Prof. Dr. Dr. J. Hansohm Lineare Optimierung Hauptstudium Mathematische Planungsmethoden Umfang ca....
-
Upload
helmuth-wetenkamp -
Category
Documents
-
view
107 -
download
0
Transcript of Prof. Dr. Dr. J. Hansohm Lineare Optimierung Hauptstudium Mathematische Planungsmethoden Umfang ca....
Prof. Dr. Dr. J. Hansohm
LineareOptimierung
LineareOptimierung
Hauptstudium
Mathematische Planungsmethoden
Umfang ca. 2 TWS mit Übungen
Hauptstudium
Mathematische Planungsmethoden
Umfang ca. 2 TWS mit Übungen
Prof. Dr. Dr. J. Hansohm
GliederungGliederung
EinführungEinführung Planung, Zielsysteme, Präferenzen
Lineare OptimierungLineare Optimierung Fallstudie Berger, graphische Lösung
Simplex VerfahrenSimplex Verfahren Interpretation, Sensitivität, DualitätInterpretation, Sensitivität, Dualität Betriebswirtschaftl. AnwendungsbeispieleBetriebswirtschaftl. Anwendungsbeispiele
Transportproblem, Zuordnungsproblem Optimierung unter mehrfacher ZielsetzungOptimierung unter mehrfacher Zielsetzung
EinführungEinführung Planung, Zielsysteme, Präferenzen
Lineare OptimierungLineare Optimierung Fallstudie Berger, graphische Lösung
Simplex VerfahrenSimplex Verfahren Interpretation, Sensitivität, DualitätInterpretation, Sensitivität, Dualität Betriebswirtschaftl. AnwendungsbeispieleBetriebswirtschaftl. Anwendungsbeispiele
Transportproblem, Zuordnungsproblem Optimierung unter mehrfacher ZielsetzungOptimierung unter mehrfacher Zielsetzung
Prof. Dr. Dr. J. Hansohm
Definition PlanungDefinition Planung
Planung: gedanklich rationaleVorwegnahme zukünftigenHandelns und Geschehens
Planung: gedanklich rationaleVorwegnahme zukünftigenHandelns und Geschehens
auf die Zukunft gerichtet Treffen von Entscheidungen und nicht deren Durchsetzung
Prof. Dr. Dr. J. Hansohm
ausführende Tätigkeit
Elementarfaktoren Betriebsmittel
Werkstoffe
Produktionsfaktoren
Leitung/Führung
Planung
dispositive Faktoren Organisation
Kontrolle
ausführende Tätigkeit
Elementarfaktoren Betriebsmittel
Werkstoffe
Produktionsfaktoren
Leitung/Führung
Planung
dispositive Faktoren Organisation
Kontrolle
ProduktionsfaktorenProduktionsfaktoren
Prof. Dr. Dr. J. Hansohm
Dispositive FaktorenDispositive Faktoren Leitung/Führung:
Festlegen des betrieblichen Zielsystems Festlegen der globalen Unternehmenskonzeption Koordination der großen betrieblichen Funktionsbereiche
(enthält auch nicht rationale Elemente: Kreativität, Intuition, etc.)
Organisation: Realisierung der Planung Verteilung von Aufgaben Übertragung von Befugnissen, etc.
Kontrolle: Überprüfung der durch die Planung vorgegebenen und durch die
Organisation realisierten Größen
Leitung/Führung: Festlegen des betrieblichen Zielsystems Festlegen der globalen Unternehmenskonzeption Koordination der großen betrieblichen Funktionsbereiche
(enthält auch nicht rationale Elemente: Kreativität, Intuition, etc.)
Organisation: Realisierung der Planung Verteilung von Aufgaben Übertragung von Befugnissen, etc.
Kontrolle: Überprüfung der durch die Planung vorgegebenen und durch die
Organisation realisierten Größen
Prof. Dr. Dr. J. Hansohm
Neuere Ergebnisse empirischer ZielforschungNeuere Ergebnisse empirischer Zielforschung
Zielinhalte x sx 1. Sicherung des Unternehmensbestandes 4,84 0,43
x 2. Qualität des Angebots 4,65 0,55 3. Gewinn 4,65 0,75 4. Deckungsbeitrag 4,42 1,03
x 5. Soziale Verantwortung 4,28 0,88 6. Ansehen in der Öffentlichkeit 4,26 0,95 7. Umsatz 4,19 0,91 8. Wachstum des Unternehmens 3,98 0,89
x 9. Verbraucherversorgung 3,74 1,11 10. Marktanteil 3,67 1,24 11. Macht und Einfluß auf den Markt 3,60 1,22
x 12. Umweltfreundlichkeit/Schonung nat. Ressourcen 3,37 1,36
Zielinhalte x sx 1. Sicherung des Unternehmensbestandes 4,84 0,43
x 2. Qualität des Angebots 4,65 0,55 3. Gewinn 4,65 0,75 4. Deckungsbeitrag 4,42 1,03
x 5. Soziale Verantwortung 4,28 0,88 6. Ansehen in der Öffentlichkeit 4,26 0,95 7. Umsatz 4,19 0,91 8. Wachstum des Unternehmens 3,98 0,89
x 9. Verbraucherversorgung 3,74 1,11 10. Marktanteil 3,67 1,24 11. Macht und Einfluß auf den Markt 3,60 1,22
x 12. Umweltfreundlichkeit/Schonung nat. Ressourcen 3,37 1,36
x Leistungsziel Marktziel Ertragsziel
Prof. Dr. Dr. J. Hansohm
Unternehmenssituation - UnternehmenszieleUnternehmenssituation - Unternehmensziele
Situationsvariablen Markt-ziele
Leistungs-ziele
Ertrags-ziele
Unternehmensgröße +++ +++ +
Konkurrenzintensität +++ ---
Delegation derUnternehmerfunktion
+++
Hierarchieebene ---- ++ -Nationalität
Situationsvariablen Markt-ziele
Leistungs-ziele
Ertrags-ziele
Unternehmensgröße +++ +++ +
Konkurrenzintensität +++ ---
Delegation derUnternehmerfunktion
+++
Hierarchieebene ---- ++ -Nationalität
Prof. Dr. Dr. J. Hansohm
PräferenzenPräferenzen HöhenpräferenzHöhenpräferenz Welcher Zielwert wird innerhalb eines Zieles welchem Zielwert gegenüber bevorzugt?
vollständige Präordnungsrelation auf Zk ArtenpräferenzArtenpräferenz Welches Ziel wird gegenüber einem anderen Ziel bevorzugt? ZeitpräferenzZeitpräferenz Wie beurteilt der Entscheidungsträger Ergebnisse zu verschiedenen Zeiten? Risiko-, UnsicherheitspräferenzRisiko-, Unsicherheitspräferenz Wie beurteilt der Entscheidungsträger Ergebnisse bei unvollkommener Information?
HöhenpräferenzHöhenpräferenz Welcher Zielwert wird innerhalb eines Zieles welchem Zielwert gegenüber bevorzugt?
vollständige Präordnungsrelation auf Zk ArtenpräferenzArtenpräferenz Welches Ziel wird gegenüber einem anderen Ziel bevorzugt? ZeitpräferenzZeitpräferenz Wie beurteilt der Entscheidungsträger Ergebnisse zu verschiedenen Zeiten? Risiko-, UnsicherheitspräferenzRisiko-, Unsicherheitspräferenz Wie beurteilt der Entscheidungsträger Ergebnisse bei unvollkommener Information?
