Sunteți pe pagina 1din 16

Partea a-V-a.

SIMULAREA Procesului de Productie

Partea a-V-a. Simularea Procesului de Productie

Obiective:

ntelegerea conceptului de simulare, a avantejelor si a dezavantajelor modelelor de simulare Prezentarea metodei de simulare MONTE CARLO

Conceptul de simulare
Simularea fenomenelor este un aspect cheie pentru un management performant. Orice organizaie, indiferente de domeniul de operare, are nevoie de cunoaterea, nelegerea i aplicarea modelelor de simulare ca instrument suport n procesul de adoptarea a deciziilor privind: sistemele de control a stocurilor, programarea activitilor de ntreinere i reparaii, organizarea spaial a unitilor de producie, investiii i previziuni de vnzri. Simularea una dintre cele mai utilizate tehnici cantitative de analiz n mediul de afaceri internaional. Simularea metod prin care se ncearc duplicarea caracteristicilor, componentelor i funcionalitilor unui sistem real prin construirea de modele fizice sau abstracte care permit testarea modelului real. Simularea n management se bazeaz pe construirea unui model matematic ce reprezint o imagine cat mai apropiat de sistemul real, astfel incat sa permita estimarea efectelor anumitor tipuri de aciuni asupra sistemului real.
3

Procesul de simulare
Definirea problemei

Identificarea variabilelor importante

Construirea modelului matematic

Definirea valorilor variabilelor care vor fi testate

Realizarea simulrii

Analiza rezultatelor

Adoptarea deciziei privind sistemul real

Avantajele modelelor de simulare


Sunt relativ simple i flexibile, permind compararea mai multor scenarii pas cu pas Uor de utilizat datorita aplicatiilor informatice existente pe pia Permit analiza situaiilor complexe care nu pot fi rezolvate prin alte modele de analiz cantitativ (ex. se pot utiliza cu uurin modele care s simuleze relaiile dintre sistemele educaionale, spitale, zon urban i situaie economic) Permite utilizarea scenariului What if . Managerii doresc s cunoasc n avans care dintre opiunile de business sunt mai atractive. Simularea nu interfer cu sistemul real. Permite analizarea relaiilor interactive dintre elementele sistemului i identificarea celor mai importante. Compresia timpului: prin simularea computerizat putem identifica efectul reclamei sau al preului asupra derulrii afacerii, pe intervale mari de timp. Permite surprinderea situaiilor complexe din realitate pe care alte metode de analiz cantitativ nu le pot ncorpora.
5

Dezavantajele modelelor de simulare


Softurile care permit simularea fenomenelor complexe sunt foarte scumpe. (ex. pentru dezvoltarea unui model de simulare a proceselor dintr-o companie este nevoie de luni de zile). Nu genereaz soluiile optime la problemele simulate aa cum fac celelalte metode de analiz cantitativ (programarea liniar, PERT etc.). Este o metod din categoria Trial-and-error care genereaz soluii diferite prin simulri repetate. Managerii trebuie s defineasc toate condiiile i constrngerile problemei de simulat. Modelul nu genereaz singur soluii. Fiecare model de simulare este unic. El nu poate fi multiplicat i/sau transferat pentru alte situaii sau pentru rezolvarea altor probleme.

Metode de simulare
Simularea MONTE CARLO utilizat atunci cnd fenomenul studiat poate fi descris prin conceptul de probabilitate, de ans de apariie. Simularea prin teoria jocului implic doi sau mai muli juctori aflai pe poziii concurente (ex. business game, dezvoltate prima oar de Booz, Allen, and Hamilton in 1950, permit testarea abilitii de adoptare a deciziilor n mediu de afaceri. Ctig juctorul care reuete s obin cel mai mare profit pentru compania pe care o reprezint, prin creterea cotei de pia sau creterea valorii firmei pe piaa de aciuni. Juctorii iau decizii privind stocurile, producie, finanele, investiii, marketing i cercetare. Mediul concurenial este simulat de computer. Simularea sistemelor similare cu business games deoarece permit juctorilor s testeze multiple decizii manageriale i s cuantifice impactul acestora asupra companiei. Variabilele complexe luate n considerare sunt: vnzrile, politica de marketing, nivelul investiiilor, contractele cu sindicatele, productivitatea etc. Ex. simularea sistemului economic se face prin modele econometrice pentru a previziona rate inflaiei, PIB, nivelul omajului etc. 7

