Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2016/2017
Impianti Industriali M
Indice
Studio del prodotto ........................................................................................................................................... - 2 -
• Concetto di studio di fattibilità e sua suddivisione in 4 fasi .................................................... - 2 -
• Analisi e previsioni di mercato ...................................................................................................... - 2 -
• Componenti della domanda di mercato ....................................................................................... - 2 -
• Indagine campionaria con distribuzione normale (o gaussiana)............................................. - 3 -
Assemblaggio .................................................................................................................................................. - 21 -
• Bilanciamento di linee di assemblaggio (Assembly Line Balancing, ALB) ..................... - 21 -
• Metodi esatti Patterson-Albracht (ALB1 e ALB2) ................................................................. - 22 -
• Metodi Euristici (LCR, KW, RPW) ........................................................................................... - 24 -
▪ Congiuntura (1-5 anni, non dettata da eventi stagionali, es. guerre, incidenti o disastri
▪ Casualità.
N m m
2 (x)
(xi − M)2 (xj − M)2
σ =∑ =∑ ∗ Fj = ∑(xj − M)2 ∗ fj
N N
i=1 j=1 j=1
o Campione
n
xi ∗ Fi
x̅ = ∑
n
i=1
n
2 (x)
(xi − x̅)2 ∗ Fi
σ =∑
n
i=1
o Intervallo
Pr{𝑥̅ − ∆ ≤ 𝑀 ≤ 𝑥̅ + ∆} ≈ 𝑓(𝑘)
f(k) = affidabilità della risposta (per k = 1,2,3 → f(k) = 67%, 95%, 99.5%)
n!
Pr(α) = (na) ∗ pα ∗ qn−α = (n−α)! ∗ pα ∗ qn−α
∗ α!
p = probabilità che la risposta sia positiva (supero il test, un oggetto non è rotto ecc)
q = 1 - p = probabilità che la risposta sia negativa (non supero il test, l’oggetto è rotto ecc)
n = numero di osservazioni totali
α = numero di osservazioni della risposta positiva (max 4 errori per superare esame -> α=4)
Pr{𝑝′ − ∆ ≤ 𝑀 ≤ 𝑝′ + ∆} ≈ 𝑓(𝑘)
Pr = probabilità che il valore medio dell’universo si trovi in un certo intervallo
f(k) = affidabilità della risposta (per k = 1,2,3 → f(k) = 67%, 95%, 99.5%)
∑p
p’ = media del campione =
n
q’ = 1-p’
σcampione p′ ∗ q′
∆= k ∗ ∆= k√
√n − 1 n−1
Il metodo della correlazione lega le vendite del prodotto ad un indicatore economico noto
avendo a disposizione lo storico delle vendite e dell’indicatore. Nel corso abbiamo analizzato
in particolare il caso lineare, ovvero la correlazione lineare con una funzione retta per
descrivere il legame x-y (x: indicatore economico noto, y: previsione di vendita/domanda di
mercato incognita). La correlazione consiste nel ricavare la retta avendo a disposizione i dati
storici di x e y per poter effettuare delle previsioni.
