UNIVERSITATEA SPIRU HARET

FACULTATEA DE MATEMATICA - INFORMATICA

RODICA TRANDAFIR I. DUDA (coordonator)

AURORA BACIU RODICA IOAN
SILVIUBARZA

MATEMATICI PENTRU ECONOMIST!

editia a 3-a

EDITURA FUNDATIEI ROMANIA DE MAINE

BUCURE§TI, 2007
 7.2. Asigurarea de pensie 288
7.3.Asigurareadedeces 289
7.4. Asigurari mixte 291

8. Modele matematice pentru gestiunea stocurilor 293

8.1. Notiuni generate 293
8.2. Modele deterministe 293
8.2.1. Model de stocare a unui produs cu cerere constanta,
perioada constanta de reaprovizionare si fara lipsa de stoc 293
8.2.2. Model de stocare a unui produs cu cerere constanta,
perioada constanta de reaprovizionare si cu posibilitatea
lipseidestoc 295
8.2.3. Model de stocare a unui produs cu cerere constanta,
perioada constanta de reaprovizionare, fara lipsa de stoc,
luand in considerare si costul de achizitie sau de
productie ' 299
8.2.4. Model de stocare a mai multor produse 300
8.3. Modele probabiliste 302
8.3.1. Model de stocare a unui produs cu cererea aleatoare, cu
pierdere in cazul surplusului de stoc, cu cheltuieli
suplimentare in cazul lipsei de stoc si cu cost de stocaj
neglijabil 302
8.3.1.1. Cazul discret 302
8.3.1.2. Cazul continuu 305
8.3.2. Model de stocare a unui produs cu cerere aleatoare, cu
cost de stocare si cost de penalizare pentru lipsa de stoc .. 306
8.3.2.1. Cazul discret 307
8.3.2.2. Cazul continuu 310

9. Elemente de teoria a§teptarii 312

9.1. Structure de baza si caracteristicile unui sistem de asteptare 312
9.2. Masurareaperformantelor sistemului de asteptare. Relatii de
baza ' .' 313
9.3.Legiprobabilisticealesosirilorsialeserviciilor 315
9.4. Deducerea ecuatiilor de stare pentru un fenomen de asteptare in
regimstationar'. ... 316
9.4.1. Cazul n = 0 317
9.4.2. Cazul n>0 318

8
9.5. Modele de asteptare 319
9.5.1. Model cu fir nelimitat (MIM11): (FIFO I oo / ao) 320
9.5.2. Model cu fir limitat (MIMII): (FIFO/N/OO) 323
9.5.3. Modul de asteptare cu sosiri poissoniene, timp de servire
exponential, cu s statii identice, populatiei infmita
(MlMis): (FIFOIccIce) 325

9.5.4. Modelul de asteptare cu sosiri poissoniene, timp de

servire exponential, cu o statie, populatie finita
(MIMl\)\(FIFOIm-\lm) 329
9.5.5. Model de asteptare cu sosiri poissoniene, timp de scriere
exceptional, cu s statii identice, populatia finita
(MIMIS):(FIFOIm-sIm) 332

Bibliografle 335

9
 8. MODELE MATEMATICE PENTRU GESTIUNEA STOCURILOR

8.1. Notiuni generate

Definitie. Prin stoc se intelege o rezerva de bunuri materiale destinate

vdnzdrii saufolosirii in procesul 'de productie.
Exemple: stocuri de marfuri, de materii prime, de piese de schimb etc. Pentru
a constitui stocuri avem: cheltuieli de aprovizionare sau productie, cheltuieli de
stocaj, pierderi pentru deprecierea marfurilor si altele.
Orice gestiune de stoc presupune intrari in stoc (inputs) si iesiri din stoc
(outputs) determinate de cererea de bunuri ce poate fi determinista si cunoscuta sau
aleatoare cu o repartitie statistic cunoscuta sau necunoscuta.
In activitatea de management a stocului intervin urmatoarele elemente:
cererea de bunuri, nivelul stocului, volumul comenzii de reaprovizionare, perioada
de reaprovizionare, costuri de stocare, de penalizare, de lansare a comenzii.
Politica economics determina deciziile ce se iau in organizarea stiintifica a
stocurilor, avand la baza un criteriu de optim, acesta fiind de obicei costul global
minim.
Definitie. Se numeste politica optima acea activitate de management a stocului
care implied un cost total minim,
Elementele unei politici optime sunt: nivelul optim al stocului, volumul optim al
unei comenzi de reaprovizionare, perioada optima de reaprovizionare, numarul optim
de reaprovizionari, costul total minim (gestiunea optima).
In gestiunea stiintifica a stocurilor un rol important il au modelele
economico-matematice a nivelurilor stocurilor si a momentelor in care se face
reaprovizionarea, cu ajutorul carora putem stabili politici optime. Dupa natura lor,
modelele pot fi deterministe sau aleatoare.

8.2. Modele deterministe

8.2.1. Model de stocare a unuiprodus cu cerere constanta,

perioada constanta de reaprovizionare sifard lipsd de stoc
fara lipsa de stoc
Se considers ca se stocheaza un singur produs al carui consum este o functie
liniara de timp, cererea produsului este g , pe o perioada de timp 9 ,
reaprovizionare stocului se face instantaneu la intervale de timp egale cu T si in
cantitati egale q.
Stiind costul unitar de stocare in unitatea de timp cs, costul de lansare a
comenzii de reaprovizionare cx, reprezentand totalul cheltuielilor legate de operatii
de reaprovizionare ce nu depinde de q, si ca nu se admite lipsa de stoc, se cere
gestiunea optima (costul total minim).
293
 O astfel de gestiune se prezinta cain figura 8.2.1.

Figura 8.2.1.

Vrem sa scriem functia obiectiv a modelului ce cuprinde toate cheltuielile

legate de gestiunea stocului.'

Observam ca pentru fiecare perioada T se fac cheltuielile cx+-qTcs,

deoarece in stoc se considers ca se afla cantitatea medie - . Perioadele fiind egale,

avem numarul aprovizionarilor
Q 6
V —— — —
(8.2.1.)
q T
Astfel, functia obiectiv „cost total" va fi obtinuta prin inmultirea cheltuielilor
corespunzatoare unei perioade cu numarul perioadelor v
1
C{q) = \cl+-qTc (8.2.2.)
2
Inlocuind in relatia (8.2.2.) relatia (8.2.1.) vom obtine
C\q)
-QCl+-qQcs (8.2.3.)
q 2
Volumul optim al unei comenzi de reaprovizionare q se obtine punand
conditia de minim pentru functia C(q), Derivatele acestei functii sunt

C'(q) = -\Qc,+-Qc,
(8.2.4.)
C"{q) = ^QCl

Rezolvam C'(q) = 0 si obtinem

294
 2Qcx
Q (8.2.5.)
\ 6c
si cum C"(q) > 0, atunci extremul este un minim. (Din considerente economice se
considera numai valorile pozitive ale lui q .)
Inlocuind (8.2.5.) in (8.2.1.) obtinem numarul optim de reaprovizionari cat si
perioada optima.
Q 0&s
V— (8.2.6.)
2c,

e 29c7
(8.2.7.)
= — = Qcs
V
Inlocuind (8.2.5.) in (8.2.3.) obtinem gestiunea optima C(q)
C = C{q) = ^2QQcfs . (8.2.8.)
Exemplu. Cererea pentru un anumit aparat electrocasnic este de 700.000
bucati pe an. Aprovizionarea unui depozit cu acest produs se face in cantitati egale,
la intervale de timp egale, iar produsele sunt scoase cu un ritm constant din stoc.
§tiind ca pentru a stoca in depozit un singur aparat timp de un an se platesc
50 u.m., costul de lansare al comenzii este 150 u.m. si ca nu se accepta lipsa
produsului din stoc, sa se determine volumul optim al unei comenzi, numarul optim
de aprovizionari, perioada optima de reaprovizionari si gestiunea optima.
Raspuns. Q = 700.000 bucati, 9 - 1 an, c , = 5 0 u.m., c, =150 u.m.

2-700.000-150 , 700.000 , „
q «2049 bucati,
v= « 342 aprovizionari,
1-50
2049
1
1 zi §i C V2-700.000-1-50-150 =102.469,5 u.m.
342

8.2.2. Model de stocare a unui produs cu cerere constanta, perioada

constanta de reaprovizionare si cu posibilitatea lipsei de stoc
cu lipsa de stoc
Vom admite ipotezele din modelul 8.2.1., cu deosebirea ca se admite lipsa de
stoc penalizata cu un cost unitar de penalizare cp (penalizarea pentru lipsa unui
produs in unitatea de timp).
Perioada constanta de timp T a fost impartita in doua subperioade, perioada
Tx in care stocul satisface cererea, perioada in care se va plati pentru stocul mediu
s costul unitar de stocaj c si perioada T in care stocul nu mai satisface cererea,
s 2
2

295
perioada in care se va plati pentru lipsa medie q — s costul unitar de
2
penalizare cp
Modelul se prezinta grafic in figura 8.2.2.

Figura 8.2.2.

Vrem sa determinam costul global C(q,s). Intr-o perioada T se vor face

cheltuielile
s_ q-s_ (8.2.9.)
i 2 i , 2 2 P

Costul global va fi

C{q,s) = \ cx +-T1cs +—T,c

2> (8.2.10.)

In relatia (8.2.10.) introducem relatia (8.2.1.) si obtinem

C(q,s) o s' e q-s^ e (8.2.11.)
c, — + —7]c, — + — r , c „ —
1
q 2 l sdreptunghice
Din asemanarea triunghiurilor r 2 2formate
p
r in figura 8.2.2, a acestui
model, rezulta
Tx _ s T2 _ q-s
(8.2.12.)
T~ q' T~ q
Din (8.2.12.) si (8.2.11.) avem
^/ \ uQ 06 2 e6 / A2v
V ; y (8.2.13.)
g 2q 2q ' p

296
 Vrem sa determinam minimul functiei obiectiv. Rezolvam sistemul
dC(q,s)
0
dq
(8.2.14.)
dC(q,s)
0
ds
de unde rezulta
2 " ( 2 2\
-to-
2 1
q^ 2q lSCsJr Kq
^ ~ $ jCp

(8.2.15.)

q q
Din prima relatie a sistemului (8.2.15.) rezulta
2QcL + cl+cJL 2
q2 s (8.2.16.)

Din a doua relatie a sistemului (8.2.15.) rezulta

P
1
s - (8.2.17.)
cs +c
Introducand (8.2.17.) in (8.2.16.) obtinem valoarea optima pentru volumul
comenzii q,
22Qc1 cs+cp
q (8.2.18.)
6c
Notam
pP
P (8.2.18'.)
cs +cp
numit factor depenalizare.
Cu aceastanotatie relatia (8.2.18.), respectiv (8.2.17.) vor deveni
2Qcx
Q (8.2.19.)
9c, \
VlQt
S — 0(7 VP- (8.2.20.)

C(q,s) are minimul C(q,s) numit gestiune optima pentru ca

A(q,s)>0

dq2

297
 Obtinem perioada optima precum si numarul optim de aprovizionari din
relatiile (8.2.1.) si (8.2.19.)
- Q
V —— —
Ws VP (8.2.21.)
2c,
q \
si respectiv
e 29^
(8.2.22.)
—
v \ Qcs \
Gestiunea optima se obtine inlocuind in (8.2.13.) pe q si s cu valorile
optime q §i s din (8.2.19.) §i (8.2.20.), adica
C = ^2Q^s-f9. (8.2.23.)
Observatie. Daca cp -> oo din (8.2.18') rezulta ca p - > 1 §i ajungem la
modelul (8.2.1) care apare ca un caz particular al modelului (8.2.2.).
Exemplu. La o patiserie necesarul lunar este de 1000 kg de zahar. Costul de
stocaj pentru 1 kg. de zahar este de 2 u.m. pe zi, costul de lansare al comenzii este
de 1.300 u.m., iar in caz de lipsa de stoc se aplica o penalizare cu 30 u.m./zi
pentru 1 kg de zahar lipsa. Sa se determine volumul optim al unei comenzi, stocul
optim, numarul optim de aprovizionari, perioada optima, stiind ca aprovizionarea
se face in cantitati egale, la intervale de timp egale.
30
Solutie. Q = 1.000,0 = 3 0 , ^ = 1 . 3 0 0 , c = 30, cs = 2. Astfel p .Avem
32
2Qcx 2-1.000-1.300
= 214,99
0csP 30
30-2-
32

Deasemenea, s = q-p = 201,56, v = ^Q = A,65, f = — = 6,45. Rezulta

q v

C = J2Q0csclp=A2-1.000 -30 -1.300 -2 - — = 1 2 . 0 9 2 , 3 8 5 .

v
1 32

298
 8.2.3. Model de stocare a unuiprodus cu cerere constanta,
perioadd constanta de reaprovizionare, fara lipsd de stoc,
luand in considerare si costal de achizitie sau deproductie

