Professional Documents
Culture Documents
PREDGOVOR
Ovaj nastavni tekst pozitivno je ocijenjen od strane Povjerenstva, na sjednici Fakultetskog
vijea Strojarskog fakulteta u Slavonskom Brodu, odranoj 28. listopada 2010. godine.
Nastavni tekst je postavljen na web stranici Strojarskog fakulteta u Slavonskom Brodu, adresa
http://www.sfsb.hr/~ksimun/.
Nastavni tekst obuhvaa teorijske osnove ilustrirane primjerima (predavanja), te zadatke
(definirane probleme) s rjeenjima (vjebe).
Nastava je podijeljena na dva dijela. U prvom dijelu (prvih est tjedana) definirani problemi
koji se mogu prikazati linearnim modelima, rjeavaju se primjenom analitike, grafike i
simplex metode, odnosno osnovni cilj je usvojiti metode rjeavanja i uvjebati postavljanje
matematikog modela, dok se u drugom dijelu nastave, optimalna rjeenja definiranih
problema, dobivaju koritenjem raunala, a naglasak je vie na obradi primjera iz prakse.
U tekstu koji sadri teorijske osnove dan je i posebni osvrt na termine na engleskom jeziku,
koji e studentima pomoi pri koritenju literature na engleskom jeziku, kao i pri
pretraivanju na Internetu.
Nastavni tekst je ureen tako da prati nastavne cjeline po tjednima, a iza svake obraene
nastavne cjeline nalaze se zadaci za obradu na vjebama.
Dugogodinjim odravanjem nastave iz predmeta Kvantitativne metode, primijeeno je da je
puno panje potrebno posvetiti upravo prvom koraku pri rjeavanju nekog problema, a to je
formuliranje (definiranje) problema i postavljanje modela (matematikog). Postavljanje
matematikog modela karakteristino je za svaki pojedini problem, dok se jednom postavljeni
matematiki model moe rijeiti primjenom dobro poznatih standardnih metoda i tehnika.
Ako su metode i tehnike dobro usvojene, tada nee biti problema.
Meutim, postavljanje matematikog modela prvi je i najtei korak rjeavanja nekog
problema i zahtijeva puno vjebanja. Stoga je u ovom nastavnom tekstu obuhvaen veliki broj
karakteristinih problema iz prakse koji se mogu modelirati linearno, s naglaskom na
varijable, ogranienja i funkcije cilja koje se najee pojavljuju u takvim problemima.
Kako bi se uspjeno postavio matematiki model koji e predstavljati zapravo
pojednostavljenje realnog problema, potrebno je rijeiti veliki broj zadataka. Ovaj nastavni
tekst bi trebao biti doprinos ostvarenju toga cilja, jer e se sustavnim rjeavanjem definiranih
problema koje zapoinje ralanjivanjem (analizom) stvarnih problema (u kojem se treba
zapitati tko odluuje, to je cilj, to su varijable i to ograniava), lake doi do matematikog
modela, a time i do optimalnog rjeenja.
Jednom postavljen matematiki model moe se rijeiti na razliite naine, te je tako
pristupano i u nastavnom tekstu; isti problem rjeavan je razliitim metodama linearnog
programiranja u ovisnosti o sloenosti.
Rijeeni matematiki model daje brojeve, te je posebna panja posveena fizikalnom
tumaenju dobivenih rezultata (brojeva), a osobito znaenju dopunskih (izjednaavajuih)
varijabli kao i postoptimalnoj analizi (kako se promjenom nekih uvjeta utjee na optimalno
rjeenje).