n n n
yi (yi − y̅)(xi − x̅) Δy ∗ Δx
a = ∑ = y̅ ; b=∑ 2
=∑ ;
n (xi − x̅) (Δx)2
i=1 i=1 i=1
o Analisi della serie storica (isolare la stagionalità attraverso l’analisi di dati storici)
Grandezze considerate:
▪ Deterministiche
o Trend (10-15 anni) ( xt )
o Oscillatorie
▪ Congiuntura (1-5 anni) ( xt )
▪ Stagionalità (<1 anno) ( yt )
▪ Casuali ( zt )
Domanda di mercato ut (indice grezzo):
▪ ut = xt*yt*zt; Forma Moltiplicativa
▪ ut = xt+yt+zt; Forma Additiva
▪ ut = xt*yt+zt; Forma mista 1 (useremo questa)
▪ ut = xt*zt+yt; Forma mista 2
▪ ut = xt+yt*zt; Forma mista 3
▪ ut corretto = ut ∗ g t
W0
▪ gt = = coefficiente di correzione
Wt
Wt
▪ w0 = ∑12
t=1 = n° medio di giorni lavorativi all’anno
12
▪ wt = n° giorni lavorativi al mese
u̿t ≃ xt
3. Indici di stagionalità
ut zt
▪ ̿̿̿t
u
≃ yt +
xt
= Y′t
Y′t
▪ m = ∑12
t=1 12
Y′
▪ Yt =
m
t
= Indice di stagionalità rettificato
i = indice mese
Yij con {
j = indice anno
y′ij−2 +2y′ij−1 +3y′ij +2y′ij+1 +y′ij+2
▪ y′ij =
1+2+3+2+1
= somma pesata
4. Destagionalizzazione
(xt ∗yt ) zt zt
▪ Metodo A (poca stagionalità): ut,destag =
yt
+
yt
≃ xt +
yt
▪ Metodo B: ut,destag = xt + zt
• Metodo della media mobile e della media mobile pesata (entrambe per brevi periodi)
Media mobile: prendiamo i dati di un determinato periodo e ne calcoliamo la media sommandoli fra
loro e dividendo per il numero totale di dati. Questo tipo di media però assegna la stessa importanza
ad ogni singolo dato, ad esempio in una media mobile a 100 periodi l'ultimo valore ha la stessa
importanza del primo
∑𝑛𝑘=1 𝑑𝑡−𝑘+1
𝐷𝑡+1 =
∑𝑛𝑘=1 𝑘
Media mobile pesata: prendiamo i dati di un determinato periodo, ogni dato viene moltiplicato per
un peso (un valore intero ad esempio 1, 2, 3, 4…) sempre minore quanto più ci si allontana dal
periodo attuale. Si calcola la media sommando i dati dei periodi moltiplicati per i rispettivi pesi e
dividendo per la somma dei pesi. In questo modo si attribuisce più importanza ai dati più recenti e
meno a quelli più lontani nel tempo
∑𝑛𝑘=1 𝑃𝑘 ∗ 𝑑𝑡−𝑘+1
𝐷𝑡+1 =
∑𝑛𝑘=1 𝑃𝑘
𝐷𝑡+1 = 𝛼 ∗ 𝑑𝑡 + (1 − 𝛼) ∗ 𝐷𝑡
• Coefficienti d’errore: scarto quadratico medio, errore medio assoluto, errore relativo
Misurano la bontà di un metodo previsionale basato su una serie storica di dati, o per confrontare tra
loro diversi metodi previsionali I coefficienti k1 e k2 danno un’indicazione sulla bontà della
previsione, mentre con k3 si evince se si sta sovrastimando o sottostimando.
𝑛
(𝑑𝑡 − 𝐷𝑡 )2
𝑘1 = ∑ ; 𝐸𝑟𝑟𝑜𝑟𝑒 𝑜 𝑆𝑐𝑎𝑟𝑡𝑜 𝑞𝑢𝑎𝑑𝑟𝑎𝑡𝑖𝑐𝑜 𝑚𝑒𝑑𝑖𝑜
𝑛
𝑡=1
𝑛
|𝑑𝑡 − 𝐷𝑡 |
𝑘2 = ∑ ; 𝐸𝑟𝑟𝑜𝑟𝑒 𝑚𝑒𝑑𝑖𝑜 𝑎𝑠𝑠𝑜𝑙𝑢𝑡𝑜
𝑛
𝑡=1
Questi indici non si possono applicare al futuro ma misurano la bontà di un metodo basato su una serie
storica di dati (o per confrontare tra loro metodi previsionali). k1 e k2 hanno stesso andamento (se k1
è piccolo lo è per forza anche k2), k1 (o k2) →0 indica che la stima è molto vicina alla realtà.
