Metode Cantitative in Management

Conf. univ. dr.
Liviu Mihescu
METODE CANTITATIVE
N MANAGEMENT
Cursul are la bz lucrarea
MODELAREA I SIMULAREA DECIZIILOR
MANAGERIALE
optimizare prin metode cantitative
ISBN 973-739-003-2
Editura Universitii Lucian Blaga
Descrierea CIP a Bibliotecii Naionale a Romniei
Modelarea i simularea deciziilor manageriale
- optimizare prin metode cantitative -
Mihescu, Liviu
pp. ; 21 x 14,5
Bibliogr.
ISBN 973-739-003-2
Copyright 2004
Toate drepturile sunt rezervate autorului
CUPRINS
CAPITOLUL 1
ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A
DECIZIEI ..................................................................................................
1.1 Procesul de analiz cantitativ ..........................................................
CAPITOLUL 2
MODELAREA PROBLEMELOR DE TRANSPORT .................................
2.1 Problem de transport .......................................................................
2.2 Problema de transport: o problem de programare liniar ................
2.3 Problema de transport. procedur practic de rezolvare ...................
2.3.1 Gsirea unei soluii iniiale fezabile. Metoda Costului Minim ..........
2.4 Metoda Stepping-Stone .....................................................................
2.5 Situaii speciale care apar n problema de transport .........................
CAPITOLUL 3
MODELAREA PROBLEMELOR DE DISTRIBUIE PRIN MODELE DE
REEA .....................................................................................................
3.1 Problema celei mai scurte rute ..........................................................
3.1.1 Algoritmul celei mai scurte rute .......................................................
3.2 Problema arborelui de acoperire minimal ........................................
3.2.1 Algoritmul arborelui de acoperire minimal (Greedy) .....................
3.3 Problema de flux maxim ....................................................................
3.3.1 Algoritmul pentru flux maxim ..........................................................
CAPITOLUL 4
MODELE DE STOCARE .........................................................................
4.1 Modelul de stocare cu cerere constant ...........................................
4.2 Modelul de stocare a produciei fabricate pe loturi ............................
4.3 Model de stocare cu cerere constant i lips de stoc ......................
4.4 Model de stocare cu cerere variabil ................................................
7
7
20
20
24
30
31
40
49
53
53
54
65
66
69
70
79
82
90
95
100
CAPITOLUL 5
FIRE DE ATEPTARE ............................................................................
5.1 Fir de ateptare cu o singur unitate de deservire ............................
5.1.1 Distribuia sosirilor ..........................................................................
5.1.2 Distribuia timpilor de deservire ......................................................
5.1.3 Regula de deservire .......................................................................
5.2 Fir de ateptare cu sosiri poissoniene i timpi de deservire
exponeniali .............................................................................................
CAPITOLUL 6
SIMULAREA PROCESELOR ECONOMICE ...........................................
6.1 Simularea unui proces de stocare .....................................................
BIBLIOGRAFIE ........................................................................................
104
106
107
109
111
112
115
115
120
CAPITOLUL 1
ANALIZA CANTITATIV, CALITATIV I
PROCESUL DE LUARE A DECIZIEI
1.1 Procesul de analiz cantitativ
n studiul metodelor cantitative pentru luarea deciziei se
consider procedura bazat pe parcurgerea urmtoarelor cinci
etape: (1) definirea problemei, (2) dezvoltarea modelului, (3)
pregtirea datelor, (4) generarea soluiei i (5) ntocmirea
raportului.
1. Definirea problemei. Definirea problemei este
considerat ca fiind cea mai critic etap a procesului de
analiz cantitativ. De cele mai multe ori este necesar
imaginaie, lucru n echip i un considerabil efort de a
transforma cel mai adesea o problem descris la modul
general ntr-o problem dine definit n care se pot aplica
metode de management cantitativ. De exemplu, o problem
descris prin exces de stoc poate fi clar definit n termenii
privind obiectivele specifice i restriciile de operare, nainte ca
un analist s parcurg urmtoarea etap a procesului de analiz
cantitativ. Implicarea utilizatorului este aici esenial, analistul
trebuie aici s lucreze n colaborare cu managerul sau cu
utilizatorul rezultatelor.
ANAL I Z A CANTI TATI V, CAL I T AT I V I PROCE SUL DE L UARE A DECI Z I EI
8
2. Dezvoltarea modelului. Modelele reprezint
reprezentri ale obiectelor sau situaiilor reale. Aceste
reprezentri, modele, pot fi fcute n forme variate. De
exemplu, un avion real poate fi reprezentat printr-o machet, un
model al unui avion la scar redus, numit model fizic.
Acest model reprezint replica fizic a obiectului real. n
terminologia modelrii, aceste replici fizice ale obiectelor reale
poart denumirea de machete.
Exist, de asemenea, modele care sunt fizice n form,
dar nu au reprezentarea fizic a obiectului modelat. Asemenea
modele sunt denumite modele analoage
1
.
O alt categorie de modele, care vor fi studiate in
continuare, este cea care include acele reprezentri ale
problemelor n simboluri i expresii matematice sau relaii.
Asemenea modele sunt numite modele matematice i
reprezint elementul critic, cu o importan semnificativ, n
abordarea cantitativ a procesului decizional. De exemplu
profitul generat de vnzarea unui produs (P) poate fi determinat
prin multiplicarea profitului unitar cu numrul de uniti
vndute (x). Dac profitul unitar este de 10 u.m., atunci
urmtoarea relaie definete profitul total obinut prin vnzarea
a x uniti de bun:
P = 10x (1.1)
Scopul, valoarea unui model este determinat de
posibilitatea de a trage concluzii despre o situaie real, prin
studierea i analizarea modelului. De exemplu, un constructor
de avioane testeaz, sub forma unei machete, un nou avion n
tunelul aerodinamic, pentru a cunoate potenialul de zbor al
avionului la mrimea real. n mod asemntor, un model

1
Un termometru este un model analog. Poziionarea indicatorului
termometrului pe scala de msurare indic temperatura.
9
matematic poate fi utilizat pentru a oferi concluzii privind
profitul obinut prin vnzarea unei anume cantiti de produs
vndute. n corelaie cu relaia (1.1) se va obine un profit de 40
u.m. prin vnzarea a 4 uniti de bun.
n general, experimentarea cu ajutorul modelelor
necesit mai puin timp i este mai puin costisitoare dect
experimentarea cu obiecte la scara 1:1, sau, n situaii concrete
reale. Experimentarea cu ajutorul modelului avionului la scar
redus este mai rapid i mai puin costisitoare dect
experimentarea cu un avion la mrimea real. n mod identic,
modelul matematic prezentat anterior permite o rapid
determinare a profitului posibil fr a fi necesar decizia
managerului de a produce i a vinde x uniti de bun. Modelele,
de asemenea, prezint avantajul c reduc riscul asociat cu
experimentarea n situaii reale. n particular, se poate aprecia
c un design neadecvat, sau o decizie nepotrivit, pot cauza
prbuirea avionului proiectat, iar un proiect care poate avea o
pierdere potenial mare (de exemplu 50.000 u.m.) poate
determina decizia de a nu fi aplicat n situaia real.
Acurateea concluziilor i a deciziilor luate pe baza
studierii unui model sunt n corelaie cu ct de bine, acesta,
reprezint situaiile reale. Astfel, modelul avionului va putea
reprezenta un avion real, iar concluziile vor determina
caracteristicile i comportamentul real al avionului n timpul
zborului. La fel, modelul matematic ce descrie relaia profitului
cu cantitatea vndut, determinat la nivelul firmei, va arta cu
mai mare acuratee care vor fi prediciile profitului.
n continuare se va aprofunda procesul de modelare
matematic. Rezolvarea problemei manageriale trebuie s
treac n mod uzual prin etapa definirii problemei care s
conduc spre un obiectiv specific, precum maximizarea
profitului sau minimizarea costurilor, i determinarea
10
restriciilor (de exemplu capacitatea de producie). Succesul
modelului matematic i al abordrii cantitative va depinde
direct de acurateea cu care au fost determinate funcia
(funciile) obiectiv i restriciile modelului, de modalitatea n
care acestea au fost reprezentate n modelul matematic
ecuaional.
Denumim n continuare funcie obiectiv acea expresie
matematic ce descrie obiectivul problemei. De exemplu,
ecuaia profitului P = 10x poate fi funcie obiectiv pentru firma
care dorete s-i maximizeze profitul. O restricie relativ la
capacitatea de producie poate fi necesar dac, de exemplu,
sunt necesare 5 ore pentru producerea unei uniti de bun i
sunt disponibile pe parcursul sptmnii de lucru doar un total
de 40 de ore. Dac x reprezint numrul de uniti produse,
restricia relativ la timpul de lucru poate fi:
5x 40
Valoarea 5x reprezint timpul necesar pentru a produce
x uniti de bun. Simbolul arat c timpul necesar pentru
producie trebuie s fie mai mic sau egal cu disponibilul de 40
de ore.
Problema decizional decurge din ntrebarea: Cte
uniti de produs trebuie programate a fi realizate n fiecare
sptmn pentru a maximiza profitul? Modelul matematic
complet pentru aceast problem simpl de producie este:
max P = 10x funcie obiectiv
0 x
40 5x
restricii
Restricia x 0 se refer la producia care urmeaz a fi
realizat, care poate fi zero sau mai mare dect zero, dar, se
11
consider astfel c producia nu poate lua valori negative.
Soluia modelului poate fi uor calculat i este x=8 avnd un
profit asociat de 80 u.m.. Acest model este un exemplu, simplu,
de programare liniar.
n modelul anterior, profitul unitar (10 u.m.), timpul de
producie al unei uniti (5 ore) i capacitatea de producie (40
ore) reprezint factori care nu se afl sub controlul managerului
sau al decidentului. Asemenea factori pot influena deopotriv
funcia obiectiv i restriciile i sunt denumite factori
necontrolabili ai modelului. Intrrile care sunt controlate, sau
determinate de decident, sunt denumite intrri controlabile
n model. Intrrile controlabile reprezint decizii alternative
specificate de manager, ele fiind de asemenea denumite i
variabile de decizie ale modelului.
Figura nr. 1. 1 Reprezentarea procesului de transformare a
intrrilor n ieiri prin procesul de transformare modelat
Odat ce toate variabilele controlabile i necontrolabile
au fost stabilite, funcia obiectiv i restriciile pot fi evaluate,
iar output-ul modelului determinat. n acest sens, output-ul
modelului reprezint o simpl proiecie a ceea ce s-ar ntmpla
Intrri
necontrolabile
Intrri
controlabile
(Variabile de
decizie)
Modelul
matematic
Ieiri
(Rezultate
proiectate)
12
dac aceti factori particulari i decizia se vor ntlni ntr-o
situaie real. O reprezentare a modului n care factorii
controlabili i cei necontrolabili sunt transformai de modelul
matematic din intrri n ieiri este cea din Figura nr. 1.1.
Figura nr. 1. 2 Reprezentarea modelului de producie
n Figura nr. 1.2 este realizat o reprezentare similar
cu cea anterioar n care sunt punctate detaliile specifice
modelului de producie. Aa cum s-a artat nainte, inputurile
necontrolabile sunt acelea care nu pot fi influenate de
decident. Inputurile controlabile i necontrolabile ale unui
model depind de problema particular analizat sau de situaia
decizional. n problema de producie anterioar, timpul de
producie necesar, 40 de ore, este un input necontrolabil. Dac
este posibil s fie angajate alte persoane, sau s se presteze ore
Intrri necontrolabile
Intrri Modelul matematic
profit unitar 10$
timp lucru unitar 5 ore
capacitate de producie
40 ore
Nivelul
cantitii
produse (x)
max P = 10x

0 x
40 5x
Ieiri
Profitul
proiectat i
respectarea
restriciei
timpului de
13
suplimentare, numrul de ore de producie va deveni un input
controlabil i, desigur, o variabil de decizie n model.
Inputurile necontrolabile, sau nu pot fi cunoscute cu
exactitate, sau sunt incerte, i, n consecin, au valori variabile.
Dac toate inputurile necontrolabile ale unui model sunt
cunoscute i nu pot varia, modelul respectiv este denumit
model deterministic. Nivelul ratelor taxelor i impozitelor nu
se afl la discreia managerului i astfel ele constituie un input
necontrolabil n multe modele de decizie. Dac aceste rate sunt
cunoscute i fixe, cel puin pe termen scurt, un model
matematic cu rate ale taxelor i impozitelor ca fiind singurele
inputuri necontrolabile, va fi un model deterministic.
Caracteristica principal a modelului deterministic este aceea
c valorile inputurilor controlabile sunt cunoscute dinainte.
Dac unul din inputurile necontrolabile este variabil,
atunci modelul este numit model stochastic. Un input
necontrolabil n toate modelele de producie este cererea pentru
acel produs. Dac cererea posibil viitoare este ncadrat ntre
dou valori pe un interval, un model matematic ce trateaz
cererea n condiii de incertitudine este un model stochastic. n
modelul de producie, numrul total mediu de ore necesare
pentru realizarea unui produs, timpul total disponibil i profitul
mediu unitar sunt toate inputuri necontrolabile. Dac toate
inputurile necontrolabile iau valori cunoscute i fixe, modelul
este deterministic. Dac numrul total mediu de ore necesare
pentru realizarea unui produs poate varia ntre 3 i 6 ore, n
funcie de calitatea materiei prime, modelul este stochastic.
Caracteristica unui model stochastic este c nu poate fi
determinat valoarea output-ului, chiar dac valoarea input-ului
controlabil este cunoscut, din cauza valorilor specifice ale
inputurilor necontrolabile, care nu sunt cunoscute. Din aceste
14
considerente, modelele stochastice sunt, adesea, mult mai
dificil de analizat.
3. Pregtirea datelor. A treia etap n analiza
cantitativ este pregtirea datelor necesare modelului. n acest
sens sunt necesare datele care reprezint valori ale inputurilor
necontrolabile din model. Toate inputurile necontrolabile
trebuie s fie specificate nainte de a putea s se analizeze
modelul i de a selecta decizia bazat pe soluia problemei.
n modelul de producie, valorile inputurilor
necontrolabile sunt: 10 u.m. profitul unitar, 5 ore necesare
pentru realizarea unei uniti de produs i 40 de ore pentru
capacitatea de producie. n dezvoltarea modelului, aceste
valori sunt cunoscute i sunt ncorporate n modelul care a fost
creat. Dac modelul este relativ mic, i numrul valorilor de
input necontrolabile (a datelor) necesare este redus, analistul,
probabil c va combina etapa de dezvoltare a modelului cu cea
de pregtire a datelor. n acest moment sunt introduse datele
valorice i sunt determinate ecuaiile matematice ale modelului.
n multe situaii de modelare, datele sau valorile
necontrolabile nu sunt prezentate pentru a fi introduse ca atare.
n aceste situaii, managerul poate determina c modelul
necesit date relative la: profit unitar, timp de producie i
capacitate de producie, dar valorile nu pot fi luate direct din
evidenele contabile ale firmei, din compartimentul de
producie sau proiectare. Adesea, n ncercarea de a colecta
datele, modelul este dezvoltat, iar analistul va folosi o notaie
general pentru etapa de dezvoltare a modelului i va trece,
apoi, la etapa de pregtire a datelor, pentru a obine valorile
inputurilor necontrolabile.
Se folosete urmtoarea notaie:
c = profit unitar;
a = timpul de producie n ore pe unitate produs;
15
b = capacitatea de producie n ore,
iar n etapa de dezvoltare a modelului, acesta se va
reprezenta n modul urmtor:
0 x
b ax
cx opt
Apoi se vor identifica valorile corespunztoare pentru a,
b i c pentru a defini corespunztor modelul.
O parte din analitii neexperimentai presupun c odat
ce problema a fost definit i modelul general dezvoltat,
problema este n esen rezolvat. Acetia cred c etapa de
pregtire a datelor este o etap cu o mic importan. n special
modelele mari care au numeroase valori de input afirmaia
anterioar nu poate fi departe de adevr. De exemplu, n
modele de dimensiuni moderate, cu 50 de variabile de decizie
i 25 de restricii sunt necesare peste 1300 de date care trebuie
identificate i pregtite pentru a fi introduse n model. Timpul
necesar pentru pregtirea acestor date i posibilitatea de a grei,
arat c etapa de pregtire a datelor este critic n procesul de
analiz cantitativ. Adesea este necesar o baz de date care s
furnizeze modelului matematic informaiile necesare, iar
specialitii vor fi astfel implicai n etapa de pregtire a datelor.
4. Generarea soluiei. Odat ce modelul a fost
dezvoltat i etapa de pregtire a datelor este completat, se
poate trece la urmtoarea etap. Acum, analistul va ncerca s
identifice valorile de decizie care confer cel mai bun output
pentru model. Valorile variabilelor specifice de decizie, sau
valorile care ofer cel mai bun output, poart denumirea de
soluie optimal a modelului. Pentru problema de producie,
16
generarea soluiei este etapa care implic gsirea valorii
cantitii de produs, respectiv variabila de decizie x, care
maximizeaz profitul, fr ns a determina nerespectarea
restriciilor modelului relative la capacitatea de producie.
Procedura de evaluare i selectare care trebuie folosit
n aceast etap presupune ncercri n care modelul este folosit
pentru a testa i evalua diferite variante de decizie alternative.
n modelul de producie, aceasta nseamn testarea i evaluarea
modelului considernd valori pentru producia x, variabile. Se
consider modelul din Figura nr. 1.2 i se calculeaz pentru
valori diferite ale lui x i se verific dac acestea genereaz
profit corespunztor i, totodat, respect restriciile capacitii
de producie. Dac o decizie alternativ nu satisface una sau
mai multe din restriciile modelului, decizia alternativ este
respins ca nefezabil relativ la valoarea funciei obiectiv.
Dac toate restriciile sunt satisfcute, decizia alternativ este
fezabil i este candidat la cea mai bun soluie sau decizie
recomandat.
Tabelul nr. 1. 1 Reprezentarea procedurii de evaluare i selecie
Alternativa de
decizie
(Cantitatea de
produs) x
Profitul
proiectat
Total ore
de
producie
Soluie fezabil?
(capacitatea =40)
0 0 0 Da
2 20 10 Da
4 40 20 Da
6 60 30 Da
8 80 40 Da
10 100 50 Nu
12 120 60 Nu
17
Folosind aceast procedur de evaluare i selectare a
deciziilor alternative, decidentul poate identifica o bun i
posibil cea mai bun soluie fezabil a problemei. Aceast
soluie este cea care va determina decizia optim pentru
problem. n Tabelul nr. 1.1 sunt prezentate rezultatele
procedurii de evaluare i selectare pentru problema prezentat
n Figura nr.1.2. Decizia recomandat se refer la o cantitate
produs de 8 uniti, iar soluia fezabil, cu cel mai mare profit,
corespunde aceleiai cantiti produse.
Dac procedura de evaluare i selecie poate fi aplicat
relativ uor i poate s ofere informaii de valoare managerului,
atunci, ea va fi folosit pentru selectarea deciziei optime. Dac
ea necesit calcule foarte laborioase, este posibil s nu mai
poat fi aplicat aceast procedur. Totui analitii chiar au
dezvoltat proceduri pentru multe modele care sunt mai
eficiente chiar dect procedura de evaluare i selecie
1
. De
remarcat c pentru modelele de mici dimensiuni calculele pot fi
efectuate manual, pentru cea mai mare parte a aplicaiilor
practice este necesar folosirea unui computer.
Este important de tiut c etapele de dezvoltare a
modelului i cea de generare a soluiei nu pot fi complet
separate. Atunci cnd analistul va dori s dezvolte un model de
mare acuratee care s transpun n relaii matematice
problema, el va dori s poat obine soluia problemei. Dac
modelul va fi foarte extins, complex, atunci va fi poate chiar
imposibil de a se cunoate soluia acestuia. n aceast situaie,
un model simplificat, uor de neles, cu p procedur care s
conduc spre cunoaterea soluiei va fi preferat, chiar dac
soluia determinat prin acesta este doar o aproximare a celei
mai bune decizii. Pe msur ce analitii acumuleaz cunotine

