Universitatea POLITEHNICA din Bucureti

Facultatea Ingineria i Managementul Sistemelor

Tehnologice

Modelare Matematic n Inginerie

Autor curs: Conf.dr.ing.mat. Ovidiu Bljin

MMI - Cursul 7

Capitolul 4

SIMULARE

Cap.4. Simulare

MMI - Cursul 7

1. Conceptul de simulare
2. Produse software pentru simulare
3. Simularea unui sistem de producie.
Studiu de caz
4. Decizia de testare i lansare pe pia a unui
produs nou. Studiu de caz
5. Simularea rezervrilor locurilor n plus la
un avion. Studiu de caz

Cap.4. Simulare

MMI - Cursul 7

1. Conceptul de simulare

Cap.4. Simulare

MMI - Cursul 7

Cuvntul simulare deriv de la latinescul simulatio

care nseamn capacitatea de a reproduce sau a imita ceva.
Simularea la calculator este procesul prin care se
construiete un model matematico-logic al unui sistem real
i se realizeaz experimente cu acel model pe un calculator.
Domeniile unui proces de simulare:
Problema de rezolvat
Modelul de simulare
Experimentele de simulare
Analiza rezultatelor

Cap.4. Simulare

MMI - Cursul 7

1) Problema de rezolvat presupune:

formularea i analiza problemei
instruirea persoanelor implicate
construirea modelului conceptual
colectarea datelor fundamentale
testarea validitii modelului conceptual
2) Modelul de simulare presupune:
transpunerea modelului conceptual ntr-un model computerizat
verificarea modelului de simulare
analiza senzitivitii
validarea modelului de simulare

Cap.4. Simulare

MMI - Cursul 7

3) Experimentele de simulare constau n:

proiectarea experimentelor (numrul de simulri;
numrul de experimente ale fiecrei simulri; condiiile
iniiale pentru experimente; perioada necesar aducerii
sistemului artificial ntr-o stare stabil; modalitatea de
reducere a variaiei rezultatelor din cauza numerelor
aleatoare);
realizarea experimentelor de simulare.
4) Analiza rezultatelor se refer la:
analiza statistic a rezultatelor (intervalele de ncredere,
compararea i evaluarea variantelor decizionale);
identificarea celei mai bune soluii;

Cap.4. Simulare

MMI - Cursul 7

realizarea documentaiei (care va include rezultatelor,

concluzii i recomandri).
Simularea nu ia decizii n locul unui manager sau
decident. Simularea ofer numai informaii i date pe baza
crora decidenii pot s elaboreze decizii mai bine fundamentate. Prin intermediul simulrii pot fi testate diferite
opiuni strategice pentru realizarea obiectivelor propuse.
Implicarea major a managerului/decidentului n procesul de modelare i simulare este foarte important pentru
succesul aplicrii unui model n procesul decizional.
n comparaie cu modelele de optimizare, modelele de
simulare sunt executate i nu rezolvate: fiind dat un
anumit set de intrri i caracteristici ale modelului, el este
Cap.4. Simulare

MMI - Cursul 7

executat pentru a se observa comportamentul sistemului pe

care l reprezint.
Cele mai utilizate tipuri de simulare sunt:
simularea Monte Carlo
simularea evenimentelor discrete.
a) Simularea Monte Carlo
Aceast metod genereaz artificial valorile unei variabile probabiliste, prin utilizarea unui generator de numere
aleatoare uniform distribuite n intervalul [0, 1] i a funciei
distribuiei cumulative asociat variabilei probabiliste
respective.
Numrul aleator furnizat de un generator este apoi
utilizat pentru extragerea unei valori din distribuia de
Cap.4. Simulare

MMI - Cursul 7

10

probabilitate care descrie comportamentul variabilei

probabiliste.
Spre exemplu, n MS Excel numerele aleatoare uniform
distribuite n intervalul [0, 1] se pot obine cu funcia
predefinit =RAND().
b) Simularea evenimentelor discrete
Aceast metod studiaz modele de simulare n care
sunt definite evenimente, ce sunt activate la anumite
momente de timp i care afecteaz starea sistemului studiat.
Momentele de timp la care un eveniment este activat
sunt aleatoare.
Evenimentele sunt considerate discrete astfel c ntre
dou evenimente se consider c nu se ntmpl nimic.
Cap.4. Simulare

