Scribd Logo
Carica

Benvenuto in Scribd!

  • Impianti

    Caricato da

    Andrea Scazzieri
    650 visualizzazioni50 pagine
    Riassunto libro impianti industriali

    Copyright

    © © All Rights Reserved

    Formati disponibili

    PDF o leggi online da Scribd

    Hai trovato utile questo documento?

    Questo contenuto è inappropriato?

    Segnala questo documento
    Riassunto libro impianti industriali

    Copyright:

    © All Rights Reserved
    Scarica in formato PDF o leggi online su Scribd
    Segnala contenuti inappropriati
    650 visualizzazioni50 pagine

    Impianti

    Caricato da

    Andrea Scazzieri
    Riassunto libro impianti industriali

    Copyright:

    © All Rights Reserved
    Scarica in formato PDF o leggi online su Scribd
    Segnala contenuti inappropriati
    di 50
    IMPIANTI INDUSTRIALI ‘STUDIO DI FATTIBILITA’ Progetto logico suddiviso in quattro fasi: 1. Studio del prodotto (fase P): ha come obiettivo quello di capire quale prodotto realizzare e {a sua possibilta di essere appetibile sul mercato. In questa fase sono necessarie tante complicazioni diverse. 2, ‘Studio dal ciclo produttivo (fase C): scelto il prodotto & necessario decidere come produrlo. Si definisce quindi il ciclo produttivo e gli impianti di produzione e tecnologici. Gli impianti di produzione trasformano ia materia prima o il semilavorato in un prodotto finito. Llimpianto di produzione si distingue da quello ausiliario o di servizio (servizio di fornitura di aria compressa, impianto termico, illuminazione) che fa funzionare limpianto di tipo produttivo. 3. Studio dei servizi (fase S): si definiscono gli impianti ausiliari necessari 4. Analisi di redditivita (fase Q): si definisce la quantita produttiva e la conseguente valutazione economica. Questa ultima fase ci dice se limpianto 8 economicamente realizzabile oppure no. E necessario costruire un piano dei costi e allo stesso tempo dei ricavi per poter andare a completare la quarta fase del processo. sTyp10 DEL PRODOTIO | STUDIO DEL c1cio PRODUTIVO | sTuDI0 DEI seaviet | ANALISI 01 fepprivets |i ciclo produttivo pud essere: - Lineare: lavorazioni consecutive. - Convergente: pit materie prime formano un prodotto. Un ciclo convergente é tipicamente quello di assemblaggio. = Divergente: da un'unica materia prima si creano pit! prodotti. Si pud parlare di industria di due tipologie: - Per processo: i componenti che costituiscono il prodotto finito non sono facilmente distinguibili tra loro (acciaierie, industrie chimiche ed alimentari). = Per parti: tipicamente industrie manifatturiere in cui c’é una chiara visione di tutti componenti del prodotto. eal etetiods quando l'azienda per produrre si organizza in modo da awviare ed interrompere la produzione andando a cambiare ad esempio la tipologia di prodotto (ad esempio produzione di vernici). La produzione a lottirichiede un tempo di set-up necessario per Il ripristino delle condizioni richieste dal nuovo lotto. E una perdita di tempo che va mantenuto quindi ridotto. = Continua ¢ il contrario di quella a lotti. Nello studio del prodotto vanno messere insieme tante competenze diverse. E necessario andare ad eseguire tanti progetti diversi come: 1. Definizione dei materiali; a 2. Stabilire il design del prodotto (forma). Questa pud essere espressione diretta delle performance del prodotto oppure solo della sua appetibilita sul mercato; 3. Performances e caratteristiche: prima di lanciare il prodotto sul mercato bisogna chiedersi capire quali sono le sue funzionalita per poterne sfruttare le performances. In questa fase sono importanti le indagini di mercato per capire cosa viene richiesto dal mercato; 4, Struttura: meccanica fredda; 5. Impianti: meccanica calda. Quando si studia un nuovo prodotto occorre conoscerne il ciclo di vita, in linea generale sempre uguale tenendo conto dell'andamento delle vendite nel tempo. aN Tw NEW woven venore [pz: TENPO Lg PROWZONE MARKETING Fase 1, Introduzione -> il prodotto che prima non esisteva & poco conosciuto ed ha bisogno di tempo per inserirsi nel mercato ed avere dei clienti. Questa fase ha una durata che dipende dalle attivita di promozione o marketing che vengono eseguite dall'azienda, Fase 2, Crescita > durante la crescita le vendite aumentano in maniera pitt che li i ine del marketing. In questa fase & motto importante l'afidabilta del prodotto, La fase di oeoge oo Potrebbe anche prematuramente estinguersi in caso di flop di mercato. Fase 3, Maturita > le vendite rimangono stabili ed elevate nel tempo se il Prodotto é affidabile. Fase 4, Declino > si pud eliminare il prodotto dal mercato introducendo delle sue modifiche. ‘Se eseguo un restyling introduco un nuovo prodotto nel mer i maturtée che va a sostitur il dectino del vecchioprodation “ic Parte gid dalla fase ai PREVISIONI DI MERCATO Dobbiamo descrivere quantitativamente il mercato per stabilire quali caratteristiche a avere il Prodotto che vogliamo introdurre nel mercato. Alla base della decisione c’é la struttura de! _ domanda di mercato: pud essere pensata come il contemporaneo contributo di due componenti: 1. Deterministica: pud essere descritta seguendo certe regole 2. Casuale: non pué essere descritta da alcun modello previsionale La domanda deterministica si forma di due componenti ~ Tendenziale / trend: @ una componente lineare, ovvero tutti i mercati di un determinato prodotto vedono la domanda di quel prodotto salire o scendere linearmente alfinterno della domanda complessiva. Sara presente una legge matematica che porta il merito a crescere o decrescere nel tempo linearmente. ~ Oscillatoria: pud essere causata da una oscillazione dovuta alla congiuntura oppure dovuta alla stagionalita. Sono entrambe oscillatorie perché l'andamento del mercato & ciclico, si_ alternano momenti di salita e di discesa. La componente congiunturale ha un periodo di pitt di un anno e loscillazione é motto distribuita nel tempo. La linea che rappresenta la tendenza viene deviata sopra o sotto la retta a seconda che la congiuntura, che oscilla, sia positiva 0 negativa. La componente di stagionalita tende a deformare la curva totale ulteriormente con delle oscillazioni che hanno come periodo di riferimento l'anno. DAT TORIC) <—|——> PREVisiont lez] ~ CONGIUNTURA, = CASUALITA STAGIONALITA = TREND ~Y coogi ELANNT] AANNO La componente casuale conferisce alla domanda di mercato un andamento non prevedibile e quindi non descrivibile da alcun modello: > | Dror = TREND + CONG + STAG 4 CASO t Good La domanda di mercato come somma del trend, congiuntura, stagionalité e casualita & chiamata indice grezzo. i tutte le componenti La domanda che dobbiamo prevedere é quella risultante che tiene conto di tutte della domanda. Con i metodi previsionali bisogna distinguere tutte le componenti della domanda. Infatti, determinando le componenti deterministiche si possono fare delle previsioni sull'andamento futuro. L'indice grezzo é il dato aggregato, ovvero unica informazione che conosciamo. | metodi previsionali cercano di stabilire come si comportera il mercato in futuro distinguendo il trend, la stagionalita e la congiuntura. Sottolineiamo che i grafici che abbiamo rappresentato sono molto ingranditi sul recente passato, si ud allargare la raccolta dei dati storici a decine di anni oppure si possono accorciare i dati storici er ingrandire ogni dettaglio mensile o addirittura giornaliero. Esistono pid tipologie di previsioni di mercato: ~ Di lungo periodo: per iungo periodo si intendono previsioni nel futuro di 10 - 15 anni. Per effettuare previsioni di lungo periodo sono necessari dati storici di almeno 10 - 15 anni. Quali decisioni devo prendere per fare previsioni di lungo periodo? Eseguire I'installazione di un nuovo sito produttivo (nuovo stabilimento). Infatti, le previsioni di lungo periodo vengono chiamate previsioni di impianto Di medio periodo: ha un orizzonte temporale di 1 - 5 anni. Si parla in questo caso di installare ‘Auove linee produttive. Infatti, la vita media di una linea produttiva per un nuovo prodotto é di 3-4 anni. Di breve periodo: l'ordine di grandezza @ da qualche mese fino ad 1 anno. Hanno una visione motto ristretta ovvero mettono in luce i singoli giomi. Sono necessarie per gestire la linea Produttiva in maniera pratica: quanti prodotti finiti vanno spediti, quante ore di lavoro sono Recessarie, quante materie prime bisogna comprare... Si paria di gestione operativa, dell'azienda (approwvigionamenti, spedizioni, produzione, ...), METODI PREVISIONALI Queste previsioni si applicano nella determinazione dell diver la domanda di mercato secondo metodi seconda del punto di vista (breve, medio o lungo). | metodi previsionali sono: 1. Indagini campionarie: si basa sullo studio di un camy ricavano le previsioni sull’intero mercato. 2. Estrapolazione: si basano sull'andamento della dor futuro noto il passato. Se si conosce la curva della domanda di mercato nel passato, con metodi estrapolativi si cerca di costruire la curva del futuro con procedure matematiche. 