1
Sunt introduse n aceastlucrare proceduri de cutare a soluiilor
pentru mai multe tipuri de modele matematice care vor fi formulate.
18
despre metodele cantitative, modelele generate de acetia vor fi
mai uor dezvoltate i rezolvate.
Dup ce soluia modelului a fost obinut, managerul
mpreun cu analistul vor fi interesai s afle ct de bun este
soluia determinat. Dup generarea modelului, analistul
trebuie s verifice acurateea modelului, pentru a cunoate
gradul de confiden a soluiilor generate de acesta, ceea ce
presupune rezolvarea modelului.
Testarea i validarea modelului sunt etape care
presupun confruntarea rezultatelor generate de model cu
rezultatele economice obinute n situaia real modelat. Dac
modelul genereaz soluia identic cu cea obinut n situaia
real, atunci modelul ar putea fi folosit pentru rezolvarea
problemei pentru care a fost formulat. Totui, n situaia n care
sunt identificate probleme determinate de lipsa de acuratee a
modelului, pot fi realizate aciuni corective relative la
modificarea modelului sau a datelor de intrare ale acestuia.
Chiar i dup aciunea corectiv, soluia modelului nu va fi
folosit n practic pn cnd modelul nu va trece
corespunztor de testare i validare.
5. ntocmirea raportului. Etapa final n procesul de
analiz cantitativ este reprezentat de pregtirea rapoartelor
manageriale bazate pe soluia modelului. Referitor la procesul
de luare al deciziei n problema supus analizei cantitative,
managerul va meniona n raportul su soluia generat de
modelul cantitativ ntr-o modalitate care s determine
nelegerea acesteia i la alte niveluri ierarhice. Raportul va
conine decizia recomandat, dar i alte informaii pertinente
despre rezultatele modelului care pot fi utile.
Implementarea modelului. Generarea raportului
managerial este ultima etap n procesul de analiz cantitativ
19
bazat pe soluia obinut prin intermediul modelului. Astfel,
rmne la latitudinea managerului dac va include soluia
cantitativ, cu consideraiile calitative pentru a face ca decizia
luat s fie cea mai bun posibil. Dup aceasta, managerul
trebuie s urmreasc implementarea i s realizeze evaluarea
deciziei. n timpul implementrii, dar i dup aceasta,
managerul trebuie s continue s monitorizeze contribuia
modelului. n acest moment, se poate ridica problema
extinderii i a creterii acurateei modelului care vor determina
managerul s se ntoarc la etapele de nceput ale procesului de
analiz cantitativ.
Implementarea cu succes a rezultatelor este de mare
importan att pentru analist ct i pentru manager. Dac
rezultatul procesului de analiz cantitativ nu este implementat,
ntregul efort depus a fost n zadar.
Adesea implementarea necesit ca angajaii care vor
aplica soluiile modelului s trebuiasc s realizeze activitatea
ntr-un mod diferit, cu eficien sporit, iar managerul poate s
se loveasc de rezistena acestora la schimbare. Una dintre cele
mai eficiente modaliti de implementare este s se implice ct
mai muli angajai n procesul de modelare. Dac angajaii simt
c i-au adus aportul la identificarea problemei i la dezvoltarea
soluiei, ei vor fi mai entuziati n aplicarea rezultatelor.
Succesul implementrii rezultatelor tiinei managementului n
practic este mare pentru acele proiecte care au antrenat ct
mai muli angajaii
1
.

1
Brabb J. George, Introduction to Quantitative Management, Holt,
Reinhart and Winston Inc., New York, 1968, pg. 13.
CAPITOLUL 2
MODELAREA PROBLEMELOR DE
TRANSPORT
2.1PROBLEM DE TRANSPORT
Problemele de transport pot s apar adesea n
planificarea distribuiei de bunuri i servicii, din mai multe
locaii, unde exist disponibilitate, spre locaiile unde se afl
cererea. De obicei, cantitatea de bunuri disponibile n fiecare
locaie de ofert (origine) este fix sau limitat, un anumit nivel
al cererii fiind
nregistrat la destinaie.
De obicei firmele dispun de mai multe rute care leag
sursele de destinaie i pe acestea sunt asignate costuri diferite
de transport.
Tabelul nr. 2. 1
Origine Unitatea de producie
Capacitatea d producie
lunar (buc)
1 Braov 5.000
2 Cluj 6.000
3 Oradea 2.500
TOTAL 13.500
Obiectivul acestei rezolvri este determinarea a ct de
multe uniti de produs vor fi transportate, din origini (surse)
spre fiecare destinaie, astfel nct toate cererile la destinaie s
MODELAREA PROBLEMELOR DE TRANSPORT
21
fie satisfcute cu condiia ca i costul total de transport s fie
minim.
Fie ilustrarea urmtoarei probleme de transport pe care
o are de rezolvat firma G.M. care produce generatoare de
curent electric. Aceast problem implic transportul
produselor de la trei uniti de producie spre patru centre de
distribuie. G.M. dispune de centre de distribuie n Braov,
Cluj, Oradea, iar capacitile de producie ale firmei n decurs
de o lun sunt cele din Tabelul nr. 2.1.
Tabelul nr. 2. 2
Destinaie Centru de distribuie
Cerere lunar previzionat
(buc.)
1 Bucureti 6.000
2 Craiova 4.000
3 Constana 2.000
4 Iai 1.500
TOTAL 13.500
Se presupune c firma distribuie generatoarele prin
patru centre regionale de distribuie situate n Bucureti,
Craiova, Constana i Iai. Cererea lunar corespunztoare
pentru centrele de distribuie este prezentat n Tabelul nr. 2.2.
Managerul firmei G.M. vrea s determine ct din
producia realizat n fiecare centru de producie va fi
transportat spre fiecare centru de distribuie. Figura urmtoare
reprezint grafic legturile posibile dintre centrele de producie
i cele de distribuie.
n Figura nr. 2.1 prin cercuri sunt reprezentate noduri
(surse sau destinaii) iar liniile care unesc aceste noduri se
22
numesc arce. Graful care corespunde nodurilor interconectate
se numete reea.
Figura nr. 2. 1 Reea de transport
O problem de transport poate fi reprezentat grafic ca
o reea. Din acest motiv problema este numit i problem de
flux n reea. Bunurile transportate de la origine spre destinaie
reprezint fluxul din reea.
Oferta Rute Cererea
23
Tabelul nr. 2. 3 Costul transportului
Destinaii
Surse Bucureti Craiova Constana Iai
Braov 3 2 7 6
Cluj 7 5 2 3
Oradea 2 5 4 5
Costul de producie este considerat, aici, identic pentru
cele trei uniti de producie, costul care este variabil fiind
numai cel de transport. Astfel, se pune problema s se
determine rutele care vor fi folosite i cantitatea ce va fi
transportat pe acestea, astfel nct toat cererea s poat fi
satisfcut cu un cost de transport minim. Costurile pentru
fiecare unitate transportat pe fiecare rut sunt prezentate n
Tabelul nr. 2.3.
24
2.2PROBLEMA DE TRANSPORT: O PROBLEM DE PROGRAMARE LINIAR
Se poate folosi un program de programare liniar pentru
a rezolva problema de transport a firmei G.M. Se vor folosi
variabile precum x
11
care reprezint cantitatea de produse
transportate din sursa 1 (Braov) n destinaia 1 (Bucureti); x
12
reprezint cantitatea de produse transportate din sursa 1
(Braov) n destinaia 2 (Craiova) etc.
Variabilele de decizie pentru problema de transport care
are m origini (surse) i n destinaii pot fi notate prin x
ij
i vor
reprezenta numrul de uniti transportate din sursa i la
destinaia j, cu i =1,,m i j =1,,n.
Folosind notaia de mai sus, pentru x
24
= 500, ea
corespunde unui transport de 500 buci de produs din sursa 2
(Cluj ) la destinaia 4 (Iai).
Pe baza costurilor de transport din Tabelul nr. 2.3, se
poate determina costul transporturilor pe baza urmtoarelor
expresii:
a) costul transportului dinspre Braov = 3x
11
+2x
12
+7x
13
+6x
14
b) costul transportului dinspre Cluj = 7x
21
+5x
22
+2x
23
+3x
24
c) costul transportului dinspre Oradea = 3x
31
+5x
32
+4x
33
+5x
34
Suma expresiilor de mai sus reprezint funcia obiectiv
care calculeaz nivelul costului total de transport al G.M.
Restriciile problemei sunt determinate, la surs, de
nivelul limitat al produciei iar la destinaie de nivelul cererii.
n cazul produciei din fiecare fabric avem numrul total de
bunuri oferite mai mic sau egal cu numrul de bunuri produse
ntr-un centru de producie. Astfel se poate scrie pentru fiecare
furnizor:
x
11
+x
12
+x
13
+x
14
5000 oferta furnizorului din Braov
x
21
+x
22
+x
23
+x
24
6000 oferta furnizorului din Cluj
x
31
+x
32
+x
33
+x
34
2500 oferta furnizorului din Oradea
25
Firma dispune de patru centre de distribuie unde
trebuie s se asigure c ntreaga ofert va fi satisfcut. Pentru
fiecare centru se deduce:
x
11
+ x
21
+ x
31
= 6000 cererea n Bucureti
x
12
+ x
22
+ x
32
= 4000 cererea n Craiova
x
13
+ x
23
+ x
33
= 2000 cererea n Constana
x
14
+ x
24
+ x
34
= 1500 cererea n Iai
Combinnd funcia obiectiv cu cele trei restricii
privind oferta i cele patru restricii privind cererea se obine o
problem de programare liniar cu 12 variabile i 7 restricii
liniare astfel:
max f = 3x
11
+2x
12
+7x
13
+6x
14
+7x
21
+5x
22
+2x
23
+3x
24
+3x
31
+5x
32
+4x
33
+5x
34
x
11
+x
12
+x
13
+x
14
5000
x
21
+x
22
+x
23
+x
24
6000
x
31
+x
32
+x
33
+x
34
2500
x
11
+x
21
+x
31
= 6000
x
12
+x
22
+x
32
= 4000
x
13
+x
23
+x
33
= 2000
x
14
+x
24
+x
34
= 1500
x
ij
> 0, pentru i =1,,3 i j = 1,,4
Soluia optim pentru problema de transport a GM este
o soluie n care toate valorile sunt numere ntregi. Acest fapt
reprezint o cerin obiectiv n rezolvarea problemelor de
transport. Datorit structurii speciale a restriciilor problemelor
de transport ntotdeauna se obin soluii numere ntregi dac
nodurile surs i cele destinaie prezint oferta i respectiv
cererea n numere ntregi.
Varietatea de probleme de baz de transport se pot
ncadra n una sau mai multe din situaiile urmtoare:
26
1. Oferta total nu egaleaz cererea total.
2. Fiecare obiectiv poate fi de maximizare.
3. Unele rute pot s prezinte restricii relative la capacitatea
minim sau maxim de transport.
4. Unele rute nu pot fi lua te n considerare fiind considerate
inacceptabile.
Cu unele modificri n PPL de transport, aceste situaii
pot fi luate n considerare n atingerea soluiilor.
Cea mai ntlnit situaie este cea n care oferta total
nu este egal cu cererea total. Cnd cantitatea oferit este
peste nivelul cererii nu apar modificri n formularea modelului
PPL. Excesul de ofert va introduce variable de relaxare n
rezolvarea PPL. Relaxarea poate fi interpretat prin ofert
neutilizat sau prin cantiti oferite care sunt transportate, din
surse spre centrul de distribuie.
Dac oferta total este mai mic sau egal cu cantitatea
cerut, modelul PPL nu va avea o soluie fezabil pentru c
restriciile impuse de cerere nu vor fi satisfcute. n acest caz, o
modificare n restriciile PPL devine necesar pentru a permite
rezolvarea problemelor de transport i obinerea soluiei
acesteia. Se va introduce, astfel, o surs fictiv a crei ofert
(fictiv) reprezint chiar excesul de cerere peste nivelul ofertei.
Se va asocia costul nul pentru transportul de la aceast surs
fictiv spre fiecare nod al cererii, ceea ce n funcia obiectiv va
nsemna costul transportului doar pe rutele care au cost asociat
diferit de 0, deci soluia optim a problemei nu se modific (nu
vor mai efectuate practic transporturi de bunuri pe rutele cu
cost asociat zero dinspre sursa fictiv).
Odat introdus sursa fictiv, oferta total egaleaz
cererea total, iar modelul PPL poate fi folosit s genereze o
soluie. Pentru valoarea optim obinut, destinaiile care
primesc transporturi dinspre sursa fictiv vor fi cele pentru care
cererea nu poate fi satisfcut n totalitate. Prin introducerea
27
sursei fictive n modelul PPL se va genera un program de
transport cu cost minim pentru toat oferta disponibil i se vor
indica n plus acele destinaii pentru care exist cerere
nesatisfcut.
n unele formulri de probleme este posibil (sau este de
dorit) s se considere profitul sau venitul pentru fiecare unitate
transportat dect s se ia n considerare costul unitar.
Folosirea venitului sau a profitului unitar n coeficientul
funciei obinute va impune rezolvarea unei probleme de
maxim i nu de minim (criteriul costului n modelul PPL).
Restriciile vor fi afectate de aceast modificare.
Formularea problemelor de transport poate fi
modificat pentru a lua n considerare capacitatea de
transport pentru una sau mai multe rute. De exemplu
presupunem c pe ruta Oradea-Bucureti (sursa 3, destinaie 1)
capacitatea de transport este de 1000 uniti din cauza spaiului
disponibil de transport limitat, restricie care este impus de
mrimea vehiculului de transport. Aceast limitare a capacitii
de transport pe rut poate fi reprezentat n modelul PPL prin
adugarea unei restricii care corespunde cu limitarea
superioar a variabilei de decizie. Pentru x
31
(care corespunde
cantitii de bun transportat ntre Oradea i Bucureti) n
problema GM se introduce restricia relativ la capacitatea de
transport:
x
31
1000
La fel, o rut pentru care nivelul minim de uniti de
marf transportate este specificat poate fi x
22
2000, ceea ce va
garanta c numrul unitilor transportate de la Cluj la Craiova
va fi de cel puin 2000 uniti.
Ca o situaie particular, cu ajutorul modeleului PPL
este posibil s nu se poat obine o rut de la fiecare surs spre
(A) destinaie. Aceasta nseamn c unele rute sunt
28
inacceptabile. Pentru a rezolva aceast situaie, se elimin
din problem variabilele de decizie corespunztoare acestei
rute incluse n modelul n modelul PPL. Rezolvarea problemei
n situaia n care se consider inacceptabil ruta Braov i
Constana va conine 11 variabile, 7 restricii, ceea ce va oferi
soluia optim n care ruta specificat nu este utilizat.
Modelul general al problemelor de transport n
reprezentarea unei PPL. Se folosesc urmtoarele notaii care
apar n modelul general al problemelor reprezentate printr-o
PPL:
i = numrul de surse, i = m , 1 ;
j = numrul destinaiilor, j = n , 1 ;
x
ij
= cantitatea transportat din sursa i spre destinaia j;
c
ij
= costul de transport asociat rutei dintre sursa i spre
destinaia j;
s
i
= cantitatea de bun sipoanibil n sursa i;
d
j
= cantitatea de bun cerut n destinaia j.
Modelul general pentru probleme de transport n care
sunt m surse i n destinaii este:
min

= =

m
1 j
ij ij
n
1 i
x c
m 1, i s x i
m
1 i
ij = s
=
oferte
n 1, j d x j
n
1 i
ij = s
=
cereri
x
ij
0 () i, j
29
Dac n problema de transport problem de
programare liniar oferta total (
=
m
1 i
i s ) este mai mic sau egal
cu cererea total (
=
n
1 j
i d ), o surs fictiv va oferi exact cantitatea
de bun care reprezint excesul de cerere. Aceast surs fictiv
poate fi notat prin m+1, iar cantitatea oferit (fictiv) de
aceast surs este determinat ca:
s
m+1 =

