Načini Podrške Poslovnim Procesima

7/26/2019 Naini Podrke Poslovnim Procesima

1/23

Sveu!ili"te u Rijeci ! Fakultet za menad#ment u turizmu i ugostiteljstvu Opatija

#

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2

Tematska cijelina 2

Na!ini podr"ke poslovnim procesima

FMTU

1211109765431 6 8


2/23


6

FMTU

1

OPTIMIZACIJA

VI$EKRITERIJSKO ODLU%IVANJE

SIMULACIJA

SISTEMSKA DINAMIKA

UPRAVLJANJE PROJEKTIMA

TABLI%NI KALKULATORI

T2 Na!ini podr"ke poslovnim procesima

PODR!KAODLU"IVANJUiOPTIMIZACIJA

PODR!KAODLU"IVANJU

Metode optimizacije omogu&uju tra#enje

najpovoljnijih rje"enja razli!itih problema

Rje"avanje problema u poslovnoj ekonomiji

Potrebno formulirati MODEL PROBLEMA,

analiziraju&i mogu&e varijante rje"enja i premaodre'enom kriteriju odabrati najpovoljnije

METODEOPTIMIZACIJE:

LINEARNO PROGRAMIRANJE

CJELOBROJNO LINEARNO PROGRAMIRANJE

TRANSPORTNI PROBLEM

PROBLEM DODIJELJIVANJA

2 OPTIMIZACIJA

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2


3/23


7

FMTU

LINEARNOPROGRAMIRANJE

Primjer 1.

Tvrtka proizvodi 2 modela satova (x1i x2)

Dobit po jednom komadu sata modela: x1 10$, x2 25$

Potra#nja nadma"uje proizvodni kapacitet, a proizvodnja je ograni!ena trima vrstamaresursa: specijalnim tranzistorima, vremenom radnika koji sastavljaju satove, te vremenomradnika koji provjeravaju ispravnost satova

Tvrtka dnevno ima na raspolaganju: 40 tranzistora, 200 sati rada radnika koji sastavljajusatove i 160 sati radnika koji provjeravaju satove

Samo se u x2model ugra'uje po jedan tranzistor; za sastavljanje: x1model potreban je 1

sat, a za x2model !ak 4 sata; za provjeru treba 1 sat rada za model x1i 2 sata rada zamodel x2

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



4/23


8

FMTU

PRIMJER1

Kakvim se proizvodnim programom (x1, x2)mo#e ostvariti NAJVE(A MOGU(ADOBIT, te koliki &e biti iznos te dobiti?

MODEL PROBLEMA:

Funkcija cilja (Max)

Ograni!enja

Uvjet nenegativnosti

9 +:;?@ =>A?@ A>;B@C;D ECDEDC=>D;@A;@ ;BF@G>H;>I G@C>?@JA@I@

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



5/23


K

FMTU

PRIMJER1: Postavljanjemodela

- Funkcija cilja: max dnevna dobit

- Ograni!enja:

1. broj specializiranih tranzistora

2. vrijeme sastavljanja satova

3. vrijeme provjeravanja satova

- Uvjet nenegativnosti

*FLC@M;?@ IDMBA@ ?B EDH@D 1%,*&)*1.N MD< >FC@O:;@G@;?B DEPI@A;DL C?BQB;?@ >FGDM> $,%R,.- QSB;?BI DMLDG@C@?:T>U@ALDC>S@I@

0,

16021

20041

401

)2510(

21

21

21

2

21

!

