KMPU --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 3

Kvantitativne metode za poslovno upravljanje (KMPU) ili Operacijska istraivanja kompleksno interdisciplinarno struno podruje koje se bavi rjeavanjem problema odluivanja koji imaju podlogu u stvarnosti Cilj KMPU odrediti najbolji mogui, tj. optimalni smjer aktivnosti u problemu odluivanja, a sve u okviru postavljenih restrikcija i ogranienih kapaciteta Pojam KMPU gotovo iskljuivo se vee uz matematike metode u modeliranju i analizi problema odluivanja ipak, esto se dogaa da specifini problemi odluivanja sadre neopipljive faktore koje je teko ili nemogue prevesti na matematiki jezik pa je tu uvijek prisutan i potreban ljudski faktor Prola dostignua - prethodnici KMPU: Quesnay, Walras, Cournot,... - Bernoulli zaodjenuo ekon. znan. teoriju u matematiko ruho uz pomo diferencijalnih jednadbi - Leontijef razvio model input-output analize - Markov objasnio poetke dinamikog programiranja - Kantorovi "otac" linearnog programiranja (LP) - 1951.g. osnovana prva znan.-istra. grupa na svijetu iji voa je bio Churchman koji je sa Ackhoffom i Arnoffom napisao prvi udbenik iz KMPU - Leon Walras uspio fiksirati totalnu privrednu ravnoteu pomou linearnih jednadbi (Cournot je smatrao da je to nemogue) - G.B. Dantzig razvio opu metodu za rjeavanje problema LP, tzv. simplex metodu - Wolff objasnio primarnu i dualnu degeneraciju - Linus Scharge razvio programski paket za raunalni izraun LP, tzv. LINDO - H.W. Kuhn razvio algoritam za rjeavanje problema asignacije na osnovu jednog stavka teorije grafova (Koenig) - Pareto prvi objasnio pojam optimalnosti temeljen na vie ciljeva - Martos razvio algoritam slian simplexu, kojim je rjeio problem optimalnosti kod razlomljene funkcije cilja - Charnes i Cooper sveli problem razlomljenog programiranja na dva pomona problema LP-a pomou transformacije y = t * x - Dinkelbach rjeio problem razlomljenog programiranja pomou vlastite formule (v.d.) - Gomory razvio algoritam koji je osnova za metodu odsijecanja ravnina u cjelobrojnom programiranju - Land i Doig dali osnovu za metodu grananja i odluivanja kod cjelobrojnog programiranja - Balas razvio algoritam za 0-1 metodu (metoda enumeracije) u cjelobrojnom programiranju - Von Neumann dao kriterij prema kojem svaki iga (teorija igara) minimizira svoj max gubitak, odnosno maximizira svoj min dobitak - Mller-Merbach predloio algoritam za pronalaenje optimalne strategije za pojedinog igraa (LP-model) - Laplace, Hurwitz i Savage razvili algoritme za pronalaenje optimalne strategije za igraa koji igra svoju igru protiv prirode - Walker i Kelly 1957.g. razvili metodu kritinog puta u mrenom programiranju - Frazar razvio PERT metodu u mrenom programiranju - A.K. Kerlang objavio prve radove o problemima teorije repova - Kendall i Lee klasificirali modele repova ekanja kroz procese dolazaka, usluge, broj uslunih mjesta, veliinu prostora za ekanje i pravila usluivanja Praktina primjena KMPU vojno podruje, problemi industrije, proizv. programi, izbor lokacije tvornica, optimalno planiranje invest. ulaganja, razmjetaj strojeva, izbor optimalnih tehnolokih postupaka, sastavljanje optim. planova prehane i transporta, i sl. Bit KMPU postupak koji se najee provodi moemo svesti na nekoliko osn. koraka: 1. formulacije problema (prikupljanje i analiza podataka) 2. konstrukcija modela LP 3. izbor metode 4. rjeenje 5. primjena Sadraj KMPU u modele KMPU ubrajamo: modele LP (optimiranja); teorija grafova; modele transporta; modele mrenih tijekova; modele zaliha; modele repova ekanja; teoriju igara Linearno programiranje (LP) pojam: - linearno: zahtjev da sve matem. f-je koje su sastavni dio LP-a budu linearne f-je - programiranje (optimiranje): bavi se problemima alokacije ogranienih resursa na meusobno konkurentne aktivnosti na najbolji mogui (optimalan) nain

KMPU --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 3

Komponente LP modela: Cilj; Varijable odluivanja; Ogranienja (restrikcije); Parametri Z = 6x1+4x2+x3 max! f-ja cilja 4x1+x2 26 parametri 2x1+2x2+x3 100 ogranienja (restrikcije) 4x2+x3 = 60 varijable odluivanja x1,2,3 0 Cilj LP maximalizacija (profita, dobiti, prihoda,...) ili minimalizacija (trokova, vremena, ....) Zadatak LP utvrditi vrijednosti za varijable odluivanja koje e maximalizirati ili minimalizirati f-ju cilja Ogranienja uvijek su zadana u obliku jedn. ili nejedn., a svako ogranienje se sastoji od 4 elementa: - koliina (desna strana) = konstanta - algebarski znak (=,,) - varijabla odluivanja (x1, x2, x3,...) - parametri (vrijednosti uz varijable odluivanja) 3 tipa ogranienja: 1. sustavno sadri 2 ili vie varijabli odluivanja 2. individualno sadri samo jednu varijablu odluivanja 3. uvjet nenegativnosti odnosi se na potencijalne vrijednosti koje mogu poprimiti varijable odluivanja tj. uvjetuje podruje doputenih od nedoputenih rjeenja od osi x 1 Doputeno rjeenje svako rjeenje koje zadovoljava zadani skup ogranienja Optimalno rjeenje ako navedeno rjeenje ujedno i optimalizira vrijednost f-je cilja (najbolja mogua kombinacija varijabli odluivanja) Formuliranje LP-modela 1. identifikacija varijabli odluivanja 2. formuliranje f-je cilja 3. identifikacija ogranienja (jedn. ili nejedn.) 4. odreivanje vrijednosti za parametre 5. formuliranje modela 6. rjeavanje (vrednovanje) modela LP-a

