DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP)



Benzer belgeler
KISITLI OPTİMİZASYON

Maksimizasyon s.t. İşçilik, saat) (Kil, kg)

Temelleri. Doç.Dr.Ali Argun Karacabey

Çalışma Soruları 1. a) x > 5 b) y < -3 c) xy > 0 d) x 3 < y e) (x-2) 2 + y 2 > 1. ( ) 2x

YÖNEYLEM ARAŞTIRMASI - I

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez

Karar değişkenlere ilişkin fonksiyonların ve bu fonksiyonlara ilişkin sınırlamaların tanımlanması

BAŞABAŞ NOKTASI ANALİZİ

Çok değişkenli fonksiyonlar. Maksimum- Minimum

Optimizasyon İçin Kök(Generic) Model (Doğrusal-Olmayan Programlama Modeli)

Math 322 Diferensiyel Denklemler Ders Notları 2012

doğrusal programlama DOĞRUSAL PROGRAMLAMA (GENEL)

EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak

Lineer Programlama. Doğrusal terimi, hem amaç hem de kısıtları temsil eden matematiksel fonksiyonların doğrusal olduğunu gösterir.

Gazi Üniversitesi, Kimya Mühendisliği Bölümü KM 378 Mühendislik Ekonomisi

DOĞRUSAL PROGRAMLAMANIN ÖZEL TÜRLERİ

Ayrık zamanlı sinyaller için de ayrık zamanlı Fourier dönüşümleri kullanılmatadır.

ĐST 349 Doğrusal Programlama ARA SINAV I 15 Kasım 2006

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):

Kübik Spline lar/cubic Splines

Çalışma Soruları 1. a) x > 5 b) y < -3 c) xy > 0 d) x 3 < y e) (x-2) 2 + y 2 > 1. ( ) 2x

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

İleri Diferansiyel Denklemler

4.1. Gölge Fiyat Kavramı

Duyarlılık Analizi, modelde veri olarak kabul edilmiş parametrelerde meydana gelen değişimlerin optimum çözüme etkisinin incelenmesidir.

ÇOK KRİTERLİ KARAR VERME HEDEF PROGRAMLAMA

Cebirsel Fonksiyonlar

MATEMATİK-II dersi. Bankacılık ve Finans, İşletme, Uluslararası Ticaret. Bölümleri için FİNAL Çalışma Soruları

DOĞRUSAL OLMAYAN PROGRAMLAMA -II- Tek değişkenli doğrusal olmayan karar modelinin çözümü

Bir Doğrusal Programlama Modelinin Genel Yapısı

EŞİTLİK KISITLI TÜREVLİ YÖNTEMLER

İÇİNDEKİLER ÖNSÖZ Bölüm 1 SAYILAR 11 Bölüm 2 KÜMELER 31 Bölüm 3 FONKSİYONLAR

Diferansiyel denklemler uygulama soruları

EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü. Dr. Özgür Kabak

Ödev TeslimTarihi 12.Ocak 2010 KAR PLANLAMASI

DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY)

OPTİMİZASYON TEKNİKLERİ-2. Hafta

2017/3. Dönem Yeminli Mali Müşavirlik Sınavı Yönetim Muhasebesi 20 Kasım 2017 Pazartesi (Sınav Süresi 2 Saat)

GAMS Kullanım Notları

SAY 203 MİKRO İKTİSAT

YÖNEYLEM ARAŞTIRMASI - III

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

TEKP 409 TEKSTİL TERBİYESİNDE ÜRETİM VE MALİYET HESAPLARI

YÖNEYLEM ARAŞTIRMASI - III

Yöneylem Araştırması II

Matematiksel modellerin elemanları

MAT101 MATEMATİK I BÖLÜM 3 FONKSİYONLAR

4. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.

6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN

Modelleme bir sanattan çok bir Bilim olarak tanımlanabilir. Bir model kurucu için en önemli karar model seçiminde ilişkileri belirlemektir.

Analog Alçak Geçiren Filtre Karakteristikleri

SİSTEMİ YRD.DOÇ. DR. CABBAR VEYSEL BAYSAL ELEKTRIK & ELEKTRONIK YÜK. MÜH.

