Manual QM

CUPRI NS
I ntroducere ..................................................................................................................................... 3
CAPI TOLUL 1. Programare liniar (Linear Programming) ..................................................... 9
CAPI TOLUL 2. Problema de transport (Transportation) ......................................................... 12
CAPITOLUL 3. Problema repartizrii (Assignment) ................................................................ 15
CAPI TOLUL 4. Programare ntreag i Programare ntreag mixt (Integer Programming,
Mixed I nteger Programming) ..................................................................................................... 17
CAPI TOLUL 5. Drumuri n grafuri (I ) (Networks Shortest Route) ....................................... 20
CAPI TOLUL 6. Drumuri n grafuri (I I ) (Networks - Minimum Spanning Tree) .................... 22
CAPI TOLUL 7. Metoda drumului critic (Project management [PERT/CPM])........................ 24
CAPI TOLUL 8. Gestiunea stocurilor (I nventory) ...................................................................... 29
CAPI TOLUL 9. Fenomene de ateptare (Waiting lines) ............................................................ 35
CAPI TOLUL 10. Problema deciziei (Decision Analysis) ........................................................... 39
CAPI TOLUL 11. Previziune (Forecasting) ................................................................................ 44
CAPI TOLUL 12. Procese Markov (Markov Analysis) ............................................................... 46
ANEXE ......................................................................................................................................... 49
Anexa 1 Linear Programming .............................................................................................................49
Anexa 2. Transportation.......................................................................................................................52
Anexa 3. Assignment .............................................................................................................................55
Anexa 4. Integer Programming ...........................................................................................................57
Anexa 5. Shortest Route .......................................................................................................................59
Anexa 6. Minimum Spanning Tree .....................................................................................................61
Anexa 7. Project management (PERT/CPM) .....................................................................................63
Anexa 8. Inventory ................................................................................................................................66
Anexa 9. Waiting Lines .........................................................................................................................68
Anexa 10. Decision Analysis .................................................................................................................69
Anexa 11. Forecasting ...........................................................................................................................72
Anexa 12. Markov Analysis..................................................................................................................76
BI BLI OGRAFI E .......................................................................................................................... 79
MODELAREA I SIMULAREA PROCESELOR ECONOMICE
- 2 -

- 3 -

Introducere

QM for Windows face parte din pachetul de programe DS for Windows,
POM for Windows, i QM for Windows oferit de Prentice-Hall's Decision Science.
Acesta este destinat rezolvrii cu ajutorul calculatorului a modelelor matematice
utilizate n fundamentarea deciziei manageriale (metodelor cantitative de
management sau managementului produciei).
Interfaa grafic a acestui software este una standard Windows. Oricine
este familiar cu un procesor de texte si cu unul de calcul tabelar poate utiliza cu
uurin acest program. Fiierele sunt salvate i ncrcate simplu deoarece QM
atribuie o extensie specific problemelor salvate din fiecare submodul, totodat
realizndu-se asocierea acestor extensii cu QM <un dublu-click pe unul din
aceste fisiere si QM-ul deschide problema salvat>.
Datele i graficele rezultatele, pot fi transferate altor aplicaii Windows. De
asemenea listarea la imprimant se face cu uurin n formatul dorit.
Pentru compararea metodelor i rezultatelor, se poate schimba metoda de
soluionare printr-un singur click.
Versiuni mai noi ale software-ului si ale manualelor pot fi obinute de la
adresa http://www.prenhall.com/weiss.
1. Lansarea QM
Dup instalare programul
adauga urmtorul grup n Start
Menu.
De asemenea pe Desktop
vom regsi Shortcut-ul QM for
Windows 2
Cu ajutorul acestora lansm in execuie programul QM.
- 4 -
2. Meniul Principal
Dupa lansare, meniul Module este selectat, urmnd a alege modulul de
lucru din modulele principale ale programului (precizm c o parte din aceste
module conin i submodule), prezentate n schema de mai jos:
Modul
Assignment Problema de repartiie
Breakeven/Cost-Volume
Analysis
Problema pragului de rentabilitate
Decision Analysis Teoria deciziei
Forecasting Previziune
Game Theory Teoria jocurilor
Goal Programming Programare cu mai multe funcii obiectiv programare scop
Integer Programming Programare cu toate variabilele ntregi
Inventory Stocuri

Linear Programming Programare liniar
Markov Analysis Analiza proceselor Markov
Material Requirements
Planning
Necesarul de materiale si componente
Mixed Integer Programming Programare ntreag mixt
Networks Module bazate pe grafice reea
Project Management
(PERT/CPM)
Analiza drumului critic (ADC) i PERT (Program Evaluation and Review
Technique)
Quality Control Controlul calitii
Simulation Simulare
Statistics Statistica
Transportation Problema de transport
Waiting Lines Fenomene de ateptare

Observaie:
Nu ne propunem ca aceast lucrare s fie un manual de utilizare al
programului QM for Windows ci urmrim realizarea unui material util studeniilor
in rezolvarea unor probleme de laborator, abordate n cadrul disciplinei
Modelarea i simularea proceselor economice pe calculator.

3. Introducerea unei probleme noi.

Alegem spre rezolvare o problem de programare liniar (maximizare) cu
dou restricii i dou variabile:
max 3x + 3y
cu restriciile: 3x + 4y <= 14
6x + 4y <= 15
x, y >= 0
- 5 -

Dup ce a fost ales modulul de lucru vom utiliza meniul File / New
, pentru a introduce date noi (sau File / Open pentru a
deschide o problema salvat anterior).
Urmtoarea fereastr de dialog numit Create data set for este
similar pentru toate modulele cu diferene ce vor fi subliniate in capitolele
urmtoare cnd tratm difereniat modulele.

Aici introducem un titlu pentru problem, alagem numrul de restricii
(Constraints) i numrul de variabile (Variables). ntruct restriciile i variabilele
sunt afiate pe rnduri i coloane (ca n oricare procesor de calcul tabelar) avem
aici posibilitatea de a alege diferite nume pentru acestea. n continuare
introducerea datelor n celule este simpl iar trecerea de la o celul la alta se
face fie cu ajutorul tastelor cursor, fie cu <Tab> sau <Enter>.

Restriciile se aleg din caseta derulant apsnd pe cursor.
- 6 -
Pentru soluionarea problemei alegem meniul File/Solve sau apsnd .
Rezultatele sunt prezentate in cinci ferestre diferite:
- Linear Programming Results;
- Ranging;
- Solution list;
- Iterations;
- Graph.

- 7 -

Dac se dorete urmrirea iteraiilor fcute se poate rula pas-cu-pas
alegnd meniul File / Step sau apsnd butonul Step. De asemenea se pot
reedita datele problemei alegnd Edit.
Listarea rezultatelor la imprimant se realizeaz (ca n orice program
standard) cu comanda File / Print cu ajutorul creia putem gestiona informaiile
pe care dorim s le tiprim, ct i forma i destinaia lor.
- 8 -

- 9 -

CAPITOLUL 1.
Programare liniar
(Linear Programming)

Programarea liniar este una din cele mai rspndite metode cantitative
utilizate n procesul de management pentru selectarea deciziei optime. Forma
canonic a unei probleme de programare liniar n notaie matriceal este:

max [min] f(X) = CX
AX () b
X 0

Exemplu:
O firm realizeaz un produs n dou variante standard i de lux. Procesul
de fabricaie const n execuia a patru operaii succesive. Timpii de execuie pe
unitatea de produs (n ore) sunt :
PRODUSUL O1 O2 O3 O4
STANDARD 0.6 0.5 1.1 0.1
DE LUX 1.0 0.8 0.7 0.25

Profitul unitar obinut este de 10 u.m. n cazul variantei standard i de 9
u.m. pentru varianta de lux.
Timpii disponibili estimai pentru fiecare operaie sunt 01-650 ore, 02-700
ore, 03-750 ore i 04-200 ore.
S se determine programul optim de fabricaie, adic numrul de produse,
n cele dou variante, care trebuie executat astfel nct profilul total obinut s fie
maxim.
Rezolvare.
Fie X1 = numrul de produse n varianta standard;
X2 = numrul de produse in varianta de lux.
- 10 -
Problema de programare liniar i soluia obinut sunt prezentate in
Anexa 1 (pag. 49).

