EK Produktion & Logistik

Slides:



Advertisements
Ähnliche Präsentationen
Algorithmen und Datenstrukturen
Advertisements

Entscheidungsunterstützungssysteme -
Christian Scheideler SS 2009
Eulerscher Polyedersatz
Rekursion: Rekurrenz: Algorithmen rufen sich selbst (rekursiv) auf.
Falls Algorithmen sich selbst rekursiv aufrufen, so kann ihr Laufzeitverhalten bzw. ihr Speicherplatzbedarf in der Regel durch eine Rekursionsformel (recurrence,
Katja Losemann Chris Schwiegelshohn
11. Matrizen. 11. Matrizen Eine mn-Matrix ist ein Raster aus mn Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (aij)1  i  m, 1.
Matherechnungen Alles im Kopf ausrechnen… …und zwar so schnell wie möglich!
Grundzüge der Mikroökonomie (Mikro I) Kapitel 8 P-R Kap. 7
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.
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.
Algorithmen und Komplexität Teil 1: Grundlegende Algorithmen
= = = = 47 = 47 = 48 = =
Algorithmentheorie 04 –Hashing
Algorithmentheorie 6 – Greedy-Verfahren
Prof.Dr.S. Albers Prof. Dr. Th. Ottmann
Dynamische Programmierung (2) Matrixkettenprodukt
Algorithmen und Datenstrukturen
WS Algorithmentheorie 08 – Dynamische Programmierung (2) Matrixkettenprodukt Prof. Dr. Th. Ottmann.
Informatik II, SS 2008 Algorithmen und Datenstrukturen Vorlesung 4 Prof. Dr. Thomas Ottmann Algorithmen & Datenstrukturen, Institut für Informatik Fakultät.
Algorithmentheorie 7 – Bin Packing
Geometrisches Divide and Conquer
Grundkurs Theoretische Informatik, Folie 2.1 © 2006 G. Vossen,K.-U. Witt Grundkurs Theoretische Informatik Kapitel 2 Gottfried Vossen Kurt-Ulrich Witt.
Universität Dortmund, Lehrstuhl Informatik 1 EINI II Einführung in die Informatik für Naturwissenschaftler und Ingenieure.
PG 520 Intelligence Service – gezielte Informationen aus dem Internet
Algorithmen des Internets 2005 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität 1 Klausuraufgaben.
Nachholung der Vorlesung vom Freitag
Rechneraufbau & Rechnerstrukturen, Folie 12.1 © W. Oberschelp, G. Vossen W. Oberschelp G. Vossen Kapitel 12.
Approximationsalgorithmen Facility Location K-Median Cheng, Wei 12. Juli.
Bild 1.1 Copyright © Alfred Mertins | Signaltheorie, 2. Auflage Vieweg+Teubner PLUS Zusatzmaterialien Vieweg+Teubner Verlag | Wiesbaden.
20:00.
Diskrete Mathe 9 Vorlesung 9 SS 2001
EK Produktion & Logistik
Effiziente Algorithmen
Hauptproduktionsprogrammplanung (MPS)
Übungen zu Transportaufgaben
Effiziente Algorithmen
Gleichungssysteme Galip Turan.
EK Produktion & Logistik
EK Produktion & Logistik
Strategische Planungsprobleme
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation
Einführung in die Programmierung Wintersemester 2013/14 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
Lineare Algebra, Teil 2 Abbildungen
NEU! 1 2. Wo kommt diese Art von Rezeptor im Körper vor?
EK Produktion & Logistik
EK Produktion & Logistik
EK Produktion & Logistik
EK Produktion & LogistikKapitel 7/1 Kapitel 7 Materialbedarfsplanung (MRP)
Analyse von Ablaufdiagrammen
Tutorium Makro- und Mikroökonomik
NIN-Arbeitsblätter Paul-Emile Müller
Vorlesung Mai 2000 Konstruktion des Voronoi-Diagramms II
EK Produktion & Logistik
Managemententscheidungsunterstützungssysteme (Ausgewählte Methoden und Fallstudien) ( Die Thesen zur Vorlesung 3) Thema der Vorlesung Lösung der linearen.
Analyseprodukte numerischer Modelle
Analyseprodukte numerischer Modelle Tidekennwertanalysen des Schwebstofftransportes.
Schutzvermerk nach DIN 34 beachten 20/05/14 Seite 1 Grundlagen XSoft Lösung :Logische Grundschaltung IEC-Grundlagen und logische Verknüpfungen.
Analyse der Laufzeit von Algorithmen
1 Medienpädagogischer Forschungsverbund Südwest KIM-Studie 2014 Landesanstalt für Kommunikation Baden-Württemberg (LFK) Landeszentrale für Medien und Kommunikation.
EK Produktion & Logistik
Gliederung der Vorlesung
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Hauptproduktionsprogrammplanung (MPS)
EK Produktion & Logistik
 Präsentation transkript:

EK Produktion & Logistik Kapitel 3 Design und Analyse von Transportnetzwerken SS 2011 EK Produktion & Logistik

3.1 Motivierendes Beispiel: Transportproblem Eine Firma hat 3 Produktionsstandorte i (Fabriken) und 4 Verkaufsstellen j (Abnahmezentren). Transportkosten pro Stück von i zu j: Verkaufsstelle Produktionsstandort V1 V2 V3 V4 F1 10 5 6 11 F2 1 2 7 4 F3 9 8 Nachfrage 15 20 30 35 SS 2011 EK Produktion & Logistik

Minimierung der Transportkosten Wähle in jeder Spalte den günstigsten Standort um die Kosten zu minimieren! Verkaufsstelle Produktionsstandort V1 V2 V3 V4 Kapazitäts= verbrauch F1 10 5 6 11 F2 1 2 7 4 F3 9 8 Nachfrage 15 20 30 35 15 35 15 + 35 = 50 20 30 20 + 30 = 50 Gesamtkosten = 15 * 1 + 20 * 1 + 30 * 4 + 35 * 4 = 295 SS 2011 EK Produktion & Logistik

Kapazitätsrestriktionen I Jeder Standort hat eine gewisse Produktionskapazität! Achtung: Gesamtnachfrage = Gesamtkapazität (ansonsten müssen Dummy-Verkaufsstellen eingeführt werden – siehe §3.4)  Es können nicht mehr alle Verkaufsstellen vom günstigsten Produktionsstandort beliefert werden! SS 2011 EK Produktion & Logistik

Kapazitätsrestriktionen II Verkaufsstelle Produktionsstandort V1 V2 V3 V4 Kapazität F1 10 5 6 11 25 F2 1 2 7 4 F3 9 8 50 Nachfrage 15 20 30 35 100 100 100 SS 2011 EK Produktion & Logistik

3.2 Lösung mittels Heuristiken einfache Lösungsverfahren (geringer Aufwand, leicht zu verstehen) gute Lösungen Optimalität der Lösung ist nicht gesichert Beispiele: 3.2.1 Spaltenminimim- & Matrixminimummethode (= „Greedy – Verfahren“) 3.2.2 Vogel-Approximation (= „Regret – Verfahren“) SS 2011 EK Produktion & Logistik

3.2.1 Die Spaltenminimummethode 0. Ausgangslage: Transporttableau wobei jeweils links oben klein die Kosten eingetragen sind. Zunächst sind keine Zeilen oder Spalten gestrichen. 1. Von links beginnend suche man die erste noch nicht gestrichene Spalte 2. In dieser Spalte wähle das kleinste noch nicht gestrichene Kostenelement cij und mache die zugehörige Transportmenge xij maximal. 3. Ist die Spaltenressource aufgebraucht  streiche Spalte j, ODER ist die Zeilenressource aufgebraucht  streiche Zeile i. Ist nur mehr eine Zeile oder eine Spalte nicht gestrichen trage bei allen nicht-gestrichenen Zellen dieser Zeile oder Spalte die maximal mögliche Transportmenge xij ein. ansonsten weiter mit 1. SS 2011 EK Produktion & Logistik

Die Spaltenminimummethode II i / j 1 2 3 4 Angebot 10 5 6 11 25 7 9 8 50 Nachfrage 15 20 30 35 100 Nur mehr eine Spalte nicht gestrichen 25 10 15 10 30 20 30 Gesamtkosten = 15 * 1 + 20 * 1 + 30 * 4 + 25 * 11 + 10 * 4 + 0 * 8 = 470 SS 2011 EK Produktion & Logistik

Die Matrix-Minimum-Methode Hier ist anstelle von Schritt 1 und 2 das kleinste noch nicht gestrichene Kostenelement cij der gesamten Matrix zu suchen! i / j 1 2 3 4 Angebot 10 5 6 11 25 7 9 8 50 Nachfrage 15 20 30 35 100 25 Nur mehr eine Spalte nicht gestrichen 15 10 10 20 30 30 25 Gesamtkosten = 470 (zufällig gleich wie bei Spaltenminimummethode) SS 2011 EK Produktion & Logistik

3.2.2 Die Vogel-Approximation 0. Ausgangslage: Tableau wie bei der Spaltenminimummethode wobei zunächst keine Zeile oder Spalte gestrichen ist. 1. In jeder noch nicht gestrichenen Zeile bzw. Spalte berechne man die Differenz (Opportunitäts­kosten, „regret-value“) zwischen dem kleinsten und dem zweitkleinsten noch nicht gestrichenen cij. 2. In jener Zeile oder Spalte, wo diese Differenz am größten ist, wähle man das kleinste noch nicht gestrichene Kostenelement cij und mache die zugehörige Transportmenge xij maximal. Ist die Spaltenressource aufgebraucht  streiche Spalte j, ist die Zeilenressource aufgebraucht  streiche Zeile i. 4. Ist nur mehr eine Zeile oder eine Spalte nicht gestrichen, trage bei allen nicht-gestrichenen Zellen dieser Zeile oder Spalte die maximal mögliche Transportmenge xij ein. ansonsten weiter mit 1. SS 2011 EK Produktion & Logistik

