Ανδρέας Γεωργίου,

Γεώργιος Οικονόμου,

Γεώργιος Τσιότρας

Κωνσταντίνος  Καπάρης

 

 

Μελέτες Περιπτώσεων Επιχειρησιακής Έρευνας

 

B΄ Έκδοση

 

 

Εκδότης: Μπένου Ε.

 

Μορφή: Μαλακό εξώφυλλο

 

Αριθμός σελίδων: 904

 

Κωδικός ISBN: ISBN: 978-960-359-147-4

 

Διαστάσεις: 24 × 17 εκ.

 

Κωδ. Εύδοξος: 86198166

 

 

 ► παρουσίαση

 

Αν ήξερε ο George Boole ότι η δίτoμη άλγεβρα που επινόησε παραπάνω από ενάμιση αιώνα πριν, θα έθετε τα θεμέλια της «4ης βιομηχανικής επανάστασης» και θα συνέβαλλε, με τις εξελίξεις της ψηφιακής τεχνολογίας, στην ανάπτυξη νέων μορφών επικοινωνίας και οικονομικών συναλλαγών, στη δικτύωση ανθρώπων και αντικειμένων και στη ραγδαία εξέλιξη των εφαρμογών της τεχνητής νοημοσύνης, υποθέτουμε ότι μπορεί να ήταν ενθουσιασμένος. Ενδεχομένως, από την άλλη πλευρά, να είχε τρομάξει τόσο πολύ από την πιθανή εξέλιξη των πραγμάτων ώστε να απέφευγε να δημοσιεύσει τις ιδέες του σχετικά με τη μαθηματική λογική. Όπως και να έχουν τα πράγματα, τώρα βρισκόμαστε εδώ, σε μια εποχή που χαρακτηρίζεται από ακόμη μεγαλύτερη μεταβλητότητα, αβεβαιότητα, ρίσκο και ταυτόχρονα από την παραγωγή τεράστιου όγκου δεδομένων, με απίστευτη ποικιλομορφία, αδόμητη μορφή και υψηλό ρυθμό (ταχύτητα) εμφάνισης και συσσώρευσης. Είναι οι εξελίξεις που συνηγορούν ακόμη περισσότερο στο γεγονός ότι η Επιχειρησιακή Έρευνα, όπως μεταλλάσσεται τα τελευταία χρόνια σε αναπόσπαστο τμήμα της Αναλυτικής των Επιχειρήσεων (Business Analytics), αποτελεί απαραίτητο εργαλείο στη διαδικασία λήψης βέλτιστων αποφάσεων.

Χρησιμοποιώντας τα εργαλεία που απλόχερα προσφέρει η Πληροφορική, μπορούμε με σχετική ευκολία και χαμηλό κόστος να αναπτύσσουμε συστήματα υποστήριξης αποφάσεων, που χαρακτηρίζονται από μεγαλύτερη ακρίβεια, αποδοτικότητα, ευελιξία και αποτελεσματικότητα και τα οποία μπορούν να ενσωματώσουν με συστηματικό τρόπο τη διαδικασία επίλυσης επιχειρησιακών προβλημάτων με τη χρήση ποσοτικών μεθόδων. Αυτό το στοιχείο το θεωρούμε απόλυτα ενθαρρυντικό, αφού τα βασικά χαρακτηριστικά που διέπουν κάθε απόφαση, όπως η στοχαστικότητα, το ρίσκο, ο ανταγωνισμός και η ανεπάρκεια πόρων συνεχίζουν όχι μόνο να υπάρχουν αλλά διογκώνονται στο σύγχρονο περιβάλλον. Η δυνατότητα να χρησιμοποιήσει κανείς μαθηματικά μοντέλα που καθοδηγούν τη λήψη αποφάσεων στη διατήρηση της ανταγωνιστικότητας μίας επιχείρησης, στηρίζοντας τις αποφάσεις όχι μόνο σε ποιοτικές ή διαισθητικές προσεγγίσεις, αλλά ταυτόχρονα και σε ποσοτικές τεχνικές είναι εξόχως απαραίτητη την εποχή της ανάλυσης μεγάλου όγκου δεδομένων (Big Data Analytics).