Prof. Dr. Dr. J. Hansohm
Klassifikation von EntscheidungsmodellenKlassifikation von Entscheidungsmodellen
Entscheidungs-Entscheidungs-modellemodelle
eineeineZielsetzungZielsetzung
mehreremehrereZielsetzungenZielsetzungen
RisikoRisikoSicher-Sicher-heitheit
Unge-Unge-wißheitwißheit RisikoRisikoSicher-Sicher-
heitheitUnge-Unge-wißheitwißheit
dyn
amisch
dyn
amisch
statischstatisch
statischstatisch
dyn
amisch
dyn
amisch
statischstatisch
dyn
amisch
dyn
amisch
statischstatisch
dyn
amisch
dyn
amisch
statischstatisch
dyn
amisch
dyn
amisch
dyn
amisch
dyn
amisch
statischstatisch
Prof. Dr. Dr. J. Hansohm
Lineare Entscheidungsmodelle
Lineare Entscheidungsmodelle
Grundlagen linearer Optimierung Schattenpreise, Sensitivität Lineares Entscheidungsmodell mit EXCEL Voraussetzungen linearer Entscheidungsmodelle Lineare Entscheidungsmodelle bei mehreren Zielen
Grundlagen linearer Optimierung Schattenpreise, Sensitivität Lineares Entscheidungsmodell mit EXCEL Voraussetzungen linearer Entscheidungsmodelle Lineare Entscheidungsmodelle bei mehreren Zielen
Prof. Dr. Dr. J. Hansohm
Fallstudie Berger (1)Fallstudie Berger (1)
M-1 M-2
Verkaufspreis € 1000 € 1200
zurechenbare Kosten € 700 € 800
Stück-DB € 300 € 400
variable Kosten Dreherei € 50 € 100
Unterlieferantenhöchstpreis € 350 =======
€ 500 =======
M-1 M-2
Verkaufspreis € 1000 € 1200
zurechenbare Kosten € 700 € 800
Stück-DB € 300 € 400
variable Kosten Dreherei € 50 € 100
Unterlieferantenhöchstpreis € 350 =======
€ 500 =======
Prof. Dr. Dr. J. Hansohm
Fallstudie Berger (2)Fallstudie Berger (2)
M-1 M-2 Gesamt
gewünschte Produktion 1000 St. 900 St.
Stück-DB € 300 € 400 € 660 000
bisherige Produktion 200 St. 900 St.
Stück-DB € 300 € 400 € 420 000
Differenz € 240 000 ========
M-1 M-2 Gesamt
gewünschte Produktion 1000 St. 900 St.
Stück-DB € 300 € 400 € 660 000
bisherige Produktion 200 St. 900 St.
Stück-DB € 300 € 400 € 420 000
Differenz € 240 000 ========
Prof. Dr. Dr. J. Hansohm
Fallstudie Berger (3)Fallstudie Berger (3)
Kapazitätserhöhung Dreherei/Fräserei = 800 Einheiten
ergibt € 300 pro Einheit und somit für
Kapazitätserhöhung Dreherei/Fräserei = 800 Einheiten
ergibt € 300 pro Einheit und somit für
M-1 M-2
€ 300 € 600
variable Kosten Dreherei € 50 € 100
Unterlieferantenhöchstpreis € 350 ======
€ 700 ======
Prof. Dr. Dr. J. Hansohm
Berger - EntscheidungsblattBerger - Entscheidungsblatt
Fallstudie BergerProduktionsentscheidungen
M-1 M-2 Verbrauch Kapazität Rest Art1000 St. 500 St.
1 2 2000 2000 0 Dreherei1 1 1500 2500 1000 Bohrerei1 1 1500 2500 1000 Stanzerei3 2 4000 4800 800 Spulenwicklerei1 0 1000 1500 500 Endmontage M-10 1 500 900 400 Endmontage M-2
€ 300,00 € 400,00 € 500.000,00 DB€ 276.600,00 Fixkosten€ 116.733,33 Gemeinkosten€ 106.666,67 Gewinn
Prof. Dr. Dr. J. Hansohm
Fallstudie Berger (LP-1)Fallstudie Berger (LP-1)
x1 = Menge M-1 x1 + 2x2 2000 Dreherei
x2 = Menge M-1 x1 + x2 2500 Bohrerei
x1 + x2 2500 Stanzerei
Gesamtdeckungsbeitrag 3x1 + 2x24800 Spulenwicklerei
300 x1 + 400 x2 x1 1500 Endmontage M-1
x2 900 Endmontage M-2
x1, x2
x1 = Menge M-1 x1 + 2x2 2000 Dreherei
x2 = Menge M-1 x1 + x2 2500 Bohrerei
x1 + x2 2500 Stanzerei
Gesamtdeckungsbeitrag 3x1 + 2x24800 Spulenwicklerei
300 x1 + 400 x2 x1 1500 Endmontage M-1
x2 900 Endmontage M-2
x1, x2
Prof. Dr. Dr. J. Hansohm
Lineares Programm LP (1)Lineares Programm LP (1)
Entscheidungsvariable x1, ..., xn
Zielfunktionskoeffizienten c1, ..., cn
Restriktionskoeffizienten aij mit i=1, ..., m
und j=1, ..., n
Ressourcen - RHS b1, ..., bm
Entscheidungsvariable x1, ..., xn
Zielfunktionskoeffizienten c1, ..., cn
Restriktionskoeffizienten aij mit i=1, ..., m
und j=1, ..., n
Ressourcen - RHS b1, ..., bm
Prof. Dr. Dr. J. Hansohm
Lineares Programm LP (2)Lineares Programm LP (2)
c1x1+ ... +cnxn MAX
a11x1+ ... +a1nxn b1
. . .
. . .
. . .
am1x1+ ... +amnxn bm
x1, ..., xn 0
c1x1+ ... +cnxn MAX
a11x1+ ... +a1nxn b1
. . .
. . .
. . .
am1x1+ ... +amnxn bm
x1, ..., xn 0
Prof. Dr. Dr. J. Hansohm
Lineares Programm LP (3)Lineares Programm LP (3)
cTx MAX
Ax b
x 0
cTx MAX
Ax b
x 0
StandardformStandardform
Prof. Dr. Dr. J. Hansohm
Fall Berger - Graphische LösungFall Berger - Graphische Lösung
x2
x1
LP-Graphik
(200, 900) (1000, 900)
(1400, 300)
(1500, 150)
Spulenwicklerei
Dreherei
Endmontagen
Die Kapazitätsbeschränkungen für die Bohrerei und die Stanzerei sind redundant und damit weggelassen worden
x2
x1
LP-Graphik
(200, 900) (1000, 900)
(1400, 300)
(1500, 150)
Spulenwicklerei
Dreherei
Endmontagen
Die Kapazitätsbeschränkungen für die Bohrerei und die Stanzerei sind redundant und damit weggelassen worden
Prof. Dr. Dr. J. Hansohm
Simplex - VerfahrenSimplex - Verfahren
Prof. Dr. Dr. J. Hansohm
Definition und Hauptsatz der LPDefinition und Hauptsatz der LP
Definition:
x heißt zulässig <=> Ax b, xx heißt optimal <=> (y zulässig => cTy cTx)
Hauptsatz:Hauptsatz:
Ist die Menge der zulässigen Punkte nicht leer, so enthält die Menge der optimalen Punkte mindestens eine Ecke (des Restriktionspolyeders) oder es existiert keine optimale Lösung
Definition:
x heißt zulässig <=> Ax b, xx heißt optimal <=> (y zulässig => cTy cTx)
Hauptsatz:Hauptsatz:
Ist die Menge der zulässigen Punkte nicht leer, so enthält die Menge der optimalen Punkte mindestens eine Ecke (des Restriktionspolyeders) oder es existiert keine optimale Lösung
Prof. Dr. Dr. J. Hansohm
ProduktionsplanungsproblemProduktionsplanungsproblem
Ein Produkt kann in zwei Qualitäten QI und QII hergestellt werden. Der Stückdeckungsbeitrag von QI beträgt 3, der von QII 2 Geldeinheiten. Zur Her-stellung des Produktes werden zwei Maschinen M1 und M2 benötigt, eine Einheit von QI benötigt 3 Zeiteinheiten auf M1 und 9 auf M2, für QII lauten die Werte 6 Zeiteinheiten auf M1 und 3 Zeiteinheiten auf M2. Insgesamt stehen in der Produktionsperiode 3000 Zeiteinheiten je Maschine zur Verfügung.
Gesucht ist das Produktionsprogramm für eine Periode, das den höchsten Gesamtdeckungsbeitrag liefert.
Ein Produkt kann in zwei Qualitäten QI und QII hergestellt werden. Der Stückdeckungsbeitrag von QI beträgt 3, der von QII 2 Geldeinheiten. Zur Her-stellung des Produktes werden zwei Maschinen M1 und M2 benötigt, eine Einheit von QI benötigt 3 Zeiteinheiten auf M1 und 9 auf M2, für QII lauten die Werte 6 Zeiteinheiten auf M1 und 3 Zeiteinheiten auf M2. Insgesamt stehen in der Produktionsperiode 3000 Zeiteinheiten je Maschine zur Verfügung.
