Operations Research / Datenverarbeitung
|
|
- Silke Stieber
- vor 8 Jahren
- Abrufe
Transkript
1 Bachelor BW Operations Research / Datenverarbeitung WS 2014/15 Prof. Dr. Dominik Kramer Hochschule Trier Fachbereich Wirtschaft 1
2 Inhaltsübersicht 1 Einführung 2 Lineare Gleichungssysteme 3 Lineare Optimierung 4 Nichtlineare Optimierung 5 Heuristiken und Simulation 6 Netzplantechnik 2
3 Inhalt 1 Einführung 1.1 Charakterisierung 1.2 Quantitative Modelle in der Betriebswirtschaft 1.3 Betriebswirtschaftliche Beispiele 1.4 Stellung des OR/DV in der Betriebswirtschaft 2 Lineare Gleichungssysteme 2.1 Einführendes Beispiel 2.2 Formale Darstellung 2.3 Graphische Darstellung 2.4 Lösungsmethoden 2.5 Betriebswirtschaftliche Beispiele 3 Lineare Optimierung 3.1 Einführendes Beispiel 3.2 Formale Darstellung 3.3 Graphische Darstellung 3.4 Lösungsmethoden 3.5 Postoptimale Analysen 3.6 Betriebswirtschaftliche Beispiele 4 Nichtlineare Optimierung 4.1 Charakterisierung 4.2 Betriebswirtschaftliche Beispiele 5 Heuristiken und Simulation 5.1 Heuristische Lösungsverfahren 5.2 Simulation 6 Netzplantechnik 6.1 Charakterisierung 6.2 Strukturplanung 6.3 Zeitplanung 6.4 Kostenplanung 6.5 Kapazitätsplanung 3
4 Literatur Operations Research Brink, A. u.a. Lineare und ganzzahlige Optimierung mit impac, Vahlen: München 1991 Domschke, W., Drexl, A. Einführung ins OperationsResearch, 8. Aufl., Springer: Berlin u.a Domschke, W. u.a. Ellinger, Th. u.a. Übungen und Fallbeispiele zum OperationsResearch, 7. Aufl., Springer: Berlin u.a OperationsResearch, Eine Einführung, 6. Aufl., Springer: Berlin u.a Müller-Merbach, H. Operations Research, 3. Aufl., Vahlen: München 1973 Neumann, K. Morlock, M. Operations Research, 2. Aufl., Hanser: München, Wien 2002 Zimmermann, H.J. OperationsResearch, Methoden und Modelle, 2. Aufl., Vieweg: Wiesbaden
5 Literaturhinweise Kapitel 1 (Einführung) Domschke, Drexl(2011) Kapitel 1: Einführung, S Kapitel 2 (Lineare Gleichungssysteme) Müller-Merbach(1973) Kapitel 2: Lineare Gleichungssysteme, S Kapitel 3 (Lineare Optimierung) Brink u.a. (1991) Kapitel 2: Lineare Optimierung, S Kapitel 4 (Nichtlineare Optimierung) Domschke, Drexl(2011) Kapitel 8: Nichtlineare Optimierung, S Kapitel 5 (Heuristiken und Simulation) Heuristiken Zimmermann (2005) Kapitel 6: Heuristische Verfahren, S Simulation Domschke, Drexl(2011) Kapitel 10: Simulation, S Kapitel 6 (Netzplantechnik) Domschke, Drexl(2011) Kapitel 5: Netzplantechnik & Projektmgnt, S
6 Inhalt 1 Einführung 1.1 Charakterisierung 1.2 Quantitative Modelle in der Betriebswirtschaft 1.3 Betriebswirtschaftliche Beispiele 1.4 Stellung des OR in der Betriebswirtschaft 1.5Einführung in die verwendete Software 2 Lineare Gleichungssysteme 3 Lineare Optimierung 4 Nichtlineare Optimierung 5 Heuristiken und Simulation 6 Netzplantechnik 6
7 1.1 Einführung: Charakterisierung Planung als Gestaltung der Zukunft Ziele Durchsetzung Problemfeststellung Planung Alternative 1... Alternative n Kontrolle Vorgabe von Sollwerten Ermittlung von Istwerten Steuerung Bewertung und Entscheidung Plansystem (Budget) Realisation Abweichungsanalyse Anpassungsmaßnahmen 7
8 1.1 Einführung: Charakterisierung Reales Problem Modellgestützte Planung Erkennen & Analysieren d. Problems Ziele & Handlungsmöglichleiten Mathematisches Modell Datenbeschaffung Algorithmus Übertragung der Lösung in Realität Intuition Interpretation der Lösung Qualitative Modelle Lösung Quantitative Modelle 8
9 1.1 Einführung: Charakterisierung Elemente des Operations Research (OR) Datenermittlung Kennen von Algorithmen Lösungsfindung Modellbildung Lösungsinterpretation Entwicklung von Algorithmen 9
10 1.2 Einführung: Modelle Elemente von Modellen Zielfunktion Was will der Entscheider? Struktur (Zielfunktion, Restriktionen) Parameter Welche Zusammenhänge gibt es? Welche Rahmendaten gibt es? Variablen Worüber ist zu entscheiden? 10
11 1.2 Einführung: Modelle Offene und geschlossene Entscheidungsfelder Geschlossene Entscheidungsfelder Alle Komponenten des Entscheidungsfelds sind gegeben: Ziele, Aktionen, Umweltzustände, Ergebnisse Der Informationsstand kann durch Sicherheit, Risiko und Unsicherheit i.e.s. variierten Offene Entscheidungsfelder Entscheidungsfelder können zeitlich oder sachlich offen sein Zeitlich offen: der Planungshorizont ist nicht begrenzt Sachlichoffen: Aktionen, Umweltzustände, Ergebnisse liegen nicht vollständig vor Offene Entscheidungsfelder müssen geschlossen werden 11
12 1.2 Einführung: Modelle Formale Modelle Zielfunktion maximiere bzw. minimiere z = f(x 1, x 2, x J ) Restriktionen unter g i (x 1, x 2, x J ) = 0 i Wertebereich nichtnegative reelle Zahlen x j R + nichtnegative ganze Zahlen x j Z + binäre Zahlen x j B 12
13 1.2 Einführung: Modelle Verfahren zur Lösung quantitativer Modelle Berechnungsverfahren Lösung linearer Gleichungssysteme Verfahren der Netzplantechnik Exakte Optimierungsverfahren Lineare Optimierung. Allgemein. Spezielle Modelle (z.b. Transportmodelle). Ganzzahlige lineare Optimierung Dynamische Optimierung Nicht-exakte Optimierungsverfahren Nichtlineare Optimierung Heuristiken Verfahren zur Abbildung von Modellreaktionen Simulation 13
14 1.2 Einführung: Modelle Möglichkeiten der Modelllösung Komplexitätsklasse P Probleme, die mit polynominalem Aufwand exakt lösbar sind exakt lösbare Probleme Rechenzeit = Problemumfang n Komplexitätsklasse NP-vollständig Probleme, die nicht mit polynominalem Aufwand exakt lösbar sind Nur kleinere Probleme sind exakt lösbar, sonst: heuristische Lösung Rechenzeit = n Problemunfang Komplexitätsklasse NP(Pund NP-vollständig zusammen) Frage: P= NP? Preisgeld: $ (Clay Mathematics Institute [Cambridge, USA]) 14
15 1.3 Einführung: Beispiele Modelle in der BWL Zeithorizont strategisch Standortwahl Makeorbuy taktisch operativ Kauf von Rohstoffen Kauf einer Maschine Beschaffung Produktion Einführungs -kampagne Funktionsbereich Schlussverkauf Absatz 15