3. Correlazione: cercano di legare il comportamento della domanda di mercato incognita con indicatori economici. ipione rappresentativo del mercato da cui si manda storica e cercano di prevedere il 1. INDAGINI CAMPIONARIE Con campione gaussiano: lindagine ha come obbiettivo lindividuazione di una variabile di mercato che varia in maniera continua all' interno di un certo intervallo. Si modella il mercato con una fines ii Gauss o normale che avra un valore medio e un andamento ben preciso attorno al valor medio. ‘ Con campione binomiale: si effettua quando i soggetti appartenenti al mercato che aequisteranno o non acquisteranno il prodott. | consumatori hanno solo due azioni tra cul Seegliere, hanno un binomio di alternative e quindi si paria di campione binomial & nor gaussiano. - INDAGINI CAMPIONARIE CON DISTRIBUZIONE GAUSSIANA Immaginiamo di avere un universo che rappresenta la totalita di individui appartenenti al mercato. Questo sara descrito dalla media M e dalla deviazione standard ov. L’obiettivo quello di conoscere questi due parametried in particolare M perché rappresenta il numero di prodotti pro capite che gli appartenenti all'universo sono disposti ad acquistare. N Ms 2% ~_ numerosita dell'universo isposta di mercato del soggetto i-esimo Ma M non si conosce perché dovremmo indagare tutti gli N soggetti appartenenti alluniverso. Llindagine diventerebbe antieconomica perché sono troppi i soggetti da studiare. La soluzione é concentrarsi su un sottoinsieme dell'universo che chiamiamo campione C. campione é rappresentativo dell'universo ed & caratterizzato dal valor medio x e dalla deviazione standard Ge ed & costituito da un numero n di soggett. pedice del tipo di risposta 1umero totale di risposte di tipo diverso requenza assoluta, é il numero di risposte j-esime, tutte uguali di tipo j, del campione requenza relativa in termini percentuali Esempio 1: indagine su numero di smartphone acquistati all'anno dagli studenti a | % Fa RISPOSTE POSSIBILI: 0,4, 213,40 PN [p2) ANNO + sxUDEWT: Spessebass |besascasent| Bs _ 4 o | 6 Regraaed ahs a-dPies. 24% 6-32 24,30 p2/Anwo: stud 2 a | Any 3 a ASt 4 3 oy 5 | hopw! a2 n2544 408) xi iazione standard indica quando le risposte si allontanano dal valor medio. Pi la campana & ampia pill é alta la deviazione standard ¢ pit le risposte sono disperse. a [sete 7 Noto il valor medio possiamo quit Oe i ricavare il valore della deviazione standard. Intervallo di confidenza di M: Pron = f ‘Si pud includere il valor medio dell'universo incognito all'interno di un intervallo i cui estremi sono ‘oti. Infatti, k € un numero reale scelto dall'analista: fe A(W) PBOBARILITA D1 ACCADINENTO All'aumentare di k aumenta lincertezza associata a dove cadra M che é quindi una stima pid incerta ma aumenta laffidabilita della veridicita di questa espressione. Questa operazione di racchiudere M in un range é una stima a cui é associata una certa probabilita chiamata probabilita di accadimento o affidabilita. Una volta intervistato un campione e determinate le sue caratteristiche, & possibile determinare un intervallo allinterno del quale é compresa la media dell'universo con una certa probabilita a seconda del valore di k scetto. La probabilité di trovare in un intervallo il valore della media dell'universo @ una funzione del parametro k: Ké A= INTERVALLO DI CONFIDENZA = P fe bem erate tte) k = numero reale positivo deviazione standard del campione media del campione n=numerosita del campione Llobiettivo é quello di stimare il comportamento delluniverso U, caratterizzato dalla sua media e deviazione standard, analizzando il comportamento di un suo sottoinsieme C chiamato campione. caratterizzato dalla sua deviazione standard e media. . “—~ U — / ~~ (M, 6u) > N \ \ | Rees) Jee ; ( Lobiettivo del'analisi é stimare M ed é una stima perché con una accuratezza del 100% non Potremo mai conoscere M. Sarebbe troppo oneroso investigare tutti gli elementi delluniverso uindi ci si limita a investigarne un numero limitato costituente il campione. Il campione deve essere rappresentativo delfuniverso, in particolare dovra avere una distribuzione percentusle di soggetti analoga allintero universo. is mi entro La definizione dellintervallo ai confidenza delta & fondamentale perché definisce of aa ipende cui andremo a trovare con una certa probabilta il valor medio delfuniverso. L@ Pré da k ed 8 una funzione nota per determinati valori di k notev« -B Pit ampio I'intervallo di confidenza minore @ la precisione nella stima di M e maggiore @ la probabil f(k) con cui si trova M allinterno deltintervallo. Per avere un intervallo di confidenza fistretto si pud aumentare la numerosita del campione n: ogni volta che si ingrandisce il campione assomigliando sempre di pit all'universo ¢ tanto pid il valor medio del campione tende a quello delluniverso. Aumentare n perd @ limitato superiormente perché aumenta il costo dellindagine campionaria. n lo si pud aumentare fino ad un limite economico. Invece la deviazione standard del campione non é un parametro che si pud scegliere e dipende dalle caratteristiche del campione. Invece k é una scelta che pud quindi essere diminuito per restringere I'intervallo di confidenza. Ragionare su k ha un altro limite: influisce nella precisione della stima (pil é piccolo pil la stima & precisa) ma ridurre k ha come effetto diminuire laffidabilita dellndagine: pit k é piccolo pid si riduce la probabilta di accadimento. Bisogna quindi trovare un bilanciamento tra la numerosita del campione e il valore di k scelto. Solitamente non si scende mai al di sotto di k = 2 € non si va mai al di sopra dik = 3. Esempio 2: %+ 4,70 p3/axno- e109 6c = 0.9852 P2/ANNO: STUD ne 54% exude ef eae ome ansera} eo A= 0086% Palanvo: S109 Llobiettivo finale @ andare a stimare il volume di mercato a cui fare riferimento. ‘Supponiamo di conoscere N = 5000000, ovvero la dimensione del'universo, che é una informazione nota. 4,6433-N & ME AABETN 2°066'500 < M (Pz) 6 8':933'500 [Pz/ANNO] Supponiamo che la nostra azienda detenga il 10% del mercato, il volume di vendita della nostra azienda sara di: no => WOE 650 £ mg 893350 [P2/ANNC] Dividendo per 216 giomi lavorativ si ottengono 3751 pezzi/giomo, owero la produzione giornaliera che si deve raggiungere per soddisfare la richiesta di mercato. 3752 6 M€ 485 Cr2/ioANo} ‘Sapendo il prezzo di vendita del prodotto, p = 230 euro/pezzo possiamo determinare il possibile fatturato mottiplicando per il prezzo di vendita: 861'960 £4 955°650 [E/cionno] AS 98 => 485'829'500 £ H& 205 470 500 € Le indagini di mercato devono arrivare ad un numero utile a livello aziendale: numero di pezzi per organizzare la produzione e fatturato per capire se ci sono abbastanza risorse per acquistare i macchinari, pagare gli stipend, ecc. ~ INDAGINI CAMPIONARIE CON DISTRIBUZIONE BINOMIALE La distribuzione binomiale descrive un fenomeno aleatorio che prevede una risposta che non varia con continuita allinterno di un certo range. La risposta dellindagine deve essere si/no. Nella distribuzione binomiale ci sono sempre solo due alternative nella risposta. La distribuzione binomiale ha una forma di questo tipo: Pq (A) - ( ‘ ) eveqne Pa( a) é la probabilita di trovare la risposta positiva (si, 1) alfa volte su n osservazioni. In questo modello n stabilisce la numerosita del campione: su n domande poste, quante volte si riscontra la risposta positiva alfa? Pala) (2) pt gt \umero di risposte positive lumero di osservazioni, risposte totali probabilita di accadimento dell'evento positive —P = probabilita di accadimento delf'evento negativo Pe q sono parametri che descrivono la distribuzione binomiale mentre alfa ed caratteristiche dell’indagine. seen sono Esempio 3: dado con puntata 6 FAccE: pe wre 4516 nea =? Pol d)=? Definizioni: ~ valor medio detfuniverso m ( ) = p-=> w( a) =P” ~ Lavarianza dettuniverso 4* (#4) « 2-9 5 g*dh= PAE ep gen ibuzione binomiale: quando p e q sono lontani dagli estremi 0 e 1 (dato che p & lit& comprese tra 0 e 1) si dimostra che la distribuzione binomiale Pn( a) é ben approssimata dalla distribuzione gaussiana avente M = M (a /n) eo = 0%( a /n)). In tal caso possiamo affermare, analogamente alla gaussiana: Pat Papa pa (et he fe BR wepeps [SS } 400 La binomiale ha quindi una forma a campana quando p e q sono lontani agli estremi. Allora se conosco il valor medio € la o della binomiale ottengo una gaussiana con le sue proprieta che pud essere utilizzata per descrivere I'evento aleatorio. Allora possiamo utilizzare le proprieta della gaussiana ed applicarle alla distribuzione binomiale. Esercizio 4: N = 15000 soggetti n= 1750 soggetti La nostra azienda progetta macchine agricole quindi ci interroghiamo sullimmissione nel mercato di una nuova machina agricola. Domanda: sei disponibile all'acquisto de! nuovo macchinario oppure no? Risposte positive, a = 1075 Entro quale range riusciamo a stimare p con affidabilita della risposta de! 95% (quindi con k = 2)? , . 5 Possiamo ricavare il valore di p> Py (a) “= 40% 2. METODO DELLA CORRELAZIONE Le indagini campionarie sono di breve periodo perché fanno riferimento alle esigenze del consumatore che pud quindi cambiare idea nel tempo. Volendo quindi ottenere stime del comportamento del mercato di pill lungo periodo si devono applicare i metodi della correlazione. Questo metodo consiste nel trovare il legame tra: - X = indicatore economico che é un dato di mercato noto - Y = domanda di mercato futura che @ quindi incognita Sulla base dei dati storici si pud sempre costruire un insieme di dati P,, rappresentati nel piano cartesiano da punt di coordinate (X,, Yi), a prescindere dal mercato che sto studiando e dall'indicatore economico che sto utilizzando. x | punti nel piano cartesiano si possono approssimare con una retta di equazione y =a +b (x—x) irPoui x soprassegnato é il valor medio delle X. La retta si chiama retta di regressione che é ‘sempre determinabile noto un set di dati storici e consente di effettuare una previsione perché a partire da un valore di x* noto riferto al futuro, tramite la retta riesco ad effettuare la previsione y*. I punto dificile@ riuscie a determinare la retta partendo dai punti del piano ottenut con i dati ‘Storie Lobiettivo 8 trovare i migliori a e b che portano la retta ad essere il pit! vicino possibile a tutt | punti del piano. Si applica quind il metodo dei minimi quadrati: = scarto quadratico totale = 5 [4s -[a+b(x-x)]] Aro veRO: 9, STATO LLobietive@ trovare ae b tale che S sia minimo per fare il modo che la retta di regressione sia i piu vicino a tutti i punti. Y 9 i eximato Calcolo quindi la derivata di S rispetto ad a e rispetto a b: rae Z2[9:-0-v(x-x)] 0) 20 * Zei-a-bla-Z) 0 : Bai Za Zbla-z) 1R I> uguale 0,8 - 0,9 Se la correlazione non @ buona si ottiene una stima con bassa affidabilita. 