Sunteți pe pagina 1din 24

Calificarea: Antreprenoriat (A) Analiz cantitati v D12

ANALIZ CANTITATIV
Fia disciplinei

Statutul disci plinei: opional


Anul de studii : I Semestrul: 2

Titul arul cursului: Prof. dr. ing., ec. Ioan Abrudan


Nu mrul de ore/ Verificarea / Cred ite
Curs Seminar Lucrri Proiect Examinare Credite
14 - 28 - E 4

A. OBIECTIVELE DISCIPLINEI
Cursantii vor dobandi notiunile de baza privind modelarea si optimizarea diferitelor procese intalnite in mediul
economico-managerial. Dup parcurgerea disciplinei cursanii vor fi capabili:
1. S cunoasc elemente de teoria probabilitilor i statistic
2. S aplice metodele in rezolvarea problemelor
3. S cunoasc modul de interpretare a rezultatelor unei analize statistice a datelor
4. Sa stie sa reprezinte grafic si sa interpreteze geometric mu ltimea solutiilor ad misibile si solutia optima a
unei probleme de optimizare
5. Sa stie sa utilizeze algorit mii si metodele nu merice de rezo lvare a problemelo r de optimizare
6. Sa modeleze un proces conflictual cu ajutorul teoriei matematice a jocurilor
7. Sa utilizeze metodele de previziune-prognoza
8. Sa utilizeze metoda Electre si arborele de decizie in luarea unor decizii

B. DISCIPLINE CE TREBUIE STUDIATE ANTERIOR


Nu este cazul

C. COMPETENE SPECIFICE
1. Capacitatea de asumare a responsabilitilor, de a lua decizii i de gestiune a schimbrilor n organizaie;
2. Capacitatea de a lua decizii manageriale in conditii de risc rid icat, gasirea de solutii optime pentru
rezo lvarea problemelor care apar in med iul organizat ional.

D. CONINUTUL DISCIPLINEI
a) Curs
Capitolu l Coninuturi Nr. ore
1. Modelare - generaliti 1.1.Modelare. Tipuri de modele. Modele matematice. 1
1.2. Simularea.
1.3. Optimizarea.
2. Programare matemat ica 2.1. Elemente de programare matematica liniara. 1
lin iar Algorit mul SIM PLEX
3. Calcul p robabilistic 3.1. Fenomene aleatoare. Variabile aleatoare. 1
Probabilitati.
Functii de repartitie . Media si abaterea medie patratica
4. Regresia-corelatia 4.1. Regresia matematica. Cu rbe de regresie. Regresia 1
lin iara. Coeficientul de corelatie
5. Grafuri 5.1. Grafuri orientate. Retele 2
5.2. Dru mu ri in grafe. Dru mu l crit ic. Dru mu l
hamiltonean.
6. Sisteme de asteptare 6.1. Elemente de teoria asteptarii. Sisteme de asteptare. 2
Parametrii sistemelor de asteptare

7. Modelarea situatiilor 7.1. Elemente de teoria jocurilo r 2


conflictuale (teoria jocurilor) 7.2. Simularea functionarii sistemelor flexibile de
fabricatie in concordanta cu teoria jocurilor

Pag. 351
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

8. Teo ria deciziilor 8.1. Tipuri de decizii. 2


8.2. Metoda Electre
9. Previziune-prognoza 9.1. Extrapolarea seriilo r dinamice 2
Total ore 14

a) Aplicaii
Tipul de aplicaie Coninuturi Nr. ore
(seminar, laborator, pro iect
sau practic)
Lucrare 1 Probleme de programare matemat ica lin iara; algorit mu l 2
SIMPLEX
Lucrare 2 Utilizarea teoriei utilitatilor in rezolvarea unor probleme 2
manageriale: studiu de caz Majorari salariale
Lucrare 3 Utilizarea teoriei jocurilor in econo mie 2
Lucrare 4 Sisteme de asteptare - rezo lvare problema dimensionare 2
ghisee societate de asigurari
Lucrare 5 Teoria deciziilo r - decizii in conditii de risc si decizii in 2
conditii de incertitudine - studii de caz
Lucrare 6 Probleme de prev iziune-prognoza 2
Lucrare 7 Utilizarea pachetelor STORM si SPSS pentru rezolvarea 2
problemelor
Total ore 14

E. EVALUARE
Lucrarile, prin metodele/formele de evaluare folosite (munc n echip, discuii/dezbateri, teste, studii de caz), permit
identificarea dobndirii de ctre studeni a abilitilor i competenelor transversale necesare. Notarea const n
verificarea cunotinelor (cunoatere, nelegere i interpretare) printr-un test grila cu 12 intrebari; nota 5 se acorda
pentru 6 raspunsuri corecte.
Standarde mini me de performan:
Demonstrarea capacitii de nelegere i ap licare a conceptelor si metodelor de modelare si simu lare.
Demonstrarea capacitii de a lua decizii in conditii de certitudine, incertitudine, risc.
Demonstrarea capacitii de a t ranspune o problema reala intr -un model matemat ic.

F. REPERE METODOLOGICE
Strategia didactic alterneaz urmtoarele t ipuri de metode didactice: conversaia euristic, expunerea,
metode interactive, problematizarea, metodele g ndirii critice, prezentri power-point.
Materiale de curs folosite: suport de curs, studii de caz, fie bibliografice, site-uri pe Internet, programe de
simu lare.
Resurse folosite: tabl alb, tabl interactiv, ret roproiector i videoproiector, flip -chart.

G. BIBLIOGRAFIE
1. Abrudan, I., Sisteme flexibile de fabricaie. Concepte de proiectare i management, Editura Dacia, Clu j-
Napoca, 1996.
2. Abrudan, I. i Cndea, D., - coordonatori, Lungu, F., .a. Manual de inginerie economic. Ingineria i
managementul sistemelor de producie, Editura Dacia, Cluj-Napoca, 2002.
3. Blaga L., Lupa L., Elemente de programare liniar, Ed. Risoprint, Clu j-Napoca, 2003
4. Blaga, L., Lupsa, L., Cercetare operationala, Ed. Mega, Ed . Argonaut, Cluj-Napoca, 2006
5. Cociu, N., Optimizri n conceperea i exploatarea sistemelor de producie, Ed. Eurobit, Timioara, 1999
6. Dinescu, C., Svulescu, B., Decizii n probleme economice, E.D.P., Bucureti, 1978
7. Lee, A.M., Teoria ateptrii cu aplicaii, Ed. Tehnic, Bucureti, 1976

Pag. 352
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Prof. dr. ing., ec. Ioan Abrudan