16 1.3 Einführung: Beispiele Modelle in dieser Veranstaltung Lineare Gleichungssysteme Auswahl optimaler Produktionsverfahren Teilebedarfsrechnung (Gozinto-Graph) Markow-Ketten Gewinnschwellenanalysen Lineare Optimierung Produktionsprogrammplanung Lagerhaltung und Beschaffung Mischplanung Transportplanung / Zuordnungsplanung Nichtlineare Optimierung Preis-Mengen-Optimierung Standortplanung Portfoliooptimierung Heuristiken und Simulation Lagerhaltung und Beschaffung Netzplantechnik Planung des (zeitlichen) Ablaufs von (Groß-)Projekten 16
17 1.3 Einführung: Beispiele Standortplanung (I) Verkaufsort Umsatz (Mio. ) Oldenburg 15 Münster 41 Braunschweig 29 Potsdam 53 Erfurt 22 Koblenz 37 Trier 29 Mannheim 38 Stuttgart 22 Regebensburg 19 Münschen 61 Konstanz 22 Verkaufsort Umsatz (Mio. ) Oldenburg 15 Münster 41 Braunschweig 29 Potsdam 53 Erfurt 22 Koblenz 37 Trier 29 Mannheim 38 Stuttgart 22 Regebensburg 19 Münschen 61 Konstanz 22 17
18 1.3 Einführung: Beispiele Standortplanung (II) Verkaufsort Umsatz (Mio. ) Oldenburg 15 Münster 41 Braunschweig 29 Potsdam 53 Erfurt 22 Koblenz 37 Trier 29 Mannheim 38 Stuttgart 22 Regebensburg 19 Münschen 61 Konstanz 22 18
19 1.3 Einführung: Beispiele Standortplanung (III) Verkaufsort Umsatz x y (Mio. ) Oldenburg 15 2,1 1,1 Münster 41 1,8 3,1 Braunschweig 29 4,1 2,9 Potsdam 53 6,2 2,3 Erfurt 22 4,6 4,9 Koblenz 37 1,6 5,8 Trier 29 0,9 6,7 Mannheim 38 2,2 7,2 Stuttgart 22 2,9 8,5 Regebensburg 19 5,5 8,1 Münschen 61 5,1 9,6 Konstanz 22 2,9 10,2 19
20 1.4 Einführung: Stellung OR Einordnung in die Betriebswirtschaft Steuerung der Funktionen/Prozesse Beschaffung Produktion Absatz Langfristige Entscheidungen (Festlegung der Kapazitäten) Kurzfristige Entscheidungen (bei gegebenen Kapazitäten) Informationen (Daten) Kostenrechnung Investitionsrechnung Bilanzierung Finanzierung Instrumente Operations Research/DV Statistik Mathematik 20
21 1.4 Einführung: Stellung OR Drei Ebenen zur Problemlösung 1. Ebene der Inhalte 2. Ebene der Methoden 3. Ebene der Umsetzung Daten des Unternehmens Marketing, Rechnungswesen, Produktion, Lagerhaltung, Entscheidungsbedarfe des Unternehmens Marketing, Rechnungswesen, Produktion, Lagerhaltung, Verarbeitung von Daten Statistik, Mathematik Optimierung von Entscheidungen Operations Research Verarbeitung von Daten Datenverarbeitung Berechnung von Entscheidungen Datenverarbeitung 21
22 1.4 Einführung: Software Software im Operations Research Spezielle Software Software, die speziell auf OR-Probleme zugeschnitten ist Beispiele: IBM CPLEX / LP Solve/ GNU Linear ProgrammingKit Numerische Software Algebraische Software Tabellenkalulation Software zur approximativen Berechnung Beispiele: Matlab/ Octave / Scilab/ R / Python / Julia Software zur exakten, formelgestützten Berechnung Beispiele: Mathematica/ Maxima Software zur integrativen Eingabe und Verarbeitung von Daten Beispiele: Excel/ Calc/ Gnumeric 22
23 Inhalt 1 Einführung 2 Lineare Gleichungssysteme 2.1 Einführendes Beispiel 2.2 Formale Darstellung 2.3 Graphische Darstellung 2.4 Lösungsmethoden 2.5 Betriebswirtschaftliche Beispiele 3 Lineare Optimierung 4 Nichtlineare Optimierung 5 Heuristiken und Simulation 6 Netzplantechnik 23
24 2.1 LG: Einführendes Beispiel Gewinnschwellenanalyse Ausgangslage Ein Unternehmen verkauft ein Produkt. Der Umsatz U [GE] ergibt sich als Preis p [GE/ME] mal Menge x [ME]. Die gesamten Kosten K [GE] setzen sich aus variablen Kosten k var [GE/ME] und fixen Kosten K fix [GE] zusammen. Abbildung als Gleichungssystem Umsatz: U = p x Kosten: K = k var x + K fix Ermittlung der Gewinnschwelle Bedingung: U = K (= y) (1)0 = p x 1 y (2)-K fix = k var x 1 y x = K fix /(p k var ) y = (p K fix )/(p k var ) (= U = K) 24
25 2.2 LG: Formale Darstellung Drei Arten der Darstellung Volle Darstellung a 11 x 1 + a 12 x 2 + +a 1j x j + +a 1J x J = b 1 a 21 x 1 + a 22 x 2 + +a 2j x j + +a 2J x J = b 2 a i1 x 1 + a i2 x 2 + +a ij x j + +a ij x J = b i a I1 x 1 + a I2 x 2 + +a Ij x j + +a IJ x J = b I Summendarstellung Matrixdarstellung Σ j a ij x j = b i i A x = b A = a 11 a 21 a I1 a 12 a 1J a 22 a 2J a I2 a IJ x = x 1 x 2 x J b = b 1 b 2 b I 25
26 2.3 LG: Graphische Darstellung Graphische Darstellung mit zwei Variablen Gleichungen a 11 x 1 + a 12 x 2 = b 1 a 21 x 1 + a 22 x 2 = b 2 x 2 = b 1 / a 12 (a 11 / a 12 ) x 1 x 2 = b 2 / a 22 (a 21 / a 22 ) x 1 Graphik x 2 x 1 26
27 2.4 LG: Lösungsmethoden Lösungen linearer Gleichungssysteme Mögliche Lösungen Ein LG hat keine Lösung Ein LG hat genau eine Lösung Ein LG hat unendlich viele Lösungen x 2 x 1 Elementare Zeilenumformungen, die keinen Einfluss auf die Lösung haben Vertauschen zweier kompletten Zeilen Multiplizieren einer Zeile mit einer von null verschiedenen Zahl Addieren einer Zeile oder des Vielfachen einer Zeile zu einer anderen Zeile Lösungsverfahren Einsetzmethode Matrixinversion Gaußsches Eliminationsverfahren 27
28 2.4 LG: Lösungsmethoden Gaußsches Eliminationsverfahren Ausgangspunkt a 11 x 1 + a 12 x 2 + +a 1j x j + +a 1J x J = b 1 a 21 x 1 + a 22 x 2 + +a 2j x j + +a 2J x J = b 2 a i1 x 1 + a i2 x 2 + +a ij x j + +a ij x J = b i a I1 x 1 + a I2 x 2 + +a Ij x j + +a IJ x J = b I Transformationsziel Lösung durch rückwärtiges Einsetzen 1 x 1 + a 12 x 2 + +a 1j x j + +a 1J x J = b 1 1 x 2 + +a 2j x j + +a 2J x J = b 2 1 ij x j + +a ij x J = b i 1 x J = b I 28
29 2.5 LG: Beispiele LG in der Betriebswirtschaft (I) Auswahl des optimalen Produktionsverfahrens Gegeben seinen 5 mögliche Produktionstechnologien Die Technologien führen zu Einrichtungs- sowie variablen Stückkosten Technologie Einrichtungskosten [GE] Variable Stückkosten [GE/ME] 5 3 2,67 1,5 1 Teilebedarfsrechnung (Gozinto-Graph) Gegeben seinen 5 Produkte Auftragsbestand: V: 180 ME, IV: 400 ME, II: 50 ME V 3 1 I III 2 IV 4 II 29