"+

"+

"

+

xx

xx

xx

x

xxMax

T9 Sustavi temeljeni na znanju

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2


6/23


V

FMTU

PRIMJER1: $DHS:E@< C?BQ@G@;?@ ECDJABI@ ! &%'(5,

T9 Sustavi temeljeni na znanju

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2


7/23


W

FMTU

PRIMJER1: Rje#enje

-x1=120, x2=20, max (1700$)

Optimalno je proizvoditi 120 satova modela x1 i 20 satova modela x2,za "to &e dobit iznositi

1700$ dnevno

*FLC@M;?@ IDMBA@ ?B EDH@D 1%,*&)*1.N MD< >FC@O:;@G@;?B DEPI@A;DL C?BQB;?@ >FGDM> $,%R,.- QSB;?BI DMLDG@C@?:T>U@ALDC>S@I@

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



8/23


X

FMTU

PRIMJENAOPTIMIZACIJE

YYYnekidu$anYYYunekomshoopingcentruYYY

Mje"avina proizvoda (engl. Product mix) MAX

Koliko proizvoda treba proizvesti ili resursa utro"iti da bi se postigla max dobit?

Mje"avina sastojaka (engl. Blending) MIN

Kakvu mje"avinu sastojaka izabrati da bi se postigli min tro"kovi?

Problem distribucije (transportni problem) MIN

Kako prevesti odre'enu koli!inu dobara iz dostavnih centara u centre potra#nje uz mintro"kove i najkra&e vrijeme?

Problem dodijeljivanja (specif. transportni problem)

Optimalno dodijeljivanje n elemenata na n mjesta

Problem nabave (MAX)

Odakle nabaviti proizvode (materijale) uz max dobit?

Nastavnici: Prof.dr.sc. Mislav $imuni&, Doc.dr.sc. Ljubica Pilepi Asistent: Mr.sc. Tomislav Car, Davor Mijolovi&, prof.

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



9/23


Z

FMTU

VI!EKRITERIJSKOODLU"IVANJE

Problemi za koje postoji vi"e kriterija za tra#enje optimuma

Odlu!ivanje postupak izbora jedne od mogu&ih varijanti (alternativa)

Ciljevi stanje sustava koje odlukom #elimo posti&i

Kriteriji atributi kojima se opisuju alternative (u kojoj mjeri se pojedinom alternativnomostvaruje #eljeni cilj)

Metode za uspore'ivanje i rangiranje alternativa Analiti!ki hijerarhijski proces (AHPmetoda), ELECTRE, PROMETHEE

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



10/23


#[

FMTU

SIMULACIJA

Detaljno modeliranje i simulacija kompleksnih dinami!kih problema saslu!ajnim varijablama, tipi!nim za poslovne sustave

Analiza sustava kojeg nije mogu&e opisati matemati!kim modelima

Simulacija s koristi za analizu poslovnih, logisti!kih, proizvodnih, transportnih idr. procesa

Animacija izvo'enja simulacije omogu&uje korisniku uvid u na!in ifunkcioniranje sustava, pona"anje sustava u ovisnosti o nezavisnimvarijablama

Potrebno provesti ve&i broj simulacijskih eksperimenata, a potom statisti!kuanalizu rezultata

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



11/23


##

FMTU

SIMULACIJSKEMETODE

DISKRETNA SIMULACIJA

Detaljno opisuje elemente sustava, pona"anje

sustava opisuje se na diskontinuiran (diskretan) na!in,u obliku slijeda doga'aja i aktivnosti u sustavu

Primjena: sustavi s redovima !ekanja, koji se

pojavljuju kao posljedica zahtjeva za ograni!enimreusursima sustava

SISTEMSKA DINAMIKA

Modeliranje sustava s povratnom spregom (pojedini

elementi sustava mogu utjecati na same sebe prekolanca uzroka i posljedica)

Primjena: podr"ka strate"kom odlu!ivanju

>> SISTEMSKADINAMIKA

POZITIVNA POVRATNA SPREGA

pove&anje vrijednosti promatranog elementasustava uzrokuje promjene koje &e jo"vi"e

pove&ati taj isti elementnpr. "tednja koli!ina novca u banci rasteeksponencijalno ako mu se godi"nje dodajeodre'ena kamata

NEGATIVNA POVRATNA SPREGA

pove&anje vrijednosti promatranog elementasustava uzrokuje promjene koje &e kona!nosmanjiti vrijednost tog elementa

npr. odnos ponude i potra#nje na tr#i"tu; "to jeve&a potra#nja, ve&a je i cijena, ali kadprodava!i pove&aju cijenu, smanjit &e sepotra#nja

