Upload
sinisa-svoger
View
52
Download
7
Embed Size (px)
DESCRIPTION
Kvant. metode
Citation preview
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 1/23
4 RAUNALNA POTPORA
Primjena raunalnih programa kao pomo pri donoenju odluka i obradi velikog broja
podataka, veoma je znaajna. Na tritu se nalazi jako veliki broj raunalnih programa koji se
koriste pri rjeavanju problema linearnog programiranja. U nastavku e biti opisana primjena
nekih raunalnih programa, dok e alat Rjeava u Microsoft Excel-u i Optimizacijski alat
programskog sustava MATLAB biti detaljnije opisani.
4.1 OPIS NEKIH RAUNALNIH PROGRAMA
LINDO (engl. Linear Interactive and Discrete Optimizer) je raunalni programski paket koji
se moe koristiti za rjeavanje problema linearnog i nelinearnog programiranja, te
cjelobrojnog programiranja. Razvijen je 1980. godine i od tada je prilagoen Windows
okruenju i grafiki orijentiranim programima. LINDO zahtijeva pisanje matematikog
modela, koji se zatim rijei pomou rjeavaa. U modelu se pojavljuju funkcija cilja koja
poinje oznakama min ili max, te ogranienja (subject to, such that).
Na slici 4.1 prikazan je nain pisanja matematikog modela u programu LINDO.
max 10P1+12P2! funkcija cilja
subject to! naredba koja povezuje funkciju cilja
! s ogranienjima
2P1+6P2
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 2/23
LP OPTIMUM FOUND AT STEP 2
OBJECTIVE FUNCTION VALUE (vrijednost funkcije cilja)
1) 545.0000
VARIABLE VALUE REDUCED COST (vrijednosti varijabli)
P1 12.500000 0.000000
P2 35.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES (dopunske varijable)
2) 5.000000 0.000000
3) 0.000000 1.000000
4) 882.500000 0.000000
5) 10.500000 0.000000
6) 0.000000 7.000000
7) 12.500000 0.000000
8) 35.000000 0.000000
NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
(mogue promjene koeficijenata u funkciji cilja i desne strane ogranienja, za koje se baza nee promijeniti)
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
P1 10.000000 14.000000 10.000000
P2 12.000000 INFINITY 7.000000
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 240.000000 INFINITY 5.000000
3 300.000000 25.000000 125.000000
4 1000.000000 INFINITY 882.500000
5 23.000000 INFINITY 10.500000
6 35.000000 1.000000 21.000000
7 0.000000 12.500000 INFINITY
8 0.000000 35.000000 INFINITY
Slika 4.2 Izvjetaj o dobivenim rezultatima rijeenog modela
Na slici 4.3 dan je i grafiki prikaz za vrijednosti varijabli P1 i P2.
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 3/23
Slika 4.3 Grafiki prikaz vrijednosti varijabli
MPL (engl. Mathematical Programming Language) je raunalni program, tj. algebarski
programski jezik za modeliranje i pronalaenje optimalnog rjeenja problema koji se mogu
opisati kao linearni i nelinearni. Definirani modeli u MPL-u, prevode se u matrini oblik i
mogu biti rijeeni nekim od mnogobrojnih komercijalnih rjeavaa koji su danas dostupni na
tritu (na primjer CPLEX, XPRESS, GUROBI, LPSolve, LGO, KNITRO, CONOPT, ).
Od ovih rjeavaa vrlo esto koriten je CPLEX rjeava. Primarno je MPL namijenjen
rjeavanju problema linearnog programiranja, ali se mogu rjeavati i nelinearni problemi. Pri
tome se moraju koristiti nelinearni rjeavai (na primjer LSGRG2, CONOPT).
Da bi se mogli rijeiti problemi linearnog programiranja potrebno je oblikovati datoteku s
matematikim modelom (Model File). Datoteka s matematikim modelom je tekstualna
datoteka, koja se moe kreirati pomou MPL editora ili nekog drugog tekst editora. Cilj
proizvoaa ovoga raunalnog programa je da ulazni podaci, tj. datoteka s matematikim
modelom izgleda to slinije modelu koji je ovjek napisao na papiru. Datoteka se sastoji od
tri dijela: naziv modela, definiranje problema (dimenzije problema, podaci, varijable, makro
naredbe) i matematiko strukturiranje problema (funkcija cilja, ogranienja, gornje i donje
granice za varijable, cjelobrojne varijable, binarne varijable ). Podaci se mogu izravno
definirati u ovoj datoteci ili se mogu itati iz drugih datoteka ili baza podataka, a dobivena
rjeenja se takoer mogu iz MPL-a vratiti natrag u bazu podataka. Na slici 4.4 prikazan je
najjednostavniji nain pisanja matematikog modela u programu MPL.
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 4/23
TITLE
Optimalni_proizvodni_program;
MAX
10P1+12P2;
SUBJECT TO
2P1+6P2
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 5/23
Slika 4.6 prikazuje vrijednosti funkcije cilja u prvoj i drugoj iteraciji.