Consideram gestiunea unui stoc de cantitate Q, a unui singur produs, pe un

interval de timp 9 . Reaprovizionarea stocului se face instantaneu la intervale egale
cu T si in cantitati egale cu q, pretul unitar de cumparare al produsului sau costal
unitar de productie este ca, costul fix al comenzii este cb, iar costul unitar de
stocaj cs se presupune proportional cu cheltuielile facute pentru aprovizionarea cu
o unitate de produs, coeficientul de proportionalitate fiind a .
Din ipoteze rezulta ca acest model este o varianta a modelului (8.2.1.) in care
costul de lansare este
C =
l 1Ca + Cb ' (8.2.24.)
iar costul unitar de stocaj
c
b
cs - a ca+ — (8.2.25.)
V q J
Folosim acelasi criteriu de optim ca si la modelul 1 in care costul de lansare,
functia obiectiv (8.2.2.) devine, dupa inlocuirea lui cx si cs cu expresiile (8.2.24.)
si (8.2.25.)
]_
C{q) = —{qca+cb) + -Qa ca+-cb
q 2 q
ce se rescrie
C(q) ^cb +-aQqca + Qca +-acb. (8.2.26.)
q 2 2
Din conditia de optim pentru functia obiectiv avem
C \Q)
Q c+-aQc
2
q " 2
Rezolvand ecuatia C'(q) = 0 vom gasi pentru comanda optima

2Qcb
Q (8.2.27.)
\ aQc
cu C"(q)>0

299
 Din (8.2.1.) si (8.2.27.) rezulta

V—
Q ^fi&
q \ 2c
si respectiv (8.2.28.)
e 29^
=—= aQca
V
Din (8.2.26.) si (8.2.27.) obtinem gestiunea optima
C = C(q) = ^2aQQcacb + Qca + -aQcb. (8.2.29.)
Exemplu. Un magazin de produse electronice are o cerere trimestriala de
100.000 componente electronice de acelasi tip. Pentru fiecare comanda se
cheltuiesc 10.000 u.m. iar costul de achizitie este de 200 u.m. pentru fiecare
produs. Coeficientul de proportionalitate intre costul unitar de stocaj si costul unitar
de lansare este 2% . §tiind cfi'nu se admite lipsa de stoc, sa se determine politica
optima de reaprovizionare.
Solutie. Se cunosc Q = 100.000, 9 - 9 0 , ca=200, cb -10.000 si factorul de
proportionalitate asociat stocarii a - 0,02. Folosim relatia (8.2.27.) avem
2-100.000-10.000
q 2357,02.
0,02-90-200
Perioada optima reaprovizionare este
2-90-10.000
T = = 2,12,
0,02-100.000-200

iar numarul de reaprovizionari v 42 . Se obtine costul minim

q

C = C(q) ■v/2-0,02-90-200-10.000+100.000-200
2 '
2.011.683,28

8.2.4. Model de stocare a mai multorproduse fara lipsa de stoc

In cele mai multe cazuri, in practica, se fac stocuri de mai multe produse.
Vom construi o varianta a modelului 1 pentru cazul a mai multor produse.
Se stocheaza k produse i>, i = ljc al caror consum este dat de functii
liniare de timp, cererea produsului i> este Qt pentru o perioada de timp 9 ,
reaprovizionarilor se fac instantaneu la intervale de timp T, in cantitati egale cu q,,

300
costurile unitare de stocare sunt c , costurile de lansare c, , i = \,k si nu se
admite lipsa de stoc pentru nici un produs.
Din relatia (8.2.2.) obtinem costul global de stocaj pentru produsul P. este

(8.2.30.)
It 2
iar functia obiectiv pentru produsele stocate va fi

C(qx,q2,...,qk) = YJCi{qi). (8.2.31.)

;=i

Functiile Ct(q,), i = ljz sunt independente, minimul sumei lor are loc o
data cu minimul fiecaruia dintre ele. Vom avea urmatoarele relatii
dC(qx,q2,...,qk)
o
, i = l,2,...,k (8.2.32.)
dC,-(g,-) =
0

Tinand cont de relatiile (8.2.32.) si de relatiile (8.2.5.), (8.2.6.) si (8.2.7.)

gasim pentru produsele i> urmatoarele valori
2{siC]1;
1i (8.2.33.)
ec
QQ.c
1 s
V- = i
2c,

29^
Q.c
l s^

iar pentru gestiunea optima

C ±c,
i=i
(8.2.34.)

unde C. - C.(q.) = h.§cx.cHQ .

Exemplu. Se organizeaza pe o perioada de 300 zile (an comercial), la o
cofetarie, stocul produselor faina, zahar, ulei in cantitatile Q1 = 5 tone, Q2 = 2
tone, Q3 = 1 tona, costurile de lansare a comenzii fiind c, - 40.000 lei,
-13.000 lei respectiv cx -15.000 lei. Costurile de stocaj sunt cs 500
"h "h
lei/t zi, cS2 = 800 lei/t zi, cs^ = 400 lei/t zi. Se cer valorile elementelor optime ale
activitatii de management al stocului.
301
Solutie. Se obtine ^ =5,16, g2=0,46, g3=0,5. Pentru numarul
aprovizionarilor avem ^=10, v 2 = 1 8 s i v 3 = 3 . Pentru gestiunile optime pe
produs obtinem C; =244506, C2 =111.713,92 si C3 =60.000, de unde
3

C = £ C . =416213,92.

8.3. Modele probabiliste cu excedent si cu lipsa

8.3.1. Model de stocare a unuiprodus cu cererea aleatoare, cu de stoc
pierdere in cazul surplusului de stoc, cu cheltuieli suplimentare in
cazul lipsei de stoc si cu cost de stocaj neglijabil

Se stocheaza un singur produs, stocul constituit la un anumit moment se

x
noteaza cu s, a carei cerere este variabila aleatoare X, cu repartitia X :

x ^
JC = 0,1,2,... pentru cerere discreta, si X: , xe[0,oo) pentru cerere
f(x\
continua.
Excedentul de stoc, cand x < s se penalizeaza cu o pierdere unitara cx; lipsa
de stoc, cand x > s se penalizeaza cu cheltuieli suplimentare de reaprovizionare
c2, iar cheltuielile de stocaj sunt foarte mici in raport cu c, si c2 si se pot neglija.
Prezentam separat modelul pentru cazul discret si pentru cazul continuu.

8.3.1.1. Cazul discret

Notam cu Es variabila aleatoare excedent de stoc, ce are repartitia

s-x
Es , x = 0,1,2,...,.? si notam cu Ls variabila aleatoare lipsa de stoc ce are
P(X),
J C - ^
repartitia L , x = s + \,s + 2,....
P(x).
Mediile celor doua variabile aleatoare vor fi

M[ES) = ^ [s - x)p(x)

si respectiv
CO

M(LS)= ^(x-s)p(x).
x=s+\

302
 Aplicand penalizarile c, §i c2 celor doua medii M(ES) §i M(LS),
determinam functia obiectiv, ce reprezinta cheltuielile medii totale legate de
managements stocului,
S CO

C(s) = c^(s-x)p(x) + c2 ^(x-s)p(x). (8.3.1.)

Vrem sa determinam stocul optim s, pe care-1 vom obtine punand conditia

de minim pentru functia C(s). C(s) fiind o functie discreta, minimul ei va fi S
pentru care
C(s-l)>C(s)<C(s + l). (8.3.2.)
deci, pentru al determina pe S vom rezolva sistemul
[C(s-l)-C(s)>0
\r( 1^ r n' (8.3.3.)
Din (8.3.1.) avem
J+l GO
C
(^ ) =c1E(^ - )J ( ) 2 Z (*-^-iM x )=
+1 +1 x D x +c
x=0 x-^+2
s

Cl^i(s+l-x)p(x) + C2 ^ (jC-S-l)/>(*) =
x-0 x-s+l
S +l S GO CO

c _x x +c x +c
iZ(^ M ) iZH ) 2 Z (^--O/K*)-^ Z />(*)
Notam F(s) = ^p(x) §i introducand in expresia lui C ^ + l) obtinem

C(s + l) = C(s)+(cl+c2)F(s)-c2. (8.3.4.)

Similar, din (8.3.1.) obtinem
j - i

c
(* ) =<iZ(*-1-*M*)+c2Z(*-'s+1M*)=
_1
x=0 x=s
j—1 J—1 CO CO

= clYJ{s-x)p{x)-clYJp{x) + c2YJ{x-s)p{x) + c2YJp{x) =

x=0 x=0 x=s x=s
S CO

= c1^(5-x)jp(x) + c 2 ^(x-5) j p(x)-c 1 F(5-l) + c 2 (l-F(5-l))

x=0 x=s

sau
C ( * - 1 ) = C ( 5 ' ) - ( C 1 + C 2 ) F ( 5 ' - 1 ) + C2. (8.3.5.)
Inlocuind in (8.3.3.) relatiile (8.3.4.) §i (8.3.5.) avem
jC(s +1) - C(s) = (q + c2 ) F ( S ) - c2 > 0
[C(s -l)-C(s) = -{cx + c2)F(S) + C2 > 0

303
de unde
F(s-1) < 2 <F(s). (8.3.6.)
C +C
\ 2
Astfel, stocul optim s este acea valoare a lui s ce satisface relatia (8.3.6.) si
C2
vom nota cu p raportuldepenalizare.
C C
l + 2
Observatii
1. Din relatia (8.3.6.) si din faptul ca F(s) este nedescrescatoare rezulta ca exista
s unic.
2. Daca F(S-1)<P = F(S), atunci C(s + l) = C(s), deci minimul are loc
pentrudouavalori s si s + 1.
3. Daca F(S-1) = P = F(S), atunci C(s-l) = C(s), deci minimul are loc
p e n t r u 2 v a l o r i i - l si s.
Exemplu. Un atelier auto are nevoie de un numar de piese de un anumit tip.
Se cere numarul de piese ce trebuiesc stocate stiind ca daca exista un surplus de
piese exista pierderi in valoare de 15.000 u.m., si daca nu se achizitioneaza
suficiente, piesele lipsa se vor procura cu un pret de cost mai ridicat cu 10.000
u.m. Din datele statistice obtinem urmatoarea cerere de piese.
Piese inlocuite (x) 1 2 3 4 5
Numarul de masini cu (x) piese inlocuite 10 20 30 25 15
§tiind ca, costul de stocaj este neglijabil in raport cu celelalte costuri se cere
stocul optim si gestiunea optima.
C2
Solutie. q =15.000, c2 =10.000, deci p 0,4.
C
l +C2
Organizam calculele astfel

X piese inlocuite frecvente absolute Nt pyx) - PyX —X )

pd>)
1 10 0,10 0,10
2 20 0,20 0,30
3 30 0,30 0,60
4 25 0,25 0,85
5 15 0,15 1,00
Observam ca F ( 2 ) < p = 0,4 < 0,6 < F(3), deci stocul optim este s 0 = 3
piese de schimb pe masina in conditiile unui cost minim
3 5
C(3) = 1 5 . 0 0 0 X ( 3 - x ) ^ ( x ) + 10.000X(^-3)^(x) =

= 15.000(2-0,1+ l-0,2) + 10.000(l-0,25 + 2-0,15) = 11.500

304
 8.3.1.2. Cazul continuu

S-x
Notam cu Es variabila aleatoare excedent de stoc cu repartitia Es
f(x)
S

j e [ 0 , 4 cu media M(ES)= ^(s-x)f(x)dx si Ls variabila aleatoare lipsd de

0

x—s
stoc cu repartitia Ls , J , x e [s,oo), cu media M ( Z S ) = J(x - s)f(x)dx

Astfel, functia obiectiv, a valorii medii a cheltuielilor totale, este

S co

(8.3.7.)
0 5

Punem conditia de minim pentru functia C(s), obtinem

S co

C'yx) - cx \f\x)dx - c2 \fyx)dx (8.3.8.)

0 5

si notam

F[s) = \f\x)dx. (8.3.9.)

0
Rezolvam ecuatia
C(s) = 0 (8.3.10.)
Dinrelatiile (8.3.8.), (8.3.9.), (8.3.10.) obtinem
c^Fys) - c2 (l - Fys)) - 0
si deci avem
r \S ) c2 (8.3.11.)
C
l +C2
Astfel, solutia optima s este solutia ecuatiei F(s) = p, unde p are aceeasi
semnificatie ca in cazul discret.
Observam ca extremul unic (F(s) este nedescrescatoare) este un minim, caci
C"(s) > 0.
Exemplu. Din datele statistice se stie ca cererea in tone pentru un anumit
produs este o variabila aleatoare continua cu densitatea de probabilitate

(lx +1) pentru x e [0,3]

f(x) 12
0 pentru x £ [0,3]

305
 In ipoteza in care pierderea pentru o tona de produs este de 130 u.m., iar in
cazul lipsei de produs se fac cheltuieli suplimentare de 350 u.m., sa se organizeze
gestiunea optima.
Solutie. Avem c, - 130, c, - 350 astfel c a p - — . Pentru a gasi S, rezolvam
1 2 4 g

ecuatia F(s) = p , unde

F (s)=
W
\f(x)dx = J\^(2x
J V r V + \)dx
;
= Uxv 1+x\ v
=-(s2+;s).
0 0 12 12 \ 12
I 35 5
Din ecuatia —(sv2+s) ;
= — obtinem s = - singura solutie convenabila,
' 12 48 2
caci s = ^[0,31. Pentru calculul gestiunii optime inlocuim in formula
g L J
(8.3.7.) si obtinem
5

5 5
c 130 J— (2JC + 1) — x dx + 350\— (2JC + 1) JC afc = 244,53
1Z L 1Z Z
2

8.3.2. Morfe/<fe stocare a unuiprodus cu cerere aleatoare, cu

cost de stocare si cost de penalizare pentru lipsa de stoc
cu lipsa de stoc
Fie X o variabila aleatoare ce reprezinta cererea la un moment dat,
x x
cu repartitia X: , x , x-0,1,2,... pentru cerere discreta si X: , .

xe[0,oo) pentru cerere continua, costul unitar de stocaj este cs, costul unitar
de penalizare pentru lipsa de stoc este cp, iar nivelul stocului la un moment
dat este s.
In gestiunea acestui stoc pe o perioada T se pot ivi doua situatii si anume
1. Cererea nu depaseste stocul, deci e satisfacuta in toata perioada T, adica
x<s (vezifigura 8.3.1).
2. Cererea este mai mare decat stocul x>s, pe perioada 7j cererea este
satisfacuta, in perioada T2 cererea nu este satisfacuta (perioada de penurie) si
TX+T2=T (vezi figura 8.3.2)

306
 Figura 8.3.1. Figura 8.3.2.

Vom studia separat cazul cererii discrete si cazul cererii continue.

