| Вид продукции | Затраты труда рабочих на 1 тыс.шт., часов | Затраты сырья на 1 тыс.шт., тонн | Затраты труда ИТР на 1 тыс.шт., часов |
| Декоративная метлахская плитка | |||
| Глазурованная облицовочная плитка | 0,40 | ||
| Простая метлахская плитка | 0,50 |
Производственные мощности, структура предприятия, численность работающих таковы, что в течение рабочего дня можно использовать 100 часов труда рабочих, 60 тонн сырья и 300 часов управленческого труда.
При указанных условиях требуется определить оптимальную производственную программу предприятия.
Для построения операционной модели приведенной задачи воспользуемся методом построения такой модели, который был изложен выше.
1. Определяем оптимизируемые параметры проектной задачи. В нашем случае этими параметрами являются: X1 – ежедневное производство декоративной метлахской плитки (в тыс.шт.), X2 – количество ежедневно выпускаемой глазурованной облицовочной плитки (в тыс.шт.), X3 – объем ежедневного выпуска простой метлахской плитки (в тыс.шт.).
2. Составляем качественную модель задачи (на основе ТЗ, которым в данном случае является условие задачи). Для этого дадим словесное описание последовательно всех основных требований нашей проектной задачи.
2.1. Численность рабочих предприятия такова, что при выпуске любых видов продукции в течение рабочего дня не может быть использовано более 100 часов труда рабочих.
2.2. Численность ИТР предприятия такова, что при выпуске любых видов продукции в течение рабочего дня не может быть использовано более 300 часов управленческого труда.
2.3. Производственные мощности предприятия таковы, что в течение рабочего дня можно использовать не более 60 тонн сырья.
Искомые параметры X 1, X 2, X 3 (ежедневная программа выпуска плитки каждого вида) должны удовлетворять перечисленным требованиям 2.1 – 2.3 и при этих условиях обеспечить максимальную суммарную прибыль, которую в соответствии с требованиями задачи определим в качестве целевой функции (критерия эффективности) проектной задачи.
3. Опишем математически каждое из требований.
3.1.Суммарные затраты физического труда при изготовленииX 1 тыс.шт. декоративной метлахской плитки, X 2 тыс.шт. глазурованной облицовочной плитки и X 3 тыс.шт. простой метлахской плитки не могут превышать 100 часов:
1´X1 +1´X2 +1´X3 £ 100 – труд рабочих (3.1)
3.2. Суммарные затраты управленческого труда при изготовленииX 1 тыс.шт. декоративной метлахской плитки, X 2 тыс. шт. глазурованной облицовочной плитки и X 3 тыс. шт. простой метлахской плитки не могут превышать 300 часов:
2´X1 + 2´X2 + 6´X3 £ 300 – управление (3.2)
3.3. Суммарные затраты сырья при изготовленииX 1 тыс.шт. декоративной метлахской плитки, X 2 тыс.шт. глазурованной облицовочной плитки и X 3 тыс.шт. простой метлахской плитки не могут превышать 60 тонн:
1´X1 + 0,4´X2 + 0,5´X3 £ 60 –сырье (3.3)
Целевая функция Ф, отражающая суммарную прибыль, запишется так:
Ф = 100X1 + 60X2 + 40X3
Ко всем перечисленным требованиям следует добавить требование неотрицательности всех X, так как очевидно, что объемы выпуска изделий не могут быть отрицательными числами:
X1 ³ 0, X2 ³ 0, X3 ³ 0
Таким образом, полученная математическая модель, состоящая из целевой функции Ф и системы ограничений (3.1), (3.2), (3.3) формализует нашу проектную задачу в виде задачи математического программирования:
максимизировать целевую функцию прибыли
Ф = 100X1 + 60X2 + 40X3 ® max
при ограничениях
X1 + X2 + X3 £ 100
2X1 + 2X2 + 6X3 £ 300
X1 + 0,4X2 + 0,5X3 £ 60
X1 ³ 0, X2 ³ 0, X3 ³ 0
Решение этой формализованной задачи с помощью компьютера дает следующие оптимальные параметры производственной программы:
X1* = 33,33 тыс.шт.; X2* = 66,67 тыс.шт.; X3* = 0;
При этом максимальная ежедневная прибыль предприятия составляет
Ф* = 7333,3 тыс.руб.
Полученное оптимальное решение предусматривает производство только декоративной (33 330 шт. в сутки) и глазурованной метлахской плитки (66 670 шт. в сутки). То есть производство простой метлахской плитки в этих условиях для предприятия невыгодно.
Здесь следует отметить, что само условие задачи (т.е. наше техническое задание) исходило лишь из возможностей и выгод предприятия и никак не учитывало общественные потребности в виде минимально необходимого количества продукции того или иного вида. Если бы это учитывалось, то в модель в качестве ограничений эти условия были бы добавлены. Например, в условии содержалось бы требование: завод должен удовлетворить ежедневную потребность в простой метлахской плитке в количестве не менее 5000 шт. Тогда соответствующее ограничение выглядело бы так:
X3 ³ 5
Это ограничение добавилось бы к модели и, естественно, изменило бы оптимальное решение. При этих новых условиях и величина максимально возможной прибыли изменилась бы (в данном случае, очевидно, уменьшилась бы).