Gesucht ist das Produktionsprogramm für eine Periode, das den höchsten Gesamtdeckungsbeitrag liefert.
Prof. Dr. Dr. J. Hansohm
Lineares ModellLineares Modell
x1 Menge Qualität I
x2 Menge Qualität II
Ziel 3x1 + 2x2 MAX
3x1 + 6x23000
9x1 + 3x2 3000
x1, x2 0
x1 Menge Qualität I
x2 Menge Qualität II
Ziel 3x1 + 2x2 MAX
3x1 + 6x23000
9x1 + 3x2 3000
x1, x2 0
Prof. Dr. Dr. J. Hansohm
Graphische LösungGraphische Lösung
Prof. Dr. Dr. J. Hansohm
BasislösungBasislösung
Gegeben sei ein Gleichungssystem der Form
Ax + y = b mit A mxn, x n, y, b m
Setzt man einige der Variablen {x1, ..., xn,
y1, ..., ym} willkürlich auf Null und lassen sich die restlichen Variablen dann eindeutig aus dem obigen Gleichungssystem ermitteln, so heißt die ermittelte Lösung Basislösung; gilt für diese Basislösung xi 0 (i = 1, ..., n) und yi 0 (i = 1, ..., m), so heißt sie zulässige Basislösung.
Gegeben sei ein Gleichungssystem der Form
Ax + y = b mit A mxn, x n, y, b m
Setzt man einige der Variablen {x1, ..., xn,
y1, ..., ym} willkürlich auf Null und lassen sich die restlichen Variablen dann eindeutig aus dem obigen Gleichungssystem ermitteln, so heißt die ermittelte Lösung Basislösung; gilt für diese Basislösung xi 0 (i = 1, ..., n) und yi 0 (i = 1, ..., m), so heißt sie zulässige Basislösung.
Prof. Dr. Dr. J. Hansohm
Ecken und BasislösungenEcken und Basislösungen
Satz:
Bei einem linearen Optimierungssystem mit den Restriktionen Ax b, x 0 ist x eine Ecke genau dann, wenn x Teil einer zulässigen Basislösung des zugehörigen Gleichungs-systems Ax + y = b ist.
Satz:
Bei einem linearen Optimierungssystem mit den Restriktionen Ax b, x 0 ist x eine Ecke genau dann, wenn x Teil einer zulässigen Basislösung des zugehörigen Gleichungs-systems Ax + y = b ist.
Prof. Dr. Dr. J. Hansohm
Simplex StartSimplex Start
x1 x2 y1 y2 z
3 6 1 0 0 3000
9 3 0 1 0 3000
-3 -2 0 0 1 0
Basis {y1, y2, z}
Nichtbasis {x1, x2}
Pivotzeile; d.h. y2 aus der Basis
neue Basis {x1, y1, z}neue Nichtbasis {y2, x2}
Pivotspalte, d.h. x1 in die Basis
Prof. Dr. Dr. J. Hansohm
Simplex UmformungSimplex Umformung
x1 x2 y1 y2 z
0 5 1 -1/3 0 2000
1 1/3 0 1/9 0 333 1/3
0 -1 0 1/3 1 1000
B N B N B
B = Basiselement
N = Nichtbasiselement
-x2 + 1/3y2 + z = 1000
z = 1000 +x2 - 1/3y2 = 1000
Prof. Dr. Dr. J. Hansohm
Simplex EndtableauSimplex Endtableau
x1 x2 y1 y2 z
0 1 1/5 -1/15 0 400
1 0 -1/15 6/45 0 200
0 0 1/5 4/15 1 1400
B B N N B
x1 x2 y1 y2 z
0 1 1/5 -1/15 0 400
1 0 -1/15 6/45 0 200
0 0 1/5 4/15 1 1400
B B N N Bz = 1400 - 1/5y1 - 4/15y2
mit y1, y2
maximal möglicher Wertvon z ist 1400
Prof. Dr. Dr. J. Hansohm
Simplex VorgehensweiseSimplex Vorgehensweise1. Wandle die -Gleichungen durch Schlupfvariable in Gleichungen
um und stelle das Tableau samt Zielfunktionszeile auf.2. Suche negativen Wert in der Zielfunktionszeile und bestimme damit
die Pivotspalte. Lässt sich kein solcher Wert finden, so ist das Endtableau und damit die optimale Lösung gefunden.
3. Bilde die Quotienten aus der Rechten Seite, dividiert jeweils durch den positiven Wert in der Pivotspalte ohne Berücksichtigung der Zielfunktionszeile. Der kleinste Quotient bestimmt die Pivotzeile. Lässt sich kein Quotient bilden, so ist das Problem unbeschränkt und keine optimale Lösung möglich.
4. Das Element, das sowohl in der Pivotzeile als auch in der Pivotspalte liegt, heißt Pivotelement.
5. Teile die Pivotzeile durch das Pivotelement und ziehe von jeder anderen Zeile des Tableaus ein Vielfaches der so umgeformten Pivotzeile derart ab, dass das Element in der Pivotspalte dieser Zeile Null wird. Schließe die Zielfunktionszeile hierbei ein.
6. (Gehe zu 2).
1. Wandle die -Gleichungen durch Schlupfvariable in Gleichungen um und stelle das Tableau samt Zielfunktionszeile auf.
2. Suche negativen Wert in der Zielfunktionszeile und bestimme damitdie Pivotspalte. Lässt sich kein solcher Wert finden, so ist das Endtableau und damit die optimale Lösung gefunden.
3. Bilde die Quotienten aus der Rechten Seite, dividiert jeweils durch den positiven Wert in der Pivotspalte ohne Berücksichtigung der Zielfunktionszeile. Der kleinste Quotient bestimmt die Pivotzeile. Lässt sich kein Quotient bilden, so ist das Problem unbeschränkt und keine optimale Lösung möglich.
4. Das Element, das sowohl in der Pivotzeile als auch in der Pivotspalte liegt, heißt Pivotelement.
5. Teile die Pivotzeile durch das Pivotelement und ziehe von jeder anderen Zeile des Tableaus ein Vielfaches der so umgeformten Pivotzeile derart ab, dass das Element in der Pivotspalte dieser Zeile Null wird. Schließe die Zielfunktionszeile hierbei ein.
6. (Gehe zu 2).