= =

m
1 i
i
n
1 j
j s d
Pentru a fi siguri c soluia optim obinut n urma
acestui artificiu va reprezenta costul total de transport, toi
coeficienii din funcia obiectiv asociai surselor fictive vor fi
nuli (nu se va efectua nici un transport dinspre sursele fictive).
Dac unele rute au restricii fictive la capacitatea de
transport se vor aduga restricii de forma x
ij
L
ij
, unde L
ij
reprezint limita superioar sau capacitatea maxim de
transport a rutei ce leag sursa i de destinaia j. Dac, similar,
nivelul minimal acceptat pentru transport pe o rut exist,
atunci se adaug restricia de forma x
ij
L
ij
. Aici L
ij
corespunde
nivelului minim de marf ce poate fi transportat de la o surs i
spre destinaia j.
30
2.3PROBLEMA DE TRANSPORT. PROCEDUR PRACTIC DE REZOLVARE
Dac problema de transport are 100 de surse i 500 de
destinaii, aceasta implic 100500=50000 de variabile de
decizie n problema de transport problem de programare
liniar. Acest fapt a determinat realizarea de proceduri practice
de rezolvare a problemei de transport care s nu necesite
rezolvarea unei probleme de programare liniar asociate
problemei de transport. Structura special a problemei de
transport - problem de programare liniar a permis
managerilor s foloseasc o procedur foarte simplificat
pentru realizarea facil a calculelor.
n problemele GM avem 12 variabile de decizie i 7
restricii. Este clar c rezolvarea problemelor GM ca problem
de transport - problem de programare liniar necesit un efort
de calcul considerabil prin rezolvarea folosind Algoritmului
Simplex. Prin procedura practic de rezolvare pot fi uor
rezolvate probleme de transport de mrime mic.
Tabelul nr. 2. 4
Destinaii
Surse
Bucureti Craiova Constana Iai
Oferta
sursei
3 2 7 6
Braov 5000
7 5 2 3
Cluj 6000
2 5 4 5
Oradea 2500
Cererea
destinaiei
6000 4000 2000 1500 13500
Celul corespunztoare
transportului de la
Oradea la Bucureti

n
1 j
i d =
=
m
1 i
i s
cerere = oferta
31
Aplicarea procedurii practice de rezolvare n problema
GM presupune gsirea unei soluii iniiale fezabile i apoi prin
interaii succesive care aduc mbuntiri soluiei se va
determina soluia optim i se va folosi o reprezentare tabelar
care va conine datele problemei i este util n efectuarea
calculelor, Tabelul nr. 2.4, unde sunt 12 celule care corespund
celor 12 rute de transport (arce) reprezentate n Figura nr. 2.1.
Fiecare celul de tabel corespunde unei rute transport
de la o surs spre un centru de distribuie. Cifrele din colul
dreapta sus al fiecrei celule reprezint costurile de transport
asociate fiecrei rute.
n partea dreapt a tabelului sunt trecute cantitile
disponibile n fiecare surs, iar n linia de jos sunt reprezentate
valorile cererii la destinaie. n colul dreapta jos al tabelului se
trece nivelul cererii = nivelul ofertei.
Dup realizarea tabelului, se trece la rezolvarea
problemei de transport care presupune determinarea unei
soluii iniiale fezabile.
2.3.1 Gsirea unei soluii iniiale fezabile. Metoda Costului Minim
Metoda costului minim pentru identificarea unei souii
iniiale fezabile presupune alocarea a ct mai multe uniti spre
a fi transportate pe rutele de cost minim.
Paii de parcurs n aplicarea Metodei costului
minim pentru obinerea soluiei iniiale fezabile a problemei de
transport sunt:
Pasul 1: Identificarea n tabelul de transport a celulei cu costul
minim, i apoi se asigur ct mai multe uniti de transportat n
respectiva celul. Dac exist mai multe celule cu cost minim
identic se ia n considerare celula n care se pot transporta un
32
numr maxim de uniti. Dac mai exist alte celule candidate
cu cost identic se va alege n continuare dintre acestea.
Pasul 2: Se reduce n rndul ofertei i n coloana cererii
cantitatea de bun asigurat la pasul 1.
Pasul 3: Dac toate rndurile cu ofert i coloanele cu cerere
au fost tiate, atunci s-a obinut soluia iniial fezabil. n caz
contrar se continu cu pasul 4.
Pasul 4: Dac pe rndul ofertei este acum un disponibil nul, se
elimin linia respectiv prin tietur. Dac pe coloana cererii
nivelul acesteia este nul, se elimin coloana prin tietur. Dac
att linia ct i coloana sunt tiate se va face o nou alocare de
zero uniti pe una din celulele deja tiate de o linie, pe coloan
sau rnd.
Pasul 5: Se continu cu pasul 1 pn sunt tiate toate
rndurile i coloanele.
n Tabelul nr. 2.4 se observ c rutele Braov-Craiova,
Cluj-Constana i Oradea-Bucureti au costul minim de 2 u.m.
Dac n problem apar mai multe rute cu cost minim,
este practic, util, s se aloce transportul pe ruta care are
capacitatea de transport cea mai mare. n problema de fa,
cantitatea maxim - 4000 uniti - poate fi transportat de la
Braov la Craiova. Aceasta va reduce cantitatea disponibil la
Braov de la 5000 la 1000, valoarea iniial a ofertei la Braov
va fi de 1000 iar valoarea cererii nesatisfcute n Craiova va fi
de 4000-4000=0 uniti. Valoarea iniial a cererii de 4000 va
fi nlocuit pentru Craiova cu 0. Acum se poate elimina
coloana corespunztoare destiniei Craiova pentru c cererea a
fost aici complet satisfcut.
33
Tabelul nr. 2. 5
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
4000
5000
1000
7 5 2 3
Cluj 6000
2 5 4 5
Oradea 2500
Cererea
destinaiei
6000
4000
0
2000 1500 13500
Acum se vor urmri doar celulele care nu au fost
tiate cu o linie pentru a identifica noua rut de cost minim.
Aceasta este ntre Cluj Constana i Oradea Bucureti.
Tabelul nr. 2.6
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
4000
5000
1000
7 5 2 3
Cluj 6000
2 5 4 5
Oradea
2500
2500
0
Cererea
destinaiei
6000
3500
4000
0
2000 1500 13500
Se alege ruta Oradea Bucureti pentru c poate fi
satisfcut o cerere de 2500 uniti (n comparaie cu Cluj
Constana care permite o satisfacere a cererii cu doar 2000
uniti). Astfel, oferta din Oradea devine nul prin alocarea
ntregii cantiti disponibile care va fi transportat n Bucureti.
Oferta de 2500 din Oradea va fi nlocuit cu 0 i cererea n
34
Bucureti se va reduce de la 6000 la 3500. Linia
corespunztoare ofertei din Oradea va fi eliminat prin tiere.
Tabelul nr. 2.7
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
4000
5000
1000
7 5 2 3
Cluj
2000
6000
4000
2 5 4 5
Oradea
2500
2500
0
Cererea
destinaiei
6000
3500
4000
0
2000
0
1500 13500
Urmtorul cost minim din tabel este pe ruta Cluj
Constana. Acum poate fi satisfcut cererea de 2000 de uniti
n Constana, din totalul disponibil n Cluj de 6000 uniti, iar
n Constana cererea este satisfcut integral, valoarea iniial
va fi nlocuit cu valoarea 0, iar valoarea corespunztoare
cererii din Constana va fi tiat.
Tabelul nr. 2.8
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
4000
5000
1000
7 5 2 3
Cluj
2000 1500
6000
4000
2500
2 5 4 5
Oradea
2500
2500
0
Cererea
destinaiei
6000
3500
4000
0
2000
0
1500
0
13500
35
n continuare costul minim este de 3 u.m. pe rutele
Braov-Bucureti i Cluj-Iai. Pe prima rut pot fi transportate
1000 uniti iar pe a doua 1500 uniti. Conform regulii
adoptate, se vor aloca 1500 uniti de la Cluj la Iai. Cererea n
Iai se satisface complet, coloana corespunztoare se va
elimina din tabel, iar oferta din Cluj scade de la 4000 la 2500
uniti ce au rmas disponibile.
Tabelul nr. 2.9
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
1000 4000
5000
1000
0
7 5 2 3
Cluj
2000 1500
6000
4000
2500
2 5 4 5
Oradea
2500
2500
0
Cererea
destinaiei
6000
3500
2500
4000
0
2000
0
1500
0
13500
Urmtorul nivel minim al costului este 3 pe ruta Braov
Bucureti. Cerea rmas nesatisfcut n Bucureti are
nivelul de 3500 uniti. Din acest total pot fi satisfcute 1000
uniti disponibile n Braov. Noul disponibil, aici, devenind
nul, ceea ce presupune eliminarea liniei corespunztoare sursei
Braov.
Se constat c rmn 2500 uniti disponibile n Cluj,
iar cererea din Bucureti este de 2500, ceea ce conduce la
satisfacerea cererii din Bucureti cu disponibilul rmas n
Braov. Valorile de 2.500 uniti disponibil i respectiv cerere,
respectiv n Cluj i Bucureti devin nule, linia corespunztoare
36
sursei Cluj i coloana corespunztoare destinaiei Bucureti se
taie.
Tabelul nr. 2.10
De la La
Cantitatea
transportat
Cost unitar Cost total
Braov Bucureti 1 000 3 3 000
Braov Craiova 4 000 2 8 000
Cluj Bucureti 2 500 7 17 500
Cluj Constana 2 000 2 4 000
Cluj Iai 1 500 5 4 500
Oradea Bucureti 2 500 2 5 000
TOTAL 13500 - 42 000
ntruct s-au alocat toate cele 13.500 uniti cerute din
totalul de 13.500 disponibile, s-a determinat o soluie. Aceast
soluie este fezabil pentru c toat cererea este satisfcut de
toat oferta disponibil. Datele corespunztoare acestei soluii
obinute prin Metoda Costului Minim sunt trecute n Tabelul
nr. 8.10.
Observaie: Aa cum se poate deduce, aceast soluie nu este
soluia optim.
n continuare, aceast metod va presupune trecerea
acestei soluii fezabile spre soluia optim. Metoda costului
minim poate fi folosit doar de soluia iniial fezabil a
problemei cu m surse i n destinaii folosete exact m+n-1 rute
de transport. Astfel, problema GM trebuie s foloseasc 3+4-
1=6 rute de transport n soluia iniial. Pentru problema GM
soluia iniial fezabil satisface aceast condiie.
Pentru a garanta c metoda costului minim va genera
ntotdeauna o soluie iniial fezabil cu m+n-1 rute pe care vor
fi folosite la transport trebuie efectuate unele modificri.
Ultima alocare de la Cluj la Bucureti de 2500 uniti a
37
presupus alocarea ntregului disponibil rmas de 2500 uniti
pentru a satisface cererea din Bucureti.
n determinarea soluiei iniiale fezabile, ultima alocare
reduce ntotdeauna att o linie a ofertei ct i o coloan a
cererii, astfel nct cererea i oferta nesatisfcute devin zero. n
aceast situaie se obine o soluie iniial fezabil cu mai puin
de m+n-1 rute de transport folosite. Pentru a preveni acea
situaie n care att cererea ct i oferta se reduc simultan la
valoarea zero se poate proceda la:
1. Eliminarea liniei i a coloanei prin tierea acestora.
2. n plus se va aduga unei celule aflate la intersecia
rndului tiat i a coloanei, un transport de zero uniti,
fie pentru linia, fie pentru coloana tiat. Aceast celul
va fi tratat la fel ca i cele pentru care s-a asociat o
cantitate de transportat.
Pentru a urmri cum se aplic aceast procedur se ia n
considerare urmtoarea problem care are 3 surse i 4
destinaii. Reprezentarea iniial este urmtoarea:
Tabelul nr. 2.11
Destinaii
Surse
D
1
D
2
D
3
D
4
Oferta
6 8 3 10
S
1
30
2 9 5 7
S
2
15
7 8 6 4
S
3
15
Cererea 10 25 10 15 60
Prin aplicarea Metodei Costului Minim se aloc pe ruta
S
2
-D
1
cu costul minim asociat (=2) un transport de 10 uniti.
Se trece la urmtoarea reprezentare:
38
Tabelul nr. 2.12
Destinaii
Surse
D
1
D
2
D
3
D
4
Oferta
6 8 3 10
S
1
10
30
20
2 9 5 7
S
2
10
15
5
7 8 6 4
S
3
0
15
Cererea
10
0
25
10
0
15 60
Corespunztor, urmtoarea alocare este pe ruta S
1
-D
3
cu
10 uniti transportate. Apoi pe ruta S
3
-D
4
care are costul
minim (=4) se constat c se reduc simultan linia lui S
3
i
coloana lui D
4
pentru care oferta i cererea devin simultan zero.
Dac se elimin aceast linie i respectiv coloan, singurele
celule care mai rmn netiate sunt corespunztoare lui S
1
-
D
2
i S
2
-D
2
. Astfel, ar trebui asigurat o valoare de 0 uniti
transportate de la S
2
la D
1
sau zero uniti transportate de la S
3
la D
4
. Prin asigurarea valorii pentru celula S
3
-D
1
se obine
urmtorul tabel de transport.
Tabelul nr. 2.13
Destinaii
Surse
D
1
D
2
D
3
D
4
Oferta
6 8 3 10
S
1
10
30
20
2 9 5 7
S
2
10
15
5
7 8 6 4
S
3
0 15
15
0
Cererea
10
0
25
10
0
15 60
Flux de 0 uniti
creat artificial
Ambele se reduc,
simultan la 0
39
n continuare se obine tabelul n care soluia
1
va fi:
S
1
- D
2
: 20
S
1
- D
3
: 10
S
2
- D
1
: 10
S
2
- D
2
: 5
S
3
- D
1
: 0
S
3
- D
4
: 15
uniti transportate,
i se folosesc
m+n-1=3+4-1=6
rute de transport.
Soluia astfel determinat este optim.

