Modelli di Programmazione Lineare

Ricerca Operativa 1
A.A. 2020-2021
Prof.ssa P. Beraldi

1
 Principali classi di modelli di PL
 Modelli di miscelazione

 Modelli di pianificazione multiperiodo

2
Modelli di miscelazione
 Nei problemi di miscelazione si dispone di un insieme
di materie prime («ingredienti»), che si vogliono
miscelare per ottenere un prodotto finito (miscela)

 Ogni ingrediente presenta un contento noto di

determinati componenti

 La miscela da realizzare deve soddisfare determinati

requisiti di qualità, esprimibili in termini di contenuto
complessivo dei componenti nella miscela

 Il più classico problema di miscelazione è il problema

della dieta. Tuttavia, dal punto di vista economico, si
trovano numerose applicazioni industriali del
problema di miscelazione nelle industrie alimentari,
siderurgiche, chimiche
3
Modelli di miscelazione

Variabili di decisione

1 2 Contenuto di ciascun
ingrediente nella miscela

Miscela

4
Modelli di miscelazione
 Vincoli

sono tipicamente associati alle caratteristiche

qualitative della miscela (che dipende dai
componenti presenti negli ingredienti utilizzati) e
alle disponibilità limitate degli ingredienti

 Funzione obiettivo

è rappresentata dal costo degli ingredienti impiegati

5
Esercizio (Dieta)
Un atleta, in prossimità di una gara, deve perdere peso
senza perdere massa muscolare durante gli allenamenti.
Il proprio regime alimentare giornaliero prevede
l’assunzione di carne, legumi e pasta, conditi con olio.
Di seguito è riportato il contenuto in grassi, carboidrati e
proteine di ciascuno di questi alimenti, il loro contenuto
calorico e la minima richiesta nutrizionale di ciascun
macronutriente.

6
Variabili di decisione
 Cosa vogliamo determinare ?

 La dieta che l’atleta deve seguire

 Essa è definita sulla base della quantità di alimenti da
mangiare ogni giorno

 Usiamo l’indice j
 1 = carne, 2 = legumi, 3 = pasta, 4 = olio

 𝑥𝑗 , 𝑗 = 1, … , 4, corrispondono alla quantità giornaliera

(espressa in etti) di alimento 𝑗

7
Vincoli
 La dieta deve soddisfare deve garantire il giusto
apporto di nutrienti
 Grassi almeno 30 gr

2,6𝑥1 + 1,5𝑥2 + 1,5𝑥3 + 100𝑥4 ≥ 30

 Carboidrati almeno 90 gr

60,7𝑥2 + 74,7𝑥3 ≥ 90

 Proteine almeno 60 gr

20,2𝑥1 + 22,3𝑥2 + 13𝑥3 ≥ 60

𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ≥ 0
8
 Funzione obiettivo
 Tra tutti i piani alimentari ammissibili (che soddisfano
i requisiti imposti) si vuole determinare quello che
garantisce il minimo apporto calorico

min 𝑧 𝑥 = 110𝑥1 + 337𝑥2 + 371𝑥3 + 884𝑥 4

 Soluzione del problema

› 𝑥1∗ = 1,3335; 𝑥2∗ = 1,4827 ; 𝑥3∗ = 0 ; 𝑥4∗ = 0,2431

› 𝑧 ∗ = 𝑧(𝑥 ∗ ) = 861,2416 Kcal

9
 Schema problemi di miscelazione
Si supponga di avere a disposizione 𝑛 ingredienti, ognuno
dei quali contenente una certa quantità di ciascuno degli
𝑚 componenti utili.
Si indichi, in particolare, con
› 𝑎𝑖𝑗 , 𝑖 = 1, … , 𝑚, 𝑗 = 1, … , 𝑛, la quantità di componente
𝑖 presente nell’ingrediente 𝑗
› 𝑏𝑖 𝑖 = 1, … , 𝑚 , la quantità minima di componente
𝑖 presente nella miscela
› 𝑐𝑗 𝑗 = 1, … , 𝑛, il costo unitario dell’ingrediente 𝑗
› 𝑥𝑗, 𝑗 = 1, … , 𝑛, variabile di decisione corrispondente
alla quantità di ingrediente 𝑗 presente nella miscela
da realizzare