30 2.5 LG: Beispiele LG in der Betriebswirtschaft (II) Markov-Ketten Gegeben seinen 3 Produkte Es ist bekannt, wie die Kunden zwischen den Produkten wechseln 0,4 0,3 A 0,4 0,3 0,3 C B 0,1 0,5 0,6 0,1 Gewinnschwellenanalyse(siehe Kapitel 2.1) Innerbetriebliche Leistungsverrechnung(siehe IUR 2: Kostenrechnung) 30
31 Inhalt 1 Einführung 2 Lineare Gleichungssysteme 3 Lineare Optimierung 3.1 Einführendes Beispiel 3.2 Formale Darstellung 3.3 Graphische Darstellung 3.4 Lösungsmethoden 3.5 Postoptimale Analysen 3.6 Betriebswirtschaftliche Beispiele 4 Nichtlineare Optimierung 5 Heuristiken und Simulation 6 Netzplantechnik 31
32 3.1 LO: Einführendes Beispiel Lineare Produktionsprogrammplanung Ausgangsdaten Planungsansatz (K-Modell) Ein Unternehmen fertigt zwei Produkte P 1 und P 2. P 1 (P 2 ) kann zu einem Preis von 10 [GE/ME] (12 [GE/ME]) verkauft werden. Die variablen Kosten von P 1 (P 2 ) liegen bei 7 [GE/ME] (8 [GE/ME]). Die Produktion erfolgt auf einer Maschine, die im Planungszeitraum 10 h eingesetzt werden kann. Eine ME von P 1 (P 2 ) muss 1 [h/me] (2 [h/me]) auf der Maschine bearbeitet werden. Für die Produktion wird ein Rohstoff benötigt, von dem die 32 FE zur Verfügung stehen. Die Produktion einer ME von P 1 (P 2 ) erfordert 5 [FE/ME] (4 [FE/ME]). Z = 3 x 1 +4 x 2 max! (Zielfunktion) 1 x 1 +2 x 2 10 (Restriktion Rohstoff) 5 x 1 +4 x 2 32 (Restriktion Maschine) x 1 ; x 2 0 (Nicht-Negativitätsbedingungen) 32
33 3.2 LO: Formale Darstellung Drei Arten der Darstellung Volle Darstellung Z = c 1 x 1 + c 2 x c j x j + + c J x J max! unter a i1 x 1 + a i2 x 2 + +a ij x j + +a ij x J b i i und x j 0 j Summendarstellung Z = Σ j c j x j max! Σ j a ij x j b i i x j 0 j Matrixdarstellung Z = c T x A x b x 0 a 11 a 12 a 1J A = a 21 a I1 a 22 a 2J a I2 a IJ x = x 1 x 2 x J b = b 1 b 2 b I c = c 1 c 2 c J 33
34 3.2 LO: Formale Darstellung Anmerkungen zur Darstellung Symbole Indizes j Index der Variablen, j {1, 2,, J) i Index der Restriktionen, i {1, 2,, I) Variablen x j Variablen des Problems (Strukturvariablen), z.b. [ME] Parameterc j Zielbeiträge der Variablen, z.b. [GE/ME] b i Restriktionsgrenzen, z.b. [FE] oder [ZE] a ij Beanspruchungskoeffizienten, z.b. [FE/ME] oder [ZE/ME] Zentrale Aspekte der linearen Optimierung Zwischen den Variablen bestehen nur lineare Verknüpfungen. Die Zielfunktion ist zu maximieren. (min 1 max) Die Restriktionen liegen in -Form vor. ( 1 ) ( = und ) 34
35 3.3 LO: Graphische Lösung Graphische Lösung des Beispiels x 2 x 2 2. Rohstoff 3. Maschine Z= x 1 x 1 x 2 x 2 Z=24 Z=20 x 1 x 1 35
36 3.3 LO: Graphische Lösung Zentrale Erkenntnisse Der Lösungsraum ist konvex x 2 x 2 Konvex: Alle Linearkombinationen von Punkten des Lösungsraums liegen im Lösungsraum x 1 x 1 Nicht Konvex: Nicht alle Linearkombinationen von Punkten des Lösungsraums liegen im Lösungsraum Optimale Lösungen In einem linearen Lösungsraum ist ein Schnitt(Eck)punkt eine optimale Lösung. Weitere optimale Lösungen sind möglich. Wenn die benachbarten Lösungspunkte schlechter sind als der aktuelle, dann ist der aktuelle Punkt das Optimum (gilt nicht bei nicht-konvex). 36
37 3.4 LO: Lösungsmethoden Vorbereitung des primalen Simplex Erzeugung eines Gleichungssystems Z = Σ j c j x j max! Σ j a ij x j b i i x j 0 j Σ j a ij x j + 1 y i = b i i -Σ j c j x j +1 Z = 0 x j, y i 0 j, i x j : Strukturvariablen y i : Schlupfvariablen Überführung des Gleichungssystems in Tableauform BV x 1 x 2 x J y 1 y 2 y I RS y 1 a 11 a 12 a 1J b 1 y 2 a 21 a 22 a 2J b 2 y I a I1 a I2 a IJ b I z -c 1 -c 2 -c J
38 3.4 LO: Lösungsmethoden Schritte des primalen Simplex Ziel des primalen Simplex-Algorithmus Verbesserung der aktuellen Lösung durch Basistausch (Iteration) Voraussetzung: Zulässige Basislösung (RS 0) 1. Festlegung der Pivotspalte Festlegung einer neuen Basisvariablen j: Wähle die Variable mit dem kleinsten negativen ZF-Wert -c j aus 2. Festlegung der Pivotzeile Festlegung der die Basis verlassenden Variable i: Wähle die Variable mit dem kleinsten positiven Quotienten b i /a ij aus 3. Pivottausch 3.1.Pivotelementa ij = 1: Dividiere die Pivotzeiledurch a ij 3.2. Andere Elemente der Pivotspalte = 0: Ziehe die neue Pivotzeilea nj mal von der Zeile n ab 4. Optimalitätsprüfung Wenn alle Werte der Zielfunktionszeile größer-gleich null sind, ist die Lösung optimal, sonst ist eine neue Iteration durchzuführen 38
39 3.4 LO: Lösungsmethoden Berechnung (Tableaus) Tableau 1 BV x 1 x 2 y 1 y 2 RS y y Z Tableau 2 BV x 1 x 2 y 1 y 2 RS y 1 0,5 1 0,5 0 5 y Z Tableau 3 BV x 1 x 2 y 1 y 2 RS y ,8333-0,167 3 y ,667 0, Z 0 0 1,3333 0,
40 3.4 LO: Lösungsmethoden Besonderheiten bei Rechnung und Lösung 1. Normaler Lösungsraum Zulässige Ausgangslösung x 2 2. Normaler Lösungsraum Unzulässige Ausgangslösung x 2 3. Kein Lösungsraum Keine zulässige Lösung x 2 x 1 x 1 x 1 4. Unbeschränkter L-Raum Keine optimale Lösung 5. Duale Degeneration Mehrere optimale Lösungen 6. Primale Degeneration Eine Basisvariable ist null x 2 x 2 x 2 x 1 x 1 x 1 40
41 3.5 LO: Postoptimale Analysen Frage und Vorgehen der Sensitivitätsanalyse Frage Wie stabil ist eine Lösung in Bezug auf die Änderung von Daten? In welchen Grenzen dürfen die Daten schwanken? Was passiert an den Grenzen? Isolierte Sensitivitätsanalyse Variation nur eines Parameters -Variation eines Zielfunktionswertes c j -Variation einer rechten Seite b i -Variation eines Tableaukoeffizientena ij * - Einfügen einer neuen Restriktion* - Einfügen einer neuen Spalte* Simultane Sensitivitätsanalyse Variation mehrerer Parameter* * Nicht Gegenstand der Veranstaltung 41
42 3.6 LO: Standardmodelle Standardmodelle der linearen Optimierung Produktionsprogrammplanung Maximiere den gesamten Deckungsbeitrag der zu fertigenden Produkte. Dabei sind beschränkte Kapazitäten (Maschinen, Rohstoffe, Absatz) zu berücksichtigen. Mischprobleme Maximiere das Verhältnis zwischen bewertetem In- und Output. Dabei sind gewisse Relationen zwischen den Inputfaktoren zu berücksichtigen. Ferner ist ggf. Schwund zu berücksichtigen. Lagerhaltung und Beschaffung Minimiere die durch Einkauf und Lagerhaltung bedingten Kosten, um einen vorgegebenen Bedarf zu decken. Dynamische Modelle mit Lagerbilanzgleichungen. 42
