Upload
hoangkhuong
View
217
Download
0
Embed Size (px)
Citation preview
SVEUČILIŠTE U RIJECI
EKONOMSKI FAKULTET
Marika Puhar
RJEŠAVANJE LINEARNOG PROGRAMIRANJA POMOĆU
SOFTVERSKE PODRŠKE WinQSB
DIPLOMSKI RAD
Rijeka 2015
SVEUČILIŠTE U RIJECI
EKONOMSKI FAKULTET
RJEŠAVANJE LINEARNOG PROGRAMIRANJA POMOĆU
SOFTVERSKE PODRŠKE WinQSB
DIPLOMSKI RAD
Predmet: Teorija odlučivanja
Mentor: dr.sc. Alemka Šegota
Student: Ime i prezime Marika Puhar
Studijski smjer: Menadžment
JMBAG: 0081122722
Rijeka, rujan 2015
SADRŽAJ
1. UVOD ................................................................................................................................... 3
1.1. Definicija problema...................................................................................................... 3
1.2. Predmet i cilj istraživanja ............................................................................................. 3
1.3. Metode istraživanja ..................................................................................................... 3
1.4. Struktura rada .............................................................................................................. 4
2. TEORIJSKI PRIKAZ LINEARNOG PROGRAMIRANJA .............................................................. 5
2.1. Definicija linearnog programiranja .............................................................................. 5
2.2. Povijest linearnog programiranja ................................................................................ 5
3. PROBLEM LINEARNOG PROGRAMIRANJA .......................................................................... 6
3.1. Karakteristike problema .............................................................................................. 6
3.2. Faze u rješavanju problema linearnog programiranja ................................................ 7
3.3. Tipovi problema linearnog programiranja .................................................................. 8
3.3.1. Standardni problem linearnog programiranja ..................................................... 8
3.3.2. Kanonski problem linearnog programiranja ........................................................ 9
3.3.3. Opći problem linearnog programiranja.............................................................. 10
4. RAČUNALI PROGRAM WinQSB ............................................................................................. 11
4.1. Definicija računalnog programa WinQSB .................................................................. 11
4.2. Modul za linearno programiranje Linear and Integer Programming ........................ 12
4.2.1. Način korištenja modula za linearno programiranje.......................................... 12
4.2.2. Izbornik File i njegove opcije .............................................................................. 13
4.2.3. Izbornik Edit i njegove opcije ............................................................................. 15
4.2.4. Izbornik Format .................................................................................................. 16
4.2.5. Opcija Solve and Analyze .................................................................................... 17
4.2.6. Izbornik Utility i njegove opcije .......................................................................... 19
4.2.7. Izbornik WinQSB i Izbornik Help......................................................................... 20
5. KORIŠTENJE WinQSB-a U PRIMJENI LINEARNOG PROGRAMIRANJA U PROIZVODNJI ..... 21
5.1. Linearno programiranje u proizvodnji ....................................................................... 21
5.2. Primjeri linearnog programiranja u proizvodnji ........................................................ 22
6. ZAKLJUČAK ........................................................................................................................ 49
LITERATURA .............................................................................................................................. 50
POPIS SLIKA .............................................................................................................................. 53
POPIS TABLICA .......................................................................................................................... 54
3
1. UVOD
1.1. Definicija problema
Proizvodnja je najsloženija faza procesa proizvodnim poduzećima. Kako bi proizvodno
poduzeće uspješno poslovalo potrebno je raspolagati određenim vrstama proizvoda koje
planira proizvoditi te posjedovati plan proizvodnje koji utječe na položaj poduzeća na tržištu.
S obzirom na otežane tržišne uvjete, promjenjivost okoline i konkurenciju, potrebno je ulagati
maksimalne napore za povećanje efikasnosti poduzeća, smanjenje troškova i povećanje
prihoda. Jedan od načina za postizanje tih ciljeva kod proizvodnih poduzeća je kroz primjenu
linearnog programiranja. Linearno programiranje može se rješavati na više načina, međutim
cilj svakog poduzeća je minimiziranje troškova proizvodnje, efikasno iskorištavanje resursa te
maksimizacija prihoda. Zahvaljujući napretku suvremene tehnologije, softverski program
WinQSB olakšava proizvodnim poduzećima rješavanje problema i osigurava poduzeću
siguran opstanak na tržištu.
1.2. Predmet i cilj istraživanja
Predmet istraživanja ovog rada je primjena metode linearnog programiranja i jednostavnost
primjene programa WinQSB u rješavanju različitih problema linearnog programiranja u
proizvodnji.
Cilj rada je prikazati u kojim dijelovima proizvodnje je najefikasnija primjena linearnog
programiranja te koji je najednostavniji način rješavanja nastalih problema.
1.3. Metode istraživanja
Kako bi dokazali cilj i svrhu istraživanja korišteno je više vrsta metoda. Za potrebe ovog rada
korištene su sljedeće metode: deskriptivna metoda, metoda obrade sekundarnih podataka,
metoda analize i sinteze, statističke metode i matematičke metode.
4
1.4. Struktura rada
Diplomski rad je strukturiran tako da se uz uvod i zaključak, sadržaj razrađuje kroz pet
poglavlja. U uvodnom djelu navedena je definicija problema, predmet i cilj istraživanja,
metode istraživanja i struktura rada. U nastavku slijedi objašnjenje pojma linearnog
programiranja i kratak povijesni pregled njegovog razvitka. Drugi dio rada navodi koje su
karakteristike problema linearnog planiranja, faze u rješavanju problema i koji su tipovi
problema linearnog programiranja. U četvrtom djelu opisan je softverski program WinQSB i
način njegove primjene. Peti dio rada kroz primjere prikazuje kako se problemi u proizvodnji
rješavaju putem linearnog programiranja pomoću softverskog programa WinQSB nakon čega
slijedi zaključak.
5
2. TEORIJSKI PRIKAZ LINEARNOG PROGRAMIRANJA
2.1. Definicija linearnog programiranja
Linearno programiranje je grana matematike koja se bavi problemom optimizacije sustava
unutar zadanih ograničenja. (Petkovićek, n.d.)
Pomoću linearnog programiranja rješavamo probleme vezane za linearne kombinacije
nezavisnih varijabli kako bi se uz zadovoljenje postavljenih uvjeta ostvario maksimalan ili
minimalan rezultat. Linearno programiranje je kvanitativna metoda koja omogućuje odabir
optimalnog rješenja uz veći broj raznih alternativnih rješenja.
2.2. Povijest linearnog programiranja
Linearno programiranje je relativno mlada naučna disciplina. Pojavljuje se uoči Drugog
svjetskog rata, iako postoje autori koji tvrde da je nastala znatno ranije. Najveći broj naučnika
smatra da se linearno programiranje pojavilo 1939. godine kada je sovjetski naučnik Leonid
V. Kantorovich, profesor Lenjingradskog fakulteta objavio članak: „Matematičke metode u
organizaciji i planiranju proizvodnje“. ( Stanojević, 1996., p. 12)
Za rješavanje problema linearnog programiranja razvio je George B. Dantzig u toku 1947.
godine jednu od najvažnijih kalkulativnih metoda u novijoj matematičkoj povijesti tzv.
simpleks metodu. (Barković, 2002., p.9).
