SVEUILITE JOSIPA JURJA STROSSMAYERA U OSIJEKU

STROJARSKI FAKULTET U SLAVONSKOM BRODU

PREDAVANJA I VJEBE KAO NASTAVNI TEKST IZ

PREDMETA:

Nastavnica: KATICA IMUNOVI

SLAVONSKI BROD, 2010.

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).

Cilj je da nakon odsluanog i usvojenog gradiva, sveuilini prvostupnik i/ili magistar

inenjer strojarstva (nadogradnja ovoga premeta predmetima Planiranje i organiziranje pokusa
i Upravljanje materijalom na diplomskom studiju), tijekom rada u poduzeu, primijeni svoje
znanje na sljedei nain (prikazani su samo neki primjeri):
- Inenjer koji se bavi planiranjem (radnici se mogu rasporediti na odreene strojne
kapacitete tako da se postigne najkrae vrijeme izvrenja odreenoga posla ili najbolja
produktivnost; ne znai da je trenutni plan optimalan treba teiti boljem)
- Tehnolog (parametri obrade koji su odreeni za neku tehnologiju, mogu biti i bolji,
odnosno mogu se odrediti optimalni parametri koji e dati, na primjer, krae vrijeme
obrade, te time nie trokove i/ili bolju kvalitetu obraene povrine)
- Tehnolog (radni predmeti mogu se izraditi koristei razliite polazne materijale;
kvantitativne metode mogu pomoi pri odluivanju koji polazni materijal izabrati za
izradu konkretnoga radnog predmeta, s ciljem najniih trokova ili najbolje
iskoristivosti materijala; to koristiti: ipku, cijev, odljevak, otkovak, lim ?!)
- Tehnolog materijala (rezanje pripremaka iz zajednikog polaznog materijala moe se
tako obaviti da ukupni otpad bude minimalan, ime se smanjuju trokovi za nabavu
materijala i znaajno uvaavaju ekoloki principi)
- Inenjer u projektno konstrukcijskom uredu (pri razvoju novoga proizvoda ne postoji
samo jedan materijal koji se moe izabrati; kvantitativne metode izbora materijala
pomau donijeti objektivnu odluku o optimalnom materijalu)
- Procesni inenjer (za odreene smjese ili mjeavine, moe se mijeanjem sirovina
dobiti takva kombinacija za koju e se postii najnii trokovi, a da smjesa ipak sadri
sve potrebne komponente)
I na kraju, bez obzira na vrlo estu nemogunost razmiljanja o boljem, odnosno optimalnom
rjeenju u naoj praksi, postoji nada da e ovaj nastavni tekst biti poticaj za, to je mogue
veu, primjenu kvantitativnih metoda i metoda optimiranja, u svim podrujima nae strojarske
struke, na svakom radnom mjestu.

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

4.3 Optimizacijski toolbox (paket) u

programskom sustavu MATLAB
4.3.1 Uvod
4.3.2 Funkcijske M-datoteke
Primjer 4.2
4.3.3 Skripte
Primjer 4.3
4.3.4 MATLAB Toolbox-ovi
4.3.4.1 Opis nekih funkcija
u Optimizacijskom
Toolbox-u

Zadatak 2.3
Zadatak 2.4

Tjedan 2

3 Metode rjeavanja problema

linearnog programiranja
3.1 Analitika metoda

Tjedan 3

3.2 Grafika metoda

Tjedan 4

3.3 Simplex metoda

3.3.1 Simplex metoda za traenje
maksimuma funkcije cilja

Tjedan 5

Tjedan 6

3.3.2 Simplex metoda za traenje

minimuma funkcije cilja

3.4 Rjeavanje problema pomou

sve tri metode

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

5 Primjeri primjene linearnog

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

5.6 Transportni problemi

5.6.1 Problemi rasporeivanja

Primjer 5.5
Primjer 5.6
Primjer 5.7

Tjedan 15

Ponavljanje, potpisi u indekse

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

MM matematiki model; G grafiki nain; ST Simplex tablica; PON - Ponavljanje

Pri pisanju nastavnog teksta koritene su sljedee literaturne reference i software:

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.

 tajdohar, Marko: Primjena metoda operacijskih istraivanja u tehnolokoj pripremi

proizvodnje/diplomski rad. Slavonski Brod: Strojarski fakultet u Slavonskom Brodu,
22.12.2008., 84 str. Voditelj: imunovi, Katica
imunovi, Katica: Optimizacija tribomehanikih svojstava plinski natrcanih slojeva,
doktorska disertacija, Fakultet strojarstva i brodogradnje Sveuilita u Zagrebu, Zagreb,
2004.