Opa matematika formulacija LP-a (standardni problem maximuma) Objekt LP je uvijek problem optimiranja odnosno maximalizacija ili minimalizacija uz izvjesna ogranienja u vidu niza uvjeta (restrikcija) matematiki, pod LP se smatra optimiranje jedne f-je cilja uz izvjesna ogranienja koja limitiraju veliine varijabli Z = c1x1 + c2x2 + ... + cnxn max! (1) a11x1 + a12x2 + ... + a1nxn b1 m, i oznake za red a21x1 + a22x2 + ... + a2nxn b2 (2) n, j oznake za stupac ... am1x1 + am2x2 + ... + amnxn bm x1,2,...n 0 (3) cn, j dobit po jedinici "j" = koeficijent f-je cilja aij, mn koef. koji govori koliko je potrebno jedinica proizv. faktora i ili m za jedinicu aktivnosti xj, n bi, m veliina ograniavajueg faktora Krai nain matem. formulacije xi, m nepoznata aktivnost = strukturna varijabla m, i broj restrikcija n, j obujam pojedinih aktivnosti

Z = c j x j
j= 1 n j= 1

max!

f-ja cilja poprima max vrijednost uz uvjete:

a ij x j bi ; i =1,2,...m
xj 0; j = 1,2,...m Za skup toaka iz (1), (2) i (3) vrijedi iskazi: - skup toaka x1,2,...n predstavlja konveksni poliedar koji u nekim sluajevima moe imati beskonano udaljene vrhove - f-ja cilja dostie svoj max u jednom od vrhova konveksnog poliedra Pored problema maximiziranja postoji i problem minimuma Z = b1v1 + b2v2 + ... + bmvm min! (1) a11v1 + a21v2 + ... + am1vm c1 a12v1 + a22v2 + ... + am2vm c2 (2) ... a1nx1 + a2nx2 + ... + amnvm cn

KMPU --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 3

v1,2,...m 0 (3) Potrebno je pronai x1, x2, ... xm koji zadovoljavaju sustav {(4), (5), (6)} i omoguavaju da f-ja cilja (4) dostigne min. Uoavamo simetriju s problemom maximuma, pa kaemo da su ovi problemi meusobno dualni 1. matrica skupa restrikcija drugog problema (duala) predstavlja transponiranu matricu prvog (primarnog) problema 2. nejednakosti u skupu restrikcija su suprotno orijentirane 3. ulogu slobodnih lanova u skupu restrikcija drugog problema (duala) imaju koeficijenti f-je cilja iz primarnog problema i obrnuto 4. u dualu f-ja cilja se minimizira, dok se u primarnom problemu maximizira Postavljanje problema LP opi model postavljanja varijable odluivanja (x1, x2, x3, ....) - proizvodi, roba, hrana, osobe, sirovine, ... strojevi Odjeli parametri uz varijable odluivanja faze sastojci, ... ... Z .... koeficijenti uz varijable odluivanja u Z Primjeri za tip restrikcije: - najmanje 30g - najvie 50 sek - ne vie od 20 min - 24 sata - u potpunosti iskoriten

kapacitet desna strana restrikcija max! / min!

= =

Primjer postavljanja: Proizvodni asortiman U nekom pogonu proizvode se 2 proizvoda, A i B, koji zbog tehn. procesa moraju proi kroz 3 proizv. faze tj. 3 stroja (S1, S2, S3). Za izradu 1 jedinice A treba raditi 2 h na stroju S 1 i 2 h na stroju S 2, a za izradu 1 jedinice B treba raditi 4 h na S1, 1 h na S2 i 4 h na S3. Kapaciteti strojeva su ogranieni na 16, 10 i 12 h respektivno. Postavlja se pitanje koju koliinu proizvoda A i B treba proizvesti da bi se postigla max dobit ako se zna da se po jedinici proizvoda A ostvaruje dobit od 20, a po jedinici B dobit od 30 NJ? PROIZVODI Linearni model: dobit kapacitet A (x1) B (x2) Z = 20x1 + 30x2 max! 2x1 + 4x2 16 16 S1 2 4 2x1 + x2 10 S2 2 1 10 S3 0 4 4x2 12 12 x 1 , x2 0 Z: max dobit 20 30 Grafiki pristup rjeavanju problema primjena grafikog pristupa je ograniena, tj. LP-model se moe rjeiti samo ako je dvodimenzionalan tj. ako u njemu postoje 2 varijable odluivanja (x 1 i x2)