3. METODI DI ESTRAPOLAZIONE ‘Si basano sul concetto che, se si vuole effettuare una previsione, bisogna avere dei dati storici espressi come domanda di mercato in pezzi in funzione del tempo, che arriva fino ad ogi. Si ha quindi la registrazione delle vendite nel passato. Basano il loro funzionamento sulla conoscenza del'andamento passato per prevedere cosa succedera nel futuro, ofrz] FUTURO ' \ i ' | (Prewsone) \ \ \ 1 =—_ 060 | metodi di estrapolazione sono una macrocategoria e contengono: = Metodo deli'ultimo periodo - Metodo delle medie mobil ~ Metodo dello smorzamento esponenziale 1. Metodo dell’ultimo periodo jomanda di mercato nel periodo t D, = previsione di mercato nel periodo t La previsione di mercato é uguale alla domanda appena trascorsa: D t+4 = dt | modello si applica a mercati stabill, che hanno quindi variazioni in periodi molto lunghi. Consente all'azienda di pianificare in modo chiaro quanto deve produrre per il prossimo periodo. Questo metodo si inserisce in realta nella categoria delle medie mobili, 2, Metodo delle medie mobili Definiscono la previsione come una combinazione delle medie dei dati storici Devs Set dere des ON 3 ee obs ue SUPPONIAMO La previsione per il prossimo periodo é basata sulla media degli ultimi 3. ‘n= numero di periodi da considerare ed é una scelta dell'analista che stabilisce qual é il miglior valore. Se poniamo n = 1 si ricade nel metodo dell'ultimo periodo, che @ quindi un caso particolare del metodo della media mobile. Quando n cresce, allora la previsione dipende da molti dati storici nel passato, si tende ad annullare eventuali fenomeni di stagionalita, componente della domanda di mercato oscillatoria nel tempo. Quando invece n si riduce molto, si rischia di subire delle grosse oscillazioni del mercato. Se si riduce n ma il mercato non é stabile, si subiscono molto le oscillazioni del mercato. Consideriamo n = 12 mesi, significa annullare totalmente la stagionalita. | coefficienti di errore sono parametri che ci aiutano a giudicare la qualita del metodo previsionale. & (de- ae)” Errore quadratico medio, k1 = -$*4——______ = Woe -det Errore medio assoluto, k2 = | primi due ci dicono che, se sono grandi, il metodo previsionale non funziona bene, se invece sono piccoli ci dicono che il metodo previsionale funziona. Ci consentono di giudicare il metodo previsionale ma soprattutto di confrontare due metodi previsionali alternativi ‘Ad esempio, per valutare la scelta migliore din si possono utilizzare k1 0 k2 paragonando i metodi previsionali con due differenti valori di n scelt. Z (De-de) Errore medio, k3 = + Quando k3 si awicina a 0, non é detto che il metodo previsionale sia buono. Infatti, ciascuna differenza tra la previsione e la domanda ha il proprio segno, quindi pud succedere che un errore positivo compensi un errore negativo, rendendo inutile il risultato ottenuto. Quindi questo coefficiente non ci indica quale dei metodi é il migliore, ma, una volta individuati con i primi due coefficienti il metodo migliore, applicando il k3 al metodo migliore e andando a valutare se k3 & maggiore o minore di 0 si pud capire se il metodo sovrastima o sottostima la realta: = k3> 0 allora il metodo previsionale sovrastima d: gli errori in positivo superano quelli in negativo = k3 <0 allora il metodo previsionale sottostima d: gli errori in negativo superano quelli in negativo. Sapere se il nostro metodo previsionale sovrastima o sottostima la realta ci aiuta. T3 a 1 150 = 2 75 = 3 160 (150+ 175)/2=162,5 4 182__ | (160+ 175)/2=167,5| = = | (9824160)/2=171 5 = Dy Immagino nello storico di avere delle coy errore al set di coppie ottenute, confror Verrore associato pit piccolo. pie d, D e poi applico uno dei primi due coefficienti di ntando il metodo con n = 2 n = 5e poi prendo quello con Uevoluzione della media mobile @ la media mobile pesata: 3. Media mobile pesata Ze Secwen Pe Dy zr La scelta di P, , peso k-esimo, viene esegt di errore. Solitamente Py > Px: owvero i periodi pitt recenti. uita dell'analista e awiene sempre grazie ai coefficienti Pesi sono decrescenti per attribuire maggior peso ai Esempio: = 3 periodi, P1 = P22, P: Boe tdertadyy BHLeA Dire 4. Smorzamento esponenziale o metodo di Winter Prevede I'introduzione nel modelo di un iciente di smorzamento, che definisce la previsione della domanda come la differenza tra la previsione effettuata nol Petlodo precedente e lerrore commesso nel periodo precedente (considerando la domanda revista — la domanda vera) moltiplicata per questo coefficiente di smorzamento: Coefficiente alfa, chiamato coeffi Diss = De- wh (De- de) = de + (Uk) De Di = hb deg + (A-d) Den Dir dds 4 (4-4) Dea SOstTUENDO IN Dead? Diets ob det (Ad) deen ob (An)? deen ah (Aral dena + Diese 2D dad) deg s 2 Pe dew. So ko In questo metodo la previsione }e della domanda dipende da tutti i ici. termine che e il peso Pie st jipende da tutti i dati storici. E inoltre presente un imostra che: Pos 2 d(a-w)* og Par Par cee > Po | coefficiente di smorzam jento alfa @ un numero compreso t e il loro andamento dec jpreso tra 0 € 1. Quindi i pesi sono decrescenti rescente @ esponenziale: Pe « Quindi lo smorzamento es} sponenziale tiene conto di tutti i dati storici ma, allontanandosi nel Passato, hanno una impor rtanza via via decrescente in modo esponenziale. E un metodo che funziona molto bene se si sceglie un valore instabili e pit alfa cresce, pil invece il mercato é regolare e pi valutare la bonta di alfa scelto si possono usare i coefficienti di er alfa corretto. Pid i mercati sono prende un alfa piccolo. Per rrore descritti precedentemente. t [4 2 ; 1 | 350 350 2 [45 150 3 | 190 | 03175 +¥0,7 «15071575 4 | 190 [0,3 %190+ 0,7 157.5 =167,3 S| 195 | 0,3x18040,7x1673=171 6 | 205 | o3x195+0,7x171=178,2 7 195 0,3 x 205 + 0,7 x 178,2 = 186,2 8 | 210 Jo.ax195+0,7x106,2= 188.8 Ds é incognito e una volta calcolato si pué trovare la previsione Ds : Do = ob dg + (A-h)Dg = 013 240 + OF ABBR = AISA Si richiede sempre la conoscenza della previsione precedente perché il modello & ricorsivo, Per applicare questo metodo é necessario che l'analista imposti la prima previsione, Per impostare la prima previsione si pus utiizzare: 4. D1=dt | 2. D1 =(d1 + d2 +d3)/3 > media dei primi 3 valori noti did Ovviamente la scelta di D1 é arbitraria. Una volta applicata la formula per calcolare i successivi D riusciamo a trovare D8 e di conseguenza anche la previsione D9. E perd necessario verificare, tramite lo scarto quadratico o un altro errore, che il metodo funzioni prima di calcolare la previsione. ae & (de-2e)" J | metodi estrapolativi visti fino ad ora sono tutti metodi previsionali di breve periodo perché ci Permettono di fare previsioni solamente avanti di un periodo. Se si vogliono estrapolare le Previsioni di medio o lungo periodo, i metodi delle medie mobili non sono adatti. Si abr lapproccio chiamato serie storica. E un metodo empiric, ma riconosciuto ed utilizzato a livello internazionale. La domanda di mercato @ suddivisa in: 1. Deterministic Tendenziale (x) - Oscillatoria: - Congiuntura = Stagionalita (y) 2. Casuale (z:) Includiamo la congiuntura con la componente tendenziale perché é una oscillazione di lungo periodo, dell’ordine di qualche anno. | modelli che tengono conto di queste 3 componenti possono essere: 1. Additivi: x + yi + 2 2. Mottiplcativi: x yz 3. Misti: x yi + 2, La domanda di mercato viene indicata invece con la lettera u' chiamata indice grezzo (unico dato che conosciamo). Se conosciamo lindice grezzo non possiamo perd sapere come si distribuiscono 'e 3 componenti al suo interno, bisogna quindi stimare queste 3 component. Ci sono quattro step da seguire: 1. Normalizzazione o correzione degli indici grezzi ut, @ lindice grezzo nel periodo t-esimo (dove t indica il mese) va corretto perché i mercati dei prodotti industriali sono notevolmente influenzati dalle giomate effettivamente lavorative da calendario. Quando le aziende sono chiuse per motivi di festivita é chiaro che la domanda di mercato di prodotti industriali cala perché le aziende sono chiuse. Per tenere conto che in alcuni ™mesi dell'anno la domanda di mercato e la produzione industriale sono pill basse rispetto ad altri mesi bisogna corregge gli indici grezzi per poter confrontare tra loro le domande di mercato disomogenee dal punto di vista dei giorni lavorativi. La domanda di prodotti industriali sara minore ad agosto rispetto che ad ottobre perché le aziende sono chiuse. Correggiamo gli indici in ragione delle giorate lavorative. Quindi chiamiamo Gi giomi lavorativi del mese t-esimo. Chiamiamo con G medio: ae Zz ah B, a Ge Quindi normalizziamo u': mottiplicando