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

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

Izv. prof. dr. sc. Katica imunovi

7/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

analitikih modela postojanosti alata, hrapavosti povrine, analitikih i numerikih modela

sila rezanja i naprezanja na alatu, te na jo niz razliitih aktivnosti na viim i niim razinama.
esto koritene kvantitativne metode su i statistike metode, odnosno metode obrade
eksperimentalnih rezultata i statistiki kvantitativni modeli, te metode operacijskih
istraivanja i optimizacijski kvantitativni modeli. Ove metode vrlo su esti predstavnici
kvantitativnih metoda koje se primjenjuju u rjeavanju problema.
Zadatak statistikih ili stohastikih modela je predvianje funkcioniranja sustava na osnovi
postojeih eksperimentalnih podataka. Obzirom da provoenje pokusa zahtijeva znatna
materijalna sredstva, pokusi se odvijaju na osnovi pravila i naela razvijenih u disciplini
Planiranje i organiziranje pokusa (engl. design of experiment). Osim statistikog modeliranja,
mogue je i statistiko optimiranje, koje se najee koristi za dobivanje optimalnih
parametara nekoga procesa.
Operacijska istraivanja su znanstvena i struna disciplina, koja obuhvaa itav niz razliitih
tehnika i metoda, kojima je zajedniki cilj, donoenje objektivne optimalne odluke,
primjenom matematikih metoda.
Zadatak optimizacijskih kvantitativnih modela je, uz zadana ogranienja, u nekom sustavu
postii eljeni cilj, odnosno pronai optimalno (najbolje) rjeenje od svih moguih rjeenja.
Optimizacijski modeli su zapravo matematiki (postoji i izraz simboliki) modeli, jer se realni
problem opisuje pomou simbola: varijabla i operatora.
Primjena metoda operacijskih istraivanja u nekoj od faza razvoja proizvoda uglavnom
pridonosi smanjenju ukupnih trokova, ali nije uvijek opravdano, niti mogue ih primijeniti.
1.1 FAZE RJEAVANJA PROBLEMA KVANTITATIVNIM PRISTUPOM
U svim djelatnostima kojima se ljudi bave, uvijek je cilj, rjeavanjem nekog problema,
pronai najbolje rjeenje, te na osnovi toga rjeenja donijeti optimalnu odluku. Optimalna
odluka mora rezultirati postizanjem zahtijevane kvalitete, minimalnih ukupnih trokova, te
potivanjem rokova isporuke proizvoda ili usluge.
Faze od kojih se sastoji proces rjeavanja problema su sljedee:
1. Definiranje problema odluivanja s ciljevima i ogranienjima (engl. definition)
zahtjevna faza u kojoj je dobro da sudjeluje skupina ljudi timski rad i
interdisciplinarnost, kako bi se problem mogao to ire sagledati kasnije je
omogueno lake rjeavanje problema
2. Izbor postojee ili definiranje nove metode rjeavanja koja e dati optimalno rjeenje
3. Prikupljanje podataka takoer znaajna faza rjeavanja nekog problema; samo
kvalitetni podaci vode k optimalnom rjeenju
4. Formulacija problema i pretvaranje u matematiki model (engl. formulation)
pretvaranje problema opisanog slovima i brojevima u matematike ovisnosti
5. Rjeavanje modela pomou raunala, koristei razliite programe; rjeavanjem se
dobije optimalno rjeenje

Izv. prof. dr. sc. Katica imunovi

8/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

6. Postoptimalna analiza, koja ukljuuje i analizu osjetljivosti, (engl. Sensitivity analysis)

osjetljivost modela na male promjene ulaznih podataka to ako promatraju se
posljedice nepreciznosti u parametrima modela.
7. Donoenje odluke primjenjive u praksi i realizacija predloenog rjeenja u ovoj
posljednjoj fazi rjeavanja problema, iskusni donositelj odluke ipak nee samo slijepo
vjerovati rjeenjima dobivenim modelom, nego e ukljuiti svoje iskustvo i kritiki se
osvrnuti i analizirati dobivena rjeenja.
8. Praenje primjenjivanja odluke i rjeenja.
Faze donoenja odluke, shematski su prikazane na slici 1.1.

