Probleme de Management

PROBLEME DE MANAGEMENT
Gheorghe MILITARU
CUPRINS
Prefa (4)
1. DECIZII MANAGERIALE (5)
2. Problema 1. Decizii n condiii de certitudine (6)
3. Problema 2. Folosirea valorii ateptate pentru adoptarea deciziilor n condiii de risc (8)
4. Problema 3. Arbori de decizie (9)
5. MODELE DE OPTIMIZARE BAZATE PE ALGORITMUL SIMPLEX (11)
6. Problema 4. Opimizarea sortimentului de fabricaie (12)
7. Metoda simplex (16)
8. Problema 5. Aplicarea metodei simplex pentru rezolvarea unei probleme de programare
liniar (19)
9. Problema 6. Rezolvarea problemelor de programare liniar folosind
metoda Big-M (22)
10. Problema 7. Analiza de sensibilitate n cazul problemelor de programare liniar (25)
11. MSURAREA CALITII SERVICIILOR (29)
12. Problema 8. Msurarea calitii serviciilor folosind instrumentul SERVQUAL (32)
13. Problema 9. mbuntirea calitii serviciilor folosind metoda QFD (37)
14. PROGNOZE ECONOMICE (43)
15. Modele subiective pentru prognoza cererii (43)
16. Problema 10. Elaborarea unei prognoze prin utilizarea tehnicii Delphi (44)
17. Problema 11. Elaborarea prognozei prin analiza de impact transversal (44)
18. Modele cauzale (45)
19. Problema 12. Determinarea impactului eforturilor promoionale asupra vnzrilor (47)
20. Problema 13. Analiza datelor colectate de la respondeni cu privire la atitudinea lor fa de
brandul SAMSUNG (televizoare) (49)
21. Problema 14. Testarea ipotezelor (54)
22. Problema 15. Analiza preferinelor clienilor pentru telefoane mobile n funcie de trei
variabile independente: conectivitate, autonomie i dimensiunea ecranului (60)
23. Modele bazate pe serii de timp (62)
24. Problema 16. Determinarea gradului de ocupare a unui hotel folosind media mobil (63)
25. Problema 17. Determinarea gradului de ocupare a unui hotel din Poiana Braov folosind
metoda ajustrii exponeniale (64)
26. REZOLVAREA PROBLEMELOR DE TRANSPORT (66)
27. Problema 18. Determinarea planului optim de transport al unei companii de buturi
rcoritoare (68)
28. OPTIMIZAREA
PROCESELOR
DE
FURNIZARE
SERVICIILOR
PRIN
MODELAREA COZILOR DE ATEPTARE (76)

29. Problema 19. Optimizarea sistemului de servire cu un ir de ateptare i o singur
staie de servire (78)
30. MODELAREA AFACERILOR FOLOSIND LANURILE MARKOV (81)
31. Problema 20. Modelarea sistemului de cloud computing folosind analiza Markov (83)
32. TEHNICI PENTRU MANAGEMENTUL PROIECTELOR (86)
33. Graficul Gantt (86)
34. Problema 21. Programarea activitilor folosind graficul Gantt (87)
35. Metoda drumului critic (87)
36. Problema 22. Optimizarea implementrii unui proiect folosind metoda CPM (88)
37. Metoda PERT (90)
38. Problema 23. Determinarea probabilitii de finalizare a unui proiect la termenul
prevzut - Dcr (91)
39. EVALUAREA PERFORMANEI FINANCIARE A UNEI FIRME (93)
40. Problema 24. Analiza situaiilor financiare ale firmei S.C. Cristal SRL (94)
41. BIBLIOGRAFIE (102)
Prefa
Prezenta lucrare este conceput ca o surs complementar de documentare pentru cei care
studiaz discipline din domeniul managementului. Lucrarea prezint mai multe instrumente de
management folosite n rezolvarea problemelor din acest domeniu, de exemplu, optimizarea
problemelor de management prin utilizarea modelelor de programare liniar ce se rezolv
folosind algoritmul simplex, elaborarea de prognoze n marketing folosind lanurile Markov,
msurarea calitii serviciilor folosind chestionarul SERVQUAL i matricea QFD, rezolvarea
problemelor din domeniul managementului proiectelor prin utilizarea tehnicilor de optimizare n
reea .a.
Toate tehnicile i metodele folosite pentru rezolvarea problemelor de management vizate
n aceast lucrare sunt explicate prin prezentarea unor aplicaii reprezentative. Lucrarea conine
mai multe categorii de probleme de management frecvent ntlnite n practic, cum ar fi
optimizarea sortimentului de fabricaie, reducerea cheltuielilor de transport, evaluarea
performanei financiare a unei firme, managmentul proiectelor, msurarea calitii serviciilor .a.
S-a avut n vedere ca explicaiile s i ajute pe cei interesai s neleag i s rezolve
diferite alte probleme din categoriile vizate de aceast lucrare. Rezultatele exprimate cu ajutorul
instrumentelor de management folosite pentru rezolvarea problemelor abordate sunt estimri care
au mai mult un rol didactic.
Principalii beneficiari ai acestei lucrri sunt studenii care studiaz discipline de
management sau cei care sunt interesai de acest domeniu. Pentru ei, coninutul lucrrii i poate
ajuta s-i fixeze mai bine cunotinele dobndite la curs. Se caut astfel o mbuntire a
abilitilor practice pe care absolvenii trebuie s le dein n domeniul afacerilor pentru a face
fa cerinelor pieei muncii.
Bucureti, 2013
Autorul
1. DECIZII MANAGERIALE
Managerii ca decideni trebuie s fac o alegere ntre dou sau mai multe variante
decizionale. O dificultate major n realizarea acestui obiectiv deriv din incertitudinea existent
sau lipsa de informaii cu privire la ce se va ntmpla n viitor. Prin urmare, decidentul trebuie si asume un anumit risc n funcie de situaia decizional pe care ncearc s o rezolve. Un
instrument util este tabelul decizional care permite organizarea calculelor i structurarea gndirii
cu privire la decizia ce urmeaz a fi adoptat.
Tabelele decizionale sunt alctuite din patru componente cheie: variantele sau variabilele
decizionale, strile naturii (factorii din mediul intern sau extern organizaiei care pot influena
rezultatele generate de o variant decizional), probabilitile de realizare a acestor stri i
rezultatul sau consecinele generate de fiecare variant decizional n funcie de strile naturii
luate n considerare [3].
Variantele decizionale sunt soluii posibile la problema decizional. Dintre cele luate n
considerare numai una trebuie s fie selectat. De multe ori, nu sunt luate n considerare toate
variantele posibile, ci numai o fraciune dintr-o gam limitat. Selecia trebuie efectuat dintr-o
mulime de soluii fezabile, iar utilizarea tabelelor decizionale este posibil numai atunci cnd
exist un numr finit de variante decizionale.
Factorii care influeneaz variantele decizionale sau strile naturii trebuie, de asemenea,
cunoscui. De exemplu, o stare a naturii poate fi starea n care se afl economia (cretere,
recesiune sau stagnare), costul capitalului (mare sau redus) etc. Evoluia acestor factori nu poate
fi influenat de aciunile unilaterale ale managerilor.
Probabilitile strilor naturii sunt folosite pentru a modela evoluia factorilor care
influeneaz rezultatele pentru fiecare variant decizional n parte. Aceste probabiliti sunt
utilizate pentru a cuantifica ansele care exist pentru ca o anumit stare a naturii s se realizeze.
Suma tuturor probabilitilor trebuie s fie unitar [1].
Rezultatul sau consecina asociat cu o anumit variant decizional i o valoare specific
a strii naturii poate fi identificat ntr-un tabel decizional ca fiind la intersecia variantei
decizionale vizate (rnd) cu starea specific a naturii (coloana). Aceste rezultate pariale pot fi
notate aij. Consecinele n majoritatea cazurilor sunt monetare. Cu toate acestea, exist cazuri n
care rezultatele sunt exprimate i n alte uniti de msur.
5
Procesul de adoptare a deciziei const n identificarea problemelor i a oportunitilor, iar

apoi se trece la determinarea soluiilor fezabile pentru rezolvarea lor. Deciziile manageriale se
ncadreaz n dou categorii: programate i neprogramate. Deciziile programate implic situaii
ce se produc frecvent permind astfel dezvoltarea de reguli decizionale care se pot aplica n
viitor. Deciziile neprogramatice sunt adoptate ca rspuns la situaii decizionale care sunt unice
sau vag definite i n mare parte nestructurate, dar genereaz consecine importante pentru
organizaie. De exemplu, decizia de a dezvolta un produs nou sau construcia unei capaciti noi
de producie. Diferena major dintre deciziile programate i cele neprogramante este nivelul de
incertitudine cu care se confrunt managerii. De multe ori, managerii caut s obin informaii
suplimentare despre variantele decizionale pentru a reduce incertitudinea decizional.
Situaiile decizionale sunt n mod frecvent clasificate n funcie de nivelul de cunoatere al
decidendului cu privire la problema pe care acesta trebuie s o rezolve. Practic, exist decizii n
condiii de certitudine, de risc sau incertitudine [8].
a) Decizii n condiii de certitudine. n acest caz, se presupune c decidentul
beneficiaz de informaii complete necesare pentru adoptarea deciziilor, iar acesta tie exact ce
rezultat se va obine pentru fiecare variant decizionl luat n considerare. Astfel de situaii
decizionale sunt considerate ca fiind deterministe. Deciziile n condiii de certitudine nseamn c
toate informaiile de care are nevoie decidentul sunt disponibile. Astfel, managerii dein
informaii despre costul resurselor, costul operaiilor, variantele decizionale i rezultatul posibil
pentru fiecare din acestea. Aceste decizii sunt specifice situaiilor care modeleaz evoluii ale
fenomenelor economice pe termen scurt. De exemplu, dac un ntreprinztor analizeaz
oportunitatea unei investiii de 100000 lei ntr-un echipament, el tie cu certitudine c aceasta va
produce n medie un profit de 20000 lei/an. Totui, puine decizii sunt certe n mediul economic
real. Majoritatea sunt afectate de incertitudine.
Problema 1. Decizii n condiii de certitudine
Managerul departamentului de mentenan al unei companii din domeniul auto analizeaz
repartizarea mecanicilor Ion, Vasile i Radu pentru efectuarea de lucrri de reparaii la trei utilaje
(A, B i C) folosind criteriul minimizrii timpului de reparaii. n tabelul urmtor sunt prezentate
toate informaiile disponibile pentru adoptarea deciziilor de repartiie a celor trei mecanici, timpii
de intervenie sunt exprimai n ore.
6
Echipament
Mecanic
Ion
Vasile
Radu
n tabelul urmtor sunt prezentate alternativele care cuprind toate repartizrile posibile i
timpii de intervenie afereni. Se observ c exist o singur coloan ce prezint toate rezultatele
posibile. Criteriul folosit pentru a determina soluia optim este timpul minim de reparaii a
tuturor echipamentelor. Prin compararea tuturor rezultatelor posibile se gsete varianta a1 ca
fiind cea mai bun, ntruct timpul total necesar pentru reparaia tuturor echipamentelor este de
14 ore. Prin urmare decizia managerului privind repartizarea celor trei mecanici este reprezentat
de varianta a1.
Alternative decizionale
Rezultate posibile
a1: Ion A, Vasile-B, Radu-C
3 + 9 + 2 = 14
a2: Ion A, Vasile-C, Radu-B
3 + 6 + 8 = 17
a3: Ion B, Vasile-A, Radu-C
7 + 7 + 2 = 16
a4: Ion B, Vasile-C, Radu-A
7 + 6 + 4 = 17
a5: Ion C, Vasile-B, Radu-A
4 + 9 + 4 = 17
a6: Ion C, Vasile-A, Radu-B
5 + 7 + 8 = 20
Decizii n condiii de risc nseamn c decidentul are obiective clare i deine informaii
suficient de bune, dar rezultatele viitoare asociate cu fiecare variant decizional sunt afectate de
incertitudine. Astfel, exist suficiente informaii disponibile pentru a putea estima probabilitile
de realizare a rezultatelor pentru fiecare variant decizional. Analiza statistic poate fi utilizat
pentru a estima probabilitile de realizare. Msurarea riscului se bazeaz pe probabilitatea ca
anumite evenimente viitoare vor putea conduce la eec [8].
Situaiile decizionare n care ansele sau probabilitile de a se produce fiecare stare a
naturii sunt cunoscute sau pot fi estimate se ncadreaz n cazul deciziilor n condiii de risc. n
astfel de cazuri, decidentul poate evalua gradul de risc pe care i-l asum lund n considerare
distribuiile de probabilitate aferente. Prin definiie, o probabilitate este frecvena relativ a unui
7
eveniment de a se produce atunci cnd o situaie este repetat de mai multe ori, n circumstane
identice. Exist dou abordri pentru evaluarea probabilitilor aferente strilor naturii: una
obiectiv i alta subiectiv [1].
Probabilitile obiective pot fi derivate fie pe baza datelor istorice sau bazndu-se pe
experimente. Astfel, probabilitile obiective se bazeaz pe observaii privind evenimentele
trecute, date experimentale sau pe ambele. Probabilitile subiective se bazeaz pe ncrederea
care exist n realizarea unui rezultat dat n viitor. Probabilitile subiective sunt judeci intuitive
despre probabilitile strilor naturii, realizate de persoane care posed expertiza necesar n
domeniul respectiv [1].
Selectarea variantei decizionale optime dintr-o mulime de soluii fezabile se poate realiza
folosind criterii de selecie ca: valoarea ateptat, pierderea de oportunitate ateptat sau starea
naturii cea mai probabil.
Problema 2. Folosirea valorii ateptate pentru adoptarea deciziilor n condiii de risc
Un investitor examineaz trei variante de investiii (A, B, C) n contextul evoluiei
economiei (cretere, stagnare i recesiune) cu probabilitile 0,3; 0,5 i 0,2. n funcie de varianta
decizional aleas i de starea naturii realizat se obine o anumit rat a ctigului pentru o
investiie dat. Folosind datele prezentate n tabelul urmtor se poate determina varianta
decizional optim.
Strile naturii
Probabiliti
0,3
0,5
0,2
cretere
stagnare
recesiune
10
6,9
12
6,8
15
11,8
Variante decizionale
Valoarea ateptat
max
Valoarea ateptat pentru fiecare variant decizional se calculeaz prin multiplicarea

fiecrui rezultat parial (rata ctigului) cu probabilitatea corespunztoare. Apoi, se selecteaz
varianta decizional optim din mulimea variantelor fezabile luate n considerare. Pentru a
realiza acest obiectiv, se identific cea mai mare valoare ateptat din mulimea de valori
calculate. n cazul nostru, valoarea ateptat este 11,8, iar aceasta va indica varianta decizional
C ca fiind cea mai bun soluie din cele analizate.
n practic exist nevoia de a lua o succesiune de decizii pe parcursul mai multor intervale
de timp. O decizie se poate lua la nceputul perioadei i consecinele viitoare vor fi estimate fie n
funcie de valoarea prezent sau de pierderile posibile care se pot produce. Prin urmare,
decidentul trebuie s ia simultan n considerare o serie ntreag de decizii. Instrumentul care se
potrivete cel mai bine pentru a adopta decizii n aceste condiii este arborele de decizie. n
esen, arborele ofer posibilitatea exprimrii grafice a tabelelor decizionale n form de arbore.
Arborii de decizie ofer posibilitatea unei prezentri grafice a proceselor de decizie
secveniale. Un arbore de decizie este alctuit din urmtoarele elemente: puncte decizionale,
alternative decizionale, strile naturii, noduri de anse i consecine posibile. Punctele decizionale
(reprezentate prin dreptunghiuri) desemneaz locul unde decidentul trebuie s aleag o variant
decizional dintr-un numr finit de alternative posibile. Nodurile de anse reprezentate prin
cercuri indic evenimentele care se pot produce cu o anumit probabilitate. Exist un numr finit
de stri ale naturii care se pot produce. Strile naturii sunt prezentate sub forma unui arbore
orientat spre dreapta. Fiecare stare a naturi poate fi urmat de o consecin sau un punct
decizional [11], [20].
Procesul de construire a unui arbore de decizie poate fi divizat n mai multe etape. Pentru
nceput se construiete un arbore logic care include toate punctele decizionale, punctele de anse
i arce aranjate n ordine cronologic. Dup aceast etap sunt prezentate probabilitile strilor
naturii pe arce, formnd astfel un arbore de probabiliti. n final, se adaug pe arbore
consecinele generate de fiecare variant decizional pentru fiecare stare contribuind la
completarea arborelui de decizie.
Problema 3. Arbori de decizie

Un investitor analizeaz trei posibile variante de investire: (1) s cumpere obligaiuni, (2) s
achiziioneze aciuni i (3) s constituie un depozit bancar. Indiferent de varianta pe care o
selecteaz ctigurile investitorului depind de evoluia economiei pe orizontul de timp n care se
face analiza. Din aceast perspectiv exist trei stri posibile: economia s creasc, s stagneze
sau s intre n recesiune. n figura 1 este prezentat arborele de decizie aferent acestei situaii
9
decizionale mpreun cu datele aferente. Se observ c la fiecare nod de ans se determin

valoarea ateptat prin multiplicarea probabilitilor de realizare cu ctigurile poteniale
specifice fiecrei anse. Valoarea ateptat (VA) n fiecare nod de anse este prezentat ntr-un
dreptunghi, iar probabilitile de realizare sunt poziionate pe arcele care configureaz fiecare
evoluie posibil din aceste noduri de anse [18] [1].
p = 0,4 ; Cretere; Rp= 10%

VA=6,4%
p = 0,3 ; Stagnare; Rp= 5%
Obligaiuni
VA = 6,6%
p = 0,3 ; Recesiune; Rp= 3%

p = 0,4 ; Cretere; Rp= 12%
Aciuni
VA=6,6%
B
VA= 4,3%
p = 0,4 ; Cretere; Rp= 7%
Depozit bancar

Figura 1. Arborele de decizie pentru analiza unei investiii

Pentru fiecare variant decizional se calculeaz valoarea ateptat n fiecare nod A, B i
C, iar n punctul decizional 1 se compar valorile ateptate prezentate prin datele trecute n
dreptunghiuri i poziionate deasupra nodurilor de ans. Calculul valorilor ateptate n punctul A
se determin astfel: 0,4 x 10% + 0,3 x 5% + 0,3 x 3% = 6,4%. Decizia este determinat de
valoarea ateptat care are valoarea cea mai mare. n cazul nostru, valoarea ateptat n punctul B
este de 6,6% i indic decizia de a achiziiona aciuni, deoarece prin acest plasament investitorul
obine cel mai mare ctig.
10
2. MODELE DE OPTIMIZARE BAZATE PE ALGORITMUL SIMPLEX

Optimizarea sortimentului de producie sau mixul de producie nseamn c dou sau
mai multe produse pot fi fabricate folosind un volum de resurse limitat. Managementul trebuie s
stabileasc cte uniti din fiecare produs trebuie fabricate pentru a maximiza profitul companiei,
utiliznd doar resursele disponibile. O astfel de problem se poate rezolva folosind programarea
liniar (PL) ce se bazeaz pe algoritmul simplex [18].
Programarea liniar (PL) este o tehnic matematic utilizat pentru selectarea mixului de
fabricaie la o unitate de producie n condiiile n care se urmrete cea mai bun utilizare a
echipamentelor de producie i a forei de munc disponibile, urmrind astfel maximizarea
profitului. De asemenea, programarea liniar poate fi utilizat pentru determinarea sistemului de
distribuie care va conduce la minimizarea costului total de transport sau la elaborarea unui
program de producie care satisface cererea viitoare pentru produsele firmei i n acelai timp
minimizeaz costurile de producie i de stocare [11].
Un model de programare liniar are trei componente importante: (1) variabilele
decizionale sunt cantitile de resurse controlate de decident i sunt reprezentate prin simboluri
matematice. De exemplu, variabila decizional xi ar putea reprezenta numrul de calculatoare de
tip i pe care o companie le va putea produce n cteva luni. Astfel, variabilele decizionale pot lua
diferite valori, cu toate acestea, decidentul trebuie s gseasc cea mai bun soluie prin
rezolvarea modelului operaional, (2) funcia obiectiv definete criteriul de evaluare i identificare
a soluiei optime. Aceasta este o funcie matematic ce depinde de variabilele decizionale. De
exemplu, funcia obiectiv poate reprezenta profitul sau costurile de producie i depinde de mai
multe variabile decizionale. De exemplu, de cantitile de calculatoare produse n funcie de
categorie. De asemenea, funcia obiectiv trebuie s specifice o direcie de optimizare, fie de
maximizare sau de minimizare i (3) sistemul de restricii reprezint un ansamblu de ecuaii sau
inecuaii ce reflect constrngerile de natur fizic, economic, tehnologic sau legislativ la care
sunt supuse valorile numerice aferente variabilelor decizionale. Restriciile nseamn c resursele
pot fi consumate n limitele lor de disponibilitate. Astfel, n modelele de optimizare bazate pe
restricii noi gsim valorile aferente variabilelor decizionale care maximizeaz sau minimizeaz o
funcie obiectiv, satisfcnd n acelai timp sistemul de restricii asociat [15].
11
n majoritatea aplicaiilor funcia obiectiv i sistemul de restricii asociat conin constante

numerice. Aceste constante pot reprezenta preuri, cereri de produse, coeficieni tehnologici sau
limite de consum pentru resurse i se mai numesc parametri sau coeficieni. Valorile parametrilor
sunt fixate ca parte a modelului pe cnd valorile pe care le iau variabilele decizionale sunt
controlate de decident i sunt determinate prin rezolvarea modelului. Modelul de programare
construit este liniar, deoarece funcia obiectiv i funciile ce compun sistemul de restricii sunt
toate liniare [16].
Exist cteva avantaje importante pentru managementul unei organizaii furnizate de
modelele de optimizare. Dintre acestea cele mai importante sunt urmtoarele: (1) reducerea
incertitudinii unei probleme, deoarece modelarea matematic nseamn identificarea ipotezelor i
a criteriilor care sunt utilizate n procesul de optimizare, aceast abordare poate elimina
dezacordurile i contribuie la determinarea legturilor care exist ntre variabile, limitnd astfel
interpretrile subiective, (2) faciliteaz o mai bun nelegere a problemelor complexe, deoarece
mintea uman este incapabil s surprind i s evalueze eficient toate aspectele unei probleme
complexe, (3) formarea unei gndiri sistemice deoarece decidentul trebuie s gndeasc
problema de management ntr-un mod sistemic, concis i organizat, prin delimitarea clar a
variabilelor decizionale, a criteriilor ce vor fi utilizate pentru evaluare i a restriciilor care vor
limita intervalul de variaie al variabilelor i (4) faciliteaz analiza de sensibilitate sau
parametric, deoarece n multe cazuri managerii doresc s cunoasc ct de sensibil este soluia
optim la ipotezele modelului sau la modalitatea prin care soluia optim se va modifica atunci
cnd valorile parametrilor se schimb fa de nivelele lor iniiale [18], [16].
Problema 4. Opimizarea sortimentului de fabricaie
O companie specializat n producia de echipamente de supraveghere video are n
portofoliul su dou variante V1 i V2. Procesul de producie pentru ambele produse este similar
i necesit un anumit numr de operaii pentru fabricaia plcilor cu componente electronice
(circuite imprimate) i a subansamblurilor, precum i o linie de asamblare final. Se tie c pentru
fiecare sistem de supraveghere de tip V1 sunt necesare 4 ore pentru realizarea subansamblurilor i
2 ore pentru asamblare. Fiecare sistem de supraveghere V2 necesit 3 ore pentru realizarea
subansamblurilor i o or pentru asamblare. Fondul de timp disponibil al sistemului de producie
12
este de 240 de ore pentru realizarea de plci i subansambluri i 100 de ore pentru asamblare, n
perioada n care se face optimizarea. Profitul unitar generat de sistemul de supraveghere V1 este
de 140 lei, iar cel generat de V2 este de 100 lei.
Compania este interesat n determinarea celei mai bune combinaii de fabricare a celor
dou variante de produs, astfel nct profitul s fie maxim. n tabelul 1 sunt prezentate variabilele
de baz ale modelului de optimizare i limitele lor de variaie. Pentru fiecare sistem de
supraveghere sunt prezentate cerinele privind timpul necesar pentru fabricarea unei uniti.
Numrul de uniti produse din fiecare tip de sistem n parte sunt notate cu x1 pentru varianta V1
i cu x2, n cazul variantei V2.
Tabelul 1. Structura de fabricaie a sistemelor de supraveghere
Secia de producie
Electronic
Asamblare
Profit unitar
V1 (x1)
4
2
140
V2 (x2)
3
1
100
Fondul de timp disponibil [ore]

