‫כללי קדימות‬ ‫ניסוח זמן בדיד‪:‬‬

‫‪ -MST‬נתעדף פעילויות עם מס' העוקבות הגדול ביותר‪.‬‬ ‫אילוצים‪:‬‬

‫‪-GRPW‬קדימות לפעילות שסכום המשכים שלה ושל כל העוקבות שלה‪-‬הגדול ביותר‬ ‫‪-1‬פעילות יכולה להסתיים פעם אחת בלבד‬
‫‪ -LFT‬עדיפות לפעילויות שזמן הסיום שלהם הוא מינימלי‬ ‫‪ -2‬אילוץ קדימות‬
‫‪-MSLK‬נתעדף פעילויות שה‪ total slack‬שלהן נמוך יותר‬ ‫** נחסום סיגמות בין ה‪ EF‬ל ‪- LF‬חוסך חישובים‬
‫רשת זרימת משאבים‬
‫אם יש אילוצי משאבים‪ ,‬קביעת זרימת המשאבים משפיעה על קביעת תזמון לפעילות‪.‬‬ ‫הניסוח המתמטי בעצם עושה‬
‫בעיית ‪ ,RCPSP‬נרצה למזער את זמן סיום הפרויקט‬ ‫מקסימיזציה על סכום כל‬
‫‪‬מזעור זמן ההתחלה של צומת ‪ .n+1‬משתני ה‪ y‬קובעים אם יש קשר בין פעילויות ו‪ f-‬קובע‬ ‫הפעילויות ‪ ,‬בכפוף לאילוצים‪:‬‬ ‫הערכת משך פרויקט‪-‬‬
‫כמה משאבים זורמים על כל קשת‪.‬‬ ‫‪ -Xij‬משך פעילות ‪i,j‬‬ ‫שיטת ‪PERT‬‬
‫הגדרות‪:‬‬ ‫‪-1‬משך כל פעילות ינוע בין המשך‬ ‫** לפי משפט הגבול‬
‫‪ -I,j,m‬אינדקסים של פעילויות‪-k ,‬אינדקס של משאבים מתחדשים‪ -n ,‬מס' הפעילויות שאינן‬ ‫הארוך שלה למשך הקצר‬ ‫המרכזי‪ ,‬כאשר משכי‬
‫דמה בפרויקט‪ -dj ,‬משך פעילות‪ ,‬או וקטור משכי פעילויות ‪ -d, rjk‬מס' משאבים מסוג ‪k‬‬ ‫‪ -2‬אילוץ קדימות‪ -‬לכל הפעילויות ‪ ,‬הזמן של ארוע ‪ j‬יהיה גדול או שווה לארוע ‪ i‬ועוד משך‬ ‫הפעילויות הם מ"מ אקראיים בלתי תלויים‪ ,‬אז משך הנתיב מתפלג נורמלית‪ ,‬עם תוחלת שהיא‬
‫הדרושים לביצוע פעילות ‪-J, Rk‬זמינות של משאב ‪-k, f-ijk‬מס' המשאבים מסוג ‪ k‬שמועברים‬ ‫פעילות ‪ I,j‬שמיוצג עי ‪Xij‬‬ ‫סכום התוחלות של משכי הפעילויות‪ ,‬וסטיית תקן שהיא שורש סכום השונויות של משכי‬
‫מפעילות ‪ i‬ל ‪ -j, y-ij‬בינארי‪ ,‬מקבל ‪ 1‬אם יש קשר (קשת) בין פעילות ‪ i‬ל ‪j‬‬ ‫‪-3‬עמידה בתאריך היעד של הפרויקט‬ ‫הפעילויות‪.‬‬
‫‪ -Sj‬זמן התחלה של פעילות ‪ -j, V‬סט פעילויות‪ ,‬כולל פעילויות דמה (פעילות ‪ 0‬ו‪)n+1-‬‬ ‫למה זו בעיית מקסימום?‬ ‫דוגמא קטנה‪:‬‬
‫‪ -E‬סט יחסי קדימויות בין פעילויות‪ -K ,‬סט כלל סוגי המשאבים המתחדשים‬
‫כל שלשת מספרים‬
‫בגרף מייצגת את‬
‫הזמן האופטימי‪ ,‬השכיח‪ ,‬והפסימי של אותה הפעילות‪ .‬אין תלות בין הנתיבים לכן ננתח את‬
‫שניהם )מכיוון שיש אי תלות בין הנתיבים נכפיל בין התוצאות שקיבלנו(‬
‫**הורדנו את ‪ Kij‬מכיוון שהוא זניח‬
