A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása"

Átírás

1 azdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállakozásgazdaságtan Tanszék A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása Készítette: dr. Koltai Tamás egyetemi tanár Budapest,. december 8.

2 Előrejelzés. eladat: Hónap t MA() e t EXP(,) e t Január x x x ebruár x x x Március 5 x x 5 4 Április , 5 Május 6 5-5, -8, 6 Június 8 6-5,8-7, 7 Július ,5 5,5 8 Augusztus 6 5,968,968 9 zeptember 4 5 5,57,57 Október 5,44 a.) Előrejelzés mozgó átlaggal: ( 5) / ( 5 7) / 5 ( 5 7 6) / 6 ( 7 6 8) / 7 ( 6 8 4) / 6 ( 8 4 ) / 5 b.) Előrejelzés exponenciális simítással: , 5, 7, 6, 8, 4, (,) 5 5 (,) 5 5 (,) 5 5,8 5 (,) 5,8 55,5 56 (,) 55,5 5,97 54 (,) 5,97 5,57 5 c.) Átlagos abszolút eltérések számítása: ÁAE ÁAE MA EXP ( 4 ) / 6, ( 8 7, 5,5,97,57 )/ 6 7, 7 Az exponenciális simítással végzett előrejelzés átlagos abszolút eltérése a kisebb, ezért (,) 5,57 5,4 5, 4

3 Előrejelzés. eladat: Hónap t t t t E t EHÖ t AB{e t } ÁAE t KJ t ecember x x x Január ebruár 5 6,4, 6-7,5 -,746 Március 6 78,96,86 8,6,6-4,8,6 8,54 -,5854 a.) Előrejelzés januártól márciusig: darab α β α β ( α) ( ), 8 (,) ( ) ( ) ( β), ( 4 ) (,) 4 6 darab ( α) ( ), 5 (,) ( 4 ) ( ) ( β), ( 6,4 4) (,) 6,4, 8,6 darab darab 9 4 darab 5,4 6,4 darab 6, 6,, darab b.) Lásd a fenti táblázatot! c.) Követőjel diagramm: Követőjel -,5 - -,5 Hónap Kevés adatból nehéz következtetést levonni. Egyelőre az elfogadható határok között találhatók az értékek. d.) Előrejelzés március végén augusztusra:, α β ( α) ( ), 6 (,) ( 6,4,) ( ) ( β), ( 78,96 6,4) (,) ,96 5,86 8,4darab 56 6,96 78,96 darab, 5, 5,554,86 darab

4 Előrejelzés. eladat: Hónap t t t t E t EHÖ t AB{e t } ÁAE t KJ t ecember 5 - Január ebruár Március , - Április 7 7, -8, a.) Előrejelzés januártól márciusig: 4 α β α β α β 5 4 darab ( α) ( ),4 45 (,4) ( 5 ) ( ) ( β),5 ( 4 5) (,5) ( ) 4 9 darab ( α) ( ),4 48 (,4) ( 4 9) ( ) ( β),5 ( 9 4) (,5) ( 9) 9 6 darab ( α) ( ),4 5 (,4) ( 9 6) ( ) ( β),5 ( 8 9) (,5) ( 6) b.) Lásd a fenti táblázatot! c.) Követőjel diagramm: darab 4 darab 9 darab 9 darab 6 darab 8 darab 56 darab Követőjel Január ebruár Március Április -5 Hónap Kevés adatból az látszik, hogy az előrejelzési modell szisztematikusan alábecsli az igényt. d.) Előrejelzés április végén júliusra: 4 α β 4 ( α ) ( ),4 7 (,4) ( 8 56) ( 4 ) ( β ),5 ( 7, 8) (,5) ( 56) 7, ( 8,4) darab 4 4, , darab 8,4 darab 4

5 Előrejelzés 4. eladat: Miután első félévében kezdjük az előrejelzést, legyen ez az időszak az első (t). Így az előrejelzés kezdetét megelőző időszakok sorszámai a zéró és negatív számok lesznek. Induló adataink ennek megfelelően a következőképpen írhatók fel: ; 5; c,5 és c,5. A periódus az év lesz, amely két szezonból áll. Időszak t t t c t t e t EHÖ t ÁAE t KJ t - 997/,5 997/ 5,5 998/ 4 45, / 8 56,5,56 4,5-57,5 7,5 66,5,64 999/ 4 48,74 48,6 5,, 7,8 8,9,579 a.) Előrejelzés a Winters modellel: c c ( ) c ( 5) β γ α c ( α) ( ), (,) ( 5) ( ) ( β),5 ( 4 ) (,5) 4 ( γ) c,4 (,4) ( ) c ( 4 45) γ β,5 4,5 4 darab ( α) ( ), (,) ( 4 45) ( ) ( β),5 ( 8 4) (,5) 8,5 75 darab,5,5 ( γ) c,4 (,4),5,4 ( ) c ( 8 56,5),4 5, darab α c b.) Lásd a fenti táblázatot! c.) Követőjel diagramm: 4 4 darab darab darab 45 4,5 56,5 darab,5,597,,5597,56 Követőjel,5,5 élévek 5

6 d.) Többlépéses előrejelzés három félévre előre: α c,6 β 4,4 ( α) ( ), (,) ( 8 56,5) ( ) ( β),5 ( 48,74 8) (,5) 56,5,7 ( ) c ( 48,74 48,6),56 76, darab 57,4 9,6 48,74 darab 8,5 48,6 darab 6

7 Kapacitás. eladat a.) A tanulási ráta meghatározása: Y Y b { } a a b b { } 9,6,48 b Ln{ } Ln{,48} L,448,75 b.) A havi gyártható mennyiség: b,4487 A havi rendelkezésre álló idő 4 hét 5 nap műszak 7 óra 6 perc68 perc. Ezt elosztva az első darab elkészítéséhez szükséges idővel kapjuk a tanulási görbe táblázatban megkeresendő értéket (68/84). A függelék I. táblázatában ezen értéknél a,75 tanulási ráta oszlopban 8 szerepel, tehát a havi gyártható mennyiség 8 db. c.) A heti gyártható mennyiségek a következő táblázat segítségével számolhatók: Kumulált idő/ Kumulált Mennyiség mennyiség (Táblázatból) hét 5 nap műsz. 7 óra 6 perc / perc 8 db 8 db hét 5 nap műsz. 7 óra 6 perc / perc4 5 db 7 db hét 5 nap műsz. 7 óra 6 perc / perc6 49 db 4 db 4 4 hét 5 nap műsz. 7 óra 6 perc / perc84 8 db db Megjegyezzük, hogy e feladat más módon is megoldható. Ha azt feltételezzük, hogy a napi első és második műszak között nem érvényesül a tanulási hatás, akkor a tanulás szempontjából a két műszakot függetlennek kell tekinteni. Ebben az esetben, a heti rendelkezésre álló idő kétszer perc. A két műszakra külön-külön számolt mennyiség összege pedig a tanulási görbe táblázat alapján az első héten 55 darab. Hasonlóan számolhatók a további hetek értékei is. 7

