Dr. Kalló Noémi. Termelésszervezés, Termelési és szolgáltatási döntések elemzése. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék
|
|
- Kornél Szőke
- 7 évvel ezelőtt
- Látták:
Átírás
1 Termelésszervezés, Termelési és szolgáltatási döntések elemzése egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék
2 Termelésszervezés 17.Ismertesse az anyagszükséglet-tervezés input információit, a számítás menetét és az eredmények menedzsment vonatkozásait! 18.Hogyan osztályozhatók a sorállási modellek? Melyek e modellek legfontosabb bemenő adatai és a menedzsment számára hasznosítható eredményei?
3 Termelésszervezés 17.Ismertesse az anyagszükséglet-tervezés input információit, a számítás menetét és az eredmények menedzsment vonatkozásait! Az anyagszükséglet-tervezés alapfogalmai és alapösszefüggései Anyagszükséglet-tervezés egyszerű szabályokkal és heurisztikákkal A Wagner-Within algoritmus
4 17. Anyagszükséglet-tervezés Az anyagszükséglet-tervezés alapfogalmai és alapösszefüggései Függő és független igény Bemeneti információk Termelési vezérprogram (termelés terv, ismert és előre jelzett igények) Komponenshierarchia (beépülő és felhasználó komponens, alsó szintű kódolás) Készletnyilvántartás (rendelkezésre álló mennyiség) Kimeneti információk (elsődleges, másodlagos jelentés)
5 17. Anyagszükséglet-tervezés Az anyagszükséglet-tervezés alapfogalmai és alapösszefüggései Alapadatok és azok kapcsolata Bruttó igény Rendelkezésre álló mennyiség Nettó igény Tervezett rendelésbeérkezés Tervezett rendelésfeladás Az egyes komponensek MRP tábláinak kapcsolata Mennyiség Idő
6 17. Anyagszükséglet-tervezés Anyagszükséglet-tervezés egyszerű szabályokkal és heurisztikákkal Egyszerű szabályok Rögzített rendelési intervallum (FP) szabály Rögzített rendelésitétel-nagyság (FQ) szabály Tételt-tételre (LFL) szabály Készletnélküliség Rendszerhatástól való félelem tételösszevonás és -szétbontás komponenshierarchia alja és teteje
7 17. Anyagszükséglet-tervezés Anyagszükséglet-tervezés egyszerű szabályokkal és heurisztikákkal Heurisztikák (tételek összevonása) Optimális rendelésitétel-nagyság (EOQ) szabály EOQ összefüggés alkalmazása; közel állandó igény esetén Periódus rendelésitétel-nagyság (POQ) szabály az EOQ ciklusidejének kerekítése; zéró igényű időszakok problémája Legkisebb összes költség (LTC) szabály a készletgazdálkodás egyensúlyi elve alapján; eltérő várható értékű, kis ingadozású igénnyel rendelkező időszakok esetén
8 17. Anyagszükséglet-tervezés Anyagszükséglet-tervezés egyszerű szabályokkal és heurisztikákkal Heurisztikák Komponens periódus szabály (PPB) komponensperiódus és költségtényező egyensúlyára épít (egyensúlyi elv); ugyanazt az eredményt adja, mint az LTC szabály Legkisebb egységköltség (LUC) szabály az EOQ modell egy egységre jutó teljes költségének minimumára épül (TK minimalizálása); konstans igény körüli nagymértékű ingadozás
9 17. Anyagszükséglet-tervezés Anyagszükséglet-tervezés egyszerű szabályokkal és heurisztikákkal Heurisztikák Legkisebb periódusköltség (LPC) szabály (Silver- Meal heurisztika) az egy periódusra eső költség minimalizálása (TK minimalizálása); eltérő várható értékű, kis ingadozású igénnyel rendelkező időszakok esetén Groff heurisztika a készlettartási költség növekedésének és a rendelési költség csökkenésének összehasonlítása; eltérő várható értékű, kis ingadozású igénnyel rendelkező időszakok esetén