𝑛
(𝑑𝑡 − 𝐷𝑡 )
𝑘3 = ∑ ; 𝐸𝑟𝑟𝑜𝑟𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜
𝑛
𝑡=1
Quest’ultimo indice non va bene per capire se un metodo previsionale sia buono o meno perché ci dice
solo se tale metodo sovrastima o sottostima la realtà, in particolare se k3>0 (d>D) si ha una sottostima
della realtà mentre per k3<0 (d<D) si ha una sovrastima della realtà.
o Rendimenti
▪ k1 = 1 - S = Rendimento di scarto
▪ S = s*Qi (Scarti = % dipendente dalla tecnologia * Produttività in ingresso)
▪ k2 = Rendimento dell’operatore
▪ k3 = Affidabilità del macchinario = Uptime / (Uptime+Downtime)
▪ k4 = Coefficiente di utilizzo = Production Time / Uptime
k1 genera scarti, k2 k3 e k4 generano fermi macchina e quindi una mancata
produzione.
▪ η = Rendimento totale = k1*k2*k3*k4
𝑞𝑢
𝑞𝑗 = = produzione stazione prima dell’uscita
𝜂𝑗
𝑞𝑗 ∗𝑡𝑗
𝑛𝑗 = = numero macchine j-esima stazione
60
qi
qu
q1 q2 q3
o Linea asincrona (non risente delle inefficienze gestionali k2, k3, k4)
𝑞𝑢
𝑞𝑗 = = produzione stazione prima dell’uscita
𝑘1,𝑗
𝑞𝑗 ∗𝑡𝑗
𝑛𝑗 = = numero macchine j-esima stazione
60∗𝜂𝑗
qi
q1 b1 q2 b2 q3 qu
Il valore della q in ingresso in q3 può essere diverso da quello in uscita da q2 a seconda della
strategia scelta. Seguendo ad esempio la strategia “Just In Time”, q3 verrà rifornita della q
richiesta nel momento in cui ne ha effettivamente bisogno, senza creare cosi delle eccedenze di
materiali.
P1 P2 P3 k1 k2k3k4 P1 P2 P3
A 30 / 80 0.95 0.92 A C B
B 40 / 50 0.95 0.88 B D A
C / 60 90 0.80 0.88 D C
i = prodotto (indicato con ad es. 1, 2, 3, ..., i oppure P1, P2, P3, …, Pi)
j = stazione produttiva (Si)
t = tempo di lavorazione del prodotto i nella stazione j
q = quantità di pezzi da lavorare del prodotto i nella stazione j
𝜂 = rendimenti delle stazioni
(1+𝑖)𝑛 ∗𝑖
𝑠= = Coefficiente di ammortamento
(1+𝑖)𝑛 −1
Se l’impianto a fine vita (anno n) ha un valore residuo, l’espressione prende la seguente forma:
𝑉𝑟
𝑆 (𝑜 𝐴) = 𝑠 ∗ (𝑉𝑜 − ) = Rata annua (Costante) di ammortamento con valore residuo Vr
(1+𝑖)𝑛
Periodo S = Ii+qi Ii qi Vr
Componente Interessi Componente Capitale
1 S I1 = V0 *i q 1 = S – I1 Vr1 = V0 - q1
3 S I3 = … q3 = … Vr3 =…
… … … … …
n S In = … qn = … ~0
o Attualizzazione
Fk
Fk′ =
(1 + i)n
Q i ∗ n° piazzamentii
t carico/scarico tot = (∑ ) ∗ t carico/scarico
Capacità Pallet
Tale metodo può essere utilizzato anche per il dimensionamento di un buffer, procedimento che
consiste nel fare in modo che esso abbia una capienza sufficiente alle necessità, ovvero deve avere una
dimensione tale da poter sopportare un’oscillazione del proprio livello di riempimento compresa tra
valore massimo e minimo raggiungibili. La determinazione di tale oscillazione si effettua a partire
dalla simulazione del comportamento delle stazioni di lavoro immediatamente a monte e a valle del
buffer, che si effettua applicando il metodo Montecarlo.