8 Kapacitás. eladat Meglévő bőv. -87 et Nincs változás Áthelyezés - et,55 a,45,55 b,45 7 et,55 c 5*995 5*5 5* *5575 Bővítés 4* et 4*768 Nincs változás,45 5*555 b.) Az egyes döntési változatok eredményének várható értékei a következők:. döntési pont: Max { 76 87, 68} 68 et Tehát egy év után nem érdemes bővíteni.. döntési pont: (az egyes döntési alternatívák eredményének várható értékei),55 95, ,5 [ ] et [,55 975,45 575] 585 et [,55 ( 68 7),45 55] 7,75 et Max { 66,5; 585; 7,75} 7,75 et Tehát nem bővítünk sem az elején sem egy év múlva. 8

9 Kapacitás. eladat Nagy igény Nagy raktár,7 a, -6 Kampány van Kis igény Kampány nincs c,5,5 ikeres ikertelen Kis raktár b,7, Nagy igény Kis igény 5 b.) A legjobb döntési változat meghatározása:. döntési pont: Kampány: [,5 5,5 7] 6 5 et Nincs kampány: 6 et Tehát nem érdemes kampányt csinálni.. döntési pont: Nagy raktár:,7, 6 8 et Kis raktár:,7 5, 5 et Tehát a kis raktár telepítése a kedvezőbb döntés. c.) Ha olcsóbb a kampány ( et):. döntési pont: Kampány: [,5 5,5 7] et Nincs kampány: 6 et Tehát érdemes kampányt csinálni.. döntési pont: Nagy raktár:,7, 4 et Most a nagy raktár telepítése a kedvezőbb és utána érdemes kampányt csinálni ha szükséges. 9

10 Kapacitás 4. eladat Nagy,4 a, Közepes Kicsi,4 b,6 9 - emmi,4 c,6 5-5 b.) Az egyes döntési változatok eredményének várhatóértéke: Nagy kapacitású berendezés vásárlása:,4 5, mt Közepes kapacitású berendezés vásárlása:,4 9,6 4 mt Kis kapacitású berendezés vásárlása:,4 5,6 5 7 mt Nincs új berendezés: mt Max [ 5 ; 4;7; ] 4 mt Tehát a közepes kapacitású berendezés vásárlása a legkedvezőbb. c.) A kedvező piaci fogadtatás valószínűségét z-vel jelölve meg kell vizsgálni, hogy z mely értékeire lesz továbbra is a legkedvezőbb a közepes kapacitású berendezés vásárlása. A döntési változatok eredményének várható értéke a z paraméter függvényében: z 5 z 75 5z Nagy kapacitású berendezés vásárlása: ( ) 75 Közepes kapacitású berendezés vásárlása: z 9 ( z) z Kis kapacitású berendezés vásárlása: z 5 ( z) 5 55z 5 Nincs új berendezés: mt A közepes kapacitású berendezés vásárlásának feltételei: z 5z 75 z 55z 5 z A feltételek rendezése után a következő eredményt kapjuk:,77 z,478

11 Készletgazdálkodás. eladat a.) Optimális gyártási sorozatnagyság: A P vr P 5 6, 6 t b.) Rendelési készletszint (Lhónap): T t t év hónap 6 év,5 hónap P 6 8 L T s 6 ( T L) ( P ) ( ), 4 t c.) Teljes költség az optimális esetben (et-ban számolva): TK{} v A vr P 5, 6 et 6 d.) Költségnövekedés a nem optimális politika miatt: TK{} v A vr P 5, et 6 TK et e.) Optimális esetben a készlettartási és rendelési költségnek egyenlőnek kell lenni, tehát: A A vr v P P r 5 7,77 t/t, 6

12 Készletgazdálkodás. eladat a.) Optimális rendelési tételnagyság: A 5 db vr,5 b.) Rendelési készletszint (yak): P{ u > s} yak,666 ss z σ,4 6,58 darab s µ ss 5 darab L L Táblázatból : z,4 c.) A biztonsági készlet: ss z σ L,4 6,58 darab A biztonsági készlet költsége: ss v r,5 6 et d.) A készletezési politika teljes költsége: TK{, ss} v A ss vr 5, et

13 Készletgazdálkodás. eladat a.) Optimális rendelési tételnagyság: A 6 vr 5,6 4 db b.) Rendelési készletszint (L5 nap; yak): T L T 4 6,66 év 4 nap µ σ L L 6 L 5 5 darab 6 L σ σ L , 5 darab P{ u > s} yak 4 6, Táblázatból : z,84 ss z σ s µ L L, darab ss darab c.) A készletezési politika teljes költsége et-ban: TK{, ss} v A ss vr 6 4 6,5 4,5, et 4 d.) A biztonsági készlet készlettartási költségének felére csökkentése miatt nő a hiány előfordulásának gyakorisága: K ss z yak σ z σ L vr z L vr z,4 6 P{ u > µ L ss},7 5,58 4 Táblázatból : P ( u > s),7

14 Készletgazdálkodás 4. eladat a.) Az optimális rendelési tételnagyság számítása: A v r A v r A v r A v r 9,99 9 db 6, 6,9 7 db, 4,4 4db, 46,7 46 db 8, Az első diszkont küszöb az eredeti árhoz tartozó optimumnál kisebb, ezért jobb 7 darabot rendelni t/db áron, mint 9 darabot rendelni 6 t/db áron. A két legkisebb árhoz tartozó optimumok nem rendelhetők meg a hozzájuk tartozó áron a diszkontküszöbök értékei miatt, ezért rendelési tételként a következő három érték jöhet szóba: 7 db, db, db. A válsztás a teljes költségfüggvény értéke alapján lehetséges: TK{7,} v TK{,} v TK{,8} v A A A 7 vr,,, 6487,66 et 7 vr, vr,8 Az optimális rendelési tételnagyság tehát db. b.) Költségnövekedés a nem optimális politika miatt: TK{5,8} v A vr,8 5 TK et 5,8, 575 et,, 69 et,8, 574 et 4