per G medio e dividendo per i giomi lavorativi ottenendo indice grezzo corretto ur. Quando i giomi lavorativi di un mese sono tanti, il coefficiente per cul si mottiplica u' é minore di 1 (es: mese di ottobre). ue 2. Medie mobili ese Un Si definisce media mobile primaria: T,.,4+ cigs (2 E una media mobile ricorsiva che prende in considerazione 12 periodi @ il segmento t -t+1 quindi il centro della media es tous be a CeNTAO DELLA MEDIA PRIMARIA E la media di due medie primarie centrate in modo diferente tale per cui il centro della media mobile secondaria é il Periodo t. UE xy HZ, La media della componente casuale z, 8 nulla perché z; oscilla tra valori positivi e negativi e deve Guindi per definizione avere media nulla (ovviamente se si considera un numero di periodi Sufficiente mente alto). Facendo la media secondaria si elimina quindi la componente casuale 6 un termine mottiplicativo adimensionale perché u, ha la dimensione della domanda di mercato, Cosi come z:@ x.y. 8 un coefficiente che assume valori nellintorno di 1. Con y= 1 significa che la Stagionalita non deforma il trend. Se y:= 0.5 allora la stagionalita dimezza la domanda di mercsto. E un coefficiente che oscilla e che ha circa media unitaria. Quindi la media mobile ‘secondaria del periodo t é una stima del trend: Ty os ae My ake a He ° 3. Rapporti di stagionalita Nellanalisi in motti casi ci si ferma allo step 2 perché si é trovata una stima del trend. In alcuni casi invece si vogliono stimare i coefficienti di stagionalita: Oe ede ae 2 Gye see Ee te x Me 2 Media su un anno dei coefficient i stagionalta: m= 3 2 a m @ un numero vicino ad 1. Quindi divido y; per m ottenendo il rapporto di stagionalité corretto: 1 Me 42y BS As yes eae a Tt La divisione per m permette di ottenere la media unitaria sui 12 mesi Questo approccio permette di calcolare i coefficient i stagionalita di ogni mese corrispondenti perd ad un singolo anno, che variano quindi da un anno al'altro. Quindi i coefficienti di stagionalita di un mese che si usano in realta sono la media pesata di quell trovati per pi anni: SEAL NES! Y's (own) « 2Y 484 2 inca + AY + Pina a + 7 e243 4a04 ica “A MEDIA CENTRALE NEL FERIOO ia 4. Destagionalizzazione Bisogna ottenere un indice grezzo destagionalizzato: : He Bes 2 a METODO A: Ue, ceernsonnuiazaro = gE i rintorno di 1, 1a Valido se yr @ poco marcata owero si ha bassa stagionalita. Se yt oscilla poco, nel componente di casualita non viene deformata. METODO B: se invece la stagionalita ¢ molto marcata, per togler® Y sistima 2: aria Dt Be = We - Ty Beermaro E si calcola poi lindice grezzo destagionalizzato: Ut, pestasiownnarato ~ UE ~ Ze, srmaro Chee’ REGRESSIONE LINEARE ge arb (X-2) Xremro (wes) SrORICO O66 FUTURO Liobiettivo é di semplificare il meno possibile indice grezzo togliendo Ia stagionalita, lasciando quindi solo il caso, il trend e la congiuntura. La previsione con il metodo della serie storica prevede di trovare una correlazione lineare tra la domanda di mercato destagionalizzata e il tempo. Si trova quindi una regressione lineare tra ux destagionalizzato e il tempo che & quindi lindi economico. STUDIO DEL CICLO TECNOLOGICO Nella fase in cui si definisce il ciclo produttivo é necessario acquisire competenze tecniche & trovare quante machine sono necessarie, come disporle, quanto personale necessario, Vapprovvigionamento, ... E fondamentale lefficienza produttiva. Definizione delle risorse produttive, potenzialita di stadio: L-ESINA FASE PRODUTIVA -—" Ga PropuIviTa i WNERESSO | PRODUZIONE UTILE Loeats s anno] [eex2i s anno] Q=Q+S=Q+s-Q ug, Se A-a Ka k1 = rendimento dello scarto k2 = rendimento dell'operatore k3 = affidabilita della macchina = UT / (UT + DT) k4 = coefficiente di utiizzo 0 sfruttamento = PT / UT Dove UT indica up time ovvero i minuti in cui la machina é in funzione disponibile alla produzione E PT @ il production time e indica il tempo in cui la machina effettivamente produce. Possiamo quantificare il rendimento totale dellimpianto produttivo che esprime il legame tra la Produttivita utile della stazione (Q,) e la produttivita della stazione i-esima lorda (Q): N= Kt x K2xK3xK4 Q= Qu “Lor La produttivita lorda misura la velocita dei macchinari, ¢ il production rate dei macchinari i-esimi. Quindi quando si devono acquistare i macchinari bisogna basarsi sulla produttivita lorda Qe non ‘su quella utile perché altrimenti non si terrebbe conto di tutte le inefficienze. La produttivita lorda Q e la produttivita utile Q. possono essere misurate in pezzi / anno. Ma dal punto di vista della gestione operativa, questa unita di misura non é molto pratica, quindi si introduce una diferente unita di misura per ottenere la produttivita oraria: ay “Lrot [revi sora] [giorni lavorativifanno] = durata del tumo [ore/turno} ; i , ted h perché sSimantieneilegame tra le produttvta annue e giomaliere. Metiam in evidenza N ci permettono di capire la gestione del'azienda: = @,6un vincolo di mercato che non pud essere scelto dal manager Vrazienda. N si pu ~ N, ted h possono essere invece discussi da chi dirige 'azien aoe Iiitato, anche hi pud variare fino pero al mite massimo di 8 ore, mentve margine di variabilta, t pud variare da 1 a3 nel'arco di una giornata. 10 variare in modo molto ha molto pit chiamato anche composizione organica del Possiamo introdurre il rapporto capitale lavoro, e re ta lizzato dei sistem produttivie il capitale lavoro capitale, R che ¢ il rapporto tra il capitale immobil (manodopera): Ra CAMTALE MNOBILIERATO.sisveM PRODUTIVE CAPITALE MANODOPERA Le aziende che hanno un valore di R elevato hanno in lavoro é effettuato manualmente dall'operatore, al cont westito molto sulla parte tecnologica € poco rario per bassi valori di R. COSTO DEI MACCHINARI Crracehina = f (tecnologia, materiali, velocita di produzione) Aparita di tecnologia, due macchinari simili hanno un costo maggiore tanto maggiore é la velocita del macchinario e quindi tanto pit elevata é la produttvita. II costo dei macchinari é direttamente proporzionale alla velocita di produzione. Cuncenna Veroourione 3) ta beh = R molto elevati: per mitigare i costi elevati degli impianti, le aziende tendono ad aumentare il numero dei turni. Se si raddoppia il numero dei tui, la velocita dimezza, quindi aumentare il numero di turni permette di comprare macchine pill lente. Un'azienda che acquista una macchina molto costosa la fa lavorare per pill tempo possibile aumentando quindi il numero di tumi. Contemporaneamente peré si aumenta anche la manodopera facendo aumentare i cost tn.guesia ‘categoria si trovano le aziende industriali che hanno una produttivita giomaliera molto elevata. - R molto basso: la manodopera é la voce di costo pit! rilevante, quindi non si i 4 oh 1 aur di turn perché la manodopera costa di pili sugli altri turn. Per aumentare la produsione oma { numero del furni aumentando Il numero di machine e di operator nelfunico tumo centrale. In questa categoria si trovano le aziende arti ita gi Inquestacateg i igianali che hanno una produttivita giornaliera DIMENSIONAMENTO REPARTI E LINEE Reparti di produzione Le aziende per reparti sono suddivise in repatti di produzione che sono sistemi produttivi che necessitano di un numero specifico di macchine che producono un gran numero di prodotti in piccole quantita. Q GRAND! SOANTITA TL: uinee TE: misro / FMS TL: RePaati m PICCOLE _ VANTITA PAODOT PRODOTT orn ROOM Definisco le seguenti grandezze: ~ j= indice del reparto ~ i= indice di prodotto ~ M)= numero machine reparto j-esimo ~ Mj = numero di machine teorico ~ ny =rendimento della machina j per produrre il prodotto i-esimo ~ Qj= produzione del prodotto i nel reparto j [pezzi / mese] - Nj = numero di ore di produzione per il prodotto i nel reparto j [ore / mese] ~ Ty = tempo ciclo del prodotto i nel reparto j [min / pezzo} II numero di risorse teorico si determina come il rapporto tra la produttivita richiesta dal mercato e la produttivita di una singola risorsa y= TEOOURIWEA piemEsrA paL HEREIN 5 5 Gan > { Sete @RODUTIVITA DI UNA GINGOLA RISORSA a Nis 60 "Lis Ey Nas 60s In cui la produttivita di una singola risorsa & linverso del tempo di ciclo, e se questo tempo @ quello teorico, ho bisogno di considerare anche il rendimento. II numero di risorse reali necessarie si ottiene da quello teorico approssimando il numero ottenuto per eccesso. Esercizio: trovare il numero di machine da inserire nel reparto PL P2, P3 Unit Qu 7000 4000 5500 pezzi/mese| T 8,2 55 67 min/pezzo Brot 0,88 0,88 0,88 : N; _ | 21.gg/mese - 2*10 min/gg=9660 min/mese | min/mese 6a 5a 53 . ‘enti e Ogni stazione dalla quale transita via via il prodotto @ caratterizzata dai vari coeficient Sin S1acicat coro cretfamente collegate tra loro, Dato che il mercato impone una cette Pi uscita bisogna tenere conto di tutte le stazioni che stanno a monte dei loro relativi scarti. Te qe Te ni = numero di macchine della fase i-esima = ~~ ¢5~ = =~ 60 ron“ 60 produttivita a monte della stazione produttivita a valle deliastazione OV OV OO 6 Sy 53 cy Le stazioni non sono tutte collegate tra loro ma in mezzo é presente un buffer, un piccolo magazzino di pezzi La fase i+ 1 prende i pezzi non direttamente dalla fase precedente ma dal buffer, quindi anche se la fase precedente o successiva si fermano le altre non hanno alcuna ripercussione. Il buffer inter-operazionale disaccoppia le fasi. cee Ww 92 = : a rons Ka (kaka Ku) Bake Ka S3= 43-43 = 437 Iu Dove 3 @ la velocita di produzione da garantire per sopperire alle