Prof. Dr. Dr. J. Hansohm
Voraussetzungen eines LPVoraussetzungen eines LP
Zielfunktionswert proportional abhängig von den Entscheidungsvariablen
Zielfunktionswert additiv zusammengesetzt aus den einzelnen Größen der Entschei-dungsvariablen
Additive Zusammensetzung ebenso für die Restriktionen
beliebig unterteilbare Variablen genaue Kenntnis der Koeffizienten
Zielfunktionswert proportional abhängig von den Entscheidungsvariablen
Zielfunktionswert additiv zusammengesetzt aus den einzelnen Größen der Entschei-dungsvariablen
Additive Zusammensetzung ebenso für die Restriktionen
beliebig unterteilbare Variablen genaue Kenntnis der Koeffizienten
Prof. Dr. Dr. J. Hansohm
Berger - LP mit EXCEL gelöstBerger - LP mit EXCEL gelöstMicrosoft Excel 5.0 AntwortberichtTabelle: [BERGER.XLS]BergerBericht erstellt am: 12.8.95 10:04
Zielzelle (Max)Zelle Name Ausgangswert Lösungswert
$C$11 DB € 0,00 € 540.000,00
Veränderbare ZellenZelle Name Ausgangswert Lösungswert
$A$4 M-1 0 1400$B$4 M-2 0 300
NebenbedingungenZelle Name Zellwert Formel Status Differenz
$C$5 Dreherei 2000 $C$5<=$D$5 Einschränkend 0$C$6 Bohrerei 1700 $C$6<=$D$6 Nicht einschränkend 800$C$7 Stanzerei 1700 $C$7<=$D$7 Nicht einschränkend 800$C$8 Spulenwicklerei 4800 $C$8<=$D$8 Einschränkend 0$C$9 Endmontage M-1 1400 $C$9<=$D$9 Nicht einschränkend 100$C$10 Endmontage M-2 300 $C$10<=$D$10 Nicht einschränkend 600$A$4 M-1 1400 $A$4>=0 Nicht einschränkend 1400$B$4 M-2 300 $B$4>=0 Nicht einschränkend 300
Prof. Dr. Dr. J. Hansohm
Berger - ScenariosBerger - Scenarios
ÜbersichtsberichtAktuelle Werte: bisher optimal maximal
Veränderbare Zellen:M-1 1000 200 1400 1000M-2 500 900 300 900
Ergebniszellen:Gewinn Gewinn Gewinn Gewinn
€ 106.666,67 € 26.666,67 € 146.666,67 € 266.666,67
Prof. Dr. Dr. J. Hansohm
Fallstudie Berger (LP-2)Fallstudie Berger (LP-2)
M-1 M-2 Gesamt-DB bisheriges Prod.-Programm 200 900 € 420 000
optimales Prod.-Programm 1400 300 € 540 000
optimal bei 2800 Einh. Dreherei 1000 900 € 660 000
optimal bei max. 1000 St. M-1 1000 500 € 500 000
M-1 M-2 Gesamt-DB bisheriges Prod.-Programm 200 900 € 420 000
optimales Prod.-Programm 1400 300 € 540 000
optimal bei 2800 Einh. Dreherei 1000 900 € 660 000
optimal bei max. 1000 St. M-1 1000 500 € 500 000
Prof. Dr. Dr. J. Hansohm
Fallstudie Berger (4)Fallstudie Berger (4)
höchster Stück-DB bei M-2
ergibt M-1: 200 und M-2: 900 Gesamt-DB: € 420 000
Engpaßfaktor Dreherei, relativer Stück-DB bei M-1
ergibt M-1: 1500 und M-2: 150 Gesamt-DB: € 510 000
Berücksichtigung aller Restriktionen simultan
ergibt M-1: 1400 und M-2: 300 Gesamt-DB: € 540 000
höchster Stück-DB bei M-2
ergibt M-1: 200 und M-2: 900 Gesamt-DB: € 420 000
Engpaßfaktor Dreherei, relativer Stück-DB bei M-1
ergibt M-1: 1500 und M-2: 150 Gesamt-DB: € 510 000
Berücksichtigung aller Restriktionen simultan
ergibt M-1: 1400 und M-2: 300 Gesamt-DB: € 540 000
Prof. Dr. Dr. J. Hansohm
Berger - HandlungsvorschlagBerger - Handlungsvorschlag
Preiskalkulation bei neuem Produktionsprogramm
M-1 M-2 M-1 M-2 DBvariable Kosten € 50,00 € 100,00 1000 St. 900 St.DB-Differenz € 200,00 € 400,00 € 300,00 € 400,00Preis € 250,00 € 500,00 € 300.000,00 € 360.000,00 € 660.000,00
1000 St. 500 St. € 500.000,000 St. 400 St. € 160.000,00
Handlungsempfehlung bei neuem Produktionsprogramm
M-1 M-2 max. Fremd-Kapazität 800angebotener Preis € 210,00 € 380,00 DB gesamte Produktion € 660.000,00variable Kosten € 50,00 € 100,00 variable Kosten € 40.000,00Preis Kapazität € 160,00 € 140,00 Fremdvergabe € 152.000,00Auftragsvergabe € 0,00 € 400,00 Fixkosten € 276.600,00gew. Produktion € 1.000,00 € 900,00 Gemeinkosten € 116.733,33eigene Produktion € 1.000,00 € 500,00 Gewinn € 154.666,67
Prof. Dr. Dr. J. Hansohm
Literatur: Lineare OptimierungLiteratur: Lineare Optimierung Domschke/Drexl: Einführung in Operations Research, 2. Aufl., Springer,
1991 Meyer/Hansen: Planungsverfahren des OR, 3. Aufl., Vahlen, 1985 Neumann: OR-Verfahren, Carl Hanser, 1977 Hillier/Liebermann: Introduction to OR, 4. Aufl., Holden-Day, 1986 Cook/Russel: Introduction to Management Science, 3. Aufl.., Prentice Hall,
1985 Render/Stair: Quantitative Analysis for Management, 3. Aufl., Allyn & Bacon
Inc., 1988 Gordon/Pressman: Quantitative Decision Making for Business, Prentice
Hall, 1978 Anderson/Sweeney/Williams: Quantitative Methods for Business, West
Publishing Company, 1986 Ellinger: OR, 3. Aufl., Springer, 1990 Bol: Lineare Optimierung, Athenäum, 1980 Noltemeier: Graphentheorie, de Gruyter, 1976 Hanssmann: Einführung in die Systemforschung, 3. Aufl., Oldenbourg, 1987
Domschke/Drexl: Einführung in Operations Research, 2. Aufl., Springer, 1991
Meyer/Hansen: Planungsverfahren des OR, 3. Aufl., Vahlen, 1985 Neumann: OR-Verfahren, Carl Hanser, 1977 Hillier/Liebermann: Introduction to OR, 4. Aufl., Holden-Day, 1986 Cook/Russel: Introduction to Management Science, 3. Aufl.., Prentice Hall,
1985 Render/Stair: Quantitative Analysis for Management, 3. Aufl., Allyn & Bacon
Inc., 1988 Gordon/Pressman: Quantitative Decision Making for Business, Prentice
Hall, 1978 Anderson/Sweeney/Williams: Quantitative Methods for Business, West
Publishing Company, 1986 Ellinger: OR, 3. Aufl., Springer, 1990 Bol: Lineare Optimierung, Athenäum, 1980 Noltemeier: Graphentheorie, de Gruyter, 1976 Hanssmann: Einführung in die Systemforschung, 3. Aufl., Oldenbourg, 1987
Prof. Dr. Dr. J. Hansohm
Interpretation der Lösung des Modells
Interpretation der Lösung des Modells
Sensitivität
Dualität
Spieltheorie
Sensitivität
Dualität
Spieltheorie
Prof. Dr. Dr. J. Hansohm
Sensitivität-ProduktionsplanungsbeispielSensitivität-Produktionsplanungsbeispiel
1. In welchem Rahmen darf der DB für QI schwanken, damit die gefundene optimale Lösung weiterhin optimal bleibt.
2.Wenn sich die Kapazität der Maschine M1 verändern ließe, in welchem Maße verändert sich der Gesamtdeckungsbeitrag pro veränderter Kapazitätseinheit?
3.Wie groß ist der Spielraum der Kapazitätsveränderungen in 2)?
1. In welchem Rahmen darf der DB für QI schwanken, damit die gefundene optimale Lösung weiterhin optimal bleibt.
2.Wenn sich die Kapazität der Maschine M1 verändern ließe, in welchem Maße verändert sich der Gesamtdeckungsbeitrag pro veränderter Kapazitätseinheit?
3.Wie groß ist der Spielraum der Kapazitätsveränderungen in 2)?
Prof. Dr. Dr. J. Hansohm
SensitivitätSensitivität
1. In welchem Rahmen kann man den Zielfunktionskoeffizienten ci verändern, ohne daß sich die optimale Basis ändert; d.h. das Endtableau immer noch ein Endtableau ist?
2. In welchen Rahmen kann man die Rechte Seite so verändern, daß das Endtableau immer noch ein Endtableau ist?
1. In welchem Rahmen kann man den Zielfunktionskoeffizienten ci verändern, ohne daß sich die optimale Basis ändert; d.h. das Endtableau immer noch ein Endtableau ist?
2. In welchen Rahmen kann man die Rechte Seite so verändern, daß das Endtableau immer noch ein Endtableau ist?
Prof. Dr. Dr. J. Hansohm
Sensitivität KoeffizientenSensitivität KoeffizientenFall 1: Entscheidungsvariable
xk in der BasisFall 1: Entscheidungsvariable
xk in der Basis
xk
0...
1...~
aik
~
bi
.
.
.00 dk
xk
ã1k
.
.
.
.
.
.
.