‫** ערך פונ' המטרה לא מייצגת במדוייק את העלות עצמה‪ ,‬כדי לדעת את זה נרצה לחשב את‬

‫תלות בין נתיבים‬

‫ובפועל איך נקצר?‬ ‫תלות בין נתיבים תלויה בסטוכסטיות‬
‫‪-1‬נמצא את הנתיב הקריטי של הפרויקט‬ ‫של הפעילויות‪ .‬כאשר לא ניתן להפריד‬
‫‪-2‬כל פעם נקצר אותו ביח' זמן אחת (נקצר מה שזול)‬ ‫בין סטוכ' של נתיב אחד לסטוכ' של‬
‫‪-3‬נעדכן את משכי הנתיבים ונחזור שוב ל‪.1-‬‬ ‫נתיב אחר יש תלות‪.‬‬
‫קשרי גומלין עלות וזמן‬ ‫אם יש למשל בפרויקט שני נתיבים‪:‬‬
‫הבעיה הדיסקרטית‬ ‫‪ A-B‬ו ‪ A-C‬והמשך של ‪ A‬בלבד סטוכ'‬
‫‪ -Zijk‬משתנה החלטה בינארי שקובע האם מוד ‪ K‬נבחר עבור פעילות ‪( ij‬אם נבחר מקבל ‪,1‬‬ ‫אז משך הפרויקט תלוי רק‬
‫אם לא ‪ -Yi ,)0‬זמן האירוע ה‪ i‬ברשת‪ -t-ijk ,‬משך פעילות ‪ ij‬במוד ‪k‬‬ ‫במשך של ‪ A‬והוא ייקבע לפי‬
‫משך הנתיב הארוך יותר‪,‬‬
‫‪ -C0‬עלות קבועה ליח' זמן‪ -Cijk ,‬עלות קבועה עבור פעילות ‪ Ij‬במוד ‪ -K, A‬סט הפעילויות‬
‫כלומר‪ -‬נהמיר את שאלת משך‬
‫פונ' המטרה היא מזעור‬
‫הפרויקט לשאלה על המשך‬
‫העלות הכוללת‬
‫של ‪ A‬בלבד‪.‬‬
‫אילוצים‪:‬‬ ‫האילוצים‪:‬‬
‫אם בפרויקט הזה רק ‪ B‬ו‪ C-‬סטוכסטיות אז אפשר להמיר את השאלה לשאלה על‬
‫‪-1‬לכל זוג פעילויות ‪ I,j‬שביניהן עוברת קשת‪ ,‬ה‪ y-ij‬שווה ל‪( 1-‬נתון)‬ ‫‪-1‬אילוץ קדימות‪ yj-yi -‬צריך‬
‫‪ B‬ו‪ C-‬שאין ביניהן תלות‪.‬אם שלוש הפעילויות סטוכסטיות אי אפשר לבטל את‬
‫‪-2‬מונע מעגלים ברשת‪ -‬זרימה היא רק בכיוון אחד‪.‬‬ ‫להיות גדול ממשך הפעילות‬
‫התלות ויש צורך בחישוב של הסתברות מותנה‪ ,‬אלא אם כן מהנתונים על ‪ B‬ו‪C-‬‬
‫‪-3‬מונע בצורה רחבה יותר הווצרות מעגלים ומקבע‬ ‫שביניהם (אגף ימין מייצג‬
‫ברור בודאות שרק אחת מהן יכולה להיות הארוכה ביותר‪.‬‬
‫אותה כגרף מכוון‪.‬‬ ‫משך הפעילות במוד שנבחר)‬
‫‪ -4-6‬אילוצי ה‪ K‬הם אילוצי זרימה‪ ,‬מבטיחים שכל פעילות מקבלת את כמות המשאבים‬ ‫‪-2‬כל פעילות מתבצעת רק‬
‫הדרושה לה ומוסרת אותם‬ ‫במוד אחד‪.‬‬
‫בהמשך‪-‬אילוצי ה‪ S‬שלאחר מכן נועדו להבטיח קדימות‪ ,‬כך ש‪ M‬מייצג מס' גדול מאוד‬ ‫‪-3‬נגדיר שזמן ההתחלה של הפרויקט הוא ‪ 0‬וכל צומת אחרת היא גדולה שווה ל‪0‬‬
‫(פעילות ‪ i‬תתחיל לפני ‪)j‬‬ ‫*אם מציבים מספרים‪ ,‬נציב את ה ‪ t‬וה ‪. Cijk‬שאר המשתנים הם משתני ההחלטה‬
