Simulare

Modelarea economico-matematic,
alternativ la experimentul
din tiinele exacte.
Metode. Concepte. Clasificri.

1.1 Condiiile de apariie a modelrii economico-matematice

Bazele abordrii raionale a mecanismului de funcionare a unei
organizaii sunt puse de coala clasic (F.W. Taylor, H. Ford, H.
Fayol) la nceputul sec. XX. Nu au folosit conceptele: informaie i
decizie.
Dup 1950, coala neoclasic (Peter Drucker, Alfred Sloan, Ernest
Dale) include activitile de producere, recepionare, transport,
prelucrare i stocare de informaii n scopul lurii deciziei n
organizarea i conducerea ntreprinderii moderne.
coala comportamentului (Elton Mayo, Abraham Zalesnick i D.C.
Peltz) acord atenie comportamentului oamenilor n timpul procesului
productiv, propune descentralizarea deciziilor, promoveaz ncrederea
n membrii unui grup.
Odat cu apariia primei generaii de calculatoare electronice (deceniul
V), a primelor lucrri de cibernetic i a primelor echipe de cercetare
operaional, se dorete mai mult rigurozitate n luarea deciziei prin
procedee tiinifice, caracterizate prin fundamentare teoretic, bazat pe
metode matematice, cu pstrarea unei orientri generale, practice i
realiste.
Se contureaz ca discipline privind conducerea: cercetarea operaional,
cibernetica, informatica, psihosociologia organizrii i teoria general a
sistemelor.
Modelarea i simularea proceselor economice are legturi strnse cu
toate aceste domenii i este conceput astfel nct s ofere economitilor
o serie de modele i tehnici necesare aciunilor manageriale la nivel
microeconomic.
Rezolvarea problemelor manageriale din ntreprinderi nu se poate
realiza cu un model matematic pur.
Modelarea economico-matematic este folosit de manager ca o
alternativ la experimentul utilizat n tiinele exacte.
1

Modelarea economic ofer managerului latura riguroas a aciunilor
sale (tiina de a conduce), modaliti multiple de punere de acord a
resurselor (materiale, umane, financiare) existente cu obiectivele
formulate pentru o anumit perioad de timp, oferindu-i posibilitatea de
a gsi i a decide mai bine i mai repede fr s denatureze
realitatea.

1.2 Metode de culegere i prelucrare a datelor folosite n modelarea
economico-matematic

n procesul fundamentrii complexe a deciziei se pleac de la o serie de
mrimi (indicatori) care provin din observri, anchete, raportri i care
pot fi msurate cu diferite grade de precizie (figura 1.1).

I

Figura 1.1

Metode
de culegere date de prelucrare date
Deterministe
Stochas
tice
Vagi Exacte
Aproxi
mative
Euristice
Modelarea i simularea proceselor economice este o disciplin
economic de grani cu matematica i tehnica de calcul i se ocup de
fundamentarea deciziei manageriale n condiii de eficien pentru
productor cu ajutorul unor modele economico-matematice flexibile i
cu posibilitatea utilizrii tehnicii simulrii.
Modele
fuzzy
Observri
Anchete
Msurtori
Raportri
Mrimi
Modele
deterministe
Modele
stochastice
Modele
euristice
Soluie optim
Soluie optim
cu o probabilitate
Soluie suboptimal
Volum de date
Redus Bogat
mare mic
Modele
stochastice
Modele
deterministe
Precizia mrimilor
Deterministe Stochastice Vagi

Din punctul de vedere al preciziei mrimile ce caracterizeaz procesele
economice pot fi:
mrimi deterministe (riguros stabilite cu o valoare unic);
mrimi stochastice, aleatoare (mrimi ce au o mulime de valori crora
li se asociaz o probabilitate);
mrimi vagi / fuzzy (nu au o valoare unic, ci o mulime de valori
crora li se asociaz un grad de apartenen la o anumit proprietate).
n consecin se ajunge la o grupare similar a metodelor de prelucrare
folosite n vederea adoptrii unor decizii:
Metodele exacte permit obinerea n cadrul unei probleme de decizie
economic a unei soluii S care ndeplinete, fr nici o eroare (abatere), restriciile
impuse i/sau condiiile de optim, cerute prin criteriile de eficien. Dac notm
prin S vectorul soluiei efectiv adoptate, iar prin S* vectorul soluiei adevrate,
atunci: S S* = 0.
Metodele aproximative sunt acele metode care permit obinerea unei soluii
S, diferit de soluia adevrat S* printr-un vector , dominat de un vector
a

dinainte stabilit, adic:
S S* =
a
(1.1)
Metodele euristice sunt metodele prin care, chiar n cazul unei probleme
complexe, se obine ntr-un timp relativ scurt, comparativ cu alte metode, o soluie
S, acceptabil din punct de vedere practic, fr a avea garanii asupra rigurozitii
rezolvrii. Fiind dat vectorul erorii admisibile
a
, metodele euristice nu reuesc
totdeauna s ne conduc la o soluie S cu proprietatea (1.1). n unele cazuri,
metodele euristice reuesc s asigure respectarea relaiei (1.1), dar cu o anumit
probabilitate.
Metodele euristice pot fi considerate ca o succesiune de ncercri/tatonri,
a cror alegere este legat de fiecare dat de natura problemei de rezolvat i de
personalitatea modelatorului (analistului de sisteme).

1.3 Procesul de trecere de la sistemul real la modelul de simulare

Obinerea unor informaii despre sistem nainte ca el s fie realizat n
mod concret este posibil cu ajutorul tehnicii simulrii. Simularea este o tehnic de
realizare a experimentelor cu calculatorul numeric, care implic construirea unor
modele matematice i logice care descriu comportarea unui sistem real (sau a unor
componente ale sale) de-a lungul unei perioade mari de timp.
Simularea trebuie s genereze intrrile i, innd seama de strile interne
ale sistemului, prin algoritmi adecvai s determine ieirile i s descrie evoluia n
timp a strilor interne ale sistemului.
Dei nu ofer soluii exacte (ci suboptimale), simularea este o tehnic de
cercetare eficient pentru problemele economice complexe la nivel de firm,
imposibil de studiat analitic (cu metodele economico-matematice de optimizare).

Cu ajutorul simulrii se obin mai multe variante de decizie dintre care
managerul o va alege pe cea mai bun, corespunztoare condiiilor date la un
anumit moment.
Consecinele unei experiene reale, fr o experien simulat, pot fi
uneori duntoare n activitatea managerial.
n cazul unui sistem existent (firm, ntreprindere), comportarea sa poate fi
prevzut de un model de simulare care pune n eviden efectul modificrii unor
parametri care descriu sistemul respectiv.
n activitatea de simulare sunt implicate trei elemente importante, i
anume: sistemul real, modelul, calculatorul i dou relaii: relaiile de modelare i
relaiile de simulare.
n figura 1.2 se prezint sintetic procesul de trecere de la sistemul real la
modelul de simulare / modelul real.

Validare

Validare

Figura 1.2

Sistemul real reprezint sistemul perceput cu simurile omului.
Modelul real reprezint sistemul real nlocuit i care corespunde, n
principiu, cerinelor sistemului iniial.
Modelul abstract realizeaz trecerea de la sistemul real la modelul
real. El reproduce sistemul real prin descompunerea sistemului n prile
componente elementare i stabilete legturile dintre acestea.
Validarea rezultatelor se face prin stabilirea concordanei dintre datele din
sistemul real i cele oferite de model.

SISTEMUL REAL
MODELUL
ABSTRACT
MODELUL
REAL
Date din sistem
obinute prin
observri,
msurtori,
experimente
Date analitice
Date simulate

1.4 Concepte. Clasificri

Esena metodei modelrii const n nlocuirea procesului real studiat
printr-un model mai accesibil studiului.

Orice model economico-matematic va reprezenta fidel un anumit fenomen
numai n msura n care se sprijin pe teoria economic care formuleaz
categoriile, conceptele i legile obiective ale realitii economice.
Principalele criterii pe baza crora se poate face gruparea modelelor
economico-matematice:
n funcie de sfera de reflectare a problematicii economice;
n funcie de domeniul de provenien i concepie;
n funcie de caracterul variabilelor;
n funcie de factorul timp;
n funcie de orizontul de timp considerat;
n funcie de structura proceselor reflectate.
n cadrul fiecrei grupe, modelele sunt descriptive (prezint situaia
existent) i normative (surprind ceea ce se dorete s se obin).
Succesiunea coerent de operaii logice i aritmetice conduce la
algoritmizarea unei probleme economice. Algoritmii pot fi: exaci, aproximativi i
euristici.

1.5 Realizri i tendine n modelarea proceselor economice.
Abordarea multinivel i modelarea procedural

Rezultate remarcabile obinute prin utilizarea unor modele economico-
matematice n organizaii economice:
organizarea i conducerea aciunilor complexe din investiii, cercetare
dezvoltare, producie i n folosirea resurselor disponibile cu analiza
drumului critic;
optimizarea prin programare liniar a transportului materialelor i
produselor de mas;
minimizarea costului ateptrii n porturi, gri, aeroporturi;
rezervarea unor locuri de transport, cazare;
obinerea unor amestecuri de produse petroliere de bun calitate i mai
ieftine;
croirea raional a barelor i suprafeelor dreptunghiulare ce necesit
prelucrri;
Modelul este o reprezentare izomorf a realitii care ofer o imagine
intuitiv, dar riguroas, n sensul structurii logice a fenomenului studiat i
permite descoperirea unor legturi i legiti greu de stabilit pe alte ci.

studii de senzitivitate, parametrizri pentru costuri, preuri, resurse etc.
n prezent se lucreaz la crearea unor sisteme de conducere ierarhizate,
multinivel ce funcioneaz n timp real i care sunt distribuite n toate
compartimentele ntreprinderii. Obiectivul global const n obinerea unei producii
optime cantitativ i calitativ att din punct de vedere tehnic, ct i economic.
Pentru nlturarea rigiditii metodelor de optimizare se recurge tot mai
mult la modelarea procedural care acord un prim rol algoritmului i unul
secundar modelului.
n economie se folosesc n puine cazuri algoritmi exaci (atunci cnd
mrimile economice sunt exacte). n cele mai multe cazuri, se utilizeaz algoritmi
euristici (mrimile economice sunt exacte, dar problema economic este complex,
sau datele de intrare sunt inexacte).

1.6 Schema general de concepere a algoritmilor euristici

Euristica se definete ca fiind:
o clas de metode i reguli care dirijeaz subiectul spre cea mai simpl
i mai economic soluie a problemelor;
un drum care permite descoperirea soluiilor problemelor complexe fr
a le supune unei simplificri sau reducii.
Metodele euristice sunt de fapt tatonri, nu abloane, alegerea lor
depinde de natura problemei de rezolvat i de personalitatea modelatorului.
Modelarea euristic presupune construirea unui sistem analog cu cel
investigat (sistemul real).
Fondatorului euristicii aplicate, Herbert Simion i s-a acordat n 1978
Premiul Nobel pentru economie. El a elaborat un algoritm general al rezolvatorului
de probleme, care reprezint de fapt, schema general de concepere a algoritmilor
euristici (fig. 1.3).
Principalii pai ai algoritmului general al rezolvatorului de probleme:
Pasul 1. Se construiete o soluie iniial.

Pasul 2. Se testeaz condiiile de admisibilitate a soluiei (sistemul de
restricii). Dac aceste condiii sunt ndeplinite se trece la pasul 4. Dac nu, se
calculeaz abaterile i se trece la pasul 3.

Pasul 3. Se caut o strategie de reducere a abaterilor . n acest scop
analistul, pe baza experienei pe care a dobndit-o n practic, stabilete una sau
mai multe strategii care se presupune c ar reduce abaterile . Testnd aceste
strategii, se alege acea strategie care permite, ntr-un numr ct mai mic de iteraii,
anihilarea abaterilor . Dac dup un numr mare de iteraii, raional de mare, nu
s-a reuit s se anuleze aceste abateri, problema este considerat fr soluie (din
punctul de vedere al algoritmului euristic folosit). Dac s-a reuit obinerea unei
soluii admisibile se trece la pasul 4.

Pasul 4. Se calculeaz funcia de performan f(x
0
) a soluiei iniiale
admisibile (de regul un indicator economic) sau funcia global de optimizat (n
cazul folosirii mai multor criterii de natur economic sau social, psihologic
etc.).

Pasul 5. Cu ajutorul unor reguli de transformare, soluia iniial admisibil
x
0
se transform ntr-o alt soluie x
1
, de asemenea admisibil. Cele mai bune reguli
de transformare se aleg dup efectuarea pailor 6 i 7.

Pasul 6. Se calculeaz funcia de performan f(x
1
) a noii soluii.

Pasul 7. Se compar performanele celor dou soluii f(x
0
) i f(x
1
). Dac
performana f(x
1
) este superioar performanei f(x
0
), atunci se evalueaz diferena
f(x
1
) f(x
0
). Dac aceast diferen este semnificativ, soluia x
1
devine soluia
iniial i algoritmul se continu de la pasul 5. Dac aceast diferen este
nesemnificativ sau dac performana f(x
1
) este inferioar performanei f(x
0
),
algoritmul se reia de la pasul 5, alegndu-se acele reguli care permit un ctig
ct mai mare pentru funcia de performan, pn cnd se ajunge la un numr
raional de iteraii. Cnd acest numr a fost atins, algoritmul se oprete, permind
obinerea unei soluii suboptimale.

Se construiete o soluie iniial (x
0
)

Satisfcut

Nesatisfcut

Da Da

Nu

Da

Figura 1.3

Rezumat

Se definete obiectul de studiu i se prezint metodele de culegere i
prelucrare a datelor folosite n modelarea economico-matematic. Se face trecerea
de la sistemul real (ntreprindere) la modelul de simulare.
Sunt definite conceptele de lucru i principalele criterii de clasificare a
modelelor economico-matematice.
Test de admisibilitate a soluiei
(sistem de restricii)
S-a depit numrul
raional de ncercri?
Fr soluie
Alegerea unei reguli
de transformare a
soluiei x
0
n x
1
, de
asemenea posibil
Stabilirea unei
soluii admisibile
Calculul funciei de
performan f(x
1
)
Se compar
performana
f(x
1
)>f(x
0
)
S-a ajuns la
numrul raio-
nal de iteraii?
Se mrete
probabilitatea de
aplicare a regulii
care a avut mai
mult succes
Se tiprete:
x
1
= soluie suboptimal
Se aplic regula de
reducere a lui
Se caut o strategie de
reducere a abaterilor
f = f(x
1
) f(x
0
)
f x
0
= x
1

Nu
Se calculeaz abaterile
Se calculeaz
funcia de
performan f(x
0
).
Funcia global de
optimizat

n cadrul tendinelor actuale i a instrumentarului un loc important l ocup
schema general de concepere a algoritmilor euristici.

yCuvinte cheie

algoritm
algoritm euristic
algoritmul general
al compozitorului
de probleme
algoritmul general
al rezolvatorului
de probleme
arta i tiina de a
conduce
experiment
greedy
Herbert Simon
management
metode
aproximative
metode euristice

metode exacte
model abstract
model real
modelare procedural
modelare economico-
matematic
modele deterministe
modele fuzzy
modele stochastice
reprezentare izomorf a
realitii
sistem real
soluie admisibil
soluie suboptimal
tatonri
variante de decizie

Bibliografie suplimentar

[1] pag. 17-34

# ntrebri recapitulative

1. Care este obiectul de studiu?
2. Care sunt principalele metode de culegere a datelor?
3. Care sunt principalele metode de prelucrare a datelor?
4. n ce const procesul de trecere de la sistemului real (ntreprindere) la
modelul de simulare?
5. Care sunt modelele principale n funcie de structura proceselor
reflectate?
6. Ce reprezint modelarea procedural pentru activitatea economic
practic?
7. Din ce categorie de algoritmi face parte algoritmul general al
rezolvatorului de probleme? Argumentai prin paii algoritmului.

SIMULAREA NUMERIC.
GENERAREA NUMERELOR ALEATOARE

2.1 Descrierea modelelor de simulare.
Realizarea experimentelor de simulare

n cazul sistemelor complexe, modelele matematice ce au un caracter
deductiv nu pot surprinde realitatea. Se apeleaz la modele de simulare
care au caracter procedural.
n figura 2.1 se prezint procesul de selectare a unei metode de luare a
deciziei.
Realizarea experimentului de simulare face necesar parcurgerea
etapelor de:
modelare,
programare,
analiz economic a rezultatelor .
Simularea poate fi analogic, numeric (Monte Carlo i joc de
ntreprindere Business Games) i hibrid.
Soluia este suboptimal.

Simularea este o tehnic de realizare a experimentelor cu calculatorul
electronic, care implic utilizarea unor modele matematice i logice care descriu
comportarea unui sistem real de-a lungul unei perioade mari de timp.

Un sistem de simulare cuprinde:
modelul,
operatorul simulrii,
variabilele I/E,
parametrii I/E.
PAS AL SIMULRII Etapa n care toate variabilele iau valori
constante.
Evoluia sistemului n timp se urmrete cu variabila: CLOCK TIME.
Pentru un anumit model se poate realiza un algoritm cu ceas fix i sau
cu ceas variabil.

2

Figura 2.1

FORMULAREA PROBLEMEI ECONOMICE
EXIST
UN MODEL
SAU UN
SISTEM DE
MODELE?
Decizii bazate
pe experien/
intuiie
Identificarea
alternativelor
posibile
Conceperea
unui model de
simulare
Conceperea
unui model
analitic pentru
rezolvarea
problemei
Se formuleaz
problema
economic
dat. Se
formuleaz
alternativele
decizionale
Identificarea
unor
alternative
posibile
Experimente
cu scopul
selectrii
celei mai
bune
alternative
Selectarea
celor mai
bune
alternative
Rezolvarea
modelului
Se confirm
soluia
Soluia
este
acceptat?
Formularea
deciziei
Nu
Da
Nu
Nu
Da
Da

n figura 2.2 se poate urmri modul n care variaz ceasul n cazul
modelelor cu ceas variabil i cu ceas fix. Valorile succesive ale ceasului T sunt
marcate prin bare, iar apariiile evenimentului E prin puncte.

Ceas cu cretere constant

Ceas cu cretere variabil

Figura 2.2

Fcnd abstracie de particularitile specifice fiecrui program de simulare,
exist o structur global comun tuturor programelor de simulare bazate pe
metoda ceasului variabil (figura 2.3).

Structur ierarhizat

Figura 2.3
Legend: I/E = intrri/ieiri
T
1
y y y y
T
2 T
3
T
4
c

c

c

c

E
1
E
2
E
3
E
4
Rutine I/E
Simulare
activitate
Program de control
Segment rdcin
Ciclul de baz al simulrii
Simulare
activitate
Rutine I/E
Simulare
activitate
Rutine I/E
ncorporat n
limbajul de
simulare
T
2
y y y y
T
3 T
4
T
5
E
1
E
2
E
3
E
4
T
1
y
E
5

2.2 Generarea numerelor aleatoare

Pentru a reproduce n mod realist anumite elemente ale sistemului
simulat / pentru rezolvarea unor probleme numerice apare necesitatea
existenei unor numere ALESE LA NTMPLARE (aleatoare).
Despre un numr oarecare se poate spune c este ntmpltor numai
dac se afl ntr-un context statistic.
n programele de simulare a proceselor economice, generarea
variabilelor aleatoare ocup o pondere relativ mare n timpul total de
rulare la calculator.
Funcia RND

( ) [ ] x RND v =

Prin definiie, NUMERELE ALEATOARE satisfac cerinele:
sunt repartizate uniform ntr-un interval determinat [ ] 1 ; 0 ,
sunt statistic independente (verificate cu testele
2
, Student,
Kolmogorov, Smirnov),
sunt reproductibile,
funcia de repartiie este stabil,
irul enumerat are o perioad de repetiie mare.
Principalele clase de metode de generare a numerelor aleatoare sunt:
manuale, fizice, de memorizare, care constau n consultarea specialitilor, analitice.
n mod practic nu se pot genera numere aleatoare care s satisfac riguros
cerinele prezentate. De aceea, numerele furnizate de generatoarele analitice se
numesc numere pseudoaleatoare.

Generarea numerelor aleatoare n BASIC
FUNCIA RND
Generarea numerelor aleatoare n BASIC se realizeaz cu ajutorul funciei
RND, care atribuie unei variabile un numr aleator cuprins ntre 0 i 1.

Formatul: ( ) [ ] x RND v =
x este o expresie numeric ce afecteaz valoarea atribuit
a) la fiecare rulare a programului GENER1 este generat aceeai secven
de numere aleatoare.

Programul GENER1

10 FOR I = 1 TO 25
20 PRINT RND (I)
30 NEXT I

"Exemplu:

1213501
651861
8688612
7297625
7988531
7.369809E-02
4903128
454519
1072496
9505102
7038703

b) RND (0) repet ultimul numr generat

Programul GENER2

10 FOR I = 1 TO 10
20 PRINT RND (I)
30 NEXT I
40 PRINT : PRINT RND (10)

Instruciunea RANDOMIZE
Instruciunea Randomize iniializeaz generatorul de numere aleatoare.

Formatul este: RANDOMIZE [n]
RANDOMIZE
RANDOMIZE TIMER

[n] este o expresie ntreag, n simpl sau dubl precizie care este utilizat
ca smn de numr aleatoriu.

c) Programul GENER3

10 RANDOMIZE (IX)
20 IX = 2345
30 FOR I = 1 TO 10
40 PRINT RND
50 NEXT I

"Exemplu:

3.438723E-03
7.975286E-02
3002123
4781285
8639965
6350425
4734551
6910661
2771857
489469
Ok

d) n cazul n care [n] este omis, limbajul BASIC suspend execuia i cere
o valoare cu mesajul: Random Number Seed (-32768 to 32767)?

Programul GENER4

10 RANDOMIZE
10 FOR I = 1 TO 10
30 PRINT RND
40 NEXT I

* Observaie: Introducnd aceeai smn se obine aceeai secven.

e) Introducnd instruciunea RANDOMIZE la nceputul programului i
schimbnd la fiecare rulare valoarea iniial (smna), secvena de numere
aleatoare generate este diferit.

f) Utilizarea funciei TIMER permite ca la fiecare rulare a programului s
se obin secvene diferite de numere.

Programul GENER5

10 RANDOMIZE TIMER
20 FOR I = 1 TO 35
30 PRINT RND
40 NEXT I

Rezumat

Se prezint procesul de selectare a unei metode de luare a deciziei
(analitic sau de simulare).
Se definete simularea i se prezint conceptele, elementele componente i
necesitatea generrii numerelor aleatoare.
Se exemplific generarea numerelor aleatoare n BASIC.

y Cuvinte cheie

agenda mutare
calendarul evenimentelor parametru de intrare
ceas constant rutina de comutaie
ceas variabil rutina eveniment
clock time (ceasul simulrii) simulare numeric
experiment de simulare validarea sistemului simulat
generarea numerelor aleatoare variabil aleatoare
increment variabil de ieire
lege de repartiie variabil de intrare
metode analitice de generare


[1] pag. 37-46


1. Ce reprezint un model de simulare?
2. Scopul modelului de simulare este de a fotografia realitatea?
Explicai, exemplificai.
3. De ce nu are modelul de simulare caracter deductiv?
4. Cum se numete simularea caracteristic proceselor economice?
5. De ce agreeaz practicienii elaborarea algoritmilor cu ceas variabil?
6. Ce reprezint rutina eveniment, dar calendarul evenimentelor?
7. Explicai de ce simularea unui sistem este conceput ca un joc.
8. Ce se nelege prin generarea numerelor aleatoare n condiiile unor
restricii date? Dar a celor cu o repartiie dat?

3

3.1 Aplicaii ale metodei de simulare Monte Carlo n economie

n cadrul temei 2 s-a artat c simularea este o tehnic de rezolvare a
problemelor complexe pentru care nu exist metode analitice corespunztoare.
Astfel de probleme manageriale complexe apar n situaiile n care intervin
mrimi i variabile aleatoare care sunt influenate de factori necontrolabili de ctre
decident.
Cele mai frecvente probleme de decizie n care intervin mrimi aleatoare i
care pot fi abordate prin simularea stochastic (probabilistic) sunt urmtoarele:
Lansarea unui nou produs pentru care cererea i/sau preul sunt variabile
aleatoare.
Determinarea politicilor de control al stocurilor (mrimea comenzii de
aprovizionat, nivelul stocului curent la care se lanseaz o nou comand de
aprovizionare, nivelul stocului de siguran etc.) n cazul n care ritmul de
aprovizionare i/sau cererea de consum sunt variabile aleatoare.
Dimensionarea unor faciliti de servire (numrul staiilor de servire,
ritmul de servire) n procesele de ateptare caracterizate prin intervale aleatoare
ntre sosiri (solicitri de servicii) i durate aleatoare de servire. Astfel de procese de
ateptare apar: n cazul produciei n flux, n controlul calitii produciei, la
punctele de control din aeroporturi sau din vam, la ncrcarea i descrcarea
mijloacelor de transport, n magazine, la punctele de achitare a mrfurilor, la
serviciile publice ( secretariate, bnci, oficiile de achitare a taxelor) etc.
Analiza proceselor de reparaii ale utilajelor n vederea programrii
produciei i/sau investiiilor n funcie de distribuia de probabilitate a
defeciunilor i a ritmului de efectuare a reparaiilor.
Estimarea duratei totale de finalizare a unui proiect complex n care
duratele activitilor sunt mrimi aleatoare.
Probleme de programare operativ a produciei n care intervin mrimi
aleatoare referitoare la durata prelucrrii pe diferite maini, ritmul aprovizionrii cu
materiale, produse intermediare etc.
Pentru ca deciziile elaborate pe baza rezultatelor simulrii unui proces
economic s fie viabile, este necesar ca i caracteristicile aleatoare (preul, cererea
de produse, durata de servire etc.) s fie incluse n modelul de simulare.
SIMULAREA STOCHASTIC
CU TEHNICA MONTE CARLO

O mrime aleatoare are mai multe valori posibile, fiecare valoare avnd
asociat o anumit probabilitate. Rezult c, nu poate fi cunoscut cu certitudine
care va fi, la un moment dat, valoarea variabilei aleatoare.
Pentru realizarea experimentelor de simulare n vederea determinrii
valorilor unui indicator economic, este necesar o metod special care s permit
generarea la ntmplare a valorilor pentru fiecare factor aleator care influeneaz
indicatorul respectiv.
Pentru a nelege mai bine cum se poate obine o valoare la ntmplare a
unei variabile aleatoare se va analiza exemplul 3.1.

"Exemplul 3.1

Pentru realizarea unui studiu de marketing, Firma Gama dorete s simuleze
vnzrile zilnice ale televizorului color Gama1. Din evidena vnzrilor din trecut, rezult c
numrul de televizoare vndute zilnic este o mrime aleatoare cu distribuia de probabilitate
din tabelul 3.1.

Tabelul 3.1
Numr televizoare (x
i
)
(buci/zi)
Probabilitatea (p
i
)
60
70
80
90
0,1
0,3
0,4
0,2

Pentru a obine la ntmplare una din cele patru valori: 60, 70, 80 sau 90, care
reprezint numrul posibil de vnzri dintr-o zi, se poate proceda astfel:
- Se pregtesc 100 bilete de hrtie de aceeai culoare i dimensiune. Pe 10 dintre
ele se scrie numrul 60, pe 30 de bilete se scrie numrul 70, pe 40 de bilete se
scrie numrul 80, iar pe 20 de bilete se scrie numrul 90.
- Se mpturesc biletele cu partea scris spre interior i se amestec ntr-un bol.
- Se extrage un bilet i se citete numrul de pe bilet. Evident, ansa cea mai mare
de a fi extras i aparine numrului 80.
Pentru realizarea simulrii ar fi necesare foarte multe extrageri de acest fel. De
aceea, este necesar o alt metod, care s poat fi implementat pe calculator i care s
selecteze, la ntmplare, valorile unei mrimi aleatoare descrise printr-o distribuie de
probabilitate. Aceast metod se numete metoda Monte Carlo. n locul biletelelor de
aceeai culoare i dimensiune se va utiliza un generator de numere aleatoare uniform
distribuite n intervalul [0, 1]. Despre astfel de generatoare s-a discutat n tema 2.

3.2 Prezentarea general a metodei

Ideea de baz a metodei Monte Carlo este urmtoarea:

Metoda a fost inventat de ctre cercettorii americani de la Los Alamos
National Laboratory prin anii 1940, cnd a fost utilizat pentru simularea
traiectoriei unui neutron n plutoniu sau uraniu
1
.
Metoda Monte Carlo poate fi definit ca metod de modelare a variabilelor
aleatoare n vederea determinrii caracteristicilor repartiiei lor, atunci cnd aceste
caracteristici nu pot fi stabilite prin expresii analitice pe baza funciilor teoretice de
densitate de probabilitate.
Prin metoda Monte Carlo, procesul real este nlocuit cu un proces artificial.
Pentru obinerea unor rezultate corecte, se impune ca variabilele aleatoare generate
n timpul experimentelor de simulare s reproduc fidel variabila aleatoare real.
Calitatea eantionului obinut prin simulare poate fi apreciat prin teste de
concordan (Kolmogorov, Smirnov, Pearson sau
2
) care msoar apropierea
dintre repartiia teoretic specificat pentru o anumit variabil aleatoare i
repartiia simulat.
n cazul variabilelor aleatoare descrise prin distribuii empirice discrete de
probabilitate, datele pot fi organizate prin grupri statistice conform tabelului 3.2.

Tabelul 3.2.
Valoarea variabilei aleatoare Frecvena de apariie
x
1

x
2

.
.
.
x
m

f
1

f
2

.
.
.
f
m

1
http://www.cs.jmu.edu/users/pomykajj/isat341/
Metoda Monte Carlo genereaz, la ntmplare, valorile unei variabile
aleatoare, prin utilizarea:
- unui generator de numere aleatoare uniform distribuite n intervalul
[0, 1] i
- a distribuiei de probabilitate cumulat asociat variabilei aleatoare
respective.

n general, n cazul distribuiilor discrete de probabilitate, pentru
obinerea de selecii simulate cu metoda Monte Carlo se poate aplica
urmtoarea procedur:
Pasul 1. Se calculeaz:
probabilitile relative p
i
= f
i
/
=
m
1 i
i
f , i=1,...,m; p
0
=0,
probabilitile cumulate P
k
=
=
k
0 i
i
p , k=1,...,m.
Probabilitatea cumulat P
k
reprezint probabilitatea ca valoarea variabilei
aleatoare X s fie mai mic sau egal cu valoarea x
k
, adic P
k
= P(X x
k
).
Pasul 2. Se asociaz intervale de numere aleatoare fiecrei valori a variabilei
aleatoare. Acest lucru se poate realiza grafic sau tabelar.
Grafic. Pe un sistem de dou axe de coordonate, pe orizontal se reprezint
valorile variabilei aleatoare, iar pe vertical probabilitile cumulate. Pentru fiecare
valoare a variabilei aleatoare se construiete cte o bar vertical care are nlimea
egal cu probabilitatea cumulat corespunztoare acelei valori. n figura 3.1 sunt
reprezentate probabilitile cumulate calculate pe baza datelor din exemplul 3.1.
Tabelar. n tabelul 3.3, fiecrei valori x
k
i se asociaz intervalul [P
k-1
, P
k
).

Tabelul 3.3
Valoarea
variabilei
aleatoare X
Probabilitate
relativ
Probabilitate
cumulat
Intervale
x
1

x
2

.
.
.
x
m

p
1

p
2

.
.
.
p
m

P
1
= p
0
+ p
1

P
2
= P
1
+ p
2

.
.
.
P
m
= P
m-1
+ p
m

[P
0
, P
1
)
[P
1
, P
2
)
.
.
.
[P
m-1
, P
m
)

Pasul 3. Se genereaz un numr aleator u
i
uniform repartizat n intervalul
[0,1] utiliznd un generator de numere aleatoare (de exemplu, unul din programele
GENER1, GENER2, GENER3, GENER4, GENER5 care pot fi apelate prin
MANAGER2 sau cu funcia RAND() din Excel).
Pasul 4. Obinerea valorilor simulate se poate realiza grafic sau tabelar.
Grafic. Numrul generat u
i
se reprezint printr-un punct pe axa vertical din
figura 3.1. Din acel punct se duce o paralel la axa orizontal pn cnd ntlnete
prima bar vertical i se citete valoarea de la baza acelei bare. In tabelul 3.4, n
dreptul numrului aleator generat se scrie valoarea gsit pe grafic.

Figura 3.1

Tabelar. Se caut n tabelul 3.3, intervalul [P
k-1
, P
k
) cruia i aparine
numrul aleator u
i
. Se scrie, n tabelul 3.4, n dreptul numrului aleator utilizat,
valoarea x
j
creia n corespunde intervalul [P
j-1
, P
j
) identificat n tabelul 3.3.
Pasul 5. Se reia procedura de la Pasul 3 pn cnd se obine volumul dorit al
seleciei simulate. In tabelul 3.4 sunt prezentate rezultatele obinute dup 10 generri
de numere aleatoare.

Tabelul 3.4
Nr. aleator
Valoare variabil
aleatoare
Numr televizoare
(buci/zi)
0.296281 x2 70
0.928927 x4 90
0.205136 x2 70
0.852845 x4 90
0.005645 x1 60
0.651622 x3 80
0.799931 x3 80
0.333693 x2 70
0.416841 x3 80
0.011913 x1 60

Datele seleciei simulate pot fi folosite ca date exogene pentru alte modele
sau pot fi utilizate pentru calculul caracteristicilor distribuiei de probabilitate a
variabilei aleatoare cercetate: media, abaterea standard, coeficientul de variaie i
intervalul de ncredere pentru medie.
1
P1
P2
P3
0
0.2
0.4
0.6
0.8
1
0 x1 x2 x3 x4
P
r
o
b
a
b
i
l
i
t
i

Valori ale variabilei aleatoare

- Media =
N
N
1 i
i
x
x

=
= ; Abaterea standard = =
1 N
N
1 i
2
) x
i
x (

- Coeficientul de variaie = Cv = / x
- Intervalul de ncredere (1-) pentru media x poate fi construit cu relaia:

( x - t
/2, N-1
, x + t
/2, N-1
)

unde t
/2, N-1
se obine din tabelele distribuiei t, este de obicei 0,05, iar N
reprezint numrul de experimente de simulare.
Cu ct intervalul de ncredere este mai ngust cu att este mai precis
rezultatul. Se observ c lungimea intervalului se va reduce dac va crete numrul
N al experimentelor de simulare. Precizia metodei variaz invers proporional cu
N
.

*Observaie: Metoda Monte Carlo este implementat n toate programele
de simulare numeric pentru obinerea valorilor variabilelor aleatoare utilizate de
modelele de simulare. De aceea, n general, nu exist programe comerciale care s
implementeze numai metoda Monte Carlo. Dintre programele de care dispune
Laboratorul de modelare i simulare a proceselor economice, numai QM
2
are un
modul special intitulat Monte Carlo Simulation, dar acesta furnizeaz ca rezultat
final numai media variabilei aleatoare descris prin distribuia sa empiric.
Procedura prezentat n seciunea 3.2 poate fi implementat foarte uor ntr-un
program Excel.

3.3 Precizia i proprietile metodei

Metoda Monte Carlo este sinonim cu metoda experimentelor statistice.
n acest context, precizia metodei Monte Carlo se refer la frecvena
relativ sau probabilitatea de apariie a unei valori a variabilei aleatoare simulate i
la media valorilor respectivei variabile aleatoare.
Precizia frecvenei relative sau a probabilitii de apariie a unei valori a
variabilei aleatoare.
- Dac, dup n experimente, frecvena relativ de apariie a unei valori
specificate este f* atunci frecvena real f ar putea avea orice valoare

2
Produsul informatic Quantitative Analysis for Management, succint prezentare n
lucrarea Raiu - Suciu Camelia: Modelarea & simularea proceselor economice. Teorie i
practic. Editura Economic, Bucureti 2002, pag. 377 - 381

n intervalul:

(f* - 2
n
*) f 1 ( * f
; f* + 2
n
*) f 1 ( * f
)

De exemplu, dac n=10 i f* = 0,4 => f (0,09; 0,71).
- Dac, se dorete s se obin o probabilitate p cu precizia =
2
N
) p 1 ( p
, atunci numrul necesar de experimente este:

N = 4p(1-p)/
2

De exemplu, creterea preciziei de 10 ori, de la 0,31 la 0,031 pentru
probabilitatea p = 0,4 conduce la creterea de la 10 la 999 10
3
experimente de
simulare. Deci creterea preciziei de 10 ori, conduce la creterea numrului de
simulri de 10
2
= 100 ori.
Media este o caracteristic a repartiiei variabilei aleatoare simulate.
Pentru utilizarea acestei caracteristici n analizele economice sau pentru calculul
unor indicatori economici de performan, este important s se determine intervalul
de ncredere asociat mediei valorilor obinute prin simulare.
- Dac m =
=
n
1 i
i
v
n
1
= media valorilor obinute dup n experimente
de simulare, media ma variabilei V ar putea fi orice valoare n intervalul:
(m - , m + ), unde =
1 n
n
1 i
2
) m
i
v (
n
2

De exemplu, dup n = 10 experimente, media m = 74, abaterea standard
= 9,66, iar = 6,11, prin urmare: m (67,89; 80,11).
- Dac se dorete s se obin o medie cu precizia
1
=
N
v
D
2 ,
unde
v
D = (
=

n
1 i
2
) m
i
v ( )/(n-1) = dispersia valorilor obinute dup n
experimente de simulare, atunci numrul necesar de experimente de simulare este:

N = 4
v
D /(
1
)
2

De exemplu, dup 10 experimente de simulare, dispersia valorilor este
v
D = 93,33 i se dorete creterea preciziei de 10 ori, de la = 6,11 la
1
= 0,611,
atunci numrul necesar de experimente este N 1000. Deci i n acest caz,

creterea preciziei de 10 ori a condus la creterea numrului de simulri de 10
2
=
100 ori.
Rezult c, o cretere a preciziei metodei Monte Carlo de ori, se poate
obine prin creterea numrului experimentelor de simulare de
2
ori.
Deoarece simularea proceselor economice reale presupune realizarea unui
numr mare de experimente, utilizarea calculatorului este o necesitate.
Metoda Monte Carlo nu este recomandat pentru simularea unor procese n
care apar valori cu probabilitate foarte mic deoarece, pentru obinerea unei
precizii adecvate ar fi necesar un numr extrem de mare de experimente de
simulare.
Precizia metodei Monte Carlo se poate estima cu un grad de ncredere finit
de 0,99 pn la 0,997. De exemplu, se poate determina un interval pentru media
unei variabile aleatoare simulate, cu nivelul de ncredere de cel mult 0,997.

3.4 ntocmirea programului de producie n funcie de performanele
echipamentului existent

ntocmirea unui program de fabricaie presupune evaluarea prealabil a
resurselor disponibile i n special evaluarea performanelor echipamentelor de
producie. Performana unui echipament poate fi influenat de factori
necontrolabili de ctre managerul de producie. De aceea, ar putea fi util realizarea
unor experimente de simulare att pentru verificarea unor ipoteze ct i pentru a
determina intervalul de ncredere pentru diferite caracteristici de performan.
Acest tip de probleme ct i probleme nrudite sunt tratate n lucrrile
care completeaz aceast sintez i anume: [1], Studiul de caz 1 de la
pag. 54 58, [2], Studiul de caz 2 de la pag. 14 17.

Rezumat

Sunt prezentate mai nti principalele aplicaii economice ale metodei
Monte Carlo la rezolvarea unor probleme de decizie managerial.
Prezentarea metodei Monte Carlo se face pornind de la ideea de baz a
metodei care const n utilizarea unui generator de numere aleatoare uniform
distribuite n [0, 1] i a distribuiei de probabilitate cumulate a variabilei simulate.
Sunt descrise etapele necesare pentru obinerea seleciilor simulate n cazul
variabilelor aleatoare cu distribuii discrete de probabilitate.
Precizia i proprietile metodei Monte Carlo se refer la frecvena relativ
sau probabilitatea de apariie a unei anumite valori a variabilei simulate i la media
valorilor respectivei variabile. Se discut influena preciziei metodei asupra
timpului de calcul.
Pentru aplicarea simulrii la analiza performanelor unui echipament se fac
trimiteri la bibliografia de baz.

y Cuvinte cheie

abatere standard
aplicaii economice ale metodei
Monte Carlo
coeficient de variaie
distribuie de probabilitate
frecven relativ
generator de numere aleatoare
uniform repartizate n [0, 1]
interval de ncredere
medie
metoda Monte Carlo
numr de experimente
precizia metodei Monte Carlo
probabilitate cumulat
probabilitate relativ
test de concordan
variabil aleatoare


[1] pag. 47 58
[2] pag. 14 17


1. Prin ce se caracterizeaz modelele de simulare stochastic aplicabile
ntr-o organizaie?
2. Ce este o mrime economic aleatoare? Exemplificai din practica unei
organizaii.
3. Descriei cteva probleme manageriale n care intervin mrimi aleatoare.
4. Care este ideea de baz a metodei Monte Carlo?
5. Descriei paii procedurii de aplicare a metodei Monte Carlo n
problemele manageriale ale unei organizaii.
6. Care este rolul calculatorului n aplicarea metodei Monte Carlo?
7. De ce sunt necesare testele de concordan?
8. Cum se determin intervalul de ncredere pentru media unei variabile
aleatoare? De ce este important cunoaterea intervalului de ncredere
n analizele economice ale rezultatelor simulrii?
9. La ce se refer precizia metodei Monte Carlo?
10. De cte ori crete timpul de calcul necesar pentru creterea preciziei de Z
ori?
11. Cum se poate construi distribuia de probabilitate a produciei zilnice
realizate de un utilaj?
12. Cum se poate obine distribuia de probabilitate a profitului care ar putea
fi realizat de un produs pentru care cererea i preul sunt aleatoare?

Modelarea fenomenelor de pia

4.1 Modele de estimare a evoluiei cererii pe pia

4.1.1 Raportul cerere - pre

Ipoteze:
n cazul unui venit constant, cererea pentru o anumit marf scade odat
cu creterea preului i invers. Sensibilitatea cererii la modificrile de
pre este ilustrat prin coeficientul de elasticitate al cererii fa de pre.
n cazul unui venit variabil, cererea pentru un bun crete odat cu
creterea venitului i scade cu creterea preului.

4.1.2 Raportul cerere - venit

Dependena cerere venit poate fi exprimat prin funcii de tip ENGEL i
de tip Torqerist pe grupe de produse (bunuri de strict necesitate, bunuri de comun
curent, bunuri de lux, bunuri care pentru un anumit nivel al venitului ies din uz).