Το βιβλίο αυτό πρωτοεμφανίστηκε τη δεκαετία του 90 με τίτλο «Ποσοτική Ανάλυση Περιπτώσεων» των Γ. Οικονόμου και Γ. Τσιότρα. Το σύγγραμμα εκείνο, πρωτοποριακό για την ελληνική σχετική βιβλιογραφία, χρησιμοποιήθηκε για αρκετά χρόνια στη διδασκαλία μαθημάτων Επιχειρησιακής Έρευνας, με τη χρήση της μεθόδου ανάλυσης περιπτώσεων (case studies). Στην απλούστερη χρήση του, το βιβλίο ήταν ένα απαραίτητο βοήθημα με αναλύσεις περιπτώσεων για τη στήριξη μαθημάτων Επιχειρησιακής Έρευνας, τόσο σε προπτυχιακό όσο και σε μεταπτυχιακό επίπεδο. Το 2006 το βιβλίο επανεκδόθηκε με τίτλο «Μελέτες Περιπτώσεων Επιχειρησιακής Έρευνας» με καινούργιες αναλύσεις σε πιο εκτενή μορφή και χρήση λογισμικού, από τους Α. Γεωργίου, Γ. Οικονόμου και Γ. Τσιότρα. Το παρόν αποτελεί την Β' έκδοσή του, στην οποία καλωσορίζουμε έναν ακόμη συγγραφέα, τον Κ. Καπάρη και έχουμε προσθέσει έξι ακόμη αναλύσεις περιπτώσεων και ένα έξτρα κεφάλαιο αφιερωμένο στην μοντελοποίηση με τη χρήση μιας Python βιβλιοθήκης που ονομάζεται Pyomo (Python optimization modelling objects).

Οι κύριοι στόχοι του βιβλίου είναι οι ακόλουθοι:

  1. Η  συσχέτιση του υλικού που διδάσκεται σε διάφορες λειτουργικές περιοχές της Διοίκησης Επιχειρήσεων και της Διοίκησης Λειτουργιών με πιο ρεαλιστικά προβλήματα,
  2. Η ενίσχυση των φοιτητών και των φοιτητριών στην προσπάθειά τους να καλλιεργήσουν την ικανότητα αντίληψης ενός πραγματικού προβλήματος και των τρόπων αντιμετώπισής του με την κατάλληλη τεχνική,
  3. Η κατάδειξη των δυσκολιών που συναντώνται από τη θεωρία στην πράξη αλλά και η κομψότητα της μαθηματικής μοντελοποίησης, όταν εξετάζουμε ρεαλιστικά προβλήματα,
  4. Η βαθύτερη γνωριμία με τεχνικές που διδάσκονται στα θεωρητικά μαθήματα υποθέτοντας ότι ακόμη και η απλή γνώση της ύπαρξης αυτών των τεχνικών σε μια εργαλειοθήκη μαθηματικών μεθόδων μπορεί κάποια στιγμή να κάνει τη διαφορά,
  5. Η ενδελεχής διερεύνηση, ο πειραματισμός, η ερμηνεία, των ευρημάτων με αποτελεσματικό τρόπο,
  6. Η παρουσίαση απλών και εύκολων στη χρήση υπολογιστικών εργαλείων με τα οποία μπορούν να επιτευχθούν οι παραπάνω στόχοι.

Καθεμία από τα τις μελέτες περίπτωσης, που παρουσιάζεται, πηγάζει από ένα πρόβλημα διοικητικού ενδιαφέροντος από κάποια λειτουργική περιοχή της Διοίκησης Επιχειρήσεων. Σε όλες τις μελέτες περίπτωσης, διαμορφώνεται αρχικά ένα ποσοτικό μοντέλο, το οποίο επιλύεται με κατάλληλο λογισμικό, και στη συνέχεια εξετάζονται ερωτήματα της μορφής «what if» δηλαδή πραγματοποιείται ανάλυση ευαισθησίας.