‫*האילוץ השלישי מהסוף מגדיר שהזרימה יכולה להיות רק חיובית‬ ‫תזמון מאולץ משאבים עם מספר מודי ביצוע‬
‫*האילוץ השני מהסוף מגדיר שבצ‪ .‬ההתחלה והסיום יש את אותה כמות המשאבים‬ ‫פונ' המטרה היא מזעור משך הפרויקט‪ .‬נסתכל על פעילות ‪ n+1‬שהיא דמה‬
‫*האילוץ האחרון מגדיר את משתני ‪ -Y‬בינארים‪.‬‬ ‫אילוצים‪:‬‬
‫כללי קדימות מורכבים‬ ‫‪-1‬קדימות‬
‫‪Bias Random Sampling‬‬ ‫‪-2‬כל פעילות‬
‫מטרה‪-‬לקבוע את ההסתברויות לבחירת כל פעילות‪ .‬ראשית נמיין את הפעילויות לפי סדר‬ ‫תתחיל רק פעם‬
‫כאשר משכן של כל ‪ 3‬הפעילויות רנדומלים‪:‬‬
‫קדימויות לא עולה *מה שבכתיב עליון [‪ ]j‬מייצג את המס' הסידורי הרשימה‬ ‫אחת במוד שנבחר עבורה‬
‫זמן רציף‪:‬‬
‫**כאשר אלפא שווה ל‪ 1-‬זהה לבחירה אקראית‬ ‫‪-3‬אילוץ על‬
‫המשאבים‬
‫המתחדשים‬
‫דוגמא ‪:‬‬ ‫‪ -4‬אילוץ על‬ ‫זמן בדיד‪:‬‬
‫נתון‪:‬‬ ‫המשאבים הלא‬
‫מתחדשים‬
‫‪-5‬הגדרה של‬
‫משתני ההחלטה‬

‫‪Regret Based Random Sampling‬‬ ‫תזמון תחת אילוצי משאבים‬

‫פעילות עם דחיפות גבוהה‬
‫מקבלת הסברות בהתאם‪.‬‬
‫‪ -Wj‬ה‪ regret‬של פעילות ‪j‬‬
‫‪ -Vi‬תיעדוף הפעילות‬
‫החלקת משאבים‬
‫הגדרות‪ -S :‬סוג המשאב‪-d ,‬אינדקס יום‪ – J ,‬אינדקס פעילות‪ -P(j) ,‬סט הקודמים של פעילות ‪j‬‬
‫)‪-, a(s,d‬זמינות‪ ,‬מס' המשאבים ביום כלשהו‪-r(s,j) ,‬דרישה‪ ,‬כמות משאב ‪ s‬הדרוש ביום‬
‫לפעילות)‪ -j , t(j‬משך פעילות ‪ -j, T‬תאריך יעד (חסם תחתון‪ ,‬פלט של ‪-X(j,d) ,)CPM‬‬
‫משתנה בינארי‪ 1 ,‬כאשר פעילות ‪ j‬הסתיימה ביום ה‪ d, 0-‬אחרת‪.‬‬
‫)‪ -a(s), b(s‬מינימום‬
‫‪ -Free Slack‬כמה אנחנו יכולים לדחות פעילות בלי להזיז אף אחת מהעוקבות שלה‪.‬‬
‫ומקס' צריכת משאב ‪s‬‬
‫פונ' המטרה‪:‬‬
‫נרצה למזער את הסכום‬
‫המשוקלל של ההפרשים‬
‫בין צריכת המשאבים‬
‫המקס' והמינ' לכל משאב‬
‫אילוצים‪:‬‬
‫‪-1‬הגדרת המשתנים‬
‫‪-2‬כל פעילות מתבצעת‬
‫כדי לדעת את הגמישות‪ ,‬נרצה לדעת את זמני ההתחלה המוקדמים ביותר האפשריים‪ ,‬לכן‬
‫כמשכה‬
‫‪-3‬מגדיר כמה משאבים‬
‫צריך מסוג משאב ‪S‬‬
‫‪-4‬עמידה בקשרי קדימות‪-5‬מבטיח ‪non preemption‬‬
‫‪ ‬יקדם את כל הפעילויות להתחיל הכי מוקדם שניתן כדי לדעת את זמני הסיום המאוחרים‬
‫פתרון הבעיה מורכב ולכן נשתמש ביוריסטיקה‪:‬‬
‫‪-1‬אתחול‪ -‬נתזמן את כל הפעילויות לזמנים המוקדמים‬
‫‪-2‬נחשב את צריכת המשאב הממוצעת לכל סוג משאב‬
‫‪-3‬נחשב את ההפרש בין המקס' למינ' בכל סוג משאב‪.‬‬
