A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása
|
|
- Mariska Lídia Hajdu
- 5 évvel ezelőtt
- Látták:
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.
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Ismertesse a legfontosabb előrejelzési módszereket és azok gyakorlati
RészletesebbenGyakorló 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.
RészletesebbenVizsgafelkészítı 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
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
RészletesebbenKészletgazdálkodás 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
RészletesebbenKészletgazdálkodás. 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:
RészletesebbenGyakorló 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.
RészletesebbenMunkafüzet 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
RészletesebbenAnyagszükséglet-tervezés gyakorlat. Termelésszervezés
Anyagszükséglet-tervezés gyakorlat egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Feladattípusok Egyszerű tételnagyság-képzési szabályok, heurisztikák, kapacitáskorlátos esetek (3 komponens,
RészletesebbenA 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.
RészletesebbenElméleti 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
RészletesebbenOptimumkeresés 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
RészletesebbenOptimális rendelési tételnagyság
Készletgazdálkodás Optimális rendelési tételnagyság A készletek mennyiségének OPTIMÁLIS szinten tartása fontos gazdálkodási feladat HIÁNY: a fogyasztó :(értékesítési lehetőség ) elvesztése A MAGAS KÉSZLET
RészletesebbenBUDAPESTI 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
RészletesebbenA 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
RészletesebbenA 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
RészletesebbenKészítette: 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
Részletesebben1. 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
RészletesebbenGyakorló 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
RészletesebbenDr. 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,
RészletesebbenGazdasági 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
RészletesebbenNemlineáris 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,
RészletesebbenKészletgazdálkodási 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
RészletesebbenKapacitásszámítás. 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
Részletesebben1. 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,
RészletesebbenA 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,
RészletesebbenS 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
RészletesebbenStatisztikai 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
RészletesebbenMATEMATIKA 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.
RészletesebbenKészletezés. 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
RészletesebbenTermoelektromos 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
RészletesebbenÚjrahasznosítási 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
RészletesebbenSTATISZTIKA. 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
RészletesebbenSzélsőérték 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 =
RészletesebbenBeszerzési 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
RészletesebbenMenedzsment 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................................
RészletesebbenFuzzy 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
RészletesebbenLINEÁRIS 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
RészletesebbenA 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
Részletesebbenbiometria 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
RészletesebbenGAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN
GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN ELTE TáTK Közgazdaságtudományi Tanszék Gazdaságmatematika középhaladó szinten MÁSODFOKÚ EGYENLETEK ÉS EGYENLŽTLENSÉGEK Készítette: Gábor Szakmai felel s: Gábor
RészletesebbenGAZDASÁGI 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
RészletesebbenVállalatgazdaságtan 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
RészletesebbenBeszerzési 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
Részletesebben11. 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
RészletesebbenStatisztika 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
RészletesebbenTermelés- 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
RészletesebbenMinősítéses 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
RészletesebbenMatematikai 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
RészletesebbenANYAGÁRAMLÁS 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
RészletesebbenIdősorok 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
RészletesebbenBiometria 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
RészletesebbenExcel 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
RészletesebbenA 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,
RészletesebbenOperációkutatás. 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.
RészletesebbenDöntési 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 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenA 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
Részletesebbenb) 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.
RészletesebbenA 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
RészletesebbenSzámítógépes 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
RészletesebbenDiverzifikáció 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,
Részletesebbenf 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.
RészletesebbenA 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
RészletesebbenTermelés- 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 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
RészletesebbenStatisztika 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
RészletesebbenLeast 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
RészletesebbenTermelési 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
RészletesebbenBiostatisztika 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.
RészletesebbenEgyes 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
RészletesebbenFolyadékszcintillációs 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
RészletesebbenPszichometria 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
Részletesebbena = 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
RészletesebbenBevezetés 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
Részletesebben1 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
RészletesebbenMatematikai 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
RészletesebbenEllenőrzés. 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
Részletesebben7. 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.
RészletesebbenKorszerű 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
RészletesebbenKÉSZLETMODELLEZÉS 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
Részletesebbenpont 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
RészletesebbenProgramozási 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
RészletesebbenA 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,
RészletesebbenMicrosoft 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
RészletesebbenA 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,
RészletesebbenHálózati 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
RészletesebbenVállalati 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
RészletesebbenStatisztikai 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
RészletesebbenGazdasági 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
RészletesebbenGAZDASÁGI 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
RészletesebbenHálózati 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
RészletesebbenSzámítógépes 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
RészletesebbenValó 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.
RészletesebbenAutoregresszív 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
RészletesebbenOperációkutatás 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
RészletesebbenAZ 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
RészletesebbenTovábbi 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
RészletesebbenElméleti 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
RészletesebbenOperációkutatás. 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