15 Készletgazdálkodás 5. eladat a.) Az optimális rendelési tételnagyság meghatározása: A vr 6 5,6 4 db ( A v d ) 6 ( 7 5,) v ( d) r 5 (,),6 47,77 db Az árkedvezmény 7 darabnál nagyobb mennyiségekre jár, tehát a diszkontküszöb 4 és 474 közé esik. Ez azt jelenti, hogy a teljes költségfüggvény 7 darab után lefelé halad. Azt kell tehát eldönteni, hogy a 4 darabos rendelés 5 t/db egységáron, vagy az 474 darabos rendelés t/db egységáron kedvezőbb-e. TK{4,5} v A vr ,6 4 9 et 8 et 8 et 96 et TK{474,} [ v ( ) v ( d )] A v r v ( d ) 6 6 [ 7 5 ( 474 7) 5 (,) ] ,6 5 (,),6 854,8 et 9, et 989,4 et 97,5 et Az eredményből látható, hogy 474 darab rendelése kisebb teljes költséget eredményez, így ez az optimális rendelési tételnagyság. b.) Kisebb árkedvezménynél (d,4) az optimális rendelési tételnagyság a következőképpen alakul: ( A v d ) 6 ( 7 5,4) v ( d) r 5 (,4),6 64, db Ebben az esetben a diszkontküszöb (7) mind az eredeti árhoz (4), mind pedig a csökkentett árhoz tartozó optimumnál (64) nagyobb. A teljes költségfüggvény most 7 darab után csak felfelé haladhat, ezért az optimális rendelési tételnagyság ebben az esetben 4 darab lesz. c.) Ha a 4% árkedvezmény már db felett jár, akkor az optimális rendelési tételnagyság a következőképpen alakul: ( A v d ) 6 ( 5,4) v ( d) r 5 (,4),6 4 darab Most a diszkontküszöb () kisebb mind az eredeti (4), mind pedig a csökkentett árhoz tartozó optimumnál (4), ezért a teljes költségfüggvény minimuma 4 darabnál lesz. Ebben az esetben tehát érdemes elfogadni az árkedvezményt és a csökkentett árhoz tartozó optimális mennyiséget kell rendelni. r 5

16 P M E P P4 E P P5 Célfüggvény E E Minimum T Maximum T Minimum T Maximum T 5x,5x x x x x x x, x x 4x 5 4x a.) Az optimális megoldás a P pontban van, tehát x 8 db/id, x 6 db/id, t/id P b.) A T termék célfüggvény-együtthatójának érzékenységi tartományának számítása: 5,5 c 6 4 c c.) Az E erőforrás az M és P4 pontok között mozoghat változatlan árnyékár mellett. P4 P4 pont : x db/id be,5 gó/id x db/id M M pont : x 4 db/id be,5 4 9 gó/id x 9 db/id M et/id M P 4 6 Árnyékár E: 5 t/gó M P b 6 E be Érvényességi tartomány: b E d.) A gépóra csökkenés belül van az érvényességi tartományon, ezért a veszteség: 5 5 t 6

17 E E P P P P4 M E Célfüggvény E E E Minimum T Maximum T Minimum T Maximum T 8x,5x x x x x x x 75 x, x 5x 5,5 x 7 8x 5 a.) Az optimális megoldás a P pontban van, tehát x 5 db/év, x db/év, P t/év b.) A T termék célfüggvény-együtthatójának érzékenységi tartományának számítása: c c 8 5 c.) Az E erőforrás az M és P pontok között mozoghat változatlan árnyékár mellett. P P pont : x db/id be 46 gó/év x 46 db/id M M pont : x 75 db/id be 75 5 gó/év x db/id M t/év Árnyékár E: b M M E b P P E t/gó 5 Érvényességi tartomány: b E 5 d.) A gépóra növekedés belül van az érvényességi tartományon, ezért a bővítés eredménye 4 4 t. Ez az eredmény kevesebb, mint 5 et, ezért nem érdemes bővíteni. 7

18 T max P E M P E P P4 Célfüggvény E E Maximum T Maximum T 5x x x, x x x x x x x 5 a.) Az optimális megoldás a P pontban van, tehát x 5 db/id, x 5 db/id, t/id P b.) A T termék célfüggvény együtthatójának érzékenységi tartományának számítása: 5 c c c.) Az E erőforrás az M és P4 pontok között mozoghat változatlan árnyékár mellett. P4 P4 pont : x 5 db/id be 5 5 gó/id x db/id M M pont : x 5 db/id be gó/id x 5 db/id M et/id M P Árnyékár E: 5 et/gó M P b 45 E be Érvényességi tartomány: 5 b E 45 Az E erőforrás árnyékára, mert nincs a rendszer szűk keresztmetszetében. A árnyékér érvényességi tartományának alsó határa a P pontnál található, felső határa pedig végtelen, tehát 8

19 b P E 75 b gó/id E d.) Az új kapacitás nagysága 5 gó. Ebből 5 gépóra esik az érvényességi tartományba. A bővítés biztos haszna tehát 5*5 5 et, ami kisebb, mint a bővítés et-os költsége. Az ábrán az is látható, hogy az érvényességi tartományon kívüli bővítés esetünkben nem hoz hasznot. Így a bővítés költsége biztosan meghaladja annak hasznát, tehát nem érdemes bővíteni. 9

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr. Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Ismertesse a legfontosabb előrejelzési módszereket és azok gyakorlati

Részletesebben

Gyakorló feladatok a Termelésmenedzsment alapjai tárgyhoz

Gyakorló feladatok a Termelésmenedzsment alapjai tárgyhoz Gazdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállakozásgazdaságtan Tanszék Gyakorló feladatok a Termelésmenedzsment alapjai tárgyhoz Készítette: Dr. Koltai Tamás Egyetemi tanár Budapest, 2010.

Részletesebben

Vizsgafelkészítı óra Termelésmenedzsment tárgyból

Vizsgafelkészítı óra Termelésmenedzsment tárgyból BUAPESTI MŐSZAKI ÉS GAZASÁGTUOMÁNYI EGYETEM GAZASÁG- ÉS TÁRSAAOMTUOMÁNYI KAR MENEZSMENT ÉS VÁAATGAZASÁGTAN TANSZÉK Vizsgafelkészítı óra Termelésmenedzsment tárgyból Készítette: r. Koltai Tamás r. Kalló

Részletesebben

Termelés- és szolgáltatásmenedzsment

Termelés- és szolgáltatásmenedzsment Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése

Részletesebben

Készletgazdálkodás A készletek keletkezésének okai:

Készletgazdálkodás A készletek keletkezésének okai: Készletgazdálkodás A készletek keletkezésének okai: az igény bizonytalanságai a beérkezési folyamat bizonytalanságai a termékek bonyolultsága sorozatnagyságtól függő gazdaságosság spekuláció A készletekkel

Részletesebben

Készletgazdálkodás. 1. Előadás. K i e z? K i e z? Gépészmérnök (BME), Gazdasági mérnök (Németo.) Magyar Projektmenedzsment Szövetség.