4.2 Modelarea structurii ofertei ntreprinderilor pe pia

4.2.1 Indicatorii ofertei de mrfuri

Principalii indicatori ai ofertei sunt: cantitatea de produse existent la un
moment dat pe pia, valoarea produselor, structura pe categorii de
produse, durata de ateptare a produselor pe pia pentru a fi vndute,
frecvena solicitrii produselor de ctre consumatori, vrsta produselor,
ansa lor de supravieuire pe pia, competitivitatea.
Viaa produsului este o curb de tip gama de forma V
t
= k t
e
-t

unde: V
t
vnzrile la un moment (t), k constant, , - parametri
anulnd derivata I, se afl nivelul maxim al vnzrilor;
anulnd derivata II, se afl momentul creterii / descreterii ritmului
vnzrilor;
integrnd, se observ volumul global al vnzrilor n perioada
existenei produsului pe pia.
4

n practic, problema fidelitii cumprtorului fa de o anumit marc,
de un anumit produs, este destul de complex, deoarece pot aprea
produse noi pe o pia destul de saturat de produsele existente, poate
avea loc o competiie ntre produse de vrste diferite, piaa poate fi de
dimensiuni rigide sau elastice, pe pia pot exista oferte, aciuni
publicitare n favoarea unor produse.

4.2.2 Modelarea evoluiei ponderii pe pia a unor produse concureniale
cu lanuri Markov

Orice lan Markov este definit de matricea sa stochastic (P) i de
distribuia iniial a
j
.

Aspecte teoretice
Considerm un ansamblu de rezultate posibile, independente E
1
, E
2
, ... (n
numr finit sau infinit).
Fiecrui rezultat i asociem o probabilitate p
k
.
Probabilitatea unei succesiuni de rezultate se definete prin proprietatea
multiplicativ de forma:
Pr{E
j0
, E
j1
,..., E
jk
,..., E
jn
} = p
j0
*p
j1
,..., *p
jn
.
n teoria lanurilor Markov se consider c rezultatul oricrei ncercri
depinde de rezultatul ncercrii care o precede direct i numai de acesta.
Fiecrei perechi E
j
, E
k
i se asociaz probabilitatea condiionat p
jk
, adic,
dac se realizeaz E
j
, probabilitatea de realizare a lui E
k
este p
jk
.
Probabilitatea rezultatului E
j
al ncercrii iniiale este a
j
(distribuia
iniial).
Probabilitatea condiionat este, de fapt, probabilitatea de trecere de la
starea E
j
la E
k
. Probabilitile de trecere sunt reprezentate sub forma unor matrice
ptratice cu toate elementele nenegative i cu proprietatea c suma elementelor
unei linii este egal cu 1.

Paii algoritmului analitic:
1. Se construiete matricea probabilitilor de trecere de la o stare la o alt
stare n funcie de coeficientul de fidelitate i de reorientare a
cumprtorilor din momente de timp succesive;
2. Se scrie distribuia iniial sub forma unui vector linie, cu elementele
formate din ponderile pe pia ale produselor considerate la momentul 0;
3. Prin nmulirea distribuiei iniiale cu matricea probabilitii de trecere
se determin ponderea produselor pentru momentul 1;
4. Se determin ponderea pe pia a produsului pentru 2, 3, 4 etc momente
dorite;
La stabilirea modului n care se presupune s evolueze ponderea pe
pia a unor produse concureniale pot fi aplicate lanurile Markov

5. Se ntocmete situaia evoluiei ponderii pe pia a produselor;
6. Se traseaz curba evoluiei ponderii fiecrui produs;
7. Se precizeaz situaia produsului la momentul iniial i se stabilete
politica de comercializare a propriului produs n funcie de aceasta, de
situaia concurenei i a posibilitilor tehnico-economice din
organizaie.
Rezolvarea n sistem conversaional cu programele:
MANAGER 1 COTEMARK
QM - MARKOV ANALYSIS
WINQSB - MARKOV PROCESS
Paii algoritmului de simulare
Simularea comportamentului cumprtorilor.
Pasul 1. Pentru fiecare linie a matricei probabilitilor de tranziie se
determin distribuia de probabilitate cumulat.
Pasul 2. Cu ajutorul probabilitilor cumulate se asociaz fiecrui tip de
produs un interval de numere aleatoare uniform distribuite n acel interval;
Pasul 3. Se genereaz iruri de numere aleatoare n [0, 1];
Pasul 4. Pentru fiecare numr generat se caut intervalul (obinut la
pasul 2) cruia i aparine i se determin tipul de produs ctre care se vor orienta
comprtorii la momentul respectiv n funcie de produsul care l precede direct
(proces Markov);
Pasul 5. Se decide oprirea sau reluarea procesului de simulare de la
Pasul 3 n funcie de numrul dorit de experimente.

4.3 Metode de prognozare a vnzrii produselor

4.3.1 Model de livrare a unor produse conform unui spectru constant
aplicat unor comenzi succesive

Pentru determinarea graficului de livrare a unui produs pentru care se
cunosc comenzile din perioade succesive se utilizeaz metoda vectorilor spectrali.

Un vector spectral este un vector coloanV cu elementele V
j
, j = 1, ..., n cu
proprietatea:

Pe baza valorilor comenzilor emise n diferite perioade succesive se
ntocmete matricea comenzilor (C
2 1
; r t r t +
). Componentele acestei matrice
Metoda vectorilor spectrali se bazeaz pe descompunerea spectrului
succesiunii n timp a unei comenzi conform graficului de livrare pe baza unor
date din trecut, privind evoluia sau structura acesteia.
=
=
n
j
j
V
1
1

reprezint comenzile (valorice) emise n trecut (t r1, comanda cea mai veche) i
cele preconizate pentru viitor (t + r2, ultima comand ce se are n vedere).
Vnzrile de mrfuri pentru perioada (t, t + n+r2) se determin cu relaia:

I
2
r n t , t + +
= C
2 1
; r t r t +
* V
Algoritmul de calcul:
Se construiete matricea extins a comenzilor;
Se stabilesc elementele vectorului spectral;
Se determin prin calcul matriceal valoarea livrrilor de mrfuri n luni
succesive.
n sistem conversaional se lucreaz n MANAGER 1/SPECTRU.

4.3.2 Metoda ajustrii exponeniale exponential smoothing
a lui Brown

Ideea de baz a acestei metode const n corectarea previziunii
proporional cu abaterea constatat ntre previziunile anterioare i realizarea lor,
fiecare abatere fiind ponderat geometric descrescnd pe msur ce se ndeprteaz
de prezent (diminuarea progresiv a influenei informaiilor mai ndeprtate).

Ajustarea exponenial reprezint o sum ponderat a tuturor datelor din
trecut ale unei serii dinamice, cu ponderea cea mai mare plasat asupra celei mai
recente informaii. Datele sunt nivelate cu constante de nivelare:
pentru fenomene fr sezonalitate i trend 0 1;
pentru fenomene cu sezonalitate 0 1;
pentru fenomene cu trend 0 1.
Dac 0 1, factor de nivelare:
S
t
= vnzri realizate n perioada t;
R
t-1
= previziunea vnzrilor fcut la sfritul perioadei (t 1) pentru t.
Expresia previziunii vnzrilor fcute la sfritul perioadei (t) pentru
perioada urmtoare (t + 1) este:
R
t
= R
t-1
+ (S
t
R
t-1
)
sau
R
t
= S
t
+ (1 - )R
t-1

F
t+1
= Y
t
+ (1 - )F
t

vnzri vnzri vnzri
previzionate efective previzionate
Not: Corespondena prin ( ) este realizat pentru notaiile folosite n
produsul informatic WINQSB.

Rezolvarea n sistem conversaional cu produsul informatic WINQSB se
realizeaz parcurgndu-se urmtoarele etape:
se apeleaz modulul Forecasting & Linear Regression;
se alege ca tip de problem de prognoz Time Series Forecasting i se
completeaz cmpurile: titlul problemei, unitatea de timp de lucru,
lungimea seriei dinamice;
se selecteaz metoda Single Exponentul Smoothing (SES) i se alege
modelul de lucru: metode de estimare a parametrilor, iniializarea valorii
lui sau cutarea lui .
n cazul n care se dorete cunoaterea celei mai bune valori pentru , se
alege criteriul de comparare care poate fi: media abaterilor absolute (MAD),
eroarea de prognoz cumulat (CFE), media ptratic a erorilor (MSE) sau media
erorilor procentuale absolute (MAPE).
Datele de intrare precizeaz: numrul de perioade pentru prognoz,
valoarea constantei , valoarea iniial corespunztoare primei prognoze.

4.4 Extrapolarea fenomenologic

Presupune: cunoaterea tipului de evoluie a fenomenului analizat,
exprimat sub forma unei funcii matematice numite funcie de
extrapolare;
Problema central a acestui tip de prognoz este stabilirea tipului funciei
de extrapolare, adic a alegerii din mulimea funciilor matematice
cunoscute (fig. 4.1) a uneia care s aib un mare grad de fidelitate fa
de procesul economic studiat;
Obinerea de rezultate satisfctoare depinde n mod esenial de alegerea
acelor funcii matematice care descriu cel mai bine evoluia procesului
economic analizat.

0 0 0
Curba liniar de plafonare Curba exponenial Curba variaiei sigmoide

0 0
Curba funciei logistice Curba funciei gaussiene
Figura 4.1
Modulul Forecasting SES are ncorporat rutina de determinare a
coeficientului prin simulare.

Rezumat
Pentru modelarea fenomenelor de pia se examineaz aspectele specifice
cererii i ofertei, adic a celor componente care se pun de acord pe pia. Se
examineaz raportul cerere pre, cerere venit, indicatorii ofertei de mrfuri.
Se prezint algoritmul i avantajele modelrii evoluiei ponderii pe pia a
unor produse concureniale cu lanuri Markov.
Sunt selectate ca modele de prognozare a vnzrii produselor: metoda
vectorilor spectrali i metoda ajustrii exponeniale a lui Brown.
Sunt prezentate unele aspecte ale extrapolrii fenomenologice.

yCuvinte cheie

cicluri de simulare
coeficient de elasticitate
coeficieni de nivelare (, , )
corectarea previziunii
curba de evoluie a ponderii
produselor pe pia
eroare de prognoz
experimente de simulare
extrapolare fenomenologic
fidelitatea consumatorilor
funciile Trnquist
indicatorii ofertei de mrfuri
lan Markov
matrice stochastic
media abaterilor absolute
media ptratic a erorilor
modelul lui Brown
nivelare exponenial
(exponential smoothing)
previziune
probabilitatea de trecere dintr-o
stare ntr-o alt stare
produse concureniale
raport cerere-pre
raport cerere-venit
sezonalitate
simularea comportamentului
consumatorului
trend
vector spectral
viaa produsului
volumul vnzrilor


[1] pag. 61 92
[2] pag. 17-44, 56-59.


1. Prezentai aspectele manageriale evideniate prin analiza curbei cerere
venit pentru bunuri de strict necesitate.
2. Ce importan are cunoaterea evoluiei curbei cerere venit pentru
managementul unei firme productoare de bunuri de consum curent.
3. n ce const interpretarea economico-matematice a curbei vieii
produselor unei firme?
4. Ce proprieti are matricea probabilitilor de trecere de la un moment
de structur a pieei la altul?
5. Cum sunt stabilite dimensiunile matricii comenzilor n cazul metodei
vectorilor spectrali?
6. Ce se nelege prin nivelare exponenial primal? Dar secundar?
7. Cum se determin coeficienii de nivelare exponenial?
8. Cnd capt sens economic utilizarea extrapolrii fenomenologice?

STUDIUL DE SENZITIVITATE
A SOLUIILOR OPTIMALE.
FACILITI DE ANALIZ
N SISTEM CONVERSAIONAL

5.1 Formularea cazului general de postoptimizare

Exist tehnici i modele variate care pot fi folosite de manageri pentru
rezolvarea unor probleme decizionale. Printre tehnicile i modelele existente,
modelele de programare liniar ocup un loc important.
Fiind date n activiti competitive i m resurse limitate, se noteaz cu x
1
,
x
2
,...,x
n
, nivelurile pe care le pot atinge fiecare din cele n activiti. Ele reprezint
variabilele de decizie ale problemei, adic mrimile asupra crora decidentul poate
exercita un anumit control n vederea realizrii obiectivului propus.
Vectorul format prin combinarea unor valori atribuite variabilelor x
1
,
x
2
,...,x
n
, reprezint o alternativ sau o variant decizional (de exemplu, vectorul
format din cantitile din fiecare sortiment care se vor realiza ntr-o anumit
perioad de timp de ctre o organizaie reprezint o variant decizional referitoare
la programul de producie al organizaiei pentru perioada respectiv).
Dac variabilele x
1
, x
2
,...,x
n
, reprezint mrimi continue, exist o infinitate
de combinaii posibile ntre valorile variabilelor i, prin urmare, numrul
variantelor decizionale este infinit.
Alegerea unei variante decizionale se realizeaz pe baza unor criterii
economice (profit, cost, ncrcarea utilajelor etc.) exprimate prin funcii liniare de
forma f(X) =
j
x
n
1 j
j
c
=
. Aceste funcii vor fi maximizate sau minimizate n
funcie de obiectivul pe care l reprezint. Ele se numesc funcii obiectiv sau de
eficien.
Nivelul maxim sau minim pe care l poate atinge valoarea funciei obiectiv
depinde de nivelul fiecrei resurse disponibile i de obligaiile pe care organizaia
le are de ndeplinit. Aceste constrngeri la care sunt supuse variantele decizionale
pot fi exprimate matematic prin restricii liniare.
Forma general a modelului de programare liniar este:
max (sau min) f(X) = cX
supus la restriciile:
AX b (sau AX b)
X 0
5

unde:
X = vector coloan cu n componente x
1
, x
2
,...,x
n
, care reprezint necunoscutele
modelului (variabilele decizionale);
A, b, c sunt constantele modelului, considerate certe n perioada analizat;
A = matrice cu m linii i n coloane. Este numit matricea coeficienilor
tehnologici a
ij
, i = 1,...,m, j = 1,...,n;
b = vector coloan cu m componente b
1
, b
2
, ..., b
m
, care sunt termenii liberi din
partea dreapt a restriciilor. Ei reprezint disponibilul maxim dintr-o
anumit resurs sau nivelul minim care trebuie atins de anumite activiti;
c = vector linie cu n componente c
1
, c
2
, ... , c
n
care reprezint coeficienii
funciei obiectiv. Ei pot fi costuri unitare, preuri unitare, profituri unitare
sau ali indicatori de performan care caracterizeaz variabilele de
decizie.
Orice problem de programare liniar are dou forme: forma primal i
forma dual. Prin rezolvarea uneia dintre ele se obin soluiile pentru ambele forme.
Metodele de rezolvare ale modelelor de programare liniar au la baz
algoritmul simplex
3,4
construit de G. Dantzig.
Rezolvarea poate fie efectuat cu produse informatice cum sunt:
QM/Linear Programming, LINDO, XA, XPRESS MP, WINQSB/Lp ilp,
SOLVER care este un instrument add-in al sistemului Excel.
Prin rezolvarea modelului de programare liniar (forma primal) se obin:
Soluia optim, adic varianta decizional care duce la cea mai bun
valoare a criteriului de performan specificat prin funcia obiectiv;
Preurile umbr asociate restriciilor liniare:
- Preurile umbr reprezint valorile optime ale variabilelor duale;
- Preul umbr este diferit de zero numai dac restricia asociat este
verificat cu egalitate, adic numai dac resursa respectiv este
folosit integral de ctre soluia optim;
- Preul umbr asociat unei resurse este valabil pentru un anumit
interval de variaie al cantitii disponibile de resurs;
- Preul umbr arat cu ct s-ar modifica valoarea funciei obiectiv dac
s-ar putea mri cu o unitate disponibilul din resursa respectiv;
- Preurile umbr sunt folosite la analiza senzitivitii soluiei optime la
variaia vectorului b al resurselor.
Costurile reduse asociate restriciilor de nenegativitate asupra
variabilelor decizionale:
- Costul redus este diferit de zero numai dac variabila asociat are
valoarea zero n soluia optim;

3
Cenu Gh., Filip A. i colectiv: Matemetici pentru economiti, Editura Cison, Bucureti,
2000.
4
Lawrence J. A., Pasternack B.A.: Applied Management Science. A Computer- Integrated
Approach for Decision Maring, John Wiley & Sons Inc., New York, 1998.

- Costul redus arat cu ct s-ar nruti valoarea funciei obiectiv
dac valoarea variabilei asociate ar crete de la 0 la 1;
- Costurile reduse sunt folosite pentru verificarea optimalitii
soluiilor problemei de programare liniar.
Dup obinerea soluiei optime, nainte de implementarea practic a
acesteia, decidentul poate efectua:
3 Analize de senzitivitate
3 Reoptimizri
3 Parametrizri

Analiza de senzitivitate
Se refer numai la soluia optim curent (primal sau dual);
Studiaz senzitivitatea unei soluii optime la variaia unui singur
coeficient al modelului de programare liniar, n ipoteza c ceilali
coeficieni ai modelului nu se modific;
Cele mai multe produse informatice furnizeaz informaii pentru analiza
de senzitivitate a soluiei optime primale la variaia coeficienilor
funciei obiectiv i pentru analiza de senzitivitate a soluiei optime duale
la variaia termenilor liberi ai restriciilor liniare.
3 Analiza senzitivitii soluiei optime la variaia coeficienilor funciei
obiectiv
- Furnizeaz intervalul n care poate varia fiecare coeficient al funciei
obiectiv, astfel nct soluia optim primal s rmn neschimbat.
- Intervalul asociat unui coeficient al funciei obiectiv pentru care
soluia problemei rmne optim se numete interval de optimalitate.
- Cunoscnd soluia optim i intervalul de variaie al unui coeficient
al funciei obiectiv, n ipoteza c ceilali coeficieni ai modelului nu
se modific, se poate determina variaia corespunztoare a funciei
obiectiv.
3 Analiza senzitivitii soluiei optime la variaia termenilor liberi ai
restriciilor liniare
- Furnizeaz intervalul n care poate varia fiecare termen liber, astfel
nct soluia optim dual (vectorul preurilor umbr) s nu se
modifice.
- Intervalul asociat unui termen liber pentru care preurile umbr
rmn neschimbate se numete interval de admisibilitate pentru
soluia primalei. (Soluia optim a primalei se poate calcula dac se
cunoate inversa bazei optime curente: X
B
=B
-1
b).
- Cunoscnd preurile umbr optime i intervalul de variaie al unui
termen liber, n ipoteza c ceilali coeficieni ai modelului nu se
modific, se poate determina variaia corespunztoare a funciei
obiectiv.

Reoptimizarea

Const n determinarea soluiei optime n cazul modificrii unor
coeficieni din matricea A i/sau vectorul b i/sau vectorul c;
Reoptimizarea presupune parcurgerea a dou etape:
3 Verificarea optimalitii soluiei curente n noile condiii;
3 Determinarea noii soluii n cazul n care soluia curent nu ndeplinete
condiiile de optimalitate.
*Observaie: Cele mai multe produse informatice pentru rezolvarea
problemelor de programare liniar nu ofer opiunea de reoptimizare. Aceast lips
este compensat prin viteza de calcul i prin interfaa prietenoas care permite
utilizatorului modificarea rapid a coeficienilor i rezolvarea imediat a problemei.
Parametrizarea
Permite analize de tipul ce-ar fi dac? n cazul n care termenii liberi
ai restriciilor sau coeficienii funciei obiectiv sunt funcii liniare de un
parametru;
Parametrizarea presupune parcurgerea a dou etape:
3 Rezolvarea problemei pentru o valoare fixat a parametrului;
3 Studiul senzitivitii soluiei la variaia parametrului.

5.2 Cazurile practice de reoptimizare i parametrizare

Modificarea simultan a cantitilor disponibile din diferite resurse duce
la reoptimizarea n raport cu vectorul b sau la parametrizarea vectorului b al
termenilor liberi;
Modificarea simultan a mai multor costuri unitare (sau preuri) duce la
reoptimizarea n raport cu vectorul c sau la parametrizarea vectorului c al
coeficienilor funciei obiectiv;
Modificarea consumurilor tehnologice determin modificarea unor
elemente ale matricei coeficienilor tehnologici i duce la reoptimizarea n raport
cu matricea A;
Asimilarea de produse noi determin introducerea unor variabile noi i
duce la reoptimizarea n raport cu matricea A i cu vectorul c;
Apariia unor noi resurse limitate determin adugarea de noi restricii
i duce la reoptimizarea n raport cu matricea A i cu vectorul b.

5.3 Variaia vectorului termenilor liberi (resurse)
5.3.1 Reoptimizarea n raport cu vectorul b

Situaia practic: dup obinerea soluiei optime, modificarea
disponibilului de resurse a determinat transformarea vectorului b n vectorul b;
3 Etapa I: Se determin dac soluia optim verific restriciile ai cror
termeni liberi s-au modificat.
- n caz afirmativ, soluia optim rmne aceeai;
- n caz negativ, se trece la Etapa II.
3 Etapa II: Se aplic urmtoarea procedur pentru determinarea noii
soluii:
1. Se identific B
-1
adic inversa bazei corespunztoare soluiei
optime pentru vectorul b (In tabelul simplex al ultimei iteraii, n
dreptul coloanelor care au fcut parte din baza iniial).
2. Se calculeaz noua soluie de baz
' 1 '
B
b B X

=
3. Se verific dac
'
B
X 0. n caz afirmativ,
'
B
X este soluie optim
a problemei modificate.
4. Dac exist componente negative n vectorul
'
B
X , atunci se
aplic algoritmul simplex dual pentru determinarea soluiei
optime.
Aplicaia numeric pentru procedura descris se gsete n [1],
pag. 97 100.

5.3.2 Parametrizarea vectorului b

Situaia practic: variaia disponibilului de resurse este exprimat printr-
o funcie liniar de un parametru R care transform vectorul b n vectorul b().
Se pot realiza dou tipuri de analize parametrice:
1. Parametrizarea unui singur element al vectorului b: b
i
=> b
i
() = b
i
+
i meninerea la nivelul iniial a celorlalte elemente ale vectorului b.
n acest caz, pentru termenul liber b
i
specificat:
3 Se determin toate intervalele de variaie ale parametrului
(-, +) i ale termenului liber b
i
() = b
i
+ , astfel nct
) ( b B ) ( X
' 1 '
B
=

0;
3 Pentru fiecare interval de variaie a lui b
i
se determin:
- variaia corespunztoare a funciei obiectiv;
- panta (slope) funciei obiectiv = raportul dintre variaia
funciei obiectiv i variaia termenului liber b
i
= preul umbr u
i
care
rmne neschimbat n interval.
2. Parametrizarea ntregului vector b: b => b() = b + , unde R, iar
este un vector cu m perturbaii.

n acest caz:
3 Se determin toate intervalele de variaie ale parametrului (-, +)
astfel nct ) ( b B ) ( X
' 1 '
B
=

0. Fiecrui interval i corespunde un vector format
din m preuri umbr care rmn neschimbate n acel interval.
3 Pentru fiecare interval de variaie a lui se determin:
- panta (slope) funciei obiectiv = raportul dintre variaia funciei
obiectiv i variaia parametrului .
Din punct de vedere matematic se aplic urmtoarea procedur:
3 Etapa I: Se obine soluia optim a problemei pentru o valoare fixat
a parametrului (de exemplu pentru parametrul = 0);
3 Etapa II: Studiul senzitivitii soluiei la variaia parametrului
atribuit vectorului b:
1. Se identific B
-1
adic inversa bazei corespunztoare soluiei
optime;
2. Se calculeaz noua soluie de baz ) ( b B ) ( X
' 1 '
B
=

;
3. Se determin intervalul [
1
,
2
] astfel nct ) ( b B ) ( X
' 1 '
B
=

0.
n acest interval, vectorul preurilor umbr u = c
B
B
-1
rmne
neschimbat.
4. Se identific variabila x
j
() < 0 pentru <
1
sau >
2
. Se
aplic algoritmul simplex dual pentru determinarea soluiei
optime i se reia procedura de la punctul 3.
5. Procedura se termin cnd s-au analizat toate valorile lui
(-, +).

pag. 100 103.

5.4 Variaia coeficienilor funciei obiectiv

5.4.1 Reoptimizarea n raport cu vectorul c

Situaia practic: dup obinerea soluiei optime, modificarea costurilor
de producie a determinat transformarea vectorului c n vectorul c. Funcia obiectiv
const n minimizarea costurilor totale pentru realizarea vectorului de activiti X.
3 Etapa I: n ultimul tabel simplex, se determin dac soluia optim
verific condiiile de optimalitate: z
j
c
j
0, j.
- n caz afirmativ, soluia optim rmne aceeai;
- n caz negativ, se trece la Etapa II.
3 Etapa II: Dac exist cel puin o diferen z
k
c
k
> 0, se utilizeaz
algoritmul simplex primal pentru determinarea noii soluii optime.

5.4.2 Parametrizarea vectorului c

Situaia practic: variaia costului de producie este exprimat printr-o
funcie liniar de un parametru R care transform vectorul c n vectorul c().
Funcia obiectiv const n minimizarea costurilor totale pentru realizarea vectorului
de activiti X.
Se pot realiza dou tipuri de analize parametrice:
1. Parametrizarea unui singur element al vectorului c: c
j
=> c
j
() = c
j

+ i meninerea la nivelul iniial a celorlalte elemente ale
vectorului c.
n acest caz, pentru coeficientul c
j
specificat:
3 Se determin toate intervalele de variaie ale parametrului
(-, +) i ale coeficientului c
j
() = c
j
+ , astfel nct
) ( c ) ( z
'
j
'
j
0;
3 Pentru fiecare interval de variaie a lui c
j
se determin:
funciei obiectiv i variaia coeficientului c
j
= valoarea
variabilei decizionale x
j
care rmne neschimbat n interval

2. Parametrizarea ntregului vector c: c => c() = c + , unde R,
iar este un vector cu n perturbaii.
n acest caz:
3 Se determin toate intervalele de variaie ale parametrului (-,
+) astfel nct ) ( c ) ( z
'
j
'
j
0, j. Fiecrui interval i
corespunde un vector format din n variabile decizionale xj, j = 1,
...,n, ale cror valori rmn neschimbate n acel interval.
3 Pentru fiecare interval de variaie a lui se determin:
funciei obiectiv i variaia parametrului .
Din punct de vedere matematic se aplic urmtoarea procedur:
3 Etapa I: Se obine soluia optim a problemei pentru o valoare fixat
a parametrului (de exemplu pentru parametrul = 0);
3 Etapa II: Studiul senzitivitii soluiei la variaia parametrului
atribuit vectorului c:
1. Se calculeaz ) ( c ) ( z
'
j
'
j
, pentru j = 1, ...,n
2. Se determin intervalul [
1
,
2
] astfel nct ) ( c ) ( z
'
j
'
j
0,
pentru j = 1, ...,n (n cazul problemei de minim). n acest interval,
soluia optim rmne neschimbat.

3. Se identific diferena ) ( c ) ( z
'
k
'
k
> 0 pentru <
1
sau
>
2
. Se aplic algoritmul simplex primal pentru determinarea
soluiei optime i se reia procedura de la pasul 1.
4. Procedura se termin cnd s-au analizat toate valorile lui
(-, +).

pag. 103 104.

5.5 Modificarea unor vectori coloan / linie ai matricei A

Este o problem de reoptimizare n raport cu elementele matricei A => se
aplic cele dou etape ale reoptimizrii.

5.6 Adugarea unor restricii suplimentare

Problem de reoptimizare:
Se nlocuiete soluia optim iniial n fiecare din restriciile
suplimentare.
Dac restriciile sunt verificate atunci soluia optim iniial nu se
modific. n caz contrar se determin noua soluie utiliznd inversa bazei extinse
(vezi [1], pag. 105) i aplicnd procedura descris la seciunea 5.3.1.

5.7 Adugarea unor variabile suplimentare

Situaia practic: asimilarea unor produse noi duce la adugarea
variabilelor suplimentare x
n+1
, x
n+2
, ..., x
n+r
. Pentru aceste produse s-au estimat
profiturile unitare c
n+1
, c
n+2
, ..., c
n+rb
precum i consumurile de resurse a
i,n+1
, a
i,n+2
, ...,
a
i,n+r
pentru i = 1, ..., m. Fiind o problem de reoptimizare, se poate proceda astfel:
3 Etapa I. Verificarea optimalitii soluiei iniiale:
Se identific preurile umbr u
i
asociate resurselor
necesare pentru fiecare produs nou
Se verific dac
k n k n , i
m
1 i
i
c a u
+ +
=

, pentru
k = 1, ..., r. n caz afirmativ rezult c nici un produs nou
nu este eficient i soluia optim iniial rmne
neschimbat. n caz contrar se trece la Etapa II.

3 Etapa II. Dac exist
k n k n , i
m
1 i
i
c a u
+ +
=
<
, atunci produsul k este

profitabil i poate fi introdus n fabricaie. Se determin noua soluie optim.

5.8 Modelarea structurii de fabricaie a unei organizaii
(cazul n care variabilele sunt continue)

Structura de fabricaie pentru o anumit perioad poate fi reprezentat
printr-un vector ale crui elemente sunt cantitile de produse de diferite
sortimente, care urmeaz s fie realizate n perioada considerat de fiecare unitate
de producie (atelier, secie, filial etc.)
Dac funcia obiectiv care maximizeaz profitul total este funcie liniar i
restriciile referitoare la cerere i resurse sunt liniare se obine un model de
programare liniar.
Datele de intrare necesare pentru construirea modelului de programare
liniar pot fi: nomenclatorul de produse, preuri unitare, costuri unitare, profituri
unitare, consumuri specifice, timpi de fabricaie, norme de munc, disponibil din
resurse, capaciti de producie, cerere contractat sau estimat, standarde de calitate.
Variabilele de decizie sunt cantitile de produse de diferite sortimente, care
urmeaz s fie realizate n perioada considerat de ctre fiecare unitate de producie
Datele de ieire obinute prin rezolvarea modelului de programare liniar
sunt urmtoarele: structura sortimental i de produs, valorile indicatorilor de
performan n cazul realizrii soluiei furnizate de model, resursele utilizate i
resursele neutilizate, "locurile nguste" sau resursele deficitare, preurile umbr
asociate resurselor, analiza senzitivitii soluiei la modificarea preurilor, costurilor,
disponibilului de resurse, analiza parametric a coeficienilor funciilor obiectiv sau a
disponibilului de resurse.

Aplicaiile practice ale acestui tip de model pot fi studiate n [1],
Studiul de caz 5, pag 105 113 i n [2], Studiul de caz 11,
pag. 60 75.

5.9 Modelarea structurii de producie i a posibilitilor de dezvoltare
ale unei organizaii (cazul n care variabilele sunt numere ntregi)

n cazul produselor indivizibile, pentru determinarea structurii optime de
fabricaie se pot utiliza modele de programare liniar n numere ntregi.
Domeniul de admisibilitate al modelelor liniare cu variabile n numere
ntregi este format dintr-un numr finit de puncte. Rezult c numrul de variante
sau alternative decizionale este finit.
Rezolvarea modelelor liniare cu variabile ntregi se efectueaz cu metode
de enumerare.

Exist dou tipuri de metode de enumerare: explicit i implicit.
Din categoria metodelor de enumerare implicit face parte metoda branch
and bound adic ramific i mrginete.
Procesul iterativ de rezolvare a unei probleme printr-o metod de tip
branch and bound poate fi reprezentat printr-un arbore binar, n care fiecare nod
are un singur ascendent i doi descendeni direci.
Fiecare nod al arborelui binar reprezint o problem de programare liniar
fr restricia ca variabilele s fie ntregi. Problemele asociate nodurilor arborelui
binar se rezolv cu algoritmul simplex.
Un nod se ramific dac soluia problemei este nentreag i nu exist alt
nod cu soluie ntreag i cu o valoare mai bun a funciei obiectiv.
Pentru ramificarea unui nod, din soluia problemei asociat acelui nod, se
alege o component xj cu valoare nentreag, xj = . Pornind de la aceast variabil
se construiesc dou probleme care genereaz dou noduri descendente:
Problema pentru nodul stng: prin adugarea restriciei xj [], unde
[] este partea ntreag a numrului
Problema pentru nodul drept: prin adugarea restriciei xj [] +1.
Prin adugarea de restricii de ramificare, se reduce domeniul soluiilor cu
valori ntregi, iar valoarea funciei obiectiv se nrutete. Cea mai bun valoare a
funciei obiectiv este asociat nodului iniial sau nodului rdcin a arborelui binar.
Un nod nu se mai ramific, adic devine margine dac:
are soluie ntreag;
nu are soluie admisibil;
are soluie nentreag, dar exist alt nod cu soluie ntreag i o valoare
mai bun a funciei obiectiv
Problemele de programare liniar n numere ntregi pot fi rezolvate cu
produsele informatice QM/Linear Programming sau WINQSB/Lp ilp.

Aplicaiile practice ale modelelor de programare liniar n numere
ntregi pot fi studiate n [1], Studiul de caz 6, pag 115 118 i n [2],
Studiul de caz 13 i Studiul de caz 14, pag. 76 87.

Rezumat

Pornind de la forma general a unei probleme de programare liniar, sunt
definite conceptele de analiz de senzitivitate, reoptimizare i parametrizare.
Sunt identificate cazurile practice care dup obinerea soluiei optime pot
necesita reoptimizare i parametrizare. Sunt discutate de asemenea cazurile de
reoptimizare legate de modificarea unor vectori coloan/linie ai matricei A,
adugarea unor restricii suplimentare, adugarea unor variabile suplimentare.
n final, sunt prezentate pe scurt aspectele importante legate de modelarea
structurii de fabricaie a unei organizaii, cazul n care variabilele sunt continue sau

sunt numere ntregi. Se fac recomandri referitoare la studiile de caz care trebuie
studiate.

y Cuvinte cheie

algoritmul simplex dual
algoritmul simplex primal
alternative decizionale
analiza de senzitivitate
analiza parametric
arbore binar
branch and bound
coeficient al modelului
cost redus
funcie obiectiv
mrginire n arborele binar
necunoscutele modelului
panta (slope)
parametrizare
postoptimizare
preuri umbr
ramificare
reoptimizare
restricii de nenegativitate
restricii liniare
variabile controlabile
variabile decizionale
variante decizionale
forma primal a problemei
de programare liniar
forma dual problemei de
programare liniar
loc ngust
resursa utilizat
resurs neutilizat
soluie optim
soluie admisibil


[1] pag. 93 118
[2] pag. 60 - 87


1. Care este forma general a unui model de programare liniar? Care este
semnificaia coeficienilor din modelul de programare liniar pentru
determinarea structurii optime de fabricaie?
2. De ce modelul de programare liniar este un model determinist?
Exemplificai.
3. Ce este analiza de senzitivitate i de ce este important pentru
manageri?
4. Ce este reoptimizarea? Cnd apar cazuri de reoptimizare ntr-o
organizaie?
5. Ce este parametrizarea? Cnd apar cazuri de parametrizare ntr-o
organizaie? Cte tipuri de analize parametrice se pot efectua n sistem
conversaional?
6. Care este deosebirea dintre analiza de senzitivitate i analiza
parametric?
7. Ce sunt preurile umbr? Cum se pot obine? Ce semnificaie au
preurile umbr pentru decident?
8. Ce se nelege prin soluie optim n cazul unui program de producie?
9. Ce este funcia obiectiv?
10. Cnd se poate folosi algoritmul branch and bound n practica
organizaiei?
11. Ce nseamn i de ce se face ramificarea domeniului de admisibilitate al
unei probleme de programare liniar n numere ntregi?
12. Ce nseamn mrginirea n cazul problemelor de programare liniar?
13. Descriei cteva aplicaii n management ale modelelor de programare
liniar.
14. Ce se nelege prin program de producie admisibil sau realizabil? Dar
prin program de producie neadmisibil sau nerealizabil?

MODELAREA SITUAIILOR
CONCURENIALE

6.1 Elemente din teoria jocurilor

Jocurile strategice sunt modele simplificate de situaii conflictuale i de
aciuni ntre participani ce au interese contrarii. Acestea modeleaz situaii n care
doi sau mai muli parteneri folosesc, n mod deliberat i raional, strategii
inteligente pentru atingerea unor obiective contrare: maximizarea ctigului,
respectiv minimizarea pierderii. Jocul este un proces competitiv care se desfoar
ntre mai muli participani numii juctori.
n teoria jocurilor, se postuleaz urmtoarele ipoteze:
toi participanii au posibilitatea s aplice strategii cu un caracter definit
toi participanii cunosc posibilitile strategice ale adversarilor
rezultatul oricrei partide se manifest printr-o pierdere sau un ctig
cel puin un partener are o comportare raional (este inteligent i
prudent, adic poate analiza coerent situaia i hotr asupra aciunilor
viitoare pentru a-i atinge obiectivul).
n numeroase cazuri, alegerea strategiei celei mai potrivite dintr-un numr
oarecare de variante posibile se poate face prin folosirea unei formulri matriceale
a problemei: fiecare linie/coloan va reprezenta o strategie (fie A
i
, i=1,m,
respectiv B
j
, j=1,n, aceste strategii), iar criteriul de decizie va fi dat de o regul
de alegere a strategiei. Considernd un joc cu doi parteneri, forma sa apare ca o
matrice dreptunghiular (matrice de pli sau matricea consecinelor
jocului)
ij
c C = cu i=1,,m i j=1,n, n care c
ij
exprim ctigul juctorului
maximizant (care are ca obiectiv maximizarea ctigului propriu juctorul A),
respectiv pierderea juctorului minimizant (desemnat n continuare prin B) dac
sunt alese strategiile A
i
i B
j
cu condiia ca jocul s fie cu sum nul). Jocul
strategic de dou persoane cu sum zero presupune c pierderea juctorului B
(numit juctor minimizant), egaleaz ctigul celuilalt juctor.
n ipoteza unui comportament raional
5
juctorul A va urmri s-i

5
In sistemul axiomatic a lui von Neumann Morgenstern, se consider, la nivel individual,
c o alegere ntre dou variante a i b este raional atunci cnd se poate exprima o relaie
de preferin, de echivalen sau de non-preferin ntre cele dou variante i n mod
6

maximizeze ctigul ateptat indiferent de alegerea fcut de concurent. In cazul
general:
c
ij
: consecina alegerii strategiei A
i
de ctre juctorul A i a strategiei
B
j
de ctre juctorul B;
x
i
: probabilitatea ca juctorul A s aleag strategia A
i
; i = 1, ..., m
y
j
: probabilitatea ca juctorul B s aleag strategia B
j
; j = 1, ..., n
V: valoarea jocului.
Jocurile cu sum nul sunt considerate jocuri cu informaie complet:
fiecare dintre partenerii de joc i definete un set de strategii, cunoate strategiile
adversarului i matricea de pli asociat. Scopul jocului formulat astfel este de a
stabili ce strategie s aleag fiecare partener la joc pentru a-i atinge obiectivul.
Fiecare dintre cei doi juctori folosete criterii proprii de decizie:
juctorul maximizant va alege strategia care s i aduc cea mai
convenabil valoare n condiiile celei mai agresive aciuni a
adversarului; acesta adopt o strategie prudent cel mai mare minim
6

sau maxmin (n ipoteza c este raional, inteligent i informat asupra
jocului). Valoarea ctigat de acesta va fi mai mare sau egal cu
A ij
n , 1 j m , 1 i
V c min max =
= =
, indiferent de strategia lui B;
juctorul B i va selecta strategia dup un criteriu de tip dual: minmax,
iar pierderea lui va fi mai mic sau egal cu
B ij
m , 1 i n , 1 j
V c max min =
= =
,
indiferent de strategia lui A.
Utilizarea celor dou reguli de decizie va aduce fiecrui juctor cel mai
bun posibil rezultat (cel mai mare ctig pentru A, cea mai mic pierdere pentru B),
iar punctul de echilibru al jocului se numete valoarea jocului. Dup gradul de
informare i de control asupra inteniilor celuilalt partener, exist dou tipuri de
strategii care rezult din rezolvarea jocurilor strategice:
strategii pure n situaia n care juctorii pot alege fiecare o singur
strategie, dovedit optim prin faptul c V
A
=V
B
=V (n aceste condiii V
este chiar valoarea jocului; dac V>0 ctig juctorul maximizant, n
caz contrar, pentru V<0, ctig juctorul B). Strategiile pure nu
presupun nici un element de hazard n stabilirea lor, fiind ns limitate
de alegerile fcute cu principiile maxmin i minmax.
strategii mixte denumite astfel pentru c reprezint o combinaie de
strategii, fiecare avnd asociat o anumit probabilitate de alegere
atunci cnd jocul este reluat n mai multe partide. Strategiile mixte sunt
necesare atunci cnd nu exist stategii pure pentru care V
A
=V
B
=V.

suplimentar, se respect regula tranzitivitii. La nivel de grup, cerinele de raionalitate
sunt mai complexe; J.Arrow, laureat al premiului Nobel pentru economie n 1972, a
definit cinci astfel de condiii.
6
Principiul maxmin a fost definit de ctre J. von Neumann n 1928 i detaliat apoi n
lucrrile acestuia mpreun cu Morgenstern n 1944;

Strategiile combinate implic rulri succesive ale jocului i urmrirea
modului de a juca al adversarului (de comutare de la o strategie la alta,
astfel ca, pe termen lung, s se ating o poziie avantajoas).
Strategia mixt pentru juctorul A este definit prin determinarea
probabilitilor sau frecvenelor relative [x
1
, x
2
, ..., x
m
] prin rezolvarea
urmtoarei probleme de programare liniar:
m , 1, = i 0; x
1 = x + ... + x + x
0 V - x c + ... + x c + x c
...
0 V - x c + ... + x c + x c
0 V - x c + ... + x c + x c
V Max
i
m 2 1
m mn 2 2n 1 1n
m m2 2 22 1 12
m m1 2 21 1 11

Pentru determinarea strategiei mixte optime pentru juctorul B se va
determina soluia optim [y
1
, y
2
, ..., y
n
] a problemei duale asociat problemei
anterioare.

Elemente din teoria deciziei

Decizia economic poate fi descris ca aciunea contient (parte ntr-un
comportament raional) de selectare a unei variante preferate (soluie) din mai
multe posibile, alegere bazat pe considerente economice, dar i psihologice,
sociologice, politice etc. In mod evident, calitatea unei decizii este supus unui set
de restricii generate de condiionri ale contextului decizional (calitatea
informaiilor disponibile sub aspectul preciziei, completitudinii i oportunitii,
presiunea timpului, riscul asumat) i este influenat de competenele manageriale
ale decidenilor (abilitatea de a prelucra informaiile, personalitatea i modul de
percepie a realitii, etc.).
Procesul decizional este procesul prin care se dezvolt angajarea fa de un
anumit sens al aciunii. Alternativ, poate fi vzut ca un proces de rezolvare a
problemelor. O problem apare atunci cnd exist o diferen ntre starea de lucruri
existent i cea dorit. Unele probleme sunt bine structurate (starea existent i cea
dorit sunt clare, ca i mijlocul de ajungere de la una la alta); acestea sunt adesea
rezolvate cu algoritmi/proceduri/programe, care nu fac dect s standardizeze
soluiile.
Problemele structurate impropriu conin o combinaie ntre starea existent
i starea dorit; ele tind s fie individualizate i nerecurente, cernd procese
decizionale neprogramate n care un rol important l are modelul raional.
Structurarea este o etap prealabil de rezolvare a formalizrii problemei.

