8

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.

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 En (F ) s fie maxime.
Notaii:
F fondul disponibil ce urmeaz a fi alocat pentru
modernizarea/reprofilarea/dezvoltarea a n obiective (secii,
uniti etc.);

xk fondul ce se aloc pentru fiecare obiectiv k, deci

xk = F ,

k =1

k = 1,2,...n obiective
Ek (F ) efectul economic integral ce se obine prin alocarea optim a
fondului F pe k obiective (reprezint suma efectelor ce se obin
pentru diferite obiective);

Ek (F ) = max{e1( x1 ) + e2 ( x2 ) + ... + ek (xk )}

Facem urmtorul raionament, plecnd de la principiul de optimalitate al
lui Bellman. Pentru n = k :
Dac pentru obiectivul k s-a repartizat un fond xk i s-a obinut efectul

ek ( xk ) , atunci pentru (k 1) obiective se va aloca (F xk ) i se va obine

efectul Ek 1 (F xk ) , deci efectul total va fi:
E k (F) = max{e k (x k ) + E k 1 (F x k )} , xk [0, F ]
n mod analog pentru n = n
E n (F) = max{e n (x n ) + E n 1 (F x n )}
Determinnd valoarea lui xn care maximizeaz eficiena economic
integral, obinem nivelul optim al fondului alocat xn xn .
Dup ce s-a determinat xn se continu procesul de citire a soluiei:

xn1 , xn 2 ,..., x3 , x2 , x1
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 Aij 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.

Aij

tmin

tmax

j
dij

Figura 8.1

tmin

tmax

( )

( )

Dac d ij reprezint durata de desfurare a activitii Aij , aceasta

poate avea sau nu o rezerv de timp n funcie de termenele n care se desfoar.
Rezerva total (Rt ) se calculeaz cu formula:
j
i
Rt = t max
t min
d ij

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.

k1

Ak p

Apq

dk p

d pq

Ak p
2

k2
x

q1

dk
Ak

kn

dk

Apq

d pq

p
p

q2

t min

t max

Apq

d pq

Figura 8.2

qn

Momentul cel mai devreme posibil de terminare a tuturor activitilor care

converg n p este:

{(

)(

) (

.p
k1
k2
kn
t ev
min = max t min + d k 1 p ; t min + d k 2 p ;...; t min + d k n p

)}

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

{(

)(

) (

.p
q1
q2
qn
t ev
max = min t max d pq 1 ; t max d pq 2 ;...; t max d pq n

)}

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 aij , una medie probabil

( )

(mij ) i o durat pesimist (bij ).

n acest caz, durata unei activiti are o distribuie beta i se calculeaz cu

relaia:

d ij =

aij + 4mij + bij

6

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 (QM / J / CPM; TM / J / PERT ) sau PERT CPM 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.

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.

Cost

Durata
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.

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 (i, j ) cu o durat dij , vom considera c tm este
termenul minim de ncepere, tMt este termenul maxim de terminare, iar Rij

rezerva total de timp, atunci: Rij = t Mt t m + d ij .

De asemenea, se va nota cu ijk cantitatea de resurs tip k necesar pentru
realizarea activitii (i, j), iar cu Dk 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:
Et = mulimea activitilor proiectului care se execut la momentul t;

Tt = mulimea activitilor care au fost terminate pn la momentul t;

N t = mulimea activitilor neprogramate;
Ct = mulimea activitilor candidate, care sunt potenial posibil s fie programate
la momentul de ncepere t.
Fie:

Ct = PtUAt

unde:

Pt = mulimea activitilor candidate, care sunt programate la momentul t;

At = mulimea activitilor amnate.
Algoritmul programeaz la momentul t activitile din Ct , notate Pt
pentru care:

kt = Dk

ijk 0 ,

Pt Et

k = 1,2,..., m

dar nu exist nici o activitate din At = Ct Pt , astfel ca:

kt ijk ,

k = 1,2,..., m

Activitile din Pt vor fi programate la momentele de ncepere tij = t , iar

activitile din At se vor amna la momentul t + , unde:

min (tij + dij t )

(i, j )P E
t

n continuare, activitile amnate At vor avea termenul de ncepere

tij = t + ; innd cont de aceste termene ca termene impuse, se calculeaz din nou
termenul minim de ncepere pentru activitile neprogramate N t .
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:

N t + = N t \ Pt

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

kt ijk ,

k = 1,2,..., m

programarea activitilor din mulimea candidailor Ct 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 , bi i c j 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
( c j sunt variabile aleatoare)

Modelul de programare liniar are forma:

AX b
X 0
max cX ,

) (c12 , c22 ,..., cn2 );

c1, c1 ,..., c1n ;

pentru c = 1 2

p1;

unde

ph = 1 ,

h =1

p2 ;

...
...

