ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

ΔΡ. ΑΜΑΛΙΑ ΝΙΚΟΛΟΠΟΥΛΟΥ

ΜΒΑ Part-time

ATHENS UNIVERSITY OF ECONOMICS AND BUSINESS

ΣΚΟΠΟΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ

Μέσω των ποσοτικών μεθόδων που θα αναπτυχθούν θα είναι εφικτό

να επιλυθεί μεγάλο εύρος εφαρμογών.

Ιδιαίτερη έμφαση θα δοθεί στην εξέταση θεμάτων που αφορούν στο

σχεδιασμό, προγραμματισμό, έλεγχο και στην οργάνωση

✓των δραστηριοτήτων/εργασιών που πρέπει να εκτελεστούν καθώς και

✓των πόρων (ανθρώπινων και υλικών) που πρέπει να αξιοποιηθούν

με στόχο την παροχή υψηλής ποιότητας υπηρεσιών προς τον πελάτη

ή/και την επίτευξη ελαχιστοποίησης του κόστους ή/και την
μεγιστοποίηση του κέρδους μιας επιχείρησης ή ενός οργανισμού.
2`
 Περιεχόμενα

Μέρος 1: Εισαγωγή σε προβλήματα Γ.Π.

Μέρος 2: Μοντελοποίηση προβλημάτων Γ.Π. (παραδείγματα)

Μέρος 3: Ανάλυση Ευαισθησίας

3
Lecture 1 MBA Part-time
 Εισαγωγή

Κάθε επιχειρηματική δραστηριότητα απαιτεί πόρους (μέσα):

❑ Κεφάλαιο

❑ Ανθρώπινο δυναμικό

❑ Εξοπλισμός Περιορισμένη διαθεσιμότητα!

❑ Διαθέσιμος χρόνος

❑ Πρώτες ύλες

Ποιες αποφάσεις πρέπει να ληφθούν :

i) Προγραμματισμός παραγωγής Συστήματα με παρόμοια μαθηματική
βιομηχανικής μονάδας δομή
ii) Επιλογή επενδυτικού προγράμματος

Το πρόβλημα: Η βέλτιστη κατανομή των περιορισμένων πόρων.

4
Lecture 1 MBA Part-time
 Γραμμικός Προγραμματισμός

Μαθηματική μέθοδος για τον προσδιορισμό της καλύτερης ή βέλτιστης (άριστης) λύσης σε ένα

πρόβλημα που απαιτεί μία απόφαση ή ένα σύνολο αποφάσεων σχετικά με την κατανομή συνόλου

των περιορισμένων πόρων για την επίτευξη ενός αντικειμενικού στόχου.

▪ Μετατροπή ενός προβλήματος σε μαθηματικό μοντέλο

▪ Διερεύνηση των διαφορετικών λύσεων του προβλήματος

▪ Εύρεση της βέλτιστης λύσης.

Η επιλογή της βέλτιστης λύσης δεν είναι πάντα εύκολη:

- Μπορεί να υπάρχουν περισσότεροι από ένας ανταγωνιστικοί στόχοι.

Lecture 1 MBA Part-time 5

 Προβλήματα Γραμμικού Προγραμματισμού (Γ.Π.)

Ένα πρόβλημα βελτιστοποίησης χαρακτηρίζεται σαν πρόβλημα γραμμικού προγραμματισμού (Γ.Π.)

όταν:

▪ Αφορά την μεγιστοποίηση (ή ελαχιστοποίηση) μιας γραμμικής συνάρτησης των αγνώστων

(μεταβλητών). Η συνάρτηση αυτή ονομάζεται αντικειμενική συνάρτηση.

▪ Οι τιμές των αγνώστων (μεταβλητών) ικανοποιούν ένα σύνολο περιορισμών.

Κάθε περιορισμός =είναι μια γραμμική εξίσωση ή ανίσωση.

▪ Κάθε μεταβλητή είναι μη αρνητική ( ≥ 0 ).