Ειδικότερα, κάθε μελέτη περίπτωσης αναπτύσσεται, κατά κανόνα, σε μία σειρά ενοτήτων οι οποίες είναι:

• Εισαγωγικές πληροφορίες

• Παράθεση ενός σεναρίου (μέτριου συνήθως επιπέδου δυσκολίας)

• Παρουσίαση βασικών υποθέσεων

• Ανάπτυξη του κατάλληλου μαθηματικού μοντέλου

• Επίλυση του μοντέλου και η παρουσίαση των αρχικών αποτελεσμάτων

• Εκτενής ανάλυση ευαισθησίας και η οικονομική ερμηνεία

• Ανάπτυξη παραλλαγών μοντελοποίησης

• Διοικητικός διάλογος

Κάθε πρόβλημα παρουσιάζεται με, απλά στη χρήση, προγράμματα λογισμικού, όπως το WinQSB, το LINDO το Excel ή το POM/QM. Όπως ήδη αναφέρθηκε, στην παρούσα έκδοση έχει προστεθεί και ένα ακόμη κεφάλαιο αφιερωμένο στην ανάπτυξη αλγεβρικών μοντέλων με τη χρήση της βιβλιοθήκης Pyomo. Τα εργαλεία αυτά, διευκολύνουν σε πολύ μεγάλο βαθμό τόσο την εισαγωγή των στοιχείων όσο και την ανάλυση ευαισθησίας και τον εντοπισμό των εναλλακτικών άριστων λύσεων. Σε κάθε περίπτωση πάντως, σημειώνεται ότι η χρήση WinQSB, Excel, POM/QM, LINDO ή Pyomo/Python είναι ενδεικτική. Το περιεχόμενο του βιβλίου δεν εξαρτάται άμεσα από κάποιο συγκεκριμένο λογισμικό. Αυτό που έχει σημασία είναι η μοντελοποίηση, η ανάλυση και η ερμηνεία των αποτελεσμάτων, τα οποία θα μπορούσαν να προκύπτουν με τη χρήση οποιουδήποτε άλλου λογισμικού έχει στη διάθεσή του ο αναγνώστης και ενδεχομένως είναι πιο εξοικειωμένος με τη χρήση του.

Το βιβλίο αυτό μπορεί να συνοδεύσει το θεωρητικό τμήμα της διδασκαλίας ενός εισαγωγικού ή προχωρημένου μαθήματος Επιχειρησιακής Έρευνας ή Management Science Business Analytics, τόσο σε προπτυχιακό όσο και σε μεταπτυχιακό επίπεδο, ανάλογα με το ακροατήριο στο οποίο απευθύνεται ο διδάσκων ή η διδάσκουσα και ανάλογα με το εύρος και το βάθος της ανάλυσης που υιοθετεί. Τα σύμβολα και η ορολογία που χρησιμοποιούμε είναι σε συμφωνία με το βιβλίο «Επιχειρησιακή Έρευνα για τη Λήψη Διοικητικών Αποφάσεων» των Γ. Οικονόμου και Α. Γεωργίου, εκδόσεις Μπένου, 2016.

Σημειώνουμε επίσης, ότι υπάρχει εκτενές βοηθητικό υλικό διδασκαλίας και αρχεία δεδομένων τα οποία ο ενδιαφερόμενος αναγνώστης μπορεί να ζητήσει με σχετικό μήνυμα προς τον έναν από τους συγγραφείς στο: acg@uom.edu.gr. Επίσης, υλικό μπορεί να αναζητηθεί στη διεύθυνση: https://www.dropbox.com/home/Official Case Studies Book Material

Κρίνουμε επίσης χρήσιμο να αναφερθεί ότι, αν και σε διάφορα σημεία του βιβλίου αναφερόμαστε στον «αναγνώστη», προφανώς εννοούμε τόσο τον «αναγνώστη» όσο και τις «αναγνώστριες» του υλικού αυτού που εξίσου ενθουσιωδώς, αν όχι και περισσότερο, χρησιμοποίησαν και χρησιμοποιούν το βιβλίο μας όλα αυτά τα χρόνια.

Στη δεύτερη έκδοση, εκτός από το καινούριες μελέτες, πραγματοποιήθηκαν αρκετές διορθώσεις τυπογραφικών κυρίως σφαλμάτων που εμφανίζονταν σποραδικά στο κείμενο. Επιπλέον, έγινε επικαιροποίηση των πηγών, ώστε να συμβαδίζουν με τις νέες εκδόσεις και εξελίξεις της σχετικής βιβλιογραφίας.

