BESLISSINGSONDERSTEUNING

Michelle Sanderse


2013-2014
ERASMUS UNIVERSITEIT ROTTERDAM


Inhoudsopgave

Chapter 1 Introduction to Quantitative Analysis 2
Chapter 3 Decision Analysis 2
Module 4 Game Theory 6
Chapter 14 Simulation Modeling 6
Module 1 Analytic Hierarchy Process 6
Chapter 7 Linear Programming Models: Graphical and Computer Methods 6
Chapter 10 Integer Programming, Goal Programming, and Nonlinear Programming
(alleen 10.4) 6
Module 2 Dynamic Programming 6
Chapter 12 Project Management (geen 12.4) 6




Chapter 1 Introduction to Quantitative Analysis

Quantitative analysis: de wetenschappelijke benadering van het management-
beslissing-maken.
verwerken en manipuleren van ruwe gegevens in betekenisvolle informatie
houdt rekening met zowel kwantitatieve als kwalitatieve factoren
het weer, staats-en federale wetgeving, nieuwe technologische doorbraken, etc.

The quantitative analysis benadering bevat:
Defining the problem: deze uitspraak zal richting en betekenis geven aan de volgende
stappen.
meest belangrijke en moeilijke stap
Het is belangrijk te analyseren hoe de oplossing voor een probleem invloed heeft op
andere problemen of de situatie in het algemeen
focus op alleen een paar problemen
die problemen die oplossingen zal resulteren in de grootste toename van de winst
of kostenbesparing.

Developing a model: een model is een representatie (meestal een wiskundige) van een
situatie.
schematic model: een afbeelding, tekening of tabel van de werkelijkheid
variable: een meetbare hoeveelheid die kan variren of is onderhevig aan
verandering. (onbekende grootheden)
parameter: een meetbare hoeveelheid die onafscheidelijk verbonden is aan het
probleem. (bekende grootheden)
het model moet oplosbaar zijn, realistisch en gemakkelijk te begrijpen en te
modificeren en de benodigde input data moet verkrijgbaar zijn.

Acquiring input data: we moeten data verkrijgen die gebruikt kan worden in het model
(input data)
Essentiele stap, omdat zelfs wanneer het model een perfecte representatie geeft van
een situatie, onjuiste data zorgt voor misleidende resultaten
(garbage in, garbage out)
data kan verkregen worden uit:
bedrijfsdocumenten en reporten, nemen van monsters, directe metingen,
interviews met werknemers en andere personen gerelateerd aan het bedrijf.
o individuelen kunnen zorgen voor waardevolle informatie, ervaring en meningen



Developing a solution: het model zo manipuleren dat de beste oplossing voor het
probleem wordt gevonden
vergelijking oplossen
trial and error methode: verschillende aanpakken proberen en degene kiezen die
het beste resultaat oplevert
complete enumeration: alle mogelijke waarden voor de variabelen proberen
algorithm: een reeks stappen of procedures die herhaald worden
de nauwkeurigheid van een oplossing hangt af van de nauwkeurigheid van de
input data en het model.

Testing the solution: omdat de oplossing afhangt van zowel de input data als model,
moeten beide getest worden
bepalen van de nauwkeurigheid en volledigheid van de gebruikte data
aanvullende data van een andere bron verzamelen
die vergelijken met de originele data
bepalen of er verschillen zijn
als de data nauwkeurig is, maar de resultaten tegenstrijdig met het probleem, ligt
het aan het model

Analyzing the results and sensitivity analysis: bepalen van onduidelijkheden van de
oplossing
dit moet bepaald worden voordat de acties of veranderingen van de oplossing in
werking worden gesteld
sensitiviy analysis: bepaalt hoe erg de oplossing zal veranderen wanneer er
veranderingen worden gemaakt in het model of de input data
(postoptimality analysis)
de gevoeligheid van de oplossing aan veranderingen in het model en input data is
erg belangrijk bij het analyseren van de resultaten

Implementing the results: het proces van het verwerken van de oplossing in het bedrijf
wanneer managers zich verzetten tegen de oplossing, hebben alle inspanningen voor
de analyse geen waarde
na verloop van tijd zullen er altijd verandering worden gemaakt aan de originele
oplossing



Winst = (prijs per product)(aantal verkocht)
(vaste kosten + (kosten per product)(aantal verkocht))



Voordelen van wiskundige modellen:
- kunnen nauwkeurig de werkelijkheid voorspellen
- kunnen bij een beslissing helpen een oplossing te formuleren
- geven ons inzicht en informatie
- tijd en geld besparen bij beslissingen maken en problemen oplossen
- zijn misschien de enige manier om grote of complexe problemen tijdig op te lossen
- kunnen gebruikt worden om problemen en oplossingen naar anderen te communiceren

Deterministic model: we gaan ervanuit dat we alle waarden gebruikt in het model zeker
weten
profit en break-even models

Probabilistic model: modellen die kansen en risicos betrekken



BEP =




Chapter 3 Decision Analysis


Module 4 Game Theory
Chapter 14 Simulation Modeling
Module 1 Analytic Hierarchy Process
Chapter 7 Linear Programming Models: Graphical and
Computer Methods
Chapter 10 Integer Programming, Goal Programming, and
Nonlinear Programming (alleen 10.4)
Module 2 Dynamic Programming
Chapter 12 Project Management (geen 12.4)