8.3.2.1. Cazuldiscret

Pentru situatia din figura 8.3.1. se observa ca stocul mediu pentru care

se plateste costul unitar cs este ^ \ s A\p(x). Pentru situatia descrisa in

CO

figura 8.3.2. stocul mediu va fi Y - p ( x ) pentru care se vor face cheltuieli

x=s+l

unitare de stocaj cs pe perioada Tx si o lipsa medie de stoc (penurie medie)

£ p(x) penalizata cu un cost unitar de penalizare cp , pe perioada T2

x=s+l 2
Vom determina functia obiectiv, ce reprezinta cheltuielile medii totale pentru
perioada T

QW= C / £ s-- A\p{x) + csTx £ ^P( x

)+ )
x=0 V x=s+\ 2
(8.3.12.)
+ cP r. I ^/-M
2
2
x=s+l
In figura 8.3.2. se formeaza triunghiuri dreptunghice asemenea si vom avea
5. * S i5- = £^ j d e m i d e
T x T
T
l T si T7 x — s (8.3.13.)
‘
Inlocuim relatia (8.3.13.) in expresialui CT(s) si obtinem
‘ ‘
CT(s) = T .z p(x) + c
9
^ x-s+\
^ •&
(8.3.14.)

307
 Notam cu C(s) cheltuielile totale medii in unitatea de timp si relatia (8.3.14.)
devine
CT(s) = TC(s). (8.3.15.)
Stocul optim s se va obtine din conditia de minim pentru functia C(s). Din
conditia de minim pentru functii discrete,
C(s-l)>C(s)<C(s + l),
rezulta ca valoarea optima s se obtine ca solutie a sistemului de inecuatii
|C(S-1)-CW>0
(8.3.16.)
[C(s + l)-C(s)>0
Calculam C(s +1) cu ajutorul relatiei (8.3.14.) si avem
s+\
C(s + 1)= cs^\s + l-^\(x) + csi^t^ +
x=0 J *■ x=s+2 X
(8.3.17.)
1 ^ (x-s-lf ..
+ -cn > p(x)
2 Px7?+2 x V
'
Rescriem sumele din partea a doua a egalitatii. Obtinem

lT"i-f>M=|(.-§}<*)+I,M
x=0 x=0
(8.3.18.)
V-l A ( \ s+1 I A v- I \
Z\s--jp(x) + —p(s + l)+ZP^)
x=0 x=0

f, p(x) ^ p(x) p(s + l)

> = > (8.3.19.)
x=s+2 X x^s+1 X S + 1

^ (x-s-lf , , f, (x-s-lf , ,
X
L
x=s+2 p\x)= x=s+l2 ^ ^X P \ )
x—s p(x)
£ ^X S> p(x)-2^ (x)+ ^ (8.3.20.)
x=s+\ x=s+\ X x=s+\ X

s
= j p v° > p(x)-2^p(x) + (2s + l)^ ^
x=s+\ X x=s+i x=s+i X

Inlocuimrelatiile (8.3.18.), (8.3.19.), (8.3.20) in (8.3.17.) obtinem

C(s + l) = C(s) + (cs+cp\^p(x) + is + - ) ^ ^ W —c

x=0 'x=s+l X

sau
C(s + l)-C(s) = (cs+cp)L(s)— c (8.3.21.)

308
unde
p(x)
(8.3.22.)
x=0 ' x=s+\ x
Analog, vom gasi
C(s - 1 ) - C ( s ) = -(cs + cp)L(s -l) + cp. (8.3.23.)
Inlocuim relatiile (8.3.20.) si (8.3.23.) in (8.3.16.) avem
\{c, +C„)L(S)-C„ >0
| \ s p/ \ / p
(cs+cp)L(s-l) + cp>0,
de unde obtinem ca
L(s-l)<p< L(s) (8.3.24.)
c
cu p
cs +cp
Valoarea optima a stocului s se obtine ca solutie a inecuatiei (8.3.24.). Se
poate arata u§or ca C(s) > 0 §i deci s, solutia inegalitatii (8.3.24.) este punct de
minim. Gestiunea optima se obtine calculand pe C(s).
Exemplu. Din datele statistice se cunoaste ca cererea de piese de schimb a
unui atelier auto (pe o perioada de 4 saptamani) se prezinta astfel:
cererea X (numar de piese de schimb) 1 2 3 4 5
probabilitatea p(x) 0,05 0,3 0,4 0,2 0,05
Se stie ca se admit cheltuieli de stocaj pe zi de 1.000 u.m. si lipsa de piese
din stoc aduce o pierdere de 7.000 u.m./zi pentru o piesa lipsa sa se determine
stocul optim.
7.000
Solutie. cp - 7.000 si cs - 1 . 0 0 0 , deci p 0,875.
7.000 + 1.000
Organizam datele astfel:

s
p{x) L(s)
X p(x) s+— \ ^ ^ ^
X X
x=2 x=2
1 1 0,05 0,05 0,05 0,343 0,5145 0,5645
2 2 0,3 0,35 0,150 0,193 0,4825 0,8325
3 3 0,4 0,75 0,133 0,06 0,210 0,96
4 4 0,2 0,95 0,05 0,01 0,045 0,995
5 5 0,05 1 0,01 0,000 0 1

Observam ca 0,8325 - L(2) < p - 0,875 < 0,96 - L(j), rezulta s = 3

309
 8.3.2.2. Cazul continuu

Rezolvand calculele similar ca si in cazul discret, vom scrie functia

obiectiv - cheltuieli totale medii astfel:

C(i) = c , J s - - f(x)dx + -s2cs \^^dx + -cp p >f(x)dx- (8.3.25.)

0V / s s

Stocul optim s se obtine din conditia de optim pentru functia C(s). Functia

C(s) isi atinge minimul in punctul S pentru care L(s) = p , unde p - ^ si

c +cs

L(s) = F(y) + s \ ^ d x , iar F(s) = J/(jc)afc. Astfel

x n
^ 0
CO CO

C ' ^ ) ^ ^ \f(x)dx + scs \^^dx-c [ f(x)dx

0

Rezolvam ecuatia C'(s) - 0 si obtinem

Cp
F(s) + s{+^dx= sauL(s) = p. (8.3.26.)
J
x c +c
s p s
Solutia ecuatiei L(s) = p o notam cu 5 si pentru ca C"(s)> 0, acesta este
punct de minim.
Exemplu. Cererea unui produs este o variabila aleatoare X care are
repartitia
X
pentru jce[0,4]
f\x)
0 pentru jcg[0,4]
Costul stocarii unui produs este 100 u.m., lipsa acestui produs se
penalizeaza cu un cost unitar suplimentar de reaprovizionare de 1.500 u.m. Care
este stocul optim si gestiunea optima, considerand costul de stocaj neglijabil.
Solutie. Volumul optim se determina rezolvand ecuatia (8.3.25.) unde

F(s)= \-dx = — d a c a s e 0,4 si \±±Jdx= dx =

J J
iS 16 x 8 x 8

310
 1.500 15
Cum cp = 1.500 , cs = 100, p - =
= — ■ Rezolvam ecuatia
1.500 + 100 16
(8.3.26.), — + s = — , de unde s = 3, singura radacina convenabila,
16 8 16
cealalta, s = 5 , nu apartine domeniului de defmitie a functiei cerere.
Pentru a determina costul minim, inlocuim s cu 3 in formula (8.3.25.) ce
devine
C(3) ^ 1 0 0 3 f f 3 - ^ ^ ^ + I.9.100p.i^ + i.l.5004ffe^2 x
dx
«M J J
O 3 8 x 2 x
200

311
 9. ELEMENTE DE TEORIA A§TEPTARII

In viata de zi cu zi, in productia de bunuri si de servicii, intalnim fenomene

de asteptare generate fie de oameni, fie de masini, atunci cand cererea curenta de
servicii depaseste capacitatea de a asigura serviciile cerute. Astfel, dacanumarul de
oameni sau de masini care asteapta este prea mare, la un moment dat, atunci vom
avea cheltuieli neproductive pentru intreprinderea respectiva. De aceea se impune
elaborarea unui plan adecvat de asteptare din punct de vedere economic, care sa
conduca la satisfacerea cererilor de servicii in conditii cat mai avantajoase.
Primele lucrari legate de sistemele de asteptare apartin lui Erlang (1908),
referitoare la problema incercarii rationale a centralelor telefonice.
Teoria asteptarii (teoria firelor de asteptare sau teoria cozilor) este acea
ramura a matematicii ce studiaza fenomenele de asteptare.
Modelele de asteptare s-au diversificat continuu si au patruns in cele mai
variate domenii atat din sfera productiei, cat si din cea a serviciilor.
Vom enumera principalele elemente ale problemei fenomenului de asteptare.

9.1. Structura de baza §i caracteristicile unui sistem de asteptare

Intr-un model de asteptare procesul de baza este urmatorul: unitatile care cer sa fie
servite sunt generate in timp de o sursa a intrarilor. Servirea este asigurata de una sau mai
multe stati de servire. Unitatile ce nu pot fi servite imediat vor forma coada sau firul de
asteptare.
Deci:
• Sursa reprezinta multimea unitatilor ce solicita un serviciu la un moment
dat. Ea poate fi fmita sau infmita. Sosirea unitatilor in sistemul de asteptare
determina variabila aleatoare X, a numarului de' unitati ce intra in sistem in
unitatea de timp.
• Firul de asteptare este determinat de numarul unitatilor care asteapta
(finit sau infmit) limitat sau nelimitat.
• Statia de serviciu reprezinta fie un lucrator (mecanic auto, easier,
vizitator etc.), fie o masina ce efectueaza un serviciu ce a fost solicitat. Vom nota
cu Y variabila aleatoare ce reprezinta timpul de servire a unei unitati in statia de
serviciu.
Din practica se iau valorile empirice pentru variabilele aleatoare X si Y, cu
ajutorul carora se determina legile de repartitie si parametrii pentru variabilele
aleatoare X si Y, prin ajustarea unei distributii empirice la o distributie teoretica
folosind metodele din teoria probabilitatilor si statistica matematica. Ansamblul
format din firul de asteptare si statiile de servire formeaza sistemul de asteptare.
Schematic situatia se prezinta astfel:

312
 Sursa Clienti ! Firul de Statii de
Clienti
inlrici asteptare sevire sefsiti
sistem !
!
Figura 9.1.1. Sistem de asteptare

La un moment dat, o unitate ce asteapta sa fie servita este aleasa pentru

servire printr-o anumita regula, numita disciplina de servire.
Cea mai des utilizata disciplina de servire este „primul sosit, primal servif
(sau FIFO), o alta metoda cu aplicatii in metalurgie, metoda „ultimul sosit, primal
servit" (UFO). Disciplina de servire este un element de corectitudine intre clienti,
dar nu este importanta pentru statia de servire, ce face aceleasi servicii pentru orice
client.
Dupa numarul unitatilor de servire si numarul statiilor servite putem avea
urmatoarea clasificare a fenomenelor de asteptare:
1. un fir, o statie,
2. un fir, mai multe statii,
3. mai multe fire, o statie,
4. mai multe fire, mai multe statii;
iar dupa natura sosirilor sau a serviciilor putem avea:
1. mai multe fire, sosiri constante, servicii constante,
2. sosiri constante sau servicii aleatoare,
3. sosiri aleatoare cu servicii constante,
4. sosiri aleatoare, servicii aleatoare.