MMI - Cursul 7

11

n multe cazuri, modelele de simulare reprezint

situaiile n care, n anumite perioade de timp, pot apare
neconcordane ntre cererea de servicii sau activiti i
resursele disponibile pentru realizarea lor. De obicei, aceste
neconcordane conduc la fenomene de ateptare (materiale
care ateapt s fie prelucrate de un anumit utilaj; clieni care
ateapt la o staie de servire etc.).
Avantajele pe care le ofer utilizarea simulrii sunt:
Pot fi explorate politici, reguli de decizie, fluxuri informaionale, proceduri de operare sau organizaionale fr
ntreruperea activitii sistemului real.
Pot fi testate anumite proiecte noi fr a angaja resursele
de achiziionare.
Cap.4. Simulare

MMI - Cursul 7

12

Timpul poate fi comprimat sau dilatat pentru accelerarea

sau ncetinirea unui proces sau fenomen investigat.
Se pot observa interaciunile dintre diferite variabile i
se poate determina influena diferitelor variabile asupra
performanei unui sistem.
Se pot identifica locurile nguste n care procesele de
producie, informaiile sunt ntrziate excesiv.
Se pot realiza analize de senzitivitate de tipul Ce se
ntmpl dac...?
Se poate cuantifica riscul inerent unui sistem sau al unei
afaceri.

Cap.4. Simulare

MMI - Cursul 7

13

Ca dezavantaje ale simulrii se pot meniona:

Construirea modelului de simulare necesit o instruire
special i experien.
Datorit naturii aleatoare a intrrilor, rezultatele sunt
variabile stochastice, ceea ce implic anumite cunotine
statistice.
Simularea poate fi consumatoare de timp i costisitoare.
Nu este garantat obinerea unor soluii optimale.
Calitatea rezultatelor obinute depinde de calitatea
datelor folosite.

Cap.4. Simulare

MMI - Cursul 7

14

2. Produse software pentru simulare

Cap.4. Simulare

MMI - Cursul 7

15

Produsele software de simulare sunt instrumente informatice cu ajutorul crora se pot realiza:
construirea modelului de simulare;
verificarea modelului de simulare;
validarea modelului de simulare;
execuia experimentelor de simulare.
Aplicarea tehnicilor de simulare n cadrul acestor
programe permite descoperirea unor soluii satisfctoare la
rezolvarea unor probleme dificil de rezolvat pe cale
analitic. Exist posibilitatea de a schematiza:
procese de producie i linii de fabricaie, pentru analiza
unor aspecte de management operativ al produciei;
Cap.4. Simulare

MMI - Cursul 7

16

sisteme de transport, pentru cercetarea unor aspecte de

planificare i utilizare raional a resurselor;
sisteme de exploatare a resurselor umane, de cretere a
performanelor i alte considerente logistice.
Modelele de simulare cuprind, n general, variabile cu
modificare continu, logic cu distribuie probabilistic i
tactic, iruri clasificate, execuii condiionate i o colecie
mare de date.
Modelarea interactiv vizual (Visual Interactive
Modeling) asigur observarea operativ, n faza de elaborarea a deciziilor de ctre analist, a rezultatelor aciunilor sale.
Simularea interactiv vizual (Visual Interactive
Simulation) permite, prin utilizarea efectelor vizuale (n
special a animaiei), urmrirea n direct a desfurrii
Cap.4. Simulare

MMI - Cursul 7

17

proceselor simulate, precum i eventualele intervenii pentru

modificarea datelor de intrare.
n finalul rulrii modelului de simulare se obin rapoarte
ce cuprind: date statistice, diagrame i grafice sugestive cu
datele colectate.
Se constat o tendin de integrare a programelor de
simulare cu alte produse software n vederea realizrii unor
sisteme de asistare a deciziilor ct mai cuprinztoare.
Dintre produsele software de simulare de uz general se
pot meniona:
SIMAN (Systems Modeling)
Micro Saint (Micro Analysis & Design Simulation
Software)
Cap.4. Simulare

MMI - Cursul 7

18

GPSS/H (Wolveriene Software)

ShowFlow (Incontrol Simulation Software)
Extend (Imagine That)
Pro Model (Pro Model)
n fig.1-3 sunt prezentate cadre dintr-un proces de
simulare realizat cu Micro Saint. Cadre din dou procese de
simulare realizate cu ShowFlow sunt ilustrate n fig.4-5,
respectiv, n fig.6.