Slika 4.6 Poveavanje vrijednosti funkcije cilja svakom sljedeom iteracijom
Program LPE Kalpi, Mornar za linearno programiranje razvijen je na Zavodu za
primijenjenu matematiku Fakulteta elektrotehnike i raunarstva u Zagrebu. Ulazni podaci za
program LPE pohranjuju se u slijednu formatiziranu datoteku. Mogue je dobiti i izvjetaj o
analizi osjetljivosti koji ukljuuje: utjecaj promjene koeficijenata u funkciji cilja na optimalno
rjeenje, te utjecaj jedininog porasta ili smanjenja pojedine varijable na vrijednost ostalih
varijabli i funkcije cilja. Zanimljivi su podaci za one kapacitete koji su na granici i koji
predstavljaju usko grlo. Na slici 4.7 prikazan je nain pisanja matematikog modela u
programu LPE.
* OPTIMALNI PROIZVODNI PROGRAM
* ULAZNI PODACI ZA PROGRAM:
* Strojno vrijeme:
P1 STROJ ..1 2.
P2 STROJ ..1 6.
P1 STROJ ..2 10.
P2 STROJ ..2 5.
P1 MATERIJ 1.
P2 MATERIJ 3.
* Maksimalna dobit:
P1 DOBIT 10.
P2 DOBIT 12.
* Ogranienja:
UP STROJ ..1 240.
UP STROJ ..2 300.
UP MATERIJ 1000.
LO P1 0.
LO P2 0.
UP P1 23.
UP P2 35.
Slika 4.7 Nain pisanja modela u programu LPE
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 6/23
Na tritu se nalazi jo puno razliitih raunalnih programa za rjeavanje problema
optimiranja (na primjer algebarski jezik za modeliranje linearnih i nelinearnih optimizacijskih
problema, naziva AMPL (engl. A Modelling Language for Mathematical Programming).
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 7/23
4.2 ALAT RJEAVA U MS Excel-u
Program Microsoft Excel (u daljnjem tekstu Excel) je proizvod tvrtke Microsoft, a dio je
integriranog sustava Microsoft Office, koji obuhvaa programe, posluitelje, servise i razliita
rjeenja poslovnih problema.
Od programa u sustavu MS Office u koje se ubraja i MS Excel, poznati i esto koriteni su jo
i Word (program za obradu teksta), PowerPoint (program za prezentacije), Access (program
za upravljanje bazama podataka), Outlook (program za komunikaciju i osobne informacije),
Visio (program za crtanje dijagrama), FrontPage (program za oblikovanje web stranica),
Suelja nekih od programa prevedena su i na hrvatski jezik (Excel, Word, PowerPoint).
Excel je program za analizu, upravljanje i prikazivanje podataka i rezultata. Podaci su
prikazani tablino, a osnova Excela-a je rad s proraunskim tablicama.
Radna povrina ili osnovni prozor Excel-a sadri naslovnu traku "Microsoft Excel radna
knjiga", traku izbornika, alatnu traku, traku formula, prozor radne knjige (biljenice) i jahae
radnih listova (stranica). Radna knjiga (book) je osnovna datoteka Excel-a, a sastoji se od
radnih listova (sheet), a svaki radni list se sastoji od elija (cells). Jedna elija se nalazi na
presjeku stupca oznaenog slovom i retka oznaenog brojem, te se na taj nain i adresira.
elija predstavlja osnovu za upis podataka i formula, koji se mogu ureivati na traci formule.
Traka formula, radna knjiga, radni listovi i elije su upravo karakteristike po kojima je Excel
prepoznatljiv.
Osnovna struktura i mogunosti Excel-a su sljedei:
- grafikoni mogunost prikazivanja podataka i rezultata prorauna pomou
dvodimenzionalnih i trodimenzionalnih grafikona, jedna je od najee koritenih
mogunosti Excela. Na slici 4.8 je prikazan jedan grafikon.
- stvaranje grafikih objekata mogunost stvaranja vlastitih crtea ili koritenje
unaprijed definiranih gotovih oblika
- rad s bazama podataka (pretraivanje baze, razvrstavanje podataka u bazi na osnovi
odreenih kriterija, podskupine, stoerne tablice, )
- alati Excel-a (Rjeava (Solver) alat za optimizaciju, statistika analiza, funkcije i
suelja za znanstvenu i financijsku obradu podataka, )
- Visual Basic for Applications (VBA) u Excel-u se za izradu makronaredbi (za esto
izvoenje odreenog zadatka) i kreiranje vlastitih funkcija koristi programski jezik
Visual Basic (objektno-orijentirani programski jezik). U VB Editor-u oblikuje se
modul s naredbama i komentarima koji se moe pozivati i mijenjati kada je potrebno.
- prorauni pomou formula, funkcija (unaprijed definirane formule: statistike,
matematike, tehnike, financijske, ) i korisnikih (vlastitih) funkcija (funkcijske
procedure pisane u Visual Basic-u). Vano je napomenuti da se formule piu sa
znakom = na poetku elije.
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 8/23
0%
20%
40%
60%
80%
100%
0% 20% 40% 60% 80% 100%
Kumulativni zbroj udjela dijelova
Ku
mu
lati
vn
i zb
roj
ud
jela
tro
ko
va
Slika 4.8 Grafiki prikaz podataka u Excel-u
Kada se spomene program Excel, osnovna asocijacija su lijepi vizualni prikazi podataka
dobiveni na jednostavan nain. Program moe posluiti i za rad s bazama podataka, a mogu se
koristiti i odreene vrsta alata (optimizacija, statistika), ali ipak nije mu to primarna funkcija.