240
100
Funcia obiectiv care trebuie s fie maximizat n funcie de cele dou variabile x1 i x2
este urmtoarea:
[maxim] Profit = 140x1 + 100x2
Timpul disponibil pentru fabricaie este resursa care limiteaz volumul de producie.
Adic, volumul de resurse disponibil trebuie s fie mai mare sau egal cu consumul efectiv al
acestora. Prin urmare, timpul folosit pentru realizarea subansamblurilor trebuie s fie mai mic
dect timpul disponibil: 4x1 + 3x2 240, iar timpul pentru asamblarea produselor trebuie s fie
mai mic dect fondul de timp disponibil pentru aceast faz: 2x1 + x2 100. Aceste restricii sunt
specifice capacitilor de producie i, desigur, afecteaz profitul total.
Rezolvare: Soluia 1 folosirea metodei geometrice (grafic) pentru maximizarea
funciei obiectiv n cazul problemelor de programare liniar. Metoda geometric pentru
rezolvarea unei probleme de PL se poate utiliza numai atunci cnd exist dou variabile
decizionale. Cnd exist mai multe variabile se vor utiliza alte metode, de exemplu algoritmul
SIMPLEX.
13
n prima faz pentru a gsi soluia optim trebuie s identificm mulimea soluiilor
fezabile. Primul pas n acest demers const n reprezentarea grafic a restriciilor problemei.
Variabila x1 genereaz axa orizontal a graficului i variabila x2 axa vertical. n plus, fa de
restriciile anterioare mai trebuie introduse restriciile de non-negativitate x1 0 i x2 0,
deoarece numrul sistemelor de supraveghere, indiferent de tip, nu poate fi negativ. n figura 2
sunt reprezentate grafic toate restriciile. Zona haurat este cea care satisface toate restriciile i
reprezint mulimea soluiilor fezabile.
O combinaie (x1, x2) din zona de fezabilitate, de exemplu (90, 100) nu poate fi o soluie,
deoarece violeaz ambele restricii. Odat ce mulimea soluiilor fezabile a fost identificat mai
multe metode pot fi utilizate pentru a determina soluia optim. Cea mai rapid este metoda liniei
izoprofitului.
Metoda izoprofitului ncepe prin stabilirea n mod arbitrar a unei valori pentru profit, de
exemplu 2100 lei. Acesta este un nivel al profitului ce poate fi obinut relativ uor fr a nclca
restriciile asociate modelului. Astfel, funcia obiectiv poate fi scris astfel: 2100 = 140x1 +
100x2. Aceasta este chiar ecuaia unei drepte pe care noi o numim dreapta izoprofitului.
Aceast dreapt reprezint toate combinaiile (x1, x2) care produc un profit total de 2100 lei.
Numrul de
sisteme V2
X2
asamblare
Mulimea
soluiilor
fezabile
80
M (30, 40)
Producie subansambluri
50
Linia izoprofitului
60
X1
Numrul de sisteme V1
Figura 2. Reprezentarea grafic a unei probleme de programare liniar
14
Urmtorul pas const n reprezentarea pe grafic a liniei izoprofitului. Toate punctele care
se gsesc pe aceast dreapt reprezint soluii fezabile ce produc un profit de 2100 lei. Se observ
pe grafic c 2100 lei nu este cel mai mare profit. Prin urmare, pentru a gsi profitul maxim vom
translata dreapta izoprofitului spre dreapta asigurndu-ne tot timpul c intersecia dreptei
izoprofitului cu mulimea soluiilor fezabile nu este vid. Punctul M (x1=30, x2=40) reprezint
ultima poziie n care intersecia celor dou mulimi nc este diferit de mulimea vid. Prin
urmare, acest punct reprezint soluia optim ce maximizeaz profitul: x1=30 , x2=40 i profit =
8200 lei.
Soluia 2 - metoda vrfurilor linie poligonale reprezint o alt modalitate de a rezolva o
problem de PL. Aceast metod este mai simpl dect cea grafic bazat pe linia izoprofitului i
se reduce la calcularea profitului n fiecare vrf al liniei poligonale ce delimiteaz mulimea
valorilor fezabile i contribuie la identificarea vrfului cu profitul cel mai mare ale crui
coordonate reprezint soluia cutat. n figura 3 este reprezentat graficul i linia poligonal
aferent.
x2 varianta V2
B
M (30, 40)
A
C
x1
varianta V1
Figura 3. Mulimea soluiilor fezabile i linia poligonal nchis ce o delimiteaz
15
Metoda se aplic astfel: n fiecare vrf al liniei poligonale se calculeaz funcia obiectiv
profitul companiei, dup aceea se identific coordonatele punctului cu potenialul cel mai mare
de a genera profit.
-
A(x1=0, x2=0) Profit = 0 lei;
B(x1=0, x2=80) Profit = 8000 lei;
C(x1=50, x2=0) Profit = 7000 lei;
M(x1=30, x2=40) Profit = 8200 lei (maxim).
Deoarece punctul M produce cel mai mare profit, combinaia x 1=30 i x2=40 este soluia
optim. Aceast soluie va produce un profit de 8200 lei/sptmn.
Metoda izocost este folosit pentru a minimiza o funcie obiectiv care reflect eforturile
sau consumurile de resurse pentru companie, cum ar fi costul total de fabricaie. Se va calcula
costul n fiecare vrf al liniei poligonale nchis i se va selecta vrful cu costul cel mai mic, iar
costul acelui vrf reprezint soluia optim.
Metoda simplex
Metoda bazat pe aplicarea algoritmului simplex ncepe prin identificarea unei soluii
fezabile iniiale. Plecnd de la aceast soluie particular algoritmul exploreaz pas cu pas alte
soluii care aduc o mbuntire incremental a funciei obiectiv. n momentul n care nu se mai
poate mbuntii valoarea funciei obiectiv, atunci soluia gsit este cea optim [16].
Aplicarea algoritmului simplex necesit mai nti transformarea problemei de PL din
forma standard n forma canonic. n acest sens, trebuie s fie ndeplinite urmtoarele condiii:
(1) toate restriciile trebuie s fie pozitive, (2) toate restriciile trebuie transformate n egaliti i
(3) toate variabilele trebuie s fie 0. Modelul de PL se afl de la nceput sub forma canonic
numai n cazuri foarte rare. Practic, n majoritatea cazurilor trebuie realizat transformare n
form canonic a problemei de programare liniar [19].
Transformarea modelului n forma canonic necesit urmtoarele operaii:
transformarea inegalitilor negative n inegaliti pozitive. De exemplu, s considerm
urmtoarea restricie: 2x1 + 4x2 3x3 - 7. Partea dreapt a inegalitii poate fi
transformat din forma negativ n una pozitiv prin multiplicarea fiecrei restricii de
acest tip cu -1, astfel restricia devine: -2x1 -4x2 + 3x3 7;
16
toate inegalitile trebuie s fie transformate n egaliti. Prin introducerea unor variabile
nenegative numite variabile libere se pot transforma inegalitile n egaliti. S
considerm pentru nceput restriciile de forma , de exemplu, 6x1 + 5x2 17. Dac
definim o nou variabil a1, atunci restricia devine: 6x1 +5x2 +a1 = 17, unde a1 0. n
cazul restriciilor de forma , egalitile se pot obine prin definirea altor variabile
libere. De exemplu, fie restricia urmtoare 10x1 + 6x2 4, definim o alt variabil liber
a2 i inegalitatea se transform astfel: 10x1 + 6x2 a2 = 4, cu a2 0;
toate variabilele modelului trebuie s fie pozitive. Se consider faptul c toate variabilele
sunt pozitive. Dac nu se ntmpl aa, modelul de PL trebuie s fie formulat din nou
astfel nct aceast cerin s fie respectat;
fiecare restricie trebuie s aib o variabil liber cu coeficientul +1. n cazul unei
restricii de forma 10x1 + 4x2 22, noi trebuie s transformm inegalitatea n egalitate
prin utilizarea unei variabile libere a1 i se obine: 10x1 + 4x2 a1 = 22. Se observ c
apare un coeficient negativ (-1) asociat variabilei libere a1. n acest caz, se introduce o a
doua categorie de variabile numite variabile artificiale, z. Exemplul nostru devine 10x1 +
4x2 a1 + z1 = 22. Variabilele artificiale se folosesc ntr-o problem de PL pentru un
singur scop i anume s acioneze ca variabile de baz pentru a permite ca algoritmul s
poat fi aplicat. Prin urmare, o variabil artificial este o variabil din baz.
Formalizarea procedurii de aplicare a algoritmului simplex necesit folosirea tabelelor
simplex. ntr-un tabel simplex numele variabilelor este omis i se lucreaz numai cu coeficienii
relevani. n figura 4 este prezentat structura unui tabel simplex.
Lista
Coeficienii
variabilelor
funciei
din baz
obiectiv
R.1 Coeficienii sistemului
de restricii
R.2 Coeficienii funciei
obiectiv, cj
Rndul zj
Rndul cj - zj
Variabile decizionale
x1
..
...
...
x2 ..
...
...
...
xm
...
...
...
Variabile (surplus)
libere
a1
a2
.
...
..
...
...
...
...
...
...
...
Cantiti / resurse
bi
Pierderea pe unitatea de resurse

Testul de optimalitate
Figura 4. Structura unui tabel SIMPLEX
17
ntr-un tabel SIMPLEX pentru fiecare variabil este repartizat cte o coloan, sub fiecare
variabil sunt trecui coeficienii prin plasarea lor n coloanele corespunztoare. Rndul R.2 este
numit rndul coeficienilor funciei obiectiv sau rndul cj. Coeficienii funciei obiectiv pentru
fiecare variabil n parte sunt poziionai pe acest rnd, inclusiv cei nuli. Rndul R.1 conine
coeficienii restriciilor. Elementele de pe aceste rnduri sunt notate cu aij, unde i indic numrul
restriciei i j precizeaz variabila ce este multiplicat. De exemplu, a21= 10 este coeficientul din a
doua restricie (10x1 + 6x2 8) ce multiplic prima variabil.
Termenii liberi ai sistemului de restricii sunt cunoscui ca fiind plasai n coloana b.
Astfel, elementul din rndul i din aceast coloan va fi numit bi. Ultimele dou rnduri ale
tabelului sunt folosite pentru a determina dac soluia curent i cea fezabil din baz este
optim, dac nu, trebuie identificat variabila care este introdus n baz pentru a mbuntii
m
soluia. Penultimul rnd este numit rndul zj. Pentru variabila j, se obine: zj =
a c
i 1
ij Bi
. Aceasta
nseamn c pentru a calcula zj, aferent variabilei j, se va parcurge de sus n jos pe coloana
variabilei j i coeficienii aflai pe coloana CB (lista coeficienilor funciei obiectiv pentru
variabilele din baz) nmulind ntre ei coeficienii pereche, iar n final rezultatele obinute sunt
adunate. n cazul coloanei b, zj reprezint valoarea funciei obiectiv pentru soluia de baz.
Ultimul rnd din tabelul SIMPLEX este numit rndul cj-zj i reprezint diferena dintre cj i zj.
Algoritmul caut soluia optim trecnd de la o soluie de baz la alta (ambele sunt
fezabile) prin mbuntiri incrementale. Prin urmare, cuplul zj i cj-zj nseamn: (1) creterea
valorii funciei obiectiv datorit unei variabile care nu se afl n baz, (2) meninerea variabilelor
care nu sunt n baz la valoarea zero i (3) ajustarea valorilor variabilelor din baz pentru a
satisface restriciile modelului.
Efectul marginal net asupra funciei obiectiv este cj-zj. Dac cj-zj pentru anumite variabile
non-bazice este pozitiv, acea variabil va genera o cretere a valorii funciei obiectiv.
Dup ce problema care trebuie rezolvat este structurat ca n tabelul SIMPLEX prezentat
n figura 2 este necesar s fie efectuate urmtoarele patru transformri [18]:
Verificarea optimalitii soluiei curente. Pentru o problem de maximizare, dac toate
valorile cj-zj sunt zero sau negative, creterea valorii oricrei variabile nu va conduce la o
cretere a valorii funciei obiectiv. Prin urmare, soluia curent este optim iar cutrile
sunt stopate. Pentru o problem de minimizare, algoritmul este stopat atunci cnd toate
18
valorile cj-zj sunt zero sau pozitive. Aceasta nseamn c o cretere a valorii oricrei
variabile nu va conduce la scderea valorii funciei obiectiv. De reinut, valorile cj-zj
aferente variabilelor din baz dintr-un tabel SIMPLEX ntotdeauna sunt zero;
Selectarea variabilelor de intrare. O regul simpl utilizat pentru selectarea variabilelor
de intrare const n identificarea variabilei care are cea mai mare valoare pozitiv cj-zj,
dac noi maximizm, sau cea mai negativ valoare cj-zj, dac noi minimizm. Coloana
aferent va deveni coloan pivot;
Identificarea variabilelor care vor prsi baza. Aceast operaie utilizeaz un test de rate.
Pentru fiecare restricie i se calculeaz raportul bi/ais, dac ais>0, iar coloana s devine
coloana pivot. De reinut faptul c ais trebuie s fie un coeficient strict pozitiv. Acest
raport (rat) indic faptul c variabila de intrare poate crete valoarea funciei obiectiv
nainte ca variabila din baz, aferent acelei restricii, s fie forat s devin zero.
Variabila care va prsi baza este variabila din baz aferent rndului cu cea mai mic
rat, acest rnd este numit rnd/linie pivot;
Aplicarea operaiilor pivot pentru a obine o nou form canonic. Intersecia rndului
pivot i a coloanei pivot desemneaz elementul pivot. Ulterior vor fi rescrise restriciile
care, din punct de vedere matematic, sunt echivalente, dar acestea vor reflecta noile
variabile din baz. n acest caz vom efectua urmtoarele operaii: (1) ntregul rnd pivot
se va mpri la valoarea elementului pivot i (2) celelalte rnduri (ale sistemului de
restricii) se transform astfel: nmulim toi coeficienii de pe noul rnd pivot (dup
mprirea cu elementul pivot) cu coeficientul de pe coloana pivot aferent rndului
respectiv, rezultatul obinut este sczut din coeficienii rndului respectiv.
De reinut faptul c tot timpul rndul/linia pivot se va utiliza pentru a opera asupra
celorlalte rnduri i pentru a le transforma. Mai mult dect att, se observ c noua form a
rndului pivot va avea ntotdeauna elementul pivot unitar i, astfel, putem crea n coloana pivot
pentru fiecare alt restricie cte un zero.
Problema 5. Aplicarea metodei simplex pentru rezolvarea unei probleme de PL
Pentru exemplificare se va cuta soluia optim n cazul unui model de PL de forma
urmtoare:
19
[max] F = 40x1 + 30x2

4x1 + 2x2 50
2x1 + 5x2 40
2x1 + 0x2 20
x1 , x2 0
Forma canonic a acestui model de PL este urmtoarea:
[max] F = 40x1 + 30x2
4x1 + 2x2 + a1 = 50
2x1 + 5x2 + a2 = 40
2x1 + 0x2 + a3 =20
x1, x2, a1, a2, a3 0
Variabile
aflate n
baz
a1
a2
a3
Coeficienii
funciei
obiectiv
0
0
0
cj
zj
cj-zj
x1
x2
4
2
2
40
0
40
2
5
0
30
0
30
a1
1
0
0
0
0
0
Variabile libere
a2
a3
0
1
0
0
0
0
0
0
1
0
0
0
Cantitatea
de resurse
(bi)
50
40
20
X
Rate
50/4
40/2
20/2
X
Valoarea funciei obiectiv, n acest caz, se determin astfel: x 1=0, x2=0, a1=50, a2=40,
a3=20 i F= 40(0) + 30(0) + 0(50) + 0(40) + 0(20) = 0 lei. Conform precizrilor anterioare, regula
de optimalitate pentru o problem de maximizare const n faptul c este suficient ca toi
coeficienii cj-zj s fie negativi sau zero. Dac exist valori pozitive cea mai mare valoare devine
coloana pivot, n cazul nostru 40. Linia pivot se determin prin divizarea bi/ais i se selecteaz
rata minim, n cazul nostru 20/2. Cum testul de optimalitate la prima iteraie a algoritmului
simplex indic existena unui potenial pentru a mbuntii soluia problemei se trece la iteraia a
doua.
Generarea unei soluii mbuntite necesit introducerea unei variabile noi n baz i
eliminarea variabilei care corespunde liniei pivot. Procedura ncepe cu transformarea rndului
variabilei care pleac (linia pivot), apoi celelate rndului i n final transformrile cj, zj i cj-zj.
Transformarea rndului ce corespunde variabilei care este eliminat din baz (minim b i/aij, aij>0)
20
se realizeaz simplu prin divizarea tuturor coeficienilor de pe linia pivot la pivot, n cazul nostru
coeficientul 2. Se observ c se modific n a doua coloan coeficientul de pe rndul al treilea (40
ce corespunde variabilei x1).
Toi coeficienii de pe coloana pivot devin zero cu excepia pivotului care devine 1.
Ceilali coeficieni, inclusiv termenii liberi (cantitatea de resurse) se transform astfel: valoarea
nou a coeficientului = valoarea veche [(proiecia coeficientului pe linia pivot) x (proiecia
coeficientului pe coloana pivot)]/pivot. De exemplu, 50 (termen liber) se transform astfel: 50
[(4) x (20)]/2 = 10, la fel se procedeaz cu coeficientul 40 i se obiene 40-[(2)x(20)]/2 = 20.
Se observ c n cazul n care coeficienii de pe linia sau coloana pivot ce reprezint
proiecia coeficientului ce urmeaz s-l transformm sunt zero, atunci valoarea nou a
coeficientului este egal cu cea veche. De exemplu, coeficientul variabilei x2 din primul rnd este
2. Proiecia acestui coeficient pe linia pivot este zero. Prin urmare valoarea nou a acestui
coeficient este 2.
Variabile
aflate n
baz
a1
a2
x1
Coeficienii
funciei
obiectiv
0
0
40
cj
zj
cj-zj
x1
x2
0
0
1
40
40
0
2
5
0
30
0
30
a1
Variabile libere
a2
a3
1
0
0
0
0
0
0
1
0
0
0
0
-2
-1
0.5
0
20
-20
Cantitatea
de resurse
(bi)
10
20
10
X
Rate
10/2
20/5
X
Testul de optimalitate indic faptul c nc se mai poate mbuntii soluia problemei

(coloana pivot 30 i linia pivot 20/5). Valoarea funciei obiectiv n acest caz se determin astfel:
x1=10, x2=0, a1=10, a2=20, a3=0 i F = 40(10) = 400 lei.
Variabile
aflate n
baz
a1
x2
x1
Coeficienii
funciei
obiectiv
0
30
40
cj
zj
cj-zj
x1
x2
0
0
1
40
40
0
0
1
0
30
30
0
a1
Variabile libere
a2
a3
1
0
0
0
0
0
0
1/5
0
0
6
-6
-8/5
-1/5
0,5
0
14
-14
Cantitatea
de resurse
(bi)
Rate
2
4
10
X
21
Testul de optimalitate indic faptul c s-a ajuns la soluia optim: x1=10; x2=4; a1=2;
a2=0; a3=0, iar funcia obiectiv 40 (10) + 30 (4) + 0 (2) + 0 (0) + 0(0) = 520 lei. Semnificaia
soluiei a1=2 este urmtoarea: pentru realizare produciei planificate se vor utiliza numai 48 de
ore din cele 50 disponibile, deci rmn disponibile 2 ore pentru alte activiti.
Problema 6. Rezolvarea problemelor de PL folosind metoda Big-M
Exist probleme de optimizare care se ncadreaz n categoria celor de programare liniar
care n procesul de transformare a lor n forma canonic necesit utilizarea variabilelor artificiale.
Astfel, n cazul problemelor de maximizare coeficienii variabilelor artificiale se consider c tind
la plus infinit sau, n cazul celor de minimizare, ele tind la minus infinit. Numele de Big M
vine de la litera M folosit pentru a reprezenta numerele foarte mari care tind la infinit [19]. n
practic se acord lui M o valoare foarte mare, de exemplu M = 1000. Pentru exemplificarea
modului n care se aplic aceast metod n cazul unei probleme de PL s considerm urmtoarea
situaie.
[max] F = 140x1 + 90x2 + 120x3
5x1 + 3x2 + x3 30
4x1 + 3x2 + 10x3 15
3x1 + x2 + 2x3 = 10
x1 , x2, x3 0
Forma canonic a modelului de PL necesit adugarea variabilelor libere, iar problema
devine:
[max] F = 140x1 + 90x2 + 120x3
5x1 + 3x2 + x3 + a1 = 30
4x1 + 3x2 + 10x3 - a2 = 15
3x1 + x2 + 2x3 = 10
x1, x2, x3, a1, a2 0
Variabilele libere apar numai o singur dat n fiecare restricie i au coeficientul +1, n
felul acesta ele pot fi considerate variabile din baz pentru sistemul de restricii dat. Totui,
variabila a2 apare numai o singur dat n a doua restricie i are coeficientul negativ -1, deci
22
aceasta nu poate aciona ca o variabil din baz. n acest caz, se impune introducerea unei
variabile artificiale z1. La fel se va ntmpla cu a treia restricie care este o egalitate i nu prezint
o variabil unic pentru a genera o soluie iniial, astfel nct algoritmul simplex s poat
funciona.
Prin urmare, n cazul egalitii se va introduce nc o variabil artificial z2 i pentru M =
1000 se obine modelul urmtor:
[max] F = 140x1 + 90x2 + 120x3 + 0 a1 + 0 a2 Mz1 Mz2
5x1 + 3x2 + x3 + a1 = 30
4x1 + 3x2 + 10x3 - a2 + z1 = 15
3x1 + x2 + 2x3 + z2 = 10
x1, x2, x3, a1, a2, z1, z2 0
n continuare se caut o soluie de baz pentru problema de programare liniar. Pentru

aceasta trebuie elaborat tabelul SIMPLEX mpreun cu restriciile aferente i testarea
optimalitii soluiei innd cont de varianta canonic a problemei:
Variabile
aflate n
baz
Coef.
funciei
obiectiv
x1
x2
x3
a1
z1
z2
0
-1000
-1000
cj
zj
cj-zj
5
4
3
140
-7000
7140
3
3
1
90
-4000
4090
1
10
2
120
-12000
12120
Variabile
libere
a1
a2
1
0
0
0
0
0
0
-1
0
0
1000
-1000
Variabile
artificiale
z1
z2
0
1
0
-1000
-1000
0
0
0
1
-1000
-1000
0
Cant./
Resurse
(bi)
Rate
30
15
10
30/1
15/10
10/2
Deoarece testul de optimalitate identific mai multe valori cj-zj pozitive, atunci soluia din
baz poate fi mbuntit. Astfel, se caut valoarea maxim printre cele pozitive i se observ c
valoarea 12012 poate determina coloana pivot, deoarece este cea mai mare valoare. Analiznd
rapoartele ntre coeficieni, se observ c valoarea 1,5 indic cel mai mic raport i astfel rndul
secund devine linie pivot. Intersecia lor genereaz elementul pivot, adic valoarea 10.
Folosind metodologia prezentat anterior pentru a face transformrile necesare i
efectund calculele se obine tabelul SIMPLEX urmtor:
23
Variabile
aflate n
baz
Coef.
funciei
obiectiv
x1
x2
x3
Variabile
libere
a1
a2
a1
x3
x1
0
120
140
cj
zj
cj-zj
4,6
0,4
2,2
140
356
-216
2,7
0,3
0,4
90
92
-2
0
1
0
120
120
0
1
0
0
0
0
0
0,1
-0.1
0,2
0
0,8
-0,8
Variabile
artificiale
z1
z2
-0,1
0,1
-0,2
-1000
-0,8
-999,2
0
0
1
-1000
10
-990
Cant /
Resurse
(bi)
Rate
28,5
1,5
7
X
n momentul n care o variabil artificial prsete baza, ea va fi tears din tabelul

SIMPLEX i nu vom mai calcula valorile aferente acesteia. Prin urmare, cnd o variabil
artificial iese din baz, ea poate fi omis din problem. Testul de optimalitate indic faptul c sa ajuns la soluia optim: x1=7; x2=0; x3=1,5, a1=28,5; a2=0; a3=0, z1=0, z2=0, iar funcia obiectiv
are valoarea 140 (7) + 90 (0) + 120 (1,5) + 0 = 1160 lei.
OBSERVAII: Exist cteva probleme specifice de PL i anume [19], [12],[17]:
Problemele fr soluii. Dac pentru anumite tabele SIMPLEX valorile cj-zj satisfac
condiiile de optimalitate, dar cel puin o variabil artificial este nc pozitiv, se afl n
baz, atunci problema nu are soluii;
Soluii optime multiple. Dac problema are mai mult dect un optim, acest aspect va fi
semnalat de tabelul SIMPLEX final. n cazul n care cj-zj, pentru o variabil care nu se
afl n baz, este zero, atunci variabila respectiv ar putea fi adus n baz, iar funcia
obiectiv nu se modific ca valoare, de asemenea, aceast soluie nou va fi optim;
Degenerare. Partea dreapt a tabelului SIMPLEX niciodat nu ar trebui s fie negativ,
dar elementele sale pot fi zero. Cnd partea dreapt este zero, o variabil din baz este
zero, aceasta nseamn c avem o soluie degenerat;
Problema nu are o valoare optim finit. Dac pentru orice cj-zj se indic faptul c o
variabil care nu se afl n baz trebuie s fie adus n baz, dar nici un raport nu poate fi
calculat pentru sistemul de restricii existent, deoarece coeficientul care aparine coloanei
pivot este fie zero sau negativ, n acest caz problema este nemrginit. Adic, prin
creterea valorii variabilei intrate n baz aceasta va mbuntii nelimitat nivelul funciei
obiectiv.
24
Problema 7. Analiza de sensibilitate n cazul problemelor de PL

Procesorul de tabele Excel ofer posibilitatea de a rezolva problemele de programare
liniar prin utilizarea instrumentului SOLVER (Rezolvitor). Aceast aplicaie este limitat la
maxim 200 de variabile decizionale, fiecare cu cte dou limite de restricionare ce suport
maxim 100 de restricii. n figura 5 este prezentat un exemplu de organizare a datelor cnd este
utilizat instrumentul SOLVER din EXCEL.
Figura 5. Organizarea datelor pentru rezolvarea unei probleme de PL folosind

instrumentul SOLVER
n practic, de multe ori, managerii nu sunt interesai numai de soluia optim a unei
probleme de PL, ci ei doresc s tie ct de sensibil este aceasta atunci cnd parametrii de intrare
se modific. De exemplu, ce s-ar ntmpla n cazul n care coeficienii funciei obiectiv nu sunt
cunoscui cu precizie, ori dac ei variaz cu 10% sau 20%. Ce s-ar ntmpla dac valorile din
partea dreapt a sistemului de restricii se schimb? Deoarece soluiile se bazeaz pe ipoteza c
parametrii sunt constani, analiza de sensibilitate sau analiza de post - optimalitate, arat ct de
sensibile sunt soluiile la modificarea parametrilor.
Prin urmare, dup ce se rezolv problema de PL, se impune determinarea unei game de
modificri ale parametrilor problemei care nu vor afecta soluia optim sau schimba variabilele
din soluie. Pentru aceasta trebuie elaborat un raport de sensibilitate n EXCEL aa cum este
prezentat n figura 5. Raportul de sensibilitate are dou componente: un tabel cu titlul Celule
modificabile i un tabel cu titlul Restricii. Aceste tabele ne permit s rspundem la mai multe
25
ntrebri cu privire la soluia gsit. Este important de reinut faptul c rspunsul la o ntrebare
presupune c noi am luat n considerare schimbarea numai a unui singur parametru de intrare i
nu este rezultatul unor modificri simultane realizate asupra mai multor parametrii de intrare.
Figura 6. Forma standard a unei probleme de PL cnd este utilizat instrumentul SOLVER
n figura 7 se prezint tabelul cu celule modificabile care conine informaii cu privire la
impactul schimbrilor coeficienilor funciei obiectiv asupra soluiei optime. De exemplu,
profiturile unitare 40 i 30, din a doua aplicaie. Tabelul cu restricii prezint informaii cu privire
la impactul schimbrilor valorilor din partea dreapt a sistemului de restricii asupra soluiei
optime. n figura 7 sunt prezentate rezultatele x1=10 i x2=4.
Figura 7. Soluia problemei de PL obinut prin folosirea instrumentului SOLVER