43 3.6 LO: Standardmodelle Lineare Modelle mit spezieller Struktur Transportprobleme Ein Gut soll von mehreren Anbieterorten zu mehreren Nachfrageorten gebracht werden ( von nach ). Dabei sind die Transportkosten zu minimieren. Wenn Angebote und Nachfragen ganzzahlig sind, ergibt sich automatisch eine ganzzahlige Lösung. Alternative Methoden der Optimierung: (1) Eröffnungsverfahren (z.b. Nord-West-Ecken-Regel, Vogelsche Aporximation, Spaltenminimummethode) (2) Optimierungsverfahren (z.b. Stepping stone oder Modi-Methode) Zuordnungsprobleme Wie Transportprobleme, jedoch sind die Angebots- und Nachfragemengen je Standort immer eins. Umladeprobleme Wie Transportprobleme, jedoch gibt es nun Orte, in denen das Gut umgeladen wird ( von über nach ). 43
44 Inhalt 1 Einführung 2 Lineare Gleichungssysteme 3 Lineare Optimierung 4 Nichtlineare Optimierung 4.1 Charakterisierung 4.2 Betriebswirtschaftliche Beispiele 5 Heuristiken und Simulation 6 Netzplantechnik 44
45 4.1 NLO: Charakterisierung Überblick nicht-lineare Optimierung Allgemeine Charakterisierung Ein nicht-lineares Problem liegt vor, wenn gilt: -die Zielfunktion ist nicht linear und / oder - die Restriktionen sind nicht linear Beispiele für nicht-lineare Ausdrücke: a x 1 2 a x 1 x 2 Graphische Darstellung (Beispiele) Lineare Optimierung x 2 Nichtlineare Optimierung (Randlösung) x 2 Z 1 Z 2 x 2 Nichtlineare Optimierung (Optimum im Lösungsraum) Z 3 x 1 x 1 x 1 45
46 4.1 NLO: Charakterisierung Problemlösungen Nichtlineare Optimierung ohne Nebenbedingungen Kriterien für ein Extremum Bei einer Variable: f = 0; f 0 Bei mehreren Variablen: f(x) = 0; H(x) 0 (Gradient, Hesse-Matrix) Probleme Bestimmbarkeit (z.b. x 6 3 x x 4 7 x x 2 5 x + 8= 0) Lokale vs. globales Optimum Einfacher zu handhaben sind konvexe Probleme Nichtlineare Optimierung mit Nebenbedingungen Lagrange Funktionen maxz = f(x 1, x 2 x J ) unter g i (x 1, x 2 x J ) 0 i und x j 0 j maxl = f(x 1, x 2 x J ) Σ i u i g i (x 1, x 2 x J ) Karush-Kuhn-Tucker Bedingungen für ein Optimum, kein Rechenweg 46
47 4.2 NLO: Beispiele Modelle der nichtlinearen Optimierung Preis-Mengen-Optimierung Analog zur linearen Produktionsprogrammplanung, jedoch gibt es einen Zusammenhang zwischen Preis und Menge bzw. zwischen einzelnen Produkten. Dabei sind beschränkte Kapazitäten (Maschinen, Rohstoffe, Absatz) zu berücksichtigen. Standortplanung Bestimmung eines optimalen Standorts im zweidimensionalen Raum. Einführendes Beispiel. Portfoliooptimierung Bestimmung der optimalen Zusammensetzung eines Portfolios. Berücksichtigung von Rendite und Risiko. Optimierung einer nichtlinearen Produktionsfunktion Bestimmung der optimalen Steuerung von Fertigungsanalgen. Simultane Bestimmung von zeitlichem Einsatz und Arbeitsgeschwindigkeit. Berücksichtigung ergänzender Aspekte (z.b. Emissionen). 47
48 Inhalt 1 Einführung 2 Lineare Gleichungssysteme 3 Lineare Optimierung 4 Nichtlineare Optimierung 5 Heuristiken und Simulation 5.1 Heuristische Lösungsverfahren 5.2 Simulation 6 Netzplantechnik 48
49 5.1 HuS: Lösungsverfahren Charakterisierung von Heuristiken Ausgangslage Komplexe Probleme (NP-vollständig) können ab einer gewissen Größenordnung nicht exakt gelöst werden Für solche Probleme kommen in der Praxis Heuristiken zum Einsatz Beispiele: Maschinenbelegung, TSP, Ganzzahligkeit Charakterisierung von heuristischen Lösungsverfahren Ausschluss potentieller Lösungen. nur so kann man NP-vollständig handhaben Nicht willkürliche Suchprozesse. Die Suche nach Lösungen folgt bestimmten Regeln. Die Regeln zielen auf einen guten Zielfunktionswert ab Fehlende Lösungsgarantie. Nicht immer wird eine zulässige Lösung bestimmt (sollte aber!). Keine Optimalitätsgarantie Subjektive Stoppregeln. Willkürliche Begrenzung des Rechenaufwandes Problemstrukturabhängige Ausgestaltung 49
50 5.1 HuS: Lösungsverfahren Typen von Heuristiken Allgemein anwendbare Heuristiken Dekomposition Zerlegung eines Problems in (lösbare) Teilprobleme, Zusammenführung der Lösungen der Teilprobleme Induktives VorgehenVon der Lösung eines verkleinerten Modells wird auf die Lösung des Gesamtmodells geschlossen AnalogschlüsseAusnutzen der Strukturen von Teillösungen für die Gesamtlösung InkrementalanalyseVerbesserung einer Lösung durch Variation nur einer oder weniger Variablen, der Rest wird eingefroren Stufenweise Verfeinerung der Modellstrukturz.B. Einziehen von Stützstellen bei nicht linearen Funktionen, die Anzahl der Stützstellen wird schrittweise erhöht Modellmanipulation Veränderung der Zielfunktion (z.b. Linearisierung) Relaxation von Nebenbedingungen (z.b. Ganzzahligkeit) Approximation von Verteilungen (z.b. Arbeiten mit Mittelwerten) Aggregation von Variablen oder Nebenbedingungen Beschränkung des Lösungsraums (z.b. untere, obere Schranken) Spezielle Heuristiken (problemabhängig) 50
51 5.1 HuS: Lösungsverfahren Beurteilung von Heuristiken Rechenaufwand Anzahl der benötigten Rechenschritte Laufzeit im Test Lösungsgüte Zulässige Lösungen Durchschnittliche Lösungen. im Vergleich zu anderen Heuristiken. Im Vergleich zur Optimallösung Extremlösungen (z.b. schlechteste Werte) Grad der Allgemeinheit Beeinflussung von Lösungsgüte und Rechenaufwand durch Variation der Modellstruktur (mathematische Struktur, Besetztheitsgrad, Verteilung von Parametern, spezielle Verläufe z.b. Nachfragekurve) Benutzerfreundlichkeit Verstehen, steuern, implementieren der Heuristiken 51