La stazione di lavoro a monte del buffer accumula pezzi in esso, quella a valle li preleva. Tuttavia non
è possibile prevedere quando una stazione sta lavorando e quando no (ad esempio ferma a causa di un
guasto), tali comportamenti sono soggetti ad aleatorietà, e proprio per questo che si utilizza il metodo
Montecarlo.
Grazie ad una simulazione numerica si ottengono i livelli di riempimento massimo e minimo e la
dimensione del buffer è proprio pari alla differenza tra il primo ed il secondo valore.
Avendo nel parco macchine un certo impianto, già ripagato, si valuta se convenga sostituirlo con uno
nuovo che garantisca maggiore efficienza espressa in termini di CTSR (costo teorico servizio reso).
Il CTSR è il costo annuale che si deve sostenere per far funzionare un’attrezzatura produttiva, quali
ad esempio energia, materie prime, materiale di manutenzione, personale di manutenzione, perdite
dovute a scarti, perdite per inattività.
(1 + 𝑖)𝑘 ∗ 𝑖 𝑉𝑟 ′
(1 + 𝑖)𝑘 ∗ 𝑖 𝑉′𝑟
𝑉 = [𝐶0 + (𝐶𝑇𝑆𝑅 ∗ ) − ] − [(𝐶𝑇𝑆𝑅 ∗ ) − ]
(1 + 𝑖)𝑘 − 1 (1 + 𝑖)𝑛 (1 + 𝑖)𝑘 − 1 (1 + 𝑖)𝑛
o Curva caratteristica U
q ∗ ti
∑ni=1 ui ∗ ni ni ∑ni=1 ∗ ni
60 ∗ ηi ∗ ni
U= n , ma ui = = n →
∑i=1 ni ⌈n⌉ ∑i=1 ni
n ti
q ∑i=1 ηi
𝐔= =q∗A
60 ∑ni=1 ni
U
o Curva caratteristica in valore U*
t ∗c
∑ni=1 i i A
q ηi
𝐔∗ = = q ∗ A∗
n
60 ∑i=1(ni ∗ ci ) q
ηi ∗60
qi s = = produttività massima (cioè di saturazione) che una sola macchina di tipo i può
ti
realizzare
k4
0 q
La curva caratteristica ha un andamento detto a dente di sega e tutte le rette passano per l’origine.
I denti di sega sono dati dalle discontinuità dovute al raggiungimento della produzione di saturazione
e la conseguente aggiunta di un macchinario. Più aumentano i macchinari minore è il salto di
discontinuità del dente).
Ci viene fornito il grado di utilizzo della linea (k4 o U_rep ecc), che rappresentiamo come retta
orizzontale nel grafico U-qs, dall’intersezione tra questa retta e la curva caratteristica (semplice o in
valore) risaliamo alla produzione al di sotto della quale è conveniente la produzione per reparti e al
di sopra in linea.
Esempio:
Data una linea di produzione e le efficienze e tempo per l’i-esima stazione, tracciare la curva
caratteristica U, ed esprimere delle considerazione su un passaggio da produzione in linea a
produzione per reparti. Produzione [0-50]pz/h; k4 reparti = 40%
qi qu
q1 q2 q3 q4
1 2 3 4
ti 1.5 3 2 4
ηi 1 1 1 1
ηi ∗60 1∗60
• qi s = 𝑞1𝑠 = = 40; 𝑞2𝑠 = 20; 𝑞3𝑠 = 30; 𝑞4𝑠 = 15
ti 1.5
• Compilo la tabella per vedere l’andamento del numero delle macchine e di U
q n1 n2 n3 n4 U
0 1 1 1 1 0
15+ 1 1 1 +1 macchina 2 15
∗
10.5
= 53%
60 (1 + 1 + 1 + 2)
20- 1 1* 1 2 20 10.5
∗ = 70%
60 5
20+ 1 2 1 2 20 10.5
∗ = 58%
60 6
30- 1 2 1* 2* …
30+ 1 2 2 3 …
40- 1* 2* 2 3 …
40+ 2 3 2 3 …
Se si dispone di 4 macchine (somma n fila 15-) e la produzione è inferiore a 9.09 pz/h, conviene
passare ad una produzione per reparti.