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ İktisat Hakkında İktisatta Grafik ve Matematik Kullanımı 13

EMM3208 Optimizasyon Teknikleri

a2 b3 cij: birim başına ulaşım maliyeti xij: taşıma miktarı

Örnek: bir montaj hattı için Dizayn Kapasitesi=100 adet/gün; Etkin Kapasite=80 adet/gün; Gerçek Kapasite=72 adet/gün olarak verildiğinde; Verimlilik=

2018/1. Dönem Yeminli Mali Müşavirlik Sınavı Yönetim Muhasebesi 2 Nisan 2018 Pazartesi (Sınav Süresi 2 Saat)

YÖNEYLEM ARAŞTIRMASI - III

TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:

YÖNEYLEM ARAŞTIRMASI - I

Ulaştırma ve Atama. Konu 2. Ulaştırma Modeli. Doç. Dr. Fazıl GÖKGÖZ

YÖNEYLEM ARAŞTIRMASI - III

ÖĞRENME ALANI TEMEL MATEMATİK BÖLÜM TÜREV. ALT ÖĞRENME ALANLARI 1) Türev 2) Türev Uygulamaları TÜREV

Elemanter fonksiyonlarla yaklaşım ve hata

a) x +3 = 8 b) x -4 = -2 c) x -7 = 4 d) x +5 = 6 e) x +8 = 2 f) x -1= -8 x +3 = 5 denkleminin çözümünü bulunuz.

Selçuk Üniversitesi 26 Aralık, 2013 Beyşehir Turizm Fakültesi-Konaklama İşletmeciliği Genel Ekonomi Dr. Alper Sönmez. Soru Seti 3

BAHAR YARIYILI İKTİSADİ MATEMATİK VİZE SORU VE CEVAPLARI 1) Bir mala ait arz ve talep fonksiyonları aşağıdaki gibidir:

Doğrusal Programlamada Grafik Çözüm

Yrd. Doç. Dr. A. Burak İNNER

Total Contribution. Reduced Cost. X1 37, ,85 0 basic X2 22, ,56 0 basic 300 M. Slack or

Ders 10. Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay. Simpleks Yöntemine Giriş Alıştırmalar 10

Öğr. Gör. Barış Alpaslan

SONLU FARKLAR GENEL DENKLEMLER

9. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN

11. HAFTA MÜHENDİSLİK EKONOMİSİ. Başabaş Analiz Yöntemi. Yrd. Doç. Dr. Tahir AKGÜL

Mühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler

biçimindeki ifadelere iki değişkenli polinomlar denir. Bu polinomda aynı terimdeki değişkenlerin üsleri toplamından en büyük olanına polinomun dereces

KONU 3: DOĞRUSAL PROGRAMLAMA PROBLEMLERİ İLE İLGİLİ ÖRNEKLER

İleri Diferansiyel Denklemler

1. Açık Bir Ekonomide Denge Çıktı (Gelir)

İleri Diferansiyel Denklemler

Değişken içeren ve değişkenlerin belli değerleri için doğru olan cebirsel eşitliklere denklem denir.

Uzayda iki doğrunun ortak dikme doğrusunun denklemi

İleri Diferansiyel Denklemler

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;

ÜNİTE. MATEMATİK-1 Yrd.Doç.Dr.Ömer TARAKÇI İÇİNDEKİLER HEDEFLER DOĞRULAR VE PARABOLLER

Ders İçerik Bilgisi. Karmaşık Sistemlerin Tek Bir Transfer Fonksiyonuna İndirgenmesi

MATEMATiKSEL iktisat

10. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN

Konu 2. Y. Doç. Dr. Fazıl GÖKGÖZ

GAMS Kurulumu ve Temel Özellikleri GAMS ile Modellemeye Giriş, Örnek Problemler

Zaman kazandıran ipucu: MR eğimi talebin iki katı. Bu her zaman lineer talepte doğru.(bunu geri kalan çözümlerde kullanacağız.)