1
O alt metod care poate conduce la obinerea unei soluii iniiale
fezabile este metoda costului de NV.
40
2.4METODA STEPPING-STONE
Aceast metod ofer o procedur iterativ care permite
deplasarea de la soluia fezabil iniial spre o soluie optim.
Ea este folosit pentru a evalua transportul pe acele rute care nu
fac parte din soluia problemei de transport. Dac se gsesc
rute cu costuri mai mici, atunci soluia curent este nlocuit
(mbuntit) prin efectuarea de transporturi pe aceste noi rute.
Corespunztor, dac acele rute (care au costuri asociate) care
nu sunt nlocuite n soluia curent vor determina creterea
costurilor, nu vor fi acceptate la determinarea soluiei optime.
Pentru ilustrare, se va folosi problema iniial a GM pe
care s-a aplicat metoda costurilor i s-a determinat soluia
iniial fezabil.
Tabelul nr. 2.14
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
1000 4000
5000
7 5 2 3
Cluj
2500 2000 1500
6000
2 5 4 5
Oradea
2500
2500
Cererea
destinaiei
6000 4000 2000 1500 13500
Se presupune c se aloc o unitate n celula aflat la
intersecia coloanei 2 cu rndul 2 (ruta Cluj-Craiova). Astfel,
pentru a satisface cererea din Craiova la nivelul stabilit, trebuie
redus transportul de la Braov la Craiova la 3999 uniti
transportate, cantitatea de la Braov la Bucureti va fi crescut
cu o unitate, la 1001, astfel nct oferta din Braov s fie
41
meninut la 5000 i se va reduce cantitatea transportului de la
Cluj la Bucureti cu o unitate, de la 2500 la 2499 pentru ca
cererea din Bucureti s fie n continuare tot la 6000 uniti.
n Tabelul nr. 2.15 de mai jos sunt reprezentate efectele
induse de aplicarea metodei la nivelul costului.
Tabelul nr. 2.15
Ruta Modificri Efect n cost
Cluj-Craiova
transport suplimentar 1
unitate
+5
Braov-Craiova transport redus cu 1 unitate -2
Braov-Bucureti
unitate
+3
Cluj-Bucureti transport redus cu 1 unitate -7
Efect net -1
Din analiza tabelului rezult c se reduce costul de
transport cu 1 u.m. pentru fiecare unitate transportat
suplimentar de la Cluj la Craiova cu modificrile
corespunztoare n celelalte rute.
nainte de a aduga aceast rut se consider procedura
general de evaluare a costurilor asociate cu o nou rut (sau
celul) i apoi se verific toate rutele neutilizate pentru a
mbunti soluia problemei de transport. Metoda const n
evaluarea efectului unei modificri n alte rute care fac parte
din soluia curent a problemei de transport, soluie care
const din celulele ocupate. Deplasarea se face ntre celulele
care constituie parte a soluiei curente, pe orizontal i vertical
astfel nct se va ajunge la celula de unde s-a pornit iniial.
Deplasarea ntre celule este reprezentat prin linia punctat,
precum se observ n tabelul urmtor, pentru evidenierea
modificrilor: Cluj-Craiova, Braov-Craiova, Braov-Bucureti
42
i Cluj-Bucureti, care presupune o reprezentare a parcurgerii
n sens antiorar n tabel.
Tabelul nr. 2.16
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
1000 4000
5000
7 5 2 3
Cluj
2500 2000 1500
6000
2 5 4 5
Oradea
2500
2500
Cererea
destinaiei
6000 4000 2000 1500 13500
n continuare se consider modificri pe ruta Braov-
Constana cu efect i pe rutele Cluj-Constana i respectiv
Braov-Bucureti.
Tabelul nr. 2.17
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
1000 4000
5000
7 5 2 3
Cluj
2500 2000 1500
6000
2 5 4 5
Oradea
2500
2500
Cererea
destinaiei
6000 4000 2000 1500 13500
Celul ocupat care a
intrat n iteraia metodei
Celul
neocupat
Celul ocupat care nu a
intrat n iteraia metodei
43
Modificrile induse pe cele 4 rute considerate n tabelul
anterior sunt evideniate n Tabelul nr. 2.17.
Modificarea precedent a soluiilor induce un cost
unitar suplimentar de 9 u.m. fapt ce denot c aceast rut nu
este atractiv pentru c alegerea sa conduce la creterea
costului total.
Tabelul nr. 2.18
Ruta Modificri Efect n cost
Braov-Constana
unitate
+7
Cluj-Constana transport redus cu 1 unitate -2
Cluj-Bucureti
unitate
+7
Braov-Bucureti transport redus cu 1 unitate -3
Efect net +9
Gsirea fiecrei noi posibile celule candidate ajut la
identificarea efectului unei noi rute asupra costului total.
Evaluarea efectului pentru toate rutele posibile este reprezentat
n tabelul urmtor unde modificrile n costul unitar sunt
reprezentate prin valorile ncercuite:
Tabelul nr. 2.19
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
1000 4000
5000
7 5 2 3
Cluj
2500 2000 1500
6000
2 5 4 5
Oradea
2500
2500
Cererea
destinaiei
6000 4000 2000 1500 13500
+4
+9 +7
+7 +7
-1
44
Din Tabelul nr. 2.18 se constat c cea mai bun
modificare a costului n sensul reducerii acestuia este
reprezentat n celula Cluj-Craiova. Pe aceast nou rut se
poate transporta un maxim de 2500 uniti, care nu vor mai fi
alocate de la Cluj la Bucureti, ci de la Cluj la Craiova. Aceasta
determin o reducere a cantitii transportate de la Braov la
Craiova cu 2500 uniti i renunarea la ruta Cluj-Bucureti.
Toate modificrile fcute au pstrat restriciile asupra
cererii n Bucureti i Craiova i restriciile asupra ofertei la
Braov i Cluj. Noua soluie este reprezentat n Tabelul nr.
2.19. n acest tabel este reprezentat prima modificare indus
de metoda Stepping Stone care presupune o reducere a costului
total din soluia iniial fezabil cu 2500 u.m. de la 42 000 u.m.
la 39 500 u.m. Dac se evalueaz acum modificrile induse n
cost la noua soluie, toate rutele neutilizate vor determina o
cretere a cheltuielilor cu transportul.
n acest caz, prezentat n Tabelul nr. 2.19, s-a obinut
situaia optim, care reprezint chiar soluia problemei de
transport problem de programare liniar.
Tabelul nr. 2.20
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
3500 1500
5000
7 5 2 3
Cluj
2500 2000 1500
6000
2 5 4 5
Oradea
2500
2500
Cererea
destinaiei
6000 4000 2000 1500 13500
Soluia problemei este prezentat n Tabelul nr. 2.20.
45
Tabelul nr. 2.21
De la la
Cantitatea
transportat
Cost unitar Cost total
Braov Bucureti 3 500 3 10 500
Braov Craiova 1 500 2 3 000
Cluj Craiova 2 500 5 12 500
Cluj Constana 2 000 2 4 000
Cluj Iai 1 500 3 4 500
Oradea Bucureti 2 500 2 5 000
TOTAL 13500 - 39 500
Determinarea modificrilor n costuri, induse de
schimbarea rutelor de transport se realizeaz prin urmtoarea
procedur:
a) se stabilete un index u
i
pentru fiecare rdcin din tabel;
b) se stabilete un index v
j
pentru fiecare rdcin din tabel;
c) se asociaz un coeficient c
ij
pentru fiecare celul ocupat din
tabelul de transport unde c
ij
= u
i
+v
j
. dac c
ij
reprezint costul
transportului din sursa i ctre destinaia j;
d) se constituie un sistem de m+n-1 ecuaii cu m+n
necunoscute care se rezolv pentru un u=0.
Tabelul nr. 2.22
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
3500 1500
5000
7 5 2 3
Cluj
2500 2000 1500
6000
2 5 4 5
Oradea
2500
2500
Cererea
destinaiei
6000 4000 2000 1500 13500
+4
+8
+6
+6
+6
-1
46
Pe exemplul GM unde trebuie s dispunem de m+n-1,
adic 3+4-1=6 rute de transport n soluia iniial pentru ca
aceasta s fie fezabil, aa cum se reprezint n tabelul urmtor:
Tabelul nr. 2.23
Destinaii
Surse
Oferta
sursei
3 2 7 6
Braov
1000 2500
3500
7 5 2 3
Cluj
2500 2000 1500
6000
2 5 4 5
Oradea
2500
2500
Cererea
destinaiei
6000 2500 2000 1500 12000
Celulele ocupate sunt:
Braov Bucureti: u
1
+ v
1
= 3
Braov Craiova: u
1
+ v
2
= 2
Cluj Bucureti: u
2
+ v
1
= 7
Cluj Constana: u
2
+ v
3
= 2
Cluj Iai: u
2
+ v
4
= 3
Oradea Bucureti: u
3
+ v
1
= 2
Pentru u
1
=0 se obin: v
1=
3
v
2
= 2
u
2
+ v
1
= 7 u
2
= 4
u
2
+ v
3
= 2 v
3
= -2
u
2
+ v
4
= 3 v
4
= -1
u
3
+ v
1
= 2 u
3
= -1
e) modificrile nete unitare n costul de transport se determin
pe baza relaiei e
ij
= c
ij
u
i
v
j
. Acestea sunt trecute n
tabelul urmtor ca valori ncercuite:
47
Tabelul nr. 2.24
v
j
u
i
3 2 -2 -1
3 2 7 6
0
1000 2500
7 5 2 3
4
2500 2000 1500
2 5 4 5
-1
2500
Tabelul nr. 2.24 indic prin valoarea 1, aflat la
intersecia rndului 2 cu coloana 2, o scdere a costului cu o
u.m. pentru fiecare unitate transportat pe aceast rut, singura
care permite mbuntirea soluiei. Dac se consider soluia
mbuntit dup aplicarea metodei Stepping Stone
reprezentat n Tabelul nr. 2.25.
Tabelul nr. 2.25
v
j
u
i
3 2 -2 -1
3 2 7 6
0
1000 2500
7 5 2 3
4
2500 2000 1500
2 5 4 5
-1
2500
se obine urmtorul sistem de 6 ecuaii cu 7 necunoscute:
u
1
+ v
1
= 3
u
1
+ v
2
= 2
u
2
+ v
2
= 5
u
2
+ v
3
= 2
u
2
+ v
4
= 3
u
3
+ v
1
= 2
iar pentru
u
1
=0
se obine
urmtorul
sistem
echivalent:
v
1
= 3
v
2
= 2
u
2
+ v
1
= 5 u
2
= 3
u
2
+ v
3
= 2 v
3
= -1
u
2
+ v
4
= 3 v
4
= 0
u
3
+ v
1
= 2 u
3
= -1
+4
+9 +7
+7 +7
-1
+4
+9 +7
+7 +7
-1
48
Soluia acestui sistem este:
u
1
= 0 v
1
= 3
u
2
= 3 v
2
= 2
u
3
= -1 v
3
= -1
v
4
= 0
Se asociaz valorile soluiei liniilor i se calculeaz e
ij
pentru celulele care nu sunt incluse n soluia problemei:
Tabelul nr. 2.26
v
j
u
i
3 2 -1 0
3 2 7 6
0
3500 1500
7 5 2 3
4
2500 2000 1500
2 5 4 5
-1
2500
Se observ c valorile lui e
ij
obinute corespund cu cele
din tabelul 2.22, tabel care conduce spre soluia optim.
n Tabelul nr. 2.26, obinut anterior:
e
13
= c
i3
u
1
v
3
= 7 - 0 - (-1)=8
reprezint schimbarea net n costul total determinat de
folosirea rutei de la sursa 1 spre destinaia 3.
Folosirea metodei distribuiei modificate (MDM)
genereaz aceleai modificri nete ca i metoda Stepping
Stone, fapt ce ajut la rezolvarea mai facil a problemei.
+4
+8 +6
+6 +6
-1
49
2.5SITUAII SPECIALE CARE APAR N PROBLEMA DE TRANSPORT
n practic pot s apar situaii speciale ale problemei
de transport precum:
1. cererea total nu egaleaz oferta total;
2. problema de rezolvat conine funcia obiectiv de
maximizat;
3. rute de transport care nu pot fi folosite (rute blocate).
Prima situaie se rezolv prin introducerea unei
destinaii fictive sau a unei surse fictive. Dac oferta depete
cererea se introduce o destinaie fictiv cu o cerere
reprezentnd excesul de ofert. Dac cererea este excedentar
ofertei, se introduce o surs fictiv cu o ofert reprezentnd
exact cererea excedentar. n ambele situaii costurile asociate
transporturilor spre sau dinspre destinaiile fictive vor fi nule.
Dac problema de transport implic obiectiv de maxim,
singurele modificri care apar n rezolvare se refer la celulele
neocupate. n locul alegerii acelor valori e
ij
negative, minime,
se vor alege cele acele valori ale e
ij
cu cea mai mare valoare
pozitiv, pentru c acestea vor determina creterea funciei
obiectiv.
n situaia n care exist rute de transport inacceptabile
(blocate), atunci se vor ataa acestora niveluri ale costului cu
valori foarte mari (M) pe unitate de bun transportat, iar n
acest caz costul total va crete foarte mult. n problemele de
maxim, coeficienii din funcia obiectiv pentru cantitile ce
(nu) vor fi transportate pe aceste rute vor fi valori negative
foarte mari, M.
Se consider n continuare un exemplu practic: se
presupune c sunt trei productori (surse) care au urmtoarele
capaciti de producie:
50
Tabelul nr. 2.27
Productor Capacitate de producie
P
1
50
P
2
40
P
3
30
Total disponibil 120
Cererea previzionat nregistrat pentru aceste produse
la vnztorii detailiti este prezentat n tabelul urmtor:
Tabelul nr. 2.28
Detailist Cerere previzionat
V
1
45
V
2
15
V
3
30
Total cerere 90
Costurile de producie variaz de la un productor la
altul, iar preurile de vnzare sunt diferite de la un vnztor la
altul. Prin luarea n considerare a acestor preuri de producie i
de transport, profitul obinut pentru o unitate de bun realizat de
productorul i i vndut de detailistul j este prezentat n Tabelul
nr. 2.29.
Tabelul nr. 2.29 Profit unitar al productorilor
Detailist
Productor
V
1
V
2
V
3
P
1
2 8 10
P
2
6 11 6
P
3
12 7 9
51
Se observ c disponibilul depete cererea cu 120
90=30 uniti. Aceasta determin introducerea unui consumator
fictiv care va consuma surplusul de 30 de uniti. Profitul
unitar asociat i cantitatea consumat de consumatorul fictiv
vor fi nule, deoarece bunurile respective nu sunt nici produse i
nici transportate.
Tabelul nr. 2.30
Destinaii
Surse
V
1
V
2
V
3
V
4
Oferta
2 8 10 0
P
1
30 20
50
20
6 11 6 0
P
2
15 15 10
40
25
10
12 7 9 0
P
3
30
30
0
Cererea
45
15
0
15
0
30
0
30
Pentru a obine o soluie iniial fezabil se folosete o
procedur similar cu metoda costului minim n condiiile unei
probleme de maximizare a profitului. Soluia iniial fezabil
este prezentat n Tabelul nr. 2.30.
Consumatorul V
4
, este cel fictiv, el are un profit unitar
asociat nul. Soluia iniial fezabil folosete m+n1=3+41= 6
rute.
n tabelul urmtor se asociaz valorile u
i
i v
j
pentru
determinarea e
ij
=c
ij
u
i
v
j
, unde c
ij
reprezint profitul unitar
asociat transportului unei uniti de bun de la productorul i
spre vnztorul j, pentru toate celulele neocupate:
52
Tabelul nr. 2.31
Destinaii
Surse
V
1
V
2
V
3
V
4
Oferta
2 8 10 0
P
1
30 20
50
6 11 6 0
P
2
15 15 10
40
12 7 9 0
P
3
30
30
Cererea 45 15 30 30
Se rezolv sistemul:
u
1
+ v
1
= 2
u
1
+ v
2
= 8
u
2
+ v
3
= 6
u
3
+ v
2
= 7
u
3
+ v
3
= 9
u
3
+ v
4
= 0
pt. v
4
= 0
u
1
+ v
1
= 2
u
1
+ v
2
= 8
u
2
+ v
3
= 6
u
3
+ v
2
= 7
u
3
+ v
3
= 9
u
3
+ v
4
= 0
u
1
= 1
u
2
= -3
u
3
= 0
v
1
= 1
v
2
= 7
v
3
= 9
Deoarece toate e
ij
induc o modificare cu 0 uniti de
profit se deduce c soluia iniial fezabil este optim.
0 0
0
0 0 0
CAPITOLUL 3
MODELAREA PROBLEMELOR DE
DISTRIBUIE PRIN MODELE DE REEA
Multe probleme manageriale care apar curent n
designul sistemelor de transport, n designul sistemelor
informaionale i programarea proiectelor, pot fi rezolvate cu
ajutorul modelelor de reea i prin tehnicile de analiz a
reelelor. n rezolvarea problemelor de transport, reeaua de
transport const n noduri i arce. Aici, vor fi prezentate trei
tipuri mari de probleme de reea: problema rutei cele mai
scurte, problema arborelui de acoperire maximal i problema
de flux maxim. n fiecare caz se va dezvolta un model de reea
care va fi rezolvat pentru obinerea soluiei optime a problemei.
3.1 Problema celei mai scurte rute
Se consider reeaua din perspectiva proiectrii i
desemnrii unui sistem de transport, unde principalul scop este
de a determina cea mai scurt rut n reea. Se va dezvolta i
rezolva problema celei mai scurte rute pe cazul aplicativ al
Nord Construct (NC). NC opereaz n prezent mai multe
proiecte de construcii localizate n judee diferite. antierele
sunt uneori la peste 20 km distan de sediul firmei.
MODELAREA PROBLEMELOR DE DI STRI BUI E PRI N MODELE DE REEA 54
Cheltuielile firmei cu transportul zilnic al personalului, al
echipamentelor i al materialelor spre i dinspre antiere sunt
considerabile. Pentru fiecare antier, drumurile alternative pot
fi reprezentate ca n drumuri sau strzi n reeaua de transport.
n figura urmtoare sunt reprezentate alternativele de transport
de la antiere i de la sediul NC.
Figura nr. 3. 1 Reeaua de drumuri pentru problema NC
Arcurile (nodurile) din reea corespund locaiilor
antierelor. Drumurile i strzile apar reprezentate prin arce de
reea. Distana dintre antiere este reprezentat prin valori
asociate fiecrei rute. Lungimea rutei nu este proporional cu
reprezentarea arcelor n reeaua de transport. Dac NC dorete
s minimizeze distana total de transport de la sediul firmei
spre fiecare antier, atunci care este cea mai scurt rut n reea,
spre fiecare locaie?
3.1.1 Algoritmul celei mai scurte rute
Pentru a determina cea mai scurt rut n cazul
problemei NC trebuie stabilit cea mai scurt de la sediul NC
(nodul 1) la fiecare dintre celelalte noduri din reea. Algoritmul
folosit ataeaz fiecrui nod o etichet. Prin procedura de
etichetare se ataeaz la fiecare nod o etichet format din dou
valori incluse ntre paranteze drepte. Prima valoare indic
distana de la nodul 1 la nodul etichetat, iar a doua valoare
arat nodul precedent din care s-a ajuns n nodul curent.
n orice moment al aplicrii procedurii de etichetare vor
exista noduri etichetate i/sau noduri neetichetate. Un nod
etichetat este un nod pentru care s-a identificat drumul cel mai
scurt dinspre nodul 1, iar cel neetichetat nu a fost nc evaluat.
Reprezentarea urmtoare prezint un exemplu de etichet:
Figura nr. 3. 2 Etichet asociat unui nod
Valoare care arat c
distana de la nodul
iniial pn la nodul
curent este 10
[10, 7]
Valoare care indic
faptul c nodul
precedent celui curent
este nodul 7
Un nod odat etichetat, poate fi considerat etichetat
definitiv sau etichetat temporar. Atunci cnd un nod este
etichetat definitiv, algoritmul a generat ruta cea mai scurt la
acel nod, iar pentru etichetele temporare, nc nu s-a stabilit
ruta cea mai scurt.
n continuare se procedeaz la etichetarea nodurilor
reelei. Prin convenie, nodului 1 i se asociaz eticheta
permanent [0, S]. Valoarea 0 denot c nodul 1 este nodul de
start iar distana de la nodul 1 spre el nsui este 0. S arat c
nodul 1 este nodul se start. Pentru a recunoate un nod etichetat
permanent, tot prin convenie, acesta va fi reprezentat haurat.
n plus, o sgeat va fi folosit pentru a reprezenta care este
nodul investigat la fiecare pas al algoritmului. Figura
urmtoare arat c doar nodul 1 a fost etichetat permanent.
Figura nr. 3. 3
Pentru a considera primul pas, sau iteraia ca algoritm
de etichetare, trebuie considerat fiecare nod n care poate
ajunge direct dinspre nodul 1. Se observ c noduri candidate
sunt 2 i 3. Pentru nodul 2 se remarc distana asociat pe arc
egal cu 15. Nodul 2 va fi etichetat ca temporar cu eticheta [15,
1]. Din nodul 1 se parcurg 15 km pn n nodul 2. Apoi pentru
nodul 3 se observ c distana asociat rutei de la nodul 1 spre
nodul 3 este 10, fapt care determin etichetarea temporar a
nodului 3 cu [10, 1]. Figura 3.4 arat rezultatul acestei iteraii
cu etichetele temporare.
Pentru a continua se ia n considerare nodul care are
drumul de cost minim asociat dintre nodurile etichetate
temporar.
Figura nr. 3. 4
Dintre cele dou noduri se alege nodul 3 cu distana fa
de nodul de start egal cu 10. n nodul 3 se poate ajunge din
nodul 1 cu parcurgerea distanei 15 + 3=18 km parcurgerea
distanei 10 + 3=13.
Pentru nodul 3 se determin minimul dintre 10 i 13,
ceea ce nseamn c nodului 3 i se poate stabili eticheta
permanent ca n Figura 3.5 i se va reprezenta haurat nodul 3.
Figura nr. 3. 5
Odat ce nodului 3 i-a fost determinat eticheta
permanent, se va asocia acum o sgeat precum n Figura nr.
3.5.
Acum se vor lua n considerare toate nodurile care nu
au etichet permanent i la care se poate ajunge din nodul 3.
Acestea sunt nodurile 2 i 5.
Figura nr. 3. 6
Se calculeaz distana la aceste noduri pornind din
nodul 3 i se ataeaz etichetele corespunztoare. Practic se
observ din figura urmtoare c nodul 2 are asociate dou
etichete. Dintre acestea se alege cea care indic distana
minim.
Deoarece n nodul 2 se poate alege ntre dou posibile
rute, pentru un drum minim la nodul 2, este preferat ruta care
pornete din nodul 1 i trece prin nodul 3. n consecin
eticheta [15, 1] este nlturat i nlocuit cu [13, 3].
Figura nr. 3. 7
n nodul 2 nu se mai poate ajunge pe o rut mai scurt.
Acestui nod i se consider eticheta permanent [13, 3], iar
nodul va fi reprezentat haurat i se va reprezenta sgeata de
marcaj n dreptul nodului 2 (Figura nr. 3.7).
Se calculeaz apoi distanele i se ataeaz etichetele
pentru toate nodurile care au arce adiacente cu nodurile 2 i 5.
acestea sunt nodurile 4 i 3. Etichetele sunt n nodul 4, [19, 2]
(13+6=19 km privind nodul 2) i respectiv n nodul 7 eticheta
este [30, 2]. n nodul 4 se poate ajunge din nodul 5, distana
parcurs fiind 14+4=18 km, eticheta temporar asociat fiind
[18, 5]. Comparnd etichetele [19, 2] i [18, 5] se constat c
distana minim spre nodul 4 este parcurs dinspre nodul 5. Se
renun la eticheta temporar asociat nodului [19, 2] i se
bareaz. Eticheta [18, 5] asociat nodului 4 devine permanent.
De asemenea pentru nodul 5 care are eticheta [14, 3], aceasta
devine permanent. Nodul 5 va fi reprezentat haurat, iar
sgeata de marcaj va fi reprezentat n dreptul nodului 5
(Figura 3.8).
Figura nr. 3. 8
De asemenea, se ataeaz eticheta [16, 5] nodului 6
pentru care distana dinspre nodul 5 este 14+2=16. Acum nodul
4 devine nod cu etichet permanent [18, 5]. Se va reprezenta
acest nod haurat, iar sgeta de marcaj va fi n dreptul su
(Figura 3.9).
Figura nr. 3. 9
Din nodul 4 se determin distana dinspre nodul 3.
Eticheta asociat nodului 7 este [23, 4] (18 + 5 = 23 km dinspre
nodul 4). Nodul 6 devine nod cruia i se asociaz etichet
permanent [16, 5]. El va fi reprezentat haurat i se va muta
sgeata de marcaj n nodul 6 Figura 3.10).
Figura nr. 3.10
Se calculeaz pentru nodul 7 distana dinspre nodul 6 i
se adaug eticheta [22, 5]. Aceast etichet va fi considerat
permanent i vor fi eliminate etichetele [30, 2] i [23, 4] care
confer o soluie mai puin convenabil.
Nodul 7 fiind ultimul din reea neetichetat cu etichet
permanent, va fi acum considerat ca etichetat permanent.
Astfel reeaua de transport a NC cu rutele de distane minime
vor fi reprezentate precum n Figura 3.11.
Figura nr. 3. 11
Etichetele permanente asociate fiecrui nod furnizeaz
informaia relativ la distana minim de la sediul NC spre
orice destinaie. De exemplu de la nodul 6 se poate ajunge
parcurgnd minim 16 km, trecnd prin nodurile 5, 3 i 1, ruta
de parcurs de la sediul firmei fiind: nodul 1, nodul 3, nodul 5 i
destinaia, nodul 6.
n Tabelul nr. 3.1 sunt sintetizate rutele care trebuiesc
parcurse astfel nct s se parcurg o distan minim n km de
la sediul firmei spre fiecare punct de lucru:
Tabelul nr. 3.1
Nod Ruta cea mai scurt Distana (km)
2 1 3 2 13
3 1 3 10
4 1 3 5 4 18
5 1 3 5 14
6 1 3 5 6 16
7 1 3 5 6 7 22
O problem de asemenea dimensiuni ar putea fi
rezolvat i doar prin ncercri, deoarece numrul mic de rute
permite rezolvarea prin inspectarea situaiilor posibile. Acest
lucru este posibil i deoarece 7 noduri permit puine rute
alternative. Dac problema ar avea 20 25 noduri, ar fi necesar
destul de mult timp pentru rezolvarea prin inspecie. De fapt,
datorit numrului crescut de rute alternative, ntr-o reea mare
este destul de uor s fie omise unele rute, iar soluia problemei
s nu fie cea potrivit, optim. Pentru o problem de
dimensiuni mari se impune utilizarea procedurii sistematice
folosite la rezolvarea problemei NC. Chiar i n situaia n care
se folosete procedura de etichetare, pentru rezolvarea
problemelor de mari dimensiuni, devine util folosirea unui
algoritm corespunztor.
n determinarea rutei celei mai scurte prin procedura de
etichetare vom considera o reea format din N noduri. Poate fi
folosit urmtoarea procedur pentru determinarea celui
mai scurt drum de la nodul 1 spre fiecare nod al reelei:
Pasul 1: Se ataeaz nodului 1 eticheta permanent [0,S], unde
S arat c nodul 1 este nodul de start, iar 0 arat c distana de
la acest nod la el nsui este 0.
Pasul 2: Se determin etichetele candidate pentru toate
nodurile n care se poate ajunge direct din nodul 1. Prima
valoare din etichetele candidate este chiar distana de la nodul 1
la fiecare dintre noduri. Se poate numi valoare a distanei
prima parte din etichet. A doua valoare din etichet reprezint
nodul precedent, n spe nodul 1. n acest pas nodul precedent
poate fi doar nodul 1.
Pasul 3: Se identific dintre nodurile candidate la eticheta
permanent acel nod care are cea mai mic valoare a distanei,
i se declar nod cu etichet permanent. Dac toate nodurile
sunt cu etichete permanente, se trece la pasul 5.
Pasul 4: Se consider toate nodurile care nu au etichet
permanent identificate la pasul 3. Se calculeaz etichetele
candidate pentru nodurile n cauz, astfel:
a) dac un nod care nu are etichet permanent are o etichet
candidat, se determin prin nsumare valoarea distanei
dinspre nodul cu etichet permanent spre noul nod. Dac
suma este mai mic dect valoarea distanei nainte
calculat, noua valoare a distanei este minima celor dou.
n plus, se va modifica nodul precedent din etichet
corespunztor nodului care determin distana cea mai mic.
Se trece la pasul 3.
b) Dac un nod cu etichet temporar nu a mai avut o alt
etichet candidat, aceasta este creat cu o valoare a
distanei egal cu suma dintre valoarea distanei de la nodul
cu etichet permanent spre nodul n discuie. Simbolul
nodului precedent este schimbat cu cel al nodului dinspre
care ruta parcurs este minim. Se trece la pasul 3.
Pasul 5: etichetele permanente identific distanele cele mai
scurte dinspre nodul 1 spre fiecare nod al reelei precum i
precedena n parcurgerea nodurilor n reea. Cea mai scurt
rut spre un nod din reea poate fi determinat prin parcurgerea
drumului n sus invers, de la nodul respectiv spre nodul 1, prin
citirea etichetelor care arat precedena. Se continu
parcurgerea n sus invers a nodurilor din reea pn la nodul 1
pentru fiecare nod al reelei, genernd astfel parcursul celei mai
scurte rute de la nodul 1 spre fiecare nod din reea.
Paii procedurii vor determina soluia problemei rutei
de distan minim n reeaua de transport. Sunt necesari N 1
iteraii pentru acest algoritm pentru determinarea soluiei
optime. Dac trebuie determinat doar cea mai scurt distan
spre un anumit nod, algoritmul se poate opri imediat ce nodului
respectiv i este asociat o etichet permanent. De asemenea,
se poate determina care este drumul cel mai scurt de la un nod
k din reea spre celelalte noduri ale reelei. n acest scop,
nodului k i va fi asociat eticheta permanent [0, S]. dup
aplicarea pailor algoritmului poate fi gsit cea mai scurt rut
de la nodul k spre toate celelalte noduri din reea.
n problema NC s-a folosit ca msur de prim interes
distana, dar pot fi folosite i alte criterii precum: timpul
necesar pentru deplasare, costul transportului, etc. Uneori
analistul poate s ntlneasc reele n care arcele asociate au
valori negative
1
. Aceast situaie poate fi ntlnit n acele
reele n care se dorete minimizarea costului, unde valoarea
asociat arcului va indica profitul pentru acea rut.