inefficienze della stazione 3. q3' 6 la produzione fisica di pezzi 'ora che attraversano la fase 3. E quindi il numero di pezzi che fisicamente si pescano dal buffer. q3’ é la produttivita in uscita dalla fase 2. Per tenere conto delle inefficienze é necessario aumentare a monte ulteriormente la velocita di produzione della macchina (quota parte del tempo in cui a macchina sta accesa non produce a ‘causa dei coefficienti k1, K2, k3). Dobbiamo quindi comprare una macchina che garantisca non 11 pezzifora ma 13 pezzi/ora come produttivita nominale o velocita di targa. STAZIONE 3 _ te © Teta ka ea), Kae Ka Ka STAZIONE 2 a, Sora" Cia(ka ky Kull, Ka ks Ke a 60 eo a gw 2 Deda” Cada Deals STAZIONE 1 ae SH ~ Neos Lee (Ka Ke ull, Kae ake a: fie “roma aT me 6O oppo mepaegpenntenees lo eemeeeeeee Cel, Curd, Ces], Feeds MODELLO ALTERNATIVO (equivalente) ue Se oni 60 : oy rencnd Qi. + Sroni-a Vo--¥ S ‘Se mettiamo la produttivita a monte, non bisogna inserire il rendimento al denominatore, se si inserisce invece la produttivita a valle bisogna dividere per il rendimento. Esempio: Reparti: lavoran modo asincrono tra loro OVO Oo | flussi di prodotti da un reparto al successivo sono costituiti dai lotti di produzione dei suddetti prodotti. Se vogliamo dimensionare i reparti, li trattiamo come fasi i-esime di una linea asincrona. Le fasi dei prodotti sono da considerarsi disaccoppiate tra loro (asincrone). Dati: (%.l6=0,90 [Kasu), 2 MACCHINE + A.8h O90 08 + 43,06 Cee msc rh] Andamento dei pezzi fisici (q") 4d oss 0120 52% ema % 5*3% —e couneueno A 4 0813. Nota bene: allinizio della linea c’é un buffer per definizione quindi si distinguono sempre qi € q;° Se la linea fosse sincrona otterremmo: oy oO nae : nse aagy ern ae 4,99 . Alyy AB*4 Uh 48 Ee ales 2465 272, + pe ARAM: 55 = Bd wl = 4,66 lee 0 Gli n’ nel caso sincrono sono maggiori di quelli nel caso asincrono. Anche nella linea sincrona si calcola il ds" = in, siczono = 12,04 = q in esincrone che si calcolano allo stesso modo. Torniamo al grafico del prodotto — quantita: Le aziende appena nate generalmente sono di tipo 2, ma nel tempo (se sono valide e ben amministrate) esse tendono a diventare di tipo 1. Si passa quindi da una organizzazione per reparti ad una organizzazione per linee, incrementando il volume produttivo dei propri prodotti riducendo contemporaneamente la gamma. Quando conviene passare da un layout per reparti ad un layout a linee? Per rispondere a questa domanda si utiizza la curva caratteristica del prodotto. E una misura di efficienza della linea in generale. Rappresenta il coefficiente di utiizzo medio dei macchinari di linea, Linea generica —O—-O—o— at nis (nclent Numero esatto di macchinari necessari, ni, questo valore va peré arrotondato per eccesso trovando il numero i macchine reale. Tl rapport tra il numero di macchine teorico e il numero di machine reali il coefficiente di utilizzo delle macchine di tipo i: Pa we Calcoliamo il valor medio di utilizzo U come media pesata di tutti i coefficienti ui dove i pesi sono i numero di machine (trascurando il rendimento): 4% ti Dewen Z com og ZY fa 2 OM Ld ZT com ye ¥ = oon am Se invece si considera anche il rendimento bisogna dividere per il rendimento delle fasi i: 9% A Th 6 4, 60 , retta passante A variare della richiesta produttiva della linea, U varia in modo lineare secondo una retta pat Per lorigine, in cui il coefficiente angolare della retta é A. az 2h or ANDAMENTO. A DENTE vt sean sew roe a io 4 Gus MOLTIOLL 01 is 1 indipendente da q, n aumenta all'aumentare di q con andamento a gradino, quindi n,@ una funzione monotona crescente costante a tratti. Di conseguenza anche A varia in questo modo rimanendo costante in ogni tratto individuato. 60 Produttivita di una singola macchina, qs = =r, [?€221/0"A] Quando si supera la quantita di saturazione bisogna aumentare il numero di machine. La curva caratteristica serve per confrontare lo sfruttamento dei macchinari in una configurazione per reparti, Quindi il nostro valor medio U ottenuto va confrontato con ilk4 per reparti che & cine inferiore al 40%. In questa configurazione per reparti quindi per pid del 60% del sono spent E un layout inefficiente in modo intrinseco. bd Noto,U nel diversi range produttiv, defnti dalla quantita di saturazione, posso confrontare U% con 4 per determinare quando el conviene passare da una configurazione per reparil ad une Go linea u% on REPARTI , VEDERE | Linea Esempio: —2—O—o— i | ae tpezzi/ora} 1 5 2 2 8 75 3 4 15 Quando convengono i reparti e quando convengono le linee? Caleolo CCP nel range q = [0; 30] pezzi/ora 9 Zhu q m1 nz 13 u%_| u- Sa 0 1 1 1 000% 7,57 1 1* 1 70,83% 75° 1 2 1 53,13% 227 1* 2 1 85,00% a 2 2 1__| 68,00% 1s” 2 2° 1* | 85,00% 1s 2 3 2 | 60.71% 22,57 2 3” 2 91,07% 2s | 2 4 2 | 73,69% 247 2* 4 2 85,00% 2a" 3 4 2 75,56% 307 3 a* 2" | 94,44% 30° 3 5 3 | 727% Curva caratteristica in valore Biwcde a Znee sy Sug © EMG Il peso non é pit il solo numero di macchine, ma ¢ il prod valore economico C,. La curva caratteristica ha sempre an pendenza e non possiamo sapere se siamo al di sopra 0 al rimane inalterata @ la posizione del dente di sega perché rimane di saturazione. jotto tra il numero delle macchine damento a dente di sega ma cambia la di sotto della CCP. L’unica cosa che in corrispondenza delle quantita Valore di una attrezzatura (eventuale convenienza alla sua sostituzione) A prescindere dal costo, possiamo attribuire un valore maggiore o minore alla machina in funzione dell'attivita che svolge. Partiamo da una attrezzatura esistente che quindi possediamo gia ma su cui dobbiamo investire delle cifre per la sua manutenzione per farla funzionare: ctsR'« Val (easy Casal? Vo' a II CTSR'é il Costo Tecnico del Servizio Reso e si misura in euro/anno. Al suo interno vanno inseriti tutti i costi relativi al macchinario (manutenzioni, costi dei materiali e materie prime per la produzione) che vanno attualizzati. In questa formula /@ il tasso di interesse per l'attualizzazione, infatti una somma di denaro nel futuro vale di pid rispetto a quanto varrebbe attualmente, va quindi deprezzata e tutte le misure vanno riportate all'oggi. Invece é la vita utile del macchinario, al suo termine lo si pud vendere sperando di ottenerne un ricavo. Quindi al termine della vita utile del macchinario, questo avra un valore residuo V'z che ha segno opposto nella formula del valore dell’attrezzatura. Consideriamo ora una macchina nuova: S CTRSe Va Eo Gant 7 Gena” Vo= Co * In questo caso compare una voce di costo aggiuntiva Co ma il CTRS della macchina nuova ha dei costi annessi minori e anche il valore residuo é molto maggiore. In conclusione, il valore di un bene esistente, ovvero il valore economico di una attrezzatura lo st ud quantificare come differenza di costo tra 'equivalente attrezzatura nuova e quella esistente: Valore economico = Vo- Vo Questo appena ottenuto é il valore intrinseco che posso attribuire al mio bene. Se questo valore & maggiore di zero significa che il macchinario ha ancora un valore economico @ quindi non conviene la sostituzione, se invece il valore & minore di zero conviene la sostituzione del macchinario con quello nuovo. Esempio: VECCHIA TS TSR = 35 KE/enn0 Cox 135 KE AB:000 25.600 Ve +O CTBRe AB KE/ANNg YO" 488° o.gt04 ~ 4,085 12 5 ANNI Va 35 000 € = AFA 000 € % n= 5 ANNI iee% aan > 5 + J 39000 Vo = ts + 35000 2 z (440,08) Et aoat", als 25" «38000 » ja9-336 € 0,3508 Tra lorganizzazione per reparti e quella per linea c’é una zona di transizione, owvero la zona Il in cui si ha produzione mista o per famiglie. In questa zona si adotta normalmente, dato che i numeri lo consentono, una modalita produttiva che adotta sistemi flessibili di fabbricazione, FMS (Flexible Manufacturing System). E un sistema flessibile di fabbricazione, ovvero un insieme di elementi flessibile, il che significa che permette di realizzare un numero di prodotti, in termini di numerosita limitato, ma simili tra loro. Un macchinario flessibile é quindi in grado di eseguire lavorazioni differenti su prodotti differenti ma simili tra loro. Dal punto di vista dell'MS, i 4 prodotti diversi P1, P2, P3, P4 appartengono in realta alla stessa famiglia realizzando un unico grande volume produttivo. Si sommano quindi i volumi produttivi di prodotti differenti ma simil tra loro per formare un unico volume produttivo elevato. FMS yo IL > > RODOT Poe Pe Pe FMS, La necessita di un FMS é nata dall'esigenza di personalizzazione del prodotto richiesta dal mercato moderno. P TEMPO DI PIAZZAMENTO: TEMPO PER MONTARE/ SHONTARE IL PRODOTO SULLA HACCHINA > TEMPO DI ATREZZAGGIO © TEMPO D1 SETUP: E IL TENPO NECESSAAIO ALLA PREDISPOSIZION DEL MACCHINARIO AL NUOVO PRODOTO. Gli FMS sono studiati in modo da azzerare i tempi di piazzamento e attrezzaggio, o almeno che non comportino un peggioramento del funzionamento del sistema. Architettura di un FMS Ci sono delle macchine operatrici Mi che lavorano in modo interconnesso tra di loro. Sono . macchine automatiche, quindi presentano dei magazzini utensili che favoriscono il carico e scarico dell'utensile sulla macchina. Ci sono dei sistemi di entrata/uscita automatici dei prodotti, come ad esempio una tavola rotante con due posizioni. Questi dispositivi consentono di caricare e scaricare il pezzo in modo praticamente istantanea, senza fermo macchina. In testa a queste machine, dato che sono connesse tra loro, é presente uno shuttle (navetta) che consente la sostituzione del pezzo sulla tavola rotante. La navetta si muove