U periodu 1947.-1949. godine počinje u SAD-u intenzivna razrada linearnog programiranja.
Radovi John von Neumanna su omogućili teoretsko formuliranje dualnog problema, kao i
pronalaženje veze između linearnog programiranja i teorije igara.
(Stanojević, 1996., p. 12)
6
3. PROBLEM LINEARNOG PROGRAMIRANJA
Linearno programiranje predstavlja skup metoda koje se primjenjuju za rješavanje različitih
problema ekonomske prirode. Svi ovi problemi moraju ispunjavati određene komponente da
bi mogli biti riješeni određenom metodom linearnog programiranja.
3.1. Karakteristike problema
Zajedničke kvantitativne komponente svih problema linearnog programiranja su:
1. Linearna veza- u svakom problemu linearnog programiranja mora postojati linearna
zavisnost, linearna veza. U izvorima iz literature ova komponenta je izostavljena te se
smatra da problem optimizacije mora imati samo tri komponente; cilj, alternativne
metode i ograničenja.
2. Cilj- mora biti jasno definiran kako bi postigli željene rezultate rješavanjem problema.
Ovisno o tome kakve se problem analizira, kriteriji problema linearnog porgramiranja
mogu se izraziti prema različitim pokazateljima, kao što je u slučaju minimiziranje
troškova kriterij problema trošak i u slučaju maksmiziranja profita kriterij profit.
3. Alternative- razne alternative moraju biti na raspolaganu za rješavanje problema kako
bi se postigao unaprijed određeni cilj.
4. Ograničenja- ukoliko želimo riješiti problem linearnim programiranjem obavezno
trebaju postojati ograničena sredstva, odnosno ograničene mogućnosti.
Da bi se ekonomski problem mogao tretirati kao problem linearnog programiranja, mora
udovoljiti određenim matematičkim uvjetima i to:
· linearnost funkcije kriterija i sustava jednadžbi odnosno nejednadžbi
· direktnost procesa odnosno aktivnosti
· zbrojivost procesa u utrošku resursa i u fukciji kriterija
7
· proizvoljna djeljivost faktora
· ograničenost broja procesa odnosno aktivnosti i ograničenja
(Radić, 2012)
3.2. Faze u rješavanju problema linearnog programiranja
Postupak u rješavanju problema prolazi kroz sljedeće faze:
1. Izvor problema- prvi korak je odabir problema za rješavanje i njegova analiza,
odnosno ispitivanje karakteristika koje ga određuju. Najvažnija je provjera da li
odabrani problem ima li sve odgovarajuće karakteristike za rješavanje metodama
linearnog programiranja.
2. Izbor metode- u odnosu na izabrani problem i njegove karakteristike vrši se izbor
adekvatne metode linearnog programiranja.
3. Prikupljanje podataka- točnost i valjanost optimalnog rješenja zavisi od točnosti i
istinitosti prikupljenih podataka. Metode linearnog programiranja omogućuju i
olakšavaju pronalaženje jednog od mnogobrojnih rješenja, međutim one ne mogu
poboljšati kvalitetu rješavanja više od kvalitetnih podataka koje sadrži model.
4. Formiranje modela- model treba biti najvjerniji predstavnik problema. On treba
reagirati na sve promjene parametra na isti način kao što bi reagirao stvarni
problem pod utjecajem promjene ograničavajućih faktora. Odabir ograničenih
faktora i njihovo kvantitativno izražavanje traži posebne napore od čitavog niza
različitih stručnjaka, kako bi se omogućilo da se stvarni problem rješava kroz
njegov teoretski matametički model.
5. Rješavanje modela- korištenjem odgovarajuće računske tehnike vrši se rješavanje
modela. Model može biti riješen primjenom odgovarajuće metode linearnog
programiranja.
8
6. Analiza rješenja- ovo je posljednja i najznačajnija faza rada. Od prirode problema i
posebnih ciljeva zavisi izbor metoda za analiziranje optimalnog rješenja. Ispitat će
se mogućnosti i mjere koje treba poduzeti da bi se ovakvo rješenje ostvarilo i u
praksi.
3.3. Tipovi problema linearnog programiranja
Linearno programiranje temelji se na načelima koja zahtijevaju poznavanje više matematike,
no upotreba linearnog programiranja u ekonimiji radne organizacije obuhvaća više nego
poznavanje same tehnike. Razlikujemo tri tipa problema linearnog programiranja: standardni,
kanonski i opći problem. (Radić, 2012, p.2012)
3.3.1. Standardni problem linearnog programiranja
Problem linearnog programiranja općenito može biti ili problem maksimuma ili problem
minimuma.
Standardni problem maksimuma linearnog programiranja je problem u kojem su sva
ograničenja (osim uvjeta nenegativnosti) tipa ≤ odnosno, u općenitom slučaju sa n varijabli
oblika:
Max
≤ , i = 1, 2,..., m
≥ 0, j = 1, 2, ..., n
Dakle standardni problem maskimuma linearnog programiranja ima n varijabli i m
ograničenja koju su sva tipa ≤ . (Babić, 2005., p. 71)
Jednostavniji prikaz standardnog problema maksimuma:
9
maksimizirati Max C'X
uz ograničenja AX ≤ B
X ≥ 0
Svakom problemu maksimuma pridružen je i određeni problem minimuma koji se zove dual
originalnog problema. Ukoliko je početni problem bio problem minimuma, tada je njegov
dual odgovarajući problem maksimuma.
Dual standardnog problema maksimuma je standardni problem minimuma i on glasi:
Min
≥ , i = 1, 2,..., n
≥ 0, i = 1, 2, ..., m
U dualu se javlja samo jedan novi vektor, i to je vektor varijabli Y. Dakle original ima m
ograničanja i n varijabli, dok u dualu imamo n ograničenja i m varijabli, odnosno u originalu
je vektor varijabli X , a u dualu Y . (Babić, 20025., p. 73)
3.3.2. Kanonski problem linearnog programiranja
Kanonski problem linearnog programiranja razlikuje se od standardnog problema u tome da
su sva ograničenja (osim uvjeta nenegativnosti) u obliku jendadžbi. Oblik tog problema za
maksimum glasi:
Max (Min)
AX = B
X ≥ 0
(Baibić, 2005., p. 88)
Standardni problem se uvijek može transformirati u drugi, i obrnuto što znači da je svako
rješenje jednog problema rješenje i drugog problema.
10
Da bismo standardni problem transformirali u kanonski, potrebno je samo nejednadžbu
AX ≤ B
zamijeniti s nejednadžbom
AX + U = B
i dodatnim zahtjevom
U ≥ 0
(Babić, 2005., p. 89)
Vektor U ≥ 0 je nenegativna veličina koja je potrebna zbog pretvorbe nejednadžbe u
jednadžbu. Vektor U je vektor dodatnih ili oslabljenih varijabli, za razliku od vektora X koji
se zove strukutrna varijabla.
3.3.3. Opći problem linearnog programiranja
U općem problemu linearnog programiranja koji naravno može biti problem maksimuma ili
problem minimuma, ograničenja mogu biti bilo kojeg tipa. Dakle, za razliku od standardnog
problema, u ovom slučaju mogu se u istom problemu javiti ograničenja ≤, ≥, ali i jednadžbe.
