ࡱ> S`.Nbjbjss.oM&   ",HHH\d]d]d]8]L^D\}28` Bc"dcdcdc u u u$hx)Hvup uvvHHdcdc 7ўўўvHdcHdcўvўў2HH\dc,` $d]fT. M0}%N\\H\ u"-uўEuYu u u us^ u u u}vvvv\\\dHP \\\P\\\HHHHHH  VP` Libertas  draft stru nog rada za Zbornik zanstvenih i stru nih radova  Ime autora: Dr. sc. Milan Vuki evi Mr. sc. Miroslav Gregurek Naziv stru nog rada:  Optimizacija dobiti kao kriterij financijske odluke Name of the expert work: Optimisation financing Struktura rada: 1. Uvod....2 2. Pravila..3 2.1. Definiranje problema 4 2.2. Prikupljanje podataka i informacija 5 2.3. Formuliranje matemati kog modela 6 2.4. Rjeaavanje modela 7 2.4.1. Grafi ka metoda rjeaavanja modela 8 2.4.2. Simplex metoda 9 2.4.3. Rjeaavanje modela pomou WIN QSB programa 10 2.5. Testiranje dobivenog rjeaenja 11 2.5.1. Analiza osjetljivosti 12 2.5.2. Viaekriterijska analiza 13 2.6. Interpretacija dobivenog optimalnog rjeaenja 14 3. Zaklju ak - Perspektiva u budunosti& & & & & & & & & & & & .. 17 Sa~etak& & & & & & & & & & & & & & & & & & & & & .& & & & .18 Summary & & & & & & & & & & & & & & & & & & & .& & & & & .18 Literatura& & & & & & & & & & & & & & & & & & & & & & & & ..19 OPTIMIZACIJA DOBITI KAO KRITERIJ FINANCIJSKE ODLUKE 1. Uvod Modeliranje je proces vezan za na in razmialjanja i rjeaavanja problema. Modeli su strukture koje mozak konstruira kako bi mogao povezati injenice s kojima se susreemo, te bi mogao djelovati. To omogua razumijevanje fizi kog svijeta, komunikaciju i planiranje akcija. Jedna od osnovnih uloga modela danas je formuliranje novih ideja. U istra~ivanju prirode modeli trebaju omoguiti razumijevanje strukture i funkcioniranja prirode, te su oni orue za postavljanje i dokazivanje hipoteza. Razvoj tehnologije dovodi do stvaranja formalnijih vrsta modela, pa oni mogu preciznije opisivati i rjeaavati slo~ene fenomene, te omoguiti du~e trajanje modela. Modeli postaju sredstvo za komunikaciju veeg broja ljudi. U ekonomiji modeli imaju posebnu va~nost u oblikovanju i ispitivanju obilje~ja novih rjeaenja, koja se i ne mogu druk ije ispitivati. Ekonomski modeli u stru noj i znanstvenoj literaturi imaju veliki boj definicija. Model je formalizirana prezentacija ideja, propozicija ili znanja o specifi nom fenomenu, iji je cilj obuhvatiti bit i na in djelovanja kompleksa stvarnosti u lakae razumljiv sustav. Druga ije re eno, model je pojednostavljeni prikaz stvarnih pojava koje uklju uju stvarne sustave i procese. Svrha modeliranja stvarnih pojava je njihovo objaanjavanje, predvianje i kontrola. U ekonomiji, kao i u drugim druatvenim znanostima, do danas je primjenjeno puno razli itih tipova modela. Osnovna im je podjela na materijalne i simboli ke. Simboli ki modeli su: matemati ki, konceptualni ili ra unarski. Formuliranjem matemati kih modela u ekonomiji modeliramo ekonomsku stvarnost, kao ato se to radi i u drugim ljudskim djelatnostima, u graditeljstvu model zgrade, u kiparstvu kip od gipsa, u medicini plasti ni model ljudskog tijela. Takav model nije u naturalnom obliku, ve u obliku matemati kih jednad~bi koje se rjeaavaju poznatom matemati kom procedurom. Tako se dolazi do rjeaenja koja ekonomisti interpretiraju i donose poslovne i posebice financijske odluke u praksi. Modeli koji e nas najviae zanimati u ovom tekstu jesu konceptualni i ra unarski modeli. Konceptualni modeli se stvaraju na temelju predod~be o strukturi i logici rada sistema ili problema koji se modelira, i prikazuju se u obliku ije je zna enje precizno definirano, npr. kao dijagram koji se koristi to no definiranim simbolima. Takav prikaz omoguuje da se modeli vizualiziraju, da se mogu prikazati slo~eni modeli, da se njima mo~e baratati te da slu~e kao sredstvo za komunikaciju medu ljudima koji njima rade. Ve i sama izgradnja konceptualnog modela zna i va~an korak prema boljem razumijevanju problema koji rjeaavamo. Napokon, konceptualni su modeli osnova za izradu ra unarskih modela, a danas se oni (npr. u obliku dijagrama) ve mogu izravno razvijati i upotrebljavati na ra unalima. Ra unarski modeli su prikaz konceptualnih modela u obliku programa za ra unalo. U tom obliku modeli postaju sredstvo kojim se mo~e analizirati rad modela u razli itim vanjskim uvjetima te s razli itim unutraanjim parametrima, i tako dobiti uvid u razumijevanje sistema koji model opisuje te mogunost predvianja njegova ponaaanja. Ra unarski se modeli koriste programskim jezicima kao svojim sredstvom izra~avanja, te su stoga blisko vezani za razvoj ra unarskih znanosti. 2. Pravila Treba naglasiti da za proces izrade modela nema striktnih pravila, ve veliko zna enje ima zdrav razum, sposobnost apstrakcije, sistemati nost i iskustvo. Stoga je modeliranje prije svega umijee, a ne znanost. Ono se ne mo~e automatizirati, i vrlo je va~no da se radi pa~ljivo te da se ato viae i temeljitije provjerava. Dugo iskustvo velikog broja ljudi, koji su se time bavili dovelo je do nekih opih preporuka pri izradi modela (Gordon,1969): granica sistema s okolinom mora biti odabrana tako da sistem, odnosno njegov model, obuhvaa samo fenomene od interesa. Okolina sistema modelira se tako da se ne opisuju detalji fenomena i uzro na veza meu njima, ve se daje samo njihov sa~eti prikaz (npr. slu ajna razdioba dolazaka u sistem); modeli ne smiju biti suviae slo~eni ni detaljni, ve trebaju sadr~ati samo relevantne elemente sistema - suviae slo~ene i detaljne modele gotovo nije mogue vrednovati ni razumjeti, ato zna i da su i njihov razvoj i koriatenje teaki i neizvjesne kvalitete; model ne smije ni suviae pojednostavniti problem, npr. izbacivanjem va~nih varijabli potrebnih za adekvatan opis sistema ili suviae velikim stupnjem agregiranja komponenti sistema; model je razumno rastaviti na viae dobro definiranih i jednostavnih modula s to no odreenom funkcijom, koje je lakae i izgraditi i provjeriti; u razvoju modela preporu uje se koriatenje neke od provjerenih metoda za razvoj algoritama i programa. Tako se npr. u metodi profinjeno u koracima (tzv. pristup "odozgo prema dolje") polazi od prve verzije modela koja se sastoji od nekoliko modula s viae funkcija, zatim se u sljedeem koraku ti moduli rastavljaju na nekoliko jednostavnijih modula itd., sve dok se ne dosegne ~eljeni stupanj detaljnosti modela. Pri tome je mogue razumjeti model i njegove module u svim fazama razvoja modela; potrebna je provjera logi ke i kvantitativne ispravnosti modela, i to kako pojedina nih modula, tako i cijelog modela. Kod modela koji uklju uju slu ajne varijable, to zna i i primjenu odgovarajuih statisti kih tehnika. U ovom emo tekstu opisati, na primjeru simulacijskih modela, kako se izgrauju konceptualni i ra unarski modeli, kakvim se alatima