10
Schema problemi di miscelazione

Il modello di PL è il seguente:
𝑛

min 𝑧 𝑥 = 𝑐𝑗 𝑥𝑗
𝑗=1
𝑠. 𝑣

𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 , 𝑖 = 1, … , 𝑚
𝑗=1

𝑥𝑗 ≥ 0, 𝑗 = 1, … , 𝑛

11
 Problema della dieta
𝑥1
2,6 1,5 1,5 100 30
𝑥2
 A= 0 60,7 74,7 0 x= b= 90
𝑥3
20,2 22,3 13,0 0 60
𝑥4
𝑛

𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 , 𝑖 = 1, … , 𝑚 𝑥𝑗 ≥ 0, 𝑗 = 1, … , 𝑛
𝑗=1

𝑛
110
337 min 𝑧 𝑥 = 𝑐𝑗 𝑥𝑗
c=
371 𝑗=1
884
12
Modelli di miscelazione
Ulteriori vincoli potrebbero essere necessari
 Ad esempio, nel caso in cui sia richiesto che un dato
componente 𝑖 sia presente nella miscela in un quantitativo
non superiore a un valore prefissato 𝑑𝑖 , occorre imporre
che:

𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑑𝑖
𝑗=1

 In altri casi, potrebbero essere imposte limitazioni 𝑢𝑗 sul

massimo quantitativo di ingrediente 𝑗 da utilizzare per
realizzare la miscela:
𝑥𝑗 ≤ 𝑢𝑗

13
Modelli di miscelazione
Nel caso in cui sia necessario produrre un
quantitativo prefissato 𝑞 di miscela, occorre
aggiungere il seguente vincolo:

𝑥𝑗 = 𝑞
𝑗=1

14
Esercizio
La Ansalmec, azienda leader nella produzione
dell’acciaio, ha di recente analizzato le caratteristiche di
sei lotti di rottami di ferro con l’obiettivo di realizzare un
dato quantitativo di acciaio 18/10.
I dati raccolti sono riportati in Tabella unitamente al
peso complessivo disponibile di ciascun lotto e al costo
unitario di acquisto.

15
Esercizio
L’azienda vuole produrre, al minimo costo, 100 quintali
di acciaio 18/10 con le seguenti proprietà:

 almeno il 65% di ferro

 il 18% di nichel

 il 10% di cromo

 al più un 1% di impurità.

16
Formulazione
 Variabili di decisione
 Si vuole realizzare una miscela a partire dai 6 componenti
(rottami)

 j=1,2,…6

 𝑥𝑗 quantità (in quintali) di rottame di tipo 𝑗 (leggere bene il

testo)

𝑥1, 𝑥2, 𝑥3, 𝑥4, 𝑥5, 𝑥6 ≥ 0

17
 Vincoli
 Si vogliono produrre 100 quintali

𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 + 𝑥6 = 100

 Disponibilità limitata

𝑥1 ≤ 30; 𝑥2 ≤ 90; 𝑥3 ≤ 50; 𝑥4 ≤ 70; 𝑥5 ≤ 60; 𝑥6 ≤ 50

 Requisiti qualitativi
0,93x1 + 0,76x2 + 0,74x3 + 0,65x4 + 0,72x5 + 0,68x6 ≥ 65 (ferro)

0,05x1 + 0,13x2 + 0,11x3 + 0,16x4 + 0,06x5 + 0,23x6 = 18 (nichel)

0,11x2 + 0,12x3 + 0,14x4 + 0,20x5 + 0,08x6 = 10 (cromo)

0,02x1 + 0,03x3 + 0,05x4 + 0,02x5 + 0,01x6 ≤ 1 (impu)

18
Formulazione
 Funzione obiettivo

 min 𝑧(𝑥) = 50𝑥1 + 100𝑥2 + 80𝑥3 + 85𝑥4 + 92𝑥5 + 115𝑥6

 Soluzione

𝑥1∗ = 0; 𝑥2∗ = 40,18 ; 𝑥3∗ = 0 ; 𝑥4∗ = 9,59 ; 𝑥5∗ = 1,83 ;

𝑥6∗ = 48,40;

𝑧 ∗ = 10.567,58

19
 Osservazione
Nel caso in cui il numero di miscele da realizzare siano
𝑝 > 1, il modello generale di miscelazione si modifica.
In questo caso, le variabili sono del tipo 𝑥𝑗𝑘 , 𝑗 = 1, … , 𝑛,
𝑘 = 1, … , 𝑝 , ciascuna delle quali rappresentante la
quantità di ingrediente 𝑗 necessaria per realizzare la
miscela 𝑘.