Meutim, prisutnost Excel-a na gotovo svakom raunalu i relativno niska cijena nasuprot
skupim specijaliziranim programima, posluit e pri rjeavanju i takvih problema na sasvim
zadovoljavajui nain.
Excel, pored svoje primarne funkcije (rad s proraunskim tablicama) ima i neke alate za
rjeavanje problema iz odreenog podruja. Jedan od tih alata je i Solver (Rjeava) kao alat
za optimizaciju. To je dodatak Excel-u i ako se radi o standardnom Excel Solver-u, neke od
njegovih karakteristika su sljedee:
- rjeavanje problema linearnog, nelinearnog i cjelobrojno-mjeovitog programiranja
- 200 varijabli, 200 ogranienja za linearno programiranje,
- 200 varijabli, 100 ogranienja za nelinearno programiranje,
- izvjetaji Answer, Sensitivity i Limits.
Rjeavai Premium Solver i Premium Solver Platform imaju vee mogunosti (i do 2000
varijabli, 8000 ogranienja, puno vea brzina rjeavanja, puno vei broj ponuenih izvjetaja,
).
U nastavku e biti opisana primjena Rjeavaa za rjeavanje problema linearnog
programiranja. Alat Rjeava poziva se naredbom Rjeava (Solver) u izborniku Alati (Tools).
Kako je suelje Excel-a prevedeno na hrvatski jezik koristit e se hrvatski prijevodi uz
navoenje originalnih engleskih naziva u zagradi.
Osnova Excela je elija te e i parametri Rjeavaa (Solver Parameters), slika 4.9 (ulazne
vrijednosti) biti vezani za pojedinu eliju. Stoga su strukturne varijable definirane kao
mijenjane elije (changing, adjustable cells). Jedna od karakteristika Rjeavaa je
postavljanje varijabli na poetne vrijednosti. Jednostavnim mijenjanjem vrijednosti u elijama
sa strukturnim varijablama, automatski se moe vidjeti promjena vrijednosti elija u koje su
upisane funkcije cilja - ciljna elija (target cell) i ogranienja (constraints). Funkcija cilja i
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 9/23
ogranienja moraju se pisati prema pravilima za formule, tj. na poetku se mora staviti
znak jednakosti.
Slika 4.9 Parametri Rjeavaa
U Rjeavau se moe definirati (slika 4.10):
- najdulje vrijeme (max. time) za postupak rjeavanja; za rjeavanje jednostavnijih
problema dovoljno je definirati krae vrijeme
- maksimalni broj iteracija, odnosno koraka (iterations) do postizanja optimalnog
rjeenja
- razina tonosti (precision) rjeenja, kojom se definira dovoljna tonost; zahtijevana
manja tonost e biti za broj s manje decimala, a vea tonost za broj s vie decimala,
na primjer jednakost lijeve i desne strane ogranienja za odreeno rjeenje
- tolerancija (tolerance) za koju se funkcija cilja moe razlikovati od optimalne, a da to
bude prihvatljivo za cjelobrojna rjeenja; obzirom da je postupak rjeavanja
cjelobrojnih problema sloeniji, uz manju toleranciju, vrijeme rjeavanja e biti dulje,
a to je vea tolerancija, problem e se krae rjeavati
- konvergencija (convergence) koja se zadaje za rjeavanje nelinearnih problema i koja
kazuje kada je potrebno prekinuti rjeavanje, za posljednjih pet iteracija; manja
postavljena vrijednost konvergencije, znai i dulje vrijeme rjeavanja
- pretpostavka za linearni model (assume linear model) koja smanjuje vrijeme
rjeavanja; ako se ne pretpostavi linearni modela za linearni problem, tada e vrijeme
rjeavanja biti produljeno, jer e se i linearni model rjeavati sloenijim algoritmom
(generalised reduced gradient method), a ne simplex postupkom
- pretpostavka nenegativnosti (assume non-negative); ovom se pretpostavkom uzimaju
u obzir uvjeti nenegativnosti varijabli, te se ne moraju dodavati takva ogranienja u
parametrima Rjeavaa
- koritenje automatskog skaliranja (use automatic scaling); za modele u kojima se
ulazne i izlazne varijable pojavljuju u velikom rasponu, mogue je skaliranje tj.
normalizacija vrijednosti u nekoj skali
- pokazivanje rezultata iteracija (show iteration results); prilikom rjeavanja se pokazuje
rjeenje u svakom koraku; Rjeava nudi i mogunost spremanja rjeenja u svakom
pojedinom koraku, pa tako i posljednjem, u obliku scenarija. Tako se u jednom
saetom obliku mogu prikazati rjeenja za svaki korak postupka rjeavanja ili pak
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 10/23
razliita rjeenja istoga problema uz promjenu pojedinih parametara modela. Pomou
scenarija, moe se saeto prikazati to se dogaa s problemom ako se u modelu
dogaaju promjene.
Posljednji dio Mogunosti Rjeavaa (procjene - estimates, derivacije - derivatives,
pretraivanje - search), vrijedi za nelinearne probleme.