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



12/23


#6

FMTU

...PONOVIMO

-.35-.3*\15 -53%]5^

'>;B@C;D ECDLC@I>C@;?B

/?BADJCD?;D A>;B@C;D ECDLC@I>C@;?B

)BA>;B@C;D ECDLC@I>C@;?B

(>QBSBC>?HC@;?B

&*-2'./*0&15 -53%]5^

]>HI:A@=>?@

&>HSBIH;@I>


13/23


#7

FMTU

1

Analiza rezultata razli!itih vrijednosti jednogulaznog podatka

Analiza rezultata razli!itih vrijednosti dvajuulaznih podatka


_4.3 ` *+ .).'a&*&

].3. 3.b'5c

Scenario Manager ili analiza rezultatapromjenom vrijednosti vi"e ulaznih podataka

2 &/5).,*% -.).R5,c

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2

7 R%.' &551c

Goal Seek ili postizanje to!no odre'enog

rezultata

8 &%'(5,c

Solver (rje"ava!) ili postizanje rezultata

primjenom vi"e ulaznih podataka uzpostavljanje ograni!enja


14/23


#8

FMTU

PRIMJER1

Analiza dobiti:

Poduze&e ima planiranu cijenuproizvoda od 100 kn i planiranudobit od 5% po proizvodu.Prosje!na mjese!na proizvodnja

analiziranog proizvoda je 1000komada. Dobit za jedan mjesecra!una se po formulidobit=planirana cijena*planiranadobit*broj komada.

Poduze&e #eli izra!unati dobit zarazli!iti broj komada od 950 do1000 i imati pregled svih

rezultata.

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



15/23


#K

FMTU

PRIMJER6

Analiza dobiti:

Poduze&e #eli izvr"iti analizu dobiti mijenjaju&i dva ulazna podatka za razli!iti broj komada proizvoda od 950do 1000 i planiranu vrijednost dobiti u rasponu od 5% do 7,5%.

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



16/23


#V

FMTU

PRIMJER7

Analiza dobiti:

Poduze&e #eli izvr"iti analizu dobiti mijenjaju&i vi"e od dva ulazna podatka, pa se prethodnoj tablici dodaju itro!kovi prijevoza.Prodajna cijena je stalna. Sve ostale vrijednosti imaju minimalnu, srednju i maksimalnu vrijednost.

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2


Ukupna dobit: Ud=(Pc-Tp)*Bk+(Pc*Pd*Bk)

Ud ukupna dobitPc prodajna cijenaTp tro"kovi prijevozaBk broj komadaPd planirana dobit


17/23


#W

FMTU

PRIMJER7

Slijedi analiza u Scenario Manageru. Potrebno je unijeti tri scenaria (za minimalnu, srednju i maksimalnuvrijednost).

Primjer unosa scenarija za minimalne vrijednosti:Unos imena scenarija, unos referenci mijenjaju"ih polja i komentar

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



18/23


#X

FMTU

PRIMJER7

Unos vrijednosti scenarija

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



19/23


#Z

FMTU

PRIMJER7

Prikaz sa#etka

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



20/23


6[

FMTU

PRIMJER8

Koliko bi morala biti cijena proizvoda da bi dobit bila to!no 300000 kn?

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



21/23


6#

FMTU

PRIMJERK

Potrebno je izra!unati ukupnu dobit od 350000 kn uz ograni!enja:! Tro"kovi prijevoza ne smiju biti ve&i od 105 kn! Planirana dobit mo#e biti od 6% do 8%! Broj prodanih komada ne mo#e biti ve&i od 200

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



22/23


66

FMTU

PRIMJERK

Solver Results

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2



23/23


67

FMTU

PRIMJERK

Report Answer

KOLEGIJ: $%&'%()* *)+%,-./*0&1* &2&3.(* 24%35'*05,&3(2


Documents

Načini Podrške Poslovnim Procesima