste giornaliere.
La formula utilizzata la seguente:
m

C ij X ij + Cf ik i
i=1 j=1

i=1

min

La funzione obiettivo sar uno scalare che sar espresso in

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/;

parameter f(i) costifissi /1 480, 2 550, 3 520, 4 440, 5 450/;

parameter C(i,j) /1.1 0.9, 1.2 1, 1.3 0.9, 1.4 0.92, 1.5 0.88,
2.1 1.2, 2.2 0.7, 2.3 0.96, 2.4 0.83, 2.5 1,
3.1 1.1, 3.2 0.85, 3.3 1.3, 3.4 0.8, 3.5 0.89,
Pag. 10

4.1 1.3, 4.2 1.15, 4.3 1, 4.4 1.1, 4.5 0.89,

5.1 1.05, 5.2 1, 5.3 1.3, 5.4 0.78, 5.5 0.66/;

parameter b(j) domanda /1 1200, 2 1000, 3 600, 4 580, 5 900/;

parameter a(i,j) quantitmax /1.1 1000, 1.2 800, 1.3 300, 1.4 400, 1.5
320,
2.1 820, 2.2 650, 2.3 500, 2.4 380, 2.5 220,
3.1 500, 3.2 380, 3.3 230, 3.4 300, 3.5 500,
4.1 400, 4.2 300, 4.3 200, 4.4 180, 4.5 430,
5.1 550, 5.2 435, 5.3 400, 5.4 370, 5.5 500/;

binary variable y(i) attivazione linea;

variable z;
positive variable x(i,j);
equation objective, constr1 (i,j), constr2(j), constr3;
objective.. z =E= sum((i,j),C(i,j)*x(i,j))+ sum (i,f(i)*y(i));
constr1(i,j).. x(i,j)=l=a(i,j)*y(i);
constr2(j).. sum(i, x(i,j))=g=b(j);
constr3.. sum(i,y(i))=g=2;

model progetto /all/

solve progetto using MIP minimizing z;
display x.l, z.l;

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

Dai risultati sopra riportati si evince che conviene attivare le linee 1 2 e 5

inoltre possibile notare che la linea 1 utilizzata per produrre i prodotti 1 2 3
5, la linea 2 per i prodotti 2 3 4 5 , la 5 per i prodotti 1 4 5. I risultati ottimizzati
ottenuti evidenziano come, in questa fase di produzione, non convenga
utilizzare tutte le linee per la realizzazione dei prodotti; questo perch alcune di
esse richiedono risorse maggiori (ad esempio alcune linee sono costituite da
macchinari pi grandi e quindi necessitano di pi corrente per poter funzionare
oppure richiedono una maggior manodopera diretta etc ) rispetto alle altre che
si traducono dunque in maggiori costi unitari; inoltre attivare uno o pi
macchinari di una linea, nonostante si riesca a farne a meno, vuol dire pagare
dei costi di esercizio fissi che gravano su quello totale dellAzienda . Bisogna,
per, dire che una delle due

linee non in uso per la realizzazione di questi

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

ricorso al modello del trasporto che consiste nel

determinare la quantit di prodotto da inviare da ciascun magazzino verso gli

ingrossi in modo da minimizzare il costo complessivo di trasporto, rispettando i
vincoli sulle quantit di prodotto presenti in ciascun deposito e quelli di
richieste di ciascun negozio. Le condizioni che devono verificarsi sono

le

seguenti :
m

i=1

j=1

offerta ( i )= domanda ( j)
m

Xij=domanda ( j)
i=1

Xij=offerta (i)
j=1

La funzione obiettivo sar espressa come :

m

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

Il codice sorgente del modello matematico implementato in gams il seguente:

$title problematrasporti
sets i /1,2 /
j /1*3/;
parameter a(i) /1 1000,2 300 /;
parameter b(j) /1 400, 2 600,3 300/;
parameter
C (i,j) /1.1 3, 1.2 5, 1.3 4, 2.1 4, 2.2 7, 2.3 5/;
variable z ;
positive variable x(i,j);
equation objective, constr1(i), constr2(j);
objective.. z=E= sum((i,j),c(i,j)*x(i,j));
constr1(i).. sum(j, x(i,j)) =l= a(i);
constr2(j).. sum(i, x(i,j)) =g= b(j);
model problematrasporti /all/
solve problematrasporti using LP minimizing z;
display x.l, z.l;

I risultati ottenuti sono riportati in tabella:

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

potranno entrare in gioco nuove variabili che richiederanno

diverse configurazioni in modo da

ottimizzare ulteriormente la produzione. In

fondo: Ogni cosa pu essere sempre migliorata" (cit. Clarence W. Barron ).

Pag. 15