izgrauju, kako se ispituje njihova ispravnost, te kako se planiraju, izvode i analiziraju eksperimenti s ra unarskim modelima. Brojne su mogunosti primjene ciljanog programiranja (posebice linearnog programiranja) u modeliranju i optimalizaciji poduzea. Predmet ovog rada je odabir ekonomskih veli ina za donoaenje financijskih odluka temeljem optimizacije cilja maksimizacije dobiti poduzea, ne zanemarujui pritom ni druge kriterije, kao ato su maksimizacija dnevne proizvodnje, odnosno koriatenja kapaciteta. Kako je dobit glavni izvor financiranja, u poduzeu se naj eae postavlja kao glavni cilj, te se u odnosu na druge ciljeve ponderira, kako bi joj se moglo dozirati zna enje. To nas upuuje na nu~nost viaekriterijske analize s razli itim ponderiranjem ciljeva, nakon ega je tek mogue donijeti ispravnu odluku. Radi se o matemati kom modeliranjumaksimizacije dobiti i koriatenja kapaciteta na jednom prakti nom primjeru proizvodnje grafi kih boja, gdje se maksimizaciji dobiti daje vei ponder, a koriatenju kapaciteta odnosno proizvodnji manji. Viaekriterijska analiza provodi se na na in da se pretpostavi primjena pondera za odreene ciljeve poduzea, koji se svode na jednu funkciju cilja i onda interpretiraju dobiveni optimalni rezultati. Model je rjeaen grafi ki, simplex metodom i programom WIN QSB, nakon ega slijedi interpretacija rezultata i zaklju ak. Konkretnom problemu se pristupa na sljedei na in: 1. Definiranje problema 2. Prikupljanje podataka i informacija 3. Formuliranje matemati kog modela 4. Rjeaavanje modela 5. Testiranje dobivenog rjeaenja 6. Interpretacija dobivenog optimalnog rjeaenja Problem se najprije verbalno definira u smislu cilja ili ciljeva koji se ~ele postii i moguih ograni ena koja pritom postoje. Ciljevi su razli iti i ovise o interesima. U proizvodnji se mogu minimalizirati troakovi, maksimalizirati ukupni prihodi ili dobit i sl. Kad se odlu i za ostvarivanje ciljeva, moraju se sagledati sva mogua ograni enja koja pri tom postoje u konkretnom problemu. Ona mogu biti vrlo razli ita, od ograni enja sirovina, energije, radne snage, tr~iata, kapitala i sl. Zatim se prikupljaju podaci i informacije o koli inama i vrstama proizvoda i usluga, prodajnim cijenama, maksimalnoj prodaji proizvoda ili usluga, proizvodnim normativima, izvorima financiranja i sl. U svakom problemu treba po mogunosti definirati sva mogua ograni enja koja determiniraju zadani problem. Formuliranje matemati kog modela odvija se tako da se najprije precizno definiraju varijable odlu ivanja ili strukturne varijable. Iz verbalni definiranog problema formulira se odgovarajui matemati ki model. Takav model bi formalno specificirao izraze za mjeru efikasnosti i ograni enja modela. Ako je formulirani model dosad poznati matemati ki model (npr. model linearnog programiranja), tada se rjeaenje mo~e postii koristei poznate metode ili pakete programa za ra unala. Meutim, ako je konkretni model slo~eniji, za ije rjeaavanje se ne mogu koristiti poznate metode, tada je mogue primijeniti neke slo~enije metode za njegovo rjeaavanje (podijeliti model na viae submodela, redukcija manje bitnih ograni enja, preformulacija modela i sl.). Treba te~iti takvom modelu koji e s jedne strane biti jednostavan da se mo~e rijeaiti, a da s druge strane dovoljno dobro opisuje realnu situaciju. Nakon formulacije modela prepoznaje se o kojem se modelu radi i koje se metode za njegovo rjeavanje mogu koristiti. Ako postoji gotov program, treba ga koristiti jer se njim dobivaju i rezultati analize osjetljivosti. Testiranje dobivenog rjeaenja provodi se verifikacijom u smislu da li su to prava rjeaenja obzirom na planske veli ine, mogua izostavljanja ograni enja i sl. Ako dobivamo rezultate koji znatno odstupaju od realnosti mogue je da veli ine nisu dobro postavljene ili pri definiciji i formulaciji modela ili da nisu uzeta u obzir neka bitna ograni enja. Tada treba uklju iti ta nova ograni enja i postupak ponoviti. Interpretacija dobivenog rjeaenja svodi se objaanjenje ato dobiveno optimalno rjeaenje zna i, kolike su mogue uatede, kako su iskoriateni kapaciteti, kako se koriste financijska sredstva, kakve su mogunosti zarade, kako prodajne ili nabavne cijene utje u na ukupan prihod i sl. (optimalna rjeaenja). Nakon formulacije modela, model rjeaavamo nekim gotovim programskim paketom, kao primjerice WIN QSB, LIDO i sl., koji omoguavaju i analizu osjetljivosti. Nakon toga odreujemo pondere zna enja cilja ostvarivanja dobiti i koriatenja kapaciteta, te provodimo viaekriterijsku analizu financijskih odluka. 2. 1. Definiranje problema U pogonu poduzea kemijske industrije proizvode se dvije vrste lakova: sinteti ki i nitro lakovi. Obje vrste proizvoda prolaze kroz tri faze proizvodnje: sastavljanje komponenti, mijeaanje komponenti i pakiranje gotovih proizvoda. U svakoj fazi oprema se mo~e upotrebljavati 8 sati dnevno. Proizvodi se najprije sastavljaju od razli itih komponenti, potom mijeaaju na mijeaalicama, a zatim pakiraju na pakirkama. Za svaku tonu sinteti kog laka utroai se pola sata za sastavljanje komponenti, dok za nitro lak ne postoji ta faza proizvodnje. Za sinteti ki lak nije potrebno mijeaanje, a za nitro lak utroae se 1 sat na mijeaanje. Za 1 tonu sinteti kog laka utroai se 1/3 sata za pakiranje, a za nitro lak 2/3 sata za pakiranje. Prodajna cijena 1 tone sinteti kih lakova iznosi 20.000,00 kuna, a 1 tone nitro lakova 25.000,00 kuna. Varijabilni troakovi za 1 tonu sinteti kih lakova iznose 14.000,00 kuna, a za jednu tonu nitro lakova 16.000,00 kuna. Ukupni fiksni troakovi iznose 3.000,00 kuna. Kako odrediti dnevni program proizvodnje kojim e se ostvariti najviaa dobit i optimalno iskoristiti proizvodni kapacitet? 