ANALIZ CANTITATIV
Suport de curs

Cap. 1. MODELARE - GENERALITI

1.1. . Modelare. Tipuri de modele. Modele matematice


Modelul este un sistem material sau abstract, care, fiind pus n coresponden cu un alt sistem dat
anterior, va putea servi indirect studiului proprietilor acestui sistem mai co mplex (original) i cu care
modelu l prezint o anumit analogie.
Prin model se nelege deci o imag ine condensat a unui fenomen, o machet a unei realiti
complexe care exist sau care urmeaz s fie construit.
Prin model de sistem se nelege o reprezentare condensat i simp lificat a unui sistem real sau
imaginar n scopul de a prezice unele co mportri din funcionarea sa
Modelul este o imagine mai mu lt sau mai puin fidel a sistemului real; el nu epuizeaz sistemul
real deoarece atunci s-ar putea substitui acestuia. Dar nsi raiunea modelrii este impus de
imposibilitatea reproducerii, n toat complexitatea sa, a sistemului. Este necesar ns ca n cadrul
modelu lui s fie reproduse aspectele, legile, relaiile etc. eseniale ale sistemului, deoarece de modul cum
acestea sunt cuprinse n model depinde utilitatea sa. Unui sistem i se pot asocia diferite modele; de aceea un
model nu poate fi adevrat sau fals; el reprezint mai bine sau mai puin bine un sistem. Din aceast cauz
criteriul pract icii, verificarea sau validarea modelu lui constituie o latur caracteristic defin itorie a a
oricrui model.
Prin urmare, n descrierea sintetic a conceptului de model, este necesar s punem n eviden
urmtoarele trei laturi:
1. modelu l este o imagine inco mplet a unui sistem existent sau care urmeaz s fie
construit;
2. modelu l trebuie validat prin criteriu l practicii n vederea determinrii gradulu i su de
utilitate i a aplicrii sale;
3. modelu l este manipulat n vederea prezicerii co mportrii n diferite situaii a sistemului
studiat.
Modelarea nseamn trecerea de la fenomenul real la modelu l matemat ic, prin luarea n
considerare a aspectelor eseniale i prin neglijarea unor aspecte i elemente, uneori destul de importante, n
scopul realizrii unui studiu pe un model matemat ic mai simp lu.
Trecerea de la un sistem real la modelul matematic corespunztor, iar de aici - eventual - la un
model fizic, este posibil i ca urmare a faptului c exist diferite feno mene care sunt descris e de aceleai
tipuri de rela ii matematice, doar variabilele i funciile avnd semnificaii diferite.
Co mplexitatea i d iversitatea sistemelor a condus la necesitatea elaborrii unor modele foarte
variate. Pentru sistematizarea mul imii tipurilor de modele elaborate pn n prezent, se pot folosi o serie de
criterii, d intre care cele mai semnificat ive sunt:
I - natura fizic a elementelor modelulu i;
II - natura matematic a relaiilor ce descriu legturile sistemulu i echivalent;
III - natura istoriei siste mului;
IV - obiectul cercetrii;
V- modu l de construire;
VI - natura variabilelor.
I. Dup natura fizic a elementel or modelului se disting:
a) modele fizice;
b) modele abstracte;
c) modele hibride.
a) Modelele fizice conin elemente de natur fizic. Ca exemp le se pot da machetele
instalaiilor tehnologice.
b) Modelele abstracte, spre deosebire de cele fizice, include elemente variabile ale cror
legturi sunt relaii funcionale ntre acestea. Modelele abstracte se pot clasifica n modele abstracte
calitative i cantitative.

Pag. 353
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Modelele abstracte calitative includ numai specificarea formei unor relaii funcionale
reprezentabile prin scheme, respectiv grafuri. Au o importan practic deosebit deoarece permit elaborri
cu mare putere de generalizare.
Modelele abstracte cantitative (modele matemat ice) sunt formate exclusiv din funcii
matemat ice particularizate. Modelele matemat ice pot fi deterministe, statistice, aleatoare, vagi (fuzzy) sau
mixte.
1. Modelele deterministe cuprind numai funcii matematice deduse prin aplicarea unor legi generale i n
care nu intervin variabile aleatoare.
2. Modelele statistice cuprind cel puin o relaie dedus prin prelucrarea statistic a unor date
experimentale.
3. Modelele aleatoare implic utilizarea variab ilelor aleatoare pentru descrierea funcionrii sistemulu i.
Ca exemp lu se pot da modelele proceselor de ateptare care apar mai cu seam n cadrul sistemelo r de
servire.
4. Modelele vagi (fuzzy) reflect imprecizia sistemului studiat i permit stabilirea gradului de apartenen
la o anu mit proprietate.
5. Modelele mixte includ variabile aleatoare pentru descrierea rela iilor din sistem i urmresc
determinarea parametrilo r statistici ai mrimilor de ieire, precu m i determinarea unor funcii
matemat ice.
c) Modelele hibride presupun interaciunea dintre un sistem format din elemente fizice i un
calculator electronic programat corespunztor. De exemp lu, n ntreprinderi se folosesc aparate de msur i
control cuplate cu un calculator electronic care este programat s adopte decizia de modificare a
parametrilor astfel ca s se realizeze n permanen un regim de funcionare ct mai economic.
II. Dup natura matematic a rel aiilor ce descriu legturile sistemului echi velent exist:
a) modele liniare;
b) modele neliniare.
a) Modelele liniare sunt caracterizate prin aceea c att restriciile ct i funciile obiectiv sunt
de gradul nti. Ca exemp lu se pot da modelele de programare lin iar.
b) Modelele neliniare sunt caracterizate prin aceea c restriciile i funciile obiectiv au grad diferit
de unu.
III. Dup natura istoriei sistemului, exist:
a) modele statice;
b) modele dinamice.
a) Modelele statice au parametrii independeni de timp, iar soluiile oferite trebuie mereu
actualizate. Ca exemp lu se pot da modelele de ncrcare a ut ilajelor.
b) Modelele dinamice sunt descrise prin funcii de timp. Majoritatea sistemelor de producie se
preteaz a fi modelate cu ajutorul acestor modele, care apro ximeaz mai fidel realitatea obiectiv.
IV. n funcie de obiectul cercetrii, modelele se clasific n:
a) modele macroeconomice;
b) modele microeconomice.
a) Modelele macroeconomice au ca obiect de studiu sistemele de producie agregate, la nivel de
ntreprindere.
b) Modelele microeconomice au ca obiect de analiz sistemele elementare. Ca exemplu pot fi date
modelele proceselor de stocare, de aprovizionare etc.
V. Dup modul de construire a modelului se disting:
a) modele cu increment fix;
b) modele cu increment variab il.
a) Modelele cu increment fix sunt cele care sunt utilizate n simu larea cu ceas avnd increment fix.
b) Modelele cu increment variabil sunt cele care sunt utilizate n simu larea cu ceas avnd
increment variab il (metoda evenimentului u rmtor).
VI. Dup natura variabilelor modelele pot fi:
a) discrete;
b) continue.
a) Modelele discrete conin variabile care pot fi puse n coresponden cu mul imea nu merelor
naturale sau cu o submulime finit a acestor numere.
b) Modelele continue conin variabile cu puterea continuului (mrimi care pot fi puse n
coresponden cu punctele intervalului [0,1]).

Pag. 354
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

1.2. Simularea

Simularea este o tehnic de realizare a experienelor cu ajutorul calcu latorului electronic,