Probleme propuse

1.Introducei i executai problema din exemplu. Verificai elementele de
analiz a senzitiviti efectund urmtoarele modificri:
- valoarea resursei pentru operaia 01 crete cu o unitate;
- valoarea resursei pentru operaia 02 crete cu o unitate;
- profitul unitar pentru produsul standard devine 14 u.m.
- valoarea resursei pentru operaia 01 crete la 846.
Dup fiecare modificare se va reveni la problema iniial.

2. O firm realizeaz un produs n 3 modele. Se cunosc timpii necesari
operaiilor (n minute), beneficiile realizate pe fiecare unitate de model, timpii
disponibili pentru fiecare operaie (n ore).
Modelul O1 O2 O3 O4 O5 Profit
M1 20 19 25 18 30 10
M2 21 20 30 14 25 9
M3 22 14 24 27 22 11
Disponibil 100 80 70 90 100
Cererea impune ca M2 s reprezinte cel puin 30% din producie, iar M3
cel mult 20% din producie. S se determine programul optim de fabricaie. S se
analizeze soluia rezultat.

3. O firm dispune de fonduri bneti (K=7000 u.m.) i for de munc
(L=1500 om-zile). Pentru realizarea a 250 uniti dintr-un anumit produs. Exist
posibilitatea de a realiza produsul n 4 variante. Cheltuielile bneti, fora de
munc i beneficiile nete pentru o unitate din fiecare variant sunt:
Variante V1 V2 V3 V4
Capital (K) 34 32 20 17
For de munc (L) 7 4 3 4
Beneficiul net 24 14 9 8

- 11 -
S se determine un plan optim de fabricaie, dup criteriul beneficiului total
maxim.
Se vor analiza situaiile:
1. Planul de fabricaie 250;
2. Planul de fabricaie = 250.

4. Patru feluri de substane S1, S2, S3, S4 conin n cantiti diferite, patru
elemente E1, E2, E3, E4. Din cele 4 substane trebuie facut un amestec, care s
conin cel puin 40, 42, 22 i 25 uniti, respectiv din cele 4 elemente. Cte o
unitate din fiecare substan S1, S2, S3, S4 cost respectiv 6, 4, 5 i 4 u.m.
Coninutul unei uniti din fiecare substan, n fiecare din cele patru
elemente este:
S1 S2 S3 S4
E1 3 2 1 3
E2 4 0 3 1
E3 0 3 0 4
E4 5 0 3 1

Coninutul substanelor S1 i S2 n alte elemente, ce aduc amestecului
proprieti speciale, cer ca acest amestec s conin cel puin 3 uniti din S1 i
cel puin 2 uniti din S2.
S se determine cantitiile ce trebuie amestecate din cele 4 substane,
astfel nct s fie ndeplinite toate condiiile impuse iar costul total al amestecului
s fie minim.

- 12 -

CAPITOLUL 2.
Problema de transport
(Transportation)

Problema transporturilor se pune n faa managerului care trebuie s
stabileasc ce cantiti vor fi transportate ntre centrele de producie i cele de
consum, astfel nct costul de transport s fie minim.
Fie m centre de producie sau depozite: O
1
, O
2
, ...., O
m
;
n centre de consum: D
1
, D
2
, ...., D
n
;
a
i
oferta centrului O
i
, i=1, 2, ...., m;
b
j
cererea centrului D
j
,j=1, 2, ...., n;
c
ij
costul de transport a unei uniti de produs ntre O
i
la D
j
;
i=1, 2, ...., m; j=1, 2, ...., n;
Problema de transport echilibrat (cererea=oferta) poate fi formulat astfel:

m
1 i
n
1 j
ij ij
x c min sau

m
1 i
n
1 j
ij ij
x v max
cu restriciile:
i
n
1 j
ij
a x
, i=1, 2, ...., m

j
m
1 i
ij
b x
, j=1, 2, ...., n
x
ij
0, i=1, 2, ...., m; j=1, 2, ...., n.
Dac cererea = oferta, rezult

n
1 j
j
m
1 i
j
b a .
n caz contrar, problema este neechilibrat i rmn nedistribuite o parte
din resursele disponibile (oferta > cererea), sau anumite cerine rmn
nesatisfcute (cererea > oferta).
Date de intrare:
- numrul de origini (centre de producie sau depozite) [2 ... 90];
- numrul de destinaii (centre de consum) [2 ... 90];
- 13 -
- valoarea ofertei n fiecare origine;
- valoarea cererii la fiecare destinaie;
- costul / venitul rezultat prin transportul unei uniti de produs de
la fiecare origine la fiecare destinaie.
Observaii:
Dac o combinaie origine destinaie este inacceptabil, atunci se
introduce un cost foarte mare (ex 99999) pentru o problem de minimizare, sau
un venit foarte mic (ex. -99999) n cazul unei probleme de maximizare.
Exemplu.
O firm are capaciti de producie n 3 centre (origini sau surse) Source 1,
Source 2, Source 3; firma expediaz produsele realizate n 4 centre regionale de
distribuie (destinaii) Destination 1, Destination 2, Destination 3, Destination 4.
Oferta i cererea sunt:
Originea Oferta Destinaia Cererea
Source 1 500 Destination 1 500
Destination 4 50
Costurile unitare de transport sunt:
Destination 1 Destination 2 Destination 3 Destination 4
Source 1 5 3 4 7
Source 2 3 6 5 4
Source 3 4 2 9 4

Se cere stabilirea unui plan de transport astfel nct costul transportului s
fie minim.
n cazul n care transportul ntre centrele O2 D2 devine imposibil, cum
se modific planul de transport stabilit anterior?
Rezolvarea problemei este prezentat n Anexa 2 - pagina 52

- 14 -
Problema propus
O firm are depozite n 4 filiale i aprovizioneaz cu acelai produs 9
centre. Cheltuielile de transport pentru o unitate de produs, oferta i cererea sunt
date n tabelul de mai jos:
D1 D2 D3 D4 D5 D6 D7 D8 D9 Oferta
O1 31 43 40 36 37 41 47 29 42 427
O2 19 18 20 47 14 36 13 62 47 3824
O3 57 59 55 64 18 20 53 39 64 4370
O4 28 46 52 60 25 18 42 59 24 1280
Cererea 1500 1000 1000 1500 1000 1000 600 1000 1500

1. S se stabileasc planul de transport astfel nct cheltuielile s fie
minime.
2. Centrele cu cererea nesatisfcut apeleaz n perioada urmtoare la
un alt furnizor pentru ntreaga cantitate. Stabilii planul de transport
pentru noua perioad, n ipoteza c oferta firmei i cererea centrelor de
consum rmase, se pstreaz neschimbate.
3. Reducei oferta pentru perioada a 3-a n centrele cu exces astfel nct
s se obin o problem de transport echilibrat (cererea rmne
aceeai).