SADRAJ NASTAVE
Tjedan
Poglavlje
Predavanje, Vjeba,
Primjer
Zadatak
Tjedan 1
1 Uvod
1.1 Faze rjeavanja problema
kvantitativnim pristupom
1.2 Kratki osvrt na operacijska
istraivanja
2 Matematiki model linearnog
programiranja
Primjer 2.1
Zadatak 1.1 MM
Zadatak 1.2 MM
Primjer 3.1
Zadatak 1.3 MM
Analitika
Zadatak 1.4 MM
Analitika
Primjer 3.2
Zadatak 1.1 G
Zadatak 1.2 G
Primjer 3.3
Zadatak 1.3 G
ST
Zadatak 1.4 G
ST
Primjer 3.4
Zadatak 1.5
PON
Zadatak 1.6
PON
Primjer 3.5
Pisanje K1
Zadatak 1.7
Zadatak 1.8
Primjer 1
Primjer 2
Statistiko
modeliranje
pomou
programa MS
Excel
Primjer 4.1
Primjer 4.1
Zadatak 2.1
Zadatak 2.2
Zadatak 2.3
Zadatak 2.4
Tjedan 2
Tjedan 3
Tjedan 4
Tjedan 5
Tjedan 6
Tjedan 7
3' Statistiki kvantitativni modeli
Tjedan 8 9
4 Raunalna potpora
4.1 Opis nekih raunalnih programa
4.2 Alat rjeava u MS Excel-u
Tjedan 10
Tjedan 11
Primjer 5.1
Primjer 5.2
12
programiranja u strojarstvu
5.1 Optimalno iskoritenje materijala
5.2 Model smjese
5.3 Problem poslovnog udruivanja
5.4 Optimiranje reima obrade
5.5 Optimalni proizvodni program
Primjer 5.3
Primjer 5.4
Tjedan 13
14
Primjer 5.5
Primjer 5.6
Primjer 5.7
Tjedan 15
Primjer 5.1
Primjer 5.2
Primjer 5.3
Primjer 5.4
Zadatak 2.5
Zadatak 2.6
Zadatak 2.7
Zadatak 2.8
Pisanje K2
Zadatak 1
Zadatak 2
Zadatak 3
Kalpi, Damir; Mornar, Vedran: Operacijska istraivanja. Zagreb; Zeus, 1996, 261 str.
aki, Nikola; tefani, Nedeljko: Metode optimiranja proizvodnje. Inenjerski
prirunik 4, Trei svezak Organizacija proizvodnje. Zagreb; kolska knjiga, 2002, str.
345-397.
Barkovi, Draen: Operacijska istraivanja. Osijek; Ekonomski fakultet, 1997, 404 str.
Programski sustav MATLAB, verzija 7.8.0.347 (R2009a), The MathWorks, 2009.
Programski paket Microsoft Office, program MS Excel 2003, Microsoft, 2003.
Program WinQSB, verzija 2.0, Yin Long Chang, 2012.
Vrdoljak, Milan: Uvod u MATLAB,
URL:http://titan.fsb.hr/~mvrdolja/matlab/matlab.html. (13.08.2008.).
Hanselman, Duane; Litttlefield, Bruce: Mastering MATLAB 6, A Comprehensive
Tutorial and Reference. Upper Saddle River, New Jersey; Prentice Hall, 2001, 814 str.
http://www.microsoft.com/croatia/office/system/overview.mspx, 27.12.2007
http://www.solver.com, 29.12.2007
Ban, eljko; Matuko, Jadranko; Petrovi, Ivan: Primjena programskog sustava
MATLAB za rjeavanje tehnikih problema. Zagreb; Graphis, 2010, 165 str.
Petri, Jovan; Koji, Zdravko; arenac, Lazar: Operaciona istraivanja, zbirka reenih
zadataka. Beograd; Univerzitet u Beogradu, 1980, 544 str.
http://www.strath.ac.uk
enjaj, Miran: Raunalna potpora metodama optimiranja/diplomski rad.
Slavonski Brod: Strojarski fakultet u Slavonskom Brodu, 26.09.2008., 74 str. Voditelj:
imunovi, Katica
Koki, Marija: Primjena metoda operacijskih istraivanja u pripremi proizvodnje/
diplomski rad. Slavonski Brod: Strojarski fakultet u Slavonskom Brodu, 24.09.2008., 92
str. Voditelj: imunovi, Katica.
1 UVOD
U procesu upravljanja i odluivanja, kojemu je krajnji cilj to kvalitetnija odluka, koriste se
razliite tehnike i metode koje olakavaju taj proces. Pristupi mogu biti kvalitativni i
kvantitativni.