Készletgazdálkodás. 1. Előadás. K i e z? K i e z? Gépészmérnök (BME), Gazdasági mérnök (Németo.) Magyar Projektmenedzsment Szövetség. Készletgazdálkodás 1. Előadás K i e z? Kelemen Tamás BME Gépészmérnök (BME), Gazdasági mérnök (Németo.) Magyar Projektmenedzsment Szövetség K i e z? Kelemen Tamás Elérhetőség T. II. 4. Tel: 463-3775 Fax:

Részletesebben

Gyakorló feladatok a Termelésszervezés tárgyhoz MBA mesterszak

Gyakorló feladatok a Termelésszervezés tárgyhoz MBA mesterszak Gazdaság- és Társadalomtudományi Kar Menedzsment és Vállalatgazdaságtan Tanszék Gyakorló feladatok a Termelésszervezés tárgyhoz MBA mesterszak Készítette: dr. Koltai Tamás egyetemi tanár Budapest, 2012.

Részletesebben

Munkafüzet a Termelés- és szolgáltatásmenedzsment tárgyhoz

Munkafüzet a Termelés- és szolgáltatásmenedzsment tárgyhoz Budapesti Műszaki és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézet Menedzsment és Vállalatgazdaságtan Tanszék Munkafüzet a Termelés- és szolgáltatásmenedzsment

Részletesebben

Anyagszükséglet-tervezés gyakorlat. Termelésszervezés

Anyagszükséglet-tervezés gyakorlat. Termelésszervezés Anyagszükséglet-tervezés gyakorlat egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Feladattípusok Egyszerű tételnagyság-képzési szabályok, heurisztikák, kapacitáskorlátos esetek (3 komponens,

Részletesebben

A készletgazdálkodás alapjai

A készletgazdálkodás alapjai A készletgazdálkodás alapjai egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék A készlegazdálkodás alapproblémája 30 A készletek típusai Megjelenési forma szerint A kialakulás oka szerint Stb.

Részletesebben

Elméleti kérdések. a Termelés- és szolgáltatásmenedzsment tárgy vizsgájához. Dr. Kalló Noémi egyetemi adjunktus

Elméleti kérdések. a Termelés- és szolgáltatásmenedzsment tárgy vizsgájához. Dr. Kalló Noémi egyetemi adjunktus Budapesti Műszaki és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézet Menedzsment és Vállalatgazdaságtan Tanszék Elméleti kérdések a Termelés- és szolgáltatásmenedzsment

Részletesebben

Optimumkeresés számítógépen

Optimumkeresés számítógépen C Optimumkeresés számítógépen Az optimumok megtalálása mind a gazdasági életben, mind az élet sok más területén nagy jelentőségű. A matematikában számos módszert dolgoztak ki erre a célra, például a függvények

Részletesebben

Optimális rendelési tételnagyság

Optimális rendelési tételnagyság Készletgazdálkodás Optimális rendelési tételnagyság A készletek mennyiségének OPTIMÁLIS szinten tartása fontos gazdálkodási feladat HIÁNY: a fogyasztó :(értékesítési lehetőség ) elvesztése A MAGAS KÉSZLET

Részletesebben

BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM GAZDASÁG- ÉS TÁRSADALOMTUDOMÁNYI KAR MENEDZSMENT ÉS VÁLLALATGAZDASÁGTAN TANSZÉK PÉLDATÁR

BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM GAZDASÁG- ÉS TÁRSADALOMTUDOMÁNYI KAR MENEDZSMENT ÉS VÁLLALATGAZDASÁGTAN TANSZÉK PÉLDATÁR BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM GAZDASÁG- ÉS TÁRSADALOMTUDOMÁNYI KAR MENEDZSMENT ÉS VÁLLALATGAZDASÁGTAN TANSZÉK PÉLDATÁR a Termelés- és szolgáltatásmenedzsment, Termelésmenedzsment, Termelésszervezés

Részletesebben

A BUBU-t kell választani!!!!!!!!!!!!!!!

A BUBU-t kell választani!!!!!!!!!!!!!!! Gyakorlási mix Szállító értékelés TATU KFT. 400 BÓL 12 ROSSZ MINŐSÉG, 6 KÉSVE KSZÁLLÍTOTT, ÁR A 35 $, AZ ADOTT TERMÉK LEGOLCSÓBB ÁRA A PIACON 25 $. BUBU KFT. 350 DB TERMÉKBŐL 30 DB-OT KÉSVE SZÁLLÍTOTT,2

Részletesebben

A mérlegterv nem más, mint a tervidőszak utolsó napjára vonatkozóan összeállított mérleg, amely a vállalat vagyonát mutatja be kétféle vetületben,

A mérlegterv nem más, mint a tervidőszak utolsó napjára vonatkozóan összeállított mérleg, amely a vállalat vagyonát mutatja be kétféle vetületben, A mérlegterv nem más, mint a tervidőszak utolsó napjára vonatkozóan összeállított mérleg, amely a vállalat vagyonát mutatja be kétféle vetületben, pénzértékben. Az üzleti terv-részek nem tartalmaznak olyan

Részletesebben

Készítette: Juhász Ildikó Gabriella

Készítette: Juhász Ildikó Gabriella 14. tétel Egy kft. logisztikai költséggazdálkodása a számviteli adatok szerint nem megfelelő, ezért a számviteli vezetővel együttműködve a logisztikai vezető számára meghatározták a szolgáltatási rendszer

Részletesebben

1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén! a, x 1 + x 2 2 2x 1 + x 2 6 x 1 + x 2 1. x 1 0, x 2 0

1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén! a, x 1 + x 2 2 2x 1 + x 2 6 x 1 + x 2 1. x 1 0, x 2 0 Gyakorló feladatok Operációkutatás vizsgára 1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén! a, b, c, d, x 1 + x 2 2 2x 1 + x 2 6 x 1 + x 2 1 x 1 2, 5 z 1 = 4x 1 3x 2 max; z

Részletesebben

Gyakorló feladatok Alkalmazott Operációkutatás vizsgára. További. 1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén!