9.2. Masurarea performantelor sistemului de asteptare.

Relatii de baza

Intr-o problema de asteptare se intalnesc urmatorii indicatori principals

1. m este numarul de unitati ale populatiei ce sosesc in sistem (m poate fi fmit
sau infmit);
2. s este numarul de statii de serviciu;
3. pn\t) este probabilitatea ca in sistemul de asteptare sa se gaseasca n unitati la
momentul t. Vom nota simplificat pn ;
4. n(t) este numarul de unitati ce se gasesc in sistemul de asteptare la momentul
t, care este o variabila aleatoare cu distributia
n fO 1 2 ••• n ••■ m^
n(t):
\Po P\ Pi '" Pn '" PmJ
valoarea sa medie (numarul mediu de unitati din sistem la un moment t) va fi

313
 Cand m = <x>, se impune conditia cawf) = ]T wp„ sa fie convergenta.

5. nf(t) este o variabila aleatoare ce reprezinta numarul de unitati din firul de

asteptare la momentul t care se reprezinta prin
^ 0 1 ••• h ■•■ m-s^
nJt): s

Y.Pi P* + l •'• Ph+* ••• Pm

cu media w^f) numarul mediu de unitati ce se afla in fir data de

4=1 n=s+l

Pentru m = oo seria ^(n-s)p„= nf (t) va trebui sa fie convergenta

n-s+l

6. ns (t) reprezinta numarul de unitati ce sunt servite la un moment t,

(0 1 ••• s
CO
n
s{t)- Pa P\ '" /,Pnn
0 f\
n-s J
cu media
s-\

^)=Z^-Z
k+S^Pn,
4=0 n=s

deci, vom avea relatia n(t)=nf(t) + ns(t), ce exista si intre valorile medii.
njt) reprezinta numarul mediu de unitati servite la momentul t.
7. P(n(t) > k), probabilitatea ca numarul unitatilor din sistem la momentul t sa
fie mai mare decat k . Dar
k
P{n(t)>t) = \ — P\n(t)<k) = l—/,/?,- ■
i=l

8. Tf , timpul mediu de asteptare in fir a unei unitati.

9. Ts, timpul mediu de asteptare a unei unitati in sistem.
Observatie. Tf si Ts depind de legile serviciului si sosirilor si vor fi
determinate pentru fiecare model in parte.

314
 9.3. Legi probabilistice ale sosirilor §i ale serviciilor

Fie X variabila aleatoare ce reprezinta numarul de unitati sosite in unitatea

de timp, intr-un sistem de asteptare. Vrem sa studiem repartitia variabilei X avand
urmatoarele ipoteze:
1) Probabilitatea sosirii unei unitati la un moment dat este constants si nu depinde
de ce s-a intamplat anterior.
2) Probabilitatea sosirii unei unitati intr-un interval foarte mic de timp (t,t + h),
de lungime h, este proportionate cu lungimea intervalului, oricare ar fi t,
adicaeste Xh + 0(h), unde

limO(h) = 0 si l i m ^ ^ = 0 (9.3.1.)

unde X este un coeficient de proportionalitate constant si pozitiv.

3) Probabilitatea ca in intervalul de timp (t,t + h) sa fie mai mult decat o sosire
este aproximativ egala cu zero, cand h indeplineste conditia (9.3.1.).
Se arata ca, in aceste 3 ipoteze avem:
Propozitia 9.3.1. Variabila aleatoare X ce reprezinta numarul de unitati
sositepe unitatea de timp intr-un sistem de asteptare are repartitia Poisson.
Adica, probabilitatea ca in intervalul de timp (0,t), t>0 sa aiba loc n

sosiri este egala cu P (t) = ^ e ^ , X>0, « E N . Pentru t - 1 (unitatea de

X"
timp) ea este egala cu P, (l) = —e~k.

Astfel, observam ca X, coeficientul de proportionalitate introdus in ipoteza

2) reprezinta numarul mediu de unitati sosite in unitatea de timp.
In ipotezele 1), 2), 3) aplicate pentru numarul unitatilor servite de o statie ce
lucreaza neintrerupt, vom obtine rationand similar, numarul de servicii ce pot fi
facute de o statie intr-un timp t, este o variabila poissoniana. Daca [i este
coeficientul de proportionalitate introdus in 2), el va fi numarul mediu de unitati
servite in unitatea de timp.
Propozitia 9.3.2. Variabila aleatoare Y, ce reprezinta timpul dintre doua
sosiri consecutive are o repartitie exponentiala.
Demonstratie. Se consider* ca moment initial momentul in care a sosit prima
dintre cele doua unitati si calculam probabilitatea ca timpul Y dintre cele doua
sosiri sa fie mai mare decat un timp oarecare t>0.
Notam cu P0(t) probabilitatea ca in timpul t sa nu avem nici o sosire, deci
P(Y > t) = P0(t) = eXt, de unde P(Y<t) = l-eXt.

315
 Astfel, functia de repartitie a variabilei Y va fi F(t) = l-e~^ specifics
variabilei Y de repartitie exponentials, cu densitatea de repartitie
f(t) = F'(t) = Xe'At sideci

M(Y)=\tf(t)dt=\tXe^dt-Xt 1

In concluzie intervalul mediu dintre doua sosiri consecutive este intervalul

numarului mediu de sosiri in unitatea de timp.
Observatie. Analog putem deduce ca timpul dintre doua servicii consecutive
este o repartitie exponentials si cS intervalul mediu dintre douS servicii consecutive
este inversul numSrului mediu de servicii in unitatea de timp (pentru noi - ) .

Exemplu. Din datele statistice, numSrul clientilor ce sosesc la o firmS sunt

poissonene cu numSrul mediu de o persoanS pe ora, iar timpul mediu de servire a
unui client este 30 secunde. SS se determine intervalul mediu dintre douS sosiri
consecutive si probabilitatea ca in 2 minute sS nu vina nici un client.
Solutie. Folosind ca unitate de timp minutul, numarul mediu de sosiri pe minut va

fi X = = - = 1,6. Intervalul mediu intre doua sosiri consecutive va fi

60 3
- = 0,6. Cum P, (t) = e'kt ^ , rezulta

( 2 )! = e - 1 ' 6 2 f 0c, ^ = e- 3 ' 2 =0,05.

pov

9.4. Deducerea ecuatiilor de stare pentru un fenomen

de steptare in regim stationar

Fie sistemul de asteptare ca un sistem cu starile E0,Ex,...,En,..., starea En fiind

starea sistemului in cazul in care in el se gasesc n unitati. Asociem fiecarei stari
E„ o probabilitate Pn{t) de aparitie ce depinde de timpul t. Presupunem ca
functiile P„(t) au proprietati de continuitate si derivabilitate potrivite si ca

1".
n=0
(t) = l. (9.4.1.)

La momentul t - 0 presupunem ca nu exista nici o unitate in sistem, deci se

adauga conditiile initiale
f x (1 pentru « = 0
P„(0) = \ ■ (9.4.2.)
10 p e n t r u ^ ^ O

316
 Vom deduce un sistem de ecuatii ce conduce la determinarea probabilitatilor
P„(t), numit sistemul ecuatiilor de stare. Astfel vom detenninarea comportamentul
si parametri de performanta a sistemului, cu ajutotul probabilitatilor ip (t)\ .
Se presupun cunoscute urmatoarele:
1. Probabilitatea de trecere de la starea En la starea En+l in intervalul de timp
foarte scurt (t,t + h) este Xnh + 0(h) si corespunde unei sosiri in sistem.
Probabilitatea de a nu avea nici o sosire in sistem va fi
\-[Xnh + 0{h)].
2. Probabilitatea de trecere din starea En in starea En_x in intervalul de timp
(t,t + h) este \inh + 0(h) si va corespunde unei serviri (plecari).
Probabilitatea de a nu avea nici o servire este 1 — [[i„h + 0(h)\.
3. Probabilitatea de trecere din starea En intr-o stare En_k sau En+k C U ^ G N ,
k > 1 este 0(h) . Altfel spus, intr-un interval scurt de timp poate avea eel mult
o sosire si eel mult o servire.

9A.\.Cazul n =0

Calculam probabilitatea ce in sistemul de asteptare sa nu existe nici o unitate

la momentul t + h, P0{t + h) tinand cont de situatiile posibile la momentul t.
Situatiile acestea pot fi:
a) nu exista nici o unitate la momentul t si nu soseste nici o unitate in intervalul
(t,t + h),
b) la momentul t, exista o singura unitate.
Situatiile a) si b) reprezinta evenimente incompatibile care sunt formate din
evenimente independente si neglijand functia 0(h), fiind foarte mica daca h^>0,
probabilitatea PQ(t + h) va fi
P0(t + h) = P0(tXl ~ \h) + Px(t)\yxh{\ - Xxh). (9.4.3.)
Rescriind si trecand in stanga pe PQ(t) avem
P0(t + h)-P0(t)- -XohPoiij + frhPfy-X^tfP^t)
Impartimprin h si trecem la limita
p
l i m ^o(* + h) PO0(t)^ = _y pi_x p (t)+[iiPi
t\+Q Q pit\ (t) (9.4.4.)

sau
tf(t) = -X0P0(t)+\ilPl(t).

317
 9.4.2. Cazul n>0

Calculam probabilitatea ca in sistemul de asteptare sa existe n unitati la

momentul t + h, Pn{t + h), tinand cont de urmatoarele situatii posibile la
momentul t:
a) La momentul t exista n unitati in sistem, nu soseste nici o unitate si nu pleaca
nici o unitate in intervalul (t,t + h).
b) La momentul t exista n +1 unitati in sistem, pleaca o unitate si nu soseste nici
o unitate in intervalul (t,t + h).
c) La momentul t exista n -1 unitati in sistem, soseste o unitate si nu pleaca nici
o unitate in intervalul (t,t + h).
d) La momentul t exista n unitati in sistem, soseste o unitate si pleaca o unitate
in intervalul (t,t + h).
Evenimentul de a exista n unitati in sistemul de asteptare la momentul t + h
reprezinta reuniunea a patru evenimente incompatibile si fiecare este o intersectie
de trei evenimente independente. Probabilitatea cautata Pn(t + h)va fi
Pn (t + h) = Pn (t\\ - Xnh\\ - nKh) + PK+1 (til - KuhKuh +

Trecem Pn{t) in membrul stang, impartim la h , trecem la limits §i obtinem

U m ^ f e l ^ Z ^ W = -(Xn + n„ )Pn (t) + n„+lJP„+1 (t) + \n_xPn_x (t).

Rescriind avem
Kit) = Xn_xPn_x (t) - (Xn + n„ )Pn {t) + n„+1P„+1 {t). (9.4.5.)
Relatiile (9.4.4.) si (9.4.5.) formeaza sistemul ecuatiilor de stare, ce se
rezolvain conditiile (9.4.1.) si (9.4.2.).
Acest sistem va fi rezolvat in regim stationar, atunci cand probabilitatile
P„ (t) nu depind de timp, adica %(t) = 0, rezultand ca Pn (t) = pn, constant orice
n = 0,1,2,....
Sistemul devine
IX »„-*.,/>,=()
{ ( \ ■ (9.4.6.)
n
[K-lP»-l ~ \K + Vn )Pn + »„+lP„+l =V ^1
Conditia (2) devine CO

YjPn=X- (9.4.7.)

Sistemul (9.4.6.) este cunoscut sub numele de sistemul ecuatiilor de stare in

regim stationar. Vom conveni ca in acest caz nici ceilalti indicatori nu se scriu
functiedeY
318
 Din prima ecuatie a sistemului (9.4.6.) obtinem
X0
A p0 (9.4.8.)

si inlocuim in ecuatia (9.4.2.) pentru n = 1 obtinem

X0p0 - (A,j + \i\)p2 + V-iPi - 0
de unde rezulta

P: p0.
(j,A0 (j,
l l

Aratam prin inductie dupa n ca

KK-^n-l
PI n+1 Po
(J.jJJ-2- ■■\i„
Din ecuatia (9.4.2.) a sistemului (9.4.6.) scrisa pentru n avem
^■n-lPn-l VS + M-n )Pn + M"n+lA+1 = 0 >
de unde
X H„ Xn-\
An+1 A + A An-1 (9.4.9.)
JO,n+1 J-1n+1 JO,n+1

Tinem cont in (9.4.9.) de ipoteza de inductie si de faptul ca pn fn-l'

H„
de unde rezulta imediat ca
X K X
° - " Po
^1^2"^„+1

Deci, am determinat expresia tuturor probabilitatilor in functie de p0:

Pn p0.fl— (9.4.10.)
4=1 M-t
Daca inlocuim (9.4.10.) in relatia (9.4.7.) obtinem
-i

zrix
n
k-\
Po l+ _ (9.4.11.)
^ n=l t=T M-t y'

9.5. Modele de a§teptare

Vom prezenta cateva modele de asteptare, cu notatiile de rigoare. O notatie

pentru modelul de asteptare a fost introdusa de D. Kendall in 1953 si are informatia
asupra modelului organizat astfel:
(alblc):(dlelf).
Vom nota cu M faptul ca sosirile (sau servirile) au repartitia Poisson.

319
 De exemplu, modelul (MIMIs):{FIFOIN/OO) descrie un model cu
sosiri poissoniene, serviri poissoniene, s statii de serviri, a carei disciplina de
servire este „primul sosit, primul servit" numarul maxim de clienti in sistem fiind
TV, ce provin dintr-o populatie infmita.