Slika 4.10 Mogunosti Rjeavaa
Rjeava ima i mogunost spremanja modela (save model), te ponovnog uitavanja (load
model) jednom ve spremljenog modela (slika 4.11). Ovo je korisno kada se provodi
postoptimalna analiza nekoga problema, tj. kada se u originalnom modelu mijenjaju neki
parametri, odnosno kada na istom radnom listu ima vie modela. Spremanjem originalnog i
svih ostalih promijenjenih modela, svaki od modela se jednostavno uita, te se ne mora
ponovno upisivati u Rjeava.
a) Spremanje modela b) Uitavanje spremljenog modela
Slika 4.11 Mogunosti spremanja i uitavanja spremljenog modela
Nakon definiranih parametara i mogunosti Rjeavaa, problem se moe rijeiti (solve). Kada
je zavren postupak rjeavanja, rezultati se mogu prikazati na tri naina, odnosno mogue su
tri vrste izvjetaja:
- izvjetaj odgovora (Answer Report)
- izvjetaj o osjetljivosti (Sensitivity Report)
- izvjetaj o granicama varijabli (Limits Report).
Kako bi se prikazalo to vie razliitih mogunosti Rjeavaa, na sloenijem problemu
(Primjer 4.1) e se ilustrirati nain njegova koritenja.
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 11/23
Primjer 4.1
a) Definirani problem s prikupljenim podacima
Na osnovi trokova materijala, trokova rada, trokova kooperacije i dodatnih trokova
(proraunatih u odjelu tehnoloke pripreme proizvodnje), izraunata je prodajna cijena
proizvoda koja iznosi 10 n.j./kom. Procijenjena potreba trita je najvie 20000 komada toga
proizvoda kvartalno.
Zbog kratkog vremena isporuke, u poduzeu je odlueno da se proizvod mora proizvesti na
dvije vrste kapaciteta: univerzalna tokarilica i CNC tokarilica, jer se moe postii ista razina
kvalitete. U odjelu tehnoloke pripreme proizvodnje, razraeni su tehnoloki postupci za
proizvodnju ovog proizvoda na univerzalnoj i na CNC tokarilici. Proraunato tehnoloko
vrijeme, raspoloivo radno vrijeme, te cijene rada strojeva po vremenskoj jedinici, prikazani
su u tablici 4.1.
Tablica 4.1 Vrijeme obrade, raspoloivost i cijena rada strojeva
v.j. /kom. Proizvod Raspoloivost strojeva,
v.j./dnevno Cijena rada strojeva, n.j. /v.j.
Univerzalna tokarilica 0,2 15 10
CNC tokarilica 0,1 15 15
Trokovi materijala iznose 1,5 n.j./kom. Procijenjeni kart na univerzalnoj tokarilici iznosi
5%, a na CNC tokarilici 3%, a prihod od prodaje se moe zanemariti.
Inenjeri u odjelu tehnoloke i operativne pripreme proizvodnje trebaju dogovorno odluiti na
kojim kapacitetima i u kojoj koliini treba proizvesti promatrani proizvod po kvartalu (90
radnih dana), ako se eli ostvariti maksimalna dobit.
Kakva bi bila odluka inenjera u sluaju da se eli maksimalno iskoristiti raspoloivo
radno vrijeme strojeva? Usporediti iskoritenost strojeva i dobit s prvotnim ciljem!
b) Ralanjivanje problema
1. O emu se odluuje (varijable)?
Treba odluiti koliko proizvoda e se proizvesti na univerzalnoj tokarilici, a koliko na CNC
tokarilici. Stoga su realne (stvarne, strukturne) varijable PUT (broj proizvoda proizveden na
univerzalnoj tokarilici) i PCNC (broj proizvoda proizveden na CNC tokarilici). To su ukupno
dvije varijable. Radi se o istoj vrsti proizvoda, ali se mora odluiti koliko e se proizvoda
proizvesti na kojem stroju, kako bi odjel pripreme proizvodnje mogao dostaviti tono
odreeni broj pripremaka na pojedini stroj.
2. to je cilj (funkcija cilja)?
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 12/23
Cilj je maksimalna dobit, za prvotno postavljen problem. Dobit se ostvaruje prodajom
proizvoda, kada se oduzmu trokovi izrade i trokovi utroenog materijala za proizvodnju.
Kako se na strojevima pojavljuje kart nee se moi prodati svi napravljeni proizvodi, nego
95% proizvoda proizvedenih na univerzalnoj tokarilici i 97% proizvoda proizvedenih na CNC
tokarilici. Dakle, funkcija cilja e glasiti:
Dobit = prihod od prodaje trokovi rada strojeva trokovi potroenog materijala:
max..5,11,0152,010)97,095,0(10 jnPPPPPPFC CNCUTCNCUTCNCUT
3. to ograniava (ogranienja)?
Ogranienja su: raspoloivo radno vrijeme tokarilica, te potranja gotovih proizvoda na tritu.
Univerzalna tokarilica:
..135090152,0 jvPUT
CNC tokarilica:
..135090151,0 jvPCNC
Trite:
.20000 komPP CNCUT
Nakon ralanjivanja problema moe se napisati cjeloviti matematiki model.
c) Matematiki model
Funkcija cilja:
max5,11,0152,010)97,095,0(10 CNCUTCNCUTCNCUT PPPPPPFC
Ogranienja:
..135090152,0 jvPUT
..135090151,0 jvPCNC
.20000 komPP CNCUT
Uvjeti nenegativnosti:
0, CNCUT PP
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 13/23
Nakon postavljenog matematikog modela zadatak se moe rijeiti pomou alata Rjeava u
Microsoft Excel-u.