Ολοκληρώνοντας, θέλουμε να ευχαριστήσουμε θερμά τους φοιτητές και τις φοιτήτριές μας, που χρησιμοποίησαν την πρώτη έκδοση του βιβλίου αυτού και εντόπισαν αβλεψίες και σφάλματα, τα οποία υπέδειξαν με προθυμία και ενδιαφέρον. Ευχαριστούμε επίσης τους συναδέλφους, μέλη ΔΕΠ, που υιοθέτησαν το υλικό αυτό στη διδασκαλία τους και συνεισφέρουν με την καλόπιστη κριτική τους στη συνεχή βελτίωσή του.

Τέλος, αλλά όχι έσχατο, ευχαριστούμε θερμά τις εκδόσεις Μπένου για τη συνεχή στήριξη και προσπάθεια αναβάθμισης και εξέλιξης της έκδοσης του βιβλίου αυτού.

Αθήνα, 2019

Οι συγγραφείς

Α.Κ. Γεωργίου - Γ.Σ. Οικονόμου –

      Γ. Τσιότρας - Κ. Καπάρης

 Αθήνα, 2006

 ► περιεχόμενα

 

ΠΡΟΛΟΓΟΣ ΠΡΩΤΗΣ ΕΚΔΟΣΗΣ  19

ΠΡΟΛΟΓΟΣ ΔΕΥΤΕΡΗΣ ΕΚΔΟΣΗΣ  25

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 1

Προγραμματισμός Αγροτικής Παραγωγής «AGRO»   29

1.0 Εισαγωγικές πληροφορίες    29

1.1 To σενάριο  30

1.2 Οι βασικές υποθέσεις  31

1.3 To μοντέλο  32

1.4 H επίλυση του μοντέλου       34

1.5 Ανάλυση ευαισθησίας και οικονομική ερμηνεία   Ι 35

1.5.1 Ανάλυση των αντικειμενικών συντελεστών  36

1.5.2 Aνάλυση των δεξιών μελών των περιορισμών  39

1.6 Διοικητικός διάλογος  45

1.7 Eπίλυση του προβλήματος με το Lindo  48

1.8 Eπίλυση του προβλήματος με το Excel  50

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 2

Προγραμματισμός Προϊόντων «MODA A.E.»  53

2.0 Εισαγωγικές πληροφορίες  53

2.1 To σενάριο   54

2.2 Οι βασικές υποθέσεις  55

2.3 To  μοντέλο  56

2.4 H επίλυση του μοντέλου  58

2.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία  60

2.5.1 Aνάλυση των αντικειμενικών συντελεστών  60

2.5.2 Aνάλυση των δεξιών μελών των περιορισμών   67

2.6 Διοικητικός διάλογος  79

2.7 Eπίλυση του προβλήματος με το Lindo  81

2.8 Eπίλυση του προβλήματος με το Excel  83

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ  3

Επιλογή Χαρτοφυλακίου I  85

3.0 Εισαγωγικές πληροφορίες   85

3.1 To σενάριο   86

3.2 Οι βασικές υποθέσεις  88

3.3 To μοντέλο   89

3.4 H επίλυση του μοντέλου        92

3.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία       94

3.5.1 Aνάλυση των αντικειμενικών συντελεστών   94

3.5.2 Aνάλυση των δεξιών μελών των περιορισμών  101

3.6 Παραλλαγές μοντελοποίησης  110

3.7 Διοικητικός διάλογος  118

3.8 Επίλυση του προβλήματος με το Lindo  122

3.9 Επίλυση του προβλήματος με το Excel  126

MEΛETH ΠEPIΠTΩΣHΣ 4

Επιλογή Χαρτοφυλακίου II   131

4.0 Εισαγωγικές πληροφορίες  131

4.1 To σενάριο  132

4.2 Οι βασικές υποθέσεις  134

4.3 To μοντέλο  135

4.4 H επίλυση του μοντέλου  137

4.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία   139

4.5.1 Aνάλυση των αντικειμενικών συντελεστών  139

4.5.2 Aνάλυση των δεξιών μελών των περιορισμών  146

4.6 Παραλλαγές μοντελοποίησης  152

4.7 Διοικητικός διάλογος  155

4.8 Επίλυση του προβλήματος με το Lindo  158

4.9 Επίλυση του προβλήματος με το Excel  160

MEΛETH ΠEPIΠTΩΣHΣ 5

