Interpretation des Simplex

Slides:



Advertisements
Ähnliche Präsentationen
Algorithmen für das Erfüllbarkeitsproblem SAT
Advertisements

• • • • • 3.2 Die projektive Erweiterung des E³
D.Neise, M.Backes, S.Rollke Fokallängenbestimmung großer Sphärenspiegel Dominik Neise, Michael Backes, Sebastian Rollke.
Anwendungsbeispiele Vertrieb durch:
ü Aufgaben des Kostenmanagements Betriebswirtschaft Kostenplanung
Bildverarbeitung für die Medizin - BVM
U_Bahn NATHALIE und TAMARA. Eine Gemeinde plant den Bau von U-Bahn Waggons der Typen S1 und F4 in Auftrag zu geben. Jene Firma, die den Auftrag erhält,
Diät Lineare Optimierung. 12. Januar 2014Bianca Wenzl, Kathrin Schragl2 Angabe: Aus einer Diätvorschrift ist zu entnehmen: Maximal 30 g Fett, maximal.
Einsatz von Excel zur Lösung von Optimierungsaufgaben
EDV-gestützte Umsetzung des Simplex-Algorithmus in Visual Basic
Welches sind die beiden Kirchhoffschen Gesetze, die mit der hier dargestellten Schaltung verifiziert werden können und wie lauten diese?   Kirchhofsche.
Operations Research Vorlesung/Übung im SS 2008
Mikroökonomik 1 Prof. Dr. Ulrich Schmidt Wilhelm-Seelig-Platz 1, Raum 404a Tel.: Sprechstunde: Di. 12:00 – 13:00.
Law of comparative judgement
Forschungsstatistik I
Praktikum bei der ibes Systemhaus GmbH
© 2006 W. Oberschelp, G. Vossen Rechneraufbau & Rechnerstrukturen, Folie 4.1.
Lösung: Keynes Demo dY = -144,5 dT = + 36,125 Insgesamt 8 Punkte.
Quantitative Methoden I
Der Simplexalgorithmus
PowerPoint-Folien zur 4. Vorlesung „Evolutionsstrategie II“
Ingo Rechenberg PowerPoint-Folien zur 4. Vorlesung Evolutionsstrategie II Das Wunder der sexuellen Fortpflanzung - Theorie der rekombinativen ES.
Multiplexer.
3 % von % von 700 9% von % von 2000.
Eine mathematische Analyse
Produktionspolitische Entscheidungen Kostenreduzierung
Wiederholung „Mathematische Ökonomie“
5. Sitzung zur Wohlfahrtsanalyse II: Dualität, Marshall- und Hicksnachfrage,Shepard`s Lemma, Variationsmaße und Zusatzlast.
Beweiser – Integer Linear Problems Oleg Iskov Methoden der Verifikation Universität Bremen SS2005.
Diskrete Mathe 9 Vorlesung 9 SS 2001
EK Produktion & Logistik
Einführung Differentialrechnung
50:50 POLL PHONE-A-FRIEND Wer wird Millionär?
Manfred Wahl Gewinnen mit Risiko Mgmt Heidelberger Investoren Runde 11. April 2007 Idee: van Tharp Institute, Technischer Analyse Kongress 2006, Frankfurt.
Lineare Optimierung mit dem Simplexverfahren
Production needs us Varianten von Dip- & Printschablonen.
Sensitivitätsanalyse
Hauptproduktionsprogrammplanung (MPS)
Reform der arbeitsmarktpolitischen Instrumente - Aktueller Sachstand
Übungen zu Transportaufgaben
Psychosomatik & Arbeitswelt
Quantitative Methoden der BWL – Lineare Programmierung
IK Ökonomische Entscheidungen und Märkte
Determinanten und Cramer‘sche Regel
Optimale Programmplanung
Managemententscheidungsunterstützungssysteme (Ausgewählte Methoden und Fallstudien) ( Die Thesen zur Vorlesung 3) Thema der Vorlesung Lösung der linearen.
Bestimmung der Bodeneigenschaften am Antennenstandort
Warenverkehr Mehr- und Minderbestand Minderbestand Mehrbestand
Kommunikationstechnik B Teil 4 – Informationstheorie
The EventCollector Concept Präsentation der Diplomarbeit von Thomas Moser und Lukas Karrer Distributed System Group,
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2011.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2011.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Algorithmen für das Erfüllbarkeitsproblem SAT
Anwendungsbeispiele Vertrieb durch:
1 Computergestützte Verifikation Binary Decision Diagrams (BDD) Inhalt: Die Datenstruktur BDD Operationen auf BDD CTL Model.
Kurzreferat über Funktionen und Prozeduren Von Alexander RothHomepage:
Performancemaße bei Prof. Edwin Fischer
2 Grundsätze der Aufbau- & Ablauforga
Nichtlineare Optimierung
Special Topics in Produktion /Logistik/SCM: Transportlogistik
Tabelle 4-1: Umweltzustände für die Einführung einer neuen Biersorte
Optimierungs- Algorithmen Petra Mutzel Technische Universität Wien Institut für Computergraphik und Algorithmen Algorithmen und Datenstrukturen 2.
Version vom Max-Flow in Orientierten Matroiden Winfried Hochstättler & Robert Nickel Fernuniversität in Hagen Lehrstuhl für Diskrete Mathematik.
Hauptproduktionsprogrammplanung (MPS)
Grundlagen von CAMPUSonline
Global Technology Corporation (GTC), ein weltweit agierendes Technologieunternehmen, plant die Einführung eines einfachen Routennavigators für Radfahrer.
Special Topics in Produktion /Logistik/SCM: Transportlogistik
Special Topics in Produktion /Logistik/SCM: Transportlogistik
 Präsentation transkript:

Interpretation des Simplex entnommen aus: Stepan, Adolf: Betriebswirtschaftliche Optimierung : Einführung in die quantitative Betriebswirtschaftslehre / von Adolf Stepan u. Edwin O. Fischer. - 7. Aufl. München ; Wien,: Oldenbourg,  2001. S.223 ff Dominik Stigler 0510357

Fallbeispiel Fall: 2 Abteilungen 3 Güter Der Deckungsbeitrag für Produkt1 möge 30 GeldEH je Stück, Produkt2 = 40 GeldEH, Produkt3 = 10 GeldEH. Die verfügbaren Kapazitäten in Abteilung I und Abteilung II betragen 7000 bzw. 8000 EH. Produkt1 beansprucht je Stück 5 KapazitätsEH in Abteilung I und 4 in Abteilung II. Produkt2: 2 bzw. 3, Produkt3 4 bzw. 2. Von Produkt1 können maximal 1000 Stück, von Produkt2 maximal 2000 Stück abgesetzt werden. Höchstabsatzmenge Produkt3 sei irrelevant.

LP max 30*X1 + 40*X2 + 10*X3 bzgl.: I 5*X1 + 2*X2 + 4*X3 <= 7000 II 4*X1 + 3*X2 + 2*X3 <= 8000 III 1*X1 <= 1000 IV 1*X2 <= 2000 X1,X2,X3 >=0

I Kapazitätsrestriktion I = S1 II Kapazitätsrestriktion II = S2 III Absatzhöchstmenge Produkt1 = S3 IV Absatzhöchstmenge Produkt2 = S4

X1 X2 X3 S1 S2 S3 S4 b 5 2 4 1 7000 3 8000 1000 2000   -30 -40 -10 -2 3000 -3 40 80000 1 1/2 -1 1/4 1 3/4 500 1/2 1/4 - 3/4 - 1/2 - 1/4 3/4 7 1/2 17 1/2 95000

Produkt3 ist nicht im Produktions-Programm aufgenommen. X1 X2 X3 S1 S2 S3 S4 b 1 1/2 1 -1 1/4 1 3/4 500 1/2 1/4 2 - 3/4 - 1/2 - 1/4 3/4 2000   5 7 1/2 17 1/2 95000 Produkt3 ist nicht im Produktions-Programm aufgenommen. Gesamtdeckungsbeitrag würde um 5 sinken, falls 1 EH Produkt3 erzeugt werden würde. Relative Deckungsbeiträge: jener Betrag, um den Bruttogewinn von nichterzeugten Produkt mindestens steigen muss, um in das Produktions-Programm aufgenommen zu werden.