Cap.4. Simulare

MMI - Cursul 7

19

Fig.1. Cadru Network Diagram realizat cu Micro Saint

Cap.4. Simulare

MMI - Cursul 7

20

Fig.2. Cadru Action View realizat cu Micro Saint

Cap.4. Simulare

MMI - Cursul 7

21

Fig.3. Cadru Action View animat realizat cu Micro Saint

Cap.4. Simulare

MMI - Cursul 7

22

Fig.4. Cadru iniial realizat cu ShowFlow

Cap.4. Simulare

MMI - Cursul 7

23

Fig.5. Cadru animat realizat cu ShowFlow

Cap.4. Simulare

MMI - Cursul 7

24

Fig.6. Cadru animat realizat cu ShowFlow

Cap.4. Simulare

MMI - Cursul 7

25

3. Simularea unui sistem de producie

Studiu de caz

Cap.4. Simulare

MMI - Cursul 7

26

Se consider un atelier de producie format din patru

maini, n care sunt prelucrate i asamblate dou tipuri de
piese X i Y.
Piesele de tip X sunt prelucrate pe Maina1, iar cele de
tip Y pe Maina2. Apoi, pe Maina3 se asambleaz o pies X
cu o pies Y; se obine astfel un subanasamblu XY (o nou
pies) care este prelucrat ulterior pe Maina4 (v. fig.7).
Dac una dintre maini este ocupat, piesele trebuie s
atepte s fie prelucrate formnd stocuri intermediare ntre
diferitele puncte de prelucrare.
Piesele X, Y, XY pot fi considerate clienii care solicit
un anumit serviciu, iar mainile sunt staiile de servire.
Cap.4. Simulare

MMI - Cursul 7

27

Fig.7

Cap.4. Simulare

MMI - Cursul 7

28

Din analiza datelor anterioare s-au stabilit urmtoarele:

Durata intervalelor ntre dou sosiri consecutive de piese
X este o mrime probabilist uniform distribuit ntre
0,5 i 0,8 ore.
Durata intervalelor ntre dou sosiri consecutive de piese
Y este o mrime probabilist cu distribuie normal cu
media 0,6 ore i abaterea standard 0,2 ore.
Timpul de prelucrare al piesei X pe Maina1 este o
mrime probabilist cu distribuie normal cu media
0,12 ore/ pies i abaterea standard 0,04 ore/pies.
Timpul de prelucrare al piesei Y pe Maina2 este o
mrime probabilist cu distribuie normal cu media
0,18 ore/pies i abaterea standard 0,07 ore/pies.
Cap.4. Simulare

MMI - Cursul 7

29

Maina3 asambleaz cte o pies X cu o pies Y. Timpul

de asamblare este constant de 0,36 ore pentru o pies X
i 0,36 ore pentru o pies Y.
Timpul de prelucrare al unei piese asamblate XY pe
Maina4 este o mrime probabilist cu distribuie
normal cu media 0,7 ore/pies i abaterea standard 0,2
ore/pies.
Pentru toate cozile de la maini se consider c piesele
sunt prelucrate n ordinea n care sosesc; disciplina de
servire este FIFO (first-in first-out).
Spaiul de depozitare pentru piesele care ateapt s fie
prelucrate este limitat.
Capacitile maxime ale cozilor sunt:
Capacitate Coada1: 60 piese
Cap.4. Simulare

MMI - Cursul 7

30

Capacitate Coada2: 60 piese

Capacitate Coada3: 120 piese
Capacitate Coada4: 120 piese
Capacitate Coada5: 300 piese

Obiectivele urmrite sunt:

Analiza i nelegerea comportamentului sistemului de
producie.
Identificarea locurilor nguste n procesul de producie
care genereaz cozi foarte lungi i maini foarte aglomerate.
Explorarea unor politici de cretere a produciei sistemului de producie.

Cap.4. Simulare

MMI - Cursul 7

31

Construirea modelului de simulare

Sistemul de producie poate fi considerat un sistem de
ateptare.
Modelul de simulare va fi un model de simulare a
evenimentelor discrete.
Experimentele de simulare se vor realiza cu produsul
software WinQSB, modulul Queuing System Simulation.
Componentele sistemului sunt:
dou tipuri de piese, care se prelucreaz;
cinci stocuri intermediare, care reprezint cozi de piese
ce ateapt s fie prelucrate;
patru maini, care reprezint staiile de servire.
Rezult c sistemul de producie are 11 componente.
Cap.4. Simulare

MMI - Cursul 7

32

Unitatea de timp utilizat este ora.

