Solver Answer Report

➢ Solver Answer Report cung cấp thông tin cơ bản về giải pháp, bao gồm giá trị
của hàm mục tiêu ban đầu và hàm mục tiêu tối ưu (trong phần Ô Mục tiêu) và
các biến quyết định (trong phần Các ô Biến quyết định).

➢ Trong phần Ràng buộc, giá trị ô được hiểu là giá trị của hàm ràng buộc khi sử
dụng các giá trị tối ưu của các biến quyết định.

➢ Ràng buộc hạn chế là một ràng buộc có giá trị ô bằng với giá trị phía bên phải
của ràng buộc.

➢ Cột Trạng thái cho biết liệu mỗi ràng buộc có bị hạn chế hay không.

➢ Slack được hiểu là sự chênh lệch giữa phía bên trái và phía bên phải của các
ràng buộc đối với giải pháp tối ưu.
Example 13.8: Giải thích SSC Answer Report

Đây là giá trị tối ưu

của hàm mục tiêu

Đây là các giá trị tối ưu

của các biến quyết định

Cho biết liệu giá trị phía Cho biết sự chênh lệch giữa
Đây là các giá trị của phía bên
bên trái của một ràng phía bên trái và phía bên
trái các ràng buộc khi sử dụng
buộc có bằng phía bên phải của các ràng buộc đối
các biến quyết định tối ưu
phải hay không với giải pháp tối ưu.
Tiếp tục Ví dụ 13.8

🞂Giải thích giá trị Slack

Lợi nhuận tối đa = 50 Jordanelle + 65 Deercrest
3.5 Jordanelle + 4 Deercrest ≤ 84 (sản xuất)
1 Jordanelle + 1.5 Deercrest ≤ 21 (hoàn thiện)
−2 Jordanelle + 1 Deercrest ≥ 0 (tiếp thị)
Jordanelle ≥ 0
Deercrest ≥ 0
Giải pháp tối ưu: Jordanelle = 5.25; Deercrest = 10.5

Ràng buộc sản xuất: 3.5(5.25) + 4(10.5) = 60.375 ≤ 84

→ Thừa 23.625 giờ sản xuất

Ràng buộc hoàn thiện: 1(5.25) + 1.5(10.5) = 21 ≤ 21

Không thừa giờ hoàn thiện

Ràng buộc thị trường: −2(5.25) + 1(10.5) = 0 ≥ 0

Biểu diễn tối ưu hóa tuyến tính bằng đồ thị
🞂 Tập hợp các giải pháp khả thi được gọi là khu vực khả thi.

🞂 Đối với một vấn đề có chỉ hai biến quyết định là x1 và x2, chúng ta có thể vẽ khu
vực khả thi trên một hệ tọa độ hai chiều bằng cách vẽ các đường tương ứng với
từng ràng buộc.

🞂 Ràng buộc không âm:

Ví dụ 13.9: Vẽ đồ thị các ràng buộc trong các Bài
toán SSC
🞂 Ràng buộc sản xuất (Fabrication): 3.5 Jordanelle + 4
Deercrest ≤ 84
◦ Vẽ phương trình 3.5 Jordanelle + 4 Deercrest = 84
◦ Đặt Jordanelle (trục tung) = 0; Deercrest (trục hoành) = 21
◦ Đặt Jordanelle (trục tung) = 0; Deercrest (trục hoành) = 24
Ví dụ 13.9 Tiếp theo
🞂 Ràng buộc hoàn thiện (Finishing): 1 Jordanelle + 1.5
Deercrest ≤ 21
◦ Vẽ đồ thị: 1 Jordanelle + 1.5 Deercrest = 21
◦ Đặt Jordanelle (trục tung) = 0; Deercrest (trục hoành) = 14
◦ Đặt Jordanelle (trục tung) = 0; Deercrest (trục hoành) = 21
Ví dụ 13.9 Tiếp theo
🞂 Ràng buộc tiếp thị (Market mix): -2 Jordanelle + 1
Deercrest ≥ 0
◦ Vẽ đồ thị: -2 Jordanelle + 1 Deercrest = 0
◦ Đặt Jordanelle (trục tung) = 5; Deercrest (trục hoành) = 0
◦ Đặt Jordanelle (trục tung) = 0; Deercrest (trục hoành) = 0
Ví dụ 13.10: Xác định miền khả thi (Feasible Region)
và nghiệm tối ưu
🞂 Miền khả thi: là khu vực được giới hạn bởi hai đường
Ràng buộc hỗn hợp thị trường và Ràng buộc hoàn thiện
(Finishing) trong đồ thị
Điểm cực biên
🞂 Là các điểm mà tại đó, các đường giới hạn cắt nhau dọc
theo miền khả thi được gọi là các điểm cực biên
🞂 Nếu có một nghiệm tối ưu, thì nó sẽ xảy ra tại một điểm
cực biên
Example 13.10 Continued
🞂 Bởi vì mục tiêu của chúng
ta là tối đa hóa lợi nhuận,
do đó cần tìm một điểm
cực biên có giá trị lớn
nhất của hàm mục tiêu
Tổng lợi nhuận = 50
Jordanelle + 65 Deercrest
🞂 Vẽ đồ thị đường lợi nhuận
và di chuyển theo hướng
tịnh tiến cho đến khi nó đi
qua điểm cực biên cuối
cùng của miền khả thi.
🞂 Giải đồng thời hai phương
trình giao nhau để tìm
nghiệm tối ưu.
Solver làm việc như thế nào?
🞂 Solver sử dụng một thuật toán toán học được
gọi là phương pháp đơn hình, được phát triển
vào năm 1947 bởi Tiến sĩ George Dantzig
◦ Phương pháp đơn hình mô tả những giải pháp khả thi về mặt
đại số bằng cách giải các hệ phương trình tuyến tính
◦ Phương pháp đơn hình di chuyển có hệ thống từ điểm góc này
tới các điểm góc khác để cải thiện hàm mục tiêu cho đến khi tìm
được phương án tối ưu (hoặc cho đến khi vấn đề được coi là
không khả thi hoặc không có giới hạn)
◦ Phương pháp đơn hình là một phương pháp nhanh chóng và
hiệu quả
Example 13.11: Crebo Manufacturing
🞂 Crebo Manufacturing sản xuất bốn loại phụ kiện hỗ trợ
kết cấu
🞂 Các trung tâm gia công có công suất 280.000 phút trên
năm
🞂 Tỷ suất lợi nhuận gộp/ đơn vị và yêu cầu gia công:
Sản phẩm Phích cắm Tay vịn Đinh tán Ghim
Biên lợi nhuận $0.30 $1.30 $0.75 $1.20
gộp/đơn vị
Phút/đơn vị 1 2.5 1.5 2

🞂 Cần sản xuất bao nhiêu đơn vị mỗi loại sản phẩm để tối
đa hóa tỷ suất lợi nhuận gộp?
Example 13.11 Continued
🞂 Gọi X1, X2, X3, và X4 lần lượt là số lượng ổ cắm điện, tay
vịn, đinh tán và cái ghim được sản xuất

🞂Mục tiêu:
🞂 Tối đa hóa biên lợi nhuận gộp = 0.3 X1 + 1.3 X2 + 0.75X3 + 1.2X4
🞂Giới hạn:
🞂 1X1 + 2.5 X2 + 1.5X3 + 2X4 ≤ 280,000
🞂 X1, X2, X3, X4 ≥ 0

Sản phẩm Phích cắm Tay vịn Đinh tán Ghim

Biên lợi nhuận $0.30 $1.30 $0.75 $1.20
gộp/đơn vị
Phút/đơn vị 1 2.5 1.5 2
Phương pháp đơn hình hoạt động thế nào?
🞂 Phương pháp đơn hình đánh giá tác động của các ràng
buộc theo mức độ đóng góp của mỗi biến vào hàm mục
tiêu
🞂 Đối với trường hợp chỉ có một biến, giải pháp tối ưu (tối
đa) được tìm thấy bằng cách chọn biến có tỷ lệ cao nhất
giữa hệ số mục tiêu và hệ số ràng buộc
Example 13.12: Giải quyết mô hình sản xuất Crebo
1 Mô hình sản xuất Crebo

3 Sản phẩm Phích cắm (X1) Tay vịn (X2) Đinh tán (X3) Ghim (X4) Công suất máy

4 Biên lãi gộp/đơn vị $0.30 $1.30 $0.75 $1.20

5 Phút/đơn vị 1 2.5 1.5 2 280,000

6 Biên lợi nhuận $0.30 $0.52 $0.50 $0.60

gộp/đơn vị

7 Sản xuất tối đa 280,000.000 112,000.000 186,666.67 140,000.000

8 Lợi nhuận $84,000 $145,600 $140,000 $168,000

🞂 Ghim có lợi nhuận cận biên cao nhất trên 1 đơn vị tài
nguyên được tiêu thụ
🞂 Số lượng ghim tối đa có thể sản xuất:
= 280,000 phút ÷ phút/đơn vị
= 280,000 ÷ 2 = 140,000
🞂 Lợi nhuận để sản xuất ghim tối đa
= Biên lợi nhuận gộp/đơn vị * Số lượng có thể sản xuất tối đa
= $1.20 * 140,000 = $168,000
CÁCH SOLVER TẠO TÊN TRONG BÁO CÁO
🞂Solver gán tên cho các:
◦ Ô đích
◦ Ô thay đổi
◦ Ô có chức năng hạn chế
🞂Tên được tạo thành bằng cách nối ô đầu tiên
chứa văn bản với:
◦ Bên trái ô
◦ Phía trên ô
Ví dụ SSC
🞂 Tên được gán cho hàm mục tiêu:
◦ Ô D22: “Profit Contribution + Total Profit”
🞂 Tên được gán cho các biến quyết
định:
◦ Ô B14: “Quantity Produced + Jordanelle”
◦ Ô B15: Quantity Produced + Deercrest”
🞂 Tên được gán cho các ràng buộc:
◦ Ô D15: “Fabrication + Hours Used”
◦ Ô D16: “Finishing + Hours Used”
◦ Ô D19: “Market mixture + Excess
Deercrest”
KẾT QUẢ CỦA SOLVER
🞂 Giải pháp tối ưu duy nhất:
◦ có chính xác một giải pháp duy nhất để dẫn đến mục tiêu tối đa
(hoặc tối thiểu) đã đề ra.
🞂 (Nhiều) giải pháp thay thế tối ưu:
◦ mục tiêu được tối đa hóa (hoặc tối thiểu hóa) bởi nhiều hơn một
tổ hợp các biến quyết định, tất cả đều có cùng giá trị hàm mục
tiêu.
🞂 Giải pháp không giới hạn
◦ mục tiêu có thể tăng hoặc giảm mà không bị ràng buộc (ví dụ:
đến dương vô cùng đối với mục tiêu tối đa hóa hoặc âm vô cực
đối với mục tiêu tối thiểu hóa)
🞂 Không khả thi
◦ Không có giải pháp khả thi nào tồn tại
Ví dụ 3.13: MỘT MÔ HÌNH CÓ NHIỀU GIẢI
PHÁP THAY THẾ TỐI ƯU
🞂 Thêm hàm mục tiêu mới trong vấn đề SSC:
Max 50 Jordanelle + 75 Deercrest

13-
Ví dụ 13.14: MỘT MÔ HÌNH CÓ GIẢI PHÁP
KHÔNG GIỚI HẠN
🞂 Bỏ đi các giới hạn về hoàn thiện và chế tạo khỏi vấn đề Slenka Ski

🞂 Thông báo của Solver:

Ví dụ 13.15: MỘT MÔ HÌNH KHÔNG KHẢ
THI
🞂 Cho rằng, do một sai sót nào đó, người tạo mô hình giải quyết vấn đề
Sklenka Ski đã dùng nhầm dấu >= thay vì <= tại giới hạn đặt ra của
chế tạo.
Sử dụng Optimization Models (các mô
hình tối ưu hóa để) dự đoán và thông tin
chi tiết
🞂Các mô hình nên được sử dụng để cung cấp cái
nhìn sâu sắc để đưa ra quyết định tốt hơn.
🞂Điều gì có thể xảy ra nếu các giả định mô hình
thay đổi hoặc khi dữ liệu được sử dụng trong mô
hình không chắc chắn?
🞂→ Với Solver, câu trả lời cho những câu hỏi như
vậy có thể dễ dàng được tìm thấy bằng cách thay
đổi dữ liệu và giải quyết lại mô hình.
Ví dụ 13.16: Sử dụng Solver để bài phân
tích What-If
Bốn câu hỏi được đặt ra bởi các nhà quản lý của công
ty trượt tuyết Sklenka:

1. Nếu lợi nhuận của ván trượt tuyết Jordanelle tăng 10

đô la / cặp, giải pháp tối ưu sẽ thay đổi như thế nào?
2. Nếu lợi nhuận của ván trượt tuyết Jordanelle giảm 10
USD/cặp, giải pháp tối ưu sẽ thay đổi như thế nào?
3. Nếu có thêm 10 giờ hoàn thiện, kế hoạch sản xuất sẽ
bị ảnh hưởng như thế nào?
4. Nếu có ít hơn 2 giờ hoàn thiện, kế hoạch sản xuất sẽ
bị ảnh hưởng như thế nào?
Example 13.16 Continued
🞂 Summary of What-If scenarios:
Solver Sensitivity Report

Báo cáo độ nhạy cho phép hiểu ta có thể hiểu:

Giá trị của mục tiêu tối ưu và các biến quyết định tối ưu
bị ảnh hưởng bởi những thay đổi trong hệ số hàm mục
tiêu.
Tác động của những thay đổi bắt buộc trong các biến
quyết định nhất định, hoặc
Tác động của những thay đổi trong các hạn chế về
nguồn lực hoặc các ràng buộc.
Thông tin Báo cáo độ nhạy chỉ áp dụng cho các thay đổi
trong một trong các tham số mô hình tại một thời điểm;
Tất cả những người khác được giả định vẫn ở giá trị
ban đầu của chúng.
Sensitivity Report for the SSC
Problem
Ví dụ 13.17: Tìm hiểu về độ nhạy của các
biến quyết định

Reduced cost: Hàm Objective Coefficient (hệ số mục tiêu) cần phải được
giảm bao nhiêu cho một biến không âm, trong nghiệm mục tiêu bằng 0 để trở
thành dương. Nếu biến đã dương trong nghiệm mục tiêu thì Reduced cost của
nó bằng 0.
Nếu hệ số mục tiêu của bất kỳ biến nào có giá trị dương trong nghiệm hiện tại
thay đổi nhưng nằm trong khoản đặt ra bởi 2 hàm Allowable Increase và Allowable
Decrease, thì các biến quyết định tối ưu không thay đổi; tuy nhiên, giá trị của hàm
mục tiêu sẽ thay đổi
Ví dụ 13.18: Tìm hiểu về Reduced costs
không bằng 0
🞂 Bảng báo cáo độ nhạy của mô hình Sklenka Ski sau khi thay đổi lợi
nhuận của Jordanelle skis từ 50$ xuống 40$.
Ví dụ 13.19: Tìm hiểu về độ nhạy của biến
giới hạn

Shadow price: Hàm mục tiêu thay đổi bao nhiêu khi phần constraint (giới hạn)
tăng bởi 1
Bất cứ khi nào giới hạn có giá trị slack dương, Shadow price sẽ bằng không.
Khi nào giới hạn bao gồm tài nguyên có giới hạn, Shadow price sẽ đại diện giá trị
kinh tế của việc có thêm một đơn vị tài nguyên.
Báo cáo hạn mức giới hạn

🞂 Cho phép thấy hạn mức trên và dưới của từng biến
quyết định có thể có khi thoả mãn mọi giới hạn và nắm
các biến là hằng số khác.
Sử dụng báo cáo độ nhạy
🞂 Nếu một sự thay đổi trong hàm objective coefficient (hệ số
mục tiêu) giữa trong khoảng Allowable Increase và Allowable
Decrease, thì giá trị tối ưu của các biến quyết định sẽ không
thay đổi. Tuy nhiên, bạn cần tính lại các giá trị của từng hàm
mục tiêu sử dụng hệ số mới.
🞂 Nếu có sự thay đổi trong hàm objective coefficient (hệ số mục
tiêu) vượt quá khoảng Allowable Increase và Allowable
Decrease, thì bạn cần tính lại để tìm giá trị tối ưu mới.
Sử dụng báo cáo độ nhạy (tiếp theo)
🞂 Nếu có sự thay đổi (bên phải) của giới hạn nằm trong khoảng của
Allowable Increase và Allowable Decrease trong phần giới hạn của báo
cáo, thì shadow price cho phép ta đoán được giá trị hàm mục tiêu sẽ
thay đổi thế nào. Nhân phần thay đổi đấy (nếu tăng thì dương, giảm thì
âm) bởi giá trị của shadow price. Tuy nhiên, bạn phải tính lại model để
tìm giá trị mới cho biến quyết định.

🞂 Nếu sự thay đổi (bên trái) của giới hạn nằm ngoài khoảng như đã nói
tên, thì không thể đoán được hàm mục tiêu thay đổi tới đâu thông qua
shadow price. Bạn phải tính lại vấn đề để tìm kết quả mới.
Example 13.20: Sử dụng Thông tin về độ
nhạy để đánh giá các Scenarios
🞂 Giả sử rằng lợi nhuận đơn vị trên ván trượt Jordanelle tăng thêm 10
đô la. Giải pháp tối ưu sẽ thay đổi như thế nào? Product mix tốt
nhất là gì?

◦ Mức tăng trong hệ số hàm mục tiêu có nằm trong phạm vi của Mức tăng
cho phép và Mức giảm cho phép trong phần Các ô biến quyết định của
báo cáo không?
◦ Bởi vì $10 nhỏ hơn Mức tăng cho phép của vô hạn, nên chúng ta có thể
kết luận một cách an toàn rằng số lượng tối ưu của các biến quyết định
sẽ không thay đổi.
◦ Tuy nhiên, vì hàm mục tiêu đã thay đổi nên chúng ta cần tính giá trị mới
của tổng lợi nhuận: 5,25($60) + 10,5($65) = 997,50 đô la.
Example 13.20 Tiếp tục
🞂 Giả sử rằng lợi nhuận đơn vị trên ván trượt Jordanelle
giảm 10 đô la do chi phí vật liệu cao hơn. Giải pháp tối
ưu sẽ thay đổi như thế nào? Product mix tốt nhất là gì?

🞂 Thay đổi trong lợi nhuận đơn vị vượt quá Mức giảm cho phép ($6,67).
Chúng ta có thể kết luận rằng các giá trị tối ưu của các biến quyết định sẽ
thay đổi, mặc dù chúng ta phải giải quyết lại vấn đề để xác định giá trị mới
sẽ là gì.
Example 13.20 Tiếp tục
🞂 Giả sử rằng 10 giờ kết thúc bổ sung trở thành có sẵn
thông qua làm thêm giờ. Kế hoạch sản xuất sẽ bị ảnh
hưởng như thế nào?