La programmazione lineare è una delle tecniche della ricerca operativa utilizzabile nella progettazione
degli impianti industriali. Un problema è detto lineare se sia i vincoli che la funzione obiettivo sono
lineari.
A livello operativo, un problema di programmazione lineare consiste nel tracciare delle rette che
rappresentano i vincoli del problema (la difficoltà sta nell’identificazione dei vincoli). Le rette sono in
realtà delle disequazioni grazie alle quali si ottiene nel grafico un dominio entro il quale possiamo
scegliere la produzione ammissibile.
Bisogna quindi scrivere una funzione obiettivo e massimizzarla o minimizzarla in base al tipo di
funzione stessa.
Esempio:
F.O. = 4x+2y-8;
Vincoli: 2x+3y+8<=20; 6x+2y<=12; x>0; y>=0
I vari vertici del polígono avranno coordinate (x, y), e sostituendo queste nella F.O. si individua il
punto di massimo, ovvero quello che massimizza (o minimizza) la funzione obiettivo.
• Cella produttiva
Le Celle produttive rappresentano una via di mezzo tra produzione in linea e per reparti e possono
essere costituite da macchinari uguali tra loro o differenti. I volumi di produzione sono intermedi tra
linea e reparti e la customizzazione del prodotto è buona (ma inferiore rispetto ai reparti).
o Dimensionamento Celle
1. Macchine Uguali → Modello Analitico
2. Macchine Diverse → Simulazione Numerica
1. Modello Analitico
o a = tempo di ciclo comune macchina+operatore (es. carico/scarico) [min/pz]
o t = tempo di ciclo macchina (la macchina non ha bisogno dell’operatore) [min/pz]
o b = tempo di ciclo operatore (macchina libera, solo l’operatore è impegnato) [min/pz]
𝑎+𝑡
𝑛′ = = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑡𝑒𝑜𝑟𝑖𝑐𝑜 𝑑𝑖 𝑚𝑎𝑐𝑐ℎ𝑖𝑛𝑒 𝑢𝑔𝑢𝑎𝑙𝑖 𝑑𝑒𝑙𝑙𝑎 𝑐𝑒𝑙𝑙𝑎
𝑎+𝑏
𝑎+𝑡 >𝑎+𝑏
Se ad esempio ottengo un numero di macchine non intero, ad es. 4.5, devo valutare se conviene
arrotondare per difetto o impiegarne una in più. Per sapere quale scelta conviene fare, si
calcola il costo per pezzo 𝑐̅ e si vede in quale caso è minore, rispondendo quindi alla domanda
“chi ha il 𝑐̅ minore?”.
m m+1
𝑇𝑐 𝑎+𝑡 (𝑎 + 𝑏)(𝑚 + 1)
𝐼𝑜𝑝 (𝑎 + 𝑡) − (𝑎 + 𝑏)𝑚 /
𝐼𝑚 / (𝑎 + 𝑏)(𝑚 + 1) − (𝑎 + 𝑡)
𝑚 ∗ 𝐶𝑚 + 𝐶𝑜𝑝 (𝑚 + 1) ∗ 𝐶𝑚 + 𝐶𝑜𝑝
𝑐̅ 1 1
𝑚∗ (𝑚 + 1) ∗
𝑎+𝑡 (𝑎 + 𝑏)(𝑚 + 1)
2. Simulazione Numerica
o Coefficienti di utilizzo:
𝑎+𝑡 ∑(𝑎𝑖 + 𝑏𝑖 )
𝑢𝑚 𝑖 = 𝑢𝑜𝑝 =
𝑇𝑐 𝑡𝑜𝑡 𝑇𝑐 𝑡𝑜𝑡
o Metodo Montecarlo
Il metodo montecarlo si basa sull’uso di numeri casuali, poiché il loro uso assicura una
distribuzione uniforme di probabilità.