Caseta de dialog Problem Specification a programului
n care sunt specificate datele preliminare ale problemei este
prezentat n fig.8.
Din meniul Edit se alege comanda Component Name,
care deschide o caset de dialog, pentru precizarea componentelor (fig.9). Cu excepia numelui, se alege un atribut
dintre cele predefinite n WinQSB.
Cele patru tipuri de componente acceptate sunt:
C - clienii care solicit un serviciu;
S - unitile de servire;
Q - cozile;
G - clienii care prsesc sistemul fr s atepte finalizarea serviciului solicitat.
Cap.4. Simulare

MMI - Cursul 7

33

Fig.8
Cap.4. Simulare

MMI - Cursul 7

34

Fig.9
Cap.4. Simulare

MMI - Cursul 7

35

Modul de completare a tabloului cu datele de intrare ale

sistemului este prezentat n fig.10.
Coloana Immediate Follower definete circuitul pe
care l parcurge fiecare pies n sistem. Astfel, dup ce piesa
X ajunge n sistem, mai nti intr n Coada1, dup care este
prelucrat pe Maina1, apoi ateapt n Coada3 pentru a fi
prelucrat pe Maina3. Dup Maina3 urmeaz Coada5 i
prelucrarea pe Maina4.
Coloana Input Rule arat fiecrei staii de servire cum
s selecteze o pies din coada care o precede. Aceast
coloan are o importan deosebit mai ales n cazul n care
o staie de servire este precedat imediat de mai multe cozi.
Astfel, Maina3 este precedat imediat de Coada3 care
conine piese X i Coada4 care conine piese Y. Din regulile
Cap.4. Simulare

MMI - Cursul 7

36

Fig.10
Cap.4. Simulare

MMI - Cursul 7

37

predefinite se alege regula Assembly. Aceasta nseamn c

trebuie s existe cel puin o pies X n Coada3 i cel puin o
pies Y n Coada4 pentru ca Maina3 s poat lucra. Dac
una dintre cozi nu conine piese, Maina3 trebuie s atepte.
Cu comanda Switch to graphic Model din meniul
Format se obine reprezentarea grafic a sistemului (fig.11).

Fig.11
Cap.4. Simulare

MMI - Cursul 7

38

Realizarea simulrii
Din meniul Solve and Analyze se acioneaz comanda
Perform Simulation, care deschide caseta de dialog
Queuing System Simulation.
Generarea valorilor mrimilor probabiliste se face cu
metoda Monte Carlo, care utilizeaz distribuia de probabilitate cumulat asociat fiecrei mrimi probabiliste. Generatorul de numere aleatoare necesit o valoare iniial.
Se specific 100 de ore de simulare. Pentru colectarea
rezultatelor simulrii se introduce valoarea 20 de ore, pentru
a nltura influena condiiilor iniiale cnd stocurile
intermediare sunt zero.
Se acioneaz butonul de comand Simulate i se
obine (v. fig.12):
Cap.4. Simulare

MMI - Cursul 7

39

Fig.12
Cap.4. Simulare

MMI - Cursul 7

40

Se observ c numrul efectiv de ore simulare este

100,05 ore n loc de cele 100 de ore specificate. Explicaia:
simularea se ncheie dup finalizarea prelucrrii pieselor
aflate n lucru pe diferite maini.
Analiza rezultatelor
WinQSB ofer rezultate pentru trei tipuri de analize:
analiza clienilor care au intrat n sistem;
analiza utilizrii staiilor de servire;
analiza cozilor.
Cu comanda Show Analysis se obine un tabel (fig.13)
cu informaii referitoare la prelucrarea pieselor X i Y.
Numrul total de piese intrate n sistem, din a 20-a or
pn n a 100-a or simulat este de 126 tip X i 135 tip Y.
Cap.4. Simulare

MMI - Cursul 7

41

Fig.13
Cap.4. Simulare

MMI - Cursul 7

42

Numrul mediu de piese n sistem, pe este de 11,83

piese X i 5,61 piese Y.
Numrul total de produse finalizate dup prelucrare pe
Maina4 este 115 (piesa XY este denumit de program X).
Timpul mediu de prelucrare a unui produs final este de
1,36 ore, cu abaterea standard 0,22 ore.
Se constat c:
(1,36 ore)115 = 156,4 ore > 80 ore simulare
deoarece prelucrarea are loc simultan pe mai multe maini.
Timpul mediu de ateptare pentru un produs final este
de 8,87 ore, cu abaterea standard de 3,36 ore.
Timpul mediu petrecut n sistem de un produs final este
de 10,11 ore, cu abaterea standard de 3,33 ore.
Observaie: Timpul mediu petrecut n sistem nu este suma
Cap.4. Simulare

MMI - Cursul 7

43

dintre timpul mediu de prelucrare i timpul mediu de

ateptare, ci urmrete drumul parcurs de piese pentru
realizarea produsului final.
Cu comanda Show Server Analysis din meniul Results
se obine un tabel (v. fig.14) cu informaii referitoare la
utilizarea mainilor.