- 15 -

CAPITOLUL 3.
Problema repartizrii
(Assignment)

Problema repartizrii stabilete modul cum trebuie mprite resursele
disponibile (agents) ntre activitiile ce urmeaz a fi executate (tasks).
Problema de repartizare rezolvat de modul Assignment presupune c
fiecare resurs poate fi alocat unei singure activiti i c fiecare activitate nu
poate utiliza dect o singur resurs.
Datele de intrare:
- numrul de resurse disponibile (agents) [2 ... 90];
- numrul de activiti (tasks) [2 ... 90];
- costurile / veniturile unitare rezultate pentru fiecare alocare
resursa activitate.
Exemplu:
Un numr de 5 persoane sunt disponibile pentru a executa 6 activiti
diferite. Se cunoate timpul necesar fiecrei persoane pentru execuia fiecrei
activiti. Aceste date sunt prezentate n tabelul urmtor:
Activitatea
1
Activitatea
2
Activitatea
3
Activitatea
4
Activitatea
5
Activitatea
6
Persoana
1
8 4 2 6 - 2
Persoana
2
7 9 5 5 4 3
Persoana
3
3 8 9 2 6 3
Persoana
4
4 3 - 5 3 2
Persoana
5
9 5 8 9 5 2

S se determine soluia de alocare optim (care minimizeaz durata total
de execuie a celor 6 activiti).
Problema de repartizare i soluia optim sunt prezentate la pagina 55.
- 16 -
Observaii:
Dac numrul de resurse este diferit de numrul de activiti, soluia indic
activitile care rmn nerepartizate sau resursele care nu sunt alocate.
Dac o combinaie resurs activitate este inacceptabil, atunci se
introduce un cost unitar foarte mare (ex: 99999), sau un venit unitar foarte mic
(ex: -99999)
Problema propus:
O linie aerian funcioneaz n fiecare zi dup orarul:
A B B A
Zborul Plecare Sosire Zborul Plecare Sosire
1 7:00 8:00 101 8:00 9:15
2 8:00 9:00 102 8:30 9:45
3 13:30 14:30 103 12:00 13:15
4 18:30 19:30 104 17:30 18:45
5 20:00 21:00 105 19:00 20:15
6 23:30 0:30 106 22:00 23:15

Echipajul trebuie s se odihneasc cel puin 5 ore ntre zboruri. Cutai
perechile de zboruri pentru care timpul total de staionare pe un aeroport strin
este redus la minimum. Echipajelor li se poate fixa baza att n A ct i n B.
Pentru fiecare pereche de zboruri, echipajul va fi repartizat la baza care face
posibil obinerea unui timp minim de staionare.

- 17 -

CAPITOLUL 4.
Programare ntreag i Programare ntreag mixt
(Integer Programming, Mixed Integer Programming)

Exist situaii practice n care natura concret a fenomenelor modelate
impune cerina ca variabilele supuse restriciilor problemei s nu poat lua valori
dect numere ntregi.
Modulele Integer Programming i Mixed Integer Programming
permit rezolvarea problemelor n care :
a) toate variabile sunt ntregi;
b) numai o parte din variabile sunt ntregi ( problem mixt);
c) variabilele sunt 0 -1 (variabile booleene).
Caracteristici:
- numrul de variabile [2 ... 30];
- numrul de restricii [1 ... 30];
Observaii:
- n cazul variabilelor booleene trebuie impuse condiiile
suplimentare x
i
<1, i= 1,.....n., unde n este numrul variabilelor.
Evident, dac 0 x
i
1 i x
i
este ntreg, rezult x
i
=0 sau1.
Exemplu:
O firm dorete s investeasc suma de 2670 u.m. n domeniul imobiliar.
Se pot achiziiona 3 tipuri de obiective; acestea necesit un timp diferit lunar
pentru ntreinere: beneficiul net anual obinut din exploatare este diferit pentru
fiecare obiectiv.
Preul de cumprare (u.m.), beneficiul net anual (u.m.) i timpul lunar
necesar (ore) sunt:

- 18 -
Obiectivul Pre Beneficiu Timp ntreinere
O1 195 15 20
O2 241 21 27
O3 335 28 30

Firma nu poate aloca mai mult de 250 ore lunar pentru ntreinere.
Numrul maxim disponibil de obiective O1 este de 5 iar de obiective O3 este de
4.
S se determine soluia optim de achiziie care realizeaz beneficiul
anual maxim.
Rezolvare:
Fie X1 = numrul de obiective O1 care vor fi cumprate;
X2 = numrul de obiective O2 care vor fi cumprate;
X3 = numrul de obiective O3 care vor fi cumprate.
Problema de programare discret are toate variabilele numere ntregi.
Soluia obinut este prezentat n pagina 57.
Probleme propuse:
1. Introducei i executai problema din exemplu. Reluai problema cu
modulul Linear Programming i comparai soluiile.
2. Un transportator trebuie s ncarce mrfuri de diferite sorturi n limita
capacitii de 70t. Cele 5 mrfuri sunt caracterizate printr-o greutate i printr-o
valoare specific, date n continuare:
Marfa M1 M2 M3 M4 M5
Greutate (t) 3.5 4.7 4.0 5.2 3.0
Valoare 5.3 6.2 5.9 7.2 4.3
Transportul trebuie s conin cel puin 2 uniti (containere) din M2 i cel
mult 6 uniti din M1, 4 uniti din M3, 5 uniti din M4 i 8 uniti din M5.
Stabilii soluia optim de alegere a ncrcturii, astfel ca valoarea total a
mrfurilor transportate s fie maxim.
3. Se consider c un produs software este format din mai multe programe
i fiecare program prin execuie ndeplinete o anumit funcie, necesar
utilizatorului.
Ipotezele modelului:
- 19 -
I1. Pentru fiecare program se cunoate fiabilitatea i costul;
I2. Utilizatorul dispune de o sum limitat pentru achiziionarea produsului
software;
I3. Utilizatorul cunoate frecvena de utilizare a fiecrei funcii din produsul
software.
S se maximizaze fiabilitatea medie prin alegerea unei mulimi optime de
programe fr redundan.
Datele problemei sunt:
- bugetul disponibil = 12 u.m.
- pentru funcia 1 sunt disponibile 4 programe;
- frecvena de utilizare = 0.75;
Programul P1 P2 P3 P4
Fiabilitatea 0.90 0.80 0.85 0.95
Costul 6 4 5 8
- pentru funcia 2 sunt disponibile 3 programe;
- frecvena de utilizare = 0.25;

Programul Q1 Q2 Q3
Fiabilitatea 0.70 0.80 0.90
Costul 2 4 6

4. Rezolvai problema 3 n cazul n care frecvenele de utilizare sunt:
pentru funcia 1 0.25, iar pentru funcia 2 0.75.
5. O companie dorete s investeasc; se propun 4 proiecte. Se cunosc:
Proiectul Val. estimat
a beneficiului
Capital necesar
Anul 1 Anul 2 Anul 3 Anul 4
P1 500 150 200 200 150
P2 400 100 150 125 50
P3 100 100 0 0 40
P4 370 150 100 100 100
Capitalul disponibil 400 500 400 350
Stabilii decizia companiei.
- 20 -

CAPITOLUL 5.
Drumuri n grafuri (I)
(Networks Shortest Route)

Se d un graf neorientat avnd m noduri i n arce. Fiecare arc este
caracterizat prin timpul sau costul parcurgerii lui sau prin distana dintre
extremitile arcului.
Problema const n determinarea drumului dintre dou noduri care are
proprietatea de a minimiza o anumit msur a eficienei drumului, care este o
funcie de msurile ataate arcelor, de obicei suma lor.
Date de intrare:
- numrul de arce [2 ... 100];
- pentru fiecare arc se indic:
a) numrul nodului de start;
b) numrul nodului final;
c) valoarea msurii arcului (timp, distan, cost);
- cele dou noduri pentru care se dorete determinarea drumului
minim.
Exemplu:
S se determine drumul de lungime minim dintre punctele N1 i N9.
Graful are 9 noduri: N1, N2, ..., N9 i 13 arce.
N5
N1
N4
N3
N2 N6
N7
N8
N9
7
5
6
3
4
5
8 7
7
4
5
3
6
- 21 -
Rezolvare:
Se introduc informaiile necesare celor 13 arce; de exemplu: - arcul 1 :(1,
2) corespunde perechii (N1, N2) i are valoarea 7.
Este indiferent ordinea de introducere a informaiilor despre arce.
Soluia este dat n pagina 59.
Observaii:
Graful fiind neorientat nu conteaz ordinea n care sunt indicate
extremitile arcelor.
Modulul permite determinarea drumului minim pentru orice pereche de
noduri din graf.
Problema propus:
S se determine drumurile de lungime minim dintre localitatea L1 i
localitile L8, L9, L10 i L11.
L1 L2 L3 L4 L5 L6 L7 L8 L9 L10 L11
L1 * 121 270 115 - - 178 - - - -
L2 * 28 - 48 - - - - - -
L3 * 42 153 129 - 290 - - -
L4 * - - 37 - - - -
L5 * 89 - 170 163 - -
L6 * 42 - 217 - 288
L7 * - 148 - 210
L8 * 103 93 -
L9 * 160 67
L10 * 88
L11 *

a) S se traseze graful asociat.
b) S se rezolve problema i s se marcheze pe graf drumurile
soluie obinute.

