Utilizarea simulrii Monte Carlo pentru procesil de aprovizionare i stocare al

magazinului IT S.C. ExpertIT S.R.L.

Paii metodei Monte Carlo sunt urmatorii:

1) Identificarea problemei care st la baza construciei cercetrii

Estimarea volumului vnzrilor pentru magazinul IT S.C. ExpertIT S.R.L., din
Bucureti, Sector 6.
ExpertIT S.R.L. comercializeaz produse IT, avnd punct de desfacere situat n
Bucureti, Sector 6, la 50 de metrii de staia de metrou Gorjului i are ca clien i toate
persoanele din invecintate ce doresc achiziionarea de produse IT. Cererea pentru acest produs
are un caracter incert, neexistnd posibilitatea de a o previziona ntr-un mod realist. Totodat,
livrrile de produse IT au un caracter neregulat, comenzile noi fiind onorate ntr-un interval de
1-3 zile. n acest context, managementul societii ncearc s gseasc o solu ie eficient
pentru gestiunea stocurilor i diminuarea sau chiar eliminarea efectelor nefavorabile generate
de fluctuaiile imprevizibile ale cererii i ale ritmului de aprovizionare. Apelnd la metoda
Monte Carlo, se urmarete determinarea nivelului optim al lotului de reaprovizionare prin
minimizarea costurilor aferente stocrii, emiterii comenzilor i penuriei de stoc.

2) Identificarea indicatorilor relevanei pentru tema de cercetare

Indicatori macroeconomici:
-

Numrul total de furnizori de produse IT din Romnia

Frecvena achiziionarilor de produse IT de ctre o familie din Sectorul 6

Indicatori microeconomici:
-

Cantitatea medie de produse aprovizionate ntr-o lun

Cheltuieli totale cu aprovizionare dintr-o lun
Costul lunar aferent stocrii produselor
Timpul mediu de livrare a produselor
Venituri totale lunare

3) Identificarea variabilelor n procesul de cercetare/modelare

- Numr total de clieni pe lun

Puterea de cumprare
Numrul total de produs vndute ntr-o lun
Frecvena aprovizionrii cu marf pe lun
Suprafaa total de stocare

4) Identificare corelailor dintre indicatori i variabilele modelului

Putem identifca urmtoarele corelaii dintre indicatori i variabile:
- Venituri totale lunare - Numr total de clieni pe lun
- Cantitatea medie de produse aprovizionate ntr-o lun - Suprafaa total de stocare
- Frecvena achiziionarilor de produse IT de ctre o familie din Sectorul 6 Numrul total de produs vndute ntr-o lun
Cheltuieli totale cu aprovizionare dintr-o lun - Frecvena aprovizionrii cu marf

pe lun
5) Identificarea datelor obinute, analizate i interpretate statistic, utile n procesul de
modelare
Variabile folosite n model:

cererea pentru produse IT

timpul de livrare a mrfii
cantitatea de reaprovizionare
nivelul la care se emite comanda

Parametrii utilizai:

nivelul iniial al stocului,

costul de stocare,
costul lipsei din stoc,
costul de lansare al comenzii

6) Identificarea unui model econometric util n rezolvarea temei cercetate

S-a inregistrat situatia vnzrilor din ultimil an i s-a sintetizat n tabelul 1.
Tabelul 1
Cerere pe zi

10

20

40

60

80

100

20

55

75

100

75

25

Frecven
(zile)

Comenzile de reaprovizionare se emit i se recepioneaz dimineaa, dar exist o

ntrziere la recepia, deci livrarea produsului, ntre 1 i 3 zile. Numrul de zile, necesar
recepiei ultimelor 50 de comenzi, este inregistrat in tabelul 2.
Tabelul 2
Timp de livrare (zile)

Frecventa (comenzi)

15

25

10

Costul de stocare este 1,5 u.m. pe unitate de produs i pe zi, costul de lansare a unei
comenzi este de 23 u.m., costul lipsei din stoc datorat pierderii vnzrii este de 21 u.m. pe
unitate de produs, iar stocul iniial are 100 uniti.
Conducerea societatii ExpertIT S.R.L. dorete s testeze, prin simulare, 3 politici de
reaprovizionare:
S comande cantitatea de 100, 120 sau 140 bucti, atunci cnd la sfritul zilei nivelul
stocului este 50 sau mai mic.
Pentru a vedea care din cele 3 politici este mai economic, testarea se efectueaz pe
urmtoarele 30 zile.