Επιλογή Επενδύσεων  163

5.0 Εισαγωγικές πληροφορίες  163

5.1 To σενάριο  164

5.2 Οι βασικές υποθέσεις  165

5.3 To μοντέλο  167

5.4 H επίλυση του μοντέλου  171

5.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία   176

5.5.1 Aνάλυση των αντικειμενικών συντελεστών  176

5.5.2 Aνάλυση των δεξιών μελών των περιορισμών  186

5.6 Το αντίστροφο πρόβλημα  195

5.7 Διοικητικός διάλογος  198

5.8 Eπίλυση του προβλήματος με το Lindo 201

5.9 Eπίλυση του προβλήματος με το Excel 204

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 6

Το Πρόβλημα των Lorie και Savage 207

6.0 Εισαγωγικές πληροφορίες 207

6.1 To σενάριο και οι βασικές υποθέσεις 208

6.2 To αρχικό μοντέλο (παραλλαγή 1) 209

6.3 H επίλυση του μοντέλου  211

6.4 Aνάλυση ευαισθησίας και οικονομική ερμηνεία    212

6.4.1 Aνάλυση των αντικειμενικών συντελεστών 212

6.4.2 Aνάλυση των δεξιών μελών των περιορισμών 213

6.5 Παραλλαγή 2 219

6.6 Παραλλαγή 3  221

6.7 Διοικητικός διάλογος 225

6.8 Eπίλυση του προβλήματος με το Lindo 226

6.9 Eπίλυση του προβλήματος με το Excel 228

MEΛETH ΠEPIΠTΩΣHΣ 7

Στρατηγική Χρηματοοικονομικής  Δράσης 231

7.0 Εισαγωγικές πληροφορίες   231

7.1 To σενάριο 232

7.2 Oι βασικές υποθέσεις 234

7.3 To μοντέλο  234

7.4 H επίλυση του μοντέλου   237

7.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία    242

7.5.1 Aνάλυση των αντικειμενικών συντελεστών 242

7.5.2 Aνάλυση των δεξιών μελών των περιορισμών 244

7.6 Εναλλακτική μοντελοποίηση του προβλήματος 248

7.7 Διοικητικός διάλογος 254

7.8 Eπίλυση του προβλήματος με το Lindo 256

7.9 Eπίλυση του προβλήματος με το Excel 261

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 8

Επιλογή Διαφημιστικών Μέσων  I 263

8.0 Εισαγωγικές πληροφορίες 263

8.1 To σενάριο 264

8.2 Oι βασικές υποθέσεις 267

8.3 Το μοντέλο  267

8.4 H επίλυση του μοντέλου 269

8.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία    271

8.5.1 Aνάλυση των αντικειμενικών συντελεστών 271

8.5.2 Aνάλυση των δεξιών μελών των περιορισμών 277

8.6 Παραλλαγές μοντελοποίησης 289

8.7 Διοικητικός διάλογος 294

8.8 Επίλυση του προβλήματος με το Lindo 297

8.9 Επίλυση του προβλήματος με το Excel 299

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 9

Επιλογή Διαφημιστικών Μέσων II  301

9.0 Εισαγωγικές πληροφορίες  301

9.1 To σενάριο  302

9.2 Oι βασικές υποθέσεις  304

9.3 To μοντέλο  304

9.4 H επίλυση του μοντέλου  307

9.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία    309

9.5.1 Aνάλυση των αντικειμενικών συντελεστών  309

9.5.2 Aνάλυση των δεξιών μελών των περιορισμών  312

9.6 Διοικητικός διάλογος  318

9.7 Επίλυση του προβλήματος με το Lindo  320

9.8 Επίλυση του προβλήματος με το Excel  323

MEΛETH ΠEPIΠTΩΣHΣ   10

Aνάλυση Νεκρού Σημείου με Περιορισμούς  325

10.0 Εισαγωγικές πληροφορίες  325

10.1 To σενάριο  326

10.2 Oι βασικές υποθέσεις  330

10.3 Το μοντέλο  330

10.4 H επίλυση του μοντέλου  332