- 22 -

CAPITOLUL 6.
Drumuri n grafuri (II)
(Networks - Minimum Spanning Tree)

Se d un graf neorientat avnd m noduri i n arce. Pentru arce se
definete o msur (de exemplu: cost, distan). Se pune problema conectrii
tuturor nodurilor astfel nct suma total a valorilor arcelor utilizate s fie minim.
Se obine astfel arborele drum minim.
Date de intrare:
- numrul de arce [2 ... 100];
- pentru fiecare arc se indic:
a) numrul nodului de start;
b) numrul nodului final;
c) valoarea msurii arcului (distan, cost);
Observaie:
Graful fiind neorientat nu conteaz ordinea n care sunt indicate
extremitile arcelor.
Exemplu:
O firm de instalaii electrice studiaz posibilitatea de legare a 6
consumatori (C1, ..., C6) la punctul de alimentare (A). Condiiile tehnice de
instalare permit stabilirea unui numr de 11 legturi, date mpreun cu costurile
aferente n graful de mai jos.
C3
A C2
C1 C4
C5
C6
20
50
60
30
40
20
80
40
20
50
30
- 23 -
Rezolvare:
Se numeroteaz nodurile A 1, C1 2, ..., C6 7 i se introduc
informaiile necesare celor 11 arce de exemplu: - arcul 1 :(1, 2) cu valoarea 20.
Este indiferent ordinea de introducere a informaiilor despre arce.
Problema propus:
O firm de calculatoare dorete instalarea unei reele arborescente
format dintr-un server (S) i 7 staii de lucru (WS1, ..., WS7). Condiiile tehnice
de instalare permit stabilirea unui numr de 14 legturi (arce). Costurile de
instalare sunt date n matricea de mai jos:
S WS1 WS2 WS3 WS4 WS5 WS6 WS7
S - 12 23 11 19 - - -
WS1 - 15 - - - - -
WS2 - 18 - 11 - 15
WS3 - 10 7 - -
WS4 - - 17 20
WS5 - 13 -
WS6 - 18
WS7 -

d) S se traseze graful asociat.
e) S se rezolve problema i s se traseze arborele soluie.

- 24 -

CAPITOLUL 7.
Metoda drumului critic
(Project management [PERT/CPM])

Analiza drumului critic este o metod modern de conducere a proiectelor
complexe, permind planificarea pe termen mediu i scurt , programarea
operativ a execuiei precum i actualizarea periodic a acestor proiecte n
funcie de factorul timp, cost i resurse.
Au fost dezvoltate independent dou tehnici n managementul tiinific al
firmelor:
PERT - Program Evaluation and Review Tehnique
CPM Critical Path Method
Modulul PERT / CPM permite asistarea factorilor de decizie rspunznd
urmtoarelor ntrebri:
1. Care este durata total a proiectului?
2. Care sunt datele de nceput i sfrit pentru fiecare activitate?
3. Care sunt activitile critice?
4. Care este intervalul cu care poate fi amnat o activitate critic?
Modulul poate fi utilizat pentru analiza proiectelor cu un numr de activiti
cuprins n intervalul [2, 90].
Utilizatorul trebuie s stabileasc lista activitilor i pentru fiecare
activitate lista activitilor imediat precedente.
Activitile sunt identificate printr-o liter, iar activitile imediat precedente
ale unei activiti vor fi identificate prin litere care preced n alfabet litera
respectiv. De exemplu activitatea :Enu poate avea ca predecesori dect
activitile identificate prin literele A, B, C sau D.
Ne propunem s prezentm n continuare doar dou dintre cele cinci
cazuri cu care opereaz modulul Project management (PERT/CPM)
1. Activitile au durate cunoscute (Single time estimate)
- 25 -
2. Activitile au durate aleatoare ( Triple time estimate)
Cazul 1. Single Time Estimate
Date de intrare:
- numrul de activiti [2 ... 90];
- pentru fiecare activitete se indic:
numrul de activiti imediat precedente;
literele care identific activitiile precedente;
durata activitii.
Exemplu:
Se consider un proiect complex, compus din 9 activiti. Condiionrile
dintre activiti i duratele acestora sunt date n tabelul de mai jos:
Activitatea Activiti precedente Durata
A - 5
B - 6
C A 4
D A 3
E A 1
F E 4
G D, F 14
H B, C 12
I G, H 2

Programul indic drumul critic, durata total de execuie a proiectului,
precum i intervalele de fluctuaie i marginile libere pentru activitile necritice.
Soluia este prezentat in pagina 63.
Cazul 2. Triple Time Estimate
Datele de intrare rmn aceleai, ns pentru durata activitii se dau 3
perioade de timp:
- durata minim a activitii (estimarea optimist);
- durata maxim a activitii (estimarea pesimist);
- durata cea mai probabil.
Comentariu:
n practic, duratele activitiilor sunt insuficient cunoscute i nesigure.
Exist dou cazuri: sau activitiile nu sunt noi i se cunoate aproximativ legea
- 26 -
de repartiie a duratei de execuie, sau activitile sunt n ntregime noi sau foarte
puin cunoscute. Prin chestionarea specialitilor responsabili cu fiecare activitate
se pot determina cele trei durate (minim, maxim i cea mai probabil)
Exemplu:
Se consider un proiect complex compus din 10 activiti. Condiionrile
dintre activiti i cele trei durate estimate pentru fiecare activitate sunt date n
tabelul de mai jos:
Activitatea Activiti precedente Durata
Optimist Cea mai probabil Pesimist
A - 4 5 12
B - 1 1.5 5
C A 2 3 4
D A 3 4 11
E A 2 3 4
F C 1.5 2 2.5
G D 1.5 3 4.5
H B, E 2.5 3.5 7.5
I H 1.5 2 2.5
J F, G, I 1 2 3
Probleme propuse.
1. Ordonarea activitiilor care alctuiesc programul de marketing pentru
efectuarea unei cercetri de pia.
Activitatea Coninutul activitii Activiti
precedente
Durata
[zile]
1. ntlnirea cu beneficiarul, stabilirea
obiectivelor, devizul estimativ
- 1
2. Stabilirea metodologiei de cercetare 1 3
3. Studiu documentar asupra produsului 2 3
4. Stabilirea mrimi eantionului i a
metodei de eantionare
3 4
5. Stabilirea locurilor unde se vor culege
informaiile
3 3
6. Alctuirea chestionarului 3 4
7. Testarea chestionarului ntr-o anchet
pilot
6 4
8. mbuntitea chestionarului 7 2
9. Multiplicarea chestionarului 8 5
10. Multiplicarea instruciunilor i a altor
documente
8 3
- 27 -
11. Elaborarea programului de prelucrare 8 4
12. Contactarea operatorilor de interviu 9, 10, 11 6
13. Instruirea operatorilor 4, 5, 12 1
14. Administrarea chestionarului de ctre
operatorii de interviu
13 4
15. Controlul prin sondaj al administrrii de
facto a chestionarului
14 5
16. Verificarea i codificarea chestionarelor 15 4
17. Prelucrarea informaiilor 16 5
18. Analiza i interpretarea rezultatelor 17 10
19. Redactarea raportului de cercetare 18 6

a) S se traseze graful asociat programului de marketing;
b) S se stabileasc durata minim de execuie a programului,
activitiile critice i s se traseze drumul critic.
c) Reluai programul indicnd pentru fiecare activitate cele trei durate
estimate:
- valoarea optimist;
- valoarea cea mai probabil;
- valoarea pesimist.