10 17. Anyagszükséglet-tervezés A Wagner-Within algoritmus Optimális rendelési ütemterv meghatározása Optimalitási kritérium: I t 1 X t = 0 Nemlineáris programozási feladat Dinamikus programozás t időszakot tekintve a j-edik időszakban rendelünk utoljára Az utolsó rendelés előtt időszak optimális költsége + rendelési költség + készlettartási költség Optimális megoldás (szuboptimális megoldások) Beszerzési költség és kapacitáskorlát is figyelembe vehető
11 Termelésszervezés 18. Hogyan osztályozhatók a sorállási modellek? Melyek e modellek legfontosabb bemenő adatai és a menedzsment számára hasznosítható eredményei? Sorállási rendszerek 6 alapeleme és azok legfontosabb jellemzői Alapvető sorállási modellek és jelölésrendszerük A legfontosabb működési mutatók és az ezek alapján meghozható menedzsmentdöntések
12 18. Sorállás Sorállási rendszerek 6 alapeleme és azok legfontosabb jellemzői Forráspopuláció (végesség) Beérkezési folyamat (kontrollálhatóság, méret, türelem, statisztikai jellemzők beérkezési ráta (λ) és időköz) Sor (sorkapacitás, sorok száma) Sorállás rendje (sorképzési és sorbaállási szabályok) Kiszolgálóegység (struktúra csatorna és fázis, statisztikai jellemzők kiszolgálási ráta (µ) és idő) Távozási folyamat (véglegesség)
13 18. Sorállás Alapvető sorállási modellek és jelölésrendszerük Kendall-féle jelölésrendszer (M, D, G, E w ) Beérkezési Kiszolgálási Kiszolgáló egységek folyamat folyamat száma Kiegészítések (sorkapacitás, véges forráspopuláció stb.) Az exponenciális eloszlás kiemelt jelentősége A modellek alkalmazásához szükséges paraméterek λ és µ M/M/k: a kiszolgáló egységek száma M/M/1/N: a forráspopuláció nagysága M/M/1/Q: a rendszer kapacitása M/G/1: a kiszolgálási idő szórása (σ) M/M/k/prioritás
14 18. Sorállás A legfontosabb működési mutatók és az ezek alapján meghozható menedzsmentdöntések Csoportok Működési jellemző Entitás Beérkezési ráta (λ) Átlagos beérkezési időköz (t beérk ) Sorban eltöltött átlagos idő (t S ) Rendszerben eltöltött átlagos idő (t R ) Sor Átlagos sorhossz (n R ) Kiszolgáló egység (erőforrás) Átlagos várakozási idő (t S ) Kiszolgálási ráta (µ) Átlagos kiszolgálási idő (t kisz ) Kapacitáskihasználás (ρ) Rendszer Rendszerben tartózkodó entitások átlagos száma (n R ) Rendszerben tartózkodás átlagos ideje (t R ) Annak valószínűsége, hogy n entitás tartózkodik a rendszerben (P n )
15 18. Sorállás A legfontosabb működési mutatók és az ezek alapján meghozható menedzsmentdöntések A mutatók közötti kapcsolat Várakozási idő és várakozók száma között (Littleformula) Rendszerre és sorra érvényes paraméterek között A szolgáltatási színvonal megítélése Várakozási idő, várakozók száma A várakozás valószínűsége, a rendszer állapota A kapacitás kihasználtságának megítélése Gazdaságossági számítások
16 Termelési és szolgáltatási döntések elemzése 19. Ismertesse a menedzsmentben alkalmazható kvantitatív modellek legfontosabb típusait és azok jellemzőit. Illusztrálja őket gyakorlati példákkal. 20. Mi a matematikai programozás lényege és jelentősége a termelés és szolgáltatásmenedzsmentben?