Prin structurare i formalizare, procesul decizional devine mai inteligibil i poate fi
ncadrat apoi eventual ntr-un sistem informatic. Deciziile ce pot fi formalizate
imediat dup structurare i modelare intr n modelele clasice de decizie
7
, celelalte
pot fi abordate prin tehnica ncercrii i erorii, prin euristic (vezi cap.1).
In etapa iniial a afirmrii ca disciplin distinct, teoria deciziei i-a
concentrat eforturile pe latura algoritmic i calculatorie a procedurilor decizionale,
reflectat cu predilecie de modelele statistico-matematice ale deciziei i ale
cercetrii operaionale. Teoria deciziei este prezentat de Wald
8
ca o abordare
menit s furnizeze reguli pentru aciuni n situaiile de incertitudine, adic reguli
de decizie. Acestea ncorporeaz evaluarea consecinelor aciunilor alternative
exprimat prin teoria matematic a utilitii n forma pierderilor sau a funciilor de
pierdere.
Dezvoltri recente, ntemeiate pe abordarea sistemic i puse de acord cu
practica economic, relev caracterul deliberativ, de judecat calitativ a teoriei.
Acestea au condus la concluzia c raionalitatea comportamentului decidentului se
regsete n aplicarea unor proceduri euristice, bazate pe tatonare, recunoscndu-se
implicarea pe scar mare a intuiiei i a strilor afective. Intuiia este o calitate
intrinsec a decidentului, este recunoscut ca o resurs managerial care poate fi
amplificat, posibil de dezvoltat i perfecionat prin experien i educaie.
Metodele i tehnicile de lucru oferite de matematica aplicat pentru
asistarea deciziilor au la baz o serie de ipoteze:
mulimea aciunilor posibile este identificat nainte de prelucrare;
exist o pre-ordine total pe mulimea aciunilor reprezentat printr-o
funcie de utilitate explicit care poate fi formalizat matematic;
datele sunt numerice i conin ntreaga informaie util;

7
Teoria clasic a deciziei se bazeaz pe caracterul intenional i optimal al lurii deciziilor.
Deciziile se bazeaz pe preferine i ateptri privind rezultatele diferitelor alternative de
aciune, alegndu-se cea mai bun alternativ, n termenii consecinelor sale n raport cu
preferinele decidentului. Modelul consider adevrate urmtoarele ipoteze:
decidentul este complet informat, fiind n posesia tuturor alternativelor
decizionale posibile i urmrete o extremizare raional a unui sau a mai
multor parametri de performan;
dup definirea problemei, decidentul procedeaz la stabilirea criteriilor de
evaluare a alternativelor decizionale, genereaz toate aceste alternative cu
consecinele aferente i selecteaz prin analiza comparativ pe cea mai
convenabil care apare ca soluie optim.
8
Teoria deciziilor statistice a fost iniiat i dezvoltat de A. Wald (1950) i a beneficiat de
dezvoltarea teoriei jocurilor fcut de von Neumann-Morgenstern (1947). Aceasta
reprezint o generalizare a problemelor de estimare punctual, de verificare a ipotezelor
statistice obinute de coala matematic fondat de J. Neyman i K. Pearson. Wald a
artat c problema de decizie poate fi interpretat ca un joc de dou persoane cu sum
nul n sensul teoriei jocurilor; n plus, Wald a obinut rezultate foarte importante din
teoria deciziilor prin generalizarea teoriei jocurilor.

cea mai bun decizie este aceea care maximizeaz funcia de utilitate.
Aceste ipoteze ndeprteaz destul de mult, modelele i tehnicile matematice de
cele aplicate n contextul real al ntreprinderii. Criticnd ipotezele de mai sus, H.
Simon
9
propune alte premise pentru dezvoltarea metodelor de matematic aplicat:
Deciziile umane (interdependente sau nu) sunt luate pe rnd una cte
una, n domenii limitate, urmnd un proces temporal;
Aprecierea viitorului este limitat i niciodat nu se pot evalua toate
scenariile posibile;
Nu exist o funcie de utilitate global i nici nu este necesar, ntruct
preferinele decidenilor sunt de cele mai multe ori contradictorii i pot
fi luate n considerare numai cu ajutorul unor criterii aflate n conflict.
Aceste ipoteze stau la baza raionalitii limitate prin care decidentul caut
s obin o aciune satisfctoare i nu neaprat optim, n sensul matematic.
Raionalitatea limitat se rezum la cutarea unei decizii satisfctoare i la faptul c
se poate organiza raional procesul de cutare a acesteia. Intervine un element
prohibitiv costul cutrii satisfctoare care depinde de studiul aciunilor posibile
(uneori, analiza tuturor soluiilor aduce un avantaj derizoriu n raport cu analiza
selectiv a unor soluii evidente). Managerii se bazeaz n rezolvarea problemelor
decizionale nu numai pe capacitatea deductiv de anticipare, prin derivare logic a
desfurrii evenimentelor, n diferite ipoteze plauzibile, ci i pe calitatea de
memorare a unor evoluii posibile sau de recunoatere a pattern-urilor aplicabile. In
mod evident, se pot cita inconveniente generate de elementele de stres (presiune a
social poate influena negativ calitatea previziunilor) sau de faptul c nu exist
ntotdeauna proceduri sistematice de colectare a datelor. De asemenea pot fi
denaturate i pot conduce la stabilirea unor corelaii iluzorii, generatoare de
caracterul dominant al informaiilor concrete asupra celor abstracte, sau de percepia
selectiv a operatorilor umani. Adesea, se anticipeaz ceea ce se dorete a se produce,
cutndu-se informaii consistente cu previziunile anterioare i ignornd contradiciile
dintre aceste previziuni i datele disponibile.

Structura general a unui proces decizional economic cuprinde:
cadrul decizional i participanii (persoanele/grupurile care concur la
realizarea acestui proces)
problema decizional este definit prin:

strile naturii - condiiile obiective, exterioare controlului decidentului
care determin consecinele corespunztoare unei alternative, din
mulimea consecinelor posibile;
mulimea variantelor decizionale (modurile posibile de aciune la un

9
Laureat al premiului Nobel n 1978 pentru activitatea de pionierat n domeniul tiinelor
administrative privind procesele de luare a deciziilor n cadrul organizaiilor economice
internaionale.

moment dat n vederea soluionrii problemei);
criteriile de decizie (punctele de vedere luate n consideraie de ctre
decideni n evaluarea alternativelor i folosite n selectarea variantei
celei mai potrivite);
obiectivele (nivelurile consecinelor n raport cu care se evalueaz
calitatea unei variante ca bun sau nesatisfctoare);
consecinele (rezultatele obinute atunci cnd se manifest diferite stri
ale naturii i sunt alese diferite variante decizionale).
n funcie de cantitatea de informaii disponibile se pot distinge:
Situaia decizional de certitudine - se caracterizeaz prin
probabilitatea maxim de realizare a obiectivului sau obiectivelor urmrite,
utiliznd modalitile decizionale preconizate. Elementele implicate n procesul
decizional sunt descrise prin variabile controlabile, cu caracteristici cunoscute,
evoluia lor putnd fi anticipat cu precizie. Condiiile de certitudine sunt cele n
care decidentul/analistul este bine informat despre problem, despre soluiile ei
alternative i rezultatele acestor soluii. Aceasta nseamn c se pot controla, sau,
cel puin, anticipa evenimentele. Decizia este relativ uoar (cel puin teoretic), n
sensul c varianta cea mai bun este cea care genereaz rezultatul cel mai profitabil.
Situaiile decizionale de incertitudine se caracterizeaz prin faptul
numrul de variabile este ridicat (unele fiind necontrolabile, iar cele controlabile
nefiind integral cunoscute, astfel ca anticiparea evoluiei lor este aproximativ). n
condiiile de incertitudine exist puine informaii referitoare la producerea unor
evenimente generate de factori relevani i, n plus, nici nu se pot estima
probabiliti subiective sau identifica factorii relevani de influen.
In ceea ce privete situaia decizional de risc, obiectivele sunt
realizabile, dar probabilitatea de finalizare n sensul dorit este redus, coroborat cu
o mare nesiguran n ceea ce privete evoluia viitoare. O mare parte din variabile
sunt necontrolabile, iar evoluia acestora (i a unei pri din variabilele controlabile)
generat de insuficiena informaiilor disponibile este foarte dificil de anticipat. n
condiiile de risc, cadrul de conducere sau decidentul poate defini natura problemei,
probabilitatea aciunilor cauzate de influena factorilor relevani, soluiile
alternative i probabilitatea cu care fiecare poate conduce la rezultatul dorit.

6.2 Decizii n condiii de incertitudine

Elementele tipice ale unui model decizional n condiii de incertitudine pot fi
grupate n form matriceal:
Stri ale naturii Variante
decizionale S
1
S
2
S
n

A
1
C
11
C
12
... C
1n

A
2
C
21
C
22
C
ij
C
2n

... ... ...
A
m
C
m1
C
m2
... C
mn

n care A
i
, i=1,,m desemneaz setul de variante din care se va face alegerea celei
mai bune/convenabile, S
j
, j=1,,n reprezint mulimea strilor naturii identificate,
iar C
ij
, i=1,,m; j=1,,n este consecina alegerii alternativei A
i
n condiiile
manifestrii strii S
j
a naturii.
Analiza pentru fundamentarea deciziilor n condiii de incertitudine (i
chiar de risc) urmeaz metoda tiinific de cercetare:
definirea complet i corect a problemei (operaie dificil din cauza
caracterului vag generat eventual de lipsa unor informaii);
stabilirea alternativelor de aciune i a caracteristicilor lor, fr a fi
neglijate cele satisfctoare care par puin probabile;
stabilirea tuturor irurilor de evenimente (sau a ct mai multor) asociate
unei alternative;
evaluarea consecinei fiecrei variane de aciune la sfritul unui astfel
de ir de evenimente;
evaluarea probabilitilor de manifestare a fiecruia dintre evenimentele
poteniale/eventuale;
analiza de senzitivitate a ordinii de referin n mulimea alternativelor
de aciune
10
, clasament elaborat printr-o metod adecvat de analiz
mono (eliminarea variantelor dominate prin surclasare) sau
multicriterial;
analiza final a rezultatelor i luarea deciziei. Este important s se
sublinieze evenimentele poteniale cu cea mai mare influen asupra
rezultatelor aplicrii fiecrei variante decizionale.
Asemnarea bazei informaionale de calcul cu cea a jocurilor strategice a
condus la utilizarea denumirii de jocuri contra naturii, n care juctorul uman
(decidentul) alege din strategiile formulate pe cea care i permite satisfacerea

10
Chiar n condiiile utilizrii unor metode de fundamentare decizional menite s
obiectiveze ct mai mult opiunea decizional, concluziile pot intra in competiie cu
motivele de ordin subiectiv. Mutaiile de preferine n stabilirea criteriilor de apreciere
pot fi obiectivizate prin modificarea valorilor unor parametri n cadrul modelului
(analiza de senzitivitate).

obiectivului/obiectivelor. In contrast cu decidentul uman, intervine n locul celui de
al doilea juctor, natura (cruia nu i se poate atribui un scop bine precizat i nici
capacitatea de a ntreprinde aciuni contiente i dirijate n sens teleologic) cu
strile identificate corespunztoare coloanelor matricii cu consecine decizionale.
In aceste jocuri strategice, dei este posibil cunoaterea strategiilor posibile ale
adversarului (natura), nu se cunoate preferina acestuia pentru o strategie sau o
combinaie de strategii i nu se presupune existena unei strategii de tipul minmax.
Faptul c n jocurile cu natura exist un singur juctor raional (i nu cel
puin doi, cum este cazul cel mai frecvent al jocurilor strategice cu sum nul), face
ca fundamentarea deciziei s se bazeze pe alte criterii de alegere dect n jocurile
cu parteneri raionali.
Criterii de decizie n condiii de incertitudine
Criteriul Wald 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. Pentru C
ij
(consecina economic a alegerii
variantei de decizie i, i=1,...,m, n condiiile n care s-a produs starea obiectiv j,
j=1,...,n) se pot defini urmtorii indicatori:

consecine de tip profit:
*
V C min max
ij j i

variant optim, pentru i =1,,m; j = 1,,n.
consecine de tip costuri:
*
V C max min
ij j i

variant optim, pentru i =1,,m; j = 1,,n.

Criteriul Laplace 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.

V
C
n
1

max ij
n
1 = j
i

variant optim, pentru i = 1,,m

V
C
n
1

min ij
n
1 = j
i

variant optim, pentru i = 1,,m

Criteriul Savage 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 condiii de informaie complet.
Se noteaz R
ij
regretul corespunztor alegerii variantei i i strii j a naturii.
Aplicarea criteriului presupune urmtorul raionament:

Variant optim

ij ij i ij ij j i
C C max = R , V R max min
*
unde
, pentru i = 1,,m; j = 1,...,n.
Variant optim

ij i ij ij ij j i
C min C = R , V R max min
*
unde
, pentru i = 1,,m; j = 1,...,n.

Criteriul Hurwicz folosete un coeficient de optimism ntre 0 i 1; se
recomand alegerea variantei pentru care ctigul ponderat h
i
asociat fiecrei
variante este cel mai mare:

Variant optim:
1] [0, ; C min ) - (1 + C max = h
V
h max
ij j ij j i
i i

,
i=1,,m;
j=1,,n

Variant optim:
1] [0, ; C max ) - (1 + C min =
h
V
h max
ij j ij j
i
i i

, i=1,,m;
j=1,,n

Valoarea coeficientului exprim atitudinea decidentului fa de riscul
realizrii unor ctiguri mici i de posibilitatea obinerii unor ctiguri mari. O
valoare > 0,5 descrie nclinaia ctre risc a decidentului, asociat cu un grad mare
de optimism n obinerea celor mai avantajoase rezultate.
In problemele decizionale n condiii de incertitudine (ca i n cele de risc),
riscul unor consecinele dezavantajoase nu poate fi evitat total, ns poate fi
minimizat. Se deosebesc, ca situaii extreme:
a) procese decizionale care pot conduce la consecine catastrofale pentru
decident (n cazul apariiei celei mai nefavorabile stri a naturii). Pentru
aceste probleme, se recomand folosirea unor criterii prudente sau
pesimiste (cu valori mici ale coeficientului n cazul criteriului
Hurwicz).
b) procese decizionale fr mize mari, asociate cu un spectru acceptabil
de consecine decizionale pentru decident (n cazul apariiei celei mai
nefavorabile stri a naturii). Pentru aceste probleme, se ine seama de
situaia economic curent a firmei, de natura obiectivului (pe termen
lung sau scurt) i a deciziei (strategice, tactice sau operaionale), sau de

tipul personalitii decidentului (inclusiv de pregtirea managerial i
experiena acestuia n aciuni similare).
n principiu, tipul procesului decizional, obiectivele formulate, stilul de
management i aspectele etice trebuie avute toate n vedere pentru alegerea
criteriilor celor mai potrivite de luare a deciziilor.

6.3 Decizii n condiii de risc

Natura informaiilor, cantitatea lor i ncrederea n aceste informaii
influeneaz tipul de probabilitate utilizat
11
. Probabilitile sunt evaluri de la 0 la 1
n estimarea anselor de succes a evenimentelor viitoare. Aceste evenimente sunt
denumite stri ale naturii pentru a accentua faptul c ele nu sunt controlabile prin
experien.
Deciziile n condiii de risc se adopt ntotdeauna pe baza unor ipoteze
privind rezultatele poteniale pentru fiecare variant decizional n parte, i desigur,
n funcie de preferina decidentului pentru aceste rezultate. Toate informaiile
anterioare actului decizional determin un anume grad de ncredere n stabilirea
consecinelor posibile pentru fiecare variant decizional. Gradul de ncredere n
realizarea unui anumit rezultat se apreciaz prin valori cuprinse n intervalul [0, 1],
ceea ce i confer probabilitii caracteristica de subiectivitate, apreciat doar prin
valorile extreme. O altfel de abordare difer de aceea inspirat din aplicarea teoriei
mulimilor vagi, pentru care se apreciaz gradul de apartenen a unei valori la un
interval dat prin intermediul unei msuri convenabil aleas de ctre decident (vezi
tema 7).
Metodele de fundamentare decizional n condiii de risc fac apel la
estimri de probabiliti, cel mai adesea subiective, pentru aprecierea unor premise
sau consecine decizionale. Spre deosebire de probabilitatea definit statistic sau
cea definit axiomatic, probabilitatea subiectiv este rezultatul unei estimri
subiective, dar pstreaz unele proprieti ale probabilitii axiomatice.
Cel mai mare grad de probabilitate obiectiv se nregistreaz n cazul unei
complete certitudini, aa cum cel mai mare grad de probabilitate subiectiv se
nregistreaz n cazul unei complete incertitudini. Astfel, dac, pe baza faptelor
existente, a datelor referitoare la experienele trecute similare, se poate determina
probabilitatea aciunii fiecrui factor i a rezultatului aferent unui eveniment,
atunci, decidentul respectiv utilizeaz probabilitatea obiectiv. Dac, n adoptarea
deciziei, cadrul de conducere/decidentul este constrns s se bazeze mai mult pe
judecat, pe experien proprie, pe opiniile membrilor personalului i pe cerinele

11
Probabilitatea este o caracteristic obiectiv a evenimentelor i ine de structura
stochastic a proceselor i fenomenelor. Ea este formulat ca fiind egal cu raportul
dintre numrul de apariii ale evenimentului considerat i numrul de apariii ale tuturor
evenimentelor din clasa respectiv. Probabilitatea empiric (a posteriori, obinut prin
observaii) tinde, pentru un numr mare de repetri ale evenimentelor, spre
probabilitatea teoretic (obinut prin calcul).

proprii organizaiei, acesta va ataa diferiilor factori i rezultate, probabiliti
subiective.
Ca procedeu de raionalizare a deciziilor n condiii de nedeterminare se
folosesc probabiliti estimate subiectiv de ctre decident prin extrapolarea unor
concluzii elaborate prin experiene de succes din trecut, n mod intuitiv, (prin
supoziii) sau prin consultarea unor experi sau obiectiv prin considerarea unor legi
apriorice a probabilitilor i prin folosirea unor metode statistico- matematice.
Ideea central a lurii deciziei n condiii de risc const n compararea de
ctre decident a tuturor variantelor disponibile, a consecinelor (modul de
desfurare a evenimentelor) favorabile sau nu i n alegerea acelei aciuni prin
care s se obin cel mai convenabil rezultat care se poate obine cel mai favorabil
rezultat. Aceast abordare poate s par singura fireasc, dar nu este nici unic i
nici unitar. Ea are calitatea de a fi, ntr-o oarecare msur, nu numai o teorie
normativ (care recomand ct ar trebui s rite oamenii n selectarea unei
aciuni), ci i una descriptiv (sau predictiv), ce arat cum acioneaz n mod
efectiv acetia.

Elementele tipice ale unui model decizional n condiii de risc pot fi
grupate n form matriceal:
Stri ale naturii Variante
decizionale S
1
(p
1
) S
2
(p
2
) S
n
(p
n
)
A
1
C
11
C
12
... C
1n

A
2
C
21
C
22
C
ij
C
2n

... ... ...
A
m
C
m1
C
m2
... C
mn

n care:
A
i
, i=1,,m desemneaz setul de variante din care se va face alegerea celei
mai bune/convenabile,
S
j,
, j=1,,n reprezint mulimea strilor naturii identificate,
C
ij
, i=1,,m; j=1,,n este consecina alegerii alternativei A
i
n condiiile
manifestrii strii S
j
a naturii.
p
j,
j=1,,n, probabilitile de apariie a strilor naturii.
n aceste condiii, se calculeaz un indicator specific: valoarea medie
ateptat (VM
i
) sau sperana matematic corespunztoare deciziei i (i=1,,m)
considernd strile naturii j (j=1,...,n):
C
p VM
ij
j
n
1 = j
i

=
; i = 1,,m.
Se recomand alegerea variantei decizionale pentru care se obine:
m ..., 1, = i pentru , VM max
i i
.
n condiiile n care se specific probabilitile strilor naturii se pot utiliza
informaii suplimentare pentru creterea gradului de ncredere n estimrile fcute

asupra consecinelor decizionale. Aceast opiune este luat n considerare dup ce
a fost recomandat decizia pe baza criteriului celei mai mari sperane matematice /
valori ateptate. Informaia suplimentar obinut pe baz experimental permite
revizuirea probabilitilor strilor naturii i ajut la identificarea strategiei optime
de luare a deciziei. Evident, n practic, aceast informaie nu este perfect nici
exhaustiv i nici gratuit. Exist totui, contexte n care se pot obine mai multe
informaii relevante i necesare, dup cum exist firme de testare a pieei, de
analiz i previziuni economice care execut servicii de informare. Presupunnd c
ar exista un nivel satisfctor al gradului de acuratee pe care trebuie s l manifeste
o informaie pentru a fi cumprat, este posibil calculul valorii informaiei
imperfecte, respectiv perfecte.
Valoarea informaiei perfecte (VIP) este dat de diferena dintre profitul
estimat a fi obinut n condiiile cunoaterii complete a informaiilor i valoarea
estimat a ctigurilor fr cunoaterea perfect. Rolul informaiei perfecte este dat
de posibilitatea (teoretic) de a preschimba situaia decizional din una n condiii
de risc ntr-una n condiii de certitudine.
VIP=

= =

n
1 j
ij j
i
n
1 j
ij
i
j
C p max C max p
Valoarea
ateptat n
condiii de
informare
perfect
Valoarea
ateptat n
condiii de
informare
imperfect

Evident, se pune problema comparrii beneficiilor achiziionrii
informaiei perfecte cu mrimea costului ei; VIP reprezint limita superioar a
costului de achiziie (C) pe care un decident este dispus s l plteasc pentru a
cumpra informaia perfect.
dac VIP>C se recomand achiziionarea informaiei adiionale;
dac VIP<C, n mod raional, nu se recomand achiziionarea
informaiei suplimentare.
Una dintre problemele aferente deciziei de suplimentare a informaiilor este
stabilirea necesarului de informaie i a procedurilor de obinere i folosire a
acestora. Faza informaional ar putea determina amnarea unor decizii pn la
dobndirea minimului de informaii necesare. Procesul de fundamentare
decizional descris este operaional i eficient n msura n care au fost realizate i
sunt exploatabile modele de analiz decizional pe calculator i decidentul are
acces la acestea, primind rezultatele n timp util.

6.3.1 Axiomatica von Neumann-Morgenstern

Noiunea de utilitate a aciunilor i evenimentelor n raport cu un scop
reprezint un concept de prim importan ce apare n studiul fenomenelor economice
i sociale, a interaciunii dintre diferite grupuri de indivizi considerai raionali n
sensul teoriei deciziei.
Conceptul de utilitate
12
a fost introdus n teoria deciziei pentru a compara
ntre ele variante decizionale caracterizate prin mai multe consecine. Utilitatea unei
aciuni determin o anumit conduit a decidentului, orientndu-l spre decizii bune
n condiii de risc. Mrimea aceasta este subiectiv i asociat fiecrei variante va
determina, prin valoarea sa maxim, care este varianta decizional optim. Dac
strilor naturii ce determin diferitele evenimente le corespund probabiliti
subiective, iar rezultatelor respective li se asociaz valori ale utilitii
13
, atunci
sperana matematic a utilitii determin utilitatea alegerii (prin cutarea celei mai
mari sperane matematice de utilitate).
Este evident caracterul relativ i subiectiv al conceptului de utilitate; aceasta
este definit ca o funcie cu valori n [0, 1] reflectnd prin valoarea maxim 1
preferina maxim i prin 0 pe cea minim.
Pentru a limita caracterul subiectiv al utilitii se introduc cinci axiome;
a) Un decident care compar dou variante V
1
i V
2
poate manifesta una din
urmtoarele opiuni:
prefer pe V
1
lui V
2
(V
1
P V
2
);
prefer pe V
2
lui V
1
(V
2
P V
1
);
nu prefer una din variante alteia, relaie de indiferen (V
2
I V
1
).
b) Relaia de preferin(P ) este tranzitiv, iar relaia de indiferen (I)
tranzitiv i simetric.
c) Dou variante simple pot alctui mpreun o nou variant dac li se
asociaz cte o probabilitate de realizare, astfel ca suma celor dou probabiliti s fie
egal cu 1. Varianta nou propus devine de tip mixtur.

12
Unul dintre primii cercettori care s-au ocupat de ideea general de utilitate, subliniind
importana noiunii a fost D. Bernoulli. Acesta a analizat principiul speranei matematice,
dominant n teoria comportamentului n condiii de incertitudine, potrivit cruia se prefer
varianta care conduce la ctig mediu maxim, principiu care s-a dovedit a nu fi general
valabil (de exemplu, paradoxul de la Petersburg). J. von Neumann i O. Morgenstern
(1947) au fost primii care au considerat utilitatea ca o cuantificare a preferinelor,
formulnd primul sistem de axiome pentru aceasta. Ulterior au fost propuse i alte
axiomatizri pentru utilitate; toate converg ctre aceeai concluzie: funcia utilitate este
unic pn la o transformare liniar pozitiv. Mai departe, nu se poate elabora pe ideea
unicitii utilitii deoarece nu exist nici o definiie natural a valorii zero i a utilitii
pentru unitate.

13
(maxim pentru rezultatul cel mai favorabil, minim pentru cel mai defavorabil, iar pentru
cele intermediare se determin prin metoda grafic sau prin interpolare)

d) Fiind date 3 variante V
1
, V
2
, V
3
i un decident care exprim relaia
V
1
PV
2
PV
3
, exist o mixtur = V ( ) [ ], V p 1 ; V p
3 1
astfel ca V`P V
2
i o alt mixtur
( ) [ ], V p 1 ; V p V
3 1
= astfel ca . V P V
2

n felul acesta se pot construi cu ajutorul a dou variante V
1
i V
3
un numr
infinit de mixturi probabilistice care variaz continuu pe scara preferinelor ntre V
1
i
V
3
.
e) Fiind date trei variante V
1
, V
2
, V
3
, distincte ntre ele, dac un decident
exprim relaia V
1
P V
2
, atunci va exprima i relaia
( ) [ ]
3 1
V p 1 ; pV P. ( ) [ ]
3 2
V p 1 ; pV
Deci dac o variant V
1
este preferat alteia V
2
, atunci i o mixtur a lui V
1
cu
o a treia variant V
3
va fi preferat aceleiai mixturi a lui V
2
i V
3
.
Pe baza acestor propoziii se definete funcia de utilitate care asociaz
fiecrei variante un element al mulimii numerelor reale.

6.3.2 Funcii de utilitate ataate unui proces decizional

Notm consecinele anticipate cu diversele variante decizionale cu c
(exprimate n u.m), iar funcia de utilitate u (0 < u< 1), adic u(0) = 0 i u(1) = 1.
ntr-un sistem de axe de coordonare (c,u), funcia de utilitate va trece prin
punctele (0,0) i (1,1), fiind o funcie monoton cresctoare.
Evoluia acesteia se va diferenia n funcie de decident. Se pot identifica
urmtoarele situaii (figura 6.1):
I evoluia liniar;
II curb convex;
III curb concav;
IV curb parial convex, parial concav.

u
1
0
u
1
0
c
U(c)

1
c
1
U(c)
II
III
u
c 1
1
0
U(c)
IV
u
1
1 0
U(c)
Figura 6.1

n cazul I, decidentul este neutru din punct de vedere al riscului, deoarece i
poate judeca aciunile sale numai pe baza valorii ateptate a se obine, care coincide cu
valoarea probabil a unitii (ansa de realizare este de 50%, probabilitatea de a
ctiga/de a pierde este de 50%).
n cazul II, decidentul este prietenos fa de risc, deci manifest o anumit
atracie fa de acesta, deoarece utilitatea aciunilor cu valori mari este deosebit de
ridicat (specific jocurilor de noroc). Echivalentul primei de asigurare este n acest caz
mai mare dect valoarea ateptat. Se ntlnete la acei decideni crora ansa de a
primi o recompens este redus. Este cazul decidenilor care, risc pentru a ptrunde
ntr-un gol de pia pentru a specula sau iau o decizie n legtur cu statutul lor de
angajat, (de exemplu, de a lucra pe baz de comision la o firm sau de a fi independent
etc.
n cazul III, decidentul manifest o oarecare pruden fa de aciunile
riscante. Decidentul are o anumit aversiune n cazul n care pierderile mari sunt
supraevaluate, iar ctigurile mari sunt subevaluate. n aceste situaii decidentul este
interesat s se asigure c recompensa este mai mare dect valoarea previzibil a
pierderilor ateptate.
Aversiunea fa de risc se ntlnete atunci cnd se duce o politic de investiii
de tip conservator, cnd se lucreaz cu desfacere asigurat pe baz de precomenzi,
cnd se contracteaz produse i devize la anumite termene, se asigur locurile de
munc (solicitate pentru preluarea n condiii de salariat).
Cazul IV este cel mai des ntlnit n practic, deoarece majoritatea
decidenilor manifest n unele situaii un comportament riscant, iar pentru alte situaii
un comportament prudent.
Aa cum se poate vedea i n figura 6.1, funcia de utilitate cunoate o poriune
convex care alterneaz cu una concav. Acest tip de curb a fost tratat pentru diferite
situaii concrete de ctre Friedman i Savage.

6.3.3 Modelarea procesului de lansare pe pia a unui nou produs
cu arbori de decizie

Metoda arborelui decizional se aplic la situaiile decizionale de mare
complexitate, n care sunt implicate evenimente aleatoare care se produc succesiv.
Prin intermediul acesteia, se descriu procesele decizionale multisecveniale sub
forma unor diagrame n care evenimente viitoare condiioneaz decizia,
determinndu-se un set de valori privind rezultatele fiecrei alternative decizionale
considerate. Fiecare decizie depinde de rezultatele unui eveniment aleator, care
ns nu poate fi stabilit cu precizie (n momentul lurii ei), dar a crui probabilitate
poate fi uor anticipat n urma unor investigaii.

Metoda arborilor de decizie este folosit n cazul unei succesiuni de decizii
intercondiionate n timp. Metoda se bazeaz pe reprezentarea grafic a tuturor
combinaiilor posibile de variante decizionale i stri ale naturii corespunztoare
fiecrui moment de timp, iar prin simplitatea calculelor, pune la dispoziia
decidenilor un instrument deosebit de util pentru luarea deciziilor (ceea ce
caracterizeaz arborele decizional este simplitatea sa pronunat n prezentarea
vizual).
Procesul decizional este reprezentat printr-un graf de tip arbore format din
noduri (de tip decizie, de tip eveniment/incertitudine sau noduri finale) i ramuri
(de tip stri ale naturii i de tip variante decizionale), respectnd regulile:
fiecare nod are un singur nod ascendent i unul sau mai multe
descendente;
calculul valorilor asociate fiecrui nod se face dinspre nodurile finale
ctre cel iniial. Algoritmul de rezolvare se bazeaz pe procedura roll-
back care presupune selectarea deciziei optime la nivelului ultimului
punct de decizie al orizontului de timp, dup criteriul speranei
matematice maxime. Se continu selectarea variantei decizionale optime
pe nivelul imediat anterior pn la nivelul nodului iniial.
La construirea arborelui trebuie s se aib n vedere respectarea
urmtoarelor cerine:
1. valoarea nodurilor de incertitudine (n care natura face alegerea) s
depind numai de evenimentele viitoare i nu de deciziile precedente;
2. succesiunea proceselor decizionale la diferite momente de timp face ca
deciziile intermediare s fie condiionate de rezultatele estimate ale
deciziilor finale (la ultimele procese decizionale reprezentate n arbore);
3. decizia iniial (corespunztoare primului nod de decizie) depinde de
efectele cumulate ale tuturor deciziilor intermediare i finale.
Conceptele de baz folosite n reprezentarea arborilor de decizie sunt:
nodurile de decizie (reprezentate prin ) n care arcele reprezint
alternativele 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 / eveniment/ ans (reprezentate prin
) n
care natura traseaz modul de evoluie a procesului decizional.
Metoda arborelui decizional presupune parcurgerea unor etape distincte:
definirea problemei decizionale, a evenimentelor posibile care
condiioneaz probabilistic consecinele decizionale ale fiecrei
alternative;
reprezentarea grafic a nodurilor decizionale, a variantelor decizionale
i evenimentelor care influeneaz consecinele acestora sub forma unui
arbore stilizat, cu un numr variabil de ramificaii, corespunztor

variantelor i evenimentelor abordate;
determinarea consecinelor decizionale - aferente fiecrei variante
condiionate de probabilitatea de apariie i de manifestare a
evenimentelor respective;
determinarea posibilitilor de apariie i manifestare a evenimentelor.
Este deosebit de important estimarea ct mai exact a probabilitilor de apariie a
evenimentelor (erori foarte mici pot avea consecine negative dintre cele mai mari
asupra calitii deciziilor adoptate n final)
calculul speranei matematice pentru fiecare consecin i variant
decizional, dup formula:
=
=
n
1 i
i i m
R p S n care: S
m
sperana matematic; p
i
probabilitatea de
apariie a evenimentelor; R
i
rezultatul fiecrei variante ;
alegerea variantei optime. Se realizeaz pe baza analizei comparative a
speranelor determinate n etapa precedent. Sperana matematic cu valoarea cea
mai mare n cazul unor rezultate de tip pozitiv indic decizia optim.
Gsirea unei soluii optime este echivalent cu alegerea unui drum complet
n arbore, pornind de la unul din nodurile finale i parcurgnd ramurile arborelui pn
n nodul iniial.
In elaborarea succesiunii de decizii i n evaluarea diferitelor consecine
decizionale trebuie s se in seama c nu exist certitudinea c variantele optime
identificate vor putea fi folosite n realitate. Se impune astfel actualizarea
informaiilor folosite pentru construirea arborelui de decizie (ndeosebi, n ceea ce
privete probabilitile asociate diferitelor stri ale naturii). Pe msura desfurrii n
realitate a proceselor de decizie, strile naturii iniial descrise devin sau nu reale,
confirmnd sau nu ipotezele iniiale i abilitatea decidentului de a formaliza situaia
decizional.
Unul dintre avantajele metodei arborelui decizional este dat de faptul c,
pentru a evita abateri majore de la evoluia real a fenomenului studiat, decidentul
poate reexamina arborele adaptndu-l noilor decizii i desfurrii de evenimente
relund raionamentul de la nivelul oricrui nod intermediar de decizie.

6.4 Modele de decizie de tip Bayes

De cele mai multe ori, decizii cu un grad mai mare de siguran se obin
achiziionnd informaie adiional; n acest caz, se folosete modelul arborelui
decizional cu probabiliti revizuite pe baza teoremei lui Bayes
14
.
Probabilitile simple folosite n rezolvarea arborilor de decizie pot fi
revizuite prin achiziia de informaie adiional (figura 6.2).

14
n urm cu dou secole, T. Bayes a descris procedeele de revizuire a probabilitilor
prin schimbarea probabilitilor iniiale pe baza unor rezultate obinute experimental.

Figura 6.2
Probabiliti simple
(anterioare)
) A ( P
j

S
m
P
ini
sperana matematic
a rezultatelor folosind
probabilitile iniiale
Achiziie de noi informaii prin eantionare ( )
i
A B P

Probabiliti posterioare
( ) B A P
i

S
m
P
post
sperana matematic
a rezultatelor obinute cu
probabiliti posterioare

Probabilitile condiionate reprezint un instrument de studiu al
evenimentelor stochastice (aleatoare) ce permite, ntr-o oarecare msur, luarea n
considerare a interaciunilor externe ce conduc la apariia unui eveniment precum i
a modului de variaie n timp a valorilor ce determin evenimentul. Astfel, dac se
urmresc valorile unei variabile aleatoare dintr-un proces pe durata unui anumit
interval de timp, este evident c apariia unei anumite valori la un moment dat nu
reprezint un fenomen independent ci este determinat de evoluia anterioar a
procesului. Faptul nu poate fi surprins prin utilizarea probabilitilor algebrice
"clasice", acestea fiind deduse pe baza unor calcule ce nu in seama de istoricul
variabilei aleatoare.
Fiind date dou evenimente A i B, se numete probabilitatea
condiionat (a evenimentului A condiionat de evenimentul B)
( )
( )
( ) B P
B A P
B A P

= probabilitatea ca evenimentul A s se realizeze atunci cnd se
cunoate informaia c evenimentul B a avut loc (valoarea ( ) B A P reprezint
probabilitatea ca evenimentele A i B s aib loc simultan).
Bayes a elaborat o formul general (teorema lui Bayes) pentru calculul
probabilitilor posterioare valabil pentru o mulime de k evenimente reciproc
exclusive i exhaustive.
Fiind date evenimentele A
1
, A
2
, , A
k
, mutual exclusive i exhaustive
15
, i
evenimentul B aflat n dependen cu acestea, este valabil formula:
( )
( ) ( )
( ) ( )
=
k
1 j
j j
i i
i
A P A B P
A P A B P
B A P (*)

15
Prin mulime de evenimente mutual exclusive i exhaustive se neleg acele evenimente
care satisfac urmtoarele condiii:
- oricare ar fi dou evenimente din mulimea respectiv, acestea nu pot avea loc
simultan (exclusivitate);
- cu evenimentele din mulime se pot descrie toate strile n care se afl sistemul la care
aceste evenimente fac referire (exhaustivitate).

Relevana teoremei a lui Bayes este dat de faptul c formula reprezint o
modalitate de a determina probabilitatea unui eveniment A
i
(component a unui
cmp de evenimente) dac se tie c apariia acestuia este influenat de
ndeplinirea unui alt eveniment independent B.
n relaia (*), expresia ( )
i
A B P nu reprezint probabilitatea de apariie a
evenimentului B atunci cnd se cunoate c evenimentul A
i
a avut loc (conform
expresiei), deoarece estimarea evenimentului B este anterioar estimrii lui A
i
.
(Interpretarea corect a acestei expresii din cadrul teoremei lui Bayes este a
probabilitii ca evenimentul B s fi avut deja loc tiind c apariia sa a fost urmat
de apariia evenimentului A
i
).
Formula (*) se folosete pentru determinarea probabilitilor posterioare n
analizele arborilor de decizie cu informaie perfect. Dac efectul economic ce se
obine n plus fa de folosirea modelului cu informaie complet este mai mare
dect costul informaiei adiionale, nseamn c se recomand achiziionarea
informaiei suplimentare. Calculele se fac pe baza speranei matematice a valorii
informaiei perfecte (diferena ntre sperana matematic a rezultatului folosind
informaie perfect i sperana matematic a rezultatului fr informaie perfect).
Se calculeaz rata eficienei informaiei achiziionate prin eanionare:

init m perf m
init m post m
P S I S
P S P S
=
unde:
S
m
I
perf
sperana matematic a rezultatelor folosind informaia perfect
S
m
P
post
sperana matematic a rezultatelor obinute cu probabiliti
posterioare
S
m
P
ini
sperana matematic a rezultatelor folosind probabilitile iniiale.

De exemplu, 2 , 0 = semnific faptul c eantionarea practicat de analitii
ce au elaborat studiul de oportunitate a consumat numai 20% din sperana
matematic a valorii informaiei perfecte. Cnd are valoare mic, aceasta
semnific o rezerv n mbuntirea informaiei prin aprofundarea ulterioar a
cercetrilor.
Pentru 6 . 0 se apreciaz c investigaia prealabil efectuat de analiti
a completat necesarul de informaii, achiziia de informaii se poate opri la acest
stadiu.
Dac
init m post m
P S P S > costul achiziionrii informaiei atunci se
recomand achiziionarea informaiei (n caz contrar, nu se recomand o asemenea
aciune).
Decizia final ce poate fi adoptat n urma folosirii informaiei adiionale
de ctre analiti se formuleaz astfel:
dac nu se recurge la un nou contract de cercetare i achiziie de

informaii suplimentare (adic 6 , 0 ) se alege varianta cu sperana
matematic a venitului maxim, aceasta fiind determinat cu
probabiliti posterioare.
dac se ncheie un contract de cercetare i de cumprare de informaie
nou, se ateapt pn se obine noua informaie adiional i se adopt
decizia n funcie de concluziile raportului ntocmit de cercettor.

Rezumat

Jocuri strategice
Intre parteneri raionali
Analitice
Cu sum nul
cu punct-a (strategii pure determinate cu principiul prudent maxmin
sau minmax)
fr punct-a (strategii mixte determinate prin modelul de programare
liniar)
Intuitive Jocuri de tip role playing
Contra naturii
Model decizional form matriceal:
- Variante decizionale, opiuni, strategii variabile de decizie
- Strile naturii parametri necontrolabili (eventual cu probabiliti
asociate)
- Criterii de decizie independente i necorelate
- Consecine decizionale variabile dependente, rezultatele scontate
un proces decizional
- n condiii de incertitudine - criterii: Wald, Laplace, Savage, Hurwicz
- n condiii de risc: sperana matematic
2, 3, n procese decizionale modelul arborelui decizional (noduri de
decizie, noduri de incertitudine, noduri terminale)

n acest capitol au fost prezentate principalele metode i tehnici de
fundamentare a deciziilor n funcie de situaia decizional descris. Orice proces
decizional pentru a rspunde unor rigori teoretice menite s compenseze limitrile
operatorilor umani n procesarea informaiilor i s fructifice rezultatele teoretice
enunate de teoria deciziilor cuprinde cteva elemente fundamentale: obiectivul sau
obiectivele deciziei, decidentul (individual sau grup), mulimea variantelor decizionale
(alternative sau strategii), criteriul sau setul de criterii folosite pentru compararea
diferitelor opiuni i situaiile obiective de evoluie (strile naturii).
Alegerea unei metode specifice pentru identificarea soluiei depinde de
informaiile disponibile, de natura i de calitatea acestora. Pentru procese de decizie

unice, acestea pot lua forma jocurilor strategice (cnd modelul decizional descrie o
situaie concurenial), a situaiilor decizionale n condiii de incertitudine sau de risc.
Pentru procese decizionale multisecveniale se poate folosi metoda arborilor
decizionali.
Pentru situaiile decizionale mono sau multisecveniale, se poate aprecia
oportunitatea achiziiei de noi informaii (prin estimarea probabilitilor posterioare i
evaluarea eficienei informaiei perfecte).

yCuvinte cheie

arbore decizional
Arrow, K.
aversiune fa de risc
coeficient de optimism
coeficient de importan
consecin decizional
criteriu de decizie
decident
decizie economic
funcie de utilitate
Hurwicz, L.
incertitudine
nclinaie pentru risc
joc strategic
Laplace, P. S.
matrice decizional
matricea regretelor
nod de decizie; nod de incertitudine
probabilitate
punct-a
raionalitate
regret
regul de decizie
risc
Savage, L.

Simon, H.
speran matematic
stare a naturii
strategie mixt
surclasare
valoare ateptat
varianta decizional
von Neumann-Morgenstern
teoria deciziei
utilitate global/de sintez
Wald, A.