‫את ‪ Ti‬כמה שיותר גדולים כדי לקבל זמנים מאוחרים‪ .‬ניתן גם בלי שימוש באפסילון (הפונ'‬
‫‪-4‬ניקח את הפעילות שבה יש את המרווח החופשי הגבוה ביותר ונדחה אותה ביח' זמן אחת‪.‬‬
‫(ה‪ FS‬שלה יקטן)‬
‫‪-5‬נעדכן את המרווח החופשי של כל הפעילויות וגם את צריכת המשאבים‪.‬‬
‫‪-6‬נחשב את ערך פונ' המטרה הנכחי‪.‬‬
‫‪-7‬כעת נחזור על שלב ‪ 1.1‬עד שנגיע למצב בו אין לפעילויות מרווח חופשי בכלל (מצב זמנים‬
‫מאוחרים)‬
‫‪-8‬נעבור על כל ערכי פונ' המטרה שהשגנו ונבחר את זו שהכי טובה לנו‪( .‬המינימלית)‬
‫תכנון תקציב‬
‫נרצה להקדים כסף שנכנס ולדחות תשלומים לספקים‬
‫קשר בין זמן לעלות של פעילות‬
‫**נעזר במודלים של ‪AOA‬‬
‫‪ -Cij‬השיפוע של הגרף‪ ,‬עלות הקיצור ליח' זמן‬
‫‪ -Kij‬עלות ישירה של הפעילות‪ -Yi ,‬הזמן המוקדם ביותר לארוע ‪i‬‬
‫הקצאת משך פעילות‬
‫גישות סטוכסטיות‪ :‬התפלגות אמפירית‪ -‬התבססות על פעילויות דומות שכבר בוצעו בעבר‬
‫ואז ניתן לחשב תוחלת וסטיית תקן של משך הפעילות‪.‬‬
‫התבססות על הערכות נקודה בעזרת התפלגות ביתא‪-‬‬
‫‪-a‬משך אופטימי לפעילות‪-b ,‬משך הפסימי של פעילות‪.‬‬
‫‪ -m‬המשך השכיח של הפעילות‬
‫‪ -Total Slack‬כמה אנחנו יכולים לדחות את אותה פעילות‬
‫קדימה בזמן מבלי לעכב את זמן סיום הפרויקט‪.‬‬
‫תכנות לינארי – מבוסס על ‪ .AOA‬מזעור משך הפרויקט‬
‫*האילוץ הראשון הוא אילוץ שמירה על קדימויות‬
‫נוסיף לפונ' המטרה חלק נוסף( האפסילון)‬
‫יגרום לתכנית לרצות להקטין את משתני‬
‫ההחלטה כדי למזער את ערך פונ' המטרה‪.‬‬
‫ביותר‪:‬‬
‫כאן אפסילון הוא‬
‫שלילי ולכן נרצה‬
‫הימנית) זה בעצם רוצה להקטין את ההפרש בין ‪ Tn‬לבין כל אחד מ ‪.Ti‬‬
‫ניסוח נוסף עבר פונ' מטרה אחרת (מיקסום ‪:)NPV‬‬
‫ניסוח זמן רציף‪:‬‬
‫‪ -E‬קשתות‪ -C ,‬זמן סיום של פעילות‪-r ,‬רווח מפעילות‬
‫כלשהי‪ -P ,‬משך של פעילות‪-α ,‬קבוע דיסקאונט‬
‫האילוץ הראשון הוא אילוץ קדימויות‪ ,‬האילוץ השני‬
‫אומר שזמן הסיום של הפעילות האחרונה צריך‬
‫להיות קטן שווה מזמן הפרויקט כולו‬
‫למידה‬
‫‪-x‬מס' חזרות‪-T(x) ,‬זמן שלקח בביצוע ה‪,x‬‬
‫‪ -b‬מקדם הלמידה‪ ,‬כאשר ‪ b=0‬אין למידה‪,‬‬
‫‪ b=1‬הלמידה הכי מהירה‬
‫בעיות ‪ -RCPSP‬נרצה למזער את משך הפרויקט בכפוף לאילוצי משאבים וקדימות‪.‬‬
‫שיטות פתרון מדוייק‪ :‬תכנות בשלמים‪ ,‬הסתעף וחסום‪ ,‬תכנות דינאמי‪.‬‬