Nakon definiranih elija na listu, odnosno pripremljenih ulaznih podataka u elijama i
unesenih u Rjeava (slika 4.12), problem se moe rijeiti naredbom Rijei. Nakon rjeavanja
modela, vrijednosti za varijable e biti u elijama adresa G6 i G7. Kako i ogranienja i
funkcija cilja ovise o varijablama, piu se formulom (obavezno znak = ispred), u kojoj se na
mjestu varijable pojavljuju adrese elija. Na slici 4.12 je na traci formula vidljivo da je
formula za funkciju cilja - maksimalnu dobit, napisana pomou adresa elija s varijablama G6
i G7 (=10*(0,95*G6+0,97*G7)-10*0,2*G6-15*0,1*G7-1,5*(G6+G7)). Takoer u
parametrima Rjeavaa, vidljivo je da se lijeve strane ogranienja, pojavljuju kao adrese elija
u kojima je definirana formula lijeve strane za pojedino ogranienje.
Slika 4.12 Matematiki model i parametri Rjeavaa
Kako bi model u rjeavau bio sliniji definiranom matematikom modelu, korisno je
elijama s varijablama, kao i elijama s formulama za ogranienja i funkciju cilja, dodijeliti
nazive (slika 4.13).
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 14/23
Slika 4.13 Definiranje naziva za elije
Tada se u formulama, te u parametrima Rjeavaa (slika 4.14) umjesto adresa elija pojavljuju
nazivi tih elija i problem je puno jasniji. Tako formula za funkciju cilja sada glasi:
=10*(0,95*P_UT+0,97*P_CNC)-10*0,2*P_UT-15*0,1*P_CNC-1,5*(P_UT+P_CNC),
umjesto =10*(0,95*G6+0,97*G7)-10*0,2*G6-15*0,1*G7-1,5*(G6+G7).
Slika 4.14 Matematiki model i parametri Rjeavaa s dodijeljenim nazivima elijama
Prethodno je potrebno postaviti u mogunostima (Options), slika 4.14, da Rjeava
pretpostavi nenegativne vrijednosti varijabli, te da pretpostavi linearni model. Ukoliko se
postavi da Rjeava pokae rezultate iteracije, prilikom rjeavanja prikazivat e se rjeenja
korak po korak.
Nakon definiranih parametara i mogunosti, problem se moe rijeiti. Ukoliko se eli
iskoristiti mogunost prikaza rjeenja za svaku iteraciju, tada se svaki taj korak moe i
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 15/23
spremiti kao scenarij (slika 4.15), a postoji i mogunost saetog prikaza svih scenarija (svake
iteracije), tablica 4.2.
Slika 4.15 Spremanje scenarija za prvu iteraciju
Tablica 4.2 Zbirni scenarij za sve tri iteracije
Nakon to je model rijeen mogue su tri vrste izvjetaja: izvjetaj u kojem se nalazi
optimalno rjeenje, te dopunske varijable izvjetaj odgovora; analiza osjetljivosti promjene
koeficijenata u funkciji cilja i desne strane ogranienja izvjetaj o osjetljivosti i izvjetaj o
utjecaju vrijednosti varijabli na vrijednost funkcije cilja izvjetaj o granicama. Na slici 4.16
prikazan je izvjetaj odgovora.
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 16/23
Slika 4.16 Izvjetaj odgovora
Za varijable, funkciju cilja i ogranienja u izvjetaju odgovora (slika 4.16), prikazane su
poetne vrijednosti u elijama (Original value), kao i krajnje (optimalne) vrijednosti (Final
value) dobivene nakon rjeavanja. Za ogranienja (Constraints) prikazan je status: ispunjeno-
povezivanje (Binding), odstupajue-nepovezivanje (Not binding).
Izvjetaj odgovora sastoji se iz tri dijela: vrijednost funkcije cilja (ciljna elija, target cell),
vrijednost varijabli (prilagodljive elije, adjustable cells) i ogranienja (constraints).
Vrijednost funkcije cilja je 129450 novanih jedinica dobiti.
Prilagodljive elije (mijenjane) imaju zavrne vrijednosti 6500 i 13500. One predstavljaju
varijable PUT i PCNC, to znai da e uz zadana ogranienja i postavljeni cilj biti optimalno
proizvesti 6500 komada proizvoda na univerzalnoj tokarilici, a 13500 proizvoda na CNC
tokarilici.
Mogu se protumaiti i ogranienja:
- kod prvog ogranienja, dopunska varijabla (engl. slack, surplus) (u hrvatskoj verziji
Excel-a prevedeno kao Stog?!) iznosi 50, to znai da je od raspoloivih 1350 v.j.
univerzalne tokarilice iskoriteno 50 v.j. manje, odnosno radila je 1300 v.j. (vrijednost
elije iznosi 1300)
- kod drugog ogranienja, dopunska varijabla iznosi 0, to znai da je iskoriteno sve
raspoloivo vrijeme CNC tokarilice, odnosno radila je 1350 v.j. (vrijednost elije
iznosi 1350)
- vrijednost dopunske varijable u treem ogranienju je nula, to znai da se tritu
moe ponuditi maksimalno zahtijevana koliina proizvoda (vrijednost elije iznosi
20000).