Pored toga neke varijable mogu, a neke ne moraju imati ograničenja nenegativnosti. (Babić,
2005., p. 108)
Opći problem linearnog programiranja:
Max C'X
≤ , i ɛ S
= , i ɛ
≥ 0, j ɛ T
Iz ograničenja ≥ 0, j ɛ T vidi se da ne zahtijeva nenegativnost svih varijabli, već samo
jednog broja.
11
4. RAČUNALI PROGRAM WinQSB
4.1. Definicija računalnog programa WinQSB
WinQSB (Windows based Quantitative Syystem for Business) je programska podrška
napravljena za Windows sučelje. Specifičnost softvrskog programa WinQSB je što ne dovodi
nužno do najpovoljnijeg rješenja, već do jednog iz skupa dobrih rješenja. Ukupno devetnaest
aplikacijskih modula čine WinQSB a to su: Analiza prihvaćanja uzroka, Prognoziranje i
linearna regresija, Markov proces, Kvadratično programiranje, Ukupno planiranje, Planiranje
cilja, Planiranje materijalnih uvjeta, Shema kontrole kvalitete, Analiza odlučivanja, Teorija i
sustav inventara, Mrežno modeliranje, Upitna analiza, Dinamično programiranje, Poslovno
raspoređivanje, Nelinearno programiranje, Simulacijski sustav čekanja u redu, Položaj i izgled
objekta, Linearno i cjelobrojno programiranje i PERT_CPM.
Slika 1. Aplikacijski modul WinQSB-a
U ovom radu, kroz teoriju i i rješavanje odabranih primjera biti će objašnjen modul linearnog
programiranja i cjelobrojnog linearnog programiranja u proizvodnji.
12
4.2. Modul za linearno programiranje Linear and Integer Programming
Linear and Integer Programming je programski modul koji rješava probleme linearnog
programiranja i cjelobrojnog linearnog programiranja. (Losonczi, 2013)
4.2.1. Način korištenja modula za linearno programiranje
Jedan od lakših načina rješavanja problema pomoću linearnog programiranja je pokretanje
aplikacijskog modula Linear and Integer Programming koji se nalazi u računalnom programu
WinQSB.
Slika 2. Aplikacijski modul Linear and Integer Programming
Nakon pokretanja programa Linear and Integer Programming dolazimo do zaslona na kojem
se nalazi alatna traka File i Help kao što je prikazano na slici 3.
Slika 3. Alatna traka Linear and Integer Programminga
13
4.2.2. Izbornik File i njegove opcije
Izbornik File sastoji se od niza naredbi te su jednake kod svih aplikacijskih modula.
(Losonczi, 2013)
Pokretanjem opcije File i opcije New Problem početak je rješavanja bilo kojeg problema koji
se u ovom slučaju rješava pomoću linearnog i cjelobrojnog linearnog programiranja.
Slika 4. Odabir opcije za rješavanje problema
Nakon odabira opcije New Problem dobivamo tablicu koja je prikazana na slici 5, te unutar te
tablice upisujemo podatke.
Slika 5. Tablica za unos podataka
14
Ovisno o problemu upisujemo i biramo sljedeće opcije:
- Problem Title – odrediti naziv problema
- Number of Variables – odrediti ukupan broj nezavisnih varijabli
- Number of Contraints – odrediti ukupan broj uvjeta
- Objective Criterion – odabrati natpis Minimization ako je cilj problema minimizacija
funkcije cilja
- Objective Criterion – odabrati natpis Maximization ako je cilj problema
maksimizacija funkcije cilja
- Data Entry Format - odabrati natpis Spreadsheet Matrix Form ako podatke želimo
unijeti u obliku proširene tablice zapisane u matričnom obliku
- Data Entry Format – odabrati natpis Normal Model Form ako podatke želimo unijeti
u onom obliku u kakvom su postavljeni u matematičkom modelu
- Default Variable Type – odabrati natpis Nonnegative conntinuous ako se u modelu
pojavljuje jedna necjelobrojna varijabla (nenegativni decimalni brojevi, nenegativni
iracionalni brojevi,...)
- Default Variable Type – odabrati natpis Nonnegative integer ako se u modelu
pojavljuju isključivo nenegativni cijeli brojevi
- Default Variable Type – odabrati natpis Binary (0,1) ako se u modelu pojavljuju
varijable odlučivanja (elementi skupa {0, 1})
- Default Variable Type – odabrati natpis Unsigned/ unrestricted ako se u modelu
pojavljuje varijabla čija vrijednost može biti strogo negativna ( pozitivni i negativni
decimalni brojevi, iracionalni brojevi,...
15
Odabirom opcije OK dobivamo tablicu za unos koeficijenta prikazano na slici 6.
Slika 6. Tablica za upis koeficijenata
Nezavisne varijable označene oznakam X1, X2, X3 upisane su u retku Variable, dok oznake
C1, C2, C3 označuju ukupan broj uvjeta.
4.2.3. Izbornik Edit i njegove opcije
Izbornik Edit sastoji se od niza naredbi koji su karakteristične za sve module softwera dok se
ostatak mijenja s obzirom na korišteni modul. (Losonczi, 2013)
Izbornik Edit sastoji se od niza naredbi koje omogućuju kopiranje i brisanje odabranih
područja, preimenovanje naziva problema, dodavanje sadržaja koji je prenesen na odabarano
područje, uklanjanje odabranih područja i brisanju jedne od navedenih naredbi.
16
Slika 7. Izbornik Edit i njegove opcije
4.2.4. Izbornik Format
Izbornik Format nije ključan izbornik za rješavanje problema. On sadrži naredbe za uređenje
postojećih tablica i podataka. Na slici 8 prikazane su njegove naredbe, te svaka naredba ima
svoju svrhu kao što je promjena format brojeva za tablicu, promjena fonta za proračunsku
tablicu, poravnavanje stupaca ili redaka, promjena visine za odabrane redove i promjena
širine za odabrane stupce.
Slika 8. Izbornik Format i njegove opcije
17
4.2.5. Opcija Solve and Analyze
Kao i svi gore navedeni izbornici, izbornik Solve and Analyze također se sastoji od niza naredi
s određenim funkcijama. Pomoću naredbe Solve the Problem rješavamo problem i
prikazujemo rezultat. Solve and Display Steps Network služi za rješavanje i postepeno
prikazivanje mogućnosti, te Select Initial Solution Method uključuje opcije prikazivanja
rezultata i analize rješenja.
Slika 9. Solve and Analyze za rješavanje problema
.
Obavijest na slici 10 prikazuje pronađeno optimalno rješenje.
18
Slika 10. Obavijest da je rješenje nađeno
Slika 11 prikazuje tablicu s optimalnim rješenjem.
Slika 11. Tablica s optimalnim rješenjem
Nazive nezavisnih varijabli upisuju se u prvom stupcu pod nazivom Decision Variable te su
označene s X1, X2, X3. Drugi stupac odnosno Solution Value prikazuje optimalnu vrijednost
nezavisnih varijabli koje su u ovom slučaju 0 jer u ulaznu tablicu nisu upisani podaci.
