ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

Dr. Amalia Nikolopoulou

Lecture 2 Part-time MBA 2019-2020

 Είναι αρκετή η εύρεση μιας λύσης?

Υποθέστε ότι μόλις ολοκληρώσατε την επίλυση ενός προβλήματος Γ.Π. που θα έχει
σημαντική επίδραση στην εταιρία σας εάν εφαρμοστεί, (π.χ σχετικά με το πώς να
αυξήσετε την παραγωγή), και πρόκειται να παρουσιάσετε τα αποτελέσματά σας.

▪ Πόσο σίγουροι είστε για τα αποτελέσματα?

▪ Πόσο θα αλλάξουν αυτά εάν τα αρχικά δεδομένα σας (π.χ. εάν η τιμή πώλησης ανά
μονάδα ή η διαθεσιμότητα ενός πόρου) μεταβληθούν?

▪ Θα έχει αυτό μεγάλη επίδραση στο αποτέλεσμα που παρουσιάζετε (different

outcome)?

▪ Θα αλλάξει ελάχιστα το τελικό αποτέλεσμα?

2
Lecture 2 Part-time MBA 2019-2020
 Παραδοχές στον Γ.Π

α) Αναλογικότητα / Γραμμικότητα
-Η συνεισφορά όλων των δραστηριοτήτων στην αντικειμενική συνάρτηση είναι άμεσα
αναλογική με το επίπεδο επίπεδο της δραστηριότητας
Β) Προσθετικότητα
- Δεν υπάρχουν αλληλεπιδράσεις μεταξύ των μεταβλητών απόφασης

β) Διαιρετότητα/ Συνέχεια
- Οι μεταβλητές μπορούν να πάρουν οποιαδήποτε τιμή μέσα σε ένα δεδομένο εφικτό
εύρος

γ) Καθοριστικότητα
- Οι τιμές των παραμέτρων είναι γνωστές με βεβαιότητα

Lecture 2 Part-time MBA 2019-2020

 Ανάλυση ευαισθησίας

Η Ανάλυση Ευαισθησίας βοηθάει στο να απαντηθούν ερωτήσεις σχετικά με το πόσο

αλλάζει η βέλτιστη λύση κάνοντας διάφορες αλλαγές στα αρχικά δεδομένα του
προβλήματος, όπως αλλαγές σε:

▪ Συντελεστές Αντικειμενικής Συνάρτησης (Α.Σ.)

▪ Δεξί μέλος περιορισμών (RHS)

▪ Προσθήκη ή αφαίρεση μιας μεταβλητής απόφασης

▪ Προσθήκη περιορισμού

Σημείωση!Εξετάζουμε μια μόνο αλλαγή

κάθε φορά!
4
Lecture 2 Part-time MBA 2019-2020
 Ανάλυση ευαισθησίας των συντελεστών
αντικειμενικής συνάρτησης

Εύρος αριστότητας:

Z = c1x1 + c2x2

▪ Η βέλτιστη λύση (συνδυασμός μεταβλητών απόφασης) δεν θα αλλάξει* εφόσον

- Η αλλαγή είναι εντός του εύρους αριστότητας

- Δεν υπάρχει άλλη αλλαγή σε δεδομένα του προβλήματος.

* Η βέλτιστη τιμή της Α.Σ. (Ζ ) θα αλλάξει

5
Lecture 2 Part-time MBA 2019-2020
 Ανάλυση ευαισθησίας
στο δεξί μέλος ενός περιορισμού

Ενδιαφερόμαστε για τα εξής:

Constraint: x1 +2x2  30

▪ Πόσο θα αλλάξει η βελτιστη τιμή της Α.Σ. εάν το δεξί μέλος ενός περιορισμού αλλάξει
κατά μία μονάδα?

▪ Για πόσες επιπλέον/λιγότερες μονάδες θα εξακολουθεί να ισχύει το ίδιο πρόγραμμα

παραγωγής?

6
Lecture 2 Part-time MBA 2019-2020
 Εύρος εφικτότητας

▪ Σκιώδης τιμή (shadow price) είναι η μεταβολή της τιμής της Α.Σ. για κάθε μεταβολή ενός
περιορισμού κατά μία μονάδα.

▪ Θετική/αρνητική σκιώδης τιμή δείχνει ότι η τιμή του Ζ θα αυξηθεί/μειωθεί για αύξηση μιας
μονάδας στο δεξί μελος ενός περιορισμού.