SAYISAL ANALİZ. Doç. Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak

2016/1.DÖNEM YEMİNLİ MALİ MÜŞAVİRLİK SINAVLARI YÖNETİM MUHASEBESİ 28 Mart 2016-Pazartesi 18:00

Kısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon

Transkript:

DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP) 1. Non-lineer kar analizi, 2. Kısıtlı optimizasyon, 3. Yerine koyma (substitution) yöntemi, 4. Lagranj Çarpanları Yöntemi 5. Başabaş Analizleri ve Duyarlılık Testleri KONU 7 Y. Doç. Dr. Fazıl GÖKGÖZ 1 DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP) Lineer programlama; tam sayılı programlama ve hedef programlama gibi alanlarda kullanım alanı bulur. LP özellikle, ulaştırma ve atama problemlerinde başarılıdır. Ancak, gerçek işletme problemlerinde koşullar doğrusal olmayan bir yapı arz ettiğinde; non-lineer fonksiyonların kullanıldığı bir problem çözüm mantığı uygulanmalıdır. Bu düşünce yapısı; NLP çözümüdür. Y. Doç. Dr. Fazıl GÖKGÖZ 2 1

Non-Lineer Kar Analizi Başabaş Analizine dayanan bir kar fonksiyonu olsun ve bu fonksiyon Z ile ifade edilsin. Z = v.p C f v.c v Burada, v = satış ş hacmi veya talep miktarı, p = fiyat, C f = sabit maliyet, C v =değişken maliyet Y. Doç. Dr. Fazıl GÖKGÖZ 3 Non-Lineer Kar Analizi Başabaş analizindeki en önemli varsayım satış miktarı veya talebin v fiyattan bağımsız olduğudur. 1,500 Eğim ğ = -24.6 Ancak, gerçek koşullarda talep ile fiyat arasında yakın bir ilişki bulunur. Western Giyim Şti. nin talep-fiyat ilişkisi lineerdir. 60.98$ p v = 1,500 24.6p Y. Doç. Dr. Fazıl GÖKGÖZ 4 2

Non-Lineer Kar Analizi Soruda verilen satış hacmi ve fiyat ilişkisini, asıl kar fonksiyonunda yerine koyarsak; Z =v.p C f v.c Kar (Z) v Z = 1,698.8p 24.6p 2 22,000 =(1,500-24.6p)p C f (1,500-24.6p)C v =1,500p-24.6p 2 C f 1,500C v +24.6pC v C f = 10,000 $ ve C v =8$ise; p Z = 1,698.8p 24.6p 2 22,000 22,000 $ olur. Y. Doç. Dr. Fazıl GÖKGÖZ 5 Non-Lineer Kar Analizi Z = 1,698.8p 24.6p 2 22,000 1,696.8 49.2p Kar (Z) Maksimum Kar Matematiksel işlemlerde; bir eğrinin herhangi bir noktasındaki eğimi, bu fonksiyonun o noktadaki kısmi türevinin alınmasıyla bulunur. Z p 22,000 $ Z = 1,698.8p 24.6p 2 22,000 Eğim = Türev = O Optimal Fiyat p Teorik olarak; bir eğrinin tepe noktasındaki türevi sıfıra eşittir. Y. Doç. Dr. Fazıl GÖKGÖZ 6 3

Non-Lineer Kar Analizi Toplam karı maksimize eden; 1) Optimal fiyat; 0 = 1,696.8 49.2p 49.2p = 1,696.8 p = 34.49 $ 2) Optimal satış hacmi; v = 1,500 24.6p v = 1,500 24.6(34.49) v=651.6 adet takım elbise Kar (Z) Maksimum Kar 22,000 $ Z = 1,698.8p 24.6p 2 22,000 Eğim = Türev = O Optimal Fiyat p Y. Doç. Dr. Fazıl GÖKGÖZ 7 Non-Lineer Kar Analizi Maksimum Kar-Optimal Fiyat ve Optimal Satış Hacmi Grafiği Kar (Z) 7,259.454$ v = 651.66 takım elbise Z = 1,698.8p 24.6p 2 22,000 Z = 1,696.8(34.49)-24.6(34.49) 2-22,000 Maksimum Kar Düzeyi 34.49$ p Z= 7,259.45$ 22,000 $ Y. Doç. Dr. Fazıl GÖKGÖZ 8 4

