Universitatea Spiru Haret Facultatea Management Financiar-Contabil Simulri i Proiecte de Management

Simulri i Proiecte de Management

Simularea vnzrilor la S.C. Legume Fructe S.A Oradea prin metoda Monte Carlo.

Coordonator: Conf. Univ. Dr. ..............................

Student: anul ......................

Introducere

n perioada de dezvoltare a energiei atomice de dup cel de al doilea rzboi mondial s-a ajuns la necesitatea rezolvrii problemei de difuzie a neutronului sau a transportului neutronului ntr-un mediu izotrop (mediu care are aceleai proprieti n orice direcie). Aceast problem modelat ca un sistem de ecuaii difereniale pariale s-a dovedit foarte dificil de rezolvat prin ecuaii cu diferene. Exista ns un rezultat prin care se stabilea analogia dintre ecuaiile integro -difereniale i procesele stochastice. n acest context, John von Neumann i Stanislaw Ulam de la Los Alamos National Laboratory (S.U.A.) au sugerat c s-ar putea obine o aproximaie utilizabil a soluiei cutate prin realizarea de experimente bazate pe numere aleatoare efectuate pe calculatoare digitale. Ei au denumit aceast metod Monte Carlo dup cazinourile de la Monte Carlo ale cror rulete pot fi considerate instrumente de generare a numerelor aleatoare. Aceast propunere a inversat modul de raionament de pn atunci. n locul utilizrii ecuaiilor cu diferene pentru a obine soluii ale problemelor probabiliste, se genereaz selecii prin experimente cu numere aleatoare pentru a se obine soluii ale unor ecuaii integro difereniale, care nu sunt n mod necesar de natur probabilist. Punerea n practic a metodei propuse de von Neumann i Ulam a fost posibil i datorit progreselor obinute n acea perioad n domeniul calculatoarelor digitale. Dei extrem de simpl n concept, metoda Monte Carlo furnizeaz soluii aproximative pentru o mare varietate de probleme matematice. n prezent, metoda de simulare Monte Carlo se aplic din ce n ce mai mult n domeniul afacerilor, pentru analiza problemelor stochastice sau n condiii de risc, atunci cnd aceeai direcie de aciu ne poate avea mai multe consecine, ale cror probabiliti se pot estima. Variabilele ale cror valori nu sunt cunoscute cu certitudine, dar pot fi descrise prin distribuii de probabilitate se numesc variabile stochastice sau probabiliste. n simulare, p entru a imita variabilitatea unei astfel de variabile este necesar generarea valorilor posibile pe baza distribuiei sale de probabilitate. Probabilitile au un rol important n modelarea situaiilor n care intervin mrimi stochastice. n simulare, cunotinele despre probabiliti sunt necesare att n faza de construire a modelului de simulare ct n faza de analiz a rezultatelor simulrii.
Simulri i proiecte de management

I.

Analiza societii n vederea simulrii.

1.1.Prezentarea Societii Societatea comercial S.C. LEGUME-FRUCTE S.A. ORADEA este persoan juridic romn, avnd forma juridic de societate pe aciuni cu capital integral de privat. Aceasta i desfoar activitatea n conformitate cu legile romne, cu statutul de nfiinare i cu regulamentul de organizare i funcionare. Sediul societii pe care o vom supune spre analiz este n Romnia, localitatea Oradea, Judeul Bihor, Str. Dmboviei nr. 29, Cod potal 410546. Capitalul social subscris i vrsat al societii este de 1.350.340 lei Obiectul de activitate al societii este reprezentat de prestrile de servicii (legate de comercializarea legumelor ). Acesta se adreseaz tuturor segmentelor sociale. S.C. LEGUMEFRUCTE S.A. ORADEA a fost nfiinat n anul 1991 n baza Legii 15/1991 i a HG 46/1991. De la aceast dat S.C. LEGUME-FRUCTE S.A. funcioneaz ca o societate pe aciuni conform Legii 31/1990 republicat, cu modificrile i completrile ulterioare, nregistrat la Registrul Comerului Bihor sub nr. J05/371/1991, cod de nregistrare fiscal RO 48807, avnd patrimoniu propriu. De-a lungul anilor societatea a manifestat un caracter dinamic de adaptare la cerinele pieii. Domeniile de activitate n care societatea i desfoar activitatea sunt: comer cu ridicata a produselor alimentare i nchirierea bunurilor imobiliare proprii 1.2.Obiectivele i modalitatea simulrii n vederea realizrii unui studiu de profitabilitate, S.C. LEGUME-FRUCTE S.A. ORADEA dorete s simuleze vnzrile zilnice ale legumelor. In fiecare dimineata, magazinul aduce legume proaspete pentru ziua respectiva. Presupunem ca cererea zilnica de legume este multiplu de 5 kg. Datele din trecut arata ca cererea variaza intre 30 si 50 de kg pe zi. Fiecare kg de marf are costul mediu de aprovizionare de 0.5 u.m, si se vinde cu un pre mediu de 1.3 u.m. Marfa rmas nevndut la sfritul unei zile este vndut unui ecomat la un
Simulri i proiecte de management