Fig.14
Cap.4. Simulare

MMI - Cursul 7

44

Se constat c Maina4 este utilizat 100%. Depirea

care apare s-ar explica prin faptul c numrul de ore de lucru
simulate este de 100,05 ore n raport cu cele 100 ore
specificate.
Pentru sistemul de producie analizat, Maina4 poate fi
considerat un loc ngust deoarece are cel mai mare timp
de prelucrare: 0,70 ore n medie i 1,35 ore maxim. Numrul
de piese realizate de Maina4 este 115, fa de 126 realizate
de Maina3.
Cu comanda Show Queue Analysis din meniul Results
se obine un tabel cu informaii referitoare la cozile din
sistemul de producie (fig.15):

Cap.4. Simulare

MMI - Cursul 7

45

Fig.15

Rezultatele din tabel confirm faptul c Maina4 este

un loc ngust n procesul de producie. Astfel Coada5 care
precede Maina4 are cea mai mare lungime, precum i cel
mai mare timp de ateptare.
Comanda Show Graphic Analysis din meniul Results
deschide caseta de dialog Graphic Analysis (fig.16):
Cap.4. Simulare

MMI - Cursul 7

46

Fig.16
Cap.4. Simulare

MMI - Cursul 7

47

Se pot obine diferite tipuri de diagrame (fig.17-19):

Fig.17
Cap.4. Simulare

MMI - Cursul 7

48

Fig.18
Cap.4. Simulare

MMI - Cursul 7

49

Fig.19
Cap.4. Simulare

MMI - Cursul 7

50

3. Decizia de testare i lansare pe pia a

unui produs nou. Studiu de caz

Cap.4. Simulare

MMI - Cursul 7

51

O firm a pus la punct un nou medicament pentru

tratarea unei afeciuni respiratorii. Medicamentul ar putea fi
complet terminat i testat pentru a fi lansat pe pia n anul
urmtor, dac va primi avizul comisiei de specialitate. Dei
s-au obinut rezultate foarte bune n urma unor experimente
efectuate, succesul total al produsului este destul de
marginal, iar managerul firmei nu este sigur c produsul va
primi avizul comisiei.
Managerul firmei dorete s analizeze dac va renuna
la noul produs sau dac va trece la fabricarea i lansarea lui
pe pia deoarece poate fi un produs profitabil.
Pentru simulare se va utiliza produsul software Crystal
Ball, care are interfaa de tip foaie de calcul.
Cap.4. Simulare

MMI - Cursul 7

52

Pentru a realiza simularea se vor defini urmtoarele

elemente:
costurile de testare;
costurile de marketing;
numrul pacienilor vindecai n faza de testare a
produsului;
mrimea pieei;
cota de pia;
venitul realizat pe consumator.
Pn n momentul actual, firma a cheltuit deja 10 mil.
u.m. pentru cercetarea i experimentarea produsului n
laborator.
Se estimeaz c firma va mai cheltui ntre 3 i 5 mil.
Cap.4. Simulare

MMI - Cursul 7

53

u.m. pentru testarea pe pacieni.

Se consider c orice valoare din intervalul [3, 5] mil.
u.m. are o ans egal de a fi costul real de testare (mrime
probabilist). Pentru a descrie costul de testare se va alege
distribuia uniform:
=CB.Uniform(3,5)
Dac produsul va fi aprobat de comisia de specialitate,
firma va angaja un numr mare de ageni de vnzare i va
lansa o campanie extensiv de publicitate pentru a educa
publicul n legtur cu noul produs.
Firma estimeaz c va cheltui ntre minim 12 mil. u.m.
i maxim 18 mil. u.m., cel mai probabil 16 mil. u.m. Pentru a
descrie costurile de marketing se va utiliza distribuia
Cap.4. Simulare

MMI - Cursul 7

54

triunghiular:
=CB.Triangular(12,16,18)
Pentru a obine avizul comisiei, produsul trebuie supus
unui test controlat pe un eantion de 100 de pacieni. Dac
va rezolva afeciunea pentru cel puin 20 dintre pacieni fr
s nregistreze efecte secundare, firma sper s obin
aprobarea de la comisie.
Testele preliminare au artat o rat a succesului de
aproximativ 25%. Pentru a descrie numrul de pacieni
vindecai, se utilizeaz o distribuie binomial cu probabilitatea de succes 0,25 la un numr de 100 de ncercri.
Distribuia se va calcula cu funcia:
= CB.Customer(D2:E102)
Cap.4. Simulare

MMI - Cursul 7

55

Firma a determinat c sufer de afeciune aproape 2

milioane de persoane i c n anul n care are loc testarea,
numrul celor afectai va crete cu 0% pn la 5%.
Dar exist ansa de 0,25 s apar un produs competitor,
care va reduce piaa potenial a firmei cu 5% pn la 15%.
Aceast rat de cretere a bolnavilor nu poate fi descris
standard. Ea va fi introdus n celula destinat printr-o
succesiune de comenzi.
Departamentul de marketing estimeaz cota de pia a
produsului ca o mrime probabilist normal distribuit cu
media 0,08 i deviaia standard 0,02. Aceast cot mic
reprezint o estimaie prudent, deoarece s-au nregistrat
unele efecte secundare n timpul testelor preliminarii.
Cap.4. Simulare