[1] pag.119-150
[2]pag. 164 - 207


1. Cum se interpreteaz soluia determinat printr-un model de programare
liniar (funcia-obiectiv i componentele vectorului soluie) ntr-un joc
strategic fr punct-a?
2. Care sunt elementele fundamentale ale unui proces decizional?
3. Cum se clasific deciziile n funcie de informaiile disponibile?
4. Cum se alege pentru o situaie decizional specific (n condiii de
incertitudine) regula de decizie cea mai potrivit?
5. Cum se calculeaz matricea regretelor n cazul unor consecine de tip
profit?
6. Ce nseamn surclasarea variantelor decizionale i care este importana
practic ?
7. Descriei principalele tipuri de funcii de utilitate ataate unui proces
decizional.
8. Exemplificai modul de folosire a metodei arborilor decizionali pentru
procese decizionale la nivel microeconomic.
9. Cum se desfoar calculele ntr-un arbore decizional (distingei ntre
modul de calcul ntre parcurgerea nodurilor de tip decizie i n cele de tip
incertitudine)?
10. Cum se construiete arborele de decizie pe baza unui tabel decizional?
11. Cum se calculeaz valoarea informaiei perfecte / imperfecte i eficiena
achiziionrii de informaie complet?
12. Care este deosebirea ntre probabilitile condiionate (posterioare) i cele
necondiionate? Dar ntre probabilitile subiective i cele obiective?

MODELAREA
PROCESELOR DECIZIONALE
MULTICRITERIALE

7.1 Multicriterialitatea n activitatea de management

Procesul decizional presupune evaluarea mai multor variante decizionale n
vederea alegerii uneia dintre ele.
De cele mai multe ori, evaluarea variantelor decizionale se face pe baza
mai multor indicatori economici considerai criterii de evaluare.
Problemele n care se caut varianta decizional optim n raport cu mai
multe criterii se numesc probleme de optimizare multicriterial.
n cazul optimizrii multicriteriale se trateaz distinct:
optimizarea multiatribut;
optimizarea multiobiectiv.
n cazul optimizrii multiatribut:
numrul variantelor decizionale este finit;
fiecare variant este evaluat prin mai multe criterii exprimate prin
atribute (valori) cantitative i / sau calitative.
n cazul optimizrii multiobiectiv:
numrul variantelor decizionale este infinit;
fiecare variant este evaluat prin mai multe criterii exprimate prin
funcii matematice.
Criteriile de evaluare pot fi exprimate n uniti de msur diferite. O alt
problem const n faptul c, unele criterii luate n considerare urmresc
maximizarea unor indicatori economici (de exemplu: venitul total, producia total
etc.), iar alte criterii urmresc minimizarea unor indicatori (de exemplu: costul
total, timpul de lucru etc.).
Pentru alegerea variantei decizionale optime este necesar ierarhizarea
variantelor decizionale disponibile n raport cu toate criteriile dorite. Dar, n
general, o variant optim n raport cu un criteriu este suboptimal n raport cu
celelalte criterii. De aceea, se caut varianta care realizeaz cel mai bun compromis
pentru toate criteriile.
n acest scop este necesar transformarea valorilor indicatorilor n mrimi
care s permit att compararea variantelor, ct i agregarea valorilor criteriilor de
evaluare.
7

Exist diferite metode prin care se poate face transformarea valorilor
criteriilor n mrimi comparabile. n continuare, vor fi studiate metode bazate pe
conceptul de utilitate (prezentat n tema 6) i metoda programrii scop.

7.2 Programarea liniar multidimensional (multiobiectiv)

Forma general a problemei de programare liniar cu mai multe funcii
obiectiv:
Optimum F(X) = CX
Cu restriciile:
AX b
X 0,
unde:
X = vector coloan cu n componente x
1
, x
2
,...,x
n
care reprezint variabilele
decizionale ale problemei. (De exemplu, X poate fi vectorul structurii
de producie pentru o anumit perioad);
F(X) = vector coloan cu r componente f
1
(X), f
2
(X),...,f
r
(X), care reprezint
funciile obiectiv prin care sunt exprimate criteriile de evaluare a
variantelor decizionale. Fiecare funcie obiectiv este de forma f
h
(X) =
=
n
1 j
j hj
x c , pentru h = 1,...,r.
C = matrice cu r linii i n coloane. Este matricea coeficienilor celor r
funcii obiectiv, c
hj
, h = 1,...,r, j = 1,...,n.
A = matrice cu m linii i n coloane. Este matricea coeficienilor
tehnologici, a
ij
, i = 1,...,m, j = 1,...,n
b = vector coloan cu m componente b
1
, b
2
,...,b
m
care reprezint termenii
liberi din partea dreapt a restriciilor. Ei reprezint disponibilul
maxim dintr-o anumit resurs sau nivelul minim care trebuie atins
de anumite activiti.

Metoda maximizrii unei funcii sintez de utilitate

Pentru determinarea unei soluii care realizeaz cel mai bun compromis
pentru toate funciile se va construi o funcie sintez a tuturor funciilor obiectiv
numit funcie sintez de utilitate.
Funcia sintez de utilitate se obine prin transformarea funciilor obiectiv
f
1
(X), f
2
(X),...,f
r
(X), cu semnificaii economice concrete, n funcii de utilitate care
pot fi nsumate.
Prin maximizarea funciei sintez de utilitate n raport cu restriciile
problemei se obine soluia de compromis cu utilitate maxim.
Algoritmul de calcul pentru determinarea soluiei de compromis pentru
toate funciile obiectiv este urmtorul:

Pasul 1. Se obin valorile optimiste i valorile pesimiste ale tuturor
funciilor obiectiv.
a) Se rezolv r probleme de programare liniar cu o singur funcie
obiectiv:

Optim f
h
(X) =
minim de functie este dac

maxim de functie este dac
) X ( f min
) X ( f max
h
h

Supus la restriciile:

AX b
X 0,

pentru h = 1,...,r.

Se noteaz: O1, O2,...,Or valorile optimiste ale funciilor obiectiv f
1
(X),
f
2
(X),...,f
r
(X)

b) Se rezolv r probleme de programare liniar cu o singur funcie
obiectiv:
Pessim f
h
(X) =
minim de functie este dac

maxim de functie este dac
) X ( f max
) X ( f min
h
h

AX b
X 0,
pentru h = 1,...,r.

Se noteaz: P1, P2,...,Pr valorile pesimiste ale funciilor obiectiv f
1
(X),
f
2
(X),...,f
r
(X)

Pasul 2. Pe baza axiomelor von Neumann Morgenstern, se determin
utilitile valorilor optimiste O1, O2,...,Or i pesimiste P1,
P2,...,Pr:

Valori: O1 ... Oh ... Or P1 ... Ph ... Pr ,
Utiliti: u
1
... u
h
... u
r
u
r+1
... u
r+h
... u
2r

astfel nct u
h
+ u
r+h
= 1 pentru h = 1, ..., r

Pasul 3. Se construiesc funciile de utilitate f
h
(X) =
h
f
h
(X) +
h
,
unde
h
i
h
pentru h = 1,...,r se obin prin rezolvarea a r
sisteme de dou ecuaii liniare cu dou necunoscute:

= +
= +
h h h h
h h h h
u 1 P
u O

Pasul 4. Se rezolv problema de programare liniar cu funcia sintez de
utilitate de forma:
Max
|
|
.
|
\
|
=
) X ( f
r
1 h
'
h
= Max
|
|
.
|
\
|
|
|
.
|
\
|
+

= =
r
1 h
h
n
1 j
j hj h
x c
AX b
X 0,
sau
Max
|
|
.
|
\
|
=
) X ( f
r
1 h
'
h h


AX b
X 0,

unde
1
,
2
, ...,
r
0 sunt coeficieni de importan atribuii de decident, astfel
nct
=
=
r
1 h
h
1.
Dup rezolvarea problemei se obine soluia X* de compromis, nedominat
de celelalte soluii obinute prin rezolvarea problemei n raport cu fiecare funcie
obiectiv f
1
(X), f
2
(X),...,f
r
(X).
Rezolvarea problemelor de programare liniar cu funcia sintez de utilitate
se poate face cu QM/ Linear Programming sau cu WINQSB/ Lp ilp.

Aplicaia practic a acestei metode se poate studia n [2], Studiul de
caz 16, pag 88 91

7.3 Programarea scop

Programarea scop este o metod de rezolvare a problemei de programare
liniar cu mai multe funcii obiectiv.
Obiectivul programrii scop este gsirea unei soluii care verific
restriciile AX b, X0 i care duce la abateri ct mai mici fa de scopurile
propuse prin funciile obiectiv.

Ideea de baz a metodei const n transformarea tuturor funciilor
obiectiv n restricii scop prin:
specificarea pentru fiecare funcie obiectiv a unui nivel de aspiraie
sau scop;
definirea pentru fiecare scop a unei perechi de variabile de abatere
sau deviaie:
- deviaia n plus fa de scopul propus
- deviaia n minus fa de scopul propus .

Nivelurile de aspiraie sau scopurile pot fi:
stabilite de decident;
obinute prin optimizarea problemei de programare liniar n raport cu
fiecare funcie obiectiv.
Forma general a unui model pentru "programarea scop" este:
minimizeaz ) (
1
=
+
+
i i
N
i
i i
d d
supus la restriciile:

AX b
X 0

i restriciile scop:

f
i
(X) = V
i
+ d
i
+
- d
i
-
=> f
i
(X) - d
i
+
+ d
i
-
= Vi, i = 1,...,N

d
i
+
0, d
i
-
0, i = 1,...,N
unde:
d
i
+
: deviaia n plus fa de valoarea prestabilit pentru funcia obiectiv i;
d
i
-
: deviaia n minus fa de valoarea prestabilit pentru funcia obiectiv i;
i
i
i
sunt coeficieni ai deviaiilor care fac posibil nsumarea lor;
f
i
(X): funcia obiectiv i;
V
i
: valoarea prestabilit (nivelul de aspiraie) pentru funcia obiectiv i;
X : vector coloan cu n componente x
1
, x
2
,...,x
n
care reprezint variabilele
decizionale ale problemei;
AX b: restriciile care definesc domeniul de admisibilitate al problemei
pentru variabilele decizionale x
1
, x
2
,...,x
n
.

Elementul cheie n utilizarea practic a metodei de programare scop l
constituie specificarea funciei obiectiv, adic definirea coeficienilor
i
i
i
pentru
deviaiile d
i
+
i d
i
-
.

Funcia care minimizeaz deviaiile fa de nivelurile de aspiraie sau
scopurile propuse se numete funcie scop. Dac deviaiile se msoar cu uniti
de msur diferite, atunci este necesar definirea unor costuri de penalizare a
deviaiilor astfel nct s se poat minimiza suma total a costurilor de penalizare
generate de diferite deviaii.

Funciilor scop li se pot asocia diferite prioriti. n acest caz se poate
proceda astfel:
Se ordoneaz descresctor scopurile i se stabilete prioritatea de
satisfacere a fiecrui scop:

P1 >>> P2 >>> >>>Pn...

unde >>> nseamn "mult mai mare".
Ordonarea prin prioriti este absolut, astfel c scopul cu prioritatea P2
nu va fi niciodat atins nainte ca scopul cu prioritatea P1 s fie realizat cu abaterea
cea mai mic fa de nivelul de aspiraie propus.
n acest caz, prin metoda programrii scop se rezolv succesiv un numr
de probleme egal cu numrul prioritilor. Evident, numrul prioritilor este mai
mic sau cel mult egal cu numrul funciilor obiectiv, iar numrul funciilor scop
este egal cu numrul prioritilor.
Deoarece nu toate scopurile pot fi realizate simultan, n cazul funciilor
scop cu prioriti diferite vor aprea conflicte ntre scopuri. Aceste conflicte pot fi
analizate cu ajutorul preurilor umbr asociate restriciilor scop.
Rezolvarea modelelor de programare scop se poate face cu QM/ Goal
Programming sau cu WINQSB/ Gp igp.

Aplicaiile practice ale acestei metode se pot studia din [1], Studiul de
caz 11, pag. 156 159 i din [2], Studiul de caz 16, pag. 91 101

7.4 Metoda utilitii globale maxime

Metoda utilitii globale maxime poate fi utilizat n cazul optimizrii
multiatribut pentru alegerea unei variante decizionale pe baza mai multor criterii
exprimate prin atribute cantitative sau calitative.

Baza informaional este prezentat n tabelul 7.1.
Tabelul 7.1
Variantele decizionale
Criteriu
Tip
criteriu
Coeficient
de
importan
V1 V2 ...Vj... Vn
C1 max
1
X11 X12 X1j X1n
C2 min
2
X21 X22 X2j X2n
:
Ci
:
:
max sau
min
:
:
i

:
:
Xi1
:
:
Xi2
:
:
Xij
:
:
Xin
:
Cr max
r
Xr1 Xr2 Xrj Xrn

Xij reprezint valoarea criteriului i pentru varianta j.
nainte de a trece la aplicarea metodei, dac exist atribute Xij calitative
este necesar transformarea lor n atribute cantitative prin asocierea unor note
apreciate de ctre decident.
Paii metodei:
Pasul 1. Transformarea valorilor Xij n utiliti u
ij
.
a) Pentru fiecare criteriu Ci, i = 1,...,r, se determin valoarea
minim Ximin i valoarea maxim Ximax;
b) Se calculeaz utilitile u
ij
, i = 1,...,r i j = 1,...,n
n cazul criteriilor de maxim:
u
ij
=
min Xi max Xi
min Xi Xij

n cazul criteriilor de minim:
u
ij
=
min Xi max Xi
Xij max Xi

Pasul 2. Se calculeaz utilitatea global UGj pentru fiecare variant
decizional Vj, j=1,...,n:
UGj =
=

r
1 i
ij i
u , unde
=

r
1 i
i =1.

Pasul 3. Se alege varianta Vj
*
cu utilitatea global maxim

n ,..., 1 j
max
=
{UGj} => Vj
*

In sistem conversaional, metoda este implementat de produsul informatic
MANAGER1/ UTIGLOM
16

Aplicaia practic a acestei metode se poate studia din [1], Studiul de
caz 12, pag. 160.

7.5 Metoda momentelor utilizat n ierarhizarea variantelor
decizionale

Metoda momentelor poate utilizat n ierarhizarea variantelor decizionale
n cazul deciziilor de grup.
Baza informaional este prezentat n tabelul 7.2.

Tabelul 7.2
Criterii (decideni)
Variante
decizionale D1 ... Dj ... Dn
=
n
1 j
ij
u
V1
.
.
.
Vi
.
.
.
Vm
u
11
... u
1j
... u
1n

.
.
.
u
i1
... u
ij
... u
in

.
.
.
u
m1
... u
mj
... umn
C
.
.
.
C
.
.
.
C

Nu se face nici o ipotez n legtur cu importana relativ a criteriilor
(decidenilor).
Utilitatea global asociat fiecrei variante decizionale este aceeai,
adic
=
n
1 j
ij
u = C, pentru i = 1,...,m

16
Produsul este prezentat n anexa 6 a lucrrii: Raiu Suciu Camelia, Modelarea &
Simularea proceselor economice. Teorie i practic. Ediia a II-a. Editura Economic,
Bucureti, 2002, pag. 369.

Metoda determin:
pentru fiecare linie i = 1,...,m, momentele-linie:
=
=

=
n
1 j
ij
n
1 j
ij
i
u
u j
M
l

pentru fiecare coloan j = 1,...,n, momentele-coloan:
=
=

=
m
1 i
ij
m
1 i
ij
c
j
u
u i
M

Se pornete de la o aranjare arbitrar a liniilor i coloanelor matricei
utilitilor.
Paii metodei:
Pasul 1. Se calculeaz momentele-linie
l
i
M , i = 1,...,m i se reordoneaz
liniile Tabelului 7.2, n ordinea cresctoare a momentelor-linie;
Pasul 2. Pentru matricea obinut la Pasul 1, se calculeaz momentele
c
j
M ,
j = 1,...,n i se reordoneaz coloanele Tabelului 7.2, n ordinea
cresctoare a momentelor-coloan.
Pasul 3. Se reia algoritmul de la Pasul 1 cu matricea obinut la Pasul 2 i
se continu pn cnd nu mai sunt posibile reordonri.
Pasul 4. Ierarhizarea variantelor se citete n coloana Variante decizionale,
de jos n sus. Prin urmare varianta optim se afl pe ultima linie a
tabelului final.
In sistem conversaional, metoda este implementat de produsul informatic
MANAGER1/ ORVAD.
17

Aplicaia practic a acestei metode se poate studia din [1], Studiul
de caz 13, pag. 163 - 165.

17
Produsul este prezentat n Anexa 7 a lucrrii: Raiu Suciu Camelia, Modelarea &
Simularea proceselor economice. Teorie i practic. Ediia a II-a. Editura Economic,
Bucureti, 2002, pag. 370 - 371

7.6 Fuzzyficarea modelelor

7.6.1 Metode de trecere de la variabila lingvistic (descriptiv)
la cea cantitativ (algoritmizabil)

Deciziile se bazeaz pe informaii. Cel mai adesea, informaiile disponibile
se prezint sub forma unui amestec de date precise i percepii. Aceste percepii pot
fi exprimate foarte sugestiv cu ajutorul unor operatori lingvistici cum sunt: poate,
oarecum, cald, rece, aproape, departe, mare, mic, nalt, scund etc. sau de exemplu,
este foarte posibil ca preul produsului X s creasc semnificativ n viitorul
apropiat.
Percepiile sunt prin natura lor imprecise, reflectnd abilitatea limitat a
oamenilor de a reine detalii i de a memora multe informaii.
Imprecizia este generat de imposibilitatea de a delimita exact graniele
dintre diferite categorii care reprezint anumite proprieti cum sunt mare mic,
aproape departe etc.
Legat de imprecizia percepiei umane, Lotfi Zadeh (cercettor american) a
formulat chiar un principiu al incompatibilitii artnd c pe msura creterii
complexitii, precizia i semnificaia afirmaiilor referitoare la comportamentul
procesului economic sunt incompatibile, n sensul c majoritatea afirmaiilor
referitoare la un proces complex sunt imprecise sau vagi.
De asemenea, L. Zadeh este fondatorul teoriei mulimilor vagi (fuzzy) prin
care se fundamenteaz din punct de vedere matematic posibilitatea de a opera cu
elemente imprecise. Astfel, prin definirea noiunii de mulimi vagi, elementele unor
astfel de mulimi au grade de apartenen cu valori n intervalul [0, 1]. De exemplu,
o ntreprindere poate aparine cu gradul de apartenen 0,9 mulimii ntreprinderilor
mici i cu gradul de apartenen 0,2 mulimii ntreprinderilor mijlocii.
Un asemenea mod de abordare permite definirea conceptelor de optimizare
flexibil i de soluie satisfctoare (Herbert Simon).
Prin definirea coeficienilor unui model de programare liniar ca mulimi
vagi se obine programarea robust (o familie de probleme de programare
inexact).
Trecerea de la exprimarea lingvistic la cea numeric constituie o art,
dificil de algoritmizat.
Necesitatea transformrii variabilei lingvistice n variabil de tip numeric,
rezult din:
posibilitatea reflectrii mai exacte a fenomenelor;
posibilitatea prelucrrii automate a datelor.
Pe parcursul elaborrii modelelor are loc permanent convertirea
variabilelor lingvistice n variabile numerice i invers.
Regulile de transformare sunt, n majoritatea cazurilor, de natur empiric
i intuitiv, dar n anumite cazuri pot fi folosite proceduri programabile pe
calculator prin folosirea statisticii matematice.

Alte aspecte legate de trecerea de la variabile lingvistice la variabile
cantitative se pot studia n [1], pag. 166 169.

7.6.2 Necesitatea fuzzyficrii modelelor deterministe

n situaii complexe, pentru rezolvarea problemelor se apeleaz la
raionamente exprimate prin variabile descriptive.
Imprecizia exprimat prin operatorii lingvistici ofer expresivitate i
coninut informaional ridicat comunicrii n limbaj natural.
Procesul de fuzzyficare constituie obiectivul unei concepii caracterizate
printr-o capacitate deosebit de adaptabilitate i flexibilitate. Prin fuzzyficare,
variabilele lingvistice pot fi transformate n variabile cantitative, care au un
caracter deosebit de elastic.
Manevrarea datelor inexacte permite nuanarea deciziei i conduce la
programarea flexibil.
Pentru a obine modele flexibile i robuste apare necesitatea utilizrii
toleranelor pentru coeficienii modelelor deterministe.
n cazul relaxrii restriciilor se pot elabora programe flexibile de producie
cu diferite grade de realizare.
Mrimea toleranelor admise pentru restriciile problemei de programare
liniar reprezint necesarul suplimentar de resurse pentru realizarea obiectivelor
propuse.
Este recomandat ca iniial s se opereze cu variabile i relaii deterministe.
Pe baza analizei rezultatelor, se apreciaz care sunt variabilele i / sau restriciile
care denatureaz realitatea economic. n final, aceste variabile i restricii se
relaxeaz prin fuzzyficare.

7.6.3 Variabil fuzzy, relaie fuzzy

Cercettorul american Lotfi Zadeh
18
propune, n 1965, conceptul de logic
fuzzy prin care se pot construi propoziii care, n afar de valoarea 1 pentru
propoziia adevrat i valoarea 0 pentru propoziia fals, pot avea valori
intermediare n [0, 1].
Savantul romn Grigore Moisil a anticipat, n 1943, conceptul de logic
fuzzy n lucrrile sale de logic nuanat n care propoziiile au o infinitate de
valori.
Astzi abordarea imprecis a problemelor decizionale beneficiaz de
rezultate importante furnizate de teoria mulimilor fuzzy, teoria sistemelor fuzzy,
teoria algoritmilor fuzzy. Aceste rezultate stau la baza multor sisteme de inteligen
artificial, n special n robotic.

18
Zadeh L.A. Fuzzy Sets. Information and Control, Vol. 8, pag. 338 353 (1965),.

Fie E mulimea tuturor elementelor x i A o mulime inclus n E, A E.
Elementele mulimii A se caracterizeaz prin anumite proprieti.
In cazul utilizrii cuvintelor (adjective, adverbe, etc.) se spune c mulimea
elementelor se constituie n universul discursului. n acest caz, se obine o variabil
lingvistic.
In cazul cnd mulimea elementelor este format din cifre care reprezint
indicatorii ataai unei caracteristici (cantiti, lungimi, capaciti, note etc.) se
obine o variabil fuzzy sau vag.
Pentru a indica apartenena unui element x E, la o anumit proprietate a
mulimii A E se definete gradul de apartenen sau funcia de apartenen
A
(x).
Funcia de apartenen este definit pe mulimea E i ia valori n mulimea
M, adic:

A
(x): E M

Dac mulimea M a valorilor funciei de apartenen este format din dou
elemente, adic M = {0, 1}, atunci A este o mulime nevag.
Dac mulimea M este intervalul [0, 1], atunci A este o mulime vag sau
fuzzy. n acest caz, deoarece max
A
(x) = 1, mulimea A este o mulime vag
normal. In general, se efectueaz o normalizare a gradelor de apartenen.
Mulimea elementelor x pentru care
A
(x) 0 se numete suportul mulimii
vagi.
Dac se consider c gradul de apartenen este o mrime determinist,
atunci este vorba de vaguitate de ordinul I.
Dac se consider c gradul de apartenen este o mrime vag (cu grad de
apartenen determinist), atunci este vorba de vaguitate de ordinul II.
Definiia mulimii vagi sau fuzzy: Se numete mulime vag A n E,
mulimea perechilor ordonate {x,
A
(x) , x E}, unde
A
(x) este funcia sau gradul
de apartenen al elementului x la o anumit proprietate care caracterizeaz
mulimea A.
Cu ajutorul funciilor de apartenen, variabilele lingvistice pot fi
transformate n variabile cantitative, deosebit de flexibile.
Funciile de apartenen au caracter subiectiv. De exemplu, afirmaia
ntreprinderea Y aparine n mare msur mulimii B a ntreprinderilor mici poate
fi exprimat cantitativ prin gradul de apartenen
B
(Y) = 0,9.
Dac subiectivismul reprezint informaia necuantificabil deinut de
decident sub forma intuiiei i experienei atunci rezult c abordarea fuzzy
permite:
valorificarea informaiei comunicabile prin limbajul natural;
asimilarea elementelor specifice intuiiei umane.
Exist diferite tipuri de funcii de apartenen. Cele mai utilizate sunt
funciile de apartenen exponeniale i fracionare.
ntre mulimile vagi se pot defini diverse relaii.

Aceste relaii sunt definite cu ajutorul gradelor de apartenen. Dac
gradele de apartenen sunt mrimi deterministe, atunci relaia definit este n sens
nevag. Dac gradele de apartenen sunt mrimi vagi, atunci relaia definit este n
sens vag.
Egalitatea a dou mulimi vagi:
n sens nevag: A = B dac i numai dac
A
(x) =
B
(x), () x E
n sens vag: A B dac
A
(x)
B
(x), () x E (adic mulimea
A este egal n sens vag cu mulimea B dac
A
(x) este egal n sens
vag cu
B
(x) aproape pentru orice sau pentru majoritatea
elementelor x E).
Incluziunea a dou mulimi vagi:
n sens nevag: A B, dac i numai dac
A
(x)
B
(x), () x E
n sens vag: A
~
B, dac i numai dac
A
(x) <
~

B
(x), () x E.

Pentru aplicaia practic se va studia exemplul referitor la gradul de
nzestrare tehnic a ntreprinderilor, din [1], pag. 176 178.

Mulimea complementar a unei mulimi vagi:
O mulime A
~
se numete complementar a lui A, dac:

A
~
(x) = 1 -
A
(x), () x E
Mulimea complementar a unei mulimi vagi:
O mulime A
~
se numete complementar a lui A, dac:

A
~
(x) = 1 -
A
(x), () x E
Intersecia nevag A B a dou mulimi vagi:
Intersecia nevag a dou mulimi vagi este o submulime inclus n
sens nevag n A i B al crui grad de apartenen satisface relaia:
A B
(x) = min {
A
(x),
B
(x)}
Intersecia vag A B a dou mulimi vagi:
Intersecia vag a dou mulimi vagi este o submulime inclus n
sens vag n A i B al crui grad de apartenen satisface relaia:
A B
(x) min {
A
(x),
B
(x)}

Pentru aplicaia practic se va studia exemplul referitor intersecia
dintre mulimea muncitorilor calificai i mulimea muncitorilor cu
starea sntii bun, din [1], pag. 179 180.

Reuniunea nevag A B a dou mulimi vagi:
Reuniunea nevag A B a dou mulimi vagi este o mulime vag cu
gradul de apartenen determinist:

A B
(x) = max {
A
(x),
B
(x)}

Reuniunea vag A B a dou mulimi vagi:
Reuniunea vag A B a dou mulimi vagi este o mulime vag cu
gradul de apartenen definit n sens vag:

A B
(x) max {
A
(x),
B
(x)}
Produsul algebric nevag A*B a dou mulimi vagi A i B este o
mulime vag cu gradul de apartenen determinist:

A * B
(x) =
A
(x)
*

B
(x)
Produsul algebric vag A*B a dou mulimi vagi A i B este o mulime
vag cu gradul de apartenen definit n sens vag:

A * B
(x)
A
(x)
*

B
(x)
Suma algebric nevag A+B a dou mulimi vagi este o mulime vag
cu gradul de apartenen determinist:

A + B
(x) =
A
(x) -
B
(x)
*

A
(x) +
B
(x)
Suma algebric vag A+B a dou mulimi vagi este o mulime vag cu
gradul de apartenen definit n sens vag:

A + B
(x)
A
(x) -
B
(x)
*

A
(x) +
B
(x)

7.6.4 Proceduri de fuzzyficare a problemelor de programare liniar

Se pornete de la forma general a problemei de programare liniar:
Optim cX
Cu restriciile:
A
1
X b
1

A
2
X b
2

X 0,
unde prin A
1
, A
2
, b
1
, b
2
s-au notat pri ale matricei A i respectiv ale vectorului b.
Fuzzyficarea restriciilor: acceptarea unor tolerane n realizarea
restriciilor.

Optim cX
Cu restriciile:
A
1
X
~
b
1
=>
A
2
X
~
b
2
=>
X 0
Optim cX
Cu restriciile:
A
1
X b
1
+ T
1

A
2
X b
2
T
2

X 0, T
1
0, T
2
0
unde:
T
1
= vectorul necesarului suplimentar de resurse
T
2
= vectorul care arat cu ct vor fi reduse nivelurile orientative ale cererilor
de produse astfel nct programul s fie realizabil
Prin fuzzyficare, fiecrei restricii se asociaz o mulime vag Si cu
funcia de apartenen
Si
(X).

Pentru restricia
1
i
1
i j
1
ij
t b x a +
=
n
1 j
, funcia de apartenen
Si
(X) poate fi
de forma:

Figura 7.1

Pentru restricia
2
i
2
i j
n
1 j
2
ij
t b x a
=
, funcia de apartenen
Si
(X) poate
fi de forma:

Figura 7.2
Si
(X)
1
0
1
i
b
1
i
1
i
t b +
j
n
1 j
1
ij
x a
Si
(X)
1
0
2
i
2
i
t b
2
i
b
j
n
1 j
2
ij
x a
=

Fuzzyficarea funciei obiectiv: const n fixarea unui nivel de aspiraie
O pentru valoarea funciei obiectiv.
Fa de valoarea dorit a funciei obiectiv se admite o toleran t
o
:
Max c
~
X => cX O t
o

Min c
~
X => cX O + t
o

unde t
o
0.
n acest fel, funcia obiectiv se transform n restricie.
Pentru obinerea soluiei cu gradul maxim de apartenen la mulimea
intersecie a mulimilor vagi asociate, se rezolv problema:
)) x ( min ( max
i
S
1 m ,..., 1 i X

+ =

Aceast problem are ntotdeauna soluie, dar gradul de ndeplinire a
programului de producie este mai mic sau egal cu 1.

Aplicaiile numerice ale acestor metode sunt prezentate n [2], Studiul
de caz 18, pag. 102 107

Rezumat

Mai nti sunt definite cele dou categorii principale de optimizare
multicriterial: optimizarea multiobiectiv i optimizarea multiatribut.
Din categoria optimizrii multiobiectiv sunt prezentate abordrile prin
metoda maximizrii unei funcii sintez de utilitate i metoda programrii scop.
Din categoria optimizrii multiatribut sunt prezentate dou metode: metoda
utilitii maxime globale i metoda momentelor pentru ierarhizarea variantelor
decizionale.
Problematica fuzzyficrii este abordat att din punct de vedere al
metodelor de trecere de la variabila lingvistic (descriptiv) la variabila cantitativ
(algoritmizabil), ct i din punct de vedere al necesitii fuzzyficrii modelelor
deterministe. Sunt definite variabilele i relaiile fuzzy. In final, sunt prezentate
proceduri de fuzzyficare a problemelor de programare liniar.

y Cuvinte cheie

analiza conflictelor ntre obiective
cost de penalizare
decizii de grup
deviaie (n plus/ n minus) fa de
valoarea prestabilit
funcie de utilitate
funcie sau grad de apartenen
funcie scop
funcie sintez
fuzzyficarea funciei obiectiv
fuzzyficarea restriciilor
ierarhizarea variantelor decizionale
imprecizie
Moisil Grigore
moment linie / moment coloan
multiatribut
multicriterialitate
multiobiectiv
mulimi vagi sau fuzzy
nivel de aspiraie prestabilit
preuri umbr
principiul incompatibilitii
prioriti
programare scop
relaii ntre mulimi vagi
soluie de compromis
soluie suboptimal
toleran
utilitate global maxim
variabil cantitativ
(algoritmizabil)
variabil lingvistic
(descriptiv)
variabile de decizie
Zadeh Lotfi


[1] pag. 151 - 182
[2] pag. 88 - 107


1. Ce este o problem managerial multicriterial? Exemplificai.
2. Care este deosebirea dintre optimizarea multiatribut i optimizarea
multiobiectiv?
3. Ce este o soluie de compromis? Cum poate fi obinut o soluie de
compromis n cazul optimizrii multiatribut respectiv, multiobiectiv?
4. Cum se poate obine o funcie sintez de utilitate?
5. n ce condiii se aplic metoda momentelor pentru ierarhizarea variantelor
decizionale? Care sunt dezavantajele metodei?
6. Cum se obin restriciile scop ale unei probleme manageriale
multicriteriale?
7. Cum se obin funciile scop ale unei probleme manageriale
multicriteriale?
8. Cte variabile i cte restricii are modelul de programare scop? Cu ce
metod se rezolv un model de programare scop?
9. Cum se pot rezolva conflictele ntre scopuri?
10. Definii variabila lingvistic i, respectiv variabila cantitativ? Care este
rolul lor n procesul decizional?
11. Ce este logica fuzzy?
12. Definii mulimile vagi sau fuzzy.
13. Ce este o relaie de tip vag ntre mulimile fuzzy?
14. Ce caracter au funciile de apartenen?
15. n ce const fuzzyficarea problemei de programare liniar la nivelul unei
organizaii?
16. Care sunt avantajele fuzzyficrii modelelor deterministe pentru decident?

MODELE ECONOMICO-MATEMATICE
I DE SIMULARE PENTRU UTILIZAREA
I ALOCAREA RESURSELOR
(MATERIALE, UMANE, BNETI I DE TIMP)
N CADRUL UNEI ORGANIZAII

8.1 Teorema de optimalitate a lui Bellman

Caracterul secvenial al unor procese economice permite folosirea
metodelor programrii dinamice n stabilirea unei politici optime de armonizare a
obiectivelor cu resursele.
Programarea dinamic conine o serie de metode adaptive, n sensul c, la
fiecare moment, decizia optim ce trebuie luat depinde de mulimea
evenimentelor care s-au produs anterior. Succesiunea acestor decizii formeaz o
strategie (politic), iar orice ir de decizii succesive ce fac parte dintr-o politic se
numete subpolitic.
n mulimea politicilor posibile exist cel puin una, denumit optimal,
care permite optimizarea criteriului de eficien ales.
Teorema de optimalitate formulat de Bellman arat c orice politic
extras dintr-o politic optimal este ea nsi optimal.
Aplicarea acestui principiu de optimalitate n rezolvarea problemelor
practice de armonizare a obiectivelor cu resursele se face difereniat, n funcie de
caracterul parametrilor care pot fi de tip determinist sau probabilist.
Pentru a se putea aplica strategiile de optimizare cunoscute, modelul se
structureaz sub forma unor ecuaii sau inecuaii, care descriu fenomenul studiat, a
unor restricii asupra variabilelor i a unui criteriu de optim.
Ideea de baz n rezolvarea acestor modele const n descompunerea
problemei n faze (subproblem cu o singur variabil) i n aplicarea principiului
lui Bellman.
A lua o decizie optim n dinamic nseamn a gsi o politic optim pe
toat perioada de referin, astfel nct toate subpoliticile componente s fie optime.
Variabilele care descriu starea procesului considerat se numesc variabile de
stare.
Problema const n determinarea unui ir de decizii, iar efectul fiecrei
decizii l reprezint modificarea strii sistemului.
Etapele sau paii procesului sunt momentele n care trebuie luate deciziile.
n problemele secveniale, ele formeaz un ir cresctor.
8

Dup ce au fost prezentate principalele concepte asociate problemelor de
programare dinamic, detaliem n continuare unele modele cu larg aplicabilitate n
unitile economice.

8.2 Modelarea proceselor de producie-stocare cu programare
dinamic

n cazul rezolvrii problemelor de producie-stocare prin programare
dinamic se introduce ca variabil de stare nivelul stocului la sfritul fiecrei
perioade a orizontului considerat.
Cazul general pune problema dimensionrii cantitii stocate dintr-o
anumit resurs, astfel nct cererea seciilor de producie s fie satisfcut atunci
cnd se solicit resurse din depozit (intervalul de timp poate fi cunoscut sau
neprecizat), iar costul de stocare s fie minim.
Plecnd de la cazul general se pot face unele particularizri i anume:
Cazul 1: cererea de resurse este cunoscut i constant n timp, iar nivelul
iniial al stocului se menine constant.
Se concepe un algoritm de determinare a dimensiunii optime a stocurilor.
Cazul 2: Ipotezele de la care se pleac sunt: stocul de la sfritul perioadei
este dat de stocul de la nceputul perioadei la care se adaug intrrile de resurse din
perioada curent i se scad cantitile din resurs eliberate n producie, cantitatea
de aprovizionat se determin astfel nct s acopere ieirile din stoc pe un numr
limitat de perioade, nu se admite rupere de stoc.
Cazul 3: Resursele sunt n depozit cu capacitate fix (D) i cu un stoc
disponibil (S) n orice moment.
Modelul de stocare cuprinde expresia costului asociat procesului de stocare
i funcia costului minim.
Minimul funciei cost va fi atins atunci cnd nivelul stocului este sczut,
iar aprovizionarea cu resursele materiale necesare se face n cantitile solicitate de
procesul de producie.

8.3 Modelarea alocrii unor fonduri bneti n funcie de efectele
economice obinute

Formularea economic a problemei:
Se dorete repartizarea unui fond F pe cele n obiective disponibile, astfel
nct efectele ( ) F E
n
s fie maxime.
Notaii:
F fondul disponibil ce urmeaz a fi alocat pentru
modernizarea/reprofilarea/dezvoltarea a n obiective (secii,
uniti etc.);

k
x fondul ce se aloc pentru fiecare obiectiv k, deci F x
n
k
k
=
=1
,
n k ,... 2 , 1 = obiective
( ) F E
k
efectul economic integral ce se obine prin alocarea optim a
fondului F pe k obiective (reprezint suma efectelor ce se obin
pentru diferite obiective);

( ) ( ) ( ) ( ) { }
k k k
x e x e x e F E + + + = ... max
2 2 1 1

Facem urmtorul raionament, plecnd de la principiul de optimalitate al
lui Bellman. Pentru k n = :
Dac pentru obiectivul k s-a repartizat un fond
k
x i s-a obinut efectul
( )
k k
x e , atunci pentru ( ) 1 k obiective se va aloca ( )
k
x F i se va obine
efectul ( )
k k
x F E
1
, deci efectul total va fi:

( ) ( ) ( ) { }
k 1 k k k k
x F E x e max F E + =

, | | F x
k
, 0

n mod analog pentru n n =

( ) ( ) ( ) { }
n 1 n n n n
x F E x e max F E + =

Determinnd valoarea lui
n
x care maximizeaz eficiena economic
integral, obinem nivelul optim al fondului alocat
n n
x x .
Dup ce s-a determinat
n
x se continu procesul de citire a soluiei:

1 2 3 2 1
, , ,..., , x x x x x
n n

Mulimea acestor valori ordonate cresctor reprezint tocmai strategia de
alocare optim a fondului pe etape (obiective).
Algoritmul este programabil, problemele de dimensiuni mari se pot rezolva
n sistem conversaional cu programul DINAMIC din MANAGER1. Utilizatorul
este solicitat s specifice valoarea unui pas ce reprezint o subdiviziune a fondului
total ce urmeaz a fi alocat i n funcie de care s-a fcut analiza tehnico-economic
privind efectele obinute (producie/fondul alocat).

8.4 Modelul de analiz a drumului critic pentru proiecte complexe

8.4.1 Noiuni de baz

Analiza drumului critic este un instrument managerial frecvent utilizat n
programarea i urmrirea lucrrilor de anvergur (investiii, reparaii capitale,
revizii la instalaii, cercetare-dezvoltare etc.), care permite planificarea pe termen
mediu i scurt, programarea operativ a execuiei, precum i actualizarea periodic
a acestor proiecte innd seama de factorii: timp, cost resurse materiale i umane.
Metoda const n divizarea aciunilor complexe n pri componente, la un
nivel care s permit corelarea logic i tehnologic a acestora, adic s fac
posibil stabilirea intercondiionrilor ntre prile componente, care se numesc
activiti.
Prima operaie cerut de metodologia ADC este definirea listei activitilor
de ctre specialiti, care pe baza experienei dobndite stabilesc activitile imediat
precedente (condiionrile) i durata fiecrei activiti care poate avea caracter
determinist (se cunoate cu exactitate), probabilist (se calculeaz durata medie
probabil) sau se determin prin simulare.
Activitile sunt de trei feluri, i anume: propriu-zise (consum timp i
resurse), timp ateptare (consum numai timp) i fictive (nu consum nici timp,
nici resurse, dar sunt introduse din considerente de reprezentare grafic).
Evenimentele sunt momentele caracteristice ale unei aciuni complexe i
reprezint stadii de realizare a activitilor. Ele se reprezint sub forma unor
noduri.
O activitate ( )
ij
A se poate desfura ntre termenul minim al
evenimentului precedent ( ) i i termenul maxim al evenimentului urmtor ( ) j ,
sintetic spus: o anumit activitate este definit de evenimentul de nceput, respectiv,
de terminare.
Grafic, aceste aspecte sunt prezentate n figura 8.1.

Figura 8.1
min
t
ij
A
max
t
min
t
max
t
ij
d
i
j

Dac ( )
ij
d reprezint durata de desfurare a activitii ( )
ij
A , aceasta
poate avea sau nu o rezerv de timp n funcie de termenele n care se desfoar.
Rezerva total ( )
t
R se calculeaz cu formula:

ij
i j
t
d t t R =
min
max

ntr-un graf se pot lua n considerare diferite succesiuni de activiti
adiacente plecnd de la nceperea primei activiti pn la terminarea ultimei
activiti.
nsumnd duratele activitilor pentru fiecare succesiune se obin valori
diferite.
Pentru nelegerea esenei metodei ADC este important de reinut c cea
mai lung succesiune determin durata minim posibil de execuie a ntregii
aciuni; acesta este, de fapt, drumul critic al grafului.
Altfel spus, drumul critic al unui graf este succesiunea activitilor dintre
nodul iniial i nodul final care au rezerv total nul.
Prin tehnica calculului drumului critic se poate determina durata minim
posibil de realizare a aciunii complexe.
Prezentm n figura 8.2 modul de calcul al termenelor minime i maxime
pentru un eveniment ( ) p din graf.

Figura 8.2
x
x

p
1
k
2
k
n
k
1
q
2
q
n
q
min
t
max
t
x
x

p k
A
1

1
pq
A
p k
d
1

1
pq
d
p k
A
2

2
pq
A
p k
d
2

2
pq
d
p k
n
A
n
pq
A
p k
n
d
n
pq
d
? ?

Momentul cel mai devreme posibil de terminare a tuturor activitilor care
converg n p este:

Momentul cel mai trziu posibil de ncepere a activitilor care pleac din p:

Avantajele acestei metode sunt numeroase. Principalul avantaj se refer la
determinarea cu anticipaie a duratei de execuie a aciunilor (proiectelor) complexe,
cu o aproximaie acceptabil i cu respectarea legturilor logice i tehnologice
dintre activiti.

8.4.2 Calculul analitic i n sistem conversaional a duratei unei aciuni
complexe cu evidenierea activitilor critice

Pentru un proiect definit de activitile sale de baz, specialitii stabilesc
succesiunea i intercondiionarea dintre activiti, iar duratele pot fi estimate:
a) printr-o singur valoare determinist;
b) prin trei valori, i anume: o durat optimal ( )
ij
a , una medie probabil
( )
ij
m i o durat pesimist ( )
ij
b .

n acest caz, durata unei activiti are o distribuie beta i se calculeaz cu
relaia:
6
4
ij ij ij
ij
b m a
d
+ +
=

Pentru calculul analitic se va parcurge studiul de caz 15, pag. 196 din [1].
n sistem conversaional se obin aceleai rezultate prin apelarea modulului
J din QM ( ) PERT / J / TM ; CPM / J / QM sau CPM PERT din WINQSB.