pre de recuperare de 0.4 u.m. / kg. Dac cererea depete oferta, se presupune c exist o pierdere de profit de 0.8 u.m determinat de pierderea de clieni din cauza concurenei. Evidena vnzrilor trecute, prezint cantitatea vndut zilnic ca o mrime aleatoare. Distribuia de probabilitate este prezentat n Tabelul 1.1.

Tabelul 1.1. Probabilitatea i probabilitatea cumulat la S.C. Legume-Fructe S.A.

Nr. crt.

Legume vndute [kg/zi]

Frecvena de apariie (fi)

Probabilitatea relativ (pi)

Probabilitatea cumulat (pk)

1 2 3 4 5 6 7 8 9 10 =

180 300 330 420 480 615 675 735 780 885 5400

2 7 10 16 19 15 13 10 6 2 100

0.02 0.07 0.10 0.16 0.19 0.15 0.13 0.10 0.06 0.02 1

0.02 0.09 0.19 0.35 0.54 0.69 0.82 0.92 0.98 1.00

Pentru realizarea simulrii vnzrilor n cadrul S.C. LEGUME-FRUCTE S.A. ORADEA vom utiliza metoda Monte Carlo. Aa cum am precizat si anteror, simularea este o tehnic de rezolvare a problemelor complexe pentru care nu exist metode analitice corespunztoare. Astfel de probleme manageriale complexe apar n situaiile n care intervin mrimi i variabile aleatoare care sunt influenate de factori necontrolabili de ctre decident, cum reprezint n cazul de fa vnzrile.

Simulri i proiecte de management

Scopurile pentru care s-a decis utilizarea metodei Monte Carlo este: Obtinerea distributiei de probabilitate a profitului total care se poate realiza intr-o luna calendaristica in cazul in care s-ar aduce in fiecare diminea 700 kg pe zi. Analiza rezultatelor care se pot obtine pentru diferite variante decizionale de aprovizionare si anume: 500,600,700,800,900 sau 1000 kg legume pe zi. Simularea este o tehnic de rezolvare a problemelor complexe pentru care nu exist metode analitice corespunztoare. Astfel de probleme manageriale complexe apar n situaiile n care intervin mrimi i variabile aleatoare care sunt influenate de factori necontrolabili de ctre decident. n vederea efecturii analizei stochastice, metoda Monte Carlo genereaz, la ntmplare, valorile unei variabile aleatoare, prin utilizarea unui generator de numere aleatoare uniform distribuite n intervalul [0, 1] i a distribuiei de probabilitate cumulat asociat variabilei aleatoare respective, unde probabilitatea relativ i probabilitatea cumulat se deduc astfel:

probabilitile relative pi = fi / f i , i = 1m; p0 = 0

i 1

probabilitile cumulate pk =

p
i 0

, k = 1m

II Simularea vnzrilor la S.C. LEGUME-FRUCTE S.A. ORADEA

Pentru a efectua simularea vnzrilor n cadrul societii, datele seleciei simulate pot fi utilizate pentru calculul caracteristicilor distribuiei de probabilitate a variabilei aleatoare cercetate: media, abaterea standard, coeficientul de variaie i intervalul de ncredere pentru medie. Obinerea valorilor simulate se poate realiza grafic sau tabelar.