Simularea MONTE CARLO


Atunci cnd sistemul conine elemente care implic probabilitate de apariie, se utilizeaz metoda de simulare Monte Carlo. Foarte multe dintre fenomenele i sistemele din viaa real sunt probabilistice n natur i permit simularea. Metoda Monte Carlo se bazeaz pe generarea de valori pentru variabilele supuse analizei, cum ar fi:
Cantitile de articole ce ies din stoc (zilnic sau sptmnal) - (variabile discrete, cu valori numere ntregi) Timpul de ateptare a comenzilor din stoc (variabile continue) Timpul de ateptare dintre momentele de pornire a utilajelor Timpul dintre sosirile n sistemul de servire Timpul de servire Durata necesar pentru realizarea activitilor din proiect Nr. de muncitori abseni (variabile discrete, cu valori numere ntregi)
8

Simularea MONTE CARLO


Etape pentru aplicarea metodei Monte Carlo: 1. 2. 3. 4. 5. Stabilirea probabilitii de distribuie pentru variabilele de intrare Determinarea distribuiei de probabilitate cumulat pentru fiecare variabil de intrare Definirea intervalului de numere aleatoare pentru fiecare variabil de intrare Generarea numerelor aleatoare Simularea comportrii sistemului prin mai multe ncercri.

Exemplu: simularea MONTE CARLO


Managerul unui magazin de vnzare accesorii auto dorete s determine cea mai bun strategie de gestionare a stocurilor pentru produsul: anvelope. Se cunoate c dintre modelele oferite pieei, modelul ABC determina cele mai importante costuri cu stocarea. Rezolvare: 1. Stabilirea probabilitate de distribuie pentru variabila de intrare: cerere de anvelope. Sursa de informare o reprezint datele istorice pe ultimele 200 zile.
Cerere anvelope [buc] 0 1 2 3 4 5 TOTAL Nr. zile (Frecvena) 10 20 40 60 40 30 200 zile Probabilitate 10/200 = 0,05 20/200 = 0,10 40/200 = 0,20 60/200 = 0,30 40/200 = 0,20 30/200 = 0,15 probabilitati = 1
10

Exemplu: simularea MONTE CARLO


2. Determinarea distribuiei de probabilitate cumulat pentru variabila de intrare: cerere de anvelope. Probabilitatea cumulat a unei variabile = probabilitatea ca valorile acelei variabile s fie mai mici sau egale cu o valoare particular Se va calcula probabilitatea cumulat pentru fiecare valoare a variabilei de intrare (cererea de anvelope).

Cerere anvelope [buc] 0 1 2 3 4 5

Probabilitate 0,05 0,10 0,20 0,30 0,20 0,15

Probabilitate cumulat 0,05 0,05 + 0,10 = 0,15 0,15+ 0,20 = 0,35 0,35 + 0,30 = 0,65 0,65 + 0,20 = 0.85 0,85 + 0,15 = 1,00

11

Exemplu: simularea MONTE CARLO


3. Definirea intervalului de numere aleatoare pentru variabila de intrare: cererea de anvelope Dup ce s-a calculat distribuia de probabilitate cumulat pentru fiecare valoare a variabilei de intrare, se vor aloca seturi de numere care s reprezinte fiecare valoare posibil, denumit interval de numere aleatoare. Numerele aleatoare reprezint o mulime de numere, de exemplu cu unitati si zeci 01, 02, , 98, 99, 00, care au fost generate printr-un proces aleatoriu. n exemplul nostru exist ansa de 5% s avem 0 cerere de anvelope transferam aceast situaie i pentru numerele aleatoare dorim ca 5% dintre numerele aleatore s corespund cererii nule. Dac pentru generarea numerelor aleatore folosim 100 numere, putem aloca numerele astfel:
Pentru probabilitatea de 5%: primele cinci numere: 01, 02, 03, 04 i 05 vor reprezenta cerere nul Pentru probabilitatea de 10%: urmtoarele zece numere: 06, 07, 08, 09, 10, 11, 12, 13, 14 i 15 vor reprezenta cerere egal cu 1 Etc. 12