Kvalitativni pristup se primjenjuje kada postoji mali broj postavljenih zahtjeva, ogranienja i
kriterija nekoga problema. Moe se temeljiti na prijanjem iskustvu ili procjeni iz prethodnog
razdoblja odluivanja, te je prilino subjektivan.
Kvantitativne metode olakavaju proces donoenja odluke i predstavljaju objektivnu potporu
upravljanju i odluivanju. Kvantitativnim pristupom, olakano je donoenje odluka za one
probleme kod kojih je prisutan veliki broj zahtjeva, ogranienja i kriterija. Kod problema kod
kojih postoji i jako veliki broj moguih rjeenja, iskustvo nee biti dovoljno za pronalaenje
optimalnog rjeenja, te e se kvantitativnim pristupom problem lake i bre rijeiti. Pojam
kvantitativne metode je pojam koji obuhvaa iroko podruje, odnosno sve one metode koje
pomou brojanih pokazatelja i matematikih izraza vode k objektivnom zakljuku ili rjeenju
nekoga problema.
Kvantitativnim pristupom se problem moe analizirati i rijeiti tek kada se pretvori u model.
Osnovni cilj modeliranja je neki sustav ili proces pretvoriti u model, te na osnovi modela,
donositi zakljuke. Modeli predstavljaju pojednostavljenje stvarnosti uz uvaavanje svih
znaajnih karakteristika nekog sustava ili pretvaranje problema opisanog rijeima i podacima
u matematike izraze. Proces pretvaranja problema u model je sloen i u njemu treba
postavljati puno pitanja. Prikazivanje problema modelom nekada je uspjenije, a nekada
manje uspjeno. To znai da se, pretvaranjem problema u model, ne mogu u obzir uzeti ba
sve veze i meuovisnosti realnog problema. Meutim, prednost koritenja modela je skraenje
vremena i trokova za analizu nekog sustava ili procesa, jer bi izravno istraivanje na samim
sustavima ili procesima bilo esto dugotrajno i skupo. Modeli mogu biti polazite za analizu
sustava ili procesa, polazite za upravljanje, optimiranje ili simulaciju, a time i donoenje
odluka.
Za svaki problem, koji je modeliran, gotovo uvijek e biti vie moguih rjeenja. Postupkom
optimiranja se definiraju najbolja rjeenja za problem, iz podruja moguih rjeenja.
U svim podrujima ljudskoga ivota, pa tako i u strojarstvu postoji jako veliki broj problema
koji se uspjeno mogu rijeiti primjenom kvantitativnih metoda. Kvantitativne metode
mogue je primijeniti u svim fazama razvoja proizvoda ili usluga. Poboljanja su mogua pri
izboru materijala, u projektno-konstrukcijskoj fazi pripreme proizvodnje, u tehnolokoj
pripremi proizvodnje, pripremi materijala i operativnoj pripremi proizvodnje. Tako je, na
primjer, s ciljem postizanja to objektivnijeg izbora materijala razvijen itav niz kvantitativnih
metoda izbora materijala, koje se uspjeno mogu primijeniti i prilikom izbora optimalne
konstrukcijske varijante, odnosno varijante polaznog oblika materijala (pripremka) i
tehnolokog postupka. Analitike i numerike metode modeliranja i optimiranja vrlo se esto
koriste u projektno-konstrukcijskoj fazi razvoja proizvoda, kao i u tehnolokoj pripremi
proizvodnje. Analitiki modeli su jednadbe ili funkcije sustava ili procesa, ijim rjeavanjem
se dobiva tono rjeenje, dok numeriki modeli daju priblino rjeenje ovisno o broju koraka.
Modeliranje i optimiranje u tehnolokoj pripremi proizvodnje provodi se kroz postavljanje
7/24
8/24
9/24
-5
Eksperimentalni podaci
Statistiki model
sila F, kN
-10
-15
y = -0,0263x - 2,8299
R2 = 0,9676
-20
-25
-30
-35
10/24
260
252
244
236
228
220
212
204
195
187
179
171
163
155
147
139
130
122
114
106
97,9
89,8
81,6
Na slici 1.3 dan je primjer numerikog modeliranja pomou metode konanih elemenata. Za
uzorak oblika i dimenzija kao na slici 1.2 c), napravljen je ravninski model (slika 1.3a) i
pretpostavljeno stanje ravninske deformacije. Slika 1.3b) prikazuje oekivani raspored
ekvivalentnih naprezanja po von Misesu za silu od 4 kN. Numeriki model je dobiven za
savijanje u tri toke za uzorak od nehrajueg austenitnog elika, na koji je plinski natrcan i
utaljen NiCrBSi sloj debljine 0,8 mm.