6
Lecture 1 MBA Part-time
 Επίλυση κι ερμηνεία προβλημάτων Γ.Π.

1. Διαμόρφωση μαθηματικού μοντέλου (Formulation)

▪ Αναγνώριση-καθορισμός του προβλήματος
▪ Συλλογή και επεξεργασία δεδομένων
▪ Ανάπτυξη μαθηματικού μοντέλου

2. Αναζήτηση λύσεων (Solution)

▪ Αξιολόγηση εφικτών λύσεων
▪ Επιλογή βέλτιστης λύσης
▪ Έλεγχος λύσης

3. Ερμηνεία αποτελεσμάτων (Interpretation)

▪ Ανάλυση ευαισθησίας
▪ Εφαρμογή βέλτιστης λύσης
▪ Αξιολόγηση αποτελεσμάτων

7
Lecture 1 MBA Part-time
 Χαρακτηριστικές εφαρμογές του Γ.Π.
▪ Product Mix Problem (Επιλογή συνδυασμού παραγωγής προϊόντων)
- Αναζήτηση βέλτιστου σχεδίου παραγωγής προϊόντων για μεγιστοποίηση κέρδους.

▪ Portfolio Selection (Επιλογή χαρτοφυλακίου)

- Αναζήτηση βέλτιστου σχεδίου επενδύσεων σε μετοχές, ομόλογα κ.τ.λ.

▪ Media Selection (Κατανομή διαφημιστικής δαπάνης)

- Επιλογή μέσων διαφήμισης που θα μεγιστοποιήσουν την προβολή σε έναν
πληθυσμό.

▪ Production and Inventory Planning (Προβλήματα παραγωγής και διατήρησης

αποθεμάτων).
- Αναζήτηση βέλτιστου σχεδίου παραγωγής και διατήρησης αποθεμάτων.

▪ Transportation Problem (Πρόβληματα μεταφοράς )

- Αναζήτηση οικονομικότερου τρόπου διακίνησης προϊόντων από διαφορετικές
πηγές προς σταθμούς προορισμού. 8
Lecture 1 MBA Part-time
 Μέρος 1: Εισαγωγή σε προβλήματα Γ.Π.

Μέρος 2: Μοντελοποίηση προβλημάτων Γ.Π. (παραδείγματα)

Μέρος 3: Aνάλυση Ευαισθησίας.

9
Lecture 1 MBA Part-time
 Προσδιορισμός γραμμικής εξίσωσης

Τυπική μορφή γραμμικής εξίσωσης:

Ax + By = C (1)

❑ Α, Β, C είναι παράμετροι.
❑ Ο εκθέτης κάθε μεταβλητής είναι πάντα 1.
❑ Γίνεται πρόσθεση ή αφαίρεση των γινομένων της εξίσωσης (παράμετρος * μεταβλητή).

Κάθε εξίσωση της μορφής (1) παρίσταται ως ευθεία γραμμή

στους άξονες x-y

10
Lecture 1 MBA Part-time
 Διαμορφώνοντας ένα μαθηματικό μοντέλο Γ.Π.

i. Κατανόηση του προβλήματος.

ii. Προσδιορισμός των μεταβλητών απόφασης (decision variables).

- «Τί θέλουμε να προσδιορίσουμε επιλύοντας το πρόβλημα αυτό?»

iii. Προσδιορισμός της αντικειμενικής συνάρτησης που θέλουμε να

μεγιστοποιήσουμε ή να ελαχιστοποιήσουμε.

iv. Προσδιορισμός των περιορισμών του προβλήματος.

11
Lecture 1 MBA Part-time
 Παράδειγμα

Εταιρεία παράγει δύο προϊόντα Α και Β. Το προϊόν Α πωλείται προς $10/μονάδα και το προϊόν Β
πωλείται προς $12/μονάδα. Και τα 2 προϊόντα είναι μείγμα δύο πρώτων υλών RM1, RM2. Τα
ποσοστά των RM1, RM2 που απαιτούνται για την παραγωγή μιας μονάδας Α και Β δίνονται στον
παρακάτω πίνακα.