1 2

3
Miscela 1
Miscela 2

20
 Esercizio
BB è un’industria chimica veneta che produce due tipi di
concimi, A e B, che si differenziano per il diverso contenuto di
azoto e ferro.
Il concime di tipo A deve contenere almeno il 25% di azoto e
almeno il 10% di ferro, mentre il concime di tipo B deve
contenere esattamente il 20% di azoto e almeno il 16% di ferro.
I concimi si ottengono facendo reagire dei composti contenenti
azoto e ferro. L’industria dispone di 30000 kg di composto 1,
acquistato al prezzo di 3 €/kg, e di 25000 kg di composto 2,
acquistato al prezzo di 4 €/kg.
Il composto 1 contiene il 40% di ferro e il 50% di azoto, il
composto 2 contiene il 6% di ferro e il 70% di azoto.
Deve essere prodotto un lotto di 40000 kg di concime di tipo A e
50000 kg di concime di tipo B al costo minimo di produzione.

21
Formulazione
 Variabili di decisione
In questo caso si vogliono realizzare due miscele
(concime A e B) a partire dai composti base 1 e 2.

𝑥𝑖𝑗, 𝑖 = 1,2, 𝑗 = 𝐴, 𝐵, quantità di composto 𝑖 necessaria

per produrre il concime di tipo 𝑗.

› Vincoli di non negatività

𝑥1𝐴, 𝑥1𝐵 , 𝑥2𝐴, 𝑥2𝐵 ≥ 0

22
Formulazione
 Vincoli
 Deve essere prodotto un lotto di 40000 kg di concime
di tipo A e 50000 kg di concime di tipo B

𝑥1𝐴 + 𝑥2𝐴 = 40000

𝑥1𝐵 + 𝑥2𝐵 = 50000

 L’industria dispone di 30000 kg di composto 1, e di

25000 kg di composto 2

𝑥1𝐴 + 𝑥1𝐵 ≤ 30000

𝑥2𝐴 + 𝑥2𝐵 ≤ 25000

23
Formulazione
 Vincoli
 Il composto 1 contiene il 40% di ferro e il 50% di azoto, il
composto 2 contiene il 6% di ferro e il 70% di azoto.
 Il concime di tipo A deve contenere almeno il 25% di azoto
e almeno il 10% di ferro, mentre il concime di tipo B deve
contenere esattamente il 20% di azoto e almeno il 16% di
ferro.
 N.B. Ricordiamo il vincolo sul peso (40000 e 50000)
› Qualità del concime di tipo A
0,5𝑥1𝐴 + 0,7𝑥2𝐴 ≥ 10000 –azoto-
0,4𝑥1𝐴 + 0,06𝑥2𝐴 ≥ 4000 –ferro-

› Qualità del concime di tipo B

0,5𝑥1𝐵 + 0,7𝑥2𝐵 = 10000
0,4𝑥1𝐵 + 0,06𝑥2𝐵 ≥ 8000
24
Formulazione
 Funzione obiettivo

min 𝑧(𝑥) = 3(𝑥1𝐴 + 𝑥1𝐵) + 4(𝑥2𝐴 + 𝑥2𝐵 )

25
Modelli multiperiodo
 I modelli di PL multiperiodo consentono di modellare
processi decisionali che si riferiscono ad un orizzonte
temporale che si articola su un dato numero T di periodi di
tempo elementari.

 Tali modelli possono riguardare differenti contesti.

 Per semplicità si farà riferimento soltanto al caso della
pianificazione della produzione multiperiodo di un unico
prodotto.

 Per formulare il modello, si indichi con 𝑡, 𝑡 = 1, … , 𝑇 , il

generico periodo dell’orizzonte temporale di pianificazione.

26
 Modelli multiperiodo
 Rappresentazione grafica

1 2 t-1 t T

dt

Per ogni 𝑡, 𝑡 = 1, … , 𝑇, si assumono note la quantità 𝑑𝑡

richiesta di prodotto e il costo unitario 𝑐𝑡 di produzione.
In ogni periodo di tempo è possibile immagazzinare le
quantità di prodotto non vendute (sostenendo un costo
ht) da utilizzare per i periodi successivi.
27
Modelli multiperiodo
Il problema consiste nel determinare le quantità di
prodotto da realizzare in ciascun periodo dell’orizzonte
di pianificazione, in modo da soddisfare le richieste della
clientela in ogni periodo di tempo, minimizzando il costo
complessivo dato dalla somma dei costi di produzione e
di stoccaggio.