2.2. Prikupljanje podataka i informacija Iz definicije problema zapravo prepoznajemo potrebne podatke za rjeaavanje problema, koje prikazujemo kao input koeficijente u sljedeoj tablici: Input koeficijenti i dnevni kapacitet opreme Tablica 1. Faze proizvodnjePotrebni sati obrade po toni Sinteti ki lakovi Nitro lakoviDnevni kapacitet (u satima)Sastavljanje0,50,0 EMBED Equation.3 8Mijeaanje0,01,0 8Pakiranje0,33 0,67 8 P1 = 20.000,00 kuna (prodajna cijena za 1 tonu sinteti kih lakova) P2 = 25.000,00 kuna (prodajna cijena za 1 tonu nitro lakova) VT1 = 14.000,00 kuna (varijabilni troakovi za 1 tonu sinteti kih lakova) VT2 = 16.000,00 kuna (varijabilni troakovi za 1 tonu nitro lakova) TFC = 3.000,00 kuna (ukupni fiksni troakovi 1 tone lakova)  EMBED Equation.3 20.000,00  14.000,00 = 6.000,00 (dobit po toni sinteti kih lakova)  EMBED Equation.3 25.000,00  16.000,00 = 9.000,00 (dobit po toni sinteti kih lakova) 2.3. Formuliranje matemati kog modela Kako smo postavili dva cilja koja ~elimo ostvariti: Kako odrediti dnevni program proizvodnje kojim e se ostvariti najviaa dobit? Kako odrediti dnevni program proizvodnje kojim e se optimalno iskoristiti proizvodni kapacitet?, trebamo formulirati dva matemati ka modela i rijeaiti ih. No, prije svega treba precizno definirati varijable odlu ivanja i funkcije cilja. Varijable odlu ivanja: x1 = koli ina sinteti kih lakova u tonama, x2 = koli ina nitro lakova u tonama. Funkcije cilja:  EMBED Equation.3 ukupna dobit u kunama, Z = ukupno dnevno iskoriatenje kapaciteta u satima. Postavili smo dva razli ita cilja i zato trebamo formulirati dva razli ita modela: MODEL LP-1: (1)max EMBED Equation.3 (6.000,00x1 + 9.000,00x2)  3.000,00 (funkcija cilja max ukupne dobiti) (2) x1  EMBED Equation.3  16 (ograni enje za sastavljanje) (3) x2  EMBED Equation.3  8 (ograni enje za mijeaanje) (4) x1 + 2x2  EMBED Equation.3  24 (ograni enje za pakiranje) (5) x1, x2  EMBED Equation.3  0 (uvjeti nenegativnosti varijabli odlu ivanja) Jednad~be ograni enja formuliramo tako da prvu jednad~bu mno~imo s dva, a treu s 3. MODEL LP-2: (1) max Z = 0,83x1 + 1,67x2 (funkcija cilja  max koriatenje kapaciteta) (2) x1  EMBED Equation.3  16 (ograni enje za sastavljanje) (3) x2  EMBED Equation.3  8 (ograni enje za mijeaanje) (4) x1 + 2x2  EMBED Equation.3  24 (ograni enje za pakiranje) (5) x1, x2  EMBED Equation.3  0 (uvjeti nenegativnosti varijabli odlu ivanja) 2.4. Rjeaavanje modela Prethodno formulirana dva matemati ka modela su linearni modeli, ato zna i za koliko raste jedna varijabla za toliko linearno pada druga varijabla, i obrnuto. U jednad~bama nigdje nemamo potenciju veu od 1, ato je dokaz linearnosti. Ta dva matemati ka modela mo~emo rijeaiti na nekoliko na ina. Prvo, model s dvije varijable (pa ak i s tri varijable, ali malo te~e) mo~e se rijeaiti grafi ki - preciznim ucrtavanjem na milimetarskom papiru vrijednosti varijabli iz jednad~bi ograni enja, te povla enjem linija izmeu dviju to aka. Prostor koji se dobije izmeu ishodiata i tih linija naziva se Euklidov poliedar, a vrhovi toga poliedra daju optimalno rjeaenje. Zapravo najudaljenija to ka od ishodiata predstavlja optimalno rjeaenje. Drugo, modeli se mogu rijeaiti poznatom simplex metodom. Tree, modeli se najbr~e i najpreciznije mogu rijeaiti gotovim programima, ako ato su WIN QSB, LINDO i sl. U nastavku pokazujemo te na ine rjeaavanja modela: 2.4.1. Grafi ka metoda rjeaavanja modela: MODEL LP-1: (1)max EMBED Equation.3 (6.000,00x1 + 9.000,00x2)  3.000,00 (funkcija cilja max ukupne dobiti) (2) x1  EMBED Equation.3  16 (ograni enje za sastavljanje) (3) x2  EMBED Equation.3  8 (ograni enje za mijeaanje) (4) x1 + 2x2  EMBED Equation.3  24 (ograni enje za pakiranje) (5) x1, x2  EMBED Equation.3  0 (uvjeti nenegativnosti varijabli odlu ivanja) Ograni enja (2), (3) i (4) prikazujemo na grafi kom prikazu:  X2  granica sastavljanja  12  E(0,8) D (8,8)  8 granica mijeanja  C(16,4)  4 S  granica pakiranja  A(0,0) B(16,0) 0 4 6 8 12 16 20 24 Grafi ki prikaz : Skup moguih rjeaenja S Do optimalnih rjeaenja dolazi se tako da se koordinate vrhova poliedra uvrste u funkciju cilja  EMBED Equation.3 , a koordinate onog vrha za koji je funkcija cilja maksimxz 2 4 6 8 d      뾰|m^mVOKOh f h[o&h )Th[o&h )T5hNuh fOJQJ^JaJhNuh )TOJQJ^JaJhNuOJQJ^JaJh )ThXh fOJQJ^Jh fOJQJ^Jhxih fOJQJ^Jhxih f5OJQJ^J h )T5%jh )T5CJUaJmHnHuh f5CJaJh7@h )T5CJaJh )T5CJaJh5 O5OJQJ^J 4 6 8   - $a$gd$a$gd f$ & F  dha$gd f$ & Fdha$gd f$  dha$gd fgd )T$a$gd )Tgd5 OFGM,N- . W  : J &\^fh$a$gd^gdNuh^hgd)>oh^hgd_ ph^hgd]6gd )T 5 H S V W | } ~   8 : < D f h  ( H J L $&(*,.248D`оокг⳺ЯШ h_ phNu hmzFhmzFhmzF h)>oh)>oh)>oh_ p h_ ph]6 h fh fhV> h_ ph f h)>oh]6hNu hh fh fhwh )T hh )T?`~0@BZ\^`  ,RTbd$&(*0>@̺񯫯h5 OOJQJ^Jh)>o5OJQJ^Jh5 O5OJQJ^J h)>oh)>oh 7h5 O h^/h^/ h@h )T hd(h )Thwhv }h^/h )Th f hNuhNu h_ ph f h_ ph]6hNu h_ phNuhV>2&(*:>F <'***$a$gd* $dha$gdtB< $dha$gdO $dha$gdmn $dha$gd>. $dha$gd4gd5 O$a$gd5 Ogd)>o$a$gdgd^/@Tf\^"LR  $48bdfh|ȸȮzh>.h>.OJQJ^Jh>.OJQJ^Jjh>.0JOJQJU^JhXh>.OJQJ^Jh4OJQJ^JjhX0JOJQJU^JhXh4OJQJ^JhmnOJQJ^Jh{-OJQJ^Jh:<OJQJ^JhXhmnOJQJ^J/*68FH !<'>'****sdUFh)>o5CJOJQJ^JaJhO5CJOJQJ^JaJhtB<5CJOJQJ^JaJhtB<CJOJQJ^JaJ hXh*CJOJQJ^JaJhOCJOJQJ^JaJh8hOJQJ^JhMhOOJQJ^JhOOJQJ^JhmnOJQJ^JhXhmnOJQJ^JhrW.OJQJ^Jh )TOJQJ^Jh3ROJQJ^JhaxOJQJ^J**++++--\..,0.0|6~6::;;;;r<t<==T====>>>´yk]]kYRNRNRNRh^k h6~;h^kh5 Oh1oCJOJQJ^JaJhrCJOJQJ^JaJh$@CJOJQJ^JaJhCJOJQJ^JaJh>CJOJQJ^JaJ hXh*CJOJQJ^JaJhx}CJOJQJ^JaJhOCJOJQJ^JaJhtB<CJOJQJ^JaJ#htB<htB<5CJOJQJ^JaJhtB<5CJOJQJ^JaJ*+++.02P4p5N9; ;=BFNGGG HNHH$ dh^a$gd$ dha$gd7 $dha$gd7gd7$ & Fdha$gdx} $dha$gdtB<$a$gd*>>BBFGG$G&GNGXGpGGGGG H*HNHXHHHHLL6O8O V!VVX>[@[\]^^___ɿɿɵɵɵɵɵɵɛɄtjhmA OJQJ^Jjh5 O0JOJQJU^Jh5 OOJQJ^Jh7h7OJQJ^Jh7h^kOJQJ^JhvzhvzOJQJ^JhOJQJ^Jh7OJQJ^Jh6~;h^kOJQJ^J h7h7CJOJQJ^JaJh7CJOJQJ^JaJ h7h7h7'HHL8O!VW@[]__@`J`ii\i^ijjjjk$dh$Ifa$gdN dhgd5 O $dha$gd5 O $dha$gd5 O$ & F dha$gd7$ dh^a$gd_`6`>`@`aaii i\i^ijjjkRkkkk"l$l&l(lll$m&mmm2n4n*o,oRoߡ߂scXXXX߂h5 OH*OJQJ^Jjh5 OEHOJQJU^JjI h5 OCJUVaJjh5 OOJQJU^J h5 O5>*CJOJQJ^JaJh5 O5CJOJQJ^JaJhmzFOJQJ^JhmzF5OJQJ^Jjh5 O0JOJQJU^Jh~OJQJ^Jh5 OOJQJ^Jh5 O5OJQJ^Jh)>o5OJQJ^J"kRkkkkkkkk,lRkd$$IflF(# #` t06    44 la B dh$IfgdN $dh$Ifa$gdN ,l.lBlJlRl\l^OOOO$dh$Ifa$gdN kd!$$Ifl\(#   ` t0644 la\l^lrl|lll^OOOO$dh$Ifa$gdN kd$$Ifl\(#   ` t0644 lalll"mm.nn*oo^SHHHHHH $dha$gd5 O $dha$gd5 Okd$$Ifl\(#   ` t0644 laRoToVoXooop p ppppppppsssttXtZt\ttttttȹȟ~ȉsfȉfȉWj'I h5 OCJUVaJh5 O5H*OJQJ^Jh 75OJQJ^Jh f5OJQJ^Jh5 O5OJQJ^JhmzF5OJQJ^Jh 7OJQJ^Jj`h5 OEHOJQJU^JjI h5 OCJUVaJh5 OOJQJ^Jjh5 OOJQJU^Jj1h5 OEHOJQJU^Jj'I h5 OCJUVaJoppppVqqrsstXtttt uuu8v:v $<^<a$gd5 O $<^<a$gd 7$<dh^<a$gd5 O$ & Fdha$gd5 O $dha$gd f $dha$gdmzF $dha$gd5 Ottt u$u(u*u:vRvXv^v`vvvvvvvvvvww"w*w,w@wBwhwjwlwnwvwwwwtb"j h5 O5EHOJQJU^JjI h5 OCJUVaJh5 O5H*OJQJ^J"j h5 O5EHOJQJU^JjDI h5 OCJUVaJjh5 O5OJQJU^Jh5 O5OJQJ^JhmA 5OJQJ^Jh5 OOJQJ^Jjh5 OOJQJU^Jjh5 OEHOJQJU^J#:vRvwwFxxyy6z8zPzz{>||}}}}}X$<dh^<a$gd5 O$ & Fdha$gd5 O $<^<a$gd 7 $dha$gd5 O$<dh^<a$gd5 O$ & Fdha$gd5 Owwwxxxxx xxDxFxLxPxRxTxVx`xbxdxfxxxxxxxxxxxxxxxxxxyҿ᧝ᧂsa᧒"jh5 O5EHOJQJU^JjﯗI h5 OCJUVaJjh5 O5OJQJU^Jh_6n5OJQJ^Jh5 OOJQJ^Jh5 O5OJQJ^JhmA 5H*OJQJ^J%jh5 O5EHH*OJQJU^JjI h5 OCJUVaJh5 O5H*OJQJ^J!jh5 O5H*OJQJU^J&yy y"y$y&y*y6z8zPzVzrztzzzzz{{{<{>{@{B{D{F{L{{{{{{{øîî×××Èvkîî×^h_6n5H*OJQJ^Jh_6n5OJQJ^J"j[h5 O5EHOJQJU^JjI h5 OCJUVaJh5 O5H*OJQJ^Jh 7OJQJ^Jh5 OOJQJ^JhmA 5OJQJ^Jh5 O5OJQJ^Jjh5 O5OJQJU^J"joh5 O5EHOJQJU^JjI h5 OCJUVaJ {{{{{{|||<|V|^|b|f|h|r|t|v|x||||||||}}} } }}}}}ҿᲧᧃtbWh_6n5OJQJ^J"j5h5 O5EHOJQJU^JjﯗI h5 OCJUVaJjh5 O5OJQJU^Jh_6nOJQJ^Jh5 OOJQJ^Jh5 O5OJQJ^Jh_6n5H*OJQJ^J%jJh5 O5EHH*OJQJU^JjI h5 OCJUVaJh5 O5H*OJQJ^J!jh5 O5H*OJQJU^J"}} }"}H}J}L}N}P}R}V}}}}}}}0TXZ`bhȅ΅ԅօʸykk]hmzFh5 