◦ Kiểm tra xem thay đổi trong giá trị bên phải có nằm trong phạm vi
của Mức tăng cho phép và Mức giảm cho phép trong phần Ràng
buộc của báo cáo hay không.
◦ Mười giờ hoàn thành bổ sung vượt quá Mức tăng cho phép. Do
đó, chúng ta phải giải quyết lại vấn đề để xác định giải pháp mới.
Example 13.20 Tiếp tục
🞂 Điều gì sẽ xảy ra nếu số giờ hoàn thành có sẵn giảm đi
2 giờ do bảo trì thiết bị theo kế hoạch? Kế hoạch sản
xuất sẽ bị ảnh hưởng như thế nào?

◦ Khả năng hoàn thiện giảm 2 giờ nằm trong Mức giảm cho phép.
Tổng lợi nhuận sẽ giảm theo giá trị của giá bóng cho mỗi giờ mà
công suất hoàn thiện bị giảm. Do đó, chúng ta có thể dự đoán
rằng tổng lợi nhuận sẽ giảm 2 × 45 đô la = 90 đô la xuống còn
855 đô la. Tuy nhiên, chúng ta phải giải lại mô hình để xác định
giá trị mới của các biến quyết định.
Phân tích tham số trong Analytic Solver
Platform
🞂Solver có thể được sử dụng để thực hiện phân
tích độ nhạy bằng cách:
🞂 Kiểm tra các báo cáo độ nhạy hoặc
🞂 Thay đổi dữ liệu trong mô hình và giải quyết lại nó

🞂Analytic Solver Platform cung cấp một cách tiếp

cận khác để phân tích độ nhạy được gọi là phân
tích tham số, cho phép bạn chạy nhiều tối ưu hóa
trong khi thay đổi các tham số mô hình trong
phạm vi được xác định trước.
Example 13.21: Phân tích tham số đơn
cho vấn đề SSC
🞂 Vấn đề cần thực hiện: phân
tích sự ảnh hưởng của việc
đổi mức giờ làm từ khoảng 10
đến 60:
◦ Chọn 1 ô trống trên sheet
(ví dụ ô F3).
◦ Từ thanh công cụ của Analytic
Solver, chọn Parameters và
chọn Optimization
◦ Chọn khoảng thích hợp trên
Function Arguments.
◦ Thay value của ô D7 bằng ô
trống mình chọn (ví dụ F3).
Example 13.21 Continued
🞂 Tiếp tục, từ nút report trên thanh
công cụ, chọn Optimization Reports
rồi Parameter Analysis
🞂 Đưa các biến quyết định và ô hàm
số vào phần Result Cells bên phải,
rồi di chuyển ô tham số nãy bạn
chọn (vdu F3) vào phần Parameter
bên phải.
🞂 Phần drop-down, chọn Vary All
Selected Parameters
Simultaneously.
🞂 Đặt Major Axis Points bằng số giá
trị tham số để test.
Example 13.21 Continued
=> Đây là kết quả

◦ Chú ý format lại kết quả cho dễ nhìn, như

đặt tên lại các cột; tạo chart từ kết quả để
dễ nhìn hơn.
Example 13.22: Phân tích đa tham số
cho vấn đề SSC

🞂 Ví dụ như chúng ta cần kiểm tra ảnh hưởng của lợi nhuận
tối ưu đến sự thay đổi của giới hạn giữa biến Fabrication
và Finishing hour:
🞂 Làm theo như ví dụ trước để xác định tham số cho giới
hạn của Finishing hour. Trong phần Function Arguments,
đặt khoảng từ 50 đến 100 cho giới hạn của Fabrication từ
50 đến 100.
Example 13.22 Continued
🞂 Trong bảng Multiple Optimization
Report, chọn cả 2 ô tham số F2
và F3; Tuy nhiên, vì chỉ có thể
chọn 1 ô tính kết quả, nên hãy
chọn $D$22.
🞂 Ở phần drop-down, chọn Vary
Two Selected Parameters
Independently.
Example 13.22 Continued
🞂Đây là kết quả