MMI - Cursul 7

56

Cu toate acestea, departamentul de marketing estimeaz

o cot de pia minim de 5%, dat fiind interesul artat fa
de produs n timpul testelor preliminarii.
Pentru simularea cotei de pia se va folosi funcia
=CB.Normal(0.08,0.02,0.05)
Se estimeaz c, n cazul aprobrii medicamentului,
profitul unitar obinut n urma vnzrii dozei necesare unui
pacient este de 250 u.m.
Profitul total brut se calculeaz cu formula:
profit total brut = numr bolnavi cota de pia
profit unitar
Dac produsul este aprobat de ctre comisia de specialitate, profitul total net este:
Cap.4. Simulare

MMI - Cursul 7

57

profit total net = profit total brut - (cost cercetare + cost testare + cost marketing)
Dac produsul este respins de ctre comisia de specialitate, profitul total net este:
profit total net = - (cost cercetare + cost testare)
Obiectivul simulrii const n oferirea de informaii
pentru fundamentarea unei decizii privind trecerea sau
renunarea (amnarea) la fabricarea i lansarea pe pia a
medicamentului.
n acest scop conducerea firmei dorete s afle:
a) Care este probabilitatea s aib pierderi ?
b) Care este probabilitatea ca profitul net s fie mai mare
de 4 mil. u.m. ?
Cap.4. Simulare

MMI - Cursul 7

58

Se consider c, dac exist ansa mai mare de 65% ca

profitul net s fie mai mare de 4 mil. u.m., atunci produsul
va putea fi lansat pe pia.
Pe baza simulrii i se vor analiza n detaliu rezultatele
indicatorilor de performan: profitul total net i profitul
total brut dup aprobarea medicamentului.
Construirea modelului de simulare
n foaia de calcul cu care opereaz produsul software
Crystal Ball se definesc datele de intrare, cu excepia ratei
de cretere a cazurilor de afeciune respiratorie (v. fig.20):

Cap.4. Simulare

MMI - Cursul 7

59

Fig.20
Cap.4. Simulare

MMI - Cursul 7

60

Pentru a genera rata de cretere se parcurg urmtoarele

etape:
1. Se selecteaz celula B10.
2. Se execut un clic pe butonul Define Assumption, care
deschide caseta de dialog Distribution Gallery:

Fig.21
Cap.4. Simulare

MMI - Cursul 7

61

3. Se selecteaz distribuia Custom (deoarece distribuia

este descris ntr-o zon specificat de utilizator).
4. Se execut un clic pe butonul OK, care deschide caseta
Custom distribution.
5. Se tasteaz valoarea 0 n cmpul Value i valoarea 0.05
n cmpul Value2.
6. Se tasteaz 0.75 n cmpul Prob..
7. Se acioneaz butonul Enter, care deschide o nou
caset de dialog.
8. Se tasteaz valorile -0.15 n cmpul Value i -0.05 n
cmpul Value2.
9. Se tasteaz 0.25 n cmpul Prob..
10. Se acioneaz butonul Enter.
Cap.4. Simulare

MMI - Cursul 7

62

11. Se execut un clic pe butonul de coamnd OK.

Se definesc celulele care n care se vor returna
rezultatele obinute dup simulare:
B16 - profitul total brut dup aprobare;
B17 - profitului total net.
n cazul celulei B16 se procedeaz astfel:
1. Se selecteaz celula B16.
2. Se acioneaz butonul Define Forecast, care deschide
caseta Define Forecast.
3. n cmpul Forecast name se completeaz denumirea
celulei: Profit brut.
4. n cmpul Units se completeaz unitatea de msur
(monetar).
Cap.4. Simulare

MMI - Cursul 7

63

5. n seciunea Forecast Window Size se selecteaz

opiunea Large.
6. Se selecteaz opiunea When Stopped (faster) pentru
afiarea automat a rezultatelor.
7. Se execut un clic pe butonul OK.
Observaie: n cazul celulei B17 se procedeaz n mod
asemntor.
Executarea simulrii
1. Din bara de instrumente se activeaz comanda Run
Preferences, care deschide caseta de dialog cu acelai
nume (fig.22).
2. Se selecteaz opiunea Trials.
3. Se introduce numrul dorit de iteraii de simulare:1000.
Cap.4. Simulare