9.5.1. Model cu fir nelimitat (MIM / l ) : (FIFO I oo/oo)

Acest model este deschis (o infmitate de unitati in sursa) cu un fir si o singura

statie de servire.
Schematic modelul se prezinta astfel:

intran ^ r ^r ^i KX ^ lesin

Figura 9.5.1.
Unitatile sosesc aleator, dupa o repartitie Poison de parametru X, indiferent
de starea sistemului, deci Xn = X . Servirea nu depinde de starea sistemului, deci
\in = [i, V« e N . Timpul petrecut in sistem este egal cu timpul petrecut in firul de
asteptare plus timpul de servire.
Astfel tinand cont de cele de mai sus, formula de calcul (9.4.10.) pentru
probabilitatile pn in functie de p0 avem

fxX p0. (9.5.1.)

p =

Notam cu p - - factor de serviciu sau intensitate de traflc si obtinem

n P"Po ■
Relatia (9.4.11.) ne conduce la relatia
-1

P ~ (9.5.2.)
V n=\ J
Pentru ca suma seriei de mai sus, care este o serie geometrica cu ratia p > 0,
sa fie convergenta se impune conditia p < 1 (in acest caz capacitatea de servire in
sistem este corespunzatoare).
Daca p > 1, atunci vom avea aglomerarea si serviciul nu poate fi asigurat de
o singura statie.
In cazul p < 1 suma seriei din paranteza (in relatia 9.5.2.) va f i * , de
1-p
unde
^o=l-P- (9-5.3.)
320
 Acum putem determina toate caracteristicile modelului. Numarul mediu de
unitati in sistem (fir + statie) este

„- = f > „ =i>p.(l-p)=p(l-p)i>p"- ,,,4.)

dar

d a 1 1
(p + p2+... + p"+...)
dp dp\\-p) [\-p)
Astfel relatia (9.5.4.) devine

n = ^ . (9.5.5.)

Numarul de unitati in curs de servire poate lua numai valorile 0 si 1, deci

(0 1 ^
n
s- si atunci
l
VPo -Po)
^ = l-pQ=l-(l-p)=p. (9.5.6.)
Folosind formula n=nf + ns, obtinem ca numarul mediu de unitati ce
asteapta sa fie servite (din firul de asteptare) va fi

f
1-p
deci
^ pLsm^ *L_ (9.5.7.)
f f
1-p \i(\i-X)
Timpul mediu de asteptare a unei unitati in fir, Tf , este dat de raportul dintre
numarul mediu de unitati ce asteapta in fir si numarul de unitati efectiv servite in
unitatea de timp
~nf _\ p
t f = ^ =- - — , (9.5.8.)

iar timpul de asteptare a unei unitati in sistemul de asteptare este

- - 1 1 1
t
s = t f + - = -■ ■ (9.5.9.)
(j, (J, 1-p

321
 Probabilitatea ca numarul unitatilor ce se gasesc in sistem la un moment dat
sa fie mai mare decat un numar k, va fi
P(n>k) = | > „ = £(l-p)p«.(l-p)( p ^ + p t + 2 + . . >

h „\„k+l(i , „ , 2 , \ f-i „\„£+l 1 k+1

= 1-PP ll + p + D +...1=11 —Dip =p
deci
P(n>k)=pk+1. (9.5.10.)
Dam fara a demonstra, probabilitatea ca o unitate sa astepte in fir mai mult
decat timpul x,
p{tf>x)=pe-^-x)\ (9.5.11.)
Exemplu. La o casa de bilete a unei statii de metrou sosesc in medie 120
calatori pe ora. Casiera serveste in medie 3 calatori pe minut.
a) Sa se scrie densitatea de repartitie a sosirilor, stiind ca sunt aleatoare si au
repartitia Poisson.
b) Sa se scrie repartitia timpului de servire, stiind ca este exponentiala.
c) Sa se scrie probabilitatea ca in sistemul de asteptare sa nu existe nici un calator
la un moment dat.
d) Sa se scrie probabilitatea ce in sistem sa existe doi calatori la un moment dat.
e) Timpul mediu de asteptare a unui calator pana sa fie servit si timpul mediu de
asteptare in intregul sistem de asteptare.
Solutie. Problema se incadreaza in conditiile modelului prezentat. Unitatea de timp
pe care o alegem este minutul. X = 2 calatori/minut, n = 3 calatori/minut, de unde

— = —= p < l .
H 3
a) \ = 2 calatori/minut deci, repartitia sosirilor in sistem, adica a variabilei
aleatoare „numarul de unitati sosite in sistem pe unitatea de timp" este
n
T 2 , n = 0,1,2,....
\n\e )
b) timpul de servire are o repartitie exponentiala cu parametrul [i = 3
( s \3e~3' pentru/>0
calatori/minut, fix) = \ . Media timpului de servire este
[0 pentru/<0

- minute, adica 20 secunde.

3
c) p - \ - =-.
^ ^ 3

322
 2
2 ^ 1
d) p - p p - - ---0,148.

2
e) tf= — = ^ r = -minute,
V- i - p 3 i _ 2 3
3

f = = - 1 minut.
H 1-p 3 j _ 2

9.5.2.Modelcufirlimitat (MIMI\):(FIF0I'TVI'oo)
Acest model este asemanator cu eel precedent, cu presupunerea ca firul de
asteptare este limitat si are o capacitate marginita la TV unitati, deci in firul de
asteptare se pot afla eel mult T V - 1 unitati. Orice unitate care soseste cand
sistemul este „plin" refuza sa intre in sistem si il paraseste pentru totdeauna.
Formulele din modelul precedent vorfiadaptate, tinand cont sa avem TV
termeni, si nu o infmitate, adica sumele se va face numai pana la n = N. Astfel
avem
N N+\
l = J^Pn=p0(l + p + ... + pN)=pi 1 P

„=0 " 1-p

deundep0= T ^r.

Observam ca, pentru acest model nu este necesara conditia p < 1, suma
probabilitatilor avand sens si pentru p > 1.
Putem interpreta intuitiv ca numarul de unitati ce pot aparea in sistem este
controlat de numarul maxim de unitati in coada, TV - 1 , si nu de ratele sosirilor si
serviciilor. Ca o consecinta, rata sosirilor X nu afecteaza conditiile de stationaritate
ale sistemului.

Din relatia (9.5.1.) rezulta

1-P n
i WTT Pentru n<N
1-p . (9.5.12.)
0 pentru n > TV
Numarul mediu de unitati in sistem este dat de
N N N
1- n oi\- l o\ N
— Vn1 Vn
V
n
n *■ P y\ P) V n-l
"=L Pn=L Pn=L P 1 _ v+1 = 1 _ v+1 L " P ■
l i
n=0 n=\ n=\ P P n=\

323
 Pentru a calcula ultima suma, £ « p " _ 1 , v o m deriva termen cu termen
71 = 1

identitatea £ p " = ^ , ce va deveni prin derivare

»=o 1-P
\-(N + \)pN +Np N+l
2>" i\
_
Y2
71 = 1 ^ PJ
Astfel
w J
=^ / ^ ^ T T T ■ (9.5.13.)
1
(1-pXl-p^ )
Numarul mediu de unitati in firul de asteptare va fi
JV-l JV-l 1 ~ ^ A ,-W-l

»/ - Z^-+i - Z»p" r fe=f^ Z''p""1 ■ +1 z 1

71 = 0 71=1 1 P 1 P 71=1
-1
Suma ^ H p " se calculeaza ca si suma anterioara, doar ca in loc de TV
71=1

avem7V-l sivomobtine
p2[l-NPN1+(N-iy]
L
wf =
f , w— v4-i\ • (9.5.14.)

(I-PXI-PW+1)

Timpul mediu de asteptare a unei unitati in fir, tf=^=,ca ns=\-p0,

caredupainlocuiredevine
- pfl-^p^+fiV-lK]
J
tf = / w- M f , (9.5.15.)
n(i - px.1 - P j
iar timpul mediu de asteptare in sistem, Ts = Tf + - , va fi
f, ^ f TT^X . (9.5.16.)
H(I-PXI-P j
Exemplu. Intr-o parcare masinile sosesc conform legii Poisson cu rata de 2 0
masini pe ora. Parcarea are 15 locuri. Timpul de stationare a unei masini este
exponential cu media de 16 pe ora.
a) Care este probabilitatea ca o masina sa nu astepte? Care este probabilitatea sa
gaseasca un loc liber in parcare?
b) Care este timpul mediu de asteptare pana cand o masina paraseste parcarea?

324
Solutie
Cazul dinproblems se incadreazainmodelul (MIMI\):(FIF0IN/OO) in
care TV - 15. Alegem ca unitate de timp ora, atunci X = 20 masini/ora, [i = 16

masini/ora, rezulta p = - = 1,25 .

a) Probabilitatea ca o masina sa nu astepte este

Probabilitatea ca toate locurile sa fie ocupate este pls = p15p0 = 0,2046,

deci probabilitatea sa gaseasca un loc liber va fi
1-/? 15 = 1 - 0 , 2 0 4 6 = 0,7954.
b) timpul mediu de asteptare in sistem va fi
- l - ( l 5 + l)(l,25) 15 +15-(l,25) 15 ncn
t = v , A J—7 \'\ ' s0,57.
16(l-l,25)(l-(l,25)16)
9.5.3. Modul de asteptare cu sosiripoissoniene, timp de servire
exponential, cu s statii identice, populatiei infinita
(MlMis): (FIFOI'ooI'oo)

Vom presupune ca numarul statiilor s este mai mare ca unu, fiecare statie avand
acelasi parametru de servire », sosirile avand o repartitie Poisson de medie X,timpulde
servire exponential, iar trecerea din firul de asteptare in oricare statie libera se face in
ordineasosirilor.
Populatia din care provin unitatile este infinita, asa ca numarul mediu al unitatilor ce
sosesc in sistemul de asteptare este constant si egal cu X.
Pentru calculul probabilitatilor asociate starilor sistemului se utilizeaza
sistemul general de ecuatii de stare in cazul stationar si formulele (9.4.11.) si
(9.5.1.) in care
Xn=X,\/n^n, (9.5.17.)
iar pentru \in vom considera doua cazuri:
a) cand numarul n al unitatilor ce se afla in sistem in momentul t este mai mic
decat s, vor lucra doar n statii din cele s, iar \in va fi de n ori mai mare
decat pentru o singura statie;
b) cand n > s toate statiile vor lucra la momentul respectiv si atunci \xn va fi
s\i.
Astfel

325
 \n\i pentru\<n<s
Vn (9.5.18.)
s\i pentru n> s
X
Inlocuim relatile (9.5.18.), (9.5.17.) in relatia (9.4.10.), cu p - - factorul de
p
serviciu al unei statii, vom avea

1) Daca \<n<s, p r i „
Pn - — P Pn,
l\i-2\i-...-n\i nY
X" P"
2) Daca n>s, pn 0 ^ ^ 7 ^ 0
\[i-2[i- ...-(s -\)[i- s[i- ...■ sp.
n-s ori
Rezulta

A> pentru \<n<s

n\
Pn (9.5.19.)
P"
p0 pentru n>s
s\s
sau

Pn Pip0,l<n<s
(9.5.20.)
k
ps+k = p Ps ,k>\,
unde
p=A =E (9.5.21.)
\xs s
se mai numeste factorul de utilizare al sistemului. Pentru a se evita aglomeratia,
acest factor este necesar sa fie subunitar, adica p < 1 echivalent cu — - - < 1, de
s\i s
unde p < s, astfel vom putea concluziona ca factorul de serviciu al unei statii poate
fi supraunitar, dar mai mic ca numarul statiilor s .
Cum ^p„=l §i tinand cont de forma probabilitatilor pn vom avea
n=0
S
P" P
y —Pa + y — ( p ) " " Pa = 1 sau
n=0 n\ n-s
s\
s-\
v/ - p—" + —
p '>v v(p
-v- = 1.
Pi
\n=0 n\ s\ n-s

326
 CO

1
si tinand cont ca £ ( p ) " ~ =aci este o progresie geometrica cu ratia
n-s l-p
p < 1, obtinem
1
(9.5.22.)
hnl sl(l-p)
Variabile aleatoare nf ce reprezinta numarul de unitati din firul de asteptare
la un moment dat are repartitia
0 1 2
nf

si atunci numarul mediu de unitati in firul de asteptare va fi

YJ{n-s)Pn= ^(n-SSi)-(Py-sp
n=s+\ n=s+\

Pi (l + 2p+3p2+..)=p0?
si (l-p)2
;aciamtinutseamaca

l + 2p + 3p 2 +... = — ( p + p2 + p3 +...)= — P
^P t/p^l-pj (l-p)2
deci
s
Vf = 9 P
(9.5.23.)
s\ (i_p)20
Se arata, folosind sumarea acelorasi serii, ca numarul mediu de unitati de curs
de servire in modelul acesta este ~ns = p , de unde numarul mediu de unitati din
sistemul de asteptare este
s+l
n=nf + n s= SL PQ p. (9.5.24.)
( S -I)( S -P7-
Timpul mediu de asteptare a unei unitati in fir va fi
n 1 ps p
tr (9.5.25.)
^ W 5! (l-p-r 0
iar timpul mediu de asteptare a unei unitati in sistem este
1 1 1 ps p
ts - tf + — - 2 A0> + 1 (9.5.26.)
(j, (J, P *! ( l - p )

327
 Observatie. Daca se presupune ca in sistemul de a§teptare pot exista eel mult
TV unitati la un moment dat §i ca deci firul de a§teptare este limitat, in el putand fi
eel mult TV - s unitati, atunci pn = 0 pentru n > TV §i avem
1 pentru 1 < n < s p"p pentru 1 < n < s
PPo
m
Pn 1
— P Po pentru s<n<N Ps(p)" S
Po pentru s<n<N
sis

Punem conditiia £ / ? „ = ! §iobtinem

n=0
s-\

PO Z -n\P " + Z Vs\ ( P ) * -1

\n=0 n-s

dar
I ,l-p^+1
/ - p (p)
slP 1-p
atunci vom avea
1
Pi0 s-\
^ 1 „ 1 , 1 - p N-s+\
> —p +—p 1-p
n=0 n\ s\
Pentru a evita calculele laborioase necesare determinarii indicatorilor n,nf,
~ns putem folosi formulele de recurenta pentru pn,

-pPn-i pentru \<n<s

n
P/Vi pentru s<n<N
N A'

§i formulele pentru indicatori, n

n=0 n-s

*.=±«P.+>±
+ sypn
n-s
Exemplu. La o agentie de voiaj sunt amplasate patru case de bilete. Se §tie ca
sosirea pasagerilor este poissoniana cu o medie de 120 pasageri pe ora, iar timpul
de servire a unui pasager este 90 de secunde. Sa se determine numarul mediu de
pasageri care a^teapta sa intre in agentie §i timpul de a^teptare in coada.