8.4.3 Modelul de analiz a drumului critic/COST

Durata de execuie a unei aciuni complexe variaz n general ntre dou
momente de timp, i anume, unul maxim i altul minim, impuse de consideraii
tehnice i/sau economice. Evident, durata lucrrii are numeroase implicaii asupra
costului. De aceea este important de determinat acea durat a aciunii complexe
creia i corespunde un cost minim.
Fiecare activitate considerm c are dou durate de execuie, i anume, una
normal (asimilat duratei maxime de execuie a activitii) i o durat de execuie
minim (crash), la care se poate ajunge prin msuri de urgentare.
( ) ( ) ( ) { }
p k
kn
min p k
2 k
min p k
1 k
min
p . ev
min
n 2 1
d t ;...; d t ; d t max t + + + =
( ) ( ) ( ) { }
n 2 1
pq
qn
max pq
2 q
max pq
1 q
max
p . ev
max
d t ;...; d t ; d t min t =

Funcia cost-durat este descresctoare, deoarece orice efort de urgentare
este nsoit de creterea cheltuielilor. Costul unitar al urgentrii se calculeaz ca un
raport ntre diferena costurilor i diferena duratelor de execuie a activitilor.
Analiza cost-durat se face n funcie de durata normal i minim i costul
normal i maxim rezultat de urgentarea executrii fiecrei activiti.
Obinerea funciei cost-durat se poate realiza n sistem conversaional cu
produsul informatic QM modulul CPM with Crashing prin rulri repetate i
anume, pentru cele din valori extreme (durata maxim i minim), precum i pentru
un numr variabil de valori, considerat a fi necesar, valori situate ntre cele dou
limite. Funcia cost-durat este prezentat n figura nr. 8.3.

Figura 8.3

Din analiza datelor oferite de funcia cost-durat, se contureaz decizia
final ce se va lua pentru proiectul analizat.

8.4.4. Simularea problemelor de drum critic

n situaia n care activitile identificate pentru realizarea unui proiect au
durate aleatoare, distribuia de probabilitate a duratei totale de realizare a acestuia
se poate determina cu metoda de simulare Monte Carlo.

Metoda de rezolvare solicit parcurgerea urmtorilor pai:
Pasul 1: Activitile sunt grupate n funcie de duratele lor posibile.
Pasul 2: Pentru fiecare grup de activiti se determin distribuia de
probabilitate cumulat a duratei de realizare a fiecrei activiti din grup.
Pasul 3: Cu ajutorul probabilitilor cumulate se asociaz fiecrei durate
un interval de numere aleatoare, uniform distribuite n acel interval.
Durata
Cost

Pasul 4: Se genereaz cte un numr aleatoriu uniform distribuit n
intervalul [0,1] pentru fiecare grup de activiti.
Pasul 5: Se determin durata de realizare a fiecrei activiti.
Pasul 6: Se determin drumul critic i durata de realizare a ntregului
proiect.
Pasul 7: Dac nu s-a realizat numrul dorit de simulri, se reia procesul de
la Pasul 4, altfel se trece la pasul 8.
Pasul 8: Se determin distribuia de probabilitate a duratei de realizare a
proiectului i distribuiile activitilor critice.
Produsul informatic WINQSB/PERT-CPM permite rezolvarea prin
simulare a problemelor de drum critic n cazul activitilor cu durate probabilistice.
Distribuia de probabilitate a duratei totale de realizare a proiectului
(studiul de caz 15 din [1]) pag. 200-202 este prezentat n figura nr. 8.4.

Average Completion Time = 86,05 weeks
Total Observations = 1000 Random Seed = 27437
Chance To Finish in 90 weeks = 95.0000%

Completion Time in week

Figura 8.4

Lucrarea se poate realiza n 8 sptmni cu o probabilitate de 0,0249 iar n
90 sptmni cu o probabilitate de 0,9570.

8.4.5 Algoritm euristic de alocare a resurselor

Metodele de rezolvare a problemelor ADC/Resurse sunt, n principal,
metode analitice i metode euristice.
Metodele analitice propun rezolvarea problemelor prin programare
matematic.
Metodele euristice lucreaz cu un ansamblu de reguli ce permit alctuirea
unui program bun, fr a avea certitudinea c acesta este optim, dar cu pretenia
c exploreaz direct particularitile problemelor. Aceste metode sunt utile pentru o
conducere eficient.
Prezentm n continuare un algoritm de alocare care conduce la o soluie
bun ntr-un timp acceptabil de calcul fa de algoritmii exaci, care, dei conduc la
o soluie optim, teoretic, necesit timp foarte mare de calcul, chiar pentru proiecte
mici.
Facem urmtoarele notaii:
Pentru fiecare activitate ( ) j i, cu o durat
ij
d , vom considera c
m
t este
termenul minim de ncepere,
Mt
t este termenul maxim de terminare, iar
ij
R
rezerva total de timp, atunci: ( )
ij m Mt ij
d t t R + = .
De asemenea, se va nota cu
k
ij
cantitatea de resurs tip k necesar pentru
realizarea activitii (i, j), iar cu
k
D se va nota disponibilul din resursa de tip k, n
fiecare moment de timp.
La un moment dat t al execuiei proiectului se definesc urmtoarele
mulimi:
t
E = mulimea activitilor proiectului care se execut la momentul t;
t
T = mulimea activitilor care au fost terminate pn la momentul t;
t
N = mulimea activitilor neprogramate;
t
C = mulimea activitilor candidate, care sunt potenial posibil s fie programate
la momentul de ncepere t.
Fie:
t t t
UA P C =
unde:
t
P = mulimea activitilor candidate, care sunt programate la momentul t;
t
A = mulimea activitilor amnate.
Algoritmul programeaz la momentul t activitile din
t
C , notate
t
P
pentru care:
0 =

t t
E P
k
ij k
k
t
D , m k ,..., 2 , 1 =

dar nu exist nici o activitate din
t t t
P C A = , astfel ca:

k
ij
k
t
, m k ,..., 2 , 1 =

Activitile din
t
P vor fi programate la momentele de ncepere t t
ij
= , iar
activitile din
t
A se vor amna la momentul + t , unde:

( )
( ) t d t
ij ij
E P j i
t t
+ =

min
,

n continuare, activitile amnate
t
A vor avea termenul de ncepere
+ = t t
ij
; innd cont de aceste termene ca termene impuse, se calculeaz din nou
termenul minim de ncepere pentru activitile neprogramate
t
N .
Dac se consider c noul moment + t este momentul t de lucru,
mulimea activitilor candidate va conine pe acelea care au termenul de ncepere
minim egal cu t.
Avem:
t t t
P N N \ =
+

t t t
F T T =
+

t t t
F P E E \ =
+

unde
t
F sunt activitile din
t t
P U E care se termin la momentul + t .
Important n acest algoritm este selectarea submulimii
t
P din
t
C pe baza
unor criterii, ca, de exemplu:
programarea activitilor din mulimea candidailor
t
C n ordinea
cresctoare a rezervei de timp
ij
R ;
t
C care asigur o
ncrcare la maximum a capacitilor disponibile, deci nu exist nici o
activitate din
t t t
F C A \ = , astfel ca:

k
ij
k
t
, m k ,..., 2 , 1 =

t
C n ordinea
cresctoare a termenului maxim de ncepere.
Aceste criterii pot fi utilizate i simultan, unul dintre ele fiind considerat
secundar.

8.5 Modele liniare stochastice cu vectorii b i c aleatori

Modelele de programare liniar n care unul sau mai muli dintre
coeficienii , a
ij i
b i
j
c sunt mrimi aleatorii cu distribuia de
probabilitate cunoscut se numesc modele stochastice.
Ca o consecin a acestei situaii, valoarea funciei obiectiv a
problemei de programare liniar va fi o mrime aleatorie a crui
distribuie de probabilitate va fi determinat n funcie de valorile
posibile ale mrimilor aleatoare de intrare: consumuri tehnologice,
disponibil de resurse, preuri etc. n general, distribuia de probabilitate
a valorilor funciei obiectiv se poate obine prin simularea Monte Carlo.
Prin analiza distribuiei de probabilitate a valorilor funciei obiectiv
decidentul obine mai multe informaii despre valorile posibile ale
indicatorului optimizat i poate cuantifica riscul asociat diferitelor
variante decizionale.

Cazul I. Programarea stochastic cu vectorul c aleatoriu
(
j
c sunt variabile aleatoare)
Modelul de programare liniar are forma:
b AX
0 X
cX max ,
pentru
( ) ( ) ( )
|
|
.
|
\
|
=
r
r
n
r r
n n
p
c c c
p
c c c
p
c c c
c
,..., ,
...
...
;
; ,..., ,
;
; ,..., ,
2 1
2
2 2
2
2
1
1
1 1
2
1
1

unde 1
1
=
=
r
h
h
p , iar
h
j
c = valoarea coeficientului
j
c al funciei
obiectiv care are asociat probabilitatea de realizare
h
p , pentru
r h n j ..., , 1 , ..., , 1 = = .
Rezolvarea analitic se poate face prin dou metode.
Metoda 1:
a) Se calculeaz mediile probabiliste ale coeficienilor funciei obiectiv:
=
=
r
h
h
j h j
c p c
1
,
b) Se rezolv problema de programare liniar determinist:
b AX
0 X

=
n
j
j j
x c
1
max
i se obine varianta decizional optim asociat speranei matematice optime a
valorii criteriului de performan.
Metoda 2:
a) Se rezolv r probleme de programare liniar de forma:
b AX
0 X
=
n
1 j
j
h
j
x c max ,
pentru r h ..., , 1 = , i se obin valorile optime ale funciei obiectiv

fr ,..., 2 f , fl
b) Se construiete distribuia de probabilitate a valorilor funciei obiectiv:
|
|
.
|
\
|
=

r 2 1
p
fr
...
...
p
2 f
p
1 f
F
c) Se determin media valorilor optime, deviaia standard, coeficientul de
variaie, intervalul de ncredere pentru media valorilor funciei obiectiv.

Cazul II. Programarea stochastic cu vectorul b aleator
Modelul de programare liniar are forma:
b AX
0 X
cX max
unde b este o mrime aleatoare aleatorie uniform repartizat n intervalul | |
2
i
1
i
b , b ,
pentru m ..., , 1 i = .
Rezolvarea analitic
a) Se calculeaz mediile probabilistice ale elementelor termenului liber al
restriciilor:
2
b b
b
2
i
1
i
i
+
= , pentru m ..., , 1 i =
b) Se rezolv problema de programare liniar determinist
b AX
0 X
cX max
i se obine varianta decizional optim asociat speranei matematice
disponibilului de resurse.
Aplicaiile numerice ale acestor metode sunt prezentate n [2], Studiul
de caz 20, pag. l08116

8.6 Modele analitice i de simulare pentru procese de stocare

8.6.1 Accepiunea managerial a gestiunii stocurilor

Modelarea economico-matematic a proceselor de stocare n condiii de
concuren a condus la dezvoltarea teoriei stocurilor care lucreaz cu mulimi i
indicatori specifici. Prin aplicarea acestei teorii cu pronunat caracter pragmatic se
poate reduce frecvena fenomenului de rupere a stocului, se pot realiza economii cu
depozitarea/stocarea materialelor i se pot diminua imobilizrile de fonduri bneti
n stocuri.
Dac accepiunea de gestiune a stocurilor i propune, n sens restrns,
determinarea stocului la un moment dat pentru fiecare material cu ajutorul relaiei
balaniere:
stoc final = stoc iniial + intrri ieiri

Accepiunea n sens larg, managerial, permite determinarea:

* momentului n optim de lansare a comenzii (cnd se lanseaz comanda de
reaprovizionare?);
** cantitii optime de reaprovizionare (ct s se comande?);
*** mrimea stocului de siguran (ct s fie stocul de siguran?), astfel
nct cheltuielile totale de aprovizionare-stocare s fie minime.

8.6.2 Elementele principale ale unui proces de stocare

Principalele elemente ale unui proces de stocare sunt:
Cererea de consum care poate fi:
cunoscut modele deterministe cu cerere constant sau cu cerere
variabil,
necunoscut, dar previzibil modele probabiliste.
Cantitatea de aprovizionat/lotul cu care se face reaprovizionarea la
intervalele stabilite n cadrul perioadei de gestiune n funcie de caracterul
cererii.
Parametrii temporali
perioada de gestiune = 1 an;
intervalul de timp dintre dou aprovizionri succesive;
durata de aprovizionare;
momentul la care se emit comenzi.
Costurile, cheltuielile ce se efectueaz pentru derularea procesului de
aprovizionare, aducerea, depozitarea, stocarea materialelor i satisfacerea
cererii de consum.

Costul de lansare a comenzii ( )
1
c include toate cheltuielile ce se fac la
ntocmirea comenzii, trimiterea acesteia la furnizor, pregtirea livrrii unei partizi
de materiale, cheltuielile de transport ale partizii, deplasarea delegatului,
beneficiarului etc. n general, aceste cheltuieli sunt fixe pe o comand i se exprim
n u.m./comand.
Costul de stocare ( )
s
c include toate cheltuielile efectuate pe timpul
staionrii resurselor materiale n stoc: cheltuieli cu primirea, recepia, pentru
transportul intern, manipulare, depozitarea propriu-zis, conservare, paz, eviden,
eventuale deteriorri, precum i cheltuielile determinate de imobilizarea fondurilor
financiare n materialele stocate. Se exprim n u.m./U.M./zi stocare.
Costul de penalizare (de penurie, lips, rupere). Acest cost apare atunci
cnd la un moment dat cererea de consum este mai mare dect stocul existent, deci
cererea nu poate fi satisfcut integral sau parial. Costul este format din amenzi,
penalizri generate de ntreruperea produciei i/sau cheltuieli suplimentare pentru
satisfacerea operativ a cererii din alte surse. Se exprim n u.m./U.M./zi ct
lipsete din stoc materialul.

* *
*
n procesul de asigurare a resurselor materiale necesare, cele trei categorii
de costuri alctuiesc costul total. De fapt, prin politica managerial se stabilete
dac se lucreaz n model cu cost de stocare (stocul > cererea) sau cu cost de
penalizare (cererea > stocul).
Reprezentarea grafic a costurilor este dat n figura nr. 8.5.

Figura 8.5

Costul
n(t) Lotul
n
opt
C
TOT
C
s
C
1

Analiza stocurilor materiale realizat n procesul managerial, prin
atribuirea de importane identice tuturor sortimentelor i apelarea la teoria
matematic a stocurilor, ar fi anevoios de aplicat n practic. Pentru aceasta se
procedeaz la gruparea selectiv a stocurilor n funcie de importana i
ponderea valoric a materiilor prime i materialelor. Aceasta este cunoscut
sub denumirea analiza ABC a stocurilor i const n parcurgerea urmtoarelor
etape:
a) Clasificarea stocurilor n ordinea descresctoare a valorilor, cumularea
valorilor i ntocmirea tabelului (tabelul nr. 8.1)

Tabelul nr.8.1
Materii prime,
materiale
Valoarea
stocului
Valoarea
cumulat
M
1
V
1
C
1
M
2
V
2
C
2
= V
1
+ V
2

M
n
V
n
C
n
= C
n-1
V
n

n
V V V > > > ...
2 1

b) Trasarea curbei valorilor cumulate

Tabelul nr. 8.2
Grupa % Valoric % Cantitativ
A 70 10
B 20 20
C 10 70
100% 100%

Fiecrei zone i se vor aplica reguli de gestiune (prin prisma teoriei
stocurilor) diferite, n funcie de caracteristicile grupei respective.
Aceast clasificare constituie o condiie prealabil n studiul stocurilor; ea
conduce la elaborarea unor soluii bune n alegerea politicii de asigurare cu resurse
materiale.
n cazul firmelor care, prin cerinele procesului de fabricaie, lucreaz cu
un nomenclator mai mare de materii prime i materiale ce sunt ncorporate n
produsele ce se realizeaz, rezolvarea problemelor de gestiune a stocurilor se face
cu produsele informatice existente pentru rezolvarea problemelor cantitative din
management.

8.6.3 Etape de rezolvare practic a problemelor de gestiune a stocurilor

Din punctul de vedere al abordrii practice, pentru nceput, se rezolv
aspectele de eviden propriu-zis n paralel cu proiectarea fiierelor necesare
privind optimizarea stocurilor, care urmeaz s fie rezolvat ntr-o etap ulterioar.

n acest sens se parcurg 12 etape cu urmtorul coninut:
1) Studiul informaional i decizional actual al gestiunii stocurilor.
2) Prelucrarea automat a evidenei stocurilor (intrri/ieiri).
3) Gruparea selectiv a stocurilor pe cele trei grupe A/B/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.
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 710 i pentru
materialele din grupele B i C.

8.6.4 Model analitic de stocare i rezolvarea n sistem conversaional cu
modulul EOQ (Economic Order Quantity) din QM

Determinarea cantitii optime de aprovizionat
Ipotezele de lucru ale modelului:
- cerere constant
- perioade egale de aprovizionare cu materiale
Notaii folosite:
N = cererea anual pentru un material
T = perioada de gestiune considerat (1 an)
c
l
= cost de lansare
c
s
= cost de stocare
n
0
= cantitatea optim de aprovizionat
t = ciclul de reaprovizionare
Expresii de calcul:
T c
N c
n
s

=
1
0
2

= =
t
T
n
N
numr de comenzi
= =
N
nT
t ciclul de reaprovizionare
=
0
1
n
N
c costul total de lansare
=
0
2
1
n T c
s
costul total de stocare

Termenii utilizai n modulul B (E.O.Q.) din Q M:
Annual demand - cerere anual
Business days - perioad de gestiune
Lead time (days) - numr zile de la lansarea comenzii pn la
primirea materialelor (durata de ateptare a
comenzii)
Ordering cost ($/order) - costul de lansare (u.m./comand)
Holding cost ($/unit/year) - costul de stocare (u.m./U.M./an)
Optimal order quantity - cantitatea optim de aprovizionat
Number of orders - numr comenzi
Inventory cycle - ciclul de reaprovizionare
Maximum Inventory level - nivelul maxim al stocului
Average Inventory level - nivelul mediu al stocului
Reorder point - momentul lansrii comenzii
Demand rate - cererea medie zilnic
Total holding cost - cost total de stocare
Total ordering cost - cost total de lansare
Total inventory cost - costul total de aprovizionare

8.6.5 Simularea procesului de stocare (cazul general)

Cererea Q dintr-un anumit material n unitatea de timp i perioada T ntre
dou reaprovizionri sunt variabile aleatoare cu distribuii cunoscute.
Atunci cnd nivelul stocului devine mai mic sau egal cu nivelul critic C,
trebuie s se lanseze o comand economic q, care va intra n stoc numai la
sfritul perioadei T.
Putem reprezenta grafic un astfel de proces n figura nr. 8.6.
Variabilele de intrare:
Q
i
= cererea n unitatea de timp i = 1,2
T
j
=a
j
a perioad ntre dou reaprovizionri
Parametrii de intrare:
c
1
= cost lansare
c
s
= cost stocare

c
p
= costul de penalizare (de rupere, de penurie)
k = o constant care arat c probabilitatea ruperii stocului este
SI = stocul iniial
= intervalul de timp pentru care se face simularea

Figura 8.6

Variabilele de stocare
CLOCK = variabila ceas
Z = momentul la care intr comanda
S = nivelul stocului
QM = cererea medie n unitatea de timp
TM = perioada medie ntre dou reaprovizionri
SQ = abaterea medie ptratic a cererii medii fa de cele m cereri n
n uniti de timp
q = lotul optim de reaprovizionare
C = nivelul critic al stocului
Variabilele de ieire
TC
1
= costul total de lansare
TC
s
= costul total de stocare
TC
p
= costul total al ruperii de stoc
Caracteristici operative
f(Q) = densitate de probabilitate pentru cerere
g(T) = densitate de probabilitate pentru perioada T
Identiti
2
m
1 i
i
m
1 i
2
i
m
1 i
i
m
Q
m
Q
SQ ;
m
Q
QM
(
(
(
(
= =

= = =

CANTITATEA
N STOC
Q
4
Q
10
Q
5
Q
13
Q
14
Q
6
Q
9
Q
15
Q
11
Q
12
Q
8
Q
7
Q
1
Q
2
Q
3
q
2 q
3 q
4
q
1
TIMP T
1 T
2
T
3
T
4

p
p s
s
n
j
j
c
c c
c
c QM
q
n
T
TM
+
= =

=
1
1
2
;

TM
SQ
K QM TM C + =

Schema logic a algoritmului este prezentat n figura 8.7

Figura 8.7

INIIALIZRI
Tcl Tcs Tc
p
0
CLOCK t 0
S SI
i j 1
START
CITETE
C
l
, C
s
, C
p
,
K, SI, ,
m, n
STOP
SE
GENEREAZ
T
j
SE
GENEREAZ
Q
i
CLOCK
CLOCK + 1
SE
CALCULEAZ
QM, TM, SQ, C, q
A
CLOCK:
t:CLOCK
S
C : S
t:CLOCK
A
S S + q
S S Q
i
Tc
p
Tc
p
S c
p
S 0
Tc
s
Tc
s
+ S c
s
Lansarea comenzii
Tc
I
Tc
I
+ c
I
t CLOCK + T
j

j j + 1
i i + 1
SE
GENEREAZ
T
j
<
>
>

0
=

< 0

Dup cum se observ, la un moment dat se comand ceea ce s-a consumat
n intervalul precedent. Din aceast cauz, lotul de reaprovizionare q este o
variabil aleatoare.
ntruct variabila CLOCK se mrete cu cte o unitate, modelul prezentat
este cu ceas constant.

8.6.6 Simularea mrimii stocului n sistem conversaional

Submodulul B Inventory Simulation oferit de modulul N (Simulation)
din QM permite rezolvarea unor astfel de probleme n care cererea i numrul de
zile de la lansarea comenzii pn la sosirea materialelor (timp de aprovizionare) au
o lege de repartiie. Utilizatorul precizeaz probabilitatea unei anumite cereri i a
timpului de aprovizionare.
Se pot da pn la maximum 40 valori pentru cerere.
Alte date de intrare se refer la: costul de lansare, costul de stocare,
numrul zilelor de gestiune, cantitatea minim i maxim a stocului, cantitatea
minim/maxim ce trebuie s existe n stoc n momentul lansrii comenzii de
aprovizionare i stocul iniial.
Diferena ntre valorile maxime i minime este de 40 uniti.
Rezultatul obinndu-se ca urmare a unui proces de simulare, utilizatorul
va indica i numrul de rulri care poate fi maxim 9999. Se alege n final soluia
care indic o valoare stabil.
Reinem: Pentru obinerea unei soluii bune nu este suficient o singur
simulare, chiar dac ea se bazeaz pe un numr mare de
experimente, iar pentru analiza diferitelor soluii, de cele mai
multe ori, este necesar utilizarea unui test statistic pentru
estimarea semnificaiei statistice a diferenei dintre soluiile
suboptimale.

8.6.7 Simularea unui proces de stocare (intrrile/ieirile de materiale
n/din depozit date sub form matriceal)

Evidena stocurilor de materii prime i materiale n cadrul fiecrei
organizaii se ine n Fia de magazie.
Sunt numeroase materiale pentru care stocul variaz de la o zi la alta.
Pentru astfel de situaii echipa managerial dorete s aleag acea variant de stoc
iniial care s permit realizarea unui echilibru ntre nivelul stocurilor (cheltuielile
de depozitare) i inexistena stocului la un moment dat msurat prin cheltuielile de
penalizare (de lips, penurie, rupere a stocului). O astfel de problem se rezolv cu
metoda de simulare Monte Carlo, care presupune estimarea parametrilor repartiiei
unei variabile aleatoare pe baza realizrilor acesteia. Se estimeaz valoarea medie a
variabilei aleatoare n funcie de o eroare admisibil i de o probabilitate dat.

Pentru aceasta se extrag din Fia de magazie intrrile i ieirile pentru o
perioad ce caracterizeaz fenomenul (n cazul acesta intrrile/ieirile pentru un
anumit material).
Paii algoritmului de calcul:
Pasul 1. Intrrile/ieirile de materiale zilnice se scriu sub form matriceal

Matricea intrrilor
(
(
(
(
=
m
i
Iz
Iz
Iz
Iz Iz Iz Iz
MI
K K K
K K K
K K K
5
4 3 2 1

Matricea ieirilor
(
(
(
(
=
m
i
Ez
Ez
Ez
Ez Ez Ez Ez
ME
K K K
K K K
K K K
5
4 3 2 1

Pasul 2. Se calculeaz ritmul mediu de aprovizionare (ritmul mediu al
intrrilor) i ritmul mediu de consum (ritmul mediu al ieirilor).
Pasul 3. Se determin probabilitatea de rupere a stocului i cantitatea
medie n deficit, stocul mediu.
Aceste mrimi se determin pe baza generrii zilelor de intrare a
materialelor n depozit i a zilelor de ieire a materialelor din depozit n producie.
Att intrrile, ct i ieirile de materiale sunt generate uniform.
Pasul 4. Se calculeaz costul total pe fiecare variant.
Variantele se deosebesc ntre ele prin mrimile diferite ale stocului iniial.
C
TOT
= Stoc mediu Cost de stocare + Cantitatea medie n deficit
Probabilitatea de rupere a stocului Costul de penalizare
Pasul 5. Se alege varianta creia i corespunde costul total minim.
Problema se rezolv n sistem conversaional cu produsul informatic
MANAGER2/STOCMAT care este format dintr-un program principal i ase
subrutine:

GENER de generare a zilelor de intrare, respectiv, de ieire cu funcie
RND;
TRANS de determinare a matricei cumulate;
PROB de calcul a probabilitii de rupere de stoc, cantitatea medie n
deficit, stocul mediu;
RITM de calcul a ritmului de aprovizionare/consum;
MINIM de alegere a costului total minim;
DORA de calcul a cantitii intrate (ieite ICANT1/ICANT2 i a
intervalelor de adugat la zilele de intrare/ieire (ITI).

Notaiile folosite:
INT1 - matricea intrrilor
INT2 - matricea ieirilor
KA - numr de linii n matricea INT1
KB - numr de coloane n matricea INT1
KC - numr de linii n matricea INT2
KD - numr de coloane n matricea INT2
MATT1 - suma elementelor pe linii n matricea INT1
MATT2 - suma elementelor pe linii n matricea INT2
LV - numr maxim de variante (10), cicluri generate
MATC1 - suma elementelor pe coloan n matricea INT1
MATC2 - suma elementelor pe coloan n matricea INT2
IVEC - numr de variante
LP - numr maxim de uniti de timp pentru simulare
ISTIN - stoc iniial
CST - cost de stocare
CPEN - cost de penalizare
IEXIST - existent n depozit
ICANT1 - cantitatea intrat
ICANT2 - cantitatea ieit
IVT1 - ziua n care are loc intrarea de material n depozit
IVT2 - ziua n care are loc ieirea de material din depozit
R - ritmul mediu de aprovizionare/consum
CTOT - cost total
SUM1 - probabilitatea de rupere la stoc
SUM2 - cantitatea medie n deficit (lips)
SUM3 - stocul mediu
ITIMP - timp curent
ITI - intervalele de intrare/ieire
IEX - capacitatea depozitului

Relaiile de calcul utilizate:

IEXIST = IEXIST + ICANT1
IVT1 = IVT1 + ITI
IEXIST = IEXIST + ICANT1 ICANT2
IEXIST = IEXIST ICANT2
IVT2 = IVT2 + ITI
CTOT(IK)= SUM3(IK) CST + SUM2(IK) SUM1(IK)
Problema se rezolv n sistem conversaional cu programul STOCMAT.

Programul calculeaz:
RITMUL DE APROVIZIONARE
RITMUL MEDIU DE CONSUM

Pentru fiecare ipotez de stoc iniial (variant), respectnd legea statistic
corespunztoare intrrii materialelor n stoc i ieirii materialelor din stoc, se
genereaz zilele de la 0 la 365 i se calculeaz stocurile finale cu relaia balanier
SF = SI + I E.

8.7 Simularea unui sistem de ateptare

8.7.1 Cazul general al unui model de ateptare. Termeni uzuali

Ateptarea, formarea unui fir de ateptare, sau a unei cozi este un
fenomen des ntlnit n activitatea unei organizaii.
Acesta apare ori de cte ori cererea pentru un anumit serviciu depete
posibilitile de realizare a acestuia (de exemplu, cnd vagoanele, navele,
autocamioanele ateapt la staia/rampa de ncrcare/descrcare; cnd piesele,
subansamblele ateapt s fie reparate de personalul de ntreinere etc.)
n general, un fenomen de ateptare are urmtoarele caracteristici:
1) exist un numr de solicitani pentru anumite servicii;
2) nu se cunoate cu certitudine momentul cnd va fi solicitat un serviciu;
3) exist un numr de staii de servire sau de executani care realizeaz
serviciul solicitat;
4) nu se cunoate cu certitudine durata de realizare a unui anumit serviciu;
5) exist incertitudini n ceea ce privete comportamentul clienilor dup
sosirea n sistemul de servire.
Obiectivul teoriei firelor de ateptare sau teoria ateptrii este determinarea
unui sistem de servire care s minimizeze cheltuielile totale implicate de costul
staiilor de servire i al realizrii serviciului, i costul ateptrii clienilor pentru a
obine serviciul dorit.
Din cauza elementelor stochastice ale problemelor de ateptare, fiecare
model poate fi notat prescurtat utiliznd trei litere care indic:
Repartiia sosirilor/Repartiia timpilor de servire/Numrul staiilor de
servire.
De obicei, pentru repartiii se utilizeaz simbolurile urmtoare:
M pentru distribuii de probabilitate Poisson sau exponeniale;
D pentru sosiri i serviciu deterministe;
G pentru distribuii de probabilitate generale.

Termeni uzuali n teoria ateptrii:

Distribuia Poisson = distribuia de probabilitate 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 interval;
Distribuia exponenial = este densitatea de probabilitate pentru
duratele ntre sosiri 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 serviicilor (Mean Service Rate) = = numrul
mediu de solicitani (clieni) servii n sistemul de ateptare pe 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.
Numrul mediu de uniti n firul de ateptare (coad) (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 a unei uniti n sistemul de ateptare ce include i timpul
de servire.
Timpul mediu n firul de ateptare (Mean Time in the Queue) =
timpul mediu de ateptare a 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).

8.7.2 Simularea unui sistem de ateptare cu ceas variabil (caz general)

Vom considera ca disciplin a serviciului regula: primul venit, primul
servit (FIFO - first in, first out) n cazul a dou modele de simulare de
forma: ././1; (, FIFO), i anume, unul bazat pe ceas variabil (a) i altul bazat pe
ceas constant (b), nepreciznd ce fel de repartiii au sosirile i serviciile (././).
Expresia sintetic a modelului de ateptare este de forma: V/S/s/:(L;d)
unde:
V repartiia dintre dou veniri succesive;
S repartiia duratei de serviciu;
s numrul de staii de serviciu;
L lungimea maxim a cozii;
d disciplina serviciului.
n practic, de cele mai multe ori intervalul de timp dintre dou sosiri
succesive i durata de serviciu sunt variabile aleatoare. Pentru acest fapt, modelele
analitice nu sunt operante i se apeleaz la simularea Monte Carlo.

~ Notaii:
AT intervalul de timp aleatoriu dintre dou veniri consecutive;
ST durata de serviciu (variabila aleatoare);
VT timpul de ateptare al unui client oarecare n coad;
TID timpul de neocupare a staiei de serviciu de la terminarea unui
serviciu la nceperea altui serviciu;
TVT timpul total de ateptare al clienilor;
TTID timpul total de neocupare al staiei de serviciu;
NS numrul total de servicii ce trebuie simulate;
ICOUNT contor pentru servicii.
Variabilele aleatoare AT i ST sunt variabile de intrare: repartiiile sunt
cunoscute, iar parametrii acestor repartiii sunt parametri de intrare. NS este, de
asemenea, parametru de intrare.
Variabilele VT, TID, TVT, TTID sunt variabile de ieire.
Timpul mediu de ateptare (AVT) se calculeaz cu expresia:
NS
TVT
AVT = ,
iar timpul mediu de neocupare a staiei (ATID) se calculeaz:
NS
TTID
ATID =
n momentul nceperii simulrii sunt satisfcute urmtoarele condiii
iniiale:
0 ; 0 ; 0 = = = = = TID VT ICOUNT TTID TVT .
Pentru variabilele aleatoare AT i ST exist generatori care vor fi apelai de
ctre programul de simulare.
Schema logic a algoritmului se prezint n figura nr. 8.8.
n blocul (1) se fac iniializrile i se citesc valorile parametrilor de intrare.
Blocul (2) genereaz un interval de timp de sosire (simuleaz venirea unui
client).
Blocul (3) calculeaz timpul de venire ajustat. Apoi n blocul (4) se
genereaz un serviciu (care se numr cu ajutorul controlului ICOUNT) i n blocul
(5) acest timp de serviciu se compar cu timpul de sosire ajustat i ca rezultat al
comparrii se determin evenimentul urmtor (care se va produce primul). Altfel
spus, modelul se bazeaz pe principiul ceasului variabil, dar fr a folosi efectiv o
variabil ceas, ci una echivalent (timp de sosire ajustat), cu care se realizeaz
acelai scop, i anume, determinarea evenimentului urmtor.
Dac n blocul (5) s-a gsit ST > AT, nseamn c staia de serviciu este
ocupat. Deci, n blocul (6) se ia timpul de neocupare al staiei nul, se calculeaz
timpul de ateptare al clientului care urmeaz s fie servit primul i se adun acest
timp la timpul total de ateptare.
Dac ns n blocul (5) se gsete staia neocupat (ST AT), atunci n
blocul (7) se ia timpul de ateptare al clientului ce va fi servit primul, egal cu zero,

se determin timpul de neocupare al staiei i se adun acest timp la timpul total de
neocupare. n blocul (8) se decide dac simularea se continu sau nu, iar n blocul
(9) se calculeaz parametrii de ieire conform formulelor prezentate.
Rezolvarea cazurilor practice se face n sistem conversaional, cu
programul ASTVAR din produsul informatic MANGER2 (Anexa nr. 13 din [1],
pag. 406).

Figura 8.8

8.7.3 Simularea unui sistem de ateptare cu ceas constant

Acest model mai include o serie de alte variabile, i anume:
TAT - timpul total al venirilor (momentul ultimei veniri);
TST - momentul terminrii ultimului serviciu;
CLOCK - ceasul simulrii;
DA
START
STOP
AT = AT VT
GENEREAZ ST
ICOUNT ICOUNT + 1
GENEREAZ AT
CALCUL PARAMETRI DE
IEIRE I AFIARE
REZULTATE
ICOUNT<NS
ST > AT ?
VT = 0
TID = AT ST
TTID = TTID + TID
TID
VT=ST AT
TVT = TVT + VT
INIIALIZRI
CITIREA PARAMETRILOR
DE INTRARE
NU
DA
NU
1
2
3
4
5
6 7
8
9

C - constant cu ajutorul creia se avanseaz ceasul;
I - variabil ntreag care desemneaz lungimea curent a cozii;
NT - parametru de intrare care reprezint durata impus a simulrii
(simularea se termin cnd CLOCK>NT; deci contorul ICOUNT
nu se folosete n acest model).
Iniializrile se fac pentru:
TVT = TTID = TAT = TST = 0, I = 0, CLOCK = 0
Schema logic a modelului de simulare este prezentat n figura nr. 8.9

Figura nr.

Figura 8.9
DA
START
STOP
TAT = TAT AT
CLOCK = CLOCK + C
GENEREAZ AT
CLOCK>TAT ?
TAT < TST
TID = TAT TST
TID = TTIT TID
TST = TAT
I = I + 1
VT= TST TAT
TVT = TVT + VT
INIIALIZRI I
CITIREA PARAMETRILOR
DE INTRARE
NU
DA
NU
1
2
3
4
5
6
7
8
9
CLOCK = CLOCK + C
GENEREAZ AT
TAT = TAT + AT
I=0?
I = I 1
CLOCK>TST -
TID ?
GENEREAZ ST
TST = TST + ST
CLOCK = CLOCK + C
CLOCK<NT
SE CALCULEAZ PARAMETRII
DE IEIRE/AFIARE REZULTATE
DA
DA
DA
NU
NU
NU
10
11
12
13
14
15
16
17

Blocurile (1) (4) precizeaz condiiile iniiale i determin nceperea
simulrii.
n blocul (5) se constat dac staia este liber sau ocupat.
Dac (TAT < TST) staia este ocupat, se continu cu blocul (6), se
mrete coada cu o unitate (adic ultimul client sosit trece n coad), se calculeaz
durata ateptrii clientului i se adun la timpul total de ateptare.
Blocul (7) compar apoi ceasul cu momentul ultimei sosiri, iar dac ceasul
este anterior ultimei sosiri, atunci se mrete ceasul cu valoarea constant C, se
genereaz o nou sosire i se recalculeaz momentul ultimei sosiri blocul (9). Dac
n blocul (5) s-a gsit staia liber, atunci se continu cu blocul (10), care constat
dac coada este vid sau nu. n caz afirmativ (coada vid), n blocul (11) se
determin timpul de neocupare a staiei care se adaug la TTID i se actualizeaz
TST pn la valoarea TAT; n caz negativ, se micoreaz coada cu o unitate blocul
(12).
Blocul (13) compar din nou ceasul cu momentul terminrii ultimului
serviciu; dac acesta este ulterior ceasului, atunci se mrete ceasul cu constanta C.
n continuare, blocul (15) genereaz un serviciu i adaug durata acestuia la TST.
Blocul (16) decide dac simularea continu sau se oprete, iar blocul (17)
calculeaz parametrii de ieire. Se mai poate calcula durata total a serviciilor SST
(SST = TST TTID).

Rezumat

Sunt prezentate modele economico-matematice i de simulare pentru
utilizarea i alocarea resurselor materiale, umane, bneti i de timp n cadrul unei
organizaii.
Cunoaterea i aplicarea principiului de optimalitate formulat de Bellman
permite dimensionarea corect a stocurilor prin minimizarea cheltuielilor de
stocare, dar cu respectarea unor ipoteze economice stabilite precum i alocarea
unor fonduri bneti n funcie de efectele economice obinute.
Se prezint modelul de analiz a drumului critic cu activiti ale cror
durate sunt de tip determinist i stochastic precum i funcia cost-durat de
importan major n cazul proiectelor complexe. Plecnd de la un caz practic se
prezint un algoritm euristic de alocare a resurselor. Alocarea resurselor se poate
modela i cu ajutorul unor modele liniare stochastice. Modelele stochastice sunt
modelele ai cror coeficieni sunt mrimi aleatoare. Pentru evaluarea fiecrei
variante decizionale este necesar s se realizeze toate combinaiile posibile dintre
valorile mrimilor aleatoare. n acest mod rezult distribuia de probabilitate a
valorilor funciei obiectiv prin care se face evaluarea variantelor decizionale.
Metodele analitice studiate transform modelul stochastic ntr-un model
determinist, astfel c este dificil de obinut distribuia de probabilitate a tuturor
valorilor funciei obiectiv. Totui prin adaptarea algoritmului Simplex pentru
aplicarea metodei descrierii complete s-ar putea obine probabilitatea ca o soluie
s fie optim.

Aciunea managerial a gestiunii stocurilor necesare pentru asigurarea
continuitii procesului de fabricaie i a satisfacerii cerinelor pieei, a permis
prezentarea elementelor principale ale unui proces de stocare, etapelor de rezolvare
practic a problemelor de gestiune a stocurilor i a unor modele analitice i de
simulare specifice acestui domeniu.
Este prezentat cazul general al unui model de ateptare, iar pentru situaii
complexe simularea sistemului cu ceas variabil i cu ceas constant.
n cadrul temei sunt comentate rezolvrile manuale i n sistem
convenional cu produsele informatice QM i WINQSB.

y Cuvinte cheie

activiti critice funcie de repartiie
ADC/COST model de ateptare
ADC/resurse model stochastic
alocare numr de servicii
analiza ABC numr staii de serviciu
analiza drumului critic obiective
ASTFIX PERT
Bellman Poisson
cantitate de aprovizionat politic optim
categorie de calificare programare dinamic
ceas fix resurse
ceas variabil rezerva de timp
cerere de consum ritm de aprovizionare
cererea pieei ritm de consum
comand rupere de stoc
cost de reaprovizionare simulare
cost de stocare stoc
cost total minim STOCMAT
CPM subpolitic
disciplina serviciului teoria stocurilor
efect economic timpul de ateptare al clienilor
EOQ timpul de servire
euristic variabil de stare
fond bnesc


[1] pag. 183248
[2] pag. 108116; 121140; 156163; 216231


1. De ce permite teorema de optimalitate a lui Bellman armonizarea
obiectivelor cu resursele unei ntreprinderi?
2. Ce explicaie economic dai faptului c procesele de producie-
stocare pot fi modelate cu programare dinamic?
3. Cum rezolvai problema de dimensiuni mari n cazul alocrii unor
fonduri bneti, n funcie de efectele economice obinute?
Comentai modul de elaborare a strategiei optime de repartizare a
fondului bnesc existent.
4. n ce const importana utilizrii metodei analizei drumului critic
pentru managementul unei organizaii? Exemplificai pentru diferite
aspecte.
5. Ce diferen este ntre metoda CPM i PERT n privina datelor de
intrare n model?
6. Comentai funcia cost-durat. n ce const rezolvarea n sistem
conversaional?
7. Care sunt facilitile oferite de simularea problemelor de drum critic
pentru managementul firmei?
8. n cazul unui proiect complex atunci cnd se face alocarea
resurselor, histogramele se fac individual pentru fiecare resurs. De
ce?
9. Care este accepiunea managerial a gestiunii stocurilor?
10. Care sunt etapele de rezolvare practic a problemelor de gestiune a
stocurilor? Ce importan are respectarea lor?
11. Este vreo legtur ntre gruparea selectiv a stocurilor i
posibilitile de modelare economic-matematic? De ce?
12. Explicai schema logic a algoritmului de simulare a procesului de
stocare cu ceas fix.
13. n ce const simularea unui proces de stocare n care intrrile/ieirile
de materiale n/din depozit sunt date sub form matriceal? (Paii
algoritmului de calcul).
14. Ce criteriu economic ai folosit prin utilizarea produsului informatic
STOCMAT?
15. Prin ce se difereniaz algoritmul de simulare a unui sistem de
ateptare cu ceas variabil de cel cu ceas fix?
16. Ce este un model de programare stochastic? Exemplificai n cazul
unei organizaii.
17. Cum se poate realiza analiza riscului unei variante decizionale?
18. Cum poate fi utilizat simularea Monte Carlo pentru rezolvarea
modelelor stochastice?

SIMULAREA PRIN JOC
A PROCESELOR ECONOMICE

9.1 Definirea i avantajele jocurilor de ntreprindere

Jocurile de ntreprindere i au originea n jocurile de rzboi, prin care se
urmrea antrenarea cadrelor militare prin crearea de situaii conflictuale i prin
stabilirea unei strategii de lupt. Utilitatea acestora pentru pregtirea conductorilor
de organizaii economice a fost ntrevzut dup cel de al doilea rzboi mondial,
cnd Asociaia American de Management a elaborat primul joc de ntreprindere pe
care l-a publicat n anul 1951 n lucrarea Top Management Decision Simulation.
Ulterior, interesul pentru jocurile de ntreprindere a crescut foarte mult, iar
organizaii importante din ntreaga lume i-au elaborat jocuri n vederea pregtirii
personalului de conducere.
Jocurile de ntreprindere (business games) sunt modele de simulare ce
cuprind mai muli participani angajai ntr-un proces informaional-decizional ce
simuleaz o situaie de competiie real.
Simularea managerial decizional const n crearea unui model
managerial pe baza identificrii i stabilirii relaiilor logice dintre variabilele ce
definesc o situaie managerial tipic, cu o anumit periodicitate, cu ajutorul creia
se proiecteaz mai multe variante decizionale, pentru care se determin efectele, n
vederea facilitrii selecionrii aceleia ce corespunde n cea mai mare msur
anumitor criterii manageriale prestabilite.