O5OJQJ^JhmzFhmzF5OJQJ^JhmA OJQJ^Jh 7OJQJ^Jh f5OJQJ^JhmzF5OJQJ^JhMl5OJQJ^Jh5 OOJQJ^J"j$h5 O5EHOJQJU^JjI h5 OCJUVaJjh5 O5OJQJU^Jh_6n5OJQJ^Jh5 O5OJQJ^J"XZȅ*Jzĉȉb&O dhgd5 O gd5 O wgd5 O gd5 O gd5 Ogd5 Odgd5 O$<dh^<a$gd5 O$<dh^<a$gdmzF02Lކ0LPRxz|~ööììöÝÀìöo`Mo%j h5 O5EHH*OJQJU^JjI h5 OCJUVaJ!jh5 O5H*OJQJU^JhmA 5OJQJ^J"jh5 O5EHOJQJU^JjI h5 OCJUVaJh5 OOJQJ^Jh5 O5H*OJQJ^Jh5 O5OJQJ^Jjh5 O5OJQJU^J"jh5 O5EHOJQJU^JjDI h5 OCJUVaJ~Ƈ̇·؇ڇ܇އ PRTVXZ\^`bnpzƶۧƶۀnjh5 O"j#h5 O5EHOJQJU^J)jI h5 OCJOJQJUV^JaJ"j!h5 O5EHOJQJU^JjﯗI h5 OCJUVaJjh5 O5OJQJU^JhmA 5OJQJ^Jh5 OOJQJ^Jh5 O5OJQJ^JhmA 5H*OJQJ^Jh5 O5H*OJQJ^J'z|‰ȉʉDJZ[\abi &)MNOXkm`bPRTڻڻڭڞڌڂu jh5 OOJQJ^Jh|OJQJ^JUj%h5 OEHOJQJU^JjۗI h5 OCJUVaJjh5 OOJQJU^J&jh5 OOJQJU^JmHnHuh5 O5OJQJ^Jh5 OOJQJ^J h5 O5 h5 OH*h5 Ojh5 OUmHnHu.Ok̋8:P$&`#$/IfgdN dh&`#$/gd5 O`gd5 O$dh`a$gd5 Ogd5 Odhgd5 O L _ gd5 O gd5 O gd5 O alno je optimalno rjeaenje. A(0,0)(  EMBED Equation.3 = (6.000,00 ( 0 + 9.000( 0) -3.000,00 = - 3000,00 B (8, 0)( EMBED Equation.3 = (6.000,00 ( 16 + 9.000,00( 0) -3.000,00 = 93.000,00 C(16,4) (  EMBED Equation.3 = (6.000,00 ( 16 + 9.000,00 ( 4) -3.000,00 = 129.000,00( max D(8,8) (  EMBED Equation.3 = (6.000,00 ( 8 + 9.000,00 ( 8) -3000,00 = 117.000,00 Dakle, optimalna rjeaenja su: x*1 = 16 tona x*2 = 4 tone  EMBED Equation.3 = 129.000,00 kuna Poduzee treba dnevno proizvesti 16 tona sinteti kih i 4 tone nitro lakova da bi ostvarilo maksimalnu dobit od 129.000,00 kuna. O igledno je to najbolje rjeaenje. MODEL LP-2 Za grafi ko rjeaavanje ovog modela ograni enja su ista, kao i grafi ki prikaz, a to zna i da su i koordinate vrhova poliedra isti. Stoga u ovom modelu ispitujemo samo koordinate vrhova poliedra tra~ei ekstremnu, tj. maksimalnu vrijednost. max Z = 0,83x1 + 1,67x2 A(0,0)( Z = (0,83 ( 0) + (1,67( 0) = 0 B (8, 0)(Z = (0,83 ( 16) + (1,67( 0) = 13,28 C(16,4) ( Z = (0,83 ( 16) + (1,67 ( 4) = 19,96 D(8,8) ( Z = (0,83 ( 8 + 1,67 ( 8) = 20,00( max Dakle, optimalno rjeaenje je sljedee: x*1 = 8 tona x*2 = 8 tona Z* = 20 sati Poduzee treba proizvesti 8 tona sinteti kih i 8 tona nitro lakova, da bi maksimalno koristilo proizvodne kapacitete opreme (100%) od 20 sati dnevno. 2.4.2. Simplex metoda Simplex metoda je jedna od najzna ajnijih metoda rjeaavanja matemati kih modela ra unskom procedurom, koja omoguava rjeaavanje modela s viae varijabli koje su u praksi naj eae. Koliko imamo osnovnih varijabli u modelu, toliko dodamo pomonih, te pomou njih izra unamo osnovne varijable. Pokazat emo primjenu simplex metode na naaa prethodna dva modela. MODEL LP- 1 (1) max EMBED Equation.3 (6.000,00x1 + 9.000,00x2)  3.000,00 ( funkcija cilja ) (2) x1  EMBED Equation.3  16 (3) x2  EMBED Equation.3  8 ( skup moguih rjeaenja S ) (4) x1 + 2x2  EMBED Equation.3  24 (5) x1, x2  EMBED Equation.3  0 Tablica 2 Simplex metoda Zj 6.000,00 9.000,00 0 0 0 BAZAA0 = B A1 A2A3 A4A50 0 0A3 A4 A516 8 241 0 10 1 21 0 00 1 01 0 1Zj - Cj0- 6.000,00- 9.000,00000 0 9.000,00 0 A3 A2 A5 16 8 8  1  0 1 0 1 0 1 0 0 0 1 - 0,5 1 0 1 Zj - Cj 72.000,00 -6000,00 009.000,00 0 0 9.000,00 6.000,00 A3 A2 A1 8 8 8 0 0 1 0 1 01 0 0 0,55 1 -0,5 0 0 1 Zj  Cj 120.000,00 0 0 0 6.000,00 6.000,00 Budui da su svi Zj  Cj nenegativne veli ine, ita se optimalno rjeaenje: x(1 = 8 tona, x(2 = 8 tona, Z( = 120.000,00 (- 3.000,00 ) = 117.000,00 kuna Simplex metodom dobili smo optimalno rjeaenje u to ki D grafi kog prikaza u kojoj smo dobili i optimalno koriatenje kapaciteta, pa bismo mogli zaklju iti da je optimalno rjeaenje maksimizacije dobiti i koriatenja kapaciteta - da se dnevno proizvede ukupno 16 tona lakova, a od toga osam tona sinteti kih lakova i 8 tona nitro lakova, da bismo ostvarili maksimalnu dobit u iznosu od 117.000,00 kuna. 2.4.3. Rjeaavanje modela pomou WIN QSB programa Pomou gotovih programskih paketa problem optimizacije mogue je daleko br~e rijeaiti, a prednost je i u tome ato mo~emo izvraiti i analizu osjetljivosti. MODEL LP-1 (1) max EMBED Equation.3 (6.000,00x1 + 9.000,00x2)  3.000,00 ( funkcija cilja ) (2) x1  EMBED Equation.3  16 (3) x2  EMBED Equation.3  8 ( skup moguih rjeaenja S ) (4) x1 + 2x2  EMBED Equation.3  24 (5) x1, x2  EMBED Equation.3  0 WIN QSB program Combined Report for Profit Max. 11:28:43 Thursday May 10 2007 Decision Solution Unit Cost or Total Reduced Basis Allowable Allowable Variable Value Profit c(j) Contribution Cost Status Min. c(j) Max. c(j) 1 X1 16,0000 6.000,0000 96.000,0000 0 basic 0 M 2 X2 8,0000 9.000,0000 72.000,0000 0 basic 0 M Objective Function (Max.) = 168.000,0000 Left Hand Right Hand Slack Shadow Allowable Allowable Constraint Side Direction Side or Surplus Price Min. RHS Max. RH 1 C1 16,0000 <= 16,0000 0 6.000,0000 0 16,0000 2 C2 8,0000 <= 8,0000 0 9.000,0000 0 8,0000 3 C3 24,0000 <= 24,0000 0 0 24,0000 M Rjeaenje programom pokazuje optimalno rjeaenje: x*1 = 16 tona x*2 = 8 tona  EMBED Equation.3 = 168.000,00 kuna Poduzee treba dnevno proizvesti 16 tona sinteti kih i 8 tona nitro lakova da bi ostvarilo maksimalnu dobit od 168.000,00 kuna. 2.5. Testiranje dobivenog optimalnog rjeaenja Pretpostavimo menad~ment poduzea propituje ova optimizacijom dobivena rjeaenja: Da bi ostvarilo maksimalnu dobit od 129.000,00 kuna poduzee treba dnevno proizvesti 16 tona sinteti kih i 4 tone nitro lakova (grafi ko rjeaenje prve funkcije cilja  Modela LP-1). Da bi maksimalno iskoristilo proizvodne kapacitete opreme (100%) od 20 sati dnevno poduzee treba proizvesti 8 tona sinteti kih i 8 tona nitro lakova (grafi ko rjeaenje druge funkcije cilja  Modela LP-2). Da je optimalno rjeaenje maksimizacije dobiti i koriatenja kapaciteta da se dnevno proizvede ukupno 16 tona lakova, a od toga 8 tona sinteti kih lakova i 8 tona nitro lakova da bi ostvarili maksimalnu dobit u iznosu od 117.000,00 kuna (rjeaenje prve funkcije cilja - Modela LP-1 dobiveno simplex metodom). Da bi ostvarilo maksimalnu dobit od 168.000,00 kuna poduzee treba dnevno proizvesti 16 tona sinteti kih i 8 tona nitro lakova (rjeaenje prve funkcije cilja -Modela LP-1 dobiveno QSB programom). Iz dobivena etiri optimalna rjeaenja mo~e se zaklju iti da je za poduzee najbolje rjeaenje dobiveno simpleks metodom po kojem treba proizvesti ukupno 16 tona lakova (8 tona jednog laka i 8 tona drugog laka) da bi i ostvarilo dobit od 117.000,00 kuna. 2.5.1. Analiza osjetljivosti Analiza osjetljivosti provodi se na na in da se pretpostavi promjena nekih parametara ili pondera i onda interpretiraju dobiveni optimalni rezultati. WIN QSB program Combined Report for Sensitivity Analysis 09:57:21 Wednesday July 04 2007 Decision Solution Unit Cost or Total Reduced Basis Allowable Allowable Variable Value Profit c(j) Contribution Cost Status Min. c(j) Max. c(j) 1 X1 16,0000 3.960,0000 63.360,0000 0 basic 2.970,0000 M 2 X2 4,0000 5.940,0000 23.760,0000 0 basic 0 7.920,0000 Objective Function (Max.) = 87.120,0000 Left Hand Right Hand Slack Shadow Allowable Allowable Constraint Side Direction Side or Surplus Price Min. RHS Max. RHS 1 C1 16,0000 <= 16,0000 0 990,0000 8,0000 24,0000 2 C2 4,0000 <= 8,0000 4,0000 0 4,0000 M 3 C3 24,0000 <= 24,0000 0 2.970,0000 16,0000 32,0000 Analiza osjetljivosti pokazuje optimalno rjeaenje da se proizvede 16 tona sinteti kih lakova i 4 tone nitro laka. U tom slu aju ostvarila bi se maksimalna dobit od 87.120,00 kuna, ato predstavlja maksimalnu funkciju cilja. 