328
Solutie. s = A, A. = 120, — = 90" = 1,5' = — ore, rezulta u, = 40 si p = - = 3.
\i 40 H
-i
3
p" p4 1 1 - /I 3
Avem p0 y 0,038, p = — = - < 1 deci se evita supra-
sju 4
^ « ! 4! 1-p
aglomerarea, Tf = ?- ^ • - ^ ^ ^ P0 o= 2= ,2,052,
0 5 2ns, =^ p == 33 ,, T^ f == X^ = 0,0057 ore.
si ( l - p ) H«,
Cele patru case de bilete sunt folosite la intreaga capacitate, caci numarul de
pasageri serviti in unitatea de timp \ms = 360 este egal cu posibilitatile de servire
s[i = 360.
Observatie. Daca numarul pasagerilor ce sosesc la agentie ar fi: A = 80
pasageri pe ora, atunci s-ar obtine p = 2 , p = - < l , p0 = 0,l5, nf=\,2>2>,

~^s=p = 2, Tf= 0,008, iar capacitatea de servire a sistemului nu ar fi folosita

decat in proportie de 25% caci numarul de pasageri serviti in unitatea de timp este
\ms = 80 iar posibilitatile de servire s[i = 320 .

9.5.4. Modelul de mteptare cu sosiripoissoniene, timp de

servire exponential, cu o statie, populatie finita
(MIM I\):(FIFO) m-\l m)

Modelele anterioare au presupus populatia din sursa infmita. In practica, de

obicei, sosirile sunt in numar mare, dar finite. Modelul de fata este asa-numitul
model al reparatorului. Sistemul are m (finit) masini cu aceleasi caracteristici
tehnologice si care functioneaza independent unele de altele. Masinile se pot
defecta in mod intamplator si sosesc la reparat dupa o lege poissoniana cu
parametrul X, pentru a putea fi reparate exists un singur mecanic (statie), iar durata
reparatiei unei masini urmeaza o repartitie exponentials cu parametrul \i.
Deoarece exista o singura statie, parametrul \in nu depinde de numarul de
unitati din sistem, el va fi constant si se noteaza cu \i.
Vom determina caracteristicile acestui model, observand ca probabilitatea ca
in intervalul de timp At sa soseasca in sistem o unitate, cand in sistem se afla n
unitati, din cele m ale sursei, este cu atat mai mica, cu cat numarul unitatilor
ramase in populatie este mai mic. Astfel putem scrie aceasta probabilitate ca find
XnAt = (m-n)XAt,
deci Xn=(m-n)X, n = 0,(m-l). Cu alte cuvinte, rata sosirilor este
proportionala cu numarul de unitati ramase in sistem, m-n.

329
 Inlocuim Xn si \in = \i in relatia (9.5.23.). Vomavea
mX ■ (m -1) X ■... ■ ( m - n +1) X
/70 =/w(/W-l)...(
(xY
l) -
Pn Po
\v)
astfelcapentru « = l,2,...,/w,
(9.5.27.)

Stiind ca JT/?„ = 1 obtinem JT ^ p B / ? 0 = 1, de unde

n=0 n=0

1
=
Po i n ■
(9.5.28.)

Numarul mediu de unitati in sistem se calculeaza astfel

m
m m m m m
n I ^ B = I(m -m + »k = 2 > „ - I(m - » k
n=0
n=0 n=0 n=0
de unde

n (9.5.29.)
n=0 n=0
m
inlocuim pn cu expresia obtinuta anterior si tinem cont c& £ / ? „ = 1. Vom obtine
n=0
m
n - m -^y(m-njA^p"p0
n=0
dar
(m - n)Anm = m(m - \)..\m — n + \\m — n) = A^+l
si atunci
m-\
1
n - m -/,Al+lp"p() = m (1-Po).
n=0 p
djJC/Vi^-Po.deci
n=0
1
n - m[\- p0). (9.5.30.)
p
Numarul mediu de unitati in curs de servire este
ns=l-pt A (9.5.31.)
iar numarul mediu de unitati in firul de asteptare este
1+p
nf -n =n-n
—ns -m (1-A,)- (9.5.32.)
p
330
 Timpul mediu de asteptare a unei unitati in fir este

Is = »/
=
J-f-=—1m
1
1
(9.5.33.)

iar timpul mediu de asteptare in sistem va fi

1 \f m O (9.5.34.)
^ =^ +—=
• ' (j, (j,■■iV: ir- rp 0

Din (9.5.30.) obtinem m - n = - ( l - pQ), deci X(m - n) = \i(l -pQ), atunci

V
7 >
kym-n)
Exemplu. In exemplu considerat in acest model sa presupunem ca masinile
apartin unui atelier de strungarie, in care avem 6 strunguri de acelasi fel, ce pot fi
reparate in caz de defectare de un singur mecanic. Stiind ca in 8 ore masinile se
defecteaza cu repartitia poissoniana cu X = 2 masini/h, iar muncitorul repara o
masina intr-un timp exponential cu media 15 minute. Sa se determine:
a) perioada de inactivitate a mecanismului;
b) probabilitatea ca 3 strunguri sa fie defecte;
c) celelalte caracteristici ale modelului.
Solutie
a) Perioada de inactivitate este aceea cand in sistem nu exista nici un
strung, deci trebuie calculat p 0 cu ajutorul relatiei (9.5.27.) stiind ca
X = 2 masini/h, \i = 4 masini/h, p = - , 0/>0 = 0,012 .
2
b) Inlocuind datele in relatia (9.5.30.) obtinem
3

p 3 - A6 •0,012-0,18.

c) Din relatia (9.5.29.) avem

w = 1 6 - ] ( l - 0 , 0 1 2 ) =4,02
T
2
si din relatia (9.5.32.) obtinem

1+
nff = 6 -T^-(l - 0,012) = 3,036.

331
 Timpul mediu de asteptare a unui strung in fir este tf = 0,75 ore, iar timpul
mediu de asteptare in sistem Ts = 1,003 ore.

9.5.5. Model de asteptare cu sosiripoissoniene, timp de scriere

exceptional, cu s statii identice, populatia flnita
(MIMI S):{FIFO I m - s I m)

Acest model difera de eel anterior prin faptul ca servirea este asigurata de s
stati de servire identice. Evident, s < m altfel nu ar exista asteptarea.
Ca si la modelul anterior, populatia din sursa este finite parametrul Xn
reprezentand numarul mediu al sosirilor pe unitatea de timp, depinde de numarul
unitatilor ramase in sursa X„=(m- n)X.
Celalalt parametru, \in, se va scrie ca si in modelul
(MlMis): (FIFO/oo/oo) CU S >1 SI anume
\n\i pentrul<«<5
[s\i pentru s<n<m
In (9.4.10.) inlocuim Xn si »„ in cele 2 statii si obtinem
1) daca 1 < n < s, atunci
n
mX-(m-\)k ■...■(m-n + l)X Anm
Po = CmP"P0 >

2) daca s<n<m, atunci

mX-(m-\)X-...-(m-n + \)k A"X A" „
P = Po= I PO= p Po
- (i»X24..[(s-iHs4..M J
J? Y Z^
^ v
n-s ori
Astfel am obtinut
C"o"n pentru \<n<s
A" ■ (9.5.35.)
I
^ n-s
p»p pentru s<n<m

Tinand cont de faptul ca ^pn n

= 1 , obtinem valoarea probabilitatii p0
«=0
Avem
m ( s-\ m Aft ^
C +
£/>» = Z - P " Z ^ T P " Po=l,
de unde

332
 -i
s-\
A"
Po ICP"+Z^7P" (9.5.36.)
V«=o
n=0 n=O i:i
J

si daca notam c u p = - = — factorul de servire global avem

s sp.
-i
s°
Po (9.5.37.)

iar expresia obtinuta pentru probabilitatile pn se va scrie

s-m n pentru \<n<s
'-mP Po
Pn =
Vs (9.5.38.)
A" — o"n pentru s<n<m
m
si °
Tinand seama ca au loc relatiile C k+i m-k C m si
k
Ak:^{m-k)Akm
k +l
putem scrie o relatie de recurenta pentru pn

m-n pentru \<n<s

PPn
P,71+1 n+1
(m-n)ppn pentru s<n<m

Caracteristicile modelului se calculeaza pornind de la defmitii, n Z>.

n=0

m _
nf = ^ ( « - s ) p „ ,ns=n-nf,t §i ts=tf +

n=s+l

Exemplu. Intr-o fabrica de piese turnate sunt 8 masini de turnat continuu,

deservite de 4 electricieni, care intervin numai in caz de defectiune. §tiind ca
durata reparatiei unei masini de turnat este o variabila exponentials cu parametrul
2
|j, masini/ora si ca durata de functionare a unei masini fara defect este 6 ore,
3
sa se determine:
a) probabilitatea ca la un moment dat in sistemul de asteptare sa se gaseasca 3
masini,
b) numarul mediu de masini defecte ce asteapta la un moment dat sa fie reparate,
c) timpul de asteptare in fir si timpul de asteptare in sistem.

333
Solutie. Din datele problemei deducem ca s = 4 statii, m = S ma§ini, u = -
3
ma§ini pe ora. - = 6 , de unde X = - ma§ini pe ora, astfel ca p - - - - §i
X 6 n 4
X 1
p
s\i 16
a) Aplicand formula (9.5.37.) vom avea
-i
4 1 V
<1 4 ^
PA±C; 4! ti 16
0,167
n=o v^y
3

§i p3 = C\ p0 = 0,146

b) Tf = £ ( „ - 4 ) p n = 0,007, » = 2 ^ =1,12 ? i ^ = » - ^ = 1,113.

n=4+l n=0

C) f, i 1
= 34 secunde §i ts = t f+ - = 1,5094 ore.
^ (j,

334
 CURS SIMULARE

I.1. Introducere

Cuvântul simulare este de origine latină (simulatio) şi înseamnă capacitatea de a