implicnd utilizarea unor modele matematice sau logice ce descriu comportarea sistemului real pe durata
unui interval de timp, mic sau mare.
Tehnicile de simulare se utilizeaz, de regul, n acele cazuri n care gsirea unei soluii analitice
este imposibil, iar experimentarea nemijlocit pe sistemul real este, dintr-un motiv sau altul,
neoperaional.
La baza procesului de simulare stau metodele de descriere, modelare i analiz a unor sisteme
reale (existente) ori n curs de realizare (proiectare).
Simu larea permite, n general:
structurarea mai bun a problemei investigate;
testarea diferitelor ci de aciune care nu pot fi formu late exp licit n cadrul modelului;
determinarea formei funcionale de exprimare a legturilor dintre feno menele cercetate i
estimarea valorilor parametrilor modelu lui.
Realitatea este reprezentat prin modele, iar simularea le fo losete pentru studiul realitii.
Simu larea presupune ntotdeauna utilizarea modelulu i, ea reprezentnd - n esen - o man ipulare a
modelu lui.
n activitatea de simulare sunt implicate trei elemente importante i anume: sistemul real, modelu l,
calculatorul i dou relatii: relaia de modelare i relaia de simu lare.
Simu larea permite realizarea cel puin a urmtoarelor obiective:
1. Prelungirea n timp i spaiu a desfurrii unor procese pe baza unor ipoteze de lucru privind legile ce
le guverneaz (deci de variaie a structurii, dac este cazul, a parametrilor ce caracterizeaz procesul i
a mrimilor de intervenie asupra acestora), n scopul identificrii unor variante de intervenie
avantajoas asupra desfurrii (funcia praxiologic).
2. Identificarea unui model suficient de realist al unui sistem, utilizab il apoi n conformitate cu cele
menionate la aliniatul de mai sus (funcia gnoseologic).
3. Cutarea unor regimuri de funcionare avantajoase, aproximnd regimu l optimal pe baza
experimentului statistic (funciile praxiologic i gnoseologic n acelai timp).
Trebuie re inut faptul c simularea poate ajuta efectiv la studiul unui sistem real sau la p roiectarea
unui sistem, dar ea nu produce miracole dac nu exist date de intrare corecte, modele corespu nztoare i
nu se cunoate setul de restricii necesar.
In analiza domen iilor functionale ale unei afaceri cu ajutorul simularii, cea mai mare pondere o
detine activitatea productiva (fundamentarea investitiilo r, evaluarea iesirilor, programarea, analiza si
controlul stocurilor, controlu l de calitate etc.). De asemenea, rezultate spectaculoase s -au obtinut in
evaluarea si imbunatatirea performantelor sistemelor de fabricat ie existente, precum si in proiectarea celor
noi.
Utilizarea simu larii sta la baza fundamentarii deciziei manageriale datorita faptului ca permite:
-evaluarea performantelor unui sistem de fabricatie fie in faza de exploatare, fie in faza de
proiectare;
-compararea scenariilo r de dezvoltare a unui sistem de fabricatie fara a altera performantele sale
curente;
-determinarea co mportamentului unui sistem de fabricat ie la aparitia perturbatiilor si stabilirea
strategiilor optime de minimizare a pierderilor;
-minimizarea costurilo r de fabricatie;
-studiul comportamentului de t ranzitie -deseori modelele analitice impun acceptarea unor
presupuneri simp lificatoare, ceea ce nu se intampla in cazu l modelelor de simulare cu ajutorul carora se
poate deteemina co mportamentul tran zitoriu al sistemulu i.
Ca i modelele, tehnicile de simulare pot fi clasificate dup mai mu lte criterii, dintre care cele mai
semnificative sunt:
I - natura echipamentului utilizat;
II - natura algorit mulu i utilizat;
III - raportul de simu lare (durata simulrii fa de durata real);
IV - mo mentul simulrii.
I Dup natura echi pamentului utilizat, tehnicile de simulare se clasific astfel:
a) simulare analogic;
b) simulare numeric;
c) simulare hibrid.

Pag. 355
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

a) Simularea analogic este o tehnic de simulare care folosete sisteme (dispozitive) ale cror legi
de conduit sunt aceleai cu legile de conduit ale sistemului studiat. Ca exemple se pot da: analogia dintre
sistemul informa ional al unei societi comerciale i sistemul nervos al unui organism biologic, analogia
dintre creterea unui sistem economic i dezvoltarea unei culturi de microorganis me, analogia dintre
sistemul de aprovizionare al unei ntreprinderi i un sistem hidrau lic cu intrri i ieiri etc.
Simu larea analogic se poate clasifica, la rndul ei astfel:
1. simu lare analogic direct;
2. simu lare analogic indirect.
Simularea analogic direct const n stabilirea unei analogii directe ntre sistemul original i
sistemul cu ajutorul cruia se efectueaz simu larea (denumit simulator). Dup natura dispozitivelor
utilizate, simularea analogic d irect poate fi fizic, chimic, biologic etc. Un exemplu de simu lare fizic l
constituie machetele.
Simu larea analogic direct nu este aplicat n prezent pentru analiza i proiectarea sistemelor de
producie sau economice.
Simularea analogic indirect const n folosirea unor elemente analogice modulare
(sumatoare, integratoare, amp lificatoare etc.) interconectate astfel nct legea de funcionare a acestui
ansamblu s fie aceeai cu cea a sistemului original. Aceast tehnic este utilizat in studiul sistemelor a
cror evoluie se poate descrie prin ecuaii difereniale. Ca exemp lu pot fi date sistemele de reglare
automat continue ale mainilor unelte.
b) Simularea numeric (denumit i simulare matematica) const n analiza i studiul sistemelor
utiliznd analogiile de calcu l.
Simu lrile nu merice se clasific, la rndul lor, astfel:
1. simu lare de tip joc;
2. simu lare prin metoda Monte Carlo.
Simulare de tip joc presupune ataarea la sistemul studiat a unui model care descrie
dependenele logice dintre variabilele i parametrii sistemu lui (deci un model determinist). La un ciclu de
simu lare, parametrii rmn constani iar variabilele se schimb.
Simu larea de t ip joc poate fi dirijat sau aleatoare.
1. Simularea de tip joc dirijat: variabilele de intrare care intervin sunt deterministe (deci model
determinist - variabile deterministe);
2. Simularea de tip joc aleatoare: variabilele de intrare care intervin sunt de natur aleatoare (deci
model determin ist - variabile aleatoare).
Simularea Monte Carlo ataeaz la sistemul studiat un model aleator care utilizeaz variabile
aleatoare. In cadrul sistemelor de producie, metoda Monte Carlo se utilizeaz n studiul gestiunii stocurilor
dintr-un depozit de materiale, reparti iei optime a utilajelor, proceselor de reparaii etc. Metoda se distinge
prin simplitate, generalitate i o dependen slab ntre timpul de calcul i dimensiunile problemelor.
c) Simularea hibrid const n conectarea unui simulator analogic cu un calculator numeric. Are
avantajele rezolvrii cu vitez rid icat a problemelor d inamice i programrii rap ide a unor probleme
complicate, n prezent se utilizeaz mai mult n procesele chimice, siderurgice etc., dar specialitii prevd o
dezvoltare viitoare n simularea altor procese de producie precum i n simularea proceselor , econo mice.
II Dup natura algoritmilor utilizai, simul area poate fi:
a) determin ist;
b) aleatoare;
c) determin ist cu perturbaii aleatoare.
a) Simularea determinist este un proces de simulare n care att variabilele (n cadrul fiecrui
ciclu de simulare) ct i parametrii (de la un ciclu de simulare la altul) capt valori deterministe. Aceste
valori sunt fie date, fie rezultate dintr-un algorit m care furnizeaz rezultate predeterminabile.
b) Simularea aleatoare (Monte Carlo) este un procedeu de simulare n care cel puin o variabil
sau un parametru capt valori aleatoare. Acest tip de simulare are ap lica ii impo rtante mai ales n studiul
sistemelor microeconomice, cu m sunt procesele de ateptare, procesele de stocare, activitatea de reparaii,
problemele de trafic etc.
c) Simularea determinist cu perturbaii aleatoare, spre deosebire de cea determinist, include i
mrimi aleatoare, care nu schimb evoluia general a sistemulu i, dar confer un grad mai mare de realism.
III Din punct de vedere al raportului de simul are tehnicile de simul are se clasific astfel:
a) simulare n timp real;
b) simulare n pseudotimp.
IV Dup momentul efecturii simulrii, se pot di fereni a:
a) ante-simulare;
b) post-simu lare.

Pag. 356
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

a) Ante-simularea se efectueaz nainte de a avea loc funcionarea real a sistemului. Este folosit
la proiectarea sistemelor de producie i la prognozele economice.
b) Post-simularea se efectueaz dup ce a avut loc funcionarea real a sistemului de producie,
deci se utilizeaz la analiza sistemelor care sunt n stare de funcionare.