2.5.2. Viaekriterijska analiza Meutim, poduzeu nije svejedno - maksimizacija dobiti i maksimalno koriatenje kapaciteta, odnosno pretpostavimo da mu je manje bitno koriatenje kapaciteta od maksimizacije dobiti. Zato je nu~no provesti viaekriterijsku analizu. Viaekriterijska analiza provodi se na na in da se pretpostavi primjena nekih parametara ili pondera za odreene ciljeve poduzea, koji se svode na jednu funkciju cilja i onda interpretiraju dobiveni optimalni rezultati. Uzmimo da poduzee maksimizaciji dobiti daje 66% te~ine, a maksimalnom koriatenju kapaciteta 34% te~ine i provedimo viaekriterijsku analizu. MODEL LP- 3: (1) max G = 0,66 (6.000,00x1 + 9.000,00x2)  3.000,00 + 0,34 (0,83x1 + 1,67x2) (2) x1  EMBED Equation.3  16 (3) x2  EMBED Equation.3  8 ( skup moguih rjeaenja S ) (4) x1 + 2x2  EMBED Equation.3  24 (5) x1, x2  EMBED Equation.3  0 Rjeaenje: Nakon ureenja prethodnog modela dobivamo sljedee:  (1) max G = (3.960,2822x1 + 5.940,5678x2)  3.000,00 (2) x1  EMBED Equation.3  16 (3) x2  EMBED Equation.3  8 ( skup moguih rjeaenja S ) (4) x1 + 2x2  EMBED Equation.3  24 (5) x1, x2  EMBED Equation.3  0 Nakon unoaenja u QSB program dobivamo sljedee rezultate: WIN QSB program Combined Report for Profit and Capacity 12:39:30 Monday October 22 2007 Decision Solution Unit Cost or Total Reduced Basis Allowable Allowable Variable Value Profit c(j) Contribution Cost Status Min. c(j) Max. c(j) 1 X1 16,0000 3.960,2820 63.364,5200 0 basic 2.970,2840 M 2 X2 4,0000 5.940,5680 23.762,2700 0 basic 0 7.920,5650 Objective Function (Max.) = 87.126,7900 Left Hand Right Hand Slack Shadow Allowable Allowable Constraint Side Direction Side or Surplus Price Min. RHS Max. RHS 1 C1 16,0000 <= 16,0000 0 989,9983 8,0000 24,0000 2 C2 4,0000 <= 8,0000 4,0000 0 4,0000 M 3 C3 24,0000 <= 24,0000 0 2.970,2840 16,0000 32,0000 2.6. Interpretacija dobivenog optimalnog rjeaenja Dobiveni rezultat pokazuje da poduzee treba proizvesti 16 tona sinteti kog laka i 4 tone nitro laka, odnosno ukupno 20 tona lakova da po uzetim ponderima te~ine 66% : 34% ostvarivanja dobiti i iskoriatenja kapaciteta ostvarila maksimalnu dobit od 84.126,79 kuna (87.126,79  3.000,00 = 84.126,79). 3. Zaklju ak Prethodnom analizom pokazali smo kako je mogue donositi financijske odluke temeljem optimizacije cilja maksimizacije dobiti poduzea ne zanemarujui pritom ni druge kriterije, kao ato su maksimizacija dnevne proizvodnje, odnosno koriatenja kapaciteta. Kako je dobit glavni izvor financiranja, u poduzeu se naj eae postavlja kao glavni cilj ili, u odnosu na druge ciljeve, ponderira se tako da joj se pridaje najvee zna enje. To nas upuuje na nu~nost viaekriterijske analize s razli itim ponderiranjem ciljeva, nakon ega je tek mogue donijeti ispravnu odluku. Analiza takoer pokazuje da je daleko efikasnije koristiti se gotovim programskim paketima uz prethodno formuliranje modela, kojima se brzo i to no dobivaju rezultati optimizacije modela, kao i analiza osjetljivosti. Dakako da je pritom najva~nija to na interpretacija rezultata optimizacije. Meutim, iako model zadovolljava ekonomske, statisti ke i ekonometrijske kriterije vrednovanja ocjene, mogue je da ima nezadovoljavajuu mo predvianja. Takvi se modeli mogu koristiti za analizu postojeeg stanja ekonomske strukture, ali ne i za uspjeano predvianje, zato jer su stati ni. Da bi model mogao uspjeano predstaviti promjene strukturnih parametara, treba odra~avati dinamiku promatranih pojava. SA}ETAK Brojne su mogunosti primjene ciljanog programiranja (posebice linearnog programiranja) u modeliranju i optimalizaciji poduzea. Predmet ovog rada je odabir ekonomskih veli ina za donoaenje financijskih odluka temeljem optimizacije cilja maksimizacije dobiti poduzea, ne zanemarujui pritom ni druge kriterije, kao ato su maksimizacija dnevne proizvodnje, odnosno koriatenja kapaciteta. Kako je dobit glavni izvor financiranja, u poduzeu se naj eae postavlja kao glavni cilj, te se u odnosu na druge ciljeve ponderira, kako bi joj se moglo dozirati zna enje. To nas upuuje na nu~nost viaekriterijske analize s razli itim ponderiranjem ciljeva, nakon ega je tek mogue donijeti ispravnu odluku. Analiza takoer pokazuje da je daleko efikasnije koristiti se gotovim programskim paketima uz prethodno formuliranje modela, kojima se brzo i to no dobivaju rezultati optimizacije modela, kao i analiza osjetljivosti. Dakako da je pritom najva~nija to na interpretacija rezultata optimizacije. SUMMARY The possibilities of applying targeted programming (particularly linear programming) in company optimisation and modelling are numerous. The scope of this paper is to select economic sizes required for the making of financial decisions pursuant to the optimisation of company profit maximisation objective, without though neglecting other criteria, such as daily production maximisation, i.e. capacity utilisation. As the profit is the main source of financing, it is mostly set up as the main target in a company, and is weighted in relation to other objectives, in order to dose its meaning. It indicates the necessity of multi-criteria analysis with various weighting of objectives/targets, only then to be followed by making a right decision. The analysis also demonstrates that it is far more efficient to make use of ready-made programme packages with previous model formulation, by way of which model optimisation results, as well as the sensitivity analysis, are rapidly and correctly obtained. Needless to say, it is of utmost importance in this matter to correctly interpret the optimisation results." Klju ne rije i: rezultati optimizacije, viae kriterijska analiza, glavni cilj, analiza osjetljivosti, programski paketi Key words: model optimisation results, multi-criteria analysis, main target, sensitivity analysis, programme packages Literatura: Vuki evi, Milan, Financije poduzea, Golden marketing  Tehni ka knjiga, Zagreb, 2006. 2. Chiang, A., C., Osnovne metode matemati ke ekonomije, Mate, Zagreb, 1994. 