reproduce ceva. În informatică, termenul de simulare a fost introdus de John von
Neumann la începutul anilor `40, o dată cu apariŃia primelor calculatoare electronice.
J.von Neumann împreună cu grupul de savanŃi de la Şcoala Los Alamos (Ulam,
Metropolis etc) au dezvoltat primele aplicaŃii ale calculatoarelor. Tot ei au introdus
denumirile Cercetări operaŃionale (pentru a desemna aplicaŃiile legate de dirijarea
operaŃiilor militare pe arii geografice mari ale globului pământesc!) precum şi metoda
Monte - Carlo (pentru a desemna aplicaŃii ale calculatoarelor bazate pe utilizarea
numerelor aleatoare). În accepŃiunea actuală a informaticii, simularea cuprinde o serie de
aplicaŃii care realizează imitarea comportamentului unor părŃi ale lumii reale (simularea
stochastică), luând în considerare şi comportamentul aleator al acesteia. Din domeniul
simulării face parte şi metoda Monte Carlo.
DefiniŃia 1. Simularea este o tehnică de realizare a experimentelor cu
calculatorul, care implică utilizarea unor modele matematice şi logice care descriu
comportarea unui sistem real (sau a unor componente ale sale) de-a lungul unor
perioade mari de timp.
Deci simularea se realizează pe baza unui model special, numit model de
simulare, cu ajutorul căruia se realizează experimentele prin intermediul calculatorului.
Modelul de simulare se construieşte pe scheletul unui model matematic şi se finalizează
într-un algoritm. De aceea în cele ce urmează vom prezenta schema generală a unui
model de simulare, pornind de la descrierea principalelor elemente ale unui model
matematic.
Model matematic. Prin definiŃie, un model este un analog ce reprezintă o parte a
lumii înconjurătoare într-un mod uşor de perceput de către noi. Modelul ne reprezintă
uneori realitatea prin scheme, figuri geometrice sau alte obiecte ce ne sunt familiare şi pe
care le înŃelegem uşor (i.e. la fel de bine cum le ''vedem'' sau le ''pipăim''). Modelul
matematic ne reprezintă realitatea folosind elemente sau abstracŃiuni matematice.
Elementele constitutive ale unui model matematic sunt următoarele:
a) Variabile ( V ) şi Parametri ( P ) care pot fi de intrare ( VI, PI ), dacă pot fi percepute
(măsurate sau înŃelese uşor), sau de ieşire ( VE, PE ), dacă dimpotrivă, măsurarea sau
perceperea lor este dificilă. Variabilele şi parametrii pot lua valori numerice sau
logice. Deosebirea dintre variabile şi parametri constă în aceea că parametrii nu îşi
schimbă valorile pe perioade mari de timp, în timp ce variabilele îşi schimbă valorile
chiar pe intervale mici de timp. Scopul modelului este de a exprima variabilele şi
parametrii de ieşire în funcŃie de variabilele şi parametrii de intrare, cu eventuala
satisfacere a unor condiŃii de performanŃă de către sistem (de ex. condiŃii de optim).
Unele VI pot fi aleatoare, caz în care şi unele variabile sau parametri de ieşire vor fi
de asemenea aleatoare.
b) RelaŃiile funcŃionale constituie o altă categorie de elemente ale unui model
matematic. Ele sunt de forma
Fi (VI , PI , VE , PE ) = 0
(adică implicite) şi pot fi la rândul lor de două tipuri:
- ecuaŃii, care sunt satisfăcute numai de anumite valori ale variabilelor sau
parametrilor;
 - identităŃi, care sunt satisfăcute de orice valori ale variabilelor şi parametrilor; ele
exprima condiŃii de echilibru sau legi de conservare.
EcuaŃiile si identităŃile pot fi relaŃii algebrice sau transcendente, diferenŃiale sau
integrale, detrministe sau stochastice, etc.
c) Caracteristicile operative constituie o altă categorie de elemente ce compun un model
matematic şi ele pot fi:
- ipoteze de lucru (referitoare la relaŃiile funcŃionale);
- ipoteze statistice (referitoare la VI -aleatoare).
d) Tehnica de rezolvare este un alt element constitutiv al unui model matematic. Ea este
o tehnică matematică ce realizează separarea elementelor de ieşire în funcŃie de
elementele de intrare, adică:
(V , P )E = f i (VI , PI ) .
Cu alte cuvinte, tehnica de rezolvare a modelului exprimă sub formă explicită
variabilele şi parametrii de ieşire în funcŃie de variabilele şi parametrii de intrare.
Tehnicile matematice de rezolvare a modelelor sunt însă sărace atât ca varietate,
cât şi ca performanŃă. De exemplu, ecuaŃiile modelului se pot reazolva numai dacă sunt
liniare sau uneori pătratice, iar dacă sunt de grad superior ele se pot rezolva numai dacă
au forme particulare. La fel, ecuaŃiile diferenŃiale sau cu derivate parŃiale se pot rezolva
cu metode matematice deductive numai în anumite cazuri particulare. De aceea în
construcŃia modelelor matematice se fac de multe ori ipoteze simplificatoare care permit
aplicarea tehnicilor de care dispune matematica. (Acesta este scopul utilizării de către
model a caracteristicilor operative!). Din aceste motive, modelarea matematică este
aproximativă şi ea nu permite rezolvarea realistă a problemelor practice. Utilizarea
calculatorului permite îmbunătăŃirea performanŃelor modelelor matematice prin
utilizarea metodelor numerice. Dar şi în aceste condiŃii modelele matematice nu pot
descrie corect realitatea în toată complexitatea ei deoarece nu toate relaŃiile dintre
obiectele lumii reale se pot exprima prin formule matematice. Într-o atare situaŃie
modelul matematic trebuie completat cu descrieri care să imite anumite comportări ale
lumii reale. Acestea se realizează prin descrieri algoritmice de tipul if-then-else- sau if-
then- combinate cu alte structuri algoritmce (cicluri, secvenŃe etc.). În acest fel, modelul
matematic se completează, se extinde sub formă de algoritm şi devine model de
simulare. Simularea măreşte deci mult posibilitatea de tratare realistă a
problemelor aplicative. ConstrucŃia unui model de simulare, care în fapt este un
algoritm complex, dezvoltat pe scheletul unui model matematic, este o sarcină nu prea
uşoară; o vom trata mai jos.
Clasificări ale modelelor matematice. Mai întâi să vedem însă cum pot fi
clasificate modelele matematice?
(i) Clasificarea modelelor matematice după natura variabilelor utilizate de model:
continue/discrete; statice/dinamice (dacă timpul nu intervine sau dacă apare
explicit ca variabilă a modelului); deterministe/stochastice (după cum nu conŃin
sau conŃin măcar o variabilă de intrare ca variabilă aleatoare).
(ii) Clasificare topologică, după structura determinată de părŃile în care se descopune
modelul (când este cazul): cu o componentă/cu mai multe componente în serie ,
în paralel, în reŃea.
Un model, fie el matematic sau de simulare, constituie de fapt o clasă de modele.
 I.2. ConstrucŃia unui model de simulare

Modelul de simulare (MS) presupune utilizarea calculatorului şi el se

construieşte pe baza/scheletul unui model matematic; mai precis, el completează modelul
matematic descriind unele relaŃii prin algoritmi, deci în final MS este un algoritm. Acest
algoritm trebuie să descrie corect evoluŃia sistemului şi să permită efectuarea de
experienŃe (prin rulări pe calculator), care să înlocuiască experienŃele ce ar trebui
realizate asupra sistemului real.

Structura unui model de simulare

ConstrucŃia unui MS utilizează două concepte de bază: ceasul simulării şi agenda

simulării.
Ceasul simulării. Ceasul asigură eşalonarea corectă în timp a evenimentelor
create de model şi uneori ajută la implementarea condiŃiei de terminare a simulării. El
este de două feluri:
a) ceas cu creştere constantă;
b) ceas cu creştere variabilă.
Notă: Evenimentele corespund unor modificări în sistem adică modificari ale
valorilor unor variabile care se calculează sau se generează prin instrucŃiuni ale
modelului (chiar şi dacă sunt aleatoare!).
Ceasul porneşte cu valoarea zero la începutul simulării. Dacă modelul se bazează
pe ceasul cu creştere variabilă, atunci ceasul este crescut cu valoarea ce corespunde
apariŃiei primului eveniment următor; apoi programul prelucrează evenimentul, după
care ceasul creşte din nou reluându-se ciclul simulării, până când ceasul atinge o valoare
dată iniŃial, Tmax care corespunde perioadei pe care se realizează simularea.
Ceasul cu creştere constantă presupune că de fiecare dată creşterea se realizează
cu o cuantă de timp c constantă; apoi se prelucrează toate evenimentele apărute pe
intervalul de timp de lungime c , după care se reia ciclul simulării. Simularea se termină
de asemenea când ceasul atinge valoarea Tmax .
Terminarea simulării se poate realiza şi impunând condiŃia ca modelul să
prelucreze un anumit număr dat de evenimente de un tip precizat. (De exemplu, în cazul
unui model de simulare a unui sistem de aşteptare, se poate impune condiŃia ca simularea
să se termine când s-a simulat servirea unui număr dat de clienŃi).
A rămas oarecum neprecizat ce se înŃelege prin prelucrarea unui eveniment. Acest
fapt se înŃelege uşor dacă precizăm şi conceptul de agendă a simulării.
Agenda simulării. Agenda se compune din elementele memorate de modelul de
simulare. Variabilele modelului iau diverse valori pe parcursul simulării; de aici rezultă
că pe parcursul simulării apar multe evenimente. Memorarea în totalitate a acestor
evenimente, împreună cu caracteristicile lor, nu este nici recomandată dar nici necesară
dacă simularea se realizează pe perioade mari de timp. De aceea, se memorează (în
agendă) numai ceea ce este strict necesar. Evenimentele sunt de diverse tipuri; unele
variabile descriu şi stări ale sistemului (sau ale unor componente ale acestuia).
Evenimentele sunt create sau generate la momente de timp ulterioare valorii ceasului. De
aceea agenda se compune din două părŃi: agenda evenimentelor curente AEC şi
agenda evenimentelor viitoare AEV .
 Deci agenda A = AEC ⊕ AEV , unde:
AEC = agenda evenimentelor curente (care au timpul de apariŃie egal cu valoarea
ceasului); iar
AEV = agenda evenimentelor viitoare (care au timpul de apariŃie ulterior ceasului).
Algoritmul simulării prelucrează deci numai evenimentele din AEC ; prelucrarea
unui eveniment înseamnă fie determinarea apariŃiei unui nou eveniment (memorat în
AEV ) sau modificarea unei stări, fie distrugerea unui eveniment ("ştergerea'') lui din
agendă. Prelucrările evenimentelor Ńin seama şi de stările sistemului la acel moment.
Algoritmul simulării gestionează/actualizează agenda prin interacŃiunea acesteia
cu ceasul; într-un ciclu al simulării ceasul este acualizat, după care se selectează din
agenda A evenimentele care fac parte din AEC şi se prelucrează aceste evenimente până
când AEC devine vidă. Atunci, ceasul este crescut din nou şi se reia ciclul simulării.
Deci agenda simulării se modifică pe parcursul simulării conform următoarei relaŃii de
dinamică
A = A ⊕ AE gen O AE elim
unde Agen sunt evenimentele generate pe parcursul unui ciclu, iar Aelim sunt evenimentele
eliminate cu ocazia prelucrării AEC . (Semnele ⊕ şi O se autexplică).

I.3. Concepte de bază în modelarea sistemelor

Prin sistem se înŃelege, sub forma cea mai vagă, o mulŃime de obiecte O
interconectate prin intermediul unei relaŃii R , adica Sistem = (O , R ) , unde
R ⊂ O ×O
DefiniŃia formală generală a unui sistem este:
DefiniŃia 2. Un sistem este următoarea structură de mulŃimi:
S = (T , X , Ω, Σ, Y , δ, λ )
unde:
T = timpul de bază al sistemului (ceasul sistemului);
X = mulŃimea intrărilor;
Ω = mulŃimea segmentelor de intrare (forma intrărilor!); segment =
ω : (t 0 , t1 ) ֏ X ,= ω(t0 ,t1 ) =grafic= {(t , ω(t )), t0 ≤ t ≤ t1} . Se foloseşte de regulă notaŃia
ω(t ,t1 ) = {(τ, ω(τ )), t ≤ τ ≤ t1 } şi notaŃiile ω = ω (t0 ,t1 ) , ωt ) = ω(t0 ,t ) , ω(t = ω (t ,t1 ) , ω = ωt )ω (t .
Σ = mulŃimea stărilor interne ale sistemului = memoria sistemului; Conceptul
de stare este esenŃial în modelarea sistemelor; el descrie structura internă (intimă!) a
sistemului;
δ = funcŃia de tranziŃie a stărilor definită ca
δ:Σ×Ω ֏ Σ .
Ea satisface relaŃia
δ(σ, ω) = δ(δ(σ, ωt ) ), ω(t ) , ∀t , ω = ωt )ω(t .
care este axioma semigrupului sau proprietatea de separabilitate a stărilor. MulŃimea
(graficul) (ω, σ ) se numeşte traiectorie a stărilor;
 Y = mulŃimea ieşirilor (Sistemul este presupus deschis, intrările şi ieşirile fiind
exterioare sistemului). MulŃimea Y conŃine răspunsul sistemului la intrarea de forma ω ,
când la momentul iniŃial t 0 sistemul se află în starea σ .
λ = funcŃia de răspuns, de forma λ : Σ × X × T ֏ Y ; λ(σ, x, t ) conduce la un
segment de ieşire ce reprezintă forma răspunsului sistemului la intrarea x , la momentul
t când starea la momentul t 0 , t 0 < t , este σ ;
Notă: din definiŃie rezultă că pentru o stare iniŃială σ , (la momentul t 0 ) când are
loc intrarea de forma ω se realizează o traiectorie unică a stărilor. Cu alte cuvinte,
traiectoria stărilor satisface relaŃiile:
STRAJ σ,ω : (t 0 , t1 ) ֏ Σ , astfel încât STRAJ σ,ω (t 0 ) = σ
STRAJ σ,ω (t ) = δ(σ, ω(t ) , ∀t ∈ (t 0 , t1 )
ProiecŃia STRAJ obŃinută prin funcŃia de tranziŃie a stărilor compusă cu funcŃia
de răspuns, este traiectoria de ieşire
OTRAJ σ,ω : (t 0 , t1 ) ֏ Y
Dacă λ = λ (σ ) (ieşirea depinde numai de σ ) atunci rezultă relaŃia simplă:
OTRAJ σ,ω (t ) = λ (STRAJ σ,ω (t )) .
Nivele de reprezentare a sistemelor. Există mai multe nivele de reprezentare a
sistemelor şi anume:
- Reprezentarea la nivel de comportare. Sistemul este o cutie neagră (black
box), exprimat formal prin relaŃia:
{
R s = (ω, ρ ) ω ∈ Ω, ρ = OTRAJ σ,ω , σ ∈ Σ }
Acest nivel de reprezentare este cel mai vag. El descrie numai relaŃiile de
intrare/ieşire ce se pot observa din afara sistemului (care deci se comportă ca o
cutie neagră).
- Reprezentarea la nivel de structură de stare. La acest nivel se intră în structra
internă a sistemului, adică se stabilesc elementele acestuia : (T , X , Ω, Σ, Y , δ, λ ) ,
definite ca mai sus.
- Reprezentarea modulară (ca structură compusă). Dacă sistemul este complex,
atunci se identifică subsisteme ale acestuia precum şi interconexiunile dintre ele
în sensul că ieşirile unor subsisteme sunt intări în alte subsisteme, intrările unor
subsisteme fiind intrări ale sistemului şi ieşirile unor subsisteme fiind ieşiri ale
sistemului.
Nivelele de reprezentare a sistemelor, pornind de la forma cea mai vagă şi
continuând până la forma detaliată, legitimează Metodologia ''TOP DOWN'' de
proiectare a sistemelor de orice fel, în particular, metodologia de proiectare a sistemelor
informatice, şi în general metodologia de proiectare ierarhică, descendentă a
programelor.
 TEMA 1 -Modelare si Simulare-