Slika 1.1 Od problema preko modela do odluke

Nakon prikupljenih potrebnih i tonih podataka za model (esto dugotrajna faza), te obradom
modela dobiva se rjeenje modela, koje se mora analizirati kako bi se mogla donijeti konana
odluka za realni problem, koja e biti primjenjiva u praksi.
Ve je ranije reeno da rjeavanje problema kvantitativnim pristupom moe poeti tek kada se
postavi model. Prilikom postavljanja modela treba potivati sljedeih 10 principa modeliranja
Kalpi, Ravindran:
-

Ne treba postavljati sloeni model ako i jednostavan moe zadovoljiti.

Problem ne treba prilagoavati kako bi bio rjeiv nekom metodom rjeavanja.
Postupak stvaranja zakljuaka o modelu mora biti rigorozan.
Model treba provjeriti prije implementacije na poznatim i ve ranije obraenim
podacima.
Model ne treba nikad shvaati suvie doslovno, nego rjeenje dobiveno modelom treba
preispitati iskusni donositelj odluke.
Ne treba oekivati da model rjeava probleme za koje nije bio namijenjen, niti ga
kriviti za nerjeavanje problema.
Treba biti oprezan s prodavanjem istog modela, jer se za razliite situacije ipak mogu
pojaviti velike razlike.

Izv. prof. dr. sc. Katica imunovi

9/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

Ve i pri samom postavljanju modela, mogue su koristi, jer se prilikom definiranja i

analiziranja problema, s ciljem postavljanja modela, mogu otkriti neke neloginosti
samoga realnog problema.
Model ne moe biti bolji od ulaznih informacija, odnosno izlazni rezultat ovisi o
ulaznim podacima i informacijama.
Modeli ne mogu nadomjestiti donositelja odluke; rjeenje modela nije i krajnja odluka.

Kako bi se dobila spoznaja o tome to su modeli, u nastavku su prikazani neki primjeri, u

uvodu spomenutih, vrsta modela.
Na slici 1.2 dan je primjer statistikog kvantitativnog modela, dobivenog na osnovi podataka
iz pokusa savijanja uzorka u tri toke. Ovisnost sile o vremenu, moe se prikazati linearnom
jednadbom y 0,0263 x 2,8299 , uz udio objanjene varijabilnosti (koliko regresijski y
odstupa od srednje vrijednosti) u ukupnoj varijabilnosti (koliko realni y odstupa od srednje
vrijednosti), koji iznosi R 2 0,9676 . Podaci koji se mogu dobiti pomou ovog modela
vrijede samo uz tono odreene uvjete pokusa (savijanje u tri toke uzorka od ugljinog
elika s 0,5% ugljika, na koji je plinski natrcan i utaljen NiCrBSi sloj debljine 0,3 mm).

a) uzorak u napravi za savijanje u tri toke

b) shematski prikaz naprave za savijanje u tri toke

vrijeme, s

-5
Eksperimentalni podaci
Statistiki model

sila F, kN

-10
-15

y = -0,0263x - 2,8299
R2 = 0,9676

-20
-25
-30
-35

c) oblik i dimenzije uzorka

d) eksperimentalni podaci i statistiki model

Slika 1.2 Koraci od pokusa do statistikog modela

Izv. prof. dr. sc. Katica imunovi

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

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

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.

a) uzorak prikazan kao mrea konanih elemenata

b) ekvivalentna naprezanja po von Misesu

Slika 1.3 Numeriki model

Eksperimentalni podaci su vrlo esto podaci s kojima se usporeuju podaci dobiveni
numerikim modeliranjem (slika 1.4).

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

a) eksperimentalni podaci: sila-pomak

b) numeriki model: pomaci u smjeru djelovanja sile

Slika 1.4 Usporedba eksperimentalnih podataka s podacima dobivenim numerikim modelom

Ponekad analitiko, numeriko ili eksperimentalno opisivanje sustava ili procesa postaje jako
sloeno i neekonomino, te se sustav ili proces mogu opisati simulacijskim modelima. Sustav
se mora analizirati i modelirati, model se isprogramira na raunalu u simulacijski program, te
se na raunalu moe pratiti to bi se dogaalo s izlaznim varijablama, promjenom ulaznih
varijabli. Eksperimentira se na raunalnom modelu, a ne na stvarnom sustavu, te se na osnovi
ponaanja simulacijskog modela zakljuuje se to bi se dogaalo s realnim sustavom.
Izv. prof. dr. sc. Katica imunovi

11/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

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:
-

svaki problem rjeavati novim pristupom

probleme rjeavati samo na osnovi dobrih podataka
probleme rjeavati cjelovito
probleme svestrano obuhvatiti
u rjeavanje jednog problema ukljuiti vie ljudi razliitih struka timski rad.