28
Modelli multiperiodo

xt
It-1 It
1 2 t-1 t T

dt

Le variabili di decisione sono (per ogni t=1,…T):

• 𝑥𝑡 la quantità di prodotto da realizzare al periodo 𝑡
• 𝐼𝑡 la quantità di prodotto stoccata al periodo di 𝑡.

29
Modelli multiperiodo
Valgono le seguenti relazioni (vincoli di «bilanciamento»):

𝐼𝑡−1 + 𝑥𝑡 = 𝑑𝑡 + 𝐼𝑡
xt
It-1 It
t

dt di
Per t= 1 il il valore 𝐼0 , cioè, il livello iniziale di scorta
prodotto, si assume noto

𝐼0 + 𝑥1 = 𝑑1 + 𝐼1

In taluni casi si assume che debba essere nullo il livello delle

scorte di prodotto al termine della pianificazione, cioè, 𝐼𝑇 = 0

30
 Modello multiperiodo
In tale modello possono essere inseriti anche vincoli sulla
capacità produttiva

𝑥𝑡 ≤ 𝑢𝑡

o sul livello di scorte per ogni periodo di tempo, cioè,

𝐼𝑡 ≤ 𝑆𝑡

per qualche 𝑡 = 1, … , 𝑇, dove 𝑢𝑡 e 𝑆𝑡 sono, rispettivamente, la

capacità produttiva e il massimo livello di scorte ammesso al
periodo di tempo 𝑡.

31
Modelli multiperiodo
La funzione obiettivo consiste nella minimizzazione della
somma dei costi di produzione e di stoccaggio

min 𝑧 𝑥, 𝐼 = 𝑇
𝑡=1(𝑐𝑡 𝑥𝑡 + ℎ𝑡 𝐼𝑡 )

32
Modelli multiperiodo
𝑇

min 𝑧(𝑥, 𝐼𝑡 ) = (𝑐𝑡 𝑥𝑡 + ℎ𝑡 𝐼𝑡 )

𝑡=1

𝑠. 𝑣.

𝐼𝑡−1 + 𝑥𝑡 = 𝑑𝑡 + 𝐼𝑡 , 𝑡 = 1, … , 𝑇

𝑥𝑡 ≤ 𝑢𝑡 , 𝑡 = 1, … , 𝑇
𝐼𝑡 ≤ 𝑆𝑡 , 𝑡 = 1, … , 𝑇

𝑥𝑡 , 𝐼𝑡 ≥ 0, 𝑡 = 1, … , 𝑇
33
Esercizio
Setelam, azienda livornese specializzata nella lavorazione
dei semilavorati, riceve una commessa per la produzione
di lamierati di zinco di una data dimensione.
La quantità richiesta deve essere fornita periodicamente,
improrogabilmente alla fine di ogni mese. Le richieste su
un orizzonte temporale di tre mesi sono riportate nella
Tabella. Inizialmente sono presenti in magazzino 100
lamiere

34
Esercizio
 Variabili di decisione
› 𝑥𝑡, 𝑡 = 1,2,3, pari al numero di lamiere di zinco prodotte
durante il mese 𝑡
› 𝐼𝑡, 𝑡 = 1,2,3, corrispondente al livello delle scorte alla fine
del mese 𝑡.

 Vincoli
› Vincolo di non negatività sulle variabili di decisione,

𝑥1, 𝑥2, 𝑥3, 𝐼1, 𝐼2, 𝐼3 ≥ 0,

› Vincoli sulla capacità produttiva

𝑥1 ≤ 250; 𝑥2 ≤ 220; 𝑥3 ≤ 280.

35
 Esercizio
 I vincoli di bilanciamento sono i seguenti:

› 𝑥1 + 100 − 𝐼1 = 270
› 𝑥2 + 𝐼1 − 𝐼2 = 290
› 𝑥3 + 𝐼2 − 𝐼3 = 250

 La funzione obiettivo 𝑧(𝑥, 𝐼), da minimizzare, è data dalla

somma dei costi di produzione e di stoccaggio

› 𝑧(𝑥, 𝐼) = 12𝑥1 + 14𝑥2 + 16𝑥3 + 1,2𝐼1 + 1,1𝐼2 + 0,9𝐼3

36
Esercizio
La soluzione ottima del problema è:

𝑥1∗ = 250; 𝑥2∗ = 220; 𝑥3∗ = 240; 𝐼1∗ = 80 ;𝐼2∗ = 10 ; 𝐼3∗ = 0;

a cui corrisponde un valore ottimo pari a 𝑧 ∗ = 10027.

37