Важное достоинство моделей, построенных по рассмотренному нами методу, заключается в том, что они остаются открытыми, и при изменении постановки задачи проектирования могут дополняться новыми ограничениями. Возможно также и построение усеченных моделей, учитывающих по желанию проектировщика не все требования исходной задачи.
В соответствии с рассмотренным методом построения операционных (синтезирующих) моделей объектов проектирования отличительным качеством является обязательный в процессе их создания этап испытания на компьютере, что дает возможность наглядно выявить все несоответствия и неточности (в постановке задачи, формировании критерия эффективности или системы ограничений). Эти несоответствия проявляются в синтезе по такой модели несообразных конструктивных параметров объекта (синтез конструктивного «урода»). На этапе корректировки модели такие неточности эффективно устраняются.
В рассмотренном примере синтезированный результат X3* = 0 мог бы в принципе рассматриваться как несообразный (уродливый): ведь предприятие имеет соответствующее оборудование для выпуска простой метлахской плитки, да и потребность в этой плитке имеется. Тогда, посчитав такой результат (X3* = = 0) нелепым, мы бы обратились к качественной модели и обнаружили бы, что не учли общественные потребности в этом виде продукции, и дополнили бы модель соответствующим ограничением, о котором говорили ранее: X3 ³ 5.
Если же такое дополнение не предусматривалось техническим заданием на задачу, то следовало бы проверить правильность исходной информации (количество труда и сырья на производство единицы продукции, а также величину удельной прибыли).
Поскольку полученный результат X3* = 0, по сути, превращает наш проект в задачу с двумя переменными, рассмотрим ее решение графическим методом, который позволяет довольно просто решать линейные задачи математического программирования.
Определение. Если операционная математическая модель состоит из линейной целевой функции, и входящие в систему ограничений равенства и (или) неравенства также линейны, то такая модель (и соответствующая проектная задача) относится к классу оптимизационных задач линейного программирования, и в этом случае могут быть использованы характерные для такого класса задач методы решения (графический, симплекс-метод).
Таким образом, в сформулированной нами задаче линейного программирования (для двух переменных X1 и X2, при X3* = 0) требуется найти значения переменных X1 и X2, удовлетворяющие всем ограничениям и обеспечивающие максимальное значение целевой функции.
Для двух переменных наша задача примет вид (подставим X3* = 0 во все выражения полученной ранее модели)
|
Ф =100X1 + 60X2 ® max
X1 + X2 £ 100
2X1 + 2X2 £ 300
X1 + 0,4X2 £ 60
X1 ³ 0, X2 ³ 0
Пусть, например, координаты точки X1 = X10, X2 = X20 таковы, что для этой точки выполняются все ограничения. Такая точка называется допустимым решением. Множество допустимых решений называется допустимой областью. Решение задачи линейного программирования состоит в отыскании наилучшего решения в допустимой области. Лучшее допустимое решение задачи называется оптимальным. Значение целевой функции, соответствующее оптимальному решению, называется оптимальным значением задачи математического программирования.
При использовании графического метода решения для изображения допустимой области следует начертить графики всех ограничений (прямые линии). Каждая прямая разделяет область на две полуплоскости (допустимую и недопустимую). Пересечение допустимых полуплоскостей определяет многоугольник, который и представляет собой множество допустимых решений задачи (допустимую область). Эта область, образованная ограничениями g1(x1,x2) – g3(x1,x2), на рис.3.4 показана заштрихованным треугольником.
Если зафиксировать значение целевой функции Z = C1X1 + C2X2, то соответствующая этому значению точка будет лежать на некоторой прямой. При изменении величины Z эта прямая подвергается параллельному переносу. Пусть C1 и C2 таковы, что при удалении прямой от начала координат значение целевой функции увеличивается. Двигая прямую вверх параллельно самой себе, приходим к такому положению Zmax, когда прямая и допустимое множество будут иметь только одну общую точку А. Очевидно, что точка А с координатами X1 = X1* и X2 = X2 *и естьоптимальное решение, так как она лежит на прямой с максимально возможным значением Zmax. Пользуясь изложенным методом, решим графически нашу задачу.
Преобразуем систему ограничений к виду
X1 /100 + X2 /100 £ 1
X1 /150 + X2 /150 £ 1
X1 /60 + X2 /150 £ 1
X1 ³ 0, X2 ³ 0,
а целевую функцию запишем в виде
100X1 /Ф + 60X2 /Ф = 1
Пусть Ф(1) = 100x60. Тогда для этого фиксированного значения Ф(1) уравнение прямой имеет вид
X1 / 60 + X2 / 100 = 1
|
Рис.3.5
Прямая, соответствующая полученному выражению, представлена на рис.3.5 штрих-пунктирной линией. Здесь же изображены прямые, соответствующие системе ограничений: (1) – труд рабочих; (2) – управление; (3) – сырье. Жирными линиями выделена допустимая область, очерченная прямыми, соответствующими ограничениям по труду рабочих и сырью, а также осями абсцисс и ординат, что соответствует требованию неотрицательности оптимизируемых параметров. Оптимальным решением является точка А, лежащая на пересечении двух ограничений – (1) и (3).