‫שיטות יוריסטיות‪ :‬הראשון שמגיע נכנס לעיבוד‪ ,‬הסתעף וחתוך‪-‬הסתעף וחסום תוך הזנחת‬
‫חלק מהענפים‬
‫הגדרות‪-S ,:‬סוג המשאב‪-d ,‬אינדקס יום‪ – J ,‬אינדקס פעילות‪ -P(j) ,‬סט הקודמים של פעילות‬
‫)‪ -j, a(s,d‬זמינות‪ ,‬מס' המשאבים הזמינים ביום כלשהו‪ -r(s,j) ,‬דרישה‪ ,‬כמות משאב ‪ s‬הדרוש‬
‫ביום לפעילות)‪ -j , t(j‬משך פעילות ‪ -j, T‬תאריך יעד (חסם תחתון‪ ,‬פלט של ‪-X(j,d) ,)CPM‬‬
‫משתנה בינארי‪ 1 ,‬כאשר פעילות ‪ j‬הסתיימה ביום ‪ d, 0‬אחרת‪.‬‬
‫*‪ -non-preemptive‬מאפשר שיבוץ רציף‬
‫פונ' המטרה ממזערת‬
‫את מס' הימים בהם‬
‫מתבצעת כל פעילות‬
‫אחרי ‪( .T‬מזעור מס'‬
‫פעילויות חורגות)‬
‫אילוצים‪:‬‬
‫‪ -1‬משתני החלטה‬
‫בינארים‬
‫‪-2‬כל פעילות‬
‫מתבצעת בהתאם‬
‫למשך שלה‪.‬‬
‫‪-3‬מבטיח שאנו‬
‫עומדים בזמינות‬
‫המשאבים‬
‫‪-4‬אילוץ של קדימות‪ i ,‬הוא אחד הקודמיםשל ‪.j‬‬
‫‪-5‬מבטיח רציפות ביצוע הפעילויות ‪non-preemption‬‬
‫הרחבה לגבי פונ' המטרה ‪:‬‬
‫מוכפל ב‪d -‬רגיש לכמות זמן האיחור‪ ,‬ממזער את משך הפרויקט הכולל‪.‬‬
‫אינו מוכפל ב‪d ‬לא רגיש לכך‪ ,‬ממזער מס' פעילויות שמגיעות לאחר החסם התחתון ‪T‬‬
‫(מאחרות)‬
‫הסתעף וחסום‬
‫*ראשית נעיף מודים שברור שאינם יעלים בפתרון הבעיה (נקטין את מרחב החיפוש)‬
‫* לכל ענף נחשב חסם תחתון על זמן הפתרון שיכול לצאת ממנו (זמן הפתרון הכי טוב)‬
‫* יתכן שנפסול חלק מהאפשרויות בדרך בשל אילוצי משאבים (יכולה להיות סיבה להפסיק‬
‫ולפתח ענף מסויים‪ ,‬כאשר הפעילויות בו אינן עומדות בא‪ .‬המשאבים)‬
‫*בכל שלב נמשיך בפיתוח העץ מהענף שהחסם התחתון שלו הוא הכי נמוך‪ ,‬זה לא מבטיח‬
‫שמשם יצא הפתרון הכי טוב אבל זאת השיטה‬
‫*הפתרון הפיזבילי שנקבל בסיום העץ הוא חסם עליון על הפתרון האופט' של הבעיה‪.‬‬
‫*פתרונות תחת ענף מסויים יכולים להיות גדולים ‪ /‬שווים לחסם התחתון שממנו יצאנו‬
 ‫חישובים כלכליים‬
‫‪-i‬שיעור ריבית‪-n ,‬מס' תקופות‪-P ,‬ערך נכחי של סכום כספי בנק' זמן מסוימת‬
‫‪-F‬ערך עתידי של סכום כספי בנק' זמן מסוימת‪-A ,‬סכום קבוע בסדרה אחידה במשך ‪ n‬תקופות‬
‫(לפי סוף תקופה)‪-G ,‬סכום צמיחה קבוע בסדרה (לפי סוף תקופה)‬
‫הנחות על כל הנוסחאות‪:‬‬
‫‪ *A‬מתבצע בסוף תקופת הריבית‪ *P .‬מתבצע תקופת ריבית אחת לפני ה‪ A‬הראשון‬
‫‪ *F‬מתבצע תמיד יחד עם ‪ A‬האחרון‪ *G .‬לא קיים בסוף תקופה ‪1‬‬
‫תזרים השקעה (שמאל)‪:‬‬