17 Termelési és szolgáltatási döntések elemzése 19.Ismertesse a menedzsmentben alkalmazható kvantitatív modellek legfontosabb típusait és azok jellemzőit. Illusztrálja őket gyakorlati példákkal. A kvantitatívalapú versenyzés kialakulása és lehetőségei A kvantitatív eszközöket alkalmazó vállalatok jellemzői A matematikai programozási feladatok általános felírása és csoportosítása
18 19. Kvantitatív alapú versenyzés A kvantitatív alapú versenyzés kialakulása és lehetőségei Történelmi háttér (menedzsmentparadigmák) Költségalapú verseny Minőségalapú verseny Időalapú verseny Kvantitatív alapú verseny Külső, majd belső tényezők A menedzsment-paradigmák egymásra épülése
19 19. Kvantitatív alapú versenyzés A kvantitatív alapú versenyzés kialakulása és lehetőségei Az adatok statisztikai elemzése Az operációkutatás eredményeinek felhasználása Tipikus területek: Hozammenedzsment (yield management) Készletgazdálkodás Termékszerkezet-meghatározás Termelésirányítás és ütemezés Karbantartási, felújítási, gépcsere-kérdések Sorállási problémák
20 19. Kvantitatív alapú versenyzés A kvantitatív eszközöket alkalmazó vállalatok jellemzői A kvantitatív modellek osztályozása (előíró, előrejelző, leíró) Jellemzők A modellezés és optimalizálás széleskörű használata A szükséges adatok biztosítása; kapcsolatuk vizsgálata Előrejelző és előíró modellek alkalmazása A modellek folyamatos fejlesztése Vállalati megközelítés Nem csak részproblémák megoldására Integrált megközelítés (SAP), rendszerszemlélet Vezetői elkötelezettség A szemlélet beépítése a vállalati kultúrába Az elvi háttér ismerete Fejlesztők, döntéshozók, végrehajtók kompetenciáinak ismerete
21 19. Kvantitatív alapú versenyzés A matematikai programozási feladatok általános felírása és csoportosítása A matematikai programozási modellek elemei Célfüggvény Döntési változók Korlátozó feltételek Max F = f g i ( x) ( x) b i i I Csoportosítás Függvények szerint (lineáris, nemlineáris pl.) Változók értelmezési tartománya (folytonos, diszkrét) Véletlen szerepe (determinisztikus, sztochasztikus)
22 Termelési és szolgáltatási döntések elemzése 20. Mi a matematikai programozás lényege és jelentősége a termelés és szolgáltatásmenedzsmentben? Menedzsmentdöntések támogatása lineáris programozási feladatok optimális megoldásával Az érzékenységvizsgálati eredmények értelmezése és alkalmazási területe a menedzsmentben Lineáris programozási feladatok érzékenységvizsgálatával kapcsolatos problémák és azok megoldási lehetőségei
23 20. Matematikai programozás Menedzsmentdöntések támogatása lineáris programozási feladatok optimális megoldásával Optimális termékszerkezet meghatározása Optimális erőforrás-felhasználás meghatározása Az aggregált termeléstervezésen kívüli alkalmazási lehetőségek (területkihasználás, beszállítóválasztás, hitelkonstrukció kiválasztása stb.)
24 20. Matematikai programozás Az érzékenységvizsgálati eredmények értelmezése és alkalmazási területe a menedzsmentben Célfüggvény-együtthatók érzékenységvizsgálata (fedezet, költség) Az optimális megoldás változatlan (Független) érvényességi tartományok Árakkal, költségekkel kapcsolatos döntések Jobboldali paraméterek érzékenységvizsgálata A szűk keresztmetszetet alkotó korlátok változatlanok Árnyékár és (független) érvényességi tartomány Korlátozó feltételekkel kapcsolatos döntések támogatása
25 20. Matematikai programozás Lineáris programozási feladatok érzékenységvizsgálatával kapcsolatos problémák és azok megoldási lehetőségei Primál degeneráció A duál feladatnak több alternatív optimuma létezik (árnyékárak) Kettőnél több szűk keresztmetszet létezik, kettőnél több korlátozó feltétel teljesül a határon
26 20. Matematikai programozás Lineáris programozási feladatok érzékenységvizsgálatával kapcsolatos problémák és azok megoldási lehetőségei Duál degeneráció A primál feladatnak több alternatív optimuma létezik A célfüggvény meredeksége megegyezik egy szűk keresztmetszetben lévő feltételével Megoldás Primál-duál feladatpár felírása 2I (célfüggvény-együttható), illetve 6J (korlátozó feltétel) feladat megoldása
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
RészletesebbenAnyagszükséglet-tervezés gyakorlat. Termelésszervezés
Anyagszükséglet-tervezés gyakorlat egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Feladattípusok Egyszerű tételnagyság-képzési szabályok, heurisztikák, kapacitáskorlátos esetek (3 komponens,
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
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
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
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.