su dei binari e trasporta i prodotti posizionandoli in un magazzino dedicato. In posizione perimetrare é sempre presente un magazzino di deposito dei prodotti. Il magazzino rende anche disponibili i prodotti grezzi da lavorare. Queste operazioni eseguite dallo shuttle vengono tutte eseguite in tempo mascherato e considera tutti i tempi indispensabili alla produzione che vengono peré eseguiti contemporaneamente ai tempi truciolo, ovvero i tempi in cui effettivamente le machine operatrici eseguono la lavorazione sul pezzo. II tempo mascherato non aggiunge valore alla produzione. II compito degli operatori nella zona di input/output é alimentare il magazzino e non direttamente le macchine. II magazzino funge quindi da buffer intermedio e ci permette di far lavorare le macchine anche in un tumo non presidiato, quando quindi non sono presenti gli operatori, Serve quindi per massimizzare l'utilizzo dei macchinari. Gli operatori eseguono il carico/scarico dei pallet, infatti i prodotti non vengono messi direttamente all'interno dell’FMS ma vengono trasportati tramite un sistema dedicato chiamato pallet portapezzo. E un supporto di forme differenti su cui viene montato fisicamente il prodotto. Loperazione de! montare il prodotto sul pallet portapezzo si chiama piazzamento. E quindi presente un’altra zona in cui gli operatori eseguono le operazioni di piazzamento, differenti quindi da quelle di carico e scarico. Anche il piazzamento viene eseguito in tempo mascherato. Nel retro dell'FMS @ sempre presente una zona dalla quale vengono sostituiti gli utensili quando il sistema ha calcolato le ore truciolo gid eseguite. Esistono decine di utensili in mecehina guindi “" anche la sostituzione avviene in modo programmato e in tempo mascherato. E inoltre presente la figura del tool-man, un operatore che gestisce la manutenzione degli utensil. In machina gli utensili sono contenuti in un magazzino automat tico che pud aver forme different La forma pit utilizzata ¢ quella a catena che permette di avere ii forme differenti gli utensili che ruotano, Llutensile necessario per la determinata operazione viene inserito nell'afferraggio che @ un braccio robotico. | magazzini utensili possono essere anche statici o a rack: un braccio robotico si muove in orizzontale ¢ in verticale in modo da riuscire a prelevare l'utensile corretto che viene poi montato sul mandrino. Tra una lavorazione e la successiva la gestione dell'utensile avviene sempre in tempo mascherato. Tempi uomo (svincolati dai tempi truciolo grazie al buffer) sono: ~ Piazzamento ~ Carico ~ Scarico Note sul piazzamento: & il montaggio del prodotto sul pallet con una certa orientazione che lo predisponga adeguatamente alla successiva lavorazione che esso subira. Ogni prodotto pud richiedere piazzamenti diversi e oltre a conoscere il numero di piazzamenti é necessario Conoscere la capacita di carico del carico, intesa come numero di pezzi che pud accogliere, ed i ciclo di lavorazione eseguito sul pezzo. ‘SCHEMA DI UN FMS | macchinari tradizionali, pur essendo a controll numerico, non sono propriamente flessibili e lavorano con una produzione a lott. Qx = lotto prodotti di tipo A [ pezzi /lotto] > —Tseruea [ min / setup ] Qs = lotto prodotti ditipo A [ pezzi/lotto] > —Tserurs [ min/ setup ] Q¢ = lotto prodotti di tipo A [pezzi/lotto] > —Tseruec [ min/ setup ] ee di to, sono infatti tut te | vers ot or avorar te La machina tradizionale @ in grado di lavorare ‘ndere un tempo di setup ovvero macchine general purpose, ma devono essere configurate diversi lotti. Quindi prima di ogni lotto produttivo bisogna sper Vattrezzaggio del macchinat Carico macchina ip TEND DL LAVORAZIONE On Qa Qe ‘ennt 1 sew “ET eT ce 1 i i i jimensi di, per la produzione a Nota Bene: il tempo di setup non dipende dalla dimensione del lotto. Quindi, ' lott, conviene lavorare lotti molto grandi per fermare il meno possibile la macchina per cambiare setup e passare ad un diverso lotto. PT (Production Time) = Toa + Tos + Tac UT (Up Time) = PT + Tserura + Tserurs + Tserur.c K4 (coefficiente di utilizzo) = PT / UT A parita di volume produttivo, se aumento il numero di lott diminuisce il K4. . Quindi per un sistema tradizionale di produzione, la situazione ottimale sarebbe avere pochi lotti di grandi dimensioni. II problema é che il paradigma produttivo attuale é di avere dei prodotti non standard ma il pitt possibile personalizzati, per cui quindi si trattano sempre prodotti differenti. II risultato p che la produzione per lotti non & compatibile con il paradigma produttivo modemo e si passa quindi ad utilizzare macchine flessibili per eliminare il tempo di setup (che diventa trascurabile) e poter produrre prodotti personalizzati. Esercizio FMS: = numero di macchine dell-MS indice di prodotto 1, ..., n |= tempo ciclo in machina [min/pezzo] Q.= volume produttivo [pezzi/anno} N= giorni produttivi all'anno [giorni/anno) t= turilgiomno h=ore/tumo pil Pp P3 P4 PS Tmace | 105 [75 6 82 35 e Qprod.volume| 8800 | 5500 | 8250 | 4950 | 10450 = Placements | 3 2 1 3 2 [Placem/ Pallet capacity | 4 4 2 2 2 pe Price __|120.00| 150.00 |” 180.00 | 90.00 | 105.00 “a C_raws__| 25.00| 50.00 | 60.00 | 30.00 | 40.00 oe . ipes [Working days 210 [Daylyear Shift per day 2__|hiday Shift duration 7,5_|bishift |T_placement 3 _|min/place| [T_load/untoad 2__| min/pallt |Efficienza macchina 1 Efficienza operatore| 0,85 TENRO AICHE STO TEMPO DisoMELLE r "Ta. ] N° in + out pallet = = [s Wecacenenrs | [parce fannie] Tin + outtot = Nivsoor paicer ’ Tsineoio wm + out LYN/ANNO] Ceautetsanno] Lawns pacer] N° operatori in + out= T+ ONTOT Teneo AIewLECT Nolo Mopen 60 TEMPO OISFONIAILE D1 UN sWNIGOLO OF FRATOR NOTA BENE: NOW €1 VA te NE TURN AL DENOHINATOR T piazzamento tot= = 1 D [ei Weurcenewrs- Tencous errzenenre | rot N° operatori piazzamento ——— Peraton Nok "Lope “60 [N° Macchine teorico 1377328042 IN° Macchine reale 2 N° In + out pallet 31350 _|pallet/anno 'T In + out tot 62700__|min/anno [N° operatori in+out teorici | 0,780578898 [N° operatori intout reali 1 |T piazzamento tot 244200 IT disponibile un operatore | 80325 |min/anno [N° operatori pinzz teorici | 3,040149393 [N° operatori piazz reali 4 Abbiamo considerato una efficienza dell'operatore dell'85%, il che significa che si ha il 15% di margine. Non valorizziamo il 15% del turno dell'operatore che @ quindi il nostro margine di sicurezza, Ci avanza un 0,4% del tempo dell'operatore che possiamo considerare all'interno del 15% di margine di sicurezza per cui ci rimane un 13.66% di margine di sicurezza residuo. Potrei quindi non arrotondare a 4 il numero di operatori tenendone solamente 3, considerare in un unico insieme g] Icola un numero di remmo che pot epee Un'ulteriore osservazione che possiamo fare put + output. In questo operatori addetti al piazzamento e quelli dell operatori complessivo: + op piazzamento + N° op in¢out = (62700+244200) 180325 = 3,82 NN* op complessivo = stesso lavoro a tutti gli operai e quindi posso utilizzare a variazione del margine di sicurezza. E piu efficiente Non c’é alcun problema a far svolgere lo fo tutti gli operatori hanno lo stesso coefficiente di solamente 4 operati senza mettere in gioco arrotondare dopo la somma. In questo mod utilizzo: C utilizzo = 3,82/4 = 95.5% pauet 347360 ° = 24389 5 450 paLLeT/ GIORNO N° in + out richiesti = 34°350 ~ yuo ye L’azienda lavora su due tun! lavorativi mentre le machine lavorano a ciclo continuo sui due turn, quindi consumano 75 pallet per ciascun turno. ss 33 Ritmo di consumo dei materi pauet —— curva di consumo FHS 450 =~ curva dicayico operat, opzione 1 AALS AP TOANO + 3°37,5 = A42,5 pallet 35 RP TWANO? A-34,5= 24,5 pallet ~—- curva di cavico operat. , opzione 2 A WANO: 43,5 = 450 pallet ° Aa avANo + © operators Come distribuiamo gli operatori sui due turni? E una scelta di tipo manageriale, si 3 operatori nel primo tumno e 1 di notte nel secondo ad esempio. 4 operator inun becca nero fare garantiscono 150 pallet caricati e scaricati, quindi 1 operatore garantisce 150/4 = gerrsizoone 150 9 150/4 = 37,5 pallet / La dimensione del buffer é data dalla massima differenza tra le due cu minima del magazzino a cul si aggiunge un coefficente a sicurezza: ‘max @ a dimensione f scuezza = 1,2 1,5 ma si arriva anche fino a2 Vimogazzno = Volume del magazzino dell'-MS = A max *f sicrezza IL MAGAZZINO I magazzino dellFMS deve svincolare il funzionamento dei macchinari da quello degli operator Gi operatori riempiono il magazzino di pezzi grezzi che a sua volta alimenta le machine. Pud essere che gli operatori carichino il magazzino con tutti i pezzi necessari per intera giornata in unico turno e quindi IMS pué lavorare anche in tempo non presidiato. Determinazione del volume del magazzino con metodo del serbatoio con approccio deterministico: & quello appena visto in cui si trova che le curve di carico degli operatori sono monotone crescent, Peré l'operatore non lavora con una efficienza costante ma il suo rendimento varia in maniera casuale, quindi le attivita manuali possono essere considerate probabilistiche. Determinazione del volume de! magazzino con metodo probabilistico: Le attivitaé manuali possono essere considerate probabilistiche: il tempo delle attivita manuali non & fisso ma @ un tempo medio caratterizzato da una distribuzione di probabilita definita nota la media Mela deviazione standard sigma. f(t) é la distribuzione di probabilita dei tempi di lavoro manuali Hw Dove t @ il tempo della generica attivita manuale, come