Scopurile principale ale utilizrii jocurilor de ntreprindere:
Formarea, la cadrele de conducere, a deprinderilor n rezolvarea situaiilor
concrete cu care se ntlnesc frecvent n practic.
Dezvoltarea aptitudinilor de abordare complex, sistemic a procesului
simulat.
Ca metod de autoinstruire, de stimulare a creativitii.
Cu ajutorul jocurilor de ntreprindere, specialitii pot testa o serie de
ipoteze asupra naturii deciziilor pe care urmeaz s le ia, cu identificarea
efectelor probabile ale diverselor decizii.
Jocurile ofer posibilitatea acumulrii experienei n problem, nainte
de desfurarea real a proceselor economice, permit anticiparea
9

PARTICI -
PANI
LA JOC
consecinelor folosirii resurselor n cele mai diverse situaii, bineneles
fr utilizarea efectiv a acestora.
Jocurile au efecte psihologice asupra participanilor, deoarece
acetia pot s-i manifeste pe deplin personalitatea, s-i verifice
cunotinele asimilate, puterea de generalizare, de abstractizare a
fenomenelor, puterea de a raiona corect, toate acestea canalizate n
sensul dezvoltrii simului de rspundere pentru decizia luat, a
implicaiilor acesteia asupra soartei ntreprinderii, a bunului mers
economico-financiar al acesteia.
Jocurile de ntreprindere se desfoar sub conducerea unui arbitru de joc
ajutat de unul sau mai muli consilieri (specialiti). Juctorii transmit rezultatele, iar
arbitrul le prelucreaz sau le calculeaz.
Efectele jocului asupra participanilor sunt sintetizate n figura 9.1.

Figura 9.1

9.2 Clasificarea jocurilor de ntreprindere

Numrul de criterii dup care se pot clasifica jocurile de ntreprindere este
foarte mare. n continuare se prezint o clasificare a jocurilor de ntreprindere dup
cele mai semnificative criterii.
1. Dup sfera de aciune, jocurile se clasific n:
a) Jocuri pentru ntreaga ntreprindere (Total Entreprise sau Top
Management). Simuleaz funciile principale ale ntreprinderii, astfel
nct participanii la joc s poat nelege diversele legiti ale unitii
economice n ansamblu, n condiiile influenei reciproce dintre
EFECTE
CUNOTINE NOI
ACUMULARE EXPERIEN
CALITI/DEPRINDERI CONDUCERE

MODIFICARE NCREDERE N PROPRIILE FORE
COMPORTAMENT SPIRIT DE INIIATIV
SPIRIT DE ECHIP

MBUNTIRE ATENIE, PRUDEN N ABORDAREA UNOR
ATITUDINE PROBLEME COMPLEXE
TACT FA DE DIFERITE MOTIVAII

CRETE ABSTRACTIZARE
CAPACITATEA GENERALIZARE
DE CREATIVITATE

subsistemele interne sau dintre subsistemele interne i un sistem din
exterior.
b) Jocul funcional (Functional game). Se refer la o funcie specific a
ntreprinderii analizate, participanii la joc putnd experimenta diferite
decizii n cadrul compartimentului care ndeplinete funcia simulat
(serviciul de aprovizionare, serviciul de investiii, serviciul de producie
etc.) i estimeaz eventualele consecine pentru alte compartimente cu
care acioneaz n strns legtur.
c) Jocuri complexe. Analizeaz mai multe funcii ale ntreprinderii i
relaiile principale cu alte compartimente sau chiar cu exteriorul
ntreprinderii. n acest caz, juctorii trebuie s estimeze implicaiile unei
decizii adoptate ntr-un anumit compartiment asupra altor compartimente
ale ntreprinderii.
d) Jocuri pentru alte zone de specialitate. Permit testarea unor strategii
politice, economice, tehnico-organizatorice privind o ramur de activitate
economic dintr-un ora, dintr-un jude sau chiar toate ntreprinderile.
2. Dup elementul competitiv, jocurile pot fi:
a) Jocurile concureniale sunt acelea n care fiecare participant adopt astfel
de decizii nct s-i depeasc adversarul (adversarii). Ele pot fi: jocuri
interdependente i jocuri independente.
Jocurile interdependente sunt acele jocuri n care succesul unui participant
(sau al unei coaliii de participani) este influenat att de propriile decizii ct i de
deciziile concurenilor. n acest caz funcia de performan economic a unui juctor
depinde de propriile aciuni, dar i de aciunile adversarului sau adversarilor si. Sunt
jocuri specifice pentru economia de pia.
Jocurile independente sunt acele jocuri n care fiecare juctor (sau coaliie
de juctori) realizeaz mbuntirea propriilor performane economice, fr a aciona
asupra celorlali juctori (sau coaliii de juctori). Practic, juctorul adopt diverse
decizii cu scopul de a-i mbunti indicatorii economici, fr a leza interesele
partenerului de joc.
n cadrul coaliiilor de juctori se poate considera c jocul este independent,
atunci cnd juctorii din cadrul coaliiei se ajut reciproc.
b) Jocurile cooperative sunt acele jocuri n care doi parteneri sunt de acord
ca, cel puin n privina anumitor clase de decizii i aciuni, acestea s nu
fie ndreptate mpotriva intereselor celuilalt partener. n cazul economiei
de pia se stabilesc convenii ntre doi sau mai muli parteneri prin care
acetia i mpart piaa pentru anumite produse conform unor principii,
(ca de exemplu: fiecare partener i desface mrfurile pe piaa cea mai
apropiat, fiecare partener vinde unui numr de clieni proporional cu
volumul produciei etc.).
c) Jocurile contra naturii sunt acele jocuri n care un decident real sau o
coaliie de decideni i ndreapt aciunea mpotriva unui "partener" fictiv
care reprezint, de fapt, mediul ambiant. Acest "partener" poate aciona n
unele cazuri n favoarea decidentului, iar cteodat chiar n defavoarea

acestuia. Diferena dintre modul n care acioneaz natura i modul n
care ar aciona un "partener" contient const n faptul c mediul
acioneaz fr intenie (fr scop).
n concluzie, aciunile asupra decidentului raional constituie, de fapt,
perturbaii. n majoritatea cazurilor conductorul de ntreprindere, precum i celelalte
cadre de conducere se gsesc n interaciune cu mediul (natura). Pentru a preveni
efectele negative ale perturbaiilor mediului este necesar s se adopte o serie de
msuri preventive, care reduc probabilitatea de apariie a evenimentelor nedorite.
Prin aceasta caracterul imprevizibil se reduce tot mai mult n direcia
adoptrii unor msuri de prevenire a evenimentelor perturbatoare.

3. Dup prelucrarea rezultatelor, jocurile se mpart n: jocuri pe calculator,
jocuri manuale i jocuri mixte.
n cazul n care arbitrul de joc este depit de complexitatea jocului, se
elaboreaz un program de calcul care s determine efectele economice ale deciziilor
adoptate de parteneri. n cazul unui joc simplu, arbitrul poate efectua calculele fie
manual, fie cu ajutorul unui minicalculator.
n cazul unor probleme foarte complexe nu se pot elabora algoritmi care s
furnizeze ntr-un timp relativ scurt soluia optim. De aceea, pn la obinerea
rezultatelor de la calculator, soluia euristic propus de juctor se compar cu o
"soluie etalon".

4. Dup scopul urmrit:
Jocurile de instruire (didactice) sunt acele jocuri care permit participanilor
s nvee s adopte decizii optime n condiiile unor situaii ipotetice, dar foarte
posibil a fi regsite n practica unitilor economice.
La aceste jocuri, calculatorul efectueaz operaii de rutin sau adopt decizii
simple. Deciziile importante trebuie s fie adoptate ns de juctori mental, ceea ce
reclam din partea lor un deosebit efort intelectual.
Jocurile de ntreprindere pentru fundamentarea deciziilor operative
(analitice) sunt jocuri care permit specialitilor s adopte decizii tot mai bune, n
condiiile reale ale ntreprinderilor pe care le conduc i le organizeaz. Aceste jocuri
necesit utilizarea calculatorului electronic, deoarece deciziile se adopt pe baza unui
algoritm complex, care analizeaz efectele economice ale mai multor soluii (care
constau n diferite variante sau strategii) n condiiile unor perturbaii probabile.

5. Dup gradul de cunoatere a situaiei celeilalte pri participante:
Jocurile cu informaie incomplet sunt, de regul, jocuri concureniale n
care nu se dispune de informaii, sau acestea sunt foarte vagi, n legtur cu situaia
economic (resursele disponibile, strategia, preurile practicate, etc.) a adversarilor.
Jocurile cu informaie complet se caracterizeaz prin aceea c toi
participani la joc dein informaii despre concurenii lor i i elaboreaz propriile
decizii n funcie de resursele disponibile ale celorlalte pri participante.

9.3 Etapele desfurrii unui joc de ntreprindere

Orice joc de ntreprindere se desfoar n mai multe etape, dintre care, cele
mai importante sunt urmtoarele:

Etapa 1: Descrierea general a jocului i instruirea participanilor.
naintea nceperii jocului, participanilor li se va face o scurt expunere
privind obiectivele jocului, funciunile i starea iniial a sistemului ce va fi simulat.
n cadrul acestei etape arbitrul jocului prezint regulile jocului, adic expune situaia
existent n ntreprindere la momentul iniial t = 0 (sunt precizate valorile iniiale ale
parametrilor de stare) precum i evoluia unui indicator conform cu datele statistice
nregistrate n diverse evidene. De asemenea, el precizeaz restriciile de joc
(restriciile privind resursele existente, informaiile pe care le deine sau le poate
obine un participant, restricii de aciune etc.), obiectivele ntreprinderii sau
compartimentului pe care l reprezint fiecare juctor, evoluiile probabile pentru unii
indicatori, perturbaiile posibile i eventual probabilitatea de realizare etc.

Etapa 2: Adoptarea deciziilor de ctre participani.
n condiiile impuse de arbitru n prima etap participanii la joc trebuie s
adopte acele decizii pe care le consider cele mai bune pentru obiectivul economic
dat. n general, arbitrul nu pune la dispoziia juctorilor nici un fel de algoritm
pentru ca acetia s poat gsi cea mai bun soluie. Rmne ca juctorii s adopte
decizia, fie pe baza competenei i nclinaiei pe care o au, fie pe baza unui algoritm
euristic elaborat n timpul participrii la joc, fie pe baza unui algoritm cunoscut cu
alt ocazie de ctre participant, dar adaptat la noile condiii, fie prin adoptarea unei
soluii prin tatonare, adic alegnd la ntmplare valori numerice ale parametrilor
economici.
Fiecare adoptare a deciziilor de ctre participani constituie o mutare,
adic o iteraie a jocului, care se presupune c ar corespunde unei perioade urmtoare
de timp. Numrul total N de iteraii al jocului poate fi precizat de arbitru n prima
etap, dar n unele cazuri el nu anun de la nceput acest numr de cicluri, ci l
stabilete pe parcurs n funcie de rezultate i, eventual, de prerea consilierilor de
joc. De asemenea, consilierii de joc, independent de deciziile juctorilor i fr s-i
influeneze, precizeaz arbitrului perturbaiile care au avut loc n perioada de timp,
pentru care juctorii au adoptat decizii.

Etapa 3: Efectuarea de ctre arbitru a calculelor i evaluarea deciziilor
adoptate.
Dup ce arbitrul primete de la fiecare participant deciziile adoptate, precum
i de la consilieri perturbaiile aprute n perioada I, cu ajutorul unui minicalculator
sau al unui program de mare anvergur la un calculator electronic, evalueaz
consecinele acestor decizii asupra performanelor economice ale ntreprinderilor, sau
compartimentelor pe care le reprezint juctorii.

Arbitrul i d seama n ce msur juctorii stpnesc fenomenele economice
n legtur cu care trebuie s adopte decizii i poate estima att timpul de instruire ct
i talentul, capacitatea fiecrui participant pentru a conduce un anumit compartiment
sau ntreaga ntreprindere, de a preveni perturbaiile i a aciona mpotriva lor.

Etapa 4: Publicarea de ctre arbitru a unei informri asupra
rezultatelor obinute.
La fiecare "mutare" (iteraie) arbitrul, dup ce efectueaz calculele, anun
rezultatele obinute fiecrui juctor. Acetia, la rndul lor, fac o analiz a rezultatelor.
n cazul n care un juctor constat c o anumit regul de decizie a condus la
obinerea unor indicatori cu valori nefavorabile, el schimb aceast regul i ncearc
noi strategii. n cazul n care o regul de decizie a condus la indicatori economici
favorabili el o menine pentru a o verifica n timp. De fapt, n aceast etap se
realizeaz conexiunea invers.
Prin dezbaterea rezultatelor obinute i a regulilor aplicate arbitrul creeaz
condiii juctorilor pentru accelerarea perfecionrii pregtirii n scopul adoptrii
deciziilor.
n acest mod fiecare participant la joc i mbogete experiena de a
conduce o unitate economic (n condiiile impuse prin joc).

Etapa 5: Efectuarea de ctre arbitru a unui test de continuare, respectiv
ncetare a jocului.
Acest test const n compararea iteraiei I la care se afl jocul cu numrul
maxim N dinainte stabilit de iteraii. Dac I<N, atunci jocul continu de la etapa a 2-
a, adic se trece la iteraia I+1. Dac I=N, atunci se trece la etapa a 6-a. Acest test
este uor de aplicat de ctre arbitru, dar prezint dezavantajul, c nu ine seama de
stadiul de instruire la care au ajuns participanii la joc.
Astfel, este posibil ca n unele cazuri toi participanii s-i fi nsuit jocul cu
mult nainte de terminarea numrului N de cicluri. Evident, n aceste cazuri jocul
trebuie terminat, chiar dac I<N. Dac arbitrul constat din analiza rezultatelor
obinute c participanii nu i-au nsuit jocul, arbitrul poate mri numrul de iteraii
cu N. n timpul desfurrii jocului, unii parteneri (n cazul jocurilor concureniale)
dac au dat faliment prsesc jocul.

Etapa 6: Anunarea sfritului jocului i a rezultatelor finale.
Pe baza testului realizat n etapa a 5-a, arbitrul decide ncetarea jocului i
anun de acest lucru pe toi participanii la joc.
Dup parcurgerea celor N iteraii se procedeaz la evaluarea rezultatelor
jocului. Arbitrul calculeaz n acest scop diverse funcii de performan (indicatori de
eficien ai activitii) care permit acordarea unui calificativ global fiecrui
participant la joc, care va permite ordonarea participanilor din punct de vedere al
aptitudinilor de conductori i organizatori.

9.4 Limitele jocurilor de ntreprindere

Conceperea, modelarea i punerea la punct a unui joc necesit mult timp
(msurat n ani) i de asemenea, un volum mare de munc din partea unei
echipe complexe formate din economiti, matematicieni, ingineri,
informaticieni, programatori.
Jocul de anvergur, care s surprind ct mai multe situaii reale se poate
realiza numai cu ajutorul calculatorului electronic.
Implementarea unui joc de ntreprindere se poate asimila unei investiii, n
sensul c implic sume mari de bani i timp la demarare, rezultatele scontate
aprnd dup un numr de ani.
Proiectanilor unui joc de ntreprindere li se cere mult experien n modul
de concepere a modelului, a elasticitii pe care urmeaz s o dea acestuia.
Un model rigid nu poate pune n valoare inteligena, intuiia, iniiativa
creatoare nici din partea "juctorilor" i nici a proiectanilor, care, pe msura
experimentrilor ar putea s-i perfecteze sistemul.
ntr-un joc de ntreprindere se poate utiliza metoda de simulare Monte Carlo
n cazul n care intervin variabile aleatoare sau tehnicile de simulare Forrester, alturi
de forma larg a metodelor cercetrii operaionale sau statistico-matematice.
Orice model matematic utilizeaz i stabilete o serie de relaii cantitative ce
au loc ntre fenomene, procese, aspectele calitative fiind neglijate de acesta.
Pe de alt parte, orice proces economic complex impune n momentul lurii
deciziei considerate att a factorilor cantitativi ct i a celor calitativi. Decidentul
altur calculelor, corelaiile dintre fenomene i o serie de aspecte calitative de care
practica nu face abstracie.

Rezumat

Cunoscut i sub denumirea de joc de conducere (management game) sau joc
de afaceri (business game), jocul de ntreprindere este una din inovaiile educaionale
majore ale ultimului sfert de secol ce ofer participanilor posibilitatea formrii i
perfecionrii unor aptitudini manageriale privind: proiectarea i aplicarea de
strategii i politici de conducere, fundamentarea tiinific a deciziilor, organizarea
muncii managerilor, crearea i dezvoltarea spiritului de echip, abordarea sistematic
a organizaiei i a componentelor sale.
Jocurile de ntreprindere sunt clasificate dup numeroase criterii,
diversitatea acestora reflectnd gama larg a caracteristicilor proceselor de
conducere, precum i eterogenitatea abordrilor i mijloacelor folosite n conceperea
i utilizarea acestei metode moderne de pregtire a managerilor.
Realizarea i, dup aceea, aplicarea unei simulri tip joc este un proces
laborios, ce respect desfurarea logic a unor etape n care implicarea
participanilor i a instructorului (arbitrului) de joc este foarte important.

Dimensiunile impresionante ale jocurilor impun folosirea mijloacelor
automate de prelucrare a datelor, ceea ce determin familiarizarea participanilor cu
aspectele specifice implicate de utilizarea calculatorului n procesele manageriale.

y Cuvinte cheie

abordare complex
adoptarea deciziei
arbitru de joc
autoinstruire
consilier
decizie secvenial
instruire
mutare/iteraie
participant/juctor
regulile jocului
spirit de echip
test de
continuare/terminare


[1] pag. 249 -260


1. Cum se clasific jocurile de ntreprindere dup sfera de aciune ?
2. Enumerai etapele n desfurarea unui joc de ntreprindere.
3. Care este rolul arbitrului n desfurarea unui joc de ntreprindere?
4. Care sunt diferenele ntre jocurile concureniale, jocurile cooperative
i jocurile contra naturii?
5. Cum se poate defini simularea managerial?
6. Care sunt avantajele i dezavantajele unui joc de ntreprindere?
7. Cum se clasific jocurile de ntreprindere n funcie de elementul
competitiv?

SIMULAREA PROCESELOR ECONOMICE
CU AJUTORUL TEHNICILOR FORRESTER

10.1 Aplicaii practice

Modelarea dinamic (dinamica industrial) a fost elaborat de Jay
Forrester
17
n perioada anilor '60 i se bazeaz pe faptul c funcionarea unui sistem
este reprezentat de cunoaterea (identificarea) interaciunilor dintre fluxurile de
informaii, comenzi, resurse materiale i umane etc. Potrivit acestui concept, un
model dinamic surprinde comportarea sistemelor complexe, evideniind modul n
care structura acestora determin traiectoria, respectiv comportarea n timp.

Dinamica industrial propune instrumente prin care se pot mbina
observaiile calitative cu modelarea cantitativ.

17
Jay Forrester, profesor la Massachusetts Institute of Technology.
10
Aplicaii ale tehnicilor Forrester:
) La nivel microeconomic sunt cunoscute aplicaii pentru alocarea
capacitilor, programarea i urmrirea produciei, organizarea
desfacerilor de produse, controlul stocurilor.
) La nivel macroeconomic s-au fcut aplicaii pentru organizarea
cercetrii tiinifice i protecia mediului ambiant.
) Dinamica industrial a fost utilizat n modelele "mondiale" de
specialitii care au ntocmit cele dou rapoarte ctre Clubul de la
Roma Limitele creterii Omenirea la rspntie privind
perspectivele economice ale omenirii n pragul secolului al XXI-lea.

DECIZIE
Informaii despre
obiectivul sistemului
Informaii despre
starea sistemului
STAREA
SISTEMULUI

Conceptul fundamental al modelrii dinamice este ciclul informaie decizie
- aciune, care constituie o bucl elementar de feed-back n care se identific o cale
direct: intrare (decizie) - ieire (starea sistemului); o cale de reacie invers: ieire
(starea sistemului) - informaie despre ieire (eventual prelucrat) i intrare (decizie).
Dac se ine seama de aciunea tuturor factorilor existeni la un moment dat acest
ciclu poate fi reprezentat sub forma unei scheme clasice de reacie (fig. 10.1).

Figura 10.1

10.2 Elementele unui model de dinamic industrial

n realitate, ntre decizie i aciune precum i n transmiterea informaiei apar
ntrzieri, iar schema clasic de reacie apare ca n figura 10.2.
Printre avantajele dinamicii industriale se pot enumera urmtoarele:
reprezint un instrument de tratare global, sistemic a problemelor
social-economice complexe, cu nsuirea de a cuprinde procesele de
intercondiionare reciproc, precum i pe cele de reglare (feed-back);
evideniaz relaiile cantitative i calitative din sistem i prin simulare,
permite gsirea unor soluii efective, operaionale, chiar pentru probleme
de foarte mare amploare;
ofer utilizatorilor posibilitatea unei abordri conversaionale, n care
decidentul deine un rol activ;
evit rigiditatea altor metode de modelare matematic, deoarece
dinamica industrial este subordonat analizelor i interpretrilor
calitative.

Figura 10.2
Aceste ntrzieri pot duce la urmtoarele situaii: decizia este luat n raport
cu o stare anterioar a sistemului, dar afecteaz starea lui actual, informaia despre
starea sistemului va afecta o decizie ulterioar strii pe care o msoar
18
.
Sistemele sunt cauz a comportamentului dinamic; interaciunile din cadrul
sistemului au ca rezultat creterea, fluctuaia i modificarea.
Orice sistem este format din bucle de reacie interconectate, iar la rndul ei,
fiecare bucl conine o substructur alctuit din dou tipuri de elemente variabile
(adic mrimi ce sufer variaii n timp):
a) variabile care reprezint acumulri de cantiti, msurabile riguros la un
moment dat, numite n dinamica industrial niveluri (de exemplu, nivelul produciei
msurat fizic sau valoric etc.);
b) variabile ce reprezint procese n curs de desfurare ntr-un anumit ritm,
msurabile de regul ca valori medii, numite variabile de ritm (ritmul produciei, de
exemplu).
Alturi de acestea, n dinamica industrial, mai apar i variabilele auxiliare
sau parametrii, care pot caracteriza o stare, o comand sau orice alt informaie
provenit din exterior i care nu sunt influenate de deciziile din interiorul sistemului
analizat.
Descrierea matematic a comportrii dinamice se face cu ajutorul unui
sistem de ecuaii cu diferene finite, mpreun cu condiiile iniiale, ceea ce poart
denumirea de determinare a ecuaiei de stare a sistemului cercetat
19
. Sistemul de
ecuaii, corespunznd unui sistem simplu i riguros de reguli, conine:

18
Se consider situaia clasic a unui bazin care trebuie umplut pn la un anumit nivel.
Dac nivelul real al apei se afl sub nivelul dorit, operatorul deschide robinetul de
umplere cu un anumit debit, iar pe msur ce nivelul apei se apropie de nivelul dorit,
reduce progresiv debitul. Starea = nivelul apei din bazin, intrarea sistemului este
debitul (variabil) robinetului, iar mrimea reaciei inverse care acioneaz asupra intrrii
este diferena sesizat de operator ntre nivelul cerut i cel real.
19
ntre terminologia teoriei sistemelor i cea a dinamicii industriale exist urmtoarele
analogii:
stare - nivel (rezultatul aciunii)
intrare - ritm (decizie)
mrime de feed-back - informaie
obiectivul sistemului - nivelul dorit
INFORMAIE
OBIECTIV
DECIZIE
INFORMAIE
DECIZIE
ntrziere
STAREA
SISTEMULUI
ntrziere

ecuaii de nivel (variaia unei variabile de stare);
ecuaii de ritm (ritmul variaiei strii);
ecuaii auxiliare (dependena unei variabile de alt variabil sau
parametru).
Pentru scrierea acestor ecuaii se construiete n prealabil schema dinamic a
sistemului, care sintetizeaz toate observaiile rezultate din analiza calitativ a
sistemului, utiliznd simbolurile specifice prezentate n figura 10.3.

Figura 10.3 Simboluri utilizate n diagramele de dinamic industrial

Reguli i precizri:
1. Variabilele de ritm rmn constante pe durata unui interval, n timp ce
variabilele de nivel capt valori distincte la momente diferite. (Formal, variabilele
de nivel primesc un singur indice, iar variabilele de ritm au indice dublu).
2. Constantele care intervin n modele au semnificaie de informaii, de aceea
ele sunt situate n fluxuri de acest tip.
3. Succesiunea ritmurilor i nivelurilor pe un flux dat: unui nivel i poate
urma doar un ritm i, reciproc, unui ritm i poate urma numai un nivel.
4. Compatibilitatea fluxurilor:
- ntr-un nivel nu pot intra sau iei fluxuri de natur fizic diferit
(corectitudinea dimensional a ecuaiilor de nivel interzice acest
lucru);
- ntr-un ritm sau ecuaie auxiliar nu pot intra dect mrimi ce au
semnificaia unor informaii, chiar dac acestea provin din fluxuri
de natur diferit (deciziile i informaiile prelucrate pot proveni
numai din informaii).
5. Interaciunile ntre fluxuri au loc numai prin intermediul informaiilor.

INFORMAIE
MATERIALE
COMENZI
$ $ BANI

PERSONAL
(SPECIALITI)

UTILAJE
RITM
NIVEL
VARIABIL
AUXILIAR
FRONTIERA
SISTEMULUI
(SURS/
RECEPTOR)
CONSTANTA

10.3 Scrierea ecuaiilor i calcule

) Variabilele i constantele din ecuaii sunt reprezentate prin simboluri
standard (un grup de maximum 6 caractere, primul fiind, n mod
obligatoriu, alfabetic).
) n continuarea simbolului de baz, variabilele vor fi urmate de un punct
i un caracter pentru timp.
) Nivelele vor avea drept caracter o singur liter, J sau K, indicnd
momentul la care se refer valoarea.
) Ritmurile vor purta indicatorii JK sau KL indicnd intervalul precedent
sau urmtor.
) Constantele sunt identificate prin absena indicelui de timp.
Ecuaiile de nivel
O ecuaie de nivel reprezint un rezervor de acumulare a ritmurilor fluxului
care mrete sau micoreaz coninutul rezervorului. Noua valoare a nivelului este
calculat adugndu-se sau sczndu-se din valoarea anterioar modificarea care
apare pe parcursul intervalului de timp.

~ Notaii:
L - nivelul (uniti);
L.K - noua valoare a nivelului calculat la timpul K (uniti);
L.J - valoarea nivelului la timpul J, anterior (uniti);
DT - lungimea intervalului de calcul ntre timpul J i K (unitate de
msur a timpului);
RA - ritmul fluxului ce mrete nivelul L (uniti/uniti de timp);
RA.JK - valoarea ritmului acumulat n intervalul JK;
RS - ritmul fluxului ce micoreaz nivelul L;
RS.JK - valoarea ritmului diminuat pe intervalul JK.
Ecuaia de nivel devine:

L.K = L.J + (DT)(RA.JK - RS.JK)

Orice numr de ritmuri, unul sau mai multe, poate fi adugat sau sczut
dintr-un nivel. Aceasta este, de altfel, singura flexibilitate permis n ecuaia standard
de nivel.
Membrul drept al ecuaiei trebuie s conin: valoarea anterioar a nivelului
de calculat i intervalul de calcul, DT, ca multiplicator al ritmurilor fluxului. (Ecuaia
de nivel este singurul tip de ecuaie care conine explicit intervalul DT).

Intervalul DT, msurat n uniti de timp, transform ritmurile fluxului n
cantiti ale articolului din flux prin multiplicare, crend unitatea de msur corect a
produsului ce trebuie adugat la valoarea nivelului.
Intervalul poate fi schimbat arbitrar (dac prin schimbare nu devine prea
mare) fr a afecta validitatea modelului. Toate celelalte ecuaii ale modelului sunt
formulate n termenii unitii de baz de msurare a timpului, utilizat n sistemul
real.
Ecuaia de nivel realizeaz un proces de integrare, adic:

RS)dt - (RA +
L
= L
t
0
0

n care semnificaia notaiilor este:
L - valoarea nivelului la timpul t (uniti);
L
0
- valoarea iniial a nivelului la t=0 (uniti):
RS - ritmul fluxului ce micoreaz nivelul (uniti/uniti de timp):
RA- ritmul fluxului ce mrete nivelul L.

Ecuaiile de ritm arat cum sunt comandate fluxurile din cadrul unui sistem.
Variabilele de intrare ntr-o ecuaie de ritm sunt: nivelurile sistemului i constantele.
Variabilele de ieire comand fluxul, de la sau dintre nivele.
Ecuaia de ritm este calculat la timpul K, utiliznd informaiile din
nivelurile la timpul K, pentru a gsi ritmurile viitoare ale fluxului pe intervalul KL.
Forma unei ecuaii de ritm este:

R.KL = f (nivele sau constante)

Membrul drept poate fi orice funcie sau relaie a nivelurilor i constantelor
ce descriu strategia de comand impus de ritm.
Exemplu: ntr-un proces de aprovizionare-stocare, ecuaia de ritm poate fi
scris astfel:

S.K) - (SN
TA
1
= RC.KL

n care:
RC- ritmul comenzilor (uniti/sptmn);
TA- timpul de ajustare (sptmni);
SN - stocul necesar (uniti):
S - stocul curent (uniti).

Aceast ecuaie exemplific o strategie simpl de cerere (comandare).
Rezult c ritmul comandrii trebuie s fie a TA - a parte pe sptmn din diferena
dintre stocul necesar i cel curent. Timpul TA este timpul necesar pentru a corecta
stocul S dac RC rmne neschimbat (fig. 10.4).

Figura 10.4

Ecuaia de ritm arat cum se autocomand sistemul, ea exprim percepia
noastr asupra modului cum rspund deciziile unui sistem la situaiile din jurul
punctului de decizie.
Ecuaii auxiliare
Adesea, claritatea i nelesul unei ecuaii de ritm poate fi sporit prin
mprirea ei n pri scrise ca ecuaii separate, ca subdiviziuni algebrice ale
ritmurilor. Aceste pri se numesc ecuaii auxiliare.
Ecuaiile auxiliare trebuie evaluate dup ecuaiile de nivel de care depind i
nainte de ecuaiile de ritm din care fac parte.
Atunci cnd exist lanuri interconectate de ecuaii auxiliare, ele trebuie s
fie evaluate ntr-o ordine care s permit substituiri succesive.
Ecuaiile valorilor iniiale
La nceputul calculului de simulare se iniializeaz toate ecuaiile de nivel.
Nu sunt necesare valori iniiale pentru variabilele ritm, deoarece ritmurile
sunt determinate de valorile iniiale ale variabilelor de nivel. Din valorile iniiale ale
variabilelor de nivel pot fi calculate ritmurile fluxului ncepnd cu timpul t=0, iar cu
valorile iniiale ale nivelelor i cu ritmurile aflate pot fi calculate noile valori ale
nivelelor la sfritul primului interval de timp. Nu se utilizeaz nici un indicator de
timp.
Membrul drept al ecuaiei valorilor iniiale poate fi alctuit din valori
numerice, constante indicate simbolic i valori iniiale ale altor nivele. Dou sau mai
multe valori iniiale nu pot depinde reciproc una de alta pentru c rezultatul ar fi
nedeterminat.
Ecuaia valorilor iniiale este scris, de obicei, dup ecuaia de nivel
corespunztoare.
RC
TA
Timp de ajustare
S
SN
Alimentare

IL
(AS)
RV Ritm de vnzare
(ST)
`10.4. Diagrame de flux

Diagrama de flux reprezint grafic ecuaiile de nivel, de ritm i auxiliare
precum i interconectarea lor. Ea este foarte folositoare deoarece ofer o viziune de
ansamblu a sistemului. Simbolurile utilizate pentru reprezentarea elementelor
sistemului sunt cele prezentate n figura 10.3.
Nivelele (integrale). Toate ecuaiile de nivel, ca orice funcii speciale care
cuprind integrale, vor fi reprezentate cum s-a artat prin dreptunghiuri. Cea mai
simpl ecuaie de nivel este prezentat n fig. 10.5 (RP - ritm producie; RV - ritm
vnzri).

Figura 10.5

Ritmuri (strategii). Ecuaiile de ritm sunt specificaii de strategie care
definesc sensul fluxului ntr-un sistem. Ecuaia de ritm primete informaia de intrare
i comunic un ritm al fluxului. Ea funcioneaz asemntor cu o supap dintr-un
sistem hidraulic (simbolul utilizat).
Simbolul pentru o ecuaie de ritm este prezentat n fig. 10.6 (ST - stoc
tampon; IL - ntrziere n livrare; AS - ajustare stoc).
Ecuaia de ritm este: ( ) K . AS
IL
K . ST
KL . RV =

Figura 10.6

Variabile auxiliare. Acest tip de variabile se situeaz n canalele
informaionale ntre variabilele de nivel i cele de ritm. Ele sunt pri ale ecuaiilor
de ritm subdivizate i separate deoarece exprim concepte cu neles independent.
Simbolul pentru o ecuaie auxiliar este prezentat n fig. 10.7 (PR - pre; VM -
vnzri medii).

B.K = (VM.K) (PR)
S STOC (RV) (RP)

PR
(VM)

BUGET

Figura 10.7

Extragerea informaiilor. Liniile care indic fluxul de informaii ce pleac
de la un nivel trebuie s fie distincte de liniile care reprezint fluxul informaional ce
intr ntr-un nivel. O linie de flux transfer o cantitate dintr-un loc n altul i este
comandat de o ecuaie de ritm.
Informaia despre o variabil poate fi extras fr a afecta cantitatea acestei
variabile - acest lucru este simbolizat n fig. 10.8 printr-un mic cerc al extragerii de
informaii.

Figura 10.8

Parametri (constante). Parametrii sunt acele valori care sunt constante
pentru o simulare. Ei pot fi schimbai de la o simulare la alta. Parametrul este
menionat: printr-o linie deasupra sau dedesubtul lui i conine un cercule pentru
informaia extras (fig. 10.9: TAS - timp de ajustare a stocului; MST - mrimea
stocului).

Figura 10.9
Surse i rezervoare (deversoare, receptoare). Cnd o surs a unui flux nu
exercit nici o influen asupra sistemului, fluxul este reprezentat ca venind dintr-o
surs "infinit" (figura 10.10). O surs infinit nu poate fi epuizat.
TAS
MST

Figura 10.10
Opus ei este rezervorul (deversorul, receptorul) unde se sfresc liniile de
flux cnd depesc limita modelat.

10.5 Stabilirea ritmurilor de fabricaie cu ajutorul
tehnicilor de dinamic industrial (de tip Forrester)

Deciziile privind programarea operativ a produciei, att din punct de
vedere static ct i dinamic pot fi perfecionate cu ajutorul tehnicilor de dinamic
industrial, deoarece permit:
luarea n considerare a aspectelor dinamice ale desfurrii procesului de
producie;
posibilitatea considerrii oricror alte legturi cu diverse secii ale ntreprinderii
i eventual cu alte ntreprinderi;
posibilitatea evidenierii diverilor factori perturbatori pe o anumit perioad de
timp (lipsa resursei umane, lipsa semifabricatelor etc.);
verificarea strategiilor propuse i alegerea unor strategii suboptime (privind
programarea operativ a produciei);
analiza stabilitii sistemului produciei n timp etc.
Avantajul esenial al aplicrii tehnicilor Forrester const n posibilitatea de
a stabili evoluia strii sistemului produciei, toate variabilele modelului elaborat
fiind funcii de timp.
Dezavantaje n aplicarea tehnicilor Forrester
) dificulti mari n stabilirea unei uniti comune de msur a produciei realizate
la diversele locuri de munc sau secii;
) probabilitatea ridicat de a comite erori n urma alegerii unor uniti de msur
convenionale;
) durata relativ mare de pregtire a datelor i de calcul n cazul cnd se urmrete o
analiz n uniti naturale sau mai apropiate de cele naturale;
) necesitatea nsuirii tehnicilor de dinamic industrial de ctre personalul de
conducere al ntreprinderii.
SURSA
RECEPTOR

Toate aceste dezavantaje pot fi, ns, nlturate treptat, pe msura aplicrii
metodei.
Rezolvarea unor astfel de probleme practice se poate realiza cu programul de
simulare DYNAMO (DYNamic MOdels)
20
.

Rezumat

Modelarea dinamic abordeaz organizaia economic sau ramura
industrial ca sistem, a crui funcionare depinde de nelegerea interaciunilor
dintre ase categorii de fluxuri: materiale, comenzi, fonduri, utilaje, fora de munc,
informaii. Modul n care se intercondiioneaz aceste fluxuri, amplificndu-se unul
pe cellalt, permite anticiparea efectelor deciziilor, strategiilor, investiiilor,
formelor de organizare, nainte de realizarea lor efectiv, evitndu-se astfel
numeroase riscuri.
Pentru a descrie comportarea dinamic a unui sistem se apeleaz la o serie
de ecuaii pentru scrierea crora se respect anumite reguli i se construiete o
diagram de flux prin folosirea unor simboluri specifice.
Tehnicile de dinamic industrial au multiple aplicaii la nivel micro,
macreconomic i la nivel mondial, fiind aplicate pe scar larg pentru programarea
operativ a produciei.

y Cuvinte cheie

20
Proiectat de grupul "Dinamica Industrial" din coala de conducere Sloan, Institutul de
Tehnologie Massachusetts. Acesta este un program care prelucreaz cu ajutorul
calculatorului ecuaiile unui model al unui sistem dinamic cu conexiune invers.
Rezultatele simulrii sunt date sub form de tabele i grafice.

bucl de feed-back
compatibilitatea fluxurilor
dinamica industrial
diagram de flux
ecuaie auxiliar
ecuaie de nivel
ecuaie de ritm
ecuaie de stare
ntrziere
sistem
starea sistemului
surse i rezervoare
variabil
variaii n timp


[1]pag. 261 274


1. Precizai regulile de scriere a unei ecuaii de nivel, a unei ecuaii de ritm
i a unei ecuaii auxiliare.
2. Care sunt analogiile ntre terminologia teoriei sistemelor i cea a
dinamicii industriale ?
3. Ce reguli trebuie respectate referitor la compatibilitatea fluxurilor ?
4. Ce exprim ecuaiile de nivel ? Dar ecuaiile de ritm ? Exemplificai.
5. Care este forma general a unei ecuaii de nivel ? Dar a unei ecuaii e
timp?
6. Scriei ecuaia de ritm pentru un process de aprovizionare stocare.
7. Ce reprezint parametrii unei diagrame de flux i cum se reprezint?
8. Care sunt avantajele utilizrii tehnicilor de dinamic industrial?

LIMBAJE DE SIMULARE

Dezvoltarea tehnicilor de simulare numeric a condus la elaborarea unei
game largi de limbaje de simulare. n general, un limbaj de programare pentru
simulare aparine limbajelor orientate pe problem (la fel precum limbajele
FORTRAN, COBOL, .a)
Limbajele de simulare se grupeaz n dou clase mari i anume:
limbaje orientate pe blocuri
limbaje conversaionale.
Cele mai cunoscute i utilizate limbaje de simulare sunt urmtoarele:
A. Limbaje conversaionale: ALGOL, COBOL, FORMAC,
FORTRAN, PL/1, BASIC
B. Limbaje orientate pe blocuri
B.1. Sisteme continue
B.1.1. Simulatoare analog numerice
a) ASTRAL (Analog Schematic Translator Language) utilizeaz
dou faciliti: sortarea prin program a blocurilor specificate.
Un bloc nu va intra n operare dect dac toate intrrile lui au
fost definite valoric la momentul respectiv; posibilitatea
utilizatorului de a aduga blocuri speciale scrise n FORTRAN.
b) CSMP/1130 (Continuous Modelling Program) este folosit
pentru simularea sistemelor continue i este net superior tuturor
limbajelor deoarece este un limbaj interactiv conversaional,
neprocedural orientat pe blocuri i are faciliti superioare de
calcul
c) DAS
d) DEP 1
e) DYSAC
f) JANIS
g) MIDAS (Modified Integration Digital Analog Simulator) este
limbajul care a avut cea mai mare rspndire deoarece execut
o sortare automat a blocurilor, are pas variabil pentru
intervalul de integrare
h) PACTOLUS
11

i) PARTNER
j) SELFRIDGE
k) SIMPL 1 (Simulation Implementing Machine Programming
Language Version 1)
B.1.2. Simulatoare numerice
a) ANAGOL
b) CSMP/360 - cel mai puternic limbaj de simulare pentru
sisteme continue
c) CSSL III (Continuous System Simulation Language) CSSL i
CSMP/360 pot folosi diagramele bloc ale proceselor sau
fenomenelor de rezolvat
d) DSL (Digital Simulation Language). Este orientat pe blocuri,
posed ase metode de integrare numeric, permite utilizarea
plotter-ului, instruciunile sale se pot mixa cu instruciuni
FORTRAN
e) MIMIC
f) SL 1
B.2. Sisteme discrete
a) CSL
b) MILTRAN
c) SIMSCRIPT - specific simulrii sistemelor discrete are o
structur sintactic comun cu limbajul FORTRAN
d) SIMULA - are o sintax comun cu limbajul ALGOL, i
mrete sintaxa cu concepte proprii simulrii
e) SIMUB (limbaj de SIMulare al Universitii Bucureti) realizat
dup modelul GPSS
f) GPSS/360 (General Purpose Simulation Systems) cel mai
rspndit pentru sisteme industriale i de servire. Limbajul este
bazat pe ceasul cu cretere variabil i este un limbaj
interpretativ, n sensul c fiecare instruciune este translatat i
executat imediat. Secvena de aciune a sistemului real este
oglindit n model prin micarea unor elemente numite
tranzacii, care vor fi generate de GPSS/360 la momente de timp
determinate. Dup ce tranzacia a fost prelucrat de un bloc al
schemei este transferat blocului urmtor, marcnd nceputul
unei noi activiti. Executarea unei activiti ntr-un bloc poate
condiiona executarea unei activiti ulterioare n alt bloc. Unele
blocuri corespund unor activiti de durat, sunt blocuri care
ntrzie deplasarea tranzaciilor prin sistem.
g) GPSS/H (General Purpose Simulation System / Hour) produs de
ctre Wolverine Software Corporation este unul dintre cele mai
puternice limbaje de simulare util mai ales pentru studiul
sistemelor complexe i de mari dimensiuni. Ca limbaj de
programare specific simulrii se preteaz a fi utilizat cel mai bine

n cazul simulrii unor procese de ateptare. Alt gen de aplicaii
se refer la simularea transporturilor, calculul probabilitilor
prin folosirea unor distribuii specifice, simularea unor procese
de producie deosebit de complexe.