Πρώτες ύλες Ποσότητα σε A Ποσότητα σε B Συνολική διαθέσιμη

ποσότητα
RM1 1 2 12
RM2 3 2 24

Να διαμορφωθεί το παραπάνω πρόβλημα ως πρόβλημα Γ.Π με στόχο την

μεγιστοποίηση ων εσόδων (από τις πωλήσεις) της εταιρείας

12
Lecture 1 MBA Part-time
 Παράδειγμα-Διαμόρφωση μαθηματικού μοντέλου

Raw Amount Amount Total

▪ Προσδιορισμός των μεταβλητών απόφασης
materials in A in B amount
→ Let x1: # προϊόντων A available
RM1 1 2 12
x2: # προϊόντων B
RM2 3 2 24

▪ Προσδιορισμός της αντικειμενικής συνάρτησης:

→ Μεγιστοποίησης συνολικών εσόδων Ζ
→ Ζ =10*x1 + 12*x2
Υπόθεση: οι συντελεστές (τιμή πώλησης) και οι
μεταβλητές απόφασης είναι ανάλογα ποσά.

▪ Προσδιορισμός των περιορισμών :

1 x1 + 2 x2 <= 12 Μόνο 12 μονάδες RM1 είναι διαθέσιμες
3 x1 + 2 x2 <= 24 Μόνο 24 μονάδες RM2 είναι διαθέσιμες
x1, x2 >= 0
Υπόθεση: θεωρούμε οτι οι μεταβλητές απόφασης
μπορούν να πάρουν συνεχείς τιμές (>=0).

13
Lecture 1 MBA Part-time
 Πρόβλημα Μεταφορών

▪ Εταιρεία παράγει ένα προϊόν σε 2 εργοστάσια παραγωγής P1, P2 και προμηθεύει 3

προμηθευτές S1, S2, S3.
▪ Η χωρητικότητα παραγωγής των P1, P2 είναι 150 και 120 μονάδες, αντίστοιχα.
▪ Η ζήτηση των προμηθευτών S1, S2, S3 είναι τουλάχιστον 85, 45 and 110 μονάδες, αντίστοιχα.
▪ Το μοναδιαίο κόστος παραγωγής στα εργοστάσια είναι 1.500 & 1.700€, αντίστοιχα.
▪ Το μοναδιαίο κόστος μεταφοράς από τα εργοστάσια στους προμηθευτές δίνεται στον
παρακάτω πίνακα:

S1 S2 S3 Prod. Cost
P1 100 150 130 1,500
P2 180 120 150 1,700
Sale Price 4,000 3,500 4,500

Να προσδιοριστεί το βέλτιστο πρόγραμμα παραγωγής και μεταφοράς ώστε η

εταιρεία να μεγιστοποιήσει το κέρδος της
14
Lecture 1 MBA Part-time
 Τί θέλουμε να προσδιορίσουμε Μοντελοποίηση
επιλύοντας το πρόβλημα αυτό?

xij = ποσότητα προϊόντος που παράγεται

Μεταβλητές απόφασης
στο εργοστάσιο i (i=1,2) και μεταφέρεται στον προμηθευτή (j = 1, 2, 3)

Max Z
Αντικειμενική συνάρτηση

Income from sales:

4000 (x11 + x21 ) +3500 (x12 + x22 ) +4500 (x13 + x23 )

Transportation costs:
100 x11 + 180 x21 + 150 x12 + 120 x22 +130x13 + 150 x23

Production costs:
1500 (x11 + x12 + x13) + 1700 (x21 + x22 + 23 )

15
Lecture 1 MBA Part-time
 Μοντελοποίηση

Μετά από πράξεις καταλήγω σε:

Z = (4000 - 1500 - 100)x11 + (4000 - 1700 - 180)x21 +

+ (3500 - 1500 - 150)x12 + (3500 - 1700 - 120)x22 +

Αντικειμενική συνάρτηση
+ (4500 - 1500 - 130)x13 + (4500 - 1700 - 150)x23
s.t.
x11 + x12 + x13  150
x21 + x22 + x23  120 Περιορισμοί
x11 + x21  85
x12 + x22  45
x13 + x23  110
xij  0

16
Lecture 1 MBA Part-time
Ευχαριστώ για την προσοχή σας!

Απορίες?

email : anikolop@aueb.gr