pomak, mm
-0,5
-0,45
-0,4
-0,35
-0,3
-0,25
0
-0,2
-0,15
-0,1
-0,05
-10
sila F, kN
-5
-15
-20
-25
11/24
Metode operacijskih istraivanja, vrlo esto probleme modeliraju kao optimizacijske modele u
kojima je cilj pronai optimalno rjeenje, uz postavljena ogranienja i cilj.
1.2 KRATKI OSVRT NA OPERACIJSKA ISTRAIVANJA
Od kvantitativnih metoda koje se esto koriste, to su metode operacijskih istraivanja (engl.
Operational Research ili Operations Research).
Ovaj pojam - Operacijska istraivanja, prvi puta uvodi 1939. godine (za vrijeme II. svjetskog
rata) prof. Patrick Maynard Stuart Blackett (Velika Britanija). Kada bi se doslovno prevodilo,
bilo bi to Istraivanje operacija ili upravljanje operacijama odnosno aktivnostima koje se
poduzimaju za postizanje nekih ciljeva, odnosno donoenje odluka.
Prof. Blackett je osnovao grupu u kojoj je okupio strunjake iz razliitih podruja i oni su
rjeavali razliite vojne probleme, pri emu su imali odreena pravila:
-
Takvim pristupom, primjenom razliitih znanja i metoda, oni su rijeili niz znaajnih vojnih
problema i praktino bez puno materijalnih ulaganja postignuta su velika poboljanja. Na
primjer, statistikom obradom podataka, ustanovili su da se napad britanske avijacije na
njemake podmornice najee odigrao u trenutku uranjanja podmornice, odnosno na
odreenoj dubini. Stoga su Britanci promijenili dotadanje tempiranje bombi (s vee dubine
na manju) i poveana je efikasnost napada za 700 %.
Drugi problem koji su rijeili je bio vezan za konvoje trgovakih brodova koje su zbog zatite
pratili ratni brodovi. Oni su odredili optimalan raspored i broj trgovakih i ratnih brodova,
uzimajui u obzir ogranienja vezana za mali broj ratnih brodova, kao i dva suprotna zahtjeva
(to je vei konvoj vie e se robe prevesti, ali su i mogui vei gubici prilikom napada
neprijatelja).
Dakle, operacijska istraivanja su se kao znanstvena i struna disciplina koja se bavi
pomaganjem pri donoenju odluka koritenjem egzaktnih (matematikih) metoda, razvila ba
zahvaljujui ratu, pa rat nije imao samo svoje negativne posljedice.
Kasnije se ovakve grupe oblikuju i drugdje, ali je rjeavanje problema bilo vezano uglavnom
za vojsku. Poslije rata ove ideje i principi se sele i u industriju u kojoj je bio zaista veliki broj
problema koji su se mogli i morali rijeiti na bolji nain.
Pod okriljem operacijskih istraivanja razvijene su brojne tehnike i metode za rjeavanje
razliitih problema u svim sferama ljudskog drutva (industrija, ekonomija, zdravstvo,
poljoprivreda, ).
12/24
programiranje
- cjelobrojno linearno programiranje
- transportni problem
- problem rasporeivanja
- nelinearno programiranje
- dinamiko programiranje
- teorija igara
- teorija repova
- mreno planiranje
- upravljanje zalihama
- viekriterijsko programiranje
Ovdje se pod pojmom programiranja ne podrazumijeva programiranje u nekom programskom
jeziku, nego se misli na planiranje, rasporeivanje, odnosno skupinu pravila i algoritama
pomou kojih se moe rijeiti neki problem.