Optimalnu vrijednost funkcije cilja koja može biti označena maksimizacijom ili
minimizacijom upisuje se u Objective Function. Contsraint označuje oznake uvjeta koje su
19
upisane u tablicu ulaznih podataka i označene su s oznakama C1, C2, C3. U stupcu pored
upisuju se vrijednosti koje se dobiju uvrštavanjem optimalnih vrijednosti nezavisnih varijabli
uz svaki pojedini uvjet, dok se u stupcu Right Hand Side ispisuju se vrijednosti na desnoj
strani svakog pojedinog uvjeta. Razliku između ta dva stupca, odnosno Left Hand Side i Right
High Side označene su u Slack or Surples. Znak jednakosti vrijedi ako je razlika između njih
jednaka 0. Znak ≥ označava postojenje viška, dok znak ≤ postojenje manjka.
4.2.6. Izbornik Utility i njegove opcije
Izbornik Utility sadrži sljedeće naredbe
· Calculator – kalkulator Windows sustava
· Clock – sat Windows sustava
· Graph/Chart – opći graf i grafički dizajn
(Losonczi, 2013)
Slika 12. Izborik Utility i njegove opcije
20
4.2.7. Izbornik WinQSB i Izbornik Help
Izbornik WinQSB uključuje opciju za prebacivanje na drugi modul bez da se isključi trenutni
modul WinQSB-a.
Slika 13. Izbornik WinQSB i njegove opcije
Izbornik Help sastoji se od:
· Contents – prikaz glavne kategorije pomoći u datoteku za pomoć
· Search for Help on – početak potrage za ključnim riječima u datoteku za pomoć
· How to Use Help – za početak Windows uputa za pomoć
· Help on Current Windows – za prikaz pomoći na trenutnom prozoru
· About the Program – za prikaz kratkih informacija o programu
(Losonczi, 2013)
Slika 14. Izbornik Help i njegove opcije
21
5. KORIŠTENJE WinQSB-a U PRIMJENI LINEARNOG PROGRAMIRANJA U
PROIZVODNJI
U proizvodnim organizacijama proizvodnja je osnovna, najvažnija i najsloženija faza procesa
reprodukcije.
Za pripremu i sam proces proizvodnje vezani su određeni problemi među kojima su:
· Određivanje optimalnog proizvodnog programa
· Odabir optimalnih tehnoloških varijanti
· Određivanje najpovoljnije smjese sirovina
· Optimalno krojenje materijala
· Određivanje liste ukupno potrebnih količina pojednih proizvodnih čimbenika za slučaj
poznate strukture i kvantitativnih pokazatelja proizvodnog programa
· Najpovoljnije opterećenje strojeva
· Određivanje optimalnog unutarnjeg transporta
· Najpovoljniji raspored radnika na radnim zadacima i sl.
(Perić, n.d)
Navedene probleme možemo riješiti na različite načine a najčešća metoda je metoda linearnog
programiranja. WinQSB omogućuje što jednostavnije rješavanje tih problema. U ovom
poglavalju prikazat ćemo način funkcioniranja WinQSB u primjeni proizvodnje putem kojeg
rješavamo probleme linearnom metodom.
5.1. Linearno programiranje u proizvodnji
Područje primjene linearnog programiranja je jako široko i obuhvaća proizvodnju, transport i
distribuciju, marketing, telekomunikacije, financijsko ulaganje i planiranje, raspored
zaposlenika,….(Petkovićek, n.d.) U svim tim problemima koji se rješavaju linearnim
programiranjem obično se radi o optimalnom korištenju ili alokaciji sredstava koja su
raspoloživa samo u ograničenim količinama. (Šafarić, 2014)
22
Kod problema proizvodnje najbitnije je da prihodi ili profiti budu maksimalni uz određenu
količinu i vrstu proizvoda uz najpovoljnije korištenje raspoloživih resursa.
Osnovni zadatak planiranja optimalne proizvodnje primjenom linearnog programiranja sastoji
se u određivanju količina raznih artikla koje jedno ili više udruženih poduzeća mogu
proizvesti uz najpovoljnije korištenje raspoloživih ili novih resursa (radna snaga, tehnologija,
sirovina i materijal) pod uvjetom da je osiguran plasman na tržištu cijelog asortimana
proizvoda. (Petrić, 1979., p 112)
5.2. Primjeri linearnog programiranja u proizvodnji
Primjer 1
Lokalni proizvođač domaćeg sirupa od višanja proizvodi dvije vrste i prodaje ih na lokalnoj
tržnici. Pritom ostvaruje dobit od 5 kuna po litri prve vrste i 4 kune po litri druge vrste sirupa
od višanja. Prva vrsta domaćeg sirupa od višanja zahtijeva 3 kilograma višanja, 4 kilograma
šećera i 2 štapića cimeta. Druga vrsta domaćeg sirupa od višanja zahtijeva 4 kilograma
višanja, 2 kilograma šećera i 1 štapić cimeta. Proizvođač posjeduje 20 kilograma višanja, 18
kilograma šećera i 25 štapića cimeta. Treba plan proizvodnje obiju vrsta tako da pripadna
dobit bude makismalna. Proizvedeni obujam svake vrste sirupa mora biti cjelokupan.
(Knežević, 2013)
Max Z = 5x1 + 4x2
3x1 + 4x2 ≤ 20
4x1 + 2x2 ≤ 18
2x1 + x2 ≤ 25
x1, x2 ≥ 0
Prvi korak je odabir softverskog programa WinQSB kako bi se što efikasnije i brže riješio
problem Primjera 1. Sljedeći korak je odabir modula Linear and Integer Programming. Kako
bi počeli s rješavanjem, potrebno je izabrati opciju File te opciju New Problem.
23
Slika 15. Tablica za unos podataka
. U dobivenu tablicu upisujemo sljedeće podatke:
· naziv problema (Primjer 1)
· broj varijabli (2)
· broj ograničenja (3)
Nakon toga kliknemo na kružiće pored sljedećih natpisa:
· Maximization ( maksimizacija dobiti)
· Nonnegative integer (nenegativni cijeli brojevi)
· Spreadsheet Matrix Form (prikaz u matričnom obliku)
24
Slika 16. Unos podataka za Primjer 1
Nakon odabira opcije OK prikazuje se tablica za upis koeficijenata uz varijable iz modela.
Tablica je prikazana na slici 17.
Slika 17. Tablica za upis koeficijenata iz Primjera 1
25
Koeficijente uz varijable funkcije cilja i uvjete potrebno je unijeti u odgovarajuću tablicu.
U opciju Maximize unose se redom koeficijenti varijable funkcije cilja: 5, 4.
U redak C1 unose se koeficijenti uz varijable X1, X2 u prvom uvjetu: 3, 4, 20.
U redak C2 unose se koeficijenti uz varijable X1, X2 u drugom uvjetu: 4, 2, 18.
U redak C3 unose se koeficijenti uz varijable X1, X2 u trećem uvjetu: 2, 1, 25.