Simulri i proiecte de management

1.Problema se ncadreaz n categoria problemelor de simulare a unor probleme de afaceri, adic previziunea vnzrilor. Obiectivul simulrii este dat de evaluarea variantelor de aprovizionare n condiiile evoluiei probabiliste a vnzrilor.

2.Variantele decizionale sunt: Varianta 1: aprovizionarea cu 500 kg de legume; Varianta 2: aprovizionarea cu 600 kg de legume; Varianta 3: aprovizionarea cu 700 kg de legume; Varianta 4: aprovizionarea cu 800 kg de legume; Varianta 5: aprovizionarea cu 900 kg de legume; 3. Identificarea parametrilor, a variabilelor probabiliste independente i a variabilelor probabiliste dependente care pot influena atingerea obiectivelor. Variabila decizional este cantitatea de legume aprovizionat care va fi specificata de catre personalul societii. Valorile variabilei decizionale au fost stabilite de persoana decident, respectiv valorile variantei 1, 2 ,3,4,5 sau 6. Parametri considerai ceri pentru perioada analizat: cantitatea e legume necesare aprovizionrii Variabila probabilist independent este determinat de distribuia frecvenelor asociate valorilor posibile ale cererii. Pe baza acestei distribuii se vor determina distribuia discret de probabilitate i funcia distribuiei cumulative. Variabilele dependente de cantitatea de legume aprovizionate vor fi variabile probabiliste dependente: costul total de aprovizionare, venitul net total, venitul net mediu zilnic, numarul total de aprovizionri, i suma veniturilor zilnice. 4. Modalitatea de aplicare a simulrii este redat n Figrua 2.1.

Simulri i proiecte de management

Figura 2.1. Modalitatea de aplicare a simulrii

Profit

Venit total

Cost total

Venit vanzari

din

Venit din recuperare

Cost total de productie

Cost total penalizare

Pret unitar de vanzare

Pret unitar de recuperare

Cantitatea produsa

Cererea

Cost unitar de productie

Cost unitar de penalizare

Pentru simplificare, n diagrama prezentat anterior au fost inclui numai factorii care influieneaz profitul nainte de plata taxelor. Pentru determinarea profitului care se poate obtine ntr-o zi, pe baza diagramei de influenta se pot defini urmatorele ecuaii: Venit din vnzari = (MIN(Cantitatea produsa, Cerere))Pret unitar de vnzare Venit din recuperare = (MAX(0, (Cantitatea produsa Cerere))) Pret unitar de recuperare Cost total de productie = Cantitatea produsa Cost unitar de productie Cost total de penalizare = (MAX(0, (Cerere Cantitatea produsa))) Cost unitar de

penalizare Cost total = Cost total de productie + Cost total de penalizare Venit total = Venit din vnzari + Venit din recuperare Profit/zi = Venit total Cost total

ntr-o singura ecuatie: Profit/zi = (MIN(Cantitatea produsa, Cerere))Pret unitar de vnzare + (MAX(0, (Cantitatea produsa Cerere)))Pret unitar de recuperare - Cantitatea produsa Cost unitar de productie (MAX(0, (Cerere Cantitatea produsa)))Cost unitar de penalizare.
Simulri i proiecte de management

Profitul total realizat ntr-o luna calendaristica va fi obtinut prin nsumarea profitului zilnic realizat n 30 zile:

Profit/luna =

Figura 2.2. red modalitatea de calculare a profitului realizat intr-o lun calendaristic n cadrul unei fie de calcul.

Figura 2.2. Modalitatea de calcul fia de calcul

Pentru a realiza simulatrea este necesar aplicarea procedurii Monte Carlo pentru distribuii discrete de probabilitate. Pentru aceasta au fost utilizate funciile predefinite din biblioteca Excel 2003: RAND(), VLOOKUP(), COUNTA(), SQRT(), SUM(), CONCATENATE(), POWER(). Avnd n vedere c intervalul de probabilitate este (0.2 1), generarea numerelor aleatoare este n acest caz realizat cu RAND()*(1-0.02)+0.02. 5. n Figura 2.3 sunt prezentate datele de intrare pentru simularea in EXCEL. Au fost utilizate funciile predefinite din biblioteca Excel 2003 prezentate mai sus.