.ãmk
dk
Variation des Zielfunktionskoeffizienten ck um
Fall 2: Entscheidungsvariable xk nicht in der Basis
Fall 2: Entscheidungsvariable xk nicht in der Basis
c dk kmax , ~~ min , ~
~
d
afür a c
d
afür ak
ikik k
k
ikik0 0
Prof. Dr. Dr. J. Hansohm
Sensitivität RestriktionenSensitivität RestriktionenFall 1: Schlupfvariable yk in
der BasisFall 1: Schlupfvariable yk in
der BasisFall 2: Schlupfvariable yk
nicht in der BasisFall 2: Schlupfvariable yk
nicht in der Basis
yk
0...
1...~
bj
.
.
.00
yk
ã1k
~
b1
. .
. .
. .
. .
. .
. .
ãmk
~
bm
dk
max ,~
~~ min ,
~
~~
b
afür a b
b
afür ai
ikik k
i
ikik0 0 ~
b bj k
Schattenpreis = 0 für Schattenpreis dk für
Prof. Dr. Dr. J. Hansohm
Duales ProblemDuales ProblemSei cTx MAX ein lineares Optimierungsproblem
(*) A x b x 0
dann bezeichnet das zu (*) duale Problem
bTy ATyc
y 0(*) wird dementsprechend primales Problem genannt
Es gilt: Das zu (**) duale Problem ist wieder (*) und besitzen (*) und (**) zulässige Punkte, so gilt für alle zulässigen Punkte x
von (*) und y von (**) cTx bTy. Insbesondere besitzen in diesem Falle beide Probleme Optimallösungen und die optimalen
Zielfunktionswerte beider Probleme sind gleich.
Sei cTx MAX ein lineares Optimierungsproblem
(*) A x b x 0
dann bezeichnet das zu (*) duale Problem
bTy ATyc
y 0(*) wird dementsprechend primales Problem genannt
Es gilt: Das zu (**) duale Problem ist wieder (*) und besitzen (*) und (**) zulässige Punkte, so gilt für alle zulässigen Punkte x
von (*) und y von (**) cTx bTy. Insbesondere besitzen in diesem Falle beide Probleme Optimallösungen und die optimalen
Zielfunktionswerte beider Probleme sind gleich.
Prof. Dr. Dr. J. Hansohm
Duales Problem und SchattenpreiseDuales Problem und Schattenpreise
Satz: Besitzen das primale als auch das duale Problem zulässige Lösungen, so sind die Schattenpreise im Endtableau des
Simplexalgorithmus gerade die Lösung des dualen Problems.
Begründung:Durch Veränderung von b verändert sich auch der Zielfunktionswert von (**). Aufgrund der Gleichheit im Optimum von (**) und (*) verändert sich auch der optimale Zielfunk- tionswert des primalen Problems und bei der Veränderung um eine Einheit von z.B. bk
genau um yk*, wenn (y1*, ..., ym*) die optimale Lösung von (**) darstellt.
Satz: Besitzen das primale als auch das duale Problem zulässige Lösungen, so sind die Schattenpreise im Endtableau des
Simplexalgorithmus gerade die Lösung des dualen Problems.
Begründung:Durch Veränderung von b verändert sich auch der Zielfunktionswert von (**). Aufgrund der Gleichheit im Optimum von (**) und (*) verändert sich auch der optimale Zielfunk- tionswert des primalen Problems und bei der Veränderung um eine Einheit von z.B. bk
genau um yk*, wenn (y1*, ..., ym*) die optimale Lösung von (**) darstellt.
Prof. Dr. Dr. J. Hansohm
Berger - SchattenpreiseBerger - Schattenpreise
Reduzierte Ziel- Zulässige ZulässigeZelle Name Endwert Kosten Koeffizient Zunahme Abnahme
$A$4 M-1 1400 0 300 300 100$B$4 M-2 300 0 400 200 200
Nebenbedingungen Nebenbedingung Zulässige Zulässige
Zelle Name Endwert Schattenpreis Rechte Seite Zunahme Abnahme$C$5 Dreherei 2000 150 2000 800 200$C$6 Bohrerei 1700 0 2500 1E+30 800$C$7 Stanzerei 1700 0 2500 1E+30 800$C$8 Spulenwicklerei 4800 50 4800 200 2400$C$9 Endmontage M-1 1400 0 1500 1E+30 100$C$10 Endmontage M-2 300 0 900 1E+30 600
Prof. Dr. Dr. J. Hansohm
Berger - LösungBerger - Lösung
Preiskalkulation bei neuem Produktionsprogramm
M-1 M-2 M-1 M-2 DBvariable Kosten € 50,00 € 100,00 1000 St. 900 St.DB-Differenz € 200,00 € 400,00 € 300,00 € 400,00Preis € 250,00 € 500,00 € 300.000,00 € 360.000,00 € 660.000,00
1000 St. 500 St. € 500.000,000 St. 400 St. € 160.000,00
Handlungsempfehlung bei neuem Produktionsprogramm
M-1 M-2 max. Fremd-Kapazität 800angebotener Preis € 260,00 € 510,00 DB gesamte Produktion € 500.000,00variable Kosten € 50,00 € 100,00 variable Kosten € 0,00Preis Kapazität € 210,00 € 205,00 Fremdvergabe € 0,00Auftragsvergabe € 0,00 € 0,00 Fixkosten € 276.600,00gew. Produktion € 1.000,00 € 900,00 Gemeinkosten € 116.733,33eigene Produktion € 1.000,00 € 500,00 Gewinn € 106.666,67
Prof. Dr. Dr. J. Hansohm
Modellierung linearer Entscheidungsmodelle
in verschiedenen Funktionalbereichen
Modellierung linearer Entscheidungsmodelle
in verschiedenen Funktionalbereichen
Prof. Dr. Dr. J. Hansohm
EXCEL - LiquiditätsproblemEXCEL - Liquiditätsproblem
1 2 3 4 5 6 7 8 9 10 11 12-400
-300
-200
-100
0
100
200
300
400
500
600
1 2 3 4 5 6 7 8 9 10 11 12
Monate
Liquidität
1 2 3 4 5 6 7 8 9 10 11 12-400
-300
-200
-100
0
100
200
300
400
500
600
1 2 3 4 5 6 7 8 9 10 11 12
Monate
Liquidität
Prof. Dr. Dr. J. Hansohm
EXCEL - Lineares EntscheidungsmodellEXCEL - Lineares EntscheidungsmodellKredittyp Periode 1 2 3 4 5 6 12
1 1 100 -1011 2 100 -1011 3 100 -1011 4 100 -101
0,55 12 99 -0,55 -0,55 -100,550,55 13 99 -0,55 -0,55 -100,550,55 14 99 -0,55 -0,55 -100,55
Variable x(.)
0 1 0 0 0 0 0 0 00 2 0 0 0 0 0 0 00 3 0 0 0 0 0 0 0
1,89473252 4 0 0 0 189,473252 -191,367984 0 00,95704891 5 0 0 0 0 95,7048909 -96,6619398 0
0 6 0 0 0 0 0 0 00 7 0 0 0 0 0 0 00 8 0 0 0 0 0 0 00 9 0 0 0 0 0 0 00 10 0 0 0 0 0 0 00 11 0 0 0 0 0 0 0
1,01010101 12 100 -0,55555556 -0,55555556 -101,565657 0 0 02,02581369 13 0 200,555556 -1,11419753 -1,11419753 -203,695567 0 01,0269672 14 0 0 101,669753 -0,56483196 -0,56483196 -103,261552 00,1391054 15 0 0 0 13,7714344 -0,07650797 -0,07650797 0
0 16 0 0 0 0 0 0 00 17 0 0 0 0 0 0 00 18 0 0 0 0 0 0 00 19 0 0 0 0 0 0 00 20 0 0 0 0 0 0 0
Kreditsaldo 100 300 400 500 200 -5,6843E-14 -13,9870478Liquiditätsprognose 0 -200 -300 -400 -100 100 100Mindestkassenbestand 100 100 100 100 100 100 100Soll-Kreditsaldo 100 300 400 500 200 0 0Differenz 0 5,6843E-14 5,6843E-14 5,6843E-14 -5,6843E-14 -5,6843E-14 -13,9870478 -13,987048
Kredittyp Periode 1 2 3 4 5 6 12
1 1 100 -1011 2 100 -1011 3 100 -1011 4 100 -101
0,55 12 99 -0,55 -0,55 -100,550,55 13 99 -0,55 -0,55 -100,550,55 14 99 -0,55 -0,55 -100,55
Variable x(.)
