A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása

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

Gyakorló feladatok a Termelésmenedzsment alapjai tárgyhoz

Vizsgafelkészítı óra Termelésmenedzsment tárgyból

Termelés- és szolgáltatásmenedzsment

Készletgazdálkodás A készletek keletkezésének okai:

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

Gyakorló feladatok a Termelésszervezés tárgyhoz MBA mesterszak

Munkafüzet a Termelés- és szolgáltatásmenedzsment tárgyhoz

Anyagszükséglet-tervezés gyakorlat. Termelésszervezés

A készletgazdálkodás alapjai

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

Optimumkeresés számítógépen

Optimális rendelési tételnagyság

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

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

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

Készítette: Juhász Ildikó Gabriella

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

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

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

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Nemlineáris programozás 2.

Készletgazdálkodási módszerek ÚTMUTATÓ 1

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

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

A Markowitz modell: kvadratikus programozás

S Z Á L L Í T Á S I F E L A D A T

Statisztikai módszerek a skálafüggetlen hálózatok

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

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

Termoelektromos hűtőelemek vizsgálata

Újrahasznosítási logisztika. 7. Gyűjtőrendszerek számítógépes tervezése

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

Szélsőérték feladatok megoldása

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

Menedzsment és vállalkozásgazdaságtan

Fuzzy halmazok jellemzői

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL

A Markowitz modell: kvadratikus programozás

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

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

GAZDASÁGI ISMERETEK JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

Vállalatgazdaságtan II. zh anyaga. 1.1 Bevezetés

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

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

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

Termelés- és szolgáltatásmenedzsment Részidős üzleti mesterszakok

Minősítéses mérőrendszerek képességvizsgálata

Matematikai modellek megoldása számítógéppel Solver Lingo

ANYAGÁRAMLÁS ÉS MŰSZAKI LOGISZTIKA

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Excel segédlet Üzleti statisztika tantárgyhoz

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

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

Döntési rendszerek I.

[Biomatematika 2] Orvosi biometria

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

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

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

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA

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

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

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

Termelés- és szolgáltatásmenedzsment Részidős üzleti mesterszakok

[Biomatematika 2] Orvosi biometria

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

Least Squares becslés

Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak

Biostatisztika VIII. Mátyus László. 19 October

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

Folyadékszcintillációs spektroszkópia jegyz könyv

Pszichometria Szemináriumi dolgozat

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

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

1 Energetikai számítások bemutatása, anyag- és energiamérlegek

Matematikai geodéziai számítások 10.

Ellenőrzés. Variáns számítás. Érzékenység vizsgálat

7. 17 éves 2 pont Összesen: 2 pont

Korszerű termelésszervezési eljárások

KÉSZLETMODELLEZÉS EGYKOR ÉS MA

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

Programozási módszertan. Mohó algoritmusok

A termeléstervezés alapjai -- termelés és kapacitás tervezés

Microsoft Excel Gyakoriság

A KÉSZLETNAGYSÁG MEGÁLLAPÍTÁSÁNAK 6. TÉTEL

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Vállalati készlet- és pénzgazdálkodás

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

GAZDASÁGI NÖVEKEDÉS I.

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések

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

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

Operációkutatás példatár

AZ EURÓPAI UNIÓ KOHÉZIÓS POLITIKÁJÁNAK HATÁSA A REGIONÁLIS FEJLETTSÉGI KÜLÖNBSÉGEK ALAKULÁSÁRA

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

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

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

Átírás:

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.

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 7-4 5 -, 5 Május 6 5-5, -8, 6 Június 8 6-5,8-7, 7 Július 4 7 55,5 5,5 8 Augusztus 6 5,968,968 9 zeptember 4 5 5,57,57 Október 5,44 a.) Előrejelzés mozgó átlaggal: 4 5 6 7 8 9 ( 5) / ( 5 7) / 5 ( 5 7 6) / 6 ( 7 6 8) / 7 ( 6 8 4) / 6 ( 8 4 ) / 5 b.) Előrejelzés exponenciális simítással: 4 5 6 7 8 9, 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

Előrejelzés. eladat: Hónap t t t t E t EHÖ t AB{e t } ÁAE t KJ t ecember x x x Január 8 4-5 -5 5 5 - 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 56 84 4 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) (,) 5 5 78,96 5,86 8,4darab 56 6,96 78,96 darab, 5, 5,554,86 darab

Előrejelzés. eladat: Hónap t t t t E t EHÖ t AB{e t } ÁAE t KJ t ecember 5 - Január 45 4-9 4-5 -5 5 5 - ebruár 48 9-6 -5-5 - Március 5 8-56 - - 7, - Április 7 7, -8,4 8-88 -8 88 77-4 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: 8 56 8 darab 4 darab 9 darab 9 darab 6 darab 8 darab 56 darab Követőjel - - - -4 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 4,4 4 4 7, darab 8,4 darab 4

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 45,4 75 75 75 75 998/ 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 5 5 45 darab 8 8 8 darab 45 4,5 56,5 darab,5,597,,5597,56 Követőjel,5,5 élévek 5

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 76,976 77 darab 57,4 9,6 48,74 darab 8,5 48,6 darab 6

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

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*95975 5*5575 Bővítés 4*976-87 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 95,45 5 87 66,5 [ ] 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

Kapacitás. eladat Nagy igény Nagy raktár,7 a, -6 Kampány van Kis igény Kampány nincs c,5,5 ikeres ikertelen 96 6 6 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

Kapacitás 4. eladat Nagy,4 a,6 5-75 Közepes Kicsi,4 b,6 9 - emmi,4 c,6 5-5 b.) Az egyes döntési változatok eredményének várhatóértéke: Nagy kapacitású berendezés vásárlása:,4 5,6 75 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

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, 5 8 85 et 6 TK 85 6 5 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

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 5,5 6 44 5 694 et

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 45 5 6 5, 5 darab P{ u > s} yak 4 6, Táblázatból : z,84 ss z σ s µ L L,84 5 4 darab ss 5 4 9 darab c.) A készletezési politika teljes költsége et-ban: TK{, ss} v A ss vr 6 4 6,5 4,5,6 9 8 4 94 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

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 575 575 48 et 5,8, 575 et,, 69 et,8, 574 et 4

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 6 5 5,6 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 (,) ] 474 474 7 474 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

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 9 6 48 a.) Az optimális megoldás a P pontban van, tehát x 8 db/id, x 6 db/id, 5 8 4 6 6 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 5 4 4 9 4 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

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 5 8 8 64 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 8 75 8 76 t/év Árnyékár E: b M M E b P P E 76 64 4 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

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, 5 5 5 5 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 5 5 45 gó/id x 5 db/id M 5 5 5 7 5 et/id M P 7 5 5 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

b P E 75 b 5 5 75 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