52 5.1 HuS: Lösungsverfahren Beispiele für Heuristiken Ganzzahlige lineare Optimierung Erzeuge eine Lösung unter Vernachlässigung der Ganzzahligkeit Runde die Entscheidungsvariablen auf oder ab Vorliegen einer zulässigen Lösung als Ausgangslösung Variiere einzelne Variablen Verbesserung der Ausgangslösung Maschinenbelegungsplanung Prioritätsregeln, z.b. FCFS, KOZ, Traveling Salesman Problem Verfahren des besten Nachfolgers Erzeugt eine Ausgangslösung Iterative Verbesserung durch Tausch Verbesserung der Ausgangslösung Lagerhaltungspolitiken Wann bestellen: Bei Erreichen eines Mindestbestandes oder in gewissen Zeitabständen Wie viel bestellen: Eine bestimmte Menge oder bis zu einer vorgegebenen Grenze 52
53 5.2 HuS: Simulation Charakterisierung der Simulation Begrifflichkeit Simulieren: sich verstellen, vortäuschen, Vorgänge wirklichkeitstreu nachahmen Nachahmung der Realität durch Modelle auf einem Rechner Keine analytische Aufbereitung, sondern Lösung des Problems durch experimentelles Ausprobieren einer Vielzahl von Möglichkeiten Einsatz Ein Optimierungsmodell ist nicht verfügbar Eine analy sche Lösung ist nicht möglich ( Heuris ken) Reale Experimente sind zu teuer oder zu gefährlich Ziele Vorhersage des Systemverhaltens Testen von Heuristiken 53
54 5.2 HuS: Simulation Ablauf einer Simulationsstudie Problemformulierung Beschreibung Untersuchungsgegenstand Abgrenzung der zu berücksichtigenden Elemente und Zusammenhänge Untersuchungsziele Entwurf des Simulationsmodells und Datenbeschaffung Entwurf des Simulationsmodells. Abbildung der Elemente und Zusammenhänge über (Un-) Gleichungen. Abbildung der Zeitorientierung. Umsetzung im Computer Datenbeschaffung. Analyse der realen Daten. Abbildung über Verteilungen u.a. Untersuchung des Problems mit dem Simulationsmodell Festlegung Versuchsplan. Variation der Inputdaten. Auswahl der Optimierungsverfahren Auswertung und Interpretation der Ergebnisse mit Hilfe statistischer Verfahren 54
55 5.2 HuS: Simulation Grundlegende Arten der Simulation Deterministische vs. stochastische Simulation Deterministisch. Parameter des Problems sind bekannt und gegeben. Durchrechnen alternativer Lösungen (z.b. Tourenplanung mit eine unterschiedlichen Anzahl von LKWs) Stochastisch (Monte Carlo-Simulation). Analyse von stochastischen Systemen durch Stichprobenexperimente. Erzeugen mehrerer Szenarien durch Kombination zufällig bestimmter Parameterausprägungen (z.b. stochastische Netzpläne) Statische vs. dynamische Simulation Statisch Der Zeitablauf spielt keine besondere Rolle (z.b. Tourenplanung, Netzpläne)) Dynamisch. Explizite Abbildung des Zeitablaufs. Diskrete Simulation: Betrachtung einzelner Zeitpunkte.. Periodenorientierte Zeitführung.. Ereignisorientierte Zeitführung. Kontinuierliche Simulation: Differentialgleichungen 55
56 5.2 HuS: Simulation Pseudo-Zufallszahlen z i+1 z i+1 Zufälligkeit nicht gegeben: Bildungsmuster erkennbar z i Zufälligkeit gegeben: Bildungsmuster nicht erkennbar z i 56
57 5.2 HuS: Simulation Beispiel: Lagerhaltung (I) Problemformulierung Für ein Produkt ist eine stochastisch verteilte Nachfrage [ME/ZE] bekannt. Frage: Wann soll wie viel bestellt werden? Heuristik Zielgrößen Festlegen eines Bestellzeitpunktes Festlegen einer Bestellmenge Testen im Simulationsmodell Durchschnittlicher Bestand Kosten (Lagerhaltung / Bestellung) 57
58 5.2 HuS: Simulation Beispiel: Lagerhaltung (II) Initialisierung Bestimme die Nachfrage im Zeitablauf Lege die Regeln für Bestellpunkt (Bestelle, wenn der Lagerbestand kleiner bp ist) und Bestellmenge (bm) fest Bestimme den Lagerbestand in t = 0 sowie die Zugangsdauer t z Simulationsablauf von t = 1 bis t = T Bestimme die Nachfrage N t Prüfe, ob eine Bestellung ausgelöst wird (LB t-1 < bp?) Prüfe, ob ein Zugang vorliegt (Bestellung in t t z ausgelöst? Wenn ja, dann x t = bm, sonst null) Schreibe den Lagerbestand fort, berücksichtige dabei Fehlmengen (Wenn LB t-1 + x t N t, dann LB t = LB t-1 + x t N t und FM t = 0; sonst LB t = 0 und FM t = LB t-1 + x t N t ) Bestimme die Kosten der Periode Auswertung Durchschnittlicher Bestand Kosten (Lagerhaltung / Bestellung / Fehlmengen) 58
59 Inhalt 1 Einführung 2 Lineare Gleichungssysteme 3 Lineare Optimierung 4 Nichtlineare Optimierung 5 Heuristiken und Simulation 6 Netzplantechnik 6.1 Charakterisierung 6.2 Strukturplanung 6.3 Zeitplanung 6.4 Kostenplanung 6.5 Kapazitätsplanung 59
60 6.1 NPT: Charakterisierung Allgemeines und Vorgehen der Netzplantechnik Allgemeines Teil des Projektmanagements Planung großer Projekte, z.b. -FuE - Bauvorhaben (Kernkraftwerk, Staudamm) - Großkampagnen (Olympische Spiele, Wahlkampf) Vorgehen Strukturplanung Zeitplanung Kostenplanung Kapazitätsplanung 60
61 6.1 NPT: Charakterisierung Methoden der Netzplantechnik Zentrale Begriffe Vorgang Zeitforderndes Geschehen mit Anfang und Ende Ereignis Eintritt eines bestimmten Projektzustandes Reihenfolgebeziehung Beziehung zwischen den Vorgängen Methoden Deterministisch Vorgangsknotennetz (z.b. Metra Potential Methode) Vorgangspfeilnetz (z.b. Critcal Path Method) Stochastisch 61
62 6.2 NPT: Strukturplanung Phase 1 Phase 2 Phasen der Strukturplanung Zerlegen des Projekts in Vorgänge und Ereignisse Bestimmung der Abhängigkeiten zwischen den Vorgängen Ende Anfang, Ende Ende, Anfang Anfang, Anfang Ende Bestimmung der Vorgangsdauern Bestimmung sonstiger Zeitgrößen Keine weiteren, Mindestabstand, Maximalabstand Abbildung der Struktur in einem Netzplan Struktur Vorgangsknotennetz Vorgangspfeilnetz A vor B vor C A B C A B C Vorgang Vorgänger A B A A C A D B,C B C D A B D C Scheinvorgang 62
63 6.2 NPT: Strukturplanung Beispiel: Installation einer neuen Maschine Vorgang Vorgänger Dauer Erläuterung A Demontage alte Maschine B -- 3 Bestellung neue Maschine C A 7 Aushub Fundament D B 8 Entfernung alte Steuerleitungen E A 20 Lieferung neue Anlage F C, D 14 Errichtung Fundament G E, F 3 Installation Maschine H G 2 Testläufe I E 7 Nacharbeiten K H, I 1 Abnahme 63