(c1r , c2r ,..., cnr )

pr

iar c hj = valoarea coeficientului c j al funciei

obiectiv care are asociat probabilitatea de realizare ph , pentru

j = 1, ..., n, h = 1, ..., r .

Rezolvarea analitic se poate face prin dou metode.

Metoda 1:
a) Se calculeaz mediile probabiliste ale coeficienilor funciei obiectiv:

cj =

phc hj ,

h =1

b) Se rezolv problema de programare liniar determinist:

AX b
X 0

max c j x j
j =1

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:

AX b
X 0
n

max

c x
h
j

j =1

pentru h = 1, ..., r , i se obin valorile optime ale funciei obiectiv

fl , f 2 ,..., fr
b) Se construiete distribuia de probabilitate a valorilor funciei obiectiv:
f 1 f 2 ... fr

F =

p1 p 2 ... p r
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:

AX b
X 0
max cX

unde b este o mrime aleatoare aleatorie uniform repartizat n intervalul b1i , bi2 ,
pentru i = 1, ..., m .
Rezolvarea analitic
a) Se calculeaz mediile probabilistice ale elementelor termenului liber al
restriciilor:
b1 + b i2
bi = i
, pentru i = 1, ..., m
2
b) Se rezolv problema de programare liniar determinist
AX b
X0
max cX
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 (c1 ) 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 (cs ) 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.

Costul

Cs

CTOT
C1

nopt

n(t) Lotul

Figura 8.5

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
M1
M2

Mn

Valoarea
stocului
V1
V2

Vn

Valoarea
cumulat
C1
C2 = V1 + V2

Cn = Cn-1Vn

V1 > V2 > ... > Vn

b) Trasarea curbei valorilor cumulate
Tabelul nr. 8.2

Grupa
A
B
C

% Valoric
70
20
10
100%

% Cantitativ
10
20
70
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)
cl = cost de lansare
cs = cost de stocare
n0 = cantitatea optim de aprovizionat
t = ciclul de reaprovizionare
Expresii de calcul:

n0 =

2 c1 N
cs T

N T
= = numr de comenzi
n t
nT
t=
= ciclul de reaprovizionare
N
N
c1
= costul total de lansare
n0
1
cs T n0 = costul total de stocare
2
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:
Qi = cererea n unitatea de timp i = 1,2
Tj =aj a perioad ntre dou reaprovizionri
Parametrii de intrare:
c1 = cost lansare
cs = cost stocare

cp = 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
CANTITATEA
N STOC
Q1
q1

q2
Q2
Q3

Q8

Q4
Q5

q3
Q6
Q7

Q13

Q9

q4
Q10
Q11

Q14
Q15

Q12

T1

T2

T4

T3

TIMP

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
TC1 = costul total de lansare
TCs = costul total de stocare
TCp = costul total al ruperii de stoc
Caracteristici operative
f(Q) = densitate de probabilitate pentru cerere
g(T) = densitate de probabilitate pentru perioada T
Identiti

m
Q
Q

i
Qi
QM = i =1 ; SQ = i =1
i =1
m
m
m

2
i

T j
TM =

j =1

cs + c p
2QM c1

cs
cp

;q =

SQ
TM

C = TM QM + K

Schema logic a algoritmului este prezentat n figura 8.7

START
CLOCK:

CITETE
Cl, Cs, Cp,
K, SI, ,
m, n

>

STOP

t:CLOCK

INIIALIZRI
Tcl Tcs Tcp 0
CLOCK t 0
S SI
ij1

SE
GENEREAZ
Tj

t:CLOCK

Lansarea comenzii

SS+q

TcI TcI + cI

t CLOCK + Tj

S S Qi

jj+1

A
SE
GENEREAZ
Qi

CLOCK
CLOCK + 1

S
<0

SE
GENEREAZ
Tj

Tcp Tcp S cp

S0
ii+1
Tcs Tcs + S cs

SE
CALCULEAZ
QM, TM, SQ, C, q

C:S
<

Figura 8.7

>

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
Iz1
Iz
Matricea intrrilor MI = 5
K

Iz2

Iz3

K
Izi

K
K

Ez1
Ez
Matricea ieirilor ME = 5
K

Ez 2

Ez3

K
Ezi

K
K

Iz4
K
K

Izm
Ez 4
K
K

Ez m

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.
CTOT = 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
ST
VT
TID

intervalul de timp aleatoriu dintre dou veniri consecutive;

durata de serviciu (variabila aleatoare);
timpul de ateptare al unui client oarecare n coad;
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:

AVT =

TVT
,
NS

iar timpul mediu de neocupare a staiei (ATID) se calculeaz:

ATID =

TTID
NS

n momentul nceperii simulrii sunt satisfcute urmtoarele condiii

iniiale:

TVT = TTID = 0; ICOUNT = 0; VT = TID = 0 .