MMI - Cursul 7

64

Fig.22

4. Se selecteaz opiunea Sampling.

5. Se selecteaz opiunea Use Same Sequence of
Random Numbers.
Cap.4. Simulare

MMI - Cursul 7

65

6. Se introduce 999 pentru generatorul de numere

aleatoare.
7. Se execut clic pe butonul OK.
8. Din bara de instrumente se activeaz Start Simulation.
n timpul simulrii, pentru fiecare variabil de ieire
(profitul brut i profitul net) se afieaz pe ecran distribuia
frecvenelor valorilor obinute prin simulare.
Analiza rezultatelor
n fig.23 este prezentat diagrama de distribuie a
frecvenelor valorilor pentru variabila profitul net.
Se constat c profitul net variaz ntre 15 i 40 mil
u.m. Pentru a determina probabilitatea ca profitul net s fie
pozitiv, se nlocuiete "Infinity" cu 0. Rezult probabilitaCap.4. Simulare

MMI - Cursul 7

66

Fig.23

tea de 80,5% ca s se realizeze profit; deci probabilitatea de

a avea pierderi este de 19,5% (fig.24):

Cap.4. Simulare

MMI - Cursul 7

67

Fig.24

Se poate realiza un profit net mai mare dect 4 mil. u.m.

cu probabilitatea de 69,5%, valoare care reprezint condiia
Cap.4. Simulare

MMI - Cursul 7

68

de lansare pe pia:

Fig.25
Cap.4. Simulare

MMI - Cursul 7

69

Profitul brut n cazul aprobrii variaz ntre 20 i 65

mil. u.m. aa dup cum se poate vedea n fig.26:

Fig.26

Cap.4. Simulare

MMI - Cursul 7

70

4. Simularea rezervrilor locurilor n plus

la un avion. Studiu de caz

Cap.4. Simulare

MMI - Cursul 7

71

n o serie de domenii (linii aeriene, hoteluri,

restaurante) din cadrul sectorului de servicii se fac rezervri
peste numrul de locuri. Cu ct sunt acceptate mai multe
rezervri, cu att va fi mai mic probabilitatea s rmn
locuri libere, dar va crete probabilitatea s fie refuzat un
client care se prezint pentru a obine locul rezervat.
Cazul studiat n continuare se refer la liniile aeriene.
Managerul unei linii aeriene este preocupat de ocuparea
locurilor avionului pentru un anumit zbor. Dup analiza
datelor din trecut referitoare la procentajul celor care nu se
prezint pentru mbarcare la zborul dintre dou localiti, el
a determinat c n medie, procentajul de neprezentare este de
Cap.4. Simulare

MMI - Cursul 7

72

15%. Avionul utilizat are o capacitate de 110 locuri fr

difereniere pe clase.
Rut de zbor considerat este foarte solicitat de
oamenii de afaceri.
Preul mediu al unui bilet este de 500 uniti monetare
(u.m.).
Dac s-ar accepta numai 110 rezervri, atunci aproape
sigur avionul va rmne cu locuri libere din cauza
neprezentrii cltorilor. Aceste neprezentri pot constitui o
oportunitate pentru firm.
Pe de alt parte, dac sunt acceptate mai multe rezervri
dect locuri, este posibil, ca i dup scderea celor care nu se
prezint pentru mbarcare, s existe mai muli cltori dect
locuri.
Cap.4. Simulare

MMI - Cursul 7

73

Procedura n cazul unui client refuzat este aceea de a i

se oferi un loc la urmtorul zbor i de a i se acorda o
compensaie (un zbor gratuit n viitor, un bon de mas
gratuit, cazare gratuit la un hotel etc.). n medie, o
compensaie cost cca. 700 u.m.
Cu ct sunt acceptate mai multe rezervri, cu att va fi
mai mic probabilitatea s rmn locuri libere, dar va crete
probabilitatea s fie refuzat un client care se prezint pentru
mbarcare.
Pentru a determina numrul optim de rezervri, se
folosete simularea i se analizeaz valorile cuprinse ntre
110 si 144 cu pasul 2.
n acest scop se va utiliza produsul software @RISK,
care are interfaa de tip foaie de calcul.
Cap.4. Simulare

MMI - Cursul 7

74

Se presupune c toi cltorii care se prezint pentru

mbarcare au pltit biletele de avion.
Obiectivul urmrit este determinarea numrului de
rezervri care s maximizeze profitul zborului.
Profitul se calculeaz cu formula:
profit = numr cltori ce se prezint pentru mbarcare
pre bilet de avion numr cltori refuzai cost de
compensaie
Numrul cltorilor ce se prezint pentru mbarcare
este o variabil probabilist independent, descris de o
distribuie de probabilitate binomial, avnd ca parametrii:
numrul de rezervri efectuate;
probabilitatea de a se prezenta cltorii pentru mbarcare
Cap.4. Simulare