2. Suntei managerul unui program complex, de exemplu: realizarea unei
construcii, realizarea unui produs, introducerea unei noi tehnologii, organizarea
unui festival de muzic, concurs sportiv sau simpozion tiinific, etc.
Stabilii minim 8-10 activiti, determinai durata minim de execuie a
programului i drumul critic n situaia unor durare fixe i a unor durate aleatoare.

3. Programul de marketing privind lansarea pe pia a unui nou produs
cuprinde:
Activitatea Coninutul activitii Activiti
precedente
Durata
[zile]
A Luarea deciziei de lansare - 1
B Selecionarea ideilor i a soluiilor
tehnice optime
A 15
C Studiu documentar A 10
D Cercetarea calitativ (test de concept)
50 de interviuri n profunzime
B, C 12
E Realizarea prototipului produsului B, D 30
- 28 -
F Realizarea mai multor variante de
ambalaj
B 20
G Cercetarea calitativ (test de produs, de
ambalaj, de marc) 5 reuniuni
E, F 10
H Alegerea mrci i a variantei optime de
ambalaj
G 1
I mbuntirea produsului, pe baza
rezultatelor obinute
G 25
J Testarea tehnic a produsului I 25
K Omologarea produsului i nregistarea
mrcii
H, J 20
L Cercetarea cantitativ (testarea de
acceptabilitate)
J 30
M Pregtirea capacitilor de producie K 35
N Pregtirea produciei serie de lansare M 15
O Stabilirea preului de vnzare L 3
P Fixarea zonei de lansare i stabilirea
canalelor de distribuie
L 3
Q Implementarea unor reele de uniti
service
L 30
R Organizarea vnzrii i pregtirea
forelor de vnzare
P 15
S Selecionarea i contactarea
intermediarilor
O, Q, R 10
T Negocierea i ncheierea contractelor cu
intermediarii
S 20
U Organizarea i desfurarea campaniei
promoionale de lansare
L 40
V Producia seriei de lansare N, T 15
W Realizarea ambalajelor H 10
X Distribuirea seriei de lansare V, W, U 20
Y Lansarea X 2

a) S se traseze graful asociat programului de marketing;
b) S se stabileasc durata minim de execuie a programului,
activitiile critice i s se traseze drumul critic.
c) Reluai programul indicnd pentru fiecare activitate cele trei durate
estimate:
- vaoarea optimist;
- valoarea cea mai probabil;
- valoarea pesimist.

- 29 -

CAPITOLUL 8.
Gestiunea stocurilor
(Inventory)

O politic optim n domeniul gestiunii stocurilor reprezint activitatea de
management care realizeaz un cost total minim. Orice model de stocare
permite determinarea:
- momentului optim de lansare a comenzii (Cnd s se lanseze
comanda de reaprovizionare?);
- cantitii optime de aprovizionat (Ct s fie lotul de
reaprovizionare?);
- mrimii stocului de siguran (Ct s fie stocul de siguran?),
astfel nct cheltuielile totale de aprovizionare / stocare s fie
minime.
Principalele elemente care apar n modelele de gestiune a stocurilor
rezolvate de acest modul sunt:
- cererea de consum care poate fi:
a) cunoscut modelele deterministe cu cerere constant
sau cu cerere variabil;
b) necunoscut, dar previzibil modelele probabilistice.
- cantitatea de aprovizionat / lotul cu care se face
reaprovizionarea la intervale stabilite n cadrul perioadei de
gestiune n funcie de caracterul cererii.
- parametrii temporali:
a) perioada de gestiune = 1 an;
b) intervalul de timp dintre dou aprovizionri succesive;
c) durata de aprovizionare;
d) momentul la care se emit comenzile.
- 30 -
- costurile, cheltuielile ce se efectueaz pentru derularea
procesului de aprovizionare, aducerea, depozitarea, stocarea
materialelor i satisfacerea cererii de consum.
a) costul de lansare a comenzii;
b) costul de stocare;
c) costul de penalizare;
Modulul Inventory permite rezolvarea a 6 modele de gestiune a stocurilor.
Prezentm n continuare descrierea urmtoarelor submodule: Economic Order
Quantity (EOQ) Model, Production Order Quantity Model, Quantity Discount i
ABC Analysis.
1. Economic Order Quantity (EOQ) Model
Reprezint modelul clasic al lotului economic.
Datele de intrare:
- mrimea cererii pentru perioada considerat;
- costul lansrii comenzii;
- costul de stocare poate fi dat:
- mrimea perioadei considerate;
- opional se poate cere calculul timpului de avans.
Nota. n soluia obinut Reorder Point reprezint nivelul de
reaprovizionare, adic o nou comand va fi lansat cnd nivelul
stocului atinge nivelul de reaprovizionare.
2. Production Order Quantity Model
Modelul stabilete mrimea lotului economic de producie care
minimizeaz costul stocrii i al lansrii comenzilor de producie.
Datele de intrare:
- rata produciei pentru perioada considerat (trebuie s fie strict
mai mare dect cererea);
- costul lansrii unei comenzi de producie;
- costul de stocare;
- mrimea perioadei.
- 31 -
3. Quantity Discount
Reprezint o variant a modelului clasic al lotului economic cu ipoteza
suplimentar c preul unitar al produsului cumprat depinde de cantitate.
Datele de intrare:
- categoriile de pre (preul unitar i cantitatea minim la care se
acord acestea);
- costul lansrii comenzii;
- costul de stocare;
- mrimea perioadei.
4. ABC Analysis
n cazul firmelor care prin cerinele procesului de fabricaie lucreaz cu un
nomenclator mare sau relativ mare de materii prime i materiale ce sunt
incorporate n produsele ce se realizeaz, rezolvarea problemelor de gestiune a
stocurilor se face cu ajutorul calculatorului.
Din punctul de vedere al abordrii practice, pentru nceput se rezolv
aspectele de eviden propriu-zise, n paralel cu proiectarea fiierelor necesare
privind optimizarea stocurilor, problem care urmeaz a fi rezolvat intr-o etap
ulterioar. n acest sens se parcurg 12 etape:
1. Studiul informaional i decizional actual al gestiunii stocurilor;
2. Prelucrarea automat a evidenei stocurilor (intrri / ieiri);
3. Gruparea selectiv a stocurilor pe cele 3 grupe A, B i C;
4. Studiul statistic al comportrii n dinamic a cererii;
5. Calculul costurilor specifice (cost de lansare, cost de stocare, cost de
rupere);
6. Testarea modului n care datele culese satisfac cerinele unor modele;
7. Studiul legii de repartiie a cererii pentru materiile prime, materialele din
grupa A;
8. Analiza managerial privind modelarea matematic a materialelor din
grupa A;
9. Modelarea proceselor de stocare pentru materialele din grupa A;
- 32 -
10. Analiza economic a rezultatelor pentru materialele din grupa A;
11. Testarea posibilitilor de modelare a gestiunii stocurilor pentru
materialele din grupele B i C;
12. Dac rspunsul este afirmativ se parcurg etapele 7-10 i pentru
materialele din grupele B i C.
Analiza stocurilor materiale realizat n procesul managerial prin atribuirea
de importane identice tuturor sortimentelor i apelarea la teoria matematic a
stocurilor ar fi dificil de aplicat n practic. Pentru aceasta se procedeaz la
gruparea selectiv a stocurilor n funcie de importan i ponderea valoric a
materiilor prime i materialelor. Aceasta este cunoscut sub denumirea de
analiza ABC a stocurilor i const n parcurgerea urmtoarelor etape:
a) Clasificarea stocurilor n ordinea descresctoare a valorilor,
cumularea valorilor i ntocmirea tabelului urmtor:
Materii prime,
materiale
Valoarea
stocului
Valoarea
cumulat
M
1
V
1
C
1
= V
1

M
2
V
2
C
2
= C
1
+ V
2

.... .... ....
M
n
V
n
C
n
= C
n-1
+ V
n

b) Trasarea curbei valorilor cumulate.