Gyakorló feladatok Alkalmazott Operációkutatás vizsgára. További. 1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén! Gyakorló feladatok Alkalmazott Operációkutatás vizsgára. További példák találhatók az fk.sze.hu oldalon a letöltések részben a közlekedési operációkutatásban 1. Oldja meg grafikusan az alábbi feladatokat

Részletesebben

Dr. Kalló Noémi. Termelésszervezés, Termelési és szolgáltatási döntések elemzése. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék

Dr. Kalló Noémi. Termelésszervezés, Termelési és szolgáltatási döntések elemzése. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelésszervezés, Termelési és szolgáltatási döntések elemzése egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelésszervezés 17.Ismertesse az anyagszükséglet-tervezés input információit,

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Gazdasági matematika II. vizsgadolgozat megoldása, június 10 Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett

Részletesebben

Nemlineáris programozás 2.

Nemlineáris programozás 2. Optimumszámítás Nemlineáris programozás 2. Többváltozós optimalizálás feltételek mellett. Lagrange-feladatok. Nemlineáris programozás. A Kuhn-Tucker feltételek. Konvex programozás. Sydsaeter-Hammond: 18.1-5,

Részletesebben

Készletgazdálkodási módszerek ÚTMUTATÓ 1

Készletgazdálkodási módszerek ÚTMUTATÓ 1 Készletgazdálkodási módszerek ÚTMUTATÓ 1 A programozást elvégezték és a hozzá tartozó útmutatót készítették: dr. Gelei Andrea és dr. Dobos Imre, egyetemi docensek, Budapesti Corvinus Egyetem, Logisztika

Részletesebben

Kapacitásszámítás. Termelésmenedzsment. Dr. Kalló Noémi. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Termelésmenedzsment

Kapacitásszámítás. Termelésmenedzsment. Dr. Kalló Noémi. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Termelésmenedzsment Kapacitásszámítás egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék A kapacitás egy meghatározott időszak alatt előállítható termék vagy szolgáltatás mennyisége. Tervezési kapacitás: egy erőforrás

Részletesebben

1. fejezet: A logisztika-menedzsment alapjai. ELDÖNTENDŐ KÉRDÉSEK Válassza ki a helyes választ!

1. fejezet: A logisztika-menedzsment alapjai. ELDÖNTENDŐ KÉRDÉSEK Válassza ki a helyes választ! 1. fejezet: A logisztika-menedzsment alapjai ELDÖNTENDŐ KÉRDÉSEK Válassza ki a helyes választ! 1. A logisztika és az ellátásilánc-menedzsment különbsége abban áll, hogy a logisztika a szervezeten kívüli,

Részletesebben

A Markowitz modell: kvadratikus programozás

A Markowitz modell: kvadratikus programozás A Markowitz modell: kvadratikus programozás Losonczi László Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar Debrecen, 2011/12 tanév, II. félév Losonczi László (DE) A Markowitz modell 2011/12 tanév,

Részletesebben

S Z Á L L Í T Á S I F E L A D A T

S Z Á L L Í T Á S I F E L A D A T Döntéselmélet S Z Á L L Í T Á S I F E L A D A T Szállítási feladat meghatározása Speciális lineáris programozási feladat. Legyen adott m telephely, amelyeken bizonyos fajta, tetszés szerint osztható termékből

Részletesebben

Statisztikai módszerek a skálafüggetlen hálózatok

Statisztikai módszerek a skálafüggetlen hálózatok Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti

Részletesebben

MATEMATIKA a 8. évfolyamosok számára. Mat1 JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

MATEMATIKA a 8. évfolyamosok számára. Mat1 JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ 8. évfolyam Mat1 Javítási-értékelési útmutató MATEMATIKA a 8. évfolyamosok számára Mat1 JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A javítási-értékelési útmutatóban feltüntetett válaszokra a megadott pontszámok adhatók.

Részletesebben

Készletezés. A készletezés hosszú távú döntései (a készletek nagysága és összetétele)

Készletezés. A készletezés hosszú távú döntései (a készletek nagysága és összetétele) Készletezés Árukészlet: a forgalom lebonyolítását biztosító áruállomány, árumennyiség. Készletezés: a készletekkel kapcsolatos döntések és gyakorlati teendők összessége. A készletezés hosszú távú döntései

Részletesebben

Termoelektromos hűtőelemek vizsgálata

Termoelektromos hűtőelemek vizsgálata KLASSZIKUS FIZIKA LABORATÓRIUM 4. MÉRÉS Termoelektromos hűtőelemek vizsgálata Mérést végezte: Enyingi Vera Atala ENVSAAT.ELTE Mérés időpontja: 2011. november 30. Szerda délelőtti csoport 1. A mérés célja

Részletesebben

Újrahasznosítási logisztika. 7. Gyűjtőrendszerek számítógépes tervezése

Újrahasznosítási logisztika. 7. Gyűjtőrendszerek számítógépes tervezése Újrahasznosítási logisztika 7. Gyűjtőrendszerek számítógépes tervezése A tervezési módszer elemei gyűjtési régiók számának, lehatárolásának a meghatározása, régiónként az 1. fokozatú gyűjtőhelyek elhelyezésének

Részletesebben

STATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés

STATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés Mit nevezünk idősornak? STATISZTIKA 10. Előadás Idősorok analízise Egyenlő időközökben végzett megfigyelések A sorrend kötött, y 1, y 2 y t y N N= időpontok száma Minden időponthoz egy adat, reprodukálhatatlanság

Részletesebben

Szélsőérték feladatok megoldása

Szélsőérték feladatok megoldása Szélsőérték feladatok megoldása A z = f (x,y) függvény lokális szélsőértékének meghatározása: A. Szükséges feltétel: f x (x,y) = 0 f y (x,y) = 0 egyenletrendszer megoldása, amire a továbbiakban az x =

Részletesebben

Beszerzési és elosztási logisztika. Előadó: Telek Péter egy. adj. 2008/09. tanév I. félév GT5SZV

Beszerzési és elosztási logisztika. Előadó: Telek Péter egy. adj. 2008/09. tanév I. félév GT5SZV Beszerzési és elosztási logisztika Előadó: Telek Péter egy. adj. 2008/09. tanév I. félév GT5SZV 3. Előadás A beszerzési logisztikai folyamat Design tervezés Szükséglet meghatározás Termelés tervezés Beszerzés

Részletesebben

Menedzsment és vállalkozásgazdaságtan

Menedzsment és vállalkozásgazdaságtan Menedzsment és vállalkozásgazdaságtan 4. ZH - számolós feladatok Tartalomjegyzék 1. Készletgazdálkodás 2 1.1. Egy keresked az új................................... 2 1.2. Egy üzem egyik terméke................................