3. Vuki evi, M., Papi, M., Matemati ko-statisti ki priru nik za poduzetnike, Golden marketing  Tehni ka knjiga, Zagreb, 2003. 4. Reli, B., Gospodarska matematika, II izdanje, RiF, Zagreb, 2002. 5. Nerali, L., Uvod u matemati ko programiranje, Element, Zagreb, 2003. 6. Vuki evi, M., Financiranje malih poduzea, RiF, Zagreb, 2000. 7. Dilworth, J., Operations Management, Design, Planning and Control for Manufacturing and Services, McGraw-Hill, New York, 1992. 8. Meredith, Jack, R., The Management of Operations a Conceptual Ephasis, Fourth Edition, John Wiley&Sons, Inc. New York etc. 1992. 9. De La Fuente, A., Mathematical Methods and Models for Economists, Cambridge University Press, Cambridge, 2000. 10. Sydsaeter K., Hammond, P., J., Mathematics for Economic Analysis, Prentis  Hall International, Englewood Cliffs, New York, 1995.  Npr. otkrivanje strukture DNA molekule, klju ne molekule u genetici, tijekom kojeg su se James Watson i Francis Crick intenzivno koristili razli itim oblicima modela. Za svoje su otkrie 1962. godine dobili Nobelovu nagradu (Watson,l968).  Newtonov zakon gravitacije je model za razumijevanje gravitacijskog meudjelovanja tijela u svemiru, a ujedno omoguuje i to no predvianje gibanja tijela u gravitacijskom polju  Model slo~enoga proizvodnog pogona mo~e pomoi odreivanju broja i vrste strojeva, koji omoguuju odreen proizvodni kapacitet pogona uz najmanja ulaganja.  Analiza osjetljivosti provodi se tako da se mijenjaju pojedine ulazne ekonomske veli ine kao varijable, a zatim ponovno rjeaavamo model te analiziramo i interpretiramo dobivene rezultate.  Komponente su pigmenti razli itih boja, razrjeiva i, smole i punila.     PAGE  PAGE 17 TV|~"$&(@B^`矏vfU j;ܗI h5 O5CJUVaJjh5 O5OJQJU^J jh5 O5OJQJ^Jh5 O5OJQJ^Jj)h5 OEHOJQJU^JjcۗI h5 OCJUVaJ jh5 OOJQJ^J jh5 OOJQJ^Jj'h5 OEHOJQJU^JjڗI h5 OCJUVaJh5 OOJQJ^Jjh5 OOJQJU^JDFNbdfhFJӵn^QQDh5 O5H*OJQJ^J jh5 OOJQJ^Jj-.h5 OEHOJQJU^J)jܗI h5 OCJOJQJUV^JaJjh5 OOJQJU^J jh5 OOJQJ^Jh5 OOJQJ^Jh5 O5OJQJ\^J jh5 O5OJQJ\^J jh5 O5OJQJ^Jh5 O5OJQJ^Jjh5 O5OJQJU^J"j+h5 O5EHOJQJU^JPRT@Bd"$:<{{{{{o{o $<^<a$gd 7$<dh^<a$gd5 Ogd5 Odhgd5 Ohkd-$$Ifl#H$ 6`0H$4 la JLN`dlnprvz"$>"<>NRjl޸驙wjjwjjw jh5 OOJQJ^J jh5 OOJQJ^Jh 75OJQJ^Jh 7OJQJ^Jj0h5 OEHOJQJU^Jj;ܗI h5 OCJUVaJjh5 OOJQJU^JhL5OJQJ^Jh5 O5H*OJQJ^Jh5 O5OJQJ^Jh5 OOJQJ^Jh5 O5H*OJQJ^J)< RTf^hkd 2$$Ifl#H$ 6`0H$4 ladh$&`#$/IfgdxEdh&`#$/gd5 Odhgd5 O$<dh^<a$gd5 O 02LNf268:JNVX^`npr޲ހހuku`hxE5OJQJ^Jh0OJQJ^Jh05OJQJ^JhL5OJQJ^Jh5 O5H*OJQJ^Jh5 O5H*OJQJ^Jh5 O5OJQJ\^J jh5 O5OJQJ\^J jh5 O5OJQJ^J jh5 O5OJQJ^Jh5 O5OJQJ^J jh5 OOJQJ^Jh5 OOJQJ^J!.Nnv< gd5 O gd5 O ;^;gd5 Ogd 7dgd5 O<^<gd5 O<^<gdmzF$<dh^<a$gd5 Odhgd5 O(*BD^ٟzh[[ٟ[h5 O5H*OJQJ^J"j2h5 O5EHOJQJU^J)jDI h5 OCJOJQJUV^JaJjh5 O5OJQJU^Jh5 O5OJQJ^Jjh5 OCJUmHnHu h 7h 7h5 Oh0OJQJ^JhxEOJQJ^Jh5 OOJQJ^JhmzFh5 O5OJQJ^JhmzFhmzF5OJQJ^J,.02:<>t~ȽwdȲUjﯗI h5 OCJUVaJ%j6h5 O5EHH*OJQJU^JjI h5 OCJUVaJ!jh5 O5H*OJQJU^Jh5 O5H*OJQJ^Jh5 Oh5 OOJQJ^Jh5 O5OJQJ^Jh?5OJQJ^Jjh5 O5OJQJU^J"j4h5 O5EHOJQJU^J)jI h5 OCJOJQJUV^JaJ:<FLRTVXZ\^`fh$&  źӭӭӭӢӓӢ|ӺwsosoksokhmzFh 7h% h5 OH* h 7\"j:h5 O5EHOJQJU^JjI h5 OCJUVaJh?5OJQJ^Jh5 O5H*OJQJ^Jh5 OOJQJ\^J h5 O\ h5 O5h5 Oh5 O5OJQJ^Jjh5 O5OJQJU^J"j8h5 O5EHOJQJU^J*<&(&JXhz $$Ifa$gdN $$Ifa$gdr $IfgdN  n#gd5 O  p#gd5 O "&LNdfvx|~    ":<DFph5 OH*OJQJ^Jh5 OOJQJ^JhxEOJQJ^JhL h5 OH*(jhLh5 OCJUaJmHnHuhLh5 OCJH*aJhLh5 OCJaJh5 Oh 7<+ $$Ifa$gdN kdk<$$Ifl4֞p\ H4(#p880(#4 lalf4 $$Ifa$gdN  kdL=$$Ifl4&ִp\ H4(#880(#    4 lalf4 4JNRV $$Ifa$gdN VXp+"" $IfgdN kdU>$$Ifl4֞p\ H4(#p880(#4 lalf4 2DVh $$Ifa$gdr $IfgdN $IfgdN kd6?$$Ifl4&ִp\ H4(#880(#    4 lalf44N`dv $$Ifa$gdr $IfgdN +"" $IfgdN kd?@$$Ifl4֞p\ H4(#p880(#4 lalf4"2BRbr $$Ifa$gdr $IfgdN  kd A$$Ifl4&ִp\ H4(#880(#    4 lalf4df,.FJZ gd5 O gd5 O ;^;gd5 Odgd5 O$<dh^<a$gd5 O$a$gd5 Ogd5 O]gd5 Oprd(,.DFHJLNV\^̿̿쫝{kjh5 O5OJQJU^Jjh5 OCJUmHnHuh5 OhmzFh5 O5OJQJ^JhmzFhmzF5OJQJ^JhxEOJQJ^Jh0OJQJ^Jh5 O5H*OJQJ^J j*h5 O5H*OJQJ^Jh5 O5OJQJ^J h5 O5h5 OOJQJ^JhOJQJ^J!$&LNPRXjtvz|ȽȽȽ{j[Hj%j$Fh5 O5EHH*OJQJU^JjI h5 OCJUVaJ!jh5 O5H*OJQJU^Jh5 O"j5Dh5 O5EHOJQJU^J)jI h5 OCJOJQJUV^JaJh5 OOJQJ^Jh5 O5H*OJQJ^Jh5 O5OJQJ^Jjh5 O5OJQJU^J"j)Bh5 O5EHOJQJU^J)jDI h5 OCJOJQJUV^JaJ 8:<>FH 𞓞mbhL5OJQJ^J"jIh5 O5EHOJQJU^JjI h5 OCJUVaJ hL\h5 OOJQJ\^J h5 O\ h5 O5"jHh5 O5EHOJQJU^JjﯗI h5 OCJUVaJjh5 O5OJQJU^Jh5 O5H*OJQJ^Jh5 OOJQJ^Jh5 Oh5 O5OJQJ^J&8:z|Zl 2 <dh^<gd5 O $<^<a$gd5 O<^<gd5 O $<^<a$gd$<dh^<a$gd5 O $dha$gdxE  p#gd5 O gd5 O8:bnpxzZl 2>~¶ˮˮˮˮˤԗԗqbj;ܗI h5 OCJUVaJjh5 OOJQJU^JhNu5OJQJ^Jh5 O5H*OJQJ^Jh5 O5H*OJQJ^JhOJQJ^Jh5 OCJaJhLhL5CJaJhL5CJaJh5 O5CJaJh5 OOJQJ^JhxEhxE5\ hxE5\ h5 O\h5 O5OJQJ^J!tZztv"$<dh^<`a$gd5 O$ & Fdha$gd5 O$<dh^<a$gd5 O <dh^<gd5 O<^<gd5 OLbtvx "&Vz | @ ֳ֦̑̇}vlela]a]aahLh5 O h5 O5\hxEhxE5\ hxE5\h?OJQJ^JhNuOJQJ^JhOJQJ^Jh5OJQJ^JhhOJQJ^JhNuhNu5OJQJ^JhNu5OJQJ^Jh5 OOJQJ^Jh5 O5OJQJ^Jjh5 OOJQJU^JjKh5 OEHOJQJU^J"VXHZJA$<dh$d%d&d'd(d)fNOPQRS^<a$gdr 'dQgdr $dha$gd5 O $<^<a$gd$<dh^<a$gd5 OJVh Vz | > @ B D   gd5 Ogd5 O$<dh^<a$gd5 OA$<dh$d%d&d'd(d)fNOPQRS^<a$gdr@ J L P   h :<VXZ` $,.кЬЬС݊|l^lQlh}m5H*OJQJ^Jh}mh5 O5OJQJ^Jh}mh5 O5H*OJQJ^Jh}mh5 OOJQJ\^Jh}mOJQJ^Jh5 O5H*OJQJ^Jh5 O5OJQJ^Jh5 O5H*OJQJ\^J*jh5 OCJOJQJU^JmHnHuh5 O5OJQJ\^Jh5 OOJQJ^JhOJQJ^Jh5 O h5 O5 hNu5 f :<VXf :<PRdgd5 O  p#gd5 Ogd5 O gd5 O gd}m$ dha$gd5 O $ a$gd5 Ogd5 O$ dha$gd5 O$ dha$gd$<dh^<a$gd.0VXZ\^bntv~İۢەۇۢ|k^G3k'jOh}mh5 O5H*OJQJU^J-jI h}mh5 O5H*OJQJUV^Jh5 O5H*OJQJ^J!jh5 O5H*OJQJU^Jh}m5OJQJ^Jh}mh5 OOJQJ\^Jh}m5H*OJQJ^Jh}mh5 O5OJQJ^J'jMh}mh5 O5H*OJQJU^J-jI h}mh5 O5H*OJQJUV^Jh}mh5 O5H*OJQJ^J'jh}mh5 O5H*OJQJU^J "*0246\^`bjlջխ󢒢qmhmcXch5 OOJQJ\^J h5 O\ h5 O5h5 O"jQh5 O5EHOJQJU^JjﯗI h5 OCJUVaJjh5 O5OJQJU^Jh5 O5OJQJ^Jh}mh5 OOJQJ\^Jh}m5H*OJQJ^Jh}mh5 OOJQJ^Jh}mh5 O5H*OJQJ^Jh}mh5 O5OJQJ^Jh5 O5H*OJQJ^J.0248,.jnvx|ʸٴzlleXeJh}mh5 O5OJQJ^Jh}mh5 OOJQJ^J h}mh5 Oh5 O5H*OJQJ\^JhB55OJQJ\^Jh5 O5OJQJ\^Jh5 OOJQJ^J*jh5 OCJOJQJU^JmHnHuh5 O"jSh5 O5EHOJQJU^JjI h5 OCJUVaJh5 O5OJQJ^Jjh5 O5OJQJU^Jh}m5OJQJ^J.xz * $dha$gdxEdgd5 Ogd5 O gd5 O gd}m$ dha$gd5 O| >@fhjltv۾۩o`Mo%j~Wh5 O5EHH*OJQJU^JjI h5 OCJUVaJ!jh5 O5H*OJQJU^Jh>AD5H*OJQJ^Jh5 O5H*OJQJ^Jh5 O5OJQJ^Jh5 Oh5 OOJQJ^JjUh}mh5 OUjI h}mh5 OUVjh}mh5 OUh}m h}mh5 Oh}mh5 O5OJQJ^Jh}mh5 O5H*OJQJ^J *,.24Z\^`hj"(*,.0246@Bhjlnptvxz辬訣rnnjfjhB5hMlh"jX[h5 O5EHOJQJU^JjI h5 OCJUVaJh5 OOJQJ\^J h5 O\ h5 O5h5 O"jiYh5 O5EHOJQJU^JjﯗI h5 OCJUVaJjh5 O5OJQJU^Jh>AD5OJQJ^Jh5 O5OJQJ^Jh5 O5H*OJQJ^J( *,Thjz|X\~$:Tdx&26Jl|06<t!!" "ʿʴhMlOJQJ^Jh"HOJQJ^Jh5 OOJQJ^JhNuhNu5OJQJ^Jh5 O5OJQJ^JhNu5OJQJ^JhMl5OJQJ^JhB5h]Uh5 O h]U5 h5 O5hMlhxEhxE5\ hxE5\4*,|~J\*.0246$hdh^ha$gd5 Ogd5 O$a$gd5 Odgd5 O!!!!"""""$"."&( ,",$,&,(,*,,,.,0,2, $dha$gd5 O$$edh^ea$gd{Tz$hdh^ha$gd5 O "" """$"."