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, ).

Izv. prof. dr. sc. Katica imunovi

12/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

Podruje operacijskih istraivanja obuhvaa sljedee tehnike:

- linearno

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.

Izv. prof. dr. sc. Katica imunovi

13/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

Dinamiko programiranje (engl. dynamic programming) je takoer jedna od tehnika

operacijskih istraivanja, koju je razvio matematiar Richard Bellman. On je opisao nain
rjeavanja razliitih problema gdje se pronalaze rjeenja jedno poslije drugog (prethodno
rjeenje utjee na sljedee).
Dinamikim programiranjem mogu se rjeavati sljedei problemi: problem najkraeg puta,
problem trgovakog putnika, jednostavna raspodjela iste vrste resursa, sloena raspodjela iste
vrste resursa, viedimenzijska raspodjela resursa, optimalna zamjena opreme,
Teorija igara (engl. game theory) predstavlja matematiku disciplinu nastalu sredinom 20.
stoljea koja se bavi problemima donoenja optimalnih odluka u situacijama konflikata
izmeu dva ili vie sudionika. Konana odluka predstavlja kompromis dva ili vie
suprotstavljenih sudionika (igraa), a svaki sudionik ima svoju odreenu strategiju, odnosno
pravila ponaanja
Teorija repova (redova) (engl. queuing theory) ili repovi (redovi) ekanja je tehnika
operacijskih istraivanja koja prouava probleme prilikom pruanja usluga, za koje je vezano
ekanje. Repovi ekanja nastupaju kada neke jedinice (klijenti, zrakoplovi, proizvodi, smetnje
na strojevima itd.) ekaju na uslugu, ili mjesta koja obavljaju uslugu, ekaju jedinice (repovi
kod taksija koji ekaju goste). Optimiranje sustava u kojima se pojavljuje ekanje, obavlja se
pomou modela.
Mreno planiranje predstavlja tehniku planiranja i praenja velikog broja aktivnosti nekog
projekta. Projekt podrazumijeva gradnju mosta, gradnju broda, izradbu razvojne koncepcije,
znanstvena istraivanja i sl.
Upravljanje zalihama, voenje zaliha (engl. inventory management) je tehnika operacijskih
istraivanja kojoj je cilj optimalno upravljanja resursima na skladitima. Stoga su u okviru
discipline Upravljanje zalihama razvijeni razliiti modeli kojima se odreuje optimalna
koliina naruivanja, kod koje e ukupni trokovi vezani za naruenu robu biti minimalni;
razvijeni su i modeli za proraun optimalne veliine serije, kod koje e ukupni trokovi vezani
za proizvedene proizvode biti minimalni.
Viekriterijsko programiranje ili odluivanje (engl. multiple criteria decision making) je
disciplina, koja pomae pri donoenju odluka u kojima postoji vie razliitih kriterija, koji
imaju razliite teine, ili vie razliitih ciljeva. Dijeli se na Kalpi:
-

Metode optimalnog izbora bira se najbolja alternativa od svih moguih alternativa,

na osnovi nekih kriterija ili atributa, koji imaju odreene teine. Razvijeno je puno
metoda: analitiki hijerarhijski proces - AHP metoda, metoda ELECTRE,
PROMETHEE metoda, LINMAP metoda, maximin metoda, maximax metoda,
TOPSIS metoda i druge.
Metode s vie funkcija cilja za isti problem postoji vie razliitih ciljeva, uz odreena
ogranienja. Za rjeavanje ovakvih problema razvijene su razliite metode: ciljno
programiranje, utility function metoda, STEP metoda (STEM) i mnoge druge.

Moe se zakljuiti da metode operacijskih istraivanja pomau u donoenju objektivnih

odluka i predstavljaju objektivnu potporu odluivanju.

Izv. prof. dr. sc. Katica imunovi

14/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

Mnoge metode operacijskih istraivanja koriste se i u pripremi proizvodnje. Tako se linearno

programiranje koristi u operativnoj pripremi proizvodnje za planiranje proizvodnje, odnosno
za odreivanje optimalnog proizvodnog programa. Takoer, linearno programiranje koristi se
i u pripremi materijala za racionalno iskoritenje materijala. Osim linearnog programiranja, u
pripremi proizvodnje primjenjuje se i metoda upravljanja zalihama; u pripremi materijala za
odreivanje optimalne veliine narudbe, a u tehnolokoj pripremi proizvodnje za odreivanje
optimalne veliine serije.