il tempo di piazzamento o di carico e scarico. Se il tempo in realta é casuale, allora le linee rette viste nel metodo del serbatoio non sono 6 delle rette ma hanno delle oscillazioni, Allo stesso modo vale questo discorso per la curva di consumo delle machine dell'FMS anche le macchine possono richiedere dei M tempi di lavorazione variabili nel tempo a seconda del prodotto. Quindi la retta a pendenza costante in realta rappresenta un comportamento medio che avrebbe in realta pendenze variabil. Per tenere conto di queste variabilita si pud adottare un approccio simulativo, Approccio simulativo con metodo di simulazione Montecarlo: E una simulazione di eventi di tipo stocastico, ovvero manuali. E basato sui numeri casuali (random) 0 anche detti uniformi. La distribuzione di probabilta @ infatti quella uniforme o random in cui la f(t) & costante: Gli eventi con una distribuzione uniforme sono tutti equiprobabili, be lab ae) fs 1 WOT {(t) & la probabilita che evento t si verifichi e F(t) = J 4lodax = probabilita cumulata , che evento sia minore o uguale at A=1 perdefinizione > normalizzazione (ios ae) M ; . ione invertbile F(t) @ monotona crescente oppure crescente a trati, pre'una funzione invert @ comunque sem| b 5 Aleve = PROBABILITA CHE E SIA COMPRESO TRA O E b. (ONE DIONA ATINVITA. on cenTo TEMPO DI ESECUZIONE E \. TewPO Di esecuz la determinata operazione ci . é q(t) Esempio: cronometriamo 'operatore per verificare se vogliono effettivamente 2 min. NVECE € LA PROBABILITA DI ACEADINENTO DL per eseguire OSSERVAZION! ewe Teis Lmin/pezz0] 7 Ae 2 OD Dopo i cronometraggi (63 rilevamenti): si ragiona i modo discreto con degli istogrammi 46 y AL 5 ——=30,48% set hl.bh% B31 3048% gy 26h Fo 43,2% 3 A324 Ft 4045 4 36 8 u Proprieta: probability integral trasform Dimostra che se prendo un num: ‘ero random, chiamato u, appartenent i alloraFevento t= Fu) soe iamato u, appartenente tra 0 e 1 (equiprobabile) la distribuzione di probabilta di f(t). Fle) Lipotesi 8 di conoscere sia laf che la F. La propreta ci dice che se prendo un numero casuale compreso tra 0 e 1 @ ne calcolo la sua funzione inversa F''(u) = segue la distribuzione ai Probabilita di partenza, quindi rispecchiano 'andamento dellevento di partenza Guesto ci aiuta in otica di simulazione: Ia simulazione per defiizione & la produzione di eventi casuali che seguono una certa legge, se la legge da seguire & quella della distribuzione ah Probabilta di partenza ¢ la si vuole riprodurre, questo metodo simulativo é perfetto perche consente di generare fenomeni casuali u con i quali riprodurre il fenomeno che vogio osservare, Senza costi si riescono a simulare le attivité manuali che seguono una cerca distribuzione di Probabilita, come possono essere i carichi e scarichi. Altrimenti dovremmo. Prendere un operatore ed eseguire fisicamente dei carichi e scarichi per misurare effettivamente il tempo di carieo © Scarica. Se l'obiettivo @ riprodurre nell'arco di 8 ore come gli operatori possono caricare e scaricare gli FMS si pud utilizzare questa simulazione semplicemente noti la distribuzione f ¢ Vintegrale F. Come seguire la simulazione, applicazione del Montecarlo Simulation i ie ico / scarico pallet ‘Stiamo eseguendo una campagna sperimentale di osservazioni della realta (carico. nell-MS che rappresenta il frnomeno di interesse). II risultato dell'osservazione 6 il seguente | fi=Fi/n [Prob cumulata 35 | 15,70% 15,70% a7 21,08% 36,77% é1_| 27.35% 64,13% 120 s2_ | 23,32% | 87.44% 2e__| 12,56% | 100,00% 23 | 100% 3/8 |e |x wfalwlofel— is FUNZIONE DI PROBABILITA DISCRETA. “+ Xi 80 AOD AIDA Xe 20 90 400 MO ABO {2 funzione integrale varia a gradino e ogni gradino ha altezza proporzionale alla corrispondente, La funzione integrate é quella che va utlizzata per la simulazione. Se prendo un numer: random u Aopartenente a [0; 1] sullasse delle ordinate e poi tracciando la linea orizzontale inerocie a funzione integrale trovando il corrispondente valore della X: owvero dell'evento (tempo impi Carico / scarico in sec/pallet). femps Fnplegato cl 40.00% 20.00% 0,00% 8 90 Funzione integrale 100 0 120 Tempo medio di esecuzione del carico/scarico &: X= Deed Applicazione della Simulazione Monte Carlo 5 % 5 f=Fi/n_| Prob cumulata| intervalli Monte Carlo 1 80 35 15,70% 15,70% 1570 2 90 47 21,08% 36,77% 3677 3 100 61 27,35% 64,13% 6413 4 110 52 23,32% 87,40% 8744 5 120 2 12,56% 100,00% 10000 223 100% Counter Simulation] Numero random ux 10000] Evento assocatoX | Tempo uomo carico/ scarica [min tot] [Pallet completatl z soa 220 2,000 2 2 2590 0 3.500 2 3 3646 0 3,000 3 4 2452 0 6,500 4 17,000 10 Ora aumentando semplicemente il valore del counter & possibile fare infinite simulazioni senza costi aggiuntivi, Se Xi @ il tempo di carico e scarico in [sec/pallet] & anche possibile calcolare il tempo uomo totale per il carico/scarico e il numero di pallet completati. Questo imulazione Monte Carlo. grafico dei tempi simulati ottenuti dalla sit Pallet completati (0000 000 2000 500000 5.00000 7,600 Tempo medio della simulazione = durata simulazione / numero totale di pallet = 1.7 min ‘pallet. Se ora modifichiamo i numeri random generati, questo valore del tempo medio varia di poco. ANALISI DI REDDITIVITA’ Come é stato gia detto all'nizio, lo studio di fattibilta & suddiviso in 4 fasi: studio del prodotto, studio del ciclo tecnologico, studio dei servizi, analisi di redditivita Della terza fase non vedremo niente in questo corso perché si rimanda all'esame di impianti meccanici svolto alla triennale in cui si sono studiati gli impianti di servizio necessari per |o svolgimento dell'attivita produttiva tecnologica, Costi in base al volume produttivo q sono costanti al variare di q t(@) COSTI FISSI COSTI VARIABILI € a € cs fs | | costi fissi variano a gradino in base ai livelli di produzione. | costi variabili invece aumentano all’aumentare di q. Inoltre, variano in funzione dei cost fissi: se costifissi aumentano, allora i costi variabili si riducono. p0) | COSTI TOTALI | Crom Crome | Dalla curva dei costi totali & possibile ricavare la quantita produttiva di convenienza: ~ Nelrange O-Ala configurazione conveniente é la 1 perché é la curva pill bassa di tutte ~ Nel range A —B la configurazione conveniente é la 2 ~ Per range > B conviene la configurazione 3 Cost in funzione del tempo 1. Costi di installazione (fissi) 2. Costi di esercizio (sia fissi che variabili) ESERCIZIO a INSTALLAZIONE, Andamento dei costi Costi totali (q) = Costi fissi + Costi variabili (q) € Cror (9) E una parabola con concavita verso I'alto perché il costo marginale, derivata del costo totale rispetto alla quantita produttiva, 4 — Cron, a0 Cm(a)= 2S Ler renss] a8 —Cror400 & sempre crescente per il principio dei tendimenti decrescenti: i costi aumentano in proporzione maggiormente rispetto all'aumento della produzione, quindi i rendimento & decrescente. 400 420 Cronl™ gy ee229) « produtivita, 19)" —q i1eosto unitario& i rapport tral costo totale © livello di P + Cyl a ’ gq zo:tias = Cyla) | CE L400 cul) ARBOL'CO rer ae , ‘ W costo unitario non ha un andamento sempre loostente, ma presenza un minimo Per a oe fon é superiormente limitato ‘agli estremi. si dimostra che nel punto di minimo il costo marginale @ uguale al costo unitario: ciay Cun : ac accayda-a- 4: C19) aq q 3 4 4 7 eon Aommace 22 -ciat0 31a) |) Ly omy (4) aa 4 care Ricavi, B= 4° prezzo di vendita [euro/pezzo] P jolume produttivo [pezz/anno] q Utile, U4) = R- Crot La quantita di pareggio é il volume produttivo in corrispondenza del punto di intersezione tra la retta dei ricavi e la curva dei costi ed é quel valore per cui l'utile é pari a O: U(4e)=O &( 4p) = Cror (4) pqs Sel®) 2, pe ela, q — q Tia “a coer ANGOLARE Identifichiamo poi la quantita ottimale che si verifica quando il prezzo di vendita é pari al costo marginale, ovvero quando la retta dei ricavi é tangente alla curva dei costi totali: Aula) — dA _ dCror ane. 8 Set -om> ps Cm (9 one) Un altro punto notevole é la quantita q* che rende minima la curva dei costi unitari O sti unitari quando il costo marginale @ uguale al costo unitario. ema II costo unitario (costo medio) lo si ricava andando ad unire un punto qualsiasi ay The iasi dell con lorigine. Guardando il triangolo che si genera, la pendenza di questo tiangolo reton 0 a espressione del costo medio. ingolo Quando la retta passante per Vorigine, che ha pendenza pari al costo medio, é tangente alla curva dei costi si individua q” e si nota che & ‘sempre compresa tra la quantita di pareggio e la quantita ottimale. % 9 Aon 4 Influenza del tempo sui costi Una stessa quantita di denaro posseduta oggi ha un valore superiore rispetto allo stesso ammontare posseduto tra anni, ° Vo Somma di rate uguali posticipata Ogni somma di denaro va attualizzata, quindi l'attualizzazione di tutte le rate identiche é: Vors| 4. ,—4 wat 2 4h” (ask? Casal” (rsa e (atid + (Aaa) ge # (Aad + (Ata) cONRAGGO MEMBAO A NEHRO: (AL)M= M = (44g) =A => dM = (aaa) a me Me (ed =A quantifca il valore di n rate identiche consecutive periodiche, in questo caso annuali |! valore complessivo delle rate si ottiene come: [usata) Su ae (asi) . (asi -A | Vo @ la somma di denaro iniziale in prestito su n anni di tasso di interesse annuo, che se Moltiplicata per s ci permette di andare a quantificare S, ovvero la rata. i Rata, 5 =Vo-4 Sci permette di passare da € a €/anno. Esempio: n= 5 ANNI = &7% ANNUO Yo = 400°000 & 4 (440,08) + 0,08 + 0,250456 (1+ 0,08) -4 $= Vo-4* 40’ 000 * 0.250456 = 25°045,6 E/ANNO