%%&(p*r*, ,*,8,<,>,@,B,J,N,,,,,>-L-N-P-1144ĺ||uquququqjf_X hKYhw h;h;h; h7hKhK h6~;hKh>Dhw5CJ aJ hw5CJ aJ mH sH h}ohw5CJ aJ mH sH hMl5OJQJ^JhaOJQJ^JhOOJQJ^JhxiOJQJ^Jh"HOJQJ^Jh"Hh5 O5OJQJ^Jh"Hh"H5OJQJ^Jh5OJQJ^J!2,4,6,8,:,<,L,N,4444$4&4<<<==>> $dha$gdw $xa$gdh $xa$gdw $xa$gd; $xa$gdw $$xa$gd{Tz $dha$gd5 O444"4&4<<<<<== ==0=4=@=L=V=^=d=h=~======== >$>l>p>>>>>>>>>>{mhxihxi5OJQJ^Jh5OJQJ^JhSghw h!hwh!h>mH sH h!hwmH sH  h8(_hw h8(_h8(_ h8(_hhhwmH sH  hKYhB5 hKYhKYhKYhw5CJ aJ h}ohw5CJ aJ mH sH  hKYhw hKYh{Tz*>>>>>?>@PAABC*D@E.FDGFG(IJK$a$gdn0$a$gd7$a$gdX$0dh^`0a$gdX $dha$gdX$ & Fdha$gdR $$dha$gd{Tz $dha$gd5 OgdSg>>>R?v????>@P@@@PAdAAABBC*CCC*DFBGDGFGHGJGLGRG(I*I.IdIjIJJJJҭ h>.hhXhCJaJhCJaJhp hCJaJhjh0JUhROJQJ^JhXhXOJQJ^JhRhXOJQJ^JhRhROJQJ^JhX5OJQJ^Jhxi5OJQJ^J/J8K:KKKKLMNMMMMMMMMMMMMMNN NNNNN"N$N&N*N,N.Nǿǿǿǿǵ鵯ǚhXOJQJ^Jh8(_0JmHnHu h0Jjh0JUjh Uh hOJQJ^J h*hjh*h0JUhhCJaJhn0hCJaJ KKLMMMMMMMMMMM N NN&N(N*N,N.N$0dh^`0a$gdXh]hgd"H &`#$gdtgd5 O$a$gd5 O,1h. A!"#$% $$If!vh5 5#5`#v #v##v`:V l t065 5#5`yDd T\  c $A? ?#" `24yS  `!4yS   ȽXJkxcdd``d!0 ĜL0##0KQ* Wä2AA?H1Zc@øjx|K2B* R\``0I3ڮ$$If!vh5 5 5 5`#v #v #v`:V l t065 5 5`$$If!vh5 5 5 5`#v #v #v`:V l t065 5 5`$$If!vh5 5 5 5`#v #v #v`:V l t065 5 5`/Dd l\  c $A? ?#" `2?@[0yl7\[u `!S?@[0yl7\!xuJ@6 9=x=j*DZ!Cx RrQjݮE&Ϸ?896!U_DVEaTZ597W m''B7貗FųdbxaZهE"I׽Tĸ/nW#6tk⍿xUU+:_s3gXnP"U ( qt,sal*$g65߉y7L(Ds!;3 7]4cO/Dd \  c $A? ?#" `2.Bg%aoj<([ `!S.Bg%aoj<( d!xcdd`` @c112BYL%bpub9ӢY u9_F=֫2o212ps0nea 5W? ,@sC2sSRspb.#\W&>F\PXh0y{@aI)$5!d.P"CXY`0#a Dd \  c $A? ?#" `2[|Z:l\7 `!/|Z:l\@2@Cxcdd``> @c112BYL%bpu @c112BYL%bpubi,@@@ڈ/HJy pu y +@FVrA]!#t] `PcdbR ,.IeHԡ`n zLDd \  c $A? ?#" `2?}1By  `!}1By:@Rxcdd`` @c112BYL%bpu 1X +|-/cKS`*F\& kWrAml*v0o+KRs@1u(2t5t,L0^:%Dd \  c $A? ?#" `2;R?EATF ! `!R?EATF !:@Rx=Na]GrxN ( \VyP(R$~73Z``^D*?D"}_Q2.xA r  !"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~.Root EntryK F`%Data D]WordDocumentJ.ObjectPoolM6$`%_1234675225F$$Ole CompObjfObjInfo "',16;@EIJKLMNOQRSTV FMicrosoft Equation 3.0 DS Equation Equation.39ql  FMicrosoft Equation 3.0 DS Equation Equation.39qEquation Native #_1234675239 F$$Ole CompObj fObjInfo Equation Native  A_1234675360F$$Ole  %V  = 1 " FMicrosoft Equation 3.0 DS Equation Equation.39q%DJ  = 2 "CompObj fObjInfoEquation Native A_1234676775 F$$ FMicrosoft Equation 3.0 DS Equation Equation.39q!pwI  =  " FMicrosoft Equation 3.0 DS EqOle CompObjfObjInfoEquation Native =_1234678084,F$$Ole CompObjfObjInfouation Equation.39q!:  =  " FMicrosoft Equation 3.0 DS Equation Equation.39q 5J d"Equation Native =_1234677506"F$$Ole CompObj fObjInfo!Equation Native )_1234677653'$F$$Ole   FMicrosoft Equation 3.0 DS Equation Equation.39q G_ d" FMicrosoft Equation 3.0 DS Equation Equation.39qCompObj#%!fObjInfo&#Equation Native $)_1234677743)F$$Ole %CompObj(*&fObjInfo+(Equation Native )) X7J d" FMicrosoft Equation 3.0 DS Equation Equation.39q 4[ e"_1234679229.F$$Ole *CompObj-/+fObjInfo0-Equation Native .)_1234688956;E3F$$Ole /CompObj240f FMicrosoft Equation 3.0 DS Equation Equation.39q/:   " FMicrosoft Equation 3.0 DS Equation Equation.39qObjInfo52Equation Native 34_123468876418F$$Ole 4CompObj795fObjInfo:7Equation Native 84_1234688867=F$$[   " FMicrosoft Equation 3.0 DS Equation Equation.39q,:   " FMicrosoft Equation 3.0 DS EqOle 9CompObj<>:fObjInfo?<Equation Native =4_1234689083BF$$Ole >CompObjAC?fObjInfoDA+,      !"#$%&'()*-012345H789:;<=>?@ABCDEFG/IJKLMNOPQRTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~uation Equation.39qX7J   " FMicrosoft Equation 3.0 DS Equation Equation.39qp/:   "Equation Native B4_1234689236@GF$$Ole CCompObjFHDfObjInfoIFEquation Native G41Table6SummaryInformation(LHid2l.fC}dI՝ :[#`EaQo<Q;T7eXeaǥ׬Ս XFL~%bۛ`A,U`iOHñ; Dd \  c $A? ?#" `2?fvݙ:f 4jy n `!fvݙ:f 4jy n:@Rxcdd`` @c112BYL%bpu#( P.P56r`4Yð j %`S!v0y{@nĤ\Y\2C sg!`P\;Dd \   c $A ? ?#" `2<q=**Ro< `!q=**Ro<:@Rx=N Aa=3/vWv$y/ ^" "Z^@Yx ^R$+o\|9`d`^H*?D>" 1X +|-/cKS`*F\& kWrAml*v0o+KRs@1u(2t5t,L0^:%Dd \   c $A? ?#" ` 2;R?EATF ! `!R?EATF !:@Rx=Na]GrxN ( \VyP(R$~73Z``^D*?D"}_Q2.xA rid2l.fC}dI՝ :[#`EaQo<Q;T7eXeaǥ׬Ս XFL~%bۛ`A,U`iOHñ; Dd \   c $A? ?#" ` 2?fvݙ:f 4jy ny `!fvݙ:f 4jy n:@Rxcdd`` @c112BYL%bpu#( P.P56r`4Yð j %`S!v0y{@nĤ\Y\2C sg!`P\;Dd \   c $A ? ?#" ` 2<q=**Ro<h `!q=**Ro<:@Rx=N Aa=3/vWv$y/ ^" "Z^@Yx ^R$+o\|9`d`^H*?D>" @c112BYL%bpubi,@@@ڈ/HJy pu y +@FVrA]!#t] `PcdbR ,.IeHԡ`n zLDd \ ) c $A? ?#" `2?}1By` `!}1By:@Rxcdd`` @c112BYL%bpu 1X +|-/cKS`*F\& kWrAml*v0o+KRs@1u(2t5t,L0^:%Dd \ * c $A? ?#" `2;R?EATF !O  `!R?EATF !:@Rx=Na]GrxN ( \VyP(R$~73Z``^D*?D"}_Q2.xA rid2l.fC}dI՝ :[#`EaQo<Q;T7eXeaǥ׬Ս XFL~%bۛ`A,U`iOHñ; Dd \ + c $A? ?#" `2?fvݙ:f 4jy n:" `!fvݙ:f 4jy n:@Rxcdd`` @c112BYL%bpu#( P.P56r`4Yð j %`S!v0y{@nĤ\Y\2C sg!`P\;Dd \  c $A ? ?#" `2<q=**Ro<)$ `!q=**Ro<:@Rx=N Aa=3/vWv$y/ ^" "Z^@Yx ^R$+o\|9`d`^H*?D>" 1X +|-JSe*F\@ZVrAml*v0o+KRs@1u(2t5t,L0Ql;Dd \  c $A ? ?#" `2?nX~5UiO[.<@( `!nX~5UiO[.<@: hxcdd`` @c112BYL%bpu 1X +|-WJT T21^v #T `121)W20cPdkYb#a<@Dd \  c $A ? ?#" `2@MRtWa0 `!MRtW: hxcdd`` @c112BYL%bpu @c112BYL%bpubi,@@@ڈ/HJy pu y +@FVrA]!#t] `PcdbR ,.IeHԡ`n zLDd \  c $A? ?#" `2?}1By4 `!}1By:@Rxcdd`` @c112BYL%bpu 1X +|-/cKS`*F\& kWrAml*v0o+KRs@1u(2t5t,L0^:%Dd \  c $A? ?#" `2;R?EATF !6 `!R?EATF !:@Rx=Na]GrxN ( \VyP(R$~73Z``^D*?D"}_Q2.xA rid2l.fC}dI՝ :[#`EaQo<Q;T7eXeaǥ׬Ս XFL~%bۛ`A,U`iOHñ; Dd \  c $A? ?#" `2?fvݙ:f 4jy n8 `!fvݙ:f 4jy n:@Rxcdd`` @c112BYL%bpu#( P.P56r`4Yð j %`S!v0y{@nĤ\Y\2C sg!`P\;Dd \  c $A ? ?#" `2<q=**Ro<: `!q=**Ro<:@Rx=N Aa=3/vWv$y/ ^" "Z^@Yx ^R$+o\|9`d`^H*?D>" @c112BYL%bpubi,@@@ڈ/HJy pu y +@FVrA]!#t] `PcdbR ,.IeHԡ`n zLDd \  c $A? ?#" `2?}1ByyD `!}1By:@Rxcdd`` @c112BYL%bpu 1X +|-/cKS`*F\& kWrAml*v0o+KRs@1u(2t5t,L0^:%Dd \  c $A? ?#" `2;R?EATF !hF `!R?EATF !:@Rx=Na]GrxN ( \VyP(R$~73Z``^D*?D"}_Q2.xA rid2l.fC}dI՝ :[#`EaQo<Q;T7eXeaǥ׬Ս XFL~%bۛ`A,U`iOHñ; Dd \  c $A? ?#" ` 2?fvݙ:f 4jy nSH `!fvݙ:f 4jy n:@Rxcdd`` @c112BYL%bpu#( P.P56r`4Yð j %`S!v0y{@nĤ\Y\2C sg!`P\;Dd \  c $A ? ?#" `!2<q=**Ro<BJ `!q=**Ro<:@Rx=N Aa=3/vWv$y/ ^" "Z^@Yx ^R$+o\|9`d`^H*?D>" 1X +|-/cKS`*F\& kWrAml*v0o+KRs@1u(2t5t,L0^:%Dd \ % c $A? ?#" `$2;R?EATF ! P `!R?EATF !:@Rx=Na]GrxN ( \VyP(R$~73Z``^D*?D"}_Q2.xA rid2l.fC}dI՝ :[#`EaQo<Q;T7eXeaǥ׬Ս XFL~%bۛ`A,U`iOHñ; Dd \ & c $A? ?#" `%2?fvݙ:f 4jy nQ `!fvݙ:f 4jy n:@Rxcdd`` @c112BYL%bpu#( P.P56r`4Yð j %`S!v0y{@nĤ\Y\2C sg!`P\;Dd \  c $A ? ?#" `&2<q=**Ro<S `!q=**Ro<:@Rx=N Aa=3/vWv$y/ ^" "Z^@Yx ^R$+o\|9`d`^H*?D>" 1X +|-/cKS`*F\& kWrAml*v0o+KRs@1u(2t5t,L0^:%Dd \ ! c $A? ?#" `(2;R?EATF !W `!R?EATF !:@Rx=Na]GrxN ( \VyP(R$~73Z``^D*?D"}_Q2.xA rid2l.fC}dI՝ :[#`EaQo<Q;T7eXeaǥ׬Ս XFL~%bۛ`A,U`iOHñ; Dd \ " c $A? ?#" `)2?fvݙ:f 4jy nY `!fvݙ:f 4jy n:@Rxcdd`` @c112BYL%bpu#( P.P56r`4Yð j %`S!v0y{@nĤ\Y\2C sg!`P\;Dd \ # c $A ? ?