▪ Το εύρος εφικτότητας είναι:

– Η επιτρεπόμενη αύξηση και μείωση που μπορεί να γίνει στο δεξί μέλος ενός
περιορισμού έτσι ώστε η σκιώδης τιμή του να ισχύει

– Εντός του εύρους εφικτότητας η διαφορά στην τιμή του Z θα είναι:

Αλλαγή στο Ζ= [σκιώδης τιμή]*[αλλαγή στο RHS]

7
Lecture 2 Part-time MBA 2019-2020
 How to Add the Solver Add-in in your PC

To use the Solver Add-in, you first need to load it in Excel.

1.Click the Microsoft Office Button, and then click Excel Options.
2.Click Add-Ins, and then in the Manage box, select Excel Add-ins.
3.Click Go.
4.In the Add-Ins available box, select the Solver Add-in check box, and then
click OK.
1.Tip If Solver Add-in is not listed in the Add-Ins available box,
click Browse to locate the add-in.
2.If you get prompted that the Solver Add-in is not currently installed on
your computer, click Yes to install it.
5.After you load the Solver Add-in, the Solver command is available in
the Analysis group on the Data tab.

Lecture 2 Part-time MBA 2019-2020

 Πρόβλημα 1

Εταιρεία παράγει 4 μοντέλα τηλεόρασης: Μ1, M2, M3, M4. Κάθε τηλεόραση παράγεται
μέσω 2 φάσεων: συναρμολόγησης (assembly) και ελέγχου (testing). Οι χρόνοι που
απαιτούνται για τις 2 φάσεις και τα έσοδα για κάθε μοντέλο δίνονται στον πίνακα:

M1 M2 M3 M4 Ολική διαθεσιμότητα
χρόνου (ανά μήνα)

Assembly (in hrs) 8 12 10 13 2200

Testing (in hrs) 1 3 4 5 700

Έσοδα €40 €80 €90 €100

Επιπλέον, η εταιρεία έχει περιορισμούς χωρητικότητας 180 μονάδων ανά μήνα. Η

συνολική ποσότητα των μοντέλων M3 και M4, δεν πρέπει να ξεπερνά τις 100 μονάδες
(μηνιαίως).
Ο υπεύθυνος παραγωγής επιθυμεί να βρει το βέλτιστο πλάνο παραγωγής που θα
μεγιστοποιήσει τα έσοδα από τις πωλήσεις της εταιρείας.

Lecture 2 Part-time MBA 2019-2020

 Μαθηματική μορφοποίηση προβήματος

Έστω xi = αριθμός μονάδων παραγωγής για κάθε μοντέλο Mi (i=1, 2, 3,4).

max Z
Z= 40*x1 +80*x2 +90*x3 +100*x4

s.t. :

8*x1 +12*x2 +10*x3 +13*x4  2200 (1)

x1 +3x2+4x3+5x4  700 (2)
x1 +x2+x3+x4  180 (3)
x3+x4  100 (4)
x1 ,x2,x3,x4 0

Lecture 2 Part-time MBA 2019-2020

 Ερωτήσεις

▪ Ποιό είναι το βέλτιστο πρόγραμμα παραγωγής? Ποια είναι τα αναμενόμενα έσοδα της
εταιρείας?

▪ Ποιό μοντέλο δεν παράγεται? Τί πρέπει να συμβεί για να ξεκινήσει η παραγωγή του?

▪ Τι θα συμβεί στο πλάνο παραγωγής και στα συνολικά έσοδα εάν η τιμή πώλησης του
μοντέλου M3 αυξηθεί κατά €20?

▪ Τι θα συμβεί στο πλάνο παραγωγής και στα συνολικά έσοδα εάν ο συνολικός
διαθέσιμος χρόνος ελέγχου μειωθεί κατά 50 ώρες?

Lecture 2 Part-time MBA 2019-2020

 Βήμα 1: Εισαγωγή Δεδομένων

– Συντελεστές μεταβλητών απόφασης της Α.Σ

– Συντελεστές μεταβλητών απόφασης των περιορισμών

– Δεξί μέλος όλων των περιορισμών

Lecture 2 Part-time MBA 2019-2020

 Εισαγωγή Δεδομένων Α.Σ
Κελιά όπου εμφανίζονται
οι μεταβλητές απόφασης
(m1, m2, m3, m4)

Αρχική τιμή των μεταβλητών είναι

0!