10 30
70
90
100
100 % % Nr. articole
Valoare %
- 33 -
c) Determinarea a trei zone: A / B / C:
Grupa % Valoric % Cantitativ
A 70 10
B 20 20
C 10 10
100% 100%

Exemplu:
O firm are cererea anual (360 zile) de 200t dintr-un anumit produs.
Costul de lansare a comenzii este de 720 u.m., iar costul pe stocare pe zi/t este
de 1 u.m. timpul de avans este de 4 zile. In ipoteza c vnzarea este uniform,
aprovizionarea se face la intervale egale i nu se permite lipsa produsului , s se
determine elementele gestiunii optime.
Probleme propuse:
1. Un productor de accesorii auto are o comand pentru un an (250 zile)
de 200 uniti. Rata produciei anuale este de 500 uniti. Costul lansri unei
comenzi n fabricaie este de 100 u.m., preul produsului este de 5000 u.m. iar
costul de stocare pentru ntreaga perioad reprezint 10% din preul produsului.
n ipoteza c cererea are un ritm constant i nu se admit ntrzieri n livrare, cum
trebuie organizat producia a.. s se realizeze o gestiune optim a stocului.
2. O firm are un consum anual (300 zile) de 3000 uniti dintr-un anumit
produs. Costul lansrii comenzii este de 500 u.m.iar costul de stocare anual
reprezint 10% din preul produsului. Produsul este oferit la preul de 40 u.m.
pentru comenzi mai mici de 100 uniti i la preul de 30 u.m. pentru comenzi mai
mari de 100 de uniti. Stabilii politica optim de aprovizionare a firmei.
3. O societate comercial face o analiz a mrimi stocurilor de materiale
utilizate pentru procesul de producie n funcie de ponderea lor valoric i de
rulajul mediu.
Pentru 8 dintre cele mai importante materiale i combustibili s-au efectuat
studii statistice i s-au obinut urmtoarele date:

- 34 -
Nr.
crt.
Denumire material / combustibil Cerere medie anual
[mii t]
Pre
[u.m. / 1000 t]
1. Crbune 200 2000
2. Petrol 100 5000
3. Profile mijlocii 400-500 mm 15 200.000
4. Profile uoare 250-350 mm 30 170
5. Profile grele 650 mm 10 300.000
6. Srm 4 50.000
7. Cox metalurgic 150 7.000
8. Tabl groas 4 mm 20 100.000

Aplicai metoda de grupare selectiv a stocurilor pentru cele 8 materiale.
Precizai care sunt materialele ce fac parte din fiecare grup i reprezentai grafic
rezultatele obinute.

- 35 -

CAPITOLUL 9.
Fenomene de ateptare
(Waiting lines)

Cozile sau firele de ateptare sunt fenomene des ntlnite n viaa de zi cu
zi ct i n activitiile sociale, culturale sau productive. Prezentm n continuare
termenii utilizai n analiza proceselor de ateptare:
- Distribuia Poisson = distribuia de probablitate a numrului de sosiri
ntr-un interval de timp n care ritmul sosirilor este constant, iar
numrul sosirilor n intervalul de timp considerat este
independent de numrul sosirilor din celelalte intervale.
- Distribuia exponenial = densitatea de probabilitate pentru duratele
ntre sosiri dac ritmul sosirilor este constant, sau pentru duratele
de servire dac ritmul servirilor este constant.
- Ritmul mediu al sosirilor (Mean Arrival Rate) = = numrul mediu de
sosiri (clieni) n sistemul de ateptare pe unitate de timp;
- Timpul ntre dou sosiri succesive =
1
;
- Ritmul mediu al servirilor (Mean Service Rate) = = numrul mediu de
solicitani (clieni) servii n sistemul de ateptare n unitate de
timp;
- Timpul de servire =
1
= timpul mediu necesar pentru realizarea unui
serviciu solicitat n sistemul de ateptare;
- Numrul mediu de uniti n sistem (Mean Number of Units in the
System) = numrul mediu de solicitani (clieni) n sistemul de
ateptare inclusiv cei n curs de servire.
- 36 -
- Numrul mediu de uniti n firul de ateptare (Mean Number of Units
in the Queue) = numrul mediu de solicitani (clieni) n firul de
ateptare fr cei n curs de servire;
- Timpul mediu n sistem (Mean Time in the System) = timpul mediu de
ateptare al unei uniti n sistemul de ateptare, incluznd timpul
de servire;
- Timpul mediu n firul de ateptare (Mean Time in the Queue) = timpul
mediu de ateptare al unei uniti n coad fr timpul de servire;
- Numrul de staii de servire (Number of Servers) = s = numrul de
staii de servire n paralel;
- Factorul de utilizare a sistemului de servire (Service Facility Utilization
Factor) =
s
= fraciunea din timpul de funcionare n care

sistemul de servire este ocupat;
- Probabilitatea ca n sistem s nu fie nici un solicitant (Probability of
No Units in System) = probabilitatea ca sistemul de servire s fie
neocupat (liber).
Fenomenele de ateptare se caracterizeaz prin urmtoarele elemente
principale:
- Unitile intr n sistem i solicit servicii din partea staiilor de
serviciu (canale);
- Timpul de serviciu reprezint durata de timp n care o staie este
servit;
- Modul de servire al unitiilor (individual sau n bloc);
- Disciplina firului de ateptare cea mai natural este FIFO, adic
Primul venit este primul servit.
Modelele rezolvate de acest modul furnizeaz informaii despre:
- probabilitatea ca o unitate s fie n sistem;
- numrul mediu de uniti n sistem;
- numrul mediu de uniti n firul de ateptare;
- timpul mediu petrecut de unitate n firul de ateptare;
- 37 -
- timpul mediu petrecut de unitate n sistem (timpul de ateptare +
timpul serviciului);
- costul total al sistemului.

Modulul Waiting Lines permite rezolvarea a 9 modele de ateptare:
1. M/M/1 (exponential service times) sosirile n sistem urmeaz o
distribuie Poisson, timpul de servire o distribuie exponenial, cu
un singur server;
2. M/D/1 (constant service times) sosirile n sistem urmeaz o
distribuie Poisson, timpul de servire constant, cu un singur server;
3. M/G/1 (general service times) sosirile urmeaz o distribuie
Poisson, timpul de servire poate avea orice distribuie, cu un
singur server.
4. M/Ek/1 (Erlang-k service times) - sosirile urmeaz o distribuie
Poisson, timpul de servire de tipul Erlang-k (k trebuie specificat);
5. M/M/s - sosirile urmeaz o distribuie Poisson, timpul de servire o
distribuie exponenial, cu unul sau mai multe servere;
6. M/M/1 with a finite system size M/M/1 cu o lungime determinat
a firului de ateptare;
7. M/M/s with a finite system size M/M/s cu o lungime determinat a
firului de ateptare;
8. M/M/1 with a finite population M/M/1 cu o mrime determinat a
numrului de clieni;
9. M/M/s with a finite population M/M/1 cu o mrime determinat a
numrului de clieni;
Exemplu:
S se rezolve modelul de ateptare pentru un automat de rcoritoare care
are un timp de servire constant = 15 secunde, sosirile urmeaz o distribuie
Poisson cu rata medie de 50 clieni pe or, costul ateptrii pentru un client este
de 10 u.m./h iar costul serviciului este de 7 u.m./h. Rezolvarea acestui model de
ateptare este prezentat n Anexa 9 pagina 68.
- 38 -
Problem propus:
Echipa managerial a unui restaurant de tip Fast-Food decide s
deschid dou puncte de servire n dou cartiere ale oraului. Se cunosc
urmtoarele date:
- sosirile urmeaz o distribuie Poisson, avnd rata medie de 45
clieni pe or;
- serviciul are o distribuie exponenial cu rata medie de 60 clieni
pe or;
- costul ateptrii pentru un client este de 10 u.m./h i costul
serviciului este de 7 u.m./h.
S se analizeze decizia conducerii restaurantului.