1
Algoritmul de etichetare folosit aici folosete doar valori pozitive.
3.2 Problema arborelui de acoperire minimal
n terminologia de specialitate, problema arborelui de
acoperire minimal presupune folosirea ramurilor (arce) n
reea pentru a ajunge n toate nodurile reelei, astfel nct
lungimea total a tuturor ramurilor folosite pentru a ajunge la
toate nodurile s fie minim.
Pentru o mai bun nelegere a situaiei se va considera
problema de determinare a reelei de comunicaii pentru firm,
de la sediul regional al acesteia. Firma de telefonie Est
Telecom trebuie s dispun la sediul su regional de un
computer care s fie conectat prin anten de satelit cu un
computer central. Compania de telefonie va instala noua reea
de comunicaii. Instalarea reelei este o operaiune foarte
costisitoare. Pentru a reduce costurile, echipa managerial
dorete ca noile linii de comunicaie instalate s nsumeze o
lungime minim posibil. Computerul central poate fi legat
direct la fiecare utilizator, dar pentru firm este mai economic
s instaleze linii directe pentru unii utilizatori i s-i lase pe
ceilali utilizatori s se conecteze la sistem prin intermediul
utilizatorilor deja conectai la sistem.
Figura nr. 3. 12
Determinarea reelei de comunicaie cu lungimea cea
mai mic este un exemplu de problem a arborelui de acoperire
minimal. Reeaua pentru problema de mai sus permite
conexiuni alternative, pe arce fiind asociate distanele dintre
noduri.
3.2.1 Algoritmul arborelui de acoperire minimal (Greedy)
Algoritmul folosit n problema arborelui de acoperire
minimal poart denumirea de Greedy i const n alegerea
celei mai bune variante, la fiecare pas al algoritmului, fapt care
conduce rapid la obinerea soluiei optime a problemei. Acest
algoritm este unul dintre puinii algoritmi folosii n tiina
managementului care este cel mai economic la fiecare pas i
genereaz direct evoluia optim. Paii algoritmului Greedy
sunt:
Pasul 1: n mod arbitrar se pornete din orice nod i se
realizeaz legtura cu nodul cel mai apropiat. Cele doua noduri
se numesc noduri conectate iar celelalte se numesc neconectate.
Pasul 2: Se identific un nod neconectat care este situat cel
mai aproape de un nod conectat. Dac apare o situaie de
egalitate se alege arbitrar unul dintre ele ca fiind cel mai
apropiat nod. Acesta va fi adugat mulimii nodurilor
conectate. Se repet pasul doi pn cnd toate nodurile sunt
conectate.
Algoritmul este uor de aplicat prin realizarea
conectrilor direct pe graful asociat reelei. Dac lum spre
rezolvare problema Est Telecom vom alege arbitrar un nod de
start, de exemplu nodul 1. Cea mai mic distan de la acest
nod este 20 km pn la nodul 2. Se conecteaz cele dou
noduri printr-o linie punctat (practic, linia poate fi dublat prin
ngroare) precum n Figura 3.13.
Figura nr. 3. 13
n pasul doi al algoritmului se caut nodul neconectat
cel mai apropiat de nodurile conectate 1 sau 2. Nodul 4 este
situat la 30 km de nodul 1. Nodul 4 se adaug la lista nodurilor
conectate, iar pe reea se reprezint cu linie punctat arcul
dintre nodurile 1 i 4 precum n Figura nr. 3.14.
Figura nr. 3. 14
Se repet pasul 2 i se include nodul 3 n lista nodurilor
conectate. Se reprezint punctat arcul dintre nodurile 3 i 4,
apoi se include n lista nodurilor conectate i nodul 6 i se
reprezint punctat arcul dintre nodurile 4 i 6. Ulterior se
include nodul 5 n lista nodurilor conectate, se reprezint
punctat arcul dintre nodurile 3 i 5 i se obine soluia. Arborele
de acoperire minimal are lungimea total dat de suma
valorilor asociate arcelor dintre nodurile conectate.
Figura nr. 3. 15
Lungimea minim a reelei care acoper minimal
ntreaga reea este 20 + 30 + 10 + 20 + 30=110 km de
conexiuni de la sediul central spre oricare nod al reelei.
Aici, sunt reprezentate pe arce distanele n km, dar pot
fi asociate arcelor, costuri, timp etc. n aceste situaii arborele
de acoperire minimal va determina costul minim, timpul
minim etc. n raport de criteriul considerat.
3.3 Problema de flux maxim
Se consider o reea cu un nod surs (nod intrare, input)
i cu un nod de ieire (nod de output). Problema de flux maxim
const n determinarea cantitii de flux (vehicule, fluid, mesaj
etc.) care pot fi introduse i scoase din sistemul de reea ntr-o
perioad de timp. n aceast problem fluxul care circul n
reea poate folosi toate ramurile (arcele reelei) ct mai eficient
posibil. Capacitatea transportat este limitat (superior) prin
restriciile de capacitate care pot s existe pe fiecare dintre
ramurile reelei. De exemplu, exist limitri ale fluxului de
autovehicule care pot s parcurg o autostrad, sau conductele
de transport petrolier nu pot s depeasc un anumit nivel
determinat de limita constructiv a sistemului de conducte.
Capacitatea minim sau maxim de transport este
denumit i capacitate de flux pe arc/rut. Dac nu se
specific capacitatea pentru un nod, se presupune c fluxul de
ieire este egal cu fluxul de intrare.
Un exemplu de problem de flux maxim este cel al
TransGaz. Fluxul de gaz metan intr n conductele din Media
prin partea de nord i ies din reeaua de conducte n partea de
sud a oraului. Fluxul de gaz este maxim n perioadele iarn cu
temperaturi sczute. Conductele pot s fie solicitate, acum, la a
transporta 13000 mc pe or.
n timpul efecturii reviziilor i verificrilor, se
presupune un sistem de rute alternative. Rutele alternative
prezint restricii. Reeaua alternativ propus, pentru a prelua
cantitatea curent i cea suplimentar, care n mod normal ar fi
tranzitat prin alte conducte, este reprezentat n Figura nr. 3.16.
Figura nr. 3. 16
Capacitatea de transport este direcionat, funcie de
cerine. De exemplu pe ruta de la 1 la 4 se pot transporta 5000
mc/h dar n sens invers nu se poate transporta nimic.
Este de dorit ca s nu existe situaii de suprasolicitare
(loc ngust) pentru nici una din conductele utilizate. Poate
firma TransGaz s transporte prin reeaua din Figura 3.16 o
cantitate de 15000 mc/h? Care este capacitatea maxim de
transport, pe or a reelei? Care este cantitatea maxim ce poate
fi transportat pe fiecare conduct (ramur) din reea?
3.3.1 Algoritmul pentru flux maxim
La ntrebrile de mai sus se poate rspunde dup
aplicarea Algoritmului de flux maxim, care va folosi
urmtoarele specificaii:
1. poate fi folosit orice rut dinspre nodul de intrare spre
nodul de ieire n sensul/direcia pentru care fluxul este mai
mare dect 0 pentru toate conductele parcurse;
2. se poate crete fluxul pe o rut la nivelul maxim posibil;
3. trebuie cutate rutele dinspre intrare spre ieire care mai
suport creterea cantitii transportate (dispun de rezerv de
capacitate) n direciile n care fluxul are valoare mai mare
dect 0, pentru toate ramurile, i apoi se va crete fluxul pe
aceste rute ct de mult posibil;
4. algoritmul se oprete cnd nu mai este posibil s fie gsit o
nou rut, dinspre intrare spre ieire, cu capacitatea de flux
orientat, cu valoarea mai mare sau egal cu 0, pentru toate
ramurile din rut.
nainte de a prezenta detaliile algoritmului de flux
maxim, se prezint pe scurt procedura care va determina dac
paii parcuri vor conduce spre soluia optim a problemei i va
gsi fluxul maxim ce poate fi transportat de la intrare spre
ieire.
Procedura permite ca fluxul anterior asigurat s fie
condus pe rute alternative, prin posibilitatea de a avea i n
direcie invers fluxuri fictive. De exemplu, se consider ruta
de la 1 la 6 astfel:
Figura nr. 3. 17
Fluxul iniial ce poate fi propagat n reea de la nodul 1
spre nodul 6 este de 6000 mc/h. Dac n reea sunt propagai
4000 mc/h de la nodul 1 spre nodul 6, se vor revizui
capacitile ce flux astfel:
Figura nr. 3. 18
Se observ c s-a redus capacitatea de flux dinspre
nodul 1 spre nodul 6 de la 6000 mc/h la 2000 mc/h, deoarece n
reea mai exist disponibilitatea de a transporta de la nodul 1
spre nodul 6 de numai 2000 mc/h (60004000=2000). Aceast
reducere determin simultan o cretere a fluxului dinspre nodul
6 spre nodul 1 egal cu cantitatea propagat n reea, de la 0 la
4000 mc/h (0+4000=4000). Aceast revizuire a capacitii
fluxului dinspre nodul 6 spre nodul 1 arat c dinspre nodul 6
se pot transporta (fictiv) 4000 mc/h. Acest flux fictiv arat c
nu este posibil transportul dinspre nodul 6 spre nodul 1, ci arat
doar faptul c a sczut cantitatea care mai poate fi transportat
de la nodul 1 spre nodul 6. De fapt, fluxul fictiv dinspre nodul
6 spre nodul 1 provine acum din fluxul iniial dinspre nodul 1
spre nodul 6 care a fost propagat pe alte ramuri ale reelei.
Procesul descris anterior prezint importan n
problemele de flux maxim atunci cnd ntr-o iteraie se poate
propaga flux pe o ramur, iar apoi dup ce se observ fluxul
propagat pe alt ramur este mai avantajos, se va recurge la
reducerea fluxului propagat iniial. Aceast procedur, descris
mai nainte, va identifica o extensie spre care decizia original
poate fi revizuit pentru a propaga flux pe o ramur de reea cu
scopul de a crete fluxul total propagat n reea.
Paii algoritmului de flux maxim:
Pasul 1: Se identific orice rut care pleac din nodul de
intrare i ajunge la nodul de ieire i care prezint capacitate de
flux mai mare dect 0 pentru toate ramurile de pe rut. Dac o
asemenea rut nu exist, soluia optim a fost obinut.
Pasul 2: Se identific cea mai redus capacitate de transport,
P
m
de pe arcele care compun ruta identificat la pasul 1. S
crete fluxul propagat n reea prin transportarea a P
m
uniti
de-a lungul rutei identificat la pasul 1.
Pasul 3: Pentru ruta identificat la pasul 1 se reduc toate
capacitile de transport dinspre surs spre destinaie cu
cantitile P
m
i se cresc toate capacitile de transport dinspre
destinaie spre surs cu cantitatea P
m
. Se trece la pasul 1.
Procedura poate varia funcie de alegerea iniial a
analistului efectuat n pasul 1, iar algoritmul va genera
probabil, soluia fluxului maxim. Calculele efectuate aici sunt
urmtoarele:
Iteraia 1. Pasul selectat este 1 3 6 7, P
m
= min(6,7,7) =
6 care corespunde drumului de la 1 la 3. Reeaua revizuit
(Figura 3.19) este:
Figura nr. 3. 19
n reea se propag un flux iniial de 6000 mc.
Iteraia 2. Pasul selectat este: 1 2 5 3. P
m
= min(5, 3, 8)=3
valoare care corespunde drumului de la 2 la 5. Reeaua
revizuit este prezentat n Figura nr. 3.20.
Figura nr. 3. 20
n reea se propag suplimentar nc 3000 mc/h. Fluxul
total este acum de 9000 mc/h. Fluxul total propagat n reea se
determin prin nsumarea valorilor P
m
pentru fiecare instalaie.
Iteraia 3.
Pasul selectat este 1 2 3 5 3. P
m
= min(2, 2, 3, 5) = 2,
valoarea lui P
m
corespunde ramurilor de la 1 la 2 i respectiv de
la 2 la 3.
Figura nr. 3. 21
Fluxul total este acum de 11000 mc/h.
Iteraia 4. Ruta aleas este 1 4 6 7. P
m
=min(5,5,1) = 1
care corespunde drumului de la nodul 6 la 3.
Figura nr. 3. 22
Fluxul total propagat este acum de 12000 mc/h.
Iteraia 5. Ruta aleas acum este: 1 4 6 5 7,
P
m
=min(4, 4, 1, 3)=1. P
m
corespunde drumului de la 6 la 5.
Figura nr. 3. 23
Fluxul total transportat n reea este acum de 13000 mc/h.
Iteraia 6. Mai exist, oare, o alt rut dinspre nodul 1 spre
nodul 7 care s permit propagarea suplimentar a cantitii de
flux mai mare dect 0? Dac se folosete ruta 1 4 6 3 5
7 pentru care P
m
= min (3, 3, 6, 1, 2) care corespunde
drumului de la nodul 3 la nodul 5. Aceast nou rut poate s
creasc fluxul total la 14 000 mc/h.
Figura nr. 3. 24
Dup cum se observ, din reeaua revizuit, nu mai sunt
drumuri care s permit un transport suplimentar (flux propagat
mai mare dect 0) prin ramurile reelei. Astfel fluxul total
maxim pe care l permite reeaua de transport este de
14000mc/h.
n iteraia 6, fluxul de 1000 mc/h a fost posibil de
realizat dinspre nodul 6 spre nodul 3, chiar dac n reea nu este
permis transportul dinspre nodul 6 spre nodul 3. Acest flux
propagat n iteraia 6 este un flux fictiv. Efectul real indus de
acest flux fictiv este determinat de faptul c fluxul original de
1000 mc/h dinspre nodul 3 spre nodul 6 din iteraia 1 este de
fapt dirijat dinspre nodul 3 spre nodul 5, ceea ce permite
transportul a nc 1000 mc/h prin reea. Acum se va determina
cantitatea i direcia fluxurilor propagate pe fiecare ramur din
reea astfel nct fluxul maxim total propagat s fie de 140000
mc/h.
Fluxurile corespunztoare fiecrei ramuri care conduce
la soluia optim pot fi implicate prin compararea capacitilor
de flux finale cu cele iniiale. n cazul n care capacitatea de
flux final este mai mic dect capacitatea iniial, prin ramura
respectiv se propag un flux de cantitate egal cu diferena
dintre capacitatea de flux iniial i cea final. De exemplu se
consider ramura 3 6 pe care capacitatea de flux iniial era:
Figura nr. 3. 25
cu capacitatea de flux final:
Figura nr. 3. 26
Deoarece capacitatea de flux final dinspre 3 spre 6 este
mai mic dect capacitatea iniial, ramura are un flux propagat
de 72=5 dinspre nodul 3 spre nodul 6. Acest flux va fi
reprezentat prin:
Figura nr. 3. 27
Prin compararea fluxurilor de capacitate iniiale pe
toate ramurile cu fluxurile de capacitate final, se determin
urmtorul flux de reea:
Figura nr. 3. 28
Rezultatul analizei fluxului maximal indic faptul c
reeaua de conducte TransGaz nu poate s transporte un flux
de 15000 de mc/h. n consecin va fi necesar extinderea
capacitii de transport pentru a face fa perioadelor din an cu
cerere mare de gaz.
Dac reeaua se va extinde, sau va fi modificat, trebuie
s fie realizat o nou analiz, care s determine noul nivel al
fluxului n reea.
CAPITOLUL 4
MODELE DE STOCARE
Stocurile pot fi definite ca fiind acele cantiti de bunuri
sau materiale care sunt pstrate n scopul de a fi utilizate.
Pentru foarte multe firme, cheltuielile asociate cu finanarea i
pstrarea stocurilor constituie o parte substanial a costurilor
afacerii. n companiile mari, n special n acelea n care produc
cantiti mari de bunuri, sau bunuri scumpe, costurile asociate
cu materiile prime care sunt procesate i stocurile de produse
finite pot s ajung la valori mari. Pentru a realiza nivelurile
valorice la care pot s ajung aceste stocuri, se va considera n
continuare situaia firmei DrinkCo.
DrinkCo este un distribuitor de sucuri, vin i bere. De la
depozitul central al firmei, se livreaz marf la peste 1000 de
beneficiari, magazine de vnzare en-detail.
Stocul valoric al firmei este reprezentat i de ambalaje a
cror valoare este de aproximativ 40% din valoarea stocurilor.
Aceasta reprezint aproximativ 50000 de lzi. Costul mediu al
unei lzi este de aproximativ 5 uniti monetare. Firma
estimeaz astfel c valoarea ambalajelor pentru sucuri este de
250000 de uniti monetare.
Exist unele costuri asociate cu meninerea i
manipularea unui nivel dat al stocurilor. Luate mpreun, aceste
costuri poart numele de costuri de stocare. n primul rnd,
este implicat aici costul finanrii. Dac firma mprumut bani
MODELE DE STOCARE 80
pentru a-i menine investiia n stocuri, o dobnd va majora
aceste costuri. Dac firma folosete capitalul propriu pentru a
pstra stocuri, ea nu va fi capabil s foloseasc acest capital
pentru alte investiii. n fiecare caz exist o cheltuial legat de
nivelul capitalului imobilizat n stocuri.
De obicei, costul capitalului este exprimat n procente
din suma investit. Dac firma estimeaz c acest cost este
reprezentat de o rat a dobnzii de 18% anual atunci dobnda
pentru costurile de stocare este
100
18
250000=45000 uniti
monetare/an.
Exist un numr de alte costuri asociate precum:
cheltuieli cu asigurrile, taxe casare, pierderi, depozitare, care
de asemenea depind de valoarea stocului. Firma estimeaz
aceste costuri la un nivel de aproximativ 7% din valoarea
stocului.
Costul total de stocare este
100
7 18 +
250000 = 62500
uniti monetare/an.
Dac se apreciaz c sucurile reprezint doar 40% din
nivelul total al stocurilor, se poate deduce c, pentru
meninerea stocurilor, costurile necesare sunt apreciabile.
Managerii au de ales ntre (a) a dispune de stocuri
suficiente care s satisfac cererea de bunuri i (b) de a investi
ct mai puin n activitatea de meninere a stocurilor. De fapt,
managerii trebuie s rezolve problema prin alegerea celei mai
bune decizii care s ia n considerare urmtoarele:
1. Care trebuie s fie cantitatea comandat astfel nct nivelul
stocului s fie readus la nivelul iniial?
2. Cnd trebuie s fie luat decizia prin care s dispun
refacerea stocului?
Scopul acestui capitol este de arta cum modelarea
cantitii poate folosi ca suport n luarea deciziilor. n
majoritatea sistemelor de stocare chiar dac exist similariti,
totui fiecare sistem este particular.
n prima parte se discut despre modelele deterministe
de stocare unde se presupune c cererea este cunoscut i are o
valoare constant. Apoi se discut despre modele probabiliste
de stocare, unde cererea are o valoare fluctuant, descris n
termeni probabilistici.
4.1 Modelul de stocare cu cerere constant
Acest model este aplicabil pentru situaiile n care
cererea este constant sau relativ constant. Aceasta nseamn
c cererea satisfcut cu ajutorul stocului nregistreaz valori
similare n intervalul de timp. De exemplu 5 buci/sptmn
sau 1000kg/lun.
Tabelul nr. 4. 1
Sptmna Cererea (lzi)
1 2000
2 2025
3 1950
4 2000
5 2100
6 2050
7 2000
8 1975
9 1900
10 2000
TOTAL lzi 20000
Cererea medie sptmnal 2000
Se aplic acest model pentru firma DrinkCo. La nivelul
firmei s-a efectuat o analiz preliminar privind costurile de
stocare i s-a decis realizarea unui studiu detaliat care s ofere
informaii despre ct i cnd comand beneficiarii pentru ce s
se aduc la nivelul cel mai sczut costul de stocare. Cererea
pentru sptmnile viitoare pentru SoftDrink, o butur
rcoritoare produs de DrinkCo este prezentat n Tabelul nr.
4.1.
Cererea prezentat nu este strict constant, dar prezint
variaii foarte mici de la o sptmn la alta. Furnizarea
sptmnal a 2000 de lzi de butur rcoritoare pare o
aproximare rezonabil.
n practic, se constat c stocul real chiar satisface
propunerea realizat prin model. Astfel n situaiile reale
managerul sau analistul vor determina care modele sunt cele
mai apropiate de reprezentarea real.
n cazul n care cererea variaz ntre 1900 i 2100 de
lzi pe sptmn, nivelul stocului de 2000 de lzi reprezint o
valoare rezonabil, iar decidentul poate realiza un compromis
ntre: (a) pstrarea unui stoc redus i existena unor comenzi
frecvente i (b) pstrarea unui stoc mare care s satisfac
comenzile mai puin frecvente, dar cu o cantitate furnizat mai
mare.
Prima situaie are ca efect cheltuieli considerabile cu
pregtirea comenzii, n timp ce n situaia a doua vor fi mai
mari cheltuielile de stocare. Soluia optim va combina cele
dou situaii, n aa mod, nct s determine un cost total
minim.
Costul de stocare i manipulare este cel care depinde
de nivelul stocului. Un nivel al stocului ridicat va determina un
cost de stocare ridicat.
Dac DrinkCo estimeaz c nivelul costului anual de
stocare reprezint 25% din valoarea stocului, iar costul unei
lzi este de 5 uniti monetare, costul de stocare i manipulare
pentru o lad de SoftDrink pe o perioad de un an este
0,255=1,25 uniti monetare.
n continuare, trebuie determinat costul de lansare a
unei noi comenzi. Pentru DrinkCo, pregtirea unei comenzi
const n aprox. 45 de minute de procesare a documentelor i
manipulare a produselor. Costurile salariale pentru plata
angajailor sunt de 16 uniti monetare pe or, deci plata
corespunztoare pentru 45 minute=(45/60)16=12 uniti
monetare pe or. Cheltuielile cu documente, pot, telefon,
transport i recepie sunt de 8 uniti monetare/comand.
Astfel, cheltuielile de lansare a unei noi comenzi sunt 12+8=20
uniti monetare/comand. Astfel, firma DrinkCo pltete 20
uniti monetare pe comand, indiferent de volumul acesteia.
Costul de stocare i costul de lansare al comenzii,
precum i informaiile privind cererea pot fi folosite n modelul
de stocare cu cererea constant.
Cantitatea Q reprezint nivelul comenzii. Astfel, decizia
de a produce cantitatea Q presupune determinarea acestei
valori Q care va minimiza suma dintre costul de stocare i
costul de lansare al comenzii.
Figura nr. 4. 1
Nivelul inventarului pentru SoftDrink va avea maxim
valoarea Q atunci cnd unul dintre detailiti va avea o comand
cu cantitatea Q. DrinkCo va satisface cererea clienilor pn
cnd stocul de produse se epuizeaz. n acel moment un alt
transport de 2000 lzi va fi primit. n ipoteza unei cereri
constante de 2000 de lzi/sptmn, (cu 5 zile lucrtoare),
Nivel maxim
al stocului Q
Nivel mediu
al stocului Q
Nivel minim
al stocului 0
t
T Timp mediu necesar
pentru epuizarea stocului
poate fi satisfcut o cerere medie de 400 lzi/zi (reprezentarea
grafic Figura nr. 4.1)
Nivelul mediu al stocului n intervalul de timp este
(stocul iniial + stocul final)/2 i se bazeaz pe faptul c stocul
descrete de la nivelul Q spre 0 n intervalul de timp T.
Figura nr. 4. 2
Figura nr. 4.2 arat evoluia activitii de stocare pe un
interval de timp mai mare. Stocul este alimentat ciclic la fiecare
sfrit de perioad T.
Stocul satisface o cerere constant de 2000
lzi/sptmn.
Dac stocul mediu este Q pentru fiecare ciclu, stocul
mediu pentru un numr (ntreg ) de cicluri este tot Q.
Cheltuielile de stocare pot fi determinate folosind stocul
mediu. Acestea rezult din multiplicarea stocului mediu cu
costul unitar de stocare pentru perioada de stocare.
Perioada de stocare poate fi considerat 1 sptmn, o
lun, un an sau mai mult. De obicei, se folosete costul de
stocare unitar anual.
Dac se noteaz:
I = procentul din valoarea produsului care reprezint costul
anual unitar de stocare (25 % pentru DrinkCo)
C = cost unitar al unei lzi de produs (C
s
) este determinat de:
C
s
= IC
Q
Q
0
t
T 2T 3T
Nivel de
stoc mediu
Pentru produsul SoftDrink se obine 0,255 = 1,25
Costul anual de stocare se determin prin multiplicarea
stocului mediu cu costul unitar anual de stocare.
Cost anual de stocare = QC
s
Pentru completitudine, n costul total trebuie introduse
i cheltuielile cu lansarea comenzilor. Dac se noteaz cu D
cererea anual de produse, atunci numrul anual de comenzi va
fi determinat de raportul
Q
D
.
Astfel, costul total anual cu lansarea comenzilor va fi:
Cost anual cu
lansarea
produsului
=
nr. anual
de
comenzi
costul unitar
de lansare
=
Q
D
C
o
unde costul de lansare este notat prin C
o
.
Astfel, costul total anual (costul de stocare + costul de
lansare) poate fi determinat prin:
TC =
2
1
QC
s
+
Q
D
Co
Dac n cazul DrinkCo avem C
s
=1,25 uniti monetare
i C
o
=20 uniti monetare, atunci cererea anual este calculat
prin: D=52(spt.)2000 (lzi)=104000 (lzi anual), i atunci:
TC=
2
1
Q1,26+
Q
104000
20 = 0,265Q +
Q
2080000
Relaia anterioar descrie costul total n funcie de Q.
Valoarea minim a costului se poate determina pentru acea
valoare Q care minimizeaz funcia costului total. Pentru a
determina minimele funciei costului, derivata acesteia n
raport cu cantitatea trebuie s fie egal cu zero.
Q
TC
c
c
=
h
C
2
1
-
2
o
Q
C D
=0. De aici se deduce c:
s
C
2
1
=
2
o
Q
C D
Q
2
=
s
o
C
C 2D