26
Schimbrile efectuate la nivelul resurselor sau al valorilor din partea dreapt a sistemului
de restricii. Aceste valori ale restriciilor adesea reprezint resursele disponibile pe care firma
poate conta. Resursele ar putea fi volumul de manoper sau timpul de operare al mainilor, stocul
de bani sau materii prime disponibile. n cazul nostru, avem trei resurse importante care pot
reprezenta numrul de ore aferent facilitilor de producie sau fondul de timp disponibil. Dac ar
fi posibil s dispunem de ore suplimentare s-ar putea obine un profit mai mare. Ct de mult firma
este dispus s plteasc pentru orele suplimentare? Este profitabil s ai ore suplimentare pentru
unitatea de producie? Analiza de sensibilitate poate s ofere rspunsuri la aceste probleme. n
figura 8 este prezentat raportul de sensibilitate pentru problema de PL analizat.
Figura 8. Raportul privind analiza de sensibilitate pentru o problem de PL

Dac valorile din partea dreapt a sistemului de restricii se modific, mulimea soluiilor
fezabile se va schimba, dac restricia nu este redundant. Prin urmare, de multe ori soluia
optim se va modifica. n exemplul prezentat mai sus, se observ c exist o rezerv aferent
resursei modelate de restricia a treia alctuit din 6 uniti. Acest cuantum poate s modifice
valoarea maxim a funciei obiectiv ce rezult i este numit pre umbr sau valoare dual. Preul
umbr al unei restricii const n mbuntirea valorii funciei obiectiv ca rezultat determinat de
creterea cu o unitate a parametrului din partea dreapt a sistemului de restricii (termenul liber)
sau a nivelului de resurse disponibil. n figura 9 se prezint un raport care arat limitele ntre care
27
nivelele resurselor disponibile pot s varieze fr a altera fezabilitatea soluiei optime generat de
instrumentul SOLVER.
Figura 9. Limitele de variabilitate a soluiilor unei probleme de PL n funcie de valoarea

parametrilor de intrare
28
3. MSURAREA CALITII SERVICIILOR

Majoritatea specialitilor sunt de acord c satisfacia clienilor este o msur pe termen
scurt cu privire la un anumit serviciu de care clienii au beneficiat, pe cnd calitatea serviciilor
reprezint o atitudine format de acetia printr-o evaluare general pe termen lung a
performanei firmei prestatoare [7]. Astfel, pentru ca serviciile furnizate de o firm s fie
percepute ca fiind de calitate, aceasta trebuie s i focalizeze eforturile asupra nevoilor
consumatorilor i s le examineze n detaliu innd cont de restriciile operaionale sub care ea
opereaz [10].
Msurarea calitii serviciilor necesit cunoaterea celor cinci dimensiuni specifice:
ncredere, solicitudine, siguran, empatie i tangibilitate.
ncrederea
nseamn
abilitatea
prestatorului de a furniza serviciul promis la timp, n aceai manier i fr erori ori de cte ori
este achiziionat. Solicitudinea prestatorilor reprezint disponibilitatea, entuziasmul i dorina
acestora de a furniza servicii clienilor. Sigurana nseamn c personalul prestator deine
cunotinele necesare i are abilitatea de a furniza serviciul transmind clienilor un sentiment de
siguran i certitudine. Empatia se refer la tratarea fiecrui client n mod individualizat i
prezint urmtoarele trsturi specifice: sensibilitate, accesibilitate i disponibilitate n a nelege
nevoile clienilor. Tangibilitatea se refer la impresia creat de imaginea facilitilor fizice, a
echipamentelor folosite pentru prestarea serviciului, inclusiv de aspectul personalului de
deservire i de materialele folosite pentru comunicarea organizaional. De exemplu, starea de
curenie existent n facilitile n care serviciul este prestat reprezint o eviden tangibil a
grijei i ateniei fa de detalii acordat de personalul firmei de servicii [2], [7], [10].
Metoda SERVQUAL poate fi utilizat pentru diagnosticarea slbiciunilor i a punctelor
forte n cazul firmelor care opereaz n domeniul serviciilor. Acest instrument se bazeaz pe cele
cinci dimensiuni ale calitii serviciilor i anume: tangibilitate, ncredere, solicitudine, siguran
i empatie.
Structural instrumentul SERVQUAL este alctuit din dou seciuni o seciune compus
din 22 de chestiuni care permite determinarea ateptrilor specifice n raport cu firmele
performante din sector, iar a doua seciune este alctuit din 22 de chestiuni care msoar
percepiile consumatorilor fa de serviciile furnizate de firma analizat [2]. Rezultatele celor
dou seciuni sunt apoi comparate pentru a obine amplitudinea decalajelor pentru fiecare din cele
cinci dimensiuni ale calitii. Un decalaj mai mare nseamn o calitate inferioar a serviciului
29
furnizat. n schimb, un decalaj mai mic nseamn o calitate a serviciilor mai bun. Ateptrile
clienilor sunt msurate pe o scal de la 1 la 7, unde 1 nseamn total neesenial, iar 7 absolut
esenial. La fel, percepiile clienilor sunt msurate folosind o scal de la 1 la 7, unde 1 nseamn
dezacord total, iar 7 acord total. n figurile 10, 11, 12, 13 i 14 sunt prezentate seciunile
instrumentului SERVQUAL n funcie de cele cinci dimensiuni ale calitii serviciilor [7]. Sunt
prezentate ambele seciuni simultan n funcie de dimensiunea calitii pe care o msoar.
Ateptrile cu privire la elementele tangibile (firma cu performane excelente)
Companiile cu performane excelente dein echipament modern
1
Facilitile fizice ale companiilor cu performane excelente sunt atractive pentru consumatori
2
Angajaii din firmele performante sunt mbrcai elegant
3
Materialele asociate cu serviciul furnizat de o firm cu rezultate excelente sunt atractive
4
Perceperea elementelor de tangibilitate (X firma analizat)
Firma X are echipament modern
1
Facilitile fizice ale firmei X sunt atractive
2
Angajaii firmei X sunt elegani
3
Materialele asociate cu serviciul oferit sunt atractive n cazul firmei X
4
Figura 10. Setul de declaraii ce caracterizeaz calitatea serviciului din perspectiva

dimensiunii de tangibilitate
Ateptrile privind ncrederea n serviciu (firma cu rezultate execelente)
Cnd companiile performante promit s fac ceva la un anumit moment, ele se in de cuvnt
1
Cnd clienii au probleme, companiile performante vor manifesta un interes real pentru rezolvarea lor
2
Companiile performante vor presta serviciul corect din primul moment
3
Companiile performante caut s realizeze operaiunile aa cum au promis
4
Companiile performante caut s realizeze operaiunile fr erori
5
Perceperea ncrederii (X firma analizat)
Cnd firma X promite s fac ceva la un anumit moment, aceasta se ine de cuvnt
1
Cnd clientul firmei X are o problem aceasta manifest un interes real pentru rezolvarea ei
2
Firma X presteaz serviciul corect i la timp
3
Firma X presteaz serviciul i realizeaz operaiunile aa cum a promis
4
Firma X realizeaz operaiunile fr erori
5

dimensiunii ncrederii n prestatori
Ateptrile care descriu solicitudinea personalului unei firme de servicii (firm cu rezultate execelente)
1 Angajaii companiilor performante vor comunica clienilor momentul exact cnd serviciul va fi furnizat
2 Angajaii companiilor performante vor furniza prompt serviciile solicitate de clieni
3 Companiile performante ntotdeauna sunt dispuse s ajute clienii
4 Angajaii companiilor performante niciodat nu vor fi prea ocupai ca s rspund cerinelor clienilor
Percepii privind solicitudinea personalului firmei prestatoare de servicii (X firma analizat)
1 Angajaii firmei X comunic exact momentul cnd serviciul va fi prestat
2 Angajaii firmei X presteaz prompt serviciul solicitat de client
3 Angajaii firmei X ntotdeauna sunt dispui s ajute clienii
4 Angajaii firmei X niciodat nu sunt prea ocupai pentru a rspunde cerinelor clienilor
30

solicitudinii prestatorului
Ateptrile privind sigurana serviciului furnizat (firma cu rezultate execelente)
1
Comportamentele angajailor firmelor performante induc ncredere clienilor
2
Clienii firmelor performante se vor simii n siguran atunci cnd efectueaz tranzacii
3
Angajaii companiilor performante vor fi politicoi cu clienii lor
4
Angajaii companiilor performante dein cunotinele necesare pentru a rspunde cerinelor clienilor
Percepiile privind sigurana serviciului furnizat (X firma analizat)
1
Comportamentele angajailor firmei X induc ncredere clienilor
2
Un client se simte n siguran atunci cnd face tranzacii cu firma X
3
Angajaii firmei X sunt politicoi cu clienii
4
Angajaii firmei X dein cunotinele necesare pentru a putea rspunde la solicitrile clienilor
Figura 13. Setul de declaraii ce caracterizeaz calitatea serviciului din

perspectiva siguranei pentru client
Ateptrile specifice comportamentului empatic (firma cu rezultate excelente)
1 Companiile performante vor acorda clienilor atenia necesar
2 Companiile performante vor avea program de operare convenabil pentru toi clienii lor
3 Angajaii companiilor performante acord atenia necesar clienilor lor
4 Companiile performante in cont de cele mai importante interese ale clienilor
5 Angajaii companiilor performante sunt doritori s neleag nevoile specifice ale clienilor lor
Perceperea comportamentului empatic (X firma analizat)
1 Firma X este atent fa de interesele personale ale clienilor
2 Firma X are un program de operare convenabil pentru toi angajaii si
3 Angajaii firmei X acord atenia necesar fiecrui client n parte
4 Firma X ine cont de cele mai importante interese ale clienilor
5 Angajaii firmei X neleg nevoile specifice ale clienilor
Figura 14. Setul de declaraii ce caracterizeaz calitatea serviciului din prespectiva

empatiei prestatorului fa de client
Calculul punctajului SERVQUAL necesit parcurgerea mai multor etape. n prima etap
se determin pentru fiecare afirmaie din chestionar un punctaj ce se calculeaz astfel: =
unde i este numrul afirmaiei din chestionar ( =

1,22), j este respondentul ( =
1, ) , N este
numrul de respondeni, nij este nota acordat de respondentul j la afirmaia i, iar xi reprezint
percepia /ateptarea medie determinat pentru afirmaia i [13].
Dup ce sunt calculate valorile medii pentru fiecare afirmaie (xi), urmeaz determinarea
valorilor medii percepute (Yp) de clieni ct i cele ateptate (Ya) pentru fiecare dimensiune a
calitii n funcie de numrul de afirmaii existente n chestionar. De exemplu, pentru
dimensiunea tangibilitate se determin valoare media a tangibilitii percepute folosind relaia
31
urmtoare: Yp(T) = =
, unde T vine de la tangibilitate. La fel se procedeaz pentru media
tangibilitii ateptate i pentru celelalte dimensiuni ale calitii serviciilor.

n ultima etap se determin punctajele finale pentru fiecare dimensiune a calitii prin
efectuarea diferenelor dintre valorile medii percepute i cele ateptate. De exemplu, Yp(T)
Ya(T), Yp(I) Ya(I), Yp(S) Ya(S), Yp(SIG) Ya(SIG) i Yp(E) Ya(E). Dac valoarea
diferenelor este pozitiv, atunci calitatea serviciului perceput este mai bun dect calitatea
serviciului ateptat. Cnd diferena este zero, atunci calitatea serviciului perceput este identic cu
cea a serviciului ateptat. n final, cnd diferena este negativ calitatea serviciului perceput este
sub nivelul serviciului ateptat i trebuie iniiate msuri corective [7].
Problema 8. Msurarea calitii serviciilor folosind instrumentul SERVQUAL
Ne propunem s msurm calitatea serviciilor furnizate de hotelul Orizont. n acest sens

vom aplica instrumentul SERVQUAL pentru a determina calitatea serviciilor furnizate de hotel
prin msurarea calitii n raport cu cele cinci dimensiuni ale sale. Pentru nceput trebuie s
elaborm instrumentul (chestionarul) necesar msurrii ateptrilor clienilor. Chestionarul
SERVQUAL este administrat unui eantion de clieni (turiti) care intenioneaz s se cazeze la
acest hotel. Ei sunt rugai s precizeze, pe baza experieniei acumulat, cum ar trebui un hotel s
ofere servicii considerate ca fiind de o calitate excelent.
Respondenii sunt solicitai s precizeze msura n care ei apreciaz c un astfel de hotel
posed sau nu caracteristica descris de fiecare declaraie n parte. Dac o caracteristic nu este
deloc esenial pentru un hotel care ofer servicii de o calitate excelent se va ncercui numrul
1. Dac se apreciaz c o caracteristic este absolut esenial pentru un hotel care ofer servicii
excelente se va ncercui numrul 7. n cazul n care aprecierile se situeaz ntre cele dou extreme
se va ncercui unul din numerele aflate ntre cele dou limite. Nu exist rspunsuri corecte sau
greite, toi respondeni sunt rugai s rspund analiznd cu atenie declaraia i n funcie de
experiena lor ei vor indica msura n care sunt sau nu de acord cu cele afirmate.
n figura 15 este prezentat chastionarul SERVQUAL destinat msurrii ateptrilor
respondenilor n raport cu serviciile furnizate de hotel folosind ca referin hotelurile care au
performane excelente.
32
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Complet mpotriv
1
2
3
1
2
3
Hotelurile cu performane excelente au dotri moderne

Facilitile fizice ale hotelurilor cu performane excelente sunt
atractive pentru clieni
Angajaii hotelurilor care au performane excelente sunt mbrcai
adecvat
Elementele tangibile asociate furnizrii serviciului ntr-un hotel cu
o performan excelent sunt atractive pentru clieni
Cnd angajaii hotelurilor cu performane excelente promit ceva,
ei se in de cuvnt
Cnd clienii au probleme, personalul din hotelurile cu
performane excelente va manifesta un interes real pentru
rezolvarea lor
Personalul unui hotel cu performane excelente va presta serviciul
corect din primul moment
Hotelurile cu performane excelente realizeaz operaiunile
conform promisiunilor
Hotelurile cu performane excelente caut s realizeze operaiunile
fr erori
Angajaii hotelurilor cu performane excelente vor comunica
clienilor momentul exact cnd furnizeaz serviciul
Angajaii hotelurilor cu performane excelente vor furniza prompt
serviciile solicitate de clieni
Personalul hotelurilor cu performane excelente ntotdeauna este
dispus s ajute clienii
Angajaii hotelurilor cu performane excelente niciodat nu vor fi
prea ocupai ca s rspund solicitrilor clienilor
Comportamentele angajailor hotelurilor cu performane excelente
induc ncredere n rndul clienilor
Clienii hotelurilor cu performane excelente se vor simi n
sigurana atunci cnd solicit servicii de la acestea
Angajaii hotelurilor cu performane excelente sunt politicoi cu
clienii lor
Angajaii hotelurilor cu performane excelente dein cunotinele
necesare pentru a rspunde cerinelor clienilor
Hotelurile cu performane excelente acord prin facilitile lor
atenia necesar tuturor clienilor
Hotelurile cu performane excelente vor avea programe de lucru
convenabile pentru toi clienii
Angajaii hotelurilor cu performane excelente acord atenia
necesar clienilor
Hotelurile cu performane excelente prin facilitile lor in cont de
cele mai importante interese ale clienilor
Angajaii hotelurilor cu performane excelente sunt dornici s
neleag nevoile clienilor
/
4
4
Perfect de acord
5
6
7
5
6
7
Figura 15. Chestionarul SERVQUAL pentru msurarea ateptrilor clienilor
33
Pentru msurarea percepilor privind sericiile primite de ctre respondeni din partea
hotelului trebuie construit chestionarul dedicat acestui scop. n figura 16 se prezint structura
unui astfel de chestionar SERVQUAL. Acest chestionar conine la fel ca primul 22 de declaraii
fa de care respondenii sunt rugai s se pronune. Pentru fiecare afirmaie, respondenii sunt
rugai s precizeze n ce msur sunt de acord cu acea caracteristic privind hotelul analizat. n
cazul c nu sunt de acord cu acea declaraie se bifeaz numrul 1. n cazul n care sunt de acord i
cred cu trie c hotelul are aceast caracteristic se marcheaz numrul 7. n cazul n care acordul
sau dezacordul sunt pariale se vor marca numerele dintre aceste dou limite n funcie de
aprecierea respondentului.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Complet mpotriv
1
2
3
Hotelul are dotri moderne
1
2
3
Facilitile fizice ale hotelului sunt atractive pentru clieni
1
2
3
Angajaii hotelului sunt mbrcai adecvat
2
3
Elementele tangibile asociate furnizrii serviciului din hotel sunt 1
atractive pentru clieni

Cnd angajaii hotelului au promis ceva, ei s-au inut de cuvnt
Cnd clienii au probleme, personalul hotelului manifest un
interes real pentru rezolvarea lor
Personalul hotelului presteaz serviciul corect din primul moment
Hotelul i realizeaz operaiunile conform promisiunilor
Angajaii hotelului caut s realizeze operaiunile fr erori
Angajaii hotelului comunic clienilor momentul exact cnd
furnizeaz serviciul
Angajaii hotelului furnizeaz prompt serviciile solicitate de clieni
Personalul hotelului ntotdeauna este dispus s ajute clienii
Angajaii hotelului niciodat nu au fost prea ocupai ca s
rspund solicitrilor clienilor
Comportamentele angajailor hotelului au indus ncredere n
rndul clienilor
Clienii hotelului se simt n sigurana atunci cnd solicit servicii
de la acesta
Angajaii hotelului sunt politicoi cu clienii lor
Angajaii hotelului dein cunotinele necesare pentru a rspunde
cerinelor clienilor
Hotelul acord prin facilitile sale atenia necesar clienilor
Hotelul are un program de lucru convenabil pentru toi clienii
Angajaii hotelului acord atenia necesar clienilor
Hotelul prin facilitile sale ine cont de cele mai importante
interese ale clienilor
Angajaii hotelului sunt dornici s neleag nevoile clienilor
/
4
4
4
4
Perfect de acord
5
6
7
5
6
7
5
6
7
5
6
7
1
1
2
2
3
3
4
4
5
5
6
6
7
7
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
5
5
5
5
6
6
6
6
7
7
7
7
1
1
1
2
2
2
3
3
3
4
4
4
5
5
5
6
6
6
7
7
7
1
1
2
2
3
3
4
4
5
5
6
6
7
7
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
5
5
5
5
6
6
6
6
7
7
7
7
Figura 16. Chestionarul SERVQUAL pentru msurarea percepiilor clienilor
34
De reinut faptul c afirmaiile de la 1 la 4 msoar tangibilitatea, cele de la 5 la 9 msoar

solicitudinea, afirmaiile de la 10 la 13 msoar sigurana serviciului, iar cele de la 18 la 22
msoar empatia prestatorilor fa de clieni.
Tabelul 2. Rezultatele obinute cu ajutorul metodei SERVQUAL
Ateptarea
Percepia
Valori medii
Valori medii
Diferena dintre
medie xi
medie xi
ateptate Ya
percepute Yp
percepie i ateptri
Ya(T)=5
Yp(T)=5
Ya(I)=6,6
Yp(I)=6,2
-0,4
10
11
12
Ya(Sol)=6,25
Yp(Sol)=6
-0,25
13
14
15
16
Ya(Sig)=6,5
Yp(Sig)=6,5
17
18
19
20
Ya(E)=7
Yp(E)=6
-1
21
22
Afirmaie
35
Chestionarul SERVQUAL n ambele variante a fost aplicat pe un eantion de respondeni

format din 14 subieci. Fiecare a fost solicitat s completeze varianta care descrie ateptrile (22
de afirmaii) i cea care cuantific percepiile clienilor (22 de afirmaii) dup ce au beneficiat de
serviciul furnizat de hotelul Orizont. n tabelul 2 sunt prezentate rezultatele obinute dup
prelucrarea chestionarelor.
n prima etap se determin pentru fiecare afirmaie din chestionar un punctaj care se
calculeaz astfel: =

14
), iar j este
, unde i este numrul afirmaiei din chestionar ( = 1,22
respondentul ( =
1, 14). Chestionarul a fost aplicat pe un numr N = 14 respondeni, nij este
nota acordat de respondentul j la afirmaia i, iar xi reprezint percepia sau ateptarea medie
determinat pentru afirmaia i. Rezultatele sunt trecute n tabelul 2 n coloanele 2 i 3 pentru
fiecare dimensiune a calitii serviciului furnizat. Dup ce sunt calculate ateptrile medii i
percepiile medii se determin valorile medii percepute i cele ateptate.
Valorile medii ateptate i percepute sunt calculate ca medii artimetice simple, iar
diferena dintre acestea a permis analizarea calitii serviciului oferit. Valorile medii ateptate i
cele percepute sunt calculate pentru tangibilitate (4 afirmaii), ncredere (5 afirmaii), solicitudine
(4 afirmaii), siguran (4 afirmaii) i empatie (5 afirmaii).
Rezultatele prezentate n tabelul 2 arat c exist un echilibru ntre ateptri i percepi n
ceea ce privete tangibilitatea i sigurana. Prin urmare, n raport cu aceste dou dimensiuni nu
sunt recomandate intervenii. n schimb pentru restul componentelor: empatie, solicitudine i
ncredere diferena este negativ ceea ce indic o calitate a serviciului perceput sub nivelul
serviciului ateptat (ncredere = - 0,4; solicitudine = - 0,25 i empatie = - 1).
n urma rezultatelor obinute prin efectuarea diferenelor dintre percepiile i a ateptrile
clienilor, s-a constatat c serviciile oferite de hotelul Orizont se prezint bine n ceea ce privete
elementele de tangibilitate, adic ateptrile clienilor sunt aceleai cu percepiile, deci ambientul
creat n hotel este apreciat de ctre clieni.
La capitolul ncredere, rezultatul este negativ, deci firma trebuie sa ia msuri pentru a
diminua acest decalaj nefavorabil. Astfel, calitatea serviciilor se afl sub nivelul ateptat de ctre
clieni, prestatorii trebuie s ofere mai multe detalii despre cum sunt furnizate serviciile, att cele
de alimentaie public ct i cele de cazare i s promoveze mai bine oferta lor.
La capitolul empatie, clienii sunt nemulumii deoarece angajaii sunt mai puin receptivi
i politicoi la solicitrile lor i nu au suficient rbdare cu fiecare client n parte. Prin urmare, se
36
impune instruirea angajailor pentru ca acetia s-i schimbe comportamentul fa de clieni. De

asemenea, solicitudinea nu se ridic la nivelul ateptat de clieni. Calitatea accesului la serviciu
depinde de posibilitatea de a contacta operativ prestatorul, de a afla n mod operativ toate
informaiile necesare cu privire la serviciile oferite, deoarece competenele de comunicare cu
clientul sunt foarte importante.
Problema 9. mbuntirea calitii serviciilor folosind metoda QFD
OMNISTAR SRL este o firm furnizoare de servicii de cloud computing. Managementul
firmei dorete s mbunteasc calitatea serviciilor furnizate de firm prin modernizarea
sistemului prestator. Pentru realizarea acestui obiectiv, managementul firmei consider c
utilizarea metodei QFD este cea mai potrivit.
Pentru rezolvarea problemei n prima etap trebuie clarificate conceptele de baz specifice
metodei QFD. Desfurarea funciei calitii QFD (Quality Function Deployment) este un
proces n care casa calitii este construit pentru a ncorpora nevoile clienilor n proiectarea
procesului de furnizare a serviciului. Astfel, metoda QFD translateaz nevoile i preferinele
consumatorilor n obiective operaionale pentru sistemul de furnizare a serviciului. Practic, casa
calitii ofer un cadru pentru translatarea satisfaciei clientului n specificaii de conformitate
identificabile i msurabile pentru proiectarea serviciului [7], [13].
n figura 17 este prezentat o cas a calitii sub form matriceal pentru o firm care
ofer servicii de cloud computing. Se observ c ateptrile clienilor au fost iniial formulate n
raport cu cele cinci dimensiuni ale calitii serviciilor: ncredere, solicitudine, siguran,
tangibilitate i empatie. Celelalte celule ale matricei furnizeaz informaii utile pentru a identifica
direciile de aciune n vederea mbuntirii calitii serviciilor de cloud computing furnizate de
firm.
Importana relativ reflect impactul pe care l are o dimensiune asupra calitii finale a
serviciului furnizat, intensitatea relaiei sau elementele matricei relaionale reflect gradul de
dependen dintre variabile, astfel, o relaie puternic se cuantific cu 9 puncte, o relaie medie cu
6 puncte, iar o relaie slab cu 3 puncte. Incidentele critice indic punctele de eec sau
oportunitate existente ntr-o anumit perioad de timp, iar poziionarea fa de cel mai bun
competitor se refer la scorul acordat fiecrei dimensiuni a calitii n raport de firma care ofer
cel mai bun serviciu (benchmarking) [13].
37
O problem specific metodei QFD se refer la obiectivitatea definirii ateptrilor sau a