Izv. prof. dr. sc. Katica imunovi

15/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

2 MATEMATIKI MODEL LINEARNOG PROGRAMIRANJA

Jedna od esto koritenih metoda operacijskih istraivanja je linearno programiranje, kao
kvantitativna metoda, koja se u svakoj literaturi o Operacijskim istraivanjima, nalazi prva
opisana. Uz njeno ime najee se spominju znanstvenici Leonid Kantorovi (1939.) i George
Dantzig (1947.). Naziv Linearno programiranje, je zato jer su relacije meu varijablama u
optimizacijskom modelu linearne.
Zadatak optimizacijskih kvantitativnih modela je, uz zadana ogranienja (engl. constraints) u
nekom sustavu postii eljeni cilj (engl. objective), odnosno pronai optimalno (najbolje)
rjeenje (engl. optimal solution) od svih moguih rjeenja (engl. feasible solutions). Odatle
esto i izrazi optimiranje, optimalizacija, optimizacija, Optimizacijski modeli su zapravo
matematiki modeli, koji se zovu i simboliki, jer se realni problem (objekti i interakcije
sustava), opisuje pomou simbola: varijabla i operatora. Kada je rije o linearnom
programiranju, cilj se izraava u matematikom obliku to je funkcija cilja (engl. objective
function) koja ima linearni oblik.
Sve ono to ovjeka koji donosi odluku ograniava pri donoenju odluka su ogranienja (engl.
constraints). To su granice koje se ne mogu prijei. I ogranienja se izraavaju matematiki i
u linearnom programiranju su linearne funkcije.
Rjeenje i interpretacija rjeenja problema linearnog programiranja je uglavnom standardno,
bez obzira na problem koji se rjeava. Meutim, definiranje problema i postavljanje
matematikog modela je karakteristino za svaki pojedini problem. Citat: Formulation is an
art which requires patience and practice. (Oblikovanje postavljanje matematikog modela
je umjetnost koja zahtijeva strpljivost i iskustvo.) http://www.strath.ac.uk.
Da bi se olakala ova prva (i najtea) faza rjeavanja problema, moe se razdvojiti na dva
koraka http://www.strath.ac.uk:
-

ralanjivanje problema
matematiko opisivanje.

Ralanjivanje (analiza, opisivanje) treba dati sljedee odgovore:

-

to je cilj
to su varijable
to su ogranienja.

Matematiko opisivanje problema mora definirati:

realne, stvarne, strukturne varijable, varijable odluivanja (engl. decision variables) i
dati im nazive (dobro je koristiti skraenice stvarnog znaenja varijable)
- funkciju cilja izraenu u ovisnosti o varijablama, te odrediti trai li se minimum ili
maksimum funkcije cilja
- ogranienja izraena u ovisnosti o varijablama (jedinice mjere ne moraju biti iste za sva
ogranienja).
-

Izv. prof. dr. sc. Katica imunovi

16/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

Matematiki model se sastoji od funkcije cilja, ogranienja i uvjeta nenegativnosti. Kod

linearnog programiranja svi odnosi u funkciji cilja i ogranienjima su linearni. Oblici pisanja
matematikog modela su sljedei:
a) Razvijeni oblik
Funkcija cilja:
F x c1x1 c2 x2 .... cn xn minimum ili maksimum

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:

a11, a12 ,...., amn - koeficijenti proporcionalnosti uz varijable u ogranienjima

b1 , b2 ,...., bm - slobodni lanovi ogranienja (kapaciteti, ogranienje trita, )
Uvjeti nenegativnosti:

x1, x2 ,...., xn 0
b) Saeti oblik
Funkcija cilja:
n

F x c j x j minimum ili maksimum

j 1

Ogranienja:

Izv. prof. dr. sc. Katica imunovi

17/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

aij x j bi
j 1

(i=1,2,,m broj ogranienja)

(j=1,2,, n broj varijabla)
Uvjeti nenegativnosti:
xj 0

c) Saeti matrini oblik

Funkcija cilja:

F X CX minimum ili maksimum

gdje su:
C n-dimenzijski vektor koeficijenata proporcionalnosti uz varijable u funkciji cilja
C c1 c2 ... ... cn

X n-dimenzijski vektor varijabli

X x1

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

B m-dimenzijski vektor ogranienja

Izv. prof. dr. sc. Katica imunovi

18/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

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.