- 39 -

CAPITOLUL 10.
Problema deciziei
(Decision Analysis)

Analiza deciziei este utilizat n procesul managerial pentru selectarea
celei mai bune decizii dintr-o mulime de decizii alternative.
Un factor care complic luarea deciziei optime este c evenimentele
urmtoare (strile naturii) sunt necontrolabile.
Modelul de analiz a deciziei presupune:
a) Identificarea deciziilor alternative;
b) Identificarea strilor naturii;
c) Identificarea costurilor asociate fiecrei perechi decizie stare a
naturii.
Modulul Decision Analysis rezolv problema de decizie n dou situaii:
1. Tabela deciziilor (Decision Tables);
2. Arborele decizional (Decision Trees).
1. Tabela deciziilor.
Identificarea mai multor variante de decizie, a unor stri obiective ale
naturii i definirea criteriului de decizie, conduc la descrierea situaiei propuse
cu ajutorul unui model decizional n condiii de incertitudine. Pentru determinarea
celei mai bune decizii se va avea n vedere urmtorul raionament:
1. Se identific strile naturii;
2. Se identific variantele decizionale;
3. Se identific consecinele economice ateptate pentru fiecare
combinaie: stare a naturii variant decizional:
a. consecine de tip costuri.
CT = CF + CV; CV = Cv * Np, n care
CT reprezint cheltuielile totale, CV - cheltuielile variabile, Cv
costul unitar variabil, Np numrul de produse, V veniturile, P -
preul unitar.
- 40 -
b. consecine de tip profit:
Pr = V CT, n care:
Pr reprezint profiturile totale.
Pentru tratarea deciziilor n condiii de incertitudine, se recomand
folosirea unuia din urmtoarele criterii de decizie:
- criteriul Wald (criteriul pesimist). Se recomand alegerea variantei care
aduce cel mai mare profit (respectiv cea mai mic pierdere posibil, n
cazul consecinelor de tip costuri) n cea mai defavorabil stare a naturii.
- criteriul Laplace. Se recomand alegerea variantei care aduce cea mai
mare valoare medie a profiturilor (respectiv cea mai mic valoare medie
a pierderilor), n ipoteza c toate strile naturii au aceeai probabilitate de
apariie.
- criteriul Savage. Se recomand alegerea variantei care s aduc cel mai
mic regret posibil, prin regret nelegndu-se utilitatea pierdut ca urmare
a selectrii unei alte variante decizionale dect cea optim, n condiiile
de informaie complet.
- criteriul Hurwicz (optimist). Se recomand alegerea variantei care ofer
ctigul maxim (n cea mai favorabil stare a naturii). Folosete un
coeficient de optimism 0,1 .
2. Arborele decizional.
Arborii de decizie cuprind ntr-o succesiune logic toate combinaiile
acceptate dintre variante decizionale i stri ale naturii. Conceptele de baz sunt:
- nodurile de decizie (reprezentate prin ) n care arcele reprezint
alternative de decizie. Alegerea variantei este fcut ntotdeauna
de ctre decident; se alege varianta creia i corespunde cel mai
mare venit mediu ateptat sau cea mai mic pierdere posibil n
funcie de indicatorul economic folosit, pentru compararea
rezultatelor.
- nodurile de tip incertitudine (sau ans ), n care natura este
aceea care traseaz modul de evoluie a procesului decizional.
- 41 -
Se calculeaz venitul mediu ateptat (VNA
i
) din decizia i considernd
strile naturii j (j = 1,2,... n):
n
1 i
ij j i
C p VNA ,
n care p
j
reprezint probabilitile asociate strilor naturii, iar C
ij
este
valoarea indicatorului pentru alternativa i n starea j.
Exemplu:
O societate comercial lanseaz pe pia un nou produs: salopet
matlasat pentru copii. Conjunctura pe pia poate fi foarte favorabil, mediu
favorabil sau nefavorabil. Conducerea societii ia n considerare 3 situaii
posibile de acceptare a produsului pe pia:
- produsul s fie acceptat uor pe pia i s se vnd ntr-o cantitate de
400.000 buci;
- produsul s se vnd relativ uor pe pia ntr-o cantitate de 275.000
buci;
- din produs s se vnd numai 150 buci.
Conducerea societii are la dispoziie 3 opiuni de fabricare a produsului
la fabricile din filialele F
1
, F
2
, F
3
(tabelul de mai jos). Opiunile se difereniaz prin
cheltuielile fixe pentru desfurarea produciei i prin costul variabil unitar.
Filiala Cheltuieli fixe
[mii u.m.]
Cost variabil unitar
[u.m. / buc.]
F
1
4800 23
F
2
5000 22
F
3
5500 20
Se dorete evaluarea consecinelor economice (att costurile implicate de
desfurare a produciei ct i profiturile estimate) pentru fiecare situaie posibil
n funcie de ipotezele de acceptare a produsului pe pia.
Se estimeaz c preul de vnzare pe pia al produsului va fi de 42 u.m..
Se solicit determinarea celei mai potrivite strategii de fabricare al noului produs
pentru societatea comercial (n ipoteza c probabilitile de manifestare a
strilor naturii nu se cunosc; se vor aplica criteriile Wald, Laplace i Savage, iar
pentru criteriul Hurwicz se va considera = 0.8). Rezolvarea n Anexa 10
pagina 69.
- 42 -

Probleme propuse.
1. O societate comercial lanseaz pe pia un nou produs. Conjunctura
pe pia poate fi favorabil, mediu favorabil i nefavorabil noului produs.
Conducerea societi are n vedere 3 strategii n legtur cu mrimea lotului de
lansare. S-au evaluat consecinele economice (profit sau pierdere) pentru fiecare
strategie n funcie de situaia de pe pia.
P
iaa
Foarte favorabil Mediu favorabi Nefavorabil
Lotul
1000 45 25 -6
700 30 28 -2
300 20 15 3
Conducerea societii dorete s stabileasc strategia de lansare care ar
putea conduce la obinerea unui profit maxim cu ajutorul informaiilor disponibile.
Presupunnd c nu se pot estima probabilitile de manifestare ale strilor
naturii, se dorete s se studieze variaia i stabilitatea deciziei recomandate
atunci cnd decidentul i modific nclinaia ctre risc (se vor considera dou
cazuri extreme: un decident extrem de prudent i un decident nclinat puternic
ctre risc).

2. O firm produce i comercializeaz un anumit produs. Managementul
firmei dorete s analizeze necesitatea efecturii unui studiu al pieei de ctre o
firm specializat n probleme de marketing. Evident, n aceast analiz se ia n
considerare costul serviciului i anume 45 mii u.m. pltii firmei la obinerea
rezultatelor studiului. Specialitii firmei de marketing sunt concentrai pe
obinerea unor informaii care s indice oportunitatea lansrii produsului pe pia:
piaa favorabil i produsul este lansat, sau piaa este nefavorabil produsului i
atunci proiectul este abandonat.
Se apreciaz c produsul are ca potenial de dezvoltare o pondere de
aproximativ 15% din pia, dar exist mai muli concureni importani. n paralel
- 43 -
cu aceasta, firma productoare este confruntat cu o alt decizie asupra modului
de vnzare, i anume:
V
1
- s vnd ntreaga cantitate disponibil prin intermediari (aceasta
presupune ncheierea unui contract pentru un venit sigur de 850 mii
u.m.);
V
2
- s vnd produsele prin eforturi proprii (lanul propriu de magazine
i ageni comerciali angajai
n cazul variantei V
2
se iau n considerare urmtoarele situaii (vnzri
directe fr cunoaterea pieei.
SN
1
- vnzri masive ale produsului pe pia, acceptarea rapid a
produsului;
SN
2
- vnzri n cantiti medii, acceptarea moderat a produsului pe
pia;
SN
3
- vnzri foarte slabe n condiii de concuren foarte agresive.
Strategii disponibile:
Conducerea firmei analizeaz datele disponibile pentru fundamentarea
strategiei pe termen foarte scurt i le sintetizeaz n urmtoarele opiuni:
S
1
- vnzarea prin intermediari fr s apeleze la firma de consultan
pentru a identifica conjunctura pe pia.
S
2
- comercializarea produselor pe cont propriu fr s se testeze piaa;
S
3
- studierea pieei i apoi utilizarea uneia dintre cele dou forme de
vnzare.
Se cere analizarea stabilitii deciziei optime (senzitivitatea soluiei) atunci
cnd profitul obinut n cazul cel mai nefavorabil, al neacceptrii produsului pe
pia (in situaia SN
3
) variaz ntre 400-500 mii u.m.