1.3. Optimizarea

Din punct de vedere semantic, cuvntul "optim" semnifica "cel mai bun", optimizarea fiind
implicit actiunea de cautare , implementare si mentinere a optimu lui. Ch iar si din aceasta sumara definit ie,
se pot izola cteva caracteristici legate de conceptul optim. Formularea "cel mai bun" se poate segmenta n
doua parti. Pe de o parte "cel mai bun" care presupune existent a unei mu ltimi de elemente din care trebuie
selectat elementul "cel mai" si, pe de alta parte, cuvntul "bun" care sugereaza existenta unui criteriu ce
ordoneaza si departajeaza elementele mu ltimii in raport cu obiectivul urmarit. n sfrsit, trebuie sa existe o
metoda, o tehnica de evaluare a fiecarui element n corelatie cu criteriul stabilit si care sa ne conduca la
elementul optim.
Daca pentru sintagma "cel mai" matematica este stiinta care ne ofera solutii, definirea atributului n
baza caruia trebuie sa se faca selectia este problema cercetatorului, specialist in domeniul ce trebuie
optimizat, acest atribut fiind o caracteristica intrinseca a procesului sau fenomenului cercetat.
n tehnologie, n mod obisnuit, principiile dupa care se selectioneaza s olutia optima sunt:
- principiu l masei minime;
- principiu l spatiului ocupat min im;
- principiu l protectiei maxime (lipsa de periculo zitate);
- principiu l costurilor tehnologice min ime;
- principiu l princip iul p ierderilor (p rin rebut) minime;
- principiu l sigurantei n functionare maxime.
Deci, problemele de optimizare se gasesc, practic, la confluenta a cel putin doua stiinte: stiinta
concreta n care s-a delimitat problema studiata si matemat ica, stiinta care ofera metodele de optimizare.
De multe ori, mult imea din care trebuie selectat elementul optim contine foarte mu lte elemente si
atunci problema optimizarii, pe lnga obisnuitele ei dificultati, capata si o alta dimensiune: durata selectiei.
n aceste cazuri, folosirea calcu latorului electron ic devine deosebit de utila, daca nu chiar indispensabila. n
aceeasi ordine de idei, este dezirabila gasirea unei metode care sa nu exploreze toate elementele multimii
din care se face selectia, sau cel putin, procesul de cercetare a elementelor mu ltimii, sa fie inegal ca d urata
si complexitate n raport cu anumite categorii de elemente. n acest sens, pot fi mentionate tehnicile de tipul
"branch and bound" (ramifica si margineste), n cadrul carora, d in mu ltimea solutiilor posibile, anu mite
zone sunt excluse pe baza unor teste de margin ire care stabilesc ca n do meniul respectiv nu pot exista
solutii optime. Pe acest fundal, se poate, deci, defin i o alta preocupare: optimizarea metodelor, adica gasirea
acelor metode care ne conduc pe drumul cel mai scurt catre solutia optima .
Va trebui sa modelam p rocesul cercetat printr-o functie ale carei valori sa reflecte nivelul
criteriulu i de selectie pentru diferite solutii definite de valorile variab ilelor independente. Practic, obiectivul
optimizarii este cercetarea valorilor acestei functii corespunzatoare fiecarei solutii. Daca denumim aceasta
functie functie obiectiv sau functie scop, atunci gasirea maximu lui si minimu lui, dupa caz, al acestei functii
n domeniul de definit ie al variabilelor procesului, reprezinta gasirea optimulu i. A m enuntat, astfel, cea mai
simp la problema de optim, reprezentnd maniera "clasica" de abordare a problemelor de optimizare.

Cap. 2. PROGRAMARE MATEMATIC LINIAR

2.1. Elemente de programare matematica liniara. Algoritmul SIMPLEX

Elementele unui model de programare matemat ic lin iar sunt prezentate n Fig. 2.1. Metoda de
rezo lvare a unui astfel de model se numete A lgorit mu l SIMPLEX.
A rezo lva un astfel de model nseamn a gsi valorile vectorului X pentru care funcia Z (care se
numete funcie obiectiv) are dupa caz cea mai mare (max) sau cea mai mica (min ) valoare i simu ltan sunt
ndeplinite toate restriciile impuse de inegalitile modelu lui.

Pag. 357
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

max (min) Z=c 1 x1 +c2 x2 +...+cn xn


.
a11 x1 +a12 x2 + ...+ a1n xn b 1 max (min) Z =CX
a21 x1 +a22 x2 + ...+ a2n xn b 2 AX B
. X0
.
ai1 x1 +ai2 x2 + ...+ain xn b i
.
.
am1 x1 +am2 x2 + ...+a mn xn b m b1
xj 0, i=1...m, j=1...n .
B= . vectorul resurselor
.
bm

a11 ...a1n
. .

A= . . mat ricea coeficienilo r tehnologici


. .
am1 ...amn

x1
.
X= . vectorul activitilor
.
x2

C=(c1 ...cn ) vectorul costurilor

Fig. 2.1. Elementele unui model de programare matematic liniar

Cap. 3. CALCUL PROBABILISTIC

3.1. Fenomene aleatoare. Variabile aleatoare. Probabiliti. Funcii de repartiie.


Media i abaterea medie patratic

Fenomen aleator (stochastic, ntmpltor) un feno men care reprodus de mai mu lte ori,
n acealeai condiii, se desfoar diferit, rezu ltatele obinute fiind imp revizibile;
experien o repetare a fenomenulu i aleator;
eveniment - rezultatul asteptat al unei experiene;
probabilitate raportul dintre numrul cazurilor favorabile unui even iment i numrul
cazurilor posibile;
frecvena absolut numrul experienelor n care s -a produs evenimentul ateptat dintr-
un numr total de experiene n care s -a reprodus fenomenul aleator;
frecven relativ - raportul dintre frecvena absolut as ociat unui eveniment i numrul
total de experiene realizate;
legea numerelor mari (legea lui Bernoulli) cnd numrul experienelor care reproduc un
fenomen aleator este foarte mare atunci frecvena relativ a unui eveniment tinde ctre
probabilitatea sa;
variabil aleatoare variabil care ia valori aleatoare (ntmpltoare) ntr-un anu mit
interval.

Pag. 358
Calificarea: Antreprenoriat (A) Analiz cantitati v D12


- probabilitatea evenimentului sigur=1;
- probabilitatea evenimentului imposibil=0;

0 < probabilitatea < 1

Valoarea medie i abaterea medie ptratic a unei variabile aleatoare


A. variabile aleatoare: consumul de saci de zahr dintr-un magazin alimentar ntr-o sptmn;
Media:
7 9 28 32
A 19
4
Abaterea medie ptratic ne arat cu ct se abat valorile variab ilei aleatoare de la valoarea medie:
7 19 2 9 19 2 28 19 2 32 19 2
A
4

7 19 2 9 19 2 28 19 2 32 19 2
A
4
Cu ct abaterea medie ptrat ic este mai mic, cu att valorile sunt mai apropiate fa de medie.

A 11.11
Densiti de probabilitate:
A 11 .11 Bernoulli;
Weibull;
alfa;
gama;
normal;
student;
Poisson etc.

~
fN f ~u
standardizare

Cap. 4. REGRESIA - CORELAIA

4.1. Regresia matematica. Curbe de regresie. Regresia liniara. Coeficientul de corelatie

Modelul regresiei matematice este utilizat pentru determinarea legaturii intre variabile pe care,
intutiv le consideram dependente. Scopul regresiei este de a afla ecuatia unei curbe care sa descrie cel mai
bine legatura intre doua variab ile. Una dintre variabile influenteaza evenimentul si se numeste variabila
independenta, iar cea care este influentata se numeste variabila dependenta.

Pag. 359
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Daca curba care descrie cel mai bine legatura dintre cele doua variabile este o dreapta, regresia se
numeste liniara.
Calitatea determinarii este data de coeficientul de corelatie. El indica proportia din variatie care
este explicata prin ecuatia de regresie data si poate lua valori intre -1 si 1. Cu cat valoarea este mai
apropiata de 1, cu atat legatura dintre cele doua marimi este mai intensa. Daca valoarea este negativa,
legatura este inversa.