‫שילמתי ‪ P‬בהתחלה‪ ,‬בסוף קיבלתי תקבולים ואת ‪F‬‬
‫תזרים הלוואה (ימין)‪ :‬קיבלתי סכום ‪P‬‬
‫בהתחלה והחזרתי בתשלומים ובסוף‬
‫בסכום מרוכז ‪F‬‬
‫ערך עתידי של סכום יחיד‪:‬‬
‫הרווחתי כבר ‪ ,0‬אז יש לי סיכוי להרוויח כל אחד מהסכומים‪ ,‬כאשר ‪ m=1000‬הרווחתי כבר‬
‫ערך נכחי של סכום יחיד (היוון)‪:‬‬
‫ערך נכחי של סדרה עם סכום קבוע‪:‬‬
‫אם נתון ‪ F‬או ‪ P‬ונרצה למצוא את ‪:A‬‬
‫נוסחאות סדרה עם סכום צמיחה קבוע‪:‬‬
‫*לשים לב ש‪G‬‬
‫החלק הצומח‬
‫מתחיל רק מתקופה ‪2‬‬
‫חישוב ריבית רבעונית‪:‬‬
‫**לשים לב שכשמדובר ברבעון לפעמים צריך להוון עוד ‪ 3‬רבעונים אחורה כדי להגיע לנק' ‪0‬‬
‫האמיתית‬
‫הוכחה מתמטית של המקדם בנוסחת ענ"נ של סדרה עם סכום קבוע‪:‬‬
‫ערך מזכה ‪Earned Value‬‬
‫שיטת בקרה שמסתכלת על זמן ועלות יחד‬
‫נעבוד עם‬
‫טבלה‪:‬‬
‫**הכל כאן מוכפל ב‪ 4-‬כי בשאלה המקורית זו היתה נק' הזמן הנכחית‬
‫חישובי המדדים‪:‬‬
‫כעת נראה תרשים שמייצג את מה שחישבנו‪:‬‬
‫החיתוך של הצירים בתרשים יוצר ‪ 4‬רבעים‪:‬‬
‫‪SI,CI<1 ‬חריגות גם בתקציב וגם בלוז‬
‫‪ SI<1, CI>1‬מייצג בעיות בלוז (בסדר מבחינת עלות)‬
‫‪ ,SI>1, CI<1‬מייצג חריגות תקציב (הלוז בסדר)‬
‫‪ SI,CI>1‬גם התקציב וגם הלוז מתפקדים כרצוי‪.‬‬
‫*פונ' תועלת ‪ Additive Independent‬כאשר המחליט אדיש בין ‪ 2‬מקרים ‪ ‬תוחלת‬
‫מדדים בעזרתם ניתן לחזות האם נעמוד בתקציב‪:‬‬
‫‪- BAC -1‬מה תכננתי שתהיה‬
‫העלות המצטברת שלי בסוף‬
‫הפרויקט‬
‫‪-WR -2‬מה העלות בסוף‬
‫הפרויקט פחות מה שביצעתי‬
‫כבר במונחי התכנון‪ ,‬אומר לי מה העבודה שנותרה במונחי התכנון‪.‬‬
‫‪ -ETC -3‬כמה אני מעריך שנשאר לי כדי לסיים?‬
‫‪ -EAC -4‬מייצג את העלות של הפרויקט בסיומו‪ -‬הכסף שכבר הוצאנו ועוד העלות הצפויה של‬
‫הפרויקט‪.‬‬
‫** תכנון לפי זמנים מאוחרים משפיע רק על ‪( BCWS‬יקטן‪ ,‬לעומת בזמנים מוקדמים )‬
‫עקרונות השרשרת הקריטית‬
‫שלבי פתרון‪:‬‬
‫‪-1‬נצייר תרשים ‪( AOA‬יש לקצר את הפעילויות בחצי)‬
‫‪-2‬נמצא את הנתיב הקריטי (בלי להתיחס לאילוצי המשאבים)‬
‫‪-3‬נשתמש בסכמת זימון מקבילית לפי כלל הקדימות שמבקשים ע"מ למצוא את השרשרת‬
‫הקריטית (שיבוץ בטבלה)‬
‫**בתרשים הסופי הבאפרים בקו מקווקוו‪.‬‬
‫תזמון טורי ותזמון מקבילי‬
‫להוסיף‬
‫כאשר עלויות האינטרוולים יורדות‪:‬‬ ‫עצי החלטה‬
‫‪ -Ai+1‬תוחלת הרווחים נטו מכל‬