Slika 18. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 1
Klikom na izbornik Solve and Analyze i odabirom opcije Solve the Problem dobiva se tablica
s rješenjima prikazana na slici 19. te se iz nje treba očitati optimalno rješenje ovog problema,
te optimalnu vrijednost funkcije cilja.
26
Slika 19. Izlazna tablica Primjera 1
Optimalno rješenje ovog problema je X1= 4 i X2= 1. Optimalna vrijednost cilja iznosi 24.
Treba proizvesti 4 litre prve vrste domaćeg soka od višanja i 1 litru druge vrste domaćeg soka
od višanja. Optimalna ukupna vrijednost iznosu 24 kune.
Grafički prikaz Primjera 1
Kako bi dobili odgovarajući graf potrebno je kliknuti na ikonicu prikazanu na slici 20.
Slika 20. Ikonica za grafički prikaz
27
Izbornik na slici 21 prikazuje mogućnost odabira koja varijabla može biti na osi x, a koja na
osi y.
Slika 21. Odabir varijabli na osi x i osi y
Varijabla X1 je na vodoravnoj osi (horiznotal axis), dok varijabla X2 na vertikalnoj osi
(vertical axis).
Klikom na OK dobijemo željeni grafički prikaz.
Slika 22. Rezultat grafa Primjera 1
28
Optimalno rješenje ovog problema je X1= 3,20 i X2= 2,60. Optimalna vrijednost cilja iznosi 26,40.
Treba proizvesti 3,20 litre prve vrste domaćeg soka od višanja i 2,60 litre druge vrste
domaćeg soka od višanja. Optimalna ukupna vrijednost iznosu 26,40 kune.
U grafičkoj metodi vrijednosti varijabli su realni brojevi. Iz tog razloga rezultat je različit od
rezultata dobivenim opcijom Solve the Problem. Rezultati dobiveni opcijom Solve the
Problem su cijeli brojevi, dok rezultati grafičkom metodom su decimalni brojevi. Optimalna
dobit prikazana grafičkom metodom veća je za 10% u odnosu na prethodno rješenje.
Primjer 2
Cedevita d.o.o. proizvodi proizvod A (200 g bočice Cedevita naranče), Proizovd B (flaširana
voda Kala 0,5l) i Proizvod C (Rondo rolica bombona). Za 1000 komada proizvoda A
potrebno je 3.1 sati rada radnika i 0.24 sata rada strojeva u Pogonu 1, za proizvod B potrebno
je 0.6 sati rada radnika i 0.08 sata rada strojeva u Pogonu 2 i za proizvod C potrebo je 1.9 sata
rada radnika i 0.24 sata rada strojeva u Pogonu 1. Proizvod A i C proizvode se u Pogonu 1
koji se sastoji od dvije proizvodne linije za vitaminski napitak i bombone od kojih svaka
dnevno može raditi 16h, dok proizvod B se proizvodi u Pogonu 2 koji se sastoji od jednog
stroja koji dnevno može raditi 8 sati. U Pogonu 1 se dnevno radi u 2 smjene od po 8 sati, a u
Pogonu 2 se zbog ograničenja rada stroja radi u jednoj smjeni po 8 sati. Godišnje se proizvede
3 234 000 komada proizvoda A, 757 000 komada proizvoda B i 2 396 000 komada proizvoda
C. Dobit po jedinici proizvoda A, B, C iznosi 7.49 kuna, 2.69 kuna i 1.79 kuna. Dakle dobit
za 1 000 jedinica proizvoda A,B i C iznosi 7 490 kuna, 2 690kuna i 1 790 kuna. Kojom će se
kombinacijom proizvodnje postići maksimalna dobit? (Šafarić, 2014)
29
Tablica 1. Primjer primjene linearnog programiranja u proizvodnji Cedevite
IZRADA PROIZVODI KAPACITETI(h)
A B C
Rad radnika 3.1 0.6 1.9 8
Rad pogona 1 0.24 0 0.24 16
Rad pogona 2 0 0.08 0 8
Dobit po 1000
proizvoda
7 490 2 690 1 790
Izvor: http://e-lib.efst.hr/2014/1136356.pdf
Max (7490x1 + 2690x2 + 1790x3)
3.1x1 + 0.6x2 + 1.9x3 ≤ 8
0.24x1 + 0.24x3 ≤ 16
0.08x2 ≤ 8
x1, x2, x3 ≥ 0
Pokretanjem aplikacijskog modula Linear and Integer Programming problem Primjera 2 biti
će riješen linearnim programiranjem. Kako bi se počelo s rješavanjem tog problema potrebno
je kliknuti opciju File te opciju New Problem.
Slika 23. Tablica za unos podataka
30
U dobivenu tablicu upisujemo sljedeće podatke:
· naziv problema (Primjer 2)
· broj varijabli (3)
· broj ograničenja (3)
Nakon toga kliknemo na kružiće pored sljedećih natpisa:
· Maximization (maksimizacija dobiti)
· Nonnegative continuous (nenegativni decimalni brojevi)
· Spreadsheet Matrix Form (prikaz u matričnom obliku)
Slika 24. Unos podataka za Primjer 2
Nakon odabira opcije OK prikazuje se tablica za upis koeficijenata uz vaijable iz modela.
Tablica je prikazana na slici 25.
31
Slika 25. Tablica za upis koeficijenata iz Primjera 2
U opciju Maximize unose se redom koeficijenti varijable funkcije cilja: 7 490, 2 690, 1 790.
U redak C1 unose se koeficijenti uz varijable X1, X2, X3 u prvom uvjetu: 3.1, 0.6, 1.9, 8.
U redak C2 unose se koeficijenti uz varijable X1, X2, X3 u drugom uvjetu: 0.24, 0, 0.24, 16.
U redak C3 unose se koeficijenti uz varijable X1, X2, X3 u trećem uvjetu: 0, 0.08, 0, 8.
Slika 26. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 2
32
Klikom na izbornik Solve and Analyze i odabirom opcije Solve the Problem dobiva se tablica
s rješenjima prikazana na slici 27. te se iz nje treba očitati optimalno rješenje ovog problema,
te optimalnu vrijednost funkcije cilja.
Optimalne vrijednosti X1, X2 i X3 očitavamo iz stupca Solution Value, a optimalnu
vrijednost funcije cilja iz retka Objective Function (Max.)=.
Slika 27. Izlazna tablica za Primjer 2
Optimalno rješenje ovog problema je za X1= 0.0645, za X2= 1 ,te za X3= 0, dok je optimalna
vrijednost funkcije cilja 3 173.2260.
Dakle za proizvod A treba 0.0645 sati, za proizvod B 1 sat i za model C 0 sati proizvodnje.
Optimalna dobit iznosi 3 173.2260 novčanih jedinica.