- 44 -

CAPITOLUL 11.
Previziune
(Forecasting)

Previziunea evoluiei fenomenelor economice prezint o mare importan
n management. Decizia agenilor economici este n majoritatea cazurilor legat
de ceea ce se va ntmpla n viitor.
Modulul Forecasting cuprinde trei modele de prognoz. Primul model
Time series analysis (Analiza seriilor cronologice) folosete date din trecut (de
ex. vnzri) pentru a previziona date viitoare (de ex. cerere). n acest modul se
pot selecta mai multe metode:
- Naive method
- n-period moving averages
- Weighted n period moving average
- Exponential smoothing
- Exponential smoothing with trend
- Trend analysis (Regression with x set to 1 through n)
- Least squares/linear regression
- Decomposition (multiplicative)
- Decomposition (additive)
De exemplu n cazul metodei mediilor mobile (Moving Average) se
utilizeaz media ultimelor n valori pentru a previziona valoarea urmtoare a
seriei cronologice n cazul ajustrii exponeniale (Exponenial Smoothing) se
calculeaz o sum ponderat a valorilor din trecut ale unei serii dinamice, cu
ponderea cea mai mare plasat asupra celei mai recente informaii.
Al doilea model Last squares Simple and multiple Regression este
conceput pentru situaia n care una dintre variabile ( de ex. cererea) este
dependent de una sau mai multe variabile.
- 45 -
Al treilea modul din pachetul Forecasting Regression projector ofer
posibilitatea de a realiza previziuni utiliznd un model particular de regresie.

Exemplu:
Un produs a nregistrat urmtoarele vnzri lunare timp de un an:
Perioada Volumul vnzrilor
1 17
2 21
3 19
4 23
5 18
6 16
7 20
8 18
9 22
10 20
11 15
12 22
a) S se previzioneze valoarea pentru perioada urmtoare folosind
metoda ajustrii exponeniale (constanta de nivelare = 0.2).
b) S se previzioneze valoarea pentru perioada urmtoare n ipoteza
existenei unei tendine (Trend projection).

Problem propus.
Analizai prin 4 din metodele disponibile, previziunea pentru perioada
urmtoare n cazul seriei de timp:
Perioada Valori
1 60
2 81.5
3 83
4 75.1
5 62
6 80.2
7 84.5
8 73.3
9 70
10 82
11 85.5
12 80
- 46 -

CAPITOLUL 12.
Procese Markov
(Markov Analysis)

Analiza Markov este o metod de analiz a comportamentului unei
variabile la un moment dat, folosit pentru previzionarea acestui comportament
n viitor. n managementul tiinific, metoda este cea mai des folosit pentru a
examina i previziona comportamentul clienilor fa de o marc de produs. Se
urmrete determinarea fidelitii clienilor fa de un sortiment de marc sau
reorientarea acestora ctre alte produse similare.
Premise ale aplicrii modelului Markov pentru determinarea evoluiei pe
pia a unor produse perfect substituibile:
- numrul mrcilor din clasa de produse studiat este limitat i
constant;
- de-a lungul unei perioade, un consumator cumpr numai o
marc de produs (ntotdeauna cu aceleai atribute i calitate);
- probabilitile trecerii de la o marc la alta sunt constante n timp;
- timpul se consider o variabil discret, atunci cnd se
prognozeaz valorile viitoare ale ponderilor pe pia ale unui
produs.
Exemplu:
Dou supermagazine, S1 i S2, aflate n concuren, studiaz fidelitatea
clienilor. Se constat c sptmnal 92% din clienii suparmagazinului S1 vor
reveni i sptmna urmtoare; 8% se vor ndrepta spre S2. Procentul de
fidelitate pentru S2 este de 85%.
Dintr-un numr total de 1000 de clieni ci i vor face cumprturile
sptmnal n fiecare din cele dou supermagazine?
Rezolvarea problemei este prezentat n Anexa 12 - pagina 76.

- 47 -
Problem propus:
Se consider 4 mrci ale aceluiai produs de strict necesitate: M1, M2,
M3 i M4.
Studiile de pia efectuate au stabilit urmtorii coeficieni de fidelitate
constani de la o sptmn la alta: 60%, 70%, 80% i respectiv 90%.
Cumprtori care prsesc o marc se orienteaz ctre cellalte mrci n
proporii diferite, prezentate n tabelul urmtor:
M1 M2 M3 M4
M1 - 10% 10% 20%
M2 15% - 5% 10%
M3 5% 5% - 10%
M4 5% 2% 3% -
Stabilii ponderea fiecrei mrci pe pia.

- 48 -
- 49 -

ANEXE
Anexa 1 Linear Programming
Definirea problemei de programare lineara:

Introducerea datelor

Dup soluionarea problemei (File/Solve sau )
rezultatele sunt prezentate in cinci ferestre diferite:
- Linear Programming Results;
- Ranging;
- Solution list;
- Iterations;
- Graph
- 50 -

- 51 -

- 52 -
Anexa 2. Transportation

Introducerea datelor:

Soluiile sunt afiate n 6 ferestre diferite

- 53 -

- 54 -

- 55 -
Anexa 3. Assignment

Soluiile sunt afiate n 3 ferestre:

- 56 -

- 57 -
Anexa 4. Integer Programming



- 58 -

- 59 -
Anexa 5. Shortest Route

- 60 -

- 61 -
Anexa 6. Minimum Spanning Tree


- 62 -

- 63 -
Anexa 7. Project management (PERT/CPM)


Soluiile sunt afiate n 2 ferestre, n care fereastra de rezultate grafice are
mai multe file: Grantt Chart i Precedence Graph.
- 64 -

- 65 -

- 66 -
Anexa 8. Inventory

Soluiile sunt:

- 67 -

- 68 -
Anexa 9. Waiting Lines


Soluiile sunt:

- 69 -
Anexa 10. Decision Analysis


Consecine de tip costuri: n ipoteza acceptrii rapide pe pia a
produsului i alegerii filialei 1 pentru fabricarea produsului, cheltuielile totale se
calculeaz:
CT(V1, S1) = 4800 + 23*400 = 14000 u.m.

Soluiile n cazul consecinelor de tip costuri sunt:
- 70 -

n varianta consecinelor de tip profit, se completeaz matricea decizional
calculndu-se profitul total (Pr) pe fiecare celul in parte:
Pr(V
1
, S
1
) = 16800 -14000 = 2800

Rezultatele obinute n acest caz sunt:
- 71 -

- 72 -
Anexa 11. Forecasting

- 73 -

- 74 -

- 75 -

- 76 -
Anexa 12. Markov Analysis



- 77 -
Rezult c din 1000 de clieni, aproximativ 652 vor opta pentru S1 i 348
pentru S2.

- 78 -

- 79 -

BIBLIOGRAFIE

1. Lixndroiu, D., Modelarea i simularea proceselor economice - Caiet de
lucrri The Management Scientist, Universitatea Transilvania, Facultatea
de tiine Economice, Braov 1996.
2. Raiu Suciu, C., Luban F., Hncu D., Lucrri practice, Studii de caz rezolvate
cu produsul informatic Quantitative Analisis for Management II, Academia de
Studii Economice, Bucureti 1995.
3. Raiu Suciu, C., Luban F., Hncu D., Sarchiz M., Modelarea i simularea
proceselor economice Lucrri practice, Studii de caz, Editura Didactic i
Pedagogic, Bucureti, 1997.
4. Prentice-Hall's Decision Science software packages Html Manual for QM
2.1.

Manual QM

Încărcat de

Informații document

Titlu original

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

Manual QM

Încărcat de

Drepturi de autor:

Formate disponibile

CUPRI NS

= fraciunea din timpul de funcionare n care

S-ar putea să vă placă și