Figura 4.1. Cu rbe de regresie

Cap. 5. GRAFURI

5.1. Grafuri orientate. Reele


O reea este alctuit din noduri i arce orientate. Reeaua unui proiect const dintr-un set finit N
de n elemente 1,2,,i,,j,,n numite noduri, mpreun cu un subset A de perechi ordonate (i, j) de noduri
numite arce. Pentru a trasa o reea se alege un punct corespunztor fiecru i nod i din N i se duce un arc din
i spre j dac perechea ordonat (i, j) se gsete n A.

Pag. 360
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

A(activitate) A
1 2 Ai Aj
eevenimentul 1 eevenimentul 2 ac)
( (I(sfarsitul activitatii A)
A
aa)

A Ai Aj
Ai
earc B
enod
ab) egresit
ad)

Fig. 5.1. Elementele unei reele

Fig. 5.2. Graf orientat

Do menii de aplicare ale reelelor: n programarea produciei de unicate, n programarea intrrilor


de produse ntr-un sistem flexib il de fabricaie, n proiectarea sistemelor de ateptare, n ordonanarea
fabricaiei etc.

5.2. Drumuri in grafe. Drumul critic. Drumul hamiltonean

Un drum ntr-un graf este o succesiune de arce care unesc dou noduri. Lungimea unui dru m este
obinut prin nsumarea cifrelor asociate arcelor dru mu lui respectiv.
Dru mul de lungime maxim d in reea care unete nodul iniial de nodul final se numete drum
critic
Un dru m este hamiltonian dac el trece o singur dat prin toate nodurile grafulu i.
Exist algorit mi pentru determinarea dru mu lui critic i respectiv a drumu lui hamiltonian.

Cap. 6. SISTEME DE ATEPTARE

6.1. Elemente de teoria ateptrii. Sisteme de ateptare. Parametrii sistemelor de


ateptare

Teoria ateptrii ia n considerare fenomenul de ateptare i apariia irurilor de ateptare (a


cozilor). Un ir de ateptare necesit amenajarea unui spaiu i/sau proiectarea unui echipament n care
clienii s atepte, pn ce ei vor putea fi servii. n Figura 6.1 este prezentat un sistem de asteptare.
Elementele semnificat ive din Figura 6.1 sunt:

Pag. 361
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Fig. 6.1. Sistem de ateptare

1. Fluxul de intrare n sistem reprezint modul sau regula de intrare a reperelor n sistem. Aceast
regul poate fi exprimat prin variaia intervalu lui de t imp ntre dou intrri succesive sau prin variaia
numrulu i de intrri n unitate de timp (de exemp lu ntr-o or). n teminologia teoriei asteptrii, reperele
care intr n sistem se numesc "clieni" ei solicitnd din partea sistemului un "serviciu", care, n cazul
nostru, este o prelucrare de un anumit fel. Vo m considera, n continuare, c sistemele de asteptare sunt cu
intrri aleatoare, adic intervalul de timp dintre dou intrri sau numrul de intrri pe unitatea de timp sunt
variabile aleatoare. La o variabil aleatoare se asociaz o densitate de probabilitate (funcie de
probabilitate). Cele mai studiate sisteme de asteptare sunt cele la care densitatea de probabilitate pentru
flu xu l de intrare n sistem este de tip Po isson:

x
f(x) = e , x = 0, 1, 2,. (6.1)
x!
unde:
x - numrul de intrri n unitate de timp (variabil aleatoare);
- numrul mediu de intrri n unitate de timp.
n situaii reale, caracteru l "poissonian" al intrrilor n sistem trebuie verificat, mai ales c flu xu l
poissonian este destul de pretenios, presupunnd respectarea a trei proprieti: staionaritate, independen
si singularitate. "Atasamentul" cercettorilor fa de flu xurile de intrare poissoniene este cauzat de existena
unor formule de calcul pentru sistemele de asteptare (S.A.), larg disponibile n literatura matemat ic, si care
sunt determinate n condiii de intrri poissoniene. Parametrul , se calculeaz pornind de la programul
anual de fabrica ie pentru fiecare modul si fondul anual de timp disponibil al modulu lui respectiv.
Conform principiilor teoriei asteptrii, "clienii" pot proveni dintr-o "surs" infinit sau dintr-o
surs cu un numr finit de clieni (m).
2. Staiile de lucru sunt unitile care satisfac serviciul solicitat de client. Un S.A. poate s includ
o staie sau mai mu lte staii (s). n legtur cu staiile de lucru, cea mai important problem est e variaia
timpului de servire (de prelucrare). O situaie interesant apare cnd timpul de prelucrare este variabil
aleatoare. Acestei variabile aleatoare i se asociaz o densitate de probabilitate (funcie de probabilitate).
De multe ori, densitatea de probabilitate a timpului de servire (prelucrare) este o exponenial
negativ de forma:

f (t) = e-t , (6.2)

unde:
t - timpu l de servire (variabila aleatoare);
- nu mru l med iu de clieni servi i ntr-o unitate de timp (de exemp lu ntr-o or).

Pag. 362
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Ca si la intrrile poissoniene, cercettorii prefer aceast form de variaie a timpulu i de servire,


pentru c multe formu le referitoare la parametrii S.A, (disponibile n literatura matemat ica) au fost deduse
n condiiile acestui gen de variaie. Caracterul exponenial-negativ trebuie, ns, dovedit n raport cu
evoluia real a timpu lui de prelucrare.
Datorit intrrilor aleatoare de produse n sistem, staiile nu vor fi cotinuu ocupate, existnd,
asadar, un grad mediu de ocupare al acestora (n s ). De asemerea, intensitatea "traficului" prin sistem este
perceput prin raportul:

= , (6.3)

numit intensitate de trafic, coeficient de trafic sau factor de serviciu.


3. Sirul (firul) de asteptare. Reperele care gsesc staiile sis temulu i ocupate se aseaz "la coad"
(n literatura american teoria asteptrii poart nu mele de teoria co zilor) urmnd ca, pe msur ce se
elibereaz staiile, s intre n prelucrare. O caracteristic de baza a sirului este lungimea sa, care poate fi
considerat infinit (la piese mici) sau limitat la o mrime predeterminat (N). Poate exista si cazul n care
nu este admis formarea sirului. Clienii pot opta pentru situaia de a astepta n sir orict sau ei pot s se
aseze n sir doar dac aceasta este s ub o anumit lungime, respectiv dac timpul de asteptare nu depseste o
anumit limit. O alt caracteristic a siru lui este disciplina sa (disciplina de servire), adic modul n care
clienii din sir t rec n staii atunci cnd se elibereaz o staie de lu cru. Discip lina cea mai frecvent este
FIFO (first in, first out) n cadrul creia clienii sunt servii n ordinea venirii lor. Mai pot exista si alte
discipline sau se poate opera cu anumite reguli de prioritate asupra clieilor din sirul de asteptare. Siru l este
o consencin a raportului dintre numru l de intrri n sistem si capacitatea de procesare a clienilor pe care
o au staiile sistemulu i.
4. Fluxul de iesire din sistem este important n cazul nostru, pentru c el poate reprezenta un flux
de intrare ntr-un alt sistem de asteptare, n contextul n care SFF constituie o reea de sisteme de asteptare.