Slika 2.1 Primjer ploice

Tablica 2.1 Tehnoloki podaci za izradu ploica
Normativ izrade, min./kom.
Glodalica
Builica

Izv. prof. dr. sc. Katica imunovi

Ploica 1

Ploica 2

4
10

12
5

Raspoloivi kapacitet,
sati
8
7,5

19/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

Po svakom proizvodu oekuje se odreena dobit; za ploicu 1 dobit iznosi 12 n.j./kom., a za

ploicu 2 dobit iznosi 30 n.j./kom. Inenjeri trebaju izraunati koliko pripremaka bi se trebalo
izrezati u odjelu za pripremu materijala, obzirom na zadana ogranienja obrade, kako bi se
pripremci mogli dostaviti u proizvodni pogon, s ciljem ostvarenja maksimalne dobiti.

a) CNC plinska rezaica

b) glodalica

c) builica

Slika 2.2 Koriteni strojevi

b) Ralanjivanje problema
Nakon ovog koraka problem se moe ralaniti (analizirati), postavljanjem pitanja koja e
olakati matematiko opisivanje problema, tj. postavljanje matematikog modela.

Izv. prof. dr. sc. Katica imunovi

20/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

1. O emu se odluuje (varijable)?

Prvo je najbolje zapitati se o emu to treba odluiti, kako bi se mogle definirati varijable, o
kojima e zatim ovisiti i funkcija cilja i ogranienja. Treba odluiti koliko obraditi ploica 1 i
ploica 2. Dakle realne (stvarne, strukturne) varijable su PL1 i PL2. Imena varijablama se
mogu dati proizvoljno, ali je korisno dati imena koja e biti slinija stvarnim nazivima u
problemu.
2. to je cilj (funkcija cilja)?
Svaki problem moe imati vie razliitih ciljeva. U ovom problemu cilj je ostvariti
maksimalnu dobit. Ako je cilj maksimalna dobit koeficijenti koji e se nalaziti uz varijable
PL1 i PL2 u funkciji cilja, e biti izraunate jedinine dobiti po svakom proizvodu, a to su za
ploicu PL1, 12 n.j/kom, a za ploicu PL2, 30 n.j./kom.
Dakle, funkcija cilja e glasiti:
n. j.
n. j.
12
PL1kom. 30
PL 2kom. n. j. max

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.

Izv. prof. dr. sc. Katica imunovi

21/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

c) Matematiki model u razvijenom i saetom matrinom obliku

Funkcija cilja:
FC 12 PL1 30 PL2 max

Ogranienja:
4 PL1 12 PL 2 480
10 PL1 5PL 2 450

Uvjeti nenegativnosti:
PL1, PL 2 0

Matematiki model se moe napisati i u matrinom obliku:

Funkcija cilja:

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

A predstavlja matricu koeficijenata proporcionalnosti uz varijable u ogranienjima, te iznosi:

4 12
A
a11 4, a12 12, a21 10, a22 5
10 5

B je vektor ogranienja, sa sljedeim lanovima:

480
B
b1 480, b2 450
450
Uvjeti nenegativnosti:
X 0
Izv. prof. dr. sc. Katica imunovi

22/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

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

U odjelu tehnoloke i operativne pripreme proizvodnje, inenjeri trebaju odluiti koliko se

dnevno moe proizvoditi svornjaka i osovina, s ciljem postizanja maksimalne dobiti, uz
zadana ogranienja.
ZADATAK 1.2
Poduzee planira izradu dva nova proizvoda P1 i P2, 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: za proizvod P1 40 n.j./kom., a za
proizvod P2 35 n.j./kom. U tablici koja slijedi, prikazana je produktivnost (koliko se komada
moe proizvesti za jedan sat), raspoloivo radno vrijeme kapaciteta, trokovi materijala po
jedinici proizvoda i trokovi kapaciteta po jedinici vremena.

Izv. prof. dr. sc. Katica imunovi

23/24

Tjedan 1: Kvantitativne metode

Strojarski fakultet u Slavonskom Brodu

Tablica 2.3 Prikazani tehnoloki podaci za izradu proizvoda P1 i P2

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

U odjelu tehnoloke i operativne pripreme proizvodnje, inenjeri trebaju odluiti koliko bi

bilo optimalno dnevno proizvoditi proizvoda P1 i P2, s ciljem postizanja maksimalne dobiti,
uz zadana ogranienja. Trite moe dnevno primiti maksimalno 50 komada proizvoda P1 i
maksimalno 50 komada proizvoda P2.

Izv. prof. dr. sc. Katica imunovi

24/24