Részletesebben

Fuzzy halmazok jellemzői

Fuzzy halmazok jellemzői A Fuzzy rendszerek, számítási intelligencia gyakorló feladatok megoldása Fuzzy halmazok jellemzői A fuzzy halmaz tartója az alaphalmaz azon elemeket tartalmazó részhalmaza, melyek tagsági értéke 0-nál

Részletesebben

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL x 1-2x 2 6 -x 1-3x 3 = -7 x 1 - x 2-3x 3-2 3x 1-2x 2-2x 3 4 4x 1-2x 2 + x 3 max Alapfogalmak: feltételrendszer (narancs színnel jelölve), célfüggvény

Részletesebben

A Markowitz modell: kvadratikus programozás

A Markowitz modell: kvadratikus programozás A Markowitz modell: kvadratikus programozás Harry Markowitz 1990-ben kapott Közgazdasági Nobel díjat a portfolió optimalizálási modelljéért. Ld. http://en.wikipedia.org/wiki/harry_markowitz Ennek a legegyszer

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

Részletesebben

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN ELTE TáTK Közgazdaságtudományi Tanszék Gazdaságmatematika középhaladó szinten MÁSODFOKÚ EGYENLETEK ÉS EGYENLŽTLENSÉGEK Készítette: Gábor Szakmai felel s: Gábor

Részletesebben

GAZDASÁGI ISMERETEK JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

GAZDASÁGI ISMERETEK JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Gazdasági ismeretek emelt szint 1111 ÉRETTSÉGI VIZSGA 2015. május 26. GAZDASÁGI ISMERETEK EMELT SZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA A javítás

Részletesebben

Vállalatgazdaságtan II. zh anyaga. 1.1 Bevezetés

Vállalatgazdaságtan II. zh anyaga. 1.1 Bevezetés Vállalatgazdaságtan II. zh anyaga 1.1 Bevezetés A termelésmenedzsment feladata a termeléshez közvetlenül kapcsolódó erőforrások hatékony működtetése. A hatékonyság az előállított termék, szolgáltatás erőforrásigényét

Részletesebben

Beszerzési és elosztási logisztika. Előadó: Telek Péter egy. adj. 2008/09. tanév I. félév GT5SZV

Beszerzési és elosztási logisztika. Előadó: Telek Péter egy. adj. 2008/09. tanév I. félév GT5SZV Beszerzési és elosztási logisztika Előadó: Telek Péter egy. adj. 2008/09. tanév I. félév GT5SZV 7. Előadás Készáruraktár készletmenedzsmentje A készletmenedzsment feladata A készletmenedzsment feladata

Részletesebben

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

11. Előadás. 11. előadás Bevezetés a lineáris programozásba 11. Előadás Gondolkodnivalók Sajátérték, Kvadratikus alak 1. Gondolkodnivaló Adjuk meg, hogy az alábbi A mátrixnak mely α értékekre lesz sajátértéke a 5. Ezen α-ák esetén határozzuk meg a 5 sajátértékhez

Részletesebben

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb

Részletesebben

Termelés- és szolgáltatásmenedzsment Részidős üzleti mesterszakok

Termelés- és szolgáltatásmenedzsment Részidős üzleti mesterszakok egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék kallo@mvt.bme.hu Tematika Bevezetés A termelési, szolgáltatási igény előrejelzése Alapfogalmak, az előrejelzési módszerek osztályozása Előrejelzési

Részletesebben

Minősítéses mérőrendszerek képességvizsgálata

Minősítéses mérőrendszerek képességvizsgálata Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek

Részletesebben

Matematikai modellek megoldása számítógéppel Solver Lingo

Matematikai modellek megoldása számítógéppel Solver Lingo Matematikai modellek megoldása számítógéppel Solver Lingo Készítette: Dr. Ábrahám István A matematikai modellek számítógépes megoldásait példákkal mutatjuk be. Példa: Négy erőforrás felhasználásával négyféle

Részletesebben

ANYAGÁRAMLÁS ÉS MŰSZAKI LOGISZTIKA

ANYAGÁRAMLÁS ÉS MŰSZAKI LOGISZTIKA ANYAGÁRAMLÁS ÉS MŰSZAKI LOGISZTIKA Raktár készletek, raktározási folyamato ELŐADÁS I. é. Szabó László tanársegéd BME Közlekedésmérnöki és Járműmérnöki Kar Anyagmozgatási és Logisztikai Rendszerek Tanszék

Részletesebben

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter Idősorok elemzése előadás Előadó: Dr. Balogh Péter Idősorok elemzése A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Az idősorokban

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

Excel segédlet Üzleti statisztika tantárgyhoz

Excel segédlet Üzleti statisztika tantárgyhoz Miskolci Egyetem Üzleti Statisztika és Előrejelzési Intézeti Tanszék Excel segédlet Üzleti statisztika tantárgyhoz. Z próba einek meghatározása óbafüggvény: x - m z = ; vagy σ/ n x - m z = ; vagy s/ n

Részletesebben

A konfidencia intervallum képlete: x± t( α /2, df )

A konfidencia intervallum képlete: x± t( α /2, df ) 1. feladat. Egy erdőben az egy fészekben levő tojásszámokat vizsgáltuk egy madárfajnál. A következő tojásszámokat találtuk: 1, 1, 1,,,,,,, 3, 3, 3, 3, 3, 4, 4, 5, 6, 7. Mi a mintának a minimuma, maximuma,

Részletesebben

Operációkutatás. 4. konzultáció: Szállítási feladat. A feladat LP modellje

Operációkutatás. 4. konzultáció: Szállítási feladat. A feladat LP modellje Operációkutatás 1 NYME KTK, gazdálkodás szak, levelező alapképzés 2002/2003. tanév, II. évf. 2.félév Előadó: Dr. Takách Géza NyME FMK Információ Technológia Tanszék 9400 Sopron, Bajcsy Zs. u. 9. GT fszt.

Részletesebben

Döntési rendszerek I.

Döntési rendszerek I. Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 3. Gyakorlat Egy újságárus 20 centért szerez be egy adott napilapot a kiadótól és 25-ért adja

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/ Operációkutatás I. 2018/2019-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c

Részletesebben

b) Írja fel a feladat duálisát és adja meg ennek optimális megoldását!

b) Írja fel a feladat duálisát és adja meg ennek optimális megoldását! 1. Három nemnegatív számot kell meghatározni úgy, hogy az elsőt héttel, a másodikat tizennéggyel, a harmadikat hattal szorozva és ezeket a szorzatokat összeadva az így keletkezett szám minél nagyobb legyen.