Slijedi saeti prikaz optimalnog rjeenja.
Dobit:
FC = 129450 n.j.
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 17/23
Broj proizvedenih dijelova:
PUT = 6500 kom. broj proizvoda proizvedenih na univerzalnoj tokarilici
PCNC = 13500 kom. broj proizvoda proizvedenih na CNC tokarilici
Ogranienja:
Raspoloivi kapacitet univerzalne tokarilice: dopunska varijabla = 50 v.j. tokarilica je
zauzeta (1300/1350)*100 = 96%
Raspoloivi kapacitet CNC tokarilice: dopunska varijabla = 0 tokarilica je zauzeta 100%
Trite: dopunska varijabla = 0 tritu se moe ponuditi maksimalno zahtijevani broj
proizvoda.
Slika 4.17 prikazuje izvjetaj o osjetljivosti.
Slika 4.17 Izvjetaj o osjetljivosti
Izvjetaj (analiza) o osjetljivosti (slika 4.17) prua informacije o osjetljivosti modela na
promjene ulaznih podataka. Sastoji se od dva dijela; u prvom dijelu prikazano je za koliko je
mogue poveati (Allowable Increase), odnosno smanjiti (Allowable Decrease) koeficijente u
funkciji cilja (Objective coefficient), da se pri tome optimalno rjeenje ne mijenja.
Za dati primjer, optimalno rjeenje nee se promijeniti ako se dobit po proizvodu PUT
mijenja u rasponu od 0 (6-6) doputeno smanjenje 6, do 6,7 (6+0,7) doputeno poveanje,
uz dobit po proizvodu PCNC od 6,7 (koeficijent uz varijablu PCNC se ne mijenja). Na primjer, za
funkciju cilja s koeficijentima 6,4 (uz varijablu PUT) i 6,7 (uz varijablu PCNC), optimalno
rjeenje nee se promijeniti. Fizikalno gledano, mogue je razmiljati o poveanju prodajne
cijene proizvoda, ali ne znaajno. Ovaj problem ima dvije varijable, te se moe predoiti i
grafiki. Smanjenjem koeficijenta uz varijablu PUT prema nuli, uz konstantni koeficijent uz
varijablu PCNC, funkcija cilja e postati paralelna s koordinatnom osi PUT, te se optimalno
rjeenje nee promijeniti.
Za dati primjer, optimalno rjeenje nee se promijeniti i ako se dobit po proizvodu PCNC
mijenja u rasponu od 6 (6,7-0,7) doputeno smanjenje, do 1030 (6,7+1030) doputeno
poveanje, uz dobit po proizvodu PUT od 6 (koeficijent uz varijablu PUT se ne mijenja). Na
primjer, za funkciju cilja s koeficijentima 6 (uz varijablu PUT) i 100 (uz varijablu PCNC),
optimalno rjeenje, nee se promijeniti. Moe se zakljuiti, da ovdje postoje vee mogunosti
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 18/23
poveanja prodajne cijene. Poveanjem koeficijenta uz varijablu PCNC prema velikoj
vrijednosti, uz konstantni koeficijent uz varijablu PUT, funkcija cilja e postati paralelna s
koordinatnom osi PUT, te se optimalno rjeenje nee promijeniti.
Pojam Reduced Cost, koji je preveden kao Reducirano Troak (nekada se naziva i Reduced
gradient) je pokazatelj za koliko se treba poveati dobit po varijabli ija je vrijednost nula, da
bi se proizvodnja toga proizvoda isplatila. U ovom problemu, nijedna varijabla nema
vrijednost nula, te je ova vrijednost jednaka nuli.
Drugi dio Izvjetaja o osjetljivosti se odnosi na ogranienja (Constraints), odnosno na
promjenu slobodnih lanova na desnoj strani ogranienja (R.H. Side - right hand side); u
ovom primjeru to su kapaciteti strojeva i potrebe trita. Izvjetaj pokazuje za koliko se mogu
poveati odnosno smanjiti desne strane ogranienja, a da u bazi - optimalnom rjeenju budu i
dalje prvotne strukturne varijable PUT i PCNC, te dopunska varijabla y1, vezana za prvo
ogranienje.
Kapacitet univerzalne tokarilice moe se mijenjati od 1300 v.j. (1350-50) do 1350+1030 v.j.
(1030), a da se struktura optimalnog rjeenja ne mijenja.
Kapacitet CNC tokarilice moe se mijenjati od 1325 v.j. (1350-25) do 2000 v.j. (1350+650), a
da se struktura optimalnog rjeenja ne mijenja.
Zahtjev trita bi mogao biti u rasponu od 13500 komada (20000-6500) do 20250 komada
(20000+250), a da se struktura optimalnog rjeenja ne mijenja.
Pojam Shadow Price, koji je preveden kao Sjena Cijena (nekada se naziva i Lagrange
multiplier), pokazuje kakav je utjecaj poveanja kapaciteta onih strojeva (CNC tokarilica) i
proizvodnje proizvoda (trite) koji su na granici (dopunska varijabla iznosi nula), na
vrijednost funkcije cilja.
Ako bi se kapacitet CNC tokarilice koji je maksimalno iskoriten, poveao za jednu v.j.,
vrijednost funkcije cilja bi se poveala za 7.