‫האינטרוולים העתידיים‬ ‫עצי החלטה דטרמיניסטים‬
‫דוגמא‪:‬‬ ‫דוגמא לשאלה עם עץ החלטה דטרמיניסטי‪:‬‬
‫‪ 2‬קונספטים –‬ ‫צריך להחליט עבור ציוד אם לשמור או לזרוק?‬
‫רק סף החלטה אחד‬ ‫לאחר מס' שנים מסויים‪0/3/6 -‬אופק התכנון‪ 9 -‬שנים‪( .‬נניח שאין ריבית בבעיה)‬
‫לפי‪:‬‬ ‫**למשל בזמן ‪ 0‬אם נשמור את הציוד נקבל עליו ‪ 4000‬דולר לשנה וזה יעלה לנו ‪ 800‬דולר‬
‫(ל‪ 3-‬שנים)‬
‫לא נתייחס לעלויות האינט' הראשון בקביעת עלויות יורדות ‪/‬‬
‫שאינן יורדות‬
‫** לפי ההתפלגות‬
‫הנתונה ניתן להרוויח‬
‫‪ 2000‬לכל היותר‪,‬‬
‫אז כאשר ‪m=0‬‬
‫ניסוח בעיית‬
‫‪ 1000‬אז אני לא יכולה להרוויח ‪ ,2000‬וכאשר ‪( m=2000‬מיציתי את פוטנציאל הרווח) זה‬ ‫**ובשלב השני‪ ,‬נפתור את‬
‫‪:‬התכנות הדינאמי‬
‫מתאפס‬ ‫אותה בעיה‪ ,‬אך נניח שיש‬
‫מודלים‬ ‫‪ 25%‬ריבית לשנה ‪ ‬עץ‬
‫מטריצת קדימויות‪ :‬איבר ‪ aij‬מקבל ‪ 1‬אם משימה ‪ i‬היא הקודם המיידי של משימה ‪j‬‬ ‫החלטה זהה‪ ,‬ופתרון שונה‪:‬‬
‫אלגוריתם למספור צמתים ברשת‪:‬‬
‫צעד אתחול‪-‬חישוב דרגת‬
‫הכניסה של צומת‪ ,‬ניתן‬
‫מיספור סידורי אקראי לכל הצמתים‬
‫בגרף‬
‫צעד ‪-1‬נמצא צומת עם דרגת כניסה ‪.0‬‬
‫נותנים לצומת הזו ‪m=1‬נוציא את צ‪( k .‬כבר‬
‫מספרנו) מתוך קבוצת הפעילויות שנישאר‬
‫למספר‪.‬כאשר לא נותרה אף צומת ברשימה‬ ‫חישובי הפתרון‪:‬‬
‫בעצם מיספרנו את כל הצמתים‪.‬‬ ‫(‪ EMV‬של כל שלב)‬
‫צעד ‪ -2‬עדכון‬
‫לאחר מיספור של כל צומת נגדיר מחדש את‬
‫דרגת הכניסה של הצמתים‪  .‬נגדיר שדרגת‬
‫הכניסה הנכחית של הצמתים שווה לדרגה‬ ‫כלל בייס‪:‬‬ ‫עצי החלטה הסתברותיים‬
‫הקודמת מינוס ‪ -akj‬כלומר נחסר מדרגת הכניסה‬ ‫שלבי עבודה עם עץ החלטה הסתברותי‪:‬‬
‫של צומת ‪ j‬את כל הקשתות שנכנסות לאותן צמתים מ‪( K‬הצומת שהרגע מוספר)‪.‬‬ ‫‪ .1‬חישוב ההסתברויות מהסקר למצבים‬
‫מעבר ממט' של קודמים מיידיים למט' של כל‬ ‫השונים (בייס)‬
‫הקודמים‪- A :‬מטריצת קודמים מיידים‪- B ,‬מטריצת כל הקודמים‬ ‫‪ .2‬נמקם את ההסת' במקום‬
‫קשרי קדימות‬ ‫המתאים ע"ג עץ ההחלטה‬
‫‪ .3‬נחשב‬
‫‪ EMV‬לכל צומת‬
‫מרובעת ונלך‬
‫"מהסוף‬
‫להתחלה" ‪‬‬
‫תמיד נבחר‬
‫בענף עם‬
‫ה ‪ EMV‬הגבוה‬
‫מינימום‪ :‬פעילות ‪ j‬יכולה‬
‫להתחיל לכל המוקדם ‪ d‬יח"ז לאחר שפעילות ‪ i‬מתחילה‬
‫יח"ז‬ ‫מקסימום‪ :‬פעילות ‪ j‬יכולה להתחיל לכל המאוחר‬
‫לאחר שפעילות ‪ i‬מתחילה‬
‫חלון זמן שבין לבין‪:‬‬