11.1 Instrumente specifice pentru simulare

Automod Simulation Software ofer posibilitatea de a lucra cu
elemente fizice ale sistemului n termeni fizici (grafici) i cu elementele logice
n termeni logici; ofer caracteristici avantajoase, permind utilizatorilor s
simuleze micri complexe ale echipamentelor de producie/transport sau
modificri ale regimului de lucru. Toate reprezentrile grafice sunt realizate
tridimensional i la scar cu controlul vizualizrii (translaie, rotaie,
dimensiuni, vizualizarea n perspectiv, etc.).
ARENA RT este un instrument de administrare a fluxului de producie
dintr-o ntreprindere i permite legarea on-line a tehnologiei de simulare cu
aplicaii externe (de exemplu, sistemul de control al magaziilor etajate,
controlul logic programabil). Prin includerea caracteristicilor de sincronizare a
timpului de simulare a unui model ARENA cu timpul actual al sistemelor
externe i prin legtura on-line cu acestea, ARENA RT prezint urmtoarele
avantaje:
controlul i monitorizarea sistemului;
simularea proceselor de baz;
faciliti de instruire;
testarea logic de control.
Obiectivul fundamental al simulrii proceselor economice este
trecerea de la starea curent (as is) la cea dorit (to be) i se realizeaz
prin:
verificarea noilor studii, proiecte generale, programe software i
sisteme nainte de alocarea i consumul resurselor;
determinarea unor relaii noi de tip cauz i efect;
comprimarea sau extinderea timpului;
determinarea celor mai importante variabile pentru realizarea
scopului i modul lor de intercorelare;
identificarea blocajelor din fluxurile materiale, de informaii i de
producie;
nelegerea modului de desfurare a operaiilor, compararea
alternativelor de desfurare a produciei, reducerea riscului n
luarea deciziilor.
ARENA RT este un simulator orientat ctre utilizator fiind compatibil
cu platformele Microsoft, Windows, Windows NT; combin uor accesul la
informaii, grafice, automate performante i publicarea rapoartelor n diferite

formate (inclusiv HTML i EXCEL), poate realiza i forme proprii de raportare
folosind Crystall Reports Design Tools, achiziionat separat.
FACTOR/AIM este un produs menit s previzioneze performana unei
firme i s reduc riscul operaional. Modulul AIM este folosit pentru studiul
unei noi operaii de fabricaie sau pentru susinerea deciziei de schimbare,
dovedindu-se un bun instrument de previziune pentru practic. Capacitatea
avansat de modelare duce la reducerea timpul nu i a cheltuielilor de explorare
a unei strategii. Etapele de lucru presupun:
- modelarea strii curente,
- simularea planului general curent de activitate,
- adugarea unor noi resurse,
- compararea noilor rezultate cu cele anterioare.
Pentru predicia performanei operaiilor de fabricaie se construiete
mai nti un model al sistemului (se definesc componentele sistemului de
fabricaie: maini, operatori, dispozitive, piese, comenzi, containere i apoi
componentele sistemului de transport). Datele de intrare se introduc ntr-o baz
de date deschis pentru a permite importul tuturor elementelor modelului din
informaiile existente despre fabricaie.
Ithink este un produs software pentru simulare n mediul economic
pentru care filosofia de construcie pleac de la ideea c nainte de a se ncerca
gsirea rspunsurilor, este esenial formularea unor ntrebri corecte i mai
apoi, nelegerea consecinelor asupra evoluia afacerilor.
Facilitile oferite de Ithink constau n construirea unor diagrame de
influen care permit agregarea i dezagregarea dorit a componentelor,
folosirea unor tipuri prestabilite de ecuaii, relaii algebrice i formularea unora
noi, folosirea unor funcii neliniare pentru a include n analiz interdependene
complexe.
Ecosim este un produs specializat pentru uz universitar i realizeaz
simulri economice n care fiecare student joac diferite roluri: n companii i
firme, grupuri de influen pentru afaceri, guvern, banca naional. Calculatorul
joac rolul arbitrului, iar juctorii creeaz i folosesc diferitele prghii
economice (cerere i ofert) prin interaciunea lor. Scopul aplicaiei este de a
dezvolta studenilor abilitile practice de nelegere i de folosire a unor
categorii economice din teoria microeconomiei, a macroeconomiei, i a
metodelelor cantitative. Conjunctura economic (preuri, ratele dobnzilor,
nivelele de producie i de consum) este determinat de ctre juctori raionali
avnd interesul de a-i maximiza profitul i bunstarea.
ntre posibilele decizii pentru companii se pot enumera: cumprri de
materiale de la furnizori, angajri de personal, vnzri de produse finite ctre
alte firme sau populaie, emisiuni de aciuni, bonuri pentru acumulri de capital
sau pentru cercetare-dezvoltare. Guvernul i banca naional pot impune taxe,
contingentri asupra vnzrilor, pot modifica volumul masei monetare n
circulaie, pot modifica reglementrile legislative comerciale, pot produce

bunuri publice (puterea de decizie a acestora este determinat de numrul de
voturi colectate de la ceilali juctori).
MODSIM III, lansat de CACI Products, constituie unul dintre cele mai
puternice limbaje de simulare destinate modelrii sistemelor complexe i de
dimensiune mare; este un mediu robust pentru dezvoltarea cu succes a
modulelor avansate (vizuale, interactive, ierarhice). In comparaie cu limbajele
generale de programare (C++, Java), MODSIM III prezint cteva avantaje:
descrie comportamente asemntoare i condiionate ale
componentelor sistemului n timpul simulrii;
furnizeaz modele statistice ncorporate i o mulime de funcii
statistice;
pune la dispoziia utilizatorului funcii grafice integrate i de
animaie;
include asisten pentru verificarea timpului de rulare i folosire a
memoriei.
Principalele aplicaii se refer la: modelarea transportului (model de
simulare deschis, model al capacitii de transport, model de administrare al
traficului aerian), simularea de reea (reea de comunicaii, de drumuri, etc.),
simularea fluxului de aprovizionare (model al reelei de distribuie, model
logistic), modelarea procesului economic (administrarea eforturilor, modelul
planificrii forei de munc), etc.
PowerSim este un instrument de modelare avansat pentru produse
care permit inserarea simulatorilor n pagini de INTERNET i INTRANET; de
asemenea, este un limbaj de simulare bazat pe diagramele de influen
Forrester (cap. 10) pentru dezvoltarea modelelor. Are la baz o metodologie
foarte puternic de modelare a problemelor economice complexe; modelele pot
fi prezentate uor n form nemodelat prin interfaa de construcie n limbaj
C++, Visual Basic, Delphi sau Java. Aria de aplicabilitate este domeniul
economic i industrial, al planificrii strategice, managementul resurselor,
planificarea i managementul de criz i reengineering-ul
proceselor/produselor. Rezultatele simulrii cu Powersim permit: identificarea
punctelor slabe/forte ale posibilelor scenarii i decizii; comunicarea efectiv a
ideilor complexe; dezvoltarea de strategii i politici. Este o aplicaie pentru
Windows cu un meniu personal explicativ (cu bare de instrumente i
pictograme); se conecteaz uor cu alte software-uri prin utilizarea
caracteristicilor eficiente de conectare cu alte medii de programare (VB,
Borland, Delphi, C++), OLE, Windows Clipboard i DDE (Dynamic Data
Exchange).
Modelele pentru simularea afacerilor (Business Simulation Models)
sunt menite s cuantifice impactul unor variabile (produse, volumul cererii,
etc.) asupra veniturilor nete pe o perioad de timp. Se folosesc pentru aceasta
modele pentru previzionarea comportamentului clienilor (pentru selecia
productorilor, fundamentarea nivelului de consum, studiul fidelitii, analiza
mediului concurenial) i se ncearc simularea evoluiei pieei lund n

considerare reaciile concurenilor, impactul mediului i al schimbrii
tehnologice.
In cea mai simpl formulare, prin aceste modele se ncearc
determinarea i evaluarea consecinelor pentru diferite decizii sau aciuni
(referitoare la costul i calitatea produselor, reaciile concurenei, impactul
asupra cumprtorilor, nivelul tehnic de performan, etc.). Simulrile de tip
Business Games (cap. 9) reprezint simulri ale desfurrii unor procese
economice n condiii concureniale n care fiecare partener/juctor ncearc s-
i ating obiectivele (de obicei, maximizarea unui indicator de bunstare).

11.2 Simularea - metodologie de rezolvare a unor probleme
complexe

Avantajul utilizrii simulrii ca metod este dat de suportul teoretic i
practic pe care l presupune realizarea experienelor care implic utilizarea unor
modele matematice sau logice ce descriu comportarea unui sistem "nlocuitor" cu
care acesta se gsete ntr-o relaie de analogie. Simularea informatizat a
sistemelor economice se folosete n mod preferenial pentru:
activitatea de luare a deciziilor pentru orice situaie n care
decidenii ctig mai mult sub aspectul apropierii de obiective, din
abordarea de tip "rezolvare de problem" (problem solving eng.)
dect din proceduri de reglementare a regulilor metodologice
prescrise;
instruire, pregtire i perfecionare simularea contribuie la
dezvoltarea abilitilor practice de luare a deciziilor eliminnd
consecinele reale ale deciziilor i ale aciunilor considerate;
evaluarea performanelor manageriale, de luare a deciziilor n timp
util, cu resurse limitate i sub impactul unor elemente imprevizibile.

Ca proces complex, luarea deciziilor presupune apelul la cunotine
economice fundamentale i la experiena practic, la utilizarea tehnicilor de
prelucrare automat a datelor. Unul dintre avantajele folosirii tehnicilor de
modelare i simulare pentru fundamentarea deciziilor este acela de a permite n
mod simultan:
nelegerea n timp util a unor interaciuni (n cadrul unor limite de
cuprindere i a unor ipoteze formulate) care se desfoar n timp
real pe perioade mari de timp,
compresia timpului i spaiului ntre acele componente pentru care
ntreg sistemul percepe cu dificultate rezultatele interaciunii.
Simularea decizional const n crearea unui model decizional pe
baza identificrii i stabilirii relaiilor logice dintre variabilele ce definesc o
situaie decizional tipic cu o anumit periodicitate; modelul se folosete

pentru identificarea unor variante decizionale, pentru care se estimeaz efectele
i se selecteaz aceea care satisface anumite criterii manageriale prestabilite.
Tot mai des, se apeleaz la tehnica simulrii ca mijloc de definire i
estimare a influenelor ntre factorii de tip cauz efect, ca modalitate de
analiz, proiectare i implementare a unor tehnici de luare a deciziilor i metode
de conducere, ca mijloc de control pentru soluiile analitice, i, nu n ultimul
rnd, ca mijloc de prognoz n condiii de asimetrie informaional.
Numeroase tendine manifestate n mediul economic pun n eviden
necesitatea folosirii tehnicii simulrii i anume:
cutarea pe piaa muncii a acelor persoane care s foloseasc modele
i raionamente flexibile pentru rezolvarea problemelor critice;
folosirea calculatoarelor pentru asistarea deciziilor n legtur cu
strategia firmei, inclusiv apariia suportului software specializat
pentru probleme de management;
recunoaterea modelrii i simulrii ca alternativ eficient (sub
aspectul costului i timpului) pentru compartimentul de marketing i
vnzri;
creterea performanelor calculatoarelor i dezvoltarea facilitilor
multimedia de a permite reprezentri grafice a diferitelor situaii
statistice pentru afaceri; aceasta constituie un motiv n plus pentru ca
firmele s apeleze tot mai mult la aplicaiile software pentru
simulare ca alternativ la abordarea de tip ncercare i eroare,
deopotriv costisitoare sub aspectul resurselor i timpului afectat;
utilizarea mai frecvent a softwarelui pentru comunicaii i
colaborri de afaceri ntre grupuri separate geografic. De asemenea,
simularea permite depirea unor dificulti legate de dimensiunea
timp, n cel puin trei aspecte: studiul accelerat al unor fenomene
desfurate pe perioade ndelungate, studiul n ritm lent a unor
procese foarte rapide, compararea i studiul unor fenomene
manifestate la diferite momente de timp: simultane sau secveniale;
creterea importanei avantajelor competitive i scurtarea duratei de
via a produselor.
Se cunoate faptul c dezvoltarea tehnicii simulrii a fost i este strns
dependent de evoluia tehnicii de calcul. Primele simulri (folosind ecuaii i
modele analitice) s-au referit la procese tehnice i din domeniul tiinelor
exacte, obinndu-se rezultate remarcabile deoarece sistemele fizice sunt n
mare msur previzibile, n concordan cu cunoaterea legilor universale ale
fizicii.
Procesul de cretere a complexitii face ca experimentarea (alternativ
la tehnica simulrii) s devin mult prea costisitoare sau chiar imposibil de
realizat n domeniul tiinelor sociale i n economie. Orice cretere a exigenei
n raport cu precizia rezultatelor duce la creterea costului simulrii; precizia i
corectitudinea deciziilor urmeaz aceeai tendin de ncrcare a costurilor i de
cretere a riscului deciziei eronate.

Complexitatea unor procese este att de pronunat nct este aproape
imposibil scrierea unui model matematic, astfel c fiind depite limitele
acceptate ale complexitii, singura modalitate disponibil de rezolvare rmne
simularea. Realizarea unor modele matematice este dificil: o situaie complex
trebuie ncadrat n relaii matematice numeroase. Adesea sistemele deosebit de
complexe pot fi descrise cu modele mai simple, care redau trsturile eseniale,
fr s copieze realitatea.
Simularea pe computer presupune imitarea/recrearea unei selecii de
proprieti decupate din realitate, ndeosebi n scopul gsirii unor rspunsuri,
formrii unor deprinderi practice sau abiliti de luare a deciziilor.
Prin dezvoltarea calculatoarelor, simularea permite rezolvarea unor
probleme de mare complexitate: programarea pe calculator permite
transpunerea n timp real a evoluiei unui fenomen economic, la nivelul unei
firme sau ramuri industriale (fr a depi limitele prezentului i fr angajarea
n aciuni reale de a estima evoluiile viitoare).

11.3 Tendine noi ale aplicaiilor software pentru modelare i
simulare

Simularea interactiv vizual este o tehnic de simulare decizional
care folosete modelarea interactiv vizual i presupune folosirea
calculatorului pentru afiarea i reprezentarea grafic a efectelor diferitelor
strategii decizionale. Specificitatea acestei tehnici const n faptul c decidenii
pot urmri simularea unei probleme n timp i pot interveni n sensul validrii
modelului. Simularea convenional ofer rspunsuri statistice la sfritul unui
set de experiene particulare n care decidentul nu are posibilitatea de a
interaciona n desfurarea simulrii, astfel c sunt necesare intervale de
ncredere pentru rezultatele obinute. In aceast nou abordare, acetia i pot
folosi cunotinele, intuiia i experiena pentru a interaciona cu modelul n
scopul studierii variantelor alternative. Se pot folosi att modele statice (se
reprezint rezultatul unei decizii la momentul curent), ct i dinamice (se
vizualizeaz evoluia unor indicatori n perioada considerat). Aplicaiile
software pentru simulare interactiv ofer avantajul unei validri mai rapide
asupra modelului, datorit posibilitilor mai largi de analiz i intervenie din
partea decidentului:
un model vizual permite o analiz mai facil i recunoatere mai
uoar a corectitudinii rezultatelor (din punctul de vedere al
apropierii de nivelul dorit); decidentul poate interaciona mai rapid
cu modelul i mai corect dect n cazul folosirii unui model
matematic;
modelele vizuale dinamice relev mai ales comportamentul de
tranziie al procesului aa cum este perceput n mod curent de ctre

manageri, dect media statistic a unor indicatori de evoluie pe o
perioad de timp;
simularea interactiv vizual permite decidentului un cadru favorabil
de decizii, acesta poate experimenta noi strategii prin intermediul
unor ntrebri What if?;
simularea interactiv permite ncorporarea unor mrimi explicite de
calitate asociate soluiilor alternative i este n mod deosebit, util
atunci cnd se folosesc mai multe criterii de decizie (eventual greu
de formalizat).
n categoria celor mai noi direcii de perfecionare a aplicaiilor pe
calculator pentru simulare se evideniaz facilitatea desfurrii unor simulri
adaptative (recunoscut ca procedura ABAS - tehnologia Agent Based Adapted
Simulation). Aceasta permite utilizatorilor s nvee i s exploreze
fundamentele deciziilor pentru a ntmpina provocrile unui mediu simulat n
coresponden cu schimbrile imprevizibile ale lumii reale. In aceast
procedur, se pune accent pe diagnosticarea, planificarea i activitatea de
rezolvare a problemelor mai mult dect de nvarea prin rutine automate. In
procedura ABAS, modelele presupun dou caracteristici:
1. modelul cuprinde toate aspectele relevante pentru descrierea
complexitii sistemului real simulat;
2. modelul are o structur auto-adaptativ componentele sistemului
i pot adapta comportamentul n funcie de propriile aciuni sau de
reaciile celorlali.
ntr-o asemenea abordare, agenii economici i dezvolt capacitile de
nvare i dezvolt comportamente emergente/proactive de ntmpinare a
unui mediu ostil i de mascare a eventualelor puncte vulnerabile.

11.4 Alte produse software pentru simulare

CreditSim (Business Simulation Software) - dezvoltat de Paradigm
Business Simulations pentru simulri de tip joc de ntreprindere;
Extend - program software creat de Imagine That INC. pentru sisteme
flexibile de producie;
PS-Engine - lansat de firma Prosolvia AB ca un instrument pentru
simularea proceselor din industria prelucrtoare;
ProcessModel - creat de PROMODEL Corporation i constituie un
instrument facil pentru simularea proceselor economice;
ServiceModel - creat de PROMODEL Corporation este un instrument de
simulare destinat n mod specific activitii de servicii, folosete modele
ale teoriei firelor de ateptare i algoritmi de minimizare a costurilor.
ProModel este produs de compania PROMODEL Corporation, una
dintre firmele lider n domeniul software-lui de simulare i cuprinde
modele bazate de algoritmi de optimizare;

Visual Simulation Environment VSE - este dezvoltat de ORCA
Computer Inc. cuprinznd cele mai avansate caracteristici ale unui
program de simulare: Editor, Simulator i permite transmiterea
mesajelor, reutilizarea i rafinarea modelelor;
SIMUL8 - produs foarte perfecionat al companiei Visual Thinking
International, bazat pe simularea vizual interactiv i care poate fi
folosit cu foarte mare uurin n aplicaii industriale;
SIMPROCESS este un produs creat de CACI Products Company pentru
dezvoltarea simulrilor orientate pe evenimente i pentru activitile ce
antreneaz calculul costurilor;
Stella @ software for education aplicaii software bazat pe simularea
sistemelor dinamice;
@RISK pachet de programe destinat analizei riscului cu ajutorul
metodei de simulare de tip Monte Carlo;
DecisionPro aplicaie creat de ctre Vanguard Corporation pentru
modelarea i simularea proceselor ecomonice, cu o mare varietate de
aplicaii;
Crystall Ball Pro - produs de ctre Decisioneering Inc. destinat mai
multor tipuri de aplicaii: prognoz, analiza riscului, modelare i
simularea Monte Carlo;
Sigma - creat de ctre Custom Simulations reprezint primul limbaj de
simulare orientat ctre Windows, este o aplicaie interactiv folosind
grafic animat;
Strategy! este o simulare de tip joc n domeniul managementului
strategic, derulat pe echipe.

Rezumat

In acest capitol, sunt prezentate succint cteva dintre principalele
limbaje de simulare i aplicaii software dedicate acestui domeniu. Limbajele se
grupeaz n dou categorii: limbaje de tip conversaional i limbaje orientate pe
blocuri.

yCuvinte cheie

aplicaii software
faciliti de modelare
funcii

model
limbaj de simulare
simulare interactiv
simulator


[1] pag. 275 - 280


1. Care sunt principalele clase de limbaje de simulare?
2. Enumerai cteva clase de simulatoare de tip continuu.
3. Enumerai cteva proprieti ale modelelor folosite pentru simularea
afacerilor.

Conceptele sistem, analiz de sistem
n cadrul organizaiei social-economice

12.1 Analiza de sistem

Organizaia social-economic reprezint un sistem de baz n cadrul
sistemului social-economic global.
Ea este alctuit dintr-un numr mare de elemente (resurse umane,
materiale, financiare) ntre care exist conexiuni cauzale i funcionale.
Ca unitate de baz n economie, fiecare organizaie se afl, totodat, n
conexiune cu alte uniti economice i administrative, fiind influenat i
influennd, la rndul su, prin intrrile i ieirile n i din sistem.
Cunoaterea ntreprinderii ca sistem este determinat de modul cum
relaiile dintre elementele i nsui elementele sistemului variaz n timp.
Abordarea ntreprinderii ca sistem cibernetic, compus dintr-un numr
foarte mare de subsisteme, cuplate ntre ele prin conexiuni directe i inverse,
permite explicarea tiinific a unor fenomene destul de complexe, care au loc n
interiorul acestui sistem.
Sistemul cibernetic al ntreprinderii industriale, de exemplu, cuprinde n
principal: sistemul produciei, constnd din ansamblul mijloacelor de producie,
maini, utilaje i instalaii, tehnologiile de fabricaie i fora de munc; sistemul
informaional-decizional, ce include procesele de culegere, transmitere, prelucrare
i conservare a informaiei, procesele de luare a deciziilor la toate nivelurile i
sistemul structurii umane, care cuprinde procesele de motivare individual a
aciunii lucrtorilor, relaiile complexe ntre acetia, studiul condiiilor fizice i
fiziologice ale proceselor de munc.
Un element esenial, care difereniaz calitativ sistemul cibernetic al
ntreprinderii de alte sisteme ale lumii reale, l constituie faptul c funcia de
comand i reglare este realizat de prezena direct i contient a omului.
Mecanismul de reglare al ntreprinderii asigur corelarea permanent a evoluiei
optime, innd seama de interdependenele dintre subsistemele sale, de modificrile
intervenite, de perturbaiile aprute att n interiorul sistemului, ct i n afara lui.
ntre subsistemele ntreprinderii au loc o multitudine de legturi
informaionale, decizionale, de succesiune, alturi de fluxurile fizice de materii
prime, semifabricate, combustibil i produse.
Subsistemul de conducere, coordonare i control al ntreprinderii tratat ca
sistem cuprinde la rndul lui trei subsisteme i anume: subsistemul organizatoric,
subsistemul informaional-decizional i informatic i subsistemul metode i tehnici
de conducere.
12

Printre metodele care au luat natere n cadrul concepiei sistemice un loc
aparte prin prisma caracterului su pragmatic i a posibilitilor de generalizare l
ocup analiza de sistem.

Analiza de sistem reprezint un complex de procedee pentru perfecionarea
activitii generale a unitilor social-economice, prin studierea proceselor
informaionale i a celor decizionale, care au loc n unitile respective.

Printre cele mai importante utilizri practice ale analizei sistemice se afl
elaborarea proiectelor pentru conducerea eficient a organizaiilor economice cu
ajutorul metodelor economico-matematice i al tehnicii de calcul.
Analiza sistemic se bazeaz pe metodologia decizional, conceput ca un
ansamblu de reguli pentru luarea deciziei, necesare conducerii eficiente a
sistemelor.
Metodologia se sprijin pe generalizarea unui numr mare de cazuri din
practic.
Regulile metodologice definesc att succesiunea corect a operaiunilor
decizionale corespunztoare conducerii sistemelor, ct i modul de organizare i
realizare efectiv a lor.
Principalele reguli metodologice generale pentru conducerea sistemelor
sunt urmtoarele:
a. Deciziile privind conducerea eficient a unui sistem implic adoptarea
unei concepii integratoare n ceea ce privete disciplinele i metodele decizionale
ale conducerii sistemelor.
Aceast regul este necesar, deoarece, n practic, supraspecializarea
determin, adesea, adoptarea unei viziuni unilaterale.
b. Pentru obinerea unor decizii eficiente n conducerea sistemelor este
necesar o profund i detailat cunoatere a acestora.
Totalitatea operaiilor de cunoatere se concretizeaz prin elaborarea
modelelor decizionale (descriptive i normative).
c. Comportamentul cibernetic este o lege general a funcionrii
sistemelor i subsistemelor ce le alctuiesc, iar modelarea acestui comportament
reprezint o metod decizional fundamental n conducerea sistemelor.
Aplicarea n practic, n conducerea sistemelor, a ideilor principale
aparinnd ciberneticii se poate face eficient, utiliznd metodele dinamicii
sistemelor (disciplin elaborat de profesorul american J. Forrester).
d. Factorul uman, cu multiplele sale aspecte, are o deosebit importan n
deciziile privind conducerea sistemelor. Cteva dintre implicaiile cele mai actuale
ale factorului uman n conducerea sistemelor sunt:
conducerea participativ;
perfecionarea profesional permanent, policalificarea;
motivaiile individuale i colective i implicaiile lor asupra
comportamentului i lurii deciziilor.
e. Modelarea descriptiv i normativ a proceselor decizionale este
esenial pentru conducerea eficient a sistemelor.

Aceast regul scoate n eviden componenta raional n luarea deciziilor.
f. Se va acorda cuvenita importan modelelor informatice i sistemelor
expert n luarea deciziilor privind conducerea sistemelor. Prin aceasta se va
nregistra o serie de consecine, ca, de exemplu:
micorarea considerabil a timpului de elaborare a unor decizii care
presupun analiza unui numr mare de date;
creterea nivelului calitativ al deciziilor, ca urmare a posibilitilor
de a efectua calculele, de obicei foarte complexe, pe care le presupun
metodele moderne de luare a deciziilor;
posibilitatea de cooperare n domeniul stocrii i prelucrrii datelor
prin organizarea unor reele de calculatoare cuprinznd ntreprinderi
i centre specializate.
Rolul decizional al sistemelor expert este foarte important, lucru atestat de
faptul c, dei au un cost foarte ridicat, n ultimii ani, pe plan mondial, au fost puse
la punct i funcioneaz numeroase astfel de sisteme, n cele mai variate domenii de
activitate.
g. Succesul practic al metodologiei de conducere a sistemelor este
condiionat n mod decisiv de operaiile care urmeaz dup elaborarea modelelor
descriptive i normative, i anume, de experimentarea modelelor, de
implementarea lor, precum i de funcionarea n regim normal a sistemului de
modele.
h. Un model descriptiv sau normativ poate fi utilizat pentru rezolvarea
practic a unei probleme decizionale, numai dac el reprezint o analogie
semnificativ cu problema considerat.
i. Modelarea, descriptiv i normativ, trebuie orientat cu precdere ctre
problemele decizionale cele mai importante n conducerea sistemelor.
j. Readaptabilitatea rapid i supleea constituie cerine generale ale
modelelor de conducere a sistemelor, precum i ale aplicrii practice a acestora.
Metode deosebit de utile sunt cele care iau n considerare condiiile de risc
i incertitudine, modelele decizionale cu o ndelungat verificare practic n
general, modelele cu suplee i adaptabilitate (euristice, vagi).
k. Evoluia rapid a tuturor parametrilor caracteristici ai proceselor din
interiorul sistemelor ne oblig s inem seama n elaborarea modelelor decizionale
de aspectul dinamic i de cel previzional.
l. Elaborarea de ctre decideni a unui proiect decizional, pe baza regulilor
generale prezentate.

12.2 Structura de mulimi a unui sistem n abordare static
i n abordare dinamic

Privit din punct de vedere istoric, analiza sistemelor a nceput cu cele
naturale, studiul extinzndu-se mai trziu la sistemele create de om, printre care
amintim: sistemele tehnice, conceptuale, de aciuni, economice i sociale.
Odat cu dezvoltarea ciberneticii i perfecionarea mecanismelor automate
de calcul, a fost fundamentat conceptul de sistem cibernetico-economic, care
conine ca element esenial prezena direct i nemijlocit a omului n funciile de
comand, decizie, reglare i autoreglare.
Omul, ca factor de execuie i decizie, imprim sistemelor cibernetico-
economice un caracter dinamic i permanent perfectibil.
Att sistemele cibernetico-economice n ansamblu, ct i elementele lor
componente sunt caracterizate de multitudinea activitilor ce se desfoar n
cadrul acestora n vederea atingerii obiectivelor economice formulate de la caz la
caz.
Ansamblul fluxurilor primite de la alte sisteme reprezint vectorul
intrrilor n sistem, iar ansamblul fluxurilor dirijate ctre alte sisteme formeaz
vectorul ieirilor din sistem.
Ieirile unui sistem pot constitui intrri pentru alt sistem .a.m.d. Acest
lucru este o proprietate important a sistemelor, care const n posibilitatea cuplrii
lor. Prin cuplare, cele dou sisteme formeaz un alt sistem mai mare, cu proprieti
diferite, ele devenind subsisteme ale acestuia .a.m.d.
Sistemul devine cibernetic, atunci cnd apare reglarea (conexiunea
invers).
Mulimea caracteristicilor unui sistem, la un moment dat, determin starea
sa (vectorul variabilelor de stare, care, n cazul sistemelor cibernetico-economice,
are un numr foarte mare de variabile).
Pentru fiecare sistem cibernetico-economic se distinge un comportament
intern i altul extern, strns corelate ntre ele, i care formeaz comportamentul de
ansamblu al sistemului.
Funcionalitatea este o rezultant vectorial a intensitii fluxurilor, care
reprezint intrrile n sistem i a comportamentului acestuia, adic a modului de
transformare a fluxurilor de intrare n fluxuri de ieire.
Un sistem cibernetic este definit de interaciunea dintre structura,
comportamentul i funcionalitatea sa n cadrul mecanismului considerat i care
poate fi i cel economic. Plecnd de la acest mod de gndire, putem considera
societatea ca sistem, economia ca subsistem, ramurile economice ca subsisteme, iar
ntreprinderile ca subsisteme n cadrul ramurilor.
La nivel economic, firma, societatea comercial, societatea pe aciuni este
un sistem, adic o mulime de pri n interaciune una cu alta.
La un moment dat, orice sistem este caracterizat de tripletul (T, S, E).

~ Notaii:
(T) mulimea intrrilor;
(S) mulimea strilor sistemului;
(E) mulimea ieirilor din sistem.
Conexiunea invers asigur transmiterea informaiei de la organele de
execuie spre organele de decizie, n scopul adaptrii acestora la situaiile efective.
Pentru studierea unui anumit fenomen din ntreprindere se recurge la
construirea unui model abstract al fenomenului pe care se raioneaz/se analizeaz
diferitele variante posibil de realizat n anumite condiii date privind resursele
materiale, umane, financiare disponibile, tehnologii existente, astfel nct s fie
satisfcui clienii (beneficiarii produselor) i s se obin profit pentru
firm/ntreprinztor.
Modelul realizeaz de fapt reprezentarea sistemului ca o mulime de pri
n interaciune una cu alta.
n dinamic, structura de mulimi a unui sistem este de forma:

{ } = , , E , S , F , I , T S

~ Notaii:
T = timpul pentru ordonarea evenimentelor;
T R (sistemul are timp continuu);
T Z (sistemul are timp discret).
I = mulimea intrrilor;
F = mulimea segmentelor de intrare n sistem (segmentul
reprezint forma intrrilor n sistem);
S = mulimea strilor sistemului.

Starea este un concept de modelare a structurii interne a sistemului care
conine istoria acestuia i care i afecteaz prezentul i viitorul i mpreun cu
forma intrrilor determin n mod unic ieirile din sistem.
E = mulimea ieirilor din sistem;
= funcia de rspuns a sistemului, adic:

E S I :

Ceea ce nseamn c la o anumit intrare i o anumit stare a sistemului se
obine un anumit rspuns.

= funcia de tranziie a strilor (trecerea de la o stare la alt
stare se face n funcie de dimensiunea intrrilor n sistem
la un moment dat). Cunoaterea intrrilor i a
rspunsurilor corespunztoare acestora reprezint
comportarea sistemului.

Plecnd de la abordarea organizaiei ca sistem, caracterizat de tripletul:
intrare { }, I stare { }, S ieire { }, E adic { }, E , S , I se contureaz trei clase de
probleme cu trei ntrebri-tip, pe care le vom examina n ordinea n care le punem
n practic (figura 12.1).

Figura 12.1 Clase de probleme n cazul abordrii organizaiei ca sistem

(1) Modelarea realizeaz sinteza sistemului.
Trebuie construit/configurat/identificat acea situaie care
plecnd de la { } I cunoscute s ne permit obinerea { } E
dorite.
(2) Simularea realizeaz analiza sistemului, genereaz comportamentul
sistemului. Pune probleme, ce se ntmpl cu { } E cnd
mrimea { } I se modific n condiiile unei structuri
constante a sistemului.
(3) Optimizarea conducerea sistemului.
Se pune problema lurii deciziei n legtur cu mrimea
vectorului { } I care permite atingerea unor obiective { } E n
condiiile unei structuri constante a sistemului.
Tipul
problemei
1. Modelare
2. Simulare
3. Optimizare
Cu ce?
ntrebare
S
E
Elemente
cunoscute
Elemente
necunoscute
{ } I { } E
{ } S
E
{ } { } { } E S , I
Ce?
I
?
S
I
I
?
S
E { } { } { } I E , S
?
Cum?

12.3 Integrarea simulrii ntr-o metodologie sistemic general

Modelul de simulare, cu multiplele sale specificiti prezentate, este liantul
ntre modelul economico-matematic, care prezint posibilitatea de modelare, i
realitate.
Integrarea simulrii ntr-o metodologie sistemic general este prezentat
sinoptic n figura 12.2.

Realitate
Conturarea Modelul de simulare Concretizrile
sistemului pentru sistem

Realitate

- Delimitare - Formularea - Interpretarea
- Recunoatere modelului - Structurarea
- Identificare - Implementarea - Integrarea
- Testarea

Analiza = Procesul invers Desfurarea = Procesul
pentru desfurare invers pentru analiz

Figura 12.2 Integrarea simulrii ntr-o metodologie sistemic general

Simularea este o tehnic numeric extrem de flexibil i utilizabil ad-hoc.
Relaiile ntre input-ul i output-ul unui model de simulare se pot modela ntr-un
model de regresie cunoscut ca metamodel sau model auxiliar.
Definirea problemei obiective
Limbaje
R
S MS/MS'
S' R

Realitatea
MANAGER
Modelul de simulare
Modelul de regresie
Variabile
decizionale
Variabile
necontrolabile
Variabile
independente
Variabile
dependente

Realitatea

Figura 12.3 Procesul de modelare proces ierarhizat

Procesul de modelare devine un proces ierarhizat, aa cum este redat n
figura 12.3.

12.4 Localizarea modelrii economico-matematice destinat
rezolvrii unor probleme manageriale

Activitatea de modelare economico-matematic poate fi eficient numai n
msura n care ea se desfoar n cadrul analizei de sistem, ca un moment al etapei
de proiectare a noului sistem informaional-decizional (figura 12.4).
Proiectarea noului sistem informaional-decizional implic i referiri la
tehnica de calcul ce va fi utilizat, dat fiind volumul mare de date ce este vehiculat
pentru fiecare aplicaie n parte.
Dac n cazul metodelor exacte exist o serie de produse program
catalogate n biblioteci, metodele aproximative i euristice l solicit pe analistul de
sisteme n special n a utiliza tehnicile de tip Monte Carlo, dinamic industrial
(Forrester) sau jocuri de ntreprindere.

Figura 12.4 Localizarea modelrii economico-matematice
destinat rezolvrii unor probleme manageriale

Realizarea obiectivelor finale ale ntreprinderii impune cu necesitate
gsirea celor mai adecvate mijloace i metode de conducere att pentru activitile
productive, ct i pentru cele economice.
De regul, n cazul sistemelor de conducere a activitii economice,
calculatoarele servesc la pregtirea mai bun a unor decizii umane, iar n cazul
sistemelor de conducere a proceselor tehnologice, calculatoarele elaboreaz
automat deciziile sub form de comenzi ce se transmit spre procesul condus.

Rezumat
Abordarea ntreprinderii ca sistem cibernetic, permite explicarea unor
fenomene deosebit de complexe, care au loc n interiorul acestui sistem.
Se definete analiza de sistem, care se bazeaz pe metodologia decizional,
conceput ca un ansamblu de reguli pentru luarea deciziei.
Se prezint structura de mulimi a unui sistem de abordare static i n
abordare dinamic, clasele de probleme n cazul abordrii organizaiei ca sistem,
posibilitatea de integrare a simulrii ntr-o metodologie sistemic general i
localizarea modelrii economic-matematice destinat rezolvrii unor probleme
manageriale.
MODELE I TEHNICI DIN:
CERCETRILE OPERAIONLE
CIBERNETIC
INFORMATIC
PSIHOSOCIOLOGIA ORGANIZRII
TEORIA GENERAL A SISTEMELOR
ANALIZA DE SISTEM
INFORMAIONAL
DECIZIONAL
P
R
O
I
E
C
T

MODELAREA
PROCESELOR
ECONOMICE
STATISTIC
MATEMATIC
n funcie de structura
proceselor reflectate
Modele descriptive
cu profil tehnologic
informaional-decizionale
ale relaiilor umane
informatice
Modele normative
cu profil tehnologic
informaional-decizionale
ale relaiilor umane
informatice
PROCESE DE PRODUCIE
TEHNOLOGICE ECONOMICE
SISTEMUL DE CONDUCERE
IERARHIZAT
PIAA PRODUSELOR
TEORIA ECONOMIC

CATEGORII
CONCEPTE
LEGILE OBIECTIVE

y Cuvinte cheie

analiz de sistem releveu informaional-decizional
conducere resurse
conexiuni cauzale sistem
conexiuni de reglare sistem expert
conexiuni funcionale structura de mulimi a unui sistem
funcie de comand structura de producie
funcie de reglare subsistem
integrarea simulrii vectorul ieirilor
metodologie sistemic vectorul intrrilor
organizaie vectorul strilor
proces ierarhizat


[ ] 1 pag. 283 296.


1. Explicai categoriile specifice teoriei sistemelor. De ce organizaia
social-economic poate i trebuie s fie privit ca un sistem?
2. Enumerai principalele subsisteme componente ale unei ntreprinderi
industriale.
3. Prezentai sinoptic legaturile ntre cele trei subsisteme ale sistemului de
conducere, coordonare i control al ntreprinderilor.
4. Prin ce se caracterizeaz un model descriptiv, dar unul normativ?
5. Exemplificai componente ale vectorului de intrare/ieire n/ori sistem.
6. Prezentai i comentai clasele de probleme n cazul abordrii
organizaiei ca sistem.
7. Explicai de ce relaiile ntre input-ul i output-ul unui model de
simulare dau natere unui proces de modelare ierarhizat.
8. n ce condiii modelarea economico-matematic este eficient pentru o
organizaie?
9. Care sunt principalele domenii ce ofer metode i tehnici necesare
ntocmirii proiectului de analiz de sistem?
10. La ce servete tehnica de calcul n cadrul sistemelor de conducere a
activitii economice, dar n cazul sistemelor tehnice de producie?

Aspecte de referin n cazul metodologiilor
de tip ameliorativ i de tip constructiv

13.1 Structura proiectului decizional

Proiectul decizional are urmtoarele componente:
activitile premergtoare;
un studiu conceptual, materializat ntr-o lucrare scris care include
comentarii privind:
elaborarea modelului descriptiv al problemei;
elaborarea modelului normativ al problemei;
experimentarea i implementarea modelului normativ;
aplicarea i funcionarea n regim normal a proiectului;
decizii i aciuni pentru realizarea obiectivelor cuprinse n studiul
conceptual;
documentele privind descrierea realizrii deciziilor.

Etapizarea proiectului

Etapa I Activiti pregtitoare
Declanarea aciunii de elaborare i aplicare a unui proiect decizional
implic o serie de activiti pregtitoare principale, i anume:
1. Stabilirea necesitii proiectului i deciziei de elaborare a acestuia.
2. Definirea preliminar a problemelor decizionale ce vor face obiectul
proiectului.
3. Stabilirea specialitilor care vor executa i aplica proiectul.
4. Estimarea provizorie a resurselor necesare.
5. Estimarea provizorie a duratei ntregii aciuni.
6. Obinerea aprobrilor oficiale pentru elaborarea proiectului i
asigurarea resurselor necesare realizrii lui.
Aceste activiti sunt asemntoare cu Studiile preliminare sau Studiile
de diagnostic pe care le recomand metodologiile de analiz i proiectare
informaional-decizional.
13

Etapa a II-a o constituie elaborarea modelului descriptiv al problemei
decizionale.
Se poate folosi orice metod care s ajute la construirea unui model
descriptiv ct mai apropiat de problema studiat.
Se elaboreaz separat modele descriptive pentru subsistemele structurale:
tehnologic-producie, informaional-decizional, al relaiilor umane i informatic,
ntr-o prim etap, ca apoi ele s fie reunite ntr-un model unitar.

Etapa a III-a, elaborarea modelului normativ. Se trateaz distinct pe
subsistemele structurale.

Etapa a IV-a a elaborrii proiectului este consacrat experimentrii i
implementrii modelului normativ.
Etapa este precedat de aciuni ca:
organizarea unor cursuri intensive de reciclare;
organizarea unor jocuri decizionale cu participarea celor ce vor conduce
aplicarea proiectului n regim de funcionare normal.

Etapa a V-a, funcionarea n regim normal. Dup implementarea
proiectului decizional, urmeaz perioada n care prevederile acestuia sunt aplicate
zi de zi, devenind activiti de rutin, similare cu celelalte activiti din sistem.

13.2 Metodologii de analiz i proiectare sistemic

innd seama de momentul apariiei, precum i de trsturile lor specifice,
metodologiile de analiz i proiectare sistemic pot fi grupate n:
a. metodologii pentru simplificarea formularisticii i ameliorarea
evidenelor;
b. metodologii pentru analiza i proiectarea sistemelor informatice;
c. metodologii pentru analiza i proiectarea informaional-decizional;
d. metodologii privind analiza sistemelor complexe.
Cu excepia primei dintre aceste metodologii, al crei interes este pur
istoric, toate celelalte coexist n prezent n practica managementului tiinific,
interferndu-se adesea ntre ele.
Unele firme constructoare de echipament de calcul au elaborat metodologii
de analiz care sunt orientate aproape exclusiv spre introducerea echipamentelor de
calcul n ntreprinderi, problemele economice reale, obiectivele de baz ale
ntreprinderilor beneficiare fiind lsate pe planul al doilea, mijlocul (echipamentul
de calcul) devenind, n aceast concepie, scop. n felul acesta au luat natere
metodologiile de analiz i proiectare informatic, care au cunoscut o mare
rspndire printre specialitii n domeniu.
Ca o reacie a acestei stri de fapt, au aprut metodologiile informaional-
decizionale orientate spre soluionarea obiectivelor de baz ale beneficiarilor.

Menionm c ambele tipuri de metodologii sunt necesare, ns la momente
diferite, i anume, ntr-o prim etap, metodologia informaional-decizional
pentru elaborarea sistemului general de conducere a unitii i, ntr-o a doua etap,
metodologia informatic, cu scopul de a asigura introducerea celor mai moderne
mijloace de analiz a unui sistem de conducere cu echipamente electronice de
calcul.
Etapa modern n dezvoltarea procedeelor analizei de sistem se
caracterizeaz prin importana pe care o capt procesul decizional n ansamblul
analizei, precum i prin faptul c ntregul mecanism al analizei este strns legat de
obiectivele economice fundamentale ale unitii economice.
n ultimii ani, sunt n curs de apariie metodologii complexe de analiz
informaional-decizional, care iau n considerare i aspectele psihosociologice ale
relaiilor umane din sistem.