cerinelor clienilor. Nu exist o formul magic pentru a translata cerinele clienilor n
caracteristici ale proceselor de furnizare a serviciului. n plus, exist pericolul ca proiectanii
sistemului furnizor s integreze n mod subiectiv cerinele clienilor [2].
Pentru rezolvarea problemei trebuie s facem cteva precizri. Firma analizat este
furnizorul de cloud OMNISTAR SRL, iar reperul fa de care se vor face comparaiile este firma
TeraComputer (benchmarking). Firma concurent este cel mai bine poziionat pe pia, iar
serviciile sale de cloud computing sunt percepute de utilizatori ca fiind cele mai bune dintre
ofertele existente. Managementul firmei OMNISTAR dorete s evalueze sistemul su furnizor
de cloud i s-l compare cu serviciile similare furnizate de TeraComputer pentru a determina
problemele care trebuie soluionate n vederea mbuntirii poziiei sale competitive.
Corelaii ntre
cerinele tehnice
*
Cerine tehnice
(elemente ale
serviciului)
Competene
Cunotine
Instruire
Echipamente
Medie ponderat
Gradul de dificultate pentru
mbuntirea calitii serviciului
Evaluarea elementelor serviciului
furnizat de firma analizat
Evaluarea elementelor serviciului
furnizat de concurena firma...
Nivelele int pentru firma
analizat.
Tip relaii:
*, puternic
, medie
, slab
Capacitate
ATEPTRILE
CLIENILOR
(cerine)
ncredere
Solicitudine
Siguran
Empatie
Tangibilitate
Importana
relativ a
dimensiunilor
calitii
EVALUAREA
COMPETITIVITII
SERVICIULUI PERCEPUT
DE CLIENI
Firma
analizat
Concurena
firma...
Nivel
int
MATRICEA
RELAIONAL
(INTENSITATEA
RELAIEI)
Din
perspectiva
clienilor
EVALUAREA
COMPETITIVITII
Din perspectiva
angajailor (firmei)
Figura 17. Casa calitii pentru o firm care furnizeaz servicii de cloud computing
38
n acest sens, managementul firmei OMNISTAR aplic metoda QFD i elaboreaz o

cas a calitii pentru a identifica punctele slabe ale sistemului su furnizor i a mbuntii
calitatea serviciilor oferite. Rezultatele finale privind construirea casei calitii pentru firma
furnizoare de servicii de cloud computing Omnistar sunt prezentate n figura 18. Etapele necesare
elaborrii acestei matrici sunt n continuare prezentate n detaliu [13].
Corelaiile
dintre
Corelaii ntre
cerinele
tehnice
cerinele tehnice
Cerine tehnice
(elemente ale
serviciului)
Competene
Cunotine
Instruire
9
8
9
5
2
Medie ponderat
Gradul de dificultate pentru
mbuntirea calitii
serviciului
Evaluarea elementelor
serviciului furnizat de firma
OMNISTAR
Evaluarea elementelor
serviciului furnizat de
concurena TeraComputer
Nivelele int pentru firma
TeraComputer
ncredere
Solicitudine
Siguran
Empatie
Tangibilitate
Echipamente
(cerine)
Capacitate
ATEPTRILE
CLIENILOR
Importana
relativ a
dimensiunilor
calitii
Tip relaii:
*, puternic
, medie
, slab
9
8
7
5
0
6
3
7
0
2
7
6
4
4
2
7
5
5
3
0
4
5
7
6
0
233
145
171
163
169
+2
+1
EVALUAREA COMPETITIVITII
SERVICIULUI PERCEPUT DE
UTILIZATORII DE CLOUD
Firma
Concurena
OMNISTAR
TeraComputer
3
3
2
2
2
4
2
4
4
2
Nivel
int
+1
+2
+2
-
Din
perspectiva
utilizatorilor de cloud
EVALUAREA
COMPETITIVITII
Din perspectiva
angajailor OMNISTAR
Puncte critice sau oportuniti

pentru sistemul prestator
Figura 18. Casa calitii pentru furnizarea serviciilor de cloud computing
1) Stabilirea scopului proiectului. Obiectivul analizei sistemului furnizor de servicii de cloud

const n evaluarea poziiei competitive a firmei OMNISTAR SRL. De asemenea, metoda
39
QFD poate fi aplicat i n cazul n care se proiecteaz un sistem prestator pentru o firm
de cloud computing nou.
2) Determinarea ateptrilor utilizatorilor de cloud prin formularea cerinelor de furnizare
a serviciilor de cloud computing. n prima faz este identificat grupul de utilizatori de
cloud i ateptrile acestora. Pentru firma OMNISTAR SRL, grupul de clieni int sunt
utilizatorii de servicii de cloud computing persoane fizice sau juridice. Ateptrile
utilizatorilor se pot determina prin interviuri, discuii de grup (focus group) sau aplicarea
de chestionare. Indiferent de varianta utilizat, n structurarea chestionarului i a
interviurilor se va ine cont de cele cinci dimensiuni ale calitii (forma principal) pentru
a descrie ateptrile utilizatorilor de cloud. Aceste ateptri sunt poziionate pe rnduri n
casa calitii. n cazul unei analize mai profunde se pot descompune cele cinci
dimensiuni ale calitii pe mai multe nivele. n cazul nostru rmnem la nivelul primar de
detaliere.
3) Descrierea elementelor serviciului (caracteristicile tehnice). Coloanele matricei casa
calitii conin elementele serviciului pe care managementul firmei le poate modifica
pentru a satisface ateptrile utilizatorilor de cloud. Pentru firma OMNISTAR SRL au
fost selectate urmtoarele elemente ale serviciului: echipamente, capacitate, cunotine,
instruirea angajailor i competenele acestora manifestate n procesul de furnizare a
servciilor de cloud computing.
4) Determinarea intensitii relaiei dintre elementele serviciului. Partea triunghiular a
casei calitii acoperiul ofer oportunitatea de a reprezenta nivelul de corelaie dintre
perechile de elemente tehnice ale sistemului de servicii de cloud computing. Practic, pot
fi observate trei nivele ale intensitii relaiei reprezentate astfel: * puternic,
medie i slab. Se poate constata c exist o relaie puternic ntre instruire i
competene. Astfel, aceste relaii dintre elementele serviciului pot reprezenta oportuniti
pentru mbuntirea calitii serviciilor de cloud furnizate utilizatorilor.
5) Determinarea rspunsului furnizorului de servicii la cerinele clienilor. Corpul matricei
QFD conine informaii care cuantific intensitatea legturii dintre un element al
serviciului i cerina corespunztoare formulat de utilizatorii de cloud - intensitatea
relaiei. Fiecare element al corpului matricei conine numere naturale care aparin
intervalului [0,9], unde 9 nseamn o legtur foarte puternic. Aceste rspunsuri sunt
40
furnizate de echipa de proiectare a sistemului prestator i cuantific capacitatea firmei de

a rspunde cerinelor formulate de utilizatorii de servicii de cloud computing.
6) Determinarea contribuiei ponderate a elementelor serviciului pentru satisfacerea
cerinelor utilizatorilor de cloud. n aceast etap se determin importana fiecrui
element al serviciilor de cloud evaluat din perspectiva utilizatorilor. Pentru fiecare
ateptare formulat de utilizatorii de cloud este atribuit un numr ce reprezint importana
relativ a cerinei. Aceste ponderi pe o scar de la 1 la 9 indic importana pe care
utilizatorii de cloud computing o atribuie fiecrei ateptri sau cerine i se poate
determina prin sondarea opiniilor acestora. Importana relativ va fi multiplicat cu
intensitatea legturii dintre cerin i elementul de serviciu aferent prezentat n corpul
principal al matricei QFD. De exemplu, pentru elementul tehnic al serviciului instruire media ponderat se calculeaz astfel: 9(7) + 8(6) + 9(4 + 5(4) + 2(2) = 171. Rezultatele
sunt prezentate la baza matricei sau temelia casei calitii i reprezint o msur a
importanei fiecrui element de a satisface nevoile utilizatorilor de cloud. Aceste rezultate
ponderate trebuie utilizate cu pruden, deoarece ele au fost obinute pe baza unor date
afectate de incertitudine, adic, pe baza estimrilor.
7) Ierarhizarea elementelor serviciului n funcie de gradul de dificultate asociat
mbuntirii lor. Tot la baza casei calitii pot fi ierarhizate elementele serviciului n
funcie de dificultatea mbuntirii lor, pe o scar de la 1 la 5, unde 1 reprezint
elementul cel mai greu de mbuntit. De exemplu, capacitatea i echipamentele sunt cel
mai greu de schimbat pentru a rspunde cerinelor utilizatorilor de cloud, deoarece
necesit cheltuieli de capital considerabile. n practic, se poate ntmpla ca n situaia n
care utilizatorii doresc ca anumite elemente ale serviciilor de cloud computing s fie
mbuntite s-ar putea ca firma s nu fie capabil s rspund acestor solicitri.
8) Evaluarea competitivitii. O analiz a pieei de cloud pentru a determina competitivitatea
i modul n care utilizatorii percep serviciile de cloud computing oferite de firma
TeraComputer n comparaie cu cele furnizate de firma OMNISTAR SRL este necesar.
Pentru realizarea studiului se utilizeaz grupul de clieni int care au apelat la serviciile
firmei OMNISTAR SRL ct i la cele ale concurenei. Rezultatele studiului, folosind o
scar de la 1 la 5, sunt prezentate n partea dreapt a corpului matricei QFD. Aceste
rezultate reflect calitatea serviciului firmei OMNISTAR SRL i a concurenei din
41
perspectiva utiliatorilor de cloud. Pe lng aceast evaluare din exterior este necesar s fie
fcute evaluri interne, adic, din perspectiva angajailor firmei OMNISTAR SRL.
Sondarea opiniei angajailor (de exemplu, programatorii sau inginerii de sisteme
informatice) se focalizeaz asupra elementelor care determin serviciile de cloud
computing furnizate utilizatorilor. Pe o scar de la 1 la 5 sunt evaluate elementele
serviciului (tehnice) att pentru firma OMNISTAR SRL ct i pentru concuren.
Rezultatele sunt prezentate la baza matricei QFD i pot fi utilizate pentru a identifica
punctele critice ale sistemului prestator. Rezultatele se gsesc la baza matricei (ultimul
rnd).
9) Evaluarea strategic i stabilirea obiectivelor. Analiznd casa calitii la nivel de
ansamblu, firma OMNISTAR SRL poate identifica punctele sale tari i slbiciunile n
privina poziiei sale strategice fa de concuren. Cu excepia solicitudinii furnizorilor de
cloud perceput de utilizatori ca fiind favorabil, att pentru firma analizat ct i pentru
firma de referin (concurena), ncrederea mai mare n serviciul furnizat de firma
OMNISTAR SRL, precum i celelalte dimensiunii ale calitii - ncredere, siguran i
empatie - necesit adoptarea unor corecii. De exemplu, sigurana serviciului trebuie
mbuntit cu +2, empatia la fel, iar ncrederea cu +1. Rezultatele obinute trebuie
folosite cu pruden, deoarece aceste date au fost obinute pe baza sondrii opiniei
clienilor firmei OMNISTAR SRL i au un anumit nivel de incertitudine. Prin compararea
elementelor serviciului firmei OMNISTAR SRL cu cele ale concurenei i folosind
mediile ponderate se pot identifica direciile posibile de mbuntire a serviciilor de
cloud computing furnizate utilizatorilor. n zonele instruirii, cunotinelor i
competenelor, firma OMNISTAR SRL prezint o poziie bun, dar apar probleme n
privina capacitii i a dotrii cu echipamente. Un punctaj ridicat acordat capacitii (+2)
sugereaz c un obiectiv prioritar pentru firma OMNISTAR SRL const n a investi n
creterea capacitii de a furniza servicii de cloud computing utilizatorilor. n plus, aceast
aciune va necesita achiziionarea de echipamente noi care pot suine acest obiectiv (+1) i
contribuie la mbuntirea calitii serviciilor de cloud computing furnizate de firma
OMNISTAR SRL.
42
4. PROGNOZE ECONOMICE
Tehnicile de prognoz faciliteaz translatarea datelor i a informaiilor disponibile n
strategii care pot conduce la obinerea de avantaje competitive. Exist trei categorii de modele de
baz: subiective, cauzale i serii de timp. n funcie de natura afacerii se poate utiliza un anumit
model sau n alte situaii dou sau mai multe n funcie de caz. De exemplu, managementul unei
firme de calculatoare poate fi interesat de utilizarea modelului seriilor de timp pentru a prognoza
cererea sptmnal de PC-uri. Cererea de componente auto pe care un service este interesat s o
cunoasc n avans are att caracteristici temporale ct i spaiale. n acest caz sunt necesare att
modelele cauzale ct i cele bazate pe serii de timp.
3.1 Modele subiective pentru prognoza cererii

Majoritatea tehnicilor de prognoz, cum sunt modelele cauzale i seriile de timp se
bazeaz pe date cu profiluri relativ stabile n timp. n situaia n care nu avem date sau acestea
sunt prea puine atunci trebuie s apelm la metode de prognoz care sunt subiective sau
calitative. Dintre acestea, cele mai cunoscute sunt metoda Delphi, analogia istoric i analiza
impactului transversal [20].
Motoda Delphi se bazeaz pe opiniile unor experi. Persoanele cu expertiz ntr-un
anumit domeniu sunt solicitate s rspund la o serie de ntrebri, dar acestea nu trebuie s
interacioneze ntre ele. De exemplu, experii pot fi solicitai s fac estimri numerice cu privire
la evoluia medie a cursului leu-euro pentru anul viitor [3].
Prediciile se fac n mod iterativ, n prima faz toate estimrile experilor mpreun cu
justificrile aferente sunt centralizate i apoi sunt trimise din nou tuturor experilor pentru o
revizuire a prediciilor iniiale. Procesul poate continua pe parcursul mai multor etape pn cnd
se ajunge la un consens. Rezultatul obinut poate fi utilizat pentru planificarea viitoare. Aceast
metod este utilizat numai pentru realizarea de prognoze pe termen lung i necesit un efort
financiar considerabil. Practic aceast metod este utilizat atunci cnd nu exist date
cuantificabile [8].
43
Problema 10. Elaborarea unei prognoze prin utilizarea tehnicii Delphi

Managementul unei companii din domeniul electronic analizeaz oportunitatea
finanrii unui proiect ce vizeaz nanotehnologiile i folosirea rezultatelor tiinifice la
dezvoltarea de noi componente electronice. Pentru a-i fundamenta decizia de finanare a
proiectului, managementul companiei consult 23 de experi n nanotehnologii care au acceptat s
participe la acest studiu.
n prima etap a fost elaborat un chestionar cu 12 ntrebri, 4 cu privire la evoluia
cercetrilor n domeniul nanotehnologiilor, 5 vizeaz impactul rezultatelor nanotehnologiilor
asupra produciei de componente electronice i 3 se refer la utilizarea noilor componente
electronice. Aceste ntrebri solicit de la respondeni opinii care pot fi cuantificate folosind o
scar de la 1 la 5 ce reflect acordul sau dezacordul fa de subiectul expus. Pentru exemplificare,
se prezint n continuare doar o singur ntrebare, deoarece celelalte se pot trata n mod
asemntor.
Q1 Finanarea proiectelor din domeniul nanotehnologiilor este benefic pentru
dezvoltarea componentelor electronice. Rspuns (dezacord total; dezacord; neutru; acord; acord
total), la care se adaug opiniile expertului exprimate liber.
Dup prima etap, relativ la ntrebarea Q1, se obine o distribuie a rspunsurilor de forma
urmtoare: 2/dezacord total; 8/dezacord; 4/neutru; 30/acord; 7/acord total. Aceast distribuie
mpreun cu punctajele asociate fiecrui rspuns potenial pot fi utilizate pentru a calcula
mediana ce corespunde fiecrei ntrebri n parte. Rezultatele obinute mpreun cu rezumatul
comentariilor respondenilor vor fi transmise din nou experilor pentru o nou evaluare. La fel se
ntmpl i n a 3-a etap, cnd administratorul studiului ofer participanilor nc odat un
rezumat al rezultatelor cercetrii i i invit s examineze din nou situaia. Cnd rezultatele ating
un anumit nivel de convergen, studiul se oprete, iar acestea reprezint valorile prognozate.
Problema 11. Elaborarea prognozei prin analiza de impact transversal
Metoda analizei de impact transversal se bazeaz pe premiza c un anumit
eveniment viitor este legat de producerea unui alt eveniment naintea acestuia (precursor). De
exemplu, s considerm rezultatele unui studiu care estimeaz c n anul 2014 preul mediu de
livrare a energiei electrice este de 168 lei pe MWh (evenimentul A) i o cretere a consumului de
44
energie cu 30%, n anul 2017 (evenimentul B). Un panel de experi studiaz un set de corelaii
care pot exista ntre aceste evenimente. Aceste corelaii constituie baza pentru estimarea
probabilitii ca un eveniment viitor s se produc.
Revenind la cele dou evenimente prezentate, iniial, prin consens, s-a estimat c dac
evenimentul A se produce, atunci probabilitatea condiionat ca i evenimentul B s se produc
este 0,6. De asemenea, dac evenimentul B se realizeaz atunci probabilitatea ca evenimentul A
s aib loc este 0,4. Aceste date pot fi sistematizate sub forma unei matrice.
Evenimentul existent
A
B
Probabilitatea de a se produce evenimentul

A
B
0,6
0,4
-
S presupunem c probabilitatea necondiionat a evenimentului B este 0,9, iar a

evenimentului A 0,6. Cele dou probabiliti necondiionate statistic sunt inconsistente cu valorile
din matrice. Aceast inconsisten este pus n eviden de experii din panel care trebuie s
revizuiasc estimrile printr-o serie de iteraii. n final, trebuie s se ajung la o matrice a
probabilitilor condiionate satisfctoare pentru a putea fi utilizat pentru elaborarea prognozei.
Metoda analogiei istorice presupune c evoluia unei mrimi economice (despre care nu
avem date) se va comporta n mod similar ca evoluia unei alte mrimi (concept), pentru care
exist date. Ciclul de via al unui produs este folosit de multe ori n practic pentru a estima
evoluia cererii n diferite etape (introducere, cretere, maturitate i declin), n cazul unui serviciu
nou. De exemplu, analogia istoric privind penetrarea pieei de televizoare LED se bazeaz pe
experiena anterioar a cererii pentru televizoare cu plasm. De multe ori aceast analogie este
criticabil, deoarece datele istorice privind evoluia cererii pentru un anumit serviciu sau produs
pot avea mai multe interpretri [4].
3.2 Modele cauzale
Pentru a face prognoze de calitate pe termen lung trebuie s identificm informaiile
critice i s le procesm pentru a realiza o predicie corespunztoare. Astfel, datele urmeaz un
model identificabil n timp i o relaie exist ntre informaiile pe care noi le folosim pentru a
realiza prognoza. Modelele cauzale mai simple se bazeaz pe o tehnic numit analiza de
regresie, iar cele complexe care folosesc un sistem de ecuaii sunt cunoscute ca modele
45
econometrice. n continuare sunt prezentate principalele concepte folosite n analiza de regresie

i exemple pentru a ilustra practic cum se realizeaz aceast analiz [17].
Analiza de regresie este o metod folosit pentru analiza relaiilor asociative dintre o
variabil dependent i una sau mai multe variabile independente. Un model de regresie este o
relaie ntre factorul ce este prognozat, care este desemnat ca fiind variabila dependent (Y) i
factorii care determin valoarea lui Y, acetia se numesc variabile independente (Xi). Dac exist
n variabile independente, atunci relaia dintre variabila dependent Y i variabilele independente
Xi se exprim astfel.
Y = a0 + a1X1 + a2X2 + ...+ anXn

Valorile ai sunt coeficienii ce urmeaz a fi determinai prin utilizarea ecuaiilor de
regresie. Acest model implic o relaie determinist n care Y este complet determinat de Xi.
Analiza de regresie prezint dou abordri principale: regresia simpl (bivariate
regression) i regresia multipl (multiple regression). Modelul de regresie simpl reprezint o
relaie matematic ntre o singur variabil dependent i o variabil independent. Analiza este
similar n mare parte cu modalitatea prin care se determin o corelaie simpl ntre dou
variabile. Un model de regresie simpl are urmtoarea form [6]:
Y=a0 + a1X
unde: Y = variabila dependent (sau criteriu)
a0 = termenul constant
a1 = panta dreptei
X = variabila independent
Valoarea lui Y poate fi determinat n mod complet dac valorile lui a0 i a1 sunt
cunoscute cu certitudine. n practic, puine relaii sunt deterministe. Prin urmare, procedura de
regresie adaug un termen de eroare n model (ei) pentru a modela impactul probabilistic asupra
naturii acestei relaii. Se consider c termenii de eroare sunt independeni i au o distribuie
normal cu o medie zero i o varian constant. Astfel, ecuaia de baz a unui model de regresie
simpl devine:
Yi = a0 + a1X + ei
46
unde ei este termenul de eroare asociat cu observaia i.

Pentru a estima coeficienii a0 i a1 se va utiliza programul de calculator SPSS.
Coeficientul a1 este panta liniei de regresie i indic schimbarea ateptat a mrimii Y, atunci
cnd X se modific cu o unitate.
Problema 12. Determinarea impactului eforturilor promoionale asupra vnzrilor
Managementul unui lan de magazine dorete s determine impactul efortului promoional
asupra vnzrilor. Datele au fost obinute de la 10 uniti similare din diferite locaii din Romnia
i cuprind cheltuielile cu promovarea i volumul vnzrilor nregistrate ntr-o anumit perioad.
Datele sunt prezentate n tabelul urmtor.
Unitatea numrul
1
Cheltuieli promoionale [mii lei]

70
Vnzri [mii lei]

1780
102
1900
64
1680
84
1740
92
1840
108
1990
78
1690
52
1540
112
2100
10
92
1980
a) S se determine impactul eforturilor promoionale asupra cifrei de afaceri nregistrat de

magazin folosind analiza de regresie simpl
b) S se interpreteze coeficienii de regresie
c) Este relaia de regresie semnificativ?
d) S se determine coeficientul de determinare (r2).
Pentru rezolvarea problemei vom utiliza programul de calculator SPSS. Pentru nceput se
va genera baza de date n SPSS, iar dup aceast operaie se trece la analiza datelor parcurgnd
47
urmtoarele etape: Linear Regression / Analyze / Regression/ Linear Regression dialog box. n
caseta de dialog se selecteaz variabila dependent ca fiind vnzrile, iar ca variabil
independent vom considera cheltuielile cu promovare.
n figura 19 sunt prezentate rezultatele analizei de regresie. Se observ c cele dou medii
ale vnzrilor i cheltuielilor cu promovarea sunt 1817, respectiv 85,4. Deviaia standard pentru
vnzri este 178,2, iar n cazul cheltuielilor cu promovarea aceasta devine 19,57. Coeficientul de
corelaie dintre vnzri i cheltuielile cu promovarea este 0,904 (Pearson Correlation).
Coeficienii de regresie simpl sunt a0 = 1114 i a1=8,225, iar eroarea standard pentru coeficientul
a0 este egal cu 120,4 i pentru a1 este 1,377.
Figura 19. Rezultatele analizei de regresie simpl

Valoarea lui R este 0,904 i reprezint corelaia simpl dintre cele dou variabile.
Rezultatul indic un grad ridicat de corelaie. Intensitatea asocierii dintre cele dou variabile este
msurat prin utilizarea coeficientului de determinare (R2). n cazul regresiei liniare simple, R2
este egal cu ptratul coeficientului de corelaie dintre cele dou variabile. Astfel, R2 indic n ce
msur variaia variabilei dependente, vnzri, poate fi explicat de variabila independent,
cheltuielile cu promovarea [6]. n acest caz, 81% din variaia vnzrilor poate fi explicat de
48
variaia cheltuielilor cu promovarea, iar restul de ctre ali factori. n mod obinuit, valori ale lui
R2 sub 0,2 sunt considerate ca fiind slabe, ntre 0,2 i 0,4 moderate, iar cele peste 0,4 sunt
excelente.
Tabelul ANOVA examineaz diferenele dintre medii folosind analiza varianei. Pentru
noi, n acest caz, conteaz s aflm dac modelul conduce la obinerea unor rezultate (predicii)
semnificative. S examinm n figura 17 coloana Sig care reflect semnificaia statistic a
modelului de regresie ce a fost aplicat. Se observ c p<0,0005, acesta este mai mic de 0,05 i
indic faptul c modelul aplicat este n mod semnificativ suficient de bun pentru predicia
variabilei rezultat.
n tabelul al patrulea din figura 17 sunt prezentate valorile testului F-statistic. Prin
aplicarea acestui test se verific ipoteza c niciuna din variabilele exploratorii nu poate explica
variaia variabilei dependente fa de media sa. Dac probabilitatea erorii de semnificaie Sig
este mai mic de 0,05, atunci testul F-statistic conduce la o valoare F suficient de mare (35.653)
astfel nct noi putem respinge ipoteza c nicio variabil exploratorie nu poate explica variaia
variabilei dependente. Acest test este asemntor cu cel de semnificaie pentru coeficientul de
determinare R2 [6], [9].
Analiza datelor pentru a determina distribuia frecvenei i a mrimilor statistice
aferente. Dup ce datele au fost pregtite pentru analiz se poate trece la efectuarea de calcule
pentru a realiza distribuia de frecvene, testarea ipotezelor i aplicarea tabelelor ncruciate.
Distribuia frecvenelor poate furniza rspunsuri pentru multe ntrebri de genul: care este
distribuia veniturilor utilizatorilor unui anumit brand? Care este procentul de clieni ai unui
magazin ce folosesc cardul pentru a efectua pli? n cazul unei distribuii de frecvene, doar o
singur variabil este luat n considerare la un anumit moment i contabilizeaz numrul de
realizri (rspunsuri) asociate cu diferite valori ale variabilei.
Problema 13. Analiza datelor colectate de la respondeni cu privire la atitudinea lor
fa de brandul SAMSUNG (televizoare)
Atitudinea este msurat pe o scal Likert cu apte puncte (1- foarte nefavorabil, 7 foarte
favorabil). Sexul respondenilor a fost codad cu 1 pentru femei i 2 pentru brbai. n figura 19 n
49
primul tabel sunt prezentate principalele mrimi statistice media, modulul, mediana, variana,
deviaia standard, valoarea minim i cea maxim, precum i intervalul de variaie.
Media sau valoarea medie este utilizat atunci cnd datele au fost colectate folosind un
interval sau o scar numeric. Datele trebuie s reflecte tendina central cu majoritatea valorilor
distribuite n jurul mediei. Modulul este valoarea ce se produce cel mai frecvent i reprezint
vrful cel mai nalt al distribuiei. Mediana unui eantion este o valoare de mijloc atunci cnd
datele sunt aranjate n ordine cresctoare sau descresctoare. Mediana poate fi uor determinat
prin folosirea procentelor cumulative din tabelul cu frecvene. Se urmrete coloana cu procente
cumulative, iar valoarea variabilei ce corespunde la 50% (procent cumulativ) este mediana.
Intervalul de variaie sau gama de variaie a unei variabile se determin n mod simplu ca
diferena dintre valoarea cea mai mare i valoarea cea mai mic a variabilei analizate.
Tabelul 3. Atitudinea respondenilor fa de brandul SAMSUNG
Numr
Gen
Atitudine
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.00
11.00
12.00
13.00
14.00
15.00
16.00
17.00
18.00
19.00
20.00
2.00
2.00
1.00
2.00
1.00
1.00
2.00
2.00
2.00
2.00
1.00
1.00
2.00
2.00
2.00
2.00
1.00
1.00
2.00
2.00
7.00
3.00
4.00
2.00
3.00
6.00
5.00
4.00
3.00
6.00
4.00
5.00
6.00
3.00
4.00
3.00
2.00
5.00
6.00
7.00
Variana este media ptratelor deviailor fa de medie pentru toate valorile (=1
( )2
(1)
).
Cnd datele sunt grupate strns n jurul mediei, variana este mic. Cnd mprtierea lor este
considerabil variana este mare. Dac datele sunt similare sau apropiate, variana este mic, iar
distribuia lor este grupat n jurul mediei. Deviaia standard este rdcina ptrat a varianei
50
= =1
( )2
(1)
. Se observ c la numitor avem (n-1) n loc de n, deoarece noi avem un
eantion alctuit din n observaii i, n plus, avem media care limiteaz numrul variabilelor pe
baza datelor extras din eantion. Altfel spus, deviaia standard corespunde unui numr de grade
de libertate (df) egal cu (n-1). Cu ct exist mai multe relaii ntre date, cu att numrul gradelor
de libertate se va reduce.
Distribuia frecvenei ne ajut s determinm rspunsurile incorecte. De exemplu, valorile
cuprinse ntre 0 sau 8, n cazul unei scale Likert cu apte puncte, sunt considerate ca fiind date
greite sau erori. De asemenea, distribuia frecvenei indic forma distribuiei empirice a
variabilei studiate.
Folosind programul SPSS putem determina statisticile asociate distribuiei de frecven,
cum ar fi media, modulul i mediana. De asemenea, se pot efectua msurtori ale variabilitii
cum ar fi intervalul de variaie i deviaia standard. Facilitatea programului SPSS care permite
calculul acestor mrimi este EXPLORE (medie, median, varian, deviaia standard, minim,
maxim, interval de variaie). Procedura de calcul n SPSS este urmtoarea: ANALYZE /
DESCRIPTIVE STATISTICS / DESCRIPTIVES / EXPLORE. Detalierea pailor care trebuie
parcuri pentru a realiza toate aceste determinri folosind SPSS-ul este prezentat n continuare:
1. Se selecteaz ANALYZE
2. Se tasteaz DESCRIPTIVE STATICS i se selecteaz FREQUENCIES
3. Se poziioneaz variabila Atitudinea fa de brandul SAMSUNG n caseta VARIABLE
4. Se tasteaz STATISTICS
5. Se selecteaz MEAN, MEDIAN, MODE. STANDARD DEVIATION, VARIANCE i
RANGE
6. Se tasteaz CONTINUE
7. Se tasteaz CHARTS
8. Se tasteaz HISTOGRAMS apoi CONTINUE
9. Se tasteaz OK.
51
Figura 20. Histograma frecvenelor privind atitudinile clienilor fa de brandul SAMSUNG