10.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία   333

10.5.1 Aνάλυση των αντικειμενικών συντελεστών  333

10.5.2   Ανάλυση των δεξιών μελών των περιορισμών  336

10.6 Παραλλαγές με τη χρήση μεικτού ακέραιου γραμμικού προγραμματισμού   341

10.7 Διοικητικός διάλογος  346

10.8 Επίλυση του προβλήματος με το Lindo  347

10.9 Επίλυση του προβλήματος με το Excel  352

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 11

Πρόγραμμα Παρακίνησης Πωλητών  357

11.0 Εισαγωγικές πληροφορίες  357

11.1 To σενάριο  358

11.2 Oι βασικές υποθέσεις  361

11.3 Διαμόρφωση και επίλυση του μοντέλου  362

11.4 Aνάλυση ευαισθησίας και οικονομική ερμηνεία    366

11.4.1 Aνάλυση των αντικειμενικών συντελεστών  366

11.4.2 Aνάλυση των δεξιών μελών των περιορισμών  370

11.5 Διοικητικός διάλογος  374

11.6 Eπίλυση του προβλήματος με το Lindo  376

11.7 Eπίλυση του προβλήματος με το Excel  377

MEΛETH ΠEPIΠTΩΣHΣ 12

Προγραμματισμός Παραγωγής Ελαστικών της «Tires Co»  381

12.0 Εισαγωγικές πληροφορίες   381

12.1 To σενάριο  382

12.2 Oι βασικές υποθέσεις  384

12.3 Το μοντέλο  384

12.4 H επίλυση του μοντέλου  389

12.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία    394

12.5.1 Aνάλυση των αντικειμενικών συντελεστών  394

12.5.2   Aνάλυση των δεξιών μελών των περιορισμών  397

12.6 Διοικητικός διάλογος 402

12.7 Eπίλυση του προβλήματος με το Lindo 405

12.8 Eπίλυση του προβλήματος με το Excel 409

MEΛETH ΠEPIΠTΩΣHΣ 13

Γενικός Προγραμματισμός «MEC»  411

13.0 Εισαγωγικές πληροφορίες  411

13.1 To σενάριο 412

13.2 Oι βασικές υποθέσεις 422

13.3 ^ μοντέλο  423

13.4 H επίλυση του μοντέλου 428

13.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία  435

13.5.1 Aνάλυση των αντικειμενικών συντελεστών 435

13.5.2 Aνάλυση των δεξιών μελών των περιορισμών 440

13.6 Eπίλυση του προβλήματος με τη μέθοδο μεταφοράς 448

13.7 Διοικητικός διάλογος 460

13.8 Eπίλυση του προβλήματος με το Lindo 466

13.9 Επίλυση του προβλήματος με το Excel 470

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ   14

Διύλιση Πετρελαιοειδών «GP-UNITED» 473

14.0 Εισαγωγικές πληροφορίες 473

14.1 To σενάριο 474

14.2 Οι βασικές υποθέσεις 477

14.3 Το μοντέλο  478

14.4 Η επίλυση του μοντέλου 484

14.5 Ανάλυση ευαισθησίας και οικονομική ερμηνεία  488

14.5.1 Ανάλυση των αντικειμενικών συντελεστών 488

14.5.2 Ανάλυση των δεξιών μελών των περιορισμών 495

14.6 Παραλλαγή για την καμπύλη απόδοσης της διαφημιστικής δαπάνης 504

14.7 Διοικητικός διάλογος 508

14.8 Επίλυση του προβλήματος με το Lindo 510

14.9 Επίλυση του προβλήματος με το Εxcel 512

MEΛETH ΠEPIΠTΩΣHΣ 15

Προστασία του Περιβάλλοντος  515

15.0 Εισαγωγικές πληροφορίες 515

15.1 To σενάριο 516

15.2 Οι βασικές υποθέσεις 519

15.3 Το μοντέλο  520

15.4 Η επίλυση του μοντέλου 522

15.5 Ανάλυση ευαισθησίας και οικονομική ερμηνεία    523

15.5.1 Ανάλυση των αντικειμενικών συντελεστών 523