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
RészletesebbenA Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása
azdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállakozásgazdaságtan Tanszék A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása Készítette: dr. Koltai Tamás egyetemi tanár Budapest,.
RészletesebbenDöntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba
I. előadás Előadó: Dr. Égertné dr. Molnár Éva Informatika Tanszék A 602 szoba Tárggyal kapcsolatos anyagok megtalálhatók: http://www.sze.hu/~egertne Konzultációs idő: (páros tan. hét) csütörtök 10-11 30
RészletesebbenLogisztikai szimulációs módszerek
Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok
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
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.
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:
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,
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
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
RészletesebbenEllátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével
Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Pekárdy Milán, Baumgartner János, Süle Zoltán Pannon Egyetem, Veszprém XXXII. Magyar Operációkutatási
RészletesebbenKövetelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 1. Előadás Követelmények, teljesítés feltételei Vizsga anyaga Előadásokhoz tartozó diasor
RészletesebbenKövetelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 1. Előadás Követelmények, teljesítés feltételei Vizsga anyaga Előadásokhoz tartozó diasor
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenMatematikai modellezés
Matematikai modellezés Bevezető A diasorozat a Döntési modellek című könyvhöz készült. Készítette: Dr. Ábrahám István Döntési folyamatok matematikai modellezése Az emberi tevékenységben meghatározó szerepe
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenDöntési módszerek Tantárgyi útmutató
Gazdálkodási és menedzsment alapszak Nappali tagozat Döntési módszerek Tantárgyi útmutató 2018/19. tanév II. félév 1 Tantárgy megnevezése Tantárgy jellege/típusa: Döntési módszerek. D Kontaktórák száma/hét:
RészletesebbenOptimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 9. Előadás Az optimalizálás alapfeladata Keressük f függvény maximumát ahol f : R n R és
RészletesebbenGazdálkodási modul. Gazdaságtudományi ismeretek III. Szervezés és logisztika. KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc
Gazdálkodási modul Gazdaságtudományi ismeretek III. Szervezés és logisztika KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc Vállalati és termelési logisztika 102. lecke Vállalat célja: fogyasztói
RészletesebbenA dualitás elve. Készítette: Dr. Ábrahám István
A dalitás elve Készítette: Dr. Ábrahám István A dalitás fogalma, alapösszefüggései Definíció: Adott a lineáris programozás maimm feladata: 0 A b f()=c* ma Ekkor felírható a kővetkező minimm feladat: y
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
RészletesebbenOpkut deníciók és tételek
Opkut deníciók és tételek Készítette: Bán József Deníciók 1. Deníció (Lineáris programozási feladat). Keressük meg adott lineáris, R n értelmezési tartományú függvény, az ún. célfüggvény széls értékét
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
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
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
RészletesebbenÉrzékenységvizsgálat
Érzékenységvizsgálat Alkalmazott operációkutatás 5. elıadás 008/009. tanév 008. október 0. Érzékenységvizsgálat x 0 A x b z= c T x max Kapacitások, együtthatók, célfüggvény együtthatók változnak => optimális
RészletesebbenÜtemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék
Ütemezési problémák Kis Tamás 1 1 MTA SZTAKI valamint ELTE, Operációkutatási Tanszék ELTE Problémamegoldó Szeminárium, 2012. ősz Kivonat Alapfogalmak Mit is értünk ütemezésen? Gépütemezés 1 L max 1 rm
RészletesebbenDualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 7. Előadás Árazási interpretáció Tekintsük újra az erőforrás allokációs problémát (vonat
RészletesebbenOperációkutatási modellek
Operációkutatási modellek Alkalmazott matematika A sorozat kötetei: Kóczy T. László Tikk Domonkos: Fuzzy rendszerek (2000) Elliott, J. R. Kopp, P. E.: Pénzpiacok matematikája (2000) Michelberger Szeidl
RészletesebbenTermeléstervezés és -irányítás Termelés és kapacitás tervezés Xpress-Mosel FICO Xpress Optimization Suite
Termeléstervezés és -irányítás Termelés és kapacitás tervezés Xpress-Mosel FICO Xpress Optimization Suite Alkalmazásával 214 Monostori László egyetemi tanár Váncza József egyetemi docens 1 Probléma Igények
Részletesebbenelőadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás
13-14. előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 2016. november 28. és december 5. 13-14. előadás 1 / 35 Bevezetés A diszkrét
RészletesebbenTöbb valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
RészletesebbenDöntési módszerek Tantárgyi útmutató
Gazdálkodási és menedzsment alapszak Nappali tagozat Döntési módszerek Tantárgyi útmutató 2015/16 tanév II. félév 1 Tantárgy megnevezése Tantárgy jellege/típusa: Döntési módszerek. D Kontaktórák száma/hét:
Részletesebben5. előadás: Magasraktárak, raktári folyamatok irányítása, készletezés
5. előadás: Magasraktárak, raktári folyamatok irányítása, készletezés Magasraktározási rendszerek Elterjedésének okai: korszerű elosztási rendszerek fejlődése termelési folyamatok automatizálása raktártechnika
RészletesebbenOperációkutatás II. Tantárgyi útmutató
Módszertani Intézeti Tanszék Gazdinfo Nappali Operációkutatás II. Tantárgyi útmutató 2016/17 tanév II. félév 1/4 Tantárgy megnevezése: Operációkutatás II. Tantárgy kódja: OPKT2KOMEMM Tanterv szerinti óraszám:
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 =
RészletesebbenKvantitatív módszerek
Kvantitatív módszerek szimuláció Kovács Zoltán Szervezési és Vezetési Tanszék E-mail: kovacsz@gtk.uni-pannon.hu URL: http://almos/~kovacsz Mennyiségi problémák megoldása analitikus numerikus szimuláció
RészletesebbenÜtemezés gyakorlat. Termelésszervezés
Ütemezés gyakorlat egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Feladattípusok Általános ütemezés Egygépes ütemezési problémák Párhuzamos erőforrások ütemezése Flow-shop és job-shop ütemezés
RészletesebbenTotális Unimodularitás és LP dualitás. Tapolcai János
Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni
RészletesebbenOperációkutatás II. Tantárgyi útmutató
Módszertani Intézeti Tanszék Gazdinfo Nappali Operációkutatás II. Tantárgyi útmutató 2015/16 tanév II. félév 1/4 Tantárgy megnevezése: Operációkutatás II. Tantárgy kódja: OPKT2KOMEMM Tanterv szerinti óraszám:
RészletesebbenMegkülönböztetett kiszolgáló routerek az
Megkülönböztetett kiszolgáló routerek az Interneten Megkülönböztetett kiszolgálás A kiszolgáló architektúrák minősége az Interneten: Integrált kiszolgálás (IntServ) Megkülönböztetett kiszolgálás (DiffServ)
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2017/18 2. félév 3. Előadás Dr. Kulcsár Gyula egyetemi docens Kereső algoritmusok alkalmazása
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
RészletesebbenBírálói vélemény Koltai Tamás Sensitivity Analysis at Production Planning and Production Scheduling Models c ben kelt MTA doktori értekezéséről
Bírálói vélemény Koltai Tamás Sensitivity Analysis at Production Planning and Production Scheduling Models c. 2014-ben kelt MTA doktori értekezéséről Prof. Em. Dr. Kovács György Az értekezés téma- és címválasztása,
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 1. félév 5. Előadás Dr. Kulcsár Gyula egyetemi docens A termelésinformatika alapjai
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.