Q
*
=
s
o
C
C 2D
,
unde Q* reprezint cantitatea optim care poate fi stocat dac
se folosete modelul cu cerere constant.
Dac deja sunt determinate D=104000 lzi, C
o
=20
uniti monetare i C
s
=1,25 uniti monetare, atunci:
Q=
1,25
20 104000 2
=1824.
Astfel cantitatea optim este Q*=1824 lzi/sptmn.
Dac se reprezint pe acelai grafic costurile implicate,
atunci se deduce:
Figura nr. 4. 3
cantitate
Q*=1824
cost anual total
cost anual de stocare
cost anual de lansare
Astfel costul total minim devine:
TC* =
2
1
Q*C
s
+
* Q
D
C
o

TC*=
s
o
C
C 2D
2
1
C
s
+
s
o
o
C
C 2D
C D
=
2
C C D
s o

+
2
C C D
s o

TC*=
s o
C C 2D
n problema prezentat TC* devine:
TC*= 1,25 20 104000 2 = 2280,35 u.m.
Acum, managerii tiu c nivelul stocului optim este Q*
(n cazul DrinkCo Q* = 1824 lzi) i trebuie s determine care
este momentul n care trebuie s lanseze comanda astfel nct
stocul s fie realimentat. Managerii trebuie s stabileasc i
calendaristic zilele n care s reaprovizioneze. Expresia
Q
D

arat numrul de comenzi care se fac ntr-un an. Cu datele
problemei,
* Q
D
=
1824
104000
= 57,02 ceea ce nseamn c pentru
un an se efectueaz aproximativ 57 de comenzi. Pentru c
sptmna lucrtoare are doar 5 zile, numrul de zile total
lucrate pe parcursul anului este:
52 sptmni 5 zile/sptmn = 260 zile lucrtoare.
Dac se repartizeaz cele 57 comenzi pe an la 260 zile
lucrtoare se deduce:
T =
* Q
D
260
=
D
* Q 260
=
104000
1824 260
= 4,56 zile.
Rezultatul asigur c, o reaprovizionare la 4,56 zile
confer o satisfacie optim a cerinelor. Totui nu poate fi
practic folosit valoarea optim a lui T*=4,56 zile lucrtoare,
fapt care denot c pot fi lansate comenzile la 4 zile, dar stocul
crete i implicit cheltuielile sau se lanseaz comenzile la
interval de 5 zile, dar poate s apar situaia lipsei stocului, fapt
care poate conduce la costuri de penalizare.
Tabelul nr. 4. 2 Analiza senzitivitii pentru modelul de stocare
cu cerere constant.
Cost Total Valoare
C
s
(%)
Valoare
C
o
Q*
Pe baza
Q*
Pe baza
Q = 1824
23 19 1792,5 2204,76 2205,09
23 20 1839,1 2262,03 2262,11
23 21 1884,5 2317,90 2319,13
24 19 1785,2 2213,70 2214,21
24 20 1831,6 2271,21 2271,23
24 21 1876,9 2327,30 2328,25
25 19 1778,1 2222,61 2223,33
25 20 1824,3 2280,35 2280,35
25 21 1869,3 2336,66 2337,37
26 19 1771,0 2231,48 2232,45
26 20 1817,0 2289,45 2289,47
26 21 1861,9 2345,99 2346,49
Pe baza analizei senzitivitii se deduce c valoarea
optim (teoretic) a stocului conduce la nivelul costului total
minim.
Dac se nregistreaz variaii n C
s
i C
o
se deduce din
Tabelul nr. 4.2, pe baza costurilor totale proiectate, c volumul
costului total variaz ntre 2200 i 2400 uniti monetare/an. n
acest caz se recomand decidentului de a alege o valoare a lui
Q apropiat de 1824 lzi.
4.2 Modelul de stocare a produciei fabricate pe loturi
Urmtorul model suport decizional pentru activitatea de
stocare este similar cu modelul de stocare cu cerere constant.
De asemenea, se consider ipoteza unei cereri constante, dar
bunurile nu mai aprovizioneaz depozitul n transporturi de Q
uniti ci se consider c depozitul este aprovizionat continuu
cteva zile sau cteva sptmni (de exemplu, din producie
proprie fabricat).
Oferta cu rat constant, presupus aici, semnific
faptul c este furnizat aceeai cantitate de produse n fiecare
unitate de timp (de exemplu 20 uniti n fiecare zi, 100 pe
sptmn etc.). Acest model este destinat situaiilor n care
odat o comand fcut, ncepe producia unui numr constant
de produse (un lot de fabricaie) care se adaug la stocul
existent pn cnd lotul respectiv este realizat n totalitate.
Dac se consider un sistem de producie care produce
50 de uniti pe zi i se programeaz 10 zile de producie se va
realiza un lot de 5010=500 uniti. Problema principal n
acest model const n determinarea mrimii optime Q a lotului
care va minimiza costul total.
O condiie care trebuie menionata este c modelul se
aplic n situaiile n care rata produciei este mai mare dect
rata cererii, iar sistemul trebuie s prezinte capacitatea de a
satisface cererea. De exemplu, dac nivelul cererii este de 2000
uniti pe sptmn, nivelul produciei trebuie s fie cel puin
de 2000 uniti pe sptmn pentru ca oferta s satisfac
cererea. Cu aceast condiie suplimentar, practic, n fiecare zi
se produce mai mult dect se livreaz spre beneficiar. Excesul
de producie va fi, astfel, stocat, stocul nregistrnd o cretere
gradual pe perioada n care se produc bunurile. Atunci cnd
producia nceteaz (s-a produs ntreg lotul), stocul va ncepe s
nregistreze o scdere progresiv pn cnd este lansat n
producie noul lot. Reprezentarea evoluiei stocului este
prezentat n Figura nr. 4.4.
Figura nr. 4. 4
Sunt utilizate costurile de stocare i costurile de lansare
la fel ca la modelul de stocare cu cereri constant, cu costul de
stocare variabil, funcie de nivelul stocului. Costul de lansare,
ns, este un cost care include: ore de munc, materiale, costul
rebuturilor, fiind de fapt un cost fix pentru fiecare lot produs,
care este totui dependent de mrimea costului de fabricaie.
Determinarea costului total
Fie notaia Q pentru mrimea lotului de producie.
Trebuie determinat nivelul mediu al stocului i costul unitar de
stocare. Se consider o durat de un an i corespunztor costul
unitar anual de stocare. Folosind notaiile:
d = cererea zilnic pentru produs;
p = producia zilnic;
t = durata (n zile) pentru un ciclu de fabricaie i reprezentarea
din Figura nr. 4.4 se determin valoarea medie a stocului.
cost
Stoc maxim
Q
Stoc mediu
Q
Stoc minim
0
t
Faza de cretere a stocului (producie)
Faza de reducere a stocului (non-producie)
t
Dac se presupune p>d, atunci diferena p-d arat
nivelul zilnic al excesului de cerere, care va alimenta stocul.
Dac se stocheaz zilnic p-d uniti timp de t zile, nivelul
maxim al stocului este:
Nivel maxim stoc = (p-d) t
Dac un lot de produse are Q uniti care sunt produse
n t zile, iar producia zilnic este de p buci, atunci Q = pt.
De aici se deduce c durata unui ciclu de fabricaie este de:
t =
p
Q
zile
Nivelul maxim al stocului devine:
(p-d)t = (p-d)
p
Q
= (1-
p
d
)Q
Stocul mediu se determin ca medie aritmetic a
nivelului maxim i a celui minim astfel:
Stocul mediu =
2
0 Q )
p
d
- (1 +
= Q )
p
d
- (1
2
1
Dac costul de stocare unitar anual este C