7) Construirea modelului
Modelul pentru determinarea costului minim aferent aprovizionarii si stocarii are la
baz o serie de calcule si relatii
Cost de stocare = Cost unitar de stocare * Nr de piese aflate in stoc
Costul emiterii comenzilor= Costul unei comenzi * Nr de comenzi emise
Costul lipsei de stoc= Costul penuriei* Nr de piese lipsa (care nu satisfac cererea)
Cost total = Cs + Cc + Cp
Functia obiectiv - Min (Cost Total) = Min(Cs + Cc + Cp)
Vom utiliza metoda Monte Carlo de simulare.

n tabelele 3 si 4 sunt realizate primele trei etape ale metodei Monte Carlo (determinarea
distribuiei de probabilitate, calcularea probabilitii cumulate i stabilirea intervalelor de
numere aleatoare), pentru cele dou variabile aleatoare: cererea i timpul de livrare.
Tabelul 3
Cerere

Probabilitate

Probabilitate cumulata Interval

xi

P(X=xi)

F(xi) = P(Xxi)

[F(xi-1), F(xi))

10
20
40
60
80
100

0.03
0.06
0.13
0.19
0.26
0.33

0.03
0.09
0.22
0.41
0.67
1

[0,0.03)
[0.03, 0.09)
[0.09,0.22)
[0.22,0.41)
[0.41,0.67)
[0.67,1]

Tabelul 4
Timp de livrare (zile)

Probabilitate

Probabilitate cumulata

Interval

yi

P(Y=yi)

F(yi) = P(Yyi)

[F(yi-1), F(yi))

1
2
3

0.3
0.5
0.2

0.3
0.8
1

[0,0.3)
[0.3, 0.8)
[0.8,1]

8) Generarea unor simulri

Se va testa pe rnd fiecare varianta decizionala: se va comanda cantitatea de 100, 120 sau
140 de bucati, la nivelul de 25 uniti, adic dac la sfritul zilei stocul final are 25 uniti ori
mai puin, se va emite comanda de reaprovizionare de 100 uniti a doua zi dimineaa,
bineneles dac nu se ateapt livrarea unei comenzi anterioare, urmand ca aceasta sa fie
onorata in 1-3 zile.
Simularea se va face utilizand Microsoft Excel 2010.
Printre paii de urmat se numar :
Introducerea datelor de intrare Tabelul 5 (parametri, variabile necontrolabile,
distributiile de probabilitate variante decizionale si functia obiectiv); generarea unor numere
aleatoare utiliznd funcia Rand, extragerea unor valori ale variabilelor necontrolabile cu

funcia Vlookup, calculul stocului iniial i final n funcie de vnzrile realizate i ritmul
onorrii comenzilor folosind diverse funcii (if, count, sum, max, etc); determinarea costului
aferent fiecrei variante decizionale.
Pentru fiecare dintre cele 3 opiuni de care dispune societatea ExpertIT S.R.L., n vederea
gestionrii eficiente a procesului de aprovizionare-stocare, s-a calculat un nivel al
costului( Tabelul 6,7,8).

Tabelul 5

Tabelul 6

Tabelul 7

Tabelul 8

Analiza rezultatelor simulrii cu Microsoft Office EXCEL 2010 presupune parcurgerea

mai multor etape. Din bara de meniu se selecteaz Data i apoi Data Analysis, Descriptive
Statisti iar dintre opiuni se va alege Summary statistics i Confidence Level for Mean de 95%.
Output-ul conine media, eroarea standard, mediana, valoarea modal, deviaia standard,
dispersia, coeficientul de aplatizare a distribuiei, coeficientul de asimetrie a distribuiei,
domeniul de variaie, valoarea minim, valoarea maxim, suma tuturor valorilor, numrul de
valori analizate.

9) Examinarea rezultatelor. Concluzii si recomandari

Tabelul 9
Varianta
Stocul mediu
Cost de stocare
Cost de lansare a unei

100
48,83
2197,5
92

120
62,33
2805
69

140
76,87
3459
69

comenzi
Cost penuriei de stoc
Cost total

0
2289,5

0
2874

21
3549

Prin compararea costului total a celor trei politici de gestiune a stocurilor se observ c
prima variant este cea optim ntruct aplicarea ei presupune cel mai mic cost total de
aprovizionare i stocare 2289,5 uniti monetare (tabelul 12). Totodat, trebuie s remarcm
faptul c acestei opiuni i corespunde i cel mai mic stoc mediu 48,83, fapt care atest
ponderea deosebit a costului de stocare n costul total. n cazul opiunilor cu 120 i 140 de
buci se remarc un cost foarte nalt generat de costul de stocare.
Astfel, managementul societii ExpertIT S.R.L. dispune de baz de informa ii necesara
fundamentarii unei decizii corecte privind aprovizionarea-stocarea.
La capitolul recomandri putem trece necesitatea extinderii perioadei de timp pentru care
se realizeaza simularea pentru o estimare mai bun a costurilor.
n plus, se pot testa i alte variante: s comande alt cantitate, la alt nivel de
reaprovizionare, sa aduc modificri parametrilor iniiali. Metoda de simulare Monte Carlo
ofer flexibilitatea i randamentul necesar exercitrii unui management proactiv i performant.