Kısıtlandırılmış Optimizasyon Yöntemi Z=v.p C f v.c v Aynı amaç fonskiyonundan yola çıkarak, fiyata dayalı bir model oluşturduk. Z = 1,698.8p 24.6p 2 22,000 Bir önceki bölümde fonksiyonu herhangi bir şekilde sınırlandırmaya tabi tutmadan optimal çözüme ve maksimum kar seviyesine ulaşmıştık. Şöyle ki; fonksiyonu belli bir fiyat düzeyinde sınırlandırmadan analizi gerçekleştirdik. Y. Doç. Dr. Fazıl GÖKGÖZ 9 Kısıtlandırılmış Optimizasyon Yöntemi Grafikte non-lineer fonksiyonu belirli fiyat düzeylerinde sınırlandırlır. Kar (Z) Belirlenen 20$ lık fiyat düzeyinde maksimum kar düzeyi A noktasında gerçekleşir. Bu nokta optimal çözüm noktasıdır. Maksimum Kar A 20$ Optimal Çözüm Noktası p A noktası için gerekli cebirsel işlemler yapıldığı takdirde; maksimum kara 22,000 $ karşılık gelen satış miktarı da belirlenir. Y. Doç. Dr. Fazıl GÖKGÖZ 10 5

Kısıtlandırılmış Optimizasyon Yöntemi Bu grafikte ise; 40$ lık bir piyasa fiyatıyla sınırlandırılmış olan bir kar fonksiyonu görülmektedir. Kar (Z) Sınırlandıran fiyatın bulunduğu nokta (C) optimal çözüm değildir, çünkü kendisinden önce fonksiyonun bir tepe noktası (B) bulunmaktadır. Kısaca, çözüm B noktasında gerçekleşir. 22,000 $ B Optimal Çözüm Noktası C 40$ p Y. Doç. Dr. Fazıl GÖKGÖZ 11 Yerine Koyma (Substitution) Yöntemi Bu yöntemde; kısıtlandırılmış eşitlik tek bir değişken için çözülmektedir. LP derslerinde gösterilen; Beaver Creek Şti. örneğini ele alalım. Şirket, kase (X 1 ) ve bardak (X 2 ) üretimi gerçekleştirmektedir. Amaç fonksiyonu; syo Z=a.X 1 + b.x 2 Burada, a ve b ürünlerin kara olan katkı paylarını temsil eder. Y. Doç. Dr. Fazıl GÖKGÖZ 12 6

Yerine Koyma (Substitution) Yöntemi Bu defa, amaç fonksiyonunda non-lineer bir ilişki söz konusudur. a = 4 0.1X 1 ve b=5 0.2X 2 olsun. Amaç fonksiyonunda yerlerinde konulduğunda; Z=4X 1-0.1X 12 +5X 2-0.2X 2 2 doğrusal olmayan bir amaç fonksiyonu bulunur. Y. Doç. Dr. Fazıl GÖKGÖZ 13 Yerine Koyma (Substitution) Yöntemi Sorunun orijinal halinde, x 1 +2X 2 = 40 saat gibi bir kısıt bulunur. Kısıtları diğeri cinsinden ifade edilir ve takiben de bulunan kısıt amaç fonsksiyonunda yerine konulursa; x 1 =40-2X 2 Z = 4.(40-2X 2 ) 0.1(40-2X 2 ) 2 +5X 2 0.2X 2 2 Z = 160-8X 2 0.1(1,600 160X 2 +4X 22 )+5X 2 0.2X 2 2 Z = 160-8X 2 160 + 16X 2 0.4X 22 +5X 2 0.2X 2 2 Z = 13x 2 0.6x 2 2 Y. Doç. Dr. Fazıl GÖKGÖZ 14 7