Ad esempio, posso simulare il numero medio di arrivi di mezzi in una stazione di servizio:
100%
3100
(con arrotondamenti)
0∗890+1∗1120+2∗600+3∗370+4∗120
Arrivi medi al minuto: x̅ = = 1.26 arrivi/minuto
3100
Grafico F(x)-x(eventi):
F(x)
100 100
96.2
84.3
64.9
50
28.7
0 1 2 3 4 x (Eventi)
Assemblaggio
t
Tc
Tk Situazione
iniziale
Obiettivo
1 2 3 k m Stazioni
Il bilanciamento delle linee può essere effettuato con due tipologie di metodi:
2. Metodi EURISTICI: Largest-Candidate Rule (LCR), Kilbridge and Wester Method (KWM),
Ranked Positional Weights (RPW)
I metodi Euristici sono “Metodi basati sulla logica e sul buon senso anziché su dimostrazioni
matematiche. Non garantiscono una soluzione ottima ma ne danno molto probabilmente alcune
che si avvicinano ad esse”
I nodi rappresentano I task, mentre gli archi rappresentano I vincoli di precedenza fra due task.
Un task può essere eseguito solo se tutti i precedenti task sono stati completati.
Le Earliest e Latest Station, rispettivamente Ej ed Lj, sono la prima e l’ultima stazione alla quale
un’attività (task) j può essere assegnata. Ej ed Lj dipendono dai predecessor e successori del task j.
𝑡𝑗 + ∑𝑘 ∈ 𝑃𝑗∗ 𝑡𝑘 𝑡𝑗 + ∑𝑘 ∈ 𝐹𝑗∗ 𝑡𝑘
⌈ ⌉ 𝑚+1−⌈ ⌉
𝑇𝑐 𝑇𝑐
• j = indice task da 1 a n
• k = indice stazione da 1 a m
Differenza fra il numero reale di stazioni dopo il bilanciamento, e Rapporto fra il tempo totale di assemblaggio richiesto da tutti
∑𝑛𝑗=1 𝑡𝑗 ∑ 𝑡𝑗
𝑚 − 𝑚𝑚𝑖𝑛 = 𝑚 −
𝑇𝑐 𝑚 ∗ 𝑇𝑐
Tempo di ozio totale della linea di assemblaggio, somma dei tempi Misura dell’equità dell’assegnazione dei task a tutte le
𝑚
𝑚
∑ 𝐼𝑘 = 𝑇𝑐 − ∑ 𝑡𝑗
𝑘=1 𝑗∈𝑘
√∑(𝑇𝑐 𝑚𝑎𝑥 − 𝑇𝑘 )2
𝑘=1
Metodi di Bilanciamento
ALB 1 ALB 2
minimizzare n° stazioni minimizzare Tc (cioè massimizzare Q e
dato il n° max di stazioni utilizzabili minimizzare SI) noto n° stazioni usate
𝐿𝑗 𝑚
Vincolo di Unicità ∑ 𝑥𝑗𝑘 = 1 ∑ 𝑥𝑗𝑘 = 1
(1! Stazione per task)
𝑘=𝐸𝑗 𝑘=1
𝑛 𝑛
𝐿ℎ 𝐿𝑗
Vincolo di Precedenza
(ogni task j eseguita sempre ∑ 𝑥ℎ𝑘 ∗ 𝑘 ≤ ∑ 𝑥𝑙𝑘 ∗ 𝑘
dopo i predecessori h) 𝑘=𝐸ℎ 𝑘=𝐸𝑗
Metodo che tiene conto solo della durata dei task e non delle precedenze. La durata dei task
dunque fungerà da regola di priorità nell’assegnazione di questi alle stazioni (sempre nel
rispetto dei vincoli di precedenze imposti dal diagramma nodi-archi e del vincolo di tempo
ciclo, Tk<Tc ∀𝑘 [se due task dovessero avere stessa durata si da priorità a quello con più
followers]). Si ordinano i task in maniera decrescente in base al tempo, si apre la prima
stazione assegnando ad essa il task con durata maggiore ma che rispetti i vincoli di priorità, e
si procede finché tutti i task non sono assegnati ad una stazione.