Rezultatele statistice obinute dup procesarea datelor sunt prezentate n figurile 20 i 21.
Se observ n figura 21 c n primul tabel sunt trecute mrimile statistice de interes (medie,
median, mod, deviaia standard, varian, interval de variaie, valori minimale i maximale). n
tabelul urmtor, prezentat tot n figura 21, sunt detaliate frecvenele de realizare i procentele
cumulative pentru variabila analizat.
Figura 21. Rezultatele statistice procesate folosind programul SPSS

52
Testarea ipotezelor. O ipotez (H) este o propoziie sau declaraie nedovedit despre un
factor sau fenomen care este de interes. De exemplu, o ipotez poate fi o declaraie despre
relaiile definite ntr-un cadru teoretic sau un model analitic (conceptual). Astfel, ipotezele sunt
declaraii despre relaiile propuse n model i reflect ateptrile ce pot fi testate empiric. De
asemenea, ipotezele joac un rol important n stabilirea variantelor care sunt incluse n modelul
studiat.
Procedura general folosit pentru testarea ipotezelor const n parcurgerea urmtoarelor
etape:
1. Formularea ipotezei nule H0 i a ipotezei alternative H1;
2. Selectarea unei tehnici statistice corespunztoare i a testului statistic potrivit;
3. Selectarea nivelului de semnificaie ();
4. Determinarea mrimii eantionului, colectarea datelor i calcularea valorii testului
statistic;
5. Determinarea probabilitii asociate cu testul statistic calculat pe baza datelor
colectate din eantion n cazul ipotezei nule folosind distribuia de eantionare a
testului statistic. Se determin valoarea critic asociat cu testul statistic ce divide
intervalul de valori n zone de respingere a ipotezei nule sau de acceptare a acesteia, n
funcie de nivelul de semnificaie folosit;
6. Se compar probabilitatea asociat cu testul statistic i cu nivelul de semnificaie
specificat. n mod alternativ, se verific dac testul statistic calculat pe baza datelor
colectate se ncadreaz n regiunea de respingere sau acceptare;
7. Se adopt decizia de respingere sau acceptare a ipotezei nule;
8. Se ajunge la o concluzie exprimnd decizia luat n funcie de problema studiat.
Ipoteza nul este o declaraie care presupune c nu exist nicio diferen sau nu se
produce niciun efect. Dac ipoteza nul nu este respins, nicio schimbare nu se va produce. O
ipotez alternativ (H1) arat c exist diferene sau un anumit efect se ateapt n cazul
procesului sau fenomenului studiat. Acceptarea ipotezei alternative va conduce la schimbri de
opinii sau aciuni. Astfel, ipoteza alternativ este opus ipotezei nule. Trebuie reinut faptul c o
ipotez nul poate fi respins dar niciodat nu poate fi acceptat pe baza unui singur test.
53
Un test statistic poate conduce la dou rezultate: ipoteza nul (H0) este respins i este
acceptat ipoteza alternativ (H1) sau ipoteza nul nu poate fi respins pe baza datelor existente.
Totui, este incorect a concluziona c ntruct ipoteza nul nu este respins, aceasta poate fi
acceptat ca fiind valid.
Pentru a testa ipoteza nul trebuie folosit un test statistic care proceseaz datele colectate
de la respondeni (eantion). Testul statistic determin n ce msur datele din eantion conduc
spre ipoteza nul. Testul statistic se bazeaz pe o distribuie cunoscut cum ar fi distribuia
normal, t sau 2.
De fiecare dat cnd facem deducii despre o populaie statistic exist posibilitatea ca s
apar erori. Exist dou tipuri de erori: eroarea de tip 1 i eroarea de tip 2. Eroarea de tip 1 se
produce atunci cnd rezultatele testului conduc la respingerea ipotezei nule atunci cnd aceasta
este adevrat. Eroarea de tip 2 se produce atunci cnd pe baza rezultatelor obinute, ipoteza nul
nu este respins cnd este fals. Tehnic, probabilitatea erorii de tip 1 este notat cu i reprezint
nivelul de semnificaie al msurtorilor. Adic, nivelul de semnificaie este probabilitatea de a
face o eroare de tip 1.
Probabilitatea de a produce o eroare de tip 2 este i depinde de valoarea actual a
parametrului populaiei analizate, de exemplu, media unei variabile de interes. Factorul (1- )
reprezint puterea testului statistic. Nivelul pentru un anumit caz mpreun cu mrimea
eantionului vor determina nivelul . Pentru un nivel dat, o cretere a mrimii eantionului va
reduce factorul i va crete puterea testului [19].
Valoarea critic reprezint valoarea testului statistic ce divide intervalul de valori ntr-o
zona de respingere a ipotezei nule i cealalt zon de acceptare. Dac valoarea calculat este mai
mare dect valoarea critic a testului statistic, atunci ipoteza nul este respins.
Problema 14. Testarea ipotezelor

Managementul unui service auto dorete s extind portofoliul de servicii prin
introducerea unui serviciu de buy - back. n acest sens, managementul companiei dorete s
afle dac acest serviciu este apreciat de ctre clienii si sau nu. Pe baza unui studiu anterior s-a
constatat c peste 45% din clieni prefer serviciile furnizate de acest service auto. Pentru a
verifica dac noul serviciu se va bucura de aceeai apreciere, managementul a iniiat un studiu
54
pentru a testa preferinele clienilor. Derularea studiului i testarea ipotezei poate urma etapele
prezentate anterior.
1. Formularea ipotezei: Serviciile actuale furnizate de unitatea de service sunt preferate
de cel puin 45% din clieni i se presupune c noul serviciu, n cazul ipotezei nule, va
fi preferat ntr-o proporie mai mic de 45%, adic, H0: p 0,45, iar ipoteza alternativ
H1 se formuleaz astfel: H1: 0,45. Dac ipoteza nul va fi respins, atunci ipoteza
alternativ (H1) va fi acceptat i serviciul cel nou va fi lansat pe pia.
2. Selectarea testului corespunztor. n acest caz, se consider c distribuia normal
standard este corespunztoare i se aplic testul statistic z. Determinarea lui z asociat
cu intervalul de ncredere se poate realiza folosind formula =
, unde p este
ponderea sau media din eantion, iar este ponderea populaiei din care a fost extras
eantionul, iar deviaia standard sau eroarea standard a mediei sau proporia se
(1)
calculeaz cu formula =
3. Alegerea nivelului de semnificaie. Eroarea de tip 1 se va produce dac proporia

clienilor chestionai care prefer serviciul nou a fost considerat ca fiind mai mare de
0,45, cnd de fapt aceasta a fost mai mic sau egal cu 0,45 (p=0,45). n cazul nostru,
nivelul de semnificaie ce reprezint probabilitatea de a face o eroare de tip 1 este
=0,05.
4. Colectarea datelor. S presupunem c eantionul folosit pentru obinerea datelor a
fost de 600 clieni, din care 320 au exprimat o preferin pentru noul serviciu, adic
(1)
p=0,53. Valoarea p se determin astfel: =
Testul statistic z se poate calcula n felul urmtor: =
0,45(10,45)
=
=
600
0,530,45
0,0203
= 0,0203.
= 3,94;
5. Determinarea valorii critice. Folosind tabelele statistice (tabele standard normal) se

calculeaz probabilitatea de a realiza valoarea z=3,94. Aceasta este egal cu 0,00004.
Valoarea critic a lui z atunci cnd nivelul de semnificaie = 0,05 este egal cu 1,645.
n funcie de natura problemei cercetate valoarea critic este sau /2. Dac ipoteza
alternativ este exprimat direcional, de exemplu, H1: > 0,80, aria din partea dreapt a
valorii critice este egal cu . n celelalte cazuri aria maxim trebuie s fie egal cu
/2.
55
6. Compararea valorii critice i adoptarea deciziei. Probabilitatea asociat cu valoarea

observat sau calculat a testului statistic este 0,00004. Aceasta este probabilitatea de
a obine o valoare p=0,53, atunci cnd =0,45. Aceast probabilitate este mai mic
dect nivelul de semnificaie de 0,05. Prin urmare, ipoteza nul se respinge.
Tabelele ncruciate descriu simultan comportamentul a dou sau mai multe variabile din
perspectiva asocierii coloanelor i liniilor unui tabel cu dou intrri. Calculul ncruciat este o
tehnic statistic ce reflect distribuia comun a dou sau mai multe variabile cu un numr
limitat de valori. Tabelul de frecvene ncruciate se bazeaz pe distribuia de frecvene a unei
variabile care este divizat n funcie de valorile altor variabile [9].
Tabelul 4 este un exemplu de tabel de contigen cu dou variabile. Fiecare celul din
tabel prezint o combinaie a dou variabile. Valorile din tabel se refer la gradul n care
internetul este folosit de utilizatorii cu studii superioare i cei cu studii medii.
Tabelul 4. Numrul de utilizatori din eantion care folosesc internetul n funcie de educaie
Gradul de utilizare a internetului
Ridicat
Mediu
Sczut
Total pe coloane
Studii superioare
12
6
4
22
Studii medii
6
4
2
12
Total pe rnduri
18
10
6
34
n general, tabelele contigeniale sunt transformate sub forma unor tabele de frecvene
pentru fiecare variabil n parte. n cazul a dou variabile, procentajul poate fi calculat fie pe
coloane sau pe rnduri, ca n tabelul urmtor (se fac totaluri pe rnduri):
Gradul de utilizare a
internetului
Ridicat
Mediu
Sczut
Studii superioare
Studii medii
Total pe rnduri
66,67%
60%
66,67%
33,3%
40%
33,3%
100%
100%
100%
n cazul n care se fac totaluri pe coloane tabelul de frecvene se transform astfel:

Gradul de utilizare a internetului
Ridicat
Mediu
Sczut
Total pe coloane
Studii superioare
54,5%
27,3%
18%
100%
Studii medii
50%
33,3%
16,67%
100%
56
Calculul frecvenelor se va realiza pe coloane sau rnduri n funcie de variabila

independent. Regula general este de a calcula procentajele n sensul variabilei independente i
a gradului de utilizare ca variabil dependent, atunci calculul corect este ultimul tabel n care
frecvenele sunt sumate pe coloane.
Testul statistic 2 este folosit pentru a determina semnificaia statistic a asocierii
observate ntre variabilele dintr-un tabel de contigen. Adic, acest test arat dac o asociere
sistematic exist ntre dou variabile. Ipoteza nul (H0) stipuleaz c nu exist nicio asociere
ntre variabile. Testul se bazeaz pe calculul frecvenelor n fiecare celul a tabelului de
contingen ce se ateapt s se realizeze dac nu exist nicio asociere ntre variabile pe baza
totalurilor pe rnduri i coloane. Aceste frecvene ateptate, notate fa sunt ulterior comparate cu
frecvenele observate f0 ce se gsesc n tabelul de contingen. O mai mare discrepan ntre
frecvenele ateptate i cele observate nseamn o valoare mai mare a testului statistic. Dac
presupunem c un tabel de contigen are r rnduri i c coloane, eantionul din care sunt obinute
datele are mrimea n, atunci frecvena ateptat n condiiile ipotezei nule pentru fiecare celul n
parte se poate calcula cu formula fa = (nr x nc)/n, unde nr este numrul de utilizatori pe rnduri, nc
numrul de utilizatori pe coloane, iar mrimea eantionului este n [6].
Pentru exemplificare s folosim datele din tabelul 4, unde pe rnduri numrul total de
utilizatori care folosesc intens internetul este 18, cei care l folosesc la un nivel mediu 10 i 6
pentru utilizatorii care folosesc internetul la un nivel sczut. Numrul total de persoane cu studii
superioare este 22 (pe coloan), iar al celor cu studii medii 12. Prin urmare, frecvenele ateptate
pentru cele ase celule ale tabelului 4 se calculeaz astfel: fa11 = (22x 18)/34 = 11,65; fa21 =
(22x10)/34=6,47; fa31 = (22x6)/34 = 3,38; fa12 = (12x18)/34 = 6,35; fa22 = (12x10)/34 = 3,53 i
fa32 = (12x6)/34 = 2,12.
Folosind frecvenele ateptate calculate pentru fiecare celul n parte se poate trece la
calculul lui 2 folosind urmtoarea formul:
( )2
Pentru exemplul prezentat calculul lui 2 se realizeaz astfel: 2 = (12 11,65)2 / 11,65 +
(6-6,47)2/6,47 + (4-3,88)2/3,88 + (6-6,33)2/6,35 +(4-3,53)2/3,53 + (2-2,12)2/2,12 = 0,01 + 0,034
+ 0,004 + 0,019 + 0,06 + 0,007 = 0,134
57
O caracteristic important a testului statistic 2 este numrul gradelor de libertate. n

general, numrul gradelor de libertate este egal cu numrul observaiilor mai puin numrul de
restricii necesare pentru a calcula o mrime statistic. n cazul tabelelor de contigen, numrul
gradelor de libertate (df) este egal cu produsul dintre numrul de rnduri (r) mai puin o unitate i
numrul de coloane (c) mai puin o unitate, astfel, df = (r-1) (c-1). Ipoteza nul (H0) stipuleaz c
nu exist nicio asociere ntre cele dou variabile i aceasta va fi respins numai dac valoarea
calculat a testului statistic 2 este mai mare dect valoarea critic a distribuiei 2 ce corepunde
numrului de grade de libertate existent.
n exemplul nostru, numrul gradelor de libertate df = (3-1) (2-1) = 2. Valoarea calculat
a lui 2calculat este 0,134. Valoare critic a lui 2, n cazul unui df = 2 i = 0,05, se poate
determina folosind distribuia 2 din tabelele statistice i se obine 2critic = 5,991. Cum 2critic
2calculat (5,991 0,134) rezult c n exemplul nostru ipoteza nul (H0) nu poate fi respins.
Testul 2 mai poate fi utilizat pentru a determina dac modelele conceptuale se potrivesc
cu datele observate. Adic, se verific n ce msur datele colectate pentru un anumit model
conceptual susin sau nu relaiile care exist ntre variabilele latente prin msurarea variabilelor
observabile.
Regresia liniar multipl este o tehnic statistic ce se bazeaz pe relaia matematic care
exist ntre o variabil dependent i dou sau mai multe variabile independente. Forma general
a unui model de regresie multipl este urmtoarea: Y = a0 + a1x1 + a2x2 + ... + anxn + e.
Coeficientul a0 reprezint intersecia cu axa Oy, iar a1, a2, ..., an sunt coeficienii de regresie
pariali.
Coeficientul de regresie parial este diferit ca semnificaie de coeficientul de regresie
simpl, deoare xi i xj sunt n mod obinuit corelate ntre ele. Astfel, a1 reprezint schimbarea
produs la nivelul variabilei Y cnd x1 se modific cu o unitate, iar celelalte variabile x2, ... ,xn
sunt meninute constante. De asemenea, a2 reprezint schimbarea ateptat pentru variabila Y
cnd x2 se modific cu o unitate.
Coeficienii beta sunt coeficieni de regresie pariali care au fost obinui atunci cnd toate
variabilele (Y, x1, x2, ... , xn) au fost standardizate la o medie egal cu 0 i varian 1, naintea
estimrii ecuaiei de regresie. Coeficienii de corelaie pariali sunt utilizai pentru a efectua o
predicie mai bun a cauzalitii sau asocierii dintre variabile.
58
Nivelul de asociere dintre variabilele independente i cea dependent este msurat prin
ptratul coeficientului de corelaie multipl, R2, care mai este cunoscut i sub numele de
coeficient de determinare. Coeficientul de determinare R2 sau r2 reflect msura n care variabila
dependent este influenat de variabila independent. Pentru corelaia multipl coeficientul de
determinare nu poate fi mai mic dect cea mai mare valoare a coeficientului parial de corelaie r2
aferent oricrei variabile independente n relaie cu variabila dependent. Intensitatea asocierii
ntre dou variabile este dat de valoarea absolut a lui r. Coeficientul de determinare r2 indic
gradul n care variaiile variabilei independente pot explica variaiile variabilei dependente [4].
Dac variabilele independente sunt statistic independente i astfel nu sunt corelate ntre
ele, atunci R2 reprezint suma coeficienilor de corelaie pariali r2 ai fiecrei variabile
independente. n plus, R2 nu poate scdea dac noi variabile independente sunt adugate n
model. Cu toate acestea, contribuia primelor variabile independente la valoarea lui R2 este
dominant. Dup primele cteva variabile celelalte nu mai aduc un aport semnificativ la creterea
lui R2. Din acest motiv, R2 poate fi ajustat n funcie de numrul de variabile independente i
mrimea eantionului prin folosirea formulei urmtoare.
= 2
(1 2 )
1
n aceast formul k reprezint numrul de variabile independente din model, iar n este
dimensiunea eantionului. n practic, valori ale lui R2 situate ntre 0,5 i 0,6 sunt considerate ca
fiind rezonabile.
Analiza asociativ a datelor presupune msurarea gradului de asociere sistematic a dou
variabile sub aspectul intensitii, direciei sau semnificaiei statistice aferente. Pentru a testa
semnificaia general a ecuaie de regresie precum i a coeficienilor de regresie pariali trebuie
formulat ipoteza nul (H0) care presupune c R2 = 0 sau H0: 1 = 2 = ... = k =0.
Pentru a determina dac se respinge sau nu aceast ipotez se folosete testul statistic F.
Formula general de calcul pentru testul F este urmtoarea:
2 /
(1 2 ) / ( 1)
59
Aceast formul corespunde unei distribuii F cu (n-k-1) grade de libertate i k variabile

independente. Semnificaia general a ecuaiei de regresie multipl se determin folosind
distribuia F, (n-k-1) grade de libertate, k variabile independente i un coeficient de semnificaie
=0,05.
Dac ipoteza nul general (H0) este respins nseamn c unul sau mai muli coeficieni
de regresie pariali au o valoare diferit de zero. Semnificaia unui coeficient parial se poate
determina folosind testul Student care are o distribuie t i (n-k-1) grade de libertate.
Problema 15. Analiza preferinelor clienilor pentru telefoane mobile n funcie de trei
variabile independente: conectivitate, autonomie i dimensiunea ecranului.
Datele au fost colectate folosind o scar Likert i sunt prezentate n tabelul urmtor:
Preferine
6.00
3.00
4.00
5.00
4.00
6.00
5.00
3.00
4.00
7.00
7.00
7.00
6.00
5.00
4.00
5.00
6.00
7.00
Conectivitate
3.00
6.00
6.00
6.00
6.00
7.00
7.00
7.00
7.00
5.00
4.00
6.00
7.00
6.00
6.00
5.00
6.00
6.00
Autonomie
4.00
5.00
5.00
5.00
5.00
6.00
7.00
6.00
6.00
6.00
7.00
6.00
5.00
6.00
6.00
7.00
6.00
6.00
Dimensiune
4.00
3.00
3.00
5.00
4.00
5.00
6.00
5.00
4.00
5.00
6.00
6.00
6.00
7.00
7.00
7.00
4.00
4.00
S se realizeze matricea corelaiilor dintre variabile i s se determine dependena dintre

preferina clienilor i celelalte variabile folosite n acest studiu. n figura 22 este prezentat
matricea corelaiilor dintre variabilele din model folosind programul SPSS, iar n figura 23
coeficienii regresiei multiple dintre preferinele clienilor i celelalte variabile din model.
60
n SPSS trebuie parcurse urmtoarele etape pentru a obine matricea corelaiilor:

ANALIZE / CORELATE / BIVARIATE / BIVARIATE CORRELATIONS , iar n final se selecteaz
n fereastra de dialog variabilele din model pentru care se dorete a se construi matricea.
Figura 22. Matricea corelaiilor dintre variabilele din model
Figura 23. Regresia liniar multipl dintre preferinele clienilor i celelalte variabile din model
61
3.3 Modele bazate pe serii de timp

ntruct planificarea nu poate fi conceput fr prognoze, iar diversitatea aplicaiilor
acestora este la fel de mare ca i diversitatea fenomenelor i a proceselor ce trebuie planificate se
impun noi abordri. n acest sens, modelele seriilor de timp pot fi utilizate pentru a elabora
prognoze pe termen scurt atunci cnd variabilele observabile se ncadreaz ntr-un model
identificabil n timp. Exist mai multe metode bazate pe serii de timp, cum ar fi metoda mediei
mobile sau metoda ajustrii exponeniale.
3.3.1 Metoda mediei mobile