64 6.2 NPT: Strukturplanung Darstellung der Knoten und Überführung Knotendarstellung Vorgangsknotennetz Vorgangspfeilnetz Vorgang Dauer FAZ SAZ FEZ SEZ # FZ SZ Vorgang / Dauer # FZ SZ FAZ: Frühester Anfangszeitpunkt SAZ: Spätester Anfangszeitpunkt FEZ: Frühester Endzeitpunt SEZ: Spätester Endzeitpunkt FZ: Frühester Zeitpunkt SZ: Spätester Zeitpunkt #: Knotennummer Überführung Vorgangsknotennetz Vorgangspfeilnetz
65 6.2 NPT: Strukturplanung Beispiel: Vorgangsknotennetz E 20 I 7 A 10 C 7 G 3 H 2 K F 14 B 3 D 8 65
66 6.3 NPT: Zeitplanung Zeitplanung im Vorgangsknotennetz 1. Vorwärtsrechnung FAZ i = max FEZ j j V(i) FEZ i = FAZ i + d i 2. Rückwärtsrechnung SEZ n = FEZ n SEZ i = min SAZ j j N(i) SAZ i = SEZ i d i 3. Kritischer Weg FAZ i = SAZ i bzw. FEZ i = SEZ i Neue Symbole Index: Vorgang V(i): Menge der Vorgänger N(i): Menge der Nachfolger 4. Pufferzeiten - Gesamter Puffer GP i = SAZ i FAZ i - Freier Puffer FP i = min FAZ j FEZ i j N(i) - Bedingter Puffer BP i = GP i FP i - Unabhängiger Puffer UP i = max 0 min FAZ j maxsez k d i j N(i) k V(i) 66
67 6.3 NPT: Zeitplanung Graphische Analyse der Pufferzeiten FAZ j SEZ i FEZ j FAZ k SEZ j d j GP j d j FP j BP j d j UP j Index: Vorgang Reihenfolge der Vorgänge: i j k 67
68 Beispiel: Vorgangsknotennetz 6.3 NPT: Zeitplanung A B C D E F G H I K
69 6.3 NPT: Zeitplanung Zeitplanung mit Linearer Optimierung Bestimmung der frühesten Zeitpunkte (Vorgangsknotennetz) Zielfunktion Z = Σ i FAZ i min! Restriktionen FAZ 1 = 0 FAZ h + d h FAZ i i h V(i) Bestimmung der spätesten Zeitpunkte (Vorgangsknotennetz) Zielfunktion Z = Σ i SEZ i max! Restriktionen SEZ n = FEZ n SEZ h SEZ i d i i h V(i) 69
70 6.4 NPT: Kostenplanung Vorüberlegungen zur Kostenplanung Aufgaben der Struktur- und Zeitplanung Strukturplanung Ermittlung und Darstellung der Elemente eines Projekts Zeitplanung Berechnung von Zeitpunkten Berechnung von Pufferzeiten Keine Op mierung! Aufgabe der Kostenplanung Minimierung der Kosten eines Projekts Vorgangsdauerabhängige Kosten Bei einer Beschleunigung der Vorgänge steigen die Kosten Projektdauerabhängige Kosten Je länger das Projekt dauert, umso höher sind diese Kosten (z.b. Konventionalstrafen) 70
71 6.4 NPT: Kostenplanung Einfache Kostenplanung Kostenermittlung Aufgabe Ermittlung der zeitlichen Verteilung der Kosten eines Projekts Vorgehen Ausgehend von der Struktur-und Zeitplanung werden die Kosten ermittelt und festgehalten Problematik Nur Berechnung, keine Optimierung Beschleunigung entlang des kritischen Wegs Aufgabe Vermeidung einer Konventionalstrafe Vorgehen Verkürzung der Projektdauer durch Beschleunigung der Vorgänge auf dem kritischen Weg Problematik Es entstehen mehrere kritische Wege, dann wird dieses Vorgehen schnell unübersichtlich 71
72 6.4 NPT: Kostenplanung Modellgestützte Kostenplanung Prämissen des Modells Eine vorgegebene Projektdauer T [ZE] ist einzuhalten. Die Bearbeitungszeiten der Vorgänge i können im Intervall d i min d i d i max [ZE] variiert werden. Bei einer Bearbeitungsdauer von d i max entstehen Kosten von k i [GE]. Bei einer Beschleunigung um eine Zeiteinheit entstehen zusätzliche Kosten von b i [GE/ZE]. Modell Zielfunktion Z = Σ i (k i dmax i + b i (dmax i d i )) min! Restriktionen FAZ 1 = 0 FAZ h + d h FAZ i i h V(i) FAZ n + d n T dmin i d i d i dmax i i i Z = Σ i (k i dmax i + b i (dmax i d i )) min! = Σ i ((k i + b i ) dmax i b i d i )) min! = Σ i (b i d i ) max! 72
73 6.4 NPT: Kostenplanung Modellerweiterung Prämissen des Modells (Ergänzung I) Nun ist die Projektdauer T [ZE] eine Variable. g [GE/ZE] stellt den Kostensatz dar, denn der Unternehmen verliert, je länger das Projekt dauert (Opportunitätskostensatz). Modell Zielfunktion (neu) Z = Σ i (k i dmax i + b i (dmax i d i )) + g T min! Restriktionen (identisch) Prämissen des Modells (Ergänzung II) g [GE/ZE] stellt den Kostensatz dar, denn der Unternehmen verliert, wenn das Projekt eine Dauer von T vorgabe [ZE] überschreitet. Modell Zielfunktion (neu) Z = Σ i (k i d i max + b i (d i max d i )) + g T über min! Restriktionen (identisch zuzüglich) T über T T vorgabe T über 0 73
74 6.5 NPT: Kapazitätsplanung Kapazitätsplanung am Beispiel Beispielhafte Daten Vorgang A B C D E Ende Dauer Vorgänger A A B D, E, C Benötigte Mitarbeiter Aufgaben I. Erstellen Sie ein Belastungsprofil der Mitarbeiter, wenn alle Vorgänge so früh wie möglich anfangen. II. Gleichen Sie das Profil soweit wie möglich aus, indem Sie die Pufferzeiten verplanen. 74
4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen
MehrInhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII
Inhaltsverzeichnis Vorwort................................................................. V Symbolverzeichnis...................................................... XIII Kapitel 1: Einführung......................................................
MehrTeil II Optimierung. Peter Buchholz 2016. Modellgestützte Analyse und Optimierung Kap. 9 Einführung Optimierung
Teil II Optimierung Gliederung 9 Einführung, Klassifizierung und Grundlagen 10 Lineare Optimierung 11 Ganzzahlige und kombinatorische Optimierung 12 Dynamische Optimierung Literatur: zu 10-12: Neumann,
MehrFall 3: Mehrere Kapazitätsengpässe
Fall 3: Mehrere Kapazitätsengpässe ei Vorliegen mehrerer Engpässe ist zunächst zu prüfen, ob ein Engpass die anderen Engpässe dominiert. Ist dies der Fall, reduziert sich das Optimierungsproblem auf den
Mehr1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung
1 Einleitung 1.1 Motivation und Zielsetzung der Untersuchung Obgleich Tourenplanungsprobleme zu den am häufigsten untersuchten Problemstellungen des Operations Research zählen, konzentriert sich der Großteil
MehrNetzplantechnik bei Ablauf- und Terminsteuerung
Netzplantechnik bei Ablauf- und Terminsteuerung Vlker Nawrath Webseite: http://www.vna.in-berlin.de/vlker/ Blg: http://vnawrath.wrdpress.cm Anmerkungen Die Netzplantechnik ist ein wichtiges Instrument
Mehr7. Umfangreiche Aufgabenkomlexe können in Teilprojekte zerlegt, und rechnerisch zu einem Gesamtplan zusammengefaßt werden.