Exemplu: simularea MONTE CARLO

Cerere anvelope [buc] 0 1 2 3 4 5

Probabilitate

Probabilitate cumulat 0,05 0,15 0,35 0,65 0.85 1,00

Interval de numere aleatoare 01 06 16 36 66 86 05 15 35 65 85 00

0,05 0,10 0,20 0,30 0,20 0,15

13

Exemplu: simularea MONTE CARLO


4. Generarea numerelor aleatoare Numerele aleatoare pot fi generate prin programe automate (software -uri dedicate) sau manual prin utilizarea tabelelor cu numere aleatoare. Tabelul cu numere aleatoare este generat automat de calculator i are caracteristica c fiecare numr din tabel are ans egal de apariie. Exist o multitudine de tabele cu numere aleatoare i se poate folosi cate un tabel pentru fiecare variabil simulat. Indiferent de tabelul utilizate trebuie s respectam cteva reguli de abordare: Putem ncepe folosirea numerelor aleatoare din orice punct din tabel Odat stabilit punctul de start trebuie s urmm o succesiune strict: fie pe coloane, fie pe rnduri; nu putem alege numerele n mod haotic. 5. Simularea comportrii sistemului prin mai multe ncercri. Dac alegem numrul 81 intervalul 66 85 este alocat pentru cerere = 4. Prima rund de simulare Vom simula cererea de anvelope pentru 10 zile. Selectam din tabel numere aleatoare ncepnd cu colul din stanga sus i continuam pe coloan.
14

Exemplu: simularea MONTE CARLO


Zi 1 2 3 4 5 6 7 8 9 10 TOTAL

Numr aleator 52 37 82 69 98 96 33 50 88 90

Cerere zilnic simulat (buc) 3 3 4 4 5 5 2 3 5 5 39 buc n 10 zile Medie = 3,9 buc

Nu se pot trage concluzii doar dup a singur rund. Procesul de simulare trebuie repetat de sute de ori pentru a avea o valoare cat mai acurat. Se determin: Tendina central (Expected Value) msoar tendina central a distribuiei de probabilitatea a valorilor variabilei aleatoare discrete Xi: E X = X P(X ) unde E(X) = tendina central sau media variabilei aleatoare = cerere anvelope Xi = valorile variabilei aleatoare discrete; P(Xi) = probabilitatea de apariie a fiecrei valori a variabilei aleatoare discrete; n = numrul de consecine posibile ale evenimentului

= ( ( ) ) E(X) = (0,05 0) + (0,10 1) + (0,20 2) + (0,30 3) + (0,20 4) + (0,15 5) E(X) = 2,95 anvelope; Prin repetarea simulrii de sute de ori cererea medie simulat va fi apropiat de tendina central.

15

Exercitiu: Simularea MONTE CARLO


Un distribuitor de produse electrocasnice dorete s creasc spaiul de depozitare pentru bunurile pe care le vinde, pentru a satisface mai rapid cererea potenialilor clieni. De interes pentru manager este produsul: boiler nclzire ap menajer de capacitate 100 litri. tiind c stocarea acestui produs genereaz costuri destul de mari analizeaz vnzrile pentru acest produs pe ultimele 50 de sptmni. Se cere: 1. Dac distribuitorul va menine un stoc constant de 8 boilere n fiecare sptmn, de cate ori va avea ruptur de stoc (rmne fr boilere n depozit) considernd o simulare pe 20 de sptmni? Utilizai din tabelul cu numere aleatoare coloana a aptea, ncepnd de sus. 1. Care este cantitatea medie de produse (boiler) vndute pentru o perioad de simulare de 20 de sptmni? Care este tendina central a cantitii de produse (boiler) vndute sptmnal? Interpretai rezultatele.
16

Vnzri boiler [buc/sapt.] 4 5 6 7 8 9 10 TOTAL

Nr. sptmni (Frecvena) 6 5 9 12 8 7 3 50 sptmni

2.