‫תורת התועלת‪-‬השוואה בין חלופות בחיי הפרויקט מטרה‪ -‬מיקסום תוחלת הערך הכספי‬
‫‪-EMV. A‬האלטרנטיבה‪ -j ,‬תוצאה אפשריות‪,‬‬
‫‪ -Xj‬תשלום עבור אפשרות ‪ -j, Pj‬ההסתברות להתרחשות מצב ‪j‬‬
‫טיפוסים שונים בנוגע לשנאת ‪ /‬אהבת סיכון‪:‬‬
‫שונא סיכון‬ ‫אוהב סיכון‬ ‫ניטרלי לסיכון‬
‫תוחלת התועלת‪:‬‬
‫הערכת פונ' התועלת‪ -‬נגדיר‬
‫את הערך ‪ 1‬לתוצאה הטובה‬
‫פיתוח מקבילי‬
‫ביותר ו‪ 0-‬לגרועה ביותר‪ ,‬ונמצא את נק' ‪ CE‬בה המחליט אדיש בין האפשרויות‬
‫** אם מתקבל ‪ CE>EMV ‬המחליט שונא סיכון‬
‫תורת התועלת עם ‪ 2‬קריטריונים‪:‬‬
‫*אם תכונה ‪( UI 1‬ב"ת) בתכונה ‪ 2‬וגם להפך (‪ ,)MUI‬מתקיים ‪ MUI‬ואז התועלת מקיימת‪:‬‬
‫המטרה‪ -‬למצוא את נטו תוחלת הרווח]‪ E[π‬המקסימלי מתוך בחינה של ‪ n‬קונספטים‬
‫התועלת שלהם זהה‬
‫*כשמתקיים ‪ MUI‬אז‪:‬‬
‫פעמים רבות נשתמש בהתפ' גמבל‬
‫*אם מתקיים ‪ MUI‬וגם ‪ Additive Independent‬בהכרח ‪K3=0‬‬
‫(נניח שהרווחים של כ"א מהקונספטים מתפלגים לפי התפ' זו)‬
‫הוכחה‪:‬‬
‫‪ X0‬הוא מיקום‬
‫ראשוני‪ -‬למשל‬
‫‪ b‬מייצג פיזור‪ .‬עבור הת' ספציפית זו‪ ,‬נציב‬ ‫השקעה ראשוניתהשונות‬
‫אינטגרל)‬ ‫בנוסחא ונקבל‪( :‬אחרי‬
‫מגזירה נמצא את הנק' של מקסימום תוחלת‬
‫הרווח‪:‬‬
‫כאשר הרווח ברוטו מתפלג אחיד‪:‬‬
‫~‪-Uni[a,b], c‬עלות פיתוח‪ ,‬לדרג ‪ c‬בסדר עולה ואז לחשב‪:‬‬
‫ומכאן שבמקרה פרטי זה‬
‫פיתוח מקבילי עם עצירות‬
‫נקבל‪:‬‬
‫מתי נעצור את בדיקת הקונספטים?נרצה לבחור את הקונספט בעל הרווח המקסימלי‬
‫פונ' תועלת עם יותר מ‪ 2-‬קריטריונים‪:‬‬
‫כאשר עלויות האינטרוולים אינן‬
‫יורדות‪:‬‬
‫אגף ימין‪ -‬מחיר בדיקת האינטרוול בין קונספט ‪ i‬לקונ' ‪ ,i+1‬אגף שמאל ‪ -‬תוחלת הרווח‬
‫השולית של אותו אינטרוול‪.‬נעצור את בדיקת הקונס' כאשר נקבל ‪ m‬גדול מאלפא‬
‫**ניתן לראות‬
‫דוגמא‪( :‬נתונה הת' רווח אחידה)‬
‫שכאשר פותחים את המשוואה‪ ,‬אם יש רק ‪ 2‬קריטריונים נקבל את אותה משווה משם‪:‬‬
‫ובסוף מציבים‬
‫‪.‬‬ ‫‪K3=K*K1*K2‬‬
‫במקרה הרב מימדי ניתן להסיק דברים באופן הבא‪:‬‬
‫עבור הת'‬
‫מציאת ‪ K‬וחילוצו עבור ‪ 2‬קריטריונים‪:‬‬
‫אחידה‪,‬‬
‫תמיד‪:‬‬
‫כל עוד הביטוי הזה גדול מ‪ 0-‬כדאי לנו להמשיך‪,‬‬
‫ברגע שהוא שווה ‪ 0‬או שלילי‪ -‬נפסיק‪( .‬אין רווח שולי)‬
‫הנק' הראשונה שכדאי לעצור בה‪ -‬זו הנק' האופטימלית‪ ‬כלל ההחלטה הוא אופטימלי‪.‬‬