Netzplantechnik Sie ermöglicht uns die graphische Darstellung von mehreren Einflußfaktoren und ihrer Auswirkung in einem Plan. Einführung Unter der Netzplantechnik (network analysis) verstehen wir alle
MehrEinführung. Kapitel 1. Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298
Kapitel 1 Einführung Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298 Inhalt Inhalt 1 Einführung Was ist Operations Research? Planungsprozess im OR Peter Becker (H-BRS) Operations
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrLineare Optimierung Ergänzungskurs
Lineare Optimierung Ergänzungskurs Wintersemester 2015/16 Julia Lange, M.Sc. Literatur Werner, F.; Sotskov, Y.N. (2006): Mathematics of Economics and Business; Routledge; London Bemerkungen Diese Unterlagen
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den
MehrAlles zu seiner Zeit Projektplanung heute
Alles zu seiner Zeit Projektplanung heute Nicole Megow Matheon Überblick Projektplanung Planen mit Graphentheorie Maschinenscheduling Ein 1 Mio. $ Problem Schwere & leichte Probleme? Zeitplanungsprobleme?
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen Dr. Nico Düvelmeyer Freitag, 8. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 NLP Aufgabe KKT 2 Nachtrag
MehrFunktionaler Zusammenhang. Lehrplan Realschule
Funktionaler Bildungsstandards Lehrplan Realschule Die Schülerinnen und Schüler nutzen Funktionen als Mittel zur Beschreibung quantitativer Zusammenhänge, erkennen und beschreiben funktionale Zusammenhänge
MehrSudoku-Informatik oder wie man als Informatiker Logikrätsel löst
Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst Peter Becker Hochschule Bonn-Rhein-Sieg Fachbereich Informatik peter.becker@h-brs.de Kurzvorlesung am Studieninformationstag, 13.05.2009
MehrSimplex-Umformung für Dummies
Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrEinführung in Scheduling
Einführung in Scheduling Dr. Julien Bidot Sommersemester 28 Institut für Künstliche Intelligenz Inhalt I. Definition und Formulierung des Scheduling- Problems II. Projektplanung III. Produktionsplanung
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrAnwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht
Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht Beispiele wirtschaftsmathematischer Modellierung Lehrerfortbildung, Speyer, Juni 2004-1- Beispiele wirtschaftsmathematischer Modellierung
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)
MehrProbleme beim Arbeiten mit Variablen, Termen und Gleichungen
Probleme beim Arbeiten mit Variablen, Termen und Gleichungen Tage des Unterrichts in Mathematik, Naturwissenschaften und Technik Rostock 2010 Prof. Dr. Hans-Dieter Sill, Universität Rostock, http://www.math.uni-rostock.de/~sill/
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrMobile Intranet in Unternehmen
Mobile Intranet in Unternehmen Ergebnisse einer Umfrage unter Intranet Verantwortlichen aexea GmbH - communication. content. consulting Augustenstraße 15 70178 Stuttgart Tel: 0711 87035490 Mobile Intranet
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrMediator 9 - Lernprogramm
Mediator 9 - Lernprogramm Ein Lernprogramm mit Mediator erstellen Mediator 9 bietet viele Möglichkeiten, CBT-Module (Computer Based Training = Computerunterstütztes Lernen) zu erstellen, z. B. Drag & Drop
Mehr1. Einführung. 1.1 Tourenplanung als Teilbereich der Logistik
1. Einführung 1.1 Tourenplanung als Teilbereich der Logistik Die Logistik steht heute nicht nur in der Wissenschaft, sondern auch in der unternehmerischen Praxis stärker im Mittelpunkt als in den früheren
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrDie Verbindung von Linearer Programmierung und Graphentheorie
Die Verbindung von Linearer Programmierung und Graphentheorie Definition 5.9. Ein kombinatorisches Optimierungsproblem entspricht einem LP, bei dem statt der Vorzeichenbedingungen x i 0 Bedingungen der
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
Mehr0. Gliederung. Ein Einblick in die Ereignisorientierte Netzplantechnik (PERT) 1. Geschichte. 2. Grundlagen. Geschichte Grundlagen
Ein Einblick in die Ereignisorientierte Netzplantechnik (PERT) Erstellt im Rahmen des Seminars Das Virtuelle Labor von Carmen Pohl 0. Gliederung start 1. Geschichte 3. Wahrscheinlichkeitsverteilung 4.
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrSimulink: Einführende Beispiele
Simulink: Einführende Beispiele Simulink ist eine grafische Oberfläche zur Ergänzung von Matlab, mit der Modelle mathematischer, physikalischer bzw. technischer Systeme aus Blöcken mittels plug-and-play
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Rechnerische Lösung - Simplex- Algorithmus LO - Auswertung des
MehrRegeln zur Beurteilung von Investitionen
6-0 Kapitel Regeln zur Beurteilung von Investitionen 6-1 Kapitelübersicht 6.1 Kapitalwert: Warum? 6.2 Payback-Periode (statisch) 6.3 Payback-Periode (dynamisch) 6.4 (Durchschnittliche) Buchrendite 6.5
MehrWERKZEUG KUNDENGRUPPEN BILDEN
Integrierter MarketinXervice Dr. Rüdiger Alte Wilhelm-Busch-Straße 27 99099 Erfurt Tel.: 0361 / 55 45 84 38 WERKZEUG GRUPPEN BILDEN Die folgenden Fragen mögen Ihnen helfen, Kriterien aufzustellen, anhand
MehrRegelungs- und Systemtechnik 1. Kapitel 1: Einführung
Regelungs- und Systemtechnik 1 Kapitel 1: Einführung Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Luft- und Raumfahrtindustrie Zu regelnde Größen: Position Geschwindigkeit Beschleunigung
MehrKosten-Leistungsrechnung Rechenweg Optimales Produktionsprogramm
Um was geht es? Gegeben sei ein Produktionsprogramm mit beispielsweise 5 Aufträgen, die nacheinander auf vier unterschiedlichen Maschinen durchgeführt werden sollen: Auftrag 1 Auftrag 2 Auftrag 3 Auftrag
MehrWir arbeiten mit Zufallszahlen
Abb. 1: Bei Kartenspielen müssen zu Beginn die Karten zufällig ausgeteilt werden. Wir arbeiten mit Zufallszahlen Jedesmal wenn ein neues Patience-Spiel gestartet wird, muss das Computerprogramm die Karten
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrBedingungen. Bedingungen. Bedingungen
Oftmals ist das Arbeiten mit notwendig. Dabei können sich die auf Formatierungen beziehen, aber auch auf Transformationen. Bedingte Formatierung Datentransformation 24.04.2006 Einführung in Excel 91 24.04.2006
MehrIWW Studienprogramm. Grundlagenstudium. Projektplanung Teil D. Lösungsmuster zur 1. Musterklausur
Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen IWW Studienprogramm Grundlagenstudium Projektplanung Teil D Lösungsmuster zur 1. Musterklausur
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrAccess [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen
Abfragen lassen sich längst nicht nur dazu benutzen, die gewünschten Felder oder Datensätze einer oder mehrerer Tabellen darzustellen. Sie können Daten auch nach bestimmten Kriterien zu Gruppen zusammenfassen
MehrLernmaterial für die Fernuni Hagen effizient und prüfungsnah
Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrSelbsttest Prozessmanagement
Selbsttest Prozessmanagement Zur Feststellung des aktuellen Status des Prozessmanagements in Ihrem Unternehmen steht Ihnen dieser kurze Test mit zehn Fragen zur Verfügung. Der Test dient Ihrer persönlichen
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrInventur. Bemerkung. / Inventur
Inventur Die beliebige Aufteilung des Artikelstamms nach Artikeln, Lieferanten, Warengruppen, Lagerorten, etc. ermöglicht es Ihnen, Ihre Inventur in mehreren Abschnitten durchzuführen. Bemerkung Zwischen
MehrHandbuch Fischertechnik-Einzelteiltabelle V3.7.3
Handbuch Fischertechnik-Einzelteiltabelle V3.7.3 von Markus Mack Stand: Samstag, 17. April 2004 Inhaltsverzeichnis 1. Systemvorraussetzungen...3 2. Installation und Start...3 3. Anpassen der Tabelle...3
MehrTutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang. Aufgabenblatt 3 (KW 44) (30.10.02)
Tutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang Aufgabenblatt 3 (KW 44) (30.10.02) Aufgabe 1: Preisdiskriminierung dritten Grades (20 Punkte) Ein innovativer Uni-Absolvent plant,
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrDatenexport aus JS - Software
Datenexport aus JS - Software Diese Programm-Option benötigen Sie um Kundendaten aus der JS-Software in andere Programme wie Word, Works oder Excel zu exportieren. Wählen Sie aus dem Programm-Menu unter
MehrLINGO: Eine kleine Einführung
LINGO: Eine kleine Einführung Jun.-Prof.Dr. T. Nieberg Lineare und Ganzzahlige Optimierung, WS 2009/10 LINDO/LINGO ist ein Software-Paket, mit dessen Hilfe (ganzzahlige) lineare Programme schnell und einfach
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrLOPRODOC Klassenrechnung und Rechnung an die Direktion (Umsatzsteuer)
LOPRODOC Klassenrechnung und Rechnung an die Direktion (Umsatzsteuer) In der Jahreshauptversammlung des Zentralverbands der SKL-Einnehmer am 9.4.11 in Mannheim wurde unter anderem das Thema der Umsatzsteuer
MehrGrundlagenschulung. Zweck und Ziel der Marktforschung. grundsätzliche Abgrenzung zum Direktvertrieb. Schulungsprototyp
Grundlagenschulung Zweck und Ziel der Marktforschung grundsätzliche Abgrenzung zum Direktvertrieb Schulungsprototyp 1 Was ist Marktforschung? Marktforschung ist die systematische Sammlung, Aufbereitung
MehrWireless LAN PCMCIA Adapter Installationsanleitung
Wireless LAN PCMCIA Adapter Installationsanleitung Diese Anleitung hilft Ihnen bei der Installation des Funknetzwerkadapters für Ihre PCMCIA Schnittstelle und erläutert in wenigen Schritten, wie Sie den
MehrAuswertung des Jahresabschlusses Bilanzanalyse 2
KA11 Unternehmensergebnisse aufbereiten, bewerten und nutzen Auswertung des Jahresabschlusses Bilanzanalyse 2 Kennzahlen zur Bilanzanalyse Die aufbereitete Bilanz kann mit Hilfe unterschiedlicher Kennzahlen
MehrFachhochschule Bochum Fachhochschule Südwestfalen
Fachhochschule Bochum Fachhochschule Südwestfalen Verbundstudiengang Wirtschaftsingenieurwesen Prof. Dr. rer. nat. habil. J. Resch Prüfung: Mathematik Termin: August 2008 Bearbeitungszeit: 180 Minuten
Mehr1.5 Umsatzsteuervoranmeldung
1.5 Umsatzsteuervoranmeldung In diesem Abschnitt werden die Arbeitschritte zum Erstellen des MwSt Abrechnungsschemas erläutert. Es wird gezeigt, wie die Werte für die monatliche Umsatzsteuervoranmeldung
MehrVon zufriedenen zu treuen Kunden
Von zufriedenen zu treuen Kunden Branchenbezogene Zusammenhang von Forschung Image, Kundenzufriedenheit und Loyalität beim kommunalen Versorger Falk Ritschel und Sabrina Möller Conomic Marketing & Strategy
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
Mehrdie wichtigsten online-tools für augenoptiker websites
die wichtigsten online-tools für augenoptiker websites Warum online-tools für Ihre website nutzen? Ich brauche das nicht, ich verkauf Online keine Brillen. Diesen Satz haben wir schon oft gehört. Richtig
MehrWiderrufsbelehrung der Free-Linked GmbH. Stand: Juni 2014
Widerrufsbelehrung der Stand: Juni 2014 www.free-linked.de www.buddy-watcher.de Inhaltsverzeichnis Widerrufsbelehrung Verträge für die Lieferung von Waren... 3 Muster-Widerrufsformular... 5 2 Widerrufsbelehrung
Mehra n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n
Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen
MehrDynamische Optimierung. Kapitel 4. Dynamische Optimierung. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206
Kapitel 4 Dynamische Optimierung Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206 Inhalt Inhalt 4 Dynamische Optimierung Allgemeiner Ansatz und Beispiele Stochastische dynamische
MehrBedienungsanleitung Rückabwicklungsrechner
1 Eingaben Zelle C2 Auszahlungsbetrag Hier muss der erste Auszahlungsbetrag eingegeben werden. Weitere Auszahlungen siehe Weiter unten. Zelle C3 Zeitpunkt der Auszahlung Datum der ersten Auszahlung Zelle
MehrDie Laufzeit muss nun ebenfalls in Monaten gerechnet werden und beträgt 25 12 = 300 Monate. Damit liefert die Sparkassenformel (zweiter Teil):
Lösungen zur Mathematikklausur WS 2004/2005 (Versuch 1) 1.1. Hier ist die Rentenformel für gemischte Verzinsung (nachschüssig) zu verwenden: K n = r(12 + 5, 5i p ) qn 1 q 1 = 100(12 + 5, 5 0, 03)1, 0325
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrEinführung in die Fuzzy Logic
Einführung in die Fuzzy Logic Entwickelt von L. Zadeh in den 60er Jahren Benutzt unscharfe (fuzzy) Begriffe und linguistische Variablen Im Gegensatz zur Booleschen Logik {0,} wird das ganze Intervall [0,]
MehrInsiderwissen 2013. Hintergrund
Insiderwissen 213 XING EVENTS mit der Eventmanagement-Software für Online Eventregistrierung &Ticketing amiando, hat es sich erneut zur Aufgabe gemacht zu analysieren, wie Eventveranstalter ihre Veranstaltungen
MehrWebcontrolling Umsetzung in die Praxis. Toll, und wie ist es wirklich?
Webcontrolling Umsetzung in die Praxis Toll, und wie ist es wirklich? Über uns Die Scandio GmbH ist ein Software und IT-Consulting Unternehmen. Wir entwickeln individuelle Applikationen und beraten unsere
MehrAnlegen eines Speicherbereichs mit DB, DW eleganter in Kombination mit EQU, Timer-Interrupt
Anlegen eines Speicherbereichs mit DB, DW eleganter in Kombination mit EQU, Timer-Interrupt AMPEL-Steuerung(en) Die Beschreibung und Programmierung der Ampel (vor allem Ampel_5) können sehr kompliziert
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrInstitut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2
Institut für Leistungselektronik und Elektrische Antriebe Prof. Dr.-Ing. J. Roth-Stielow Übungen Regelungstechnik 2 Inhalt der Übungen: 1. Grundlagen (Wiederholung RT1) 2. Störgrößenaufschaltung 3. Störgrößennachbildung
MehrWirtschaftsschule Bohlscheid Hansaring 63-67 50670 Köln Lehrgang: Handelsfachwirte
Hinweise: Inhalt Auswertungen im Warenverkehr Grundlagen der Kosten- und Leistungsrechnung Kostenartenrechnung Grundlagen der Teilkostenrechnung Zeit: 2 Stunden Hilfsmittel: Taschenrechner Achtung: Auch
Mehr