Yerine Koyma (Substitution) Yöntemi Bulunan bu değer, sınırlandırılmamış bir optimizasyon fonksiyonu olduğundan ğ d kısmi türevini i alarak sıfıra eşitlemek suretiyle maksimum kar düzeyi tespit edilir. Z X2 13 1.2x 2 0 = 13 1.2x 2 x 2 = 10.8 bardak Y. Doç. Dr. Fazıl GÖKGÖZ 15 Yerine Koyma (Substitution) Yöntemi X 1 ise X 2 kısıt fonksiyonunda yerine konularak bulunur. x 1 +2X 2 =40 x 1 + 2(10.8) = 40 x 1 = 18.4 kase X1 ve X2 optimal değerleri amaç fonksiyonunda yerine konulursa; Z = 4X - 12-0.2X 2 1 0.1X + 5X 2 2 Z = 4(18.4) - 0.1(18.4) 2 + 5(10.8) -0.2(10.8) 2 Z = 70.42 $ Y. Doç. Dr. Fazıl GÖKGÖZ 16 8

Lagranj Çarpanları (ג) Yöntemi Bu yöntemde ise; Lagranj Çarpanı,(ג) amaç fonksiyonundan çıkarılır ve yeni eşitlik bünyesindeki her değişken bazında kısmi türevi alınarak çözülür. Lagranj Çarpanları Yöntemi; genel kabül görmüş bir matematiksel yöntem olup, non-lineer karakteristikli sınırlandırılmış optimizasyon problemlerinin çözümünü sağlar. Bu amaçla, bir önceki örneğimizin üzerinden gideceğiz. Y. Doç. Dr. Fazıl GÖKGÖZ 17 Lagranj Çarpanları (ג) Yöntemi Z=4X 1-0.1X 12 +5X 2-0.2X 2 2 s.t. X 1 +2X 2 =40 İlk aşamada, non-lineer durumdaki fonksiyonun Lagranjiyan Fonksiyonuna (L) dönüştürülür. X 1 +2X 2 40=0 Bu amaçla, kısıtın bulunduğu ifade Lagranj Çarpanı (ג) ile çarpılarak amaç fonsiyonundan çıkarılır. L=4X 1-0.1X 12 +5X 2-0.2X 22 - X )ג 1 +2X 2 40) Y. Doç. Dr. Fazıl GÖKGÖZ 18 9

Lagranj Çarpanları (ג) Yöntemi L=4X 1-0.1X 12 +5X 2-0.2X 22 - X )ג 1 +2X 2 40) Elde edilen yeni L fonksiyonu, sırasıyla; X 1, X 2 ve גya ג göre kısmi türevi alınarak sıfıra eşitlenir. Z X1 Z X2 Z ג 1 0.2X 4 2 ג 2-0.4X 2 5 -X 1 2X 2 +40 Y. Doç. Dr. Fazıl GÖKGÖZ 19 Lagranj Çarpanları (ג) Yöntemi Ortak çözüm için elde edilen her denklem sıfıra eşitlenir. = ג 1 0.2X 4 0 =0 ג 2-5 0.4X 2 -X 1 2X 2 +40=0 Üstteki iki eşitlik incelenirse; en üstte yer alan -2 faktörü ile çarpılarak; =0 ג 2 + -8 + 0.4X 1 = 0 ג 2-5 0.4X 2-3 + 0.4X 1 +0.4X 2 =0 Y. Doç. Dr. Fazıl GÖKGÖZ 20 10

Lagranj Çarpanları (ג) Yöntemi Türev ile bulunan ve en altta yer alan eşitlik 0.4 faktörü ile çarpılır; -0.4X 1 +0.8X 2 +16 = 0 Bir önceki slaytta ulaşılan en son denklem ile toplanır; -0.4X 1 + 0.8X 2 +16 = 0-3 + 0.4X 1 +0.4X 2 =0-1.2X 2 +13 =13 X 2 = 10.8 bardak Y. Doç. Dr. Fazıl GÖKGÖZ 21 Lagranj Çarpanları (ג) Yöntemi -X 1 2X 2 + 40 = 0 denkleminde d X 2 yerine konulur; -X 1 2(10.8) + 40 = 0 X 1 = 18.3 kase 5 = ג 2-0.4X 2 0 denkleminde X 2 yerine konulur; =0 ג 2 0.4(10.8)- 5 0.33= ג Y. Doç. Dr. Fazıl GÖKGÖZ 22 11