MMI - Cursul 7

75

i anume: 1 - 0,15 = 0,85

Numrul cltorilor refuzai este o variabil probabilist dependent, deoarece depinde de numrul cltorilor
care se prezint pentru mbarcare. El poate fi determinat cu
formula:
= MAX(0, (numrul cltorilor ce se prezint pentru
mbarcare 110)
Preul biletului i costul de compensaie sunt parametri
considerai cunoscui.
Deci profitul va fi o mrime probabilist dependent.
Variantele decizionale se refer la numrul de rezervri
acceptate.
Valorile analizate, cuprinse ntre 110 si 144 cu pasul 2,
Cap.4. Simulare

MMI - Cursul 7

76

se vor insera cu formula:

=RiskSimtable ({110,112,114,116,118,120,122,124,
126,128,130,132,134,136,138,140,142,144})
Foaia de calcul @RISK pentru rezolvarea problemei
este prezentat n fig.27.
Pentru fiecare numr de rezervri acceptate, se va
genera numrul cltorilor ce se vor prezenta pentru
mbarcare, n celula B12, cu formula:
=RiskBinomial (B10 B7)
Formula specific o distribuie binomial cu numrul de
ncercri egal cu numrul de rezervri i probabilitatea de
succes a fiecrei ncercri egal cu (1 - probabilitatea de
neprezentare la avion).
Cap.4. Simulare

MMI - Cursul 7

77

Fig.27
Cap.4. Simulare

MMI - Cursul 7

78

Realizarea simulrii
Pasul 1. Se stabilete numrul de iteraii i de experimente
de simulare.
Din bara de instrumente @Risk, se selecteaz butonul
Change @Risk Settings
, care deschide caseta de dialog
Simulations Settings.
Se selecteaz seciunea Iterations (fig.28).
Se introduc n csuele respective valorile: 1000 pentru
numrul de iteraii; 18 =(144-110)/2+1 pentru numrul de
simulri.
Se selecteaz butonul Sampling pentru a vizualiza
valorile aleatoare generate la fiecare iteraie.

Cap.4. Simulare

MMI - Cursul 7

79

Fig.28

n seciunea Standard Recalc se selecteaz opiunea

Monte Carlo (fig.29).

Cap.4. Simulare

MMI - Cursul 7

80

Fig.29
Pasul 2. Se specific zona de colectare a rezultatelor
simulrii.
Deoarece scopul simulrii este de a determina varianta
de rezervare cu cel mai mare profit, se alege ca zon de
output celula n care se calculeaz profitul.
Cap.4. Simulare

MMI - Cursul 7

81

Se selecteaz celula B18.

Se acioneaz butonul Add Output Cell
lua n considerare celula B18.

pentru a

Pasul 3. Se acioneaz butonul Run Simulation

pentru
a ncepe simularea.
n caseta Simulating se afieaz stadiul curent al
simulrii:

Fig.30

Cap.4. Simulare

MMI - Cursul 7

82

Analiza rezultatelor
n Simularea 1 al crei rezultat este prezentat n fig.31
se observ c dac se accept numai 110 rezervri, atunci
profitul mediu este de 46829,5 u.m.
Se acioneaz butonul Merge Sim#s i se obin
rezultatele prezentate n tabelul din fig.32.
Se constat c pe msur ce numrul de rezervri crete,
profitul mediu crete, apoi ncepe s scad.
Se realizeaz cu 7230,2 u.m. mai mult profit, ceea ce
reprezint o cretere cu 15,3%.
n fig.33 sunt ilustrate curbele profitului pentru patru
variante decizionale: 110 rezervri (Sim#1); 116 rezervri
(Sim#4); 132 rezervri (Sim#12); 138 rezervri (Sim#15).
Cap.4. Simulare

MMI - Cursul 7

83

Fig.31
Cap.4. Simulare

MMI - Cursul 7

84

Fig.32
Cap.4. Simulare

MMI - Cursul 7

85

Fig.33
Cap.4. Simulare

MMI - Cursul 7

86

Este dominant varianta care conduce la cel mai mare

profit pentru aceeai probabilitate i anume varianta cu
acceptarea a 132 rezervri (cu 20 mai mult dect capacitatea
avionului).
Observaie: n modelul analizat s-a presupus c exist
cerere pentru orice numr de rezervri oferit de linia aerian.
In realitate, exist o distribuie de probabilitate care descrie
cererea. n aceste condiii, nivelul rezervrilor acceptat de
linia aerian ar putea s scad.

Cap.4. Simulare