0 1 0 0 0 0 0 0 00 2 0 0 0 0 0 0 00 3 0 0 0 0 0 0 0
1,89473252 4 0 0 0 189,473252 -191,367984 0 00,95704891 5 0 0 0 0 95,7048909 -96,6619398 0
0 6 0 0 0 0 0 0 00 7 0 0 0 0 0 0 00 8 0 0 0 0 0 0 00 9 0 0 0 0 0 0 00 10 0 0 0 0 0 0 00 11 0 0 0 0 0 0 0
1,01010101 12 100 -0,55555556 -0,55555556 -101,565657 0 0 02,02581369 13 0 200,555556 -1,11419753 -1,11419753 -203,695567 0 01,0269672 14 0 0 101,669753 -0,56483196 -0,56483196 -103,261552 00,1391054 15 0 0 0 13,7714344 -0,07650797 -0,07650797 0
0 16 0 0 0 0 0 0 00 17 0 0 0 0 0 0 00 18 0 0 0 0 0 0 00 19 0 0 0 0 0 0 00 20 0 0 0 0 0 0 0
Kreditsaldo 100 300 400 500 200 -5,6843E-14 -13,9870478Liquiditätsprognose 0 -200 -300 -400 -100 100 100Mindestkassenbestand 100 100 100 100 100 100 100Soll-Kreditsaldo 100 300 400 500 200 0 0Differenz 0 5,6843E-14 5,6843E-14 5,6843E-14 -5,6843E-14 -5,6843E-14 -13,9870478 -13,987048
Prof. Dr. Dr. J. Hansohm
EXCEL-AntwortberichtEXCEL-Antwortbericht
Microsoft Excel 5.0 AntwortberichtTabelle: [EUSOPTVL.XLS]EUSOPTBericht erstellt am: 9.9.95 16:54
Zielzelle (Max)Zelle Name Ausgangswert Lösungswert
$O$47 Differenz -13,98704778 -13,98704778
NebenbedingungenZelle Name Zellwert Formel Status Differenz
$C$43 Kreditsaldo 100 $C$43>=$C$46 Einschränkend 0$D$43 Kreditsaldo 300 $D$43>=$D$46 Einschränkend 0$E$43 Kreditsaldo 400 $E$43>=$E$46 Einschränkend 0$F$43 Kreditsaldo 500 $F$43>=$F$46 Einschränkend 0$G$43 Kreditsaldo 200 $G$43>=$G$46 Einschränkend 0$H$43 Kreditsaldo -5,68434E-14 $H$43>=$H$46 Einschränkend 0$I$43 Kreditsaldo -13,98704778 $I$43>=$I$46 Nicht einschränkend 186,0129522$J $43 Kreditsaldo -13,98704778 $J $43>=$J $46 Nicht einschränkend 286,0129522$K$43 Kreditsaldo -13,98704778 $K$43>=$K$46 Nicht einschränkend 486,0129522$L$43 Kreditsaldo -13,98704778 $L$43>=$L$46 Nicht einschränkend 386,0129522$M$43 Kreditsaldo -13,98704778 $M$43>=$M$46 Nicht einschränkend 286,0129522$A$23 Variable 0 $A$23>=0 Einschränkend 0$A$24 Variable 0 $A$24>=0 Einschränkend 0$A$42 Variable 0 $A$42>=0 Einschränkend 0
Microsoft Excel 5.0 AntwortberichtTabelle: [EUSOPTVL.XLS]EUSOPTBericht erstellt am: 9.9.95 16:54
Zielzelle (Max)Zelle Name Ausgangswert Lösungswert
$O$47 Differenz -13,98704778 -13,98704778
NebenbedingungenZelle Name Zellwert Formel Status Differenz
$C$43 Kreditsaldo 100 $C$43>=$C$46 Einschränkend 0$D$43 Kreditsaldo 300 $D$43>=$D$46 Einschränkend 0$E$43 Kreditsaldo 400 $E$43>=$E$46 Einschränkend 0$F$43 Kreditsaldo 500 $F$43>=$F$46 Einschränkend 0$G$43 Kreditsaldo 200 $G$43>=$G$46 Einschränkend 0$H$43 Kreditsaldo -5,68434E-14 $H$43>=$H$46 Einschränkend 0$I$43 Kreditsaldo -13,98704778 $I$43>=$I$46 Nicht einschränkend 186,0129522$J $43 Kreditsaldo -13,98704778 $J $43>=$J $46 Nicht einschränkend 286,0129522$K$43 Kreditsaldo -13,98704778 $K$43>=$K$46 Nicht einschränkend 486,0129522$L$43 Kreditsaldo -13,98704778 $L$43>=$L$46 Nicht einschränkend 386,0129522$M$43 Kreditsaldo -13,98704778 $M$43>=$M$46 Nicht einschränkend 286,0129522$A$23 Variable 0 $A$23>=0 Einschränkend 0$A$24 Variable 0 $A$24>=0 Einschränkend 0$A$42 Variable 0 $A$42>=0 Einschränkend 0
Prof. Dr. Dr. J. Hansohm
EXCEL - EmpfindlichkeitsberichtEXCEL - Empfindlichkeitsbericht
Microsoft Excel 5.0 SensitivitätsberichtTabelle: [EUSOPTVL.XLS]EUSOPTBericht erstellt am: 9.9.95 16:54
Veränderbare Zellen Reduzierte Ziel- Zulässige Zulässige
Zelle Name Endwert Kosten Koeffizient Zunahme Abnahme$A$23 Variable 0 -0,001892973 -0,999999997 0,001892973 1E+30$A$24 Variable 0 -0,001882515 -0,999999997 0,001882515 1E+30$A$25 Variable 0 -0,338853169 -0,999999997 0,338853169 1E+30$A$26 Variable 1,894732516 0 -1 0,336610099 0,001874055$A$27 Variable 0,957048909 0 -1 0,335120674 0,001863747$A$42 Variable 0 -2,65 -2,65 2,65 1E+30
Nebenbedingungen Nebenbedingung Zulässige Zulässige
Zelle Name Endwert Schattenpreis Rechte Seite Zunahme Abnahme$C$43 Kreditsaldo 100 -0,010422041 100 201,6759777 100$D$43 Kreditsaldo 300 -0,010318956 300 102,2377405 95,70891014$E$43 Kreditsaldo 400 -0,006880445 400 95,16834858 101,6697531$F$43 Kreditsaldo 500 -0,010167303 500 18295,21013 191,3891667$G$43 Kreditsaldo 200 -0,010066637 200 18478,16224 96,66726263$H$43 Kreditsaldo -5,68434E-14 -0,006663703 0 96,13259857 13,89445923$I$43 Kreditsaldo -13,98704778 0 -200 186,0129522 1E+30$J $43 Kreditsaldo -13,98704778 0 -300 286,0129522 1E+30$K$43 Kreditsaldo -13,98704778 0 -500 486,0129522 1E+30$L$43 Kreditsaldo -13,98704778 0 -400 386,0129522 1E+30$M$43 Kreditsaldo -13,98704778 0 -300 286,0129522 1E+30
Microsoft Excel 5.0 SensitivitätsberichtTabelle: [EUSOPTVL.XLS]EUSOPTBericht erstellt am: 9.9.95 16:54
Veränderbare Zellen Reduzierte Ziel- Zulässige Zulässige
Zelle Name Endwert Kosten Koeffizient Zunahme Abnahme$A$23 Variable 0 -0,001892973 -0,999999997 0,001892973 1E+30$A$24 Variable 0 -0,001882515 -0,999999997 0,001882515 1E+30$A$25 Variable 0 -0,338853169 -0,999999997 0,338853169 1E+30$A$26 Variable 1,894732516 0 -1 0,336610099 0,001874055$A$27 Variable 0,957048909 0 -1 0,335120674 0,001863747$A$42 Variable 0 -2,65 -2,65 2,65 1E+30
Nebenbedingungen Nebenbedingung Zulässige Zulässige
Zelle Name Endwert Schattenpreis Rechte Seite Zunahme Abnahme$C$43 Kreditsaldo 100 -0,010422041 100 201,6759777 100$D$43 Kreditsaldo 300 -0,010318956 300 102,2377405 95,70891014$E$43 Kreditsaldo 400 -0,006880445 400 95,16834858 101,6697531$F$43 Kreditsaldo 500 -0,010167303 500 18295,21013 191,3891667$G$43 Kreditsaldo 200 -0,010066637 200 18478,16224 96,66726263$H$43 Kreditsaldo -5,68434E-14 -0,006663703 0 96,13259857 13,89445923$I$43 Kreditsaldo -13,98704778 0 -200 186,0129522 1E+30$J $43 Kreditsaldo -13,98704778 0 -300 286,0129522 1E+30$K$43 Kreditsaldo -13,98704778 0 -500 486,0129522 1E+30$L$43 Kreditsaldo -13,98704778 0 -400 386,0129522 1E+30$M$43 Kreditsaldo -13,98704778 0 -300 286,0129522 1E+30