Lagranj Çarpanları (ג) Yöntemi Tüm kısıtların optimal değerlerine ulaşıldığından dolayı bulunan değerler amaç fonksiyonunda yerine konulur; Z=4X 1-0.1X 12 +5X 2-0.2X 2 2 Z = 4(18.3)- 0.1(18.3) 2 + 5(10.8) - 0.2(10.8) 2 Z = 70.42 $ Lagranjiyan Fonksiyonu (L) değeri ise; L=4X 1-0.1X 12 +5X 2-0.2X 22 - ) X )ג 1 +2X 2 40) L = 4(18.3) - 0.1(18.3) 2 + 5(10.8) - 0.2(10.8) 2-0.33(0) L = 70.42 $ Gerek Yerine Koyma (Substution) ve gerekse Lagranj Çarpanları Yöntemlerinde aynı çözüme ulaşılmıştır. Y. Doç. Dr. Fazıl GÖKGÖZ 23 Başa Baş Analizi (Break Even Analysis) İşletmeler belirli maliyetler altında mamül veya hizmet üretirler. Genel olarak maliyetler iki alt grupta toplanır. 1) Sabit Maliyetler (C f ) Bina ve arazi maliyeti, aydınlatma, beyaz yakalı personel ücreti, yönetim giderleri, amortismanlar vb. 2) Değişken Maliyetler (C v ) Hammadde gideri, enerji, direk işçilik, paketleme, stoklama, dağıtım, pazarlama vb. Y. Doç. Dr. Fazıl GÖKGÖZ 24 12

Başa Baş Analizi (Break Even Analysis) v = Üretim hacmi TC = Toplam Maliyet Maliyet Sabit Maliyet (C f ) TC = C f +v.c v V (Üretim Hacmi) Y. Doç. Dr. Fazıl GÖKGÖZ 25 Başa Baş Analizi (Break Even Analysis) Maliyet, Gelir Sabit Maliyet (C) f Başabaş noktası V (Üretim Hacmi) Y. Doç. Dr. Fazıl GÖKGÖZ 26 13

Başa Baş Analizi (Break Even Analysis) İşletmenin kara geçtiği nokta başabaş üretim düzeyidir. Maliyet, Gelir Kar = Gelirler Maliyetler Kar=p.v C f v.c v Sabit Maliyet (C f) f v Başabaş noktası V (Üretim Hacmi) Y. Doç. Dr. Fazıl GÖKGÖZ 27 Başa Baş Analizi (Break Even Analysis) - Örnek Pha-medical ilaç fabrikasının üretmekte olduğu birağrı kesici ilacın maliyet değerleri ve gelir bilgileri: C v =8 C f = 10,000 p=23 Toplam maliyet fonskiyonunu ve başbaş noktasını belirleyiniz: TC = 10,000 + 8v TR = Toplam Gelir TR = 23v TR = TC (Başabaş düzeyi) ; Kar = TR - TC Kar = 23v (10,000 + 8v) = 15v -10,000 = 0 v başabaş = 666 adet (Firma zarar etmemek için en az bu miktarda üretim gerçekleştirmelidir) Y. Doç. Dr. Fazıl GÖKGÖZ 28 14

Başa Baş Analizi (Break Even Analysis) - Örnek Pha-medical ilaç fabrikası kapasitesi gereğince 800,000 adet ilaç üretebilmektedir. Firmanın kapasitesini 1,000 maliyet karşılığında 1,200 adede çıkarılması yönündeki öneriye katılıyor musunuz? Firma mevcut kapasitesinin tamamını kullanırsa; Kar 1 = 15v 10,000 Kar 1 = 15(800)-10,000 = 2,000 ; V Başabaş-1 = 10,000/15 = 666 adet Firma kapasite artışınış uygularsa; Kar 2 = 15v 11,000 Kar 2 = 15(1,200)-11,000 = 7,000 ; V Başabaş-2 = 11,000/15 = 733 adet Kar Artışı için; Kar 2 >Kar 1 olduğundan kapasitenin artırılması rasyonel bir karar olur. Y. Doç. Dr. Fazıl GÖKGÖZ 29 Başa Baş Analizi (Break Even Analysis) - Örnek Maliyet, Gelir ( ) Kar 2,000 C f ;10,000 000 BBN 666 Kapasite 800 V (Üretim Hacmi) Y. Doç. Dr. Fazıl GÖKGÖZ 30 15