RészletesebbenSzámítógépes döntéstámogatás. Genetikus algoritmusok
BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as
RészletesebbenSzámítógép-rendszerek fontos jellemzői (Hardver és Szoftver):
B Motiváció B Motiváció Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver): Helyesség Felhasználóbarátság Hatékonyság Modern számítógép-rendszerek: Egyértelmű hatékonyság (például hálózati hatékonyság)
RészletesebbenA szimplex algoritmus
A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás
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
RészletesebbenSAP EAM MRS és LAM megoldásainak gyakorlati bevezetési tapasztalatai
SAP EAM MRS és LAM megoldásainak gyakorlati bevezetési tapasztalatai Nikolaidisz Kosztasz, ERP Consulting Zrt. 2018. Szeptember 10. Témák TIGÁZ DSO MRS bevezetés Magyar Közút LAM bevezetés 2 TIGÁZ - Visszatekintés
RészletesebbenAdaptív dinamikus szegmentálás idősorok indexeléséhez
Adaptív dinamikus szegmentálás idősorok indexeléséhez IPM-08irAREAE kurzus cikkfeldolgozás Balassi Márton 1 Englert Péter 1 Tömösy Péter 1 1 Eötvös Loránd Tudományegyetem Informatikai Kar 2013. november
RészletesebbenAlgoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás
Algoritmusok Tervezése 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Mi az algoritmus? Lépések sorozata egy feladat elvégzéséhez (legáltalánosabban) Informálisan algoritmusnak nevezünk bármilyen jól definiált
RészletesebbenInformációk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása
1 Információk 2 A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin Elérhetőség mesko.katalin@tfk.kefo.hu Fogadóóra: szerda 9:50-10:35 Számonkérés időpontok Április 25. 9 00 Május 17. 9 00 Június
RészletesebbenII. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László
A kockázat alapú felülvizsgálati és karbantartási stratégia alkalmazása a MOL Rt.-nél megvalósuló Statikus Készülékek Állapot-felügyeleti Rendszerének kialakításában II. rész: a rendszer felülvizsgálati
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
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
RészletesebbenAutoregresszív és mozgóátlag folyamatok
Géczi-Papp Renáta Autoregresszív és mozgóátlag folyamatok Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
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.
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
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
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék. Dr. Kulcsár Gyula egyetemi docens
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Tartalomjegyzék Bevezetés Termelési paradigma fogalma Paradigma váltások A CIM fogalmának
RészletesebbenAlkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok. Rétvári Gábor
Alkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok Rétvári Gábor retvari@tmit.bme.hu Feladatok Szöveges feladatok. Egy acélgyárban négyfajta zártszelvényt gyártanak: kis,
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
RészletesebbenGyakorlati oktatás tematikája (kerettanterv alapján) 2/14. évfolyam Logisztikai ügyintéző
Gyakorlati oktatás tematikája (kerettanterv alapján) 2/14. évfolyam 54 345 01 Logisztikai ügyintéző Készletgazdálkodás gyakorlat tantárgy Összesen: 128 óra Munkahelyi gyakorlat: Iskolai gyakorlat: 112
RészletesebbenHíradástechikai jelfeldolgozás
Híradástechikai jelfeldolgozás 13. Előadás 015. 04. 4. Jeldigitalizálás és rekonstrukció 015. április 7. Budapest Dr. Gaál József docens BME Hálózati Rendszerek és SzolgáltatásokTanszék gaal@hit.bme.hu
Részletesebbena) Mutassa be az európai integráció kibővülésének folyamatát (fontos dátumok, csatlakozó országok, a csatlakozás okai)!