Prof. Dr. Dr. J. Hansohm
EXCEL - GrenzberichtEXCEL - GrenzberichtMicrosoft Excel 5.0 GrenzenwertberichtTabelle: [EUSOPTVL.XLS]EUSOPTBericht erstellt am: 9.9.95 16:54
ZielzelleZelle Name Wert
$O$47 Differenz -13,98704778
Veränderbare Zellen Untere Ziel- Obere Ziel-Zelle Name Wert Grenze Ergebnis Grenze Ergebnis
$A$23 Variable 0 0 -13,98704778 -5,68434E-14 -13,98704778$A$24 Variable 0 0 -13,98704778 -5,68434E-14 -13,98704778$A$25 Variable 0 0 -13,98704778 -5,68434E-14 -13,98704778$A$26 Variable 1,894732516 1,894732516 -13,98704778 1,894732516 -13,98704778$A$27 Variable 0,957048909 0,957048909 -13,98704778 0,957048909 -13,98704778$A$28 Variable 0 5,68434E-16 -13,98704778 186,0129523 -200,0000001$A$29 Variable 0 0 -13,98704778 286,0129522 -300$A$30 Variable 0 0 -13,98704778 286,0129522 -300$A$31 Variable 0 0 -13,98704778 286,0129522 -300$A$32 Variable 0 0 -13,98704778 286,0129522 -300$A$33 Variable 0 0 -13,98704778 #NV #NV$A$34 Variable 1,01010101 1,01010101 -13,98704778 1,01010101 -13,98704778$A$35 Variable 2,025813692 2,025813692 -13,98704778 2,025813692 -13,98704778$A$36 Variable 1,026967203 1,026967203 -13,98704778 1,026967203 -13,98704778$A$37 Variable 0,139105398 0,139105398 -13,98704778 70,33267225 -199,9999999$A$38 Variable 0 5,77384E-16 -13,98704778 107,929416 -300,0000002$A$39 Variable 0 5,74176E-16 -13,98704778 107,9294159 -300$A$40 Variable 0 0 -13,98704778 107,9294159 -300$A$41 Variable 0 0 -13,98704778 107,9294159 -300$A$42 Variable 0 0 -13,98704778 #NV #NV
Microsoft Excel 5.0 GrenzenwertberichtTabelle: [EUSOPTVL.XLS]EUSOPTBericht erstellt am: 9.9.95 16:54
ZielzelleZelle Name Wert
$O$47 Differenz -13,98704778
Veränderbare Zellen Untere Ziel- Obere Ziel-Zelle Name Wert Grenze Ergebnis Grenze Ergebnis
$A$23 Variable 0 0 -13,98704778 -5,68434E-14 -13,98704778$A$24 Variable 0 0 -13,98704778 -5,68434E-14 -13,98704778$A$25 Variable 0 0 -13,98704778 -5,68434E-14 -13,98704778$A$26 Variable 1,894732516 1,894732516 -13,98704778 1,894732516 -13,98704778$A$27 Variable 0,957048909 0,957048909 -13,98704778 0,957048909 -13,98704778$A$28 Variable 0 5,68434E-16 -13,98704778 186,0129523 -200,0000001$A$29 Variable 0 0 -13,98704778 286,0129522 -300$A$30 Variable 0 0 -13,98704778 286,0129522 -300$A$31 Variable 0 0 -13,98704778 286,0129522 -300$A$32 Variable 0 0 -13,98704778 286,0129522 -300$A$33 Variable 0 0 -13,98704778 #NV #NV$A$34 Variable 1,01010101 1,01010101 -13,98704778 1,01010101 -13,98704778$A$35 Variable 2,025813692 2,025813692 -13,98704778 2,025813692 -13,98704778$A$36 Variable 1,026967203 1,026967203 -13,98704778 1,026967203 -13,98704778$A$37 Variable 0,139105398 0,139105398 -13,98704778 70,33267225 -199,9999999$A$38 Variable 0 5,77384E-16 -13,98704778 107,929416 -300,0000002$A$39 Variable 0 5,74176E-16 -13,98704778 107,9294159 -300$A$40 Variable 0 0 -13,98704778 107,9294159 -300$A$41 Variable 0 0 -13,98704778 107,9294159 -300$A$42 Variable 0 0 -13,98704778 #NV #NV
Prof. Dr. Dr. J. Hansohm
Beispiel: PersonaleinsatzplanungBeispiel: PersonaleinsatzplanungIn einem Krankenhaus besteht durchschnittlich folgender Bedarf an Aufsichts- und Pflegepersonal:
Von 0.00 - 4.00 Uhr: 30 Personen
Von 4.00 - 8.00 Uhr: 50 Personen
Von 8.00 - 12.00 Uhr: 100 Personen
Von 12.00 - 16.00 Uhr: 80 Personen
Von 16.00 - 20.00 Uhr: 100 Personen
Von 20.00 - 0.00 Uhr: 50 Personen
Schichtbeginn ist jeweils um 0.00, 4.00, 8.00, 12.00, 16.00, 20.00 Uhr, eine Schicht dauert jeweils 8 Stunden. Wie muß der Schichtplan lauten, damit insgesamt möglichst wenig Aufsichts- und Pflegepersonal benötigt wird?
In einem Krankenhaus besteht durchschnittlich folgender Bedarf an Aufsichts- und Pflegepersonal:
Von 0.00 - 4.00 Uhr: 30 Personen
Von 4.00 - 8.00 Uhr: 50 Personen
Von 8.00 - 12.00 Uhr: 100 Personen
Von 12.00 - 16.00 Uhr: 80 Personen
Von 16.00 - 20.00 Uhr: 100 Personen
Von 20.00 - 0.00 Uhr: 50 Personen
Schichtbeginn ist jeweils um 0.00, 4.00, 8.00, 12.00, 16.00, 20.00 Uhr, eine Schicht dauert jeweils 8 Stunden. Wie muß der Schichtplan lauten, damit insgesamt möglichst wenig Aufsichts- und Pflegepersonal benötigt wird?
Prof. Dr. Dr. J. Hansohm
TransportproblemTransportproblem
F = FabrikenV = Verbraucher
ai = Kapazität der Fabrik Fi
bj = Nachfrage des Verbrauchers Vj
cij Transportkosten pro Einheit von Fi nach Vj
F1
Fm
V1
Vn
(- max cij,
(c11,
(cij,
(cmn,
(0, ai) (0, bj)
Prof. Dr. Dr. J. Hansohm
ZuordnungsproblemZuordnungsproblem
K = KandidatenS = Stellen
cij = Grad der "Un"-eignung von Kandidat Ki für Stelle Sj
(cij,
K1
Km
S1
Sn
(0, 1)
(0, 1)
(- max cij,
Prof. Dr. Dr. J. Hansohm
MEHRZIELOPTIMIERUNGMEHRZIELOPTIMIERUNG
Prof. Dr. Dr. J. Hansohm
Entscheidung bei mehrfacher Zielsetzung (1)Entscheidung bei mehrfacher Zielsetzung (1)
Beispiel:Eine Firma stelle zwei Produkte A und B in den Quantitäten x1 und x2 her (jeweils in 1000 Stück). Die erzielbaren Absatzpreise seien 6 (für A), bzw. 4 (für B) Geldeinheiten pro hergestellter Einheit (= 1000 Stück), wobei aber nur 7 Einheiten von B abgesetzt werden können. Die beiden Produkte durchlaufen drei Abteilungen, wobei folgende Kapazitätsrestriktionen gegeben sind: x1 + 2x2 16
x1 + x2 10
4x1 + x2 28
Beispiel:Eine Firma stelle zwei Produkte A und B in den Quantitäten x1 und x2 her (jeweils in 1000 Stück). Die erzielbaren Absatzpreise seien 6 (für A), bzw. 4 (für B) Geldeinheiten pro hergestellter Einheit (= 1000 Stück), wobei aber nur 7 Einheiten von B abgesetzt werden können. Die beiden Produkte durchlaufen drei Abteilungen, wobei folgende Kapazitätsrestriktionen gegeben sind: x1 + 2x2 16
x1 + x2 10
4x1 + x2 28
Prof. Dr. Dr. J. Hansohm
Entscheidung bei mehrfacher Zielsetzung (2)Entscheidung bei mehrfacher Zielsetzung (2)
Die Stückkosten betragen bei Produkt A 5 Geldeinheiten und bei B eine Geldeinheit.