PER 5 ANN! ’ 7 é AUA FINE DEL 5 ANNI HO SpEsO 425°230 € PER “CONPRARE 400" 000 Ammortamento Ela vita ute di un impianto: tutti sistemi produttvi hanno un utilizzo lmitato nel tempo oltre il quale non lavorano piu. Si parla allora di vita fisica legata all’invecchiamento organiee, altro orizzonte temporale di rferimento é la vita utile legata allinvecchiamento economicn Anche se non sono rotti gli impianti non riescono pid a rendere come dovrebbero, producono roppi scarti con un eccessivo consumo energetico che porta alfincremento del prezzo dei prodott Si patla di vita possibile quando pur facendo funzionare rimpianto al massimo, limpianto stesso non soddisfa le richieste di mercato, si parla allora di invecchiamento per inadeguatezza Come vita dell'impianto dobbiamo sempre considerare la minore tra le 3 definizioni date precedentemente, che indichiamo con n, orizzonte temporale di ammortamento. Il tasso di interesse i% @ un concetto legato a quello di: ~ Inflazione (perdita del potere d'acquisto del denaro nel tempo, per acquistare uno stesso bene) ~ Interesse bancario per restituzione di una somma in prestito - Costo di opportunita del capitale, owero I'interesse generato dagli investimenti della nostra azienda ed é il termine maggiore di quelli appena citati. Ammortamento economico a rata costante 1. Se il capitale & nostro, la rata di ammortamento @ la quota di denaro da accantonare per ‘ogni anno di vita deltimpianto cosi da aver accumulato, alla fine della vita utile dello stesso, la quantita di denaro necessaria per ricostruirlo. Indico con A le quote di ammortamento annuo. 2. Se invece il capitale @ in prestito, 'ammortamento é il costo annuo necessario per appianare il debito. ‘Ac= rata costante = qx +1 (€@/anno] con k +) Manni di vita deltimpianto E la somma di due contributi: q« é la quota capitale 1 @ la quota interesse Vo = valore iniziale [€] \; = valore residuo da attualizzare [€] ‘Al secondo membro non compare pil k perché A & costante con k ma i due singol termini sommat non sono costanti ye 4 [Ane te Tas Vega Esempio: investire in un nuovo impianto (FMS) Vo = 1200000 € anni i/= 9% [costo opportunita del capitale] V; = 150000 € Consideriamo un piano di ammortamento economico in § anni: . .09° + 0,0! 40% 0.09_ 0.25409 4,097 - A 450 709 ( 4300 - xe Ac 0,25 9 ( posal k A he % Va - = i= vo=9% * 1200=108,4] _vo-11= 283,44 108 =175,44 | VO- Sql = 1200- 175,44 = 1024,56 a _| 283,44 108,00 175,48 105,00 2 | 283,44 92,21 391,23 833,00 3 | 283,44 75,00 208,44 625,00 a | 283,44 56,24 227,20 396,00 s__| 283,44 35,79 247,65 150,00 Rata di ammortamento 30000Ke __A=cost 250,00 k€ 200,00 ke 150,00 ke 100,00 ke 50,00 ke 0,00 ke 1 2 3 4 5 mLk mak L’andamento della quota interessi cala, mentre 'andamento della quota capitale aumenta, il che significa che quando applichiamo un piano di ammortamento economico a rate costanti, i primi anni nella rata la quota interessi é molto elevata mentre negli ultimi anni 6 molto ridotta nti possiamo versare al nostro creditore la somma Vi in aggiunta alle rate, In made ca dure W Mutuo, owero la rata, negli anni successivi lasciando inalterato il numero ani Altrimenti si pud lasciare la rata inalterata ma diminuisce il numero di Sin del muito, Questa modalité di abbattimento del mutuo, rispetto alla prima, ha il beneficio di evi Pagamento di tutti ° ti ANN Uammortamento é utile perché consente di trasformare un investimento iniziale concentrato in unico istante in un investimento distribuito nel tempo con la rata di ammortamento annua, Uammortamento permette di distribuire il costo di una machina sulla sua vita produttiva, Nota la rata di ammortamento e il lvello di produttivita & possibile determinare incidenza del costo del macchinari sulla produzione: A ¢/,. 1. Flussi di cassa, VAN e PbP | flussi di cassa, Fi, rappresentano il flusso di denaro, nell'stante temporale k, che transita nella nostra azienda. Consideriamo che cid che entra abbia segno positivo e lo chiamiamo disponibitita x, mentre cié che esce lo consideriamo negativo e lo chiamiamo esborso E,, I flusso di cassa é la differenza tra la isponibilita € 'esborso, Fx = Dy - Ex t2.disponiblita & una quantificazione degi utili, cid che & disponibile come bitancio tra ricavi © costi di produzione. L'esborso rappresenta in questo caso un eventuale investimento. Dy = R= Cx con Rx ticavi e Cx costitotali Ri = x * prezzo di vendita Cx=Cy'+T con Cy’ costi di esercizio e Tx e tasse sostenute Tret* Re con ty aliquota fiscale e Rx reddito imponibite Rx = Ry — Ammortamentifscali x ~Interessi passivi sui mutui ,— cy" Atse=itse* Ex COM ise aliquota annuale fiscale (stabilita dallo stato) con Ex esborso speso per un bene Tutti i lussi di cassa vanno attualizzati per rendere tutti risultati confrontabili tra loro. ° 2 a Fa B fe : vine Ee we 2 Cad - (Ha La.somma di tutti flussi di cassa attualizzati rappresenta il VAN, owvero il valore attuale netto: VAN = Y = Le] Da E una misura di quanto un qualsiasi investimento remunera il capitale investito, un utile. lI nostro obiettivo @ quello di avere un VAN positivo. II VAN pud essere utlizzato per confrontare investimenti alternativi: € PbP = PAY BACK PERIOD FoO significa che i ricavi hanno ripagato completamente i cost e si parla in questo i ritorno. Indica quindi quanto tempo é necessario affinché un investimento si Quando VAN = caso di periodo ripaghi "FMS: Riprendiamo I'esercizio d Per determinare il numero di pallet necessario ragioniamo a tempo di copertura, ottenendo il numero di pallet necessari per il funzionamento dell! FMS per il numero di giorni fissato senza necessita di carico 0 scarico dei pallet. Calcoliamo il numero di pallet consumati al giorno e lo mottiplichiamo per il numero di giorni di copertura, in questo caso a 2, ottenendo il numero di pallet che vanno acquistati: a 0 INDICE OL PROCOTO a Now = 2. 0° Caer Wouncenents,i "2 CON b= As Tewvo ot COPERTURA PL P2. PS. pa PS. 10, Tmace 5 | 75 6 82. 3,5__ | min/pes Qprod.volume| 8800 5500 8250 4950 _| 10450 | Pcs/year Placements 3 2 1 3 2 Placem./pcs Pallet capacity! 4 4 2 2 2 pes/pallet Nt pallet 6600 2750 4125 7425_| 10450 | 298,5714286) Possiamo ora quantificare l'investimento iniziale noti: N° macchinari = 2 di cui ognuno ha un costo di 1500 ké/macchina N° operatori = 4 di cui ognuno ha un costo di 33 ké/anno*operatore 'N’ pallet = 300 di cui ognuno ha un costo di 1,5 k€/pallet Costo elettricita di 0,15 @/kWh Potenza elettrica necessaria per ogni macchina 25 kWimacchina nang N La richiesta @ determinare il VAN dopo 4 anni e il PbP: [annoo [Annot [Anno2 [Anno3 [Annoa Ricavi tot 408.750 | 4.908.750€| 4.908.750€ | 4.908.750€ [Costi materie prime 1556.500€[ 1.556.500€| 1.556.500€| _1.556.500€ lkwh/anno 157.500 [Costo energia 23.625€ 23.625 € B65 23.625 € |Costo manodopera 132.000€ | 132.000€ | _132.000€ 132.000€ [Costo macchine+pallet 3.448.500 € JAmmortamenti fiscal aaa.ssoe | 3aa.es0€ | 344.850€ 344.850€ [Reddito imponibile 2.851.775 € [Tasse 1.283.299€[ 1.283.299€[ 1.283.299 | 1.283.296 Ricavitotali= J voLUNe PRODUENO PRE220 01 VENDITA Costi materie prime = vote Provumivd # PAEZZO 01 AcQUISsTO aA ® Costo energia = N° MACCHINE - POTENZA ELETRICA-E +m = KWH a } Asso a &£ ¢€ & = KWh | costo enencia — . Nore /oG ANNO wwh * ano II costo dell'energia ¢ lo stesso per tutti gli anni. Costo manodopera = N° OPERATOR! * cOSTO OPERATORE Ammortamenti fiscali = I'aliquota fiscale vale solo per un determinato numero di anni che si trova facendo 100 / Aliquota fiscale %, in questo caso viene quindi 10 anni. Costo macchina + pallet = vanno ammortizzati su tutti gli anni indicati dalla aliquota fiscale. Basta moktiplicare il costo per la aliquota e mettere questo valore peril numero i anni imposto. Reddito imponibile = ®\CAVI TOTAL - AMMORTANENTI FISCALI = INTERES: PASSIVE SUL MUTUY = cost 01 ESERCI2I0 Tasse = O45 + Rive ° a 2 3 a Disponinttita o 1.913.326 | 1.913.326€| 1.913.326€| _1.913.326€ lEsborsi -3.448.500€ - € Q Ql 0 Flussl -34aa.sooe | 1913.326€| 1913326€| 1sia.a26€| _1913.326€ |Coetf. attualizazione a 10,938967136 | 0,881659283 | 0,827849092 | 0,77323091, lussiattualizzati |-3.4aa.s00€| 1.796.550€| 1.686.902€| _1.583.945€| _1.487.273€ IVAN_k -3.448.500€ | 1.651.950€ 34952€| 1.618.898€| _ 3.106.170€ Disponibilita = aicavi - costs OPERATIVI - TASSE Esborsi = - cost) MacchiNe + PALLET Gli esborsi sono nulli per gli anni successivi al primo. Flussi di cassa = Cisronipitité - eseonsi Coefficiente di attualizzazione = 4/(i 44) i+ OCC costo D1 OPPOATUMITA DEL cAPITALE Flussi attualizzati = FLvss) 01 CASA ® COEFF. ANUALIZ VAN = somma progressiva dei flussi | PbP ¢ rappresentato dall’anno in cui il VAN passa da negativo a positivo, VAN_k 4,000.000€ 2.000.000€ ree = Hf = 3 4 soot i 4,000,000 € anno Esercizio 2 sul VAN: ‘ARNO. [oT 2 7 4 3. — rroducione | 0 7000 | 00 | 300 9.000 | 7.000 |ipzvanncil Sosti energie | "5.000 | 3800] —aa00 | azo 4800 | "3500 Tenner] | tora ing —|—28002__| 30.000 | “20.000 | ~40 000 | ~ao.ooo | a anno} ‘Materie prime | 70m seano | "sano | 90.000 | ro e00 eer Jammortamenti fica] 25.000 | 0.000 | ss.000 55.000 | 55.000 | 25.000 | te/anno} Cinvestimenti ek | ~ 700.060} ~so.006 @ 251000 2 © [ennai] [Ricavi ——£{ _280.000¢€ | 320.000€| 380.000 € 360.000 € J 280.000 | cr 3o000e] 103.500€ |“ 124.000€| ~133.750€ | ass sons 118.500€ R_imponib -—ecooe | 326s00€ [ 141.000€ | 185.250] aso sere 136.500¢ rTasse sooe | eaasee| 9.220 | 77.805€[ — 71610] seas Dk ape eee | 128.370€ [136.7806] —i62.

    Potrebbero piacerti anche