Συντελεστές
Κελί όπου θα υπολογιστεί η
μεταβλητών
βέλτιστη τιμή της Α.Σ
απόφασης της Α.Σ

Lecture 2 Part-time MBA 2019-2020

 Εισαγωγή Δεδομένων

Συνάρτηση
SUMPRODUCT
(άθροισμα
γινομένων)

Lecture 2 Part-time MBA 2019-2020

 Εισαγωγή Δεδομένων

Κελιά όπου θα
εμφανιστεί η
τελική τιμή των Δεξί μέλος
περιορισμών περιορισμού
(δεξί μέλος)

Lecture 2 Part-time MBA 2019-2020

 Εισαγωγή Δεδομένων

Συνάρτηση
SUMPRODUCT
(άθροισμα
γινομένων)

Lecture 2 Part-time MBA 2019-2020

 Βήμα 2: Επίλυση

Επιλογή κελιού
της Α.Σ

Επιλέγουμε εδώ
Επιλογή κελιών των για την προσθήκη
μεταβλητών περιορισμών (Add)
απόφασης
Lecture 2 Part-time MBA 2019-2020
 Επίλυση

Επιλογή κελιού
για το αριστερό Επιλογή κελιού
μέλος ενός για το αριστερό
περιορισμού. μέλος ενός
περιορισμού.

Lecture 2 Part-time MBA 2019-2020

 Επίλυση

- Επιλέγουμε Γραμμικό μοντέλο.

- Επιλέγουμε μη αρνητικές μεταβλητές.
- Αφήνουμε τις υπόλοιπες επιλογές
(Max time, Iterations…) ως έχουν.

Lecture 2 Part-time MBA 2019-2020

 Επίλυση

- Επιλέγουμε Answer,
Sensitivity, Limits για να
παραχθούν οι αναφορές
(Reports)

Lecture 2 Part-time MBA 2019-2020

 Επίλυση προβλήματος: Answer Report

Target Cell (Max)

Cell Name Original Value Final Value
$F$5 0 16000

Βέλτιστη τιμή Ζ
Adjustable Cells
Cell Name Original Value Final Value
$B$4 x1 0 0
$C$4 x2 0 92
$D$4 x3 0 16
Βέλτιστο πλάνο
$E$4 x4 0 72
παραγωγής

Constraints
Cell Name Cell Value Formula Status Slack
$F$10 88 $F$10<=$G$10 Not Binding 12
$F$7 2200 $F$7<=$G$7 Binding 0
$F$8 700 $F$8<=$G$8 Binding 0
$F$9 180 $F$9<=$G$9 Binding 0
$B$4 x1 0 $B$4>=0 Binding 0
$C$4 x2 92 $C$4>=0 Not Binding 92
$D$4 x3 16 $D$4>=0 Not Binding 16
$E$4 x4 72 $E$4>=0 Not Binding 72

Lecture 2 Part-time MBA 2019-2020

 Επίλυση προβλήματος : Sensitivity Report
How much the coefficient of the
variable should change in order to
start producing this product
Range of OPTIMALITY: How much
the coefficients are allowed to
change in order for the solution to
remain the same (!production plan!)

Adjustable Cells

Final Reduced Objective Allowable Allowable

Cell Name Value Cost Coefficient Increase Decrease

$B$4 x1 0 -20 40 20 1E+30

$C$4 x2 92 0 80 17 0

$D$4 x3 16 0 90 0 11.9
How much the objective function value will
change
$E$4given that
x4 the right hand
72 side of the 0 100 12.5 0
Range of FEASIBILITY: How much the right hand side may change
constraint will change by one unit. (assuming no without affecting the shadow price (the solution changes)
other changes)
Constraints

Final Shadow Constraint Allowable Allowable

Cell Name Value Price R.H. Side Increase Decrease

$F$10 88 0 100 1E+30 12

$F$7 2200 0 2200 40 60

$F$8 700 10 700 20 80

$F$9 180 50 180 20 3.81

Lecture 2 Part-time MBA 2019-2020

 Ερωτήσεις

▪ Ποιό είναι το βέλτιστο πρόγραμμα παραγωγής? Ποια είναι τα αναμενόμενα έσοδα της
εταιρείας?

▪ Ποιό μοντέλο δεν παράγεται? Τί πρέπει να συμβεί για να ξεκινήσει η παραγωγή του?

▪ Τι θα συμβεί στο πλάνο παραγωγής και στα συνολικά έσοδα εάν η τιμή πώλησης του
μοντέλου M3 αυξηθεί κατά €20?

▪ Τι θα συμβεί στο πλάνο παραγωγής και στα συνολικά έσοδα εάν ο συνολικός
διαθέσιμος χρόνος ελέγχου μειωθεί κατά 50 ώρες?

Lecture 2 Part-time MBA 2019-2020

 Ποιό είναι το βέλτιστο πρόγραμμα παραγωγής? Ποιά είναι τα αναμενόμενα
έσοδα της εταιρείας?
Target Cell (Max)
Cell Name Original Value Final Value
1. Κοιτάζω το Answer Report. $F$5 0 16000

2. Η βέλτιστη λύση δίνεται στα

Adjustable Cells
Cell Name Original Value Final Value
κελιά με τα Final Values. $B$4 x1 0 0
$C$4 x2 0 92
$D$4 x3 0 16
$E$4 x4 0 72

Constraints
Cell Name Cell Value Formula Status Slack
$F$10 88 $F$10<=$G$10 Not Binding 12
$F$7 2200 $F$7<=$G$7 Binding 0
$F$8 700 $F$8<=$G$8 Binding 0
$F$9 180 $F$9<=$G$9 Binding 0
$B$4 x1 0 $B$4>=0 Binding 0
$C$4 x2 92 $C$4>=0 Not Binding 92
$D$4 x3 16 $D$4>=0 Not Binding 16
$E$4 x4 72 $E$4>=0 Not Binding 72

Απάντηση: Το βέλτιστο πρόγραμμα παραγωγής είναι να παραχθούν 92 μονάδες του M2, 16

μονάδες του M3 and 72 μονάδες του M4. Τα μέγιστα έσοδα της εταιρείας είναι 16000 μονάδες (€).

Lecture 2 Part-time MBA 2019-2020

 Ποιό μοντέλο δεν παράγεται? Τί πρέπει να συμβεί για να ξεκινήσει η παραγωγή
του?
Target Cell (Max)
Cell Name Original Value Final Value
1. Κοιτάζω το Answer Report. $F$5 0 16000

2. Βρίσκω ποια μεταβλητή

Adjustable Cells
απόφασης έχει Final value= 0. Cell Name Original Value Final Value
$B$4 x1 0 0
3. Από το sensitivity report, $C$4 x2 0 92
$D$4 x3 0 16
βρίσκω το reduced cost για $E$4 x4 0 72

αυτή την μεταβλητή. Adjustable Cells

Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$B$4 x1 0 -20 40 20 1E+30
$C$4 x2 92 0 80 17 0
$D$4 x3 16 0 90 0 11.9

max Z = 40*x1 +80*x2 +90*x3 +100*x4

Απάντηση: Το M1 μοντέλο δεν παράγεται. Για να δούμε χ1>0 στην τελική λύση θα πρέπει να
αυξήσουμε τον συντελεστή του στην Α.Σ. τουλάχιστον όση είναι η ποσότητα (απόλυτη τιμή) του
reduced cost, δηλ. 40 + 20 = 60.

Lecture 2 Part-time MBA 2019-2020

 Τι θα συμβεί στο πλάνο παραγωγής και στα συνολικά έσοδα εάν η τιμή πώλησης του
μοντέλου M3 αυξηθεί κατά €20?

Target Cell (Max)

Cell Name Original Value Final Value
1. Κοιτάζω το Sensitivity Report. $F$5 0 16000

2. Βρίσκω το εύρος αριστότητας

Adjustable Cells
για τον συντελεστή του Cell
$B$4
Name
x1
Original Value
0
Final Value
0
$C$4 x2 0 92
μοντέλου M3. $D$4 x3 0 16
$E$4 x4 0 72

Adjustable Cells
Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$B$4 x1 0 -20 40 20 1E+30
$C$4 x2 92 0 80 17 0
$D$4 x3 16 0 90 0 11.9

max Z = 40*x1 +80*x2 +90*x3 +100*x4

Απάντηση: Η αύξηση 20€ στον συντελεστή του μοντέλου M3 είναι εκτός του εύρους αριστότητας

(επιτρεπόμενη αύξηση 0), επομένως δεν γνωρίζουμε τί θα συμβεί στο πλάνο παραγωγής με αυτή

την αλλαγή. Πρέπει να ξαναλύσουμε το μοντέλο όπου και θα πάρουμε νέα βέλτιστη λύση και νέα

βέλτιστη τιμή του Ζ.