Treba napomenuti, da su u okviru ovih tehnika razvijene i jo uvijek se razvijaju razliite
podtehnike i metode rjeavanja problema. Takoer, svaka od gore navedenih tehnika moe
biti posebna cjelina, a u visokoobrazovnim ustanovama, postoje i posebni kolegiji za pojedine
tehnike. Meutim, svima je zajedniko traenje optimalnog rjeenja na osnovi postavljenog
optimizacijskog kvantitativnog modela.
Linearno programiranje (engl. linear programming) je jedna od tehnika operacijskih
istraivanja, gdje su optimizacijski kvantitativni modeli linearni; ogranienja i cilj, odnosno,
funkcija cilja (engl. objective function) su linearne funkcije.
Cjelobrojno linearno programiranje (engl. integer linear programming) je podvrsta
linearnog programiranja, gdje neke ili sve varijable poprimaju cjelobrojne vrijednosti;
prednost cjelobrojnog linearnog programiranja je to je realnije, a nedostatak je to se tee
rjeava nego linearno programiranje (metoda grananja i ograivanja);
Transportni problemi (engl. transportation problem) predstavljaju skupinu problema koji se
mogu formulirati kao linearni.
Pri rjeavanju transportnih problema, cilj su minimalni transportni trokovi, prilikom
transportiranja odreenih resursa (proizvodi, materijal, sklopovi, ljudi, ) iz ishodita do
odredita. Metodama rjeavanja transportnih problema, mogu se rjeavati i problemi u kojima
se trai minimalno vrijeme izvrenja nekih poslova, minimalni prijeeni put, maksimalna
dobit;
Problem rasporeivanja (engl. assignment problem) je specijalni sluaj transportnog
problema, u kojem se odreeni broj resursa rasporeuje na neke lokacije. Rjeenja su
cjelobrojna i mogu poprimiti vrijednosti 0 ili 1, te se ovaj problem ubraja i u cjelobrojno
binarno programiranje (engl. binary integer programming).
Nelinearno programiranje (engl. nonlinear programming) je podruje podijeljeno u
nekoliko podpodruja. Kada je funkcija cilja kvadratna, tada se naziva kvadratno
programiranje.
13/24
14/24
15/24
ralanjivanje problema
matematiko opisivanje.
to je cilj
to su varijable
to su ogranienja.
16/24
gdje su:
c1, c2 ,...., cn - koeficijenti proporcionalnosti uz varijable u funkciji cilja
x1 , x2 ,...., xn - varijable, nepoznanice koje daju ekstremne vrijednosti funkcije cilja (min ili
max)
Ogranienja:
a11x1 a12 x2 .... a1n xn b1
a21x1 a22 x2 .... a2 n xn b2
.
.
.
am1x1 am2 x2 .... amn xn bm
gdje su:
x1, x2 ,...., xn 0
b) Saeti oblik
Funkcija cilja:
n
Ogranienja:
17/24
aij x j bi
j 1
x2 .... xn
Ogranienja:
AX B
gdje su:
A m x n matrica koeficijenata proporcionalnosti uz varijable u ogranienjima
a11 a12
a a
A 21 22
am1 am 2
a1n
a2 n
amn
18/24
b1
b
B 2
bm
Uvjeti nenegativnosti:
X 0
Na jednostavnom primjeru (Primjer 2.1), koji se moe prikazati kao linearni model, ilustriran
je nain postavljanja matematikog modela. Problem je ralanjen (analiziran), te je
postavljen matematiki model, koji je napisan u razvijenom i saetom matrinom obliku.
Primjer 2.1
a) Definirani problem s prikupljenim podacima
U jednom proizvodnom pogonu, metalopreraivako poduzee proizvodi dvije vrste metalnih
ploica s rupama (slika 2.1). Iz odjela za pripremu materijala, u pogon se dostavljaju
pripremci, izrezani na CNC plinskoj rezaici (slika 2.2a), iz zajednikog polaznog materijala
(lim). Pripremci se zatim obrauju operacijama glodanja i buenja (strojevi su prikazani na
slici 2.2b i 2.2c). U tablici 2.1 su prikazana vremena obrade na glodalici i builici, te
raspoloivo vrijeme tih strojeva.