Observaiile, de multe ori, sunt fcute pe o perioad de timp ce prezint un model aleator
de variaie. Selectarea perioadei de prognoz trebuie s se bazeze pe natura cererii i abilitatea de
utilizare a acestor informaii. Metoda mediei mobile determin prognoza unei variabile pentru o
perioad de timp viitoare prin medierea datelor colectate n ultimele n perioade de timp folosind
formula [16]:
+1
+ 1 + + +1 1
=
=
=+1
unde: Pt+1 este valoarea prognozat pentru perioada (t+1)

xt este valoarea realizat n perioada t
n este ordinul mediei mobile
Dac ne intereseaz s determinm eroarea de prognoz putem utiliza formula erorii
medii [12]:
=( )
unde: Pt sunt valorile prognozate pentru perioadele t=1,
xt sunt valorile reale disponibile

m este numrul de valori ale seriei de timp disponibile
62
Problema 16. Determinarea gradului de ocupare a unui hotel folosind media mobil
Managerul unui hotel din Eforie Nord examineaz nregistrrile privind gradul de ocupare
al hotelului n fiecare smbt la sfritul ultimelor cinci sptmni. Folosind aceste date el
dorete s se pregteasc pentru urmtorul sfrit de sptmn i este intersat s determine
gradul de ocupare potenial folosind metoda mediei mobile pentru aceast prognoz.
Datele care reflect gradul de ocupare al hotelului n zilele de smbt din ultimele 5
sptmni mpreun cu media mobil calculat pe o perioad de dou sptmni (n=2, ordinul
medie mobile) i valorile prognozate sunt prezentate n tabelul urmtor.
Perioada [sptmnal /
Gradul de ocupare
smbta]
Media mobil pentru
Prognoza gradului de ocupare
n=2
70
80
75
90
85
75
85
87,5
85
75
80
87,5
6*
80
*, valoarea prognozat
Dei media mobil pentru o perioad format din dou sptmni (n=2) a permis
identificarea unei modificri n fundamentarea gradului de ocupare mediu, aceast metod este
lent pentru a reaciona la schimbri, deoarece datele mai vechi primesc aceeai pondere ca cele
mai recente n calculul mediilor. De multe ori, datele recente sunt indicatori mai buni ai
schimbrii.
3.3.2 Metoda ajustrii exponeniale
Aceast metod se bazeaz pe ipoteza c prognoza pentru o period viitoare Pt+1 trebuie
s conin dou componente: valoarea real a perioadei trecute xt i valoarea prognozat pentru
perioada trecut Pt (trendul), calculate cu ponderile i respectiv, (1-), folosind formula
urmtoare [16]:
63
Pt+1 = xt + (1- ) Pt
Ponderile i (1- ) sunt operatori de ajustare care modeleaz ponderea datelor din trecut
cu cele mai recente date achiziionate pentru determinarea procesului economic vizat. Astfel,
cnd =0 rezult Pt+1 = Pt, adic datele din trecut folosite pentru elaborarea prognozei Pt sunt
importante pentru viitor. Dac =1, rezult Pt+1 = xt, n acest caz se neglijeaz tendina din trecut
i se ine cont numai de realizrile din prezent. Dac vom descompune relaia folosit pentru
calculul ajustrii exponeniale se obine urmtoarea relaie:
Pt+1 = xt +(1- ) Pt = xt +( 2) xt-1 + (1- )2 Pt-1
Datele din trecut nu au aceeai pondere ca cele din prezent, ci descresc exponenial.
Practic, prognoza Pt+1 se obine prin nsumarea prognozei Pt, aferent perioadei prezente, cu
eroarea de prognoz (xt Pt) luat de ori. Dac seria de date prezint o variabilitate mare,
atunci este necesar ca operatorul de ajustare s aib o valoare mic pentru a reduce eroarea de
prognoz. n cazul seriilor stabile, care au o variabilitate redus, operatorul de ajustare se
recomand s aib valori mai mari pentru ca ajustarea s se realizeze mai rapid.
Problema 17. Determinarea gradului de ocupare a unui hotel din Poiana Braov
folosind metoda ajustrii exponeniale
Managerul unui hotel din Poiana Braov analizeaz gradul de ocupare al acestuia n
fiecare smbt ntr-o perioad alctuit din ultimele 6 sptmni. Folosind metoda ajustrii
exponeniale s se determine gradul de ocupare prognozat pentru urmtorul sfrit de sptmn
(smbta). Datele i calculele aferente sunt structurate n tabelul 5, iar operatorul de ajustare
este considerat egal cu 0,5.
Termenul |xt Pt| reprezint eroarea de prognoz i se determin ca diferena dintre
observaia curent i valoarea ajustat ce s-a calculat ntr-o perioad anterioar. Valoarea
prognozat Pt+1 se calculeaz n perioada t i este folosit ca prognoz pentru perioada (t+1)
rotunjit la un numr ntreg [Pt+1 Pt].
64
Tabelul 5. Determinarea gradului de ocupare al unui hotel folosind metoda ajustrii exponeniale
Gradul de ocupare
Valoarea ajustat
Valoarea prognozat
Eroarea de prognozare
xt
Pt
Pt+1
|xt-Pt|
70
70
80
75
70
90
82,5
75
15
85
83,75
83
75
79,375
84
90
84,6875
80
10
Perioada t
85
65
5. REZOLVAREA PROBLEMELOR DE TRANSPORT

Rezolvarea problemelor de programare liniare ce au de-a face cu deplasri de active sau
persoane n reele de transport se realizeaz folosind metoda transporturilor. Modelarea
problemelor de transport necesit identificarea reelei de transport pentru un sistem cu m centre
de expediie i n puncte de destinaie. Astfel, fiind posibil aprovizionarea fiecrui punct de
destinaie din oricare punct de expediie, o firm de transport va cuta s organizeze
transporturile ntre aceste puncte astfel nct s minimizeze costurile cu transportul. Prin urmare,
metoda transporturilor are ca obiectiv principal determinarea celui mai bun model de transport al
mrfurilor din mai multe puncte de aprovizionare (surse) la mai multe puncte destinaie, astfel
nct, costurile totale de producie i transport s fie minime [18].
Metoda transporturilor se bazeaz pe algoritmul cu acelai nume care este utilizat pentru a
identifica o soluie fezabil iniial i apoi pas cu pas contribuie la mbuntirea acesteia pn
cnd se obine o soluie optim. n acest scop, sunt utilizate urmtoarele concepte:
-
Oferta este o cantitate limitat dintr-o anumit marf, cum ar fi petrol, mobil,
electronice, sau fructe, care este disponibil la anumite surse (furnizori) - fabrici,
rafinrii sau depozite;
Cererea reprezint solicitarea pentru a obine anumite mrfuri de la una sau mai multe
destinaii, cum sunt depozitele, centrele de distribuie, sau magazinele;
Cantitile oferite de fiecare surs reprezint cererea sau cerinele fiecrei destinaii i
sunt constante n timp;
Costul de transport exprim efortul financiar necesar pentru a transporta mrfurile de

la fiecare surs la fiecare destinaie, de exemplu, 50 lei/ton i se consider c este
constant n timp. n principiu, costul de transport depinde de distana care exist pe
ruta dintre dou puncte geografice;
Problema de transport const n a determina cantitatea de marf sau numrul de

produse care trebuie transportate de la fiecare surs la fiecare destinaie, astfel nct,
toate cerinele s fie satisfcute la un cost total minim de transport.
Ori de cte ori o problem de transport este formulat dou tipuri de entiti sunt
implicate: centrele de expediie sau punctele de aprovizionare (sursele) i punctele de cerere sau
destinaie. Fiecare surs sau centru de expediie i are o capacitate de aprovizionare Qi, iar fiecare
66
destinaie j are o cerere specific Dj. Costul aprovizionrii unei uniti de la sursa i la destinaia j
este cij. Problema de programare liniar, viznd n acest caz minimizarea costurilor, const n a
determina ct de mult din cererea destinaiei j trebuie s fie aprovizionat de la sursa i. Definim
variabila xij ca fiind numrul de uniti de produs (volumul de marf) aprovizionate sau
transportate de la sursa i la destinaia j. O problem de transport are urmtoarea form:
m
[min] z cij xij

i 1 j 1
n condiiile n care:
n
x
j 1
ij
Qi , pentru fiecare surs i= 1, m
xij D j
i 1
, pentru fiecare destinaie j= 1, n i

xij0
unde m este numrul de surse, iar n numrul de destinaii.

Cele dou restricii arat c din fiecare punct de expediie i nu se poate transporta spre
punctele j dect cantitatea Qi disponibil la sursa i, iar restricia a doua arat c orice punct de
destinaie j nu poate primi mai mult dect necesarul Dj, cu precizarea c transporturile negative
(xij0) nu pot fi admise [12].
m
Cantitile Qi i Dj se pot afla n diferite raporturi: Qi nj 1 D j ;

i 1
Qi nj 1 D j sau
i 1
Qi nj 1 D j . Prima relaie arat o situaie echilibrat n care necesitile corespund
i 1
disponibilitilor [5].
Pentru a aplica metoda stepping stone trebuie ca problema s fie scris, astfel nct,
capacitatea total de aprovizionare s egaleze cererea total de la toate destinaiile. Dac nu este
posibil, atunci o surs fictiv sau o destinaie fictiv poate fi adugat la cele existente. Dac
aprovizionarea total egaleaz cererea total, atunci restriciile pot fi scrise ca simple egaliti.
Dac n locul costurilor de transport cij, din funcia obiectiv, se folosesc profiturile aduse
firmei de activitile de transport prin deplasarea unei cantiti de marf de la punctul i la punctul
j, atunci funcia obiectiv trebuie s fie maximizat sub aceleai restricii privind disponibilul Qi, a
necesarului Dj i asigurarea unor valori pozitive pentru soluiile gsite [12].
67
Aceast situaie caracterizeaz problema standard a transporturilor. n practic, o situaie

de acest tip este greu de realizat, ns teoretic este admis i servete la explicarea mai simpl a
modului n care algoritmul lucreaz. Celelalte dou relaii pot aprea frecvent, iar algoritmul
rezolvrii problemelor de acest tip necesit aplicarea unor msuri de aducere a modelului la
forma standard care, n final, arat astfel [5]:
m n
[min sau max] z cij xij

i 1 j 1
n condiiile n care:
n
xij Qi , pentru fiecare surs i= 1, m
j 1
m
xij D j
i 1
, pentru fiecare destinaie j= 1, n i xij0
unde m este numrul de surse, iar n numrul de destinaii.

Un avantaj de calcul al algoritmului transportului este acela c datele problemei pot fi
scrise i manipulate folosind un tabel cadru (matricea transportului). n cazul algoritmului
simplex fiecare variabil are nevoie de propria sa coloan n tabel, dar n cazul problemei de
transport toate informaiile necesare pentru o variabil pot fi reinute ntr-o singur celul.
Problema 18. Determinarea planului optim de transport al unei companii de buturi
rcoritoare
O companie de buturi rcoritoare are trei fabrici de mbuteliere amplasate n Timioara,
Iai i Braov. Capacitile lunare, cererile consumatorilor i costurile de transport la 1000 de
sticle ntre fiecare fabric i fiecare segment de pia deservit sunt prezentate n tabelul 6.
Tabelul 6. Matricea transportului pentru o companie de buturi rcoritoare
Fabrica
1
Timioara
Braov
Iai
Cerere
2000
Segmentul de pia deservit

2
3
4
2000
Capacitate
4
1
3000
3000
2000
3000
1000
8000
68
Costul de producie pentru o cantitate de 1000 sticle la fiecare fabric este aproximativ
acelai, astfel compania dorete s minimizeze costul total de transport. Se observ c suma
cererii totale este egal cu capacitatea total i anume 8000 sticle. n fiecare celul - intersecia
rndului surs cu o coloan cerere - sunt marcate costurile de transport dintre sursa i i destinaia
j, adic cij. n poriunea rmas din spaiul fiecrei celule se vor preciza cantitile transportate de
la sursa i la destinaia j, acestea sunt valori ale variabilelor xij. Fiecare restricie de aprovizionare,
numit restricie de rnd, corespunde unui rnd din tabel; termenii liberi din sistemul de restricii
se afl n ultima coloan a tabelului cadru (3000, 3000, 2000), iar pentru fiecare restricie privind
cererea exist o coloan corespunztoare n tabel. Termenii liberi ai sistemului de restricii care
vizeaz cererea se afl pe ultimul rnd al tabelului.
Metoda stepping stone este o variant a metodei simplex i poate fi utilizat pentru
obinerea unei soluii fezabile iniiale. n principiu, etapele aferente metodei simplex i cele ale
metodei transportului sunt aceleai. Prima etap const n obinerea unei soluii fezabile iniiale.
n acest scop se aplic regula colului nord-vest.
Regula colului nord-vest const n aceea c noi putem ncepe s alocm unitile care
trebuie transportate din celula aflat n partea stng-sus a tabelului n felul urmtor:
1.
S fie asigurat n ntregime capacitatea de aprovizionare (sursele) de pe fiecare

rnd ncepnd de sus n jos;
2.
S fie satisfcut n ntregime cererea de pe o coloan nainte de a trece la alta, de

la stnga la dreapta;
3.
Se verific dac suma total a capacitilor de aprovizionare este egal cu suma

total a cererilor.
Cu aceste precizri tabelul 6 se poate transforma ntr-un format ca cel din tabelul 7.
Tabelul 7. Identificarea soluiei iniiale obinut prin aplicarea metodei nord-vest.

2
3
1000
4
3000
Braov (B)
1000
3000
Iai (C)
2000
Fabrica
1
Timioara (A)
Cerere
2000
2000
2000
Capacitate
4
2000
1000
4
3000
1000
1000
8000
69
Se observ c am nceput repartizarea cantitilor care trebuie transportate din celula

aflat n partea stng-sus (regula nord-vest). Acestei celule i se repartizeaz cea mai mare
cantitate ce trebuie transportat i care satisface restriciile pe linie i coloan. Dac se ntmpl
s fie satisfcute cerinele pe coloan (2000 2000, OK!), atunci aceast celul este eliminat i
se trece la selectarea urmtoarelor celule prin deplasarea spre dreapta. Dac restricia de pe un
rnd este satisfcut, atunci rndul este eliminat i urmtoarea celul este selectat prin deplasare
n jos i aa mai departe.
Soluia obinut este fezabil deoarece satisface condiia prin care suma cererii trebuie s
fie egal cu suma ofertelor ce corespund capacitilor de producie. n tabelul 8 este prezentat
calculul costului cu transportul buturilor rcoritoare conform soluiei gsite.
Tabelul 8. Determinarea costului de transport total pentru soluia iniial
Cantitatea transportat
Ruta
de la:
A
A
B
B
C
C
la:
1
2
2
3
3
4
2000
1000
1000
2000
1000
1000
Total
Costul unei uniti

transportate [lei]
2
4
2
6
4
2
Costul total [lei]

4000
4000
2000
12000
4000
2000
28.000
Metoda intuitiv bazat pe costul minim. Aceast metod realizeaz alocrile iniiale pe
baza costului minim. Aplicarea acestei metode necesit parcurgerea urmtoarelor etape [5]:
1. Se identific celula cu costul cel mai mic;
2. Se aloc o cantitate ct mai mare n aceast celul fr a depi oferta sau cererea.
Apoi se taie cu o linie rndul sau coloana (sau ambele) care este saturat la aceast
alocare;
3. Se caut mai departe o alt celul cu costul cel mai mic, din cele care nu au fost tiate;
4. Se repet paii 2 i 3 pn cnd toate unitile au fost alocate.
n tabelul 9 este prezentat modul n care se aplic metoda intuitiv pentru a gsi o soluie
iniial fezabil. La nceput se observ c 1 este cel mai mic cost unitar i avem dou celule cu
aceast valoare, se va opta pentru celula din primul rnd pentru care se aloc toat cantitatea de
3000 de sticle, n felul acesta se poate satura i cererea de 3000 de sticle. Prin urmare, vom
70
elimina rndul i coloana aferente celulei pentru a identifica celulele care intr n urmtoarea
operaie de alocare. Dintre celulele rmase costul cel mai mic este de 1 leu i se afl n al treilea
rnd. Alocm 2000 de sticle n aceast celul i obinem din nou saturarea cererii, n practic nu
este obligatoriu s se ntmple aa. Dintre celulele rmase, dup ce eliminm coloana i rndul
aferent celulei anterioare vom cuta celula cu costul cel mai mic i facem alocarea respectnd
constrngerile impuse de cererea i oferta existente.
Tabelul 9. Identificarea unei soluii iniiale fezabile obinut prin aplicarea metodei intuitive
bazat pe costul minim
Fabrica
1
Timioara
Braov
2
2000
Iai
Cererea

2
3
4
3000
6
2000
2000
2000
Capacitate
4
1
4
3000
1000
1000
3000
3000
2000
8000
Costul total al acestei soluii de transport se determin astfel: 3000(1) + 2000(8) +1000(5)
+ 2000(1) = 26.000 lei. Deoarece regula colului nord-vest i metoda intuitiv bazat pe costul
minim sunt folosite numai pentru a identifica un punct de plecare, adic pentru a obine o soluie
fezabil iniial, dar nu avem garania c aceasta este soluia optim, chiar dac este necesar
identificarea unei astfel de soluii. Prin urmare, trebuie s aplicm metoda stepping-stone
pentru a obine soluia optim.
Metoda stepping-stone ne ajut s gsim soluia optim plecnd de la o soluie iniial
prin mbuntiri succesive. Identificarea soluiei optime se face intuitiv pe baza algoritmului
transportului. Etapele care trebuie parcurse sunt urmtoarele [5]:
1. Selectarea unei celule nefolosite pentru evaluare;
2. ncepnd din aceast celul se va trasa o bucl (o linie poligonal nchis) pentru a
mbunti soluia. De asemenea, pentru a ocupa o celul goal, un transfer trebuie s fie efectuat
de la celulele unde avem deja alocri prin respectarea restriciilor impuse de cererea i oferta de
bunuri care trebuie transportate.
Cnd trasm o bucl nchis, ncepem cu celula goal pentru a fi evaluat i, n sensul
arcelor de ceasornic, trasm o sgeat de la ea la o celul ocupat (unde exist o alocare) aflat pe
71
acelai rnd (sau coloan). n continuare, trasm o linie pe vertical sau orizontal (niciodat pe
diagonal) spre o alt celul ocupat, iar procesul continu pn se revine la celula iniial goal.
Semnele plus i minus sunt n mod alternativ plasate n celulele prin care trece bucla nchis
pentru a marca schimbarea de direcie. Celula de start va primi semnul (+) iar fiecare rnd sau
coloan trebuie s aib exact o celul cu semnul (+) i una cu semnul (-). Aceast restricie este
impus pentru a se asigura c cerinele privind oferta i cererea nu vor fi violate atunci cnd
cantitile de marf care trebuie transportate sunt transferate. Cel puin patru celule trebuie s
participe la formarea buclei, iar celulele ocupate pot fi cuprinse n bucl numai o singur dat. n
cazul problemelor nedegenerate pentru fiecare celul goal exist numai o singur modalitate de
a trasa bucla.
3. Se calculeaz evaluatorii celulelor pentru toate celulele goale. Acest lucru se face prin
scderea costului total unitar aferent celulei cu semnul (-) din costul total al celulelor cu (+).
4. Dac toi evaluatorii celulelor sunt pozitivi, n cazul minimizrii funciei obiectiv,
atunci soluia este optim, altfel, este posibil ca soluia s fie mbuntit.
5. Generarea unei soluii mbuntite nseamn identificarea celulei cu cel mai mare
potenial de reducere a costurilor (cea mai mic valoare negativ), dup care se face o nou
repartiie a alocrilor existente. Practic, o nou soluie este generat prin ajustarea cantitilor n
toate celule cu (+) i (-). Cantitatea limit pentru acest proces de schimb este atins numai atunci
cnd una din celulele cu (-) devine goal. Practic, se selecteaz cea mai mic cantitate din
mulimea celulelor cu (-). Apoi se adaug cantitatea obinut la celulele cu (+) i se scade din cele
cu (-). n felul acesta o nou soluie poate fi generat.
6. Soluia mbuntit este apoi testat. Dac soluia nu este optim, atunci o nou
ncercare de mbuntire este necesar.
Dac o problem de transport vizeaz maximizarea funciei obiectiv, atunci poate fi
folosit aceeai metod. Singura diferen const n modul n care este aplicat testul de
optimalitate. Toi evaluatorii celulelor trebuie s fie strict negativi pentru ca soluia s fie optim.
Vom aplica aceast procedur pentru a rezolva problema prezentat mai nainte. n tabelul 10 se
aplic metoda stepping-stone pentru a determina evaluatorul celulei goale.
Evaluatorul celulei A3 este : 1- 4 +2 - 6 = -7
Evaluatorul celulei B1 este : 8 - 2+4 - 2 = +8
Evaluatorul celulei C1 este : 6 - 4+6 - 8= 0
72
Evaluatorul celulei C2 este : 1 - 4+6 - 2= +1

Evaluatorul celulei B4 este : 5 - 2+4 - 6= +4
Evaluatorul celulei A4 este : 3 2 + 4 -1 = +4
Tabelul 10. Evaluarea stepping-stone a alternativelor de transport
Fabrica
1
Timioara A)
2000
Braov (B)
Iai (C)
Cerere
2000

2
3
1000
4
* (+)
start
1000
2
2000
1
1000
2000
Capacitate
4
1
3000
3000
2000
1000
3000
1000
8000
n cazul n care testul de optimalitate nu valideaz soluia curent ca fiind optim, atunci
toate celulele neocupate trebuie evaluate pentru a identifica potenialul de mbuntire a soluiei.
Mulimea rezultatelor evalurii celulelor n care nu au fost operate alocri este urmtoarea: {-7,
+8, 0, +1, +1, +4}, se observ c nu toate elementele mulimii sunt zero sau strict pozitive. Exist
un element negativ aferent celulei A3. Prin urmare soluia poate fi mbuntit. Semnul (-)
semnific faptul c totui costurile pot fi reduse prin realocarea cantitilor care trebuie
transportate i, implicit, a rutelor de transport. Mulimea valorilor alocate aferente liniei
poligonale nchise (compus din sgei) ce ncepe i se termin n celula A3 este urmtoarea: {0+,
100-, 100+, 200-}. Cea mai mic valoare, din submulimea de elemente ale mulimii care sunt
marcate cu semnul minus este 100. Prin urmare, aceast valoare se adaug la celulele cu plus i se
scade din cele cu minus. Se obine o nou soluie prezentat n tabelul 11.
Tabelul 11. Soluie de transport mbuntit
Fabrica
1
Timioara A)
2000
2
2
Braov (B)
Iai (C)
Cerere
2000
2000
2000
Capacitate
1000
3000
1000
3000
1000
2000
3000
1000
1000
8000
73
Se aplic din nou testul de optimalitate prin calcularea evaluatorilor celulelor nealocate
(goale) i obinem urmtoarele rezultate:
A2 = 4 - 1+6 - 2=+7
A4 = 3 - 2+4 - 1=+4
B1 = 8 - 2+1 - 6=+1
B4 = 5 - 2+4 - 6=+1
C1 = 6 - 2+1 - 4=+1
C2 = 1 - 2+6 - 4=+1
Se observ c toi evaluatorii sunt pozitivi, rezult c soluia obinut este optim. Costul
total de transport pentru aceast soluie este 21.000 lei i este mai mic dect cel aferent soluiei
iniiale.
OBSERVAII:
n practic ntlnim mai multe situaii speciale care necesit o abordare particular, dintre
acestea putem meniona urmtoarele [5],[12],[18]:
m
a) Cererea nu este egal cu oferta Qi nj 1 D j , n cazul problemelor de transport

i 1
neechilibrate se vor introduce pentru rezolvare surse fictive sau cereri fictive. Dac oferta total
este mai mare dect cererea, acest surplus va fi alocat unei destinaii fictive. Invers, dac cererea
total este mai mare dect oferta total se va introduce o surs fictiv pentru a prelua excesul de
cerere. Deoarece cantitile alocate surselor sau destinaiilor fictive nu vor fi transportate,
nseamn c noi vom aloca costuri unitare nule pentru fiecare celul situat pe coloana sau rndul
variabilei fictive. De exemplu, n tabelul 12 este ilustrat un astfel de caz.
Tabelul 12. Aplicarea regulii nord-vest cu cerere fictiv
Fabrica
1
Timioara A)
2500
Braov (B)
500
Iai (C)
Cerere

2
3
4
2000
6
3000
2000
Capacitate
fictiv
1
2500
3000
3000
500
1500
4
2000
1500
1500
8500
74
b) Degenerarea soluiei se produce atunci cnd prea puine celule sau rute de transport
sunt folosite. Prin urmare, este imposibil trasarea unei bucle nchise pentru una sau mai multe
celule n care nu s-au fcut alocri. Pentru a rezolva o astfel de situaie se va crea, n mod
artificial, o celul ocupat. Adic, se va plasa zero sau o cantitate mic n una din celulele goale
(nealocate) i apoi tratm celula respectiv ca i cum ar fi fost ocupat. Prin urmare, se aloc o
anumit cantitate care trebuie transportat, dup aceast corecie se aplic procedura normal de
rezolvare a problemei de transport.
75
6. OPTIMIZAREA PROCESELOR DE FURNIZARE A SERVICIILOR PRIN

MODELAREA COZILOR DE ATEPTARE
Costurile generate de ateptarea clienilor ca s fie servii pot fi analizate din dou
perspective. Prima, din perspectiva firmei prestatoare de servicii, costul meninerii unui angajat
neocupat poate fi determinat de nivelul salariilor pltite fr ca acesta s aduc o contribuie n
contrapartid la crearea de valoare adugat pentru companie. A doua perspectiv se bazeaz pe
client, costul generat de ateptarea acestuia ca s fie servit este cuantificat prin costul de
oportunitate. Adic, pierderea pe care acesta o nregistreaz din momentul n care a renunat la
alternativa cea mai avantajoas pentru el i s-a aezat la coad. La aceste costuri mai trebuie
adugate cele care se refer la anxietatea clienilor, disconfortul i plictiseala acestora atunci cnd
stau la coad i ateapt s fie servii.
O coad este un ir de clieni care ateapt s fie servii de unul sau mai muli prestatori.
Coada poate fi format din persoane, obiecte sau impulsuri electrice. De exemplu, la o spltorie
auto coada este format de autovehicule. Prestatorii, n mod obinuit, sunt staii individuale
deservite de o singur persoan sau mai multe, unde clienii primesc serviciul solicitat [7].
Utilitatea unui model analitic pentru o situaie particular este limitat la un set de ipoteze.
De exemplu, M/M/1 nseamn un model de servire cu un singur post (staie de servire sau
prestator) caracterizat printr-o rat a sosirilor de tip Poisson i o distribuie exponenial a
timpilor de servire.
Majoritatea sistemelor furnizoare de servicii opereaz ntr-un mediu dinamic cu rate ale
sosirilor care uneori se schimb de la o or la alta. Astfel, o stare stabil rareori se poate ntlni.
n modelarea sistemelor de servire bazate pe cozi sau fire de ateptare se ntlnesc dou procese
de baz: sosirea i servirea clienilor.
Pentru fiecare proces trebuie stabilite distribuiile de probabiliti i speranele matematice
ale parametrilor ce definesc sistemul de servire. Astfel, sosirile clienilor n sistemul de servire se
supun distribuiei de probabiliti Poisson. Conform acestei distribuii probabilitatea ca x clieni
s soseasc n sistem ntr-un interval de timp dat, de exemplu, o or, o zi, o sptmn, o lun sau
un an se calculeaz astfel [7]:
P( x)
e x
x!
, x = 0, 1, 2, 3, ......
76
unde: x este numrul de clieni care sosec n intervalul de timp prestabilit

este numrul mediu al sosirilor n intervalul prestabilit
Exemplu: La un service auto sosesc n medie 5 autoturisme/or. S se determine
probabilitatea ca 4 maini/or s soseasc n unitate.
P(4)
e 5 54
0,176
4!
Distribuia timpilor de sosire evolueaz dup o lege exponenial. Potrivit acestei legi,
probabilitatea de a servi un client ntr-un interval de timp t, notat F(t), se determin cu ajutorul
funciei urmtoare:
F(t) = e-t
unde este rata medie a servirilor pe care o staie de servire le poate efectua n unitatea
de timp
Exemplu: Dac la un service auto se pot repara n medie =5 autoturisme/or. Atunci,
probabilitatea ca un autoturism s fie reparat ntr-o jumtate de or se calculeaz astfel:
F(1/2 or) = e-5 (1/2) = 0,082
Ratele i apar n calculul funciei obiectiv i al caracteristicilor operaionale ale tuturor
modelelor de ateptare. Dac > sistemul se blocheaz, iar coada sau irul de ateptare se
lungete la infinit (teoretic).
Configurarea cozii se refer la numrul de cozi, localizarea lor, cerinele de organizare i
efectele pe care acestea le au asupra comportamentelor clienilor. Disciplina cozii este o politic
stabilit de managementul firmei de servicii pentru a selecta urmtorul client de la coad ca s fie
servit. Cea mai cunoscut regul este primul venit - primul servit (PVPS) [13].
Msurarea factorului de utilizare arat ct din capacitatea sistemului este utilizat efectiv
pentru servirea clienilor. Astfel, este fraciunea de timp n care prestatorii de servicii sunt
ocupai ( = /), iar 1- este fraciunea de timp n care prestatorii nu sunt folosii de firm.
Principala proprietate a sistemelor bazate pe fire de ateptare (cozi) este timpul mediu de
ateptare. Mrimea cozilor crete uor pn cnd gradul de utilizare al sistemului prestator atinge
aproximativ 7080% din capacitatea sa. De la acest nivel timpul mediu de ateptare i lungimea
cozii cresc rapid. Este clar c dac >1, atunci se configureaz cozi cu o lungime nelimitat, iar
timpul mediu de ateptare devine enorm, chiar dac =1 acest fenomen se produce. n practic,
77
s-a observat c lungimea cozilor i timpul mediu de servire devin foarte mari atunci cnd factorul
de utilizare al sistemului este de 0,9 sau 0,95. Prin urmare, o mic cretere a cererii de servicii
poate determina colapsul sistemului prestator.
Problema 19. Optimizarea sistemului de servire cu un ir de ateptare i o singur
staie de servire
La o unitate ITP sosirea autoturismelor pentru verificarea tehnic periodic indic o
distribuie Poisson caracterizat de o rat medie =5 autoturisme/or. Datele colectate n timp cu
privire la duratele n care se realizeaz verificrile tehnice sugereaz o distribuie exponenial cu
o medie = 6 autoturisme/or. n figura 24 este prezentat structura de baz a unui astfel de
sistem. S se calculeze parametrii sistemului de verificare tehnic a autoturismelor n ipotezele c
modelul aplicat este M/M/1.
ir de ateptare
Sursa de
autoturisme
Sosiri
Staie de
servire
Client
servit
Figura 24. Sistem cu un singur canal i o singur faz de servire