Die Vogel-Approximation II i / j 1 2 3 4 Angebot 10 5 6 11 25 7 9 8 50 Nachfrage 15 20 30 35 100 Wenn Spalte gestrichen  Zeilen-Differenzen neu berechnen 25 1 5 15 10 10 1 2 20 5 25 30 3 4 5 25 8 1 4 2 4 3 Wenn Zeile gestrichen  Spalten-Differenzen neu berechnen Nur mehr eine Spalte nicht gestrichen Gesamtkosten = 15 * 1 + 20 * 1 + 25 * 6 + 5 * 4 + 10 * 4 + 25 * 8 = 445 (besser als 470 zuvor) SS 2011 EK Produktion & Logistik

EK Produktion & Logistik 3.3 Modell als LP Eine allgemeine Formulierung eines Transportproblems lautet: m Produzenten mit dem Angebot si, i = 1, … , m n Abnehmer mit der Nachfrage dj, j = 1, … , n Transportk. cij pro Stück von i nach j, i = 1, … , m; j = 1, … , n LP-Problem: Zur mathematischen Modellformulierung definiert man xij als die pro Zeiteinheit transportierte Menge von i nach j. Transportkosten Angebot i = 1, … , m Nachfrage j = 1, … , n. Nichtnegativität i = 1, … , m; j = 1, … , n. = SS 2011 EK Produktion & Logistik

EK Produktion & Logistik Beispiel K = (10x11 + 5x12 + 6x13 + 11x14) + (x21 + 2x22 + 7x23 + 4x24) + (9x31 + x32 + 4x33 + 8x34)  min Angebotsnebenbedingungen: x11 + x12 + x13 + x14 = 25 (i=1) x21 + x22 + x23 + x24 = 25 (i=2) x31 + x32 + x33 + x34 = 50 (i=3) Nachfragenebenbedingungen: x11 + x21 + x31 = 15 (j=1) x12 + x22 + x32 = 20 (j=2) x13 + x23 + x33 = 30 (j=3) x14 + x24 + x34 = 35 (j=4) Nichtnegativität: xij  0 für i = 1, … , 3; j = 1, … , 4 SS 2011 EK Produktion & Logistik

3.4 Kapazitätsüberschüsse Es sei nun allgemein mehr Kapazität vorhanden als Nachfrage! i / j 1 2 3 4 Angebot 10 5 6 11 50 7 9 8 Nachfrage 15 20 30 35 100 150 100 SS 2011 EK Produktion & Logistik

Einführung eines Dummy-Kunden Da wir Gleichheit von Gesamtkapazität und Gesamtnachfrage annehmen, müssen wir einen künstlichen oder Dummy-Kunden einführen (cij = 0) Lösung Mittel Vogel-Approximation i / j 1 2 3 4 Dummy Angebot 10 5 6 11 50 7 9 8 Nachfrage 15 20 30 35 50 5 15 35 35 1 2 20 30 1 8 1 2 3 4 150 – 100 = 50 Auch die 0 in der Dummyspalte muss berücksichtigt werden Gesamtkosten = 295 (besser als 445 zuvor) SS 2011 EK Produktion & Logistik

EK Produktion & Logistik LP-Formulierung Im Rahmen der LP- Formulierung ändert sich nur die Angebotsnebenbedingung: Angebot i = 1, … , m SS 2011 EK Produktion & Logistik

3.5 Zusammenhang mit der Standortplanung I Standortproblem: Gegeben: n Kunden deren Nachfrage dj jeweils zu befriedigen ist. Gegeben: m potentielle Standorte für Produktionsstellen mit Kapazitäten si und Fixkosten fi Es sollen jene Standorte realisiert werden, dass die Summe des Kapazitätsangebotes die Gesamtnachfrage mindestens erreicht. Gesucht: optimale Auswahl der realisierten Standorte, sodass die Summe aus Transport- und Fixkosten minimal wird (warehouse location problem, WLP  KFK) SS 2011 EK Produktion & Logistik

3.5 Zusammenhang mit der Standortplanung II LP: Transportkosten Angebot i = 1, … , m Nachfrage j = 1, … , n Nichtnegativität i = 1, … , m; j = 1, … , n Ganzzahligkeit yi  {0, 1} binäre Variablen, i = 1, … , m SS 2011 EK Produktion & Logistik