s
= IC, atunci
costul anual de stocare devine:
Cost anual
de stocare
=
stoc
mediu
cost unitar
anual de
stocare
=
)
p
d
- (1
2
1
QC
s
Dac D este cererea anual pentru produs i C
o
este
costul pentru un ciclu de fabricaie, iar numrul de cicluri de
fabricaie pe an este
Q
D
, costul anual de producie se determin
prin:
Cost anual
de
producie
=
nr. cicluri
de fabricaie
pe an
cost de producie
pe ciclu de
fabricaie
=
Q
D
C
o
Astfel, costul total de operare (TC) al modelului devine:
TC = )
p
d
- (1
2
1
QC
s
+
Q
D
C
o
(4.1)
Dac firma lucreaz 250 zile/an (i 115 sunt zile libere
i nelucrtoare), atunci cererea zilnic d poate fi determinat
prin: d =
250
D
, iar dac prin P se noteaz producia anual,
producia zilnic este p =
250
P
, atunci numrul de zile de
producie (250) coincide cu numrul de zile care se manifest
cererea pentru produs:
p
d
=
250
P
250
D
=
P
D
Pe baza relaiei de mai sus se poate scrie costul total
anual ca:
TC = )
P
D
- (1
2
1
QC
s
+
Q
D
C
o
(4.2)
Ecuaiile (4.1) i (4.2) sunt echivalente. Analistul va
alege care dintre acestea este preferabil s fie folosit.
Determinarea nivelului optim al lotului de
producie. Cnd se dorete obinerea costului minim, derivata
costului total n raport cu cantitatea va genera dup egalare cu
zero soluia nivelului optim al lotului de producie Q*:
Q
TC
c
c
= )
P
D
- (1
2
1
C
s
-
o
2
C
Q
D
=0
Q
2
=
s
o
C
C
P
D
1
2D
Q
*
=
s
o
C ) P D - (1
C 2D
,
Pe baza acestei valori se deduce nivelul minim al
costului total:
TC* = )
P
D
- (1
2
1
s
o
C ) P D - (1
C 2D
C
s
+
s
o
C ) P D - (1
C 2D
D
C
o
TC*=
s o
C C D )
P
D
(1
2
1
+
s o
C C D )
P
D
(1
2
1

TC*=
s o
C C D )
P
D
2(1
De asemenea, durata unui ciclu de producie optim este:
t*=
P
* Q
=
2
s
o
P
1
C )
P
D
(1
C 2D

.
4.3 Model de stocare cu cerere constant i lips de
stoc
n multe situaii practice nivelul stocului nu poate
satisface cererea. Chiar dac nu este o situaie dorit, ea trebuie
evitat pe ct posibil.
Uneori este foarte costisitor s fie pstrate n stoc
bunuri, aa c managerii prefer lipsa de stoc. Pentru un dealer,
de exemplu, de autoturisme nu este neobinuit s nu dein n
stoc un tip de vehicul, iar clientul este dispus s atepte s-i
primeasc maina dup cteva sptmni.
Modelul de stocare cu cerere constant i lips de stoc
ia n considerare faptul c un client poate comanda un produs,
acest produs poate s nu fie n stoc, clientul nu renun la
cererea sa i ateapt s soseasc un nou transport de produse
pentru ca s-i satisfac cererea. De obicei, clientul este dispus
s atepte dac perioada cu lips de stoc este scurt, iar acesta
este asigurat de ofertant c cererea sa va fi satisfcut cu
prioritate imediat ce bunul este disponibil. Dac clientul
consider c amnarea intrrii n posesia bunului i poate cauza
prejudicii, atunci el ar putea renuna la achiziionarea bunului
de la furnizor i eventual ar cere despgubiri pentru prejudiciul
cauzat.
n modelul de stocare cu cerere constant introducem
urmtoarele ipoteze:
1. Exist S cereri de produs nesatisfcute din cauza lipsei
stocului atunci cnd un nou transport Q de produse
aprovizioneaz stocul. Cele S cereri rmase neonorate sunt
satisfcute imediat, iar n stoc vor rmne Q-S produse.
2. Q-S va fi nivelul maxim al stocului.
3. Durata dintre dou aprovizionri succesive T va fi mprit
n dou faze: t
1
zilele n care cererea poate fi satisfcut din
stoc i t
2
zilele n care este lips de stoc.
Figura nr. 4. 5
Reprezentarea grafic a acestui model este fcut n
Figura nr. 4.5. Aici, cererile nesatisfcute sunt considerate stoc
negativ (-S).
Pentru determinarea costului total se nsumeaz toate
cheltuielile de stocare obinuite i cheltuielile de lansare. n
plus, va aprea un cost suplimentar datorit lipsei stocurilor,
cheltuieli cu munca i livrrile directe asociate cu procesarea i
prelucrarea comenzilor n ateptare. De asemenea, ar putea s
apar costuri de penalizare datorit insatisfaciei clienilor.
Costul de penalizare poate fi n corelaie direct cu timpul de
ateptare al clienilor, el va fi astfel calculat similar cu costul
depozitrii. Se calculeaz, astfel, costul de penalizare anual pe
baza unei medii a cererii nesatisfcute i pe baza costului
unitar.
Pentru determinarea costului mediu se folosete o
medie ponderat cu frecvene, unde frecvenele reprezint
zilele de stocare.
Se noteaz cu t
1
perioada n care stocul este pozitiv (0)
i cu t
2
perioada lipsei de stoc.
t
1
t
2
T
D
1
D E
Stoc maxim
Q-S
0
Cerere
nesatisfcut -S
A
B C

timp
Nivel
stoc
Din Figura 4.5 se deduce c timp de t
1
zile, nivelul
stocului scade de la Q-S la 0 uniti, fapt care conduce la
stabilirea stocului pe aceasta perioad la:
2
0 S) - (Q +
=
2
S) - (Q
.
n perioada t
2
nu exist stoc, ea reprezint perioada
corespunztoare lipsei de stoc. Deoarece un ciclu de stocare are
T = t
1
+t
2
zile, stocul mediu pe acest interval de timp este:
Stoc mediu =
2 1
2 1
t t
t 0 t
2
S) - (Q
+
+
=
T
t
S) - (Q
2
1
1
.
Se exprim t
1
i T n funcie de Q, S i d. ntruct
nivelul maxim al stocului este Q-S iar d reprezint cererea
zilnic (constant) se poate scrie t
1
=
d
S Q
zile
1
. Astfel, stocul
maxim de Q-S uniti va fi epuizat n
d
S Q
zile. Deoarece
sunt aduse n stoc la fiecare comand Q uniti, lungimea unui
ciclu, a duratei ntre dou reaprovizionri trebuie s fie
determinat de: T =
d
Q
zile
2
.

1
Aceast valoare se deduce n triunghiul ABC pe baza determinrii
tangentei unghiului tg =
1
t
S Q
= d cererea zilnic t
1
=
d
S Q
.
2
Aceast valoare se deduce din triunghiul ADE, prin calculul valorii
tg =
T
Q
= d = cererea zilnic T =
d
Q
.
Astfel, se nlocuiesc valorile lui t
1
i T n nivelul mediu
al stocului i se calculeaz:
Stoc mediu = S) - (Q
2
1
d
Q
d
S Q
=
Q
S) - (Q
2
1
2
Se observ c nivelul mediu al stocului este exprimat

doar n funcie de dou variabile de decizie: nivelul lotului de
reaprovizionare (Q) i numrul maxim de cereri nesatisfcute
(S) acceptate.
Dac D reprezint cererea anual, numrul total de
loturi de reaprovizionare (a cte Q uniti) este:
Numrul anual de reaprovizionri =
Q
D
.
Numrul mediu de comenzi nesatisfcute este variabil,
de la 0 la nivelul maxim S. n intervalul de timp T, stocul poate
s satisfac toate comenzile n t
1
(nu exist cereri nesatisfcute)
iar n t
2
exis cerere nesatisfcut.
Nivelul mediu al cererilor
neonorate la timp
=
T
t
2
S 0
0t
2 1
+
+
=
T
t
2
S
2
Deoarece numrul maxim de comenzi neonorate este S,
iar cererea zilnic este d, lungimea perioadei cu lips de stoc se
determin ca:
t
2
=
d
S
nlocuim pe t
2
i T n ecuaia nivelului mediu al
comenzilor neonorate i se obine:
Nivelul mediu al comenzilor
neonorate la timp
=
d
Q
d
S
2
S
=
2Q
S
2
n continuare se consider:
C
s
= cost de stocare unitar anual;
C
o
= cost de lansare comand;
C
p
= cost de penalizare unitar anual.
Expresia costului total n nivelul de stocare cu cerere
constant i lips de stoc devine:
p
2
o s
2
C
2Q
S
C
Q
D
C
2Q
S) - (Q
TC + + =
Dac se estimeaz nivelul costurilor C
s
, C
o
i C
p
, se
poate determina costul minim pentru nivelurile stabilite ale lui
Q i S.
Prin derivarea expresiei TC n funcie de Q i n funcie
de S i prin egalarea derivatelor cu 0 se obine un sistem de
dou ecuaii cu dou necunoscute (n Q i S) care are ca
soluie:
|
|
.
|
\
|
+
=
p
p s
s
o
*
C
C C
C
2DC
Q i
p s
s
* *
C C
C
Q S
+
= ,
valori care constituie soluia optim a modelului de stocare cu
cerere constant i lips de stoc.
4.4 Model de stocare cu cerere variabil
Firma FiatLux vinde becuri de iluminat economice. Ea
se aprovizioneaz de la productor. FiatLux vrea s determine
nivelul optim de reaprovizionare al stocului i s i formuleze
politica de stoc cu scopul de a avea un stoc minim.
Costul de lansare al comenzii este de 24 u.m. Un bec
cost 6 u.m. Costul de stocare anual reprezint 20% din
valoarea produsului C
s
=0,26=1,2 u.m./an.
Cererea variaz de la o sptmn la alta, de la o zi la
alta. Astfel, nu se poate estima cererea sptmnal. Firma
estimeaz, pe baza cererii trecute, un nivel al cererii pentru
anul n curs de 4000 de becuri.
Pentru a determina nivelul reaprovizionrii se
calculeaz:
Q*=
s
o
C
2DC
=
1,2
2400024
= 400 buc.
Acest nivel de 400 de buci genereaz un cost total
minim. ns variaia lui Q n jurul nivelului su optim, Q*, nu
determin o foarte mare variaie n costul total.
Chiar dac cererea anual este de 3000 de buci sau
5000 de buci, totui, un nivel de reaprovizionare de 400 buc.
determin un nivel redus al costului total. Dac Q*=400 buc.,
firma anticipeaz c:
* Q
D
=
400
4000
= 10 reaprovizionri pe an.
Dac se lucreaz 250 de zile pe an, intervalul de timp ntre
dou reaprovizionri este
10
250
= 25 zile lucrtoare. Acest
rezultat este convenabil dac se mizeaz pe o cerere constant.
Managerul trebuie s stabileasc i momentele n care
este nevoie de a se lansa o nou comand de reaprovizionare.
Se tie c furnizorul are nevoie de o sptmn pentru a livra
transportul. Dac se ia n considerare c necesarul de 4000
buci trebuie vndut ntr-un an, nivelul necesar sptmnal
este de 4000 buc./52 spt. 77 buc./spt. Cu aceast medie, n
situaia n care cererea este simetric distribuit fa de medie,
cererea poate fi mai mare de 77 buc./spt. n 50% din cazuri i
respectiv mai mic de 77 buc./spt. n 50% din cazuri.
Dac firma va avea o cerere mai mare de 77 buc./spt.,
se va nregistra o lips de stoc datorat excesului de cerere n 5
din situaiile de reaprovizionare, care reprezint 50% din
totalul de 10 anual, cnd lipsa stocului va fi nregistrat nainte
de reaprovizionare.
Aceast situaie este de neacceptat pentru FiatLux i
impune ca firma s stabileasc probabilitatea de distribuie
pentru datele de aprovizionare, i s analizeze probabilistic
situaiile cu exces de cerere pentru intervalul de timp
considerat. Trecutul statistic al cererii n anul anterior prezint
o distribuie normal cu media de = 77 becuri pe sptmn i
cu o dispersie =25 buc.
Figura nr. 4. 6
Folosind datele din trecutul statistic privind cererea,
analistul este n msur s determine dac distribuia normal,
sau alte distribuii de probabilitate sunt cele mai adecvate
pentru datele reale.
77 buc.
=77 =25
Fiind dat o distribuie de probabilitate a cererii, se
poate determina aceea probabilitate de lips de stoc, care
permite calculul distribuiei de probabilitate a cererii care are o
anumit valoare r.
Se poate aprecia momentul care determin lansarea unei
noi comenzi i se poate folosi un cost de penalizare pe unitatea
de produs care lipsete din stoc. Managerul va aprecia un
numr mediu de situaii n care exist lips de stoc care ar
putea fi permise pe parcursul unui an. Dac cererea pentru
produs nregistreaz o distribuie probabilist, managerul va
accepta i niveluri crescute ale cererii, dar i niveluri reduse,
asociate cu costuri mari de stocare, sau cu costuri sczute.
Dac se presupune c managerul firmei accept o
singur situaie de lips de stoc, media lipsei de stoc fiind
egal cu 1, atunci un numr de 10 reaprovizionri pe an,
managerul poate face ca cererea s depeasc posibilitatea sa
de ofert o singur dat din 10 cazuri (
10
1
100= 10%) anual.
Aceasta nseamn c, la atingerea unui nivel al stocului egal cu
r, distribuia cererii poate n 10% din cazuri s depeasc acest
nivel. Aceast situaie se regsete n reprezentarea din Figura
nr. 4.7.
Figura nr. 4. 7
Pentru distribuia normal se caut valoarea lui z n
Tabela distribuiei normale astfel:
lips de stoc
(cererea > r) n
5% din cazuri
cererea oferta
cererea r
n 95% din cazuri
r
z