1. Sa se determine parametrii optimi pentru stocare în cazul în care cererea totală

este de 300 unităŃi fizice pentru o perioada de 50 de zile. Costul de stocare este de
5 unităŃi monetare, costul de reîncărcare este de 10 u.m. iar penalizarea în cazul
lipsei de stoc este de 7 u.m. Să se realizeze o comparaŃie a rezultatelor obŃinute cu
cele din cazul aplicării modelului de stocare fără lipsa de stoc.
2. Sa se determine parametrii optimi pentru stocare în cazul în care cererea totală
este de 500 unităŃi fizice pentru o perioada de 3 luni. Costul de stocare este de 10
unităŃi monetare, costul de reîncărcare este de 20 u.m. iar penalizarea în cazul
lipsei de stoc este de 15 u.m. Să se realizeze o comparaŃie a rezultatelor obŃinute
cu cele din cazul aplicării modelului de stocare fără lipsa de stoc.
3. Sa se determine parametrii optimi pentru stocare în cazul în care cererea totală
este de 2000 unităŃi fizice pentru o perioada de un an. Costul de stocare este de 25
unităŃi monetare, costul de reîncărcare este de 10 u.m. iar penalizarea în cazul
lipsei de stoc este de 8 u.m. Să se realizeze o comparaŃie a rezultatelor obŃinute cu
cele din cazul aplicării modelului de stocare fără lipsa de stoc.
4. Pentru stocarea a 3 produse pe o perioada de 100 de zile, datele de lucru pot fi
rezumate în următorul tabel:
Nr. Produs Cererea Cost stocare Cost reîncărcare Penalizare pentru
lipsa de stoc
1 400 15 10 8
2 150 10 15 10
3 250 25 8 30
Să se determine paramettii optimi ai stocării şi costul total al stocării
5. Pentru stocarea a 3 produse pe o perioada de un an, datele de lucru pot fi rezumate
în următorul tabel:
Nr. Produs Cererea Cost stocare Cost reîncărcare Penalizare pentru
lipsa de stoc
1 300 10 8 5
2 250 18 10 0 (nu se admite
lipsa de stoc)
3 500 15 12 10
Să se determine parametrii optimi ai stocării şi costul total al stocării
 TEMA1
1. Sa se determine parametrii optimi pentru stocare în cazul în care cererea totală
este de 300 unităti fizice pentru o perioada de 50 de zile. Costul de stocare este de
5 unităti monetare, costul de reîncărcare este de 10 u.m. iar penalizarea în cazul
lipsei de stoc este de 7 u.m. Să se realizeze o comparatie a rezultatelor obtinute cu
cele din cazul aplicării modelului de stocare fără lipsa de stoc.

1. Cu lipsa de stoc
Q=300 bucati p=Cp/(Cs+Cp)=7/12=0.58
Ѳ=50 zile q=sqrt((2*Q*c1)/( Ѳ*Cs*p))=sqrt(2*300*10/50*5*0.58)=sqrt(24/0.58)=6.43 bucati
Cs=5 u.m. s=p*q=6.43*0.58=3.73
C1=10 u.m. v=Q/q=300/6.43=46.66 aprovizionari
Cp=7 u.m T= Ѳ/v=50/46.66=1 zi
q=? C=sqrt(2*Q* Ѳ*c1*Cs*p)=sqrt(2*300*50*10*50*0.58)=932.73 u.m.
T=?
s=? 2. fara lipsa de stoc
v=? q=sqrt((2*Q*c1)/( Ѳ*Cs))=sqrt(2*300*10/50*5)=4.89 bucati
C=? v=Q/q=300/4.89=61.349 aprovizionari
T= Ѳ/v=50/61.349=0.815 zile
C=sqrt(2*Q* Ѳ*c1*Cs)=sqrt(2*300*50*10*50)=1224.744 u.m

2. Sa se determine parametrii optimi pentru stocare în cazul în care cererea totală

este de 500 unităti fizice pentru o perioada de 3 luni. Costul de stocare este de 10
unităti monetare, costul de reîncărcare este de 20 u.m. iar penalizarea în cazul
lipsei de stoc este de 15 u.m. Să se realizeze o comparatie a rezultatelor obtinute
cu cele din cazul aplicării modelului de stocare fără lipsa de stoc.

1. Cu lipsa de stoc

Q=500 bucati p=Cp/(Cs+Cp)=15/25=0.6

Ѳ=90 zile q=sqrt((2*Q*c1)/( Ѳ*Cs*p))=sqrt((2*500*20)/(90*10*0.6)=6.085 bucati
Cs=10 u.m. s=p*q=6.085*0.6=3.651 bucati
C1=20 u.m. v=Q/q=500/6.085=82.169 aprovizionari
Cp=15 u.m. T= Ѳ/v=90/82.169=1.095 zile
q=? C=sqrt(2*Q* Ѳ*c1*Cs*p)=sqrt(2*500*90*20*10*0.6)=3286.33 u.m
T=?
s=? 2. fara lipsa de stoc
v=? q=sqrt((2*Q*c1)/( Ѳ*Cs))=sqrt((2*500*20)/(90*10))=4.71 bucati
C=? v=Q/q=500/4.71 aprovizionari
T= Ѳ/v=0.847
C=sqrt(2*Q* Ѳ*c1*Cs)=sqrt(2*500*90*10*20)=4242 u.m
3. Sa se determine parametrii optimi pentru stocare în cazul în care cererea totală
este de 2000 unităti fizice pentru o perioada de un an. Costul de stocare este de 25
unităti monetare, costul de reîncărcare este de 10 u.m. iar penalizarea în cazul
lipsei de stoc este de 8 u.m. Să se realizeze o comparatie a rezultatelor obtinute cu
cele din cazul aplicării modelului de stocare fără lipsa de stoc.

1.Cu lipsa de stoc

Q=2000 bucati p=Cp/(Cs+Cp)=8/33=0.24
Ѳ=1 an q=sqrt((2*Q*c1)/( Ѳ*Cs*p))=sqrt((2*2000*10)/(1*25*0.24)) =81.64 bucati
Cs=25 u.m. s=p*q= 81.64*0.24=19.59
C1=10 u.m. v=Q/q=2000/81.64=24.49 aprovizionari
Cp=8 u.m T= Ѳ/v=1/24.49=0.040 ani
q=? C=sqrt(2*Q* Ѳ*c1*Cs*p)=sqrt(2*2000*1*10*25*0.24)=489.89 u.m.
T=?
s=? 2. fara lipsa de stoc
v=? q=sqrt((2*Q*c1)/( Ѳ*Cs))=sqrt((2*2000*10)/(25*1))=40 bucati
C=? v=Q/q=2000/40=50 aprovizionari
T= Ѳ/v=1/50=0.02 ani
C=sqrt(2*Q* Ѳ*c1*Cs)=sqrt(2*2000*25*10)=1000 u.m.

Primele 3 probleme au fost rezolvate corect de gusterita!

4. Pentru stocarea a 3 produse pe o perioada de 100 de zile, datele de lucru pot fi

rezumate în următorul tabel:

Nr. Produs Cererea Cost stocare Cost reîncărcare Penalizare pentru

lipsa de stoc

1 400 15 10 8
2 150 10 15 10
3 250 25 8 30

Să se determine paramettii optimi ai stocării si costul total al stocării

Rezolvare:
Q1=400; Q2=150; Q3=250 ;Cs1=15; Cs2=10; Cs3=25; C11=10; C12=15; C13=8; Cp1=8;
Cp2=10; Cp3=30; Ѳ=100
p 1=Cp/(Cs+Cp)=0,3

q 1=sqrt((2*Q1*c11)/( Ѳ*Cs1*p1))=sqrt(2*400*10)/(100*15*0,3)=4,21
v 1=Q 1/q 1=sqrt((Ѳ*Q 1* Cs1)/(2*C11*0,3))=400/4,21=95,01

T1= Ѳ/v1=sqrt((2* Ѳ*C11)/(Q1*Cs1*0,3))=100/95,01=1,05

S1=q 1*p1=1,26

C1=sqrt(2* Ѳ*Cs1*Q1*p1)=sqrt(2*100*15*400*0,3)=600

P 2=10/20=0,5

q 2=sqrt((2*150*15)/(100*10*0,5))=3

V 2=Q2/q 2=150/3=50

T 2= Ѳ/v 2=100/50=2

S 2=p 2*q 2=1,5

C 2=sqrt(2*100*150*10*0,5)=387,298

P 3=30/55=0,5

q 3=sqrt((2*250*8)/(100*25*0,5))=1,78

v 3=Q 3/q 3=250/1,78=140,44

T 3= Ѳ/V 3=100/140,44=0,71

S 3=q 3*p 3=0,89

C 3=sqrt(2*100*250*25*0,5)=790,569

C=∑ Ci =1777,867
I=1

Am rugamintea sa verificati si voi daca am aplicat formulele corecte si daca mai e ceva de
completat,corectat.Problema am rezolvato dupa modelul de stocare a mai multor produse
tinand cont ca exista lipsa de stoc.
 TEMA 2

1. Se consideră că pentru stocarea unui produs costul unitar de stocare este de 45

u.m. iar costul suplimentar este 15 u.m. Să se determine stocul optim şi costul
total dacă cererea este specificată prin variabila aleatoare discreta cu repartiŃia
 7 12 18 23 25 
 .
 0, 2 0,15 0, 25 0,17 0, 23 
2. Se consideră că pentru stocarea unui produs costul unitar de stocare este de 45
u.m. iar costul suplimentar este 15 u.m. Să se determine stocul optim şi costul
total dacă cererea este specificată prin variabila aleatoare continua cu densitatea
de repartiŃie
 0 x ∈ [ 0,1)

 0, 25 x ∈ [1, 3)
 0, 2 x ∈ [3,5 )
f ( x) =  .
 1 x x ∈ 5,10
 375 [ )

 0 x > 10
3. Se consideră că pentru stocarea unui produs costul unitar de stocare este de 40
u.m. iar costul suplimentar este 10 u.m. Să se determine stocul optim şi costul
total dacă cererea este specificată prin variabila aleatoare discreta cu repartiŃia
 3 5 6 7 10 12 
 .
 0,1 0, 24 0,16 0,15 0,17 0,18 
4. Se consideră că pentru stocarea unui produs costul unitar de stocare este de 40
u.m. iar costul suplimentar este 10 u.m. Să se determine stocul optim şi costul
total dacă cererea este specificată prin variabila aleatoare continua cu densitatea
de repartiŃie
 0, 2 x x ∈ [ 0,3)

f ( x ) = 0, 0025 x + 0, 04 x ∈ [3,5 ) .
 0 x>5

5. Se consideră că pentru stocarea unui produs costul unitar de stocare este de 25
u.m. iar costul în cazul lipsei de stoc este 15 u.m. Să se determine stocul optim şi
costul total dacă cererea este specificată prin variabila aleatoare discreta cu
repartiŃia
 7 12 18 23 25 
 .
 0, 2 0,15 0, 25 0,17 0, 23 
6. Se consideră că pentru stocarea unui produs costul unitar de stocare este de 25
u.m. iar costul în cazul lipsei de stoc este 15 u.m. Să se determine stocul optim şi
costul total dacă cererea este specificată prin variabila aleatoare continua cu
densitatea de repartiŃie
  0 x ∈ [ 0,1)

 0, 25 x ∈ [1, 3)
 0, 2 x ∈ [3,5 )
f ( x) =  .
 1
 375 x x ∈ [5,10 )

 0 x > 10
7. Se consideră că pentru stocarea unui produs costul unitar de stocare este de 110
u.m. iar costul în cazul lipsei de stoc este 90 u.m. Să se determine stocul optim şi
costul total dacă cererea este specificată prin variabila aleatoare discreta cu
repartiŃia
 3 5 6 7 10 12 
 .
 0,1 0, 24 0,16 0,15 0,17 0,18 
8. Se consideră că pentru stocarea unui produs costul unitar de stocare este de 110
u.m. iar costul în cazul lipsei de stoc este 90 u.m. Să se determine stocul optim şi
costul total dacă cererea este specificată prin variabila aleatoare continua cu
densitatea de repartiŃie
 0, 2 x x ∈ [ 0,3)

f ( x ) = 0, 0025 x + 0, 04 x ∈ [3,5 ) .
 0 x>5