Die optimale Menge von Produkt2 bleibt aber konstant X1 X2 X3 S1 S2 S3 S4 b 1 1/2 1 -1 1/4 1 3/4 500 1/2 1/4 2 - 3/4 - 1/2 - 1/4 3/4 2000   5 7 1/2 17 1/2 95000 Produktion 1 EH Produkt3 würde Produktion von Produkt1 um ½ EH vermindern. Bei Änderung des Produktionsprogramms: 1 EH Produkt3 statt ½ EH Produkt1, ergibt sich eine Verringerung von ungenutzten Kapazitäten um 1 ½ EH in Stufe I Erhöhung der nichtausgenutzten Höchstabsatzmenge (von Produkt1 – S3) um ½ wenn 1 Produkt3 mehr Die optimale Menge von Produkt2 bleibt aber konstant

Der Schattenpreis von nicht ausgenutzten Restriktionen = 0 X1 X2 X3 S1 S2 S3 S4 b 1 1/2 1 -1 1/4 1 3/4 500 1/2 1/4 2 - 3/4 - 1/2 - 1/4 3/4 2000   5 7 1/2 17 1/2 95000 Grenzerfolg der letzten Restriktionseinheit: Ausmaß der Reduktion des Zielfunktionswert bei Reduktion des entsprechenden b um 1 EH Erhöhung des Bruttogewinns bei Erhöhung der Restriktion um 1 EH = Schattenpreis je EH der Restriktion: gibt an, wie viel maximal für eine Erhöhung der rechten Seite um 1 EH aufgewendet werden darf, ohne dass der Gewinn sich ändert. Kapazitäts-I-Erhöhung um 1 EH  7 ½ - Lockerung der Absatz-Restriktion von Produkt2 um 1 EH  17 ½ - diese möglichen Neukosten könnten z.B.: in Werbekosten investiert werden, um den Absatz zu steigern Der Schattenpreis von nicht ausgenutzten Restriktionen = 0

S2: nicht genutzte EH der Kapazität in II X1 X2 X3 S1 S2 S3 S4 b 1 1/2 1 -1 1/4 1 3/4 500 1/2 1/4 2 - 3/4 - 1/2 - 1/4 3/4 2000   5 7 1/2 17 1/2 95000 S2: nicht genutzte EH der Kapazität in II Erhöhung von S2 um 1 EH  Verminderung des Bruttogewinns um 7 ½ . Kapazitätsherabsetzung durch: Verminderung Produkt1 um ¼ , Steigerung des unausgenutzten Absatz um ¼ , Erhöhung ungenutzte Kapazität I um 1 1/4 , Produktionsmenge Produkt2 = konstant , da dessen Absetzung höherer Entgang Bruttogewinn  7 ½ : 13 1/3

X1 X2 X3 S1 S2 S3 S4 b 1 1/2 1 -1 1/4 1 3/4 500 1/2 1/4 2 - 3/4 - 1/2 - 1/4 3/4 2000   5 7 1/2 17 1/2 95000 Erhöhung des ungenutzten Absatz des Produkt2 bzw. Verringerung Höchstabsatzmenge auf 1999 führt zu Verlust von 17 ½ , weil Produktionsmenge des Produkt2 um 1 EH verringert. Andererseits von Produkt1 ¾ EH mehr. Absatz I steigt um ¾ - Kapazitätsauslastung I steigt um 1 3/4

Deckungsbeitrag des Produkt i X1 X2 X3 S1 S2 S3 S4 b 5 2 4 1 7000 3 8000 1000 2000   -30 -40 -10 1 1/2 -1 1/4 1 3/4 500 1/2 1/4 - 3/4 - 1/2 - 1/4 3/4 7 1/2 17 1/2 95000 Bruttogewinn je Produkt bei richtiger Bewertung der Restriktionen aus Summe der mit Schattenpreisen gewichteten Restriktions-Beanspruchungen des Produkts + relativer Deckungsbeitrag. Deckungsbeitrag des Produkt i C1 = 5 * 0 + 4 * 7 ½ + 1 * 0 + 0 * 17 ½ + 0 = 30 C2 = 2 * 0 + 3 * 7 ½ + 0 * 0 + 1 * 17 ½ + 0 = 40 C3 = 4 * 0 + 2 * 7 ½ + 0 * 0 + 0 * 17 ½ - 5 = 10 Es wird das Produktions-Programm gesucht, das die Summe der mit Schattenpreisen gewichteten Restriktionseinheiten minimiert  führt zur Formulierung des dualen Problems.

X1 X2 X3 S1 S2 S3 S4 b 5 2 4 1 7000 3 8000 1000 2000   -30 -40 -10 1 1/2 -1 1/4 1 3/4 500 1/2 1/4 - 3/4 - 1/2 - 1/4 3/4 7 1/2 17 1/2 95000 Gewinn ist dort maximal, wo zusätzliche Kosten pro EH gleich den zusätzlichen Erlösen  MC = MR Für nicht ausgenutzte Kapazität I und inaktive Absatzrestriktion von Produkt1: Schattenpreis = 0 7000 * 0 + 8000 * 7 ½ + 1000 * 0 +2000 * 17 ½ = 95000