0.5 1.9
8 9 11
0.7 0.8
2 4 5 10
0.8
6
Tc = 3.8 min/pz
▪ Elenco dei task:
1 2 3 4 5 6 7 8 9 10 11
Più RPW è grande maggiore è l’importanza del task. Questo metodo dunque tiene conto anche
delle precedenze in quanto somma i tempi dei task che seguono il j (vincoli di precedenza).
Si dispongono il task in base al valore di RPW decrescente e si compongono le stazioni
sfruttando tale ordine.
4 6 Stazione 1 Stazione 2
1 5 1 4
2 3 2 5
5 2 3
3 1
Bilanciamento con KW
• Analisi di redditività
➢ Costi FISSI: indipendenti dai volumi di produzione (nel lungo termine [e grandi volumi di
produzione] i costi fissi hanno andamento a gradino, nel breve termine hanno andamento lineare).
Principio di rendimento decrescente: raggiunto un certo livello di produzione, un incremento della
stessa comporta una diminuzione dell’utile, ciò è dovuto all’alto grado di saturazione dei
macchinari che in alcuni casi non sono in grado di evadere a pieno la produzione richiesta ed altri
problemi simili.
Cm = dC/dQ (Costo marginale: rappresenta l’incremento del costo quando si passa da una
produzione Q a Q+1 → extracosto).
➢ Costi di ESERCIZIO: costi che nascono durante la produzione (ad esempio manutenzione,
riparazione guasti, mancati ricavi…)
Nei costi di installazione oltre agli investimenti iniziali è presente il CAPITALE CIRCOLANTE.
Esso è rappresentato dalla valorizzazione di tutti i beni disponibili, all’avvio della produzione, che
non sono ammortizzabili e quindi non rappresentano un investimento iniziale, ad esempio le materie
prime stoccate in magazzino. Tutto ciò rappresenta il capitale circolante, una volta terminata la
produzione/cessata l’attività può tornare cash.
Qott
Q*
Qp
R: retta dei ricavi, tanto più pendente quanto è maggiore il prezzo di vendita del prodotto
CFIX = retta orizzontale pari ai costi fissi
CFIX + CVAR = parabola con concavità verso l’alto
• Qp: Dall’intersezione tra la retta R e la parabola Ctot si risale alla produzione di pareggio Qp
(BEP, Break Even Point), produzione alla quale U=0. Se Q<Qp la produzione è in perdita.
• Q*: Tracciando una retta passante per l’origine e tangente a Ctot si risale invece a Q*, livello di
produzione che mi permette di avere minimo costo unitario (cFIX + cVAR [€/Pz]) del prodotto.
• Qott: Tracciando la retta parallela a R e tangente a CFIX + CVAR risalgo alla produzione ottimale
Qott, che mi permette di avere Utile massimo.
fiscale
Fk = Rk - Ck – T
o Ck = costi totali all’anno k (manodopera, materie prime, energia elettrica… tutto tranne
i costi di investimento iniziale)
Nell’analisi di convenienza di un investimento è utile valutare anche il Periodo di Rimborso (Pay Back
Period), che rappresenta il numero di anni necessari per compensare l'investimento attraverso flussi
positivi. In altre parole, è la prima scadenza in cui si verifica un'inversione di segno nei saldi di cassa.
Più il PbP è basso più l’investimento è sicuro, perché più vado avanti negli anni maggiore è l’incertezza
della previsione.
𝐹𝑘
−𝐼0 + ∑𝑛𝑘=1 =0 e ricavo l’anno k (spesso valore in virgola) a cui si verifica la condizione.
(1+𝑖)𝑘
PbP = x + |VANx|/F’k,x+1
|VANx|= valore assoluto dell’VAN all’anno x (in modulo perché è negativo) [devo calcolare VAN
anno per anno per vedere quando passa da negativo a positivo! Il valore dell’VAN all’anno x dunque
sarà il valore cumulato di tutti gli anni precedenti].
Ad esempio: