Proiect Optimizarea procesului de transport

Cuprins

1) Optimizarea proceselor tehnologice..........................................3 2) Programarea liniara...................................................................6 3) Optimizarea transportului de materiale de constructii de la fabrici la depozitele magazinelor............................................ .....................8 3.1) Materiale fabricate in Cluj, Bacau, Craiova si transportate in deva, Iasi si Bucuresti.....................................................................................8 3.2) Rezolvarea problemelor........................................................9 3.2.1) Stabilirea restrictiilor....................................................10

1. OPTIMIZAREA PROCESELOR TEHNOLOGICE Optimizarea poate fi definita ca stiinta determinarii celei mai bune solutii la anumite probleme definite matematic, care sunt adesea modele ale realitatii fizice Metodele de optimizare au o larga aplicabilitate n aproape orice activitate n care sunt prelucrate informatiile numerice: stiinta, inginerie, matematica, economie, comert etc. Se optimizeaza o functie obiectiv care cuantifica produsul unui proces economic sau tehnologic, sau profitul, respectiv calitatea ce rezulta n urma aplicarii acestuia. Conceptul de optimizare este bine ncetatenit ca principiul de baza n analiza problemelor complexe de decizie sau alocare. Folosirea optimizarii se bazeaza pe concentrarea atentiei asupra unui singur obiectiv conceput sa cuantifice performanta si calitatea deciziei ntr-o problema ce ar necesita determinarea valorilor unui numar mare de variabile interconectate. Acest obiectiv este maximizat sau minimizat supus unor restrictii care sa limiteze alegerea variabilelor de decizie. Daca un aspect al problemei poate fi identificat si caracterizat printr-un obiectiv (de exemplu: profitul ntr-o afacere) atunci optimizarea poate sa ofere un cadru adecvat pentru o astfel de analiza. Optimizarea ar trebui privita ca un instrument de concepere si analiza, si nu ca un principiu care sa duca la solutia corecta din punct de vedere filozofic.

Obiectul optimizarii Orice manager/inginer vrea sa aleaga acel curs al activitatii sale care va fi cel mai performant in atingerea scopului firmei sale raport optim calitate-pret, profit maxim, satisfacerea clientilor. n judecarea eficientei diferitelor decizii posibile, trebuie sa se foloseasca anumite criterii pentru masurarea performantei activitatii n discutie.

Etapele procesului de optimizare 1. Stabilirea criteriului de eficienta 2. Selectarea unei multimi de alternative posibile 3. Determinarea unui model care sa fie folosit si a valorilor parametrilor procesului 4. Determinarea alternativei care optimizeaza criteriul stabilit la etapa 1. Avantajele unui model simplu sunt: 1) economia de timp de concepere 2) poate fi nteleasa realitatea de catre decident 3) daca este necesar, modelul poate fi modificat repede si eficient. Erori intalnite in cadrul procesului de optimizare 1) omiterea unor variabile importante din model 2) erori n definirea relatiilor dintre variabile. Concepte de baza n modelare Primul pas n construirea unui model este stabilirea factorilor si variabilelor pe care decidentul le considera importante. Conceptele folosite in modelarea numerica a procesului de optimizare sunt: variabile de decizie; variabile exogene, restrictii; masuri ale performantei; variabile intermediare. Variabilele de decizie sunt acele variabile pe care le controleaza decidentul, ele reprezentnd alegerile alternative pentru decident. De exemplu: trebuie sa se introduca un nou produs n fabricatie. Decidentul poate alege: sa se introduca sau nu, pretul, culoarea, suma alocata reclamei etc.

Variabilele exogene sau externe sunt acelea care sunt importante n problema de decizie, dar sunt controlate de factori externi sferei decidentului. De exemplu: pretul materiilor prime pentru realizarea noului produs. Restrictiile pot fi legate de capacitatile de productie, resurse, limitari legislative, politica firmei etc. Masuri ale performantei. n luarea unei decizii decidentul are un scop, un obiectiv pe care ncearca sa-l atinga. Criteriile sau masurile performantei sunt expresii cantitative ale acestor obiective. Variabilele intermediare sunt necesare pentru includerea tuturor factorilor importanti n problema de decizie. Adesea ele leaga factorii de cost si de cstig. Se folosesc ca sa lege variabilele de decizie si exogene de masurile de performanta. Formularea problemei implica ntotdeauna gasirea unui echilibru ntre construirea unui model suficient de complex pentru a descrie ct mai bine problema si usurinta de rezolvare a acestuia. Tipurile de probleme de optimizare Termenul programare, n aceasta aplicatie va fi sinonim cu notiunea de optimizare si si are originea n planificarea optimala. Modelul matematic al oricarei probleme de optimizare presupune minimizarea sau maximizarea unei functii
f : X R , numita functie obiectiv, sup n adica rezolvarea problemei i fX f ( x ) sau a problemei x X f ( x) . x

Avem de-a face cu o optimizare cu restrictii sau fara restrictii dupa cum variabilele sunt sau nu supuse unor restrictii. Forma generala a unei probleme de optimizare cu restrictii este :
min f ( x) x R n g i ( x) = 0 i E g ( x) 0 i F i

(1)

Daca toate functiile g i (x) care dau restrictiile sunt liniare si functia obiectiv este liniara, problema (1) se numeste problema de programare liniara, iar daca functia obiectiv este patratica atunci problema (1) se numeste problema de programare patratica.

2. PROGRAMAREA LINIARA Programarea liniara permite rezolvarea unei game largi de probleme cu un efort redus. Popularitatea programarii liniare se datoreaza n principal etapei de formulare, si nu celei de rezolvare numerica, deoarece multe dintre restrictiile si obiectivele care apar n practica sunt liniare prin definitie. Dimensiunea problemelor O masura a complexitatii problemei de programare este dimensiunea acesteia exprimata prin numarul de necunoscute si de restrictii Se pot distinge acum trei categorii de probleme: de dimensiune redusa (cu cel mult 5 variabile sau restrictii), de dimensiune medie (ntre 5 si 100 de variabile sau restrictii) si de dimensiuni mari (cu peste 100 de variabile si restrictii). Aceasta clasificare reflecta nu numai diferente de dimensiune ci si de abordare. Astfel, problemele de dimensiuni mici pot fi rezolvate de mana sau cu un calculator de buzunar. Problemele de dimensiuni medii pot fi rezolvate pe un calculator, folosind programe matematice generale. Problemele de dimensiuni mari necesita programe sofisticate care exploateaza caracteristicile particulare ale problemei si de obicei se rezolva pe calculatoare de mare capacitate.
1. Exemple de probleme de programare liniara

Utilizarea optim a resurselor Un manager de agent economic trebuie s rezolve destul de des urmtoarea problem: Resursele pe care le are la dispozitie (materie prim, for de munc, maini unelte, resurse financiare etc.) sunt n cantiti limitate. Fie i numrul de ordine al resursei i fie bi cantitatea disponibil din resursa i. Cu ajutorul acestor resurse se pot desfura mai multe activiti (de exemplu: procese de producie). Fie j numrul de ordine al activitii desfsurate i fie xj nivelul (necunoscut) la care trebuie s se desfoare aceast activitate.

De exemplu, pentru procesul de producie j, care const n fabricarea unui anumit produs, se noteaz cu xj cantitatea ce va fi produs. Fie aij cantitatea din resursa i necesar producerii unei uniti
din produsul j. Se presupune c a nu depinde dect de tipul resursei (i si de tipul produsului realizat (j) i nu de
ij

cantitile produse, ceea ce constituie evident o simplificare a situaiei reale. Cu aceste notaii se pot determina mrimile urmtoare:

cantitatea din resursa i folosit pentru producerea cantitatii x , care este a x ;

j ij j

cantitatea total din resursa i folosit pentru producia total format din n produse: a x +a x +...+a x
i1 1 i2 2 in

Deoarece nu se poate consuma din resursa i mai mult dect cantitatea de care se dispune, trebuie s fie respectate condiiile: sau a x +a x +...+a x b , ( ) 1 i m,
i1 1 i2 2 in n i

(1.1)

a x
j =1 ij

bi

, i {1,2,..., m}

x j reprezentand cantitatea ce trebuie produsa din sortimentul j, ea nu poate fi un numar negativ : x j 0, j {1,2,3,..., m} Inecuatiile (1.1) se numesc restrictiiile problemei, iar (1.2), conditiile de nenegativitate. Sistemul de inecuatii liniare (1.1) si (1.2) poate avea o infinitate de solutii, o solutie sau niciuna. Pentru problemele corect puse, cel mai frecvent este cazul cu o infinitate de solutii. Adoptarea unei variante de plan (luarea unei decizii) se face pe baza unui criteriu economic, ca de exemplu venitul sau profitul sa fie maxim. Daca se noteaza cu cj pretul de vanzare al unei unitati din produsul j si cu dj costul unitar pentru acelasi produs, atunci venitul total va fi c j x j , iar cheltuielile de productie d j x j , si deci profitul
j =1 j =1 n n

(1.2)

obtinut va fi :
j =1

cjxj d jx j = cj d j xj
j =1 j =1

(1.3)

Problema care se pune acum este de a determina acea varianta de plan, adica acea solutie a sistemului de inegalitati (1.1), (1.2) care da pentru profitul (1.3) valoarea maxima. In acest moment, din acea problema economica s-a obtinut urmatoarea problema matematica :

n max c j d j x j j =1 n aij x j bi j =1 x 0 j

(1.4)

Aceasta este o problema de programare liniara. Cele mai cunoscute probleme din economie sunt cele de optimizare. Acestea constau ntr-o funcie obiectiv care trebuie s ating un optim (minim sau maxim), i din nite restricii (limitri fireti ale existentului de resurse: de exemplu cumprarea de produse la un moment dat este limitat de suma de bani avut la dispoziie, fabricarea unor produse este limitat de cantitatea de materii prime deinut). Toate aceste variabile care intervin trebuie s fie cuantificabile numeric.

3. OPTIMIZAREA TRANSPORTULUI DE MATERIALE DE CONSTRUCTIE DE LA FABRICI LA DEPOZITELE MAGAZINELOR 3.1. MATERIALE FABRICATE IN CLUJ ,BACAU,CRAIOVA SI TRANSPORTATE IN DEVA,IASI,BUCURESTI Problemele de transport apar frecvent la situatiile in care trebuie planificat modul de distribuire al bunurilor de la producatori la consumatori. Obiectivul obisnuit al acestor probleme este minimizarea costurilor de transport. Modelele de transport sunt o variatie a problemelor de programare liniara si presupun urmatoarele: 1. 2. 3. 4. Obiectivul este minimizarea costurilor totale de transport. Costurile de transport pe unitate sunt functii liniare in raport cu numarul de unitati transportate. Cererea si oferta sunt exprimate in unitati omogene. Costurile de transport pe unitate nu variaza cu cantitatea transportata.

Pentru a ilustra modul in care se pot rezolva problemele de transport se prezenta in urmatorul exemplu: PROBLEMA O companie dispune de 3 fabrici si 3 centre de distributie. Fabricile de executie a produselor sunt in localitatile Cluj, Bacau, Craiova. Capacitatile de productie ale fabricilor sunt:

Fabrica

Capacitate de productie (unitati valorice disponibile) 8

Cluj Bacau Craiova Total

210 260 205 675

Centrele de distributie sunt plasate in orasele Deva, Iasi, Bucuresti. Cererea, (necesarul) pentru produsele companiei in aceste centre este: Centre de distributie Depozite (unitati valorice necesare)

Deva 255 Iasi 230 Bucuresti 190 Total 675 Managementul organizatiei ar dori sa determine cantitatea care ar trebui transportata de la fiecare fabrica la fiecare centru de distributie astfel incat costurile de transport sa fie minime.

3.2. Rezolvarea problemei

Toate datele problemei au fost introduse ntr-o foaie de calcul Excel ca n figura de mai jos si se rezolva problema cu ajutorul functiei Solver. Etapele rezolvarii: 1) 2) 3) Scrierea tabelelor cu datele problemei si cu relatiile lor; Definirea si rezolvarea modelului problemei (cu ajutorul lui Solver); Generarea si interpretarea rapoartelor predefinite (cu rezultatele optimizarii);

Scrierea tabelelor cu datele problemei si cu relatiile lor;

n primul tabel sunt introduse datele problemei: costurile de transport, cantitile disponibile i cantitile necesare societatilor.

Problema este de minimizare a costului total de transport. Se determin astfel funcia obiectiv, funcia de optimizare, care, n cazul considerat, exprim condiia de minimizare a cantitii de transportat. Pentru a rezolva problema de transport putem folosi programarea liniara.Vom utiliza variabile de decizie cu 2 indici,primul indice indica originea,al doilea destinatia. Astfel Xij indica numarul de unitati transportate de la fabrica i la centrul de distributie j . Costul unitatilor transportate din Cluj este :3*X11+2*X12+7*X13 Costul unitatilor transportate din Bacau este :7*X21+5*X22+2*X23 Costul unitatilor transportate din Craiova este :2*X31+5*X32+4*X33 Suma acestor costuri este costul total de transport,valoare care trebuie minimizata, deci functia obiectiv este: B7*D15+B8*D18+B9*D21+C7*D16+C8*D19+C9*D22+D7*D17+D8*D20+D9*D23=XIJ.>=0, i=1,2,3; j=1,2,3 Xi numarul fabricilor Xj numarul depozitelor 3.2.1. Stabilirea restrictiilor In problemele de transport apar restrictii deoarece fiecare fabrica are o capacitate de productie limitata si fiecare centru de distributie are o anumita cerere. Fabrica din Cluj are o capacitate de productie de 210 unitati. Numarul total de unitati transportate din fabrica de la Cluj este X11+X12+X13 deci restrictia asociata acestei fabrici este:

10

1) X11+X12+X13<=210 In mod similar pentru celelalte fabrici avem: 2) X21+X22+X23<=260 pentru fabrica de la Bacau 3) X31+X32+X33<=205 pentru fabrica de la Craiova. In cele 3 centre de distributie, restrictia va fi data de faptul ca cererea la centrul respectiv trebuie sa fie egala cu cantitatile transportate aici. X11+X21+X31= 255 cererea la Deva X12+X22+X32 =230 cererea Iasi X13+X23+X33 =190 cererea la Bucuresti Pentru rezolvare se folosete programarea liniar i o funcie a softului Microsoft Excel denumit Solver. Toate datele de intrare ale problemei au fost puse ntr-o foaie de calcul Excel ca n figura de mai jos:

11

Definirea si rezolvarea problemei (cu ajutorul lui Solver)

rezolvarea problemei de programare liniara foaia de calcul cu datele de intrare si de iesire functia de optimizat 1490 min destinatie origine Cluj Bacau Craiova cost necesar Deva 3 7 2 255 Iasi 2 5 5 230 Bucuresti 7 2 4 190 cost disponibil 210 260 205 675 restrictiile problemei x11+x12+x13= x21+x22+x23= x31+x32+x33= x11+x21+x31= x12+x22+x32= x13+x23+x33= b11+b12+b13+b21+b22+b23+b31+b32+b33=

230 260 205 255 230 260 745

rezultate b11 b12 b13 b21 b22 b23 b31 b32 b33

0 230 0 0 0 260 255 0 0 745

Acest tabel este destinat pentru calcule cu ajutorul functiei Solver si obtinerea rezultatelor problemei. Pentru rezolvarea problemei se folosete componenta numit Solver (Rezolvitor) a Excelului. Aceasta se gsete n meniul Tools (Instrumente). Alegerea acestei opiuni determin apariia casetei de dialog Solver Parameters (Parametrii Rezolvitor) n care trebuie introdui parametrii modelului de optimizare (funcia obiectiv i restriciile problemei). Parametrii care trebuie introdui pentru rezolvarea problemei sunt:

12

 Target cell (celula int): reprezint echivalentul funciei obiectiv; aceasta este formula care cuantific costul total al transportului. Ca celul int trebuie s fie stabilit ntotdeauna o celul care conine o formul. Changing cells (prin modificarea celulelor): este zona format din celulele ale cror valori pot fi modificate n vederea obinerii unei soluii optime; n cazul de fa aceast zon conine celulele n care se trec cantitile care se transport. Constraints (restricii): constngerile la care este supus problema (c un anumit depozit poate livra numai o anumit cantitate, c un anumit magazin trebuie s primeasc o anumit cantitate). Equal To (egal cu): Dac problema este de minimizare, maximizare sau dac se dorete obinerea unei anumite valori. Paii introducerii parametrilor modelului sunt urmtorii: 1. Introducem celula int (obiectivul modelului). Aceasta este celula C3. Aceasta se face prin introducerea direct n cmpul de editare sau prin selecie cu mouse-ul din foaia de calcul. 2. Introducem tipul de obiectiv. Cum se urmreste minimizarea costurilor transportului, se alege obiectivul ''min'' prin selecia butonului ''min''.

3. Selectarea si definirea functiei obiectiv C3; Introducem celulele care pot fi modificate pentru a se obine soluia optim. Cum am vzut la nceput, soluiile problemei variaz dup cum pe o anumit rut se transport o cantitate mai mare sau mai mic de produse. 13

Deci soluia optim se obine prin variaia cantitilor transportate pe rute (care reprezint practic soluia problemei), se alege acest domeniu pentru a fi introdus n zona de editare By Changing Cells (prin modificarea celulelor).

4. Introducem apoi cele 6 restrictii ale problemei. Am stabilit c acestea sunt: fabricile producatoare livreaz toat cantitatea din marfa respectiv, iar depozitele vor avea satisfcut toat cererea de marf (problema fiind echilibrat).

14

Dup selectarea opiunii Solver din meniul Tools, se introduc restricii cu privire la pozitivitatea cantitilor transportate, adica restrictia finala: Suma celulelor D15-D23 este mai mare sau egala cu zero.

5. Se configureaza un alt parametru al modelului care este esenial n rezolvarea problemei. Aceasta se face n caseta de dialog Solver Options care apare dup executarea unui clic pe butonul Options din caseta de dialog Solver Parameters.

15

Se selecteaza Assume Linear Model, (se presupune modelul linear). Acest tip de model presupune c forma funciei obiectiv (adic a scopului) este una liniar (intervin doar simple operaii aritmetice *,+,-, fr ridicri la putere). De selectarea acestui buton depinde n mod decisiv obinerea soluiei optime.

6. Acum sunt introdui toi parametrii modelului. Pentru executarea procesului de cutare a soluiei optime se apas butonul Solve (rezolvare).

16

Foaia de lucru Excel poate furnizeaza si date eronate, datorit faptului c se genereaz i valori negative ale cantitilor transportate. Deoarece nu se pot transporta cantiti negative de marf, rezult c trebuie specificat n mod explicit c valorile pe care Excel le furnizeaz ca rezultate s fie pozitive. De aceea trebuie introduse noi restricii referitoare la pozitivitatea cantitilor transportate pe rute. Apoi se apas butonul Ok., apare fereastra cu cele 3 rapoarte, apoi OK si se obtin tabele, (RAPOARTE) cu rezultatele cautate.

Fiecare dintre aceste 3 rapoarte se realizeaz ntr-o foaie de calcul separat. Celula tinta; celule modificate; restrictii.

17

Generarea si interpretarea rapoartelor predefinite (cu rezultatele optimizarii)

Raportul de raspuns, contine: valoarea finala a celulei obiectiv, pentru fiecare celula variabila valoarea initiala si finala.
Microsoft Excel 11.0 Answer Report Worksheet: [cip.xls]Sheet1 Report Created: 28.03.2011 20:11:57

Target Cell (Min) Cell $C$3 Name functia de optimizat Original Value 3815 Final Value 1490

Adjustable Cells Cell $D$1 5 $D$1 6 $D$1 7 $D$1 8 $D$1 9 $D$2 0 $D$2 1 $D$2 2 $D$2 3 Name b11 Bucuresti b12 Bucuresti b13 Bucuresti b21 Bucuresti b22 Bucuresti b23 Bucuresti b31 Bucuresti b32 Bucuresti b33 Bucuresti Original Value 120 32 54 165 178 149 69 28 98 Final Value 0 230 0 0 0 260 255 0 0

Constraints Cell $E$7 $E$8 $E$9 $B$10 $C$1 0 $D$1 0 $D$1 5 $D$1 6 $D$1 7 $D$1

Name Cluj cost disponibil Bacau cost disponibil Craiova cost disponibil cost necesar Deva cost necesar Iasi cost necesar Bucuresti b11 Bucuresti b12 Bucuresti b13 Bucuresti b21 Bucuresti