= r = +z
Dac analistul dispune de valorile =77, =25, iar
pentru z=1,25, corespunde valoarea tabelat f(z)=0,3944,
atunci:
r =77+1,2525= 77+31,25= 108,25109
Astfel, decizia relativ la stocul recomandat se refer la
meninerea unui stoc de siguran de 109-77=32 buci din care
s poat fi satisfcute eventualele cereri care depesc cererea
medie.
CAPITOLUL 5
FIRE DE ATEPTARE
Un fir de ateptare reprezint un numr de clieni care
ateapt s fie deservii (la casa magazinului, la ghieul bncii,
la un semafor etc.). n cele mai multe situaii clienii accept i
trebuie s atepte pentru a fi deservii. Se poate ntmpla ca
unii dintre clieni s nu fie dispui s atepte mult timp pentru a
fi deservii. Managerul realizeaz c aceste nemulumiri pot
ndeprta clienii, iar cei care ateapt, la coad, nu pot fi
servii cu promptitudine. Dac managerul dorete s rezolve
aceast situaie, el va fi nevoit s instaleze mai multe case sau
s scurteze timpul de deservire din sistem.
Prima soluie presupune o cretere a costurilor cu
personalul i echipamentul suplimentar necesar. Aceasta
determin managerul s pun n balan beneficiile
suplimentare i costurile implicate.
Modelele cantitative pot s ajute managerii s neleag
i s ia deciziile cele mai bune privind funcionarea liniilor de
ateptare. Teoria firelor de ateptare presupune studierea
comportamentului clienilor i a celor care ofer servicii n
sistemul de deservire.
Pentru un numr dat de linii de deservire, sistemele de
ateptare pot s fie caracterizate prin:
1. procentaj de timp, sau probabilitate, pentru care clientul
este servit;
2. probabilitate de a avea un numr specific de clieni n
sistem;
FI RE DE ATEPTARE 105
3. numrul mediu de uniti (clieni) n sistem;
4. timpul mediu petrecut de fiecare client n sistem (timp de
ateptare plus timp de deservire);
5. numrul mediu de uniti (clieni) n firul de ateptare;
6. timpul mediu petrecut de fiecare client n firul de ateptare;
7. procentaj de timp, sau probabilitate ca un client nou sosit s
fie nevoit s atepte pentru a fi deservit.
Dac managerul va dispune de aceste informaii el va fi
n mai bun msur informat pentru a lua deciziile care vor
avea n vedere o mbuntire a serviciului existent raportat la
costurile suplimentare.
5.1 Fir de ateptare cu o singur unitate de deservire
S.C. Meteor este un lan de magazine cu reprezentare
regional. Firma s-a dezvoltat n ultima perioad foarte mult,
datorit vnzrilor sporite.
Unitatea de ncrcare-descrcare a unuia dintre
magazinele S.C. Meteor a fost proiectat pentru a permite
ncrcarea sau descrcarea exclusiv a unui singur camion.
Cererea crescut a clienilor determin o cretere a nivelului
activitii la unitatea de ncrcare-descrcare. Managerul
trebuie s ia n considerare alternativele care pot s conduc la
o cretere a operativitii la unitatea de ncrcare-descrcare.
O alternativ ar fi ca ncrcarea i descrcarea mai
rapid a camioanelor s se realizeze prin folosirea unei benzi
rulante. O alt alternativ este cea a construirii unei noi uniti
de ncrcare-descrcare, pentru ca simultan s poat fi operate
dou camioane n paralel.
Pentru a lua decizia potrivit, managerul are nevoie de
informaii necesare s i fundamenteze decizia. El vrea s tie
n ce msur fiecare dintre cele dou alternative pot s aduc
mbuntiri i care sunt costurile asociate acestora.
Dac se ia prima alternativ n calcul, managerul va
trebui s identifice cteva caracteristici eseniale ale sistemului
de deservire:
1. distribuia sosirilor pentru camioane;
2. distribuia timpului de servire pentru ncrcarea i
descrcarea camioanelor;
3. regula de deservire aplicat n firul de ateptare.
5.1.1 Distribuia sosirilor
Definirea distribuiei sosirilor pentru o linie de ateptare
presupune determinarea numrului de uniti care sosesc i
determinarea frecveniei sosirilor ntr-un interval de timp (de
exemplu ntr-o or). Trebuie determinat aici distribuia de
probabilitate a sosirilor camioanelor.
Pentru cele mai multe sisteme de ateptare, sosirile au o
distribuie aleatoare. Aceasta nseamn c sosirile sunt
independente de alte sosiri, i nu poate fi prognozat
urmtoarea sosire. n asemenea situaie, managerii pot s se
bazeze pe distribuia Poisson care ofer o bun descriere a
distribuiei sosirilor.
Prin utilizarea distribuiei de probabilitate Poisson,
probabilitatea ca s existe x sosiri ntr-un interval de timp este
definit de realia: P(x)=
x!
e
x
pentru x natural,
unde:
x = numrul de sosiri n unitatea de timp;
= media sau numrul de sosiri n unitatea de timp;
e = 2,71828 este baza logaritmului natural.
n cazul de fa, se determin c sosirile au o medie de
trei camioane pe or ( = 3). Astfel, se deduce c:
P(x)=
x!
e 3
3 x
.
Deoarece x poate lua valorile 0, 1 sau 2 i e
-3
=0,0498,
probabilitile ca s soseasc zero, unul sau dou camioane n
sistem sunt:
P(x=0 camioane) =
0!
e 3
3 0
= 0,0498
P(x=1 camion) =
1!
e 3
3 1
= 0,1494
P(x=2 camioane) =
2!
e 3
3 2
= 0,2241.
Tabelul nr. 5. 1 Probabilitatea de distribuie a sosirilor
Numr de
camioane
x
Probabilitate de
distribuie
P(x)
0 0,049787068
1 0,149361205
2 0,224041808
3 0,224041808
4 0,168031356
5 0,100818813
6 0,050409407
7 0,021604031
8 0,008101512
9 0,002700504
10 0,000810151
Se pot calcula valorile lui P(x) precum n Tabelul nr.
5.1. Reprezentarea grafic a funciei P(x) este prezentat n
Figura nr. 5.1.
Figura nr. 5. 1
0,00
0,05
0,10
0,15
0,20
0,25
1 2 3 4 5 6 7 8 9 10 11
Nr. camioane
Probabilitate
Distribuia de probabilitate Poisson descrie sosirile
camioanelor la S.C. Meteor S.A. i ajut la simplificarea
analizei firului de ateptare. Este important ca dup urmrirea
sosirilor n sistem pentru o perioad de timp s se observe dac
distribuia Poisson reprezint o bun aproximare a situaiei
reale a sosirilor camioanelor.
5.1.2 Distribuia timpilor de deservire
O distribuie de probabilitate trebuie s arate ct timp
este necesar pentru ncrcarea sau descrcarea unui camion.
Deoarece fiecare camion poate transporta produse diferite, n
cantiti diferite, timpul de ncrcare i descrcare pentru
fiecare camion poate varia foarte mult. Din practic se deduce
c cea mai bun aproximare pentru distribuia de probabilitate
a timpilor de deservire este distribuia exponenial. Pe baza
acesteia, se deduce c probabilitatea ca serviciul s fie realizat
ntr-un interval specific de timp (t), se determin prin:
P(timpul de deserviret) = 1-e
-t
unde:
= media numrului de uniti pe care le poate deservi
sistemul n unitatea de timp.
Dac se determin c unitatea de ncrcare-descrcare
poate deservi n medie 4 camioane pe or, atunci pentru = 4
se deduce:
P(timpul de deserviret) = 1-e
-4t
Probabilitile de deservire din Tabelul nr. 5.2 au
urmtoarea interpretare: pentru t=0,5 ore care au corespondent
la 30 minute, P(timpul de deservire 30 minute) = 0,86466, n
86,4% din cazuri timpul de ateptare este mai mic sau egal cu
30 minute, iar pentru t=0,4 ore care au corespondent la 12
minute, P(timpul de deservire 12 minute) = 0,7981, n 79,8%
din cazuri timpul de ateptare este mai mic sau egal cu 12
minute.
Tabelul nr. 5. 2 Probabilitate de distribuie exponenial
Timp de deservire
n ore (t)
Timp de deservire
n minute
Probabilitatea de
distribuie P(t)
0,0 0 0,00000
0,1 6 0,32968
0,2 12 0,55067
0,3 18 0,69881
0,4 24 0,79810
0,5 30 0,86466
0,6 36 0,90928
0,7 42 0,93919
0,8 48 0,95924
0,9 54 0,97268
1,0 60 0,98168
Funcia de distribuie de probabilitate ia valorile din
Tabelul nr. 5.2 i este reprezentat grafic n Figura nr. 5.2.
Figura nr. 5. 2 Reprezentare a probabilitii de distribuie
exponeniale
0,00
0,20
0,40
0,60
0,80
1,00
1,20
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
timp de deservire (ore)
probabililate
Practic, funcia exponenial reprezint o nsumare a
frecvenelor relative a timpilor de deservire.
5.1.3 Regula de deservire
n firul de ateptare trebuie s existe o regul de
deservire. De obicei aceasta este de tip FIFO
1
, ceea ce
nseamn c deservirea se face n ordinea sosirilor, primul sosit
fiind primul servit.
Alte tipuri de reguli pot asocia niveluri de importan
clienilor i deservirea prioritar a unora dintre acetia n
defavoarea clienilor considerai de o mai mic importan.

1
First Input First Output
5.2 Fir de ateptare cu sosiri poissoniene i timpi de
deservire exponeniali
Acest tip de fir de ateptare cu o singur unitate de
deservire, cu sosiri poissoniene i timpi de deservire
exponeniali se caracterizeaz prin:
un singur fir de ateptare;
sosirile urmeaz o distribuie de probabilitate Poisson;
timpii de deservire urmeaz o distribuie de probabilitate
exponenial;
regula de deservire este FIFO.
Dac firma S.C. Meteor S.A. se ncadreaz n acest tip de
fir de ateptare atunci se consider c numrul de sosiri n
unitatea de timp =3 camioane/or i media numrului de
uniti deservite n sistem n unitatea de timp este =4
camioane/or. Pe baza presupunerilor anterioare, s-au elaborat
urmtoarele relaii definitorii:
1. Probabilitatea ca unitatea de ncrcare-descrcare s
fie liber (probabilitatea de a avea 0 camioane n
sistem) este: P
0
= 1-
= 1-;
2. Probabilitatea de a avea n uniti n sistem:
P
n
=
n
P
0
;
3. Numrul mediu de uniti care ateapt s fie deservite
(lungimea cozii): L
q
=
) - (
2
;
4. Numrul mediu de uniti n sistem (n curs de deservire
plus cei care ateapt n fir): L= L
q
+
=
-
;
5. Timpul mediu de ateptare pn la deservire:
W
q
=
L
q
=
) - (
;
6. Timpul mediu de ateptare n sistem (ateptare plus
deservire): W = W
q
+
1
=
-
1
;
7. Probabilitatea ca o unitate sosit s atepte n sistem:
P
a
=
= .
Aceast probabilitate =
se numete factor de
utilizare a firului de ateptare.
Sistemul de deservire cu o singur linie de ateptare
poate fi aplicat doar dac
<1. Aceast relaie este echivalent

cu o medie a servirilor () mai mare dect media sosirilor ().
n cazul S.C. Meteor S.A. se deduc:
1. P
0
= 1-
4
3
= 0,25, probabilitatea ca unitatea de ncrcare-
descrcare s fie liber arat c n sistem sunt 0 camioane
n 25% din cazuri;
2. L
q
=
) - (
2
=
3) - 4(4
3
2
= 2,25. Numrul mediu de camioane
din coad este 2,25;
3. L= L
q
+
=
-
=
3 - 4
3
=3. Numrul mediu de uniti n
sistem, n curs de deservire plus cei care ateapt n fir, este
de 3 camioane;
4. W
q
=
L
q
=
3
2,25
= 0,75. Timpul mediu de ateptare n fir
pn la deservire pentru un camion este de 0,75 ore (45
minute);
5. W = W
q
+
1
= 0,75+0,25 =1. Timpul mediu de ateptare n
sistem (ateptare plus deservire) este de o or pentru fiecare
camion;
6. P
a
=
= = 0,75. Probabilitatea arat c n 75% din

cazuri camioanele vor atepta deservirea.
Modelul acesta furnizeaz informaii relative la
caracteristicile de operare ale sistemului de deservire. Dac
managerul va dori s introduc modificri n sistem, el poate s
previzioneze care sunt rezultatele acestora.
Modelele firelor de ateptare pot fi combinate, situaiile
reale n care ele sunt ntlnite pot fi mult mai complexe. De
exemplu un singur fir de ateptare i mai multe staii de
deservire, pot s apar restricii privind orarul de deservire al
staiilor etc.
Se pot de asemenea realiza simulri pentru activitatea
de deservire i se poate determina un comportament stochastic
pentru unitile de deservire.
CAPITOLUL 6
SIMULAREA PROCESELOR ECONOMICE
6.1 Simularea unui proces de stocare
Un en-gross-ist cumpr marf pe care o stocheaz o
anumit perioad de timp, pn n momentul n care o vinde.
Se presupune c cererea se satisface la nceputul zilei. S-a
observat c cererea de marf (r) a fost determinat printr-un
studiu statistic. Cererea de marf este aleatoare. n tabelul de
mai jos este prezentat probabilitatea asociat unui anumit
nivel al cererii.
Tabelul nr. 6. 1
Nr.
crt.
Valoarea cererii (r)
P(r) = probabilitatea de a avea
nivelul cererii egal cu r
1 sub 100 0,00
2 100 0,06
3 150 0,11
4 200 0,20
5 250 0,12
6 300 0,03
7 350 0,10
8 400 0,08
9 450 0,12
10 500 0,18
SI MULAREA PROCESEL OR ECONOMI CE
116
En-gross-istul trebuie s determine densitatea de
repartiie a funciei P(r) notat aici prin F(r). Densitatea de
repartiie reprezint probabilitatea cumulat pentru fiecare
dintre valorile asociate cererii. Valoarea funciei densitii de
repartiie se determin astfel:
pentru o cerere sub 100 de uniti, este egal cu
F(r<0)=P(r<0)=0;
pentru F(r<100)= P(r<100) + P(r=100)=0+0,06=0,06 i
arat c o cerere mai mic sau egal cu 100 de uniti poate
s apar cu probabilitatea de 0,06;
pentru
F(r<150)=P(r<100)+P(r=100)+P(r=150)=0+0,06+0,11=
=0,06 i arat c o cerere mai mic sau egal cu 150 de
uniti poate s apar cu probabilitatea de 0,11 .a.m.d.
Valorile funciei densitii de repartiie sunt prezentate n
Tabelul 6.3 mpreun cu mulimile asociate valorilor acestei
funcii.
Tabelul nr. 6. 2
Nr.
crt.
F(r)
Densitatea de
repartiie
Mulimi
asociate
1 0,00 0
2 0,06 0,00-0,05
3 0,17 0,06-0,16
4 0,37 0,17-0,36
5 0,49 0,37-0,48
6 0,52 0,49-0,51
7 0,62 0,52-0,61
8 0,70 0,62-0,69
9 0,82 0,70-0,81
10 1,00 0,82-0,99
117
Durata de reaprovizionare este o variabil aleatoare care
are valorile posibile , determinate printr-un studiu statistic
anterior i care a returnat urmtoarele rezultate.
Tabelul nr. 6. 3
Nr.
crt.
Durat de
reaprovizionare
i
(zile)
P(
i
) = probabilitatea de a realiza
aprovizionarea n
i
zile
1 sub 1 0,20
2 1 0,40
3 2 0,14
4 3 0,15
5 4 0,03
6 5 0,05
7 6 0,03
Pentru distribuia descris n Tabelul nr. 6.3 se
determin densitatea de repartiie F(
i
) i mulimile asociate.
Tabelul nr. 6. 4
Nr.
crt.
F(r)
Densitatea de
repartiie
Mulimi
asociate
1 0,00 0
2 0,20 0,00-0,19
3 0,60 0,20-0,59
4 0,74 0,60-0,73
5 0,89 0,74-0,88
6 0,92 0,89-0,91
7 0,97 0,92-0,96
8 1,00 0,97-0,99
118
Se presupune c en-gross-istul se reaprovizioneaz cu o
cantitate constant Q= 800 uniti de produs. De asemenea se
cunosc urmtoarele informaii:
- costul de reaprovizionare C
Q
= 50000 u.m. (cheltuieli de
lansare comand, transport, cheltuieli fixe);
- costul unitar este c= 2000 u.m./buc. produs;
- stocul iniial este S
0
= 800 buc. produs.
Pot fi ntlnite urmtoarele situaii:
1. stocul cererea, fapt care nu determin probleme deosebite
distribuitorului;
2. stocul < cererea, situaie care poate fi rezolvat prin:
a. comand special cu costuri suplimentare c
s
= 30
u.m./buc. produs. Comanda poate fi primit cu o
probabilitate de 0,7 n ziua urmtoare i cu o
probabilitate de 0,3 peste dou zile de la lasarea
comenzii.
b. nu exist posibilitatea de a realiza o comand special
i se nregistreaz pierderi datorate nesatisfacerii cererii
prin cheltuielile de penalizare C
p
=100 u.m./buc. produs
lips/zi.
Se cere determinarea nivelului optim de stoc, prin
modificarea unora dintre ipotezele de lucru (stoc iniial,
politic de reaprovizionare etc.)
Se poate introduce un nivel al stocului de siguran
S
S
=500 buc., iar politica de reaprovizionare poate fi bazat pe
comparaia stocului existent astfel:
- S< un nivel al stocului R, situaie care implic efectuarea
unei comenzi speciale;
- S< S
S
, situaie care conduce la realizarea unei comenzi
obinuite.
119
Se simuleaz valori uniform distribuite pe intervalul
nchis [0, 1], pentru variabile aleatoare pe care le implic
modelul:
Tabelul nr. 6. 5 Simulare variabile aleatoare
Cerere
Durat
reaprovizionare
Zile sosire
comand special
x
i
S
i
y
i
i
t
i
d
i
0,83 500 0,45 2 0,49 1
0,95 500 0,30 2 0,91 2
0,41 250 0,06 1 0,02 1
0,57 350 0,27 2 0,26 1
0,67 400 0,96 7 0,11 1
0,40 250 0,38 2 0,90 2
0,49 300 0,91 5 0,52 1
0,64 400 0,46 2 0,42 1
0,75 450 0,69 3 0,66 1
0,10 150 0,04 1 0,85 2
0,33 200 0,06 1 0,01 1
0,42 250 0,29 2
0,61 350 0,77 4
0,59 350 0,97 7
0,85 500 0,50 2
0,45 250
0,14 150
0,42 250
0,83 500
0,44 250
Folosind date din tabelele de numere aleatoare se

determin care este nivelul optim al stocului i al cantitii de
aprovizionat.
BIBLIOGRAFIE
Blezu Dorin,
Boncu Mioara
Matematici aplicate n economie, Editura
Alma Mater, Sibiu
Brabb J. George Introduction to Quantitative Management,
Holt Inc., 1968
Charnes A. (coord.) Management Models and Industrial
Applications of Linear Programming, John
Wiley & Soons, Inc., NY, 1961
Dinescu Constantin,
Ftu Ioan
Matematici pentru economiti, vol. I, II, III,
E.D.P., Bucureti, 1995
Dobre Ioan,
Musta Floarea
Simularea proceselor economice, Curs ASE
Bucureti
Gagsdale Cliff Spreadsheet Modelling and Decision
Analysis, South-Western College Publishing,
1998
Mitru Dorin Culegere de probleme de Bazele Cercetrii
operaionale, ASE Bucureti
Musta Floarea,
Mrcine Virginia
Cercetri operaionale, Curs ASE Bucureti
Naylor H. Thomas,
Vernon M. John
Microeconomics and decision models of the
firm, Harcourt Brace & World Inc., 1969
Ndejde Ileana
(coord.)
Probleme de cercetare operaional -
programare matematic -, Editura
Academiei RSR, Bucureti, 1971
Nica Vasile,
Musta Floarea,
Ciobanu Gheorghe,
Mrcine Virginia
Cercetri operaionale I, Programare liniar,
Problema de transport, Teoria jocurilor, Curs
ASE Bucureti
Popescu Octavian
(coord.)
Matematici aplicate n economie, E.D.P.,
Bucureti, 1999
Roca Liviu Modelare i simulare, Editura Alma Mater,
Sibiu
Wagner M. Harvey Principles of Operations Research, With
Applications to Managerial Decisions,
Prentice Hall, 1969
*** Information for Decision Making, Prentice
Hall, New-Jersey, 1970

Metode Cantitative in Management

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Metode Cantitative in Management

Încărcat de

Drepturi de autor:

Formate disponibile

Conf. univ. dr.

Dac costul de stocare unitar anual este C

Se observ c nivelul mediu al stocului este exprimat

<1. Aceast relaie este echivalent

= = 0,75. Probabilitatea arat c n 75% din

Folosind date din tabelele de numere aleatoare se

S-ar putea să vă placă și