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).
START
1

INIIALIZRI
CITIREA PARAMETRILOR
DE INTRARE

GENEREAZ AT

AT = AT VT

GENEREAZ ST
ICOUNT ICOUNT + 1

DA

ST > AT ?

TID
VT=ST AT
TVT = TVT + VT

NU

VT = 0
TID = AT ST
TTID = TTID + TID

DA

ICOUNT<NS
NU
CALCUL PARAMETRI DE
IEIRE I AFIARE
REZULTATE

STOP

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;

C
I
NT

- constant cu ajutorul creia se avanseaz ceasul;

- variabil ntreag care desemneaz lungimea curent a cozii;
- 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

START
INIIALIZRI I
CITIREA PARAMETRILOR
DE INTRARE
GENEREAZ AT

TAT = TAT AT
CLOCK = CLOCK + C

3
4

DA

I=I+1
VT= TST TAT
TVT = TVT + VT

10

DA

CLOCK>TAT ?

NU

I=0?

TID = TAT TST

TID = TTIT TID
TST = TAT

DA

NU

TAT < TST

NU

11

I=I1

12

13

CLOCK = CLOCK + C

DA

NU

CLOCK>TST TID ?

CLOCK = CLOCK + C
GENEREAZ AT
TAT = TAT + AT

9
16

DA

GENEREAZ ST
TST = TST + ST

15

CLOCK<NT
NU

SE CALCULEAZ PARAMETRII
DE IEIRE/AFIARE
Figura REZULTATE
nr.

Figura 8.9

17

STOP

14

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
ADC/COST
ADC/resurse
alocare
analiza ABC
analiza drumului critic
ASTFIX
Bellman
cantitate de aprovizionat
categorie de calificare
ceas fix
ceas variabil
cerere de consum
cererea pieei
comand
cost de reaprovizionare
cost de stocare
cost total minim
CPM
disciplina serviciului
efect economic
EOQ
euristic
fond bnesc

funcie de repartiie
model de ateptare
model stochastic
numr de servicii
numr staii de serviciu
obiective
PERT
Poisson
politic optim
programare dinamic
resurse
rezerva de timp
ritm de aprovizionare
ritm de consum
rupere de stoc
simulare
stoc
STOCMAT
subpolitic
teoria stocurilor
timpul de ateptare al clienilor
timpul de servire
variabil de stare

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

# ntrebri recapitulative
1.
2.
3.

4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.

De ce permite teorema de optimalitate a lui Bellman armonizarea

obiectivelor cu resursele unei ntreprinderi?
Ce explicaie economic dai faptului c procesele de produciestocare pot fi modelate cu programare dinamic?
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.
n ce const importana utilizrii metodei analizei drumului critic
pentru managementul unei organizaii? Exemplificai pentru diferite
aspecte.
Ce diferen este ntre metoda CPM i PERT n privina datelor de
intrare n model?
Comentai funcia cost-durat. n ce const rezolvarea n sistem
conversaional?
Care sunt facilitile oferite de simularea problemelor de drum critic
pentru managementul firmei?
n cazul unui proiect complex atunci cnd se face alocarea
resurselor, histogramele se fac individual pentru fiecare resurs. De
ce?
Care este accepiunea managerial a gestiunii stocurilor?
Care sunt etapele de rezolvare practic a problemelor de gestiune a
stocurilor? Ce importan are respectarea lor?
Este vreo legtur ntre gruparea selectiv a stocurilor i
posibilitile de modelare economic-matematic? De ce?
Explicai schema logic a algoritmului de simulare a procesului de
stocare cu ceas fix.
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).
Ce criteriu economic ai folosit prin utilizarea produsului informatic
STOCMAT?
Prin ce se difereniaz algoritmul de simulare a unui sistem de
ateptare cu ceas variabil de cel cu ceas fix?
Ce este un model de programare stochastic? Exemplificai n cazul
unei organizaii.
Cum se poate realiza analiza riscului unei variante decizionale?
Cum poate fi utilizat simularea Monte Carlo pentru rezolvarea
modelelor stochastice?