Cell Value 210 260 205 255 230 190 0 230 0 0

Formula $E$7<=$L$7 $E$8<=$L$8 $E$9<=$L$9 $B$10<=$L$10 $C$10<=$L$11 $D$10<=$L$12 $D$15>=0 $D$16>=0 $D$17>=0 $D$18>=0

Status Not Binding Binding Not Binding Binding Binding Not Binding Binding Not Binding Binding Binding

Slack 20 0 50 0 0 70 0 230 0 0

18

8 $D$1 9 $D$2 0 $D$2 1 $D$2 2 $D$2 3

b22 Bucuresti b23 Bucuresti b31 Bucuresti b32 Bucuresti b33 Bucuresti

0 260 255 0 0

$D$19>=0 $D$20>=0 $D$21>=0 $D$22>=0 $D$23>=0

Binding Not Binding Not Binding Binding Binding

0 260 255 0 0

Raportul despre limita - contine valoarea celulei obiectiv si, pentru fiecare variabila de decizie: valoarea finala, limita inferioaa si superioara (cea mai mica, respectiv cea mai mare valoare posibila a ei, cnd toate celelalte variabile de decizie sunt fixe si mpreuna satisfac totusi restrictiile) si rezulatele din obiectiv (valorile functiei obiectiv) corespunzatoare acestor limite.
Microsoft Excel 11.0 Limits Report Worksheet: [cip.xls]Limits Report 1 Report Created: 28.03.2011 20:11:57

Cell $C$3

Target Name functia de optimizat

Value 1490

Cell $D$15 $D$16 $D$17 $D$18 $D$19 $D$20 $D$21 $D$22 $D$23

Adjustable Name b11 Bucuresti b12 Bucuresti b13 Bucuresti b21 Bucuresti b22 Bucuresti b23 Bucuresti b31 Bucuresti b32 Bucuresti b33 Bucuresti

Value 0 230 0 0 0 260 255 0 0

Lower Limit 0 230 0 3,51747E10 3,51747E10 260 255 0 0

Target Result 1490 1490 1490 1490 1490 1490 1490 1490 1490

Upper Limit #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A

Target Result #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A

19

Raportul de sensibilitate - difera n raport de tipul modelului (liniar sau neliniar). Pentru modelele liniare, raportul cuprinde, pentru fiecare celula variabila: valoarea finala (n solutia gasita), costul redus (cresterea n celula obiectiv, datorita cresterii cu o unitate a celulei variabile), coeficientul obiectivului (raportul dintre valoarea finala a celulei obiectiv si cea a variabilei), cresterea si descresterea permise (schimbarea n coeficientul obiectiv, nainte de cresterea / descresterea n valoarea optima a oricarei variabile de decizie);
Microsoft Excel 11.0 Sensitivity Report Worksheet: [cip.xls]Sheet1 Report Created: 28.03.2011 20:11:57

20

Adjustable Cells Cell $D$15 $D$16 $D$17 $D$18 $D$19 $D$20 $D$21 $D$22 $D$23 Constraints Cell $E$7 $E$8 $E$9 $B$10 $C$10 $D$10 Name Cluj cost disponibil Bacau cost disponibil Craiova cost disponibil cost necesar Deva cost necesar Iasi cost necesar Bucuresti Final Value 210 260 205 255 230 190 Shadow Price 0 -2 0 -2 -2 0 Constraint R.H. Side 0 0 0 0 0 0 Allowable Increase 1E+30 70 1E+30 50 20 1E+30 Allowable Decrease 20 1E+30 50 1E+30 1E+30 70 Name b11 Bucuresti b12 Bucuresti b13 Bucuresti b21 Bucuresti b22 Bucuresti b23 Bucuresti b31 Bucuresti b32 Bucuresti b33 Bucuresti Final Value 0 230 0 0 0 260 255 0 0 Reduced Cost 1 0 7 3 1 0 0 3 4 Objective Coefficient 3 2 7 7 5 2 2 5 4 Allowable Increase 1E+30 1 1E+30 1E+30 1E+30 1 1 1E+30 1E+30 Allowable Decrease 1 2 7 3 1 2 2 3 4

In urma aplicarii procesului de optimizare, s-a diminuat valoarea functiei initiale de 3815 unitati valorice, la 1490 u. v.

21