De la nceput trebuie fcut distincia dintre timpul petrecut la coad i timpul n care
clientul se afl n sistem. Timpul petrecut la coad este timpul pe care un client l pierde
ateptnd la coad ca s fie servit. Timpul n sistem este timpul petrecut la coad plus timpul n
care clientul este servit. n mod similar, numrul de clieni aflai n sistem este compus din
numrul clienilor care stau la coad plus numrul clienilor care sunt servii. Rata cererii pentru
furnizarea serviciilor n unitatea de timp se consider constant (=ct.). De asemenea, se admite
c urmtoarele condiii sunt valide ntr-un astfel de sistem:
Sosirea clienilor n sistem este un proces gestionat de regula primul venit - primul
servit i fiecare client ateapt la coad s fie servit, indiferent de lungimea acesteia.
Sosirile sunt independente ntre ele, iar rata sosirilor nu se modific n timp.
78
Sosirile sunt descrise de o distribuie de probabiliti de tip Poisson i provin de la o

populaie infinit sau foarte mare.
Timpii de servire variaz de la un client la altul i sunt independeni ntre ei, dar rata
medie a lor este cunoscut.
Timpii de servire se supun unei distribuii de probabilitate exponenial negativ.
Rata de servire este mai mare dect rata sosirilor.
n plus, se consider valid urmtoarea ipotez i anume: ratele sosirilor i servirilor
rmn stabile n timpul analizei. Atunci cnd aceste condiii sunt ndeplinite fenomenul poate fi
modelat folosind o serie de ecuaii dup cum urmeaz [7]:
= rata medie a sosirilor se exprim ca numrul de autoturisme verificate tehnic n
unitatea de timp;
= rata medie n care un prestator poate verifica tehnic un autoturism exprimat prin
numrul de autoturisme verificate n unitatea de timp;
Ls = numrul mediu de autoturisme aflate n service ce ateapt s fie verificate, Ls =
/(-);
Ws = timpul mediu petrecut pentru verificarea unui autoturism, Ws = 1/(-);
Lq = numrul mediu de autoturisme aflate n irul de ateptare, Lq = 2/(-);
Wq = timpul mediu petrecut de un autoturism n ateptare la coad, Wq = /(-);
= factorul de utilizare a sistemului, = /;
P0 = probabilitatea ca 0 autoturisme s existe n sistem, adic facilitatea de servire s
nu fie utilizat, P0 = 1- /;
Pn
> k
= probabilitatea ca mai mult de k autoturisme s fie n sistem, unde n este

numrul de autoturisme existent n sistem Pn > k = (/)k+1.
Folosind seria de ecuaii i datele prezentate mai nainte se poate modela sistemul bazat
pe fire de ateptare al firmei Textronic SRL.
= 5 maini sosesc pe or;
= 6 maini sunt verificate tehnic pe or;
Ls = /(-) = 5/(6-5) = 5 maini sunt, n medie, n sistem;
Ws = 1/(-) = 1/(6-5) = 1 or este timpul mediu de ateptare n sistem;
Lq = 2/(-) = 4,16 maini (n medie) ateapt la coad;
79
Wq = /(-) = 5/[6(6-5)] = 50 minute timpul mediu de ateptare pentru fiecare

main;
= / =5/6 = 83,33% din timp mecanicului este ocupat;
P0 = 1- / = 1-5/6 = 16,66 este probabilitatea ca s existe un autoturism n

sistem.
Dup ce sunt calculai parametrii sistemului bazat pe fire de ateptare sau cozi, trebuie
efectuat o analiz economic de impact. Modelul liniei de ateptare descris mai nainte este
valoros prin faptul c permite anticiparea timpilor de ateptare, lungimea cozilor, timpii n care
sistemul prestator nu este folosit i aa mai departe, dar nu identific deciziile optime sau nu ia n
considerare factorul cost. Aa cum s-a discutat mai nainte managementul firmei trebuie s
gseasc combinaia optim ntre creterea costurilor ocazionate de prestarea unor servicii de
calitate mai bun i scderea costurilor generate de ateptarea autoturismelor ca s fie verificate,
derivat din furnizarea mai rapid a serviciului.
Pentru exemplificare vom utiliza datele unitii de ITP prezentat mai nainte la care
adugm urmtoarele informaii: managementul unitii a estimat costul aferent timpului de
ateptare, n raport de nemulumirea clienilor, prin pierderea din reputaie cuantificat la 25 lei
pentru fiecare or petrecut de client la coad. Din datele prelucrate anterior, 5/6 dintr-o or
reprezint timpul mediu de ateptare la coad i aproximativ 40 de autoturisme sunt verificate
tehnic zilnic (5 sosiri pe or nmulit cu 8 ore pe zi), prin urmare timpul petrecut de clieni la
coad (cumulat) n fiecare zi pentru verificarea tehnic a autoturismelor lor se determin astfel:
5/6(40) =32/3=33,33 ore.
Costul de oportunitate cuantificat prin costul aferent timpului petrecut de clieni la coad
se determin astfel 25x33,33 = 833,25 lei/zi. Costul aferent prestrii serviciului are ca baz de
formare salariul mecanicului auto ce efectueaz verificarea tehnic, el ctig 10 lei/or, sau 80
lei/zi. Astfel, costul total estimat al serviciului este 833,25 + 80 = 913,25 lei/zi. Prin urmare,
trebuie gsit configuraia optim care s conduc la minimizarea acestui cost.
80
7. MODELAREA AFACERILOR FOLOSIND LANURILE MARKOV

O mulime de fenomene i procese economice cunosc mai multe schimbri n evoluia lor.
Prin urmare, acestea la un anumit moment se pot afla ntr-o anumit stare dintr-o mulime finit
de stri posibile, iar la etape diferite se pot afla n aceeai stare sau n altele n funcie de cele care
au fost identificate iniial ca fiind posibile. De exemplu, un server de la un centru de date se poate
afla ntr-o stare de funcionare corect (de baz), ntr-o stare de funcionare cu erori sau acesta
este scos din funciune deoarece s-a defectat. Astfel, am definit trei stri posibile n care se poate
afla serverul. La un anumit moment serverul se afl doar numai ntr-o singur stare. El nu poate fi
defect, dar, n acelai timp, s funcioneze corect. Practic, comportamentul serverulul (sistemului)
n diferite etape este afectat de incertitudine. Cu toate acestea, managementul centrului de date
dorete s tie, chiar i probabilistic, ce anse exist ca serverul s funcioneze corect ntr-o
anumit etap n viitor.
Analiza Markov poate fi utilizat ca o baz pentru determinarea strategiilor de marketing
i planificarea produciei. Aceast analiz este mai degrab descriptiv dect normativ i se
caracterizeaz prin [18]:
Starea spre care evolueaz un proces sau fenomen economic const din dou sau mai
multe rezultate posibile la finalul unei perioade definite. Aceste procese sunt considerate
ca fiind stochastice sau probabile.
Situaia creat este dinamic ntruct aceasta se bazeaz pe o succesiune de decizii.
Trecerea de la o stare la alta a procesului stochastic ce modeleaz un anumit fenomen
economic necesit utilizarea probabilitilor de tranziiei (schimbare)
Starea n care se afl procesul este examinat dup fiecare tranziie i este dependent de
matricea probabilitilor de tranziie.
Un proces este considerat ca fiind de tip Markov dac schimbarea de la o stare la alta
depinde numai de starea precedent. De exemplu, dac un client schimb furnizorul de benzin,
iar aceast schimbare depinde numai de furnizorul anterior de la care a alimentat i de cei de la
care a cumprat benzin nainte de penultimul furnizor, atunci furnizorului de benzin (brand) de
la care a alimentat ultima dat poate influena direct decizia cumprtorului de a reveni sau nu la
o nou alimentare cu benzin apelnd la acelai brand. Se consider c alimentarea cu benzin se
realizeaz la intervale de timp relativ egale (s zicem lunar). n plus, dac probabilitile de
81
tranziie a schimbrii preferinelor unui consumator de la un brand (stare) la altul rmn

constante n timp, atunci procesul Markov este considerat lan Markov.
Ipotezele care trebuie satisfcute pentru a modela un proces economic folosind lanul
Markov sunt urmtoarele [18], [17]:
Sistemul are un numr finit de stri discrete din care niciuna nu este o stare absorbant
(o stare din care nu se mai poate iei).
Strile sistemului n orice perioad depind numai de condiiile sale din peroada
precedent i de probabilitile de tranziie.
Probabilitile de tranziie sunt constante n timp.
Perioadele de tranziiei se produc cu regularitate n timp
Schimbrile n sistem se pot produce numai o singur dat n fiecare perioad.
Modelul Markov se bazeaz pe dou seturi de date de intrare: matricea probabilitilor de
tranziiei i condiiile sau strile iniiale. Procesul Markov descrie evoluia unui sistem de la o
anumit stare din etapa curent la una din cele n stri posibile din etapa urmtoare. Probabilitatea
de tranziie pij este probabilitatea ca sistemul aflat n starea curent i s evolueze n etapa
urmtoare n starea j. Se va asigura respectarea condiiei =1 = 1.
Probabilitile de stare se noteaz astfel Si(k) i nseamn probabilitatea ca sistemul s se
gseasc n starea i n perioada k (k=0 este etapa prezent, iar i specific o stare particular).
Deoarece sistemul se poate afla ntr-o perioad dat numai ntr-o singur stare posibil, atunci
probabilitile de stare trabui s verifice urmtoarea relaie: S1(k) + S2(k) + ...+ Sn(k) = 1, pentru
fiecare k, unde k este numrul de tranziii, iar n este numul de stri (i=1,...,n). Prin urmare,
strile n etapa k se pot determina folosind relaia S(k) = S(k-1) P [18].
Starea de echilibru se refer la stabilizarea procesului analizat folosind lanul Markov.
Sistemul este stabilizat atunci cnd probabilitile de stare ale procesului sau fenomenului
modelat de lanul Markov devin independente de timp. Prin urmare, cu aceast precizare se
verific relaia S(k) = S(k-1). Relaia arat c probabilitile de stare din perioada k sunt identice
cu cele din perioada precedent (k-1). Adic, S(k) = S(k)P, unde P este matricea probabilitilor
de tranziie sau S = S P. Rezolvarea sistemului de ecuaii S = S P va conduce la determinarea
strilor de echilibru atunci cnd procesul sau fenomenul se stabilizeaz.
82
Problema 20. Modelarea sistemului de cloud computing folosind analiza Markov

Managementul unui centru de date care furnizeaz servicii de cloud computing de dou
tipuri IaaS (infrastructure as a service) i SaaS (software as a service) urmrete n timp evoluia
preferinele utilizatorilor de cloud computing cu privire la cele dou servicii furnizate. Pe baza
datelor colectate n timp ce vizeaz serviciile solicitate de utilizatori (datele sunt colectate lunar)
a rezultat urmtoarea matrice a probabilitilor de tranziie aferent (P).
11
12
]
22
P =[21
= [0,6
0,2
0,4
]
0,8
Cele dou stri n care se poate afla sistemul (serverul de la centrul de date) care
furnizeaz servicii de date, ntr-o anumit etap (k), sunt urmtoarele S1(k) = utilizatorii solicit
servicii de cloud de tip IaaS i S2(k) = sistemul este solicitat s furnizeze servicii de cloud de tipul
SaaS.
Semnificaia probabilitilor din matricea de tranziie este urmtoarea: p11 nseamn
probabilitatea ca sistemul aflat n starea S1 s rmn tot n starea S1, dup tranziie; p12 este
probabilitatea ca sistemul aflat n starea S1 s se gseasc dup tranziie (n etapa urmtoare) n
starea S2; p21 nseamn probabilitatea ca sistemul aflat n starea S2 s evolueze dup tranziie n
starea S1, iar p22 este probabilitatea ca sistemul aflat n starea S2 s rmn tot n starea S2 dup
tranziie.
S considerm c sistemul n etapa iniial furnizeaz servicii de cloud computing de tipul
IaaS. Adic, vectorul de stare ce caracterizeaz situaia n care se afl sistemul ntr-o anumit
etap (k) se poate scrie astfel: S(0) = [s1(0) s2(0)] = [1 0]. Folosind aceste informaii, mpreun
cu matricea probabilitilor de tranziie, se poate trece la calculul probabilitilor de stare ale
sistemului n etapa k=1. Practic, se aplic relaia S(k) = S(k-1) P, n cazul k = 1.
0,6
S(1) = S(0) P = [1 0] [0,2
0,4
]
0,8
= [0,6 0,4]
Similar se procedeaz pentru determinarea probabilitilor de stare n care se poate afla

sistemul n etapa k=2.
0,6
S(2) = S(1) P = [0,6 0,4] [0,2
0,4
]
0,8
= [0,44 0,56]
83
Se observ c n etapa a doua, de exemplu, dup dou luni, cele dou stri n care se poate
afla sistemul sunt echiprobabile. n tabelul 13 sunt prezentate probabilitile strilor sistemului
analizat pe parcursul a mai multor etape pornind de la vectorul de stare din etapa curent S(0) =
[s1(0) s2(0)] = [1 0]. Analiznd rezultatele obinute se constat c ncepnd cu etapa k=5,
probabilitile de stare se stabilizeaz. Aceste probabiliti sunt considerate probabiliti de stare
staionare.
Tabelul 13. Probabilitile strilor sistemului pentru 10 etape
Etape, k
10
s1(k) (IaaS)
0,6
0,44
0,376
0,35
0,34
0,34
0,34
0,34
0,34
0,34
s2(k) (SaaS)
0,4
0,56
0,624
0,65
0,66
0,66
0,66
0,66
0,66
0,66
Stri si(k)
Nu trebuie s calculm probabilitile de stare etap cu etap pn vom ajunge la

probabilitile de stare staionare, exist o metod mult mai simpl pe care o putem utiliza pentru
a determina probabilitile staionare, de exemplu, folosind relaia S = S P. Notm cu s1 i s2 cele
dou probabiliti de stare staionare i mpreun cu matricea probabilitilor de tranziie obinem:
11
[s1 s2] = [s1 s2] [21
12
]= [s1
22
0,6
s2] x[0,2
0,4
]
0,8
Din aceast relaie rezult urmtoarele dou ecuaii:
s1 = 0,6 s1 + 0,2 s2
s2 = 0,4s1 + 0,8 s2
s 1 + s2 = 1
Dup ce se rezolv sistemul de ecuaii se obine s1 = 0,34 i s2 = 0,66. Rezultatele obinute
sunt apoi comparate cu valorile obinute din tabelul 10 i se observ c sunt identice. Prin urmare,
dac dorim s determinm probabilitile de stare staionare, n cazul unui sistem dat, se poate
rezolva ecuaia S = S P, iar rezultatele se obin imediat.
Interpretarea rezultatului conduce la ideea c pe termen lung utilizatorii de servicii de
cloud computing sunt interesai s achiziioneze servicii de tip IaaS cu o probabilitate de 0,34. Cu
toate acestea, serviciile de SaaS vor fi mult mai des solicitate, aproape de dou ori mai mult
84
(probabilitatea 0,66). Prin urmare, cnd se proiecteaz sau se intervine pentru a moderniza
sistemul furnizor trebuie inut cont de aceste diferene n ceea ce privete capacitatea de a furniza
servicii de cloud computing conform cerinelor utilizatorilor. n cazul nostru, serviciile SaaS sunt
de dou ori mai mult solicitate dect cele de IaaS.
85
8. TEHNICI PENTRU MANAGEMENTUL PROIECTELOR
7.1. Graficul Gantt

Graficul Gantt este utilizat pentru a determina realizarea la timp a activitilor unui
proiect. Pentru fiecare activitate se traseaz o linie ce delimiteaz un anumit interval de timp.
Astfel, se obine o reprezentare vizual a programrii activitilor proiectului ce permite
monitorizarea i progresul realizat n procesul de implementare a sa.
Prima etap n utilizarea graficului Gantt const n delimitarea clar a activitilor prin
stabilirea pentru fiecare n parte a unui timp de ncepere i altul de finalizare. Dup ce obiectivele
unui proiect au fost descompuse pe activiti este foarte important s se stabileasc succesiunea
lor. De asemenea, graficul Gantt necesit estimarea duratelor pentru fiecare activitate, aceste
estimri sunt deterministe i cunoscute.
n practic, graficul Gantt este foarte util pentru programarea activitilor n cazul
proiectelor repetitive, deoarece succesiunea activitilor este bine cunoscut iar experiena
acumulat permite efectuarea de estimri corespunztoare. Cu toate acestea, exist cteva limitri
ale acestei metode [5]:
Graficul Gantt este rezultatul unei planificri forate, deoarece s-a gndit n detaliu
implementarea proiectului prin programarea activitilor i stabilirea resurselor necesare.
n cazul proiectelor complexe aceast detaliere induce un grad ridicat de incertitudine i
poate afecta programarea activitilor i implementarea efectiv a proiectului;
Graficul Gantt nu prezint n mod clar interdependenele dintre anumite activiti. De
exemplu, este dificil de evaluat efectele generate de implementarea proiectelor complexe
n cazul activitilor ntrziate sau a cror succesiune a fost schimbat;
Graficul nu ofer nicio indicaie despre importana relativ a activitilor individuale n
implementarea proiectului. De exemplu, care din activitile proiectului pot fi ntrziate
fr a afecta termenul final de implementare a acestuia.
86
Problema 21. Programarea activitilor folosind graficul Gantt

S considerm dou servicii de baz necesare pregtirii unei aeronave pentru a decola
(servicii la sol) i anume: curenia aeronavei i alimentarea acesteia cu combustibil. Graficul
Gantt prezint fiecare activitate cu o bar orizontal indicnd durata n minute i programarea
timpilor de ncepere i ncheiere pentru fiecare activitate. O parte din activiti se pot realiza n
paralele, iar barele orizontale se suprapun total sau parial. n figura 25 se prezint graficul Gantt
pentru aceast problem.
Se observ c activitile de alimentare cu combustibil i verificarea alimentrii se
realizeaz succesiv, nu n paralel. Acest grafic poate fi utilizat pentru a determina resursele fizice
i umane necesare pentru a realiza proiectul la timp. Prin trasarea unei linii verticale la un
moment se poate observa care din activitile proiectului au fost realizate i ce a mai rmas de
fcut n viitor.
Alimentarea
Poziionarea aeronavei i cuplarea la pomp
aeronavei cu
Alimentarea cu combustibil
combustibil
Verificarea alimentrii
Decuplarea de la pomp
Curenie n
Curenie la clasa business
interiorul
Curenie la clasa economy
aeronavei
Curenie holuri de acces

Curenie cabin
0
10
15
20
25
30
35
Timp [minute]
Figura 25. Graficul Gantt pentru furnizarea a dou servicii la sol unei aeronave
7.2 Metoda drumului critic

Metoda drumului critic (CPM Critical Path Method) este o abordare care se bazeaz pe
utilizarea datelor de ncepere i ncheiere a activitilor unui proiect. Un rezultat posibil generat
de acest metod const n identificarea unui drum critic sau a unui lan nentrerupt de activiti
de la nceputul implementrii unui proiect pn la final. O ntrziere n realizarea unei activiti
situat pe drumul critic va conduce la o ntrziere n realizarea la timp a proiectului. Prin urmare,
87
activitile critice (cele situate pe drumul critic) sunt prioritare i beneficiaz de alocri de resurse
corespunztoare pentru a evita ntrzierile. Din perspectiv managerial, pentru activitile critice
se aplic managementul prin excepie [16].
De reinut c n analiza drumului critic o activitate nu poate ncepe pn cnd toate
celelalte activiti care o preced nu sunt ncheiate. n plus, metoda se bazeaz pe utilizarea unei
reele format din sgei i noduri (sub forma unui graf). Nodurile reprezint evenimentele care
marcheaz nceputul sau ncheierea activitilor, iar sgeile reprezint activitile proiectului.
Problema 22. Optimizarea implementrii unui proiect folosind metoda CPM
n tabelul 14 sunt prezentate datele importante privind activitile necesare construciei
unei locuine. Duratele activitilor n acest caz sunt deterministe. O parte din activiti sunt
condiionate de realizarea altora. Pentru orice eveniment se determin termenele minim i maxim
i rezervele de timp ca diferen ntre acestea. Evenimentele care au rezerve de timp nule se vor
situa pe drumul critic. Se cere s se determine durata construciei cldirii i termenele la care
trebuie s se realizeze evenimentele intermediare.
Tabelul 14. Activitile implicate de construcia unei locuine
Evenimente
Denumirea activitii
Durata activitii
Evenimente imediat
(sptmni)
precedente
Execuie fundaie
Realizare la rou a cldirii
Finisaje externe i interne
Zugrvire interioar
C, H
Zugrvire extern
D, I
Montare central nclzire
Instalaii electrice
Instalaii sanitare
Montare ui i ferestre
Instalare sisteme de climatizare
88
Pentru rezolvarea problemei se construiete graful aferent acestor activiti prezentat n figura 26.
3
F
7
3
0
3
E
2
6
9
G
Figura 26. Graful desfurrii activitilor necesare construciei locuinei

Sgeile realizate cu linii ntrerupte sunt introduse pe graf pentru a indica activitile
fictive care au o durat nul, dar respect condiionrile succesive, conform datelor din tabelul
12. Dup analiza atent a grafului din figura 24 sunt identificate trei drumuri complete: D1={0, A,
B, C, D, E, K}; D2= {0, A, B, F, I, E, K} i D3= {0, A, B, G, H, D, E, K}. Folosind datele din
tabelul 12 se pot calcula duratele aferente fiecrui drum n parte. Astfel, pentru drumul LD1 se
obine 20 de sptmni, LD2= 22 sptmni i LD3 = 29 sptmni. Drumul critic, Dcr, este
parcursul care ndeplinete condiia urmtoare: Dcr = max {LDi} = max {20, 22, 29} = 29 de
sptmni.
n cazul utilizrii algoritmului trebuie parcurse trei etape importante:
Pentru fiecare eveniment Ei din graf trebuie calculate dou termene de realizare
cel mai devreme ti i cel mai trziu t*i. Termenul ti se calculeaz ncepnd din
originea grafului, din nodul 0, cu formula:
ti = {
0, = 0
max , ( = 1, )
unde Diz este drumul parial de transmitan z n nodul i, iar max , este
drumul critic Dcr*.
Termenul ti* se stabilete ncepnd cu nodul final dup ce s-au calculat toate
termenele ti, n acest scop se folosete relaia:
, =
ti* = { max , ( = 1, 2, , 1)
89
n care Dif este drumul parial de transmitan f ce iese din nodul i i merge n
nodul final.
Pentru fiecare nod putem calcula rezervele total (Rt), liber (Rl) i sigur (Rs). Tehnic,
aceste rezerve se determin astfel: Rs = tj (ti* + tij), Rl = tj (ti + tij) i Rt = tj* - (ti + tij). Unde tij
este activitatea dintre evenimentele Ei i Ej [16]. n figura 27 sunt prezentate rezultatele obinute
prin utilizarea formulelor anterioare.
(10, 23)
(13, 26)
3
F
7
3
0
(0, 0)
A
(3, 3)
I
(11, 21)
B
(9, 9)
0
(26, 26)
D
2
6
9
G
(15, 15)
(29, 29)
(24, 24)
K
3
(24, 24)
Figura 27. Identificarea termenelor de realizare cel mai trziu sau cel mai devreme
Se observ n figura 27 c toate evenimentele care prezint rezerve totale nule
configureaz drumul critic, iar activitile care se gsesc pe acest traseu sunt considerate ca fiind
activiti critice. Prin urmare, dac adunm duratele aferente activitilor critice putem determina
drumul critic Dcr = 29 sptmni. Se observ c activitatea dintre evenimentele B i F nu este
critic. Durata ei poate fi depit fr s afecteze termenul final de 29 sptmni la care se
estimeaz c se ncheie finalizarea locuinei, cu precizarea c depirea respectiv nu trebuie s
fie mai mare de 13 sptmni de la termenul cel mai devreme programat pentru nceperea ei.
7.3 Metoda PERT