15.5.2 Ανάλυση των δεξιών μελών των περιορισμών 527

15.6 Διοικητικός διάλογος 530

15.7 Επίλυση του προβλήματος με το Lindo 533

15.8 Επίλυση του προβλήματος με το Excel 535

MEΛETH ΠEPIΠTΩΣHΣ 16

Αποδοτικότητα Νοσηλευτικών Μονάδων - Μέθοδος DEA    537

16.0 Εισαγωγικές πληροφορίες 537

16.1 Εισαγωγικά στοιχεία και TO σενάριο 538

16.2 Οι βασικές υποθέσεις 546

16.3 Το μοντέλο  547

16.4 Η επίλυση του μοντέλου 552

16.5 Ανάλυση ευαισθησίας και παραλλαγές 554

16.5.1 Ανάλυση των αντικειμενικών συντελεστών 554

16.5.2 Ανάλυση των δεξιών μελών των περιορισμών 554

16.6 Διοικητικός διάλογος 559

16.7 Eπίλυση του προβλήματος με το Lindo 561

16.8 Eπίλυση του προβλήματος με το Excel 563

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 17

Κατανομή υδάτινων πόρων 565

17.0 Εισαγωγικές πληροφορίες 565

17.1 Εισαγωγικά στοιχεία και το σενάριο 566

17.2 Oι βασικές υποθέσεις 567

17.3 Το μοντέλο  568

17.4 H επίλυση του μοντέλου 573

17.5 Aνάλυση ευαισθησίας και οικονομική ερμηνεία    584

17.5.1 Aνάλυση των αντικειμενικών συντελεστών 584

17.5.2 Aνάλυση των δεξιών μελών των περιορισμών 590

17.6 Ένα σχετικό πολυσταδιακό πρόβλημα με ιδιαίτερο ενδιαφέρον  600

17.6.1 Προγραμματισμός χωρητικότητας μίας δεξαμενής με δεδομένη ζήτηση   601

17.6.2 Προγραμματισμός χωρητικότητας περισσοτέρων δεξαμενών  611

17.7 Διοικητικός διάλογος  618

17.8 Επίλυση του προβλήματος με το Lindo  620

17.9 Επίλυση του προβλήματος με το Excel  624

MEΛETH ΠEPIΠTΩΣHΣ 18

Αποδοτικότητα Νοσηλευτικών Μονάδων - Μέθοδος DEA       629

18.0 Εισαγωγικές πληροφορίες  629

18.1 Εισαγωγικά στοιχεία και το σενάριο  630

18.2 Οι βασικές υποθέσεις  635

18.3 Το μοντέλο  635

18.4 H επίλυση του μοντέλου  639

18.5 Ανάλυση ευαισθησίας και παραλλαγές  643

18.5.1 Ανάλυση των αντικειμενικών συντελεστών  643

18.5.2 Ανάλυση ευαισθησίας των δεξιών μελών των περιορισμών   648

18.6 Διοικητικός διάλογος  660

18.7 Επίλυση του προβλήματος με το Lindo  669

18.8 Επίλυση του προβλήματος με το Excel  672

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 19

Αποδοτικότητα Νοσηλευτικών Μονάδων - Μέθοδος DEA    675

19.0 Εισαγωγικές πληροφορίες   675

19.1 Εισαγωγικά στοιχεία και to σενάριο  676

19.2 Οι βασικές υποθέσεις  678

19.3 Το πρόβλημα ζεύξης της «Green developers Ltd»    680

19.3.1 Διατύπωση του προβλήματος  680

19.3.2 Το μοντέλο του ελάχιστου ζευγνύοντος δέντρου και η επίλυσή του  680

19.4 Το πρόβλημα συντομότερης διαδρομής της «Green developers Ltd»  686

19.4.1 Διατύπωση του προβλήματος  686

19.4.2 Το μοντέλο της συντομότερης διαδρομής και η επίλυσή του  687

19.5 Το πρόβλημα μέγιστης ροής της «Green developers Ltd»  699

19.5.1 Διατύπωση του προβλήματος  699

19.5.2 Το μοντέλο της μέγιστης ροής και η επίλυσή του    704

19.6 Διοικητικός διάλογος 720

19.7 Εναλλακτικές επιλύσεις   725

MEΛETH ΠEPIΠTΩΣHΣ 20

Αντικατάσταση μηχανολογικού εξοπλισμού «United International»  731