Részletesebben

A 27/2012 (VIII. 27.) NGM és a 12/2013 (III.28) NGM rendelet szakmai és vizsgakövetelménye alapján.

A 27/2012 (VIII. 27.) NGM és a 12/2013 (III.28) NGM rendelet szakmai és vizsgakövetelménye alapján. A 27/2012 (VIII. 27.) NGM és a 12/2013 (III.28) NGM rendelet szakmai és vizsgakövetelménye alapján. Szakképesítés, azonosító száma és megnevezése 54 345 01 Logisztikai ügyintéző Tájékoztató A vizsgázó

Részletesebben

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA SZDT-03 p. 1/24 Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás

Részletesebben

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,

Részletesebben

f x 1 1, x 2 1. Mivel > 0 lehetséges minimum. > 0, így f-nek az x 2 helyen minimuma van.

f x 1 1, x 2 1. Mivel > 0 lehetséges minimum. > 0, így f-nek az x 2 helyen minimuma van. 159 5. SZÉLSŐÉRTÉKSZÁMÍTÁS = + 1, R + 1 f = 1 R +,, f = R +, 1 Az 1 = 0 egyenlet gyökei : 1 1, 1. Mivel ezért az 1 helyen van az f-nek minimuma. 5.1. f f 1 0, 5.. Legyen az egyik szám, a másik pedig A.

Részletesebben

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/ Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c

Részletesebben

Termelés- és szolgáltatásmenedzsment Részidős üzleti mesterszakok

Termelés- és szolgáltatásmenedzsment Részidős üzleti mesterszakok egyetemi docens Menedzsment és Vállalatgazdaságtan Tanszék kallo@mvt.bme.hu Tudnivalók Segédanyagok Jegyzet, előadásvázlatok, munkafüzet Példatár, konzultáció, képletgyűjtemény Elméleti kérdések kidolgozása

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =

Részletesebben

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek

Részletesebben

Least Squares becslés

Least Squares becslés Least Squares becslés A négyzetes hibafüggvény: i d i ( ) φx i A négyzetes hibafüggvény mellett a minimumot biztosító megoldás W=( d LS becslés A gradiens számítása és nullává tétele eredményeképp A megoldás

Részletesebben

Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak

Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak Dr. Koltai Tamás egyetemi tanár Menedzsment és Vállalatgazdaságtan Tanszék Tematika Kvantitatív eszközök használata Esettanulmányok

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika VIII. Mátyus László. 19 October Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.

Részletesebben

Egyes logisztikai feladatok megoldása lineáris programozás segítségével. - bútorgyári termelési probléma - szállítási probléma

Egyes logisztikai feladatok megoldása lineáris programozás segítségével. - bútorgyári termelési probléma - szállítási probléma Egyes logisztikai feladatok megoldása lineáris programozás segítségével - bútorgyári termelési probléma - szállítási probléma Egy bútorgyár polcot, asztalt és szekrényt gyárt faforgácslapból. A kereskedelemben

Részletesebben

Folyadékszcintillációs spektroszkópia jegyz könyv

Folyadékszcintillációs spektroszkópia jegyz könyv Folyadékszcintillációs spektroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc I. Mérés vezet je: Horváth Ákos Mérés dátuma: 2010. október 21. Leadás dátuma: 2010. november 8. 1 1. Bevezetés A mérés

Részletesebben

Pszichometria Szemináriumi dolgozat

Pszichometria Szemináriumi dolgozat Pszichometria Szemináriumi dolgozat 2007-2008. tanév szi félév Temperamentum and Personality Questionnaire pszichometriai mutatóinak vizsgálata Készítette: XXX 1 Reliabilitás és validitás A kérd ívek vizsgálatának

Részletesebben

a = 2 + [ i] b = ahol 1 i 162 a hallgató sorszáma a csatolt névsorban, [x] az x szám

a = 2 + [ i] b = ahol 1 i 162 a hallgató sorszáma a csatolt névsorban, [x] az x szám Döntéselmélet házi feladat, 2011-12 tanév II. félév A házi feladat beadása az aláírás feltétele. A házi feladatra adott minősítés az (anyag első felére vonatkozó) jegyben 40% súllyal szerepel, ennek megfelelően

Részletesebben

Bevezetés 2. A készletezési modellek csoportosítása 4. A készletezési modellek működési mechanizmusa 5. A készletekkel kapcsolatos költségek 9

Bevezetés 2. A készletezési modellek csoportosítása 4. A készletezési modellek működési mechanizmusa 5. A készletekkel kapcsolatos költségek 9 Bevezetés 2 A készletezési modellek csoportosítása 4 A készletezési modellek működési mechanizmusa 5 Folyamatos készletvizsgálat 6 Periodikus készletvizsgálat 8 A készletekkel kapcsolatos költségek 9 EO

Részletesebben

1 Energetikai számítások bemutatása, anyag- és energiamérlegek

1 Energetikai számítások bemutatása, anyag- és energiamérlegek 1 Energetikai számítások bemutatása, anyag- és energiamérlegek Előzőleg a következőkkel foglalkozunk: Fizikai paraméterek o a bemutatott rendszer és modell alapján számítást készítünk az éves energiatermelésre

Részletesebben

Matematikai geodéziai számítások 10.

Matematikai geodéziai számítások 10. Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László

Részletesebben

Ellenőrzés. Variáns számítás. Érzékenység vizsgálat

Ellenőrzés. Variáns számítás. Érzékenység vizsgálat Ellenőrzés Variáns számítás Érzékenység vizsgálat Készítette: Dr Árahám István Az ellenőrzés A matematikai modell megoldása, a szimple tálák kitöltése közen könnyen elkövethetünk számolási hiát A kiindlási

Részletesebben

7. 17 éves 2 pont Összesen: 2 pont

7. 17 éves 2 pont Összesen: 2 pont 1. { 3;4;5} { 3; 4;5;6;7;8;9;10} A B = B C = A \ B = {1; }. 14 Nem bontható. I. 3. A) igaz B) hamis C) igaz jó válasz esetén, 1 jó válasz esetén 0 pont jár. 4. [ ; ] Más helyes jelölés is elfogadható.