Das Management verfolgt zum einen das Ziel eines möglichst hohen Gesamtdeckungsbei-trages, zum anderen das Ziel einer hohen Auslastung sowie aus Marktgründen einen möglichst hohen Absatz und damit eine möglichst hohe Produktion des Produktes A.
Die Stückkosten betragen bei Produkt A 5 Geldeinheiten und bei B eine Geldeinheit.
Das Management verfolgt zum einen das Ziel eines möglichst hohen Gesamtdeckungsbei-trages, zum anderen das Ziel einer hohen Auslastung sowie aus Marktgründen einen möglichst hohen Absatz und damit eine möglichst hohe Produktion des Produktes A.
Prof. Dr. Dr. J. Hansohm
Effiziente - Ineffiziente EntscheidungenEffiziente - Ineffiziente Entscheidungen
Eine zulässige Entscheidung heißt effizient bzgl. der Ziele z1,..., zm (funktional effizient), wenn es keine andere zulässige Entscheidung gibt, die bzgl. aller Ziele mindestens gleich gut, bzgl. mindestens eines Zieles aber echt besser ist.
x effizient <==> x zulässig und es existiert keine zulässige Entscheidung y mit:
zi(y) > zi(x) (i=1,...,m) und zk(y) > zk(x) für ein k(bei Maximierung der zi )
Eine zulässige Entscheidung heißt effizient bzgl. der Ziele z1,..., zm (funktional effizient), wenn es keine andere zulässige Entscheidung gibt, die bzgl. aller Ziele mindestens gleich gut, bzgl. mindestens eines Zieles aber echt besser ist.
x effizient <==> x zulässig und es existiert keine zulässige Entscheidung y mit:
zi(y) > zi(x) (i=1,...,m) und zk(y) > zk(x) für ein k(bei Maximierung der zi )
Prof. Dr. Dr. J. Hansohm
BeispielBeispiel
a1 ineffizient, da von a2 dominierta3 ineffizient, da von a5 dominiert
z1 z2 z3 z4
a1 0 2 7 2
a2 4 4 8 6
a3 4 2 14 3a4 14 1 15 4
a5 10 2 20 3
z1 z2 z3 z4
a1 0 2 7 2
a2 4 4 8 6
a3 4 2 14 3a4 14 1 15 4
a5 10 2 20 3
Prof. Dr. Dr. J. Hansohm
Mehrzieloptimierung - GraphikMehrzieloptimierung - Graphik
xx11+x+x22<=10<=10
xx11+2x+2x22<=16<=16
4x4x11+x+x22<=28<=28
xx22<=7<=7
x2
x1
DeckungsbeitragAuslastungProduktion A
Prof. Dr. Dr. J. Hansohm
Methoden der MehrzieloptimierungMethoden der Mehrzieloptimierung
Einmalige Methoden Zielgewichtung Zielprogrammierung (Goalprograming)
Interaktive Methoden Setzen von Anspruchsniveaus (STEM) Tauschratenverfahren (Geoffrion)
Einmalige Methoden Zielgewichtung Zielprogrammierung (Goalprograming)
Interaktive Methoden Setzen von Anspruchsniveaus (STEM) Tauschratenverfahren (Geoffrion)
Prof. Dr. Dr. J. Hansohm
ZielgewichtungZielgewichtung
Artenpräferenz durch Angabe der Gewichteg1,...,gm mitgi=1
Lösen des Problems mit der Zielfunktionz(x)= gi*zi(x)
bei gi > 0 ergibt sich immer eine effiziente Lösung
jede effiziente Lösung läßt sich durch geeignete gi als Optimallösung des obigen Problems erreichen
Angabe für den Entscheidungsträger zu schwierig
Artenpräferenz durch Angabe der Gewichteg1,...,gm mitgi=1
Lösen des Problems mit der Zielfunktionz(x)= gi*zi(x)
bei gi > 0 ergibt sich immer eine effiziente Lösung
jede effiziente Lösung läßt sich durch geeignete gi als Optimallösung des obigen Problems erreichen
Angabe für den Entscheidungsträger zu schwierig
Prof. Dr. Dr. J. Hansohm
GoalprogrammingGoalprogramming
Angabe von gewünschten Zielwerten zi* und Wahl der Entscheidung x, die zi(x) - zi*| minimiert
ergibt durch Transformation eine lineare Zielfunktion
führt nicht notwendigerweise zu einer effizienten Entscheidung
Präferenzen für den Entscheidungsträger gut angebbar
Angabe von gewünschten Zielwerten zi* und Wahl der Entscheidung x, die zi(x) - zi*| minimiert
ergibt durch Transformation eine lineare Zielfunktion
führt nicht notwendigerweise zu einer effizienten Entscheidung
Präferenzen für den Entscheidungsträger gut angebbar
Prof. Dr. Dr. J. Hansohm
Setzen von AnspruchsniveausSetzen von Anspruchsniveaus
Aufstellen der Payoff-Matrix, bestimmt durch die Zielwerte zj(xi), wobei xi die optimale Entscheidung für Ziel zi ist.
min{zj(xi)|i} und max{zj(xi)|i} geben die Spann-weite der erreichbaren Zielwerte für Ziel zj an
Setzen eines Anspruchsniveaus, z.B. durchzj(x) z° als zusätzliche Restriktion und Eliminierung dieses Ziels bis eine akzeptabel Lösung erreicht oder nur noch ein Ziel da ist.
ergibt immer eine effiziente Lösung sehr gute Akzeptanz des Verfahrens
Aufstellen der Payoff-Matrix, bestimmt durch die Zielwerte zj(xi), wobei xi die optimale Entscheidung für Ziel zi ist.
min{zj(xi)|i} und max{zj(xi)|i} geben die Spann-weite der erreichbaren Zielwerte für Ziel zj an
Setzen eines Anspruchsniveaus, z.B. durchzj(x) z° als zusätzliche Restriktion und Eliminierung dieses Ziels bis eine akzeptabel Lösung erreicht oder nur noch ein Ziel da ist.
ergibt immer eine effiziente Lösung sehr gute Akzeptanz des Verfahrens
Prof. Dr. Dr. J. Hansohm
TauschratenverfahrenTauschratenverfahren
Ausgehend von einer nicht zufriedenstellenden effizienten Lösung werden Tauschraten zum Ziel z1 festgelegt
Mit diesen Tauschraten z1/zi wird eine Ziel-gewichtung durchgeführt und es wird in Richtung dieser so ermittelten Entscheidung gegangen, bis die Lösung akzeptabel ist oder neue Tauschraten festgelegt werden
u.U. ergibt sich keine effiziente Lösung mit den Tauschraten z1 zu z2 und z3 ergibt sich
auch die Tauschrate z2 zu z3, deshalb keine so gute Akzeptanz des Verfahrens
Ausgehend von einer nicht zufriedenstellenden effizienten Lösung werden Tauschraten zum Ziel z1 festgelegt
Mit diesen Tauschraten z1/zi wird eine Ziel-gewichtung durchgeführt und es wird in Richtung dieser so ermittelten Entscheidung gegangen, bis die Lösung akzeptabel ist oder neue Tauschraten festgelegt werden
u.U. ergibt sich keine effiziente Lösung mit den Tauschraten z1 zu z2 und z3 ergibt sich
auch die Tauschrate z2 zu z3, deshalb keine so gute Akzeptanz des Verfahrens