Metoda PERT este cunoscut sub dou forme PERT time i PERT cost. Aceast
metod se deosebete de varianta CPM prin faptul c duratele activitilor sunt aleatoare. Prin
90
urmare, trebuie s calculm durata medie a activitilor
i a dispersiilor asociate, ij2.
Formulele de calcul pentru aceti parametrii sunt urmtoarele [16]:
=
2
0 + 4 +
6
0 2
= (
)
6
unde: t0 este o estimare optimist a duratei activitii aij

tp este estimarea pesimist a duratei activitii
tm este estimarea cea mai probabil a duratei activtii
n aceast variant lungimea drumului critic Dcr este aleatoare i depinde de estimrile
timpilor t0, tp i tm. De exemplu, n cazul n care drumul critic are o durat Dcr = 29 sptmni,
curba normal a distribuiei drumului critic va fi de un real folos pentru aprecierea fezabilitii
proiectului. Aceast curb are o mprtiere a termenului drumului critic egal cu 6 D. Abaterea
medie ptratic, D se calculeaz pe baza dispersiilor 2 ale activitilor cu durate aleatoare de pe
drumul critic folosind formula D = 2 .
Problema 23. Determinarea probabilitii de finalizare a unui proiect la termenul

prevzut - Dcr
Pentru a determina n ce msur este posibil ca termenul planificat s fie ndeplinit trebuie
s se determine probabilitile P(z) asociate factorilor de probabilitate z. Factorul z, n cazul
modelului PERT se calculeaz cu formula urmtoare [16], [7]:
z=
n cazul n care termenul planificat (Tpl ) este de 31 de sptmni, drumul critic (Dcr ) este
de 29 sptmni, atunci z =2, dac D=1sptmn. Pentru aceste valori relaia zP(z), din
tabelele statistice, devine z = 2 i P(z) = 0,9772. n practic, se consider c o probabilitate
91
P(z) [0,6 0,8] este acceptabil din perspectiva riscului asumat. Dac P(z)<0,6, riscul asumat
este foarte mare din partea celui care finaneaz proiectul, sunt anse foarte mari ca proiectul s
nu se ncheie la termen. n cazul n care P(z) >0,8 crete riscul ca cel care implementeaz
proiectul s nu utilizeze n mod eficient resursele. n cazul exemplului nostru, se observ c ne
ncadrm n ultima situaie, adic resursele nu sunt utilizate eficient. De reinut c aceast situaie
depinde i de natura proiectului. De exemplu, n cazul proiectelor n care eficacitatea este
esenial este posibil ca eficiena resurselor s nu mai conteze, de exemplu, proiectele legate de
siguran sau cele care vizeaz viaa oamenilor.
92
9. EVALUAREA PERFORMANEI FINANCIARE A UNEI FIRME

O firm n mod obinuit desfoar operaiuni de gestiune, cum sunt activitile de
exploatare, investiii sau de finanare, precum i operaiuni de capital concretizate n activiti de
investiii sau dezinvestiii nsoite de finanri sau rambursri de capitaluri atrase. Din perspectiv
financiar operaiunile de gestiune sunt reflectate prin fluxurile de venituri i cheltuieli
contabilizate n contul de profit i pierdere. De asemena, performana financiar este sintetizat
prin profitul net i amortizare ca surse poteniale pentru cash-flow-ul afacerii.
Valoarea patrimoniului unei firme la un moment dat este reflectat prin intermediul
bilanului contabil. Bilanul are dou seciuni care pot fi organizate sub form de list sau tablou.
n varianta tablou a bilanului, seciunea din partea stng reflect utilizarea resurselor
organizaiei, adic activele bilaniere, iar partea din dreapta reflect sursele sau resursele angajate
de firm, adic pasivele bilaniere. Pasivul cuprinde obligaiile i capitalul propriu sau
stockholders equity, n cazul societilor comerciale pe aciuni [20].
Situaia financiar prezint n mod sistematic nregistrrile referitoare la cheltuielile i
veniturile ocazionate de activitile firmei ntre dou bilanuri contabile succesive. Instrumentul
prin care aceste nregistrri sunt prezentate managementului firmei este contul de profit i
pierdere. Pe baza contului de profit i pierdere se poate determina o serie de indicatori valorici
privind volumul i rentabilitatea activitii firmei [14].
Un mecanism de acumulare important pentru firm este amortizarea. Amortizarea reflect
pierderea de valoare a activelor amortizabile folosite n procesul de producie. De exemplu, s
presupunem c un activ cu o durat de via economic de cinci ani i o valoare rezidual nul
(valoarea la finalul vieii economice a activului) este achiziionat la un pre de 60000 lei.
Conform normelor contabile costul de 60000 lei trebuie s fie repartizat pe ntreaga durat de
amortizare a activului care s presupunem c este tot de cinci ani. n cazul amortizrii liniare vor
exista cinci trane egale de 12000 lei, n fiecare an, ce reprezint cota de amortizare anual. Prin
urmare, din perspectiva financiar costul activului reprezint un flux de numerar negativ
ocazionat de achiziionarea sa, adic 60000 lei i nu o serie de cote de amortizare (fluxuri anuale)
n sum de 12000 lei/an.
O analiz cuprinztoare a rezultatelor financiare pe care o firm le-a obinut ntr-o
perioad anterioar analizei (dat istorice) se realizeaz prin intermediul ratelor financiare.
93
n practic, exist o problem cu ratele financiare, deoarece ele pot fi definite n moduri
diferite, iar aplicarea lor poate conduce la confuzii. Prin urmare, cnd sunt utilizate ratele ca
instrumente pentru analiz trebuie realizat o bun documentare a modului n care acestea sunt
definite, ce se dorete a se msura, unitatea de msur i cum s-ar putea mbuntii aceste
msurtori.
Aceste rate permit compararea i investigarea relaiilor dintre diferite informaii
financiare. Prin urmare, aceste rate financiare pot fi grupate n urmtoarele categorii: (1) ratele de
lichiditate sau solvabilitate pe termen scurt, (2) ratele de solvabilitate pe termen lung, (3) ratele
de rotaie sau managementul activelor, (4) ratele de profitabilitate i (5) ratele valorii de pia
[14].
Problema 24. Analiza situaiilor financiare ale firmei S.C. Cristal SRL
S.C. Cristal SRL este o companie specializat n producia i comercializarea de
echipamente pentru sistemele de supraveghere video. Firma exist de 10 ani pe piaa din
Romnia i a nregistrat n ultimul an rezultate bune. Folosind bilanul contabil i contul de profit
i pierdere s se analizeze performana financiar a acestei firme pe baza ratelor financiare.
Bilanul contabil la 31 decembrie 2012 al firmei S.C. Cristal SRL
Denumire indicator
Sold la 31.12.2011
Sold la 31.12 2012
A. Active fixe
82530
69570
2149
14140
46255
23560
154249
83955
10000
84735
26971
121706
275955
20000
24213
31655
75868
275955
D. Pasive curente
124050
164800
E. mprumuturi pe termen lung
56000
56000
F. Capital propriu
95905
55155
275955
275955
I. Imobilizri necorporale
II. Imobilizri corporale
III. Imobilizri financiare
Active imobilizate total
B. Active curente (circulante)
I. Stocuri
II. Creane
III. Casa i conturi la bnci
Active curente total
TOTAL ACTIVE
TOTAL PASIVE
94
Contul de profit i piedere al firmei S.C. Cristal SRL n anul 2012

Denumirea indicatorului
Realizri n perioada de raportare
Cifra de afaceri net

Producia vndut
1. Alte venituri din exploatare
Venituri din exploatare total
2. Cheltuieli cu materiile prime i materialele consumabile
Alte cheltuieli materiale
Alte cheltuieli externe (cu energie i ap)
3. Cheltuieli cu personalul, din care:
a) Salarii i indemnizaii
b) Cheltuieli cu asigurrile i protecia social
5. Alte cheltuieli de exploatare
Cheltuieli privind prestaiile externe
Cheltuieli cu alte impozite, taxe i vrsminte asimilate
Cheltuieli cu despgubiri, donaii i activele cedate
Cheltuieli de exploatare total
Profitul sau pierderea din exploatare Profit (EBIT)
6. Venituri din dobnzi
Alte venituri financiare
Venituri financiare total
7. Cheltuieli privind dobanzile
Alte cheltuieli financiare
Cheltuieli financiare total
Pierdere
8. Profitul sau pierderea curent(a) - Profit
Venituri totale
Cheltuieli totale
Profitul sau pierderea brut Profit
9. Impozitul pe profit
Profitul sau pierderea net() a exerciiului financiar Profit
2011
2012
84897
84897
0
84897
28200
3244
5467
12760
6780
5980
2279
1269
340
670
51950
32947
600
0
600
500
200
700
(-) 100
32847
85497
52650
32847
5256
27591
135000
135000
6700
141700
52663
9870
10100
23000
14700
8300
4320
2360
1200
760
99953
41747
936
1400
2336
1500
870
2370
(-) 34
41713
144036
102323
41713
6674
35039
Ratele de solvabilitate pe termen scurt sau de lichiditate

Ratele de solvabilitate pe termen scurt ofer informaii despre lichiditatea firmei.
Preocuparea major a managementului firmei const n determinarea capacitii acesteia de a se
achita de obligaiile pe termen scurt care devin scadente. n consecin, aceste rate se focalizeaz
asupra activelor i pasivelor curente [14].
1. Rata de lichiditate curent (RLC) se calculeaz cu ajutorul formulei:
=
= 0.98 ( 2011)
95
= 0,46 ( 2012)
Rata de lichiditate curent este utilizat cel mai mult pentru aprecierea solvabilitii pe
termen scurt, deoarece aceasta indic msura n care drepturile creditorilor pe termen scurt sunt
perfect acoperite de valoarea activelor, care pot fi transformate n bani lichizi n decursul unui
interval ce corespunde perioadei de maturitate a datoriilor.
Se observ c n 2012 rata de lichiditate curent a sczut la jumtate fa de valoarea din
2011. O scdere a ratei de lichiditate conduce la creterea riscului de incapacitate de plat ceea ce
nseamn c drepturile creditorilor pe termen scurt sunt puse n pericol.
2. Rata de lichiditate rapid - RLR (testul acid). Stocurile sunt adesea activele curente
cel mai puin lichide. n plus, valoarea contabil a stocurilor este o msur a valorii de pia care
nu ine cont de calitatea acestora. Anumite stocuri pot ulterior s se degradeze, unele uniti din
stoc pot s fie pierdute (furate) sau distruse. De aceea, urmtorul raport este considerat un test
acid pentru msurarea capacitii firmei de a-i onora obligaiile pe termen scurt [14].
( ) =
= 0.9 ( 2011)
= 0,339 ( 2012)
Se observ c rata de lichiditate rapid a sczut la o treime n 2012, fa de valoarea din
2011. Acest rezultat majoreaz riscul de neplat n cazul unor perturbaii severe de cash. Rata
rapid surprinde mai bine capacitatea de plat a firmei dect rata curent, deoarece stocurile
reprezint mai mult de jumtate din activele curente.
3 Rata de lichiditate imediat sau rata cash-ului este important pentru a evalua
capacitatea firmei de a face fa obligaiilor scadente n intervale de timp foarte scurte. Aceast
rat vizeaz doar lichiditile curente (cash-ul) i reprezint capacitatea firmei de a-i onora
datoriile la un anumit moment i este definit de relaia urmtoare [14]:
() =
unde:
96
=
= 26971 ( 2011)
= 31655 ( 2012)
= 0,22 ( 2011)
= 0,192 ( 2012)
Dei valoarea cash-ului a crescut n anul 2012, rata de lichiditate imediat a sczut din
cauza creterii mai accentuate a pasivelor curente.
Ratele de solvabilitate pe termen lung sau prghia financiar
Msura n care o firm utilizeaz creditul pentru finanare sau levierul financiar (financial
leverage) are implicaii importante asupra performanei. Creditorii analizeaz valoarea capitalului
propriu pentru a-i face o idee despre riscul creditrii. Prin achiziionarea fondurilor pe baz de
credit, proprietarii menin controlul asupra firmei. n plus, dac firma folosind fondurile obinute
prin credite ctig mai mult dect suma care trebuie pltit ca dobnd, aceasta va putea crete
averea proprietarilor. De exemplu, dac activele folosite de firm au o rat de rentabilitate de
12%, iar datoria angajat are o rat a dobnzii de numai 9%, atunci 3% reprezint creterea averii
proprietarilor. n cazul n care, rata de rentabilitate a activelor scade la 6%, diferena dintre
aceasta i rata dobnzii de plat trebuie acoperit din capitalul propriu. Astfel, levierul financiar
are un efect favorabil n primul caz i unul nefavorabil n cellalt caz. Prin urmare, ratele de
structur exprim intensitatea cu care au fost utilizate capitalurile companiei.
O rat de solvabilitate sczut nseamn un grad mai mic de risc atunci cnd economia se
afl ntr-o perioad de recesiune, dar, n aceeai msur, firmele pot obine profituri mai mici
ntr-o perioad de cretere. Dimpotriv, firmele care au un levier financiar ridicat sunt n pericol
de a suferi pierderi substaniale, n caz de recesiune, dar acestea dispun de ansa de a realiza
profituri la fel de mari, n perioadele de cretere economic.
1. Rata ndatorrii totale msoar ct la sut din totalul fondurilor provin din creditare.
n principiu, creditorii prefer o rat a ndatorrii ct mai mic, deoarece cu ct acest raport este
97
mai mic cu att exist o protecie mai mare mpotriva eventualelor riscuri de incapacitate de plat
fa de creditori (riscul de creditare). Formula de calcul este urmtoarea [14]:
= 0,65 ( 2011)
= 0,8 ( 2012)
Se observ o cretere a acestei rate, ceea ce nseamn c firma i finaneaz din ce n ce
mai mult operaiunile din credite. Aceast situaie reflect o cretere a riscului de finanare, iar
creditorii sunt expui la un risc de creditare sporit.
2. Rata acoperirii datoriei din capitalul propriu. Creditorii prefer rate mici ale
ndatorrii, deoarece, n acest caz, expunerea lor este redus. Formula de calcul este urmtoarea
[14]:
= 1,877 ( 2011)
= 4 ( 2012)
Aceast rat cunoate o cretere att datorit amplificrii finanrii prin ndatorare ct i a
scderii capitalului propiu, ceea ce nseamn c firma va putea acoperi din ce n ce mai greu
debitele din capitalul propriu. Valoarea este n continuare supraunitar, ceea ce nseamn c nu
pot fi acoperite toate datoriile numai din capitalul propriu.
O alt rat ce se ncadreaz n aceast categorie este multiplicatorul capitalului propriu.
Aceast rat se calculeaz ca fiind unu plus rata acoperirii datoriei prin capitalul propriu: MCP = 1
+ RDCP. Formula de calcul este urmtoarea [14]:
=
98
= 2,877 ( 2011)
= 5 ( 2012)
Valoarea multiplicatorului capitalului propriu a crescut, ceea ce nseamn c firma
utilizeaz eficient fondurile atrase pentru finanarea activelor sale, o mare parte din finanare se
realizeaz prin ndatorare.
3. Rata de acoperire a dobnzii - RDOB se determin prin divizarea profiturilor firmei
nainte de plata dobnzilor i a impozitelor (EBIT) la valoarea cheltuielilor cu dobnda. Acest
raport definete msura n care veniturile pot s scad fr ca aceast reducere s genereze
probleme financiare pentru firm, ca urmare a incapacitii de a-i onora dobnzile anuale.
Deoarece, impozitul pe venit se calculeaz dup deducerea cheltuielilor cu dobnzile, capacitatea
de a plti dobnda nu este influenat de impozit. Relaia de calcul este urmtoarea [14]:
= 66 ( 2011)
= 27,8 ( 2012)
4. Rata de acoperire a dobnzii prin cash RDcash. O problem specific ratei de
acoperire a dobnzii const n faptul c aceasta se bazeaz pe EBIT, care nu este o msur
corect a cash-ului disponibil pentru plata dobnzii. Cauza este aceea c amortizarea, o cheltuial
non-monetar, a fost dedus din profitul impozabil. Deoarece plata dobnzii genereaz un flux
monetar de ieire din firm (ctre creditori), o modalitate de definire a ratei de acoperire prin cash
a dobnzii trebuie s in cont de acest aspect. Relaia de calcul este urmtoarea [14]:
= 66 ( 2011)
= 27,8 ( 2012)
99
Deoarece amortizarea este egala cu zero, rata de acoperire a dobnzii prin cash este egal
cu rata de acoperire a dobnzii.
Ratele de profitabilitate
Aceste rate reflect ct mai fidel eficiena cu care firma i utilizeaz activele i
gestioneaz oportunitile sale. Acest grup de rate se bazeaz pe profitul net (the bottom line) sau
venitul net dup plata impozitului.
1. Rata profitului Rp se determin folosind formula. Formula de calcul este
urmtoarea [14]:
=
= 0.325 ( 2011)
= 0.259 ( 2012)
Se observ o scdere a profitului pentru anul 2012 de la 3,25% la 2,59%, ca urmare a
creterii cheltuielilor de exploatare mai repede dect cifra de afaceri.
2. Rentabilitatea activelor totale sau ROA (Return on Assets) este o msur a profitului
pentru fiecare RON investit n activele firmei. ROA caracterizeaz eficiena ansamblului de
capitaluri angajate (proprii i mprumutate) i reflect gradul de rentabilitate a ntregului capital
investit n firm [14].
() =
= 0.0999 ( 2011)
= 0.1269 ( 2012)
Valoarea acestei rate este mai mare n 2012, att datorit profitului mai mare nregistrat de
firm ct i a efectului pozitiv adus de valoarea mare a rotaiei activului total.
100
Rata rentabilitii financiare ROE (Return on Equity) este o msur a modului n
care acionarii sunt mulumii de investiiile fcute n firm. ROE, n sens contabil, este o msur
de baz a performanei (the bottom line) i se determin folosind relaia urmtoare [14]:
() =
= 0.287 ( 2011)
= 0.635 ( 2012)
Se observ c n 2012 ROE este egal cu 0,635 sau 63,5%. Aceasta nseamn c, pentru
fiecare RON imobilizat n capitalul propriu, firma genereaz 63,5 bani ca profit. De reinut faptul
c acest profit este corect numai din punct de vedere contabil.
101
BIBLIOGRAFIE
1. Barlett, C., Ghoshal, S., i Birkinshaw, J., Transnational Management: text, cases and
redings in cross-border management, a patra ediie, McGraw-Hill, New York, 1999.
2. Cetina, I., Brandarbur, R. i Constantinescu M., Marketingul serviciilor. Teorie i
aplicaii, Editura Uranus, Bucureti, 2006.
3. Daft, R.L. New Era of Management. South-Western Cengage Learning, ninth edition,
2010.
4. Drucker, P., Management: Tasks, Responsibilityes, Practices, Harper & Row, 1974.
5. Heizer, J., i Render, B., Operations Management, Prentice Hall, New Jersey, 2006
6. Hoffman, K., i Bateson, J., Services Marketing. Concepts, Strategies & Cases,
Thomson South-Western, New York, 2006
7. Fitzsimmons, J., i Fitzsimmons, M., Service Management. Operations, Strategy,
Information Technology, McGraw-Hill (sith edition), New York, 2008.
8. Ivancevich, J., Donnelly, J., i Gibson, J., Management. Principles and Functions,
IRWIN, Boston, 1989.
9. Kotler, P., Saunders, J., Armstrong, G. i Wong, V. Principiile marketingului, Editura
Teora, Bucureti, 1998
10. Looy, B., Gemmel, P. i Dierdonck, R. Services Management. An Integrated Approach.
Prentice Hall, London, 2003.
11. Meredith, J.R. i Mantel, S.J.jr., Project Management: A Managerial Approach, Fifth
Edition, John Wiley & Sons, New York, 2003
12. Militaru, Gheorghe. Managementul produciei i al operaiunilor, Editura All, Bucureti,
2008
13. Militaru, Gheorghe. Managementul serviciilor, Editura C.H. Beck, Bucureti, 2010
14. Militaru, Gheorghe. Management financiar. Aplicaii. Editura Politehnica Press,
Bucureti, 2013
15. OBrien Marakas, Enterprise Information Systems, McGraw-Hill, 13th Edition, New
York, 2007
102
16. Stncioiu, I., Militaru, Gh, Management elemente fundamentale, Teora, Bucuresti, 1998
17. Stncioiu, I. Cercetri operaionale pentru optimizarea deciziilor economice, Editura
Economic, Bucureti, 2004
18. Turban, E., Meredith, J. Fundamentals of Management Science, Fourth Edition, BPI
IRWIN, 1988
19. Turban, E. i Aronson, J. Decision Support Systems and Intelligent Systems, Upper
Saddle River, New York, Prentice Hall, 1998
20. Wheelen, T. i Hunger,D. Strategic Management and Business Policy, Tenth edition,
Prentice Hall, Upper Saddle River, New York, 2006
103
Text copert
Militaru Gheorghe este cadru didactic la Universitatea Politehnic din Bucureti, Facultatea de
Antreprenoriat, Ingineria i Managementul Afacerilor, Departamentul de Management. De
asemenea, este absolvent al Facultii de Finane, Asigurri, Bnci i Burse de Valori, ASE,
Bucureti (2004) i al Facultii de Fizic, Universitatea Bucureti (1984), doctor n management
i inginerie industrial, UPB (1996). Autor a peste 10 cri i 120 de lucrri publicate ntre care:
Management. Elemente Fundamentale, Managementul produciei i al operaiunilor,
Comportament organizaional, Sisteme informatice pentru management sau Managementul
serviciilor.
104

Probleme de Management

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Probleme de Management

Încărcat de

Drepturi de autor:

Formate disponibile

PROBLEME DE MANAGEMENT

MODELAREA COZILOR DE ATEPTARE (76)

Procesul de adoptare a deciziei const n identificarea problemelor i a oportunitilor, iar

a1: Ion A, Vasile-B, Radu-C

a2: Ion A, Vasile-C, Radu-B

a3: Ion B, Vasile-A, Radu-C

a4: Ion B, Vasile-C, Radu-A

a5: Ion C, Vasile-B, Radu-A

a6: Ion C, Vasile-A, Radu-B

Valoarea ateptat pentru fiecare variant decizional se calculeaz prin multiplicarea

Problema 3. Arbori de decizie

decizionale mpreun cu datele aferente. Se observ c la fiecare nod de ans se determin

p = 0,4 ; Cretere; Rp= 10%

p = 0,3 ; Recesiune; Rp= 3%

p = 0,3 ; Stagnare; Rp= 4%

Figura 1. Arborele de decizie pentru analiza unei investiii

2. MODELE DE OPTIMIZARE BAZATE PE ALGORITMUL SIMPLEX

n majoritatea aplicaiilor funcia obiectiv i sistemul de restricii asociat conin constante

Fondul de timp disponibil [ore]

Figura 2. Reprezentarea grafic a unei probleme de programare liniar

Figura 3. Mulimea soluiilor fezabile i linia poligonal nchis ce o delimiteaz

A(x1=0, x2=0) Profit = 0 lei;

B(x1=0, x2=80) Profit = 8000 lei;

C(x1=50, x2=0) Profit = 7000 lei;

M(x1=30, x2=40) Profit = 8200 lei (maxim).

Pierderea pe unitatea de resurse

Figura 4. Structura unui tabel SIMPLEX

[max] F = 40x1 + 30x2

Testul de optimalitate indic faptul c nc se mai poate mbuntii soluia problemei

n continuare se caut o soluie de baz pentru problema de programare liniar. Pentru

n momentul n care o variabil artificial prsete baza, ea va fi tears din tabelul

Problema 7. Analiza de sensibilitate n cazul problemelor de PL

Figura 5. Organizarea datelor pentru rezolvarea unei probleme de PL folosind

Figura 7. Soluia problemei de PL obinut prin folosirea instrumentului SOLVER

Figura 8. Raportul privind analiza de sensibilitate pentru o problem de PL

Figura 9. Limitele de variabilitate a soluiilor unei probleme de PL n funcie de valoarea

3. MSURAREA CALITII SERVICIILOR

Figura 10. Setul de declaraii ce caracterizeaz calitatea serviciului din perspectiva

Figura 11. Setul de declaraii ce caracterizeaz calitatea serviciului din perspectiva

Figura 12. Setul de declaraii ce caracterizeaz calitatea serviciului din perspectiva

Figura 13. Setul de declaraii ce caracterizeaz calitatea serviciului din

Figura 14. Setul de declaraii ce caracterizeaz calitatea serviciului din prespectiva

unde i este numrul afirmaiei din chestionar ( =

, unde T vine de la tangibilitate. La fel se procedeaz pentru media

tangibilitii ateptate i pentru celelalte dimensiuni ale calitii serviciilor.

Ne propunem s msurm calitatea serviciilor furnizate de hotelul Orizont. n acest sens

Hotelurile cu performane excelente au dotri moderne

Figura 15. Chestionarul SERVQUAL pentru msurarea ateptrilor clienilor

atractive pentru clieni

Figura 16. Chestionarul SERVQUAL pentru msurarea percepiilor clienilor

De reinut faptul c afirmaiile de la 1 la 4 msoar tangibilitatea, cele de la 5 la 9 msoar

Chestionarul SERVQUAL n ambele variante a fost aplicat pe un eantion de respondeni

impune instruirea angajailor pentru ca acetia s-i schimbe comportamentul fa de clieni. De

O problem specific metodei QFD se refer la obiectivitatea definirii ateptrilor sau a

n acest sens, managementul firmei OMNISTAR aplic metoda QFD i elaboreaz o

Puncte critice sau oportuniti

Figura 18. Casa calitii pentru furnizarea serviciilor de cloud computing

1) Stabilirea scopului proiectului. Obiectivul analizei sistemului furnizor de servicii de cloud

furnizate de echipa de proiectare a sistemului prestator i cuantific capacitatea firmei de

3.1 Modele subiective pentru prognoza cererii

Problema 10. Elaborarea unei prognoze prin utilizarea tehnicii Delphi

Probabilitatea de a se produce evenimentul

S presupunem c probabilitatea necondiionat a evenimentului B este 0,9, iar a

econometrice. n continuare sunt prezentate principalele concepte folosite n analiza de regresie