Metodologii pentru analiza i proiectarea informaional-decizional

n cadrul metodologiilor pentru analiza i proiectarea informaional-
decizional distingem dou tipuri, i anume:
A. AMELIORATIVE
B. CONSTRUCTIVE

A. Metodologii de tip ameliorativ

Acest tip de metodologii, masiv utilizat n informatic n ultimele trei
decenii, este caracterizat de faptul c n munca de analiz se pleac de la
cunoaterea amnunit a situaiei existente, ncercndu-se mbuntirea ei prin
reproiectare, folosind n acest scop o serie de criterii i tehnici de mbuntire.
De regul aceste metodologii cuprind 4 etape de lucru.
1. Studii preliminare se ntocmesc studiile de oportunitate, se face
analiza-diagnostic. Nu se dau soluii de ctre echipa de analiti.
2. Studii operaionale etap consacrat cunoaterii sistemului analizat.
n acest scop, analitii ncep prin a culege informaii generale tehnico-economice
cu referire la sistemul care se studiaz.
Cunoaterea n detaliu a sistemului se face prin identificarea proceselor
informaionale i decizionale elementare care au loc n sistem prin stabilirea
succesiunii n timp i prin analiza amnunit a structurii acestora.
n funcie de specificul activitii, de profunzimea analizei ce se face i de
resursele disponibile, se stabilesc subsistemele componente.
Analistul are un rol activ n cadrul acestei etape (Studii operaionale);
metodologia recomand ca analistul s ptrund att de mult n intimitatea
procesului studiat, nct s fie, n final, n situaia de a executa el nsui operaiile
analizate la fel ca personalul unitii beneficiare.
Se ntocmete Organigrama grupei de activiti, care are forma unei
grile cu dubl intrare, pe care se nscrie o diagram orizontal de flux completat

cu ajutorul unor simboluri specifice. Coloanele corespund activitilor productive i
informaional-decizionale, iar liniile corespund executanilor direci ai activitilor.
La intersecia liniilor cu coloanele se nscriu simbolurile specifice prezentate n
metodologie.
Pentru fiecare activitate nscris n Organigrama grupei de activiti se
ntocmete Fia activitii, care cuprinde urmtoarele informaii:
denumirea activitii;
momentul efecturii activitii;
numrul mediu de operaii n unitatea de timp;
numrul de exemplare i destinaia fiecruia;
obiectivele activitii;
descompunerea activitii n componente pe operaii simple.
3. Proiectul sistemului. ntr-o prim faz, se face analiza critic a
situaiei existente din punct de vedere informaional i decizional, dup care se
procedeaz la elaborarea soluiei de detaliu.
Rezultatele etapei de proiectare a noului sistem conduc la obinerea unui
sistem replic al sistemului iniial, care trebuie s ndeplineasc mai bine i mai
economic toate funciile eseniale ale sistemului i eventual altele n plus, rezultate
ca necesare din analiz.
Pentru realizarea analizei critice se apeleaz la o serie de criterii de
raionalitate, cu ajutorul crora se aprofundeaz constatrile critice fcute n etapa
Studii operaionale, iar pe baza constatrilor se schieaz soluia general a
proiectului, urmnd ca n subetapa a 2-a s se formuleze soluia de amnunt/de
detaliu.
Prezentm n continuare principalele criterii de raionalitate:
Criteriul comparrii obiectivelor aplicaiei cu obiectivele generale ale
ntreprinderii;
Criteriul respectrii principiului excepiei;
Criteriul asigurrii informaiei de control;
Criteriul asigurrii unei nregistrri unice pentru o informaie care
permite utilizri multiple;
Criteriul verificrii informaiei;
Criteriul necesitii fiecrei activiti;
Criteriul justei repartizri a activitilor pe compartimente i pe
responsabiliti;
Criteriul efecturii activitii n timp util;
Criteriul decizional corectitudinea lurii deciziei;
Criteriul general al eficienei economice.
Schema general a soluiei de ansamblu poate fi elaborat sub forma unei
scheme-bloc.
Grupa de analiti hotrte n ce msur se adopt n cadrul aplicaiei date
tehnicile moderne de prelucrare automat a datelor (teleprelucrare, terminal, centru
de calcul, acces calculator, PC, reea PC etc.), separndu-se aplicaiile cu structur

informaional-decizional simpl, de tip evidene, de cele complexe, care implic
utilizarea unui algoritm de calcul.
n cadrul soluiei de detaliu se definitiveaz fluxurile informaional-
decizionale prin aplicarea, la nivelul activitilor, a criteriilor de raionalitate.
Aceast etap se ncheie cu redactarea proiectului informaional-decizional
propriu-zis, care cuprinde texte explicative, calcule de eficien, schia programului
pentru elaborarea proiectului informatic i pentru etapa de implementare.
4. Implementarea cuprinde msurile pentru trecerea de la faza de proiect
la faza de aplicaie practic.
Procedeul folosit de acest grup de metodologii este laborios, necesitnd
pentru subsisteme de amploare i complexitate medie echipe de cinci-ase analiti
i durata depind uneori un an.
Cu toate acestea, numeroase sisteme informaionale proiectate prin astfel
de metode funcioneaz n diferite ri cu mare eficien.

B. Metodologii de tip constructiv (aval-amonte)

Metoda a fost elaborat n Frana de A. Delville i prezentat n lucrarea sa
Linformation dans lentreprise (Paris, Dunod).
n partea introductiv a lucrrii, autorul enun principiul fundamental al
metodei pe care o propune: activitile materiale care definesc obiectivele unei
ntreprinderi reprezint baza pe care trebuie cldit sistemul de elaborare, circulaie
i prelucrare a informaiei.

Etapele metodei:
delimitarea domeniului de analizat i releveul proceselor de baz ale
ntreprinderi;
analiza i proiectarea necesarului de informaii al fiecrui proces de
baz i al diverselor prelucrri ale acestor informaii;
alegerea mijloacelor de realizare a sistemului proiectat.
Analiza informaional a unei ntreprinderi poate fi declanat, dup A.
Delville, datorit uneia sau mai multora dintre urmtoarele cauze:
a) se creeaz sau se suprim o activitate tehnic, de exemplu, se nfiineaz
o nou ntreprindere, se lanseaz n fabricaie un produs nou sau se
desfiineaz, prin comasare, mai multe ntreprinderii;
b) se modific o activitate tehnic (lrgire, restrngere, diverse
transformri);
c) apar modificri ale unor condiii care influeneaz organizarea
informaional, cum ar fi dispoziii legale noi, condiii noi privind
achiziionarea, desfacerea etc.;
d) se constat defeciuni n organizarea informaional (greeli
administrative, lipsa informrii adecvate la diferite niveluri, sosirea cu
ntrziere a informaiilor, cheltuieli mari privind aparatul tehnico-
administrativ .a.);

e) apare un nou mijloc de organizare i prelucrare a informaiei, de
exemplu, teleprelucrarea datelor sau un nou sistem de programe
aplicative (produse informatice);
f) de la ultima analiz informaional s-a scurs un interval de timp
ndelungat.
Odat analiza informaional declanat, se ncepe cu delimitarea
domeniului care urmeaz a fi supus analizei (una sau mai multe aplicaii, un
subsistem sau chiar mai multe subsisteme).
Autorul arat c ntinderea domeniilor de investigat (din punct de vedere
informaional) depinde de trei factori:
efectivele de analiti disponibile,
timpul disponibil,
aa-numitele tabuuri, adic obligaiile legale, contractuale, metodologii
etc. existente.
Pentru aceasta, A. Delville compar n mod sugestiv reeaua informaional
existent cu un nvod cu ochiuri rupte, urmnd s se decid dac se va repara strict
zona rupt/se va extinde la o zon nvecinat sau se vor repara ochiurile slbite din
vecintate.
Ideea de baz a metodologiei este cea a cascadei informaionale.
Considernd c ntr-o ntreprindere au loc procese de baz (procese
tehnologice) i procese administrative (procese informaionale i decizionale),
autorul introduce o nou analogie reprezentnd complexul de procese de baz i
administrative printr-un sistem hidraulic n cascad ce cuprinde: bazine de
acumulare (procese administrative), cderi de ap (transmitere de informaii),
turbine puse n micare de cderi de ap (procese de baz).
Proiectarea reelei informaionale echivaleaz, n concepia autorului, cu
alctuirea cascadei informaionale plecnd din aval spre amonte, i anume,
plecnd de la procesele de baz se determin nevoile de informaii i procesele
administrative care produc informaiile respective.
Cunoscnd obiectivele, printr-un procedeu deductiv se stabilesc
informaiile n aval, adic cele necesare realizrii obiectivelor (aceste informaii
reprezint cerinele informaionale ale sistemului).
Apoi, tot deductiv, se determin informaiile n amonte, adic cele
necesare a fi prelucrate pentru obinerea informaiilor n aval i totodat procesele
de prelucrare, inclusiv cele decizionale, prin care se transform informaiile din
amonte n informaii aval.
Procedeul se repet din aproape n aproape, urmrind, dinspre aval spre
amonte, ntreaga cascad informaional-decizional, pn se ajunge la
informaiile care provin din afara sistemului i care reprezint informaii de intrare.
n etapa urmtoare se aleg mijloacele tehnice i metodele decizionale
necesare i avantajoase pentru realizarea ntregii succesiuni de operaii
informaional-decizionale stabilite prin parcurgerea cascadei aval-amonte.

Rezumat

Plecnd de la faptul c activitatea de modelare economico-matematic
poate fi eficient numai n msura n care ea se desfoar n cadrul analizei de
sistem, i anume ca moment al etapei de proiectare a noului sistem informaional
decizional, se prezint structura proiectului decizional i etapele de realizare.
n cadrul metodologiilor pentru analiz i proiectarea informaional-
decizional se disting dou tipuri de metodologii i anume: ameliorative i
constructive ale cror caracteristici sunt evideniate n capitol.

y Cuvinte cheie

analiza critic a situaiei
existente
asigurarea cu resurse
materiale
baza de date
cascad informaional
cheltuieli de stocare,
transport
clauze contractuale
criterii de raionalitate
cunoaterea realitii
instrumentar de modelare
mecanism informaional-
decizional
metodologii de tip
ameliorativ
metodologii de tip
constructiv
metodologii informaional-
decizionale
model descriptiv
model normativ
produse competitive
proiect decizional
reproiectare
studii operaionale


[1] pag 296 - 308


1. Explicai de ce modelarea economico-matematic poate fi eficient
numai n msura n care ea se desfoar n cadrul analizei de sistem
(etapa de proiectare).
2. Realizai un studiu comparativ ntre cele dou mari tipuri de
metodologii pentru analiza i proiectarea informaional-decizional
(ameliorative i constructive).
3. Prin ce se caracterizeaz metodologiile de tip ameliorativ?
4. Prin ce se caracterizeaz metodologiile de tip constructiv i n ce situaii
practice sunt preferate celor ameliorative?
5. Care este motivaia avizrilor repetate n cazul metodologiilor
ameliorative?
6. Definii obiectivele, subobiectivele i subsistemele componente n cazul
aplicrii metodologiei Delville pentru realizarea procesului de asigurare
cu resurse materiale ntr-o ntreprindere
7. Descriei modelele incluse n subsistemul ntocmirea programului de
asigurare cu resurse materiale i legtura cu baza de date.
8. Descriei modelele incluse n subsistemul gestiunea stocurilor i
legtura cu baza de date.

SPECIFICITATEA CONSTRUIRII
MODELELOR ECONOMICO-MATEMATICE

14.1 Calitatea informaiei i metode de luare a deciziei prin prisma
preciziei i completitudinii datelor

Precizia i completitudinea reprezint dou atribute distincte, care dau
msura utilitii unui set de date pentru extragerea unor informaii necesare
procesului decizional.
21

Lipsa unui anumit nivel de precizie compromite stabilitatea sau chiar
minima semnificaie decizional a soluiei obinute, iar lipsa unor date face
necesar completarea lor cu estimri imprecise (sau ipoteze inconsistente) care au
aceleai efecte.
) Precizia i completitudinea relativ ridicate ale datelor constituite
ntr-un model fac posibil, cu rezultate bune, abordarea determinist.
Acesta este cazul sistemelor tehnice, controlabile pe baza accesului
relativ sigur la date precise i complete.
n economie, cu larg aplicabilitate este optimizarea flexibil domeniu ce
poate fi sinoptic prezentat n figura 14.1.
) Scderea alternativ a preciziei sau completitudinii conduce la o
abordare stochastic, abordare cu teoria jocurilor sau de tip fuzzy.
) Scderea simultan pn la anumite limite permite o abordare
suboptimal cu ajutorul metodelor de tip multicriterial, cu modele
euristice i tehnici de simulare.
) nvarea prin ncercare i eroare i utilizarea unor analogii
pertinente cu sisteme sau procese mai bine cunoscute sunt ncercri de
a compensa scderi majore ale completitudinii, respectiv de preciziei.
Practic, informaia incomplet conduce la nedeterminare n calculul
comportamentului unui sistem.
Metodele propuse sunt: acumularea de informaii suplimentare (nvare),
parametrizarea intrrilor (simulare), argumente limitative (soluii suboptimale),
strategii de risc minim (teoria jocurilor strategice).

21
n anul 1996 premiul Nobel pentru economie a fost acordat economistului britanic James
A. Mirrelees i economistului canadian William Vickery pentru o lucrare referitoare la
consecinele economice ale informaiei financiare incomplete.
14

0
Grad de precizie 1
G
r
a
d

d
e

c
o
m
p
l
e
t
i
t
u
d
i
n
e

Abordare
stochastic

Modele ale
teoriei
jocurilor

Mulimi vagi

Utilizarea

analogiilor
Informaii
nerelevante
MODELE
DETERMINIS
TE (EXACTE)
nvare prin ncercare
i eroare

Abordare euristic
Multicriterialitate
Tehnici de simulare
1
De fapt, vectorul care creeaz greuti n obinerea unei precizii i
completitudini sporite a informaiei este complexitatea sistemelor abordate.

Figura 14.1 Domeniul optimizrii flexibile

Informaiile se obin n principal pe dou ci: una statistic, care are un
caracter permanent, organizat i o a doua cale special instituit, numai n caz de
nevoie i cu caracter neperiodic (de exemplu: ancheta).
n ambele cazuri apar numeroase distorsiuni ale informaiei, unele
ntmpltoare, altele aparent ntmpltoare.
n urma culegerii datelor i evalurii distorsiunilor, informaia primar
obinut nu poate fi utilizat ca atare, ci este necesar cuantificarea acestei
informaii primare n variabile de model.

14.2 Etapele procesului de modelare

Modelul economico-matematic, fiind o reprezentare izomorf a realitii,
ofer o imagine intuitiv, dar riguroas, n sensul structurii logice a fenomenului
studiat, faciliteaz descoperirea unor legturi i legiti foarte greu de stabilit pe alte
ci.
Pentru a fi utile practicianului modelele trebuie s se caracterizeze prin:
simplitate, suplee, accesibilitate i adaptabilitate.

Procesul modelrii cuprinde urmtoarele etape:
1. cunoaterea detaliat a realitii sistemului (procesului) ce se modeleaz,
2. construirea propriu-zis a modelului economico-matematic,
3. experimentarea modelului economico-matematic i evaluarea soluiei,
4. implementarea modelului economico-matematic i actualizarea soluiei.
Construirea propriu-zis a modelului const fie n alegerea unuia din
numeroasele instrumente "clasice" de modelare care corespunde problemei formulate
fie n elaborarea unor modele noi. n primul caz, analistul trebuie, cu mult abilitate,
s stabileasc corespondena dintre realitate i instrumentarul de modelare cunoscut
din literatura de specialitate.
Atunci cnd analistul este n situaia de a elabora modele noi, acestea pot fi
de dou feluri, i anume:
) combinaii de modele clasice (din literatur),
) modele noi propriu-zise (implic solide cunotine matematice,
imaginaie i talent).
Experimentarea modelului se poate face "in vivo" prin aplicarea modelului
descriptiv sau normativ n practica ntreprinderii i prin constatarea eficienei sale
descriptive/normative. Acest mod de experimentare se poate realiza numai pe
eantioane extrem de reduse, deoarece implic riscuri considerabile.
Experimentarea modelului se mai poate face "in vitro" prin generarea unor
situaii posibile ale sistemului, denumite variante, i prin analiza, cu ajutorul
modelelor, a consecinelor acestor variante, asupra indicatorilor de eficien ai
sistemului. Acest mod de experimentare se numete simulare.

14.3. Tipologia modelelor economico-matematice

Modelele economico-matematice utilizate n procesele economice din
organizaii se pot clasifica dup modul de tratare a informaiei n dou categorii, i
anume:
modele descriptive care au ca obiectiv reproducerea unor proprieti ale
sistemului modelat, ele descriu lucrurile aa cum exist n realitate.
modele normative care urmeaz a fi utilizate pentru aplicarea unor reguli
eficiente de decizie n ntreprindere (cu scopul creterii performanelor).
Modelele proiectate pentru a optimiza sunt numite modele normative.
De fapt, majoritatea modelelor economico-matematice ce pot fi concepute
ntr-o ntreprindere, au att trsturi descriptive ct i trsturi normative, unele
fiind n principal descriptive, altele dominant normative, iar altele, n egal msur
descriptiv-normative.

Practic, modelarea descriptiv se ntreptrunde cu cea normativ. Importana
metodologic a distingerii aspectului descriptiv de cel normativ const n evitarea
confuziei dintre "ceea ce exist" i ceea ce dorim s fie.

) n categoria modelelor normative se includ modelele de luare a
deciziei. Modelul normativ descrie cum ar trebui luate deciziile, mai
degrab dect cum sunt luate deciziile.
Procesul normativ de luare a deciziei are la baz ideea c organizaia are
stabilit un set de obiective (profitabilitate, ctigare a cotei de pia, excelen n
serviciile sau produsele oferite consumatorilor etc.). Fiecare obiectiv poate fi msurat
prin numeroase criterii, dar important este s se stabileasc un set de criterii ce
reflect obiectivele eseniale ale organizaiei. Pentru fiecare obiectiv se stabilete un
nivel int, iar prin compararea acestui nivel cu performana actual a organizaiei se
identific problemele existente. Identificarea problemei/problemelor este urmat de
gsirea alternativelor de rezolvare. Alegerea unei alternative se face n funcie de
abilitatea acesteia de a atinge obiectivele propuse. Soluia aleas este testat pentru a
se evalua msura n care rmne cea mai bun alternativ n cazul unor evoluii
neateptate la care va fi supus organizaia. Implementarea variantei alese necesit
implicarea de resurse umane, financiare, materiale. Prin feed-back se asigur
compararea continu ntre performana obinut prin implementarea soluiei i
criteriul/criteriile de performan ale organizaiei.

) Tipologia modelelor descriptive, cuprinde patru grupe structurale:
- modele ce surprind aspecte tehnologice i de producie,
- modele informaional-decizionale,
- modele ale relaiilor umane,
- modele informatice.
n felul acesta vom parcurge caracteristicile modelelor n raport de
corespondena dintre problemele economice i metodele de modelare.

14.3.1. Modele ce surprind aspecte tehnologice i de producie

M1 Model arborescent pentru descrierea structurii produselor i
calculul necesarului de resurse materiale
Modelul indic, cu ajutorul unui graf, arborescena
22
unui anumit produs P.
Pentru exemplificare, folosim urmtoarele notaii:
PF
i
(i=1,...,p) - produsul finit;

22
Prin arborescen se nelege descompunerea produsului finit n componentele sale, cu
precizarea normelor de consum conform reetei de fabricaie; descompunerea se realizeaz
pe mai multe niveluri i anume pe attea cte sunt necesare pentru ca pe ultimul nivel s se
poat citi componentele de baz, respectiv resursele materiale.

Q
i
(i=1,...,p) - cantitile ce urmeaz a fi fabricate din produsul finit PF
i
;
C
ik
- norma de consum din materialul MP
k
pentru produsul PF
i
;
N
n
- cantitatea necesar din materia prim (n);
V - numrul de niveluri care intervin;
h - rangul nivelului.

Pentru situaiile n care arborescena este pe mai multe niveluri, formula
general de calcul al necesarului de resurse materiale este:

n 1, = k pentru , Q
C
=
N
i
1 - h ik,
V
1 = h
p
1 = i
k
ik

.

Suma arat c se vor aduna cantiti pentru subproduse identice. De aici i
denumirea de calcul cu ajutorul "exploziilor sumarizate".

M2 Modele tip grafice Gantt
Larg rspndire n multiple domenii unde apare problema succesiunii n
timp a unor activiti.
Pot fi folosite att ca modele descriptive ct i ca modele normative, cnd
este vorba de secvene tehnologice.

M3 Modele de tip ADC (analiza drumului critic)
Grafurile ADC reprezint condiionrile logice i tehnologice dintre
activitile unui proiect complex i ofer posibilitatea lurii n considerare
a necesarului privind resursele materiale, umane i financiare.
Ofer numeroase i utile informaii privind: termenele de ncepere i
terminare ale activitilor, rezervele de timp, activitile critice, diagrame
privind nivelarea, alocarea resurselor care prezint interes pentru
practicieni.

M4 Modele de ordonanare i lotizare
Problemele de ordonanare constau n stabilirea unei ordini de efectuare a
activitilor unui proces de producie, astfel ca interdependenele dintre
ele s fie respectate n limita resurselor disponibile i cu o durat total
minim de execuie.
Aceste modele se bazeaz pe tehnici combinatorice i pe procedee
cunoscute sub denumirea branch-and-bound (ramific i mrginete).
Printre modelele clasice ale teoriei ordonanrii sunt: ordonanarea a n
repere pe m maini (job shop), ordonanarea n flux (flow shop),
algoritmi pentru ordonanarea cu restricii de resurse limitate, modele de
ordonanare bazate pe programarea liniar n numere ntregi, modele
ADC de tip euristic.

M5 Modele pentru determinarea capacitilor de producie
Capacitatea de producie a unei ntreprinderi se stabilete pe baza
fondului de timp disponibil al utilajelor.
n aceste modele se nlocuiete capacitatea valoric agregat cu mai muli
indicatori fizici i valorici cum ar fi: fondul tehnic de timp pe grupe de
maini, valoarea produciei marf obinut anterior, volumul produciei
exprimat n uniti fizice, fondul de timp necesar pentru principalele piese
de schimb etc. Cu ajutorul acestor indicatori se exprim situaia tehnico-
economic existent n ntreprindere la un moment dat (caracter
descriptiv). Se poate formula un model de programare liniar cu mai
multe funcii obiectiv. In felul acesta, modelul va include i aspecte
normative.
Capacitatea de producie se poate optimiza din mai multe puncte de
vedere: al reducerii consumului de materii prime sau de energie, al
reducerii numrului de personal utilizat, al valorificrii ct mai bune a
materiilor prime etc. n condiiile satisfacerii programului sortimental
contractat i a unor costuri minime.

M6 Modele pentru determinarea structurii de producie pe o perioad
dat
Pun problema determinrii unei structuri de producie pe o perioad dat
n funcie de cerinele pieei (contracte ncheiate) i resursele disponibile,
care maximizeaz sau minimizeaz, dup caz, una sau mai multe funcii
obiectiv, ca de exemplu: maximizarea profitului, minimizarea costului de
producie, maximizarea cifrei de afaceri, etc.
Acesta este un model de programare liniar cu mai multe funcii obiectiv,
n care restriciile reprezint partea descriptiv a modelului, iar funcia
obiectiv, partea normativ.

M7 Modele pentru probleme de amestec
Coninutul unei probleme de amestec i diet poate fi formulat astfel: un
produs final P are n componena sa produsele P
j
(j=1,...,n), care trebuie
amestecate. Acest produs are caracteristici calitative impuse i exprimate
prin anumii indicatori I
1
, I
2
,...,I
m
(care dup caz vor fi maximizai sau
minimizai) de o anumit mrime b
i
(i=1,...,m).
Partea descriptiv a modelului de programare liniar o constituie
restriciile, iar partea normativ, funcia obiectiv.

M8 Modele de croire
Se utilizeaz cnd apar probleme de tiere sau debitare a unor materiale
unidimensionale (bare de oel, evi tabl, scnduri, piei, stofe etc.).
Modelul se bazeaz pe programarea matematic, n care funcia obiectiv
i propune minimizarea costului deeurilor rmase prin aplicarea soluiei

de croire, iar restriciile urmresc ca numrul de piese ce se
debiteaz/croiesc s fie mai mare dect numrul de piese/buci necesare.

M9 Modele de transport-repartiie
Reprezint cazuri particulare ale programrii liniare, care permit
utilizarea unui algoritm expeditiv de rezolvare.
Partea descriptiv a modelului o reprezint restriciile, iar partea
normativ funcia obiectiv.
Problema de transport, n forma ei general, const n gsirea unui plan
optim de transport al unui produs omogen n aa fel nct, innd seama
de disponibilitile furnizorilor i de cerinele consumatorilor, s se
minimizeze cheltuielile de transport sau numrul de t/km parcuri.

M10 Modele pentru probleme de afectare
sunt utilizate n urmtoarele situaii practice: repartizarea muncitorilor
pe mainile existente, a utilajelor pe lucrri, a specialitilor la diverse
sarcini complexe, de cercetare/proiectare etc.
modelele cele mai cunoscute n funcie de specificul problemei sunt:
algoritmul ungar i metode de tip branch-and-bound.

M11 Modele de flux n reele de transport
Se folosesc pentru a descrie procesul transportului intern ntr-o uzin,
distribuia unei materii prime fluide sau gazoase (ap, CH
4
, abur, iei
etc.) n procesul de producie etc.
Reeaua de transport este reprezentat de un graf, cu sau fr circuite, n
care fiecrui arc X
i
X
j
i se asociaz o capacitate c
ij
care reprezint fluxul
maxim care poate strbate o poriune din reea, reprezentat de arcul X
i
X
j
.
Problema const n maximizarea fluxului total efectiv care strbate
reeaua, cu respectarea restriciilor de capacitate.
n general, pentru rezolvare se folosete algoritmul Ford-Fulkerson.

M12 Modele pentru amplasarea utilajelor
Amplasarea utilajelor n seciile de producie trebuie fcut n aa fel
nct drumul parcurs de piesele care se prelucreaz s fie n ansamblu ct
mai redus; pentru aceasta se introduce un indicator de eficien.
Problema are dou pri,:
o parte descriptiv, care const n caracterizarea tuturor utilajelor din
punctul de vedere al posibilitii de prelucrare a reperelor,
o parte normativ, care const n ntocmirea algoritmilor pentru
formarea liniilor tehnologice i amplasarea propriu-zis a utilajelor n
cadrul liniilor.

M13 Modele pentru descrierea muncii fizice
Au drept obiectiv s ofere o imagine ct mai fidel a modului cum se
efectueaz munca fizic pentru ca pe baza acesteia s se elaboreze
modelele normative.
n grupa modelelor pentru descrierea muncii fizice se includ i studiile
ergonomice privind interaciunea dintre om i mediul de munc.

M14 Modele pentru fenomene de ateptare
n practica economic apar numeroase situaii de "ateptare" datorate
imposibilitii de a corela temporal diverse activiti care se
intercondiioneaz.
Conceperea unui model de "ateptare" presupune cunoaterea unor
caracteristici ale fenomenului studiat privind numrul mediu de: uniti
n sistem, a unitilor n curs de servire, de uniti n irul de ateptare,
de staii neocupate, de uniti ce sosesc ntr-o unitate dat de timp,
precum i timpul mediu: de servire, de ateptare n sistem i de ateptare
n ir.
Aceste modele au un caracter complex descriptiv-normativ.

M15 Modele de stocare
Stocarea genereaz anumite cheltuieli directe i indirecte ca urmare a
achiziionrii, transportului, depozitrii i nregistrrii unor eventuale
pierderi, datorate deprecierii materiilor prime, materialelor etc.
Existena unui program optim de producie asigur, n general, un nivel
minim cheltuielilor ocazionate de depozitarea materiilor prime,
materialelor i de eventuale modificri ale volumului produciei.
Sistemele moderne de gestiune a stocurilor presupun ca fiecare
ntreprindere s rspund cerinelor privind: determinarea cantitii
optime de comandat, determinarea perioadei de aprovizionat (momentul
optim de lansare a comenzii de aprovizionare), determinarea stocului de
siguran optim n condiiile minimizrii cheltuielilor i respectiv a
efortului de munc necesar.
Gama modelelor de stocare este extrem de divers (modele deterministe,
probabiliste, statice, dinamice, cu cerere continu, cu cerere discontinu
etc.). n structura modelelor de stocare sunt cuprinse numeroase elemente
descriptive, precum i o parte normativ: procedeul de determinare a
politicii optime de reaprovizionare.

M16 Modele ale controlului statistic al calitii produselor
Aceste modele se bazeaz pe cunotine de statistic matematic.
Au att un caracter descriptiv ct i normativ.

14.3.2. Modele informaional-decizionale

Aspectele informaional-decizionale dintr-o organizaie sunt surprinse prin
elaborarea a dou categorii de modele i anume:
) modele pentru descrierea reelei informaional-decizionale:
modele de tip organigram a structurii organizatorice,
diagrama de flux a documentelor,
diagrama informaional - decizional,
modele de tip aval-amonte.
) modele care descriu structura procesului decizional:
a) modelele logicii formale, i anume:
modelele logicii clasice,
modelele logicii matematice,
modelele axiomatizate,
modelele metateoretice,
modelele semiotice;
b) modele ale teoriei deciziei:
modelul general al procesului decizional care expliciteaz
elementele acestui proces: variante, consecine, criterii, stri ale
naturii,
modelul deciziilor de grup al lui Arrow,
teoria utilitii,
modele n condiii de risc i incertitudine,
modele multicriteriu.
n cadrul modelelor informaional-decizionale, un loc aparte l ocup
modelele pentru evidena financiar-contabil.

14.3.3 Modele ale relaiilor umane

Modelarea descriptiv a relaiilor umane din ntreprinderi ridic probleme
legate de condiiile observrii, obiectul observrii (indivizi, grupuri i relaiile lor
reciproce) i msurarea rezultatelor observaiilor.
Printre metodele de investigare se afl: interviul, chestionarul,
autochestionarul.
Principalele modele de descriere a relaiilor interpersonale i de grup n
ntreprinderi sunt:
testele sociometrice,
modele pentru descrierea comunicrii ntre indivizi i grupuri,
modele de simulare a relaiilor umane.
Un loc aparte l ocup modelele descriptive n vederea seleciei i promovrii
personalului (teste de inteligen, de aptitudini speciale, de performan) i modelele
care descriu comportamentul n ntreprindere.

Modele
tehnologice
Modele
informaional -
decizionale
Modele
informatice
Modele ale
relaiilor umane

Modulul de
legtur
Alte modele se refer la stilul de conducere al liderilor formali sau
informali.
Pentru relaiile umane din ntreprinderi exist o serie de modele pur
normative, i anume:
modelul conducerii descentralizate a ntreprinderii,
regula stimulrii lucrtorilor i specialitilor,
prioritatea relaiilor de respect i ncredere fa de cele de
autoritate,
regula responsabilitii profesionale.

14.3.4. Modele informatice

Modelele informatice pot fi grupate n:
modele complexe hardware,
modele de tip software de aplicaii,
modele de organizare a datelor (fiiere, bnci, baze de date).
Componenta descriptiv este, ntotdeauna, prezent.

Dup prezentarea celor patru categorii de modele rezult c, de fapt,
majoritatea modelelor economico-matematice cu larg aplicabilitate n practic au
att trsturi, descriptive ct i normative, diferit fiind numai gradul de intensitate
coninut de situaia modelat la un moment dat.

Figura 14.2

Cu ajutorul unui modul de legtur (fig.14.2) se pune n eviden zona de
interferen a celor patru categorii de modele crendu-se astfel o imagine unitar n
ceea ce privete modelul descriptiv global i modelul normativ global al
ntreprinderii.

Rezumat

n acest capitol sunt prezentate aspectele specifice n construirea i utilizarea
modelelor economico-matematice generate, pe de o parte, de calitatea informaiilor
disponibile, iar, pe de alt parte, de modul de tratare a informaiilor.
Sunt sintetizate principalele etape ce se parcurg n procesul modelrii
economico-matematice. Pornind de la gruparea modelelor n normative i
descriptive, se realizeaz o tipologie a modelelor descriptive pe patru grupe
structurale i se prezint care sunt domeniile de aplicaie ale acestora precum i
principalele caracteristici. Din prezentarea modelelor se desprinde concluzia c, la
nivelul unei organizaii, modelele economico-matematice au att trsturi
descriptive, ct i normative.

y Cuvinte cheie

calitatea informaiei
completitudinea datelor
domeniul optimizrii
flexibile
modele descriptive
modele normative
modele tehnologice
model arborescent
model tip grafice Gantt
modele de tip ADC
modele de ordonanare i
lotizare
modele de croire
modele pentru determinarea
capacitilor de producie
modele de transport-repartiie
modele pentru fenomene de
ateptare
modele de stocare
modele informaional-
decizionale
modele ale relaiilor umane
modele informatice
modul de legtur
precizia datelor
probleme de amestec


[1] pag. 309 - 325


1. Ce metode de luare a deciziei se pot utiliza n cazul scderii alternative a
preciziei i completitudinii datelor?
2. Care sunt asemnrile i deosebirile ntre modelele normative i cele
descriptive?
3. Enumerai i explicai principalele trsturi ale modelelor.
4. Care sunt etapele procesului modelrii?
5. Care sunt aplicaiile modelelor de tip ADC? Dar ale graficelor Gantt?
6. Ce modele se pot folosi n general pentru determinarea structurii optime
de producie i care sunt elementele acestor modele?
7. Care sunt principalele modele ale relaiilor umane?
8. Cum se grupeaz modelele informatice? Dar cele informaional-
decizionale?

Produse informatice n exploatare
pentru utilizarea metodelor cantitative
i a tehnicilor specifice de management

15.1 Prezentare general

Managementul organizaiei utilizeaz n ultimele decenii metode
cantitative pentru o multitudine de situaii decizionale dintre care majoritatea sunt
rezolvate cu un software adecvat. Dac n anii 70, 80, firmele mari aveau acces la
astfel de faciliti, n prezent, prin reducerea preului calculatoarelor i rspndirea
programelor accesibile ca pre i prietenoase (uor de utilizat), s-a produs o
schimbare n abordarea metodelor cantitative n management. Utilizatorii nu mai
sunt n prezent confruntai cu aspectele pur matematice, n schimb, acetia pot
formula ipotezele care stau la baza acestor metode i pot identifica datele pentru
rezolvarea problemelor manageriale.
Din multitudinea produselor informatice existente cu referire la rezolvarea
problemelor cantitative din management selectm: MSS (Management Science
System), QM (Quantitative Analysis for Management) Microsoft Project, OSL,
LINDO, GINO, XA (Extended Application), STORM, WINQSB .a.
n general aceste produse informatice sunt uor de folosit, utilizatorul se
concentreaz numai asupra introducerii datelor semnificative. De asemenea,
rapoartele manageriale sunt uor de citit, permit vizualizarea grafic a rezultatelor
i dau informaiile necesare lurii deciziei.
n lucrare s-au folosit att produse informatice de firm, ct i proprii.
Oferim cititorului o prezentare general i ghidul lor de utilizare n lucrarea
[1], pag. 377-424.
Pachetul de programe QM (anexa 9);
Pachetul de programe MSS (anexa 10);
Pachetul de programe WINQSB (anexa 11);
Produsul informatic MANAGER 1 (anexa 12);
Produsul informatic MANAGER 2 (anexa 13);
Produsul informatic EXSUM (anexa 14).

15

15.2 Abordarea corelat a unor modele economico-matematice
asistat de calculator

Managementului i s-a oferit de-a lungul timpului un instrumentar
decizional, informaional, organizaional evoluat, pluridisciplinar care i d
posibilitatea unei solide i rapide fundamentri economice, tehnice i umane a
soluiilor necesare.
Premisa obinerii unor soluii satisfctoare, n timp util, furnizate cu
ajutorul rezolvrii modelelor economico-matematice adecvate, este existena unui
aparat informaional, decizional, informatic, corespunztor, adaptat cerinelor
economiei concureniale n care ctig cel mai bun, cel mai rapid, cel mai
flexibil/adaptabil.
Apelarea pe scar larg la sisteme, metode i tehnici de management
pentru fundamentarea deciziei, bazate integral pe prelucrarea automat a datelor,
devine o necesitate pentru toate nivelurile i domeniile conducerii: conducerea
strategic i tactic, conducerea operativ a produciei, optimizarea procesului
tehnologic, reglarea corelat a sistemului condus, calculul mrimilor de referin
prin care se realizeaz aceast reglare.
Importana utilizrii modelrii economico-matematice n procesul
decizional rezult prin multitudinea i diversitatea criteriilor de evaluare luate n
considerare pentru a decide, care de multe ori aparent sunt luate n considerare
simultan.
Acesta este de fapt un criteriu de decizie complex, impus de situaii
decizionale complexe, crora empirismul, intuiia, rutina nu le mai pot da un
rspuns satisfctor.
Rolul decidentului este de a gsi sau mbina diferitele posibiliti, astfel
nct costul de realizare al variantei finale de decizie s furnizeze un raport eficient
efect-efort, care s nu afecteze ns n foarte mare msur stabilitatea organizaiei,
ceea ce ar avea consecine nefavorabile n planul calitativ al activitii i
rezultatelor ntreprinderii.
Opiunea pentru o anumit variant este limitat i de cadrul juridic-
legislativ n care acioneaz firma, spre exemplu, n domeniul resurselor umane ale
ntreprinderii, fluctuaia forei de munc este limitat prin legislaia muncii
existent la un moment dat.
Prin urmare pot fi sesizate multiple interdependene i intercorelaii
existente ntre politica n domeniul produciei i gestiunea raional a resurselor
umane i financiare ale firmei.
O ntreprindere nu-i poate permite s produc numai pentru a avea
ocupat fora de munc sau capacitatea de producie de care dispune la un moment
dat, n ideea c mai devreme sau mai trziu se va vinde ceea ce produce.
O mrime apreciabil a stocurilor antreneaz cheltuieli importante de
imobilizare, inclusiv cheltuieli cu procurarea resurselor suplimentare care s
acopere necesitile de exploatare, cheltuieli ce reprezint o pierdere pentru firm

i care este echivalent cu profitul ce l-ar putea obine dac suma aferent
imobilizrilor ar fi fructificat n mod corespunztoar.
Satisfacerea multitudinii de cerine ce se constituie n criterii decizionale ce
se au n vedere n adoptarea unor soluii optime nu mai e simpl, Ci chiar
imposibil, deoarece apare un conflict ntre obiective. Susinem acestea prin
urmtoarele situaii frecvent ntlnite:
conducerea comercial pretinde produse variate, livrate la timp i
urmrete maximizarea cifrei de afaceri, creterea cotei de pia;
conducerea produciei dorete, dimpotriv, un program intens de
producie, cu o varietate mic de produse, care s-i permit fabricarea
unor serii mari, mai puin costisitoare, i mai uor de organizat,
ncrcarea la un nivel superior a capacitilor de producie, mai ales cu
acele produse care asigur o productivitate sporit. Maximizarea
produciei are drept consecin obinerea unor stocuri foarte mari atunci
cnd producia nu corespunde cererii;
serviciul Resurse umane dorete stabilizarea resursei sale. Sindicatul
pretinde salarii corespunztoare i securitatea locului de munc;
conducerea financiar urmrete costuri minime pentru toate domeniile
de desfurare a activitii. Ea i va spune cuvntul n problema politicii
de stocare, ntruct o mrime apreciabil a cheltuielilor de imobilizare va
influena necesitile financiare de exploatare care vor fi acoperite cu
resurse suplimentare n cazul n care cele disponibile nu sunt suficiente.
Acestea vor antrena deci cheltuieli cu dobnzile, ceea ce va afecta
rezultatele ntreprinderii.
n final, obiectivul sintez reprezint un nivel ct mai redus al costului
global, deci, pe ct posibil, a tuturor componentelor sale, cu efecte directe n
sporirea rentabilitii.
Pentru a rspunde acestei cerine, modelele economico-matematice din
punct de vedere practic se aplic n legtur unele cu altele, deci corelat pe
specificul fiecrei organizaii.
Pentru a fi utile practicianului, modelele economico-matematice se
caracterizeaz prin simplitate, suplee, accesibilitate i adaptabilitate. Aceste
atribute devin reale numai n msura n care analistul cunoate bine i corect
realitatea, procesul modelat, altfel spus, integreaz modelul n conceptele i
gndirea unei analize de sistem.

Rezumat

n lucrarea [1], cazurile practice au fost rezolvate cu produsele anterior
menionate informatici, iar problematica tratat a fost extrem de variat:
alegerea variantei decizionale n condiii de risc i incertitudine;
programarea dinamic a resurselor;
structura optim de producie;

analiza sensibilitii soluiei cu implicaii n politica managerial;
simularea unor procese complexe, greu de rezolvat cu modele analitice;
luarea deciziei n condiiile de multicriterialitate (sunt obiective care se
doresc a fi maximizate, altele, din contr minimizate).
Facilitile acestor programe mbogesc instrumentarul cantitativ oferit
deciziei manageriale a organizaiei.
Modelarea asistat de calculator nu exclude omul din procesul de
conducere al unei organizaii, el fiind singurul capabil s surprind n interaciunea
lor rezultatele diferitelor evoluii posibile.
Dialogul n sistem conversaional, care marcheaz activitatea de
management n prezent, realizat cu produse informatice frecvent utilizate n
procesul de nvare permite autoperfecionarea i, totodat, verificarea capacitii
de analiz, dar i de sintez a specialitilor. Aceasta este o modalitate de pregtire a
specialitilor pentru deceniile urmtoare, cnd se va lucra frecvent cu sisteme
inteligente de management care stimuleaz creativitatea i n care decizia poate fi
analizat ca un proces de reducere a riscului, deoarece se nmagazineaz o mare
mas de informaii, experiene i idei validate ce provin din surse diferite i care
pot fi utilizate n manier productiv prin anticipare.

y Cuvinte cheie

abordare corelat
conducere strategic
conducere tactic
conducere operativ a produciei
criterii de evaluare
conflict ntre obiective
creterea cotei de pia
costuri minime
dialog n sistem conversaional
EXSUM
imobilizri raionament
tiinific
metode cantitative
Management Science System
MANAGER 1
MANAGER 2
Manager 98 n Visual Basic
modelarea asistat de calculator
obiectiv sintez
omul n procesul de conducere
programe componente
Quantitative Analysis for
Management
reglare corelat a sistemului
condus
rolul decidentului
stabilizarea resursei umane
sistem inteligent de management
tehnici specifice de management
WINQSB


[1] pag. 325-338

Simulare

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

Simulare

Încărcat de

Drepturi de autor:

Formate disponibile

Modelarea economico-matematic,

, atunci produsul k este

minim de functie este dac

minim de functie este dac

S-ar putea să vă placă și