Lecture 2 Part-time MBA 2019-2020

 Τι θα συμβεί στο πλάνο παραγωγής και στα συνολικά έσοδα εάν ο συνολικός
διαθέσιμος χρόνος ελέγχου (testing) μειωθεί κατά 50 ώρες?

1. Κοιτάζω το Sensitivity Report.

2. Βρίσκω την επιτρεπόμενη μείωση για τον περιορισμό που αναφέρεται σε ώρες συναρμολόγησης.
3. Βρίσκω το shadow price για αυτόν τον περιορισμό κι υπολογίζω την αλλαγή στην τιμή της Α.Σ.
4. ! Ελέγχω εάν ο περιορισμός είναι δεσμευτικός. Εάν ναι, το πλάνο παραγωγής αλλάζει.
Constraints

Final Shadow Constraint Allowable Allowable

Cell Name Value Price R.H. Side Increase Decrease

$F$10 88 0 100 1E+30 12

$F$7 assembly 2200 0 2200 40 60

$F$8 testing 700 10 700 20 80

$F$9 180 50 180 20 3.81

x1 +3x2+4x3+5x4  700

Απάντηση: Η μείωση 50 ωρών είναι εντός του εύρους εφικτότητας (allowable decrease 80), άρα η

σκιώδης τιμή ισχύει και η Α.Σ. θα μειωθεί κατά 10*50=500€. Το πλάνο παραγωγής θα αλλάξει

επειδή ο περιορισμός είναι δεσμευτικός και θα πρέπει να ξανατρέξουμε το μοντέλο για να βρούμε

την νέα βέλτιστη λύση.

Lecture 2 Part-time MBA 2019-2020

 Τι θα συμβεί στο πλάνο παραγωγής και στα συνολικά έσοδα εάν ο συνολικός
διαθέσιμος χρόνος ελέγχου (testing) αυξηθεί κατά 10 ώρες?

Constraints

Final Shadow Constraint Allowable Allowable

Cell Name Value Price R.H. Side Increase Decrease

$F$10 88 0 100 1E+30 12

$F$7 assembly 2200 0 2200 40 60

$F$8 testing 700 10 700 20 80

$F$9 180 50 180 20 3.81

Απάντηση: Η αύξηση 10 ωρών είναι εντός του εύρους εφικτότητας (allowable increase 20), άρα η

σκιώδης τιμή ισχύει και η Α.Σ. θα αυξηθεί κατά 10*10=100€. Το πλάνο παραγωγής θα αλλάξει

επειδή ο περιορισμός είναι δεσμευτικός και θα πρέπει να ξανατρέξουμε το μοντέλο για να βρούμε

την νέα βέλτιστη λύση.

Lecture 2 Part-time MBA 2019-2020

 Βήματα για τον έλεγχο της ευαισθησίας της λύσης

Ελέγχω αν η αλλαγή αφορά κάποιον

συντελεστή της Α.Σ. ή το δεξί μέλος ενός
περιορισμού.

Αλλαγή σε κάποιον συντελεστή της Α.Σ Αλλαγή στο δεξί μέλος ενός περιορισμού.

Είμαι εντός του εύρους

Είμαι εκτός του Είμαι εντός του Είμαι εκτός του εφικτότητας?
εύρους εύρους αριστότητας? εύρους
αριστότητας? εφικτότητας? - Η βέλτιστη λύση θα
- Η βέλτιστη λύση δεν αλλάξει μόνο αν ο
- Η βέλτιστη θα αλλάξει. -Η βέλτιστη περιορισμός είναι
λύση και η τιμή
- Θα αλλάξει η τιμή λύση και η τιμή δεσμευτικός.
της Α.Σ. θα
αλλάξουν. της Α.Σ: της Α.Σ. θα - Θα αλλάξει η τιμή της
Ξαναλύνω το αλλάξουν. Α.Σ:
μοντέλο και Ζ’=Ζ ± (μεταβολή Ξαναλύνω το Ζ’=Ζ ± (μεταβολή στο
παίρνω νέα στον συντελεστή * xi ) μοντέλο και δεξί μέλος * shadow
βέλτιστη λύση. παίρνω νέα price)
βέλτιστη λύση.

Lecture 2 Part-time MBA 2019-2020

 Απορίες????

anikolop@aueb.gr

Lecture 2 Part-time MBA 2019-2020