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

Méret: px
Mutatás kezdődik a ... oldaltól:

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

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.

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

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

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

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

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

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

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

A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása

A 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,.

Részletesebben

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba

Döntéselőkészítés. 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

Részletesebben

Logisztikai szimulációs módszerek

Logisztikai szimulációs módszerek Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok

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

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

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

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

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

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

Ellátási 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 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

Részletesebben

Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet

Követelmények 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

Részletesebben

Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet

Követelmények 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

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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,

Részletesebben

Matematikai modellezés

Matematikai 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

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (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:

Részletesebben

Döntési módszerek Tantárgyi útmutató

Döntési 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:

Részletesebben

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/

Optimalizálás 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

Részletesebben

Gazdálkodási 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 Gazdálkodási modul Gazdaságtudományi ismeretek III. Szervezés és logisztika KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc Vállalati és termelési logisztika 102. lecke Vállalat célja: fogyasztói

Részletesebben

A dualitás elve. Készítette: Dr. Ábrahám István

A 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

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

Opkut deníciók és tételek

Opkut 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

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

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

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

Érzékenységvizsgálat

Érzékenységvizsgálat 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

Részletesebben

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

Ütemezési 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

Részletesebben

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet

Dualitás 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

Részletesebben

Operációkutatási modellek

Operációkutatási 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

Részletesebben

Termeléstervezés 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 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

Részletesebben

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás

előadás 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

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több 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...

Részletesebben

Döntési módszerek Tantárgyi útmutató

Döntési 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:

Részletesebben

5. előadás: Magasraktárak, raktári folyamatok irányítása, készletezés

5. 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

Részletesebben

Operációkutatás II. Tantárgyi útmutató

Operációkutatás 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 [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

Kvantitatív módszerek

Kvantitatív 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

Részletesebben

Ütemezés gyakorlat. Termelésszervezés

Ütemezés 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

Részletesebben

Totális Unimodularitás és LP dualitás. Tapolcai János

Totális 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

Részletesebben

Operációkutatás II. Tantárgyi útmutató

Operációkutatás 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:

Részletesebben

Megkülönböztetett kiszolgáló routerek az

Megkülönböztetett kiszolgáló routerek az Megkülönböztetett kiszolgáló routerek az Interneten Megkülönböztetett kiszolgálás A kiszolgáló architektúrák minősége az Interneten: Integrált kiszolgálás (IntServ) Megkülönböztetett kiszolgálás (DiffServ)

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci 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

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

Bírálói 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 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,

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci 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

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

Számítógépes döntéstámogatás. Genetikus algoritmusok

Számítógépes 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

Részletesebben

Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver):

Számítógép-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)

Részletesebben

A szimplex algoritmus

A szimplex algoritmus A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás

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

SAP EAM MRS és LAM megoldásainak gyakorlati bevezetési tapasztalatai

SAP 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

Részletesebben

Adaptív dinamikus szegmentálás idősorok indexeléséhez

Adaptív 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

Részletesebben

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás

Algoritmusok 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

Részletesebben

Információk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása

Információk. 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

Részletesebben

II. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László

II. 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

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

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

Autoregresszív és mozgóátlag folyamatok

Autoregresszív 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

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen 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

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

Valószínűségszámítás összefoglaló

Valószínűségszámítás 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:

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

Miskolci 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 Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Tartalomjegyzék Bevezetés Termelési paradigma fogalma Paradigma váltások A CIM fogalmának

Részletesebben

Alkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok. Rétvári Gábor

Alkalmazott 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,

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

Gyakorlati oktatás tematikája (kerettanterv alapján) 2/14. évfolyam Logisztikai ügyintéző

Gyakorlati 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

Részletesebben

Híradástechikai jelfeldolgozás

Híradástechikai 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

Részletesebben

a) Mutassa be az európai integráció kibővülésének folyamatát (fontos dátumok, csatlakozó országok, a csatlakozás okai)!

a) 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

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi 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 :

Részletesebben

Vállalatgazdaságtan. Minden, amit a Vállalatról tudni kell

Vállalatgazdaságtan. 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

Részletesebben

Teljesítménymodellezés

Teljesítménymodellezés Teljesítménymodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement and Information Systems

Részletesebben

Információtartalom vázlata

Információtartalom 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

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

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

Kockázatalapú 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

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

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci 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.

Részletesebben

Számítógép és programozás 2

Számítógép 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,

Részletesebben

y ij = µ + α i + e ij

y 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)

(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,

Részletesebben

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában

A 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

Részletesebben

Algoritmusok Tervezése. Fuzzy rendszerek Dr. Bécsi Tamás

Algoritmusok 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

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

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

TANTÁRGYI 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:

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

E.4 Markov-láncok E.4 Markov-láncok. Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével.

E.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

Részletesebben

A tételekhez segédeszköz nem használható!

A 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

Részletesebben

Exponenciális kisimítás. Üzleti tervezés statisztikai alapjai

Exponenciális 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:

Részletesebben

A DREHER hazai ellátási hálózatának optimalizálása

A 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

Részletesebben

Ütemezési modellek. Az ütemezési problémák osztályozása

Ütemezési 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

Részletesebben

Operációkutatás. 4. konzultáció: Sorbanállás. Exponenciális elsozlás (ismétlés)

Operációkutatás. 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.

Részletesebben

Bevezetés az operációkutatásba A lineáris programozás alapjai

Bevezetés 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.

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

TANTÁRGYI 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:

Részletesebben

Vállalatgazdaságtan Intézet. Logisztika és ellátási lánc szakirány Komplex vizsga szóbeli tételei 2009. március

Vállalatgazdaságtan 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

Részletesebben

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y 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