Parametrii sistemului de asteptare

O problem care s-a bucurat de o mare atenie din partea cercettorilor a fost descrierea sistemelor de
asteptare. n lucrarea de fa am utilizat simbolizarea S.A. care utilizeaz urmtorii descriptori :
- Natura fu xu lui de intrare. Pentru flu xu l "poissonian" s -a utilizat notaia POISS (), unde are
semnificaia deja artat.
- Nu mrul de elemente ale sursei din care provin clienii: "M" pentru un numr limitat sau
pentru o surs infinit.
- Natura variaiei t impului de servire. Dac avem o variaie exponenial -negativ se foloseste
simbolu l EXP (), pentru un timp constant de servire simbo lul C(), iar atunci cnd nu cunoastem legea de
variaie se foloseste simbo lul V(),unde are semnificaia deja artat. n acest ultim caz, trebuie calculat,
din observaii, v .
- Nu mrul staiilor (1= o staie; s = 2, 3...),
- Nu mrul clienilor din sirul de asteptare (N ... ),
- Disciplina siru lui (FIFO, LIFO etc).
Dup ce natura sistemulu i de asteptare a fost identificat prin aceast descriere, se pot utiliza
pentru calcul formu lele specifice aferente sistemulu i.
Parametrii care se pot calcula n cadru l sistemelor de asteptare sunt prezentai n Figura 6.2 n
grupul mrimilor de iesire. Exist programe de calculator care, pe baza mrimilor de intrare, n contextul
descrierii sistemu lui de asteptare, calculeaz parametrii specifici sistemu lui. Formu lele de calcu l sunt relativ
n n
"neprietenoase", presupunnd un calcul laborios cu elemente de comb inatoric (A m aranjamente, C m
combinari) si, de aceea, utilizarea calculatorului este oportun. Programele de calculator actuale, care
determin parametrii S.A., devin din ce n ce mai accesibile, si considerm c, n aceste condiii, teoria
asteptrii si va atinge treptat considerabilul potenial de care dispune n modelarea fenomenelor realitii.
Exist cteva relaii de calcu l, prezentate n Figura 6.1, care sunt valabile n ntreaga diversitate a
sistemelor de asteptare.

Pag. 363
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Fig. 6.2. Parametrii sistemelo r de ateptare

Cap. 7. MODELAREA SITUAIILOR CONFLICTUALE (TEORIA


JOCURILOR)

7.1. Elemente de teoria jocurilor

n teoria matematic a jocurilor cele dou tendine opuse sunt promovate de doi "juctori"
"parteneri" sau "adversari". Unul dintre juctori ctig i el se numete "juctor maximizant" (J.max) iar
cellalt pierde i poart denumirea de "juctor minimizant" (J.min ). Trebuie precizat, de la nceput, c dintre
toate variantele de jocuri noi vo m utiliza, n continuare, jocurile cu sum nul cu doi juctori.
Pentru a-i promova interesele, cei doi juctori uzeaz de anumite lin ii d e conduit numite
"strategii pure". Amndoi juctori acioneaz absolut raional i onest, adic nu fac "greeli" i nu se
"paclesc" reciproc. Mai mu lt, fiecare cunoate cum ar reaciona adversarul la orice aciune a sa.
Confruntarea se poart pentru maximizarea unui ctig (juctorul maximizant) i limitarea unei pierderi
(juctorul minimizant). Tot ceea ce ctig un juctor este o pierdere pentru cellalt. Toate ctigurile
(pierderile) sunt cuprinse ntr-o matrice numit matricea ctigurilor, a pierderilo r sau matricea jocului
(Figura 7.1).

Pag. 364
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Fig. 7.1. Matricea joculu i.

Cu alte cuvinte, dac juctorul maximizant (P) fo losete strategia pur P ij iar juctorul min imizant
(S) rspunde cu strategia pur Sij atunci Cij este ctigul lui P i p ierderea lui S. Strategiile pure ale
juctorului maximizant se vor gsi ntotdeauna pe linii, iar strategiile pure ale juctorului minimizant vor fi
ntotdeauna pe coloane. S considerm un exemp lu numeric (Figura 4.2) unde A este ju ctorul maximizant
cu strategiile pure Al, A2, A3, A4 i B este juctorul min imizant cu strategiile pure B1, B2, B3, B4. La
interseciile strategiilor se gsesc ctigurile (pierderile) corespunztoare.

Fig. 7.2. Exemplu de matrice a jocului

Cifrele d in ultima coloan au fost completate n urmtoarea logic. Dac J.max folosete stategia
pur A1 atund J.min va utiliza stategia pur A4 pentru a-i minimiza p ierderea .a.m.d.
Cifrele de pe ultima linie reflect urmtorul ra ionament. Dac J.min va folosi strategia pur B1
atunci J.max va fo losi strategia A1 pentru a-i maximiza ctigul .a.m.d.
n situaia de echilibru (optim), acceptat de amndoi juctorii, J.max accept dintre toate
ctigurile maxime pe cel mai mic (3), iar J.min accept dintre toate pierderile minime pe cea mai mare (3).
Aceast valoare de compromis, acceptat de amndoi, se numete "valoarea jocului" (v) i pentru obinerea
ei, J.max va utiliza strategia pur A3, iar J.min, va utiliza strategia p ur B2. Matematic valoarea jocului
reprezint:

max min cij = min max cij = v (7.1)


i j j i

i jocurile care ad mit o astfel de soluie se numesc jocuri cu "punct a". Nu ntotdeauna exist n matricea
jocului o valoare Cij care s satisfac relaia (7.1). n aceste cazuri, valoarea jocului nu mai apare ca un
element distinct din matricea jocului ci ea se formeaz, ca o medie, n urma mai multor "partide". O partid
reprezint "o confruntare" ntre dou strategii pure. De exemp lu, J.max atac cu o strategie, pur la care
J.min rspunde cu o alt strategie pur, dar jocul continu i J.max rspunde cu o alt strategie pur, J.min,
n replic, activeaz o alt strategie pur a sa .a.m.d. Jocul poate fi oprit dup cte partide vrem, dar cu ct
se disput mai mu lte partide valoarea joculu i (care se calculeaz ntr-un fel anu me), reflect mai bine
situaia pierderii/ctigului juctorilor. n aceste condiii, pe ntreaga durat a jocului, cei doi juctori aplic

Pag. 365
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

fiecare cte o strategie mixt care reflect proporia n care au fost jucate strategiile pure de care au dispus
fiecare.
Soluia cuprinde i valoarea jocului (v) care consacr compro misul acceptat de fiecare juctor.
Strategiile mixte (cte una pentru fiecare juctor) care ncorporeaz proporiile cutate corespunztoare
acestei valori a jocului, se numesc strategii mixte optime. Exist o modalitate de calcul analitic a acestor
elemente. Astfel, pentru o matrice a joculu i de forma d in Figura 7.3 unde P este J.max iar S este J.min
soluia problemei se obine cu urmtoarele modele matemat ice.

Fig. 7.3. [7]

Pentru J.max vo m avea:

c11 x1 ++ cm1 xm v,
. .
. .
c1mx1 ++ c mmxm v,
x1 ++ xm = 1,
xi 0 (i = 1m), (7.2)

xi
sau cu schimbarea de variabil: Xi = (7.3)
v
c11 X1 ++ cm1 X m 1,
. .
. .
c1mX1 ++cmmXm 1,
min Z = X1 ++ Xm
Xi 0 (i = 1m), (7.4)

Pentru J.min modelul matematic de calcul a elementelor semnificat ive este:


c11y 1 ++ c1my m v,
. .
. .
cm1 y 1 +..+ c mmy m v,
y 1 ++ y m = 1,
yj 0 (j = 1m), (7.5)

yj
sau cu schimbarea de variabil: Yj = (7.6)
v
c11 Y1 ++ cm1 Ym 1,
. .
. .
cm1 Y1 ++cmmYm 1,
max Z = Y1 ++ Ym,
Yj 0 (j = 1m), (7.7)

Pag. 366
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Aadar, soluia va cuprinde coeficienii Xi i valoarea v n strategia optim a juctorului


maximizant i, coeficienii y j i valoarea v (aceeai ca la juctorul maximizant) n strategia mixt optim a
juctorului min imizant.
Att modelul matematic (7.4) ct i (7.7) reprezint modele de programare matematic lin iar
pentru care se calculeaz uor soluiile.