Ako bi se kapacitet trita koje je maksimalno popunjeno, poveao za jedan komad, vrijednost
funkcije cilja bi se poveala za 6.
Slika 4.18 prikazuje izvjetaj o granicama varijabli.
Slika 4.18 Izvjetaj o granicama varijabli
Izvjetaj o granicama varijabli (slika 4.18) pokazuje utjecaj donje (Lower Limit) i gornje
(Upper Limit) granine vrijednosti pojedine varijable, na promjenu funkcije cilja (Target
Result), tako da su zadana ogranienja jo uvijek ispunjena.
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 19/23
Ako je vrijednost varijable PUT nula, a varijabla PCNC iznosi 13500, tada e vrijednost funkcije
cilja iznositi 90450. Ako je vrijednost varijable PUT 6500, a varijabla PCNC iznosi 13500, tada
e vrijednost funkcije cilja biti 129450. Ako je vrijednost varijable PCNC nula, a varijabla PUT
iznosi 6500, tada e vrijednost funkcije cilja biti 39000. Ako je vrijednost varijable PCNC
13500, a varijabla PUT iznosi 6500, tada e vrijednost funkcije cilja biti 129450.
esto se u praksi kod primjene optimalnog rjeenja mogu naknadno pojaviti neki sluajevi
koji utjeu na optimalno rjeenje. Stoga se provodi postoptimalna analiza kako bi se odredio
utjecaj promjene pojedinih ulaznih podataka na optimalno rjeenje. Parametri koji se
mijenjaju mogu se odnositi na:
- koeficijente uz varijable u funkciji cilja
- promjenu raspoloivih resursa
- koeficijente matrice A (npr. normativi rada)
- uvoenje novih varijabla
- dodavanje novih ogranienja.
Postoptimalna analiza daje odgovore kako e se optimalna rjeenja mijenjati pod utjecajem
navedenih parametara.
Tako je i u ovom problemu, navedeno da treba provjeriti kakva bi bila odluka inenjera u
sluaju da se eli maksimalno iskoristiti raspoloivo radno vrijeme strojeva, te usporediti
iskoritenost strojeva i dobit s prvotnim ciljem.
Ukoliko bi cilj ovog problema bio maksimalno iskoristiti raspoloivo radno vrijeme strojeva,
tada bi ogranienja ostala ista, ali bi se u modelu promijenila funkcija cilja, te bi matematiki
model problema bio sljedei:
Matematiki model:
Funkcija cilja:
max..1,02,0 jvPPFC CNCUT
Ogranienja:
..135090152,0 jvPUT ..135090151,0 jvPCNC
.20000 komPP CNCUT
Uvjeti nenegativnosti:
0, CNCUT PP
Rjeavanjem u Excel-u pomou Rjeavaa, korisno je iskoristiti mogunost spremanja ovoga
novoga modela na istom listu (slika 4.19). Ponovnim rjeavanjem istoga problema, moe se
izabrati i uitati prvi model (cilj: maksimalna dobit) ili drugi model (cilj: maksimalno
iskoritenje kapaciteta), bez ponovnog popunjavanja parametara Rjeavaa.
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 20/23
Slika 4.19 Spremanje razliitih modela za isti problem
Rjeavanjem ovog modela koristei alat Rjeava u MS Excel-u, dobije se rjeenje, prikazano na slici 4.20.
Slika 4.20 Izvjetaj odgovora za cilj maksimalnog iskoritenja kapaciteta strojeva
Ovdje je korisno upotrijebiti mogunost spremanja i ovoga scenarija, koji se moe zajedno s
prvim modelom, prikazati i usporediti (tablica 4.3).
Tablica 4.3 Usporedba rjeenja istog problema s razliitim funkcijama cilja
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 21/23
Vidljivo je da bi se u oba sluaja mogao zadovoljiti maksimalni zahtjev za ukupnim brojem
proizvoda (20000 komada) na tritu, ali bi bio drukiji raspored proizvodnje. Za sluaj
maksimalnog iskoritenja kapaciteta, u odnosu na sluaj maksimalne dobiti, proizvodnja na
univerzalnoj tokarilici bi se poveala, a na CNC tokarilici smanjila. Sada bi ukupna
neiskoritenost strojeva iznosila 25 vremenskih jedinica (CNC tokarilica), dakle iskoritenost
strojeva bi bila vea za 25 vremenskih jedinica. Kako je cijena rada univerzalne tokarilice po
vremenskoj jedinici, nia od cijene rada CNC tokarilice, usporeujui prvi i drugi sluaj, ne
dobije se znaajno smanjenje dobiti poveanjem proizvodnje na univerzalnoj tokarilici, jer je
to jeftiniji kapacitet.
U naprijed rijeenom problemu, optimalno rjeenje je cjelobrojno, ali je mogue i dobivanje
necjelobrojnih rjeenja koja su nelogina za pojedine probleme (pogledati ranije primjere i
zadatke s vjebi). Ovakvi problemi kod kojih je potrebno da pojedina ili sve varijable budu
cijeli brojevi rjeavaju se metodom grananja i ograivanja (engl. Branch and Bound Method).