Kapasite artışı, kar artışını da beraberinde getireceğinden yeni stratejinin benimsenmesi önerilir. Başa Baş Analizi (Break Even Analysis) C f ; 11,000 Maliyet, Gelir ( ) Yeni Kar 7,000 BBN 1 666 BBN 2 733 Kapasite 1,200 V (Üretim Hacmi) Y. Doç. Dr. Fazıl GÖKGÖZ 31 Duyarlılık Analizi (Fiyat Artışı) Genel bir ifadeyle, satış fiyatındaki artış, diğer tüm unsurlar sabit kabul edildiğinde d başabaşb noktası nı (BBN) azaltmaktadır. Maliyet, Gelir (1,000$) Yeni Toplam Gelir Yine aynı örneğimizde; satış fiyatı 23$ dan 30$ seviyesine yükselmiş olsun. Eski Toplam Gelir Toplam Maliyet BBN (Hacim) =C f /(p-c v ) BBN (Hacim) = 10,000/(30-8) f v Sabit Maliyet (C f ) BBN (yeni) BBN (eski) 10,000 $ V (Üretim Hacmi) BBN (Hacim) = 454.5 Y. Doç. Dr. Fazıl GÖKGÖZ 32 16

Duyarlılık Analizi (Değişken Maliyet Değişimi) Genel bir ifadeyle, değişken maliyet düzeyindeki bir artış, diğer tüm unsurlar sabit kabul edildiğinde d başabaş noktası nı (BBN) arttırmaktadır. Aynı örneğimizde; satış fiyatı 30$ olduğunda ve değişken maliyet 12$ a yükseldiğinde; Sabit Maliyet (C f ) Maliyet, Gelir (1,000$) Toplam Gelir Yeni Toplam Maliyet Eski Toplam Maliyet 10,000 $ BBN (Hacim) =C f / (p-c v ) BBN (Hacim) = 10,000/(30-12) BBN (eski) BBN (yeni) V (Üretim Hacmi) BBN (Hacim) = 555.5 Y. Doç. Dr. Fazıl GÖKGÖZ 33 Duyarlılık Analizi (Sabit Maliyet Değişimi) Genel bir ifadeyle, sabit maliyet düzeyindeki bir artış, diğer tüm unsurlar sabit kabul edildiğinde d başabaş noktası nı (BBN) arttırmaktadır. Aynı örneğimizde; satış fiyatı 30$, değişken maliyet 12$ olduğunda ve sabit maliyet %30 arttığında;. Sabit Maliyet (C f ) Maliyet, Gelir (1,000$) Yeni Toplam Gelir Yeni Toplam Maliyet Eski Toplam Maliyet 13,000 $ 10,000 $ BBN (Hacim) =C f / (p-c v ) BBN (Hacim) = 13,000/(30-12) BBN (eski) BBN (yeni) V (Üretim Hacmi) BBN (Hacim) = 722.2 Y. Doç. Dr. Fazıl GÖKGÖZ 34 17

Bölüm 1 ÖDEV 7 (NLP) Bir tekstil firmasının aylık sabit maliyeti 21,000 $ ve değişken maliyeti ise birim başına 0.45 $ dır. Satış fiyatı 1.3 $ ise; a) Aylık 18,000 birim üretim için toplam maliyet, toplam gelir ve kar düzeyini belirleyiniz. b) Yıllık bazda başabaş noktasını hesaplayınız ve grafik üzerinde gösteriniz. c) Kendi belirleyeceğiniz maliyetler ve satış fiyatı üzerinden duyarlılık analizleri yaparak grafik üzerinde her durumu gösteriniz. Bölüm 2 Bir içecek firmasının aylık sabit maliyeti 12,000 $ ve birim başına değişken maliyeti 17 $ dır. Şirket kar fonksiyonunu ve talep kısıtını aşağıdaki gibi belirlemiştir. Z = vp 12,000 17v s.t. v = 800 15p Bu bağlamda, Yerine Koyma ve Lagranj yöntemleriyle ayrı ayrı optimal fiyatı hesaplayınız. Y. Doç. Dr. Fazıl GÖKGÖZ 35 18