33
Primjer 3
Poduzeće „Faisa“ proizvodi 4 tipa futrola za naočale. Proces stvaranja tih futrola sastoji se od
šivanja, ljepljenja i pakiranja. Za futrolu Tipa 1 potrebno je 10 minuta za šivanje, 4 minute za
ljepljenje i 1 minuta za pakiranje. Dobit futrole Tipa 1 je 3.5 kuna. Za futrolu Tipa 2 potrebno
je 12 minuta šivanja, 7 minuta ljepljenja i 1 minuta pakiranja. Dobit te futrole je 4 kune. Za
futrolu Tipa 3 potrebno je 10 minuta za šivanje, 8 za ljepljenje i 2 minute za pakiranje, te
njezina dobit je 4,5 kuna. Za futrolu Tipa 4 potrebno je 11 minuta šivanja, 3 ljepljenja i 2
minute pakiranja. Dobit futrole Tipa 4 je 4, 5 kuna. Vlasnik poduzeća procjenjuje da godišnje
na raspolaganju ima 200 000 minuta za šivanje, 80 000 za ljepljenje te 10 000 za pakiranje.
Koji plan proizvodnje svih vrsta futrola može ostvariti maksimalnu dobit?
Max (13.5x1 + 4x2 + 4.5x3 + 4.5x4)
10x1 + 12x2 + 10x3+ 11x4 ≤ 200 000
4x1 + 7x2 + 8x3+ 3x4 ≤ 80 000
x1 + x2 + 2x3+ 2x4 ≤ 10 000
x1, x2, x3, X4 ≥ 0
Pokretanjem aplikacijskog modula Linear and Integer Programming problem Primjera 3 biti
će riješen linearnim programiranjem. Kako bi se počelo s rješavanjem tog problema potrebno
je kliknuti opciju File te opciju New Problem.
Slika 28. Tablica za unos podataka
34
U dobivenu tablicu upisujemo sljedeće podatke:
· naziv problema (Primjer 3)
· broj varijabli (4)
· broj ograničenja (3)
Nakon toga kliknemo na kružiće pored sljedećih natpisa:
· Maximization (maksimizacija dobiti)
· Nonnegative integer (nenegativni decimalni brojevi)
· Spreadsheet Matrix Form ( prikaza u matričnom obliku)
Slika 29. Unos podataka za Primjer 3
Nakon odabira opcije OK prikazuje se tablica za upis koeficijenata uz varijable iz modela.
Tablica je prikazana na slici 30.
35
Slika 30. Tablica za upis koeficijenata iz Primjera 3
U redak Maximize unose se koeficijenti varijable funkcije cilja: 3.5, 4, 4.5, 4.5.
U redak C1 unose se koeficijenti uz varijable X1, X2, X3, X4 u prvom uvjetu: 10, 12, 10, 11,
200 000.
U redak C2 unose se koeficijenti uz varijable X1, X2, X3, X4 u drugom uvjetu: 4, 7, 8, 3,
80 000.
U redak C3 unose se koeficijenti uz varijable X1, X2, X3 u trećem uvjetu: 1, 1, 2, 2, 10 000.
36
Slika 31. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 3
Klikom na izbornik Solve and Analyze i odabirom opcije Solve the Problem dobiva se tablica
s rješenjima prikazana na slici 32 te se iz nje treba očitati optimalno rješenje ovog problema,
te optimalnu vrijednost funkcije cilja.
Optimalne vrijednosti X1, X2, X3, X4 prikazane su u stupcu Solution Value, a optimalna
vrijednost funcije cilja u retku Objective Function (Max.)=.
Slika 32. Izlazna tablica za Primjer 3
37
Optimalno rješenje ovog problema je za X1= 0, za X2=10 000, X3= 0 te za X4=0, dok je
optimalna vrijednost funkcije cilja 40 000.
Dakle treba proizvesti samo 10 000 komada futrole Tipa 2, dok futrole Tipa 1, Tipa 3, Tipa 4
ne treba proizvesti. Optimalna ukupna dobit iznosi 40 000 novčanih jedinica.
Primjer 4
Poduzeće „Dinokop“ proizvodi kemijske proizvode. U proizvodnji koriste se 3 vrste sirovina
za dobivanje 2 različita tipa proizvoda. U planiranom razdoblju raspoloživost sirovine S1 je
17 kilograma, sirovine S2 8 kilograma i sirovine S3 19 kilograma. Jedan kilogram proizvoda
P1 dobiva se od 0,7 kilograma sirovine S1 i 0,4 kilograma sirovine S3. Jedan kilogram
proizvoda P2 dobiva se od 0,8 kilograma sirovine S1, 0,2 kilograma sirovine S2 i 0,2
kilograma sirovine S3. Jedan kilogram proizvoda P1 prodaje se po cijeni od 200 kuna, a
proizvoda P2 u iznosu od 300 kuna. Proizvodnja jednog kilograma P1 zahtijeva 180 kuna
varijabilnih troškova, dok proizvodnja jednog kilograma P2 zahtijeva 250 kuna. Koliko treba
proizvesti proizvod P1 i proizvod P2 ako je cilj uz raspoložive količine sirovina minimizirati
ukupne troškove proizvodnje?
Tablica 2. Osnovni podaci Primjera 4
P1 P2 OGRANIČENJA
S1 0,7 0,8 17
S2 0,2 8
S3 0,4 0,2 9
CIJENA 200 300
VARIJABILNI
TROŠKAK
180 250
RAZLIKA
(CIJENA – VT)
20 50
Izvor: Izrada autora
38
Min (20x1 + 50x2)
0,7x1 + 0,8x2 ≥17
0,2x2 ≥ 8
0,4x1 + 0,3x2 ≥19
x1, x2 ≥ 0
Pokretanjem aplikacijskog modula Linear and Integer Programming problem Primjera 4 biti
će riješen linearnim programiranjem. Kako bi se počelo s rješavanjem tog problema potrebno
je kliknuti opciju File te opciju New Problem.
Slika 33. Tablica za unos podataka
. U dobivenu tablicu upisujemo sljedeće podatke:
· naziv problema (Primjer 4)
· broj varijabli (2)
· broj ograničenja (3)
39
Nakon toga kliknemo na kružiće pored sljedećih natpisa:
· Minimization (minimizacija troškova)
· Nonnegative integer (nenegativni decimalni brojevi)
· Spreadsheet Matrix Form ( prikaza u matričnom obliku)
Slika 34. Unos podataka za Primjer 4
Nakon odabira opcije OK prikazuje se tablica za upis koeficijenata uz varijable iz modela.
Tablica je prikazana na slici 35.
Slika 35. Tablica za upis koeficijenata iz Primjera 4
U redak Minimize unose se koeficijenti varijable funkcije cilja: 20, 50.
40
U redak C1 unose se koeficijenti uz varijable X1, X2 u prvom uvjetu: 0.7, 0.8, 17.
U redak C2 unose se koeficijenti uz varijablu X2 u drugom uvjetu: 0.2, 8.
U redak C3 unose se koeficijenti uz varijable X1, X2 u trećem uvjetu: 0.4, 0.2, 19.
Slika 36. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 4
Klikom na izbornik Solve and Analyze i odabirom opcije Solve the Problem dobiva se tablica
s rješenjima prikazana na slici 37 te se iz nje treba očitati optimalno rješenje ovog problema i
optimalnu vrijednost funkcije cilja.
Optimalne vrijednosti X1, X2 prikazane su u stupcu Solution Value, dok je optimalna
vrijednost funcije cilja prikazana u retku Objective Function (Max.)=.
41
Slika 37. Izlazna tablica Primjera 4
Optimalno rješenje ovog problema je za X1= 27.5, za X2=40, dok je optimalna vrijednost
funkcije cilja 2 550.