7.2. Simularea funcionrii sistemelor flexibile de fabricaie n concordan cu teoria


jocurilor

Interpretarea funcionrii SFF prin intermed iul teoriei matematice a jocurilor se motiveaz astfel:
1. Exist n SFF o situaie conflictual ntre cele dou tendine: diversificare i specializare. Cu alte cuvinte,
sistemul tinde s-i conserve starea existent, descurajnd orice modificare care -i genereaz un efort de
tranzi ie n timp ce sarcina de producie tinde s se diversifice ct mai mu lt.
2. Cei doi juctori sunt sarcina de producie care este juctorul maximizant (P=produs) i strile sistemului
(S=stare) care reprezint juctorul min imizant.
3. Sarcina de producie dispune de strategiile pure P1.....Pm (tipurile diferite de produse), iar sistemul
dispune de strile sale, Sl ... Sm, care sunt strategiile sale pure.
4. M iza conflictulu i dintre cei doi juctori este costul de tranzi ie Cij. Efortul de tran zi ie este suportat de
sistemul S, n beneficiul d iversificrii sarcinii de producie, P. Matricea jocului va fi, matricea costurilor de
tranzi ie.
5. Datorit valorilor nule de pe diagonala principal din matricea costurilor de tranziie, jocul care
modeleaz funcionarea SFF este fr punct a i, n consecin, cei doi juctori trebuie s uzeze de strategii
mixte.
6. Valoarea jocului va marca o situaie de echilibru care limiteaz varietatea tipologic a sarcinii de
producie fr a rigid iza, ns, sistemul. Costul mediu de tran zi ie (CMT) poate fi pus n legtur cu
valoarea jocului. Aadar, funcionarea optim a SFF pune n echilibru volu mu l costurilor de tranziie cu
flexib ilitatea sistemulu i.
7. St rategia mixt optim a juctorului min imizant va reprezenta frecvena de exersare a strilor sistemu lui
astfel nct CMT < v, iar strategia mixt optim a juctorului maximizant va reprezenta frecvena de
exersare a strilor sistemu lui pentru care CMT > v.
Primul co mentariu care se impune este c prezint interes strategia mixt optim a juctorului
minimizant. Ea se interpreteaz astfel: dac strile sistemului respect probabilitile (frecvenele) calcu late
analitic, atunci valoarea medie a costului de tranziie nu depete valoarea jocului. Iat, deci, c prin
frecvenele relative de apariie a diferitelor stri ale sistemulu i putem controla economic (prin intermed iul
CMT) funcionarea sistemului. So luia juctorului maximizant nu intereseaz nefiind co nvenabil pentru
funcionarea economic a sistemu lui. Interpretarea ei este: dac n sistem se realizeaz tipurile de produse
desemnate de soluie, cu frecvenele relative (probabilitile) calcu late analit ic, atunci costul med iu de
tranzi ie al sistemulu i depete valoarea jocului. Cele dou soluii nu sunt identice.
Al doilea comentariu care se impune, reprezentnd o concluzie fundamentat pe o cercetare mai
amp l dect aceast aplicaie, este c soluia optim "decupeaz" din numrul de tipuri prezu mate a se
realiza n sistem doar cteva. Cu alte cuvinte, soluia are un puternic potenial de concentrare tipologic.
Aceast aptitudine poate fi folosit i n analiza sarcinii de producie (etapa de concentrare tipologic).
Valoarea teoretic a jocului poate fi ut ilizat i ca limit superioar pentru costul de tranziie n
determinarea succesiunii optime de intrare a produselor n SFF prin metodele inspirate din teoria grafurilor
pe care le -am parcurs deja.

Cap. 8. TEORIA DECIZIILOR

8.1. Tipuri de decizii. Decizii n condiii de inceritudine

Unul dintre factorii de care sunt influenai managerii n procesul de luare a deciziilor l
reprezint gradul de incertitudine al rezultatelor fiecrei alternative decizionale formu late. n cadrul
organizaiilor, managerii iau decizii n condiii de certitudine, risc sau incertitudine.
Decizii n condi ii de certitudi ne. Atunci cnd managerii tiu cu siguran care sunt
alternativele i rezultatele asociate fiecrei alternative, spunem c exist condiii de certitudine.

Pag. 367
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

n organiza ii, ns, sunt puine deciziile care sunt luate n astfel de condiii, datorit
complexit ii i naturii schimbtoare a societii. Un concept ideal (asemntor oarecu m celui de concuren
perfect), condiia de certitudine furn izeaz un cadru al evalurii condiiilor de risc n luarea deciziei.
Gradul n care un manager are ncredere ntr-o anu mit decizie depinde de gradul de
certitudine n care este luat decizia respectiv. Cu alte cuvinte, cu ct este mai sigur un manager de
rezu ltatele unei decizii, cu att va avea mai mu lt ncredere lund acea decizie.
Decizii n condi ii de risc. Se apreciaz c exist condiii de risc atunci cnd trebuie luat o
decizie pe baza unor info rmaii inco mplete. Dei informa iile sunt incomp lete, managerii au posibilitatea s
calculeze probabilitile evenimentelor, precu m i ale rezultatelo r i costurilor acestora, selectnd apoi
alternativa cea mai favorabil. Probabilitile pot fi determinate n mod obiectiv din date istorice, sau n
mod subiectiv, pe baza experienei trecute sau a intuiiei.
Luarea de decizii pe baza probabilitilor reprezint o caracteristic a managementului actual.
Decizii n condi ii de incertitudi ne. n mu lte situaii managerulu i i lipsesc informaiile,
determinarea obiectiv a p robabilitilor cu privire la eventualele rezultate devenind astfel dificil. Datorit
complexit ii lu mii actuale, aceast situaie este des ntlnit de manageri, motiv pentru care baza lurii
deciziei o reprezint intuiia acestora. ncrederea n reuita deciziei luate n astfel de situaii este mai mic,
datorit absenei datelor istorice. Rezo lvarea acestui tip de probleme se poate aborda n mai multe moduri:

1. Regula optimista max (max )


max p k * u ijk
i i j

Se alege acea linie de actiune (V* ) care permite obtinerea rezultatulu i maxim, indiferent de starea
naturii care ar avea loc.
Aplicand aceasta regula, indicatorul global al fiecarei variante va fi ales ca indicatorul partial
maxim, iar in final se selecteaza varianta a carei utilitate totala este maxima.

2. Regula pesimista sau a prudentei ( regula lu i Wald ) max (min )


max min k ( u ijk )
i j

Decidentul urmareste alegerea acelei linii de actiune care sa-I permita obtinerea unui rezu ltat
maxim sigur, indiferent de starea naturii care se produce. Pentru aceasta, se determina valorile min ime
corespunzatoare fiecarei linii de actiune si se alege acea varianta (V* ) careia ii corespunde valoarea
maxima.
Aplicand aceasta regula, se alege ca indicator global pentru fiecare varianta indicatorul part ial cu
valoare minima iar in final se selecteaza varianta a carei utilitate totala este maxima.

3. Regula min imizarii reg retelor ( regula lu i Savage ) min (max )


min max Rik Rik = u max - u ik
i k

Aceasta regula transforma utilitatile partiale in pierderi si cunoscand pierderile la fiecare varianta,
in fiecare stare a naturii, decidentul va alege ca indicator global indicatorul reprezent at de pierderea cea mai
mica. Elementele matricii regretelor (rij )se obtin scazand elementele fiecarei co loane din elementul maxim
al coloanei respective.