Ploica 1
Ploica 2
4
10
12
5
Raspoloivi kapacitet,
sati
8
7,5
19/24
b) glodalica
c) builica
20/24
kom.
kom.
ili
12 PL1 30 PL 2 n. j. max
3. to ograniava (ogranienja)?
Kapaciteti strojeva glodalice i builice predstavljaju ogranienja. Glodalica je na raspolaganju
maksimalno 8 sati, a builica je raspoloiva maksimalno 7,5 sati. Dakle, s desne strane
nejednadbe ogranienja bit e: 8 60 min . za glodalicu, a za builicu 7,5 60 min . .
Kako su vremena obrade na strojevima zadana u minutama, a raspoloivi kapaciteti strojeva
u satima, mnoenjem sa 60, raspoloivo vrijeme strojeva je pretvoreno u minute. Lijeva strana
za oba ogranienja ovisit e o dvije varijable PL1 i PL2, koje imaju jedinicu mjere kom..
Dakle, da bi lijeva i desna strana ogranienja imale iste jedinice mjere, koeficijenti aij moraju
min .
imati jedinicu mjere
, a to su zapravo normativi izrade, tj. koliko je potrebno minuta
kom.
da odreeni proizvod provede na strojevima. Nakon ovoga mogu se napisati ogranienja:
min .
min .
Glodalica: 4
PL1kom. 12
PL 2kom. 480 min .
kom.
kom.
min .
min .
PL1kom. 5
PL 2kom. 450 min .
Builica: 10
kom.
kom.
Nakon ralanjivanja problema moe se napisati cjeloviti matematiki model.
21/24
Ogranienja:
4 PL1 12 PL 2 480
10 PL1 5PL 2 450
Uvjeti nenegativnosti:
PL1, PL 2 0
F X CX max
Pri tome je vektor koeficijenata proporcionalnosti uz varijable u funkciji cilja sljedei:
C 12 30 c1 12, c2 30
Vektor varijabla je sljedei:
X x1 x2
Ogranienja:
AX B
22/24
VJEBA
Definirane probleme s prikupljenim podacima (Zadatak 1.1, Zadatak 1.2), potrebno je
ralaniti i postaviti matematike modele (razvijeni oblik i saeti matrini).
ZADATAK 1.1
U jednom proizvodnom pogonu metalopreraivakog poduzea, proizvode se dvije vrste
proizvoda: svornjak i osovina, za koje su inenjeri u odjelu tehnoloke pripreme proizvodnje
razradili tehnoloke postupke. Na osnovi trokova materijala, trokova rada, trokova
kooperacije i dodatnih trokova (proraunatih u odjelu tehnoloke pripreme proizvodnje),
izraunata je prodajna cijena proizvoda i oekivana dobit: za svornjak 20 n.j./kom., a za
osovinu 25 n.j./kom. U tablici 2.2 za proizvodnju ova dva proizvoda, prikazana su
proraunata vremena obrade, raspoloivo radno vrijeme strojeva i raspoloivost materijala na
skladitu, potrebnog za proizvodnju.
Tablica 2.2 Prikazani tehnoloki podaci za izradu svornjaka i osovine
Proizvod
Svornjak
Osovina
Operacija
Stroj
Tokarenje
Buenje
Bruenje
Tokarenje
Buenje
Bruenje
Tokarilica T
Builica B
Brusilica BR
Tokarilica T
Builica B
Brusilica BR
Vrijeme
obrade,
min/kom.
20
10
11
40
12
15
Raspoloivo
radno vrijeme
stroja, h
15
7,5
7,5
15
7,5
7,5
Masa
pripremka,
kg/kom.
Raspoloivost
materijala, kg
5,5
200
6,5
23/24
Proizvod
Operacija
Tokarenje
P1
Glodanje
Bravarski
rad
Tokarenje
P2
Glodanje
Bravarski
rad
Kapacitet
Tokarilica
T
Glodalica G
Bravari
Tokarilica
T
Glodalica G
Bravari
Produktivnost
kom/sat
Raspoloivo
radno
vrijeme
kapaciteta,
sat
20
7,5
10
7,5
15
35
15
7,5
70
15
7,5
15
Trokovi
Trokovi
materijala, kapaciteta,
n.j./kom.
n.j./sat
70
6
75
75
35
24/24