Proizvodnja je optimalna ako ima 27.5 proizvoda P1 i 40 porizvoda P2.
Optimalna proizvodnja stvara se pri minimalnom trošku od 2 550 kuna.
Primjer 5
Tvornica mobitela „Mobil d.d.“ može napraviti jedan mobitel Sony u 3 dana, mobitel
Motorola u 4 dana dok mobitel Nokia u 5 dana. Mobitel Sony prosječno troši 4.7 Watta na
sat, mobitel Motorola 5.7 Watta struje i mobitel Nokia 6.1 Watta struje na sat. Propisani
prosjek potrošnje je 4.5 Watta na sat. „Mobil“ ostvaruje gubitak od 500 novčanih jedinica na
svakom Sony-u, te dobit od 1 000 i 3 000 za Motorolu i Nokiu. Koliku maksimalnu dobit
može „Mobil“ ostvariti proizvodnjom svih 3 mobitela u najviše 300 jedinica vremena uz uvjet
da su varijable X1, X2, X3 nenegativni cjeli brojevi?
42
Max (- 500x1 + 1000x2 + 3000x3)
3x1 + 4x2 + 5x3 ≤ 300
≤ 4.5
4.7x1 + 5.7x2 + 6.1x3 ≤ 4.5 (x1 + x2 + x3)
4.7x1 + 5.7x2 + 6.1x3 ≤ 4.5x1 + 4.5x2 + 4.5x3
4.7x1 + 5.7x2 + 6.1x3 - 4.5x1 - 4.5x2 - 4.5x3 ≤ 0
-0.2x1 + 1.3x2 + 1.6x3 ≤ 0 /( - )
5x1 -3x2 - 4x3 ≥ 0
x1,x2,x3 ɛ
Pokretanjem aplikacijskog modula Linear and Integer Programming problem Primjera 5 biti
će riješen linearnim programiranjem. Kako bi se počelo s rješavanjem tog problema potrebno
je kliknuti opciju File te opciju New Problem.
Slika 38. Tablica za unos podataka
43
U dobivenu tablicu upisujemo sljedeće podatke:
· naziv problema (Primjer 5)
· broj varijabli (3)
· broj ograničenja (2)
Nakon toga kliknemo na kružiće pored sljedećih natpisa:
· Maximization ( maksimizacija dobiti)
· Nonnegative integer (nenegativni cijeli brojevi)
· Spreadsheet Matrix Form (prikaz u matričnom obliku)
Slika 39 : Unos podataka za Primjer 5
Nakon odabira opcije OK prikazuje se tablica za upis koeficijenata uz varijable iz modela.
Tablica je prikazana na slici 40.
44
Slika 40. Tablica za upis koeficijenata iz Primjera 5
Koeficijente uz varijable funkcije cilja i uvjete potrebno je unijeti u odgovarajuću tablicu.
U opciju Maximize unose se redom koeficijenti varijable funkcije cilja: - 500, 1000, 3000.
U redak C1 unose se koeficijenti uz varijable X1, X2 u prvom uvjetu: 3, 4, 5, 300.
U redak C2 unose se koeficijenti uz varijable X1, X2 u drugom uvjetu: 5, -3, -4, 0.
Slika 41. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 5
45
Klikom na izbornik Solve and Analyze i odabirom opcije Solve the Problem dobiva se tablica
s rješenjima prikazana na slici 42. te se iz nje treba očitati optimalno rješenje ovog problema,
te optimalnu vrijednost funkcije cilja.
Slika 42. Izlazna tablica Primjera 5
Optimalno rješenje ovog problema je X1= 32, X2= 0 i X3= 40. Optimalna vrijednost cilja
iznosi 104 000.
Dakle treba proizvesti 32 mobitela marke Sony i 40 mobitela marke Nokia. Mobitel marke
Motorola ne treba proizvesti. Optimalna ukupna dobit iznosi 104 000 novčanih jedinica.
Primjer 6
Primjer 5 također možemo riješiti bez pretpostavki o cjelobrojnosti broja proizvedenih
mobitela. Primjer 6 je jednako koncipiran kao i Primjer 5 uz jedinu razliku da varijable X1,
X2, X3 mogu biti decimalni brojevi. Usporedimo rješenje Primjera 5 i Primjera 6.
Primjer 5 pohranili smo tako da u izborniku File odabremo opciju Save Problem.
46
Slika 43. Opcija Save the Problem
U izborniku File nalazi se opcija Load the Program koja nam omogućuje mijenjanje tipa
varijabli.
Slika 44. Opcija Load the Program
Kako bi dobili varijablu Nonegative Continuous umjesto Nonnegative integer potrebno je
dvostruko kliknuti na ćeliju Varijable Type.
47
Slika 45. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 6
Klikom na izbornik Solve and Analyze i odabirom opcije Solve the Problem dobiva se tablica
s rješenjima prikazana na slici 46. te se iz nje treba očitati optimalno rješenje ovog problema,
te optimalnu vrijednost funkcije cilja.
Slika 46. Izlazna tablica Primjera 6
48
Optimalno rješenje ovog problema je X1= 32.4324 X2= 0 i X3= 40.5405 Optimalna
vrijednost cilja iznosi 105 405.40.
Optimalna dobit u Primjeru 6 veća je za 1.35%. U slučaju zaokruživanja varijabli X1, X2, X3
na cijele brojeve ne dobijemo jednako rješenje kao u Primjeru 5. Razlika u rješenjima je
također u stupcu Slack or Surplus. U Primjeru 6 vrijednost je jednaka 0, jer je znak
nejednakosti moguće zamijeniti u svakom uvjetu sa znakom jednakosti a da se rješenje pritom
ne promijeni. U Primjeru 5 vrijednost je jednaka 4 što znači da takvu zamjenu je nemoguće
napraviti.
49
6. ZAKLJUČAK
Linearno programiranje od sredine prošlog stoljeća predstavlja standardni pristup koji je
uštedio stotine tisuća, pa i milijuna kuna velikom broju poduzeća i to ne samo velikih.
Njegova primjena se sve više širi i na druga područja izvan okvira ekonomije. Da bismo
dobili predodžbu o korisnosti i upotrebljivosti spomenute metode dovoljno je reći da se u
današnje vrijeme približno 65% svih svjetskih znanstvenih proračuna na računalima vezuje u
manjoj ili većoj mjeri za linearno programiranje.
Linearno programiranje je od svih metoda matematičkog optimiranja najviše izraženo u
proizvodnji i na tom području postoje mnoge modifikacije i tehnike. Zbog suvremenih
metoda primjena linearnog programiranja u proizvodnji obogaćuje se novim tehnologijama i
tehnikama u rješavanju problema. Zahvaljujući tim suvremenim metodama i sve većem
razvoju moderne tehnologije nastao je softverski program WinQSB.