Részletesebben

Korszerű termelésszervezési eljárások

Korszerű termelésszervezési eljárások Korszerű termelésszervezési eljárások 2010.10.25. 1. Just In Time (Éppen időben) módszer Termeld ma azt, amire holnap szükség van. A JIT-elv négy alapeleme: nincs raktárkészlet rövid szállítási idők kis

Részletesebben

KÉSZLETMODELLEZÉS EGYKOR ÉS MA

KÉSZLETMODELLEZÉS EGYKOR ÉS MA DR. HORVÁTH GÉZÁNÉ PH.D. * KÉSZLETMODELLEZÉS EGYKOR ÉS MA Az optimális tételnagyság (Economic Order Quantity) klasszikus modelljét 96-tól napjainkig a világon széles körben alkalmazták és módosított változatait

Részletesebben

pont százalék % érdemjegy (jeles) (jó) (közepes) (elégséges) alatt 1 (elégtelen

pont százalék % érdemjegy (jeles) (jó) (közepes) (elégséges) alatt 1 (elégtelen A dolgozat feladatai az órán megoldott feladatok valamelyike, vagy ahhoz nagyon hasonló. A dolgozat 8 feladatból áll. 1. feladat 13 pont. feladat 8 pont 3. feladat 4. feladat 5. feladat 5 pont 6. feladat

Részletesebben

Programozási módszertan. Mohó algoritmusok

Programozási módszertan. Mohó algoritmusok PM-08 p. 1/17 Programozási módszertan Mohó algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-08 p. 2/17 Bevezetés Dinamikus programozás

Részletesebben

A termeléstervezés alapjai -- termelés és kapacitás tervezés

A termeléstervezés alapjai -- termelés és kapacitás tervezés A termeléstervezés alapjai -- termelés és kapacitás tervezés BMEGEGTMGTG 2015 Dr. Váncza József Gyártástudomány és -technológia Tanszék http://www.manuf.bme.hu Váncza J. 1 Termelési paradigmák [Koren,

Részletesebben

Microsoft Excel 2010. Gyakoriság

Microsoft Excel 2010. Gyakoriság Microsoft Excel 2010 Gyakoriság Osztályközös gyakorisági tábla Nagy számú mérési adatokat csoportokba (osztályokba) rendezése -> könnyebb áttekintés Osztályokban szereplő adatok száma: osztályokhoz tartozó

Részletesebben

A KÉSZLETNAGYSÁG MEGÁLLAPÍTÁSÁNAK 6. TÉTEL

A KÉSZLETNAGYSÁG MEGÁLLAPÍTÁSÁNAK 6. TÉTEL A KÉSZLETNAGYSÁG MEGÁLLAPÍTÁSÁNAK SZEREPE ÉS MÓDJAI 6. TÉTEL Készletezés I. Az árukészlet az az árumennyiség, mely a forgalom lebonyolításához nélkülözhetetlen. A készletgazdálkodásra azért van szükség,

Részletesebben

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Maximális folyam 7 7 9 3 2 7 source 8 4 7 sink 7 2 9 7 5 7 6 Maximális folyam feladat Adott [N, A] digráf (irányított

Részletesebben

Vállalati készlet- és pénzgazdálkodás

Vállalati készlet- és pénzgazdálkodás Vállalati készlet- és pénzgazdálkodás Beruházási és finanszírozási döntések 4. konzultáció Fő témák 1. A vállalati készletgazdálkodás 2. Az optimális vállalati pénzgazdálkodás 3. Gazdálkodás vállalati

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Gazdasági matematika II. vizsgadolgozat megoldása A csoport Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége

Részletesebben

GAZDASÁGI NÖVEKEDÉS I.

GAZDASÁGI NÖVEKEDÉS I. Gazdasági növekedés I. 1 IGAZ-HAMIS ÁLLÍTÁSOK GAZDASÁGI NÖVEKEDÉS I. 1. Ha a gazdaság az aranyszabály szerinti tőkénél nagyobb tőkemennyiséggel indul, a megtakarítási ráta nőni fog minden más tényező változatlansága

Részletesebben

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Alsó felső korlátos maximális folyam 3,9 3 4,2 4,8 4 3,7 2 Transzformáljuk több forrást, több nyelőt tartalmazó

Részletesebben

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések BLSZM-09 p. 1/17 Számítógépes döntéstámogatás Döntések fuzzy környezetben Közelítő következtetések Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu

Részletesebben

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.

Részletesebben

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta Autoregresszív és mozgóátlag folyamatok Géczi-Papp Renáta Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1

Részletesebben

Operációkutatás példatár

Operációkutatás példatár 1 Operációkutatás példatár 2 1. Lineáris programozási feladatok felírása és megoldása 1.1. Feladat Egy gazdálkodónak azt kell eldöntenie, hogy mennyi kukoricát és búzát vessen. Ha egységnyi földterületen

Részletesebben

AZ EURÓPAI UNIÓ KOHÉZIÓS POLITIKÁJÁNAK HATÁSA A REGIONÁLIS FEJLETTSÉGI KÜLÖNBSÉGEK ALAKULÁSÁRA

AZ EURÓPAI UNIÓ KOHÉZIÓS POLITIKÁJÁNAK HATÁSA A REGIONÁLIS FEJLETTSÉGI KÜLÖNBSÉGEK ALAKULÁSÁRA AZ EURÓPAI UNIÓ KOHÉZIÓS POLITIKÁJÁNAK HATÁSA A REGIONÁLIS FEJLETTSÉGI KÜLÖNBSÉGEK ALAKULÁSÁRA Zsúgyel János egyetemi adjunktus Európa Gazdaságtana Intézet Az Európai Unió regionális politikájának történeti

Részletesebben

További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás

További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás Készítette: Dr. Ábrahám István Hiperbolikus programozás Gazdasági problémák optimalizálásakor gyakori, hogy

Részletesebben

Elméleti feladatok gyakorlás a munkaforma szerint. 1. Adminisztráció: 2 perc 2. Ismétlés: 20 perc

Elméleti feladatok gyakorlás a munkaforma szerint. 1. Adminisztráció: 2 perc 2. Ismétlés: 20 perc Osztály 10A. Tantárgy Üzleti tevékenység tervezése gyakorlat Téma: A készletek elemzésének tervezésének, valamint a leltáreredmény mutatószámai Tanítási egység Összefoglalás Az óra száma 18 Az óra típusa

Részletesebben

Operációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás

Operációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu ajánlott jegyzet: Szilágyi Péter: Operációkutatás Operációkutatás Követelmények: Aláírás feltétele: foglalkozásokon való részvétel + a félév

Részletesebben