Obzirom da je ova metoda sloenija, za dobivanje cjelobrojnih rjeenja bit e potrebno puno
vie vremena (iteracija), nego kada se isti problem rjeava kao necjelobrojni. U alatu Rjeava
postoji mogunost dodavanja ogranienja da varijable(a) moraju biti cijeli brojevi. Time se ne
koristi obina Simplex metoda za rjeavanje ovih problema, nego metoda grananja i
ograivanja. Koristei mogunost Rjeavaa da pokazuje rezultate iteracije, moe se provjeriti
da je ve za rjeavanje malo sloenijih problema kao cjelobrojnih, potreban jako veliki broj
iteracija. Uvjet da varijabla bude cjelobrojna, postavlja se u parametrima Rjeavaa, u okviru
ogranienja (slika 4.21).
Slika 4.21 Dodavanje uvjeta cjelobrojnosti i izgled toga ogranienja u Rjeavau
Postoji i mogunost dodavanja uvjeta da varijable moraju biti binarne (bin), odnosno da
moraju poprimiti vrijednosti 0 ili 1. To se ubraja u problem binarnog cjelobrojnog
programiranja (engl. binary integer programming).
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 22/23
VJEBE
Za definirane probleme (Zadatak 2.1, Zadatak 2.2), potrebno je postaviti matematike modele,
te ih rijeiti koritenjem alata Rjeava u MS Excel-u. Potrebno je detaljno prokomentirati
Izvjetaj odgovora i Izvjetaj o osjetljivosti.
ZADATAK 2.1
U jednom pogonu poduzea proizvode se dvije vrste proizvoda: spojnica (prodajna cijena 200
n.j./kom.) i poklopac (prodajna cijena 250 n.j./kom.), za koje su u odjelu tehnoloke pripreme
proizvodnje razraene dvije varijante tehnolokih postupaka. Jedna varijanta je proizvodnja iz
pripremaka izrezanih iz ipki (0361), a druga varijanta je proizvodnja iz pripremaka
izrezanih iz cijevi (0361).
U tablici 1.1 i 1.2 su prikazani tehnoloki postupci (obje varijante) za proizvodnju ova dva
proizvoda, proraunata vremena obrade, raspoloivo radno vrijeme i cijene rada strojeva po
vremenskoj jedinici, mase pripremaka, te cijena materijala.
Tablica 1.1 Varijante polaznog materijala i tehnolokog postupka za spojnicu
Varijanta Operacija Stroj
Cijena
rada
stroja,
n.j./h
Vrijeme
obrade,
min/kom.
Raspoloivo radno
vrijeme
stroja, h
Masa
pripremka,
kg/kom.
Cijena
materijala,
n.j./kg
Pripremak
izrezan iz
ipke
Buenje Builica
B 70 10 7,5
5,5 5,8 Tokarenje Tokarilica
T 70 25 15
Bruenje Brusilica
BR 126 10 7,5
Pripremak
izrezan iz
cijevi
Tokarenje Tokarilica
T 70 30 15
4,3 6,3
Bruenje Brusilica
BR 126 10 7,5
Tablica 1.2 Varijante polaznog materijala i tehnolokog postupka za poklopac
Varijanta Operacija Stroj
Cijena
rada
stroja,
n.j./h
Vrijeme
obrade,
min/kom.
Raspoloivo radno
vrijeme
stroja, h
Masa
pripremka,
kg/kom.
Cijena
materijala,
n.j./kg
Pripremak
izrezan iz
ipke
Buenje Builica
B 70 12 7,5
6,5 5,8 Tokarenje Tokarilica
T 70 40 15
Bruenje Brusilica
BR 126 12 7,5
Pripremak
izrezan iz
cijevi
Tokarenje Tokarilica
T 70 45 15
5,7 6,3 Bruenje Brusilica
BR
126 12 7,5
Tjedan 8 i 9: Kvantitativne metode Strojarski fakultet u Slavonskom Brodu
Izv. prof. dr. sc. Katica imunovi 23/23
U odjelu tehnoloke i operativne pripreme proizvodnje, trebaju odluiti koliko proizvesti
spojnica i poklopaca iz obje vrste pripremaka, s ciljem postizanja maksimalne dobiti.
Minimalna dnevna proizvodnja mora biti po 5 spojnica iz ipki i 5 iz cijevi, te 5 poklopaca iz
ipki i 5 iz cijevi.
ZADATAK 2.2
Poduzee planira izradu tri nova proizvoda za koje se koriste tri stroja. Tehnolozi su, u odjelu
tehnoloke pripreme proizvodnje, za izradu proizvoda razradili postupke, a podaci se nalaze u
sljedeoj tablici. Zadani su i trokovi rada strojeva i trokovi materijala.
Tablica 1.3 Proizvodni postupak
Produktivnost, kom./sat Proizvod 1 Proizvod 2 Proizvod 3 Trokovi
stroja,
n.j./sat
Stroj I 20 25 40 19
Stroj II 30 24 35 13
Stroj III 25 25 25 17,5
Trokovi materijala, n.j./kom. 0,8 1,2 2
Prodajna cijena, n.j./kom. 6 8 10
Sastaviti model optimalnog proizvodnog programa sa stanovita maksimalne dobiti. Sve
promatrati za vremensko razdoblje od 7,5 sati (1 smjena), pod uvjetom da se vremenski
kapaciteti strojeva u potpunosti iskoriste.