Simulri i proiecte de management

Figura 2.3. Date de intrare pentru simulare

profit/luna Statistici descriptive Column1 Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum 815.936 8.196324009 800 736 183.2753765 33589.86363 -0.147152773 0.047395402 1024 304 1328

profit/luna Statistici descriptive Column1 Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum 815.936 8.196324009 800 736 183.2753765 33589.86363 -0.147152773 0.047395402 1024 304 1328

In zona B52:B552 se obtin 500 de valori posibile ale venitului pentru fiecare varianta decizionala. Daca oferta este de 7*20=140 kg pe zi, profitul mediu care poate fi realizat ntr-o luna este de 815,93 u.m., valoarea minima a profitului este de 304 u.m. iar valoarea maxima este de 1328 u.m. In celulele B1015:Q1015 ( Figura 2.4.) se calculeaz media venitului pentru fiecare varianta. Se observ c cel mai mare venit se realizeaz n cazul variantei n care se achizioneaz 800 kg legume.
Simulri i proiecte de management

10

Figura 2.4. Simularea stochastic n programul Excel

Simulri i proiecte de management

11

Figura 2.5. Curba distribuiei cumulative

60 50

120.00% 100.00% 80.00% 60.00% 40.00% 20.00% 0.00%

Frecvente

40 30 20 10 0

Curba funciei distribuiei cumulative este prezentat n Figura 2.5. Aceasta descrie profilul de risc al profitului. Se observ c probabilitatea ca profitul realizat ntr-o lun s fie mai mare de 769,45 u.m. este P(profit > 769,45) = 1 P(profit <= 769,45) = 1-0,6 = 0,4. Pentru a se compara rezultatele diferitelor variante, s-a generat aceeasi cerere de legume proaspete pe zi, deci s-a uzitat acelasi sir de numere aleatoare uniform distribuite n [0, 1]. n acest scop, mai nti s-a obtinut profitul total care poate fi obtinut ntr-o luna pentru fiecare varianta si apoi comanda Data/Table pentru a realiza un numar mare de experimente de simulare pentru obtinerea profitului mediu lunar corespunzator fiecarei variante de aprovizionare. n Figurile 2.6 si 2.7 este prezentat modalitatea de obinere a rezultatelor n urma simulrii utiliznd metoda Monte Carlo prin introducerea funciilor n Excel.

0 30 49 90 4 0. 90 9 1 58 818 1 3. 2 18 67 72 2 6. 72 7 3 76 63 3 6 9. 45 364 86 45 2. 54 455 95 5 5. 45 4 6 10 36 5 3 48 6 3 11 .727 6 41 27 12 .81 3 34 81 .9 82 09 09 1 M or e

39

7.

Profit/luna Frequency Cumulative %

Simulri i proiecte de management

Probabilitati cumulate

12

Figura 2.6. Simularea stochastic Utilizarea Funciei SUM

Figura 2.7. Simularea Stochastic Utilizarea Funcieui RAND

Simulri i proiecte de management

13

Concluzii
n urma utilizrii metodei simulative s-a evaluat potenialul profit n urma aprovizionrii societtii cu diferite cantiti de marf. Simularea, ca mod de abordare este de tip determinist, cheltuielile si veniturile fiind interpretate ca nite constante a cror modalitate de calcul a fost precizat n detaliu. n realitate, veniturile, ca i cheltuielile fluctueaz ntre anumite limite, urmnd diverse tipuri de repartiii n raport cu ipotezele fcute. Din datele prezentate n studiu rezult c livrarea optim n cadrul firmei ar fi cu o cantitate de aproximativ 800 kg legume pentru ca raportul profit-pierdere s fie unul avantajos pentru societatea analizat.

Bibliografie
1.Barbu Gh., Modele de simulare cu aplicaii n fiabilitate, Editura Tehnic, Bucureti, 1992.

2. L.Devroye, Non-Uniform Random Variate Generation, Springer-Verlag, New York, 1986. 3. Gorunescu F., Prodan A., Modelare stochastic i simulare, Editura Albastr, 2001. 4. Raiu Camelia-Suciu, Modelarea i simularea proceselor economice, Editura Didactic i Pedagogic, Bucureti, 1995.

Simulri i proiecte de management