#" `*2<q=**Ro<[ `!q=**Ro<:@Rx=N Aa=3/vWv$y/ ^" "Z^@Yx ^R$+o\|9`d`^H*?D>"A@> Zadani font odlomkaVi@V Obi na tablica4 l4a .k. Bez popisa:@: 5 O Zaglavlje  p#8 @8 5 OPodno~je  p#>@> 5 O Tekst fusnoteCJaJB@" 5 O+Tijelo teksta, uvlaka 3, uvlaka 2,uvlaka 2$dha$ OJQJ^J>&@1> 5 OReferenca fusnoteH*2)@A2 "H Broj straniceRC@RR ^kUvu eno tijelo tekstax^\Ob\ ^k Body Text 31$dh5$7$8$9DH$a$ OJQJaJHZ@rH mn Obi an tekstCJOJQJ^JaJh+,ELO MOPQ]gh-.WF~@o34[\]^_o  yz{Jrs(Gt ' J | i"#!'()*++ ,%,0000B1C1p1{111111111122!2%2)2.2/292>2G2L2M2N2223Z333K4L4u4v444\5556,6Q6R6b666677)777#8h88899(9q99:q::::::>>>>>I???%@@@@@@@AbAA&BOBkBBBCCCC?D@DDDDDLElEmE~EEE]F^FiFjF[G\GuGvGGGGG:H;HKKKLLL_L`LLLLM M MMMMMMM"M%M(M+M-M0M2M4M6M:MM@MBMDMFMHMJMLMNMPMQMYM[MfMqMsMuMwMxMMMMMMMMMMMMMMNNNNNN$N,N4N|||-}.}1}2}>}?}}}t~~Ylno`r„ĄńDŽȄф҄ӄ߄000000000 0 00(0(0(0(0(00000000000000000000000000(0(00\(0(00_0_0_0_0_0_0_0_0_0_0_0_0_0_0_0_0_0_0_ 0_ 0_ 0_ 0_ 0_ 0_0_0_0_0_0_0_0_0_0_0_0_ 0_ 0_ 0_ 0_ 0_ 0_0_0_0_0_0_0_0_0_0_0_0_0_0_ 0_0_ 0_0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_ 0_0_0_0_0_0_0_0_0_0_0_0_ 0_ 0_0_0_0_0_0_0_0_0_0_0_0_0_ 0_0_0_0_0_0_0_0_0_ 0_0_0_0_0_0_0_0_0_0_0_0_0_0J0J 0J0J0J 0J0J0J 0J0J0J 0J 0J 0J 0J 0J 0J 0J 0J 0J 0J0J0J 0J0J0J 0J0J0J 0J0J0J 0J0J0J 0J0J0J 0J0J0J 0J0J0J 0J 0J0J0J0J0J0J0J0J0J0J0J0J0J0J0J0J80_0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R 0R 0R 0R 0R0R0R0R0R0R0R0R0R0R0R0R0R00"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0"_0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e0e 0e0#f0#f0#f0#f0#f0#f0#f0#f0#f0@0@0@0@0@0@000L@0h00@0h00@0h00@0h00@0@0@0@0@0@0h00MOPQ]gh-.WF~@o34[1122.2/2L2M2DD:H;HMMPMQMwMxMDNENNNROSOS%TVThTXXXVYWYYY^w^x^_"_iiiiallmcmdmmsswwww<|=|>|||-}000000000 0 00*0*0*0*000000000000j00+j00)t 00@0@00j0 0 x,j0 0j0 0K00K00K003K00K003K00K003K00K003K00K00 3K00K0 0 3K00K0 0 3K00K003K00K003K00K003K00K003K00K003K00j0?0&@h0?0%h0?0$j0F0j0F0Gj0F0j0F0000j0E0Fh0E0h0E0h0F0j0F0j0J0K h0J0h0J0j0F0j0F0Gv;j0F0j0F0000@0@0@0@0@0@0@0@0@0@0@0@00 %%%( `@*>_Rotwy{}~zTJ p@ .| "4>J.NGKLNOPRTY[]^_`bcd- *Hk,l\llo:vXOP<< V J *2,>K.NHJMQSUVWXZ\ae,NI122333344b6v6x6/7C7E777777828F8H8z888999999;:O:Q::::>>?[?o?q?????@@7@K@M@|CCCC D DID]D_DDDDDEEEEEJJJ#K7K9KNKbKdKKKKKLLRSS^SrStSSSSSSS:TNTPTXXXcfwfyfffffffOgcgegh+h-hkhhhhhhliii::::::::::::::::::::::::::::::::::::::::::: !(!!8()@ ((f (  NB  S DNB  S DVB  C D"VB  C D" VB  C D"VB  C D"VB  C D"HB   C DHB   C DHB   C DHB   C DHB   C DHB  C DHB  C DHB @ C DHB @ C D HB @ C DHB  C DHB  C D HB  C DHB  C DHB  C DHB  C D HB  C DHB  C DHB  C D HB  C DHB  C DHB  C DHB  C DHB   C D6 ! " HB "@ C D"J2 # # "`!J2 $ # "`#6 % "$( & %( ' &\B ( S D "B S  ?M@@@@AAAbAcAdAeAfAgAhAAAA&B'B(BOBPBQBRBSBTBUBVBWBkBlBJ6M7MMReg( ! l$ H$ !tp t$  tp$ tP P t t t$ Bxzt$ t$ N\ t$ BBtpl$ ltZZtZZttDtDt@ HDtt$ $ tp$ t Ttt$ $ t htht @ hA t ht ht ht$ l@ t$ t!1  vt#dt"0t$T4t%1  vt& ]] Pt'uhtp60] q60/ p>*urn:schemas-microsoft-com:office:smarttags PersonName  Milan Vuki eviMiroslav Gregurek ProductID<=LQ]h-.5RSW}"#0=?@ABCDF024Z_rs34IKdelm13ABlpqrKb H I T U V W a c  y{|~?@JL9;  GH  I J r h"i"## '!''())\*]*h+j+++++,,,&,,,000000B1C1111116666677)7*7/7G7Q7T7^7b7k7l7777777777777788 8"8$8&8)8+8.818J8M8N8h8i8k8n8p8r8t88888899(9)9+9,9:9=9C9E9q9v9x9{9999999999::::,:/:2:4:7:::S:V:W:q:~:::::::::::::$;%;<<>>>>>>>>>>>??? ????&?'?H?J?L?O?Q?t?w?x????????????????@ @ @%@&@(@*@,@.@0@P@R@S@@@@@@AADAJAZA[A]AaAAA BBFBNBYBkBBBBBBBBCC|CCCCCCCDDD$D&D?D@DHDcDlDnD{D}DDDDDDDDDDE"E$E1E3ELENElEoEqEEEEEEIFJF]F^FiFkF[G]GkGnGuG{GGGGGGGGGGGGGG6H9H|HHHHHHH)I+I0I2IAIDIKIRI7J9JJJJJJJJJJJKKK;K=KDKFKKKNKiKjKmKKKKKKKKKKKKKKLLL^LLLLLLLLLLLLLLLLLLMM M MMMMMMM!M"M%MQMSMTMXMYMwMMMMMMMMMMMMMMMVOXO[O]OuOOOOOOOOOOOOOPP#P'P(P)P*P-PPAPOPSP~PPQQRRRRDRURRRRRRSSS)S-S6S8SISOSUSvSxSSSSSSSSSSSSSSS+T-T3T5T7T9TTTUTXT[T\T_TiTqTrTxTTTTTTTUUyUUUUV"V\VrVVVWWYXtXXXXXXXXXXXVYY][____"_*_+_1_6_J_M_p_y_$`-````aaabbkccddeOfRfSfUf{f}ffffffffffffffg>g@gCgEgGgIggghgjgtgvgggggggggggghh h h/h1hUhWhYh\hhhhhhhhhhi[i]i`ibidifiiiiiiiiiiiiiiijj j j/j9jxjzjjjjjjjEkLkkkkkkk l lllXlglvllllllllllll mmmmmm,m:mAmFmcmgmjmmmmmmmnnppqq?rArssssssItKtrtttvvw||}#}?}H}J}O}P}u}x}}}}}}}}}@~C~t~y~~~Y^oquv`chjqt„ĄńDŽȄLQ\h,.VW~EF}~?@no 24Z_npKL ~ x{IJqrrs'(FHst  & ' I J { | h"i"## '!''())**++,&,0000A1C1o1p1z1{1111111111111111222 2!2$2%2(2,2.2/28292=2B2F2J2L2N2222233Y3Z33334J4L4t4w44444[5\55566+6,6P6R6a6y6666677(7)77777"8#8g8h88899'9(9p9u999:+:p:}:::::>>>>>>H?I?????$@%@@@@@@@@AADAaAAA B%BFBNBYBjBBBBBBCCCC>D@DDDDDKENEkEoE}EEEEEE\F^FhFkFZG]GtG{GGGGGG H9H||2}=}?}}}}}s~y~~~X^kpmoq_cqt„ĄńDŽȄQb))**p111N27)78(9CDDEG|-}2}?}o„ĄńDŽȄo„ĄńDŽȄsJH^vnRbօ (g&.g)2,"eFT(APfdATE|\3F8d}"L.D[Y')]\4aHnnlcJ  q>[J)sz )DUtJiVt^`o(.^`.pLp^p`L.@ @ ^@ `.^`.L^`L.^`.^`.PLP^P`L.^`o(() tt^t`hH. DLD^D`LhH.   ^ `hH.   ^ `hH. L^`LhH. ^`hH. TT^T`hH. $L$^$`LhH.h^`OJQJo(hHh^`OJQJo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJo(hHohPP^P`OJQJo(hHh ^`o(hH.h^`OJQJo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJo(hHohPP^P`OJQJo(hH^`o(. ^`hH. pLp^p`LhH. @ @ ^@ `hH. ^`hH. L^`LhH. ^`hH. ^`hH. PLP^P`LhH. ^`o(hH. D\D^D`\o(hH)  L ^ `LhH.   ^ `hH. xx^x`hH. HLH^H`LhH. ^`hH. ^`hH. L^`LhH.z^`zo(() ^`hH. pLp^p`LhH. @ @ ^@ `hH. ^`hH. L^`LhH. ^`hH. ^`hH. PLP^P`LhH.h \ ^ `\o()h ^`hH.h pLp^p`LhH.h @ @ ^@ `hH.h ^`hH.h L^`LhH.h ^`hH.h ^`hH.h PLP^P`LhH.^`o(. tt^t`hH. DLD^D`LhH.   ^ `hH.   ^ `hH. L^`LhH. ^`hH. TT^T`hH. $L$^$`LhH.hh^h`OJQJo(hH (\(^(`\o(hH) L^`LhH.   ^ `hH. \ \ ^\ `hH. ,L,^,`LhH. ^`hH. ^`hH. L^`LhH.h^`OJQJo(hHh^`OJQJo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJo(hHohPP^P`OJQJo(hH^`o()CC^C`o()JrJ^J`ro(| \| ^| `\o(()^`o(.L^`L.^`.^`.PLP^P`L.k^`ko(. tt^t`hH. DLD^D`LhH.   ^ `hH.   ^ `hH. L^`LhH. ^`hH. TT^T`hH. $L$^$`LhH.^`OJQJ^Jo(. ^`hH. pLp^p`LhH. @ @ ^@ `hH. ^`hH. L^`LhH. ^`hH. ^`hH. PLP^P`LhH.^`B*OJQJo(phhH( ( ^( `OJQJ^Jo(hHo  ^ `OJQJo(hH^`OJQJo(hH^`OJQJ^Jo(hHohh^h`OJQJo(hH88^8`OJQJo(hH^`OJQJ^Jo(hHo^`OJQJo(hH \ ^ `\o() ^`hH. pLp^p`LhH. @ @ ^@ `hH. ^`hH. L^`LhH. ^`hH. ^`hH. PLP^P`LhH.h ^`o(hH. ^`hH. pLp^p`LhH. @ @ ^@ `hH. ^`hH. L^`LhH. ^`hH. ^`hH. PLP^P`LhH.^`o(. tt^t`hH. DLD^D`LhH.   ^ `hH.   ^ `hH. L^`LhH. ^`hH. TT^T`hH. $L$^$`LhH.h  ^ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh| | ^| `OJQJo(hHhLL^L`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hH^`o(. tt^t`hH. DLD^D`LhH.   ^ `hH.   ^ `hH. L^`LhH. ^`hH. TT^T`hH. $L$^$`LhH.FT(AJ)s iVt[Y')]d}"Lg&nlcfdA)2 q.)DUt^\3F\4aRbFdˊWT DV        DV          DV        T ` DV                  Sz         (feNu?p _ vzxi^/mA N %,{->.rW.c.4N4B5:<tB<>V>>ADxEmzFM5 Op]OR )T]UKY[8(_ `8h}m_6n1o)>o_ p/irdtFx{Tzv }~0MlOa'Sg7ax! fmnhH 3R$@u 7rNw|xx}*LK&.! tn0LV'w^k]6{q;"HXhwN\4Xr>.W{1111111122!2%2)2.2/292>2G2L2M2y>>>CCDDDG:H;HLLLM M MMMMM(M0M6M>MDMJMPMQMYM[MfMqMsMuMwMxMMMMMNN,NDNENZNfNsN|N~NNNNNNNO O&O:OROSOor">"> U@||ؔ ||$ '(,2468:?@ABCPP@P PPPPP P4P6P>P@PXP`PlPpPtPxP|PPP@PPUnknownGz Times New Roman5Symbol3& z Arial?5 z Courier New;Wingdings"1z&FF1QnBQnBQ4-- 2qHP ?5 O2OPTIMIZACIJA DOBITIKorisnik IKT Podgrupa\