WinQSB doprinosi razvoju kvanitativnih metoda u menadžmentu i pomaže u rješavanju
problema na području operacijskih istraživanja. Primjena WinQSB značajna je za svako
poduzeće jer smanjuje troškove, olakšava administrativne poslove, povećava produktivnost i
odluke poduzetnika čini bržim, djelotvornijim i uspješnijim. Nažalost, stručnjaci tvrde da
WinQSB nije doživio očekivani „procvat“ . Uvođenje takvog sustava dovodi do
organizacijskih promjena u poduzeća i zahtijeva promjenu u postojećem radu. Također,
WinQSB nije rašireni program, rijetko ga se koristi zbog nedovoljne informiranosti s toga
poduzetnici smtaraju taj program nepovjerljivim.
U ovom radu riješeni su primjeri koji nastoje dati što detaljniji prikaz korištenja WinQSB u
rješavanju problema linearnog programiranja vezanim uz probleme planirane proizvodnje.
Svrha ovog rada je prikazati korisnost, jednostavnost i pouzdanost WinQSB bez obzira na
smanjenu učestalost njegovog korištenja u praksi.
50
LITERATURA
1) KNJIGE
1. Babić, Z 2005, Linearno programiranje, Sveučilište u Splitu, Split.2.
2. Brajdić, I 2006, Matematički modeli i metode poslovnog odlučivanja, Fakultet za
turistički i hoteljerski menadžment u Opatiji, Opatija.3.
3. Barković, D 2002, Operacijska istraživanja, Sveučilište Jurja Strossmayera u
Osijeku, Osijek.
4. Chang, L 1998, WinQSB – Decision Suport Softwere for MS/OM, John Wiley &
Sons, New York.
5. Petrić, J 1979, Operaciona istraživanja, Suvremena administracija, Beograd.
6. Stanojević, R 1966, Linearno programiranje, Institut za ekonomiku industrije,
Beograd.
2) ČLANCI
1. Bastijanović, M, Mataija, M & Rakamarić Šegić, M, 2013, „Matematičke metode
u funkciji analize i ocjene poslovanja“, Zbornik Veleučilišta u Rijeci, Vol 1, no. 1,
pp 200-227.
3) INTERNETSKI IZVORI
1. Galetić, F 2010, Modeliranje – vježbe na računalima, Ekonomski fakultet u
Zagrebu, Zagreb, pogledano 24 ožujka 2015,
<http://web.efzg.hr/dok/EPO/fgaletic//02vjezbe-racunala.pdf >
51
2. Kovačić, M 2013, „Primjena linearnog programiranja u planiranju porizvodnje“,
diplomski rad, Veleučilište u Požegi, Požega, pogledano 11 veljače 2015
<http://bkovacic.weebly.com/uploads/7/4/0/7/7407552/diplomski_rad_-
_monika_knezevic.pdf>
3. Losonczi, L 2013, Applications of WinQSB, pogledano 20 ožujka 2015,
http://riemann.math.klte.hu/~losi/jegyzet/eco/WinQSBappl.pdf
4. Magdić, D 2011, Osnovne primjene metode linearnog programiranja, Sveučilište
Josipa Jurja Strossmayera u Osijeku, Osijek, pogledano 16 travnja 2015,
<http://zpi.ptfos.hr/modeli/images/files/skripte/Osnove%20primjene%20metode%
20linearnog%20programiranja_dio%20I.pdf>
5. Palian, M n.d., Problem linearnog programiranja pomoću simpleks metode i
WinQSB programa, pogledano 27 ožujka 2015,
<http://www.scribd.com/doc/57730323/problem-linearnog-programiranja-
simpleks-metoda-i-winqsb>
6. Perić, T n.d., Linearni model proizvodnje, pogledano 11 veljače 2015
<http://web.efzg.hr/dok/mat/svlah/Linearni%20model%20proizvodnje.pdf>
7. Petkovićek, D n.d., Linearno programiranje, pogledano 16 travnja 2015,
<http://matematika.fkit.hr/staro/izborna/referati/Daniela%20Petkovicek%20-
%20Linearno%20programiranje.pdf>
8. Radić, J 2012, „Linearno programiranje i višekriterijalno odlučivanje u proizvodnji
– tvornica stočne hrane“, diplomski rad, Veleučilište u Požegi, Požega, pogledano
28 siječnja 2015, <http://e-lib.efst.hr/2012/2092638.pdf>
9. Scitovski, R, Vazler, I & Briš, M 2013, Kvantitativne metode za poslovno
odlučivanje, pogledano 29 siječnja 2015,
<https://www.mathos.hr/~scitowsk/Kvantitativne/Materijali/LP.pdf >
52
10. Šafarić, B 2014, „Primjena linearnog programiranja u porizvodnji“, diplomski rad,
Sveučilište u Splitu, Split, pogledano 14 veljače 2015, <http://e-
lib.efst.hr/2014/1136356.pdf>
53
POPIS SLIKA
Slika 1. Aplikacijski modul WinQSB-a
Slika 2. Aplikacijski modul Linear and Integer Programming
Slika 3. Alatna traka Linear and Integer Programminga
Slika 4. Odabir opcije za rješavanje problema
Slika 5. Tablica za unos podataka u matematičkom obliku
Slika 6. Tablica za upis koeficijenata
Slika 7. Izbornik Edit i njegove opcije
Slika 8. Izbornik Format i njegove opcije
Slika 9. Solve and Analyze za rješavanje problema
Slika 10. Obavijest da je rješenje nađeno
Slika 11. Tablica s optimalnim rješenjem
Slika 12. Izbornik Utility i njegove opcije
Slika 13. Izbornik WinQSB i njegove opcije
Slika 14. Izbornik Help i njegove opcije
Slika 15. Tablica za unos podataka
Slika 16. Unos podataka za Primjer 1
Slika 17. Tablica za upis koeficijenata iz Primjera 1
Slika 18. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 1
Slika 19. Izlazna tablica Primjera 1
Slika 20. Ikonica za grafički prikaz
Slika 21. Odabir varijabli na os x i os y
Slika 22. Rezultat grafa Primjera 1
Slika 23. Tablica za unos podataka
Slika 24. Unos podataka za Primjer 2
Slika 25. Tablica za upis koeficijenata iz Primjera 2
Slika 26. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 2
Slika 27. Izlazna tablica Primjera 1
Slika 28. Tablica za unos podataka
Slika 29. Unos podataka za Primjer 3
Slika 30. Tablica za upis koeficijenata iz Primjera 3
Slika 31. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 3
Slika 32. Izlazna tablica za Primjera 3
54
Slika 33. Tablica za unos podataka
Slika 34. Unos podataka za Primjer 4
Slika 35. Tablica za upis koeficijenata iz Primjera 4
Slika 36. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 4
Slika 37. Izlazna tablica za Primjera 4
Slika 38. Tablica za unos podataka
Slika 39. Unos podataka za Primjer 5
Slika 40. Tablica za upis koeficijenata iz Primjera 5
Slika 41. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 5
Slika 42. Izlazna tablica Primjera 5
Slika 43. Opcija Save the Problem
Slika 44. Opcija Load the Program
Slika 45. Tablica s koeficijentima funkcije cilja i uvjeta u Primjeru 6
Slika 46. Izlazna tablica Primjera 6
POPIS TABLICA
Tablica 1. Primjer primjene linearnog programiranja u proizvodnji Cedevite
Tablica 2. Osnovni podaci Primjera 5
55