4. Regula optimis mulu i ponderat ( regula lui Laplace )


1
max u ijk
k
i j

Intr-o problema in condit ii de incert itudine, probabilitatile de aparitie a starilor sunt egale si deci
1 1
probabilitatea de aparitie a unei stari k : k = ; si daca numarul de stari este r atunci: k = ;
nr.de stari r
practic problema se transforma intr-o problema de decizie in conditii de risc.

5. Regula optimalitatii ( regula lu i Hu rwicz )

Metoda consta in a alege lin ia de actiune care maximizeaza valoarea Vj , astfel:

Pag. 368
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

V* max R ij max 1 R ij min ,


j

unde: Rj min si Rj max reprezinta rezu ltatul minim, respective maxim al


variantei j
- coeficientul de optimism 0 1

- =0, se ajunge la metoda maxi-min


- =1, se obtine metoda maxi-max.

8.2. Metoda Electre

Metoda ELECTRE serveste la compararea variantelor V1, V2, Vm din punct de vedere al
criteriilor x1, x2 , xn .
Aplicarea metodei ELECTRE se bazeaza pe doua grupe de indicatori si anume: indicatori de
concordanta (C c)si indicatori de discordanta (Cd ).
Co mparand doua variante, Vj si Vl , indicatorii de concordant ascot in evidenta aspectele favoarbile
ale variantei Vj fata de varianta Vl , iar indicatorii de discordanta evidentiaza aspectele nefavorabile ale
variantei Vj fata de Vl .
In cele ce u rmeaza se prezinta un exemp lu concret de utilizare a metodei Electre.

Pag. 369
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Metoda ELECTRE

c1 c2... cj... cm

M1 a11 a12 ... a1 j ... a1m


M2
a21 a22 ... a2 j ... a2m

Mi
ai 2 ai 2 ... aij ... aim

Mn an 2 anj ... anj ... anm

C Mg , Mh j
Kj K1 K 2 Km agj ahj (2.89)
0, dac ahj agj
d Mg , Mh 1 (2.90)
max agj ahj pt. j unde ahj agj
d

Mi surclaseaz pe Mj dac:

C Mi, Mj p (2.91)
d Mi, Mj q (2.92)
Relaia de surclasare se reprezint printr-un arc orientat dintre Mi spre Mj

Tabelul 2 Coeficienii de discordan


Tabelul 1
M1 M2 M3 M4 M5
C M1 - 0,7 1,0 0,7 1,0
K1=0,36 K2=0,45 K3=0,19
M2 0,6 - 0,3 0,2 0,3
C1 C2 C3
M M3 1,0 0,4 - 0,6 0,2
M1 1 0 1 M4 0,6 0,2 0,3 - 0,3
M2 0,6 0,7 0,4 M5 1,0 0,6 0,2 0,4 -
M3 0,2 1 0
M4 0,4 0,7 0,6
M5 0 1 0,2

Tabelul 3 Coeficienii de concordan


M1 M2 M3 M4 M5
M1 - 0,55 0,55 0,55 0,55
M2 0,45 - 0,55 0,81 0,55
M3 0,45 0,45 - 0,45 0,81
M4 0,45 0,19 0,55 - 0,55
M5 0,45 0,45 0,19 0,45 -

Pag. 370
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Tabelul 4

M1 M2 M3 M4 M5
- 0,55 0,55 0,55 0,55
M1
0,7 0,7 0,7 1,0
0,45 0,55 0,81 0,55
M2
0,6 0,3 0,2 0,3
0,45 0,45 0,45 0,81
M3
1,0 0,4 0,6 0,2
0,45 0,19 0,55 0,55
M4
0,6 0,2 0,3 0,3
0,45 0,45 0,19 0,45
M5
1,0 0,6 0,2 0,4

C Mi, Mj d Mi, Mj C Mj, Mi d Mj, Mi (2.93)

M1 M2 M3 M4 M5
M1 -0,15 -0,45 -0,15 -0,45
M2 -0,15 0,15 0,61 0,25
DIF=
M3 -0,55 -0,05 -0,15 0,61
M4 -0,15 -0,01 0,25 0,25
M5 -0,55 -0,15 -0,01 0,05

M1 M2 M3 M4 M5
M1 1 1 1 1
M2 1 1 1 1
M3 0 0 0 1
M4 1 0 1 1
M5 0 0 0 0

Pag. 371
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Cap. 9. PREVIZIUNE-PROGNOZ

9.1. Extrapolarea seriilor dinamice


Aceste metode de previziune fo losesc modificarile intervenite intr -o relatie in timp. Mai jos este
redat un exemp lu concret

Extrapolarea seriilor dinamice

Anul (x) 1 2 3 4 5 6 7 8
Cantitatea(y) 131 131 81 80 56 36 41 35

y a0 a1 x a2 x 2
yi valoare net
8 2

min D yi
yi
yi valoare estimat
i 1

2 2
D 131 a0 a1 a2 131 a0 2a1 4a2 81 a0 3a1 9a2
2 2 2
80 a0 4a1 16a2 56 a0 5a1 25a2 36 a0 6a1 36a2
2 2
41 a0 7a1 49a2 35 a0 8a1 64a2

dD
262 2a0 2a1 2a2
da0
262 2a0 4a1 8a2
dD
162 2a0 6a1 18a2 0
da1
160 2a0 8a1 32a2
4038 72a0 408a1 2592a2
112 2a0 10a1 50a2
dD
72 2a0 12a1 72a2 0
da2
82 2a0 14a1 98a2
19218 408a1 2592a1 17544a2
70 2a0 16a1 128a2 0
1182 16a0 72a1 408a2 0
dD
0 1182 16a0 72a1 408a2 0 a0 169,553
da0
dD
0 4038 72a0 408a1 2592a2 0 a1 31, 482
da1
dD
0 19218 408a0 2592a1 17544 a2 0 a2 1,803
da2
y 169,553 31, 482 x 1,803x 2

Cu ajutorul testului t se poate afla daca ecuatia gasita este relevanta sau credibila si poate fi
utilizata pentru previziuni. Testul arata daca variabila X are o in fluenta statistica semnificativa asupra lui Y.

Pag. 372
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

yi y u i
i

2 y1 y 8,8750
1

2 y2 y 17,1960
2

3 y3 y 10,3393
3

4 y4 y 7,5179
4

5 y5 y 1, 2321
5

6 y6 y 9,5893
6

7 y7 y 3, 4464
7

8 y8 y 1,8750
8

8,8750 17,1960 10,3393 7,5179 1, 2321 9,5893 3, 4464 1,8750


u
8
u 0, 00005
2
ui
=9,61
n 1
Se aplic restul t (student)
u 0, 0005
t 0
9, 61
n 8
Pentru q 0, 05 i numrul gradelor de libertate f n 1 7 , din tabela
tq 2,365 . ntruct t tq se poate concluziona c u tinde ctre 0 i din curba propus
estimeaz cel mai bine tendina rezultat din punctele experimentale.

Pentru anul 10
x 10
y10 169,553 31, 48210 1,803100 35, 033

cu probabilitatea 1 q 0,95 y10 va fi:

y10 tq y10 y10 tq


2 n
9, 61
tq 2,365 8, 036
n 8
35, 033 8, 036 y10 35, 033 8, 036
26,997 y10 43, 069

Pag. 373
Calificarea: Antreprenoriat (A) Analiz cantitati v D12

Materialele cuprinse n acest manual nu


constituie lucrri de cercetare tiinific i nu
revendic originalitatea. Scopul lor exclusiv
este prezentarea unor cunotine existente i
s serveasc procesului didactic.

Pag. 374