1. a) Mutassa be az európai integráció kibővülésének folyamatát (fontos dátumok, csatlakozó országok, a csatlakozás okai)! b) Határozza meg a logisztika fogalmát, és mutassa be a vállalati logisztikai
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenVállalatgazdaságtan. Minden, amit a Vállalatról tudni kell
Vállalatgazdaságtan Minden, amit a Vállalatról tudni kell 1 Termelési rendszer vizsgálata 2 képzeljük el az alábbi helyzetet örököltünk egy gyárat mit csináljunk vele? működtessük de hogyan? Hogyan működik
RészletesebbenTeljesítménymodellezés
Teljesítménymodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement and Information Systems
RészletesebbenInformációtartalom vázlata
1. Ön azt a feladatot kapta munkahelyén, hogy mutassa be tanuló társainak, hogyan épül fel a korszerű logisztikai rendszer, és melyek a feladatai. Miről fog beszélni? Információtartalom vázlata - logisztika
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
RészletesebbenKockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése
Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program
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
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 1-2. Előadás Dr. Kulcsár Gyula egyetemi docens A tantárgy tematikája 1.
RészletesebbenSzámítógép és programozás 2
Számítógép és programozás 2 6. Előadás Problémaosztályok http://digitus.itk.ppke.hu/~flugi/ Emlékeztető A specifikáció egy előfeltételből és utófeltételből álló leírása a feladatnak Léteznek olyan feladatok,
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
Részletesebben(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
RészletesebbenA Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában
A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában Horváth Gábor ghorvath@hit.bme.hu (Horváth András, Telek Miklós) - p. 1 Motiváció, problémafelvetés
RészletesebbenAlgoritmusok Tervezése. Fuzzy rendszerek Dr. Bécsi Tamás
Algoritmusok Tervezése Fuzzy rendszerek Dr. Bécsi Tamás Bevezetés Mese a homokkupacról és a hidegről és a hegyekről Bevezetés, Fuzzy történet Két értékű logika, Boole algebra Háromértékű logika n értékű
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
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok II. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
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
RészletesebbenE.4 Markov-láncok E.4 Markov-láncok. Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével.
E.4 Markov-láncok Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével. Egy Markov-láncot (MC) meghatároznak az alapját adó sorbanállási hálózat állapotai és az ezek
RészletesebbenA tételekhez segédeszköz nem használható!
A vizsgafeladat ismertetése: A Központi vizsga az alábbi témaköröket foglalja magába: A logisztikai rendszer felépítése Lean elvek érvényesítése A logisztikai információs rendszer elemei és eszközei A
RészletesebbenExponenciális kisimítás. Üzleti tervezés statisztikai alapjai
Exponenciális kisimítás Üzleti tervezés statisztikai alapjai Múlt-Jelen-Jövő kapcsolat Egyensúlyi helyzet Teljes konfliktus Részleges konfliktus: 0 < α < 1, folytatódik a múlt, de nem változatlanul módosítás:
RészletesebbenA DREHER hazai ellátási hálózatának optimalizálása
Partner in Change A DREHER hazai ellátási hálózatának optimalizálása www.integratedconsulting.hu 1 Supply Chain Management Purchase Production Distribution Service Strategic Planning Supply Chain Optimization
RészletesebbenÜtemezési modellek. Az ütemezési problémák osztályozása
Ütemezési modellek Az ütemezési problémák osztályozása Az ütemezési problémákban adott m darab gép és n számú munka, amelyeket az 1,..., n számokkal fogunk sorszámozni. A feladat az, hogy ütemezzük az
RészletesebbenOperációkutatás. 4. konzultáció: Sorbanállás. Exponenciális elsozlás (ismétlés)
Operációkutatás 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.
RészletesebbenBevezetés az operációkutatásba A lineáris programozás alapjai
Bevezetés az operációkutatásba A lineáris programozás alapjai Alkalmazott operációkutatás 1. elıadás 2008/2009. tanév 2008. szeptember 12. Mi az operációkutatás (operations research)? Kialakulása: II.
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok 2. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
RészletesebbenVállalatgazdaságtan Intézet. Logisztika és ellátási lánc szakirány Komplex vizsga szóbeli tételei 2009. március
Logisztika és ellátási lánc szakirány Komplex vizsga szóbeli tételei 2009. március A tételek: 1) Hogyan lehet a biztonsági készletet meghatározni adott kiszolgálási szint mellett? Hogyan határozható meg
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
Részletesebben