20.0 Εισαγωγικές πληροφορίες 731

20.1 Εισαγωγικά στοιχεία και TO σενάριο 732

20.2 Οι βασικές υποθέσεις 735

20.3 Το μοντέλο συντομότερης διαδρομής της «UI» και η επίλυσή του   736

20.4 Το μοντέλο δυναμικού προγραμματισμού της «UI» και η επίλυσή του   745

20.5 Διοικητικός διάλογος   752

20.6 Επίλυση του προβλήματος με το Lindo 754

20.7 Επίλυση του προβλήματος με το Excel 758

MEΛETH ΠEPIΠTΩΣHΣ 21

Το σύστημα φορτοεκφόρτωσης της αποθήκης «Smartmarket» 763

21.0 Εισαγωγικές πληροφορίες   763

21.1 Εισαγωγικά στοιχεία και TO σενάριο 764

21.2 Οι βασικές υποθέσεις   766

21.3 Ποσοτική ανάλυση της παρούσας κατάστασης 768

21.4 Ποσοτική ανάλυση της εναλλακτικής λύσης Α 779

21.5 Ποσοτική ανάλυση της εναλλακτικής λύσης Β 781

21.6 Ποσοτική ανάλυση της εναλλακτικής λύσης Γ 783

21.7 Ποσοτική ανάλυση της εναλλακτικής λύσης Δ 786

21.8 Ποσοτική ανάλυση της εναλλακτικής λύσης Ε 788

21.9 Αξιολόγηση απόδοσης εναλλακτικών λύσεων  790

21.10 Οικονομική ανάλυση εναλλακτικών λύσεων 791

21.11 Διοικητικός διάλογος 796

21.12 Eπίλυση του προβλήματος με το Excel   800

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 22

Έρευνα ανεύρεσης φυσικού αερίου 803

22.0 Εισαγωγικές πληροφορίες  803

22.1 Το σενάριο  804

22.2 Βασικές υποθέσεις  805

22.3 Λήψη απόφασης σε συνθήκες (πλήρους) αβεβαιότητας  806

22.3.1 Αισιόδοξο (επιθετικό) κριτήριο, maximax  806

22.3.2 Απαισιόδοξο (συντηρητικό) κριτήριο, maximin  806

22.3.3 Κριτήριο Minimax κόστους ευκαιρίας (κριτήριο Savage)   807

22.3.4 Κριτήριο ανεπαρκούς αιτιολογίας (Laplace)  808

22.3.5 Κριτήριο σταθμισμένου δείκτη αισιοδοξίας (κριτήριο Hurwicz)   808

22.4 Λήψη Απόφασης σε Συνθήκες Ρίσκου   809

22.4.1 Το κριτήριο της βέλτιστης αναμενόμενης αξίας (Best EV)      810

22.4.2 Το κριτήριο του ελάχιστου αναμενόμενου κόστους ευκαιρίας   812

22.4.3 Η αξία της «τέλειας» πληροφορίας   812

22.4.4 Λήψη αποφάσεων με τη χρήση πειραματικών δεδομένων   815

ΚΕΦΑΛΑΙΟ 23

Εισαγωγή στη μοντελοποίηση με τη χρήση «αντικειμένων» Python  823

23.1 Εισαγωγή   823

23.2 Αλγεβρικές γλώσσες μοντελοποίησης   824

23.3 Μοντελοποίηση με τη χρήση Pyomo  825

23.4 Εγκατάσταση   826

23.5 Δομικά στοιχεία και εκκίνηση του περιβάλλοντος της Pyomo   827

23.6 «Συγκεκριμένα» (concrete) και «αφηρημένα» (abstract) μοντέλα       829

23.7 Παρουσίαση ενδεικτικών αναλύσεων περιπτώσεων  831

23.7.1 Περίπτωση 1: Προγραμματισμός αγροτικής παραγωγής «AGRO»        831

23.7.2 Περίπτωση 2: Προγραμματισμός προϊόντων  «MODA Α.Ε.»     841

23.7.3  Περίπτωση 3: Επιλογή χαρτοφυλακίου Ι (ΖΗΤΑ Α.Ε.)  850

23.7.4 Περίπτωση 5: Επιλογή επενδύσεων   855

23.7.5 Περίπτωση 8: Επιλογή διαφημιστικών μέσων Ι  864

23.7.6 Περίπτωση 13: Γενικός προγραμματισμός «MEC» 870

23.7.7 Περίπτωση 14: Διύλιση πετρελαιοειδών «GP-UNITED»  874

23.7.8 Περίπτωση 18: Το πρόβλημα διαμετακόμισης της Tropheus A.E  881

BIBΛIOΓPAΦIA  895

Ελληνική  895

Ξενόγλωσση   897

Ιστότοποι  901